الهدف: تحديد موقع التعلم العميق (Deep Learning)، وفهم ما يُغيّره، وتجنّب ردّ الفعل التلقائي القائل «شبكة عصبية لكل شيء». المدة: 35 دقيقة.
الذكاء الاصطناعي يجمع التقنيات التي تُمكِّن الآلة من إنجاز مهمّة مرتبطة بالذكاء. أما تعلم الآلة (Machine learning) فهو جزء من الذكاء الاصطناعي، حيث تُضبط القواعد انطلاقاً من البيانات. والتعلم العميق (Deep learning) جزء من تعلم الآلة يتعلّم عبر شبكات تحتوي على عدة مستويات من التحويل.
IA ⊃ Machine Learning ⊃ Deep Learningكلمة عميق تصف عدد مراحل التمثيل، لا عمق تفكيرٍ ما. يمكن أن تتحوّل الصورة تِباعاً: بكسلات ← حواف ← نُسُج ← أجزاء ← كائن.
كثيراً ما تتطلّب الطرق الكلاسيكية من الإنسان بناء المتغيّرات المفيدة. تستطيع الشبكة العميقة تعلّم جزء من هذا التمثيل مباشرة انطلاقاً من البيانات الخام. وهذه الخاصية مفيدة على وجه الخصوص للصور والأصوات والنصوص والإشارات المعقّدة.
| الحالة | المرشّح الأول المعقول |
|---|---|
| جدول صغير من 3000 سطر | شجرة قرار، Boosting، انحدار |
| ملايين الصور المُعلَّمة | CNN أو Vision Transformer |
| نصّ مع نموذج مُدرَّب مسبقاً | Transformer مُكيَّف |
| قاعدة عملية دقيقة ومستقرّة | برمجة كلاسيكية |
تتطلّب الشبكات العميقة عادةً بيانات وحوسبة وتجارب أكثر. وهي حسّاسة للبروتوكول والتهيئة ومعدّل التعلم. النموذج الأكبر ليس بالضرورة أكثر دقّة، ولا أكثر فائدة تلقائياً.
اختر ثلاث حالات: جدول لتسرُّب العملاء (Churn)، وصور أشعّة سينية، وقاعدة ضريبية دقيقة. لكل حالة، اقترح أبسط حل ممكن، وخط أساس، والإثبات المتوقّع، ومعياراً للتوقف. المخرَج النهائي: جدول من صفحة واحدة. النجاح: لا يُختار أيّ حل لمجرّد أنه «حديث».
القراءة: التعلم العميق ليس اختياراً تلقائياً. طبيعة البيانات وكمية الإشراف وميزانية الحوسبة وكلفة التشغيل هي التي تحدّد الحلّ. المزلق الرئيسي هو اختيار المعمارية الأكثر تعقيداً قبل وضع خط أساس قابل للقياس.