Chapter 1 - 1.2 Language Models & Neural Networks

1.2 Language Models & Neural Networks ﱵﻗﻮﻟد ﺪﻌﺑ ﺎﻣ ﺎﻨﻤﻬﻓ ﻞﻛ تﺎﻴﺳﺎﺳﻷا ﻲﻓ ءﺎﻛﺬﻟا ﻲﻋﺎﻨﻄﺻﻻا ﻦﻣ Deep Learning و Machine Learning ، قﺮﻃو ﻢﻠﻌﺘﻟا ،ﺔﻔﻠﺘﺨﻤﻟا و Computer Vision NLP و ، نﺎﻤﻛو Generative AI , ﻲﻘﺑ كﺪﻨﻋ ﻪﻓﺮﻌﻣ تﺎﻴﺳﺎﺳاو ,ﻪﻳﻮﻗ ﺎﻨﻠﺻو ءﺰﺠﻠﻟ ﲇﻟا ًﻼﻌﻓ ﻞﻜﺸﻴﺑ دﻮﻤﻌﻟا يﺮﻘﻔﻟا يﻷ AI Agency وأ يأ ﺪﺣ ﺰﻳﺎﻋ ﻞﻐﺘﺸﻳ ﻞﻜﺸﺑ ﻲﻓاﱰﺣا ﻲﻓ ءﺎﻛﺬﻟا ):ﻲﻋﺎﻨﻄﺻﻻا .Large Language Models (LLMs ، ًﻻوأ ﻞﺒﻗ ﺎﻣ ،ﻖّﻤﻌﺘﻧ مزﻻ ﻢﻬﻔﻧ ﻪﻳإ Language Model .ﻂﺒﻀﻟﺎﺑ ،ﺔﻃﺎﺴﺒﺑ ـﻟا Language Model ﻮﻫ عﻮﻧ ﻦﻣ ءﺎﻛﺬﻟا ﻲﻋﺎﻨﻄﺻﻻا ردﺎﻗ ﲆﻋ ﻢﻬﻓ ﺔﻐﻠﻟا ،ﺔﻳﴩﺒﻟا ﺪﻴﻟﻮﺗ صﻮﺼﻧ ،ةﺪﻳﺪﺟ ﻞﻣﺎﻌﺘﻟاو ﻊﻣ مﻼﻜﻟا وأ ﺔﺑﺎﺘﻜﻟا ﺔﻘﻳﺮﻄﺑ .ﺔﻴﻛذ ﲏﻌﻳ ،ﺔﻃﺎﺴﺒﺑ ﻮﻫ أﺮﻘﻴﺑ ﺐﺘﻜﻳو ﻞّﻠﺤﻳو صﻮﺼﻨﻟا ﻪﻧﺄﻛو "ﻢﻬﻔﻳ" .ﺔﻐﻠﻟا ﺎًﻌﺒﻃ ﺎﻨﺣإ ﺶﻣ ﻢﻠﻜﺘﻨﺑ ﻦﻋ ﻢﻬﻓ يز ،نﺎﺴﻧﻹا ﻦﻜﻟ ﻦﻋ ةﺎﻛﺎﺤﻣ ﻢﻬﻓو ﻲﺋﺎﺼﺣإ مﺪﻘﺘﻣ طﺎﻤﻧﻷ .ﺔﻐﻠﻟا Language Model ـﻟا ﻮﻫ ﺔﻃﺎﺴﺒﺑ ﻞﻳدﻮﻣ ﻢﻠﻌﺘﻴﺑ ﺔﻐﻠﻟا. ﲏﻌﻳ لوﺎﺤﻴﺑ ﻊﻗﻮﺘﻳ ﺔﻤﻠﻜﻟا ﲇﻟا ﺔﻳﺎﺟ ﺪﻌﺑ تﺎﻤﻠﻜﻟا ﲇﻟا ،ﺎﻬﻣاﺪﻗ يز ﺎﻤﻟ نﻮﻜﺗ ثّﺪﺤﺘﺘﺑ ﻞﻤﻜﺘﺑو ﺔﻠﻤﺠﻟا ﻲﻓ .ﻚﻏﺎﻣد ﻮﻟ ﺎﻧﺪﻨﻋ :ﺔﻠﻤﺟ ﺎﻧأ" ﺢﻳار "...ـﻟا LM ـﻟا لوﺎﺤﻳ :لﻮﻘﻳ ؟ﺖﻛرﺎﻣﺮﺑﻮﺳ" ؟ﺔﺳرﺪﻤﻟا "؟ﺐﺘﻜﻤﻟا :ﲏﻌﻳ ﻮﻫ ﻊﻗﻮﺘﻴﺑ ﺔﻴﻟﺎﻤﺘﺣا ﻞﻛ ﺔﻤﻠﻛ ﺔﺒﺳﺎﻨﻣ ﻲﻓ .قﺎﻴﺴﻟا ﻮﻫ ﺶﻣ ,ﻆﻔﺤﻴﺑ ﻮﻫ ﻢﻬﻔﻴﺑ ﻂﻤﻨﻟا , Pattern :لﺎﺜﻣ ﻮﻟ :ﻪﻠﺘﻠﻗ ﻞﺟاﺮﻟا“ ﻂﺣ يﺎﺸﻟا ﲆﻋ ”… ﻊﻗﻮﺘﻴﻫ ← هﲒﺑاﱰﻟا“ وا ”ﻪﻟوﺎﻄﻟا نﻷ هد ﻲﻘﻄﻨﻤﻟا ﻲﻓ ﲔﻳﻼﻣ تﺎﻫﻮﻳرﺎﻨﻴﺴﻟا ﲇﻟا برﺪﺗا .ﺎﻬﻴﻠﻋ Language Model = جذﻮﻤﻧ ءﺎﻛذ ﻲﻋﺎﻨﻄﺻا برﺪﺗا ﲆﻋ تﺎﻴﻤﻛ ﺔﻤﺨﺿ ﻦﻣ صﻮﺼﻨﻟا نﺎﺸﻋ ﻢﻬﻔﻳ ﻊﻗﻮﺘﻳو مﻼﻜﻟا ﲇﻟا .هﺪﻌﺑ NLP هﻮﺟ ﲇﻟا ,هﺎﻨﺣﴍ ﻪﻴﻓ تﻼﻳدﻮﻣ ﺔﻐﻠﻟا ) LM ( ﲇﻟا ﻢﻠﻌﺘﺘﺑ ﻊﻗﻮﺘﺗ ,تﺎﻤﻠﻜﻟا ﻦﻜﻤﻣ لﻮﻘﻧ نا LM ﻮﻫ ةادأ وا ﻪﻴﻨﻘﺗ ﺔﺜﻳﺪﺣ اًﺪﺟ هﻮﺟ NLP © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

Large Language Models LLMs ـﻟا ﻲﻫ ﺔﺨﺴﻨﻟا ةﲑﺒﻜﻟا اﺪﺟ اﺪﺟ ﻦﻣ تﻼﻳدﻮﻣ ﺔﻐﻠﻟا ﺔﻳﺪﻴﻠﻘﺘﻟا Language Model . ةﺮﻜﻔﻟا نإ ﺔﻐﻠﻟا ﺶﻣ دﺮﺠﻣ تﺎﻤﻠﻛ ،ﺔﻳدﺮﻓ ﻦﻜﻟ ﺎﻬﻴﻓ طﺎﻤﻧأ ﺐﻴﻛاﺮﺗو ﻲﻧﺎﻌﻣو ﺔﻄﺑاﱰﻣ ﲆﻋ تﺎﻳﻮﺘﺴﻣ .ﺔﻔﻠﺘﺨﻣ نﺎﺸﻠﻋ ،هﺪﻛ ﻞﻛ ﺎﻣ داز ﻢﺠﺣ جذﻮﻤﻨﻟا ) parameters ،( ﻞﻛ ﺎﻣ رﺪﻗ ﻢّﻠﻌﺘﻳ طﺎﻤﻧﻷا ﻞﻜﺸﺑ قدأ ﺪّﻟﻮﻳو صﻮﺼﻧ بﺮﻗأ .ﺔﻴﻌﻴﺒﻄﻠﻟ Parameters ـﻟا ﻲﻓ تﺎﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﻲﻫ نازوﻷا ) weights ﲇﻟا ﺎﻫﺎﻨﺣﴍ لﻮﻳدﻮﻤﻟا (تﺎﻔﻟا ﻢﻴﻘﻟاو bias ﺔﻴﻤﻗﺮﻟا ) ﺎﻬﺣﴩﻨﻫ لﻼﺧ (تﺎﻈﺤﻟ ﲇﻟا ﺔﻜﺒﺸﻟا ﺎﻬﻤﻠﻌﺘﺘﺑ ءﺎﻨﺛأ يدو.ﺐﻳرﺪﺘﻟا ﲇﻟا ﲇﺨﺘﺑ جذﻮﻤﻨﻟا فﺮﻌﻳ ﻂﺑﺮﻳ ﲔﺑ ﺔﻤﻠﻜﻟا ﲎﻌﻤﻟاو .قﺎﻴﺴﻟاو ﻞﻛ ﺎﻣ داز ،ﺎﻫدﺪﻋ تداز ”ةﺮﻛاذ“ جذﻮﻤﻨﻟا ﻪﺘﻗدو ﻲﻓ ﻢﻬﻓ .ﺔﻐﻠﻟا ﻞﻛ ﺎﻣ تداز ﺔﻴﻤﻛ تﺎﻧﺎﻴﺒﻟا دﺪﻋو ،تاﱰﻴﻣارﺎﺒﻟا ﻞﻛ ﺎﻣ رﺪﻗ ﻞﻳدﻮﻤﻟا ﻢﻬﻔﻳ طﺎﻤﻧﻷا ةﺪﻘﻌﻤﻟا ﻲﻓ صﻮﺼﻨﻟا ﺪﻟﻮﻳو تﺎﺟﺮﺨﻣ .قدأ ﻞّﻴﺨﺗ ﻞﻛ Parameter ﻪﻧﺄﻛ ”حﺎﺘﻔﻣ“ وأ ”ﴍﺆﻣ“ ﲑﻐﺻ دﺪﺤﻴﺑ ﺔﻗﻼﻌﻟا ﲔﺑ تﺎﻤﻠﻛ ﻞﻤﺟو .ﺔﻔﻠﺘﺨﻣ ﻞﻳدﻮﻤﻟا ﺖﻗو ﺐﻳرﺪﺘﻟا لﺪﻌﻴﺑ ﻢﻴﻘﻟا يد ﻞﻜﺸﺑ ﺮﻤﺘﺴﻣ نﺎﺸﻠﻋ ﻞّﻠﻘﻳ ﺄﻄﺨﻟا ﲔﺑ تﺎﻌﻗﻮﺘﻟا ﺞﺋﺎﺘﻨﻟاو .ﺔﻴﻘﻴﻘﺤﻟا ﲆﻋ ﻞﻴﺒﺳ :لﺎﺜﻤﻟا ﻮﻟ ﺎﻧﺪﻨﻋ :ﺔﻠﻤﺟ ءﺎﻤﺴﻟا" ﺔﻴﻓﺎﺻ ،"هدرﺎﻬﻨﻟا ﻞﻳدﻮﻤﻟا مﺪﺨﺘﺴﻴﺑ Parameters ﺪﻳﺪﺤﺘﻟ ﺔﻴﻟﺎﻤﺘﺣا ﻞﻛ ﺔﻤﻠﻛ ،ﺎﻫﺪﻌﺑ ًءﺎﻨﺑ ﲆﻋ قﺎﻴﺴﻟا ﲇﻟا .ﻪﻤﻠﻌﺗا ﻞﻛ Parameter ﻮﻫ ءﺰﺟ ﻦﻣ ﺔﻜﺒﺷ ﺔﻤﺨﺿ ،اًﺪﺟ ﻢﻫﺎﺴﻴﺑو ﻲﻓ ﻢﻬﻓ ﺔﻗﻼﻌﻟا ﲔﺑ ،تﺎﻤﻠﻜﻟا ،ﺐﻴﻛاﱰﻟا ﱴﺣو قﺎﻴﺴﻟا ﻊﺳوﻷا ﻞﻤﺠﻠﻟ .تاﺮﻘﻔﻟاو LLMs ـﻟا ﺶﻣ ﺔﺟﺎﺣ ةﺪﻳﺪﺟ ؛ﻞﻣﺎﻜﻟﺎﺑ ةﺮﻜﻔﻟا ﺖﻧﺎﻛ ةدﻮﺟﻮﻣ ﻦﻣ ﲔﻨﺳ ﻲﻓ تﺎﻘﻴﺒﻄﺗ ﺔﻄﻴﺴﺑ يز Spell Checkers وأ Text Autocompletion ، ﺖﻧﺎﻛو تارﺪﻗ ﺔﻐﻠﻟا ةدوﺪﺤﻣ ،اًﺪﺟ تﻼﻳدﻮﻤﻟا يد ﺖﻧﺎﻛ ﻢﻬﻔﺗ ﺪﻋاﻮﻘﻟا ﺔﻄﻴﺴﺒﻟا ﻂﻘﻓ ﺶﺘﻧﺎﻛﺎﻣو ةردﺎﻗ ﲆﻋ ﻢﻬﻔﻟا ﻖﻴﻤﻌﻟا قﺎﻴﺴﻠﻟ وأ ﺪﻴﻟﻮﺗ صﻮﺼﻧ .ةﺪﻘﻌﻣ ﻦﻜﻟ ةرﻮﺜﻟا ﺔﻴﻘﻴﻘﺤﻟا ﺖﻠﺼﺣ ﺔﻨﺳ 2017 ﺎﻤﻟ ﺔﻛﴍ Google ﺖﻋﱰﺧا ـﻟا Transformer Architecture يدو ﺔﻴﻨﻘﺘﻟا ﲇﻟا تﲑﻏ ﺔﺒﻌﻠﻟا .ﻞﻣﺎﻜﻟﺎﺑ ﺎﻬﻧﻷ ﺖﻠﺧ جذﺎﻤﻨﻟا ﺶﻣ ﺲﺑ ﻢﻬﻔﺗ ﺐﻴﺗﺮﺗ ،تﺎﻤﻠﻜﻟا ﻦﻜﻟ نﺎﻤﻛ ﻢﻬﻔﺗ ﺎﻫﺎﻨﻌﻣ ﺎﻬﻗﺎﻴﺳو نﺎﻤﻛ ﺔﺟاﺮﻔﻧﻻا ﺔﻴﻘﻴﻘﺤﻟا ﺖﻠﺼﺣ ﺎﻤﻟ OpenAI تدوز ﻢﺠﺣ تﻼﻳدﻮﻤﻟا ﻞﻜﺸﺑ ﻞﺋﺎﻫ تدوزو ﺔﻴﻤﻛ تﺎﻧﺎﻴﺒﻟا ﲇﻟا ﻞﻳدﻮﻤﻟا بّرﺪﺘﻴﺑ ،ﺎﻬﻴﻠﻋ هدو ﲇﻟا ﻖﻠﺧ لوأ Large Language Model ﻲﻘﻴﻘﺣ: . GPT-3 ﻞﻳدﻮﻤﻟا اد لﺰﻧ ﻲﻓ ﻮﻴﻧﻮﻳ 2020، نﺎﻛو ﱪﻛأ ﺔﺨﺴﻧ ﻪﻨﻣ ﺎﻬﻴﻓ 175 رﺎﻴﻠﻣ ﱰﻣارﺎﺑ، ﲏﻌﻳ 100x ةﺮﻣ ﱪﻛأ ﻦﻣ ﱪﻛأ ﺔﺨﺴﻧ ﺎﻬﻠﺒﻗ GPT-2 ﲇﻟا نﺎﻛ ﻪﻴﻓ 1.5 رﺎﻴﻠﻣ ﺲﺑ. جذﻮﻤﻨﻟا اد رﺪﻗ ﺮﻬﻈﻳ عﻮﻧ ﻦﻣ ”ﻢﻬﻔﻟا“ ﺔﻐﻠﻟ ﻞﻜﺸﺑ © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

