WEBVTT 00:00.450 --> 00:01.610 ما يجب أن تعرفه أليسون. 00:01.620 --> 00:03.450 ما هو الإنترنت على أي حال؟ 00:04.320 --> 00:07.770 الإنترنت عبارة عن شبكة كمبيوتر ضخمة. 00:07.890 --> 00:10.230 الشخص الذي أصبح كبيرًا حقًا الآن. 00:10.800 --> 00:11.550 ماذا تقصد هذا. 00:11.940 --> 00:12.320 كيف واحد. 00:12.780 --> 00:13.590 ماذا تكتب لها؟ 00:13.590 --> 00:14.280 مثل البريد؟ 00:14.310 --> 00:14.550 رقم. 00:14.550 --> 00:16.170 يستخدمه الكثير من الناس ويتواصلون. 00:16.320 --> 00:18.820 أعتقد أنه يمكنهم التواصل مع كتاب ومنتجي NBC. 00:18.840 --> 00:21.270 أليسون ، هل يمكن أن توضح ما هو الإنترنت؟ 00:29.010 --> 00:30.430 كم هذا مذهل؟ 00:30.450 --> 00:34.260 منذ ما يزيد قليلاً عن 20 عامًا ، لم يكن الناس يعرفون حتى ما هو الإنترنت. 00:34.260 --> 00:36.990 واليوم لا يمكننا حتى تخيل حياتنا بدونها. 00:37.020 --> 00:39.410 مرحبًا بك في دورة التعلم العميق من الألف إلى الياء. 00:39.420 --> 00:43.190 اسمي كيرا رامكو ومع المدرب المشارك ، اجتمعوا على بونتيماستر. 00:43.200 --> 00:48.060 نحن متحمسون للغاية لوجودك على متن الطائرة وسنقدم لك اليوم نظرة عامة سريعة 00:48.060 --> 00:52.050 على ماهية التعلم العميق ولماذا يتم التقاطه الآن. 00:52.050 --> 00:53.520 اذا هيا بنا نبدأ. 00:53.520 --> 00:55.290 لماذا ألقينا نظرة على هذا المقطع؟ 00:55.290 --> 00:57.540 وما هذه الصورة هنا؟ 00:57.540 --> 01:00.120 حسنًا ، كان هذا المقطع من عام 1994. 01:00.150 --> 01:02.910 هذه صورة لجهاز كمبيوتر من عام 1980. 01:02.910 --> 01:09.450 والسبب في قيامنا بالخوض في التاريخ قليلاً هو أن الشبكات العصبية ، جنبًا إلى جنب مع التعلم العميق 01:09.450 --> 01:15.600 ، كانت موجودة منذ بعض الوقت ، وقد بدأت للتو في التقاط الصور والتأثير على العالم في الوقت 01:15.600 --> 01:16.530 الحالي. 01:16.530 --> 01:20.850 لكن إذا نظرت إلى الثمانينيات ، سترى أنه على الرغم من اختراعها 01:20.850 --> 01:27.540 في الستينيات والسبعينيات ، فإنها حقًا اشتعلت في اتجاه أو اشتعلت الرياح في الثمانينيات. 01:27.540 --> 01:30.330 لذلك بدأ الناس يتحدثون عنها كثيرًا. 01:30.600 --> 01:35.820 كان هناك الكثير من الأبحاث في هذا المجال واعتقد الجميع أن التعلم العميق أو الشبكات 01:35.820 --> 01:41.550 العصبية كانت هذا الشيء الجديد الذي سيؤثر على العالم ، وسيغير كل شيء ، وسيحل جميع مشاكل 01:41.550 --> 01:42.930 العالم. 01:42.930 --> 01:45.960 ثم تلاشى نوعًا ما ببطء خلال العقد التالي. 01:46.140 --> 01:46.890 اذا ماذا حصل؟ 01:46.890 --> 01:50.790 لماذا لم تنجو الشبكات العصبية ولم تغير العالم؟ 01:50.850 --> 01:56.790 كان السبب في ذلك ، أنهم لم يكونوا جيدين بما فيه الكفاية ، ولم يكونوا جيدين في التنبؤ 01:56.790 --> 02:02.250 بالأشياء وليسوا جيدين في النمذجة وأساسًا ليسوا اختراعًا جيدًا. 02:02.250 --> 02:03.360 أم أن هناك سبب آخر؟ 