تعد النماذج التأسيسية مثل نماذج اللغات الكبيرة (LLMs) موضوعًا واسعًا ومتطورًا، ولكن كيف وصلنا إلى هنا؟ للوصول إلى ماجستير إدارة الأعمال، هناك عدة طبقات نحتاج إلى التخلص منها بدءًا من الموضوع الشامل المتمثل في الذكاء الاصطناعي والتعلم الآلي. التعلم الآلي يقع ضمن الذكاء الاصطناعي وهو ببساطة عملية تعليم أجهزة الكمبيوتر للتعلم من البيانات واتخاذ القرارات بناءً عليها.
في جوهرها توجد بنيات أو أساليب مختلفة، لكل منها أساليب فريدة لمعالجة البيانات والتعلم منها. وتشمل هذه الشبكات العصبية، التي تحاكي بنية الدماغ البشري، وأشجار القرار التي تتخذ القرارات بناءً على مجموعة من القواعد، ودعم الآلات المتجهة التي تصنف البيانات من خلال إيجاد أفضل خط فاصل أو هامش.
التعلم العميق هو أ مجموعة فرعية من التعلم الآلي الذي يأخذ هذه المفاهيم إلى أبعد من ذلك. ويستخدم هياكل معقدة تعرف بالشبكات العصبية العميقة، وتتكون من طبقات عديدة من العقد أو الخلايا العصبية المترابطة. تمكن هذه الطبقات النموذج من التعلم من كميات هائلة من البيانات، مما يجعل التعلم العميق فعالاً بشكل خاص لمهام مثل التعرف على الصور والكلام.
التطور إلى التعلم العميق
يمثل التعلم العميق تحولًا كبيرًا عن التعلم الآلي التقليدي. يتضمن التعلم الآلي التقليدي تغذية الميزات المختارة يدويًا للآلة، بينما تتعلم خوارزميات التعلم العميق هذه الميزات مباشرة من البيانات، مما يؤدي إلى نماذج أكثر قوة وتعقيدًا. وقد عززت الزيادة في القوة الحسابية وتوافر البيانات هذا التحول، مما سمح بتدريب الشبكات العصبية العميقة. يمكن للشركات تجربة التعلم العميق بفضل موفري الخدمات السحابية مثل Amazon Web Services (AWS)، التي توفر حوسبة وتخزينًا غير محدود تقريبًا لعملائها.
العودة إلى التعلم العميق: الشبكات العصبية العميقة هي في الأساس مجموعات من الطبقات، كل منها يتعلم جوانب مختلفة من البيانات. كلما زاد عدد الطبقات، زادت عمق الشبكة، ومن هنا جاء مصطلح "التعلم العميق". يمكن لهذه الشبكات أن تتعلم أنماطًا معقدة في مجموعات البيانات الكبيرة، مما يجعلها فعالة للغاية في المهام المعقدة مثل معالجة اللغة الطبيعية ورؤية الكمبيوتر.
الشبكات العصبية
أما أساسيات الشبكات العصبية فهي مستوحاة من الدماغ البشري وتتكون من خلايا عصبية أو عقد متصلة في بنية تشبه الويب. تقوم كل خلية عصبية بمعالجة البيانات المدخلة، ثم تطبق التحويل، وفي النهاية تمرر المخرجات إلى الطبقة التالية. تساعد وظائف التنشيط داخل هذه الخلايا العصبية الشبكة على تعلم الأنماط المعقدة عن طريق إدخال اللاخطيات في النموذج.
تتكون الشبكة العصبية النموذجية من ثلاثة أنواع من الطبقات: الإدخال، والمخفية، والإخراج. تتلقى طبقة الإدخال البيانات، وتقوم الطبقات المخفية بمعالجتها، وتنتج طبقة الإخراج النتيجة النهائية. الطبقات المخفية، والتي غالبًا ما تكون عديدة في التعلم العميق، هي المكان الذي تتم فيه معظم العمليات الحسابية، مما يسمح للشبكة بالتعلم من ميزات البيانات.
من RNNs إلى LSTMs
تعد الشبكات العصبية المتكررة (RNNs) طريقة كبيرة في التعلم الآلي التقليدي، وقد تم تطويرها للتعامل مع البيانات المتسلسلة، مثل الجمل في النص أو السلاسل الزمنية. تقوم شبكات RNN بمعالجة البيانات بشكل تسلسلي، مع الحفاظ على ذاكرة داخلية للمدخلات السابقة للتأثير على المخرجات المستقبلية. ومع ذلك، فإنهم يعانون من التبعيات طويلة المدى بسبب مشكلة التدرج المتلاشي، حيث يتضاءل تأثير المدخلات الأولية في تسلسلات طويلة.
