ما هي الشبكات العصبية الاصطناعية وما عملها ؟
على مدى العقد الماضي، شهدنا اعتماد التطوير في حلول الذكاء الاصطناعي على أساس الشبكات العصبية، بدأ هذا الاتجاه بتنفيذ حلول الذكاء الاصطناعي في مجلات متنوعة مثل الطب، النقل، التمويل، التجارة، التعرف على الوجة، الصوت، والصور، … وغيرها. وفي مجال التحليل الإحصائي، تحتل الشبكات العصبية مساحة متزايدة، وذالك بسبب قدرتها على التعامل مع حالات معقدة للغاية (ارتباط مئات أوحتى آلاف المتغيرات)،
وقدرتها على التكيف (في عالم يتميز بالتحول الرقمي المستمر)، وسهولة استخدامها (النسبية) مما أدى الى أن أصبحت ” بنية الشبكات العصبية العميقة ” مفاهيم أساسية تقدم لحلول الذكاْء الاصطناعي، والتي تكون مستوحاة من تنظيم الدماغ البشري.
لماذا سميت الشبكات العصبية الاصطناعية بهذا الاسم ؟
سميت الشبكات العصبية الاصطناعية بهذا الاسم كونها شبكة من وحدات الاتصالات الداخلية، إذ أن هذه الوحدات مستوحاة من دراسة انظمة الاعصاب الحيوية ويرمز لها اختصارا ب ANN وهو اختصار لبداية كلماتها باللغة الانجليزية (( ((Artificial Neural Networks . وهي احدى تطبيقات الذكاء الاصطناعي ((AI)).
تتمثل عملية الشبكات العصبية الاصطناعية بعملية محاكاة البيانات للوصول إلى نموذج لهذه البيانات لغرض التحليل أو التصنيف أو التنبؤ أو معالجة أخرى دون الحاجة ألى نموذج مقترح لهذه البيانات،
لذلك فقد حازت الشبكات العصبية الاصطناعية أهتمام الكثير من الباحثين والعلماء أذ تمتلك مرونة كبيره بالمقارنة مع الاساليب الرياضية المستعملة في عملية التعليم في للنموذج البيانات وخزن المعلومات وبثها في الشبكات العصبية.
انصرف العلماء في فهم الية التفكير البشري فقابلية الإنسان وكفاءته ترجع الى هيكلة دماغة المتكون من عدد هائل من الخلايا العصبية ويحتوي المخ البشري الاعتيادي على الف مليار (10 12 ) خلية عصبية ولكل واحدة منها مايقارب 10000 مشبك مع الخلايا.
وبعد أن يبلغ الإنسان عامه العشرين يتعرض الى فقدان بعض العصبونات، حيث يموت عدد من العصبونات أو يختفي كل يوم وبصفة عامه، لاتعوض العصبونات الميتة خلال حياة الشخص،
ولكن الفقد لايتجاوز 10% من العدد الكلي للعصبونات، طوال الحياة تتصل بملاين العصبونات بعضها ببعض، بشبكات معقدة ويعتمد أداء كل الوظائف العقلية والجسدية على ترسيخ (عملية ترسيخ ) الشبكات العصبونية والحفاظ عليها،
فعادات الشخص ومهارته – مثل عض الاظافر أو العزف على ألة موسيقية- تكون مغروسة في الدماغ داخل الشبكات العصبونية المنشطة باستمرار وعندما يقف الشخص عن أداء نشاط معين، تتوقف الشبكات العصبية الخاصة بذالك النشاط عن العمل وقد تختفي في النهاية. فبمجرد تخيل هذه الشبكة العجيبة لايكن بالأمر الهين((السهل)). والشكل الآتي يبين الخلية العصبية البيولوجية أو الحيوية .
تعاريف العلماء للشبكات العصبية الاصطناعية ؟
تعد الشبكات العصبية الاصطناعية ANN حالة ذكية من نظرية الشبكات في عملية التعلم على نموذج البيانات وخزن وبث المعلومات في الشبكة العصبية الاصطناعية. وهناك عدة تعاريف للشبكات، سيتم اجمال اهم التعاريف المعتمدة بالاتي:
عرف العالم Nilsson الشبكات العصبية على انها نظام حسابي مكون من عدد من وحدات المعالجة.
Processing units)) المترابطة فيما بينها وتتصف بطبيعتها الديناميكية والمتوازية في معالجة البيانات الداخلة اليها.