شﻮﻬﻨﻔﺸﻣ ﻞﺒﻗ اﺪﻛ ةدﺎﻳﺰﻟاو ةﲑﺒﻜﻟا يد ﻪﺘﻠﺧ ﻢﻬﻔﻳ صﻮﺼﻨﻟا ﻞﻤﻌﻳو صﻮﺼﻧ ةﺪﻳﺪﺟ ﺔﻘﻳﺮﻄﺑ ،ﺔﻠﻫﺬﻣ ادو نﺎﻛ ﺔﻳاﺪﺑ رﻮﻬﻇ ءﺎﻛذ ﻲﻋﺎﻨﻄﺻا رﺪﻘﻳ ﻞﻋﺎﻔﺘﻳ ﻊﻣ ﺔﻐﻠﻟا ﺔﻳﴩﺒﻟا ﺔﻘﻳﺮﻄﺑ ﻪﺒﺷ .ﺔﻴﻌﻴﺒﻃ Parameter ﻞﻛ ﻞﻐﺘﺸﻴﺑ ءﺰﺠﻛ ﻦﻣ غﺎﻣد" "ﻞﻳدﻮﻤﻟا ،ةﲑﻐﺼﻟا ﺎﻬﻠﻛو ﻊﻣ ﺾﻌﺑ نﻮﻜﺘﺑ ﺔﻜﺒﺷ ﺔﻗﻼﻤﻋ ةردﺎﻗ ﲆﻋ ةﺎﻛﺎﺤﻣ ﻢﻬﻔﻟا يﴩﺒﻟا ﺔﻐﻠﻟ ﺔﺟرﺪﺑ .ﺔﻠﻫﺬﻣ ﻞﻛ ﺎﻣ دﺪﻋ زﱰﻴﻣارﺎﺒﻟا ,داز داز ﻢﺠﺣ ,جذﻮﻤﻨﻟا ﱄﺎﺘﻟﺎﺑ رﺪﻘﻳ ﻢﻠﻌﺘﻳ طﺎﻤﻧا ,ﱰﻛا تﺎﻧﺎﻴﺑ ,ﱰﻛا ﻪﺠﻴﺘﻧو .سنﺣا Large Language Models :ﻲﻫ مﺎﻈﻧ ءﺎﻛذ ﻲﻋﺎﻨﻄﺻا ﻢﺗ ﻪﺒﻳرﺪﺗ ﲆﻋ تﺎﻴﻤﻛ ﺔﻠﺋﺎﻫ ﻦﻣ ،صﻮﺼﻨﻟا ردﺎﻗ ﲆﻋ ﻢﻬﻓ ﺔﻐﻠﻟا ﺔﻳﴩﺒﻟا ﺪﻴﻟﻮﺗو صﻮﺼﻧ ﻪﺒﺸﺗ ﻪﻐﻟ .نﺎﺴﻧﻹا Large ﺔﻤﻠﻛ ﺶﻣ ﺎﻫﺎﻨﻌﻣ ﻢﺠﺤﻟا ،ﻲﺋﺎﻳﲒﻔﻟا ﻦﻜﻟ ﺔﻴﻤﻛ ﺔﻓﺮﻌﻤﻟا ﲇﻟا جذﻮﻤﻨﻟا ﺎﻬﻤﻠﻌﺗا دﺪﻋو تﺎﻗﻼﻌﻟا ﲇﻟا هﻮﺟ .ﻪﻏﺎﻣد جذﻮﻤﻧ ﺔﻐﻠﻟا ﲑﻐﺼﻟا ﻦﻜﻤﻣ فﺮﻌﻳ ﻢﻠﻜﺘﻳ ﻞﻤﺟ .ﺔﻄﻴﺴﺑ ﻦﻜﻟ جذﻮﻤﻧ ﻢﺨﺿ يز GPT-4 :رﺪﻘﻴﺑ ● ﻢﻬﻔﻳ قﺎﻴﺴﻟا .ﺔﻗﺪﺑ ● ﻂﺑﺮﻳ ةﺮﻜﻓ .ىﺮﺧﺄﺑ ● ﻞﻠﺤﻳ ﺔﻴﻧ .ثﺪﺤﺘﻤﻟا ● ﺐﺘﻜﻳ ﻪﻧﺄﻛ ،نﺎﺴﻧإ بﻮﻠﺳﺄﺑ ﻖﺴﺘﻣ .ﻲﻘﻄﻨﻣو هدو ﻂﺒﻈﻟﺎﺑ ﲇﻟا ّﲇﺨﻴﺑ ChatGPT نﺎﺒﻳ ”ﻞﻗﺎﻋ“ ﻢﻏر ﻪﻧإ ﻲﻓ ﺔﻘﻴﻘﺤﻟا ﻊّﻗﻮﺘﻴﺑ ﺔﻤﻠﻜﻟا ﺔﻴﻟﺎﺘﻟا ﺔﻗﺪﺑ .ﺔﻳﺮﻘﺒﻋ © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

Large Language Models ـﻟا ﻲﻫ ﺔﺨﺴﻧ ﺔﻣﺪﻘﺘﻣ اًﺪﺟ ﻦﻣ ـﻟا Language Models ،ﺔﻳﺪﻴﻠﻘﺘﻟا ﲇﻟاو ﻪﻴﻠﺨﻴﺑ ﲒﻤﻣ ﻦﻋ ﺦﺴﻨﻟا ﺔﻤﻳﺪﻘﻟا ﲔﺘﺟﺎﺣ :ﲔﻴﺴﻴﺋر ﻢﺠﺤﻟا Scale و تارﺪﻘﻟا .Capabilities : ًﻻوأ ﻢﺠﺤﻟا ) (Scale LLMs ـﻟا اﻮﺑّرﺪﺘﻴﺑ ﲆﻋ تﺎﻋﻮﻤﺠﻣ تﺎﻧﺎﻴﺑ ﺔﻤﺨﺿ ،اًﺪﺟ ﻦﻜﻤﻣ ﻞﻤﺸﺗ تارﺎﻴﻠﻣ تﺎﻧﻮﻴﻟﺮﺗو تﺎﻤﻠﻜﻟا ﻦﻣ ﻞﻛ ءﺎﺤﻧأ ،ﺖﻧﱰﻧﻹا هﺪﻜﺑو نﻮﻜﻴﺑ ﻢﻫﺪﻨﻋ ةﺪﻋﺎﻗ ﺔﻴﻓﺮﻌﻣ ﺔﻌﺳاو .اًﺪﺟ ﺶﻣ ﺲﺑ ﻦﻣ تﺎﻧﺎﻴﺒﻟا ةﲑﺒﻜﻟا ﻲﻫ ،ﺔﻤﻬﻤﻟا نﺎﻤﻛ ﻢﺠﺣ جذﻮﻤﻨﻟا ﻪﺴﻔﻧ دﺪﻋ" "تاﱰﻴﻣارﺎﺒﻟا نﻮﻜﻴﺑ ،تﺎﻧﻮﻴﻟﱰﻟﺎﺑ هدو ﲇﻟا دوﲒﺑ ةرﺪﻗ جذﻮﻤﻨﻟا ﲆﻋ ﻢﻠﻌﺘﻟا ﻢﻴﻤﻌﺘﻟاو ﲆﻋ صﻮﺼﻧ ةﺪﻳﺪﺟ ,ةﺪﻘﻌﻣو ﻞﻐﺘﺸﻴﺑ ﲆﻋ ﺪﻳﺪﺤﺗ تﺎﻗﻼﻌﻟا ﲔﺑ تﺎﻤﻠﻜﻟا ﻞﻤﺠﻟاو ﺔﻔﻠﺘﺨﻤﻟا ﻞﻛ Parameter كرﺎﺸﻴﺑ ﻲﻓ ﻢﻠﻌﺗ تﻻﺎﻤﺘﺣﻻا ﲇﻟا دﺪﺤﺗ ﺔﻤﻠﻜﻟا ﲇﻟا ﺎﻬﻴﻠﻋ روﺪﻟا ﻲﻓ ،ﺔﻠﻤﺠﻟا ًءﺎﻨﺑ ﲆﻋ قﺎﻴﺴﻟا ،ﻖﺑﺎﺴﻟا هدو ﲇﺨﻴﺑ ﻞﻳدﻮﻤﻟا هﺪﻨﻋ ةرﺪﻗ ﲑﻏ ﺔﻗﻮﺒﺴﻣ ﲆﻋ ﻊﻗﻮﺗ تﺎﻤﻠﻜﻟا ﻞﻤﺠﻟاو ﻞﻜﺸﺑ .ﻲﻌﻴﺒﻃ :ﺎًﻴﻧﺎﺛ تارﺪﻘﻟا ) (Capabilities ﻞﻀﻔﺑ ﻢﺠﺤﻟا ﲑﺒﻜﻟا ءاﻮﺳ ﻲﻓ تﺎﻧﺎﻴﺒﻟا وأ ﻲﻓ ،زﱰﻴﻣارﺎﺒﻟا ـﻟا LLMs اورﻮﻄﻴﺑ ﻢﻬﻓ ﻖﻤﻋأ ﺔﻐﻠﻟ اﻮﺒﺴﺘﻜﻴﺑو ةﺪﻋﺎﻗ ﺔﻓﺮﻌﻣ .ﺔﻌﺳاو هد ﻢﻬﻴﻠﺨﻴﺑ ﻦﻳردﺎﻗ ﲆﻋ ﻞﻣﺎﻌﺘﻟا ﻊﻣ مﺎﻬﻣ ﺔﻳﻮﻐﻟ ،ةﺪﻘﻌﻣ يز ﺔﻤﺟﺮﺗ صﻮﺼﻧ ،ﺔﻠﻳﻮﻃ ﺺﻴﺨﻠﺗ ،تﻻﺎﻘﻣ وأ ﱴﺣ ءﺎﺸﻧإ ىﻮﺘﺤﻣ ﺪﻳﺪﺟ ﺔﻘﻳﺮﻄﺑ ،ﺔﻴﻌﻴﺒﻃ ﻲﻫو تﺎﺟﺎﺣ جذﺎﻤﻨﻟا ﺔﻳﺪﻴﻠﻘﺘﻟا Language Models ﺖﻧﺎﻛ ﺐﻌﺻ ﺎﻬﻴﻠﻋ .اًﺪﺟ ﻦﻜﻟ ﴪﻟا ﻲﻘﻴﻘﺤﻟا ءارو ةﻮﻗ ـﻟا LLMs ﻮﻫ ﲇﻟا ﻪﻴﻤﺴﻨﺑ Emergent Properties ، وأ ﺺﺋﺎﺼﺨﻟا .ﺔﺌﺷﺎﻨﻟا ﺺﺋﺎﺼﺨﻟا ﺔﺌﺷﺎﻨﻟا ﻲﻫ تارﺪﻘﻟا ﲇﻟا ﺎﻬﺒﺴﺘﻜﻴﺑ ﻞﻳدﻮﻤﻟا لﻼﺧ ،ﺐﻳرﺪﺘﻟا ﺶﻣ تﺎﺟﺎﺤﻟا ﲇﻟا ﺞﻣﱪﺗا ﺎﻬﻴﻠﻋ ﻞﻜﺸﺑ .ﴍﺎﺒﻣ نﺎﺸﻋ ﻢﻬﻔﺗ لا Emergent properties : ﻞﻴﺨﺗ خﺎﺒﻃ ﻆﻔﺣ ﻞﻀﻓأ 1000 ﺔﻔﺻو ﻲﻓ .ﻢﻟﺎﻌﻟا ﺶﻣ ﺲﺑ فﺮﻌﻴﻫ ،قﺎﺒﻃﻷا ﻦﻜﻟ رﻮﻄﻴﻫ ﻢﻬﻓ ﻖﻴﻤﻋ تﺎﻬﻜّﻨﻠﻟ ﺐﻴﻟﺎﺳاو ﺦﺒﻄﻟا يازاو تﺎﻧﻮﻜﻤﻟا ﻞﻋﺎﻔﺘﺘﺑ ﻊﻣ .ﺎﻬﻀﻌﺑ ﻮﻟ ﻪﻠﺘﺒﺟ تﺎﻧﻮﻜﻣ ةﺪﻳﺪﺟ ﺎﻣ شﺎﻬﻓﺎﺷ ﻞﺒﻗ ،هﺪﻛ اﺮﻜﺷ ﻪﺘﻓﺮﻌﻤﻟ , رﺪﻘﻴﻫ ﺮﻜﺘﺒﻳ ﻖﺒﻃ ﺬﻳﺬﻟ ﻮﻠﺣو اﺪﺟ ماﺪﺨﺘﺳﺎﺑ ﻪﺘﻓﺮﻌﻣ ﻪﻤﻬﻓو ،ﺦﺒﻄﻠﻟ ﱴﺣ ﻮﻟ ﺶﻴﻓﺎﻣ ﺔﻔﺻو ةدﺪﺤﻣ ﺎﻬﻤﻠﻌﺗ وا لوا هﺮﻣ ,ﺎﻬﻠﻤﻌﻳ ﲏﻌﻳ خﺎﺒﻄﻟا ﺶﻣ دﺮﺠﻣ ﻆﻓﺎﺣ ،تﺎﻔﺻو ﻪﻨﻜﻟ ﻖﻠﺧ ءﳾ ﺪﻳﺪﺟ ﻦﻣ ﺔﻓﺮﻌﻤﻟا ﲇﻟا .ﺎﻬﻤﻠﻌﺗا ﺲﻔﻨﺑ ،ﺔﻘﻳﺮﻄﻟا ـﻟا LLMs لﻼﺧ ﺐﻳرﺪﺘﻟا اﻮﺒﺴﺘﻜﻴﺑ ﻢﻬﻓ ﻊﺳاو ﺔﻐﻠﻟ ﺔﻓﺮﻌﻣو .ﺔﻤﺨﺿ ﺎﻤﻟ ﻢﻬﻳﺪﻧ ﺔﻤﻬﻣ ةﺪﻳﺪﺟ وأ لاﺆﺳ ﺎﻣ شﻮﺑرﺪﺗا ﻪﻴﻠﻋ ،ﻂﺒﻀﻟﺎﺑ اورﺪﻘﻳ اﻮﻌﻤﺠﻳ ﻢﻬﺘﻓﺮﻌﻣ ﻢﻬﻤﻬﻓو اوﺪّﻟﻮﻳو دودر ةﺪﻳﺪﺟ ةﺮﻜﺘﺒﻣو. © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

Emergent Properties = ةرﺪﻗ ـﻟا LLM ﲆﻋ رﺎﻜﺘﺑا ﻢﻬﻓو ءﳾ ﺪﻳﺪﺟ ﻦﻣ ﺔﻓﺮﻌﻤﻟا ﲇﻟا ،ﺎﻬﻤﻠﻌﺗا ﺶﻣ دﺮﺠﻣ راﺮﻜﺗ ﻞﻟا بّرﺪﺗا ﻪﻴﻠﻋ .صﻼﺧو هد ﲇﻟا ﲇﺨﻴﺑ ـﻟا LLMs ﺚﻳﺪﺣ ﺔﻋﺎﺴﻟا ،ﱵﻗﻮﻟد ﻢﻬﻧﻷ ﺶﻣ ﺲﺑ اوﺬﻔﻨﻴﺑ ﲇﻟا اﻮﺑرﺪﺗا ،ﻪﻴﻠﻋ ﻦﻜﻟ نﺎﻤﻛ اورﺪﻘﻴﺑ اﻮﻬﺟاﻮﻳ اوﺬﻔﻨﻳو مﺎﻬﻣ ةﺪﻳﺪﺟ ﺔﻔﻠﺘﺨﻣو ﻦﻣ ﲑﻏ ﺎﻣ اﻮﻧﻮﻜﻳ ﲔﺠﻣﱪﻣ صﻮﺼﺨﻣ ,ﺎﻬﻴﻟ اوﺪﻟﻮﻳو يﻮﺘﺤﻣ ﺪﻳﺪﺟ ﻦﻋ ﻖﻳﺮﻃ لا Generative AI :رﺎﺼﺘﺧﺎﺑ ـﻟا LLMs ﻲﻫ ﺔﻤﻈﻧأ ءﺎﻛذ ﻲﻋﺎﻨﻄﺻا ﺔﺑّرﺪﻣ ﲆﻋ ﺔﻴﻤﻛ ﺔﻠﺋﺎﻫ ﻦﻣ ،صﻮﺼﻨﻟا ةردﺎﻗو ﲆﻋ ﻢﻬﻓ ﺔﻐﻠﻟا ﺪﻴﻟﻮﺗو صﻮﺼﻧ ﺔﻳﴩﺑ ﺔﻬﻴﺒﺷ ،ﺔﻌﻴﺒﻄﻟﺎﺑ هدو ﻪﻠﻛ ﻞﻀﻔﺑ ﻢﺠﺤﻟا ،ﲑﺒﻜﻟا تارﺪﻘﻟا ،ﺔﻌﺳاﻮﻟا ﺺﺋﺎﺼﺨﻟاو ﺔﺌﺷﺎﻨﻟا ﲇﻟا ﺎﻫﻮﺒﺴﺘﻜﻴﺑ لﻼﺧ .ﺐﻳرﺪﺘﻟا ﻦﻣ ﲔﺑ مﺎﻬﻤﻟا ﺔﻌﺋاﺮﻟا ﲇﻟا ـﻟا LLMs رﺪﻘﺘﺑ ﺎﻬﻠﻤﻌﺗ ﻞﻀﻔﺑ ﺺﺋﺎﺼﺨﻟا :يد ،ًﻻوأ ءاﺮﺟإ تﺎﺛدﺎﺤﻣ ﺔﻴﻛذ ةﺮﺣو بﻮﻠﺳﺄﺑ ﻲﻌﻴﺒﻃ. ﻞﻳدﻮﻤﻟا رﺪﻘﻳ ﻞﻋﺎﻔﺘﻳ ﻊﻣ ﲔﻣﺪﺨﺘﺴﻤﻟا ﻲﻓ صﻮﺼﻧ ،ةﺮﺣ ﻢﻬﻔﻳ ،قﺎﻴﺴﻟا مﺪﺨﺘﺴﻳ ،ﺔﻫﺎﻜﻔﻟا بوﺎﺠﻳو ﺔﻘﻳﺮﻄﺑ ﺔﻴﻘﻄﻨﻣ ﺔﻴﻌﻴﺒﻃو ﻚﻧﺄﻛو ﻢﻠﻜﺘﺘﺑ ﻊﻣ نﺎﺴﻧإ .ﻲﻘﻴﻘﺣ هد ءﳾ ﻞﻴﺤﺘﺴﻣ تﻼﻳدﻮﻤﻟ ﺮﻐﺻأ ﺖﻧﺎﻛ ﻖﻠﻌﺘﻫ وأ بوﺎﺠﺗ ﻞﻜﺸﺑ ﻲﺗﻮﺑور اًﺪﺟ ﲑﻏو .ﻲﻌﻴﺒﻃ ،ﺎًﻴﻧﺎﺛ ﺔﺑﺎﺟﻹا ﲆﻋ ﺔﻠﺌﺳأ ةﺪﻘﻌﻣ. تﻼﻳدﻮﻤﻟا يد ﺶﻣ ﺲﺑ ﻢﻠﻌﺘﺘﺑ تﺎﻤﻠﻛ وأ ،ﻞﻤﺟ ﻦﻜﻟ نّﻮﻜﺘﺑ ﻢﻬﻓ ﻊﺳاو ،ﻢﻟﺎﻌﻠﻟ ﱄﺎﺘﻟﺎﺑو رﺪﻘﺗ بوﺎﺠﺗ ﲆﻋ ﺔﻠﺌﺳأ ﺔﻘﻴﻗد ةﺪﻘﻌﻣو © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