تعالج شبكات الذاكرة طويلة المدى (LSTMs) هذا القيد. تمتلك LSTMs، وهي نوع متقدم من RNN، بنية أكثر تعقيدًا تتضمن بوابات لتنظيم تدفق المعلومات. تساعد هذه البوابات LSTMs على الاحتفاظ بالمعلومات المهمة عبر تسلسلات طويلة، مما يجعلها أكثر فعالية في مهام مثل نمذجة اللغة وإنشاء النص.
مقدمة في المحولات
أدخل بنية المحولات. تمثل المحولات تقدمًا كبيرًا في التعامل مع البيانات التسلسلية، حيث تتفوق في أداء RNNs وLSTMs في العديد من المهام. تم تقديمه في ورقة تاريخية "الانتباه هو كل ما تحتاجه"، تُحدث المحولات ثورة في كيفية معالجة النماذج للتسلسلات، وذلك باستخدام آلية تسمى الانتباه الذاتي لتقييم أهمية الأجزاء المختلفة من بيانات الإدخال.
على عكس RNNs وLSTMs، التي تعالج البيانات بشكل تسلسلي، تقوم المحولات بمعالجة تسلسلات كاملة في وقت واحد. هذه المعالجة المتوازية لا تجعلهم فعالين فحسب، بل أيضًا ماهرين في التقاط العلاقات المعقدة في البيانات، وهو عامل حاسم في مهام مثل ترجمة اللغة وتلخيصها.
المكونات الرئيسية للمحولات
تعتمد بنية المحولات على مكونين رئيسيين: الاهتمام الذاتي والتشفير الموضعي. يسمح الاهتمام الذاتي للنموذج بالتركيز على أجزاء مختلفة من تسلسل الإدخال، وتحديد مقدار التركيز الذي يجب وضعه على كل جزء عند معالجة كلمة أو عنصر معين. تتيح هذه الآلية للنموذج فهم السياق والعلاقات داخل البيانات.
يعد التشفير الموضعي جانبًا مهمًا آخر، حيث يمنح النموذج إحساسًا بترتيب الكلمات أو العناصر في التسلسل. على عكس شبكات RNN، لا تقوم المحولات بمعالجة البيانات بالترتيب، لذا فإن هذا التشفير ضروري للحفاظ على سياق التسلسل. تنقسم البنية أيضًا إلى كتل تشفير ووحدات فك تشفير، تؤدي كل منها وظائف محددة في معالجة المدخلات وتوليد المخرجات.
مزايا معمارية المحولات
توفر المحولات العديد من المزايا مقارنة بنماذج معالجة التسلسل السابقة. إن قدرتهم على معالجة تسلسلات كاملة بالتوازي تعمل على تسريع التدريب والاستدلال بشكل كبير. هذا التوازي، إلى جانب الاهتمام الذاتي، يمكّن المحولات من التعامل مع التبعيات طويلة المدى بشكل أكثر فعالية، والتقاط العلاقات في البيانات التي تغطي فجوات كبيرة في التسلسل.
إلى جانب ذلك، تتوسع المحولات بشكل جيد للغاية مع البيانات والموارد الحاسوبية، ولهذا السبب كانت محورية في تطوير نماذج اللغة الكبيرة. إن كفاءتها وفعاليتها في مختلف المهام جعلتها خيارًا شائعًا في مجتمع التعلم الآلي، خاصة بالنسبة لمهام البرمجة اللغوية العصبية المعقدة.
المحولات في نماذج التعلم الآلي الكبيرة
المحولات هي العمود الفقري للعديد من نماذج اللغات الكبيرة مثل GPT (المحولات التوليدية المدربة مسبقًا) وBERT (تمثيلات التشفير ثنائية الاتجاه من المحولات). GPT، على سبيل المثال، تتفوق في إنشاء نص يشبه الإنسان، والتعلم من كميات هائلة من البيانات لإنتاج لغة متماسكة وذات صلة بالسياق. من ناحية أخرى، يركز بيرت على فهم سياق الكلمات في الجمل، وإحداث ثورة في المهام مثل الإجابة على الأسئلة وتحليل المشاعر.
هذه النماذج قد تقدمت بشكل كبير في مجال معالجة اللغة الطبيعية، يعرض قدرة المحول على فهم اللغة وتوليدها بمستوى قريب من الكفاءة البشرية. وقد حفز نجاحهم موجة من الابتكار، مما أدى إلى تطوير نماذج أكثر قوة.
