بقلم أ. د.  تقي الدين عدنان الصمادي

ان الانسان هو أفضل المخلوقات على الاطلاق، وفضله انما هو في عقله، فعقل الانسان هو الذي رفع من شانه وجعله افضل المخلوقات على الاطلاق .وبناء على ذلك لا بد من معرفة العقل ومعرفة التفكير وطريقة التفكير.

ان التفكير هو الذي يجعل للعقل قيمته، وهو الذي يعطي الثمرات اليانعة التي تصلح بها الحياة، ويصلح بها الانسان،  بل يصلح الكون كله بما فيه حتى الجماد ، والنبات والحيوان.

ما هو العقل؟

ان الذين عرفوا العقل ما هو كثيرون، سواء اكان ذلك في القديم من. فلاسفة اليونان ، او من علماء المسلمين، او علماء الغرب، او كان ذلك في العصر الحديث .

ان جميع المحاولات السابقة لتعريف العقل لا يوجد فيها ما يستحق الذكر سوى محاولة علماء الشيوعية، فان تعريفهم وحده يستحق الذكر، ويمكن ان يرتفع الى مستوى النظر ، لانها محاولة جدية ولم يفسدها عليهم الا إصرارهم الخاطيء على انكار ان لهذا الوجود خالقا، ولولا هذا الاصرار لتوصلوا الى ادراك واقع العقل ادراكا حقيقيا، اي لتوصلوا الى معرفة واقع العقل  معرفة يقينية جازمة.

لقد اختلف اصحاب هذا المذهب حول الفكر والواقع ايهما اولا؟ واستقر رايهم في نهاية الأمر ان الواقع وجد اولا، اي قبل الفكر، وبناء على هذا عرفوا العقل او الفكربانه انعكاس الواقع على الدماغ، فتكون معرفتهم لواقع الفكر هو واقع ودماغ ، وعملية انعكاس لهذا الواقع على الدماغ.

ان الواقع شرط اساسي لوجود الفكر.

ولهذا فانه لوجود العقل او التفكير لا بد ان يكون هناك واقع، وهناك دماغ وعلماء الشيوعية اهتدوا الى ذلك لان وجودهما معا شرط اساسي لوجود الفكر اي العقل الا انهم حين حاولوا ربط الواقع بالدماغ للوصول الى الفكر اي لايجاد التفكير ، ضلوا الطريق. فجعل ا الربط بينهما هو انعكاس هذا الواقع على الدماغ فخرجوا بالنتيجة الخطأ في معرفة العقل، ولذلك عرفوا العقل تعريفا خاطئا، وسبب ذلك هو إصرارهم على انكار ان للوجود خالقا خلقه من عدم ، لانهم لو قالوا ان المعرفة تسبق العقل او الفكر، فانهم يقفون امام حقيقة واقعة ، وهي انه من اين جاء الفكر قبل وجود الواقع ، فلا بد ان يكون قد جاء من غير الواقع، وبالتالي من اين جاء الفكر للانسان الاول؟ لا بد انه جاء من غيره، ومن غير الواقع، فيكون الانسان الاول، والواقع، قد اوجدهما من اعطى الانسان الاول المعرفة، وهذا خلاف ما لديهم من معرفة جازمة بان العالم ازلي، وان الواقع أزلي ولذلك قالوا ان انعكاس الواقع على الدماغ هو العقل فهو الذي اوجد الفكر، وهو الذي وجد به التفكير.

كما انه قد عمي بصرهم عن الفرق بين الاحساس والانعكاس، وان عملية التفكير لم تاتي من انعكاس الواقع على الدماغ، وانما جاءت من الاحساس، والاحساس مركزه الدماغ، فعدم تفريقهم بين الاحساس والانعكاس زاد الطين بلة لديهم ، وصرفهم عن الطريق الذي كانوا يسيرون فيه، فكان ما كان من تعريفهم للعقل ومن الخطأ في هذا التعريف، ولكن اساس الخطأ لم يكن من عدم التفريق بين الاحساس والانعكاس، والا لكانوا اهتدوا الى ان المسالة احساس وليست انعكاسا. بل اساس الخطأ وانحراف التفكير هو ناتج من انكارهم ان لهذا الوجود خالقا ، فلم يدركوا ان وجود معلومات سابقة عن هذا الواقع شرط ضروري لوجود الفكر والتفكير ، اي شرط اساسي لوجود التفكير وبالتالي شرط ضروري لتكوين العقل .

seuil d’activation ویتم نقل الإشارة عبر المحاور العصبية فالنهایات العصبية المرسلة ثم تنتشر إلى الخلایا العصبية الأخرى المتصلة .

