مرجع
آخر الزيارات

الشبكة العصبية

1٬329 كلمة•0 مشاهدة•🗒️ منذ 17 يوماً
باختصار: الشبكة العصبية هي شبكة الخلايا العصبية، أو بالتوجه الحديث الشبكة العصبية الاصطناعية تتكون الشبكة العصبية الاصطناعية من خلايا عصبية أو عقد صناعية. في هذه المقالة 4 أقسام: «تاريخ»، «تطبيقات» و«نظرة» وغيرها.
المحتويات
  1. تاريخ
  2. تطبيقات
  3. نظرة
  4. الذكاء الاصطناعي
الشبكة العصبية

في البداية، الشبكة العصبية هي شبكة الخلايا العصبية، أو بالتوجه الحديث الشبكة العصبية الاصطناعية تتكون الشبكة العصبية الاصطناعية من خلايا عصبية أو عقد صناعية. الشبكة العصبية إما أن تكون شبكة عصبية بيولوجية مصنوعة من أعصاب بيولوجية أو أن تكون شبكة عصبية صناعية  لحل مشاكل وقضايا الذكاء الاصطناعي. وفيما يلي تفاصيل أوسع عن ذلك.

تاريخ

وعلى صعيد آخر، تم اقتراح القاعدة النظرية الأولية للشبكات العصبية المعاصرة بشكل مستقل من قبل ألكسندر بين (1873) وويليام جيمس (1890). في عملهم، نتجت كل من الأفكار ونشاط الجسم عن التفاعلات بين الخلايا العصبية داخل الدماغ.

وفي هذا الصدد، في أواخر الأربعينيات من القرن العشرين، ابتكر عالم النفس (دونالد هيب) فرضية التعلم على أساس آلية اللدونة العصبية التي تُعرف الآن باسم التعلم من غير توجيه.. يعتبر التعلم في اللغة العبرية قاعدة تعليمية «غير خاضعة للرقابة» نموذجية، وكانت المتغيرات اللاحقة لها نماذج مبكرة لتقوية طويلة المدى. بدأت هذه الأفكار يتم تطبيقها على النماذج الحسابية في سنة 1948 مع ماكينات Turing's B-type .

من جهة ثانية، بالنسبة إلى باين، أدى كل نشاط إلى إطلاق مجموعة معينة من الخلايا العصبية. عندما تكررت الأنشطة، تعززت الروابط بين تلك الخلايا العصبية. بحسب نظريته، فإن هذا التكرار هو ما أدى إلى تكوين الذاكرة. كان المجتمع العلمي العام في ذلك الوقت متشككًا في نظرية باين لأنها كانت تتطلب ما يبدو أنه عدد كبير من الروابط العصبية داخل الدماغ. أصبح من الواضح الآن أن الدماغ معقد للغاية وأن نفس «الأسلاك» في الدماغ يمكنها معالجة الكثير من المشكلات والمدخلات.

علاوةً على ذلك، قام روزنبلات (1958) بإنشاء الإدراك الحسي، وهي خوارزمية للتعرف على الأنماط استنادًا إلى شبكة كمبيوتر التعلم ثنائية الطبقات باستخدام الجمع والطرح البسيط. مع التدوين الرياضي، وصف روزنبلات كذلك الدوائر غير الموجودة في الإدراك الحسي الأساسي، مثل الدائرة الحصرية أو الدارة، وهي الدائرة التي لا يمكن معالجة حسابها الرياضي حتى بعد إنشاء خوارزمية backpropagation بواسطة Werbos (1975).

علاوةً على ذلك، أنشأ (بيتس ومكلوتش) عام (1943) نموذجًا حسابيًا للشبكات العصبية القائمة على الرياضيات والخوارزميات. وأطلقوا على هذا النموذج عتبة المنطق. لقد مهد النموذج الطريق لبحوث الشبكة العصبية لتقسيمها إلى طريقتين متميزتين. ركز أحد الأساليب على العمليات البيولوجية في الدماغ والآخر ركز على تطبيق الشبكات العصبية على الذكاء الاصطناعي.

