عصبي شبکې تر هغه وخته پورې پراسرار ښکاري تر څو چې نه وي. که تاسو کله هم فکر کړی وي چې په مصنوعي ذهانت کې عصبي شبکه څه ده؟ او ایا دا یوازې د فینسي خولۍ سره ریاضي ده، تاسو په سم ځای کې یاست. موږ به دا عملي وساتو، په کوچنیو لارو کې یې وویشو، او هو - یو څو ایموجیزونه. تاسو به پوه شئ چې دا سیسټمونه څه دي، ولې کار کوي، چیرته ناکامیږي، او څنګه د لاس وهلو پرته د دوی په اړه خبرې وکړئ.
هغه مقالې چې تاسو یې له دې وروسته لوستل خوښولی شئ:
🔗 د مصنوعي ذهانت تعصب څه شی دی؟
د انصاف د ډاډ ترلاسه کولو لپاره په مصنوعي ذهانت سیسټمونو او ستراتیژیو کې د تعصب پوهیدل.
🔗 وړاندوینه کوونکی AI څه شی دی؟
څنګه وړاندوینې کوونکی AI د راتلونکو پایلو وړاندوینې لپاره نمونې کاروي.
🔗 د مصنوعي ذهانت روزونکی څه شی دی؟
د هغو مسلکي کسانو رول او مسؤلیتونه وپلټل چې مصنوعي ذهانت (AI) روزي.
🔗 په AI کې د کمپیوټر لید څه شی دی؟
څنګه AI د کمپیوټر لید له لارې بصري معلومات تشریح او تحلیل کوي.
په مصنوعي ذهانت کې عصبي شبکه څه ده؟ د ۱۰ ثانیو ځواب ⏱️
عصبي شبکه د ساده محاسبې واحدونو یوه ټولګه ده چې نیورونونه نومیږي چې شمیرې مخ په وړاندې لیږدوي، د روزنې په جریان کې د دوی د اړیکو ځواک تنظیموي، او په تدریجي ډول په معلوماتو کې نمونې زده کوي. کله چې تاسو ژوره زده کړه ، دا معمولا د عصبي شبکې معنی لري چې ډیری راټول شوي پرتونه لري، د زده کړې ځانګړتیاوې په اتوماتيک ډول د دې پرځای چې تاسو یې په لاس سره کوډ کړئ. په بل عبارت: ډیری کوچني ریاضي ټوټې، په هوښیارۍ سره تنظیم شوي، په معلوماتو کې روزل شوي تر هغه چې ګټور وي [1].
عصبي شبکه څه شی ګټوره کوي؟ ✅
-
د استازیتوب ځواک : د سم جوړښت او اندازې سره، شبکې کولی شي خورا پیچلي دندې نږدې کړي (د نړیوال نږدېوالي تیورم وګورئ) [4].
-
له پای څخه تر پایه زده کړه : د لاسي انجینرۍ ځانګړتیاوو پر ځای، ماډل هغه کشفوي [1].
-
عمومي کول : یوه ښه منظمه شبکه یوازې یادښت نه کوي - دا په نوي، نه لیدل شوي معلوماتو کار کوي [1].
-
د توزیع وړتیا : لوی ډیټاسیټونه او لوی ماډلونه ډیری وختونه پایلې ښه کوي ... تر عملي محدودیتونو پورې لکه د محاسبې او معلوماتو کیفیت [1].
-
د لېږد وړتیا : هغه ځانګړتیاوې چې په یوه دنده کې زده شوي دي کولی شي په بل کار کې مرسته وکړي (د زده کړې لیږد او ښه والی) [1].
کوچنۍ ساحې یادښت (د مثال سناریو): د محصول طبقه بندي کولو یوه کوچنۍ ډله د لاس جوړ شوي ځانګړتیاوې د یو کمپیکټ CNN لپاره بدلوي، ساده زیاتوالی (فلیپونه/کراپونه) اضافه کوي، او د اعتبار تېروتنې کمښت ګوري - نه دا چې شبکه "جادو" ده، بلکې ځکه چې دا په مستقیم ډول د پکسلونو څخه ډیر ګټور ځانګړتیاوې زده کړې.