انتشرت تطبيقات الذكاء الصناعي في الفترة الأخيرة وخصوصا تطبيقات الشبكات العصبية حيث أنها تمثل أداة مناسبة لحل مشاكل عديدة من أبرزها تميز الأنماط وتصنيفها , من خلال موديل يتضمن كل العناصر الضرورية التي يشار اليها بقانون هيب التعليمي   Learning Rule) Hebbian)  لقد ذكر هيب بان المعلومات يمكن إن تخزن في روابط واتصالات ، وقد سلم بتقنية التعلم التي اثبت فوائدها في التطورات المستقبلية لهذا الحقل . وان قانون هيب التعليمي يمل مساهمة أولية في نظرية الشبكة العصبية وقد تم بناء واختبار أول دراسة حاسوبية عصبية في الخمسينات حيث تم تطبيق الاتصالات تلقائيا وخلال هذه المرحلة كان مصطلح برستون(  (Preceptornيطلق على الوحدة التي تمثلا لخلية العصبية ابتدع هذا المصطلح العالم فرنك بريسبترون وطلق على الوحدة التي تمثل الخلية العصبية ، ابتدع هذا المصطلح فرانك روزبلتFrank Rosenblat) ) وكان هذا الاختراع عبارة عن ماكينة قابلة للتدريب عن تعلم وتصنيف نماذج معينة بواسطة تحوير الاتصالات إلى عناصر البداية . بهذه الطريقة فقد أصبح التماشي مع خيال المهندسين والعلماء وتم وضع خلفية أساسية للعمليات الحسابية بهذا النوع من الماكينات والتي ماتزال تستخدم إلى يومنا هذا

واما الشبكات العصبية الإصطناعية هي عبارة عن نظام لمعالجة البيانات بشكل يحاكي و يشابه الطريقة التي تقوم بها الشبكات العصبية. Elements التي تدعى هنا بالعصبونات ومؤشرات هذه العناصر 

فهي تقنيات حسابية مصممة لمحاكاة الطريقة التي يؤدي بها الدماغ البشري مهمة معينة، وذلك عن طريق معالجة ضخمة موزعة على التوازي، ومكونة من وحدات معالجة بسيطة، هذه الوحدات ما هي إلا عناصر حسابية تسمى عصبونات أو عقد Nodes, Neurons والتي لها خاصية عصبية من حيث أنها تقوم بتخزين المعرفة العملية والمعلومات التجريبية لتجعلها  وهى متاحة للمستخدم وذلك عن طريق ضبط الأوزان ANN تتشابه مع الدماغ البشري في أنها تكتسب المعرفة بالتدريب المعرفة باستخدام قوى وصل داخل العصبونات تسمى الأوزان التشابكية. وهناك أيضا تشابه عصبي حيوي مما يعطي الفرصة لعلماء البيولوجيا في الاعتماد لفهم تطور الظواهر الحيوية ، فكما أن للإنسان وحدات استشعار توصله بالعالم الخارجي وهي حواسه الخمس، فكذلك الشبكات العصبية تحتاج لوحدات إدخال ، ووحدات معالجة يتم فيها عمليات حسابية تضبط بها الأوزان و نحصل من خلالها على ردة الفعل المناسبة لكل مدخل من المدخلات للشبكة . فوحدات الإدخال تكوّن طبقة تسمى طبقة المدخلات، و وحدات المعالجة تكوّن طبقة المعالجة وهي التي تخرج نواتج الشبكة. وبين كل طبقة من هذه الطبقات هناك طبقة من الوصلات البينية التي تربط كل طبقة بالطبقة التي تليها والتي يتم فيها ضبط الأوزان الخاصة بكل وصلة بينية، وتحتوي الشبكة على طبقة واحدة فقط من وحدات الإدخال , ولكنها قد تحتوي على أكثر من طبقة من طبقات المعالجة .

العصبون يتألف من :

Input ( a1,a2,a2,….an 2 وتمثل اشارة المدخلات للخلية العصبية-

( Weights ( Wj1, Wj2, Wj3,……Wjn حيث يعبر الوزن عن شدة الترابط بين عنصر قبله وعنصر بعده .

 Processing Element وهذا العنصر يقسم إلى قسمين

 (Adder) لجمع الإشارات في الدخل الموزون  (Activation Function

وهذا التابع يحد من خرج العصبون لذا يسمى بتابع التخميد Squashing حيث يجعل الخرج ضمن المجال [0,1] أو ضمن المجال[-[1,1] .

  Output (Xj) وهي القيمة النهائية لنواتج العمليات داخل الخلية العصبية

 هنالك العديد من الشبكات العصبية الاصطناعية و من أهمها الشبكة العصبية البيرسيبترون متعدد الطبقات Perceptron multicouche بينهم أو مخفية تتواجد بين طبقة المدخلات Input layer وطبقة المخرجات Output layer كل خلية في إحدى هذه الطبقات تتصل بكافة العصبونات الموجودة في الطبقة التي تليها وكافة العصبونات في الطبقة التي تسبقها.

