الشبكات العصبية: من المدرِك البسيط إلى التعلّم العميق

في 10 مارس 2016، في المباراة الثانية من مسلسل مكوّن من خمس مباريات في سيول، وضعت آلة تُدعى AlphaGo حجرًا أسود على الخط الخامس من رقعة اللعب. كانت الحركة غريبة جدًا حتى ظنّ المُعلِّقون البشريون أنها خطأ. قال أحد المحترفين بصوت مسموع أن مبتدئًا سيُوبَّخ إن لعبها. لي سيدول — بطل العالم في لعبة Go لثماني عشرة مرة — وقف وترك الغرفة ليجمع نفسه.

لم يكن خطأً. بعد خمسين حركة، ذلك الحجر — المعروف الآن باسم «الحركة 37» — كان المفصل الذي دارت عليه المباراة بأكملها. فاز AlphaGo. لي سيدول، الذي يُعدّ من أعظم اللاعبين على الإطلاق، خسر المسلسل 4–1. والجزء الذي يهمّ هنا: لم يُعلِّم أي إنسان AlphaGo تلك الحركة. لم تكن في أي كتاب دراسي. الآلة اكتشفتها بمفردها، عن طريق لعب ملايين المباريات ضدّ نفسها وضبط مليارات الأرقام الداخلية الصغيرة حتى ظهر نمط لم يره أي إنسان من قبل.

Go لديها مواقع رقعة ممكنة أكثر من عدد الذرّات في الكون المرصود. لا يمكنك حلّها بالقوة الغاشمة. لا يمكنك كتابة قواعد لها. الطريقة الوحيدة للعبها بمستوى فوق بشري هي التعلّم — والشيء الذي يقوم بالتعلّم كان شبكة عصبية: مجموعة من الوحدات الرياضية البسيطة التي، بما يكفي من البيانات والضبط، تستطيع إيجاد بنية لا يستطيع أي إنسان التعبير عنها كاملة.

تلك الآلية نفسها — نفس المجاميع المرجَّحة، نفس حلقة التدريب، نفس دفعات التدرّج (gradient) — هي ما يُشغِّل نموذج اللغة الذي تتحدث معه، والنظام الذي يرصد معاملات البطاقة الاحتيالية، والنماذج التي توجّهها الصناديق الكمّية اليوم نحو الأسواق المالية. هذا الدرس عن ما يحدث بالفعل داخل ذلك الصندوق.

كل شبكة عصبية — من مُصفّي بريد إلكتروني بسيط إلى GPT إلى AlphaGo — تنحدر من فكرة واحدة: المدرِك البسيط (perceptron)، الذي ابتكره فرانك روزنبلات عام 1958. إنه نموذج رياضي مستلهَم بشكل تقريبي من عصبون بيولوجي. العصبون الحقيقي يستقبل إشارات كهربائية عبر تشعّباته الشجرية، يجمعها في جسم الخلية، ويُطلِق إشارة عبر محوره فقط إذا عبر المُدخل المُجمَّع عتبة معيّنة. المدرِك البسيط يفعل الشيء نفسه، بأرقام فقط بدل الفولتية.

المدرِك البسيط يأخذ متجه مُدخلات x، يضرب كل مُدخل في وزن (weight) متعلَّم w، يجمع النواتج، يُضيف حدّ تحيّز (bias) b يُزحزح العتبة، ويُمرِّر النتيجة عبر دالة تفعيل (activation function). إذا تجاوزت النتيجة الحاجز، يُطلِق العصبون؛ وإلا يظلّ صامتًا. الكلّ في تعبير مضغوط واحد: الناتج = f(w·x + b).

فكّر في الأوزان كـمقابض حجم صوت. كل مُدخل يصل بدرجة صوت معيّنة، والوزن يقرّر مقدار أهمية ذلك المُدخل لهذا العصبون بالذات. عصبون يتعلّم رصد صفقة احتيالية قد يرفع الوزن على «حجم المعاملة نسبة إلى تاريخ الحساب» ويُخفّض الوزن على «وقت اليوم». التعلّم، في جوهره، ليس أكثر بهرجة من ضبط تلك المقابض على الإعدادات الصحيحة.

