معتمدة بالترقيات العلمية بقرار وزارة التعليم العالي والبحث العلمي رقم (ب ت 6 / 1738)

الشبكة العصبية الإصطناعية ذات الخصومة التوليدية: هبة الذكاء الصناعي للعقدين الماضيين

د. مازن هاشم

دكتوراه

3 دقائق قراءة•٢٦٨ مشاهدة•١‏/٨‏/٢٠٢٢
الشبكة العصبية الإصطناعية ذات الخصومة التوليدية: هبة الذكاء الصناعي للعقدين الماضيين
وَصَف خبير الذكاء الاصطناعي يان لوكون شبكة الخصومة التوليدية GAN بأنها \"أروع فكرة في ميدان التعلم الآلي في السنوات العشرين الماضية\"، فماهي؟ ومم تتكون؟ وماهي استخداماتها؟ وماهي فوائدها ومضارُّها؟\r\n\r\nلا شك أن الذكاء الاصطناعي (أو الصنعي أو الصناعي) هو من أهم المحاور البحثية في السنوات الأخيرة، بل أنه بدأ يدخل تفاصيل حياتنا اليومية دون أن نشعر، وذلك من خلال الكثير من التطبيقات التي نستخدمها سواءً على الحواسيب أو أجهزة الهواتف المحمولة فضلاً عما تعرضه علينا القنوات المتلفزة من أخبار وأفلام وبرامج متنوعة. ومن إحدى أهم مخرجات الذكاء الصناعي هي الشبكات العصبية الإصطناعية (ANN)  والتي تحاول محاكاة الشبكات العصبية للإنسان من ناحية القابلية على التعلم والتدرب ومن ثم التمييز والتصنيف كأن تميز بين صورتين أيهما شجرة وأيهما وردة على سبيل المثال، أو تصنف مجموعة من الصور إلى عدة أصناف مثلاً سيارات، دراجات، سفن، بشر، وهكذا، بالإضافة إلى الكثير من التطبيقات في شتى مجالات الحياة.  ولا يخفى على القارئ الكريم أن الذكاء الصناعي يتضمن التعلم الآلي والذي بدوره يشتمل على التعلم العميق وهي محاور الاهتمام التي يشملها.\r\n\r\nفي خضم التطور العلمي للذكاء الصناعي والشبكات العصبية الإصطناعية وفي عام 2014 قام الباحث الإسباني الشاب إيان جود فيلو وزملاؤه بعرض ما توصلوا إليه من نمط جديد من الشبكات العصبية وهي شبكة الخصومة التوليدية والتي تعتمد على نظرية اللعبة وقد أثارت إعجاب الأوساط البحثية والصناعية، بل والتجارية وكانت المفتاح للكثير من البحوث والتطبيقات والتطوير المستمر إلى حد الآن. وقد تحققت الكثير من الأرباح المادية من جرائها.\r\n
تساؤلات مهمة
\r\n
    \r\n
  • ماهي الشبكة العصبية الإصطناعية؟ وممَّ تتكون؟
  • \r\n
  • ماهي شبكة الخصومة التوليدية؟ وممَّ تتكون؟ وماهي تطبيقاتها؟ وهل هناك مخاوف من بعضها؟
  • \r\n
\r\nتم إعداد هذه المقالة للإجابة عن هذه التساؤلات العلمية بالإضافة إلى بعض التساؤلات الجدلية مثل:\r\n
    \r\n
  • هل يمكن للرسام الراحل فان كوخ أن يرسم لوحة جديدة اليوم؟
  • \r\n
  • ماذا لو أمكن إضافة معزوفة جديدة لبتهوفن لم يعزفها في حياته؟
  • \r\n
  • أيتمكن الحاسوب أن يكتب قصة أو مقالة لم تكتب من قبل؟
  • \r\n
  • هل يمكن تلفيق تسجيلات فيديو (صوت وصورة) لشخص بريء يعترف فيه بما لم يفعل؟
  • \r\n
\r\n
الشبكات العصبية الإصطناعية
\r\nنبعت الفكرة الأولى للشبكات العصبية (أو العصبونية) من آلية عمل العصبونات الدماغية البشرية التي تقوم بمعالجة المعلومات الواردة إلى الدماغ. واكتشف العلماء بصورة تقريبية طريقة عمل المخ من حيث قابلية التعلم والتذكر والقدرة على تصنيف الأشياء واتخاذ القرارات. حيث يتكون المخ من مليارات العصبونات المتشابكة فيما بينها عن طريق الزوائد العصبية لكل خلية، مكونة شبكة هائلة من الخلايا العصبية المترابطة. إن السر الكامن وراء قدرة الدماغ على تخزين المعلومات والصور والصوت وغيرها من الإشارات التي تصل عبر الحواس الخمسة هو هذه التركيبة المعقدة للشبكة العصبية، والتي تمكنها أيضا من التعلم عن طريق التكرار والخطأ.\r\n\r\nيبدأ التعلم عند البشر في مرحلة ما قبل الولادة ولا يتوقف إلا عند الوفاة. ولنضرب مثالاً على التعلم الأولي لدى صغار الأطفال، فمثلا لو عرضنا على طفل صغير مجموعة من صور مختلفة فيها مثلا سيارة وكرة وطائر وعلمناه أسمائها. وبعد تعلمها لو عرضنا عليه صورة سيارة لم يرها من قبل فسيقوم بمقارنتها مع ما تعلمه وسيعرف أنها لا تشبه الكرة ولا الطير وإنما تشبه السيارة السابقة وسيقرر أنها سيارة برغم أنه لم يرها سابقا، بل رأى ما يشابهها. وهكذا فإن أي شيء يتعلمه الطفل يتم تخصيص شبكة عصبية خاصة لهذه المعلومة، وذلك بتعزيز روابط معينة بين عصبونات محددة داخل شبكة مخصصة.
الكلمات المفتاحية:الذكاء الصناعيالتعلم الآليشبكات الخصومة التوليدية

