الالتفاف بلغة PHP الخالصة: أربع حلقات تكتشف الحدود في صورة

سمع معظم المطورين عن الشبكات العصبية الالتفافية، لكن قلّة تفهم ما يجري داخل الطبقة. يزيل الجزء الثامن من سلسلة «الذكاء الاصطناعي لمطوري PHP» هذا الغموض: ينفّذ الكاتب الالتفاف بلغة PHP 8.1+ الخالصة، دون مكتبات ولا خوارزميات تعلّم آلي جاهزة.

كيف يرى الحاسوب الصورة

الصورة بالنسبة للآلة مصفوفة من الأعداد. في الصورة بالأبيض والأسود يأخذ كل بكسل قيمة من 0 (أسود) إلى 255 (أبيض). يستخدم المثال صورة 5×5: الأعمدة الثلاثة اليسرى قيمتها 10 والعمودان الأيمنان قيمتهما 200. بين العمودين الثالث والرابع يمرّ حدّ عمودي، وهو ما يجب العثور عليه.

لهذا تُستخدم نواة الالتفاف (kernel)، وهي مصفوفة أوزان صغيرة بحجم 3×3. على اليسار -1، وفي الوسط 0، وعلى اليمين 1. تقارن النواة سطوع الجزأين الأيسر والأيمن من المنطقة: إن تشابها ألغى كل حدٍّ الآخر، وإن اختلفا كانت النتيجة كبيرة بالقيمة المطلقة.

كيف يعمل ذلك في الشيفرة

تستقبل الدالة convolve() مصفوفة الإدخال والنواة. يُحسب حجم الناتج ببساطة: عرض الإدخال ناقص عرض النواة زائد واحد، والأمر نفسه للارتفاع. وبالنسبة إلى 5×5 و3×3 نحصل على خريطة سمات بحجم 3×3. تحرّك الحلقتان الخارجيتان النافذة فوق الصورة، وتضرب الحلقتان الداخليتان البكسلات في الأوزان وتجمعان الناتج.

في هذا التنفيذ تساوي الخطوة (stride) القيمة 1، والحشو (padding) يساوي 0، ولا تُقلب النواة. بالدقة، هذه عملية cross-correlation وليست التفافاً رياضياً، لكن في التعلم العميق جرت العادة على تسميتها التفافاً. لا تُقتطع قيم الناتج إلى المدى 0–255: يمكن أن تحتوي خريطة السمات على أعداد سالبة وقيم أكبر من 255.

والناتج مصفوفة عمودها الأول أصفار، وقيمة العمودين الآخرين 570. في المنطقة المظلمة المتجانسة لا يرى المرشح أي تغيّر فتكون النتيجة صفراً. وعندما تشمل النافذة بكسلات مظلمة وفاتحة معاً، يعطي كل صف 190، وتجمع الصفوف الثلاثة 570.

لماذا استجابتان لحدّ واحد

لا تعني القيمتان 570 وجود حدّين. فالنافذة بعرض 3 بكسلات، عند إزاحتها بمقدار واحد، تلتقط الانتقال من الداكن إلى الفاتح مرتين، ولذلك تستمر الاستجابة في موضعين متجاورين. هذا سلوك طبيعي للنواة وليس خللاً.

لاحقاً في المقال يغيّر الكاتب الأوزان ويبحث عن الحدود الأفقية، موضحاً أن تغيير المرشح يغيّر ما تستجيب له الطبقة.

ما الذي نفعله بهذا

الاستنتاج العملي متواضع لكنه صريح. هذه الشيفرة لا تصلح للإنتاج: أربع حلقات متداخلة في PHP ستكون بطيئة على الصور الحقيقية، والعمل الجاد يحتاج إلى مكتبات محسّنة أو استدعاء نماذج خارجية. لكن إن كنت تعمل مع الرؤية الحاسوبية عبر واجهات API أو امتدادات، فإن فهم الالتفاف يساعدك على قراءة التوثيق وتصحيح النتائج غير المتوقعة وفهم ما تتعلمه الشبكة فعلاً: في CNN لا تُحدَّد أوزان النوى يدوياً، بل تُضبط أثناء التدريب.

المقال مفيد كمادة تعليمية لفرق PHP التي تريد فهم أساس CNN دون الانتقال إلى Python.