مقدمة في التعلم العميق

طوال أربعين عامًا، كان تعليم الآلة التعرف على رقم مكتوب بخط اليد يعني وصف الرقم يدويًا. كنا نكتب شيفرة تعدّ الحلقات المغلقة، وتقيس نسبة الارتفاع إلى العرض، وتكتشف تقاطعات الخطوط. كانت هذه القياسات تسمى الخصائص (features)، وكانت هي العمل الحقيقي: أما المصنِّف الموضوع خلفها، من انحدار لوجستي أو SVM، فكان مجرد إجراء شكلي. وتغيير المسألة يعني البدء من الصفر. فالمهندس الذي يعرف كيف يصف الأرقام لا يعرف شيئًا عن كيفية وصف الوجوه.

يقلب التعلم العميق هذه العلاقة. فنحن لم نعد نصف الخصائص، بل نصف معمارية قادرة على ابتكارها، ونتركها تكتشفها انطلاقًا من الأمثلة. تنتهي الطبقات الأولى من شبكة مدرَّبة على الصور إلى اكتشاف الحواف وبقع الألوان، وتكتشف الطبقات التي تليها القوام، وتكتشف الطبقات الأخيرة أجزاء الأشياء. لم يكتب أحد عبارة «اكتشف حافة». لقد نتج ذلك من عملية التحسين نفسها.

لهذا التحول ثمن، ولن يخفيه هذا المقرر. فالشبكة العميقة تحتاج إلى أمثلة كثيرة وإلى حوسبة كثيرة، وتفشل بطرق محيّرة: فقد لا تتعلم شيئًا مع أن الشيفرة صحيحة، أو تحفظ الأمثلة عن ظهر قلب بدل أن تعمّم، أو تنزل إلى منطقة تنعدم فيها التدرجات فتتجمد. والفرق بين من يكدّس الطبقات ومن يعرف كيف يبني نموذجًا يعود كليًا إلى قدرته على تشخيص هذه الإخفاقات.