عرف العالم Haykin الشبكات العصبية في عام 1994على انها متوازية هائلة توزع المعالج الذي لديه ميل او نزعة طبيعية لخزن المعرفة التجريبية وجعلها متاحة للاستعمال. انها تماثل الدماغ البشري في ناحتين، تكتسب المعرفة بواسطة الشبكة من خلال عملية التعلم نقاط اتصال العصبون المعرفة باسم مشبكي Synaptic وتستعمل الاوزان لخزن المعرفة. عرف العالم Nigrin الشبكة العصبية في عام 1993على انها دائرة مؤلفة من عدد كبير جدا من عناصر المعالجة النشيطة التي تعتمد النظام العصبي. كل عنصر يعمل فقط على المعلومات المحلية واضافة لذلك كل عنصر يعمل بشكل غير متزامن ولذلك ليس هنالك نظام شامل على مدار الساعة. عرف العالم Zurada الانظمة العصبية او الشبكات العصبية الاصطناعية في عام 1992 على انها انظمة خلوية فيزيائية التي يمكن فيها من كسب وخزن واستعمال المعرفة التجريبية.
ويمكن تعريف الشبكات العصبية على انها مجموعة مترابطة من الخلايا العصبية أذ ان مخرجات عصبون (Neuron) معين تكون مترابطة ومن خلال الاوزان بمدخلات عصبون اخر فضلاً عن الى العصبون.
ومن ثم يمكن تعريف الشبكات العصبية الاصطناعية على انها هيكل من المعلومات التي تتم معالجته بشكل متوازي، ويتكون من مجموعة من عناصر معالجة (Processing element) ترتبط مع بعضها بوساطة مجموعة من الموصالت(Connection) وتطبق عناصر المعالجة دالة تنشيط على مدخالتها للحصول على المخرجات.
ومن التعاريف الاخرى هي عباره عن نماذج رياضية تقتنص خصائص معالجة المعلومات التي تتصف بها الانظمة البيولوجية.
ويمكن ايجازها بالاتي: الشبكات العصبية هي نظام معالجة بيانات يستند على نماذج رياضية بسيطة له مميزات أداء معينة بأسلوب يحاكي الشبكة العصبية “ النظام العصبي ” البيولوجية، وتعد إحدى النماذج غير الخطية .
مراحل تطور الشبكات العصبية الاصطناعية.
ان فكرة نشوء الشبكات العصبية الاصطناعية بدأت من خلال محاكاة بعض خصائص الشبكات العصبية البيولوجية، إذ تمتلك الشبكات العصبية الاصطناعية القدرة على تحليل البيانات أو تصنيفها وتبويبها الى اشكال وانماط مختلفة دون الحاجة الى أي نموذج مسبق يصف طبيعة العلاقات بين تلك البيانات وما يمكن ان تتضمنه هذه البيانات.
وبصيغة اكثر حداثة، درست الشبكات العصبية الاصطناعية كأسلوب مقابل الى اساليب النماذج غير الخطية المشتقةNone-Linear Model-driven ، وبسبب خصائصها فإنها تنتمي الى اسلوب البيانات المشتقة Data-Driven approach ، بمعنى ان التحليل يعتمد على البيانات المتوفرة مع قليل من العلاقات الاولية حول العلاقات بين المتغيرات وحول النماذج .
اذ صمم العالمان (Pitts and Warren McCulloch) المفهوم العام لأول الشبكات العصبية في عام 1943 على وفق تصميمهم هذا قالوا بأن الانظمة تتكون من عدد من العقد البسيطة التي هي المصدر الرئيس في زيادة القدرات الحسابية.
ان الشبكات التي صممها هذين العالمين تتكون من مجموعة عقد مترابطة مع بعضها بواسطة أوزان، ولقد استخدمت هذه الشبكات في انجاز دوال منطقية خاصة ويمكن لهذه الشبكة ان تنظم عقدها لتوليد استجابة لعدة دوال منطقية معا.
ومن ابرز النظريات التي ظهرت، نظرية (Donald Hebb) في عام 1949 إذ تنص هذه النظرية على ان عملية التعلم والذاكرة (Learning &Memory) هي ظاهرة تنتج من تقوية الارتباط في عقد الشبكة العصبية، أي بمعنى آخر أن التحفيز المتكرر( Repeated Stimulation) لبعض العقد الفعالة في الشبكة العصبية يؤدي الى حدوث زيادة في قوة الارتباط العصبي بين العقد الفعالة، وهذه العملية تؤدي الى خزن (Encoding) التغيرات في قوة الارتباط العصبي بين العقد الفعالة في الشبكة لاختيار افضل اوزان، وهذا معنى التعلم في الشبكة العصبية، وبذلك تتعلم الشبكة نموذجا للبيانات التي تدربت عليها.