المدرِك البسيط الواحد له حدّ صارم: يستطيع فقط فصل البيانات بـخط مستقيم (أو، في أبعاد أعلى، مستوى مفرط مسطّح). يستطيع الإجابة على «هل هذه النقطة فوق الخط أم تحته؟» لكن لا يستطيع «هل هذه النقطة داخل المنطقة المنحنية؟». المثال التاريخي هو مشكلة XOR — نمط يستحيل على مدرِك بسيط واحد تعلّمه، وهو قيد ساعد على تجميد تمويل الذكاء الاصطناعي لسنوات في السبعينيات. الهروب بسيط بشكل يقارب السخف بعد التأمّل: كوِّم مدرِكات بسيطة كثيرة في طبقات وأدرج دالة تفعيل غير خطية بينها. فعل ذلك، والشبكة الناتجة تستطيع ثني وطي وحفر الفضاء إلى أشكال معقّدة على نحو تعسفي.

العصبون الواحد مقبض. الشبكة المفيدة هي آلاف منها، مُنظَّمة في طبقات (layers) تُمرِّر المعلومة إلى الأمام كسلسلة دلاء.

• طبقة المُدخل (Input layer) — حيث تدخل خصائصك الخام: بكسلات صورة، كلمات جملة، أو لنموذج تداول، أشياء مثل السعر، الحجم، التقلب، وعدم توازن دفتر الأوامر.
• الطبقات الخفية (Hidden layers) — الطبقات في المنتصف، حيث يحدث العمل الحقيقي. كل طبقة تأخذ نواتج الطبقة السابقة وتُعيد تركيبها إلى خصائص جديدة أكثر تجريدًا.
• طبقة المُخرَج (Output layer) — الإجابة النهائية: احتمالية، تنبؤ سعر، تصنيف فئة.

كلمة «عميق (deep)» في التعلّم العميق تعني ببساطة طبقات خفية كثيرة. والعمق يشتري لك شيئًا محدَّدًا: هرمية من الخصائص. في شبكة صور، الطبقة الأولى ترصد الحواف، والتالية تُجمِّع الحواف في أشكال، والتالية تُجمِّع الأشكال في أجسام. لم يبرمج أحد «كاشف حواف» أو «كاشف عيون» — تلك المفاهيم تنبثق من التدريب. الشبكة تبتكر معجمها الوسيط الخاص.

هناك نتيجة نظرية جميلة هنا، مبرهنة التقريب العام (universal approximation theorem): شبكة بطبقة خفية واحدة فقط، بما يكفي من العصبونات، تستطيع تقريب أي دالة مستمرة بدقة تعسفية. بعبارة أخرى، الشبكة الصحيحة يمكن مبدئيًا أن تمثِّل أي نمط موجود في بياناتك. المطلب — وهو كبير — أن «مبدئيًا» تحمل عبئًا ثقيلًا. المبرهنة تعد بأن شبكة كهذه موجودة؛ لا تقول شيئًا عن إن كنت تستطيع إيجادها، أو إن كانت لديك بيانات كافية لتحديدها، أو إن كان النمط الذي تطارده حقيقيًا أصلًا. في مجالات ذات إشارة منخفضة كالتمويل، تلك الفجوة بين «قابل للتمثيل» و«قابل للتعلّم» هي بالضبط حيث تموت معظم النماذج.

هذه حقيقة تُفاجئ الناس: بدون دوال التفعيل، العمق لا قيمة له. إذا كانت كل طبقة مجرد مجموع مرجَّح بسيط، فتكديس عشر طبقات سيكون مطابقًا رياضيًا لطبقة واحدة — سلسلة من العمليات الخطية تنهار إلى عملية خطية واحدة. لكنت أنفقت ثروة في الحوسبة لبناء خط مستقيم مزخرَف. دوال التفعيل هي الانحناء غير الخطي المُدرَج بين الطبقات الذي يسمح للشبكة بالثني، والثني هو ما يجعلها قوية.

