الكود التصوّري المغلق: ثورة في تدريب الشبكات العصبية بفضل المرشحات الهرمية الغاوسية!

في زمن تتسارع فيه وتيرة التطورات التكنولوجية، يبرز [الكود التصوّري](/tag/[الكود](/tag/الكود)-التصوّري) المغلق (Closed-form Predictive Coding) كحلٍّ جديدٍ ومبتكرٍ لتحديات [تدريب [الشبكات](/tag/الشبكات) العصبية](/tag/[تدريب](/tag/تدريب)-[الشبكات](/tag/الشبكات)-العصبية) الاصطناعية. هذا المنهج يعرض بديلاً محليًا وأساسيًا بيولوجيًا لطريقة العودة العكسية (Backpropagation)، ولكن نتيجة لبعض القيود، كانت أداؤه أبطأ بشكل ملحوظ، وخاصةً عند زيادة عمق الشبكة.

تقع جذر هذه المشكلات في تبسيطٍ واحدٍ: [الشبكات](/tag/الشبكات) المعتمدة على [الكود التصوّري](/tag/[الكود](/tag/الكود)-التصوّري) كانت تعتمد على مصفوفة [الدقة](/tag/الدقة) الثابتة، مما يتجاهل [الأخطاء](/tag/الأخطاء) المتوقعة المعززة بالدقة التي تحتاجها لتكون سريعة وفعّالة. لذلك، قمنا بإغلاق هذه [الفجوة](/tag/الفجوة) من خلال تقديم [شبكات](/tag/شبكات) [الكود](/tag/الكود) التصوري كمرشحات غاوسية هرمية عميقة (Deep Hierarchical Gaussian Filters)، مما أعاد تفعيل تمرير الرسائل المتضررة بالدقة، مما يوفر تقديرات [ديناميكية](/tag/ديناميكية) لعدم اليقين وقواعد [تحديث](/tag/تحديث) متوافقة مع هيبيان (Hebbian) في كل طبقة.

هذه [الشبكات](/tag/الشبكات) تخدم أيضًا كحزمة متكاملة لتعلم التنشيطات (Activations) والأوزان (Weights) والدقات (Precisions) بموجب هدف [طاقة](/tag/طاقة) حرّة واحدة، دون الحاجة لإشارة [خطأ](/tag/خطأ) عالمية، مما يجعل عملية [الاستدلال](/tag/الاستدلال) تكتمل دون الحاجة لدورات متكررة أو تمييز تلقائي.

وعند اختبار نظامنا على [مجموعة بيانات](/tag/مجموعة-[بيانات](/tag/بيانات)) FashionMNIST، أوضح الحل الجديد قدرته على الاقتراب من تكلفة [التعليم](/tag/التعليم) [عبر](/tag/عبر) العودة العكسية في [تكاليف](/tag/تكاليف) الوقت، بينما [تقارب](/tag/تقارب) [عدد](/tag/عدد) الدورات المطلوبة (
Epochs) وحقق أداءً متفوقًا في المهام المعتمدة على [الكفاءة](/tag/الكفاءة) الزمنية والبيانات.

في الختام، يعد [الاستنتاج](/tag/الاستنتاج) أن [الاستدلال المتغير](/tag/[الاستدلال](/tag/الاستدلال)-المتغير) المغلق مع [التعلم الديناميكي](/tag/[التعلم](/tag/التعلم)-الديناميكي) للدقة يوفر أساسًا متينًا لشبكات [الكود](/tag/الكود) التصوري العميقة، محتفظاً بمميزات بيولوجية وتفسيرية بدون الحاجة للتخفيف التكراري أو [إشارات](/tag/إشارات) [خطأ](/tag/خطأ) عالمية. هل أنتم مستعدون لاستكشاف آفاق جديدة في [الذكاء الاصطناعي](/tag/الذكاء-الاصطناعي)؟