AI, graphs and neural networks
مُقدَّم| English | المعنى |
|---|---|
| machine learning/məˈʃiːn ˈlɜːnɪŋ/ | تعلم الآلة |
| deep learning/diːp ˈlɜːnɪŋ/ | التعلم العميق |
| graph/ɡræf/ | رسم بياني |
| neural networks/ˈnjuːrəl ˈnetwɜːks/ | الشبكات العصبية |
| nodes/nəʊdz/ | عقد |
| edges/ˈedʒɪz/ | حواف |
| minimax/ˈmɪnɪmæks/ | أقل قيمة أعلى |
| weight/weɪt/ | وزن |
| activation function/ˌæktɪˈveɪʃn ˈfʌŋkʃn/ | دالة التنشيط |
| hidden layers/ˈhɪdn ˈleɪəz/ | الطبقات المخفية |
البرنامج الذي تعلم الرؤية دون أن يُقال له ما يبحث عنه
- في عام 2012، دخل فريق مسابقة التعرف على الصور ببرنامج لم تُعطَ أي قاعدة واحدة عن شكل القطط. تم عرضه على مليون صورة مصطفة، وقام باستنتاج القواعد بنفسه.
- خفف معدل الخطأ لكل إدخال مُبرمج يدويًا بنصفه. خلال ثلاث سنوات، تخلى المجال بأكمله عن كتابة القواعد.
- هذا الانعكاس هو موضوع هذا القسم: ليس "كيف نخبر الكمبيوتر ما هو القط"، بل "كيف يعمل الكمبيوتر على استنتاج ذلك من الأمثلة".
- هذه الدرس هو ما تعنيه تعلم الآلة والتعلم العميق، وكيف يحول الرسم البياني مشاكل الذكاء الاصطناعي إلى بحث، وما الذي يحسبه الشبكة العصبية الاصطناعية فعليًا.
الذكاء الاصطناعي، تعلم الآلة والتعلم العميق
- الذكاء الاصطناعي هو الهدف الواسع: أنظمة تؤدي مهام تتطلب عادةً ذكاء بشريًا، مثل الرؤية، والنطق، والترجمة، والقيادة.
- تعلم الآلة هو النهج الذي يهيمن عليه: خوارزميات تتعلم الأنماط من البيانات بدلاً من برمجتها خطوة بخطوة.
- التعلم العميق هو تعلم الآلة باستخدام شبكات عصبية ذات طبقات عديدة. لقد قادت المجال منذ 2010s لأنه يتعلم مباشرة من البيانات الخام، البكسلات أو الصوت أو النص، دون ميزات مصممة يدوياً.
- تتداخل: التعلم العميق جزء من تعلم الآلة، وهو جزء من الذكاء الاصطناعي.

ثلاثة دوائر، وليس ثلاثة منافسين
Machine learning means an algorithm that:
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
ML learns from data; deep learning is ML using multi-layer neural networks.
How do AI, machine learning and deep learning relate?
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
AI is the goal, machine learning is the dominant approach to it, and deep learning is machine learning with many-layered networks.
الرسوم البيانية، ولماذا الكثير من الذكاء الاصطناعي هو بحث
- الرسم البياني هو مجموعة من العقد متصلة بـالحواف. العقد هي حالات أو أماكن أو مفاهيم؛ الحواف هي حركات أو طرق أو علاقات.
- إيجاد المسار: شبكة الطرق هي رسم بياني، وإيجاد مسار هو بحث في الرسم البياني، باستخدام خوارزمية ديسترا أو A*.
- لعب الألعاب: كل وضعية على اللوحة هي عقدة وكل حركة قانونية هي حافة، لذا اللعبة هي شجرة يبحث فيها مينماكس، بافتراض أن كل لاعب يأخذ خياره الأفضل.
- تمثيل المعرفة: الشبكة الدلالية تحتفظ بالمفاهيم كعلاقات كعقد والعلاقات كحواف. البحث بالعرض والبحث بالعمق هما الأدوات القياسية لاستكشاف أي منها.
In AI, a graph consists of:
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Graphs model states/places as nodes and moves/relationships as edges — used for pathfinding, game trees and knowledge.
مثال محلول: نمذج المشكلة كرسم بياني
- تريد شركة توصيل أقصر طريق بين مدينتين. صف كيف يتم تمثيل ذلك كرسم بياني.
- كل مدينة هي عقدة؛ كل طريق هو حافة تربط عقدتين؛ تحمل الحافة وزنًا، وهو المسافة أو وقت السفر.
- تصبح المشكلة حينئذ "إيجاد المسار بين العقدتين بأصغر وزن إجمالي"، وهي ما تحلها خوارزمية ديسترا.
- اذكر ما هي العقد وما هي الحواف وماذا تعني الأوزان. إجابة تقول فقط "إنه رسم بياني" لا تحصل على أي نقاط.
A road network is modelled as a graph to find the shortest route. Which statements are correct? Select جميعها that apply.
الصعوبة 2/5 · 140 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Places are nodes and connections are edges. Saying what the weights represent is the third mark.
العصبون الاصطناعي
- العصبون الاصطناعي يستقبل عدة مدخلات. يضرب كل مدخل في وزن، ويجمعهم مع تحيز، ثم يمرر المجموع عبر دالة تنشيط غير خطية لإنتاجخرجه.
- الأوزان هي ما يتعلمه الشبكة. دالة التنشيط هي ما يجعل الشبكة قادرة على تمثيل شيء آخر من خط مستقيم: بدونها، تنهار أي عدد من الطبقات في معادلة خطية واحدة.

