الشبكة العصبية الاصطناعية

تخيّل شبكة هائلة من المفاتيح الصغيرة، يضيء كلٌّ منها بقدرٍ أكبر أو أقل بحسب ما يتلقاه من جيرانه. الشبكة العصبية الاصطناعية هي بالضبط ذلك: نموذج رياضي مستوحى بشكل تقريبي من الدماغ، يتعلّم تحويل المدخلات (صورة، نص، صوت) إلى مخرجات مفيدة (رقم، فئة، ترجمة).

الخلية العصبية، اللبنة الأساسية

تتلقّى كل خلية عصبية اصطناعية عدّة إشارات، تمنحها أوزانًا، تجمعها، تضيف إليها تحيّزًا (bias)، ثم تمرّر النتيجة عبر دالة تنشيط غير خطية (مثل ReLU أو السيني). رياضيًّا:

$$y = f\left(\sum_{i=1}^{n} w_i x_i + b\right)$$

تمثّل الأوزان $w_i$ المعاملات التي تضبطها الشبكة أثناء التعلّم. وعدم خطية الدالة $f$ هو ما يتيح للشبكة تقريب العلاقات المعقّدة.

طبقات متراكمة

تُنظَّم الخلايا في طبقات: طبقة إدخال، وطبقة أو أكثر من الطبقات المخفية، وطبقة إخراج. وعندما تكثر الطبقات نتحدث عن التعلّم العميق.

كيف تتعلّم

تقارن الشبكة مخرجاتها بالإجابة المتوقّعة عبر دالة الخسارة، ثم تصحّح أوزانها بواسطة الانتشار العكسي للتدرّج والنزول التدرّجي، مع تكرار ذلك على آلاف الأمثلة.

• بيانات وطبقات أكثر أنماط أغنى
• خطر فرط التكيّف إذا حفظ النموذج بدل أن يعمّم

الشبكة العصبية لا تُبرمَج قاعدةً قاعدة: بل تتعلّم قواعدها الخاصة انطلاقًا من الأمثلة.