،ﺎًﺜﻟﺎﺛ ﺔﺑﺎﺘﻛ ،تﻻﺎﻘﻣ ،ﺺﺼﻗ ﱴﺣو دﻮﻛ ﻲﺠﻣﺮﺑ ﻚﻧﺄﻛ فﱰﺤﻣ. ﻮﻟ ﺖﺒﻠﻃ ﻪﻨﻣ ﺔﺑﺎﺘﻛ ﺺﻧ ﻞﻳﻮﻃ وأ ،لﺎﻘﻣ رﺪﻘﻳ نّﻮﻜﻳ ﺺﻧ ﻂﺑاﱰﻣ ﻲﻘﻄﻨﻣو بﻮﻠﺳﺄﺑ ،ﻲﻋاﺪﺑإ رﺪﻘﻳو نﺎﻤﻛ ﺐﺘﻜﻳ دﻮﻛ ﻲﺠﻣﺮﺑ ﺔﻐﻠﺑ ﺔﻨﻴﻌﻣ ﺬﻔﻨﻳو رﺎﻜﻓأ ﺔﻴﺠﻣﺮﺑ ﺔﻘﻳﺮﻄﺑ ﺔﻤﻴﻠﺳ .ﺎًﺒﻳﺮﻘﺗ ،ﺎًﻌﺑار ﻞﻣﺎﻌﺘﻟا ﻊﻣ مﺎﻬﻣ ةﺪﻳﺪﺟ ﺔﻔﻠﺘﺨﻣو. ﺎﻨﻫ نﺎﺒﻳ قﺮﻔﻟا ﲑﺒﻜﻟا ﲔﺑ LLMs تﻼﻳدﻮﻤﻟاو ؛ﺔﻳﺪﻴﻠﻘﺘﻟا ﻞﻳدﻮﻤﻟا رﺪﻘﻳ ﻞﻣﺎﻌﺘﻳ ﻊﻣ تﺎﻫﻮﻳرﺎﻨﻴﺳ ﺎﻣ ﺶﺑّرﺪﺗا ﺎﻬﻴﻠﻋ ،ﻂﺒﻀﻟﺎﺑ ﻞﺤﻳو ﻞﻛﺎﺸﻣ ةﺪﻳﺪﺟ ﺔﻘﻳﺮﻄﺑ ﺔﻴﻘﻄﻨﻣ ،ةﺪﻴﻔﻣو هدو ءﳾ ّﲇﺨﻳ يأ AI ﲑﻐﺻ ّﺪﻬﺘﻳ ﻲﻓ .ﺔﻧرﺎﻘﻤﻟا ،رﺎﺼﺘﺧﺎﺑ ـﻟا LLMs ﺶﻣ ﺲﺑ ﻞﻳدﻮﻣ ﺔﻐﻟ ،ﲑﺒﻛ ﻦﻜﻟ بﺮﻗأ ﺔﺟﺎﺣ ءﺎﻛﺬﻟ ﻲﻋﺎﻨﻄﺻا مﺎﻋ AGI ﻲﻓ ﻢﻟﺎﻌﻟا ،ﱄﺎﺤﻟا ﺎﻬﻧﻷ رﺪﻘﺗ ،ﻢﻬﻔﺗ ،ﻢﻠﻌﺘﺗ يدﺆﺗو يأ ﺔﻤﻬﻣ ﺔﻳﺮﻜﻓ ﻦﻜﻤﻣ ﴩﺒﻠﻟ مﺎﻴﻘﻟا ،ﺎﻬﺑ ﻦﻣ ،تﺎﺛدﺎﺤﻤﻟا ﺔﺑﺎﺟﻹا ﲆﻋ ،ﺔﻠﺌﺳﻷا ﺪﻴﻟﻮﺗ ىﻮﺘﺤﻣ ،ﴢﻧ ﱴﺣو عاﺪﺑﻹا ﻲﻓ مﺎﻬﻣ ﻢﻟ ﻖﺒﺴﻳ ﺎﻬﻟ .ﻞﻴﺜﻣ تﺎﻴﻨﻘﺘﻟا يد ﺢﺘﻔﺘﺑ صﺮﻓ ﺔﻤﺨﺿ يﻷ ﺺﺨﺷ وأ ،ﺔﻛﴍ ﺎًﺻﻮﺼﺧ ﻮﻟ ﺰﻳﺎﻋ ﻖﻠﺨﻳ ﺔﻤﻴﻗ ﺔﻴﻘﻴﻘﺣ ﻲﻓ ﻢﻟﺎﻌﻟا ﻲﻌﻗاﻮﻟا. ﻞﻣﺎﻌﺘﻟا ﻊﻣ LLMs ﻚﻴﻠﺨﻴﺑ ﺶﻣ ﺲﺑ مﺪﺨﺘﺴﺗ ﻞﻳدﻮﻣ ،ﻲﻛذ ﻦﻜﻟ ﺪﻴﻔﺘﺴﺗ ﻦﻣ غﺎﻣد“ ”ﻲﻋﺎﻨﻄﺻا ردﺎﻗ ﲆﻋ ﻢﻬﻔﻟا عاﺪﺑﻹاو ﺔﻘﻳﺮﻄﺑ ﺔﺒﻳﺮﻗ اًﺪﺟ ﻦﻣ ،نﺎﺴﻧﻹا هدو ﻂﺒﻀﻟﺎﺑ ﲇﻟا ﺎﻬﻴﻠﺨﻴﺑ سﺎﺳأ يأ AI Agency ﺔﺤﺟﺎﻧ .مﻮﻴﻟا ,ﱵﻗﻮﻟد ﺎﻨﻴﻠﺧ ﻞﺧﺪﻧ ﻲﻓ ﻢﻫا نﻮﻜﻣ سﺎﺳاو لا LLMs نﺎﺸﻋ ﻢﻬﻔﺗ هرﻮﺼﻟا ﻞﻜﺸﺑ سنﺣا ﺎﻳﻼﺨﻟا ﻪﻴﺒﺼﻌﻟا Neural Networks Neural Networks ـﻟا ﻲﻫ سﺎﺳﻷا ﲇﻟا مﻮﻘﻴﺑ ﻪﻴﻠﻋ ﻞﻛ ﻪﺟﺎﺣ ﻲﻓ ـﻟا LLMs ، نﺎﺸﻠﻋو ﻢﻬﻔﻧ يازإ ،ﻞﻐﺘﺸﺘﺑ مزﻻ ﻊﺟﺮﻧ ﺎﻬﻠﺻﻷ ﻢﻬﻔﻧو ﺎﻬﺗﺎﻧﻮﻜﻣ ﺔﻴﺳﺎﺳﻷا ةﻮﻄﺧ .ةﻮﻄﺨﺑ Neural Networks وأ تﺎﻜﺒﺸﻟا ،ﺔﻴﺒﺼﻌﻟا ﻲﻫ دﻮﻤﻌﻟا يﺮﻘﻔﻟا ﲇﻟا ﲇﺨﻴﺑ تﻼﻳدﻮﻤﻟا يد ةردﺎﻗ ﲆﻋ ﻞﻣﺎﻌﺘﻟا ﻊﻣ ﺔﻐﻠﻟا ﺔﻳﴩﺒﻟا ﺔﻘﻳﺮﻄﻟﺎﺑ ﺔﻠﻫﺬﻤﻟا ﲇﻟا .ﺎﻫﺎﻨﻔﺷ ﻞﻴﺨﺗ :ﻚﻏﺎﻣد نﺎﻴﻠﻣ تارﺎﻴﻠﻣ ﻦﻣ ﺎﻳﻼﺨﻟا ﺔﻴﺒﺼﻌﻟا ) Neurons ( ﺔﻄﺒﺗﺮﻤﻟا ﻪﻠﺼﺘﻤﻟاو ،ﺾﻌﺒﺑ ﻞﻛ ﺔﻴﻠﺧ ﺔﻴﺒﺼﻋ ﻞﺒﻘﺘﺴﺘﺑ ،تارﺎﺷإ ،ﺎﻬﺠﻟﺎﻌﺗ ﺎﻬﺘﻌﺒﺗو ﺔﻴﻠﺨﻠﻟ ﲇﻟا .ﺎﻫﺪﻌﺑ ﻦﻣ لﻼﺧ ﻞﺻاﻮﺘﻟا ﲔﺑ ﺎﻳﻼﺨﻟا ،يد ﺎﻨﺣإ ،ﺮﻜﻔﻨﺑ ،ﺮﻛﺬﺘﻨﺑ ،ﻢﻠﻌﺘﻨﺑ .ﺞﺘﻨﺘﺴﻨﺑو ﻦﻣ ﺎﻨﻫ ءﺎﻤﻠﻌﻟا :اﻮﻟﺎﻗ ﺐﻴﻃ“ ﻮﻟ ﺎﻧرﺪﻗ لﻮﺤﻧ ﺔﻘﻳﺮﻄﻟا يد مﺎﻗرﻷ ،تﻻدﺎﻌﻣو ﻦﻜﻤﻣ ﻢﻠﻌﻧ ﺮﺗﻮﻴﺒﻤﻜﻟا فﴫﺘﻳ يز ”!؟ﺦﻤﻟا © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

ﻦﻣو ﺎﻨﻫ ﺎﻧأﺪﺑ ﻞﻤﻌﻧ جذﻮﻤﻧ ﺔﻴﻠﺨﻟا“ ﺔﻴﺒﺼﻌﻟا ”ﺔﻴﻋﺎﻨﺼﻟا ﺲﻔﻧ ،هﺮﻜﻔﻟا ﺲﺑ لﺪﺑ ﺎﺑﺮﻬﻛ ،تارﺎﺷإو ﺎﻧﺪﻨﻋ مﺎﻗرأ تﺎﻴﻠﻤﻋو .ﺔﻴﺑﺎﺴﺣ تﺎﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﺔﻴﻋﺎﻨﺼﻟا لوﺎﺤﺘﺑ ﺪﻠﻘﺗ ﺲﻔﻧ ةﺮﻜﻔﻟا :يد ﺔﻜﺒﺷ ﺔﻤﺨﺿ ﻦﻣ ﻪﺟﺎﺣ ﺎﻬﻤﺳا زدﻮﻧ ) Nodes) Nodes : ﻲﻫ هﺪﺣو ﻪﻴﺑﺎﺴﺣ ﻪﻠﺼﺘﻣ ﺎﻬﻀﻌﺒﺑ وأ ﺎﻳﻼﺧ" ﺔﻴﺒﺼﻋ "ﺔﻴﻋﺎﻨﻄﺻا ﺔﻄﺒﺗﺮﻣ ،ﺎﻬﻀﻌﺒﺑ ﻞﻛ ةﺪﺣاو ﻢﻬﻨﻣ ﻞﺒﻘﺘﺴﺘﺑ ،تﺎﻧﺎﻴﺑ ﺎﻬﺠﻟﺎﻌﺗ ﺔﻘﻳﺮﻄﺑ ،ﺔﻨﻴﻌﻣ ﺎﻬﺘﻌﺒﺗو دﻮﻨﻠﻟ .ﻪﻴﻧﺎﺘﻟا فﺪﻬﻟا ﻲﻫ ﺔﺠﻟﺎﻌﻣ تﺎﻧﺎﻴﺒﻟا ﻢﻬﻓو طﺎﻤﻧﻷا ﻢﻠﻌﺘﻟاو ,ﺎﻬﻨﻣ هﺎﻛﺎﺤﻤﻛ ﻪﻠﻣﺎﻛ غﺎﻣﺪﻟ نﺎﺴﻧﻻا Node دﻮﻨﻟا ﻲﻫ يز ﺔﻴﻠﺧ“ ﺔﻴﺒﺼﻋ ﺔﻴﻋﺎﻨﺻ ،”ةﲑﻐﺻ ﻞﻐﺘﺸﺘﺑ ﺎﻬﻧﺄﻛ ﻒﻇﻮﻣ ﻲﻓ :ﺔﻛﴍ ﺪﺧﺎﺘﺑ تﺎﻧﺎﻴﺑ ﻦﻣ ﲔﻔﻇﻮﻤﻟا ﲇﻟا ﺎﻬﻠﺒﻗ ) ،( inputs ،ﺎﻬﺠﻟﺎﻌﺗ ﺎﻬﺘﻌﺒﺗو هﺪﻌﺑ ) .(output ﻞﻛ ﺎﻣ ﲔﻔﻇﻮﻤﻟا (زدﻮﻨﻟا) اوﺪﻳﺰﻳ ،اﻮﻧوﺎﻌﺘﻳو ﺔﻛﴩﻟا ﺔﻜﺒﺸﻟا) (ﺔﻴﺒﺼﻌﻟا ﻰﻘﺒﺗ .ﻰﻛذأ ﻲﻓ لﻮﻳدﻮﻤﻟا ,تﺎﻔﻟا ﺎﻨﻓﺮﻋ ﺎﻨﻔﺷو Deep Learning ﲇﻟا ﻮﻫ عﺮﻓ ﻦﻣ Machine Learning ، هدو ﻂﺒﻈﻟﺎﺑ نﺎﻜﻤﻟا ﲇﻟا تﺎﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﻪﻴﻓ ﻲﻫ ."ﺐﻠﻘﻟا" تﺎﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﻲﻫ ﲇﻟا ﲇﺨﺘﺑ ـﻟا LLMs رﺪﻘﺗ ﻞﻣﺎﻌﺘﺗ ﻊﻣ ﺔﻐﻠﻟا ﻞﻜﺸﺑ ﺪﻘﻌﻣ ،اًﺪﺟ ﺎﻬﻧﻷ ﻢﻠﻌﺘﺘﺑ تﺎﻗﻼﻌﻟا ﲔﺑ ،تﺎﻤﻠﻜﻟا ،ﻞﻤﺠﻟا قﺎﻴﺴﻟاو مﺎﻌﻟا .صﻮﺼﻨﻠﻟ ﻦﻣ ،ﺎﻫﲑﻏ ـﻟا LLMs نﻮﻜﺘﻫ دﺮﺠﻣ ﻞﻳدﻮﻣ ﲑﻐﺻ دوﺪﺤﻣ .تارﺪﻘﻟا © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

Neural Networks : ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﻲﻫ جذﻮﻤﻧ ﻲﺑﺎﺴﺣ نﻮﻜﻣ ﻦﻣ " Nodes " ﺔﻄﺑاﱰﻣ وأ ﺎﻳﻼﺧ" ،"ﺔﻴﺒﺼﻋ ةﺎﺣﻮﺘﺴﻣ ﻦﻣ ﺔﻴﻨﺑ ﺔﻔﻴﻇوو غﺎﻣﺪﻟا .يﴩﺒﻟا Neural Networks ـﻟا ﺶﻣ ﺔﺟﺎﺣ ،ةﺪﻳﺪﺟ ﻦﻜﻟ ﻊﻣ رﻮﻬﻇ Deep Learning ، تﺎﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﺖﻘﺑ ﱪﻛأ ﻖﻤﻋأو ،ىﻮﻗأو هدو ﲇﻟا ﺢﻤﺳ ـﻟ LLMs ﺎﻬﻧأ ﻢﻠﻌﺘﺗ طﺎﻤﻧأ ةﺪﻘﻌﻣ اًﺪﺟ ﻲﻓ .ﺔﻐﻠﻟا ،مﺎﻤﺗ نﺎﺸﻋ ﻢﻬﻔﻧ تﺎﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﺲﻳﻮﻛ مزﻻ أﺪﺒﻧ ةﺮﻜﻔﺑ ﺎﻳﻼﺨﻟا ﺔﻴﺒﺼﻌﻟا ﺔﻴﺟﻮﻟﻮﻴﺒﻟا ) Biological Neurons ( فﻮﺸﻧو يازإ ءﺎﻤﻠﻌﻟا اﻮﻤﻬﻠﺘﺳا ﺎﻬﻨﻣ ةﺮﻜﻓ ﺎﻳﻼﺨﻟا ﺔﻴﺒﺼﻌﻟا ﺔﻴﻋﺎﻨﻄﺻﻻا ) .(Artificial Neurons ﺦﻤﻟا ﺎﻨﻋﺎﺘﺑ ﻪﻴﻓ ﱰﻛأ ﻦﻣ ٨٦ رﺎﻴﻠﻣ ﺔﻴﻠﺧ ﺔﻴﺒﺼﻋ ) Neuron ،( ﻞﻛو ةﺪﺣاو ﻢﻬﻨﻣ ةرﺎﺒﻋ ﻦﻋ ةﺪﺣو“ ﺔﺠﻟﺎﻌﻣ ”ةﲑﻐﺻ ﻞﺒﻘﺘﺴﺘﺑ تارﺎﺷإ ،ﺔﻴﺋﺎﺑﺮﻬﻛ ،ﺎﻬﻠﻠﺤﺗ ﻦﻳﺪﻌﺑو ﺎﻬﺘﻌﺒﺗ ﲇﻟ ﺎﻫﺪﻌﺑ ﻲﻓ غﺎﻣﺪﻟا يﴩﺒﻟا Biological Neurons ، ﻞﻛ Neuron نﻮﻜﺘﻴﺑ :ﻦﻣ 1. Input = Dendrites تﺎﻋﺮﻔﺘﻟا) :(ﺔﻴﺒﺼﻌﻟا ﻞﺒﻘﺘﺴﺘﺑ تارﺎﺷﻹا ﻦﻣ ﺎﻳﻼﺨﻟا ﺔﻴﺒﺼﻌﻟا .ﺔﻴﻧﺎﺘﻟا 2. Cell Body ﻢﺴﺟ) :(ﺔﻴﻠﺨﻟا ﺎﻨﻫ ﻢﺘﻴﺑ ﺔﺠﻟﺎﻌﻣ تارﺎﺷﻹا .ﺔﻠﺧاﺪﻟا 3. Output = Axon راﻮﺤﻤﻟا) :(ﱯﺼﻌﻟا هد ﻚﻠﺴﻟا ﲇﻟا ﻞﻘﻨﻴﺑ ةرﺎﺷﻹا ﻦﻣ ﺔﻴﻠﺨﻟا يد ﺔﻴﻠﺨﻟ ,ﺔﻴﻧﺎﺗ ﲏﻌﻳ ﻮﻫ ﲇﻟا ﺖﻌﺒﻳ“ ”راﺮﻘﻟا ﺪﻌﺑ ﺎﻣ ﺔﻴﻠﺨﻟا ﺞﻟﺎﻌﺗ .ةرﺎﺷﻹا ﺔﻴﻠﺨﻟا ﺔﻴﺒﺼﻌﻟا ﺔﻴﺟﻮﻟﻮﻴﺒﻟا ﻞﺒﻘﺘﺴﺘﺑ تارﺎﺷإ ﻦﻣ ﺎﻳﻼﺧ ﺔﻴﺒﺼﻋ ﺔﻴﻧﺎﺗ ﻦﻋ ﻖﻳﺮﻃ dendrites ، ﻢﻬﻌﻤﺠﺘﺑو ﻲﻓ cell body وأ ﻢﺴﺟ ،ﺔﻴﻠﺨﻟا دﺪﺤﺗو اذإ ﺖﻧﺎﻛ ﺪﻟﻮﺘﻫ ةرﺎﺷإ ةﺪﻳﺪﺟ وأ ،ﻷ ﻦﻳﺪﻌﺑو ﺎﻬﺘﻌﺒﺗ ﻦﻋ ﻖﻳﺮﻃ axon ﺎﻳﻼﺨﻠﻟ ﺔﻴﺒﺼﻌﻟا .ةروﺎﺠﻤﻟا ﺔﻴﻠﻤﻌﻟا يد ﺎﻬﻠﻛ ﲇﺨﺘﺑ غﺎﻣﺪﻟا ردﺎﻗ ﲆﻋ ﺔﺠﻟﺎﻌﻣ تﺎﻣﻮﻠﻌﻤﻟا ذﺎﺨﺗاو تاراﺮﻘﻟا ﺔﻋﴪﺑ ةﲑﺒﻛ ،اًﺪﺟ ءاﻮﺳ ﻲﻓ ،ﻢﻠﻌﺘﻟا ،ﺔﻛﺮﺤﻟا وأ :.ﲑﻜﻔﺘﻟا تﺎﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﺔﻴﻋﺎﻨﺼﻟا Artificial Neurons (Nodes ﺪﺧﺎﺘﺑ ﺲﻔﻧ ةﺮﻜﻔﻟا ﻦﻜﻟ ﺔﻘﻳﺮﻄﺑ ﺔﻴﺿﺎﻳر Artificial Neurons وأ Receive input signals from other nodes or external sources - Nodes : ﻞﻛ ﺔﻴﻠﺧ" ﺔﻴﺒﺼﻋ "ﺔﻴﻋﺎﻨﺻ ﻞﺒﻘﺘﺴﺘﺑ تﺎﻧﺎﻴﺑ ﻦﻣ ﺎﻳﻼﺧ ﺔﻴﺒﺼﻋ ﺔﻴﻧﺎﺗ وأ ﻦﻣ رﺪﺼﻣ ﻲﺟرﺎﺧ يز) ،صﻮﺼﻧ ،مﺎﻗرأ وأ .(رﻮﺻ Process the input data using mathematical functions - Processing the Input : ﺔﻴﻠﺨﻟا يد ﺞﻟﺎﻌﺘﺑ تﺎﻧﺎﻴﺒﻟا ماﺪﺨﺘﺳﺎﺑ تﺎﺑﺎﺴﺣ ﻪﻴﺿﺎﻳر © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

