التعلم العميق: عدة طبقات عميقة من التعلم الآلي

• كاتب:
• اسم المؤلف

  توقع الكم
• 9 سبتمبر 2022

ملخص البصيرة

التعلم العميق (DL)، وهو نوع من التعلم الآلي (ML)، يعزز تطبيقات الذكاء الاصطناعي (AI) من خلال التعلم من البيانات بطرق مشابهة لوظيفة الدماغ البشري. يتم استخدامه في مجالات مختلفة، بدءًا من تعزيز المركبات ذاتية القيادة وتشخيصات الرعاية الصحية إلى تشغيل روبوتات الدردشة وتحسين تدابير الأمن السيبراني. إن قدرة التكنولوجيا على التعامل مع المهام المعقدة، وتحليل مجموعات ضخمة من البيانات، وتقديم تنبؤات مستنيرة، تعمل على تشكيل الصناعات وإثارة المناقشات الأخلاقية، وخاصة حول استخدام البيانات والخصوصية.

سياق التعلم العميق

التعلم العميق هو شكل من أشكال تعلم الآلة وهو الأساس للعديد من تطبيقات الذكاء الاصطناعي. يمكن أن يساعد DL في مهام التصنيف مباشرة من الصور أو النص أو الصوت. يمكنه إجراء تحليلات البيانات والربط بين الأجهزة، والمساعدة في الروبوتات المستقلة والسيارات ذاتية القيادة، وتنفيذ الاستكشاف العلمي. يمكن أن يساعد DL في تحديد الأنماط والاتجاهات وإنتاج تنبؤات أكثر دقة. ويمكن لهذه التكنولوجيا أيضًا التفاعل مع الأجهزة التكنولوجية، مثل الهواتف الذكية وأجهزة إنترنت الأشياء (IoT). 

تستخدم DL الشبكات العصبية الاصطناعية للمساعدة في مهام مشابهة لمعالجة اللغة الطبيعية (NLP) أو رؤية الكمبيوتر والتعرف على الكلام. قد توفر الشبكات العصبية أيضًا توصيات محتوى مشابهة لتلك الموجودة في محركات البحث ومواقع التجارة الإلكترونية. 

هناك أربعة مناهج رئيسية للتعلم العميق:

• التعلم الخاضع للإشراف (البيانات المسماة).
• التعلم شبه الخاضع للإشراف (مجموعات البيانات شبه المصنفة).
• التعلم غير الخاضع للإشراف (لا توجد ملصقات مطلوبة).
• التعلم المعزز (تتفاعل الخوارزميات مع البيئة ، وليس فقط بيانات العينة).

في هذه الأساليب الأربعة ، يستخدم التعلم العميق الشبكات العصبية على عدة مستويات للتعلم بشكل متكرر من البيانات ، وهو أمر مفيد عند البحث عن أنماط في المعلومات غير المنظمة. 

تحاكي الشبكات العصبية في التعلم العميق كيفية هيكلة الدماغ البشري ، مع العديد من الخلايا العصبية والعقد التي تربط المعلومات وتشاركها. في التعلم العميق ، كلما زادت المشكلة تعقيدًا ، زادت الطبقات المخفية في النموذج. يمكن لهذا الشكل من ML استخراج ميزات عالية المستوى من كميات كبيرة من البيانات الأولية (البيانات الضخمة). 

قد يساعد DL في المواقف التي تكون فيها المشكلة معقدة للغاية بالنسبة للتفكير البشري (على سبيل المثال، تحليل المشاعر، وحساب تصنيفات صفحات الويب) أو المشكلات التي تتطلب حلولاً تفصيلية (على سبيل المثال، التخصيص، والقياسات الحيوية). 

التأثير التخريبي

التعلم العميق هو أداة قوية للمؤسسات التي ترغب في استخدام البيانات لاتخاذ قرارات أكثر استنارة. على سبيل المثال ، يمكن للشبكات العصبية تحسين التشخيص في الرعاية الصحية من خلال دراسة قواعد البيانات المكثفة للأمراض الموجودة وعلاجاتها ، وتحسين إدارة رعاية المرضى ونتائجها. تشمل تطبيقات المؤسسات الأخرى رؤية الكمبيوتر وترجمات اللغة والتعرف البصري على الأحرف وواجهات المستخدم التخاطبية (UI) مثل روبوتات المحادثة والمساعدين الظاهريين.

يمثل الاعتماد الواسع النطاق للتحول الرقمي والهجرة السحابية من قبل المؤسسات تحديات جديدة للأمن السيبراني، حيث يمكن لتقنيات DL أن تلعب دورًا حاسمًا في تحديد التهديدات المحتملة والتخفيف من حدتها. نظرًا لأن الشركات تتبنى بشكل متزايد استراتيجيات متعددة السحابة والهجينة لتحقيق أهدافها الرقمية، فقد تصاعد بشكل كبير تعقيد مجالات تكنولوجيا المعلومات، التي تشمل أصول تكنولوجيا المعلومات الجماعية للمؤسسات أو الأفراد. يتطلب هذا التعقيد المتزايد حلولاً متقدمة لإدارة بيئات تكنولوجيا المعلومات المتنوعة والمعقدة وتأمينها وتحسينها بكفاءة.

يوفر نمو عقارات تكنولوجيا المعلومات والتطوير التنظيمي المستمر المرونة والفعالية من حيث التكلفة المطلوبة للبقاء في المنافسة، ولكنه أيضًا يخلق واجهة خلفية أكثر صعوبة للإدارة والحماية بشكل فعال. يمكن أن يساعد DL في تحديد الأنماط غير الطبيعية أو غير المنتظمة التي قد تكون علامة على محاولات القرصنة. يمكن لهذه الميزة حماية البنى التحتية الحيوية من الاختراق.

آثار التعلم العميق

قد تشمل الآثار الأوسع لـ DL ما يلي: 

• تستخدم المركبات المستقلة التعلم العميق للاستجابة بشكل أفضل للظروف البيئية وتحسين الدقة والسلامة والكفاءة.
• المناقشات الأخلاقية حول كيفية جمع وتخزين البيانات الحيوية (مثل سمات الوجه وتركيب العين والحمض النووي وأنماط بصمات الأصابع) بواسطة Big Tech.
• تحسين التفاعلات الطبيعية بين البشر والآلات (على سبيل المثال ، استخدام الأجهزة الذكية والأجهزة القابلة للارتداء).
• تستخدم شركات الأمن السيبراني التعلم العميق لتحديد نقاط الضعف في البنى التحتية لتكنولوجيا المعلومات.
• تطبق الشركات مجموعة واسعة من التحليلات التنبؤية لتحسين المنتجات والخدمات وتقديم حلول مخصصة للغاية للعملاء.
• تقوم الحكومات بمعالجة قواعد البيانات العامة لتحسين تقديم الخدمات العامة ، خاصة بين السلطات القضائية البلدية.

أسئلة للنظر فيها

• كيف يمكن أن يساعد التعلم العميق الشركات والحكومات في التصرف بشكل استباقي في المواقف المختلفة؟
• ما هي المخاطر أو الفوائد المحتملة الأخرى لاستخدام التعلم العميق؟