الذكاء الاصطناعي

 المحولات  المحولات الكهربائية تعتمد على أعمدة النظام الكهربائي إذ تلعب دورا رئيسيا في نقل توزيع الكهرباء يوميا يعتمد المحول في عمله على ظاهرة الكهرومغناطيسي حيث يتكون من ملفين نحاسيين الاول يستقبل التيار و الثاني يخرج التيار بعد تحويله يلف الملفات حول قلب حديدي يساعد المجال المغناطيسي عند مرور التيار في الملف الأولي ينشأ مجال مغناطيسي متغير يتحول إلى ملف الثانوي و يولد تيارا كهربائيا يمكن التحكم في الكهرباء بسهولة و هذا يساهم في تقليل الفاقد وزيادة الأمان  المحولات في كل مكان حتى في شواحن الهواتف و أجهزة التلفاز و أجهزة الحاسب التي تمكننا من تشغيل الأجهزة بأمن عن طريق ضبط الكهربائي المحول الكهربائي هو اعظم الاختراعات في تاريخ الهندسة الكهربائية لأنه ساعد البشر على الاستفاده من الكهرباء في حياتهم اليومية ولولاه لما تمكنا من نقل الكهرباء إلى المدن و القرى 

 التعلم المعزز العميق  يعتمد التعلم المعزز العميق  على الشبكات العصبية الاصطناعية لتحليل البيانات واتخاذ القرارات يستخدم خوارزميات لتحسين أدائه يستخدم هذا النوع من الذكاء الاصطناعي في العديد من المجالات مثل ألعاب الفديو و الروبوتات يساعد التعلم المعزز العميق في الآلآت أكثر ذكاء وقدرة على التصرف وهو من التقنيات التي ستاتي في المستقبل . التعلم المعزز العميق وتطبيقاته التعلم المعزز العميق ( Deep Reinforcement Learning ) أهم التقنيات الحديثة في مجال الذكاء الاصطناعي هو عبارة عن دمج بين وحدتين أساسيتين : الوحده الأولى التعلم و الوحده الثانيه التعلم العميق  التعلم المعزز سواء كان روبوت أو برنامج حاسوب من خلال التفاعل مع البيئة يحصل على مكافأت أو عقوبة وفقا لنتائج أفعاله ان يتعلم كيفية اتخاذ افضل القرارات لتحقيق أعلى مكافأت ممكنة على المدى البعيد التعلم العميق فهو يعتمد على الشبكات العصبية الاصطناعية هذه الشبكات قادرة على كميات كبيرة من البيانات و استخلاص الأنماط منها بطريقة عالية وفعالة  الجمع بين هذه الوحدتين نحصل على التعلم المعزز العميق الذي يمكن الآلات من اتخاذ قر...

 الشبكات التوليدية العكسية  الشبكات التوليدية العكسية هي نوع من الذكاء الاصطناعي تقوم بتوليد بيانات جديده تتكون هذه الشبكات من وحدتين رئيسيين : المولد و المميز  تستخدم الشبكات التوليدية العكسية في العديد من المجالات مثل توليد الصور و تحسين جودة الصور القديمة هذه التقنيات من ابرز تطورات الذكاء الاصطناعي في العصر الحديث . تعتمد الشبكات التوليدية العكسية على مبدأ التعلم العميق في الذكاء الاصطناعي يتم تدريب النموذج على كميات كبيرة من البيانات حتى يصبح قادر على انتاج محتوى جديد يطابق خصائص البيانات الأصلية بدقة مميزه . أبرز النماذج المبنية على هذه التقنية وحدة ستايل غان ( Style GAN ) و الذي يستخدم لتوليد صور عالية الجودة كما استخدمات الشبكات التوليدية في إنشاء عوالم في الألعاب الفيديو و إنتاج محتوى نظري واقعي في صناعة السينما بالرغم من ان هذه التكنولوجيا ما زالت في تطور مستمر إلا انها تعد من الأدوات القوية على مختلف حياتنا اليومية في المستقبل . كما توظف هذه التقنية الأمن السيبراني حيث يمكن استخدمها لمحاكات هجمات إلكترونية محتملة مما يساعد في اختبار الأنظمة وتأمينها ضد التهديد ...