02:03.360 --> 02:08.340 حسنًا ، في الواقع ، السبب وراء وجود السبب والسبب أمامنا ، هو حقيقة أن التكنولوجيا 02:08.340 --> 02:13.500 في ذلك الوقت لم تكن على مستوى المعيار الصحيح لتسهيل الشبكات العصبية. 02:13.500 --> 02:17.790 لكي تعمل الشبكات العصبية والتعلم العميق بشكل صحيح ، فأنت بحاجة إلى شيئين. 02:17.790 --> 02:21.540 أنت بحاجة إلى بيانات ، وتحتاج إلى الكثير من البيانات ، وتحتاج إلى قوة معالجة. 02:21.540 --> 02:25.770 أنت بحاجة إلى أجهزة كمبيوتر قوية لمعالجة تلك البيانات وتسهيل الشبكات العصبية. 02:25.770 --> 02:28.260 لذلك دعونا نلقي نظرة على كيفية القيام بذلك. 02:29.060 --> 02:34.530 لقد تطورت البيانات أو تخزين البيانات على مر السنين ، وبعد ذلك سننظر في كيفية تطور التكنولوجيا. 02:34.540 --> 02:38.830 إذن لدينا هنا ثلاث سنوات ، 1956 ، 1980 ، 2017. 02:39.760 --> 02:43.090 كيف بدا التخزين في عام 1956؟ 02:43.090 --> 02:49.720 حسنًا ، هناك محرك أقراص ثابت ، وهذا القرص الصلب لا يستغرق سوى خمسة دقائق انتظار لمحرك أقراص صلبة ميغا بايت. 02:49.720 --> 02:55.210 هذا خمسة ميغا بايت على الرافعة الشوكية بحجم غرفة صغيرة. 02:55.210 --> 03:01.000 هذا محرك أقراص ثابت يتم نقله إلى مكان آخر على متن طائرة. 03:01.000 --> 03:07.930 وهذا هو شكل التخزين في عام 1956 ، كان عليك أن تدفع لشركة كان عليها أن تدفع ألفين ونصف دولار 03:07.930 --> 03:15.430 من تلك الأيام لاستئجار القرص الصلب هذا لاستئجاره ، وليس شرائه لتأجيره لمدة شهر واحد. 03:16.150 --> 03:18.700 في عام 1980 ، تحسن الوضع قليلاً. 03:18.700 --> 03:24.370 إذن لدينا هنا قرص صلب بسعة عشرة ميغا بايت لثلاثة آلاف ونصف لا يزال مكلفًا للغاية وعشرة 03:24.370 --> 03:25.090 ميغا فقط. 03:25.090 --> 03:26.860 هذه مثل صورة واحدة هذه الأيام. 03:26.980 --> 03:36.790 واليوم في عام 2017 ، لدينا بطاقة SD بسعة 256 جيجابايت مقابل 150 دولارًا ، والتي يمكن أن تناسب إصبعك. 03:36.790 --> 03:43.480 وإذا كنت تشاهد هذا الفيديو بعد عام أو ما شابه في 2019 أو 2025 ، فمن المحتمل أنك تضحك على نفسك 03:43.480 --> 03:47.170 لأنه بحلول ذلك الوقت ستمتلك سعة تخزين أكبر. 03:47.170 --> 03:49.020 لكن مع ذلك ، فإن النقطة تبقى. 03:49.020 --> 03:53.860 لذلك ، إذا قارناها في جميع المجالات ، وكنا بالفعل نأخذ السعر 03:53.860 --> 03:58.300 والحجم في الاعتبار فقط سعة كل ما كان يتجه في ذلك الوقت. 03:58.300 --> 04:08.860 لذلك من عام 1956 إلى عام 1980 ، زادت السعة بمقدار الضعف تقريبًا ثم زادت بنحو 25600 مرة. 04:08.980 --> 04:13.150 وطول الفترة لا يختلف كثيرًا. 04:13.150 --> 04:18.700 إذن من 1956 إلى 1982 ، 24 سنة من 1980 إلى 2017 ، 37 سنة. 04:18.700 --> 04:24.610 إذن ، ليس هذا كثيرًا من الزيادة في الوقت ، ولكن قفزة هائلة في التقدم التكنولوجي. 