Deep Torch

حابين نشارك معكم اول تقدم ل "سلافه محمود" .. أحد الطلاب يلي انقبلو بأحد المنح السابقة

سلافه خريجة من جامعة اللاذقية قسم الذكاء الصنعي قدمت عالمنح يلي قدمها فريقنا لحتى تحسن من مهاراتها العملية بالمجال و انقبلت بشكل جزئي بالتدريب بكورس ال ML يلي هو أول كورس أساسيات عنا

سلافه خلصت الكورس الأول و حاليًا تم تمديد المنحة للكورس التاني و يلي هو ال DL

منتمنى التوفيق لسلافه و تتابع بهالمستوى لحتى تكفي بالمراحل القادمة ❤️

حابين نشارك معكم اول تقدم ل "أنس محمود" .. أحد الطلاب يلي انقبلو بأحد المنح السابقة

أنس طالب سنة ثالثة بجامعة اللاذقية .. و انقبل بشكل كامل بالتدريب بالمنحة يلي قدمناها بجامعة اللاذقية

أنس خلص الكورس الأول و حاليًا عميكفي المنحة بالكورس التاني و يلي هو ال DL

منتمنى التوفيق لأنس و يتابع بهالمستوى لحتى يكفي بالمراحل القادمة ❤️

حابين نشارك معكم اول تقدم ل "خليل البوشي" .. أحد الطلاب يلي انقبلو بالمنحة السابقة بشكل جزئي

خليل طالب سنة رابعة ذكاء صنعي بجامعة حمص .. و انقبل بالبداية بشكل جزئي بكورس ال ML يلي هو أول كورس أساسيات عنا

خليل خلص الكورس بوقت قياسي (أسبوعين) و حاليًا تم تمديد المنحة تبعو للكورس التاني و يلي هو ال DL

منتمنى التوفيق لخليل و يتابع بهالمستوى لحتى يكفي بالمراحل القادمة ❤️

بالمقال السابق حكيت عن آلية الاختبار المنطقية للنماذج بحيث نختبر الذكاء مو المهارة
بهاد المقال رح احكي كيف صنفت الورقة أنواع ال generalisation و يلي هيي فكرة مرتبطة كتير بآلية الاختبار (تحديد شو مستوى ال generalisation او مستوى صعوبة الاختبار فعليًا)

بشكل عام التعميم generalisation بيعني قدرة النظام عالتعامل مع المواقف (الحالات) يلي بتختلف عن يلي صادفو خلال التعلم (التدريب).

فينا نعرف مستويات مختلفة من التعميم:
1. غياب التعميم: و هيي الأنظمة يلي بالأصل ما بحاجة تعميم..يعني فعليًا في حال عدم وجود uncertainty بالمهمة يلي عميشتغلها النظام .. مثلًا لو في نظام بحل لعبة الشطرنج عن طريق التفكير بكل الاحتمالات الممكنة (بالتالي هو قادر يعرف النتيجة النهائية المتوقعة للعبة شو ما عمل) .. هاد بيختلف عن الإنسان يلي ممكن يفكر بضع خطوات لقدام و يعتمد عأمور تانية منطقية لتقييم الوضع.

2. التعميم المحلي robustness: و هيي قدرة النظام يتعامل مع حالات جديدة ما شايفها من قبل و لكن بتتبع لنفس التوزع يلي تتدرب عليه.
مثلًا نموذج متدرب عصور لغرض ما بوضعيات معينة..ممكن يعمم لنفس الغرض بوضعيات أخرى..هون نظريًا معروف شو الأمور يلي رح يواجهها النظام (غالبًا يكون متدرب عمجموعة وضعيات كافية لتساعدو يعمم لوضعيات بينية تانية)

3. التعميم الواسع النطاق (المرونة): و هيي قدرة النموذج انو يتعامل مع نطاق واسع من المهام و البيئات بدون توجيه الإنسان. هاد بيتضمن المواقف يلي ما متوقعها مصمم النظام (و بالتالي غالبًا ما درب النموذج عليها بشكل مباشر).
أحد الأمثلة عهالشي هو اختبار Wozniak’s coffee cup .. يلي هو عبارة عن دخول مطبخ عشوائي و إعداد كوب من القهوة .. التاسك معروفة بس ممكن تواجه النظام بيئات مختلفة بتتطلب تكيف مو مجرد تدريب عأمور مشابهة.

