استكشف أساسيات الشبكات العصبية. تعرف على كيفية قيامها بتشغيل الذكاء الاصطناعي، واختلافها عن التعلم العميق، ودورها في تشغيل أحدث النماذج مثل Ultralytics .
الشبكة العصبية (NN) هي نموذج حسابي في صميم الذكاء الاصطناعي (AI) مصمم للتعرف على الأنماط وتفسير البيانات الحسية وتجميع المعلومات. مستوحاة من البنية البيولوجية للدماغ البشري ، تتكون هذه الشبكات من عقد مترابطة، أو "خلايا عصبية"، منظمة في طبقات. بينما يستخدم الدماغ البيولوجي إشارات كيميائية للتواصل عبر المشابك العصبية، تستخدم الشبكة العصبية الرقمية عمليات رياضية لنقل المعلومات. هذه الأنظمة هي التكنولوجيا الأساسية وراء التعلم الآلي (ML) الحديث، مما يمكّن أجهزة الكمبيوتر من حل مشكلات معقدة مثل التعرف على الوجوه وترجمة اللغات وقيادة المركبات ذاتية القيادة دون أن تكون مبرمجة بشكل صريح لكل قاعدة محددة.
على الرغم من أن المصطلحين غالبًا ما يستخدمان بالتبادل، من المهم التمييز بين الشبكة العصبية الأساسية و التعلم العميق (DL). يكمن الاختلاف الأساسي في العمق والتعقيد. قد تحتوي الشبكة العصبية القياسية أو "السطحية" على طبقة أو طبقتين مخفيتين فقط بين المدخلات والمخرجات. في المقابل، يتضمن التعلم العميق شبكات عصبية "عميقة" تحتوي على عشرات أو حتى مئات الطبقات. يتيح هذا العمق استخراج الميزات تلقائيًا، مما يسمح للنموذج بفهم الأنماط الهرمية — حيث تصبح الحواف البسيطة أشكالًا، وتصبح الأشكال كائنات يمكن التعرف عليها . لمزيد من التعمق التقني، تشرح MIT News التعلم العميق وتطوره من الشبكات الأساسية.
تتضمن عملية "التعلم" في الشبكة العصبية تعديل المعلمات الداخلية لتقليل الأخطاء إلى الحد الأدنى. تدخل البيانات من خلال طبقة الإدخال، وتمر عبر طبقة أو أكثر من الطبقات المخفية حيث تتم العمليات الحسابية، وتخرج من خلال طبقة الإخراج على شكل تنبؤ.
الشبكات العصبية هي المحرك وراء العديد من التقنيات التي تحدد العصر الحديث.
تتيح مكتبات البرامج الحديثة إمكانية نشر الشبكات العصبية دون الحاجة إلى كتابة العمليات الحسابية
من الصفر. أدوات مثل منصة Ultralytics تسمح
للمستخدمين بتدريب هذه الشبكات على مجموعات بيانات مخصصة بسهولة. يوضح Python التالي كيفية تحميل
شبكة عصبية مدربة مسبقًا (على وجه التحديد نموذج YOLO26 المتطور) وتشغيل الاستدلال على صورة باستخدام
ultralytics الحزمة.
from ultralytics import YOLO
# Load a pretrained YOLO26 neural network model
model = YOLO("yolo26n.pt")
# Run inference on an image to detect objects
# The model processes the image through its layers to predict bounding boxes
results = model("https://ultralytics.com/images/bus.jpg")
# Display the results
results[0].show()
على الرغم من قوتها، فإن الشبكات العصبية تطرح تحديات محددة. فهي تتطلب عادةً كميات كبيرة من البيانات المصنفة من أجل التعلم الخاضع للإشراف. وبدون تنوع كافٍ في البيانات ، تكون الشبكة عرضة للتكيف المفرط، حيث تحفظ أمثلة التدريب بدلاً من تعلم التعميم. بالإضافة إلى ذلك، غالبًا ما يشار إلى الشبكات العصبية العميقة بـ"الصناديق السوداء" لأن تفسير كيفية وصولها إلى قرار معين قد يكون صعبًا، مما أدى إلى إجراء أبحاث حول الذكاء الاصطناعي القابل للتفسير (XAI). تعمل منظمات مثل جمعية معايير IEEE بشكل نشط على وضع معايير لضمان استخدام هذه الشبكات القوية بشكل أخلاقي وآمن.
.webp)