ما هو التعلم العميق؟ الشروع في التعلم العميق



ستوفر لك هذه المدونة حول ما هو التعلم العميق نظرة عامة على الذكاء الاصطناعي والتعلم الآلي والتعلم العميق مع تطبيقاته.

ما هو التعلم العميق؟

في هذه المدونة ، سأتحدث عن What is تعلم عميق وهي ضجة كبيرة في الوقت الحاضر وقد رسخت جذورها بقوة في عدد كبير من الصناعات التي تستثمر في مجالات مثل الذكاء الاصطناعي والبيانات الضخمة والتحليلات. على سبيل المثال ، تستخدم Google التعلم العميق في خوارزميات التعرف على الصوت والصورة ، بينما يستخدمه Netflix و Amazon لفهم سلوك عملائهم. في الواقع ، لن تصدق ذلك ، لكن الباحثين في معهد ماساتشوستس للتكنولوجيا يحاولون التنبؤ بالمستقبل باستخدام التعلم العميق.الآن ، تخيل مقدار إمكانات التعلم العميق في إحداث ثورة في العالم وكيف ستبحث الشركات عن .قبل الحديث عن التعلم العميق ، يجب على المرء أن يفهم علاقته مع التعلم الآلي والذكاء الاصطناعي. أسهل طريقة لفهم هذه العلاقة هي مراجعة الرسم التخطيطي أدناه:

الجدول الزمني للذكاء الاصطناعي - ما هو التعلم العميق - Edureka تين: ما هو التعلم العميق - الجدول الزمني لتقنيات الذكاء الاصطناعي





هنا ، في الصورة ، يمكنك أن ترى أن التعلم الآلي هو مجموعة فرعية من الذكاء الاصطناعي. هذا يعني حقيقة أنه يمكننا بناء آلات ذكية يمكنها التعلم بناءً على مجموعة البيانات المقدمة بمفردها. علاوة على ذلك ، ستلاحظ أن التعلم العميق هو مجموعة فرعية من التعلم الآلي حيث يتم استخدام خوارزميات التعلم الآلي المماثلة لتدريب الشبكات العصبية العميقة لتحقيق دقة أفضل في تلك الحالات التي لم يكن فيها الأداء السابق يصل إلى المستوى المطلوب. فوفيما يلي الموضوعات التي سأناقشها في هذا البرنامج التعليمي للتعلم العميق:

  • الذكاء الاصطناعي
  • التعلم الالي
  • عيوب ML
  • ما هو التعلم العميق؟
  • تطبيق التعلم العميق

احصل على شهادة مع المشاريع على مستوى الصناعة وتتبع حياتك المهنية بسرعة

الذكاء الاصطناعي



تين: ما هو التعلم العميق - الذكاء الاصطناعي

تمت صياغة مصطلح الذكاء الاصطناعي في عام 1956 من قبل جون مكارثي ، والذي يشار إليه أيضًا باسم أبو الذكاء الاصطناعي. الفكرة وراء الذكاء الاصطناعي بسيطة إلى حد ما ولكنها رائعة ، وهي صنع آلات ذكية يمكنها اتخاذ القرارات بمفردها. قد تعتقد أنه خيال علمي ، ولكن فيما يتعلق بالتطورات الأخيرة في التكنولوجيا وقوة الحوسبة ، يبدو أن الفكرة ذاتها تقترب من الواقع يومًا بعد يوم.

فرز وظيفة c ++ صفيف

التعلم الآلي: خطوة نحو الذكاء الاصطناعي

الآن ، بعد أن أصبحت على دراية بالذكاء الاصطناعي ، دعنا نتحدث بإيجاز عن التعلم الآلي ونفهم ما يعنيه عندما نقول إننا نبرمج آلات للتعلم. لنبدأ بتعريف مشهور جدًا لتعلم الآلة:



'يُقال أن برنامج الكمبيوتر يتعلم من التجربة E فيما يتعلق ببعض المهام T وبعض مقاييس الأداء P ، إذا تحسن أدائه على T ، كما تم قياسه بواسطة P ، مع الخبرة E.' - توم ميتشل ، جامعة كارنيجي ميلون

لذلك ، إذا كنت تريد أن يتنبأ برنامجك بأنماط حركة المرور في تقاطع مزدحم (المهمة T) ، فيمكنك تشغيلها من خلال خوارزمية التعلم الآلي مع بيانات حول أنماط حركة المرور السابقة (تجربة E). الآن ، ستعتمد دقة التنبؤ (قياس الأداء P) على حقيقة ما إذا كان البرنامج قد تعلم بنجاح من مجموعة البيانات أم لا (تجربة E).

