اشترك

الاستمرار بالحساب الحالي

شارك
شارك
Article image
مصدر الصورة: إم إس تك



يبدو أننا كنا نُهدر قدرات الحوسبة على تدريب شبكات عصبونية أكبر بعشر مرات مما هو مطلوب فعلياً.

2019-11-13 14:04:40

20 مايو 2019
تمثل الشبكات العصبونية القلبَ البرمجي للتعلم العميق، وعلى الرغم من انتشارها الواسع، فما زال فهمنا لها سطحياً. وقد اكتفى الباحثون بدراسة خصائصها الواضحة من دون أن يفهموا فعلياً سبب عملها بهذه الطريقة. والآن، قطع بحث جديد من إم آي تي خطوة كبيرة نحو الإجابة عن هذه الأسئلة، وأثناء هذا العمل أحرز الباحثون اكتشافاً بسيطاً ولكنه هام أيضاً، وهو أننا كنا نستخدم شبكات عصبونية أكبر بكثير مما نحتاجه فعلياً، وفي بعض الأحيان، فإن هذه الشبكات أكبر من حاجتنا بعشر مرات أو حتى مائة مرة، ولهذا فإن تدريبها يتطلب من الوقت واستطاعة الحوسبة أكثر مما هو مطلوب بعدة مراتب. ويمكن أن نعبر عن هذه النتيجة بطريقة أخرى، وهي أنه توجد ضمن كل شبكة عصبونية شبكة أصغر بكثير ويمكن تدريبها لتحقيق نفس أداء الشبكة الأساسية الكبيرة. ولا تمثل هذه النتيجة خبراً مثيراً بالنسبة لباحثي الذكاء الاصطناعي وحسب، بل يحتمل أن تؤدي أيضاً إلى تطبيقات جديدة –قد لا نستطيع استيعاب بعضها حتى الآن- يمكن لها أن تحسِّن حياتنا اليومية، كما سنرى لاحقاً. ولكن في البداية، لنطلع على طريقة عمل الشبكات العصبونية حتى نعرف كيف يمكن تحقيق هذا الأمر. شكل توضيحي لطريقة تعلم الشبكة العصبونية كيفية التعرف على أسد. مصدر الصورة: جيف كلون/ صورة شاشة (من تعديل آم آي تي تكنولوجي ريفيو

ادخل بريدك الإلكتروني واقرأ هذا المقال مجاناً.

أو اشترك الآن واستفد من العرض الأقوى بمناسبة اليوم الوطني السعودي.
25% على الاشتراكات السنوية في مجرة.



مراسلة الذكاء الاصطناعي ، إم آي تي تكنولوجي ريفيو