شرح البيرسبترون

في عام 1958 عرض عالم نفس في مختبر في مدينة بافالو بولاية نيويورك آلةً تتعلم. لم يخبرها أحد بالقاعدة التي تميّز بها بين نوعين من الصور: عُرضت عليها أمثلة، وبعد كل جواب خاطئ كانت تدير مقابضها قليلًا بنفسها. تلك الآلة، البيرسبترون، عصبون اصطناعي واحد بقاعدة تعلم من بضعة أسطر. لا يستطيع أن يتعلم كل شيء، وقصة ما لا يستطيع تعلّمه مفيدة بقدر قصة ما يستطيع.

بيرسبترون تدخل مدخلاته 1 وx وy إلى عصبون جامع واحد، وبجانبه مستوى يفصل فيه حد قرار مستقيم ومتجه أوزانه بين دوائر زرقاء ومربعات برتقالية
بيرسبترون تدخل مدخلاته 1 وx وy إلى عصبون جامع واحد، وبجانبه مستوى يفصل فيه حد قرار مستقيم ومتجه أوزانه بين دوائر زرقاء ومربعات برتقالية

آلة تتعلم

وصف فرانك روزنبلات، عالم النفس في مختبر كورنيل للطيران، البيرسبترون عام 1958. وقد بنى على العصبون الاصطناعي الذي اقترحه وارن مكالوك ووالتر بيتس عام 1943: وحدة تجمع مدخلاتها وتنشط حين يتجاوز المجموع عتبة. كان على مكالوك وبيتس ضبط الأوزان يدويًا. أما فكرة روزنبلات الجديدة فكانت قاعدة تحدد الأوزان من الأمثلة. تحمست الصحافة: ففي يوليو 1958 نقلت صحيفة نيويورك تايمز أن البحرية تتوقع أن تتمكن الآلة يومًا من المشي والكلام والرؤية وأن تعي وجودها.

وارن ماكولوك (يسار، ذو اللحية) وزملاؤه
وارن ماكولوك (يسار، ذو اللحية) وزملاؤه

بيرسبترون Mark I

عمل البيرسبترون الأول برنامجًا على حاسوب IBM 704، لكن روزنبلات سرعان ما جعله يُبنى آلةً مستقلة. كان بيرسبترون Mark I، الذي اكتمل نحو عام 1960، يرى العالم عبر كاميرا من 400 مستشعر ضوئي في شبكة 20 في 20، موصولة عشوائيًا بطبقة من وحدات الترابط. وكانت أوزانه مقاييس جهد تديرها محركات كهربائية صغيرة كلما أخطأ. وتعلّم التمييز بين أشكال وحروف بسيطة. وتُحفظ الآلة اليوم في المتحف الوطني للتاريخ الأمريكي التابع لمؤسسة سميثسونيان.

بيرسيبترون مارك I، صُوّر لدليل التشغيل عام 1960: كاميرا من مستشعرات الضوء موصولة بوحدات ارتباط تُضبط أوزانها بمحركات. الآلة موجودة الآن في المتحف الوطني للتاريخ الأمريكي التابع لمعهد سميثسونيان.
بيرسيبترون مارك I، صُوّر لدليل التشغيل عام 1960: كاميرا من مستشعرات الضوء موصولة بوحدات ارتباط تُضبط أوزانها بمحركات. الآلة موجودة الآن في المتحف الوطني للتاريخ الأمريكي التابع لمعهد سميثسونيان.

