عرض مصدر تعلم متعمق

[[ملف:AI-ML-DL-ar.png|تصغير|200بك|يسار]]
'''التعلّم المُتعمّق''' أو '''التعلّم العميق<ref>{{استشهاد بويكي بيانات|Q111421033|صفحة=62}}</ref>''' هو مجال بحث جديد يتناول إيجاد نظريات [[خوارزمية|وخوارزميات]] تتيح للآلة أن تتعلم بنفسها عن طريق محاكاة الخلايا العصبية في جسم الإنسان. وأحد فروع العلوم التي تتناول علوم [[ذكاء اصطناعي|الذكاء الاصطناعي]]. يعد من فرع من فروع علوم [[تعلم الآلة|التعلم الآلي]]، تركز معظم أبحاث التعلم المتعمق على إيجاد أساليب استنباط درجة عالية من المتجردات بتحليل مجموعة بيانات ضخمة<ref>[http://deeplearning.net/ موقع ديب ليرننغ الرسمي] - اتطلع عليه 17 اغسطس 2016. {{Webarchive|url=https://web.archive.org/web/20171213184650/http://deeplearning.net/ |date=13 ديسمبر 2017}}</ref> باستخدام [[تحويل خطي|متحولات خطية]] وغير خطية.<ref name="goodfellow2016">Ian Goodfellow, Yoshua Bengio, and Aaron Courville (2016). Deep Learning. MIT Press. [http://www.deeplearningbook.org Online] {{Webarchive|url=https://web.archive.org/web/20180127104809/http://www.deeplearningbook.org/ |date=27 يناير 2018}}</ref><ref name="BOOK2014">{{استشهاد بدورية محكمة|مؤلف1-الأخير=Deng|مؤلف1-الأول=L.|مؤلف2-الأخير=Yu|مؤلف2-الأول=D.|سنة=2014|عنوان=Deep Learning: Methods and Applications|مسار=https://www.microsoft.com/en-us/research/publication/deep-learning-methods-and-applications/?from=http%3A%2F%2Fresearch.microsoft.com%2Fpubs%2F209355%2Fdeeplearning-nowpublishing-vol7-sig-039.pdf|صحيفة=Foundations and Trends in Signal Processing|المجلد=7|العدد=3-4|صفحات=1–199|doi=10.1561/2000000039| مسار أرشيف = https://web.archive.org/web/20160314152112/http://research.microsoft.com/pubs/209355/DeepLearning-NowPublishing-Vol7-SIG-039.pdf | تاريخ أرشيف = 14 مارس 2016 }}</ref><ref name="BENGIODEEP">{{استشهاد بدورية محكمة|الأول=Yoshua|الأخير=Bengio|سنة=2009|عنوان=Learning Deep Architectures for AI|مسار=http://sanghv.com/download/soft/machine%20learning,%20artificial%20intelligence,%20mathematics%20ebooks/ML/learning%20deep%20architectures%20for%20AI%20%282009%29.pdf|صحيفة=Foundations and Trends in Machine Learning|المجلد=2|العدد=1|صفحات=1–127|doi=10.1561/2200000006| مسار أرشيف = https://web.archive.org/web/20160304084250/http://sanghv.com/download/soft/machine%20learning,%20artificial%20intelligence,%20mathematics%20ebooks/ML/learning%20deep%20architectures%20for%20AI%20(2009).pdf | تاريخ أرشيف = 4 مارس 2016 }}</ref><ref name="BENGIO2012">{{استشهاد بدورية محكمة|مؤلف1-الأخير=Bengio|مؤلف1-الأول=Y.|مؤلف2-الأخير=Courville|مؤلف2-الأول=A.|مؤلف3-الأخير=Vincent|مؤلف3-الأول=P.|سنة=2013|عنوان=Representation Learning: A Review and New Perspectives|صحيفة=IEEE Transactions on Pattern Analysis and Machine Intelligence|المجلد=35|العدد=8|صفحات=1798–1828|arxiv=1206.5538|doi=10.1109/tpami.2013.50}}</ref><ref name="SCHIDHUB">{{استشهاد بدورية محكمة|الأخير=Schmidhuber|الأول=J.|سنة=2015|عنوان=Deep Learning in Neural Networks: An Overview|صحيفة=Neural Networks|المجلد=61|صفحات=85–117|arxiv=1404.7828|doi=10.1016/j.neunet.2014.09.003}}</ref><ref name="NatureBengio">{{استشهاد بدورية محكمة|مؤلف1-الأخير=Bengio|مؤلف1-الأول=Yoshua|مؤلف2-الأخير=LeCun|مؤلف2-الأول=Yann|مؤلف3-الأخير=Hinton|مؤلف3-الأول=Geoffrey|سنة=2015|عنوان=Deep Learning|صحيفة=Nature|المجلد=521|صفحات=436–444|doi=10.1038/nature14539}}</ref><ref>Deep Machine Learning – A New Frontier in Artificial Intelligence Research – a survey paper by Itamar Arel, Derek C. Rose, and Thomas P. Karnowski. IEEE Computational Intelligence Magazine, 2013</ref><ref name="scholarpedia">{{استشهاد بدورية محكمة|مؤلف1-الأخير=Schmidhuber|مؤلف1-الأول=Jürgen|مؤلف-وصلة=Jürgen Schmidhuber|سنة=2015|عنوان=Deep Learning|مسار= http://www.scholarpedia.org/article/Deep_Learning|صحيفة=Scholarpedia|المجلد=10|العدد=11|صفحة=32832|doi=10.4249/scholarpedia.32832|مسار أرشيف= https://web.archive.org/web/20190524015435/http://www.scholarpedia.org:80/article/Deep_Learning|تاريخ أرشيف=2019-05-24}}</ref><ref name="DLPATTERNS">{{استشهاد ويب|عنوان=A Pattern Language for Deep Learning|مؤلف=Carlos E. Perez|مسار=http://www.deeplearningpatterns.com| مسار أرشيف = https://web.archive.org/web/20170603205959/http://deeplearningpatterns.com/ | تاريخ أرشيف = 3 يونيو 2017 }}</ref>