04:24.610 --> 04:28.120 وهذا يدل على أن هذا ليس اتجاهًا خطيًا. 04:28.120 --> 04:30.550 هذا نمو هائل في التكنولوجيا. 04:30.550 --> 04:36.640 وإذا أضفنا ذلك لمراعاة السعر والحجم ، فسيكون ذلك بملايين الزيادة. 04:37.060 --> 04:40.420 وهنا لدينا رسم بياني بمقياس لوغاريتمي. 04:40.420 --> 04:46.180 لذلك إذا رسمنا تكلفة محرك الأقراص الثابتة لكل جيجابايت ، فسترى أن هذا يبدو شيئًا كهذا. 04:46.180 --> 04:50.200 نحن نقترب بسرعة من الصفر في الوقت الحالي. 04:50.200 --> 04:55.090 يمكنك الحصول على تخزين على Dropbox و Google Drive ، والذي لا يكلفك أي شيء ، التخزين 04:55.390 --> 04:57.160 السحابي ، وسيستمر ذلك. 04:57.160 --> 05:01.150 وفي الحقيقة ، على مر السنين ، سوف يذهب هذا إلى أبعد من ذلك. 05:01.150 --> 05:05.800 في الوقت الحالي ، يبحث العلماء في استخدام الحمض النووي للتخزين. 05:05.800 --> 05:07.660 وهي مكلفة للغاية الآن. 05:07.660 --> 05:15.100 يكلف تجميع 2 ميغا بايت من البيانات 7000 دولار ثم 2000 أخرى لقراءتها. 05:15.100 --> 05:19.930 لكن هذا النوع من التذكير بهذه الحالة الكاملة للقرص الصلب والطائرة ، أنه سيتم تخفيف ذلك 05:19.930 --> 05:24.670 بسرعة كبيرة جدًا مع هذا المنحنى الأسي بعد 10 إلى 10 سنوات من الآن ، بعد 20 عامًا من الآن ، 05:24.670 --> 05:28.420 سيستخدم الجميع الحمض النووي التخزين إذا ذهبنا إلى هذا الاتجاه. 05:28.420 --> 05:29.890 وإليك بعض الإحصائيات حول ذلك. 05:29.890 --> 05:35.320 لذا يمكنك استكشافه بشكل أكبر ، وربما إيقافه مؤقتًا ، وإيقاف الفيديو مؤقتًا إذا كنت تريد قراءة المزيد حول هذا الموضوع. 05:35.320 --> 05:36.760 هذا من طبيعة دوت كوم. 05:36.760 --> 05:44.440 ويمكنك في الأساس تخزين جميع بيانات العالم في كيلو واحد فقط ، أو كيلوغرام واحد من تخزين الحمض النووي ، أو يمكنك تخزين 05:44.590 --> 05:49.300 حوالي مليار تيرابايت من البيانات في غرام واحد من تخزين الحمض النووي. 05:49.300 --> 05:56.080 لذلك هذا مجرد شيء لإظهار مدى سرعة تقدمنا وهذا هو السبب في أن التعلم العميق ينتعش الآن 05:56.080 --> 06:02.770 بعد أن وصلنا أخيرًا إلى المرحلة حيث لدينا بيانات كافية لتدريب نماذج فائقة الروعة ومتطورة 06:02.770 --> 06:04.060 للغاية. 06:04.060 --> 06:08.200 في ذلك الوقت في الثمانينيات عندما تم اختراعها لأول مرة ، لم يكن الأمر كذلك. 06:08.470 --> 06:12.700 والشيء الثاني الذي تحدثنا عنه هو قدرة المعالجة. 06:12.700 --> 06:17.770 إذن لدينا هنا منحنى أسي مرة أخرى على مقياس لوغاريتمي. 06:17.800 --> 06:23.560 لم يتم تصويره بشكل مثالي هنا ، ولكن على اليمين يمكنك أن ترى أنه مقياس لوغاريتمي وهذه هي الطريقة التي تطورت بها أجهزة 06:23.560 --> 06:24.340 الكمبيوتر. 