"په مصنوعي ذهانت کې عصبي شبکه څه ده؟" په ساده انګلیسي کې، د یوې مشکوکې استعارې سره 🍞
د بیکري لاین تصور وکړئ. اجزا دننه کیږي، کارګران ترکیب بدلوي، د خوند ازموونکي شکایت کوي، او ټیم بیا ترکیب تازه کوي. په یوه شبکه کې، معلومات د طبقو له لارې جریان لري، د ضایع کیدو فعالیت محصول درجه بندي کوي، او تدریجي وزنونه هڅوي چې بل ځل ښه شي. د استعار په توګه کامل نه دی - ډوډۍ د توپیر وړ نه ده - مګر دا چپه کیږي [1].
د عصبي شبکې اناتومي 🧩
-
نیورونونه : کوچني محاسبین چې د وزن شوي مقدار او د فعالولو فعالیت پلي کوي.
-
وزنونه او تعصبونه : د تنظیم وړ نوبونه چې تعریفوي چې سیګنالونه څنګه یوځای کیږي.
-
طبقې : د ننوتلو طبقه معلومات ترلاسه کوي، پټې طبقې یې بدلوي، د وتلو طبقه وړاندوینه کوي.
-
د فعالولو دندې : غیر خطي ټویستونه لکه ReLU، sigmoid، tanh، او softmax زده کړه انعطاف منونکې کوي.
-
د ضایع کیدو فعالیت : د وړاندوینې د غلطوالي نمره (د طبقه بندي لپاره کراس انټروپي، د ریګریشن لپاره MSE).
-
اصلاح کوونکی : الګوریتمونه لکه SGD یا ادم د وزنونو تازه کولو لپاره ګریډینټونه کاروي.
-
منظم کول : تخنیکونه لکه د وزن کمیدل یا د وزن کمیدل ترڅو ماډل له ډیر فټینګ څخه وساتي.
که تاسو رسمي درملنه غواړئ (مګر بیا هم د لوستلو وړ)، د خلاص درسي کتاب ژوره زده کړه بشپړ ټولګه پوښي: د ریاضي اساسات، اصلاح کول، او عمومي کول [1].
د فعالولو دندې، په لنډه توګه خو ګټورې ⚡
-
ReLU : د منفي لپاره صفر، د مثبت لپاره خطي. ساده، چټک، مؤثر.
-
سیګمویډ : د 0 او 1 ترمنځ ارزښتونه سکویش کوي - ګټور مګر کولی شي مشبوع شي.
-
تانه : د سیګمویډ په څیر مګر د صفر شاوخوا متناسب.
-
سافټ میکس : په ټولګیو کې خامې نمرې په احتمالاتو بدلوي.
تاسو اړتیا نلرئ چې هر منحنی شکل په یاد ولرئ - یوازې د سوداګرۍ بندونه او عام ډیفالټونه وپیژنئ [1، 2].
زده کړه په حقیقت کې څنګه پیښیږي: شاته، مګر ډارونکی نه 🔁
-
فارورډ پاس : معلومات د وړاندوینې تولید لپاره طبقه په طبقه جریان لري.
-
زیان محاسبه کړئ : وړاندوینه له حقیقت سره پرتله کړئ.
-
د شا تکثیر : د زنځیر د قاعدې په کارولو سره د هر وزن په پرتله د ضایع کیدو تدریجي محاسبه وکړئ.
-
تازه معلومات : اصلاح کوونکی وزنونه لږ څه بدلوي.
-
تکرار : ډیری دورې. ماډل په تدریجي ډول زده کړه کوي.
د بصري او کوډ سره نږدې توضیحاتو سره د عملي وجدان لپاره، د بیک پروپ او اصلاح کولو په اړه د کلاسیک CS231n یادښتونه وګورئ [2].
