الشبكات العصبية: تطبيقات في العالم الحقيقي

تجد الشبكات العصبية تطبيقات واسعة النطاق في المناطق التي لا تعمل فيها أجهزة الكمبيوتر التقليدية بشكل جيد. على سبيل المثال ، بالنسبة لبيانات المشكلة حيث بدلاً من المخرجات المبرمجة ، ترغب في أن يتعلم النظام ويتكيف ويغير النتائج بالتزامن مع البيانات التي تلقيها عليه. تجد الشبكات العصبية أيضًا تطبيقات صارمة عندما نتحدث عن التعامل مع بيانات صاخبة أو غير كاملة. وبصراحة ، فإن معظم البيانات الموجودة هناك صاخبة بالفعل.
بفضل قدرتها الشبيهة بالدماغ على التعلم والتكيف ، تشكل الشبكات العصبية الأساس الكامل ولها تطبيقات في الذكاء الاصطناعي ، وبالتالي خوارزميات التعلم الآلي. قبل أن نتطرق إلى كيفية قيام الشبكات العصبية بدعم الذكاء الاصطناعي ، لنتحدث أولاً قليلاً عن ماهية الذكاء الاصطناعي بالضبط.
لأطول فترة ممكنة ، ارتبطت كلمة "ذكاء" فقط بالدماغ البشري. ولكن بعد ذلك ، حدث شيء ما! وجد العلماء طريقة لتدريب أجهزة الكمبيوتر باتباع المنهجية التي يستخدمها عقولنا. وهكذا جاء الذكاء الاصطناعي ، والذي يمكن تعريفه أساسًا على أنه ذكاء ناشئ عن الآلات. لتوضيح الأمر بشكل أكثر بساطة ، يوفر التعلم الآلي للآلات القدرة على "التفكير" و "التعلم" و "التكيف".
مع الكثير من القول والفعل ، من الضروري فهم ماهية حالات استخدام الذكاء الاصطناعي بالضبط ، وكيف تساعد الشبكات العصبية السبب. دعنا نتعمق في تطبيقات الشبكات العصبية عبر مجالات مختلفة - من وسائل التواصل الاجتماعي والتسوق عبر الإنترنت ، إلى التمويل الشخصي ، وأخيراً ، إلى المساعد الذكي على هاتفك .
يجب أن تتذكر أن هذه القائمة ليست شاملة بأي حال من الأحوال ، لأن تطبيقات الشبكات العصبية منتشرة على نطاق واسع. في الأساس ، أي شيء يجعل الآلات تتعلم هو نشر نوع أو نوع آخر من الشبكات العصبية .

وسائل التواصل الاجتماعي

يمنح طوفان البيانات المتزايد باستمرار حول الوسائط الاجتماعية لمنشئي هذه المنصات فرصة فريدة للاشتغال بالبيانات غير المحدودة التي لديهم. لا عجب أن ترى ميزة جديدة كل أسبوعين. من العدل أن نقول إن كل هذا كان سيكون بمثابة حلم بعيد المنال بدون الشبكات العصبية لإنقاذ الموقف.
دليل المبتدئين لفهم اللغة الطبيعية

تجد الشبكات العصبية وخوارزميات التعلم الخاصة بها تطبيقات واسعة النطاق في عالم وسائل التواصل الاجتماعي. دعونا نرى كيف:

فيسبوك

بمجرد تحميل أي صورة على Facebook ، تبرز الخدمة تلقائيًا الوجوه وتطلب من الأصدقاء وضع علامة عليها. كيف يتعرف على الفور على أي من أصدقائك في الصورة؟
الجواب بسيط - الذكاء الاصطناعي. في مقطع فيديو يسلط الضوء على أبحاث الذكاء الاصطناعي على Facebook ، يناقشون تطبيقات الشبكات العصبية لتشغيل برامج التعرف على الوجه. يستثمر Facebook بكثافة في هذا المجال ، ليس فقط داخل المنظمة ، ولكن أيضًا من خلال الاستحواذ على شركات ناشئة للتعرف على الوجه مثل Face.com (تم الاستحواذ عليها في عام 2012 مقابل 60 مليون دولار مشاع) ، Masquerade (تم الاستحواذ عليها في عام 2016 مقابل مبلغ لم يكشف عنه) ، و Faciometrics (تم الحصول عليها في عام 2016 مقابل مبلغ لم يكشف عنه).