4. التعميم الأقصى (extreme generalisation): و هاد بيتضمن الأنظمة يلي قادرة تتعمل مع مهام مفتوحة ما ضروري مرتبطة بشكل مباشر باللي تدرب عليه النظام و إنما بتتشارك معها من نواحي مجردة فقط. (اذا عندك مثال اذكرو بالتعليقات)
الأنظمة البيولوجية (متل الإنسان) هيي المثال الوحيد عن أنظمة بهيك قدرة)

طبعًا بما انو حطينا الإنسان بالتصنيف الأعلى..بيبقى التسائل هل ممكن نوصل لمستوى أعلى من الإنسان؟ و هل مصطلح general AI او general intelligence صحيح من الناحية المنطقية؟
هاد الشي رح يكون موضوع المقال القادم 😁

القسم التاني من أفكار الورقة البحثية: On the Measure of Intelligence

حكيت بالمقال السابق عن بعض الافتراضات يلي بتخلينا نفكر انو جودة الأداء عتاسك معينة بتعطينا مقياس للذكاء
و كان السؤال .. لما نستعمل benchmark فيه عدة تاسكات بنفس الوقت..ما لازم نكون عمنحاكي اختبارات الذكاء تبع الإنسان و هاد يدلنا عمدى ذكاء النموذج؟

الجواب لا بسبب مشاكل جوهرية بهالمقاييس .. و بطريقة التدريب

أهم مشكلة هيي انو المطور تبع النموذج بيعرف مسبقًا شو التاسكات يلي رح يتم اختبار النموذج عليها .. و بيعرف أحيانًا حتى طبيعة البيانات (لما يكون توزع بيانات الاختبار و التدريب نفسو و يلي هو أحد شروط خوارزميات التعلم الحالية)

ليش هاد مشكلة؟
لانو بكل بساطة مطور النموذج عميضيف هالمعلومات يلي بيعرفها للنموذج .. يا أما عن طريق شي hardcoded .. يا أما عن طريق اختيار البيانات بحيث تتناسب مع التاسكات يلي رح يشوفها النموذج

هاد بيعني انو مطور النموذج دائمًا فيه يزيد جودة النموذج بانو يجيب بيانات أكتر بحيث يغطي حالات أكتر

هلا هاد مشابه لاختبارات الذكاء تبع الإنسان؟
لا أبدًا .. أحد أهم الشروط باختبارات الذكاء انو الشخص ما يكون بيعرف عشو رح يتم اختبارو بحيث ما يتدرب عليه .. لانو التدريب عشي بزيد المعرفة عنو و بصير في خلط بين الذكاء و كمية المعلومات و بالتالي صعب تقييم الذكاء نفسو

لهيك في حال بدنا نقيم ذكاء الآلة .. لازم يكون في benchmark يختبرها عتاسكات ما شافتها من قبل .. و لازم مطور البرنامج ما يعرف شو هي التاسكات بحيث ما فيه يدرب النموذج عليها أصلًا ..

هاد بيعني انو قبل ما ندرب النموذج .. لازم نحدد شو المعلومات المسبقة يلي عندو (لانو نموذج مدرب عكل الويب الو أفضلية عنموذج مدرب ععينات بسيطة رغم انو التاني ممكن أذكى) .. و لازم يتم اختيار التاسكات بحيث يكون النموذج قادر انو يحلها من ناحية المبدأ (ما منطقي نعطي نموذج computer vision تاسك لغوية مثلًا) .. و ما لازم يعرف النموذج عشو رح يتم اختبارو (ولا المطور تبع النموذج)

بهيك حالة منصير عمنختبر قدرة النموذج عتحويل معلوماتو و خبرتو السابقة لمهارة بشكل سريع .. يعني عمنقيس الذكاء بفعالية النموذج باكتساب المهارات و هاد تعريف الذكاء يلي عرضتو الورقة

طبعًا هاد بيعني انو رح نختبر النموذج عبيئات ما شافها و لا متوقعها .. هالشي بيعني انو مبدأ ال generalisation مختلف عن مبدأ انو بس يكون بيانات ما شافها تمامًا بس من نفس التوزع
فعليًا في عدة مستويات لل generalisation حكت عنها الورقة و هاد رح يكون موضوع المقال القادم 😁

fans

أحد الأوراق يلي لازم يقراها أي شخص مهتم بالذكاء الصنعي كعلم و سعي نحو إنشاء ذكاء محاكي للبشر (يلي بدورو ممكن يخلينا نفهم ذكاءنا أكتر) .. مو مجرد سباق نحو إنشاء أنظمة برمجية قادرة على إنجاز مهام كتير محددة بعد اغراقها بالبيانات!

