طبقة عصبية
الطبقة العصبية هي وحدة بناء أساسية ضمن الشبكة العصبية الاصطناعية (ANN). وهي عبارة عن مجموعة من العُقد المترابطة (العصبونات) التي تستقبل مدخلات من الطبقة السابقة، وتقوم بإجراء تحويل رياضي محدد، ثم تمرر المخرج الناتج إلى الطبقة اللاحقة. يتم تكديس هذه الطبقات بالتسلسل لتكوين نماذج التعلم العميق.
يحدد عمق وتعقيد الطبقات قدرة النموذج على تعلم الأنماط المعقدة من مجموعات البيانات الضخمة. تتخصص كل طبقة في استخلاص ميزات أكثر تجريدًا من بيانات الإدخال الأولية. على سبيل المثال، في التعرف على الصور، قد تكتشف الطبقات المبكرة الحواف، بينما تقوم الطبقات الأعمق بدمج هذه الحواف لتكوين أجزاء معقدة من الكائنات.
في جوهرها، تقوم الطبقة بإجراء مجموع مرجح لمدخلاتها، وتضيف حد انحياز (bias)، ثم تمرر هذا المجموع عبر دالة تنشيط. تُعد الأوزان والانحيازات هي المعلمات التي يتعلمها النموذج أثناء عملية التدريب. تُدخل دالة التنشيط (مثل ReLU، Sigmoid) اللاخطية، وهو أمر بالغ الأهمية لأنه بدونها، ستكون الشبكة بأكملها مجرد تحويل خطي واحد، مما يحد بشدة من قوتها.
تُعد الطبقات العصبية هي القلب التشغيلي لجميع تطبيقات الذكاء الاصطناعي الحديثة تقريبًا. تُستخدم على نطاق واسع في:
يسمح الهيكل الطبقي بالتعلم الهرمي للميزات. هذا يعني أن النموذج لا يتعلم الارتباطات فحسب؛ بل يبني فهمًا منظمًا ومتعدد المستويات للبيانات، مما يؤدي إلى دقة وقدرات تعميم أعلى مقارنة بالنماذج الأبسط.
يمثل تدريب الشبكات العميقة تحديات مثل مشكلة تضاؤل التدرج (vanishing gradient problem)، حيث تصبح التدرجات صغيرة جدًا بحيث لا يمكنها تحديث الأوزان بفعالية في الطبقات المبكرة. كما أن التكلفة الحسابية والحاجة إلى مجموعات بيانات ضخمة ومُصنفة تشكل عقبات كبيرة أيضًا.
تشمل المفاهيم المرتبطة ارتباطًا وثيقًا بالطبقات العصبية دوال التنشيط (التي تُدخل اللاخطية)، والأوزان والانحيازات (المعلمات التي تتعلمها الطبقة)، وعمق الشبكة (العدد الإجمالي للطبقات في المكدس).