أثبتت الاكتشافات في هذا المجال تقدما كبيرا وسريعا وفعالية في العديد المجالات منها [[تعرف الوجوه|التعرف على الوجه]]، [[تعرف على الكلام|التعرف على الكلام]]، [[رؤية حاسوبية|الرؤية الحاسوبية]]، و[[معالجة اللغة الطبيعية|معالجة اللغات الطبيعية]].

تتعلم الآلة من البيانات الضخمة باستخدام تصميمات مختلفة لشبكات التعلم العميق منها: الشبكات المتكررة (RNN) المستخدمة بكثرة مع النصوص والبيانات المستمرة و[[شبكة عصبونية التفافية|الشبكة عصبوية التفافية]] (CNN) التي تستمد إلهامها من العمليات البيولوجية في الفص البصري وغيرها من التصميمات.

== الفكرة الاساسية ==
يمكن توصيف أي كائن بطرق عديدة متنوعة. مثلا، يمكن توصيف صورة ما على اساس [[متجه]]ي لدرجة الضياء في كل وحدة [[بكسل]] أو بطريقة متجردة على اساس مجموع الحواف والمناطق التي تشكل الصورة. هناك العديد من الاساليب الأخرى التي يمكن استعمالها لتوصيف هذه الصورة. وتشير الدراسات ان بعض هذه الاساليب هي أفضل من غيرها في تبسيط تعلم الآلة (مثل ملاحظة الوجه أو ملاحظة التعابير).<ref>{{استشهاد بأطروحة|الأخير=Glauner|الأول=P.|سنة=2015|عنوان=Deep Convolutional Neural Networks for Smile Recognition|arxiv=1508.06535|النوع=MSc Thesis|ناشر=[[كلية لندن الإمبراطورية]], Department of Computing}}</ref> ومن الاهداف المتوقعة في دراسة التعلم المتعمق هو استبدال [[ميزة (تعلم الآلة)|ميزات]] التعلم الالي التي يتم تحديدها بشريا بميزات يتم انتاجها بواسطة الآلة نفسها عن طريق خوارزميات فعالة في استنباط الميزات بصورة ألية أو نصف آلية.<ref>{{استشهاد بكتاب|مؤلف1-الأخير=Song|مؤلف1-الأول=H.A.|مؤلف2-الأخير=Lee|مؤلف2-الأول=S. Y.|سنة=2013|الفصل=Hierarchical Representation Using NMF|عنوان=Neural Information Processing|سلسلة=Lectures Notes in Computer Sciences|المجلد=8226|العدد=|صفحات=466–473|ناشر=[[شبرينغر|سبرنجر]]|isbn=978-3-642-42053-5|doi=10.1007/978-3-642-42054-2_58}}</ref>