حتى لو كنت شخص جديد بالمجال فيك تقرا هي الورقة .. تحديدًا القسم الأول و الجزء الأول من القسم التاني لأنهن فلسفيين نوعًا ما أكتر من تقنيين. و من الجيد تقراهن لحتى ما تنخدع بكتير شعارات وهمية للشركات يلي عمتطور الأنظمة "الذكية" حاليًا.

بهي الورقة بيتم نقاش فكرة كيف نحدد إذا نظام ما ذكي أو لا .. مع الأخد بعين الاعتبار انو ما في تعريف متفق عليه للذكاء طبعًا
الورقة طويلة .. 64 صفحة (مع ال refs) .. و بتناقش أفكار كتير لهيك رح احكي عنها بأكتر من مقالة.

أول فكرة هيي مبدأ اختبار نماذج ال AI عمدى مهارتهن بحل مشكلة معينة .. يعني عمنختبر skill معينة للنموذج .. مشكلة هاد النوع من الاختبار هو انو ما بيتم وضع أي شروط عكيف النموذج وصل لأداء جيد عهي التاسك .. يعني ممكن لاقى shortcuts (و يلي هيي مشكلة حكيت عنها قبل).

لنفهمها اكتر .. في فكرة مشهورة انحكى فيها بال AI منيح و يلي هيي شي اسمو AI effect .. هاد ادعاء انو كل ما حدا عمل نموذج أو اكتشف طريقة بتخلي النماذج أفضل بتاسك معينة (مثلًا لعب الشطرنج أو حل مسائل رياضيات للأولمبياد، الخ..) بيجو العالم بقولو هاد مانو تفكير .. هاد بيعطي انطباع انو نحنا كل ما وصلنا للهدف يلي كان معلن عمنغيرو لهدف أبعد.

أحد التفسيرات لهي الفكرة انو لما نعرف انو الآلة صارت عمتعمل شي معين تلقائيًا منصير نعتبرو ما بدو ذكاء فعلي .. الشخص يلي فسر هاد التفسير قال انو لو هو هزم بطل العالم بالشطرنج (متل ما ال AI عمل) .. ف رح يتم اعتبارو ذكي جدًا..ليش ما منعتبر ال AI هيك كمان؟؟

هي المشكلة بتنبع من انو عميصير في كتير افتراضات بال AI نابعة من تجربتنا كبشر .. مثلًا كبشر .. ما حدا بيخلق بيعرف يلعب شطرنج .. و لما شخص بيصير يعرف يلعب بمستوى عالي .. فينا نستنتج باحتمال عالي انو هالشخص رح يكون قادر يتعلم شغلات معقدة تانية بنفس المقدار و بالتالي هو عندو قدرة كبيرة عبناء المهارات المختلفة و بالتالي هو ذكي
المشكلة هون انو افتراضنا عالإنسان صحيح لانو منعرف كيف بفكر الإنسان و كيف انو بحاجة يفكر و يخطط و يحلل ليكون قادر ينفذ مهمة معقدة معينة بمهارة عالية (متل الشطرنج) .. بس هالحكي ما بينطبق عال AI .. لأنو ما منعرف بوضوح شو الطريقة يلي عميتبعها لحتى وصل لهيك أداء .. و التجارب أثبتت انو أغلب النماذج عميكون الإنسان قادر يخدعها بعد فترة معينة من الزمن (في أمثلة بالورقة للي بحب يطلع) و انو النموذج يلي قادر ينفذ مهمة بدها تفكير للإنسان ينفذها (متل الشطرنج) ما قادر يستعمل هالقدرات عشي تاني غير الشطرنج حتى!