عصبون واحد، خط مستقيم واحد

يحسب البيرسبترون ذو المدخلين x وy المقدار w₁x + w₂y + b ويجيب +1 إن كان المجموع موجبًا و−1 إن كان سالبًا. المجموع صفر تمامًا على الخط w₁x + w₂y + b = 0، لذا يقسم العصبون المستوى إلى نصفي مستوى، واحد لكل جواب. متجه الأوزان (w₁, w₂) عمودي على الخط ويشير إلى جهة +1، والانحياز b يُبعد الخط عن نقطة الأصل: فلولاه لمرّ كل حد بالنقطة (0, 0). ومع مدخلات أكثر يصير الخط مستويًا أو مستويًا فائقًا، لكن الفكرة تبقى نفسها. وحيلة كتابة الانحياز وزنًا w₀ لمدخل إضافي قيمته دائمًا 1 تتيح لقاعدة واحدة أن تتعلم كل الأوزان.

قاعدة التعلم

يمر التدريب على الأمثلة واحدًا تلو الآخر. لكل مثال x فئته الحقيقية y يعطي العصبون جوابه ŷ. إن ساوى ŷ القيمة y فلا يحدث شيء. وإلا يتغير كل وزن بمقدار η·(y − ŷ) مضروبًا في مدخله: w ← w + η·(y − ŷ)·x. ولنقطة من الفئة +1 أُجيبت بـ−1 يُضاف إلى w مضاعف لـx، فيزداد w·x بمضاعف لمربع طول x وتُدفع النقطة نحو الجهة الصحيحة؛ ولنقطة من الفئة −1 يحدث العكس. ويحدد معدل التعلم η حجم الخطوة. والمرور مرة على كل الأمثلة حقبة، وينتهي التدريب بعد دورة بلا أخطاء.

مبرهنة التقارب

إن وُجد خط مستقيم يفصل الفئتين فمن المؤكد أن يجد البيرسبترون خطًا كهذا. برهن ألبرت نوفيكوف عام 1962 أنه إذا كان طول كل مدخل لا يزيد على R وكان أفضل خط يفصل الفئتين بهامش γ، فإن القاعدة الكلاسيكية ترتكب (R/γ)² خطأً على الأكثر، أيًّا كان ترتيب الأمثلة. يقارن البرهان بين كميتين: كل خطأ يزيد محاذاة w للاتجاه المثالي بمقدار γ على الأقل، بينما لا ينمو طول w إلا كالجذر التربيعي لعدد الأخطاء، فلا بد أن تنفد الأخطاء. والخط الذي يجده ليس إلا واحدًا من خطوط كثيرة تفصل النقاط، وليس بالضرورة صاحب أوسع فجوة.

مينسكي وبابرت وXOR

حين لا يفصل أي خط مستقيم بين الفئتين لا تستقر القاعدة أبدًا: كل خط يخطئ في تصنيف نقطة ما، وتلك النقطة تجرّه بعيدًا من جديد. أبسط مثال هو XOR، الدالة الصحيحة حين يكون واحد فقط من مدخليها صحيحًا. وفي كتابهما Perceptrons عام 1969 برهن مارفن مينسكي وسيمور بابرت أن البيرسبترونات أحادية الطبقة لا تستطيع حساب XOR ولا معرفة ما إذا كان الشكل متصلًا، وحللا بدقة ما تستطيع حسابه. وكثيرًا ما يُلام الكتاب على تراجع تمويل أبحاث الشبكات العصبية في سبعينيات القرن العشرين، مع أن مؤلفيه كانا يعلمان أن الشبكات ذات الطبقات الأكثر تستطيع أكثر.

من البيرسبترونات إلى الشبكات العصبية

مع طبقتين يصبح XOR سهلًا: عصبون يحسب OR، وآخر يحسب NAND، وثالث يجمعهما بـAND. كانت الصعوبة في تدريب العصبونات المخفية، لأن العتبة الحادة لا تعطي أي إشارة إلى الاتجاه الذي يجب أن يُدار فيه الوزن. واستبدال الدالة الدرجية بدالة ملساء مثل السيغمويد جعل الخطأ قابلًا للاشتقاق، والانتشار العكسي، الذي نشره ديفيد روملهارت وجيفري هينتون ورونالد ويليامز عام 1986، يحسب مقدار إسهام كل وزن في كل طبقة في الخطأ. وهذه البيرسبترونات متعددة الطبقات، وقد صارت عميقة وعريضة، هي الشبكات العصبية اليوم. وللبيانات التي لا تستطيع طبقة واحدة فصلها، تحتفظ خوارزمية الجيب التي وضعها ستيفن غالانت عام 1990 على الأقل بأفضل خط ظهر أثناء التدريب.

