Softmax

Softmax هي دالة رياضية محورية في مجال الذكاش الاصطناعي، وتعمل تحديداً كخطوة أخيرة في العديد من خوارزميات التصنيف. وهي تحول متجهاً من الأرقام الخام، والتي غالباً ما تسمى logits، إلى متجه من الاحتمالات. تضمن هذه التحويلة أن تكون قيم المخرجات موجبة كلها ومجموعها يساوي واحداً تماماً، مما ينشئ بفعالية توزيع احتمالي صالحاً. وبسبب هذه الخاصية، تُعد Softmax هي دالة تنشيط القياسية المستخدمة في طبقة الإخراج لـ الشبكات العصبية المصممة لتصنيف الفئات المتعددة، حيث يجب على النظام اختيار فئة واحدة من بين أكثر من خيارين متحصريْن متبادلين.

آلية عمل Softmax#

في سير عمل التعلم العميق (DL) النموذجي، تقوم طبقات الشبكة بعمليات ضرب مصفوفات وإضافات معقدة. تتكون مخرجات الطبقة الأخيرة، قبل التنشيط، من نتائج خام تُعرف بـ logits. يمكن أن تتراوح هذه القيم من سالب مالانهاية إلى موجب مالانهاية، مما يجعل من الصعب تفسيرها بشكل مباشر كمستويات ثقة.

تعالج Softmax هذا الأمر من خلال تنفيذ عمليتين رئيسيتين:

1. الرفع للأس: تحسب الدالة الأس لكل رقم من المدخلات. تضمن هذه الخطوة أن تكون جميع القيم غير سالبة (بما أن $e^x$ دائماً موجبة) وتفرض عقوبة على القيم التي تقل بشكل ملحوظ عن القيمة القصوى، مع إبراز النتائج الأكبر.

2. التطبيع: تقوم بجمع هذه القيم المرفوعة إلى أس وتقسيم كل قيمة أسية فردية على هذا المجموع الإجمالي. يقوم عملية التطبيع هذه بتحجيم الأرقام بحيث تمثل أجزاء من الكل، مما يسمح للمطورين بتفسيرها كدرجات ثقة مئوية.

تطبيقات العالم الحقيقي#

القدرة على إخراج احتمالات واضحة تجعل Softmax لا غنى عنه عبر مختلف الصناعات ومهام التعلم الآلي (ML).

• تصنيف الصور: في الرؤية الحاسوبية، تستخدم النماذج Softmax لتصنيف الصور. على سبيل المثال، عندما يقوم نموذج تصنيف Ultralytics YOLO26 بتحليل صورة، فقد ينتج درجات لفئات مثل "Golden Retriever" و "German Shepherd" و "Poodle". تحول Softmax هذه الدرجات إلى احتمالات (على سبيل المثال، 0.85، 0.10، 0.05)، مما يشير إلى ثقة عالية في أن الصورة تحتوي على Golden Retriever. هذا أمر بالغ الأهمية للتطبيقات التي تتراوح من تنظيم الصور التلقائي إلى التشخيص الطبي في مجال الذكاء الاصطناعي في الرعاية الصحية.
• معالجة اللغات الطبيعية (NLP): Softmax هو المحرك وراء توليد النص في نماذج اللغات الكبيرة (LLMs). عندما يقوم نموذج مثل Transformer بتوليد جملة، فإنه يتنبأ الكلمة (الرمز) التالية عن طريق حساب درجة لكل كلمة في مفرداته. تحول Softmax هذه الدرجات إلى احتمالات، مما يسمح للنموذج بتحديد الكلمة التالية الأكثر احتمالاً، مما يتيح الترجمة الآلية السلسة والذكاء الاصطناعي التفاعلي.
• التعلم المعزز: غالباً ما يستخدم الوكلاء في التعلم المعزز Softmax لاختيار الإجراءات. بدلاً من اختيار الإجراء ذي القيمة الأعلى دائماً، قد يستخدم الوكيل الاحتمالات لاستكشاف استراتيجيات مختلفة، مما يحقق التوازن بين الاستكشاف والاستغلال في بيئات مثل التحكم الروبوتي أو لعب الألعاب.

مثال كود Python#

يوضح المثال التالي كيفية تحميل نموذج تصنيف YOLO26 مُدرَّب مسبقاً والوصول إلى درجات الاحتمال المُولَّدة عبر Softmax.

from ultralytics import YOLO

# Load a pre-trained YOLO26 classification model
model = YOLO("yolo26n-cls.pt")

# Run inference on a sample image
results = model("https://ultralytics.com/images/bus.jpg")

# The model applies Softmax internally. Access the top prediction:
# The 'probs' attribute contains the probability distribution.
top_prob = results[0].probs.top1conf.item()
top_class = results[0].names[results[0].probs.top1]

print(f"Predicted Class: {top_class}")
print(f"Confidence (Softmax Output): {top_prob:.4f}")

التمييز بين Softmax والمفاهيم ذات الصلة#

بينما تسود Softmax في سيناريوهات الفئات المتعددة، فمن المهم تمييزها عن الدوال الرياضية الأخرى المستخدمة في تدريب النماذج وتصميم الهندسة المعمارية:

• Sigmoid: تقوم دالة Sigmoid أيضاً بتحجيم القيم بين 0 و 1، لكنها تتعامل مع كل مخرج بشكل مستقل. هذا يجعل Sigmoid مثالية لـ التصنيف الثنائي (نعم/لا) أو التصنيف متعدد التسميات حيث لا تكون الفئات متحصرة متبادلة (على سبيل المثال، يمكن أن تحتوي الصورة على كل من "Person" و "Backpack"). تجبر Softmax الاحتمالات على مجموع واحد، مما يجعل الفئات تنافس بعضها البعض.
• ReLU (Rectified Linear Unit): تُستخدم ReLU أساساً في الطبقات الخفية للشبكة لإدخال اللاخطية. على عكس Softmax، لا تقيد ReLU المخرجات بنطاق معين (فهي ببساطة تُخرج صفراً للمدخلات السالبة والمدخلات نفسها للموجبة) ولا تولد توزيعاً احتمابياً.
• Argmax: بينما توفر Softmax الاحتمالات لجميع الفئات، غالباً ما تُستخدم دالة Argmax بالتزامن لتحديد الفهرس الفردي ذي الاحتمال الأعلى. توفر Softmax الثقة "الناعمة"، بينما توفر Argmax القرار النهائي "الصلب".

التكامل المتقدم#

في خطوط أنابيب ML الحديثة، غالباً ما يتم حساب Softmax ضمناً داخل دلالات الخسارة. على سبيل المثال، تجمع Cross-Entropy Loss بين Softmax والاحتمال اللوغاريتمي السالب في خطوة رياضية واحدة لتحسين الاستقرار العددي أثناء التدريب. تتعامل منصات مثل Ultralytics Platform مع هذه التعقيدات تلقائياً، مما يسمح للمستخدمين بتدريب نماذج قوية دون تنفيذ هذه العمليات الرياضية يدوياً.