 كل اتصال بين عصبون وآخر يتميز بارتباطه بقيمة تدعى الوزن Weightوهي تشكل مدى أهمية الارتباط بين هذين ، يقوم العصبون بضرب كل قيمة دخل واردة من عصبونات الطبقة السابقة بأوزان الاتصالات مع هذه العصبونات، من ثم جمع نواتج الضرب جميعا، ثم إخضاع النتيجة لتابع تحويل يختلف حسب نوع العصبون، والناتج يعتبر خرج العصبون الذي ينقل إلى عصبونات الطبقة اللاحقة

إن الخلية العصبية الاصطناعية یمكن أن تنجز نماذج بسيطة محددة لتوابع ریاضية، إلا أن قوة الحساب العصبية وسرها یأتي من الوصلات بين الخلایا العصبية مع بعضها البعض. فالبنية الأساسية في الشبكة العصبية هي الخلية العصبية وبتغيير وتعدیل وضعية اتصال الخلایا مع بعضها البعض یختلف سلوك الشبكة وتأثيرها ونتائجها، وقد أظهرت فعلاً نتائج باهرة في عدة مجالات تتميز بقدرتها على التكيف وتعديل تشكيلها لمناسبة اقصي مجهود مطلوب بأقلّ الوصلات ، كما أنها تستطيع تغيير وظائفها بعد زمن معيّن من عدم العمل إلى وظيفة أخرى, فمثلا, خلايا النظر في الكفيف تغير وظيفتها الى وظيفة خلايا سمعية. ن تطبيقات الشبكات العصبية الاصطناعية كثيرة ومهمة لتواكب مشكلات العصر ووجود حلول هامة لكثير من المسائل التكنلوجية الحديثة كالتعرف على الاصوات وبصمه العين والصور والحروف وغيرها من التقنيات الحديثه.

تحقق دينامية الشبكات العصبونية بقدرتها على التعلّم، وذلك بتعديل أوزان ارتباطاتها الداخلية. وتتعلم أغلب الشبكات بنوعين من أنواع خوارزميات التعلّم هي:

التعلّم المراقب: تضبط قوة الارتباطات الداخلية ووزنها بحسب الفرق بين مخارج الشبكة المطلوبة التي تحدد من قبل المراقب، والمخارج الفعلية من أجل دخل معين.

التعلّم غير المراقب: لا تتطلب هذه الخوارزميات مخارج هدف. تُقدم نماذج دخل إلى الشبكة العصبونية التي تقوم بضبط أوزان ارتباطاتها آلياً لتجميع نماذج الدخل في مجموعات حسب تشابهها.

ويمكن تصنيف الشبكات العصبونية في النماذج كنماذج التصنيف: تستخدم لتصنيف معطيات الدخل في صنف من عدد محدد من الأصناف، يدخل ضمن هذا النوع من النماذج الشبكات الآتية: البيرسبترون وحيد الطبقة Single-Layer Perceptron، والبيرسبترون متعدد الطبقات Multi-layer Perceptron، والعنصر الموائم الخطي Adaptive Linear Element.

نماذج الترابط: تستخدم من أجل استرجاع عنصر ما اعتماداً على جزء من العنصر نفسه أوباستخدام عنصر آخر. يدخل ضمن هذه النماذج شبكات هوبفيلد Hopfield Networks والذواكر المترابطة Associative Memories.

نماذج الأمثَلة: من أجل إيجاد أفضل الحلول الممكنة لمسألة ما، وذلك تحت شروط معينة. ومن الشبكات العصبونية المستخدمة في تطبيقات نماذج الأمثلة: شبكات هوبفيلد، وآلات بولتزمان Boltzmann machines.

نماذج الترتيب الذاتي: ترتب المعطيات المدخلة باستخدام قدرات التعلم التنافسي، ويدخل ضمنها شبكات كونن Kohonen Networks.

 يسعى الباحثون في مجال الشبكات العصبونية الصنعية أن تصل هذه الشبكات في المستقبل إلى محاكاة كاملة للدماغ الإنساني وأن تصبح الآلة تحس وتشعر. ولا يقتصر مستقبل الشبكات العصبونية على ذلك، وإنما يطمح إلى تحقيق أهداف مهمة لتطوير المنظومات المعتمدة على الشبكات العصبونية وفقاً لما يأتي:

1ـ مكاملة المنطق العائم مع الشبكات العصبونية.

2ـ تطوير الشبكات العصبونية النبضية.

3ـ تطوير الشبكات العصبونية العتادية.

4ـ تطوير تقنيات الشبكات العصبونية الموجودة لتمكنها في المستقبل أن تسمح بروبوت يمكنه أن يرى ويحس ويتنبأ بالعالم المحيط، والتنبؤ بسوق البورصة، وعزف الموسيقى، والتحويل الآلي للوثائق المكتوبة بخط اليد إلى وثائق بتنسيق معالج الكلمات، والتشخيص الطبي الذاتي، وأكثر من ذلك.