التفعيلات التي يجب أن يعرفها كل ممارس:

• Sigmoid — σ(x) = 1/(1+e⁻ˣ). تضغط أي مُدخل إلى (0, 1)، وهو ما يُقرَأ طبيعيًا كاحتمالية. عظيمة لمُخرَج ثنائي، لكن خيار ضعيف داخل الطبقات الخفية: للمُدخلات الموجبة أو السالبة الكبيرة يتسطّح المنحنى، ويقترب تدرّجه من الصفر تقريبًا، ويتوقّف التعلّم — مشكلة التدرّج المتلاشي (vanishing gradient).
• Tanh — مُخرَجاتها في (−1, 1) ومُتمركزة حول الصفر، وهو ما يساعد التحسين. لا تزال تتشبّع عند الأطراف، لكن أقلّ قسوة من sigmoid.
• ReLU — f(x) = max(0, x). الافتراض الحديث للطبقات الخفية. بسيطة بشكل يبعث الضحك، رخيصة الحساب، وتحفظ تدرّجًا صحّيًا لكل المُدخلات الموجبة. عيبها هو «ReLU الميتة»: عصبون يُدفَع إلى إخراج صفر دائمًا يمكن أن يصبح خامدًا للدوام.
• Leaky ReLU — f(x) = max(0.01x, x). تسمح بتسرّب صغير من التدرّج للسالبات، وهذا يحفظ العصبونات من الموت.
• GELU — نسخة أخت سلسة واحتمالية من ReLU، وهي المعيار داخل المحوِّلات (transformers) كـ BERT وGPT.

لدينا حتى الآن شبكة مليئة بالأوزان. لكن من أين تأتي قيم الأوزان الصحيحة؟ لا يكتبها أحد — هناك ملايين منها. تُكتشَف عبر حلقة ردود فعل، هي في الجوهر تجربة وخطأ مُنظَّمة يتولّى فيها التفاضل مسك الدفاتر.

الخطوة الأولى هي التمرير الأمامي (forward pass): أدخِل مثالًا، اتركه يتدفّق عبر الطبقات، واقرأ التنبؤ. الخطوة الثانية قياس مدى خطأ ذلك التنبؤ باستخدام دالة خسارة (loss function). للتنبؤ برقم (سعر)، متوسط مربّع الخطأ (Mean Squared Error) يُتوسِّط الفارق التربيعي بين التنبؤ والحقيقة. للتصنيف، الإنتروبيا المتقاطعة (cross-entropy) تقيس كم تبعد الاحتمالات المتوقَّعة عن الإجابة الصحيحة. خسارة عالية تعني «خطأ جدًا»؛ الهدف الكامل للتدريب هو خفض ذلك الرقم.

الخطوة الثالثة هي الجزء الذكي: الانتشار الخلفي (backpropagation). باستخدام قاعدة السلسلة في التفاضل، تعمل الخوارزمية بالعكس من الخسارة عبر كل طبقة وتحسب، لكل وزن فردي، تدرّجًا (gradient) — الإجابة على «إذا دفعت هذا الوزن الواحد قليلًا نحو الأعلى، هل يرتفع الخطأ أم ينخفض، وكم؟». هذه الحيلة هي ما أذاب شتاء الذكاء الاصطناعي. الانتشار الخلفي، الذي انتشر في الثمانينيات، جعل من الممكن توزيع اللوم عبر ملايين الأوزان بكفاءة بدل التخمين.

الخطوة الرابعة هي الانحدار التدرّجي (gradient descent): ادفع كل وزن خطوة صغيرة في الاتجاه الذي يُقلِّل الخسارة، باستخدام القاعدة w = w − α × ∂L/∂w. تخيّل نفسك واقفًا على منحدر مضبَّب تحاول الوصول إلى قاعدة الوادي؛ لا تستطيع رؤية القاعدة، لكن تستطيع الشعور بأي اتجاه هو الأسفل تحت قدميك، فتخطو تلك الطريق وتُكرِّر. معدل التعلّم (learning rate) α هو طول خطوتك، وهو من الأرجح أهمّ مقبض في النظام كلّه. أكبر من اللزوم وتتجاوز الوادي وترتدّ إلى الأبد؛ أصغر من اللزوم وتتحرّك ببطء إلى الأبد أو تعلَق في حفرة في منتصف الطريق.