في يونيو 2016 ، أعلن Facebook عن مبادرة ذكاء اصطناعي جديدة تستخدم العديد من الشبكات العصبية العميقة مثل DeepText - محرك ذكاء اصطناعي يمكنه فهم المحتوى النصي لآلاف المنشورات في الثانية ، بدقة قريبة من الإنسان.

انستغرام

يستخدم Instagram ، الذي استحوذ عليه Facebook في عام 2012 ، التعلم العميق من خلال الاستفادة من اتصال الشبكات العصبية المتكررة لتحديد المعنى السياقي للرموز التعبيرية - التي تحل محل الكلمات العامية بشكل ثابت (على سبيل المثال ، يمكن أن تحل الرموز التعبيرية الضاحكة محل كلمة "rofl" ).
من خلال تحديد المشاعر الكامنة وراء الرموز التعبيرية خوارزميًا ، ينشئ Instagram ويقترح تلقائيًا رموزًا تعبيريًا وعلامات تصنيف ذات صلة بالرموز التعبيرية. قد يبدو هذا تطبيقًا بسيطًا للذكاء الاصطناعي ، لكن القدرة على تفسير وتحليل ترجمة الرموز التعبيرية إلى نص على نطاق أوسع تضع الأساس لمزيد من التحليل حول كيفية استخدام الأشخاص لـ Instagram.

بينتيريست

يستخدم Pinterest رؤية الكمبيوتر - تطبيق آخر للشبكات العصبية ، حيث نقوم بتعليم أجهزة الكمبيوتر "الرؤية" مثل الإنسان ، من أجل التعرف تلقائيًا على الأشياء في الصور (أو "الدبابيس" ، كما يسمونها) ثم نوصي باستخدام دبابيس متشابهة بصريًا. تشمل التطبيقات الأخرى للشبكات العصبية في Pinterest منع البريد العشوائي والبحث والاكتشاف وأداء الإعلانات وتحقيق الدخل والتسويق عبر البريد الإلكتروني.
توليد اللغة الطبيعية: أهم الأشياء التي تحتاج إلى معرفتها

التسوق عبر الانترنت

هل تجد نفسك في مواقف تستعد فيها لشراء شيء ما ، لكن ينتهي بك الأمر بالشراء أكثر مما هو مخطط له ، وذلك بفضل بعض التوصيات الرائعة للغاية؟
نعم ، إلقاء اللوم على الشبكات العصبية في ذلك. من خلال الاستفادة من الشبكة العصبية وتعلمها ، يقوم عمالقة التجارة الإلكترونية بإنشاء أنظمة ذكاء اصطناعي تعرفك أكثر منك. دعونا نرى كيف:

بحث

تقوم عمليات البحث في أمازون ("سماعات الأذن" ، "حجر البيتزا" ، "شاحن الكمبيوتر المحمول" ، إلخ) بإرجاع قائمة بالمنتجات الأكثر صلة ببحثك ، دون إضاعة الكثير من الوقت. في وصف لتقنية البحث عن المنتجات الخاصة بها ، تذكر أمازون أن خوارزمياتها تتعلم تلقائيًا الجمع بين العديد من الميزات ذات الصلة. يستخدم الأنماط السابقة ويتكيف مع ما هو مهم للعميل المعني.
وما الذي يجعل الخوارزميات "تتعلم"؟ لقد خمنت الأمر بشكل صحيح - الشبكات العصبية !

التوصيات

تعرض لك أمازون التوصيات باستخدام "العملاء الذين شاهدوا هذا العنصر شاهدوا أيضًا" ، و "العملاء الذين اشتروا هذا العنصر اشتروا أيضًا" ، وأيضًا عبر التوصيات المنسقة على صفحتك الرئيسية ، أسفل صفحات العناصر ، وعبر رسائل البريد الإلكتروني. تستخدم أمازون الشبكات العصبية الاصطناعية لتدريب خوارزمياتها لمعرفة نمط وسلوك مستخدميها. وهذا بدوره يساعد Amazon على تقديم توصيات أفضل ومخصصة.

