تدقيق لغوي: أ. موانا دبس

مع التقدُّم الكبير للتكنولوجيا يشهد العالم تغيراً كبيراً في نمط الحياة، حيث تطورت الآلات وآلية عملها، فلم تعد مهمتها تقتصر على معالجة المعلومات، بل أصبحت قادرةً على فهمها، واستيعابها، ومعرفة دلالاتها، وأصبحت تتعامل مع المحيط على أساس هذا الفهم.

هذا هو عمل الذكاء الاصطناعي الذي يقوم على الشبكات العصبونية الاصطناعية، والتي تُعتبر عموده الفقري، والمذهل أنَّ العقل البشري هو مصدر إلهام هذه الشبكات، وعملها يتشبّه بعمله، حيث بدأ العلماء بدراسة الخلية العصبية، وكيف تتعامل مع الخلايا المجاورة لها.

وعملوا على تقليد طريقة العمل هذه حتَّى توصلوا إلى فكرة الشبكات العصبونية الاصطناعية التي تُشابه في طريقة عملها عمل الشبكات العصبونية في الدماغ البشري التي تنقل المعلومات فيما بينها وتعالجها، وسنتحدث في هذه المقالة عن الشبكات العصبونية، آلية عملها، أنواعها، وأهمُّ تطبيقاتها.

ما هي الشبكات العصبونية الاصطناعية؟

هي نموذجٌ يتمُّ من خلاله تعلُّم الآلات والحواسيب حتى تتمكن من اتخاذ القرارات بطريقةٍ تُحاكي دماغ الإنسان، وذلك من خلال استخدام عملياتٍ تُشابه العمليات التي تستخدمها الخلايا العصبية في عقل الإنسان لتحديد الظواهر، ومقارنة الخيارات، والتوصل إلى النتائج الصحيحة.

وتُعتبر الشبكات العصبونية الاصطناعية جزءاً أساسياً من الذكاء الاصطناعي، وهدفها الأساسي هو جعل الآلة تفكر، وتتعلم، وتتعامل مع المعلومات بشكلٍ يُماثل الإنسان، وتتكون الشبكات العصبونية من عدة عناصر تعرف باسم العقد العصبية، وهي عبارةٌ عن مجموعةٍ من العصبونات الاصطناعية ترتبط مع بعضها عن طريق مجموعةٍ من الروابط، وتتألف من عدة طبقاتٍ يمكن تقسيمها إلى:

● طبقة الإدخال، ومن خلالها تُستقبل المعلومات من المحيط الخارجي.

● طبقة داخلية أو مجموعة طبقاتٍ داخلية مهمّتها معالجة المعلومات.

● طبقة إخراج، وهي التي تُعطي النتائج النهائية.

وتتعلق قوة الروابط بين الخلايا العصبونية الاصطناعية بالخبرة والتعلُّم من البيانات المُدخلة، حيث تزداد قوة هذه الروابط مع استمرارية عملية التعلُّم أو من الممكن أن يطلق عليه اسم عملية تدريب الشبكة العصبونية، ومن المميزات المهمّة للشبكات العصبونية الاصطناعية أنَّها قادرةٌ على التعلُّم بشكلٍ سريع، وقادرةٌ أيضاً على التعامل مع البيانات التي تُعتبر على درجةٍ عاليةٍ من التعقيد. ^[1]

ما هي آلية عمل الشبكات العصبونية الاصطناعية؟

تعمل من خلال التفاعل بين الطبقات الأساسية المُكوَّنة منها، والتي تمّ ذكرها سابقاً، ويمكن تقسيم آلية العمل إلى الخطوات التالية: ^[2]

1- تستقبل طبقة الإدخال بياناتٍ أوليةً غير معالجة، وغير مفهومةٍ بالنسبة للشبكة العصبونية.

2- تنتقل هذه البيانات إلى الطبقة الوسطى، ويمكن أن تكون هذه الطبقة مؤلفةً من مجموعةٍ من الطبقات تتمُّ من خلالها معالجة البيانات، مع العلم أنَّ الخلايا العصبية الموجودة في هذه الطبقات تكون مترابطةً مع بعضها، ومع الخلايا العصبية في الطبقات الأخرى عن طريق مشابك عصبية مزودةٍ بأوزان معينة، وهذه الروابط هي التي تحدّد أهمية المعلومات التي يتمُّ تمريرها في الشبكات العصبونية وقوتها، بعد انتقال البيانات إلى الطبقات الداخلية تتمُّ معالجتها وتمريرها عبر هذه الطبقات إلى الطبقة الأخيرة.

3- تصل المعلومات إلى الطبقة الأخيرة، وهي طبقة المُخرجات، حيث تخرج منها المعلومات النهائية أو التنبُّؤات على حسب المهمة المطلوبة من الشبكة العصبونية.

4- بعد انتهاء عملية الإخراج، والحصول على المعلومات من الشبكة العصبونية يتمُّ تقييم أدائها عن طريق دالةٍ اسمها دالة الخسارة، تقوم بتحديد الفروقات بين المخرجات الفعلية للشبكة وبين المُخرجات المتوقّعة، والهدف الأساسي منها هو تقليل هذه الاختلافات عن طريق ضبط الأوزان بين الخلايا العصبية ضمن الشبكة.