وان شبكة الخلية العصبية الاصطناعية متمثلة بالادراك الحسي (Perceptron) والذي يحاكي الخلية العصبية البيولوجية في طريقة عمله وقد اقترحت هذه الطريقة من قبل العالم ( Frank Rosenblatt) في عام 1958 .
إذ يتكون الادراك الحسي من وحدات ادخال (Input Units) (ووحدات جمع ( Summing Units) ( ترتبط وحدات االادخال مع وحدات الجمع، وتمرر وحدات الجمع في دالة غير خطية ذات قيمة معينة تسمى دالة العتبة (Threshold Function) لكي نحصل على مخرجات الشبكة العصبية الاصطناعية.
وكانت تلك هي النواة الاولى في عملية التعلم على مدخالت شبكة الخلية العصبية الاصطناعية المتكونة من طبقة واحدة (Single Layer) ولذلك فقد كانت عملية التعلم مقتصرة على النماذج الخطية للبيانات لغرض التقدير أو التبويب أو التصنيف أو التنبؤ.
ولهذا السبب فقد قل الاهتمام بالبحوث والدراسات في مجال الشبكات العصبية لسنوات عدة، الى ان تم التوصل الى شكل جديد للأدراك الحسي ويتمثل بإضافة مستوى جديد يطلق علية الطبقة المخفية (Hidden Level) وبذلك اصبحت عملية الربط بين المدخلات والمخرجات لا تتم بشكل مباشر وإنما عن طريق الطبقة المخفية.
إذ اكتسب الادراك الحسي القدرة على حساب الدوال والعالقات للبيانات ذات النماذج الخطية او غير الخطية، وبعد ذلك فقد تطورت هذا الطبقة المخفية بإضافة أوزان تربط بين طبقة المدخالت (Input Level) والطبقة المخفية من قبل العالم (Paul Werbos) في عام 1974.
وقد ادى إخفاق شبكات Perceptron في حل بعض المشاكل وضعفها في التعلم بالنسبة للشبكات متعددة الطبقات على ايجاد شبكات اخرى قادرة على حل مثل هذه المشاكل وكانت شبكات الانتشار العكسي البديل لهذه الشبكات، إذ يعاد الخطأ المرتكب في مستوى المخرجات الى الطبقة المخفية وقد اكتشفت في مرحلة السبعينات من قبل (Werbow) عام 1974 ولكنها لم تنشر على نطاق واسع،
وأول من أوجد هذه الشبكات هو العالم (Parker David) عام 1985 والعالم (Lecun) عام 1986قبل ان تصبح معروفة بشكل واسع.
وثمة تطور اخر حصل في هذه الفترة، إذ طور Seinowski في عام 1986 شبكة اطلق عليها Net talk لها القابلية على خلق الاصوات.
كما شهدت هذه الفترة تطورا في تعلم الشبكات إذ تمكن العلماء Rumelhart وHinton وWilliams من نمذجة صيغة جديدة تعرف باالنتشار العكسي للخطأ Back propagation وعرضها في كتاب تعلم التمثيل الداخلي من قبل الخطأ المرجع او العكسي عام 1986 .
ان الفترة الممتدة من عام 1987 حتى وقتنا الحالي سميت بعصر Neo-connectionism حيث ساعد التطور المذهل الذي حصل في تقنيات الحواسيب الشخصية والحواسيب الصغيرة وسعات خزنيه عالية فضلاً عن تطور البرمجيات وتوافر ادواتها مما ساعد كثيراً على انتشار البحوث في هذا المجال افقيًا وعموديًا وذلك من خلال اضافة انواع جديدة من الشبكات وابتكار خوارزميات جديدة لتعلم الشبكات العصبية وزيادة كفاءته.
كانت ومازالت شبكة البث العكسي للخطأ propagation Back تستحوذ بالكثير من الاهتمام والبحث،
وكان هناك الكثير من الجدل حول ما إذا كان يمكن أن تنفذ بطريقة تماثل التعلم في المخ أم لا، ويرجع ذلك إلى جزئية آلية الاشارات العكسية الذي لم يكن واضحا في ذلك الوقت،
ولكن الاهم من ذلك أنة لم يكن هناك مصدر معقول ل ” التعليم” أو ” الهدف” الاشارة. ومع ذلك منذ عام 2006، اقترحت عدة إجراءات غير خاضعة للرقابة تعلم الشبكات العصبية مع أكثر من الطبقة “تعدد الطبيقات” وذلك باستعمال مايسمى بعمق خوارزميات التعلمdeep learning algorithms .