جيفري هينتون، أحد مؤسسي الشبكات العصبية الحديثة
جيفري هينتون، أحد مؤسسي الشبكات العصبية الحديثة

استكشف بنفسك

افتح مُصوِّر البيرسبترون لتدريب بيرسبترون على البوابات المنطقية AND وOR وNAND، أو على نقاط عشوائية بالهامش الذي تختاره، أو على نقاط تضعها بنفسك. تتبّع قاعدة التعلم عيّنة بعد عيّنة واقرأ كل وزن قبل التحديث وبعده، وشاهد الخط ومتجه الأوزان يدوران، وتابع الأخطاء في كل حقبة. ثم جرّب XOR والسحب المتداخلة، وشاهد البيرسبترون يعجز عن التقارب، وشغّل خوارزمية الجيب.

الأسئلة المتداولة

هل البيرسبترون هو الانحدار اللوجستي نفسه؟

كلاهما عصبون واحد بحد مستقيم، لكنهما يتعلمان بطريقتين مختلفتين. البيرسبترون لا يجيب إلا بنعم أو لا ولا يغيّر أوزانه إلا بعد خطأ. أما الانحدار اللوجستي فيمرّر المجموع عبر دالة سيغمويد ليحصل على احتمال، ويعدّل أوزانه بعد كل مثال ليجعل الإجابات الصحيحة أرجح؛ لذا يواصل التحسن حتى حين تكون كل النقاط في الجهة الصحيحة، ويستقر أيضًا على بيانات لا يفصلها أي خط.

لماذا يحتاج البيرسبترون إلى انحياز؟

من دون انحياز يكون w₁x + w₂y صفرًا عند نقطة الأصل، فيمرّ كل حد بالنقطة (0, 0). وتحتاج البوابتان AND وOR على المدخلين 0 و1 إلى خط لا يمر بنقطة الأصل: فمثلًا في AND يفصل الخط 4x + 2y − 5 = 0 النقطة (1, 1) عن الزوايا الثلاث الأخرى. ويُتعلَّم الانحياز كأي وزن آخر، بوصفه وزن مدخل قيمته دائمًا 1.

أي خط يجده البيرسبترون؟

أي خط يفصل النقاط، بحسب الأوزان الابتدائية وترتيب الأمثلة. يتوقف بمجرد زوال الأخطاء، لذا كثيرًا ما يمر الخط قريبًا جدًا من بعض النقاط. أما آلات المتجهات الداعمة فتبحث عن الخط ذي الهامش الأوسع، وتجمع البيرسبترونات المصوِّتة والمتوسطة التي اقترحها يوآف فرويند وروبرت شابير الخطوطَ التي ظهرت أثناء التدريب لتعميم أفضل.

ما البيرسبترون متعدد الطبقات؟

شبكة من العصبونات مرتبة في طبقات، تكون مخرجات كل طبقة مدخلات الطبقة التالية. ومع دالة تنشيط ملساء بدل العتبة الحادة يمكن تدريبها بالانتشار العكسي والانحدار التدرجي. وتكفي طبقة مخفية واحدة بعدد كافٍ من العصبونات لتقريب أي دالة متصلة على منطقة محدودة، وعصبونان مخفيان يحلّان XOR بالفعل.

هل أنت مستعد لتجربتها؟

افتح PictorX في متصفحك - بدون تثبيت، ولا يلزم وجود بطاقة ائتمان للبدء.

افتح مُصوِّر البيرسبترون