 الشبكات الذاكرة الطويلة القصيرة  الشبكات العصبية الذاكرة الطويلة القصيرة هي نوع من الشبكات العصبية الاصطناعية المستخدمة في تعلم التسلسلات الزمنية تم تصميم هذه الشبكات لحل مشكلة النسيان السريع التي كانت تعاني منها الشبكات التقليدية تستخدم شبكات LSTM في مجالات عديدة مثل الترجمة الآلية و التعرف على الصوت . تتكون وحدة LSTM من ثلاثة وحدات رئيسية : باب الإدخال و باب النسيان و باب الإخراج . تعمل هذه الوحدات معا للتحكم في تدفق المعلومات داخل الشبكة .  التصميم الذكي أصبحت شبكات LSTM أداة فعالة في التعامل مع البيانات التسلسلية المعقدة و سهمات في تطور تطبيقات الذكاء الاصطناعي الحديثة . أهمية شبكات LSTM وتطبيقات العملية  تعد شبكات LSTM من الأدوات القوية التي غيرت طريقة تفاعل الحواسيب و البيانات المتغيرة  النماذج البسيطة تستطيع LSTM التعامل مع الترتيب و التسلسل حيث يعتمد معنى الجملة على الترتيب الكلمات . التطبيقات الواقعية لشبكات  LSTM :   1. الترجمة الآلية : مثل الترجمة العربية إلى الإنجليزية حيث تتطلب فهم الجملة كاملة  2. التعرف على الصوت و الكلام : حيث تسم...

الشبكات العصبية الالتفافية وتعرف اختصار سي ان ان هي نوع من الشبكات العصبية العميقة تستخدم على نطاق واسع في المجال الرؤية الحاسوبية مثل اكتشاف الأجسام تقوم هذه الشبكات حيث تعتمد على طبقات متعددة تقوم بتحليل البيانات بدءا من التعرف على الحواف و الزوايا ثم التعرف على الأشكال  تتكون الشبكة العصبية الالتفافية من طبقات رئيسية أولها طبقة الالتفاف تستخدم مرشحات صغيرة و تعرف فلتر وتقوم المرشحات بالتحرك على الصور مثل الحواف و الصور .  بعد ذلك تأتي طبقة التفعيل و تستخدم في الإدخال اللخطية إلى النظام ومن اشهر التفعيل المستخدمة هي ريلو والتي تبقي الموجب فقط . بعد ذلك تأتي طبقة التجميع و تعرف ماكس بولينغ هي تعمل على تقليل الصور المعالجة مع المحافظه على المعلومات الأهم فيها مما يسهم في تسريع عملية التدريب و تقليل التعقيد بعدها يتم تسطيح النتائج لتصبح على شكل رقمي واحد يرسل إلى الطبقات الكاملة الاتصال هي طبقات تقليدية من الشبكات العصبية تستخدم لاتخاذ القرار النهائي مثل فئة معينة يتم استخدام الشبكات في العديد من التطبيقات مثل تشخيص الأمراض و التعرف على الوجوه و السيارات الذاتية القيادة و في ال...

