
شبكة عصبية ذات طبقات خفية متعددة، قادرة على تعلم أنماط معقدة من البيانات.الشبكة العصبية العميقة هي نموذج ذكاء اصطناعي يتكون من طبقات متعددة من العقد المترابطة (الخلايا العصبية)، حيث تقوم كل طبقة بتحويل البيانات المدخلة إلى تمثيلات أكثر تجريدًا. يشير اسم 'العميقة' إلى الطبقات الخفية العديدة بين المدخلات والمخرجات، والتي تسمح للشبكة بتعلم السمات الهرمية — من الحواف البسيطة في الصور إلى الأجسام المعقدة، أو من الأصوات الصوتية إلى الجمل الكاملة في الكلام.
يعود مفهوم البنى العميقة إلى ستينيات القرن العشرين مع البيرسبترون، لكن تدريب الشبكات العميقة كان غير عملي حتى العقد الأول من القرن الحادي والعشرين عندما جعلت تقنيات مثل التدريب المسبق لكل طبقة على حدة ودوال التنشيط ReLU، بالإضافة إلى الحوسبة بوحدات معالجة الرسوميات، التعلم العميق ممكنًا. وقد مثل فوز AlexNet في مسابقة ImageNet عام 2012 بداية ثورة التعلم العميق الحديثة.
تحسب كل خلية عصبية في طبقة مجموعًا مرجحًا لمدخلاتها، وتضيف انحيازًا، وتطبق دالة تنشيط غير خطية (مثل ReLU). أثناء التدريب، تعدل الشبكة هذه الأوزان باستخدام الانتشار العكسي، الذي يحسب تدرج دالة الخسارة بالنسبة لكل وزن ويحدثها عبر نزول التدرج. مع توفر بيانات كافية وقوة حسابية، تتعلم الشبكة تقليل أخطاء التنبؤ. البنية الهرمية تعني أن الطبقات المبكرة تلتقط سمات منخفضة المستوى، بينما تجمعها الطبقات الأعمق في مفاهيم عالية المستوى.
تُستخدم الشبكات العصبية العميقة في التعرف على الصور، ومعالجة اللغة الطبيعية، والقيادة الذاتية، والتشخيص الطبي، والبحث العلمي — من اكتشاف الموجات الثقالية إلى تصنيف المجرات.
يمكن خداع الشبكات العصبية العميقة بإضافة تشوهات صغيرة غير محسوسة إلى الصور، مما يجعلها تخطئ في تصنيف باندا على أنها جيبون بثقة عالية — وهي ظاهرة تسمى الأمثلة العدائية.