Sending Output - Send output data to other nodes or produce final outputs : ﺪﻌﺑ ،ﺔﺠﻟﺎﻌﻤﻟا ﺔﻴﻠﺨﻟا ﺖﻌﺒﺗ ﺞﺗﺎﻨﻟا ـﻠﻟ nodes ﺔﻴﻟﺎﺘﻟا ﻲﻓ ،ﺔﻜﺒﺸﻟا وأ ﻮﻟ ﺖﻧﺎﻛ ﺔﻘﺒﻃ ،جاﺮﺧﻹا ﺞﺘﻨﺗ ﺔﺠﻴﺘﻨﻟا ﺔﻴﺋﺎﻬﻨﻟا يز ﻊﻗﻮﺗ ﺔﻤﻠﻛ ﺔﻳﺎﺟ ﻲﻓ ﺔﻠﻤﺠﻟا وأ ﻒﻴﻨﺼﺗ .ﺺﻧ ﲏﻌﻳ ،ﺔﻃﺎﺴﺒﺑ ﻞﻛ ﺔﻴﻠﺧ ﺔﻴﺒﺼﻋ ﺔﻴﻋﺎﻨﺻ ﻲﻛﺎﺤﺘﺑ ﺔﻴﻠﻤﻋ ﺞﻣد ﺔﺠﻟﺎﻌﻣو تﺎﻣﻮﻠﻌﻤﻟا ﲇﻟا ﻞﺼﺤﺘﺑ ﻲﻓ ﺔﻴﻠﺨﻟا ،ﺔﻴﺟﻮﻟﻮﻴﺒﻟا ﻦﻜﻟ تاودﺄﺑ .ﺔﻴﺿﺎﻳر ةﲒﻤﻟا ةﲑﺒﻜﻟا ﺎﻨﻫ نإ تﺎﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﺔﻴﻋﺎﻨﺼﻟا ﻦﻜﻤﻣ ﻊﺳﻮﺘﺗ تﺎﺌﻤﻟ ،تﺎﻘﺒﻄﻟا ﲔﻳﻼﻣ ﺎﻳﻼﺨﻟا ،ﺔﻴﺒﺼﻌﻟا تارﺎﻴﻠﻣو ﻦﻣ ـﻟا parameters ، هدو ﲇﻟا ﺎﻬﻴﻠﺨﻴﺑ ةردﺎﻗ ﲆﻋ مﺎﻬﻣ ﺔﻤﺨﺿ يز ﻢﻬﻓ ،ﺔﻐﻠﻟا ﺪﻴﻟﻮﺗ صﻮﺼﻧ ،ةﺪﻳﺪﺟ فﺮﻌﺘﻟاو ﲆﻋ رﻮﺼﻟا تﺎﻫﻮﻳﺪﻴﻔﻟاو ﻞﻜﺸﺑ ﻪﺒﺷ نﺎﺴﻧﻹا تﺎﻧﻮﻜﻣ ﺎﻳﻼﺨﻟا ﻪﻴﺒﺼﻌﻟا Neural Networks Components نﺎﺸﻋ ﻢﻬﻔﺗ ﱰﻛا هرﻮﺼﻟاو ,ﻚﻠﺤﺿﻮﺗ ﺎﻨﻴﻠﺧ ﱵﻗﻮﻟد ﻚﻔﻧ تﺎﻧﻮﻜﻣ ﻪﻴﻠﺨﻟا ﻪﻴﺒﺼﻌﻟا فﻮﺸﻧو ﻲﻫ نﻮﻜﺘﺑ ﻦﻣ ﻪﻳا ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﻪﺒﺷ ﻢﺴﺟ ،نﺎﺴﻧﻹا ﺎﻬﻴﻓ ”ءﺎﻀﻋأ“ ﻞﻛ ﺪﺣاو ﻪﻴﻟ ﺔﻔﻴﻇو .ﺔﻨﻴﻌﻣ © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

ﻮﻟو ﻢﻫﺎﻨﻌﻤﺟ ﻢﻬﻠﻛ ﻊﻣ ،ﺾﻌﺑ اﻮﻠﻐﺘﺸﻴﺑ ﻲﻓ مﺎﺠﺴﻧا نﺎﺸﻋ اﻮﻤّﻠﻌﺘﻳ ﻦﻣ تﺎﻧﺎﻴﺒﻟا اﻮﻌﻠﻄﻳو ﺔﺠﻴﺘﻧ .ﺔﻘﻴﻗد يز ﺎﻣ ﺎﻨﻟﻮﻗ ﻞﺒﻗ ،هﺪﻛ ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ةرﺎﺒﻋ ﻦﻋ ﺔﻋﻮﻤﺠﻣ ﺎﻳﻼﺧ ةﲑﻐﺻ ﺎﻬﻤﺳا Neurons وأ Nodes ﲔﻠّﺻﻮﺘﻣ ،ﺾﻌﺒﺑ ﻞﻛو ةﺪﺣاو ﻢﻬﻨﻣ ﺎﻬﻴﻟ راودأ ﻢﻴﻗو ﲑﻐﺘﺘﺑ نﺎﺸﻠﻋ ﻢﻠﻌﺘﺗ .طﺎﻤﻧﻷا ﱵﻗﻮﻟد حﴩﻨﻫ تﺎﻧﻮﻜﻤﻟا يد ةﺪﺣاو :ةﺪﺣاو نﻮﻜﻤﻟا :لوﻷا ـﻟا Nodes وأ) ـﻟا (Neurons Node ـﻟا وا فوﺮﻌﻣ نورﻮﻴﻨﻟﺎﺑ Neuron ﻮﺿﺮﺑ ﺎﻤﻫ ﺲﻔﻧ ,ﻪﺟﺎﺤﻟا ﻲﻫ ﺮﻐﺻأ ةﺪﺣو ﺔﺠﻟﺎﻌﻣ هﻮﺟ ﺔﻜﺒﺸﻟا .ﺔﻴﺒﺼﻌﻟا ﻦﻜﻤﻣ هﱪﺘﻌﺗ يز "ﻒﻇﻮﻣ" ﻲﻓ ﻂﺧ ،جﺎﺘﻧإ ﻞﺒﻘﺘﺴﻴﺑ تﻼﺧﺪﻣ ) Inputs ،( ﺎﻬﺠﻟﺎﻌﻳ ﺔﻟدﺎﻌﻤﺑ ،ﺔﻨﻴﻌﻣ ﻊﻠﻄﻳو ﺞﺗﺎﻧ ) .(Output Node ﻞﻛ ﺪﺧﺎﻴﺑ ﻢﻴﻘﻟا ﲇﻟا ﺔﻳﺎﺟ ﻦﻣ ﺎﻳﻼﺨﻟا ﲇﻟا ،ﻪﻠﺒﻗ ﻞﻤﻌﻳ ﻪﻟدﺎﻌﻣ ﻪﻴﺿﺎﻳر ،ﺎﻬﻴﻠﻋ ﺪﻌﺑو هﺪﻛ ﻊﻠﻄﻳ ,ﺞﺗﺎﻧ ﺞﺗﺎﻨﻟا اد حوﺮﻳ ﻞﻟ node ﲇﻟا ,ﺎﻫﺪﻌﺑ اﺬﻜﻫو ﺪﺤﻟ ﺎﻣ ﻞﺻﻮﻧ ﺮﺧﻻ node ﻪﻴﺒﺸﺗ :ﻂﻴﺴﺑ ﻞﻴﺨﺗ نإ ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا يز ﻊﻨﺼﻣ ،ﲑﺒﻛ ﻞﻛو Node ﻮﻫ ﻞﻣﺎﻋ ﻲﻓ .ﻊﻨﺼﻤﻟا ﻞﻣﺎﻌﻟا ﺪﺧﺎﻴﺑ داﻮﻤﻟا مﺎﺨﻟا ،(تﻼﺧﺪﻤﻟا) ﻞﻐﺘﺸﻳ ﺎﻬﻴﻠﻋ ،ﺔﻳﻮﺷ ﻊﻠﻄﻳو ﻪﺠﻴﺘﻨﻟا ﲇﻟا ,ﺎﻬﻠﻤﻋ ﻪﻤﻠﺴﻳو ﻞﻣﺎﻌﻠﻟ ﲇﻟا .هﺪﻌﺑ ﻞﻛ ﻞﻣﺎﻋ ﻒﻴﻀﻴﺑ ﺔﻤﻴﻗ ﺔﻨﻴﻌﻣ وأ ﺞﻟﺎﻌﻴﺑ ءﺰﺟ ﲔﻌﻣ ﻦﻣ تﺎﻧﺎﻴﺒﻟا ﺪﺤﻟ ﺎﻣ ﻞﺻﻮﻧ ﺔﺠﻴﺘﻨﻠﻟ .ﺔﻴﺋﺎﻬﻨﻟا نﻮﻜﻤﻟا :ﻲﻧﺎﺜﻟا ـﻟا Weights (نازوﻷا) © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

Weights ـﻟا ﻲﻫ ﻪﻠﺻﻮﻟا ﺎﻣ ﲔﺑ لا Nodes , ﻞﻛ لﺎﺼﺗا ﺎﻣ ﲔﺑ دﻮﻨﻟا ﻪﻴﻧﺎﺘﻟاو ﺎﻬﻴﻟ ,نزو لا Weights ﻲﻫ ﻞﻣﺎﻌﻟا ﲇﻟا دﺪﺤﻴﺑ "ﺔﻴﻤﻫأ" ﻞﻛ ةرﺎﺷإ ﺔﻠﺧاد ـﻠﻟ Node . ﲎﻌﻤﺑ ،ﻲﻧﺎﺗ نزﻮﻟا لﻮﻘﻴﺑ :ﺔﻜﺒﺸﻠﻟ ةرﺎﺷﻹا" يد ،ﺔﻤﻬﻣ ﺰّﻛر "ﺎﻬﻴﻠﻋ وأ ةرﺎﺷﻹا" يد ﺶﻣ ﺔﻤﻬﻣ ،يوأ ﻞﻠﻗ ".ﺎﻫﲑﺛﺄﺗ ءﺎﻨﺛأ ،ﺐﻳرﺪﺘﻟا ﺔﻜﺒﺸﻟا لّﺪﻌﺘﺑ نازوﻷا يد نﺎﺸﻋ ﻞﻠﻘﺗ ﺔﺒﺴﻧ ﺄﻄﺨﻟا ﲔﺑ ﺎﻬﻌﻗﻮﺗ ﺔﺠﻴﺘﻨﻟاو .ﺔﻴﻘﻴﻘﺤﻟا ﻮﻠﻓ ﺔﻜﺒﺸﻟا ًﻼﺜﻣ ﻢﻠﻌﺘﺘﺑ قّﺮﻔﺗ ﲔﺑ ةرﻮﺻ ﺔﻄﻗ ،ﺐﻠﻛو أﺪﺒﺘﺑ نازوﺄﺑ ،ﺔﻴﺋاﻮﺸﻋ ﻦﻳﺪﻌﺑو ﻊﻣ ﻞﻛ ﺔﻟوﺎﺤﻣ ﺎﻬﻟّﺪﻌﺘﺑ ﺪﺤﻟ ﺎﻣ رﺪﻘﺗ ّﲒﻤﺗ قﺮﻔﻟا .ﺔﻗﺪﺑ يز) ﺎﻣ ﺎﻨﺣﴍ لﺎﺜﻣ ﻪﻘﺸﻟا ﻊﻗﻮﻤﻟاو لﻮﻳدﻮﻤﻟا ﲇﻟا (تﺎﻓ نﻮﻜﻤﻟا :ﺚﻟﺎﺜﻟا ـﻟا Bias (زﺎﻴﺤﻧﻻا) ﺐﻧﺎﺠﺑ لا Weights , ـﻟا Bias ﻮﻫ ﺔﻤﻴﻗ ﺔﻴﻓﺎﺿإ فﺎﻀﺘﺘﺑ ﲆﻋ ﱰﻴﻣارﺎﺒﻟا ﻪﻄﺒﺗﺮﻣ اﻮﺟ ﻞﻛ Node نﺎﺸﻋ ﺎﻫﺪﻋﺎﺴﺗ ﻢﻠﻌﺘﺗ طﺎﻤﻧا هﺪﻘﻌﻣ ,ﱰﻛا ﺪﻋﺎﺴﻴﺑو جذﻮﻤﻨﻟا نﻮﻜﻳ نﺮﻣ ﱰﻛا ﱪﺘﻌﻳ يز ﻞﻣﺎﻋ ﺪﻋﺎﺴﻣ ﲇﺨﻴﺑ جذﻮﻤﻨﻟا رﺪﻘﻳ ”ﻒّﻴﻜﺘﻳ“ ﻢﻠﻌﺘﻳو طﺎﻤﻧأ هﺪﻘﻌﻣ .ﱰﻛا ﺮﻜﻓ ﻪﻴﻓ ﻪﻧﺄﻛ ﻂﺧ“ ”سﺎﺳﻷا ﲇﻟا ﺔﻜﺒﺸﻟا أﺪﺒﺘﺑ ،ﻪﻨﻣ نﺎﺸﻠﻋ رﺪﻘﺗ ﻞﻣﺎﻌﺘﺗ ﻊﻣ طﺎﻤﻧأ ﱰﻛأ ﺎًﻋﻮﻨﺗ لﺪﺑ ﺎﻣ ﻰﻘﺒﺗ ةدوﺪﺤﻣ ﺔﻟدﺎﻌﻤﺑ .ةﺪﺣاو ﻮﻟ ﺎﻣ ﺶﻴﻓ Bias ، ﺔﻜﺒﺸﻟا تﺎﻋﺎﺳ ﻞﺸﻔﺘﺑ ﻲﻓ ﻢﻬﻓ تﺎﻗﻼﻋ ،ةﺪﻘﻌﻣ ﺎﻬﻧﻷ أﺪﺒﺘﺑ ﺎًﻤﻳاد ﻦﻣ ﺔﻄﻘﻧ .ﺮﻔﺻ Biasلا ﻮﻫ ﻢﻗر ﲑﻐﺻ فﺎﻀُﻴﺑ ﺎًﻤﻳاد ﻲﻓ .ﺮﺧﻵا ﻮﻫ ﲇﻟا ﺪﻋﺎﺴﻴﺑ ﺔﻴﻠﺨﻟا ﺎﻬﻧإ ﻢﻜﺤﺘﺗ ﻲﻓ ﺔﻄﻘﻧ .ﺔﻳاﺪﺒﻟا ﻦﻣ هﲑﻏ ﻦﻜﻤﻣ ﺔﻴﻠﺨﻟا ﻰﻘﺒﺗ ةدوﺪﺤﻣ اًﺪﺟ ﻲﻓ ﺔﻘﻳﺮﻃ .ﺎﻬﻤﻠﻌﺗ ﻪﻴﺒﺸﺗ :ﻂﻴﺴﺑ ﻞّﻴﺨﺗ ﻚﻧإ مﺪﻘﺘﺑ ﻲﻓ نﺎﺤﺘﻣا ﻪﺣﺎﺠﻧ ﻦﻣ 50 ،ﺔﺟرد ﺖﻧإو ﺐﻳﺎﺟ 49. سرﺪﻤﻟا رﺮﻗ ﻚﻳﺪﻳ ﺔﺟرد ﺔﻠﻣﺎﺠﻣ“ ”ﺔﻄﻴﺴﺑ نﺎﺸﻋ .ﺢﺠﻨﺗ ﺔﺟرﺪﻟا يد ﻲﻫ ـﻟا Bias ﲏﻌﻳ ﺪﻋﺎﺴﺘﺑ مﺎﻈﻨﻟا ﻞﺻﻮﻳ راﺮﻘﻠﻟ ﱴﺣ ﻮﻟ تﻼﺧﺪﻤﻟا ﺶﻣ ﺔﻴﻓﺎﻛ .ﺎًﻣﺎﻤﺗ ﻦﻣ) ,ﺮﺧﻻا ﻪﻠﻳﺪﺘﺑ ﻪﻗز (ﲏﻌﻳ ﻲﻓ :ﺔﻟدﺎﻌﻤﻟا Output = (Input × Weight) + Bias ﻞﻴﺨﺗ ﺔﻜﺒﺷ ﺔﻴﺒﺼﻋ ﻢﻠﻌﺘﺘﺑ ﻊﻗﻮﺘﺗ ﺮﻌﺳ ﺞﺘﻨﻣ ﻦﻣ لﻼﺧ تﺎﻧﺎﻴﺑ يز دﺪﻋ“ ”تﺎﻌﻴﺒﻤﻟا لﺪﻌﻣ“و .”ﻢﻴﻴﻘﺘﻟا ● ﻞﻛ Node ﻞﺒﻘﺘﺴﻴﻫ مﺎﻗرﻷا يد ﺎﻬﻌﻤﺠﻳو ﺔﻘﻳﺮﻄﺑ .ﺔﻨﻴﻌﻣ © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