 الشبكات العصبية التكرارية  الشبكات العصبية التكرارية تشبة عمل الدماغ البشري عند معالجة المعلومات نحن لا نفهم كل كلمة على حدة بل تربط بينها لندرك المعنى الكامل كذلك تفعل الشبكات التكرارية تحفظ سياق المعلومات أهمية الشبكات في قدرتها على التنبؤ بما سيحدث لاحقا مثل النظام مبني على شبكة تكرارية او ان يكمل جملة ناقصة يستخدم هذا النوع من الشبكات في كتابة القصص آليا .  التقدم الكبير الذي حققته هذه الشبكات إلا انها لا تزال تواجه تحديات صعوبة تعلم و خطر ضياع المعلومات مع مرور الزمن مما يعرف بمشكلة و لهذا السبب ظهرات تحسينات مثل LSTM و GRU حيث تحتوي على أبواب خاصة تتحكم بتدفق المعلومات داخل الشبكة فهم هذه الشبكات يعد خطوة مهمة نحو بناء أنظمة ذكية وتساهم في تطوير مجالات عديدة مثل التعليم و الصحة و التكنولوجيا . أصبحت الشبكات العصبية التكرارية اداة أساسية في العديد من تطبيقات الذكاء الاصطناعي الحديثة ففي أنظمة الترجمة الآلية تعتمد الشبكات على فهم الجملة كاملة قبل ترجمتها ومع التطور التقني السريع بدأ الباحثون في دمج الشبكات التكرارية مع تقنيات أخرى مثل الشبكات الالتفافية ( CNN) و المح...

 الشبكات العصبية الاصطناعية  الشبكات العصبية الاصطناعية من اهم الذكاء الاصطناعي استلهمت فكرتها من طريقة عمل تتكون هذه الشبكات  من مجموعة من العقد او الخلايا العصبية المرتبطة و تعمل على معالجة المعلومات بطريقة مشابهة لعمل الخلايا العصبية البيولوجية تدريب الشبكة العصبية الاصطناعية باستخدم بيانات ضخمة تتعلم من خلال التكرار و التقليل الخطأ تستخدم هذه الشبكات في العديد من المجالات مثل ترجمة اللغات و تحليل البيات الطبية و قيادة السيارات الذاتية . تتكون الشبكة من ثلاث طبقات : الطبقة الإدخالية التي تستقبل البيانات و الطبقات الخفية التي تقوم بعمليات و الطبقة الإخراجية التي تنتج النتيجة و تستخدم خوارزميات مثل الانتشار العكسي لتحديث الروبط بين العقد و تحسين أداء النموذج يعتبر هذا النوع من النماذج قويا للغاية في التعرف على الأنماط يحتاج إلى قدر كبير من البيانات و مع تطور تقنيات الحوسبة أصبحت الشبكات العصبية أداء فعالة في دعم اتخاذ القرار الآلي و بهذا فان الشبكات العصبية الاصطناعية تمثل خطوة متقدمة تمكن الآلات من الفهم و تفتح افاق واسعة لتطبيقات مستقبلية . توجد أنواع من الشبكات العصبي...

 تقنيات التعلم العميق أنواع تقنيات التعلم العميق 1 . شبكات العصبية الاصطناعية   (Arificial Neural Networks -ANN). . تتكون من طبقات : طبقة ادخال و طبقة اخراج . . تستخدم في المهام الأساسية مثل التصنيف و الانحدار . 2 . شبكات العصبية الالتفافية  (Convlutional Neural Netwoks - CNN). . تستخدم  في معالجة الصور و التعرف على الأنماط . . تطبق للكشف عن الحواف و الميزات داخل الصور . . تطبيقات : سيارات ذاتية القيادة و التشخيص الطبي . 3 . شبكات العصبية التكرارية  .(Recurrent Neural Networks - RNN) . تستخدم لتحليل مثل النصوص او الصوت او الصور . . تحتفظ بمعلومات من الزمن السابق لاتخاذ قرارات . . تطبيقات الترجمة الآلية وتحليل المشاعر . 4 . شبكات الذاكرة الطويلة القصيرة  (Long Short - Term Memory - LSTM). . نوع قادر على الاحتفاظ بالمعلومات . . مفيد في المهام التي تحتاجها على المدى الطويل . . مثل تحليل للغة الطبيعية . 5 . محولات (Transfomers). . احدث و اقوى تقنية وهي أساس مثل ChatGPT وBERT .   . (nlp) تستخدم في معالجة للغة الغة الطبيعية . .  العلاقة بين اجزاء ا...