في الأساس ، يُشار إلى التعلم الآلي على أنه نوع من الذكاء الاصطناعي (AI) يوفر لأجهزة الكمبيوتر القدرة على التعلم دون أن تتم برمجتها بشكل صريح من خلال تعريضها لكمية هائلة من البيانات. المبدأ الأساسي وراء التعلم الآلي هو التعلم من مجموعات البيانات ومحاولة تقليل الخطأ أو زيادة احتمالية أن تكون تنبؤاتها صحيحة.

عيوب التعلم الآلي

  • خوارزميات ML التقليدية ليست مفيدة أثناء العمل مع البيانات عالية الأبعاد ، وهذا هو المكان الذي لدينا فيه عدد كبير من المدخلات والمخرجات. على سبيل المثال ، في حالة التعرف على خط اليد ، لدينا كمية كبيرة من المدخلات حيث سيكون لدينا نوع مختلف من المدخلات المرتبطة بنوع مختلف من الكتابة اليدوية.
  • التحدي الرئيسي الثاني هو إخبار الكمبيوتر ما هي الميزات التي يجب أن يبحث عنها والتي ستلعب دورًا مهمًا في التنبؤ بالنتيجة بالإضافة إلى تحقيق دقة أفضل أثناء القيام بذلك. يشار إلى هذه العملية بالذات ميزة استخراج .

نادرًا ما يعمل تغذية البيانات الأولية إلى الخوارزمية وهذا هو السبب في أن استخراج الميزات جزء مهم من سير عمل التعلم الآلي التقليدي. لذلك ، بدون استخراج الميزات ، يزداد التحدي الذي يواجه المبرمج لأن فعالية الخوارزمية تعتمد إلى حد كبير على مدى ثاقبة المبرمج. وبالتالي ، من الصعب جدًا تطبيق نماذج أو خوارزميات التعلم الآلي هذه على المشكلات المعقدة مثل التعرف على الكائنات ، والتعرف على خط اليد ، و NLP (معالجة اللغة الطبيعية) ، إلخ.

تعلم عميق

التعلم العميق هو أحد الأساليب الوحيدة التي يمكننا من خلالها التغلب على تحديات استخراج الميزات. وذلك لأن نماذج التعلم العميق قادرة على تعلم التركيز على الميزات الصحيحة في حد ذاتها ، مما يتطلب القليل من التوجيه من المبرمج. في الأساس ، يحاكي التعلم العميق الطريقة التي يعمل بها دماغنا ، أي أنه يتعلم من التجربة. كما تعلم ، فإن دماغنا يتكون من مليارات الخلايا العصبية التي تسمح لنا بعمل أشياء مذهلة. حتى عقل طفل يبلغ من العمر عام واحد يمكنه حل المشكلات المعقدة التي يصعب حلها حتى باستخدام أجهزة الكمبيوتر الفائقة. فمثلا:

  • تعرف على وجه والديهم والأشياء المختلفة أيضًا.
  • قم بتمييز الأصوات المختلفة ويمكن حتى التعرف على شخص معين بناءً على صوته / صوتها.
  • استخلص الاستدلال من إيماءات الوجه لأشخاص آخرين وغير ذلك الكثير.

في الواقع ، درب دماغنا نفسه بشكل غير واعٍ على القيام بمثل هذه الأشياء على مر السنين. الآن ، يأتي السؤال ، كيف يحاكي التعلم العميق وظائف الدماغ؟ حسنًا ، يستخدم التعلم العميق مفهوم الخلايا العصبية الاصطناعية التي تعمل بطريقة مماثلة للخلايا العصبية البيولوجية الموجودة في دماغنا. لذلك ، يمكننا القول أن التعلم العميق هو حقل فرعي من آلة تعلم يهتم بالخوارزميات المستوحاة من بنية ووظيفة الدماغ تسمى الشبكات العصبية الاصطناعية.

