أكبر عقبة مع منظمة العفو الدولية

فكر مرة أخرى في تحدٍ في حياتك بدا مستحيلًا في السابق ؛ ربما ، الحصول على ترقية إلى الموضع الذي كنت تريده دائمًا في العمل أو الالتزام بممارسة روتينية جديدة كل يوم. ما الذي يتطلبه الأمر لبدء استكشاف شيء جديد ، على الرغم من أنه قد يكون مثبطًا في البداية؟ كما تعلمت مؤخرًا من خلال البدء في العمل باستخدام الذكاء الاصطناعي ، فإن الجزء الأكثر صعوبة في التغلب على مثل هذه التحديات هو إقناع نفسك للبدء في المقام الأول.

الذكاء الاصطناعي ليس فقط للعلماء المجانين

لقد حظي الذكاء الاصطناعي بالكثير من الاهتمام في وسائل الإعلام في السنوات الأخيرة. يبدو أن العلماء المدربين تدريباً عالياً يكتشفون كل يوم طريقة لتطبيقه في صناعة أخرى. قد يبدو الاعتقاد بأن الناس العاديين يمكن أن يكتشفوا أيضًا استخدامات هذه التكنولوجيا مضحكة ، خاصةً بالنظر إلى المعرفة التقنية المطلوبة. ومع ذلك ، اكتشفت مؤخرًا أن هذا كان أكثر من الممكن من خلال إنشاء أول شبكة عصبية لتحديد الأرقام المكتوبة بخط اليد (إذا لم تكن معتادًا على الشبكات العصبية ، فتحقق من مقدمة حول الموضوع على "متوسط").

ماذا يعني تحديد الأرقام المكتوبة بخط اليد بالضبط؟ في الأساس ، تنظر الشبكة العصبية إلى [ضبابية للغاية ، شكرًا لصور بيانات حكومة الولايات المتحدة] بأرقام مثل هذه:

ثم يقرر ما هو الرقم الذي يراه هو. قد تبدو هذه مهمة بسيطة وبسيطة. لماذا يحتاج أي شخص إلى شيء معقد مثل الذكاء الاصطناعي للقيام بذلك؟ في الواقع ، قد يكون من الصعب للغاية التعرف على الأرقام المكتوبة بخط اليد. على سبيل المثال ، حاول تحديد هذه:

ربما توافق على أن هذا ليس بالمهمة السهلة ، ولكن يمكن أن تصل الشبكات العصبية إلى الدقة شبه الكاملة في هذه الشبكة (حصلت شبكتي العصبية الأساسية على حوالي 94٪ من الدقة ، في حين أن الإصدارات المحسنة مهنيًا قد حصلت على دقة تصل إلى 99.79٪) . يتم استخدام التعرف المرئي مثل هذا في العديد من التطبيقات ، مثل الترجمة من Google والبحث ، لكن له أيضًا استخدامات أكثر ضمنية ؛ فكر في كيفية معالجة السيارات ذاتية القيادة لإشارات السرعة من حولها ، على سبيل المثال. بالنظر إلى هذه الاستخدامات المهمة والسائدة للشبكات العصبية المصنفة ، اعتقدت أن مشروعي الأول في التكنولوجيا سيكون في موقع جيد في هذا المجال.

التعلم المطلوب؟ نعم. التعلم ممكن؟ قطعا

كان عليّ أن أتعلم معلومات جديدة عن الجوانب التقنية للذكاء الاصطناعي لأقوم بذلك ، لكنها كانت سهلة الإدارة ولم تستغرق سوى بضعة أيام. كانت الدروس الرئيسية التي كان علي تعلمها هي أن نفهم في الواقع سبب نجاح الخوارزميات التي تعمل خلف الشبكات العصبية ، وليس فقط الجوانب الفنية لترميزها. وشملت هذه التفاصيل:

  1. كيف يتم استخدام البيانات في الشبكات العصبية ؛
  2. كيف تم تعديل أوزان وتحيزات الخلايا العصبية (الإعدادات) ؛
  3. كيف تؤثر الأوزان والتحيزات (الإعدادات) على النتيجة ؛
  4. وكيفية تقليل الأخطاء وجعل الشبكة أكثر دقة.

النقطة الأولى ، قبل كل شيء ، حساسة لضعف التخطيط والتنفيذ. إذا لم تكن بياناتك كافية ، فإن النظام بأكمله لا يعمل. لقد تعلمت الحكومة الأمريكية هذا الخطأ الباهظ عندما حاولت تقديم مساعدة شبكة عصبية للدبابات ، ولكن انتهى الأمر بشكل مُسلٍ بمكتشف للطقس بعدة ملايين من الدولارات بسبب مشاكل البيانات (اعرف المزيد هنا).

بالطبع ، كانت هناك لحظات كانت فيها الجوانب التقنية للخوارزميات معقدة للغاية لفهمها. على سبيل المثال ، تحتوي الشبكات العصبية على العديد من الخوارزميات التي تستند إلى حساب التفاضل والتكامل ، مع معادلات وعلامات جميلة مثل:

ومع ذلك ، فإن فهم سبب نجاح الخوارزميات وراء هذه المعادلات ، سمح لي بالتغلب على هذه الصعوبة من خلال معرفة ما الذي كانت تفعله الشبكة في كل خطوة.

ماذا لو أردت تجربة؟

لذا ربما تتساءل الآن ، "حسنًا إذا كان الأمر بهذه السهولة حقًا ، فهل يمكنني فعل ذلك بنفسي؟" نعم! الشرط الرئيسي الذي تحتاجه هو معرفة لغة برمجة مشتركة مثل بايثون. تحتوي لغات البرمجة هذه على العديد من الاختصارات ، مثل المكتبات الخارجية في Python ، والتي تسمح لك بالتغلب على صعوبة المعادلات المعقدة مثل تلك المذكورة أعلاه. بالإضافة إلى ذلك ، تتوفر صور الأرقام المكتوبة بخط اليد مجانًا من قاعدة بيانات MNIST التابعة لحكومة الولايات المتحدة ، وهناك العديد من البرامج التعليمية على الإنترنت التي تشرح كيفية عمل الشبكات العصبية ولماذا ، بدلاً من تقديم التفاصيل الفنية فقط.

بشكل عام ، قد يبدو الذكاء الاصطناعي بعيدًا عن الإحباط عن الشخص العادي ، ولكن الجزء الأصعب هو في الحقيقة مجرد البدء. في الواقع ، يبدو أن بعض التفاصيل جاءت من كوكب آخر ، ولكن فهم ما تقوم به الشبكة يتغلب على كل ذلك. بعد كل شيء ، كما قال نيلسون مانديلا ، "يبدو دائمًا مستحيلًا إلى أن يتم ذلك".

إذا كنت تريد أن ترى كيف تعمل شبكتي العصبية ، يمكنك العثور عليها في مستودع جيثب الخاص بي. إذا كنت مهتمًا بمعرفة المزيد حول كيفية عمل الشبكات العصبية ، فتحقق من هذه الموارد:

https://www.youtube.com/watch؟v=aircAruvnKk&t=1000s

http://neuralnetworksanddeeplearning.com/chap1.html