الشبكات العصبية الاصطناعية أو ما يعرف بالـ Artificial Neural Networks، الحاجة دي زي الدماغ بالنسبة للماكينات، والاسم لوحده بيخلي الواحد يتسائل: “دماغ للماكينة؟ إزاي ده؟” 

في المقال ده، هنفتح باب الحكاية وندخل في عالم الذكاء الاصطناعي اللي بيحاول يقلد طريقة تعلم الإنسان. هنتكلم عن الفكرة البسيطة للشبكات العصبية وازاي بتساعد الماكينات تتعلم من البيانات زي البشر.

هنتكلم عن أنواع الشبكات العصبية وأهميتها، ونتعرف على حاجات اسمها الـ Activation Functions، وده ببساطة بيساعد الشبكة تتعلم بطريقة صح، بعدين هنفتح الباب على كيفية عمل الـ Back Propagation، اللي هيا الطريقة اللي بتساعد الماكينة تصحح نفسها لو حصلت مشكلة. حاجة كده زي الدروس الخصوصية للماكينة.

وأخيرًا، عشان الحكاية تتمثل، هنتكلم عن تنفيذ الشبكات العصبية باستخدام Keras و TensorFlow، وده هياخدنا لمرحلة التطبيق العملي.

إستعد لرحلة في عالم التكنولوجيا اللي ممكن تغير نظرتك للذكاء الاصطناعي، وتشوف إزاي الماكينات قادرة تتعلم من حياتنا اليومية!

الشبكات العصبية الاصطناعية – ANN

ببساطة، الشبكات العصبية الاصطناعية هي أداة رئيسية في مجال التعلم الآلي، واسمها يشير إلى تأثير الدماغ في تصميمها. يتمثل الهدف من هذه الشبكات في تقليد كيفية تعلم الإنسان، حيث تتألف من طبقات الإدخال والإخراج، بالإضافة إلى طبقة مخفية تسمي بالـ Hidden Layer، في معظم الحالات تحتوي على وحدات تحوّل الإدخال إلى شيء يمكن لطبقة الإخراج استخدامه. 

إنها أدوات ممتازة لاكتشاف أنماط معقدة أو كبيرة جداً بحيث لا يمكن لمبرمج بشري استخراجها وتُعلم الجهاز على التعرف عليها.

رغم أن الشبكات العصبية، التي تسمى أحياناً الـ Perceptrons، كانت موجودة منذ الأربعينيات، إلا أنها قد أصبحت جزءًا رئيسيًا من مجال الذكاء الاصطناعي في العقود الأخيرة. يعود ذلك إلى ظهور تقنية تسمى التراجع الخلفي أو ما يعرف بالـ Back Propagation، التي تسمح للشبكات بضبط طبقاتها الخفية Hidden Layer من الخلايا العصبية في حال عدم تطابق النتيجة مع ما يأمله المستخدم، ومثال على ذلك وجود شبكة مصممة لتتعرف على الكلاب ولكنها ترى قطة بدلاً من ذلك، على سبيل المثال

تقدمت هامشة أخرى مهمة هي ظهور شبكات التعلم العميق أو ما يعرف بالـ Deep Learning، حيث تستخدم طبقات متعددة من الشبكة لاستخراج ميزات مختلفة حتى يمكنها التعرف على ما تبحث عنه