د عصبي شبکو لویې کورنۍ، په یوه نظر 🏡
-
د فیډ فارورډ شبکې (MLPs) : تر ټولو ساده ډول. معلومات یوازې مخ په وړاندې ځي.
-
کنولوشنل عصبي شبکې (CNNs) : د انځورونو لپاره غوره د ځایي فلټرونو څخه مننه چې څنډې، جوړښتونه، شکلونه کشفوي [2].
-
تکراري عصبي شبکې (RNNs) او ډولونه : د ترتیب احساس ساتلو سره د متن یا وخت لړۍ په څیر ترتیبونو لپاره جوړ شوي [1].
-
ټرانسفارمرونه : په یوه ترتیب کې په یو وخت کې د موقعیتونو ترمنځ د اړیکو ماډل کولو ته پاملرنه وکړئ؛ په ژبه او له هغې هاخوا غالب [3].
-
د ګراف عصبي شبکې (GNNs) : د ګراف په نوډونو او څنډو کې کار کوي - د مالیکولونو، ټولنیزو شبکو، سپارښتنې لپاره ګټور [1].
-
آټو انکوډرونه او VAEs : کمپریس شوي نمایشونه زده کړئ او تغیرات رامینځته کړئ [1].
-
تولیدي ماډلونه : له GANs څخه تر خپریدو ماډلونو پورې، د عکسونو، آډیو، حتی کوډ [1] لپاره کارول کیږي.
د CS231n یادښتونه په ځانګړي ډول د CNNs لپاره دوستانه دي، پداسې حال کې چې د ټرانسفارمر کاغذ د پاملرنې پر بنسټ ماډلونو لپاره لومړنۍ سرچینه ده [2، 3].
د پرتلنې جدول: د عصبي شبکو عام ډولونه، د چا لپاره دي، د لګښت فضا، او ولې کار کوي 📊
| وسیله / ډول | اورېدونکي | قیمتي | ولې دا کار کوي |
|---|---|---|---|
| فیډ فارورډ (MLP) | پیل کونکي، شنونکي | ټیټ-منځنی | ساده، انعطاف منونکي، او مناسب اساسات |
| سي این این | د لید ټیمونه | منځنی | سیمه ییز نمونې + د پیرامیټر شریکول |
| آر این این / ایل ایس ټي ایم / جي آر یو | د خلکو لړۍ | منځنی | لنډمهاله حافظه... ترتیب نیسي |
| ټرانسفارمر | NLP، څو اړخیزه | منځنی لوړ | پاملرنه په اړونده اړیکو تمرکز کوي |
| جي اين اين | ساینس پوهان، ریکسیس | منځنی | په ګرافونو کې د پیغام لیږدول جوړښت څرګندوي |
| اتومات کوډر / VAE | څېړونکي | ټیټ-منځنی | کمپریس شوي استازیتوبونه زده کوي |
| GAN / خپریدل | تخلیقي لابراتوارونه | منځنی لوړ | د شور له منځه وړلو لپاره متضاد یا تکراري جادو |
یادونه: قیمتونه د محاسبې او وخت په اړه دي؛ ستاسو مایلج توپیر لري. یو یا دوه ګرځنده په قصدي ډول خبرې کوي.
"په AI کې عصبي شبکه څه ده؟" د کلاسیک ML الګوریتمونو په پرتله ⚖️
-
د فیچر انجینري : کلاسیک ML ډیری وختونه په لاسي ځانګړتیاو تکیه کوي. عصبي جالونه په اتوماتيک ډول ځانګړتیاوې زده کوي - د پیچلو معلوماتو لپاره لویه بریا [1].
-
د معلوماتو لوږه : شبکې ډیری وختونه د ډیرو معلوماتو سره ځلیږي؛ کوچني معلومات ممکن ساده ماډلونه غوره کړي [1].