06:24.340 --> 06:26.290 لذا مرة أخرى ، لا تتردد في إيقاف هذه الشريحة. 06:26.290 --> 06:27.340 هذا يسمى قانون مور. 06:27.370 --> 06:34.090 ربما تكون قد سمعت عن مدى سرعة تطور قدرة المعالجة لأجهزة الكمبيوتر. 06:34.210 --> 06:39.940 في الوقت الحالي ، نحن في مكان ما هنا حيث يمكن لجهاز كمبيوتر متوسط الشراء 06:39.940 --> 06:47.560 مقابل 1000 دولار ، ويفكر بسرعة دماغ الجرذ ، وما بين 25 سيكون سرعة الإنسان أو 23. 06:47.560 --> 06:54.640 وبعد ذلك بحلول عام 2050 أو 2045 ، ستتجاوز جميع البشر مجتمعين. 06:54.640 --> 07:01.540 لذلك نحن في الأساس ندخل عصر أجهزة الكمبيوتر القوية للغاية ، والتي يمكنها معالجة 07:01.540 --> 07:05.590 الأشياء بطريقة أسرع مما يمكننا تخيله بعد ذلك. 07:05.590 --> 07:08.410 وهذا ما يسهل التعلم العميق. 07:08.410 --> 07:11.890 إذن كل هذا يقودنا إلى السؤال ما هو التعلم العميق؟ 07:11.890 --> 07:15.340 ما هو موقف الشبكة العصبية بالكامل؟ 07:15.340 --> 07:16.750 ما الذي يحدث؟ 07:16.750 --> 07:18.130 ما الذي نتحدث عنه هنا؟ 07:18.130 --> 07:21.490 وربما تكون قد رأيت صورة ، شيء من هذا القبيل ، لذلك دعونا نتعمق فيه. 07:21.490 --> 07:22.570 ما هو التعلم العميق؟ 07:23.320 --> 07:28.150 هذا الرجل النبيل هنا ، جيفري هينتون ، معروف باسم الأب الروحي لديب. 07:28.290 --> 07:33.390 التعلم ، وأجرى بحثًا عن التعلم العميق في الثمانينيات. 07:33.390 --> 07:41.010 وقد قام بالكثير والكثير من العمل ، والكثير من الأوراق البحثية التي نشرها في Deep Learning. 07:41.010 --> 07:42.810 يعمل حاليًا في Google. 07:42.810 --> 07:47.520 لذا فإن الكثير من الأشياء التي سنتحدث عنها تأتي من جيفري هينتون ، ويمكنك أن ترى 07:47.520 --> 07:48.180 الكثير. 07:48.210 --> 07:49.770 لديه عدد غير قليل من مقاطع الفيديو على YouTube. 07:49.770 --> 07:51.270 يشرح الأشياء بشكل جيد. 07:51.270 --> 07:53.900 لذلك أوصي بشدة بفحصها. 07:53.910 --> 08:00.210 وبالتالي فإن الفكرة وراء التعلم العميق هي النظر إلى الدماغ البشري وسيكون هناك قدر كبير 08:00.210 --> 08:03.240 من علم الأعصاب قادمًا وفي هذه الدروس. 08:03.240 --> 08:09.240 وما نحاول القيام به هنا هو محاكاة كيفية عمل الدماغ البشري. 08:09.240 --> 08:10.920 ونحن لا نعرف الكثير. 08:10.920 --> 08:14.940 أنت لا تعرف كل شيء عن الدماغ البشري ، لكن تلك الكمية القليلة التي نعرفها ، 08:14.940 --> 08:16.650 نريد تقليدها وإعادة إنشائها. 08:16.650 --> 08:17.160 ولما ذلك؟ 08:17.160 --> 08:22.050 حسنًا ، لأن الدماغ البشري يبدو أنه أحد أقوى الأدوات على هذا الكوكب للتعلم 08:22.050 --> 08:25.020 والتعلم وتكييف المهارات ثم تطبيقها. 08:25.020 --> 08:32.520 وإذا تمكنت أجهزة الكمبيوتر من نسخ ذلك ، فيمكننا الاستفادة مما قرره الانتقاء الطبيعي بالفعل بالنسبة 08:32.520 --> 08:32.910 لنا. 08:32.910 --> 08:36.750 كل تلك الأنواع من الخوارزميات التي قررت أنها الأفضل. 