في تكنولوجيا المعلومات (IT) فإن الشبكات العصبونية أو الشبكات العصبية هي عبارة عن نظام من الأجهزة أو البرامج التي تم تصميمها على شكل الخلايا العصبية في الدماغ البشري، وتسمى أيضًا الشبكات العصبية الاصطناعية، وهي مجموعة متنوعة من تكنولوجيا التعلم العميق، والتي تقع تحت مظلة الذكاء الاصطناعي.
تركز التطبيقات التجارية لهذه التقنيات بوجه عام على حل مشكلات معالجة الإشارات المعقدة أو التعرف على الأنماط، ومن الأمثلة على التطبيقات التجارية الهامة لها منذ عام 2000 هي التعرف على الكتابة اليدوية لمعالجة الشيكات، والنسخ من الكلام إلى النص، وتحليل بيانات استكشاف النفط، والتنبؤ بالطقس، والتعرف على نمط الوجه.
تاريخ الشبكات العصبونية
في حين أن الشبكات العصبية تمثل بالتأكيد تكنولوجيا الكمبيوتر الحديثة القوية، إلّا أن الفكرة تعود إلى عام 1943، مع اثنين من الباحثين في جامعة شيكاغو هما وارن مكولوغ وهو عالم عصبي، ووالتر بيتس عالم الرياضيات.
كانت الشبكات العصبية في الخمسينيات من القرن العشرين منطقة خصبة لأبحاث الشبكات العصبونية على الكمبيوتر، بما في ذلك نظام Perceptron الذي حقق التعرف على النمط المرئي المستند إلى العين المركبة للذبابة.
وفي عام 1975 تم تطوير أول شبكة عصبية متعددة الطبقات، مما مهد الطريق لمزيد من التطوير في الشبكات العصبية ، وهو إنجاز كان البعض يعتقد أنه مستحيل قبل أقل من عقد من الزمن.
تجدد الاهتمام في عام 1982 بشكل كبير في الشبكات العصبية عندما اخترع جون هوبفيلد الأستاذ في جامعة برينستون الشبكة العصبية النقابية، وكان الابتكار هو أن البيانات يمكن أن تنتقل في اتجاه ثنائي وليس كما كان في السابق بشكل أحادي الاتجاه فقط، وهي معروفة أيضًا باسم مخترعها كشبكة هوبفيلد، تتمتع الشبكات العصبية الاصطناعية في أيامنا هذه بشعبية واسعة ونمو كبير.
كيف تعمل الشبكات العصبونية
عادةً ما تتضمن الشبكة العصبية عددًا كبيرًا من المعالجات التي تعمل بالتوازي وترتب في مستويات، أي أن الطبقة الأولى التي تتلقى معلومات المدخلات الخام مماثلةً للأعصاب البصرية في المعالجة البصرية البشرية، وتتلقى كل طبقة متتالية المخرجات من الطبقة التي سبقتها، ثم تقوم الطبقة الأخيرة بإخراج منتجات معالجة النظام.
لدى كل عقدة معالجة مجال صغير خاص بها من المعرفة بما في ذلك ما شاهدته أو أي قواعد بيانات تمت برمجتها في الأصل أو تم تطويرها لنفسها بنفسها، كما تكون الطبقات مترابطة بشكلٍ كبير، مما يعني أن كل عقدة في الطبقة n ستكون متصلة بالعديد من العقد في الطبقة n-1.
الشبكات العصبية معروفة بكونها متكيفة، مما يعني أنها تعدل نفسها عندما تتعلم من التدريب الأولي، وبشكلٍ لاحق توفر المزيد من المعلومات حول العالم.