5- بعد أن تتمّ عملية التقييم تأتي مرحلة الانتشار العكسي، وهي مرحلة مهمّة في عملية تدريب الشبكة العصبونية، ويتمُّ فيها تعديل الأوزان على المشابك حسب دالة التقييم.

وهكذا تتعلّم الشبكة العصبونية، ومع التكرارات الكثيرة تتقارب النتائج الفعلية للشبكة العصبونية مع النتائج المتوقّعة، وبهذا تعطي الشبكة العصبونية نتائج أكثر صحةً وأقل خطأ.

أنواع الشبكات العصبونية الاصطناعية

تضمُّ الشبكات العصبونية العديد من الأنواع، وكل نوعٍ تمّ تصميمه لأداء مهمّةٍ معينة، ومن أهمّ هذه الأنواع:

1- الشبكات العصبونية المغذية

هو من أبسط أنواع الشبكات العصبونية الاصطناعية يتمُّ فيها انتقال المعلومات في اتجاهٍ واحدٍ عبر الطبقات الأساسية للشبكة من المُدخلات إلى المُخرجات، يمكن استخدام هذا النوع في عمليات التصنيف البسيطة.

2- شبكات الإدراك الحسي متعدد الطبقات

في هذا النوع يكون عدد الطبقات الوسطى هو طبقة واحدة أو أكثر، ويتمُّ الارتباط بين الخلايا العصبية في كل الطبقات مع بعضها البعض، ويُستخدم هذا النوع من الشبكات العصبونية في العديد من المهام، مثل: التعرُّف على الصور أو الكلام وغيرها.

3- الشبكات العصبونية الالتفافية

يُستخدم هذا النوع من الشبكات في حالات معالجة البيانات المتشابهة، مثل: تحديد مواصفات صورةٍ معينة عن طريق إدخال مجموعةٍ من الصور المتشابهة، على سبيل المثال: شبكة عصبونية مهمّتها التعرُّف على نوع القط الموجود في الصورة من خلال تدريبها على مجموعة من الصور لقططٍ من أنواع مختلفة.

4- الشبكات العصبونية المتكرّرة

يُعتبر هذا النوع من الشبكات مناسباً للأعمال التي تحتاج إلى تسلسل المعلومات، حيث يعتمد عملها على دوراتٍ موجّهة من البيانات، مما يساعدها على الاحتفاظ بذاكرة المُدخلات السابقة، ويمكن استخدامها في معالجة اللغات الطبيعية.

5- الشبكات ذات الذاكرة طويلة المدى

تعتبر امتداداً للشبكات العصبونية المتكرّرة، حيث تعالج مشكلة التلاشي للمعلومات المخزّنة، وتستخدم في التعرّف على الكلام، والتنبُّؤات في الأمور المالية.

 تطبيقات الشبكات العصبونية الاصطناعية

توجد العديد من تطبيقات الشبكات العصبونية، ومن استخداماتها: ^[3]

1- التعرُّف على الصور والفيديوهات

يتمُّ استخدام الشبكات العصبونية الاصطناعية، وخصوصاً الالتفافية بشكلٍ كبيرٍ للتعرُّف على الصور وتصنيفها.

2- معالجة اللغات الطبيعية

تُستخدم في معالجة اللغات، والتعرُّف عليها، وتوليد لغة البشر.

3- التعرُّف على الأصوات والكلام

تُستخدم على نطاقٍ واسعٍ للتعرُّف على الصوت وفهمه، وتحويله إلى نص.

4- الرعاية الصحية

تستخدم في مهام الرعاية الصحية، مثل: قراءة الصور الطبية وتحليلها، وقراءة التحاليل، وتشخيص الأمراض، وغيرها من العمليات الأخرى.

5- التنبُّؤ فيما يخص الأمور المالية

تستخدم بشكلٍ كبيرٍ للتنبُّؤ بأسعار الصرف والأسهم، وغيرها من الأمور المالية الأخرى.

6- المركبات ذاتية القيادة

تُستخدم بشكلٍ كبيرٍ في الوقت الحالي في المركبات التي تقود لوحدها من خلال معالجة البيانات التي تتلقاها، والتعرُّف على الأشياء، واتخاذ القرارات.

7- الألعاب

يتمُّ استخدام الشبكات العصبونية الاصطناعية على نطاقٍ واسعٍ في تصميم الألعاب لتحسين شكل اللعبة ورسوماتها، وصنع تجربةٍ ممتعةٍ للمُستخدم.

8- الكشف عن عمليات الغش

تتزايد استخداماتها من قبل الشركات للكشف عن عمليات الاحتيال والغش خصوصاً فيما يتعلق في الأمور المصرفية والبنكية.

9- الموارد البشرية

كما تُستخدم في مجال الموارد البشرية، وذلك لاستقطاب المواهب، والحصول على مشاعر الموظفين وتحليلها، وتطوير بيئة العمل وتحسينها.