08:36.750 --> 08:37.770 سنقوم فقط بالاستفادة من ذلك. 08:37.770 --> 08:39.210 لماذا نعيد اختراع الدراجة؟ 08:39.210 --> 08:39.590 الصحيح. 08:39.630 --> 08:41.880 لذلك دعونا نرى كيف يعمل هذا هنا. 08:41.880 --> 08:44.490 لدينا بعض الخلايا العصبية. 08:44.490 --> 08:52.020 هذه هي الخلايا العصبية التي تم تلطيخها على الزجاج ثم تم فحصها تحت المجهر لبعض الألوان. 08:52.020 --> 08:54.210 وهذا يمكنك أن ترى كيف يبدون. 08:54.210 --> 08:58.470 لذلك لديهم مثل الجسم ، لديهم هذه الفروع ولديهم مثل ذيول وهلم جرا. 08:58.470 --> 08:59.520 حتى تتمكن من رؤيتهم. 08:59.520 --> 09:01.620 لديهم مثل نواة بالداخل في المنتصف. 09:01.620 --> 09:06.840 وهذا أساسًا ما تبدو عليه الخلايا العصبية في دماغ الإنسان. 09:06.840 --> 09:10.500 هناك ما يقرب من 100 مليار خلية عصبية إجمالاً. 09:10.500 --> 09:11.700 لذلك فهذه خلايا عصبية فردية. 09:11.700 --> 09:15.240 هذه في الواقع خلايا عصبية حركية لأنها أكبر ، يسهل رؤيتها. 09:15.240 --> 09:21.630 ولكن مع ذلك ، هناك 100 مليار خلية عصبية في دماغ الإنسان ، وكل خلية عصبية متصلة بما 09:21.630 --> 09:23.880 يقرب من ألف من جيرانها. 09:23.880 --> 09:26.520 إذن ، لأعطيكم صورة ، هذا ما تبدو عليه. 09:26.520 --> 09:31.890 هذا جزء حقيقي من دماغ الإنسان. 09:31.890 --> 09:38.880 وهذا هو المخيخ ، وهو جزء من دماغك في الخلف. 09:38.880 --> 09:47.610 إنها مسؤولة عن مثل المصفوفة وعن الحفاظ على توازنك وبعض القدرات اللغوية وأشياء من هذا القبيل. 09:47.610 --> 09:54.870 لذلك هذا فقط لإظهار مدى اتساع عدد الخلايا العصبية الموجودة. 09:54.900 --> 09:58.720 إنها مثل مليارات ومليارات ومليارات من الخلايا العصبية كلها متصلة في دماغك. 09:58.720 --> 10:02.520 لذا فليس الأمر كما لو كنا نتحدث عن خمسة أو 500 أو 1000 أو مليون. 10:02.520 --> 10:04.230 هذه بلايين من الخلايا العصبية هناك. 10:04.560 --> 10:08.250 ونعم ، هذا ما سنحاول إعادة إنشائه. 10:08.250 --> 10:11.640 فكيف نعيد إنشاء هذا في جهاز كمبيوتر؟ 10:11.640 --> 10:20.310 حسنًا ، نقوم بإنشاء بنية اصطناعية تسمى الشبكة العصبية الاصطناعية ، حيث لدينا عقد أو خلايا عصبية ، وسيكون لدينا 10:20.310 --> 10:23.400 بعض الخلايا العصبية لقيم الإدخال. 10:23.400 --> 10:27.270 إذن فهذه هي القيم التي تعرفها عن موقف معين. 10:27.270 --> 10:31.170 لذلك ، على سبيل المثال ، أنت تصمم شيئًا ما ، تريد أن تتنبأ بشيء 10:31.170 --> 10:34.950 ما ، سيكون لديك دائمًا بعض المدخلات ، شيء لبدء تنبؤاتك. 10:35.130 --> 10:37.890 ثم هذا يسمى طبقة الإدخال ، ثم لديك الإخراج. 10:37.890 --> 10:43.230 هذه هي القيمة التي تريد توقعها أو ما إذا كانت مفاجأة ، سواء كان شخصًا 10:43.230 --> 10:47.850 ما سيغادر البنك أو يبقى في البنك ، هل هذه معاملة احتيالية؟ 