تعريف التعلم العميق

ما هو التعلم العميق؟

التعلم العميق عبارة عن وظيفة ذكاء اصطناعي تحاكي طريقة عمل العقل البشري في معالجة البيانات وإنشاء أنماط لاستخدامها في صنع القرار. التعلم العميق عبارة عن مجموعة فرعية من التعلم الآلي في الذكاء الاصطناعي (AI) التي لديها شبكات قادرة على التعلم غير الخاضعة للرقابة من البيانات غير المنظمة أو غير المسماة. المعروف أيضا باسم التعلم العصبي العميق أو الشبكة العصبية العميقة.

كيف يعمل التعلم العميق

لقد تطور التعلم العميق جنبًا إلى جنب مع العصر الرقمي ، الذي أحدث انفجارًا في البيانات بجميع أشكاله ومن جميع مناطق العالم. هذه البيانات ، المعروفة ببساطة باسم البيانات الضخمة ، مستمدة من مصادر مثل وسائل التواصل الاجتماعي ومحركات البحث على الإنترنت ومنصات التجارة الإلكترونية ودور السينما على الإنترنت ، وغيرها. يمكن الوصول بسهولة إلى هذا الكم الهائل من البيانات ويمكن مشاركته من خلال تطبيقات fintech مثل الحوسبة السحابية.

ومع ذلك ، فإن البيانات ، التي عادة ما تكون غير مهيكلة ، واسعة للغاية بحيث قد يستغرق الأمر عقودًا حتى يفهمها البشر ويستخلصون المعلومات ذات الصلة. تدرك الشركات الإمكانات المذهلة التي يمكن أن تنجم عن كشف هذا الكم الهائل من المعلومات والتكيف بشكل متزايد مع أنظمة الذكاء الاصطناعي للحصول على الدعم الآلي.

التعلم العميق يتعلم من كميات هائلة من البيانات غير المهيكلة التي قد تستغرق عادة البشر عقودًا لفهمها ومعالجتها.

التعلم العميق مقابل تعلم الآلة

واحدة من أكثر تقنيات الذكاء الاصطناعي شيوعًا المستخدمة في معالجة البيانات الضخمة هي التعلم الآلي ، وهي خوارزمية ذاتية التكيف تحصل على تحليل وأنماط أفضل بشكل متزايد مع خبرة أو مع بيانات مضافة حديثًا.

إذا أرادت شركة المدفوعات الرقمية اكتشاف حدوث أو احتمال حدوث احتيال في نظامها ، فيمكنها استخدام أدوات التعلم الآلي لهذا الغرض. ستقوم الخوارزمية الحاسوبية المضمنة في نموذج الكمبيوتر بمعالجة جميع المعاملات التي تحدث على النظام الأساسي الرقمي ، والعثور على أنماط في مجموعة البيانات وتشير إلى أي شذوذ اكتشفه النمط.

التعلم العميق ، وهو مجموعة فرعية من التعلم الآلي ، يستخدم المستوى الهرمي للشبكات العصبية الاصطناعية لتنفيذ عملية التعلم الآلي. يتم بناء الشبكات العصبية الاصطناعية مثل الدماغ البشري ، مع ربط العقد العصبية معًا مثل الويب. في حين أن البرامج التقليدية تبني التحليل مع البيانات بطريقة خطية ، فإن الوظيفة الهرمية لأنظمة التعلم العميق تمكن الآلات من معالجة البيانات باستخدام نهج غير خطي.

قد يعتمد النهج التقليدي للكشف عن الاحتيال أو غسل الأموال على مقدار المعاملة التي تستتبعه ، بينما تتضمن التقنية غير الخطية للتعلم العميق الوقت والموقع الجغرافي وعنوان IP ونوع تاجر التجزئة وأي ميزة أخرى من المحتمل أن تشير إلى نشاط احتيالي. تقوم الطبقة الأولى من الشبكة العصبية بمعالجة إدخال بيانات أولي مثل مقدار المعاملة وتمريرها إلى الطبقة التالية كمخرجات. تقوم الطبقة الثانية بمعالجة معلومات الطبقة السابقة من خلال تضمين معلومات إضافية مثل عنوان IP الخاص بالمستخدم وتمرير النتائج.

تأخذ الطبقة التالية معلومات الطبقة الثانية وتتضمن بيانات أولية مثل الموقع الجغرافي وتجعل نمط الماكينة أفضل. يستمر هذا عبر جميع مستويات شبكة الخلايا العصبية.

الماخذ الرئيسية

• التعلم العميق عبارة عن إحدى وظائف الذكاء الاصطناعي التي تحاكي عمل الدماغ البشري في معالجة البيانات لاستخدامها في صنع القرار. التعلم العميق: الذكاء الاصطناعي قادر على التعلم من البيانات غير المنظمة وغير المُعلَّمة على حد سواء. للمساعدة في الكشف عن الاحتيال أو غسل الأموال.

مثال على التعلم العميق

باستخدام نظام الكشف عن الاحتيال المذكورة أعلاه مع التعلم الآلي ، يمكن للمرء إنشاء مثال التعلم العميق. إذا قام نظام التعلم الآلي بإنشاء نموذج بمعلمات مبنية على عدد الدولارات التي يرسلها المستخدم أو يستلمها ، فيمكن أن تبدأ طريقة التعلم العميق في البناء على النتائج التي يوفرها التعلم الآلي.

تعتمد كل طبقة من شبكتها العصبية على طبقتها السابقة مع بيانات مضافة مثل بائع التجزئة والمرسل والمستخدم وحدث الوسائط الاجتماعية ودرجة الائتمان وعنوان IP ومجموعة من الميزات الأخرى التي قد تستغرق سنوات للتواصل معًا إذا تمت معالجتها بواسطة شخص يجرى. يتم تدريب خوارزميات التعلم العميق ليس فقط لإنشاء أنماط من جميع المعاملات ، ولكن أيضًا معرفة متى يشير النموذج إلى الحاجة إلى إجراء تحقيق احتيالي. تنقل الطبقة الأخيرة إشارة إلى محلل يمكنه تجميد 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 ومنصات مفتوحة المصدر مع تطبيقات توصية المستهلك وأدوات البحث الطبي التي تستكشف إمكانية إعادة استخدام العقاقير لعلاج أمراض جديدة هي بعض الأمثلة على دمج التعلم العميق.

حقيقة سريع

تعمل شركة صناعة الإلكترونيات Panasonic مع الجامعات ومراكز البحوث لتطوير تقنيات التعليم العميق المتعلقة برؤية الكمبيوتر.