● ﻞﻛ ﻢﻗر بﴬﺘﻴﺑ ﻲﻓ Weight ﻒﻠﺘﺨﻣ ﲆﻋ ﺐﺴﺣ .ﻪﺘﻴﻤﻫأ ● ،ﺎﻫﺪﻌﺑ فﺎﻀﺘﻴﺑ Bias نﺎﺸﻠﻋ ﺔﻜﺒﺸﻟا رﺪﻘﺗ لّﺪﻌﺗ ﻊﻗﻮﺘﻟا ﻮﻟ ﻲﻓ ﻞﻣاﻮﻋ ﺔﻴﻧﺎﺗ ﲑﻏ .ةﺮﻫﺎﻇ ● ﻦﻳﺪﻌﺑو ﻊﻠﻄﻳ ﺞﺗﺎﻨﻟا ،ﻲﺋﺎﻬﻨﻟا :ًﻼﺜﻣ ﺮﻌﺴﻟا“ ﻊﻗﻮﺘﻤﻟا = 320 .”ﻪﻴﻨﺟ Activation Function ﻞﻴﺨﺗ نإ كﺪﻨﻋ ﺔﻴﻠﺧ ﺔﻴﺒﺼﻋ ﻲﻓ ﺔﻜﺒﺸﻟا ) Node ،( ﺖﻠﺒﻘﺘﺳا ﺔﻳﻮﺷ تﺎﻧﺎﻴﺑ وا مﺎﻗرا ) Inputs ( ﻦﻣ زدﻮﻧ ،ﺔﻴﻧﺎﺗ ﺖﺑﴐ ﻞﻛ ﺔﻤﻴﻗ ﻲﻓ ﺎﻬﻧزو ) ،(Weight ،ﻢﻬﺘﻌﻤﺟ ﺖﻓﺎﺿأو ﻢﻬﻴﻠﻋ ـﻟا .Bias ﻊﻠﻄﻴﺒﻓ ﺞﺗﺎﻧ ,ﻢﻗر ﻦﻜﻤﻣ نﻮﻜﻳ ﻲﻘﺑ يأ ﻢﻗر ﻦﻣ ﺐﻟﺎﺳ نﻮﻴﻠﻣ ﺐﺟﻮﻤﻟ .نﻮﻴﻠﻣ ﺲﻳﻮﻛ ...اًﺪﺟ ﺲﺑ ﺪﻌﺑ ﻞﻛ هد ﻲﺠﻴﻴﺑ :لاﺆﺴﻟا ﻞﻫ ﻊﻔﻨﻳ ﺐﻴﺴﻧ جذﻮﻤﻨﻟا ﻞﻣﺎﻌﺘﻳ ﻊﻣ مﺎﻗرأ ؟هﺪﻛ ﻻ .ﺎًﻌﺒﻃ ﺎﻨﺣإ ﲔﺟﺎﺘﺤﻣ ”مﺎّﻈﻧ“ ﻢﻜﺤﺘﻳ ﻲﻓ ﺔﺑﺎﺠﺘﺳﻻا رﺮﻘﻳ ﻞﻫ ﺔﻴﻠﺨﻟا ”ﻞﻐﺘﺸﺗ“ ﻻو ،”ﺖﻜﺴﺗ“ ﻞﻫو ﺔﺑﺎﺠﺘﺳﻻا ﺔﻳﻮﻗ ﻻو .ﺔﻔﻴﻌﺿ ﻞﻫ ﺔﻴﻠﺨﻟا يد ”ﻞﻐﺘﺸﺗ“ ﺚﻌﺒﺗو ؟ةرﺎﺷإ ﻻو ”ﺖﻜﺴﺗ“ ﺶﺘﻌﺒﺘﻣو ؟ﺔﺟﺎﺣ ﺎﻨﻫ ﻲﺠﻴﻴﺑ رود ـﻟا Activation Function Activation Function ـﻟا ﻲﻫ ﲇﻟا رّﺮﻘﺘﺑ ﻞﻫ ﺔﻴﻠﺨﻟا ﻂﺸﻨﺘﻫ ﻻو ﻷ ﲏﻌﻳ ﻞﻫ ﺔﻣﻮﻠﻌﻤﻟا ﲇﻟا ﺖﻠﺧد ﺔﻳﻮﻗ ﺔﻳﺎﻔﻛ نﺎﺸﻋ يّﺪﻌﺗ ﻞﻤﻜﺗو هﻮﺟ ؟ﺔﻜﺒﺸﻟا ﻻو ﻪﻣﻮﻠﻌﻣ شﺎﻬﻠﻣ ﺔﻣزﻻ ﺶﻌﻔﻨﻴﻣو ﺮﺛﺆﺗ ﻲﻓ ﺔﺠﻴﺘﻨﻟا ؟ﺔﻴﺋﺎﻬﻨﻟا ﻦﻣ ،ﺎﻫﲑﻏ ﺔﻜﺒﺸﻟا ﺎﻬﻠﻛ ﻞﻐﺘﺸﺘﻫ ﺐﻴﺴﺘﻫو يا ﻪﻣﻮﻠﻌﻣ يﺪﻌﺗ ,ﻂﺸﻨﺗو ﲏﻌﻳ ﺶﻣ رﺪﻘﺘﻫ ﻢﻬﻔﺗ تﺎﻗﻼﻌﻟا ةﺪﻘﻌﻤﻟا وأ طﺎﻤﻧﻷا ﲇﻟا ﻲﻓ .تﺎﻧﺎﻴﺒﻟا ﻦﻜﻟ دﻮﺟﻮﺑ ـﻟا Activation Function ، ﺔﻜﺒﺸﻟا أﺪﺒﺘﺑ ،"ﻢﻬﻔﺗ" ،"رﺎﺘﺨﺗ" "ﻞﻋﺎﻔﺘﺗ"و يز ﺦﻤﻟا يﴩﺒﻟا .ﺎًﻣﺎﻤﺗ رﺪﻘﻧ ﱪﺘﻌﻧ Activation function يز يدﻮﺒﻟا ,درﺎﺟ ﻒﻗاو ﲆﻋ ،بﺎﺒﻟا ﺺﺒﻴﺑ ﲆﻋ تﺎﻧﺎﻴﺒﻟا تارﺎﺷﻻاو رﺮﻘﻳو ،هﻮﻳأ“ ﺖﻧا ﻢﻬﻣ ”يّﺪﻋو وا ،ﻷ“ كدﻮﺟو ﺶﻣ يروﴐ ”هدرﺎﻬﻨﻟا ﲏﻌﻳ ،ﻂﺒﻈﻟﺎﺑ ﻮﻫ ﱰﻠﻔﻟا ﲇﻟا رﺎﺘﺨﻴﺑ تارﺎﺷﻹا ةﺪﻴﻔﻤﻟا ﺎﻫرﺮﻤﻳو ﻲﻗﺎﺒﻟ ،ﺔﻜﺒﺸﻟا ﻊﻨﻤﻴﺑو تارﺎﺷﻹا ﺔﻔﻴﻌﻀﻟا وأ ﲇﻟا شﺎﻬﻠﻣ .ﺔﻣزﻻ هدو ﲇﻟا ﲇﺨﻴﺑ ﺔﻜﺒﺸﻟا ﺰّﻛﺮﺗ ﲆﻋ ﻢﻬﻤﻟا ﻢﻠﻌﺘﺗو طﺎﻤﻧأ ﺔﻘﻴﻗد لﺪﺑ ﺎﻣ ﻂﺒﺨﻠﺘﺗ ﻲﻓ .ءﺎﺿﻮﻀﻟا © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

ﺪﻌﺑ ﺎﻣ ﺐﺴﺤﻧ عﻮﻤﺠﻣ تﻼﺧﺪﻤﻟا" × نازوﻷا + ـﻟا Bias (weights × inputs) + bias رﺮﻤﻨﺑ ﺞﺗﺎﻨﻟا اد ـﻠﻟ Activation Function ، ﻲﻫو ﲇﻟا ﻪﻟّﻮﺤﺘﺑ ﺔﻤﻴﻘﻟ ةﺪﻳﺪﺟ ﲔﺑ 0 و 1 وأ) ﲔﺑ -1 و 1 ﺐﺴﺣ .(عﻮﻨﻟا ﺔﻤﻴﻘﻟا يد دﺪﺤﺘﺑ ةﻮﻗ“ ”ةرﺎﺷﻹا ﲇﻟا ﻊﻠﻄﺘﻫ ﻦﻣ ﺔﻴﻠﺨﻟا ,ﺔﻴﺒﺼﻌﻟا ﲏﻌﻳ ﻮﻟ ةﻮﻗ هرﺎﺷﻻا 0.9 صﻼﺧ يﺪﻌﺘﻫ يد ﻪﻳﻮﻗ ,ﻪﻤﻬﻣو ﺎﻣا ﻮﻟ 0.1 ﻼﺜﻣ ف ﻷ ﺶﻣ يﺪﻌﺘﻫ شﺎﻬﻠﻣ ﻪﻣزﻻ :لﺎﺜﻣ ﻮﻟ ﻞﻳدﻮﻤﻟا رﺮﻘﻴﺑ ﻞﻫ“ ﻞﻴﻤﻳﻹا اد Spam ﻻو ”؟ﻷ ةرﺎﺷﻹا ﺔﻳﻮﻘﻟا ) Spam (ﺢﺿاو = 0.95 ةرﺎﺷﻹا ﺔﻔﻴﻌﻀﻟا ﺶﻣ) Spam (ﺢﺿاو 0.05 يازإ ﻞﻛ تﺎﻧﻮﻜﻤﻟا يد ﻞﻐﺘﺸﺘﺑ ﻊﻣ ؟ﺾﻌﺑ ﺎﻨﻴﻠﺧ ﻂﺴﺒﻧ :ةرﻮﺼﻟا 1. تﺎﻧﺎﻴﺒﻟا ) Inputs ( ﻞﺧﺪﺗ زدﻮﻨﻠﻟ .ﱃوﻷا 2. ﻞﻛ دﻮﻧ بﴬﺗ تﺎﻧﺎﻴﺒﻟا ﻲﻓ نازوﻷا ) .(Weights 3. ﻒﻴﻀﺗ ﺎﻬﻴﻠﻋ ﺔﻤﻴﻗ ـﻟا .Bias 4. ﻦﻳﺪﻌﺑ ﻞﺧﺪﺗ ﺔﺠﻴﺘﻨﻟا يد ﲆﻋ Activation Function , فﻮﺸﺗ ﻲﻫ ﻪﻤﻬﻣ ﻻو ﻻ 5. ﺞﺗﺎﻨﻟا ﻲﺋﺎﻬﻨﻟا ﺖﻌﺒﺘﻳ دﻮﻨﻠﻟ ﲇﻟا ،ﺎﻫﺪﻌﺑ رﺮﻜﺘﻳو ﺲﻔﻧ ﻮﻳرﺎﻨﻴﺴﻟا ﺪﺤﻟ ﺎﻣ ﻞﺻﻮﻧ ـﻠﻟ Output .ﻲﺋﺎﻬﻨﻟا ﻲﻓو ﻞﻛ ،ةﺮﻣ ﺔﻜﺒﺸﻟا ﻢﻠﻌﺘﺘﺑ لّﺪﻌﺗو نازوﻷا ـﻟاو Biases ﲆﻋ ﺐﺴﺣ ﺄﻄﺨﻟا ﲇﻟا ﻞﺼﺣ ﻲﻓ .ﺆﺒﻨﺘﻟا فﺪﻬﻟا ﻮﻫ ﺎﻬﻧإ ﻞﺻﻮﺗ نازوﻷ ﺔﻴﻟﺎﺜﻣ ﲇﺨﺗ ﺞﺗﺎﻨﻟا بﺮﻗأ ﺎﻣ نﻮﻜﻳ .ﺔﻘﻴﻘﺤﻠﻟ تﺎﻘﺒﻃ ﺎﻳﻼﺨﻟا ﻪﻴﺒﺼﻌﻟا Neural Networks Components ﺪﻌﺑ ﺎﻣ ﺎﻨﻤﻬﻓ تﺎﻧﻮﻜﻣ ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا :ﺔﻴﺳﺎﺳﻷا زدﻮﻨﻟا ) Nodes ،( نازوﻷا ) Weights ،( سﺎﻳﺎﺒﻟا ) Biases ،( و Activation Functions ، ﱵﻗﻮﻟد مزﻻ ﻢﻬﻔﻧ يازإ تﺎﻧﻮﻜﻤﻟا يد ﻪﻌﻤﺠﺘﻣ و ﺔﻤﻈﻨﻣ هﻮﺟ ،ﺔﻜﺒﺸﻟا يازإو تﺎﻧﺎﻴﺒﻟا ﺮﻤﺘﺑ ﻦﻣ ﺎﻬﻟوأ .ﺎﻫﺮﺧﻵ Layer ـﻟا ﻲﻫ ﺔﻋﻮﻤﺠﻣ ﻦﻣ ﺎﻳﻼﺨﻟا“ ”ﺔﻴﺒﺼﻌﻟا ) Nodes وأ Neurons ( ﺔﻟﺎﻐﺷ ﻊﻣ .ﺾﻌﺑ ﻞﻛ ﺔﻘﺒﻃ ﻞﺒﻘﺘﺴﺘﺑ © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

،تﺎﻧﺎﻴﺑ ،ﺎﻬﺠﻟﺎﻌﺗ ﺖﻌﺒﺗو ﺔﺠﻴﺘﻨﻟا ﺔﻘﺒﻄﻠﻟ ﲇﻟا .ﺎﻫﺪﻌﺑ ﲏﻌﻳ :ﺔﻃﺎﺴﺒﺑ تﺎﻧﺎﻴﺒﻟا ﻞﺧﺪﺘﺑ ﻦﻣ لوأ ﺔﻘﺒﻃ , ﺞﻟﺎﻌﺘﺗ ةﺪﺣاو ةﺪﺣاو لﻼﺧ تﺎﻘﺒﻄﻟا ﺔﻴﻠﺧاﺪﻟا , ﻊﻠﻄﺗو ﻦﻣ ﺮﺧآ ﺔﻘﺒﻃ ﺔﺠﻴﺘﻨﻛ .ﺔﻴﺋﺎﻬﻧ رﺪﻘﺗ ﻞﻴﺨﺘﺗ ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا يز ﺔﻠﺴﻠﺳ“ ﻦﻣ :”ﺮﺗﻼﻔﻟا ﻞﻛ ﱰﻠﻓ ﻲّﻔﺼﻴﺑ وأ ﺺﻠﺨﺘﺴﻳ ﺔﻣﻮﻠﻌﻣ ﺔﻨﻴﻌﻣ ﻦﻣ ،تﺎﻧﺎﻴﺒﻟا ﻞﻛو ﺔﻘﺒﻃ لوﺎﺤﺘﺑ ﻢﻬﻔﺗ“ ”ﱰﻛأ ﻦﻣ ﲇﻟا .ﺎﻬﻠﺒﻗ ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﺶﻣ دﺮﺠﻣ زدﻮﻧ ﺔﻟﻮﺼﻔﻣ ﻞﻜﺸﺑ ،ﻲﺋاﻮﺸﻋ ﻦﻜﻟ ﺔﺒﺗﱰﻣ ﻲﻓ تﺎﻘﺒﻃ ) Layers (، ﻞﻛو ﺔﻘﺒﻃ ﺎﻬﻟ ﺔﻔﻴﻇو ةدﺪﺤﻣ ﺎﻬﻴﻓ زدﻮﻧ ﲑﺘﻛ اﺪﺟ ,اﺪﺟ تﺎﻘﺒﻄﻟا ﺔﻴﺴﻴﺋﺮﻟا :ﻲﻫ – Input Layer 1. ﺔﻘﺒﻃ لﺎﺧدﻹا ● يد لوأ ﺔﻘﺒﻃ ﻲﻓ ﺔﻜﺒﺸﻟا ،ﺔﻴﺒﺼﻌﻟا ﺎﻬﺘﻔﻴﻇو لﺎﺒﻘﺘﺴﺗ تﺎﻧﺎﻴﺒﻟا .مﺎﺨﻟا ● :لﺎﺜﻣ ﻮﻟ ﻞﻣﺎﻌﺘﻨﺑ ﻊﻣ ،ﺔﻐﻟ تﻼﺧﺪﻤﻟا ﻦﻜﻤﻣ نﻮﻜﺗ .تﺎﻤﻠﻛ ﻮﻟ ﺔﻜﺒﺷ ﻞﻣﺎﻌﺘﺘﺑ ﻊﻣ ،رﻮﺻ تﻼﺧﺪﻤﻟا ﻦﻜﻤﻣ نﻮﻜﺗ .تﻼﺴﻜﺒﻟا ● ﻞﻛ دﻮﻧ ﻲﻓ ﺔﻘﺒﻃ لﺎﺧدﻹا ﻞﺜﻤﻴﺑ ءﺰﺟ ﲑﻐﺻ ﻦﻣ :تﺎﻧﺎﻴﺒﻟا ًﻼﺜﻣ ﺔﻤﻠﻛ ةﺪﺣاو وأ ﻢﻗر ,ﺪﺣاو ﺶﻣ ﻞﻛ تﺎﻧﺎﻴﺒﻟا ﲏﻌﻳ ● ﺎﻬﻠّﻴﺨﺗ يز بﺎﺒﻟا ﴘﻴﺋﺮﻟا :ﺔﻜﺒﺸﻠﻟ ﻞﻛ ﺔﺟﺎﺣ مزﻻ ﻞﺧﺪﺗ ﻪﻨﻣ نﺎﺸﻠﻋ ﺔﻜﺒﺸﻟا رﺪﻘﺗ أﺪﺒﺗ .ﺎﻬﻠﻐﺷ – Hidden Layers 2. تﺎﻘﺒﻄﻟا ﺔﻴﻔﺨﻤﻟا ● يد ﺐﻠﻗ ﺔﻜﺒﺸﻟا ،ﺔﻴﺒﺼﻌﻟا يدو ﲇﻟا ﻞﺼﺤﺘﺑ ﺎﻬﻴﻓ ﻞﻛ تﺎﻴﻠﻤﻋ ،ﻢﻬﻔﻟا ،ﻞﻴﻠﺤﺘﻟا ﻪﺠﻟﺎﻌﻤﻟا جاﺮﺨﺘﺳاو طﺎﻤﻧﻷا. ● ﻦﻜﻤﻣ نﻮﻜﻳ ﻲﻓ ﺔﻘﺒﻃ ﺔﻴﻔﺨﻣ ،ةﺪﺣاو وأ ﱰﻛأ ﻦﻣ ةﺪﺣاو ) Deep Networks ﺎﻤﻠﻛ تداز تﺎﻘﺒﻄﻟا داز .("ﻖﻤﻌﻟا" ● ﻞﻛ دﻮﻧ ﻲﻓ ﺔﻘﺒﻄﻟا ﺔﻴﻔﺨﻤﻟا ﺪﺧﺎﻴﺑ تﺎﻧﺎﻴﺒﻟا ﻦﻣ زدﻮﻨﻟا ﲇﻟا ،ﺎﻬﻠﺒﻗ ﻖﺒﻄﻳ ﺎﻬﻴﻠﻋ نازوﻷا + Bias + Activation Function ، ﻊﻠﻄﻳو تﺎﻧﺎﻴﺑ ةﺪﻳﺪﺟ ﺔﻘﺒﻄﻠﻟ ﲇﻟا .ﺎﻫﺪﻌﺑ ● ﺔﻔﻴﻇو تﺎﻘﺒﻄﻟا :ﺔﻴﻔﺨﻤﻟا 1. جاﺮﺨﺘﺳا تاﲒﻤﻟا ) :( Feature Extraction ًﻼﺜﻣ ﻲﻓ ،ﺺﻧ ﻦﻜﻤﻣ ﻒﺸﺘﻜﺗ تﺎﻘﺒﻄﻟا ﺔﻴﻔﺨﻤﻟا نأ ﺾﻌﺑ تﺎﻤﻠﻜﻟا ﺎًﺒﻟﺎﻏ ﺔﻄﺒﺗﺮﻣ ﺮﻋﺎﺸﻤﺑ ﺔﻨﻴﻌﻣ وأ عﻮﺿﻮﻣ .دﺪﺤﻣ © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