وفي هذا السياق، أصبحت المعالجة الموزعة المتوازية لمنتصف الثمانينات شعبية تحت اسم الربط. قدم النص الذي كتبه روميلهارت وماكليلاند (1986) عرضًا كاملاً حول استخدام التوصيلية في أجهزة الكمبيوتر لمحاكاة العمليات العصبية.

ومن جهة أخرى، استعمل فارلي وكلارك (1954) لأول مرة الآلات الحسابية، ثم سميت الآلات الحاسبة، لمحاكاة شبكة هيبية في معهد ماساتشوستس للتكنولوجيا. تم إنشاء آلات حسابية أخرى للشبكة العصبية بواسطة روتشستر وهولندا وهابيت ودودا (1956).

من جانب آخر، كانت نظرية جيمس مشابهة لنظرية بين، ، ومع ذلك، اقترح أن الذكريات والإجراءات الناتجة عن التيارات الكهربائية تتدفق بين الخلايا العصبية في الدماغ. نموذجه، من خلال التركيز على تدفق التيارات الكهربائية، لا يحتاج إلى اتصالات عصبية فردية لكل ذاكرة أو حركة.

كذلك، تُعتبر الشبكات العصبية، كما تُستعمل في الذكاء الاصطناعي، تقليديا نماذج مبسطة للمعالجة العصبية في الدماغ، على الرغم من أن العلاقة بين هذا النموذج والعمارة البيولوجية للمخ قد تمت مناقشتها، لأنه ليس من الواضح إلى أي مدى تعكس الشبكات العصبية الاصطناعية الدماغ وظيفة.

وعلى صعيد آخر، أجرى (شيرنجتون) (1898) تجارب لاختبار نظرية (جيمس). حيث قام بتشغيل التيارات الكهربائية أسفل الحبال الشوكية للفئران. ومع ذلك، بدلاً من إظهار زيادة في التيار الكهربائي كما توقع (جيمس)، وجدت (شيرنجتون)أن قوة التيار الكهربائي انخفضت مع استمرار الاختبار مع مرور الوقت. الأهم من ذلك، أدى هذا العمل إلى اكتشاف مفهوم التكيُف.

ومن جهة أخرى، ركود أبحاث الشبكات العصبية بعد نشر أبحاث التعلم الآلي من قبل مارفن مينسك وسيمور بابيرت (1969). اكتشفوا قضيتين رئيسيتين مع الآلات الحسابية التي عالجت الشبكات العصبية. المسألة الأولى كانت أن الشبكات العصبية أحادية الطبقة كانت غير قادرة على معالجة الدائرة الحصرية أو. المسألة الثانية المهمة هي أن أجهزة الكمبيوتر لم تكن متطورة بما يكفي للتعامل بفعالية مع وقت التشغيل الطويل الذي تتطلبه الشبكات العصبية الكبيرة. تباطأت أبحاث الشبكات العصبية حتى حققت أجهزة الكمبيوتر طاقة معالجة أكبر. ومن العوامل الرئيسية الأخرى في التقدم اللاحق خوارزمية الانتشار الخلفي التي نجحت في حل المشكلة الحصرية (1975).

تطبيقات

وفي السياق ذاته، يمكن استخدام الشبكات العصبية في مجالات مختلفة. تميل المهام التي يتم تطبيق الشبكات العصبية الاصطناعية عليها إلى الوقوع ضمن الفئات العريضة التالية:

ومن جهة أخرى، تشمل مجالات تطبيق الشبكات غير الخطية تحديد النظام غير الخطي والتحكم (التحكم في السيارة ، التحكم في العمليات) ، لعب الألعاب وصنع القرار (لعبة الطاولة ، الشطرنج ، السباق) ، التعرف على الأنماط (أنظمة الرادار ، تحديد الوجه ، التعرف على الأشياء) ، التعرف على التسلسل (الإيماءات ، الكلام ، التعرف على النص المكتوب بخط اليد) ، التشخيص الطبي ، التطبيقات المالية ، استخراج البيانات (أو اكتشاف المعرفة في قواعد البيانات ، "كد") ، التصور وتصفية البريد الإلكتروني غير المرغوب فيه. مثلًا ، من الممكن إنشاء ملف تعريف دلالي لاهتمامات المستعمل الناشئة من الصور المدربة للتعرف على الكائنات.