التطبيقات والتأثير
إن تطبيقات النماذج المعتمدة على المحولات في معالجة اللغة الطبيعية واسعة ومتنامية. يتم استخدامها في خدمات ترجمة اللغات، وأدوات إنشاء المحتوى، وحتى في إنشاء مساعدين للذكاء الاصطناعي قادرين على فهم الكلام البشري والاستجابة له. ويمتد تأثيرها إلى ما هو أبعد من مجرد المهام اللغوية؛ يتم تكييف المحولات للاستخدام في مجالات مثل المعلوماتية الحيوية ومعالجة الفيديو.
إن تأثير هذه النماذج كبير، حيث يقدم تطورات في الكفاءة والدقة والقدرة على التعامل مع المهام اللغوية المعقدة. ومع استمرار هذه النماذج في التطور، فمن المتوقع أن تفتح إمكانيات جديدة في مجالات مثل إنشاء المحتوى الآلي والتعليم الشخصي والذكاء الاصطناعي المتقدم للمحادثة.
تحويل الغد
وبالنظر إلى المستقبل، يبدو مستقبل المحولات في التعلم الآلي مشرقًا ومليئًا بالإمكانات. يواصل الباحثون الابتكار وتحسين كفاءة وقدرة هذه النماذج. يمكننا أن نتوقع رؤية تطبيق المحولات في مجالات أكثر تنوعًا، مما يزيد من تقدم حدود الذكاء الاصطناعي.
تمثل بنية المحولات علامة بارزة في رحلة التعلم الآلي. إن تنوعها وكفاءتها لم يغيرا مشهد معالجة اللغة الطبيعية فحسب، بل مهدا الطريق أيضًا للابتكارات المستقبلية التي قد تطمس يومًا ما الخط الفاصل بين الذكاء البشري والذكاء الآلي.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://www.dataversity.net/from-neural-networks-to-transformers-the-evolution-of-machine-learning/
- :لديها
- :يكون
- :ليس
- :أين
- $ UP
- a
- القدرة
- دقة
- تفعيل
- Ad
- تكيف
- العنوان
- ماهر
- متقدم
- تقدم
- التطورات
- تقدم
- مزايا
- قدما
- AI
- خوارزميات
- الكل
- السماح
- يسمح
- أيضا
- أمازون
- أمازون ويب سيرفيسز
- أمازون ويب سيرفيسز (أوس)
- المبالغ
- an
- تحليل
- و
- آخر
- الإجابة
- يبدو
- التطبيقات
- تطبيقي
- ينطبق
- اقتراب
- هندسة معمارية
- هي
- المناطق
- مصطنع
- الذكاء الاصطناعي
- AS
- جانب
- الجوانب
- مساعدين
- At
- الآلي
- توفر
- AWS
- الى الخلف
- العمود الفقري
- على أساس
- الأساسيات
- كان
- يجري
- ما بين
- Beyond
- كبير
- Blocks
- شىء ضبابي
- دماغ
- مشرق
- بنيت
- لكن
- by
- تسمى
- CAN
- قدرة
- قادر على
- اسر
- مركزي
- خيار
- صنف
- اغلاق
- سحابة
- متماسك
- مجتمع
- الشركات
- مجمع
- مكونات
- تتألف
- يتألف
- حساب
- الحسابية
- القوة الحسابية
- إحصاء
- الكمبيوتر
- رؤية الكمبيوتر
- أجهزة الكمبيوتر
- المفاهيم
- متصل
- محتوى
- انشاء محتوى
- سياق الكلام
- استمر
- تحادثي
- محادثة منظمة العفو الدولية
- جوهر
- إلى جانب
- خلق
- خلق
- حرج
- الجانب الحرج
- حاسم
- العملاء
- البيانات
- قواعد البيانات
- البيانات
- يوم
- القرار
- القرارات
- عميق
- التعلم العميق
- الشبكات العصبية العميقة
- أعمق
- التبعيات
- تحديد
- المتقدمة
- التطوير التجاري
- فعل
- مختلف
- مباشرة
- عدة
- الانقسامات
- DM
- المجالات
- لا
- بشكل كبير
- اثنان
- كل
- التعليم
- الطُرق الفعّالة
- على نحو فعال
- فعالية
- كفاءة
- فعال
- العنصر
- عناصر
- تمكين
- تمكن
- ترميز
- كامل
- أساسيا
- الأثير (ETH)
- حتى
- الحدث/الفعالية
- تطور
- يتطور
- المتطورة