2. ﻞﻳﻮﺤﺗ تﺎﻧﺎﻴﺒﻟا ) Transformation :( ﻦﻣ دﺮﺠﻣ مﺎﻗرأ ،مﺎﺧ ﻞﻴﺜﻤﺘﻟ ﲏﻏ ﻂﻤﻨﻟﺎﺑ تﺎﻗﻼﻌﻟاو ﲔﺑ .تﻼﺧﺪﻤﻟا ﻪﻴﻟ ؟ﺔﻴﻔﺨﻣ ● ﺎﻬﻧﻷ ﺶﻣ ةﴍﺎﺒﻣ ﻊﻣ ﻢﻟﺎﻌﻟا :ﻲﺟرﺎﺨﻟا ○ Input Layer : ﻒﻳﺎﺷ ﻞﻛ ﺔﺟﺎﺣ ﺔﻳﺎﺟ ﻦﻣ هﺮﺑ تﺎﻧﺎﻴﺒﻟا) .(مﺎﺨﻟا ○ Output Layer : ﻒﻳﺎﺷ ﻞﻛ ﺔﺟﺎﺣ ﻊﻠﻄﺘﺑ ﺺﺨﺸﻠﻟ وأ مﺎﻈﻨﻠﻟ ﲇﻟا مﺪﺨﺘﺴﻴﻫ .ﺔﺠﻴﺘﻨﻟا ● ﺎﻣأ Hidden Layers ، ﻲﻬﻓ ﻞﻐﺘﺸﺘﺑ ﻦﻣ .هﻮﺟ ﲏﻌﻳ ﺶﻣ فﻮﺸﻨﺑ ﻂﺒﻈﻟﺎﺑ يازإ ﻞﻛ ﺔﻴﻠﺧ تﺬﺨﺗا ،ﺎﻫراﺮﻗ ﻦﻜﻟ ﺎﻬﺘﺠﻴﺘﻧ ﺮﻬﻈﺘﺑ ﻲﻓ ﺔﻘﺒﻄﻟا ﲇﻟا .ﺎﻫﺪﻌﺑ ﺎﻬﻠﻴﺨﺗ يز ﺎﻤﻟ خﺎﺒﻄﻟا ﻞﻤﻌﻳ ﻪﺨﺒﻃ وا ،ﻪﻠﻛا ﺎﻨﺣإ فﻮﺸﻨﺑ ﺔﻠﻛﻷا ،ﺔﻴﺋﺎﻬﻨﻟا ﻦﻜﻟ ﺎﻣ ﺶﻓﻮﺸﻨﺑ ﻞﻛ ةﻮﻄﺧ ﺔﻳﴎ ﺖﻠﺼﺣ .هﻮﺟ ﺲﻔﻧ :ةﺮﻜﻔﻟا تﺎﻜﺒﺸﻟا ﺔﻴﻔﺨﻤﻟا ﻞﻤﻌﺘﺑ ﻞﻛ تﺎﺑﺎﺴﺤﻟا تﺎﺟاﺮﺨﺘﺳﻻاو ،ﺔﻴﻠﺧاﺪﻟا ﻞﺻﻮﺘﺑو ﺎﻨﻟ ﺔﺠﻴﺘﻨﻟا ﺔﻴﺋﺎﻬﻨﻟا .ﺲﺑ – Output Layer 3. ﺔﻘﺒﻃ جاﺮﺧﻹا ● يد ﺮﺧآ ﺔﻘﺒﻃ ﻲﻓ ،ﺔﻜﺒﺸﻟا ﻊﻠﻄﺘﺑو ﺔﺠﻴﺘﻨﻟا ﺔﻴﺋﺎﻬﻨﻟا ﺪﻌﺑ ﻞﻛ ﺔﺠﻟﺎﻌﻤﻟا ﻲﻓ تﺎﻘﺒﻄﻟا .ﺔﻴﻔﺨﻤﻟا ● :لﺎﺜﻣ ○ ﻲﻓ جذﻮﻤﻧ ،ﺔﻐﻟ ﻦﻜﻤﻣ ﻊﻠﻄﺗ ﺔﻤﻠﻜﻟا ﺔﻴﻟﺎﺘﻟا .ﺔﻌﻗﻮﺘﻤﻟا ○ ﻲﻓ ﻒﻴﻨﺼﺗ ،ﺮﻋﺎﺸﻣ ﻦﻜﻤﻣ ﻊﻠﻄﺗ ﺔﺠﻴﺘﻧ " Positive " وأ " Negative " وأ " ."Neutral ● ﻞﻛ دﻮﻧ ﻲﻓ Output Layer ﻞﺜﻤﻴﺑ جﺮﺨﻣ دﺪﺤﻣ وأ لﺎﻤﺘﺣا .دﺪﺤﻣ ﻞﻛ ﺎﻣ ﺖﻠﺻو تﺎﻧﺎﻴﺒﻟا ﺔﻘﺒﻄﻠﻟ ،يد ﻢﺘﻴﺑ ﻞﻳﻮﺤﺗ ﻞﻛ طﺎﻤﻧﻷا ﲇﻟا ﺎﻬﺘﻤﻠﻌﺗا تﺎﻘﺒﻄﻟا ﺔﻴﻔﺨﻤﻟا ﺔﺑﺎﺟﻹ ﺔﺤﺿاو .ﺔﻣﻮﻬﻔﻣو – Data Flow ﻖﻓﺪﺗ تﺎﻧﺎﻴﺒﻟا ● تﺎﻧﺎﻴﺒﻟا مﺎﺨﻟا ﻞﺧﺪﺗ .Input Layer ● ﻞﻛ دﻮﻧ بﴬﺗ ﻞﻛ ﺔﻤﻴﻗ ﻲﻓ نزﻮﻟا صﺎﺨﻟا ،ﺎﻬﻴﺑ ﻒﻴﻀﺗ ،سﺎﻳﺎﺒﻟا ﻞﺧﺪﺗو ﺔﺠﻴﺘﻨﻟا ﲆﻋ Activation .Function © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

● ﺞﺗﺎﻨﻟا حوﺮﻳ ﺔﻘﺒﻄﻠﻟ ﺔﻴﻔﺨﻤﻟا ﲇﻟا ،ﺎﻫﺪﻌﺑ ﻢﺘﺗو ﺲﻔﻧ ﺔﻴﻠﻤﻌﻟا ﻞﻜﻟ ﺔﻘﺒﻃ .ﺔﻴﻔﺨﻣ ● ﻲﻓ ،ﺔﻳﺎﻬﻨﻟا ﺞﺗﺎﻨﻟا ﻲﺋﺎﻬﻨﻟا جﺮﺨﻳ ﻦﻣ .Output Layer ﻞﻛ ﺎﻣ ﻒﻴﻀﺗ تﺎﻘﺒﻃ ﺔﻴﻔﺨﻣ ،ﱰﻛأ ﺔﻜﺒﺸﻟا رﺪﻘﺗ ﻢﻠﻌﺘﺗ طﺎﻤﻧأ ﺪﻘﻋأ ﱶﻛأو ﺔﻗد. ﻦﻜﻟ مزﻻ :رﺬﺤﻧ ﻮﻟ دﺪﻋ تﺎﻘﺒﻄﻟا وأ زدﻮﻨﻟا ﲑﺒﻛ اًﺪﺟ ﻦﻣ ﲑﻏ تﺎﻧﺎﻴﺑ ،ﺔﻴﻓﺎﻛ ﺔﻜﺒﺸﻟا ﻦﻜﻤﻣ ﻢﻠﻌﺘﺗ" "ﻂﻠﻏ وأ ،"Overfit ﻞﺼﺤﻳ " ﲏﻌﻳ ﺪﻴﻘﺘﺗ ﲆﻋ تﺎﻧﺎﻴﺑ ﺐﻳرﺪﺘﻟا ﺎﻣو ﺶﻓﺮﻌﺗ ﻢﻤﻌﺗ ﲆﻋ تﺎﻧﺎﻴﺑ .ةﺪﻳﺪﺟ ● ﻞﻛ ﺔﻘﺒﻃ ﺎﻬﻴﻟ رود ﻢﻬﻣ ،اًﺪﺟ ﺶﻴﻔﻣو ﺔﻘﺒﻃ ﻦﻜﻤﻣ ﻞﻤﻌﺗ ﻞﻛ ﺔﺟﺎﺣ .ﺎﻫﺪﺣﻮﻟ ● ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﻞﻐﺘﺸﺘﺑ ﻞﻜﺸﺑ ،ﻞﺴﻠﺴﺘﻣ ﻞﻛ ﺔﻘﺒﻃ ّسنﺤﺘﺑ رﻮﻄﺗو تﺎﻣﻮﻠﻌﻤﻟا ﲇﻟا ﺎﻬﻠﺻﻮﺘﺑ ﻦﻣ ﺔﻘﺒﻄﻟا ﲇﻟا .ﺎﻬﻠﺒﻗ ● ﻞﻛ ﺎﻣ تﺎﻘﺒﻄﻟا ﺔﻴﻔﺨﻤﻟا ﺖﻧﺎﻛ ،ﱰﻛأ ﺔﻜﺒﺸﻟا رﺪﻘﺗ ﻢﻠﻌﺘﺗ طﺎﻤﻧأ ،ﺪﻘﻋأ ﺲﺑ هد جﺎﺘﺤﻴﺑ تﺎﻧﺎﻴﺑ ﱰﻛأ ﺔﺠﻟﺎﻌﻣو .ﱪﻛأ ﺐﻳرﺪﺗ ﺎﻳﻼﺨﻟا ﻪﻴﺒﺼﻌﻟا Neural Networks Training ﺎﻤﻟ ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا أﺪﺒﺗ لوﻷ ،ةﺮﻣ نازوﻷا ) Weights ( و ) Biases ( نﻮﻜﺘﺑ ﺔﻟﻮﻤﻌﻣ ﻞﻜﺸﺑ ﻲﺋاﻮﺸﻋ .اﺪﺟ هد هﺎﻨﻌﻣ نإ يأ ﻊﻗﻮﺗ ) Predicted Output ( ﻊﻠﻄﻴﻫ ﻦﻣ ﺔﻜﺒﺸﻟا ﻲﻓ ﺔﻳاﺪﺒﻟا ﺶﻣ ﻲﻘﻄﻨﻣ وأ دﺮﺠﻣ ﲔﻤﺨﺗ .ﻲﺋاﻮﺸﻋ فﺪﻫ ﺐﻳرﺪﺘﻟا ﻮﻫ ﻞﻳﺪﻌﺗ نازوﻷا ـﻟاو Biases ﺚﻴﺤﺑ نﻮﻜﺗ تﺎﻌﻗﻮﺗ ﺔﻜﺒﺸﻟا بﺮﻗأ ﺎﻣ نﻮﻜﻳ ﺞﺋﺎﺘﻨﻠﻟ ﺔﺤﻴﺤﺼﻟا .(Desired Outputs) – Predicted vs. Desired Output ﻊﻗﻮﺘﻟا ﻞﺑﺎﻘﻣ فﺪﻬﻟا © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

● Predicted Output : ﺔﺠﻴﺘﻨﻟا ﲇﻟا ﺔﻜﺒﺸﻟا ﺎﻬﺠﺘﻨﺘﺑ ﺎًﻴﻟﺎﺣ ًءﺎﻨﺑ ﲆﻋ نازوﻷا ـﻟاو Biases ﺔﻴﻟﺎﺤﻟا ﻞﺒﻗ ﺐﻳرﺪﺘﻟا ● ) Desired Output (Target : ﺔﺠﻴﺘﻨﻟا ﺔﺤﻴﺤﺼﻟا وأ ﲇﻟا ﺎﻨﺣا ﻦﻳﺰﻳﺎﻋ ﺔﻜﺒﺸﻟا ﻢﻠﻌﺘﺗ ﻞﺻﻮﺗ .ﺎﻬﻴﻟ لﺎﺜﻣ ﲇﻤﻋ ﲆﻋ :ﺐﻳرﺪﺘﻟا 1. ﻲﻓ تﻼﻳدﻮﻣ ﺔﻐﻠﻟا ) :(LLMs ○ Input : ﺔﻠﺴﻠﺳ تﺎﻤﻠﻛ ﺎﻧأ" ﺢﻳار "...ـﻟا ○ Desired Output : ﺔﻤﻠﻜﻟا ﺔﻴﻟﺎﺘﻟا ،ﺔﻌﻗﻮﺘﻤﻟا يز "ﺔﺳرﺪﻣ" وأ "ﺖﻛرﺎﻣﺮﺑﻮﺳ" ○ Initially : ﺔﻜﺒﺸﻟا ﻦﻜﻤﻣ ﻊﻗﻮﺘﺗ ﺔﻤﻠﻛ ﺔﺒﻳﺮﻏ وأ ﲑﻏ ﺔﺒﺳﺎﻨﻣ يز ﻪﻟﺎﺴﻏ وا .نﻮﻳﺰﻔﻠﺗ ○ Goal : ﻞﻳﺪﻌﺗ نازوﻷا ـﻟاو Biases ﺎًﻴﺠﻳرﺪﺗ نﺎﺸﻋ ﻊﻗﻮﺗ ﺔﻤﻠﻜﻟا ﺔﺤﻴﺤﺼﻟا .ﱰﻛأ 2. ﻲﻓ ﻒﻴﻨﺼﺗ رﻮﺼﻟا ) :(Image Classification ○ Input : ةرﻮﺻ ناﻮﻴﺤﻟ ○ Desired Output : عﻮﻧ ناﻮﻴﺤﻟا ﺮﺠﻳﺎﺗ) (ﻼﺜﻣ ○ Initially : ﺔﻜﺒﺸﻟا ﻦﻜﻤﻣ ﺊﻄﺨﺗ ﺐﺒﺴﺑ نازوﻷا ـﻟاو Biases ﺔﻴﺋاﻮﺸﻌﻟا ﺖﻌﻗﻮﺗو ﻞﻴﻓ ○ Goal : ﻞﻳﺪﻌﺗ نازوﻷا ـﻟاو Biases ﺚﻴﺤﺑ فﺮﻌﺘﺗ ةرﻮﺼﻟا ﻞﻜﺸﺑ .ﺢﻴﺤﺻ ﻞﻴﺨﺗ ﺪﺣاو ﻪﺴﻟ ﻢﻠﻌﺘﻴﺑ ،ﺔﻳﺎﻣﺮﻟا لوﺎﺤﻴﺑو ﺐﻴﺼﻳ .فﺪﻬﻟا ﻲﻓ ،ﺔﻳاﺪﺒﻟا ﻢﻬﺳﻷا ) Predicted Outputs ( ﻊﻘﺘﻫ ﻲﻓ يأ نﺎﻜﻣ ﺪﻴﻌﺑ ﻦﻋ ﺰﻛﺮﻣ ،فﺪﻬﻟا . ﻊﻣ ﺔﺳرﺎﻤﻤﻟا ﺢﻴﺤﺼﺘﻟاو ،ﺮﻤﺘﺴﻤﻟا أﺪﺒﻴﻫ لﺪﻌﻳ هﺎﺠﺗا ﻢﻬﺴﻟا ) Weights و Biases ( ﺪﺤﻟ ﺎﻣ ﺐﻴﺼﻳ فﺪﻬﻟا ﻞﻜﺸﺑ ﺢﺻ شنﻨﻳو .طﻮﺒﻈﻣ © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