طيب ما بتنحل المشكلة بانو نبدل الاختبار عمهارة معينة باختبار ععدة مهارات بنفس الوقت بحيث نحاكي اختبارات الذكاء IQ تبع الإنسان؟
هالشي رح احكي عنو بالمقال القادم 😁

fans

ألف مبروك جميعًا 🎉

fans

ألف مبرووك حلا بحصولك عالمنحة التدريبية الكاملة 🎉🎉🎉

حلا طالبة هندسة معلوماتية بالجامعة الافتراضية و طالبة هندسة مساحية و جيوماتية بجامعة اللاذقية .. و رح تشتغل خلال المنحة عمجال الرؤية الحاسوبية يلي الو مجالات تطبيقية باختصاصها.

طبعًا هيي الوحيدة يلي حصلت عالمنحة الكاملة بسبب رسالة الدافع يلي محققة كل الشروط و يلي واضح فيها الخطط المستقبلية

رح يكون في منح جزئية رح نعلن عنها بكرا كمان .. و الهدف منها نعطي فرصة لبعض الطلاب يلي ال application تبعهن جيد بس لازم نشوف التزامهن و شغلهن لحتى فيهن يكفو تدريب كامل

طبعًا الايميلات تم إرسالها من 3 أيام .. و لكن ما أعلنا حتى اليوم بحيث في حال حدا كان بدو ينسحب من المنحة نعطيها لحدا تاني .. بالتالي أي حدا ما وصلو إيميل مننا معناها انو انرفض مع الأسف

أسباب الرفض في منها كتير بسيط .. و بدل على انو الشخص يلي مقدم ما قريان حتى الأسئلة تبع الفورم .. مثلًا في كتير رسائل دافع كانت عبارة عن سطرين فقط .. رغم انو محددين انو لازم تكون على الأقل 300 كلمة.
في كتير رسائل دافع عبارة عن حكي كتير عام ما بدل عدافع الشخص و إنما بيشرح عن المجال (بهمنا دافعك مو وين صار المجال).

و بالتوفيق جميعًا ❤️

fans Hala Khadrah

مرحبا جميعًا،

للتذكير .. بكرا آخر يوم للتسجيل عالمنحة .. و بعد نهاية التسجيل ب 10 أيام رح نعلن النتائج انشالله

مشان الايفينت .. الفيسبوك بيحذف ال Live Videos بعد فترة .. لهالسبب رفعنا الجلستين عقناة اليوتيوب بحيث يضلو موجودين (الرابط بالتعليقات)

fans

المنحى الحالي يلي عميتم عن طريقو اختبار نماذج الذكاء الصنعي يلي عأساس هدفها توصل لل AGI بناقض مبدأ ال General Intelligence أو يلي عادة يسمى Fluid Intelligence.
اختبار النماذج عكتير تاسكات و محاولة زيادة صعوبة التاسكات عميعطي وهم انو النموذج صار Flexible لانو صار بيعرف يعمل كتير تاسكات بينما بالواقع كلشي عمنعملو انو عمنعطيه بيانات اكتر و اكتر ليصير هيك..بس اذا بشوف أي بيئة جديدة ما رح يعرف يتعامل معها .. على عكس الإنسان

هالشي فينا نتخيلو كشخص عندو معلومات كتيرة و قريان كتير كتب .. لما تسألو و تناقشو باللي بيعرفو غالبا تطلع باستنتاج انو هاد الشخص كتير ذكي .. بس ممكن اذا حاولت تناقشو بشي ما بيعرف فيه شي ما رح يعرف يناقش .. لانو معتمد عالمعلومات اكتر من مهارات التفكير نفسها

هاد الموضوع رح احكي عنو و عن ورقة مشهورة تطرقت الو .. بس بالمقالة الجاية
بهي المقالة رح احكي عن نموذج جديد جدًا (من 10 ايام طلعت الورقة) .. و هو نموذج بسيط لتعلم تاسكات جديدة ببيانات قليلة .. لمحاكاة البيئات الجديدة و قدرة النموذج عالتكيف السريع معها و اكتشافها (مبدأ ال Fluid Intelligence)

لما يكون عنا بيانات قليلة .. ما رح فينا نستعمل نماذج عملاقة لانو ال overfitting رح يكون مشكلة وضوحًا.. و بنفس الوقت بدنا نموذج عميق لانو ممكن التاسك تكون معقدة

أحد الحلول الجديدة لهالموضوع هو استعمال تابعين فقط بحيث ما يكون عدد بارامتراتهن كتير (مثلا كل تابع هو طبقتين تلاتة من trnasformer او اي نوع طبقات) .. و بيتم تطبيقهن بشكل تكراري كمحاكاة للتفكير التسلسلي و هاد منسميه Deep Supervision لانو بكل مرة عمنعطي المرحلة الجاية التضمينات يلي تم تحسينها بالمرحلة يلي قبلها لتبني عليهن.

