التعلم العميق “deep learning”

[Mary Naeem]

التعلم العميق “deep learning”

يُعتبر التعليم العميق deep learning بأنه أسلوب تعلم آلي يقوم بإعداد الحواسيب للقيام بمهام بشكل طبيعي مع البشر. مثلًا، هذه التقينة هي العامل الرئيسي وراء تجربة عمل السيارات بدون سائق، مما يُمكنها من التعرُّف على إشارة التوقف أو تمييز أحد المشاة من عمود إنارة.
يحصل التعلم العميق على الكثير من الاهتمام في الآونة الأخيرة، وذلك لأنه يحقق نتائج لم تكن ممكنة من قبل.

كيف يعمل التعلم العميق “deep learning”

في التعلم العميق يتعلم نموذج الكمبيوتر أداء مهام التصنيف مباشرةً من الصور أو النص أو الصوت، كما يمكن لنماذج التعلم العميق أن تحقق دقة متطورة تتجاوز في بعض الأحيان الأداء على المستوى البشري، و يتم تدريب النماذج باستخدام مجموعة كبيرة من البيانات المصنفة وبنيات الشبكات العصبية التي تحتوي على طبقات متعددة.
تمر برامج الكمبيوتر التي تستخدم التعلم العميق عبر العملية نفسها، حيث تقوم كل خوارزمية في التسلسل الهرمي بتطبيق تحويل غير خطي على مدخلاتها، وتستخدم ما تتعلمه لإنشاء نموذج إحصائي كمخرج، وتستمر التكرارات حتى يصل المخرج إلى مستوى مقبول من الدقة. عدد طبقات المعالجة التي تمر عبرها البيانات هو ما أوحى بالطبقة العميقة.

ولأن هذه العملية تحاكي نظامًا من الخلايا العصبية البشرية، فإن هذا الشكل من التعلم يُشار إليه أحيانًا بالتعليم العصبي العميق أو الشبكات العصبية العميقة، وخلافًا للطفل الذي سيستغرق بضعة أسابيع أو حتى أشهر لفهم مفهوم “الكلب”، فإن برنامج الكمبيوتر الذي يستخدم خوارزميات التعلم المذكور يمكن أن يُظهر من خلال التدريب وفرز ملايين الصور بدقة القدرة في تحديد الصور التي يوجد فيها كلاب في بضع دقائق.
لتحقيق مستوى مقبول من الدقة تتطلب برامج التعلم العميق الوصول إلى كميات هائلة من بيانات التدريب وقوة المعالجة، ولم يكن أي منهما متاحًا بسهولة للمبرمجين حتى عصر البيانات الكبيرة والحوسبة السحابية. ولأن برمجة التعلم العميق قادرة على إنشاء نماذج إحصائية معقدة مباشرة من ناتجها التكراري الخاص، فإنها قادرة على إنشاء نماذج تنبؤية دقيقة من كميات كبيرة من البيانات غير المبوبة وغير المهيكلة.

أمثلة على تطبيقات التعلم العميق

لأنه يعالج المعلومات بطرق مشابهة للدماغ البشري، يمكن تطبيق هذه النماذج على العديد من المهام التي يقوم بها الأشخاص، إذ يتم استخدام التعلم العميق حاليًا في معظم أدوات التعرف على الصور الشائعة، ومعالجة بروتوكولات NLP وبرامج التعرف على الكلام، كما بدأت هذه الأدوات تظهر في تطبيقات متنوعة مثل السيارات ذاتية القيادة وخدمات ترجمة اللغات.