ﻪﻇﻮﻠﻣ ﺔﻤﻬﻣ ﺖﻗو :ﺐﻳرﺪﺘﻟا ﻮﻟ ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﺖﻌﻗﻮﺗ ﺔﺠﻴﺘﻨﻟا ﺢﺼﻟا ﻦﻣ لوأ ةﺮﻣ لﻼﺧ ،ﺐﻳرﺪﺘﻟا ﻮﻟ ﺖﻌﻗﻮﺗ هرﻮﺻ "ﺮﺠﻳﺎﺗ" ﺢﺻ ﻦﻣ ﲑﻏ يأ :ﺐﻳرﺪﺗ هد ﺶﻣ ةروﴬﻟﺎﺑ ﻪﺟﺎﺣ ﻪﺴﻳﻮﻛ .ﺺﻟﺎﺧ ؟ﻪﻴﻟ نﻷ ﺔﻜﺒﺸﻟا ﻪﺴﻟ ﺶﻣ ﺔﻤﻠﻌﺘﻣ يأ طﺎﻤﻧأ ،ﺔﻣﺎﻋ هدو ﺎًﺒﻟﺎﻏ دﺮﺠﻣ ﺔﻓﺪﺻ ﺔﻴﺋاﻮﺸﻋ ﺶﻣ ﻞﻴﻟد ﲆﻋ ﻢﻬﻓ ﻲﻘﻴﻘﺣ ﻂﺴﺑا ﻪﺟﺎﺣ ,ﺺﻟﺎﺧ ﻞﻴﺨﺗ ﻚﻧإ ﺰﻳﺎﻋ ﻢﻠﻌﺗ ﻞﻳدﻮﻣ ّﲒﻤﻳ ﲔﺑ ةرﻮﺻ ﺔﻄﻗ :ﺐﻠﻛو ﻮﻟ ﺖﺒﺟ ةرﻮﺻ ﺔﻄﻗ ةﺪﺣاو ﻂﻘﻓ ةرﻮﺻو ﺐﻠﻛ ةﺪﺣاو ،ﻂﻘﻓ ﻞﻳدﻮﻤﻟاو ﺎﻬﻌﻗﻮﺗ ﺢﺻ ﻦﻣ لوا :هﺮﻣ هد ﺎﻴﻓﺮﺣ يز ﺐﻟﺎﻃ ﻂﺒﺧ ﺪﺒﻫو ﻲﻓ نﺎﺤﺘﻣﻻا بﺎﺟو ﺔﺑﺎﺟﻹا ﺢﺻ .ﺐﺤﻟﺎﺑ نﻻ ﻞﻳدﻮﻤﻟا ﻪﺴﻟ ﺶﻣ ﻢﻫﺎﻓ ﺪﻋاﻮﻘﻟا ﺔﻣﺎﻌﻟا ﺪﻳﺪﺤﺘﻟ ﺔﻄﻘﻟا وأ .ﺐﻠﻜﻟا ﻞﻳدﻮﻤﻟا جﺎﺘﺤﻣ ﻪﻠﺜﻣا ﲑﺘﻛ اﺪﺟ ﺔﻔﻠﺘﺨﻣ ﻞﻜﻟ :ﺔﺌﻓ ﻂﻄﻗ عاﻮﻧﺄﺑ ،ﺔﻔﻠﺘﺨﻣ بﻼﻛ عاﻮﻧﺄﺑ ،ﺔﻔﻠﺘﺨﻣ ﺎﻳاوز ،ﺔﻔﻠﺘﺨﻣ تاءﺎﺿإ ،ﺔﻔﻠﺘﺨﻣ نﺎﺸﻋ ﻢﻠﻌﺘﻳ طﺎﻤﻧﻷا ﺔﻴﻘﻴﻘﺤﻟا. ﻪﻴﻠﻤﻋ ﺐﻳرﺪﺘﻟا Training Process ةﻮﻘﻟا ﺔﻴﻘﻴﻘﺤﻟا تﺎﻜﺒﺸﻠﻟ ﺔﻴﺒﺼﻌﻟا ﺶﻣ ﺲﺑ ﻲﻓ ﺎﻬﻤﻴﻤﺼﺗ وا ﺬﻴﻔﻨﺗ ،تﺎﺑﺎﺴﺤﻟا ﻦﻜﻟ ﻲﻓ ﺎﻬﺗرﺪﻗ ﲆﻋ ﻢﻠﻌﺘﻟا ﻒﻴﻜﺘﻟاو ﻊﻣ تﺎﻧﺎﻴﺒﻟا ﺖﻗو .ﺐﻳرﺪﺘﻟا :ﺐﻳرﺪﺘﻟا ﻮﻫ ﺔﻴﻠﻤﻌﻟا ﲇﻟا ﺔﻜﺒﺸﻟا ﻢﻠﻌﺘﺘﺑ ﺎﻬﻨﻣ ﻪﻤﻬﻣ ،ﻪﻨﻴﻌﻣ لّﺪﻌﺘﺑو ﺎﻬﻴﻓ نازوﻷا ) Weights ( وـﻟا Biases ﺎﻬﺘﻋﺎﺘﺑ نﺎﺸﻋ سنﺤﺘﺗ ﺎﻬﺗﺎﻌﻗﻮﺗ بﱰﻘﺗو ﻦﻣ ﺞﺋﺎﺘﻨﻟا .ﺔﺤﻴﺤﺼﻟا :لﺎﺜﻣ ﻞﻴﺨﺗ ﻚﻧإ ﻢّﻠﻌﺘﺑ ﻞﻔﻃ ّﲒﻤﻳ ﲔﺑ :تﺎﻧاﻮﻴﺤﻟا 1. ﻪﻳرﻮﺘﺑ رﻮﺻ ،ﺔﻄﻗ ،ﺐﻠﻛ رﻮﻔﺼﻋ, لﻮﻘﺘﺑ :ﻪﻟ يد" ،ﺔﻄﻗ يد ،ﺐﻠﻛ يد ".رﻮﻔﺼﻋ 2. ﻲﻓ ﺔﻳاﺪﺒﻟا ﻞﻔﻄﻟا ﻦﻤﺨﻴﻫ ﻂﻠﻏ ،ﲑﺘﻛ يز ﺎﻣ ﺔﻜﺒﺸﻟا ﻲﻓ ﺔﻳاﺪﺒﻟا ﻞﻤﻌﺘﺑ Predictions ﺔﻴﺋاﻮﺸﻋ نﻷ نازوﻷا ـﻟاو Biases ﺎﻬﺘﻋﺎﺘﺑ ﻪﺴﻟ .ﺔﻴﺋاﻮﺸﻋ 3. ﻊﻣ ﻞﻛ لﺎﺜﻣ ،ﺪﻳﺪﺟ ﻞﻔﻄﻟا أﺪﺒﻳ ﻢﻠﻌﺘﻳ تﺎﻤﺴﻟا ةﲒﻤﻤﻟا ﻞﻜﻟ :ناﻮﻴﺣ ﻞﻜﺷ ،نادﻮﻟا ﻢﺠﺣ ،ﻢﺴﺠﻟا 4. ﻊﻣ ،ﺖﻗﻮﻟا رﺪﻘﻴﻫ ّﲒﻤﻳ تﺎﻧاﻮﻴﺤﻟا ﺔﻗﺪﺑ .ﲆﻋأ © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

ﺲﻔﻨﺑ ،ﺔﻘﻳﺮﻄﻟا ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﻢﻠﻌﺘﺘﺑ ﻦﻣ ﻞﻛ لﺎﺜﻣ ﻲﻓ تﺎﻧﺎﻴﺒﻟا، لّﺪﻌﺘﺑو ﺎﻬﻧازوأ و Biases ﺎﻬﺘﻋﺎﺘﺑ نﺎﺸﻋ تاﺆﺒﻨﺘﻟا ﻰﻘﺒﺗ بﺮﻗأ ﺔﺠﻴﺘﻨﻠﻟ .ﺔﺤﻴﺤﺼﻟا ﺲﻔﻨﺑ ،ﺔﻘﻳﺮﻄﻟا ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﻢﻠﻌﺘﺗ :طﺎﻤﻧﻷا ● ﻞﻛ لﺎﺜﻣ ) Input + Desired Output ( ﱪﺘﻌﻴﺑ ﺔﺻﺮﻓ ﺔﻜﺒﺸﻠﻟ ﺎﻬﻧإ .ﻢّﻠﻌﺘﺗ ● ﺔﻜﺒﺸﻟا ﺐﺴﺤﺘﺑ ﺆﺒﻨﺘﻟا ﱄﺎﺤﻟا ) Predicted Output ( ﻪﻧرﺎﻘﺗو ﺔﺠﻴﺘﻨﻟﺎﺑ ﺔﺤﻴﺤﺼﻟا ) .(Desired Output ● ﺪﻌﺑ ،هﺪﻛ ﺔﻜﺒﺸﻟا لﺪﻌﺗ نازوﻷا ـﻟاو Biases ﺎﻬﺘﻋﺎﺘﺑ ﻞﻴﻠﻘﺘﻟ قﺮﻔﻟا ﲔﺑ ﺆﺒﻨﺘﻟا ﺔﺠﻴﺘﻨﻟاو .ﺔﻴﻘﻴﻘﺤﻟا ﺐﻳرﺪﺘﻟا اد ﻲﻘﺑ ﻪﻴﻓ ﲔﺘﻠﺣﺮﻣ :ﲔﻴﺳﺎﺳا – Forward Propagation رﺎﺸﺘﻧﻻا ﻲﻣﺎﻣﻷا Forward Propagation ﻮﻫ ﺔﻴﻠﻤﻌﻟا ﲇﻟا ﻦﻣ ﺎﻬﻟﻼﺧ تﺎﻧﺎﻴﺒﻟا كﺮﺤﺘﺘﺑ مﺎﻣﻸﻟ ﱪﻋ ﺔﻜﺒﺸﻟا ،ﺔﻴﺒﺼﻌﻟا ﻦﻣ ـﻟا Input Layer ، اًروﺮﻣ ـﻟﺎﺑ Hidden Layers ، ﺪﺤﻟ ـﻟا Output Layer ، جﺎﺘﻧﻹ ﺆﺒﻨﺘﻟا ﻲﺋﺎﻬﻨﻟا ﺎﺋﺎﻨﺑ ﲆﻋ ﻢﻴﻘﻟا ﺔﻴﻟﺎﺤﻟا Weights نازوﻸﻟ ) ( ـﻟاو .Biases ﲏﻌﻳ :ﺔﻃﺎﺴﺒﺑ ﺔﻜﺒﺸﻟا ﻞﺒﻘﺘﺴﺘﺑ تﺎﻧﺎﻴﺒﻟا ← ﺎﻬﺠﻟﺎﻌﺗ ← ﻊﻠﻄﺗ ﺆﺒﻨﺘﻟا .ﻲﺋﺎﻬﻨﻟا ﺮﻛﺎﻓ ﺎﻤﻟ ﺎﻨﺣﴍ لا Data flow ﻦﻣ ؟ﻪﻳﻮﺷ ● تﺎﻧﺎﻴﺒﻟا مﺎﺨﻟا ﻞﺧﺪﺗ .Input Layer ● ﻞﻛ دﻮﻧ بﴬﺗ ﻞﻛ ﺔﻤﻴﻗ ﻲﻓ نزﻮﻟا صﺎﺨﻟا ،ﺎﻬﻴﺑ ﻒﻴﻀﺗ ،سﺎﻳﺎﺒﻟا ﻞﺧﺪﺗو ﺔﺠﻴﺘﻨﻟا ﲆﻋ Activation .Function ● ﺞﺗﺎﻨﻟا حوﺮﻳ ﺔﻘﺒﻄﻠﻟ ﺔﻴﻔﺨﻤﻟا ﲇﻟا ،ﺎﻫﺪﻌﺑ ﻢﺘﺗو ﺲﻔﻧ ﺔﻴﻠﻤﻌﻟا ﻞﻜﻟ ﺔﻘﺒﻃ .ﺔﻴﻔﺨﻣ ● ﻲﻓ ،ﺔﻳﺎﻬﻨﻟا ﺞﺗﺎﻨﻟا ﻲﺋﺎﻬﻨﻟا جﺮﺨﻳ ﻦﻣ .Output Layer Forward Propagation اد ﻪﻃﺎﺴﺒﺑ ﺎﻨﻧا ﴚﻤﻧ ماﺪﻘﻟ ﻞﻤﻌﻧو ﻪﻴﻠﻤﻌﻟا يد ﺎﻬﻠﻛ ﻦﻣ لوﻻا ,ﺮﺧﻼﻟ يﺪﻌﻧ ﲇﻋ input layer تﺎﻧﺎﻴﺒﻟاو ﻞﺧﺪﺗ ﺎﻫﺪﻌﺑ ﻞﻛ Node ﺪﺧﺎﻴﺑ تﻼﺧﺪﻤﻟا ﻦﻣ زدﻮﻨﻟا ،ﺖﺗﺎﻔﻟا ﺎﻬﺑﴬﻳ ﻲﻓ نازوﻷا ) Weights ( ﻒﻴﻀﻳو ـﻟا .Bias ﺪﻌﺑ ،هﺪﻛ ﺞﺗﺎﻨﻟا ﻞﺧﺪﻴﺑ Activation Function نﺎﺸﻋ دﺪﺤﻳ ﻞﻫ ةرﺎﺷﻹا ﺔﻤﻬﻣ يﺪﻌﺗو ﺔﻘﺒﻄﻠﻟ ،ﺔﻴﻟﺎﺘﻟا ﻻو .ﻷ ﺎﻫﺪﻌﺑ حوﺮﻧ ) Hidden Layers ( ﻞﻛو ﺔﻘﺒﻃ ﺔﻴﻔﺨﻣ لّﻮﺤﺘﺑ تﺎﻧﺎﻴﺒﻟا جﺮﺨﺘﺴﺗو طﺎﻤﻧﻷا .ﺔﻤﻬﻤﻟا ﺎﻫﺪﻌﺑ تﺎﻧﺎﻴﺒﻟا يﺪﻌﺘﺑ ﻦﻣ Node ل Node ﺔﻘﺒﻃو ،ﺔﻘﺒﻄﻟ ـﻟاو Activation Function ﺪﻛﺄﺘﻴﺑ نإ ﺔﻜﺒﺸﻟا ﺰﻛﺮﺗ © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

ﲆﻋ تﺎﻣﻮﻠﻌﻤﻟا ﺔﻤﻬﻤﻟا .ﻂﻘﻓ ﺪﻌﺑ ﺎﻣ تﺎﻧﺎﻴﺒﻟا ﺮﻤﺗ ﻞﻜﺑ تﺎﻘﺒﻄﻟا ،ﺔﻴﻔﺨﻤﻟا ﺔﻜﺒﺸﻟا ﺞﺘﻨﺗ Predicted Output ، ﻮﻫو ﺆﺒﻨﺘﻟا ﱄﺎﺤﻟا ..جذﻮﻤﻨﻠﻟ ﻞﻠﻠﻛ ﻪﻴﻠﻤﻌﻟا ﺖﺗﺎﻔﻟا يد اﺪﻛ ﺎﻬﻤﺳا Forward Propagation ﻞﻴﺨﺗ نإ كﺪﻨﻋ ﻊﻨﺼﻣ ﻞﻳﻮﺤﺘﻟ :ﻪﻬﻛﺎﻔﻟا 1. Input Layer :(تﻼﺧﺪﻤﻟا) ﺎﻨﻫ ﺐﻴﺠﻨﺑ ﻪﻬﻛﺎﻔﻟا مﺎﺨﻟا يز) ،حﺎﻔﺗ .(…لﺎﻘﺗﺮﺑ 2. Hidden Layers تﺎﻘﺒﻄﻟا) :(ﺔﻴﻔﺨﻤﻟا ﻞﻛ ﺔﻠﺣﺮﻣ ﻲﻓ ﻊﻨﺼﻤﻟا ﻞﻛ) (ﺔﻘﺒﻃ ﺞﻟﺎﻌﺘﺑ :ﻪﻛاﻮﻔﻟا ○ ،ﺎﻬﻌّﻄﻘﺗ ،ﺎﻬﻔﻈﻨﺗ ،ﺎﻬﻄﻠﺨﺗ وأ ﻒﻴﻀﺗ .تﺎﻬﻜﻧ ○ ﻞﻛ ﺔﻘﺒﻃ ّﲑﻐﺘﺑ ﻞﻜﺸﻟا وأ ﺺﺋﺎﺼﺨﻟا ،ﺔﻳﻮﺷ يز ﺎﻣ ـﻟا Activation و Bias و Weights Function لﺪﻌﺘﺑ .تﺎﻧﺎﻴﺒﻟا 3. Output Layer ﺔﻘﺒﻄﻟا) :(ةﲑﺧﻷا ﻲﻓ ﺮﺧﻵا ﻞﺻﻮﻨﺑ ﺞﺘﻨﻤﻠﻟ :ﻲﺋﺎﻬﻨﻟا ﲑﺼﻋ ،ﺰﻫﺎﺟ ﺔﻄﻠﺳ ،ﻪﻛاﻮﻓ وأ .ﻰﺑﺮﻣ :ةﺮﻜﻔﻟا تﺎﻧﺎﻴﺒﻟا ﻞﺧﺪﺘﺑ ﺔﻜﺒﺸﻟا ← ﻞﻛ ﺔﻘﺒﻃ ﻒﻴﻀﺘﺑ ﻞﻳﺪﻌﺗ وأ ﺔﺠﻟﺎﻌﻣ ← ﺔﺠﻴﺘﻨﻟا ﺔﻴﺋﺎﻬﻨﻟا ﺮﻬﻈﺗ ﻲﻓ ﺮﺧآ .ﺔﻘﺒﻃ Forward Propagation ﻢﻬﻣ اﺪﺟ ﻪﻧﻻ يﺪﻴﺑ ﺔﻜﺒﺸﻟا ﺆﺒﻨﺘﻟا ﱄﺎﺤﻟا ﻞﺒﻗ ﺎﻣ فﺮﻌﻧ ﺄﻄﺨﻟا .ﻪﺤﺤﺼﻧو – Backpropagation رﺎﺸﺘﻧﻻا ﴘﻜﻌﻟا © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