لحتى وضح الفكرة اكتر .. رح احكي عن هالتابعين و شو الهدف منهن
التابع الأول الهدف منو انو يحسن التضمينات بشكل تكراري .. بحيث يصير عنا هاد التضمين هو تمثيل عن الفكرة أو الأفكار المجردة يلي عميتم تحسينها شوي شوي .. متل ما منفكر نحنا بفكرة أولية و منصير منحسنها تدريجيًا.
التابع التاني الهدف منو استخراج حل ضمن فضاء التضمينات (الأفكار) مناسب للمشكلة الحالية

كل تكرار من الخوارزمية بيطبق التابع أول n مرة .. و التابع التاني مرة وحدة (لحتى نتحقق هل بكفي و فينا نوقف او لازم نتابع تحسين التضمينات)

هل هون بيجي السؤال الجوهري .. ما هي ال RNNs كانت تعمل شي مشابه .. فشو الجديد؟؟
هون في فرق جوهري بين التنين .. الشبكة الحالية ما رح يتم حساب المشتقات الها عبر كل التكرارات و إنما فقط التكرار الأخير
هالشي بيشتغل لانو الشبكة عمتتعلم تحسن التضمينات بالتكرار الأخير .. بالتالي لما نطبقها بالتكرارات الأولى هيي رح تعمل يلي تعلمتو .. تحسن التضمينات!
بالتالي نحنا ما عمندرب شبكة لتستخرج شي محدد بكل timestep و إنما شبكة عامة قادرة تحسن التضمينات

السؤال التاني الجوهري .. شو الفائدة من هيك شي؟
أولًا بما انو ما عمنحسب المشتقات و نحدث إلا لآخر تكرار لشبكات صغيرة نسبيًا .. فنحنا كأنو عمنستعمل شبكة صغيرة .. و بالتالي منحصل عفوائد السرعة بالتدريب و الحجم الصغير للتخزين .. شوفو المقارنة يلي بالجدول بين هالطريقة و بعض النماذج اللغوية الضخمة يلي تم التسويق انو عندها reasoning.
ثانيًا .. نحنا عمنحصل ععمق فعلي كبير .. لانو لما نطبق تحسين التضمينات بشكل تكرار بصير كأنو عنا شبكة كبيرة عمتشتغل عهي التضمينات لتحسينها (في أرقام فعلية بالورقة للي بحب يطلع عليها)

طبعًا اسا في كتير تفاصيل تقنية بالورقة بس حاولت اذكر الأفكار و الورقة بسيطة للي بحب يطلع عليها.

fans

مرحبا جميعًا

الفورم للتسجيل عالمنحة صار متاح 😁 (الرابط بالتعليقات)

للتذكير .. فقط الأشخاص يلي حضرو الايفينت من حقهن يسجلو .. اذا ما فيك حضرت الايفينت لسبب خارج عن إرادتك فيك تتواصل معنا و ممكن تاخد فرصة

هي آخر منحة رح تكون خلال هالسنة (غالبًا) .. العدد يلي غالبًا نقبلو هو طالبين/طالبات .. بس هالشي ممكن يختلف حسب جودة الطلبات يلي رح توصل

يا ريت تهتمو بشكل كتير كبير برسالة الدافع خلال التقديم .. أهم معيارين بالقبول هنن دافعك لتعلم المجال + انو نكون قادرين نشوف انك شخص ملتزم و رح تلتزم لتحقق أهدافك

التسجيل مفتوح لمدة 20 يوم .. بعدها رح يكون في 10 أيام لحتى نحدد المقبولين و نتواصل معهن عبر الايميل و بعدها نعلن النتائج

بالتوفيق جميعًا ❤️

fans