شبکه‌های عصبی مصنوعی چیست و چگونه کار می‌کنند؟ راز هوش مصنوعی که دنیا را تغییر داد

در این مقاله بررسی می‌کنیم که شبکه‌های عصبی مصنوعی چگونه از مغز انسان الهام گرفته‌اند و دنیای تکنولوژی را تغییر داده‌اند.

تصور کنید یک کودک سه ساله برای اولین بار یک گربه را در خیابان می‌بیند. او با انگشت به آن اشاره می‌کند و مادرش می‌گوید: «ببین، پیشی!» چند روز بعد، کودک یک سگ کوچک می‌بیند و با خوشحالی می‌گوید: «پیشی!» مادر لبخند می‌زند و او را اصلاح می‌کند: «نه عزیزم، آن سگ است.» بعد از چند بار تکرار و دیدن حیوانات مختلف، ذهن کودک به شکلی جادویی الگوها را می‌فهمد؛ حالا او تفاوت گربه و سگ را با یک نگاه تشخیص می‌دهد.

سال‌ها پیش، دانشمندان علوم کامپیوتر با یک چالش بزرگ روبه‌رو بودند. کامپیوترها می‌توانستند پیچیده‌ترین معادلات ریاضی را در کسری از ثانیه حل کنند، اما نمی‌توانستند کار ساده‌ای مثل تشخیص یک گربه در عکس را انجام دهند. برنامه‌نویسی سنتی، که بر پایه دستورات «اگر-آنگاه» بنا شده بود، برای حل این مشکل جواب نمی‌داد.

دقیقاً همین‌جا بود که یک ایده درخشان شکل گرفت: اگر می‌خواهیم ماشین‌ها مثل انسان یاد بگیرند، چرا آن‌ها را شبیه مغز انسان نسازیم؟ این ایده، نقطه تولد چیزی بود که امروز آن را با نام شبکه‌های عصبی مصنوعی می‌شناسیم؛ فناوری شگفت‌انگیزی که پایه‌گذار انقلاب هوش مصنوعی مدرن است.

 

تا پیش از ظهور یادگیری ماشین (Machine Learning)، کامپیوترها فقط کارهایی را انجام می‌دادند که انسان خط به خط برایشان برنامه‌نویسی کرده بود. اما دنیای واقعی پر از ابهام است. نمی‌توانید با چند خط کد، تمام حالت‌های چهره انسان، تمام لهجه‌های زبان، یا تمام شکل‌های ممکن یک دست‌خط را برای کامپیوتر تعریف کنید.

دانشمندان متوجه شدند برای کارهایی مثل تشخیص تصویر یا درک زبان طبیعی، نیاز به سیستمی داریم که به جای «دستور گرفتن»، توانایی «تجربه کردن» و «یاد گرفتن» داشته باشد. آن‌ها برای پیدا کردن راه‌حل، به پیچیده‌ترین کامپیوتر جهان نگاه کردند: مغز انسان.

یک تصور اشتباه: خیلی‌ها فکر می‌کنند هوش مصنوعی قرار است دقیقاً جایگزین انسان شود. اما حقیقت این است که شبکه‌های عصبی فعلی، تنها یک کپی بسیار ساده‌سازی‌شده از بخش کوچکی از توانمندی‌های مغز ما هستند و هنوز راه زیادی تا هوش انسانی دارند.

مغز شما از حدود ۸۶ میلیارد سلول عصبی به نام «نورون» تشکیل شده است. وقتی در حال یادگیری یک مهارت جدید مثل دوچرخه‌سواری هستید، این نورون‌ها از طریق سیگنال‌های الکتریکی با هم ارتباط برقرار می‌کنند.

در ابتدا، مسیرهای ارتباطی بین نورون‌ها ضعیف است، به همین دلیل مدام تعادل خود را از دست می‌دهید. اما هرچه بیشتر تمرین می‌کنید، ارتباط بین نورون‌های خاصی قوی‌تر می‌شود. مغز شما شبکه‌ای از الگوها می‌سازد تا در نهایت، بدون اینکه اصلاً به پدال زدن فکر کنید، دوچرخه‌سواری می‌کنید. این دقیقاً همان مکانیسمی است که دانشمندان می‌خواستند وارد دنیای کامپیوتر کنند.

در دنیای تکنولوژی، ما نورون‌های بیولوژیکی نداریم؛ به جای آن از بلوک‌های ریاضیاتی و کدهای برنامه‌نویسی استفاده می‌کنیم که به آن‌ها نورون مصنوعی می‌گویند. وقتی هزاران یا میلیون‌ها عدد از این نورون‌های مصنوعی را به هم متصل کنیم، یک شبکه عصبی مصنوعی ساخته می‌شود.