الآن ، دعونا نأخذ مثالاً لفهمه. لنفترض أننا نريد إنشاء نظام يمكنه التعرف على وجوه الأشخاص المختلفين في الصورة.إذا قمنا بحل هذه المشكلة كمشكلة نموذجية للتعلم الآلي ، فسنحدد ملامح الوجه مثل العينين والأنف والأذنين وما إلى ذلك ، وبعد ذلك ، سيحدد النظام الميزات الأكثر أهمية لأي شخص بمفرده.

الآن ، التعلم العميق يأخذ هذا خطوة إلى الأمام. يكتشف التعلم العميق تلقائيًا الميزات المهمة للتصنيف بسبب الشبكات العصبية العميقة ، بينما في حالة التعلم الآلي ، كان علينا تحديد هذه الميزات يدويًا.

تين: التعرف على الوجه باستخدام الشبكات العميقة

كما هو موضح في الصورة أعلاه ، يعمل التعلم العميق على النحو التالي:

  • في أدنى مستوى ، تركز الشبكة على أنماط التباين المحلي باعتبارها مهمة.
  • يمكن للطبقة التالية بعد ذلك استخدام أنماط التباين الموضعي تلك للتركيز على الأشياء التي تشبه العينين والأنف والفم
  • أخيرًا ، الطبقة العليا قادرة على تطبيق ميزات الوجه هذه على قوالب الوجه.
  • الشبكة العصبية العميقة قادرة على تكوين المزيد والمزيد من الميزات المعقدة في كل طبقة من طبقاتها المتتالية.

هل سبق لك أن تساءلت عن كيفية تصنيف Facebook تلقائيًا أو وضع علامات على جميع الأشخاص الموجودين في صورة قمت بتحميلها؟ حسنًا ، يستخدم Facebook التعلم العميق بطريقة مماثلة كما هو مذكور في المثال أعلاه. الآن ، كنت قد أدركت قدرة التعلم العميق وكيف يمكن أن يتفوق على التعلم الآلي في تلك الحالات حيث لدينا القليل جدًا من الأفكار حول جميع الميزات التي يمكن أن تؤثر على النتيجة. لذلك ، يمكن للشبكة العميقة التغلب على عيب التعلم الآلي من خلال استخلاص الاستنتاجات من مجموعة البيانات التي تتكون من بيانات الإدخال دون وضع العلامات المناسبة.

ما هو التعلم العميق | التعلم العميق المبسط | إدوريكا

تطبيقات التعلم العميق

للمضي قدمًا في مدونة ما هو التعلم العميق ، دعونا نلقي نظرة على بعض التطبيقات الواقعية لـ Deep Learning لفهم قواها الحقيقية.

  • التعرف على الكلام

كان من الممكن أن تسمعوا جميعًا عن Siri ، وهو المساعد الذكي للتحكم الصوتي من Apple. مثل الشركات العملاقة الأخرى ، بدأت Apple أيضًا في الاستثمار في Deep Learning لجعل خدماتها أفضل من أي وقت مضى.

كيفية استخدام المعلمات في اللوحة

في مجال التعرف على الكلام والمساعد الذكي الذي يتم التحكم فيه بالصوت مثل Siri ، يمكن للمرء تطوير نموذج صوتي أكثر دقة باستخدام شبكة عصبية عميقة وهو حاليًا أحد أكثر المجالات نشاطًا لتنفيذ التعلم العميق. بكلمات بسيطة ، يمكنك بناء مثل هذا النظام الذي يمكنه تعلم ميزات جديدة أو تكييف نفسه وفقًا لك ، وبالتالي ، تقديم مساعدة أفضل من خلال توقع جميع الاحتمالات مسبقًا.

  • الترجمة الآلية الآلية

تثبيت php على نظام التشغيل windows 10

نعلم جميعًا أنه يمكن لـ Google الترجمة على الفور بين 100 لغة بشرية مختلفة ، وذلك بسرعة كبيرة جدًا كما لو كان ذلك عن طريق السحر. التكنولوجيا وراء جوجل المترجم يسمى الترجمة الآلية وكان منقذًا للأشخاص الذين لا يستطيعون التواصل مع بعضهم البعض بسبب الاختلاف في لغة التحدث. الآن ، قد تفكر في أن هذه الميزة كانت موجودة منذ فترة طويلة ، فما الجديد في هذا؟ دعني أخبرك أنه على مدار العامين الماضيين ، وبمساعدة التعلم العميق ، قامت Google بإصلاح نهج الترجمة الآلية بالكامل في الترجمة من Google. في الواقع ، يقوم باحثو التعلم العميق الذين لا يعرفون شيئًا تقريبًا عن ترجمة اللغة بطرح حلول تعلم آلي بسيطة نسبيًا تتفوق على أفضل أنظمة الترجمة اللغوية المصممة من قبل الخبراء في العالم. يمكن إجراء ترجمة النص دون أي معالجة مسبقة للتسلسل ، مما يسمح للخوارزمية بمعرفة التبعيات بين الكلمات وتعيينها إلى لغة جديدة. يتم استخدام الشبكات المكدسة من الشبكات العصبية المتكررة الكبيرة لإجراء هذه الترجمة.