10:47.850 --> 10:49.410 هل هذه صفقة حقيقية؟ 10:49.410 --> 10:50.280 وهلم جرا. 10:50.700 --> 10:52.350 لذلك ستكون طبقة الإخراج. 10:52.350 --> 10:55.260 وبين ذلك سيكون لدينا طبقة مخفية. 10:55.260 --> 10:59.670 فكما ترى في دماغك ، لديك الكثير من الخلايا العصبية. 10:59.670 --> 11:03.240 لذلك تأتي بعض المعلومات من خلال عينيك وأذنيك وأنفك. 11:03.300 --> 11:04.860 لذلك أنت في الأساس حواسك. 11:04.860 --> 11:09.180 وبعد ذلك ، لا يقتصر الأمر على الانتقال على الفور إلى الإخراج حيث لديك. 11:09.180 --> 11:14.460 والنتيجة هي مرور كل هذه المليارات والمليارات والمليارات من الخلايا العصبية قبل أن تصل إلى المخرجات. 11:14.460 --> 11:16.980 وهذا هو المفهوم الكامل وراء ذلك أننا سنقوم بنمذجة الدماغ. 11:16.980 --> 11:20.520 لذلك نحن بحاجة إلى هذه الطبقات المخفية الموجودة قبل الإخراج. 11:20.520 --> 11:25.260 إذن طبقات الإدخال ، الخلايا العصبية المتصلة بالخلايا العصبية للطبقة المخفية ، الطبقة المخفية من الخلايا العصبية 11:25.260 --> 11:26.490 التي تتصل بقيمة الإخراج. 11:26.640 --> 11:29.220 وهذا رائع جدًا. 11:29.220 --> 11:30.480 ولكن ما هو كل هذا؟ 11:30.480 --> 11:32.040 أين التعلم العميق هنا؟ 11:32.040 --> 11:32.820 لماذا يسمى التعلم العميق؟ 11:32.820 --> 11:33.900 لا يوجد شيء عميق هنا. 11:33.900 --> 11:39.390 حسنًا ، هذا نوع من الخيار الذي قد يسميه المرء التعلم الضحل. 11:39.690 --> 11:41.670 لا يوجد الكثير مما يحدث بالفعل. 11:41.670 --> 11:43.380 لكن لماذا يسمى التعلم العميق؟ 11:43.380 --> 11:45.960 حسنًا ، لأننا ننتقل بهذا إلى المستوى التالي. 11:45.960 --> 11:48.180 نحن نفصلها أكثر. 11:48.180 --> 11:50.730 وليس لدينا طبقة مخفية واحدة فقط. 11:50.730 --> 11:57.720 لدينا الكثير والكثير والكثير من الطبقات المخفية ، ثم نربط كل شيء. 11:57.720 --> 12:01.830 كما هو الحال في الدماغ البشري ، نحن نربط كل شيء ، كل شيء مترابط. 12:01.830 --> 12:08.550 وهذه هي الطريقة التي تتم بها معالجة قيم الإدخال من خلال كل هذه الطبقات المخفية ، تمامًا كما هو الحال في الدماغ البشري. 12:08.550 --> 12:12.300 ثم لدينا قيمة مخرجات ونحن الآن نتحدث عن التعلم العميق. 12:12.300 --> 12:15.780 هذا ما يدور حوله التعلم العميق على مستوى مجرد للغاية. 12:15.780 --> 12:21.120 في البرامج التعليمية الإضافية ، سنقوم بالتشريح والغوص بعمق في التعلم العميق ، وبنهاية 12:21.120 --> 12:26.460 الأمر ستعرف ما هو كل شيء عن التعلم العميق وستعرف كيفية تطبيقه في مشاريعك. 12:26.460 --> 12:27.930 متحمس للغاية بشأن هذا خان. 12:28.040 --> 12:31.790 انتظر لتبدأ وأنا أتطلع إلى رؤيتك في البرنامج التعليمي التالي. 12:31.820 --> 12:33.830 حتى ذلك الحين ، استمتع بالتعلم العميق.