برای درک بهتر، سیستم تشخیص چهره تلفن همراهتان را در نظر بگیرید که قفل گوشی را باز می‌کند. این سیستم برای اینکه در کسری از ثانیه شما را شناسایی کند و درست تصمیم بگیرد، اطلاعات تصویری را در چند مرحله (یا لایه) پردازش می‌کند:

۱. لایه ورودی (Input Layer): این لایه مثل چشم انسان عمل می‌کند. اطلاعات خام، یعنی همان میلیون‌ها پیکسل نوری که دوربین سلفی گوشی در لحظه از صورت شما ثبت کرده است، وارد این لایه می‌شود.

۲. لایه‌های مخفی (Hidden Layers): جادوی اصلی اینجاست. در این لایه‌ها، نورون‌ها به دنبال الگوها می‌گردند. یک لایه خطوط و لبه‌های کلی صورت را تشخیص می‌دهد، لایه بعدی فاصله بین چشم‌ها و فرم استخوان بینی را تحلیل می‌کند، و لایه دیگر جزئیات دقیق‌تر مثل انحنای لب‌ها را کنار هم می‌گذارد. (وقتی تعداد این لایه‌های مخفی زیاد و پیچیده باشد، به آن یادگیری عمیق یا Deep Learning می‌گویند).

۳. لایه خروجی (Output Layer): در نهایت، شبکه تمام این نشانه‌ها و داده‌ها را جمع‌بندی کرده و تصمیم نهایی خود را اعلام می‌کند: «این چهره کاملاً با صاحب گوشی مطابقت دارد، قفل را باز کن!»

در طول این مسیر، شبکه عصبی برای تصمیم‌گیری از مفاهیمی استفاده می‌کند که درک آن‌ها بسیار ساده است:

• وزن (Weight): فرض کنید برای خرید یک لپ‌تاپ از سه دوست مشورت می‌گیرید. یکی متخصص کامپیوتر است و دو نفر دیگر اطلاعات کمی دارند. شما قطعا به حرف دوست متخصص اهمیت بیشتری می‌دهید. در شبکه عصبی هم اتصالات مهم‌تر، «وزن» بیشتری می‌گیرند.
• بایاس (Bias): یک تمایل اولیه است. مثلاً ممکن است شما ذاتاً برند خاصی را بیشتر دوست داشته باشید. بایاس به شبکه کمک می‌کند تا انعطاف‌پذیری بهتری در تصمیم‌گیری داشته باشد.
• تابع فعال‌سازی (Activation Function): این تابع مثل یک کلید روشن و خاموش است. تصمیم می‌گیرد که آیا اطلاعات یک نورون آن‌قدر مهم هست که به نورون بعدی منتقل شود یا باید همان‌جا متوقف شود.

نکته جالب: بزرگ‌ترین شبکه‌های عصبی امروزی میلیاردها «پارامتر» (وزن و بایاس) دارند و برای تنظیم آن‌ها به ابرکامپیوترهای بسیار قدرتمند و کارت‌های گرافیکی پیشرفته نیاز است.

برگردیم به مثال تشخیص حیوانات. وقتی یک شبکه عصبی را برای اولین بار روشن می‌کنیم، کاملاً خنگ است! اگر عکس یک گربه را به آن نشان دهید، ممکن است آن را با ماشین لباس‌شویی اشتباه بگیرد! اما چگونه هوشمند می‌شود؟

فرآیند آموزش (Training) با دادن هزاران عکس به عنوان داده آموزشی (Training Data) آغاز می‌شود.
شبکه عکس گربه را می‌بیند و حدس می‌زند: «این یک سگ است.»
شما (یا سیستم) به او می‌گویید: «اشتباه کردی، این گربه بود.»

اینجا شبکه متوجه یک خطا (Error) می‌شود. حالا یک اتفاق بی‌نظیر می‌افتد که به آن پس‌انتشار خطا (Backpropagation) می‌گویند. شبکه به عقب برمی‌گردد و مثل آشپزی که می‌فهمد غذایش شور شده و در ذهن خود مقدار نمک را برای دفعه بعد کم می‌کند، شبکه هم «وزن» ارتباطات خود را کمی تغییر می‌دهد تا دفعه بعد حدس بهتری بزند.

بعد از دیدن میلیون‌ها عکس و اصلاح هزاران باره‌ی خطاها، شبکه عصبی به جایی می‌رسد که می‌تواند گربه را در هر زاویه و نوری با دقتی بیشتر از چشم انسان تشخیص دهد.