وعلى صعيد آخر، تقريب الوظيفة ، أو تحليل الانحدار ، بما في ذلك التنبؤ بالسلاسل الزمنية والنمذجة.

وفي هذا السياق، التصنيف ، بما في ذلك التعرف على النمط والتسلسل ، والكشف عن الجدة واتخاذ القرارات المتسلسلة.

وفي هذا الصدد، معالجة البيانات ، بما في ذلك التصفية والتجميع وفصل الإشارة العمياء والضغط.

نظرة

ومن ناحية أخرى، يمكن توصيل خلية عصبية واحدة بالعديد من الخلايا العصبية الأخرى، كما أن العدد  الكلي للخلايا العصبيَة والاتصالات في في الشبكة الواحدة يصل إلى نطاق واسع.

من جانب آخر، الذكاء الاصطناعي، النمذجة المعرفيَة والشبكات العصبيِة  هي نماذج لمعالجة المعلومات  المُستَوحاه من الطريقة التي تعالج بها الأنظمة العصبية البيولوجية البيانات.

من جانب آخر، الذكاء الاصطناعي والنمذجة المعرفيَة  يعمل على محاكاة بعض خصائص الشبكات العصبيِة البيولوجية.

وفي السياق ذاته، تاريخياً، تطورت أجهزة الكمبيوتر الرقمية من نوع ( von Neumann)، وتعمل من خلال تنفيذ تعليمات واضحة عبر الوصول إلى الذاكرة بواسطة عدد من المعالجات. من ناحية أخرى، تستند أصول الشبكات العصبية إلى الجهود المبذولة لنموذج معالجة المعلومات في الانظمة البيولوجية. على عكس نوع (von Neumann)، حيث لا تفصل حوسبة الشبكة العصبية الذاكرة والمعالجة.

وفي السياق ذاته، الوصلات والتي تُعرف بنقاط  التشابك، تتكون عادةً من محاور عصبية، شجيحات، شبكات عصبية وغيرها من الوصلات الموجودة.

في هذا الإطار، جميع المدخلات يتم ضربها بالأوزان وأخذ المجموع لها وهذا ما يسمَى بالمركَبة الخطية.

إضافةً إلى ذلك، يمكن أن يكون التعليم ذاتياً لهذه الشبكات من خلال التجربة والتي يمكن أن تستخلص استنتاجات من مجموعة معقدة وغير مرتبطة من المعلومات.

في هذا الإطار، الارتباطات للأعصاب البيولوجية عبارة عن أوزان، يعكس الوزن ذو القيمة الموجبة اتصالا كبيراً أو ذا قيمة ذات أهمية، في حين تعكس القيم السالبة للأوزان الاتصالات المثبِطة.

من جانب آخر، تتكون الشبكة العصبية من مجموعة  أو مجموعات من الخلايا العصبية المرتبطة كيميائياً أو وظيفياً.

إضافةً إلى ذلك، هناك أشكال أخرى من الإشارات غير الإشارات الكهربائية التي تنشأ من انتشار الناقل العصبي.

وفي هذا الصدد، لقد عملت نظرية الشبكة العصبية على تحديد كيفية عمل الخلايا العصبية في الدماغ بشكل أفضل وتوفير الأساس للجهود المبذولة لخلق الذكاء الاصطناعي.