اضرب، اجمع، ثم انحنِ
Put the steps inside one artificial neuron in order.
الصعوبة 3/5 · 200 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Multiply, sum, activate, pass on. Without the non-linear activation, any depth of network would collapse into one linear formula.
الطبقات، وماذا يعني "عميق"
- مرتبة العصبونات في طبقات. طبقة الإدخال تستقبل البيانات. طبقات مخفية واحدة أو أكثر تتعلم الأنماط الداخلية. طبقة الإخراج تنتج الإجابة، فئة أو رقمًا.
- تُسمى الشبكة عميقة عندما يكون لديها طبقات مخفية عديدة، وتدريب مثل هذه الشبكة هو التعلم العميق.
- لماذا الطبقات المخفية مهمة: في شبكة الصور، تتعلم الأولى الحواف، والوسطى الأشكال، والأخيرة الكائنات. لم يصمم أحد هذه التسلسل الهرمي؛ إنه ما أنتجت عملية التدريب.

المدخلات، الطبقة المخفية، المخرجات، والتعلم يكمن في الأوزان بينها
Tap the parts of a neural network
Explore the layers. Data flows left to right: the input layer takes the features, the hidden layers learn patterns, and the output layer gives the answer — with every connection carrying a weight that training adjusts.
Match each part of a neural network to its role.
الصعوبة 2/5 · 140 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Features enter the input layer, hidden layers learn patterns, the output layer answers; learning = tuning the weights.
A neural network is called "deep" when it has many hidden layers, and each neuron takes a weighted sum of its inputs (plus a bias) before applying an activation function.
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Stacking many hidden layers lets the network learn richer patterns — training such a network is deep learning.
A neural network is called "deep" when it has:
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Many hidden layers make a deep neural network; training one is deep learning.
During training, the values adjusted inside a neural network are its ____.
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
The architecture and the activation function are chosen by the designer; what the network learns is stored in the weights.
مثال محلول: صف كيف يحسب العصبون
- صف ما يحدث داخل عصبون اصطناعي واحد. [3]
- يُضرب كل مدخل في وزنه الخاص، وتُجمع المنتجات مع تحيز.
- يتم تمرير المجموع الناتج عبر دالة تنشيط، وهي غير خطية.
- النتيجة هي مخرجات العصبون، والتي تصبح مدخلات للعصبونات في الطبقة التالية. الأوزان والتحيز هي القيم التي يتم تعديلها أثناء التدريب.
علامات ضائعة
- يتعلم تعلم الآلة أنماطًا من البيانات؛ إنه ليس "مُبرمجًا خطوة بخطوة" وليس سحريًا. قل مما يتعلم منه.
- تعني "عميق" وجود طبقات مخفية كثيرة، لا "ذكاءً كبيرًا" أو "حجمًا كبيرًا جدًا".
- الرسم البياني هو عقد وحواف، ويجب أن يجيب رسم بياني عن ما يمثله كل واحد في هذه المسألة.
- الأوزان هي ما يغيره التدريب. دالة التنشيط والهندسة المعمارية يختارهما المصمم.
لقد فهمت الأمر
- الذكاء الاصطناعي هو الهدف، يتعلم تعلم الآلة الأنماط من البيانات بدلاً من اتباع قواعد مكتوبة، والتعلم العميق هو تعلم الآلة مع شبكات عصبونية متعددة الطبقات
- الرسم البياني لـ العقد و الحواف يحول إيجاد المسار، ولعب الألعاب، وتمثيل المعرفة إلى بحث، باستخدام خوارزميات ديسترا، A*، مينيماكس، البحث بالعرض والبحث بالعمق
- العصبون الاصطناعي يضرب المدخلات في الأوزان، ويضيف تحيزًا، ويطبق دالة تنشيط غير خطية
- الطبقات تعمل مدخلات، طبقة مخفية، مخرجات؛ عميق يعني طبقات مخفية كثيرة، والتعلم يكمن في الأوزان