  • الترجمة المرئية الفورية

كما تعلم ، يتم استخدام التعلم العميق لتحديد الصور التي تحتوي على أحرف وأين توجد الأحرف في المشهد. بمجرد تحديدها ، يمكن تحويلها إلى نص وترجمتها وإعادة إنشاء الصورة مع النص المترجم. غالبا ما يسمى هذا الترجمة المرئية الفورية .

الآن ، تخيل موقفًا قمت فيه بزيارة أي دولة أخرى لا تعرف لغتها الأم. حسنًا ، لا داعي للقلق ، باستخدام تطبيقات مختلفة مثل Google Translate ، يمكنك المضي قدمًا وإجراء ترجمات مرئية فورية لقراءة اللافتات أو لوحات التسوق المكتوبة بلغة أخرى. كان هذا ممكنًا فقط بسبب التعلم العميق.

ملحوظة: يمكنك المضي قدمًا وتنزيل تطبيق Google Translate والتحقق من الترجمة المرئية الفورية المذهلة باستخدام الصورة أعلاه.

  • السلوك: السيارات الآلية ذاتية القيادة

تحاول Google أخذ مبادرة السيارة ذاتية القيادة ، المعروفة باسم WAYMO ، إلى مستوى جديد تمامًا من الكمال باستخدام التعلم العميق. لذلك ، بدلاً من استخدام الخوارزميات القديمة المشفرة يدويًا ، يمكنهم الآن برمجة نظام يمكنه التعلم بأنفسهم باستخدام البيانات المقدمة من أجهزة استشعار مختلفة. يعد التعلم العميق الآن أفضل نهج لمعظم مهام الإدراك ، بالإضافة إلى العديد من مهام التحكم ذات المستوى المنخفض. ومن ثم ، أصبح الآن حتى الأشخاص الذين لا يعرفون القيادة أو المعوقين ، يمكنهم المضي قدمًا والركوب دون الاعتماد على أي شخص آخر.

هنا ، لم أذكر سوى عدد قليل من حالات الاستخدام الواقعية الشهيرة حيث يتم استخدام التعلم العميق على نطاق واسع ويظهر نتائج واعدة. هناك العديد من التطبيقات الأخرى للتعلم العميق إلى جانب العديد من المجالات التي لم يتم استكشافها بعد.

إذن ، هذا كله يتعلق بالتعلم العميق باختصار. أنا متأكد من أنك الآن ستدرك الفرق بين التعلم الآلي والتعلم العميق وكذلك كيف يمكن أن يكون التعلم العميق مفيدًا جدًا للعديد من تطبيقات الحياة الواقعية. الآن ، في مدونتي التالية في سلسلة دروس التعلم العميق هذه ، سنتعمق في مفاهيم وخوارزميات مختلفة التعلم العميق مع تطبيقاتها بالتفصيل.

الآن بعد أن تعرفت على التعلم العميق ، تحقق من من Edureka ، شركة تعليمية موثوقة عبر الإنترنت مع شبكة تضم أكثر من 250.000 متعلم راضٍ منتشرين في جميع أنحاء العالم تساعد دورة Edureka Deep Learning with TensorFlow Certification Training المتعلمين على أن يصبحوا خبراء في التدريب وتحسين الشبكات العصبية الأساسية والتلافيفية باستخدام مشاريع ومهام في الوقت الفعلي جنبًا إلى جنب مع مفاهيم مثل وظيفة SoftMax والشبكات العصبية للتشفير التلقائي وآلة بولتزمان المقيدة (RBM).

لديك سؤال لنا؟ يرجى ذكر ذلك في قسم التعليقات وسنعاود الاتصال بك.