القلعة نيوز - الانتشار الخلفي (Backpropagation) هو خوارزمية تُستخدم في تدريب الشبكات العصبية الاصطناعية. يتم استخدامها لاكتشاف الأخطاء في أداء الشبكة ومن ثم تعديل الأوزان بشكل عكسي عبر الطبقات لتصحيح هذه الأخطاء. يتم تكرار هذه العملية حتى يتم تقليل الخطأ بشكل كبير وتتوافق المخرجات الفعلية مع المخرجات المطلوبة.

تتألف الشبكة العصبية من طبقة المدخلات وطبقة الإخراج وطبقات مخفية بينهما. تتكون كل طبقة من وحدات أو عقدات متصلة ببعضها عبر الطبقات. تعطى هذه الوحدات وزنًا يُمثل أهمية ظهورها في تكوين المخرجات. يتم ضبط الأوزان بناءً على الأخطاء التي تم اكتشافها في المخرجات، حيث يتم تعديل الأوزان بشكل يقلل الخطأ ويقرب المخرجات الفعلية من المخرجات المطلوبة.

تُعتبر خوارزمية الانتشار الخلفي مهمة للعديد من الأسباب، بما في ذلك:

برمجتها بسيطة وسهلة وتستجيب بشكل سريع.
لا تتطلب مهارات خاصة من المستخدم، فقط يحتاج إلى ضبط الأوزان.
تعمل بكفاءة عالية وتتميز بأداء قياسي، حيث يمكن للشبكة العصبية معالجة ملايين البيانات وترتيبها بسرعة، بينما يتطلب ذلك الكثير من الوقت والجهد للبشر.
لديها مرونة وقدرة على التعديل المستمر من خلال ضبط الأوزان.

تُستخدم خوارزمية الانتشار الخلفي في تطبيقات الذكاء الاصطناعي بشكل واسع، مثل تعرف الصور والوجوه وأنظمة التعرف على الكلام والأنظمة الناطقة للروبوتات ومساعدات الهواتف الذكية. يتم تدريب الشبكة العصبية في هذه التطبيقات باستخدام خوارزمية الانتشار الخلفي لتحسين أدائها وتعلم المهام المحددة.