هناك تحسينان ستقابلهما فورًا. الدُّفعات الصغيرة (mini-batches): بدل التحديث بعد كل مثال منفرد (مشوّش) أو فقط بعد كل مجموعة البيانات (بطيء)، تُحدِّث بعد دُفعة صغيرة — نموذجيًا 32 إلى 256 مثالًا — وهو مستقرّ وودود لكرت الرسومات وهو النقطة المثلى عمليًا. وAdam: مُحسِّن أذكى يمنح كل وزن خطوته التكيّفية الخاصة ويضيف زخمًا لتنقية التدرّجات المشوّشة. Adam هو النقطة الافتراضية العقلانية لتبدأ منها في أي مشروع تقريبًا — مع أنه في التمويل، بنسبته الضعيفة إشارة إلى ضجيج، ستحتاج مع ذلك لضبط معدل التعلّم، وتحلّل الوزن (weight decay)، ونقطة التوقّف يدويًا.

هذا هو نمط الفشل الذي يُدمِّر أكثر النماذج المالية من أي شيء آخر. الشبكة العصبية مُطابِقة دوال مرنة جدًا لدرجة أنها، إن سُنحت لها الفرصة، ستُحفَظ بياناتك التدريبية صراحة — بما فيها كل الضجيج العشوائي، والصدف اللحظية، والمصادفات التي لن تتكرّر أبدًا. تُسجِّل بجمال على البيانات التي رأتها وتنهار لحظة أن تقابل شيئًا جديدًا. هذا فرط التخصيص (overfitting)، وفي الأسواق — حيث الإشارة الحقيقية خافتة والضجيج صاخب — هو النتيجة الافتراضية لا الاستثناء. الأدوات التي تُقاومه تُسمّى التنظيم (regularization).

الإسقاط (Dropout) هو الأكثر شعبية. خلال كل خطوة تدريب، كل عصبون له احتمالية p (غالبًا 0.2–0.5) لإيقافه مؤقتًا. مُضطَرّة للعمل حتى عندما تختفي زملاء عشوائيون، تتعلّم الشبكة توزيع معرفتها عبر عصبونات كثيرة بدل الرهان بكلّ شيء على القليل الهشّ — تأثير تجميعي (ensemble) مدمج في نموذج واحد. وقت التنبؤ، تُعاد كل العصبونات إلى العمل، مُعادَلة بشكل مناسب.

عقوبات L1 و L2 تُضيف ضريبة على الأوزان الكبيرة إلى الخسارة. L2 (تحلّل الوزن) تُثبِّط أي وزن واحد من أن يكبر جدًا، موزِّعة التأثير بالتساوي. L1 أكثر حدّة: تدفع الأوزان غير المفيدة بنشاط إلى الصفر تمامًا، مؤدّية اختيار خصائص تلقائيًا. في مجموعة بيانات مالية حيث معظم مئة خاصية عندك ضجيج، يمكن لـ L1 أن تجد بصمت الحفنة التي تحمل إشارة فعلًا.

التسوية الطبقية (Batch normalization) تُعيد ضبط نواتج كل طبقة إلى متوسط وتباين مستقرّين، مما يُثبِّت التدريب ويسمح باستخدام معدلات تعلّم أعلى. التوقّف المبكر (Early stopping) هو الحارس الأبسط والأكثر موثوقية من الجميع: راقب الخطأ على مجموعة تحقّق محتجَزة، واللحظة التي يبدأ فيها بالتسلّل نحو الأعلى بينما خطأ التدريب يستمرّ بالانخفاض، توقّف — تلك اللحظة الانتقالية هي اللحظة الدقيقة التي تنتقل فيها الشبكة من تعلّم الأنماط إلى حفظ الضجيج.

الشبكات ذات التغذية الأمامية العادية تعالج كل مُدخل كحقيبة أرقام غير مُهيكَلة. لكن كثيرًا من البيانات الحقيقية لها بنية — الصورة لها تخطيط مكاني، سلسلة السعر لها ترتيب زمني — وبنيتان متخصّصتان تستغلّان تلك البنية مباشرة.