-
محاسبه : شبکې د GPUs په څیر سرعت کونکي خوښوي [1].
-
د فعالیت حد : د غیر منظم معلوماتو (انځورونو، آډیو، متن) لپاره، ژور جالونه غالب وي [1، 2].
د روزنې کاري جریان چې په حقیقت کې په عمل کې کار کوي 🛠️
-
هدف تعریف کړئ : طبقه بندي، شاته تګ، درجه بندي، نسل - یو زیان غوره کړئ چې ورته وي.
-
د معلوماتو شخړه : په ټرین/تصدیق/ازموینې ویشل. ځانګړتیاوې نورمال کړئ. د توازن ټولګي. د انځورونو لپاره، د فلیپونو، فصلونو، کوچني شور په څیر زیاتوالی په پام کې ونیسئ.
-
د معمارۍ انتخاب : له ساده څخه پیل وکړئ. یوازې هغه وخت ظرفیت اضافه کړئ کله چې اړتیا وي.
-
د روزنې لوپ : معلومات سره یوځای کړئ. پاس فارورډ کړئ. ضایع محاسبه کړئ. بیک پروپ. تازه کول. د لاګ میټریکونه.
-
منظم کول : د خوب پریښودل، د وزن کمیدل، ژر بندیدل.
-
ارزونه : د هایپر پیرامیټرونو لپاره د اعتبار سیټ وکاروئ. د وروستي چیک لپاره د ازموینې سیټ ونیسئ.
-
په احتیاط سره ولېږئ : د حرکت څارنه وکړئ، د تعصب لپاره وګورئ، او د بیرته راګرځیدو پلان جوړ کړئ.
د پای څخه تر پایه، د کوډ پر بنسټ ښوونې لپاره چې قوي تیوري لري، خلاص درسي کتاب او CS231n یادښتونه د باور وړ لنگرونه دي [1، 2].
ډیر فټینګ، عمومي کول، او نور ګریملین 👀
-
ډیر فټ کول : ماډل د روزنې ځانګړتیاوې په یاد لري. د ډیرو معلوماتو، قوي منظم کولو، یا ساده معمارۍ سره سم کړئ.
-
بې کیفیته : ماډل ډېر ساده دی یا ډېر ډارونکی دی. ظرفیت زیات کړئ یا اوږد تمرین وکړئ.
-
د معلوماتو لیکیدل : د ازموینې سیټ څخه معلومات په روزنه کې پټیږي. خپل ویشونه درې ځله وګورئ.
-
ضعیف کیلیبریشن : هغه ماډل چې ډاډمن وي مګر غلط وي خطرناک دی. کیلیبریشن یا د وزن کمولو مختلف میتود په پام کې ونیسئ.
-
د ویش بدلون : د حقیقي نړۍ معلومات حرکت کوي. څارنه او تطبیق.
د عمومي کولو او منظم کولو تر شا تیوري لپاره، په معیاري حوالو تکیه وکړئ [1، 2].
خوندیتوب، تفسیر، او مسؤلانه ځای پرځای کول 🧭
عصبي شبکې کولی شي لوړې کچې پریکړې وکړي. دا کافي نه ده چې دوی په لیډربورډ کې ښه فعالیت وکړي. تاسو د ژوند په اوږدو کې حکومتدارۍ، اندازه کولو او کمولو ګامونو ته اړتیا لرئ. د NIST AI د خطر مدیریت چوکاټ عملي دندې - حکومت، نقشه، اندازه کول، مدیریت - په ګوته کوي ترڅو ټیمونو سره مرسته وکړي چې د خطر مدیریت په ډیزاین او ځای پرځای کولو کې مدغم کړي [5].
یو څو لنډې لارښوونې:
-
د تعصب چکونه : د نفوسو په ټولو برخو کې ارزونه وکړئ چیرې چې مناسب او قانوني وي.