المصرفية / التمويل الشخصي

إيداع الشيكات عبر الهاتف المتحرك

تلغي معظم البنوك الكبيرة حاجة العملاء إلى تسليم شيك ماديًا للبنك من خلال توفير القدرة على إيداع الشيكات من خلال تطبيق الهاتف الذكي . تستخدم التقنيات التي تشغل هذه التطبيقات الشبكات العصبية لفك تشفير خط اليد وتحويله عند الشيكات إلى نص. بشكل أساسي ، تجد الشبكات العصبية نفسها في قلب أي تطبيق يتطلب الكتابة اليدوية / الكلام / التعرف على الصور.

منع الغش

كيف يمكن لمؤسسة مالية تحديد صفقة احتيالية؟ في معظم الأحيان ، يكون حجم المعاملات اليومية أكثر من اللازم بحيث لا يمكن مراجعته يدويًا. للمساعدة في ذلك ، يتم استخدام الذكاء الاصطناعي لإنشاء أنظمة تتعلم من خلال التدريب على أنواع المعاملات الاحتيالية (تحدث التعلم ، وتحدث الشبكات العصبية !).
FICO - الشركة التي تنشئ تصنيفات ائتمانية تُستخدم لتحديد الجدارة الائتمانية ، تستخدم الشبكات العصبية لتشغيل ذكاءها الاصطناعي للتنبؤ بالمعاملات الاحتيالية. تشمل العوامل التي تؤثر على الناتج النهائي للشبكة العصبية الاصطناعية تواتر وحجم المعاملة ونوع بائع التجزئة المعني.
ترقب الشيء الكبير التالي: التعلم الآلي

تشغيل الهواتف المحمولة الخاصة بك

صوت إلى نص

إحدى الميزات الأكثر شيوعًا على الهواتف الذكية اليوم هي تحويل الصوت إلى نص. ببساطة الضغط على زر أو نطق عبارة معينة ("Ok Google" ، على سبيل المثال) ، يتيح لك بدء التحدث إلى هاتفك ويحول هاتفك الصوت إلى نص. تستخدم Google الشبكات العصبية الاصطناعية في الاتصال المتكرر لتشغيل البحث الصوتي. تدعي Microsoft أيضًا أنها طورت نظامًا للتعرف على الكلام - باستخدام الشبكات العصبية ، يمكنه نسخ المحادثات بشكل أكثر دقة قليلاً من البشر.

المساعدين الشخصيين الأذكياء

نظرًا لأن تقنية تحويل الصوت إلى نص أصبحت دقيقة بدرجة كافية للاعتماد عليها في المحادثات الأساسية ، فإنها تتحول إلى واجهة تحكم لجيل جديد من المساعدين الشخصيين. في البداية ، كان هناك مساعدين هاتفيين أبسط - Siri و Google Now (نجح الآن بواسطة مساعد Google الأكثر تطورًا) ، والذين يمكنهم إجراء عمليات البحث على الإنترنت ، وتعيين التذكيرات ، والتكامل مع التقويم الخاص بك. توسعت Amazon في هذا النموذج مع الإعلان عن مكونات الأجهزة والبرامج التكميلية - Alexa و Echo (لاحقًا ، Dot).

ما الفرق بين علم البيانات والتعلم الآلي والبيانات الضخمة؟

للختام…
لقد خدشنا السطح فقط عندما يتعلق الأمر بتطبيقات الشبكات العصبية في الحياة اليومية. الصناعات والمجالات المحددة لها تفاعلات محددة مع الذكاء الاصطناعي من خلال الاستفادة من الشبكات العصبية التي تتجاوز بكثير ما تم الحديث عنه في هذه المقالة. على سبيل المثال ، يستخدم لاعبو الشطرنج بانتظام محركات الشطرنج لتحليل ألعابهم ، وتحسين أنفسهم ، وممارسة التكتيكات الجديدة - وغني عن القول أن محرك الشطرنج المعني ينشر الشبكات العصبية لإنجاز التعلم.

تعلم دورات تعلم الآلة عبر الإنترنت من أفضل الجامعات في العالم. احصل على درجة الماجستير أو برنامج PGP التنفيذي أو برامج الشهادات المتقدمة لتسريع مسار حياتك المهنية.
هل لديك أي حالة أخرى مثيرة للاهتمام في الحياة الواقعية لاستخدام الشبكات العصبية ربما فاتناها؟ قم بإسقاطها في التعليقات أدناه!