الفصل 1: أساسيات الشبكات العصبية
اللبنات الأساسية للذكاء الاصطناعي
الشبكات العصبية هي أساس الذكاء الاصطناعي الحديث، بما في ذلك جميع أنظمة الذكاء الاصطناعي التوليدية. فهم كيفية عملها يوفر نظرة حاسمة على ما يمكن وما لا يمكن للذكاء الاصطناعي القيام به.
ما هي الشبكة العصبية؟
الشبكة العصبية هي نظام حوسبة مستوحى بشكل فضفاض من الدماغ البشري. تتكون من عقد مترابطة (تسمى الخلايا العصبية) منظمة في طبقات تعالج المعلومات.
الشبكات العصبية هي مُعرّفات الأنماط. تتعلم التعرف على الأنماط في البيانات وتستخدم تلك الأنماط لإجراء التنبؤات أو توليد محتوى جديد.
تشبيه الدماغ
| الدماغ البشري | الشبكة العصبية |
|---|---|
| الخلايا العصبية | الخلايا العصبية الاصطناعية (العقد) |
| المشابك العصبية | الاتصالات الموزونة |
| الإشارات الكهربائية | الأرقام |
| التعلم من خلال التجربة | التعلم من خلال بيانات التدريب |
الهيكل الأساسي
الطبقات
تحتوي الشبكة العصبية على ثلاثة أنواع من الطبقات:
- طبقة المدخلات: تستقبل البيانات الأولية
- الطبقات المخفية: تعالج البيانات (يمكن أن تكون هناك العديد من الطبقات)
- طبقة المخرجات: تنتج النتيجة النهائية
التعلم العميق
عندما تحتوي الشبكة على العديد من الطبقات المخفية، تُسمى شبكة عصبية عميقة، وتدريبها يُسمى التعلم العميق.
كيف تعمل الخلايا العصبية
كل خلية عصبية اصطناعية:
- تستقبل المدخلات من الخلايا العصبية السابقة
- تضرب كل مدخل في وزن
- تجمع جميع المدخلات الموزونة معًا
- تطبق دالة تنشيط لإنتاج المخرج
مثال بسيط
تخيل خلية عصبية تقرر ما إذا كانت الصورة تظهر قطة:
المدخل 1 (هل لديها فرو؟): 1 × الوزن 0.3 = 0.3
المدخل 2 (هل لديها شوارب؟): 1 × الوزن 0.4 = 0.4
المدخل 3 (هل تنبح؟): 0 × الوزن 0.2 = 0.0
المجموع = 0.7
إذا كان المجموع > 0.5 → المخرج: "ربما قطة"
التعلم: تعديل الأوزان
السحر في الشبكات العصبية يكمن في التعلم—عملية تعديل الأوزان لتحسين الدقة.
عملية التدريب
- التمرير الأمامي: تتدفق البيانات عبر الشبكة
- المقارنة: تحقق من المخرج مقابل الإجابة الصحيحة
- حساب الخطأ: ما مدى بعد التنبؤ؟
- الانتشار العكسي: تتبع الأوزان التي تسببت في الخطأ
- تعديل الأوزان: إجراء تصحيحات صغيرة
- التكرار: قم بذلك ملايين المرات!
تشبيه ركن السيارة
تعلم ركن السيارة:
- المحاولات الأولى: ضرب الأرصفة، ركن مائل
- مع الممارسة: تصحيحات صغيرة في كل مرة
- في النهاية: ركن متوازي بشكل مثالي
تتعلم الشبكات العصبية بنفس الطريقة—من خلال الممارسة المتكررة والتصحيح.
أنواع الشبكات العصبية
1. الشبكات الأمامية
النوع الأبسط—تتدفق البيانات في اتجاه واحد من المدخل إلى المخرج. جيدة لمهام التصنيف الأساسية.
2. الشبكات العصبية الالتفافية (CNNs)
متخصصة في معالجة الصور. تستخدم المرشحات لاكتشاف الميزات مثل الحواف والأشكال والأنماط.