-
د تفسیر وړتیا : د ځانګړتیاوو یا ځانګړتیاوو د ځانګړتیاوو په څیر تخنیکونه وکاروئ. دوی نیمګړي دي، خو ګټور دي.
-
څارنه : د ناڅاپي میټریک کمیدو یا د معلوماتو د کمیدو لپاره خبرتیاوې تنظیم کړئ.
-
انساني څارنه : د درنو اغیزو لرونکو پریکړو لپاره انسانان په حلقه کې وساتئ. هیڅ اتلولي نشته، یوازې حفظ الصحه.
هغه پوښتنې چې ډېر ځله مو په پټه کړې 🙋
ایا عصبي شبکه په اصل کې دماغ دی؟
د دماغونو څخه الهام اخیستل شوی، هو - مګر ساده شوی. په شبکو کې نیورونونه د ریاضي دندې دي؛ بیولوژیکي نیورونونه ژوندي حجرې دي چې پیچلي متحرکات لري. ورته وایبونه، ډیر مختلف فزیک [1].
زه څو طبقو ته اړتیا لرم؟
کوچنی پیل وکړئ. که تاسو کم فټینګ کوئ، پلنوالی یا ژوروالی اضافه کړئ. که تاسو ډیر فټینګ کوئ، منظم کړئ یا ظرفیت کم کړئ. هیڅ جادویی شمیره نشته؛ یوازې د اعتبار منحني او صبر شتون لري [1].
ایا زه تل GPU ته اړتیا لرم؟
تل نه. کوچني ماډلونه چې په معمولي معلوماتو سمبال دي کولی شي په CPUs کې روزنه ورکړي، مګر د انځورونو، لوی متن ماډلونو، یا لوی ډیټاسیټونو لپاره، سرعت کونکي ډیر وخت خوندي کوي [1].
ولې خلک وايي چې پاملرنه ډېره قوي ده؟
ځکه چې پاملرنه ماډلونو ته اجازه ورکوي چې د ان پټ په خورا اړونده برخو تمرکز وکړي پرته لدې چې په ترتیب سره په کلکه حرکت وکړي. دا نړیوال اړیکې نیسي، کوم چې د ژبې او څو ماډل دندو لپاره لویه معامله ده [3].
ایا "په مصنوعي ذهانت کې عصبي شبکه څه ده؟" د "ژورې زده کړې څه ده" څخه توپیر لري؟
ژوره زده کړه هغه پراخه لاره ده چې د ژورو عصبي شبکو څخه کار اخلي. نو پوښتنه کول چې په مصنوعي ذهانت کې عصبي شبکه څه ده؟ د اصلي کرکټر په اړه د پوښتنې په څیر ده؛ ژوره زده کړه ټوله فلم ده [1].
عملي، لږ څه نظر لرونکې لارښوونې 💡
-
ساده اساسات غوره کړئ . حتی یو کوچنی څو پوړیز پرسیپټرون کولی شي تاسو ته ووایی چې ایا معلومات د زده کړې وړ دي.
-
د معلوماتو پایپ لاین د بیا تولید وړ وساتئ . که تاسو یې بیا نشئ چلولی، نو تاسو باور نشئ کولی.
-
د زده کړې کچه ستاسو د فکر څخه ډیره مهمه ده. یو مهالویش هڅه وکړئ. ګرم اپ کولی شي مرسته وکړي.
-
د بستې اندازې ترمنځ توپیرونه شتون لري. لویې بستې تدریجي ثبات کوي مګر ممکن په بل ډول عمومي شي.
-
کله چې مغشوش شي، د پلاټ د ضایع کیدو منحني او د وزن نورمونه . تاسو به حیران شئ چې ځواب څو ځله په پلاټ کې وي.
-
د فرضیو سند. راتلونکی - تاسو شیان هیر کوئ - ګړندی [1، 2].