المصادر والمراجع المعتمدة:

المصادر\r\n
    \r\n
  1.   I. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, et al., “Generative adversarial networks,” Commun. ACM, vol. 63, no. 11, pp. 139–144, 2020.
  2. \r\n
  3.     K. Wang, C. Gou, Y. Duan, Y. Lin, X. Zheng, et al., “Generative adversarial networks: Introduction and outlook,” IEEE/CAA Journal of Automatica Sinica, vol. 4, no. 4. pp. 588–598, 2017.
  4. \r\n
  5.    J. Y. Zhu, T. Park, P. Isola, and A. A. Efros, “Unpaired Image-to-Image Translation Using Cycle-Consistent Adversarial Networks,” Proc. IEEE Int. Conf. Comput. Vis., vol. 2017-October, pp. 2242–2251, 2017.
  6. \r\n
  7.    S. Shahriar, “GAN computers generate arts? A survey on visual arts, music, and literary text generation using generative adversarial network,” Displays, vol. 73. 2022.
  8. \r\n
  9.  18 Impressive Applications of Generative Adversarial Networks (GANs), by Jason Brownlee on June 14, 2019 in Generative Adversarial Networks, https://machinelearningmastery.com/impressive-applications-of-generative-adversarial-networks/ ,Last visited 28/7/2022.
  10. \r\n
  11. [6] Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks, by Jun-Yan Zhu, Taesung Park, Phillip Isola, Alexei A. Efros, https://junyanz.github.io/CycleGAN/ ,Last visited 28/7/2022.
  12. \r\n
خدمة معتمدة للترقيات العلمية

هل أنت صاحب هذا المقال وتريد كتاب تأييد رسمي؟

يمكنك إصدار كتاب تأييد نشر رسمي موجه لعمادة كليتك وجامعتك مصحوباً برقم صادر وكود QR للترقيات.

تقديم طلب التأييد الآن