تعلم عميق (Deep Learning)

ما هو التعلم العميق؟
التعلم العميق هو إحدى وظائف الذكاء الاصطناعي (AI) تحاكي عمل الدماغ البشري في معالجة البيانات وخلق أنماط لاستخدامها في صنع القرار. التعلم العميق هو مجموعة فرعية من تعلم الآلة (machine learning) في الذكاء الاصطناعي والتي لديها شبكات قادرة على التعلم بدون إشراف باستخدام بيانات غير منظمة أو غير مصنفة. ويُعرف أيضًا باسم التعلم العصبي العميق (deep neural learning) أو الشبكة العصبية العميقة.

ملخص لأهم النقاط: 

• التعلم العميق هو إحدى وظائف الذكاء الاصطناعي التي تحاكي عمل الدماغ البشري في معالجة البيانات لاستخدامها في اكتشاف الأشياء، والتعرف على الكلام، وترجمة اللغات، واتخاذ القرارات.
• التعلم العميق للذكاء الاصطناعي قادر على التعلم دون إشراف بشري، باستخدام بيانات غير منظمة وغير مصنفة.
• يمكن استخدام التعلم العميق، وهو شكل من أشكال تعلم الآلة، للمساعدة في الكشف عن الاحتيال أو غسيل الأموال، من بين وظائف أخرى.

كيف يعمل التعلم العميق
تطور التعلم العميق مع تطور العصر الرقمي الذي تسبب في إحداث انفجار في كمية وأشكال البيانات حول العالم والتي باتت تعرف باسم البيانات الضخمة (big data) وتجمع هذه البيانات من مصادر متنوعة  مثل وسائل التواصل الاجتماعي ومحركات البحث على الإنترنت ومنصات التجارة الإلكترونية ووسائل الترفيه عبر الإنترنت وغيرها. وويمكن الوصول إلى هذه الكمية الهائلة من البيانات بسهولة ويمكن مشاركتها من خلال تطبيقات التكنولوجيا المالية (fintech) مثل الحوسبة السحابية (cloud computing).
ومع ذلك، فإن البيانات، التي عادة ما تكون غير منظمة، ضخمة جدًا لدرجة أن البشر قد يستغرقون عقودًا لفهمها واستخراج المعلومات المهمة منها. وتدرك الشركات الإمكانات المذهلة التي يمكن أن تنتج عن تفكيك هذه الثروة المعلوماتية وباتوا يستخدمون بشكل متزايد أنظمة الذكاء الاصطناعي للحصول على الدعم الآلي.

نقطة مهمة:  يكشف التعلم العميق عن كميات هائلة من البيانات غير المهيكلة التي تستغرق عادةً من البشر عقودًا لفهمها ومعالجتها.

التعلم العميق مقابل التعلم الآلي
يعد التعلم الآلي أحد أكثر تقنيات الذكاء الاصطناعي شيوعًا والمستخدمة في معالجة البيانات الضخمة، وهي خوارزمية ذاتية التكيف تتمكن من الحصول على تحليلات وأنماط أفضل باستمرار مع تزايد الخبرة أو مع الإستمرار في إضافة البيانات.
إذا أرادت شركة مدفوعات رقمية اكتشاف حدوث أو احتمالية حدوث احتيال في نظامها، فيمكنها استخدام أدوات التعلم الآلي لهذا الغرض. حيث ستقوم الخوارزمية الحسابية المضمنة في نموذج الكمبيوتر بمعالجة جميع المعاملات التي تحدث على النظام الأساسي الرقمي، والعثور على أنماط في مجموعة البيانات، والإشارة إلى أي شذوذ تم اكتشافه بواسطة النمط.
ويستخدم التعلم العميق، وهو مجموعة فرعية من التعلم الآلي، مستوى هرميًا من الشبكات العصبية الاصطناعية لتنفيذ عملية التعلم الآلي. وتم بناء الشبكات العصبية الاصطناعية مثل الدماغ البشري، مع ربط العقد العصبية ببعضها البعض مثل شبكة الإنترنت. بينما تبني البرامج التقليدية التحليل باستخدام البيانات بطريقة خطية، فإن الوظيفة الهرمية لأنظمة التعلم العميق تمكن الآلات من معالجة البيانات باستخدام نهج غير خطي.

معلومة سريعة: يعمل صانع الإلكترونيات باناسونيك (Panasonic) مع الجامعات ومراكز الأبحاث لتطوير تقنيات التعلم العميق المتعلقة برؤية الكمبيوتر.¹

اعتبارات خاصة
قد يعتمد النهج التقليدي للكشف عن الاحتيال أو غسيل الأموال على مبلغ المعاملة بينما  أسلوب التعلم العميق غير الخطي قد يشمل الوقت والموقع الجغرافي وعنوان IP ونوع بائع التجزئة وأي ميزة أخرى من المحتمل أن تشير إلى نشاط احتيالي. حيث تعالج الطبقة الأولى من الشبكة العصبية مدخلات بيانات أولية مثل مقدار المعاملة وتمررها إلى الطبقة التالية كمخرج. وتقوم الطبقة الثانية بمعالجة معلومات الطبقة السابقة من خلال تضمين معلومات إضافية مثل عنوان IP الخاص بالمستخدم وتمرير نتيجتها.
تأخذ الطبقة التالية معلومات الطبقة الثانية وتتضمن البيانات الأولية مثل الموقع الجغرافي وتستمر في تطوير نمط الآلة ويستمر ذلك عبر جميع مستويات شبكة الخلايا العصبية.

مثال التعلم العميق
باستخدام نظام الكشف عن الاحتيال المذكور أعلاه باستخدام تعلم الآلة، يمكن للمرء إنشاء مثال عن التعلم العميق. إذا أنشأ نظام تعلم الآلة نموذجًا بمؤشرات مبنية حول عدد الدولارات التي يرسلها المستخدم أو يتلقاها، يمكن أن تبدأ طريقة التعلم العميق في البناء على النتائج التي يوفرها تعلم الآلة.
حيث تعتمد كل طبقة من شبكتها العصبية على طبقتها السابقة مع البيانات المضافة مثل بائع التجزئة والمرسل والمستخدم وحدث الوسائط الاجتماعية ودرجة الائتمان وعنوان IP ومجموعة من الميزات الأخرى التي قد تستغرق سنوات للتوصيل معًا إذا تمت معالجتها من قبل الإنسان. ويتم تدريب خوارزميات التعلم العميق ليس فقط لإنشاء أنماط من جميع المعاملات، ولكن أيضًا لمعرفة متى يشير النمط إلى الحاجة إلى تحقيق في الاحتيال. تنقل الطبقة النهائية إشارة إلى محلل قد يقوم بتجميد حساب المستخدم حتى يتم الانتهاء من جميع التحقيقات المعلقة.
ويستخدم التعلم العميق في جميع الصناعات لعدد من المهام المختلفة. كالتطبيقات التجارية التي تستخدم لتعرف على الصور والأنظمة الأساسية مفتوحة المصدر مع تطبيقات توصيات المستهلكين وأدوات البحث الطبي التي تستكشف إمكانية إعادة استخدام الأدوية للأمراض الجديدة هي بعض الأمثلة على دمج التعلم العميق.

1. Panasonic.”Progress and Challenges of Deep Learning and AI.“Accessed July 22, 2020.