افتح الصندوق

اختراق نظري في مجال التعلم العميق يأتي من مجموعة البروفيسور مايكل إيلاد من كلية علوم الكمبيوتر

قد يؤدي الاختراق النظري المقدم في عمل جديد لباحثين من كلية علوم الكمبيوتر إلى إحداث تغيير كبير في مجال التعلم العميق. تقدم سلسلة من المقالات التي نشرها هذا الفريق نظرية موسعة تشرح الجوانب الرئيسية لنشاط الشبكات العصبية متعددة الطبقات، والتي تعد منصة التعلم العميق. الباحثون هم البروفيسور مايكل إيلاد وطلاب الدكتوراه فاردان بابيان، يانيف رومانو وجيريميا سولام.

إن مجال التعلم العميق، الذي ازدهر في الثمانينيات ولكنه تجمد بسبب العقبات النظرية والعملية الصعبة، استيقظ في العقد الماضي ويعمل الآن في شركات ضخمة بما في ذلك Google وFacebook وMicrosoft وLinkedIn وIBM وMobileye. ومع ذلك، بحسب البروفيسور العاد، "في حين أن البحث التجريبي كان في حالة من الفوضى وحقق إنجازات مذهلة، فإن التحليل النظري تأخر ولم يتمكن من اللحاق بالتطور السريع في هذا المجال حتى يومنا هذا. والآن يسعدني أن أعلن أننا حققنا نتائج مهمة للغاية في هذا الشأن.

"يمكننا القول أننا حتى الآن كنا نعمل مع صندوق أسود ومغلق - شبكات الخلايا العصبية. لقد عمل هذا الصندوق بشكل رائع ولكن لم يتمكن أحد من تحديد أسباب وشروط نجاحه. وفي عملنا، تمكنا من فتح الصندوق وتحليله وشرح مصادر نجاحه نظريًا واقتراح طرق لتحسينه."

الشبكات العصبية ذات الطبقات

الشبكات العصبية ذات الطبقات، والتي تعد جزءًا من مجال أوسع يسمى التعلم العميق، هي منهج هندسي يمنح الكمبيوتر إمكانية التعلم مما يجعله أقرب إلى التفكير البشري. وتشير شركة ديلويت الاستشارية إلى أن هذا المجال الذي ينمو بمعدل مذهل يبلغ 25% سنويا، من المتوقع أن يدر 43 مليار دولار في عام 2024.

الشبكات العصبية ذات الطبقات هي أنظمة تؤدي فهرسة سريعة وفعالة ودقيقة للبيانات. تشبه هذه الأنظمة الاصطناعية إلى حد ما الدماغ البشري، وتتكون مثله من طبقات من الخلايا العصبية المرتبطة بالمشابك العصبية. يسمح الهيكل الهرمي لهذه الشبكات، من بين أمور أخرى، بتحليل المعلومات المعقدة، وتحديد الأنماط في هذه المعلومات. وعظمتهم تكمن في أنهم يتعلمون بأنفسهم من الأمثلة، أي أنه إذا أطعمناهم ملايين الصور الموسومة لبشر وقطط وكلاب وأشجار، فسيتمكنون من التعرف على الفئات المختلفة (إنسان، قطة، كلب، شجرة) في صور جديدة، وذلك بمستويات غير مسبوقة من الدقة مقارنة بأساليب التقدم في التعلم الحسابي.

في العقد الماضي، كما ذكرنا، حدثت عدة اختراقات مهمة في هذا المجال، وتمكنت الأنظمة المعتمدة على الشبكات العصبية ذات الطبقات من قراءة الأدب المكتوب بخط اليد (بدقة 99٪ أو أكثر) وتحديد المشاعر مثل الحزن والفكاهة والحزن. الغضب في نص معين. في نوفمبر 2012، قدم مدير الأبحاث الرئيسي في شركة مايكروسوفت، ريك رشيد، نظام الترجمة الفورية الذي طورته الشركة والذي يعتمد على التعلم العميق. وفي المحاضرة التي أقيمت في الصين، تحدث رشيد باللغة الإنجليزية، ومرت كلماته عبر عملية نسخ وترجمة وقراءة محوسبة، بحيث استمع الطلاب الصينيون إلى المحاضرة في الوقت الفعلي بلغتهم الخاصة، دون أي أخطاء تقريبًا.

ولم تقف شركة جوجل مكتوفة الأيدي، وتمكن النظام الذي طورته (AlphaGo) من التغلب على بطل العالم في لعبة “Go”. وحتى شاب الفيسبوك الشاب قد خطى بالفعل خطوات مهمة في هذا المجال، وقد صرح الرئيس التنفيذي للشركة مارك زوكربيرج بأن هدفه هو إنتاج أنظمة كمبيوتر ستكون أفضل من البشر في الرؤية والسمع واللغة والتفكير.

وبحسب البروفيسور العاد: "اليوم، لا أحد يشك في أن التعلم العميق يمثل ثورة دراماتيكية في كل ما يتعلق بمعالجة وتصنيف كميات هائلة من المعلومات بدقة عالية. ولكن من المدهش أن هذا التقدم الهائل لم يصاحبه فهم نظري أساسي يفسر مصدر فعالية الشبكات المذكورة. النظرية، كما هو الحال في العديد من الحالات الأخرى في تاريخ التكنولوجيا، تخلفت عن العمل".

وهنا يأتي دور مجموعة البروفيسور إلعاد في الصورة، حيث تقدم تفسيرًا نظريًا جديدًا للشبكات العميقة. "في كثير من الأحيان في العلوم نستخدم النماذج الرياضية للمساعدة في فهم الواقع. وإذا فكرنا في الأمر، فإن النظرية الفيزيائية بأكملها مبنية على هذه الفلسفة عندما يتعلق الأمر بوصف العالم من خلال مجموعة من القواعد والمعادلات البسيطة. وهذا ما فعلناه أيضًا: أخذنا عملية واقعية معروفة (شبكة عصبية متعددة الطبقات تهضم المعلومات) وقمنا بصياغة نموذج رياضي لها. يصف هذا النموذج بطريقة رياضية تكوين المعلومات المعالجة - طبقات من مجموعات متفرقة من أحجار الأساس (الذرات). لقد أظهرنا أن نموذجنا يؤدي إلى الشبكات العصبية التقليدية كوسيلة لتقسيم المعلومات إلى مكوناتها الأولية. وقد سمح لنا ذلك بإجراء تحليل والحصول على تنبؤ دقيق لأداء الشبكة. وعلى عكس القياس الفيزيائي، لا يمكننا تحليل الواقع والتنبؤ به فحسب، بل يمكننا أيضًا تحسين الأنظمة التي ندرسها، لأنها تحت سيطرتنا.