تخيل أنك تريد تعليم حاسوب كيف يميز القطط في الصور.
يمكنك أن تحاول وصف القطة له: لها أذنان، وشوارب، وأربع أرجل. لكن ماذا لو كانت الصورة مظلمة؟ أو كانت القطة ملتفة داخل صندوق ولا يظهر منها إلا الرأس؟
سرعان ما ستكتشف أن كتابة قاعدة لكل احتمال مهمة مستحيلة.
التعلم العميق يحل هذا بطريقة مختلفة تمامًا: بدل قائمة قواعد، طبقات.
ما هو التعلم العميق؟
التعلم العميق، أو Deep Learning، هو نوع متقدم من تعلم الآلة يمرّر المعلومة عبر طبقات متتالية، كل طبقة تفهم جزءًا صغيرًا وتسلّمه للتي بعدها. وهذه الطبقات تُبنى على شكل شبكة عصبية.
في مثال القطة: الطبقة الأولى ترى خطوطًا وحوافّ فقط. الطبقة التي بعدها تجمع هذه الخطوط فترى أشكالًا: دائرة، مثلث. طبقة أخرى تجمع الأشكال فترى أذنًا أو عينًا. وفي النهاية تجتمع الإشارات كلها لتقول: هذه قطة.
لا توجد طبقة واحدة تعرف ما هي القطة. المعرفة موزّعة على الطريق كله.
لماذا سُمّي «عميقًا»؟
ليس لأنه يفكر بعمق. الكلمة تصف عدد الطبقات، لا نوعية التفكير.
شبكة بثلاث طبقات ضحلة. شبكة بمئة طبقة عميقة. هذا كل ما في الأمر.
وهذه واحدة من الحالات الكثيرة التي اختير فيها مصطلح تقني يوحي بأكثر مما يعنيه.
كيف يتعلم؟
مثل طالب يحل تمرينًا ثم يرى التصحيح.
نعرض عليه صورة، فيقول: كلب. نقول له: خطأ. فيعود إلى الوراء عبر طبقاته ليعرف أي جزء ساهم في الخطأ، ويعدّله قليلًا.
ثم صورة أخرى، وتصحيح آخر. ملايين المرات.
وبعد وقت طويل من هذا، تصبح الطبقات مضبوطة بحيث تعطي الجواب الصحيح في معظم الحالات.
ما الفرق بينه وبين تعلم الآلة العادي؟
في تعلم الآلة التقليدي، الإنسان هو من يحدد ما الذي يجب النظر إليه. إذا أردنا توقع سعر منزل، نقول للنظام: انظر إلى المساحة والموقع وعدد الغرف.
في التعلم العميق، النظام يكتشف بنفسه ما الذي يستحق النظر إليه. وهذا ما جعله ينجح في الصور والأصوات والنصوص، حيث لا نعرف أصلًا كيف نصف ما يجب ملاحظته.
لكنه ليس الأفضل دائمًا. إذا كانت البيانات قليلة أو المشكلة واضحة، فنموذج أبسط سيكون أسرع وأسهل في الفهم — وستعرف لماذا اتخذ قراره، وهو أمر يصعب مع الشبكات العميقة.
أين نجده؟
في التعرف على الوجوه، وتحويل الكلام إلى نص، والترجمة، واقتراح الأفلام، وتحليل بعض الصور الطبية.
وهو الأساس الذي بُنيت عليه نماذج اللغة الكبيرة ومولّدات الصور. كل ما تسميه اليوم «ذكاءً اصطناعيًا توليديًا» يقوم عليه.
الخلاصة
التعلم العميق هو ما جعل الآلة تتعامل مع الصور والأصوات واللغة بمستوى لم يكن ممكنًا قبل عشر سنوات.
لكن العمق هنا في عدد الطبقات، لا في الفهم. النظام يلتقط أنماطًا معقدة جدًا في البيانات، وهذا مختلف تمامًا عن أن يعرف معنى ما يرى.