ژور غوطه: د معلوماتو رول، یا ولې دننه کثافات لاهم د کثافاتو ایستل معنی لري 🗑️➡️✨
عصبي شبکې په جادويي ډول نیمګړتیاوې نه حل کوي. کږ لیبلونه، د تشریح غلطۍ، یا تنګ نمونې به ټول د ماډل له لارې منعکس شي. ترتیب، تفتیش، او وده. او که تاسو ډاډه نه یاست چې تاسو ډیرو معلوماتو ته اړتیا لرئ یا غوره ماډل ته، ځواب اکثرا په ځورونکي ډول ساده دی: دواړه - مګر د معلوماتو کیفیت سره پیل کړئ [1].
"په مصنوعي ذهانت کې عصبي شبکه څه ده؟" - لنډ تعریفونه چې تاسو یې بیا کارولی شئ 🧾
-
عصبي شبکه یو پرت لرونکی فعالیت نږدې کوونکی دی چې د تدریجي سیګنالونو په کارولو سره د وزنونو تنظیم کولو سره پیچلي نمونې زده کوي [1، 2].
-
دا یو داسې سیسټم دی چې د پرله پسې غیر خطي ګامونو له لارې ان پټونه په محصولاتو بدلوي، چې د زیان کمولو لپاره روزل شوي دي [1].
-
دا یو انعطاف منونکی، د معلوماتو وږی ماډلینګ چلند دی چې په غیر منظم معلوماتو لکه انځورونو، متن، او آډیو کې وده کوي [1، 2، 3].
ډېر اوږد، نه دی لوستل شوی او وروستۍ تبصرې 🎯
که څوک له تاسو څخه پوښتنه وکړي چې په AI کې عصبي شبکه څه ده؟ دلته د غږ ټکی دی: عصبي شبکه د ساده واحدونو یوه ټولګه ده چې ګام په ګام معلومات بدلوي، د ضایع کمولو او د تدریجي تعقیبولو سره د بدلون زده کړه کوي. دوی ځواکمن دي ځکه چې دوی اندازه کوي، په اتوماتيک ډول ځانګړتیاوې زده کوي، او کولی شي خورا پیچلي دندې استازیتوب وکړي [1، 4]. دوی خطرناک دي که تاسو د معلوماتو کیفیت، حکومتداري، یا څارنه له پامه غورځوئ [5]. او دوی جادو نه دي. یوازې ریاضي، محاسبه، او ښه انجینري - د خوند یو څاڅکی سره.
نور لوستل، په دقت سره غوره شوي (د حوالې پرته اضافي)
-
د سټینفورډ CS231n یادښتونه - د لاسرسي وړ او عملي: https://cs231n.github.io/
-
DeepLearningBook.org - د اعتبار وړ حواله: https://www.deeplearningbook.org/
-
د NIST AI د خطر مدیریت چوکاټ - د AI مسؤل لارښود: https://www.nist.gov/itl/ai-risk-management-framework
-
"توجه هغه څه دي چې تاسو ورته اړتیا لرئ" - د ټرانسفارمر مقاله: https://arxiv.org/abs/1706.03762
ماخذونه
[1] ګوډفیلو، آی.، بینجیو، وای.، او کورویل، اې. ژوره زده کړه . MIT پریس. وړیا آنلاین نسخه: نور ولولئ
[2] سټینفورډ CS231n. د بصري پیژندنې لپاره کنولوشنل عصبي شبکې (د کورس یادښتونه): نور ولولئ
[3] واسواني، اې.، شازیر، این.، پرمار، این.، او نور (۲۰۱۷). پاملرنه هغه څه دي چې تاسو ورته اړتیا لرئ . نیوریپس. arXiv: نور ولولئ
[4] سایبینکو، جي. (1989). د سیګموایډل فعالیت د سوپرپوزیشنونو له مخې نږدې والی . د کنټرول، سیګنالونو او سیسټمونو ریاضي ، 2، 303-314. سپرینګر: نور ولولئ
[5] NIST. د AI د خطر مدیریت چوکاټ (AI RMF) : نور ولولئ