تعتمد ابحاث التعلم المتعمق على الاكتشافات في [[علوم عصبية|علوم الاعصاب]] بشكل كبير وخاصة في مجال فهم [[تشفير عصبي|العمليات الترميزة]] التي يقوم بها [[جهاز عصبي|النظام العصبي]] في تحديد العلاقات المختلفة بين المحفزات والنشاطات [[دماغية|الدماغية]].<ref>{{استشهاد بدورية محكمة|مؤلف1-الأخير=Olshausen|مؤلف1-الأول=B. A.|سنة=1996|عنوان=Emergence of simple-cell receptive field properties by learning a sparse code for natural images|صحيفة=Nature|المجلد=381|العدد=6583|صفحات=607–609|doi=10.1038/381607a0}}</ref>

== التطبيقات ==
وتم استعمال هيكليات تعلمية، مثل الشبكات العصبية المتعمقة، [[شبكة عصبونية التفافية|الشبكات العصبية الالتفافية]]، وشبكات الايمان المتعمقة، في تطبيقات مثل [[رؤية حاسوبية|الرؤية الحاسوبية]]، [[تعرف على الكلام|التعرف على الكلام]]، و[[معالجة اللغة الطبيعية|معالجة اللغات الطبيعية]].

== للاستزادة ==
* [[اتصالية|الاتصالية]]
* [[تشفير عصبي|التشفير المتناثر]]
* [[ذكاء اصطناعي|الذكاء الاصطناعي]]
* [[شبكة عصبونية اصطناعية]]
* [[تنقيب في البيانات]]
* [[تمييز الأنماط]]
* [[تعلم الآلة]]
* [[الذكاء الاصطناعي القابل للتفسير]]

== مواقع خارجية ==

=== مجموعات ابحاث ===
* [http://learning.cs.toronto.edu/ مجموعة تعليم الآلة] - جامعة تورونتو
* [http://www.iro.umontreal.ca/rubrique.php3?id_rubrique=27 مختبرات ميلا] - جامعة مونتريال
* [http://www.cs.ox.ac.uk/projects/DeepLearn/index.html محموعة التعلم المتعمق] - جامعة اوكسفورد
* [https://research.facebook.com/ai ابحاث فايسبوك في مجال الذكاء الاصطناعي]
* [http://deeplearning.net/software_links/ موقع روابط برمجيات التعلم المتعمق] - موقع deeplearning.net.

=== نماذج للتعلم المتعمق ===
* [http://www.cs.toronto.edu/~graves/handwriting.html موقع تطوير الكتابة الخطية] - جامعة تورونتو
* [http://104.131.78.120/ موقع الترجمة بواسطة الاعصاب الالية] - جامعة مونتريال
* [http://nlp.stanford.edu/sentiment/ موقع التعلم المتعمق لتحليل العواطف] - جامعة ستانفورد
* [https://ahmadai.com/shakkala موقع تشكيل الحروف العربية باستخدام التعلم العميق] - مشروع مفتوح المصدر

=== مواقع تدريب ===
* المدرسة الصيفية للتعلم المتعمق - مجموعة أفلام تدريبية - جامعة مونتريال 2015.
* [https://web.archive.org/web/20200515050359/https://www.youtube.com/watch?v=AyzOUbkUf3M جيل جديد من الشبكيات العصبية] - فيديو يوتيوب عن طريق جوجل تولك - كانون الأول/ديسمبر 2007.

== المراجع ==
{{مراجع}}
{{ضبط استنادي}}
{{شريط بوابات|علم الحاسوب|التعلم الآلي|تقنية المعلومات}}
{{روابط شقيقة|commons=Deep learning}}
{{مصادر طبية}}

[[تصنيف:تعلم متعمق (ذكاء اصطناعي)]]
[[تصنيف:تقانات ناشئة]]
[[تصنيف:ذكاء اصطناعي]]
[[تصنيف:شبكات عصبونية اصطناعية]]