اعتماد الخوارزميات على الشبكات العصبية ، ماذا يعني ذالك ؟
في مجال التحليل الإحصائي، تحتل الشبكات العصبية مساحة متزايدة، وذلك بسبب قدرتها على التعامل مع حالات معقدة للغاية(ارتباط مئات أو حتى آلاف المتغيرات)، وقدرتها على التكيف (في عالم بالتحول الرقمي المستمر)،
وسهولة استخدامها (النسبية) مما أدى الى أن صبح ” بنية الشبكات العصبية العميقة ” مفاهيم أساسية تقدم لحلول الذكاء الاصطناعي، والتي تكون مستوحاه من تنظيم الدماغ البشري.
شبكة من الخلايا العصبية العميقة هي ببساطة برنامج كمبيوتر يتكون من عشرات الالاف من الوظائف الرياضية المترابطة، مثل الخلايا العصبية ونقاط تشابكها. يتم تنظيم هذه الخلايا العصبية في طبقات متتالية (اكبر الشبكات لديها أكثر من 100 طبقة)،
تقوم كل خلية عصبية بمعالجة المعلومات من الطبقة العليا وتنتقل النتيجة الى الطبقة السفلى (المرحلة التالية)، ويزداد مستوى تعقيد المعلومات الي يتم معالجتها كلما انتشرت المعلومات الى الطبقات الدنيا.
أختلاف مع الخلايا العصبية البيولوجية.
الخلايا العصبية البيولوجية هي اعقد كثيرا فيوجد مثلا ثلاثة أنواع للخلايا اما خلايا متواجدة داخل مكان واحد (Local Network Cell) وفي الغالب تكون مستقبلة excitatory أو محدثه inhibitory للإشارة Spike أو خلايا (long Range connection) وهي خلايا تربط بين أماكن مختلفه من المخ وفي الغالب تكون مستقبلة أو خلايا حساب المجموع.
يوجد شيء اسمه Dendrite أو العصبون وهذا في النموذج الهندسي عبارة عن سلكة ليس لها تاثير علي الإشارة الداخلة للخلية اما في الحقيقة فان ذلك الجزء تعتبر مجموعة من الدوائر الإلكترونية القادرة علي أحداث الإشارة ذاتيا وهي تعامل معاملة المكثفات والملفات Active Component كما أنه وجد ان هذة العصبونات لها تأثير علي بعض فمثلا إذا تواجدت العصبونات بجانب بعض فتجمع الإشارة بجمع غير خطي nonlinear اما إذا كان العصبونات بعيدة عن بعض فتجمع جمع خطي عادي.
الخلايا العصبية البيولوجية قادرة علي تغيير معاملات العصبونات Plasticity وهذا معناه انها قادرة علي تغيير تشكيلها لمناسبة اقصي مجهود مطلوب باقل الوصلات. وتقوم بعملية التغيير هذة بطريقتين اما طريقة اسمها Long Term Plasticity وهذا معناه تغيير معاملات العصبونات وذلك أيضا معناه تغيير وظيفة الخلايا الصناعية وهذا معروف فمثلا خلايا النظر في الكفيف تغير وظيفتها بعد زمن معين من عدم العمل الي وظيفة خلايا سمعية وذلك يتم عن طريق تغيير المعاملات والطريقة الاخري هي Short Term Plasticity وهذا معناه ان الخلايا العصبية قادرة علي تغيير حجم الإشارة الخارجه منها حسب الوقت والظروف بمعني انه في بعض الأحيان يكون الخارج منها مكبر بصورة كبيرة وبعض الأحيان الاخري يكون الخارج مصغر ولا زال الأسباب غير معروفه حتي الآن.
مكونات الخلية العصبية الاصطناعية ؟
تتكون الخلية العصبية الاصطناعية من أربعة اقسام وهي كالاتي:
قنوات الإدخال (synapse):تتسلم الخلية العصبية من هذه القنوات الاشارات القادمة من الخلايا المرتبطة بها وتسمى الاشارات الداخلية بالمدخلات ويرمز لها () (xi, i=1,2,…n) دالة الجمع (Summation Function):مهمة هذه الدالة جمع او توحيد الإشارات الداخلية في إشارة واحدة. دالة التنشيط (Activation Function): مهمة هذه الدالة نشر القيمة الداخلية اليها على وفق نوع الدالة المستعملة على وفق مقياس حدود القيمة الخارجية . قناة الإخراج ((Axone path’s: تقوم هذه القناة بإرسال إشارات الإخراج إلى خلايا عصبية أخرى وتعد إشارة ادخال لتلك الخلايا وتسمى اشارة الإخراج بالمخرجات. والشكل التالي يبين مكونات الخلية العصبية.
