ما هي الشبكة العصبية حقاً؟ | مقدمة في التعلم العميق
تشرح هذه المحاضرة البنية الأساسية للشبكات العصبية الاصطناعية من خلال مثال التعرف على الأرقام المكتوبة بخط اليد. توضح كيف تترابط العصبونات عبر الأوزان والانحيازات ودوال التنشيط، وكيف يمكن صياغة الشبكة بأكملها كدالة رياضية تتعامل مع المصفوفات.
الفصول
- 00:00 تحدي التعرف على الأرقام المكتوبة بخط اليد
- سهولة تمييز الدماغ البشري للأشكال البصرية مقابل صعوبة كتابة خوارزمية برمجية تقليدية للقيام بنفس المهمة.
- استخدام شبكة عصبية لمعالجة صور منخفضة الدقة بمقاس 28×28 بكسل.
- التركيز على فهم البنية الرياضية للشبكة قبل التطرق لكيفية تدريبها.
- 02:43 العصبونات والطبقات وقيم التنشيط
- تعريف العصبون كحاوية رقمية لقيمة تتراوح بين 0 و1 تسمى التنشيط (Activation).
- طبقة الإدخال تتكون من 784 عصبوناً يمثل كل منها درجة سطوع بكسل واحد.
- طبقة الإخراج تتكون من 10 عصبونات تمثل احتمالية كون الصورة أحد الأرقام من 0 إلى 9.
- 05:32 التجريد وبناء الأنماط عبر الطبقات الخفية
- فكرة تفكيك المشكلة إلى مستويات تجريدية متتابعة تشبه التفكير البشري.
- الطبقات الأولى تكتشف الحواف والخطوط البسيطة، بينما الطبقات التالية تجمعها لتشكيل حلقات وأشكال مركبة.
- أهمية البنية متعددة الطبقات في التعامل مع مهام معقدة كمعالجة الصور واللغات.
- 08:21 الرياضيات: الأوزان والانحياز ودالة التنشيط
- ربط العصبونات بأوزان (Weights) لحساب المجموع الموزون للمدخلات.
- استخدام الانحياز (Bias) لضبط العتبة المطلوبة لنشاط العصبون.
- ضغط الناتج بين 0 و1 باستخدام دالة التنشيط سيجمويد (Sigmoid).
- 13:26 الصياغة الجبرية بالمصفوفات والشبكة كدالة
- تنظيم الأوزان في مصفوفات والتنشيطات في متجهات لتسهيل وتسريع الحسابات برمجياً.
- الشبكة ككل هي دالة رياضية تأخذ 784 متغيراً وتخرج 10 احتمالات.
- احتواء النموذج على قرابة 13,000 معامل (أوزان وانحيازات) يتم تعديلها للوصول للحل.
- 17:15 دوال التنشيط الحديثة: من Sigmoid إلى ReLU
- محدودية دالة سيجمويد وصعوبة تدريب الشبكات العميقة بها تاريخياً.
- اعتماد الشبكات العصبية الحديثة على دالة ReLU لبساطتها الحسابية وسرعة تدريبها.
- آلية عمل ReLU عبر إرجاع القيمة كما هي إذا كانت موجبة وإرجاع صفر إذا كانت سالبة.
المصطلحات
- Neural Network — شبكة عصبية
- نموذج رياضي مستوحى من الدماغ يتكون من طبقات عصبونات مترابطة لحل مشكلات التعرف والأنماط.
- Neuron — عصبون
- وحدة بناء أساسية في الشبكة العصبية تحمل قيمة عددية تمثل مستوى نشاطها.
- Activation — تنشيط
- قيمة رقمية يحملها العصبون (غالباً بين 0 و1) تدل على مدى فاعليته واستجابته للمدخلات.
- Hidden Layers — طبقات خفية
- الطبقات الواقعة بين المدخلات والمخرجات المسؤولة عن استخراج الأنماط والميزات التجريدية للبيانات.
- Weight — وزن
- معامل عددي يحدد قوة وأهمية الاتصال بين عصبونين في طبقتين متتاليتين.
- Weighted Sum — مجموع موزون
- حاصل جمع قيم تنشيط العصبونات بعد ضرب كل منها في وزن الاتصال المقابل.
- Sigmoid Function — دالة سيجمويد
- دالة تنشيط غير خطية تقوم بضغط أي عدد حقيقي ليقع في النطاق بين 0 و1.
- Bias — انحياز
- قيمة عددية تضاف للمجموع الموزون لتحديد عتبة البدء قبل تنشيط العصبون بشكل فعال.
- Matrix — مصفوفة
- جدول رياضي ترتب فيه أوزان الطبقة لتسهيل حساب تنشيطات الطبقة التالية عبر الجبر الخطي.
- ReLU (Rectified Linear Unit) — وحدة خطية مصححة (ريلو)
- دالة تنشيط حديثة تعيد القيمة نفسها إذا كانت موجبة وصفر إذا كانت سالبة، لتسهيل التدريب.