الشبكات العصبية الالتفافية (CNN) بُنيت للصور. بدل ربط كل بكسل بكل عصبون، تُحرِّك CNN مرشّحات (filters) صغيرة عبر المُدخل، بحثًا عن أنماط محلّية — حافة هنا، نسيج هناك — ومُعيدة استخدام المرشِّح نفسه في كل مكان. الطبقات الأولى تصطاد الحواف؛ الأعمق تُجمِّعها في أشكال وأجسام. في التمويل، وجّه الباحثون CNN إلى:

• صور الشموع اليابانية — إعادة صياغة قراءة الرسوم البيانية كمهمة تعرّف بصري على الأنماط.
• خرائط حرارية لدفتر الأوامر — رصد عدم توازنات العرض/الطلب في لقطات عمق السوق.
• التفافات أحادية البُعد على تسلسلات السعر الخام — تعلّم بصمات زمنية قصيرة كما تتعلّم CNN الصور البصمات المكانية.

الشبكات العصبية المتكرّرة (RNN) بُنيت للتسلسلات. تعالج خطوة زمنية واحدة تلو الأخرى بينما تحمل حالة خفية (hidden state) — ذاكرة جارية — من كل خطوة إلى التالية. نظريًا هذا يجعلها مثالية للسلاسل الزمنية. عمليًا، الـ RNN التقليدية تُشلّها مشكلة التدرّج المتلاشي عبر التسلسلات الطويلة: الإشارة من خطوات كثيرة سابقة تتقلّص نحو الصفر في طريق عودتها، فتنسى الشبكة الماضي البعيد ببساطة.

ذاكرة المدى الطويل القصير (LSTM) تُصحِّح ذلك بمجموعة صغيرة من بوّابات (gates) قابلة للتعلّم — نسيان، مُدخل، ومُخرَج — تقرّر في كل خطوة ما تمحيه من الذاكرة، وما تكتبه فيها، وما تقرؤه منها. تلك البوّبة تسمح لـ LSTM بالتمسّك بمعلومة ذات صلة عبر مئات الخطوات، وهذا لماذا أصبحت حصان عمل لنمذجة السلاسل الزمنية المالية حيث حدث من الأمس يظلّ يُحرِّك سعر اليوم.

import torch.nn as nn

class PricePredictor(nn.Module):
    def __init__(self, input_dim, hidden_dim, num_layers):
        super().__init__()
        self.lstm = nn.LSTM(input_dim, hidden_dim,
                            num_layers, batch_first=True,
                            dropout=0.2)
        self.fc = nn.Linear(hidden_dim, 1)

    def forward(self, x):
        out, _ = self.lstm(x)
        return self.fc(out[:, -1, :])

في منصة كـ GaiaEx، حيث تُبثّ تغذيات WebSocket بيانات سعر ودفتر أوامر مستمرة، يمكن لـ LSTM أن يستهلك ذلك التسلسل بشكل طبيعي. مع ذلك، الحقل تجاوز ذلك بشكل واسع: المحوِّلات (transformers) — البنية وراء نماذج اللغة الحديثة — تُطابق أو تتفوّق الآن على LSTM في مهام تسلسل كثيرة باستخدام «الانتباه» للنظر إلى كل الخطوات الزمنية في آن واحد بدل السير بها واحدة تلو الأخرى.

الشبكات العصبية كاشفات أنماط رائعة. لكن التعليم الصادق يعني تسمية أين تنكسر — وفي التداول، تنكسر بطرق مكلفة.