وصف عام لآلية عمل العصبون الاصطناعي:
بشكل عام يمكننا توصيف اي شبكة عصبية ترتب بشكل طبقات من الخاليا الاصطناعية وكالاتي: طبقة المدخالت وطبقة المخرجات والطبقة المخفية التي تتواجد بين طبقتي المدخالت والمخرجات. وكل خلية في إحدى هذه الطبقات تتصل بكافة العصبونات الموجودة في الطبقة التي تليه وكافة العصبونات في الطبقة التي تسبقه، وكما مبين في الشكل الاتي.
وجدو الباحثون في البداية ان الخلايا العصبية تقوم بعملية جمع إلاشارات بمعني انه يوجد وصلتين لخلية عصبية وكل وصلة عليها إشارة تكون النتيجة هي محصلة الاشارات بالجمع العادي ومن ثم وجدو ان كل عصبون يستطيع ان يقوم بعمل تكبير أو تصغير، فتم إضافة عامل اسمه عامل الوزن(Weighting Factor) بمعنى انه إذا كان هناك خلية لها مدخلان فيتم ضرب الاشارة الأولي في المعلمات الخاصة بالعصبون هذا للمدخل الثاني ومن ثم يتم جمعهم وعلى ذلك تم بناء النظام الهندسي للخلايا الصناعية مع الاخذ في الاعتبار انه ليس صحيح بالنسبة 100 %لخاليا العصبية البيولوجية.
انواع الشبكات العصبونية ؟
البيرسبترون شبكات كوهونين ذاتية التنظيم شبكات عصبونية أمامية التغذيةFeedforward Neuralnetworks أهمها :
شبكات عصبونية أمامية التغذية خلفية النقل Backpropagation Feedforward Neuralnetworks .
هناك العديد من المجالات التي طبقت فيها الشبكات العصبونية بنجاح ومنها :
معالجة الإشارات (الإذاعة والتليفزيون) إدارة العمليات الروبوتات التصنيف والتبويب معالجة البيانات التعرف على الاشكال تحليل الصور وتأليف الكلام التشخيص والمتابعة الطبية سوق الاوراق المالية طلب الحصول على قروض أو قروض عقارية تقريب الدوال التحكم محاكاة الأنظمة التعرف على الخطوط والكتابة باليد النمذجة التعرف على الاشخاص الفلترة للتنبؤ النماذج الاحصائية ادارة المخاطر والمالية التحقق من التوقيع ضغط الصور توقع البورصة التجميع التحكم في الطيران الهندسة الكميائية.
أصبح الذكاء الاصطناعي ((AI)) اليوم أحد أهم فروع علوم الحاسوب وتقنية المعلومات، وقد تنامى هذا الفرع من العلوم حتى اصبح من اكبر المجالات نشاطا في الاونة الاخيرة، وقد ظهرت له إسخدامات كثيره ومتعددة، لعل من ابرزها الشبكات العصبية الاصطناعية، الشبكات العصبية تفتح لنا آفاق جديد من حيث تحليل البيانات، بالتعامل مع الجانب المخفي من البيانات، وإعطائها معنى واستخراج القواعد والاتجاهات.
وبالتدقيق في هذه الخصائص ومجال تطبيقها الموسع، فإن الشبكات العصبية مناسبة بشكل خاص لمشاكل ملموسة في البحث العلمي والتجاري والصناعي.
والشبكات العصبية الاصطناعية علم واسع من الذكاء الاصطناعي المستخدم في مجالات وفروع متعددة، وكلما توسع الباحثون والعلماء في الشبكات العصبية ستفتح افاق جديدة وحلول لمشاكل كان في السابق استحالة حلها (صعوبتها) وبالتالي يصبح علم الشبكات العصبية الاصطناعية علم واسع وذات اهمية كبيرة في الذكاء الاصطناعي.
اولا: المراجع العربية.
عبدالله موسى، أحمد حبيب بلال، الذكاء الاصطناعي ثورة في تقنيات العصر، ط1-القاهرة، (2022). مروان عبد الحميد عاشور، الشبكات العصبية الاصطناعية وطرائق تنبؤ السلاسل الزمنية، بغداد، (2022).
ثانيا: المراجع الاجنبية.
Stuart Russell, Artificial Intelligence: A Modern Approach,4 rd Edition, Pearson, 2022.
ثالثا: المواقع الالكترونية.
https://ar.wikipedia.org https://data-flair.training https://www.marefa.org.