با وجود تمام شباهت‌ها، این دو سیستم تفاوت‌های بنیادینی دارند. در جدول زیر این تفاوت‌ها را بررسی کرده‌ایم:

ویژگی	مغز انسان	شبکه عصبی مصنوعی
مصرف انرژی	بسیار کم (حدود ۲۰ وات، به اندازه یک لامپ کوچک)	بسیار زیاد (نیاز به سرورهای قدرتمند و مصرف برق بالا)
سرعت پردازش اولیه	کندتر در محاسبات ریاضی خالص	میلیون‌ها بار سریع‌تر در محاسبات عددی
نحوه یادگیری	با چند نمونه معدود (Few-shot learning) یاد می‌گیرد	برای یادگیری به هزاران یا میلیون‌ها داده نیاز دارد
خلاقیت و درک عمیق	دارای احساس، منطق و درک متنی از جهان پیرامون	فقط الگوهای ریاضی را می‌فهمد و درکی از مفاهیم ندارد

اگر از خود می‌پرسید هوش مصنوعی چیست و چه کاربردی دارد، باید بدانید که شبکه‌های عصبی همین الان در تار و پود زندگی روزمره ما تنیده شده‌اند:

• سیستم‌های پیشنهادگر: وقتی نتفلیکس فیلمی به شما پیشنهاد می‌دهد که عاشقش می‌شوید، یا اسپاتیفای آهنگی دقیقاً مطابق سلیقه شما پخش می‌کند، در واقع یک شبکه عصبی در حال تحلیل رفتارهای گذشته شماست.
• پردازش و تشخیص تصویر در پزشکی: امروزه شبکه‌های عصبی می‌توانند با تحلیل تصاویر میکروسکوپی (مانند تست پاپ اسمیر) یا عکس‌های رادیولوژی، بیماری‌ها را در مراحل بسیار اولیه، حتی گاهی دقیق‌تر از پزشکان متخصص تشخیص دهند.
• خودروهای خودران: ماشینی که بدون راننده در خیابان حرکت می‌کند، به کمک شبکه‌های عصبی عمیق، عابران پیاده، چراغ‌های راهنمایی و خطوط جاده را در لحظه تشخیص می‌دهد.
• امنیت و سامانه‌های هوشمند: از باز شدن قفل گوشی با چهره شما گرفته تا دوربین‌های مدیریت تردد و ثبت پلاک در پارکینگ‌های هوشمند مجتمع‌های بزرگ، همه مبتنی بر شبکه‌های عصبی کار می‌کنند.

ما هنوز در ابتدای راه هستیم. آینده شبکه‌های عصبی به سمت مدل‌هایی می‌رود که با داده‌های کمتری یاد بگیرند، انرژی کمتری مصرف کنند و بتوانند اطلاعات بصری، متنی و صوتی را همزمان پردازش کنند. در آینده‌ای نه چندان دور، این شبکه‌ها به دستیاران شخصی بی‌نقصی تبدیل می‌شوند که نه تنها دستورات ما را اجرا می‌کنند، بلکه نیازهایمان را پیش‌بینی خواهند کرد.

شبکه‌های عصبی مصنوعی، جادوی سیاه یا ربات‌های نابودگر فیلم‌های هالیوودی نیستند. آن‌ها صرفاً ابزارهای قدرتمند و الگوریتم‌های هوشمندی هستند که با الهام از مغز انسان طراحی شده‌اند تا به ما در حل مسائل پیچیده کمک کنند. از یادگیری ویژگی‌های یک عکس ساده گرفته تا مدیریت سیستم‌های پیچیده شهری، یادگیری عمیق در حال تغییر دادن شکل کسب‌وکارها و زندگی ماست. درک نحوه کار این شبکه‌ها، اولین قدم برای استفاده درست از آن‌ها و کنار گذاشتن ترس‌های بی‌اساس از هوش مصنوعی است.

 

امروزه، ماندن در بازار رقابتی بدون بهره‌گیری از فناوری‌های نوین تقریباً غیرممکن است. بسیاری از راهکارهای پیشرفته مانند سامانه‌های پردازش تصویر، دوربین‌های تشخیص پلاک، سیستم‌های احراز هویت و تحلیل داده‌های کلان کسب‌وکار، بر پایه همین شبکه‌های عصبی توسعه می‌یابند. تیم متخصص هیرا (Hyra)، با تجربه در طراحی و پیاده‌سازی راهکارهای هوش مصنوعی و یادگیری ماشین، آماده است تا به عنوان یک شریک تکنولوژیک در کنار شما باشد. اگر قصد دارید فرآیندهای کسب‌وکار خود را هوشمند کنید یا نیاز به سامانه‌های اختصاصی بینایی ماشین دارید، ما در هیرا ایده‌های شما را به واقعیت تبدیل می‌کنیم.

 

به نظر شما در ۵ سال آینده، شبکه‌های عصبی مصنوعی در کدام بخش از زندگی روزمره ما بیشترین تأثیر را خواهند گذاشت؟ خوشحال می‌شویم پیش‌بینی‌های خود را در بخش نظرات با ما در میان بگذارید!