ماهو التعلم العميق ؟ كل ماتحتاج معرفته

ما هو التعلم العميق؟

التعلم العميق هو وظيفة ذكاء اصطناعي (AI) تحاكي عمل الدماغ البشري في معالجة البيانات وإنشاء أنماط لاستخدامها في صنع القرار. وهو مجموعة فرعية من التعلم الآلي في الذكاء الاصطناعي التي لديها شبكات قادرة على التعلم بدون إشراف من البيانات غير المنظمة أو غير المهيكلة. يُعرف أيضًا باسم التعلم العصبي العميق أو الشبكة العصبية العميقة.

كيف يعمل

لقد تطور جنبًا إلى جنب مع العصر الرقمي ، والذي أدى إلى انفجار البيانات بجميع أشكالها ومن كل منطقة من مناطق العالم. هذه البيانات ، المعروفة ببساطة باسم البيانات الضخمة ، مأخوذة من مصادر مثل وسائل التواصل الاجتماعي ومحركات البحث على الإنترنت ومنصات التجارة الإلكترونية ودور السينما عبر الإنترنت وغيرها. يمكن الوصول إلى هذه الكمية الهائلة من البيانات بسهولة ويمكن مشاركتها من خلال تطبيقات التكنولوجيا المالية مثل الحوسبة السحابية.

ومع ذلك ، فإن البيانات ، التي عادة ما تكون غير منظمة ، ضخمة جدًا لدرجة أن البشر قد يستغرقون عقودًا لفهمها واستخراج المعلومات ذات الصلة. تدرك الشركات الإمكانات الهائلة التي يمكن أن تنتج عن تفكيك هذه الثروة من المعلومات وتتكيف بشكل متزايد مع أنظمة الذكاء الاصطناعي للحصول على الدعم الآلي.

التعلم العميق مقابل التعلم الآلي

يعد التعلم الآلي أحد أكثر تقنيات الذكاء الاصطناعي شيوعًا المستخدمة لمعالجة البيانات الضخمة ، وهي خوارزمية ذاتية التكيف تحصل على تحليل وأنماط أفضل بشكل متزايد مع الخبرة أو مع البيانات المضافة حديثًا.

إذا أرادت شركة مدفوعات رقمية اكتشاف حدوث أو احتمال حدوث احتيال في نظامها ، فيمكنها استخدام أدوات التعلم الآلي لهذا الغرض. 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.

 يستخدم التعلم العميق ، وهو مجموعة فرعية من التعلم الآلي ، مستوى هرميًا من الشبكات العصبية الاصطناعية لتنفيذ عملية التعلم الآلي. تم 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 بنهج غير خطي.

إعتبارات خاصة

قد يعتمد النهج التقليدي للكشف عن الاحتيال أو غسيل الأموال على مقدار المعاملة التي تترتب على ذلك ، في حين أن أسلوب التعلم العميق غير الخطي قد يشمل الوقت والموقع الجغرافي وعنوان IP ونوع بائع التجزئة وأي ميزة أخرى من المحتمل أن تشير إلى الاحتيال النشط. تعالج الطبقة الأولى من الشبكة العصبية مدخلات بيانات أولية مثل مقدار المعاملة وتمريرها إلى الطبقة التالية كإخراج. تعالج الطبقة الثانية 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 وتجعل نمط الجهاز أفضل. يستمر هذا عبر جميع مستويات شبكة الخلايا العصبية.

مثال على التعلم العميق

باستخدام نظام الكشف عن الاحتيال المذكور أعلاه مع التعلم الآلي ، يمكن للمرء إنشاء مثال تعليمي عميق. إذا أنشأ نظام التعلم الآلي نموذجًا بمعلومات مبنية حول عدد الدولارات التي يرسلها المستخدم أو يتلقاها ، يمكن أن تبدأ طريقة التعلم العميق في البناء على النتائج التي يوفرها التعلم الآلي.

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 للاتصال معًا إذا تمت معالجتها بواسطة إنسان. يتم تدريب خوارزميات التعلم العميق ليس فقط لإنشاء أنماط من جميع المعاملات ، ولكن أيضًا معرفة متى يشير النمط إلى الحاجة إلى تحقيق احتيالي. تنقل الطبقة النهائية إشارة إلى محلل قد يقوم بتجميد حساب المستخدم حتى يتم الانتهاء من جميع التحقيقات المعلقة.

 يستخدم التعلم العميق في جميع الصناعات لعدد من المهام المختلفة. التطبيقات التجارية التي تستخدم التعرف على الصور والأنظمة الأساسية مفتوحة المصدر مع تطبيقات توصية المستهلك وأدوات البحث الطبي التي تستكشف إمكانية إعادة استخدام الأدوية للأمراض الجديدة هي بعض الأمثلة على دمج التعلم العميق.