تستخدم في: التعرف على الصور، رؤية الكمبيوتر
3. الشبكات العصبية المتكررة (RNNs)
تحتوي على حلقات تسمح للمعلومات بالبقاء. جيدة للبيانات التسلسلية.
تستخدم في: النماذج اللغوية المبكرة، السلاسل الزمنية
4. المحولات
الهندسة التي تشغل الذكاء الاصطناعي الحديث. تعالج جميع المدخلات في وقت واحد باستخدام الانتباه.
تستخدم في: ChatGPT، Claude، DALL-E، ومعظم الذكاء الاصطناعي الحديث
المعلمات: معرفة الذكاء الاصطناعي
ما هي المعلمات؟
المعلمات هي الأرقام القابلة للتعديل (الأوزان والانحيازات) في الشبكة العصبية. تمثل ما تعلمه النموذج.
الحجم مهم
| النموذج | المعلمات |
|---|---|
| نموذج صغير | ملايين |
| GPT-2 | 1.5 مليار |
| GPT-3 | 175 مليار |
| GPT-4 | ~1.7 تريليون (تقديري) |
| Llama 2 (الأكبر) | 70 مليار |
المزيد من المعلمات يعني عادةً المزيد من القدرة، ولكن أيضًا تكلفة حسابية أكبر.
المفاهيم الأساسية مبسطة
دوال التنشيط
مثل مفتاح يحدد ما إذا كانت الخلية العصبية "تطلق" أم لا. الشائعة منها تشمل ReLU وSigmoid.
لماذا يهم: بدون دوال التنشيط، يمكن للشبكات العصبية أن تتعلم فقط الأنماط البسيطة والخطية.
دالة الخسارة
تقيس مدى خطأ تنبؤات النموذج. يحاول التدريب تقليل هذا.
تشبيه: مثل درجة الجولف—الأقل هو الأفضل.
الانحدار التدرجي
الطريقة المستخدمة لتعديل الأوزان. التحرك في الاتجاه الذي يقلل الخطأ.
تشبيه: مثل المشي نزولاً في الضباب—خذ خطوات صغيرة في الاتجاه الذي ينزل.
معدل التعلم
مدى كبر كل خطوة تعديل. كبير جدًا = غير مستقر. صغير جدًا = بطيء جدًا.
ما يمكن وما لا يمكن للشبكات العصبية القيام به
يمكن القيام به ✅
- التعرف على الأنماط المعقدة
- التعلم من الأمثلة
- التعميم على بيانات جديدة ومماثلة
- التحسن مع المزيد من البيانات والتدريب
لا يمكن القيام به ❌
- التفكير مثل البشر
- فهم المعنى حقًا
- تطبيق الحس السليم بشكل موثوق
- التعلم من عدد قليل جدًا من الأمثلة (عادةً)
مثال واقعي: نموذج لغوي
كيف يستخدم النموذج اللغوي الشبكات العصبية:
تعلمت الشبكة الأنماط من مليارات الأمثلة النصية، لذا تعرف أن "الحصيرة" أكثر احتمالاً أن تتبع "القطة جلست على" من "المروحية".
النقاط الرئيسية
✅ الشبكات العصبية هي أنظمة تعرف الأنماط مستوحاة من الدماغ
✅ تتكون من طبقات من الخلايا العصبية المترابطة
✅ يحدث التعلم عن طريق تعديل الأوزان من خلال العديد من الأمثلة
✅ المزيد من المعلمات يعني عادةً المزيد من القدرة
✅ تتفوق الهياكل المختلفة في مهام مختلفة
✅ المحولات هي أساس الذكاء الاصطناعي التوليدي الحديث
الخطوات التالية
الآن بعد أن فهمت أساسيات الشبكات العصبية، دعونا نستكشف الهندسة الثورية التي تشغل الذكاء الاصطناعي اليوم في الفصل 2: هندسة المحولات.