ﲇﻋ ﺲﻜﻌﻟا ﺪﻌﺑ ﺎﻣ ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﻞﻤﻌﺗ Forward Propagation ﺞﺘﻨﺗو ﺆﺒﻨﺘﻟا ،ﻲﺋﺪﺒﻤﻟا ﻲﻌﻴﺒﻃ يز ﺎﻣ ﺎﻨﻠﻗ ﻞﺼﺤﻳ قﺮﻓ ﻪﻴﺋاﻮﺸﻋو ﲔﺑ .Desired Output و Predicted Output هد قﺮﻔﻟا ﲇﻟا ﻪﻴﻤﺴﻨﺑ Error (ﺄﻄﺨﻟا). Error = قﺮﻔﻟا ﲔﺑ ﺞﺗﺎﻨﻟا ﻊﻗﻮﺘﻤﻟا ) Predicted Output ( ﺞﺗﺎﻨﻟاو ﺢﻴﺤﺼﻟا بﻮﻠﻄﻤﻟا ) .(Desired Output Backpropagation ﻲﻫ ﺔﻴﻠﻤﻌﻟا ﲇﻟا ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ﻦﻣ ﺎﻬﻟﻼﺧ ﺐﺴﺤﺘﺑ قﺮﻔﻟا ﲔﺑ ﺆﺒﻨﺘﻟا ﱄﺎﺤﻟا Predicted Output) ( ﺔﺠﻴﺘﻨﻟاو ﺔﺤﻴﺤﺼﻟا ﺔﺑﻮﻠﻄﻤﻟا ) Desired Output ،( ﻦﻳﺪﻌﺑو لّﺪﻌﺗ نازوﻷا ) Weights ( و ـﻟا Biases ﺔﻘﻳﺮﻄﺑ ﻞّﻠﻘﺗ اﺬﻫ ﺄﻄﺨﻟا رﺪﻗ .نﺎﻜﻣﻹا ﲎﻌﻤﺑ :ﻂﺴﺑأ ﺪﻌﺑ ﺎﻣ ﻞﻤﻌﻧ Forward Propagation ﻊﻠﻄﻧو ﺞﺗﺎﻨﻟا ،ﱄﺎﺤﻟا ﺔﻜﺒﺸﻟا :لﻮﻘﺗ ،هآ" ﺆﺒﻨﺘﻟا اد ﺐﻳﺮﻗ ﻦﻣ ﺔﻘﻴﻘﺤﻟا ﻻو ﻪﺴﻟ ﻪﻴﻓ "؟قﺮﻓ ﺎﻤﻟ ﻲﻘﺒﻳ ﻪﻴﻓ قﺮﻓ وأ ،ﺄﻄﺧ ﺔﻜﺒﺸﻟا ﺔﺟﺎﺘﺤﻣ فﺮﻌﺗ يازإ لّﺪﻌﺗ ﺎﻬﺴﻔﻧ ﺎﻬﺴﻔﻨﺑ نﺎﺸﻋ ﺆﺒﻨﺘﻟا مدﺎﻘﻟا نﻮﻜﻳ .قدأ هدو ﻂﺒﻀﻟﺎﺑ رود .Backpropagation Backpropagation ﻲﻫ ﺔﻴﻠﻤﻌﻟا ﲇﻟا ﺐﺴﺤﺘﺑ ﺄﻄﺨﻟا هد لﺪﻌﺗو نازوﻷا تﺎﻓاﺮﺤﻧﻻاو ) Weights & Biases ( ﺚﻴﺤﺑ ﻞﻘﻳ ﺄﻄﺨﻟا رﺪﻗ .نﺎﻜﻣﻹا ﲏﻌﻳ :رﺎﺼﺘﺧﺎﺑ ← Forward Propagation بﺎﺴﺣ ﺄﻄﺨﻟا ← ← Backpropagation ﻞﻳﺪﻌﺗ نازوﻷا ـﻟاو ← Biases راﺮﻜﺗ ﺔﻴﻠﻤﻌﻟا ﺪﺤﻟ ﺎﻣ ﺔﻜﺒﺸﻟا ﻞﺻﻮﺗ تاﺆﺒﻨﺘﻟ .ﺔﻘﻴﻗد ﺪﻌﺑ ﺎﻣ ﻪﻜﺒﺸﻟا ﻞﻤﻌﺗ forward propagation , أﺪﺒﺘﺑ ,فﻮﺸﺗ ﻮﻟ ﻪﻴﻓ Error , ﻪﻜﺒﺸﻟا لﺪﻌﺘﺑ biases و weights , ﺎﻨﻫو ﻲﻘﺑ ﻞﻤﻌﺘﺑ Backpropagation , ﲏﻌﻳ ﻊﺟﱰﺑ ارﻮﻟ لﺪﻌﺗ لﺪﺑ ﺎﻣ ﻊﻠﻄﺗ ماﺪﻗ ﻞﻴﺨﺗ ﻚﻧإ ﱰﺴﻣ ﺢﺤﺼﻴﺑ رﺎﺒﺘﺧا :ﺐﻟﺎﻃ ● ﺐﻟﺎﻄﻟا ﻞﺣ ﺔﻠﺌﺳﻷا ) (Predicted Output ﺖﻧا كﺪﻨﻋ جذﻮﻤﻧ ﺔﺑﺎﺟﻹا ﺢﺼﻟا ) (Desired Output © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

● ﻞﻛ ةﺮﻣ ﺐﻟﺎﻄﻟا ،ﻂﻠﻐﻳ ﺖﻧا ﻪﻠﻳﺪﺘﺑ ﺔﻌﺟاﺮﻣ: ءﺰﺠﻟا" هد ،ﺢﺻ ءﺰﺠﻟا هد ،ﻂﻠﻏ ﻪﻟّﺪﻋ ﻞﻜﺸﻟﺎﺑ ."هد ● ﺐﻟﺎﻄﻟا ﺪﻌﺑ هﺪﻛ ﻢﻠﻌﺘﻳ ﻦﻣ ءﺎﻄﺧﻷا لﺪﻌﻳو ﺔﻘﻳﺮﻃ ﻪﻠﺣ ةﺮﻤﻠﻟ .ﺔﻳﺎﺠﻟا ﻲﻓ ﺔﻜﺒﺸﻟا ،ﺔﻴﺒﺼﻌﻟا لا لاو Weights Biases ﺎﻤﻫ ﲇﻟا اﻮﻟّﺪﻌﺘﻴﺑ ﺲﻔﻨﺑ ﺔﻘﻳﺮﻃ ﺐﻟﺎﻄﻟا ﲇﻟا .ﻢّﻠﻌﺘﻴﺑ Backpropagation تاﻮﻄﺧ 1. بﺎﺴﺣ ﺄﻄﺨﻟا ﻲﺋﺎﻬﻨﻟا ) Output Error :( قﺮﻔﻟا ﲔﺑ ﺞﺗﺎﻨﻟا ﲇﻌﻔﻟا .بﻮﻠﻄﻤﻟاو ○ :لﺎﺜﻣ ﻮﻟ جذﻮﻤﻨﻟا لوﺎﺤﻴﺑ ﻊﻗﻮﺘﻳ ﺔﻤﻠﻛ ﺔﻳﺎﺟ ﻲﻓ ،ﺔﻠﻤﺟ ﻊّﻠﻄﻳو ﺔﻤﻠﻛ ،ﻂﻠﻏ ﺄﻄﺨﻟا ﻮﻫ قﺮﻔﻟا ﲔﺑ ﺔﻤﻠﻜﻟا ﺔﻌﻗﻮﺘﻤﻟا ﺔﻤﻠﻜﻟاو .ﺔﺤﻴﺤﺼﻟا 2. رﺎﺸﺘﻧا ﺄﻄﺨﻟا :ﻒﻠﺨﻠﻟ ﺔﻜﺒﺸﻟا ﺐﺴﺤﺗ تﺎﻤﻫﺎﺴﻣ ﻞﻛ دﻮﻧ ﻲﻓ ﺄﻄﺨﻟا ﻲﺋﺎﻬﻨﻟا ﲔﻣ) نﺎﻛ ﻪﺒﺒﺳ ﱪﻛا ﻲﻓ .(ﺄﻄﺨﻟا ○ هد ﻞﻤﺸﻴﺑ ﻞﻛ زدﻮﻨﻟا ﻲﻓ تﺎﻘﺒﻄﻟا ،ﺔﻴﻔﺨﻤﻟا ﺶﻣ ﺲﺑ ﺔﻘﺒﻄﻟا .ةﲑﺧﻷا 3. ﻞﻳﺪﻌﺗ نازوﻷا و : Biases ًءﺎﻨﺑ ﲆﻋ راﺪﻘﻣ ﺄﻄﺨﻟا ﲇﻟا هﺎﻨﺒﺴﺣ ﻞﻜﻟ ،دﻮﻧ ﺔﻜﺒﺸﻟا لّﺪﻌﺗ نازوﻷا Biasesلاو .ﺎًﻴﺠﻳرﺪﺗ 4. راﺮﻜﺗ :ﺔﻴﻠﻤﻌﻟا ﺔﻜﺒﺸﻟا ﻞﻤﻌﺗ Forward Propagation ،ﻲﻧﺎﺗ ﺐﺴﺤﺗ ﺄﻄﺧ ،ﺪﻳﺪﺟ ﻞﻤﻌﺗو ، Backpropagation .اﺬﻜﻫو © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

ﻞﻛ ةﺮﻣ ﺔﻜﺒﺸﻟا ﻢّﻠﻌﺘﺗ ﱰﻛأ ﻞﻠﻘﺗو ﺄﻄﺨﻟا ﺎًﻴﺠﻳرﺪﺗ ﺪﺤﻟ ﺎﻣ ﻦﻘﺘﺗ .ﺔﻤﻬﻤﻟا Backpropagation = ﺐﻠﻗ ﺔﻴﻠﻤﻋ ،ﺐﻳرﺪﺘﻟا ﺎﻬﻧﻷ ﲇﺨﺘﺑ ﺔﻜﺒﺸﻟا ﻢﻠﻌﺘﺗ ﻦﻣ .ﺎﻬﺋﺎﻄﺧأ ● Forward Propagation : ةﻮﻄﺧ ،"مﺎﻣﻷا" تﺎﻧﺎﻴﺒﻟا لﻮﺤﺘﺘﺑ ﻊﻠﻄﻴﺑو .Predicted Output ● Backpropagation : ةﻮﻄﺧ عﻮﺟﺮﻟا" ،"ﻒﻠﺨﻠﻟ ﺔﻜﺒﺸﻟا ﺐﺴﺤﺘﺑ ءﺎﻄﺧﻷا لﺪﻌﺗو .ﺎﻬﺴﻔﻧ ﻊﻣ راﺮﻜﺗ ﲔﻨﺗﻻا ﻊﻣ ﺾﻌﺑ ﻲﻓ ﺐﻳرﺪﺘﻟا ﻞﻜﺸﺑ ﲑﻴﻴﺘﻛ ،اﺪﺟ هﺮﻣ ﻊﻠﻄﻧ هﺮﻣ ﻊﺟﺮﻧ ,اﺬﻜﻫو لا biases و weights اﻮﻄﺒﻈﺘﻴﺑ ﺪﺤﻟ ﺎﻣ ﺔﻜﺒﺸﻟا ﻢﻠﻌﺘﺗ طﺎﻤﻧأ تﺎﻧﺎﻴﺒﻟا ةﺪﻘﻌﻤﻟا ﻞﺻﻮﺗو ﻞﻀﻓﻷ ءادأ .ﻦﻜﻤﻣ ﻞﻛ ﺎﻣ ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا ضﺮﻌﺘﺗ تﺎﻧﺎﻴﺒﻟ ،ﱰﻛأ أﺪﺒﺗو فﻮﺸﺗ ﺔﻠﺜﻣأ ،ةﺪﻳﺪﺟ ﻞﺼﺤﻴﺑ ﺎﻫﺪﻨﻋ عﻮﻧ ﻦﻣ ﻢﻬﻔﻟا" "ﻲﺠﻳرﺪﺘﻟا طﺎﻤﻧﻸﻟ ةدﻮﺟﻮﻤﻟا ﻲﻓ .تﺎﻧﺎﻴﺒﻟا ﻲﻓ ،ﺔﻳاﺪﺒﻟا تاﺆﺒﻨﺘﻟا نﻮﻜﺘﺑ ﺔﻴﺋاﻮﺸﻋ اًﺪﺟ نﻷ نازوﻷا ـﻟاو biases ﻪﺴﻟ ﺔﻋزﻮﺘﻣ ﻞﻜﺸﺑ ،ﻲﺋاﻮﺸﻋ ﻦﻜﻟ ﻊﻣ ﻞﻛ ةرود ،ﺔﻴﺒﻳرﺪﺗ ﺔﻜﺒﺸﻟا نرﺎﻘﺘﺑ ﲔﺑ ﺞﺗﺎﻨﻟا ﲇﻟا ﻪﺘﻌﻠﻃ ﺞﺗﺎﻨﻟاو ،ﺢﺼﻟا ﺐﺴﺤﺗو راﺪﻘﻣ ،ﺄﻄﺨﻟا ﻦﻳﺪﻌﺑو أﺪﺒﺗ لّﺪﻌﺗ ﺎﻬﻧازوأ ةﻮﻄﺧ ةﻮﻄﺨﺑ ﻞﻠﻘﺘﻟ ﺄﻄﺨﻟا .هد ﻊﻣو روﺮﻣ ﺖﻗﻮﻟا راﺮﻜﺗو ﺔﻴﻠﻤﻌﻟا فﻻآ وأ ﲔﻳﻼﻣ ،تاﺮﻤﻟا ﺔﻜﺒﺸﻟا ﲏﺒﺘﺑ ﻢﻬﻓ“ ”ﲇﺧاد .طﺎﻤﻧﻸﻟ نازوﻷا Weights) ( ـﻟاو Biases اﻮﻘﺒﻴﺑ ﻪﺒﺷ ﺔﻄﻳﺮﺧ ﺔﻴﻨﻫذ ﺔﻘﻴﻗد ﺎﻫﺪﻋﺎﺴﺘﺑ ﺄﺒﻨﺘﺗ ﻞﻜﺸﺑ ﻲﻛذ ﱰﻛأ ﻲﻓ تاﺮﻤﻟا .ﺔﻳﺎﺠﻟا هدو ﺮﻫﻮﺟ ةﺮﻜﻓ ﻢّﻠﻌﺘﻟا :ﻖﻴﻤﻌﻟا نإ جذﻮﻤﻨﻟا ﺶﻣ ﺲﺑ ﻆﻔﺤﻴﺑ ،تﺎﻧﺎﻴﺒﻟا ﻦﻜﻟ ﻢﻠﻌﺘﻴﺑ تﺎﻗﻼﻌﻟا ﺔﻴﻔﺨﻟا ﲇﻟا .ﺎﻫاﻮﺟ ﻲﻓ ،ﺔﻳﺎﻬﻨﻟا ﺔﻜﺒﺸﻟا ﺔﻴﺒﺼﻌﻟا لﻮﺤﺘﺘﺑ ﻦﻣ دﺮﺠﻣ ﺔﻋﻮﻤﺠﻣ تﻻدﺎﻌﻣ ﺔﻴﺿﺎﻳر ﱃإ مﺎﻈﻧ ”ﻢﻬﻔﻴﺑ“ طﺎﻤﻧﻷا ًﻼﻌﻓ مﺎﻈﻧ رﺪﻘﻳ ،فّﺮﻌﺘﻳ ،ﻊّﻗﻮﺘﻳ ّسنﺤﺘﻳو ﻞﻛ ةﺮﻣ فﻮﺸﻳ ﺎﻬﻴﻓ تﺎﻧﺎﻴﺑ .ةﺪﻳﺪﺟ هدو ﻮﻫ سﺎﺳأ ءﺎﻛﺬﻟا ﻲﻋﺎﻨﻄﺻﻻا :ﺚﻳﺪﺤﻟا نإ ﺔﻟﻵا ﻢﻠﻌﺘﺗ ﻦﻣ ،ﺔﺑﺮﺠﺘﻟا رّﻮﻄﺗو ﺎﻬﺴﻔﻧ ﻊﻣ ﺖﻗﻮﻟا ﺎًﻣﺎﻤﺗ يز .نﺎﺴﻧﻹا © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..

ﻢﻠﻌﺗ ﱰﻛا Further Learning ﺎﻌﺒﻃ ﻪﺴﻟ ﻲﻓ مﻼﻛ ﻊﻴﺿاﻮﻣو ﱰﻛا ﻦﻜﻟو يد ﺖﻧﺎﻛ هﺮﻜﻔﻟا ,ﻪﻴﺳﺎﺳﻻا ﺶﻣ ﺐﺑﺎﺣ ﻞﺧدا كﺎﻌﻣ ﻲﻓ ﻞﻴﺻﺎﻔﺗ هﺪﻘﻌﻣ ,ﱰﻛا نﺎﺸﻋ ,اﺪﻛ ﻚﻠﺣﴍا هﺪﺸﺑ ةﺎﻨﻗ " three blue one brown " تاﻮﻨﻗو يﺮﺧا ﻢﻠﻜﺘﺘﺑ ﻦﻋ ﻪﻜﺒﺸﻟا ﻪﻴﻋﺎﻨﻄﺻﻻا ﻞﻴﺻﺎﻔﺗو ﱰﻛا ﻦﻋ ﻪﻴﻠﻤﻌﻟا ﻮﻟ ﺐﺑﺎﺣ فﺮﻌﺗ ﱰﻛا ﻢﺘﻬﻣو ﱰﻛا But what is a neural network? | Deep learning chapter 1 Gradient descent, how neural networks learn | Deep Learning Chapter 2 Explained In A Minute: Neural Networks Neural Network In 5 Minutes | What Is A Neural Network? | How Neural Networks Work | Si… I Built a Neural Network from Scratch © AI Automation Atlas - All rights reserved. Do not share, copy, reproduce or sell any part of this document unless you have permission..