• تجد أنماطًا حتى عندما لا توجد. أعطِ شبكة عميقة ضجيجًا وستُطابقه بثقة. الأسواق معظمها ضجيج، فعبء الإثبات يقع عليك لإظهار أن النمط حقيقي ودائم — لا مجرد موجود في بيانات العام الماضي.
• إنها صناديق سوداء. يمكن للنموذج أن يكون دقيقًا وعاجزًا عن إخبارك لماذا. عندما يخسر مالًا بشكل مفاجئ، غالبًا لا يوجد تفسير واضح ولا حلّ واضح. لرأس المال المحفوف بالمخاطر، «لا أعرف لماذا فعل ذلك» مسؤولية جسيمة.
• إنها جائعة وهشّة. التعلّم العميق يتألّق مع ملايين الأمثلة النظيفة. التاريخ المالي قصير، غير ساكن، وضجّاج — النظام الذي دُرِّب نموذجك عليه قد يتوقّف عن الوجود ببساطة، مشكلة تُسمّى انحراف التوزيع (distribution shift).
• لا تتغلّب على النماذج الأبسط مجانًا. على البيانات الجدولية القائمة على الخصائص الشائعة في التمويل، أشجار التعزيز التدرّجي كـ XGBoost تتفوّق غالبًا على الشبكات العصبية بينما هي أسرع تدريبًا وأسهل تفسيرًا. التعقيد كلفة، لا فضيلة.
• يمكن مهاجمتها. اضطرابات صغيرة ومتعمَّدة على مُدخل يمكن أن تُقلِب ناتج شبكة — مثال عدائي (adversarial example) — وهذا مهمّ في أي مكان يستطيع فيه خصم أن يُشكِّل ما يراه نموذجك.

تدريب الشبكات العصبية عملية حسابية ثقيلة — أغلبها ضرب مصفوفات — والجهاز الذي تُشغِّله عليه يُغيِّر سرعة تكرارك من «ليلة كاملة» إلى «فوق فنجان قهوة».

وحدات معالجة الرسومات (GPU) هي المعيار. آلاف نوياتها تُشغِّل جميعها العملية نفسها على بيانات مختلفة في آن واحد، وهو تمامًا شكل رياضيات الشبكة العصبية. نموذج يزحف لثماني ساعات على وحدة معالجة مركزية (CPU) يمكن أن ينتهي في 15 دقيقة على وحدة رسومات حديثة. NVIDIA تسيطر: بطاقات المستهلك (وحدة رسومات من فئة RTX) جيدة للتعلّم، بينما بطاقات مراكز البيانات (A100، H100) والحوسبة السحابية تتعامل مع التدريب على نطاق الإنتاج. TPU، شرائح Google المخصّصة لرياضيات الموترات (tensors)، تتألّق على النماذج الضخمة جدًا عبر Google Cloud، لكن وحدات الرسومات تبقى الافتراض العملي لمعظم الممارسين بفضل دعم برمجي أوسع.

لا تحتاج لشراء أي شيء للبدء. Google Colab يمنح وقت وحدة رسومات مجانيًا يكفي كثيرًا للتعلّم والنمذجة التجريبية؛ استأجر وحدات رسومات سحابية عند الطلب مع نمو نماذجك؛ اشتر أجهزة مخصّصة فقط عندما تُدرِّب يوميًا وتُبرِّر فاتورة السحابة ذلك.

مسار تعلّم عاقل من هنا:

• ابدأ بشبكة تغذية أمامية عادية على عدد قليل من الخصائص المُصمَّمة — سريعة التدريب، سهلة التصحيح، وأساس مرجعي صادق.
• جرّب CNN أحادي البُعد على تسلسلات سعر خام وقارنه رأسًا برأس مع ذلك الأساس المرجعي.
• بنِ LSTM يستهلك تسلسلات بيانات الشموع اليابانية من واجهة API الخاصة بـ GaiaEx.
• ادرس الانتباه (attention) والمحوِّلات — البنية المتزايدة الاختيار للتسلسلات.
• وفوق كل ذلك، ضع نموذجك العميق دائمًا في مواجهة أساس مرجعي للتعزيز التدرّجي كـ XGBoost. إذا لم تستطع الشبكة العصبية التغلّب على النموذج الأبسط خارج العيّنة على بياناتك المالية الجدولية، اشحن النموذج الأبسط وانتقل.

الحلقة نفسها التي وجدت الحركة 37 — تنبّأ، قِس الخطأ، ادفع الأوزان، كرِّر — هي الحلقة التي تعمل داخل كل نظام في هذه القائمة. فهم تلك الحلقة يعني فهم التعلّم العميق؛ البقية بنية وهندسة فوقها.