في هذا الإطار، يمكن استخدام مثل هذه الشبكات الصناعية في النمذجة التنبُؤية، التحكم التكيُفي والتطبيقات، حيث يتم تدريب هذه الشبكات عبر مجموعة من البيانات.

وفي هذا السياق، أخيرا، اقتران التنشيط يتحكم بمقدار النواتج، مثلًا: يتراوح النطاق المقبول للنواتج عادةً بين [0_1] أو يمكن أن يكون   بين [1_ -1].

من جانب آخر، في مجال الذكاء الاصطناعي، تم تطبيق الشبكات العصبية الاصطناعية بنجاح للتعرُف على الكلام وتحليل الصُور والتُحكُم التَكيُفي من أجل بناء وُكلاء البرامج (ألعاب الحاسوب والفيديو) أو الربوتوتات المستقلَة.

الذكاء الاصطناعي

إضافةً إلى ذلك، مُؤخراً، خوارزميات التعلُم العميق والتي يمكن أن تتعلَم ضمنياً وظيفة  توزيع البيانات المٌلاحظة.

من جانب آخر، تكمُن فائدة نماذج الشبكات العصبيَة الاصطناعيَة في حقيقة أنه يمكن استخدامها لاستنتاج دَالَة من المُدخلات واستخدامها.

علاوةً على ذلك، التعلٌم في الشبكات العصبيَة مفيد بشكل خاص في التطبيقات حيثُ التعقيد للبيانات والمهمَات يجعل التصميم باليد لهذه الدَالات غير عملي.

إضافةً إلى ذلك، يمكن كذلك استخدام الشبكات العصبيَة غير الخاضعة للإشراف أن تتعلم تمثيل المُدخلات التي تجسِد الخصائص البارزة لتوزيع المدخلات.

ومن جهة أخرى، غالباً ما تعدُ الشبكة العصبية الاصطناعية نظاماً متكيِفاً يغيِير هيكله بناءً على معلومات خارجية أو داخلية تتدفق عبر الشبكة. من الناحية العمليِة، تعتبر الشبكات العصبية أدوات نمذجة للبيانات  الإحصائية أو اتخاذ القرارات غير الخطِية، يمكن استخدامها لنمذجة العلاقات المُعَقَدة بين المدخلات والمخرجات أو للعثور على أنماط في البيانات

كذلك، مفهوم الشبكة العصبية تم طرحه أول مرة بواسطة (آلان تورنغ) في كتابِه «الآلات الذكيِة» لعام 1948 والذي أطلَق عليه «الآلات غير المُنَظَمة من النوع B».

وعلى صعيد آخر، النوع الكلاسيكي للشبكة العصبية الاصطناعية هو شبكة (هوبفيلد) المتكرِرة.

كذلك، الذكاء الاصطناعي: الشبكة العصبية (NN) في حالة الخلايا العصبيَة الاصطناعيَة تسمَى الشبكيَة العصبية الاصطناعية (ANN) أو الشبكة العصبيَة المُصطنعة (SNN). والشبكة العصبيَة عبارة عن مجموعة مترابطة  من الخلايا العصبيَة الطبيعية أو الاصطناعية التي تستخدِم نموذجاً رياضياً أو حسابياً لمعالجة المعلومات استناداً إلى طريقة اتصال للحساب.

علاوةً على ذلك، تم اقتراح الخلايا العصبيَة  الاصطناعية  لأول مرة في سنة 1943 من قِبل (وارن مكولوتش)، عالِم فيسيولوجيا الاعصاب، و (والتربيتس) وهو عالِم في المنطق.

إضافةً إلى ذلك، تحتوي الشبكة العصبية الاصطناعية  على شبكة من عناصر المعالجة البسيطة (الخلايا العصبية الاصطناعية) التي يمكن أن تُظهر سلوكاً عالمياً معقَداً، تحدده العلاقات بين عناصر المعالجة ومعاملات العناصر.

ما رأيك في هذه المقالة؟

📝 هل في هذه المقالة خطأ؟

إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.