- استثنائي
- توقع
- متوقع
- تجربة
- يمتد
- عامل
- المميزات
- تغذية
- حقل
- مجال
- نهائي
- أخيرا
- العثور على
- تدفق
- تركز
- ويركز
- في حالة
- تبدأ من
- حدود
- بالإضافة إلى
- وظائف
- إضافي
- مستقبل
- الفجوات
- البوابات و حواجز اللعب
- توليد
- توليد
- جيل
- توليدي
- دولار فقط واحصل على خصم XNUMX% على جميع
- إعطاء
- متزايد
- يد
- مقبض
- معالجة
- يملك
- مساعدة
- من هنا
- هنا
- مخفي
- جدا
- كيفية
- لكن
- HTTPS
- الانسان
- صورة
- التأثير
- أهمية
- أهمية
- تحسين
- in
- تتضمن
- يشمل
- القيمة الاسمية
- تأثير
- معلومات
- في البداية
- الابتكار
- الابتكار
- الابتكارات
- إدخال
- المدخلات
- موحى
- مثل
- رؤيتنا
- مترابطة
- داخلي
- إلى
- معقد
- أدخلت
- إدخال
- ينطوي
- IT
- انها
- رحلة
- م
- القفل
- معروف
- المشهد
- لغة
- كبير
- طبقة
- طبقات
- قيادة
- تعلم
- تعلم
- مستوى
- مثل
- تحديد
- خط
- طويل
- آلة
- آلة التعلم
- الآلات
- صنع
- المحافظة
- المحافظة
- جعل
- يصنع
- القيام ب
- كثير
- هامش
- علامة
- آلية
- مكبر الصوت : يدعم، مع دعم ميكروفون مدمج لمنع الضوضاء
- طريقة
- طرق
- ربما
- معلم
- نموذج
- تصميم
- عارضات ازياء
- الأكثر من ذلك
- أكثر
- كثيرا
- طبيعي
- اللغة الطبيعية
- معالجة اللغات الطبيعية
- ضروري
- حاجة
- شبكة
- الشبكات
- عصبي
- الشبكة العصبية
- الشبكات العصبية
- الخلايا العصبية
- جديد
- بريدك الإلكتروني
- التالي
- البرمجة اللغوية العصبية
- العقد
- كثير
- of
- عرض
- الوهب
- عروض
- غالبا
- on
- ONE
- فقط
- جاكيت
- or
- طلب
- أخرى
- التفوق على
- الناتج
- النتائج
- على مدى
- الشاملة
- موازية
- جزء
- خاص
- خاصة
- أجزاء
- يمر
- أنماط
- أداء
- مخصصه
- المكان
- أفلاطون
- الذكاء افلاطون البيانات
- أفلاطون داتا
- الرائج
- خيار شعبي
- إمكانيات
- محتمل
- قوة
- مدعوم
- قوي
- سابق
- المشكلة
- عملية المعالجة
- العمليات
- معالجة
- إنتاج
- ينتج عنه
- مقدمي
- وضع
- سؤال
- يتلقى
- اعتراف
- ضبط
- العلاقات
- ذات الصلة
- يمثل
- الباحثين
- الموارد
- الاستجابة
- نتيجة
- احتفظ
- ثور
- ثورة
- قوي
- القواعد
- حجم
- انظر تعريف
- إحساس
- عاطفة
- تسلسل
- مسلسلات
- خدماتنا
- طقم
- عدة
- نقل
- المدى القصير
- التفضيل
- هام
- بشكل ملحوظ
- ببساطة
- معا
- So
- امتداد
- محدد
- خطاب
- التعرف على الكلام
- بسرعة
- كومات
- المسرح
- ابتداء
- تخزين
- بناء
- الهياكل
- النضال
- موضوع
- جوهري
- تحقيق النجاح
- الدعم
- يأخذ
- المهام
- التدريس
- مصطلح
- نص
- توليد النص
- شكر
- أن
- •
- أساسيات
- المستقبل
- المشهد
- من مشاركة
- منهم
- then
- هناك.
- تشبه
- هم
- ثلاثة
- الوقت
- السلاسل الزمنية
- إلى
- أدوات
- موضوع
- تقليدي
- قادة الإيمان
- تحول
- تحول
- محول
- محولات
- خدمات ترجمة
- الأشجار
- اثنان
- نوع
- أنواع
- نموذجي
- فهم
- فهم
- فريد من نوعه
- مختلف
- غير محدود
- تستخدم
- مستعمل
- يستخدم
- استخدام
- مختلف
- كبير
- طلاقة الحركة
- فيديو
- شاهدوا
- عمليا
- رؤيتنا
- موجة
- we
- الويب
- خدمات ويب
- أسبوعي
- وزن
- حسن
- كان
- متى
- التي
- في حين
- لماذا
- مع
- في غضون
- كلمة
- كلمات
- لصحتك!
- زفيرنت