ریاضی برای هوش مصنوعی: از کجا شروع کنیم
جواب کوتاه
این مسیر، برای کسیه که ریاضی بلد نیست، یا سالهاست ریاضی نخونده، و میخواد بفهمه هوش مصنوعی، زیر کاپوت، چطور کار میکنه. هوش مصنوعی پر از ریاضیه؛ ولی ریاضیش، از پلههای کوچیک ساخته شده، و هیچ پلهای، بهتنهایی، سخت نیست. چهار ستون اصلیش: جبر خطی، یعنی بردار و ماتریس؛ حسابان، یعنی مشتق و گرادیان؛ احتمال؛ و آمار. این مسیر، از حساب ساده، مثل کسر و درصد و توان، شروع میکنه؛ بعد تابع و نمودار؛ بعد بردار و ماتریس؛ بعد مشتق و گرادیان کاهشی؛ بعد احتمال و آمار؛ و آخر، همه رو توی ریاضی یه شبکهی عصبی کوچیک کنار هم میذاره. هر مفهوم، با تصویر و جملهی ساده، و بعد با یه تیکه کد کوتاه پایتون، یاد داده میشه.
یه پلکان بلند، با پلههای کوتاه
یه برج بلند رو تصور کنید، که باید تا بالاش برید. اگه یه نردبون عمودی باشه، ترسناکه؛ ولی اگه یه پلکان باشه، با پلههای کوتاه و پهن، هر پله، فقط یه قدمه. هیچ قدمی سخت نیست؛ و اگه یکی یکی برید، بالاخره، به بالا میرسید، بی اینکه حتی نفستون بند بیاد.
ریاضی هوش مصنوعی، همین پلکانه. از بیرون، یه دیوار بلند از فرمولهای عجیب به نظر میاد؛ ولی از نزدیک، از پلههای کوچیکی ساخته شده که هر کدوم، روی قبلی بنا شده: حساب، بعد تابع، بعد بردار، بعد مشتق. این درس، نقشهی این پلکانه: از کجا شروع میکنیم، به کجا میرسیم، و چرا هر پله، سختتر از قبلی نیست.
این مسیر برای کیه
این مسیر برای این آدمهاست:
- کسی که ریاضی بلد نیست، یا سالهاست ریاضی نخونده، و از فرمول میترسه.
- کسی که میخواد یادگیری ماشین یا مدلهای زبانی رو عمیق بفهمه، نه فقط به کار ببره.
- برنامهنویسی که هوش مصنوعی رو به کار میبره، ولی نمیدونه زیر کاپوت چی میگذره.
- مدیر یا طراحی که میخواد حرف تیم هوش مصنوعی رو بفهمه.
- دانشآموز یا دانشجویی که میخواد بدونه ریاضی مدرسه، کجای هوش مصنوعی به کار میاد.
ترس از ریاضی، طبیعیه
اگه از ریاضی میترسید، تنها نیستید. خیلیها، از یه جای مدرسه، یه پله رو جا انداختن؛ مثلا کسر یا منفی؛ و از اون به بعد، هر پلهی بعدی، روی یه پلهی خالی ساخته شد، و همهچیز سخت و بیمعنی به نظر اومد. مشکل، معمولا هوش یا استعداد نیست؛ یه پلهی جاافتادهست.
این مسیر، برای همینه که از صفر شروع میکنه؛ حتی از چیزهایی که فکر میکنید بلدید. هر پله رو، دوباره، با تصویر و مثال، میسازیم؛ تا هیچ جای خالیای نمونه. و یه قول: هیچ فرمولی، بی اینکه اول به یه جملهی سادهی فارسی برگردونده بشه، توی این مسیر نمیاد.
هوش مصنوعی، در یه جملهی ریاضی
پیش از اینکه ببینیم چه ریاضیای لازمه، بیاید ببینیم هوش مصنوعی، به زبون ساده، چی کار میکنه. بیشتر سیستمهای هوش مصنوعی امروز، یه کار اصلی دارن: از روی یه عالمه مثال، یه رابطه بین ورودی و خروجی رو یاد میگیرن؛ تا برای ورودی تازه، یه خروجی خوب حدس بزنن.
مثلا از روی هزاران عکس گربه و سگ، یاد میگیرن عکس تازه، گربهست یا سگ. یا از روی میلیاردها جمله، یاد میگیرن کلمهی بعدی یه جمله، چی میتونه باشه. «رابطه بین ورودی و خروجی»، توی ریاضی، یه اسم داره: تابع. و «یاد گرفتن»، یعنی پیدا کردن تابعی که کمترین اشتباه رو بکنه.
حدس بزن، خطا رو بسنج، بهتر کن
یاد گرفتن ماشین، خیلی شبیه یاد گرفتن خود ماست. فرض کنید دارید تیر به یه هدف پرتاب میکنید، با چشم بسته؛ و یکی بعد از هر پرتاب، میگه چقدر و به کدوم طرف از وسط دور بودید. پرتاب بعدی رو، کمی به اون طرف، تنظیم میکنید؛ و بعد از چند ده بار، به وسط نزدیک میشید.
ماشین هم همینه: یه حدس میزنه، اشتباهش رو اندازه میگیره، و خودش رو کمی به سمتی تنظیم میکنه که اشتباه کمتر بشه؛ و این رو، میلیونها بار، تکرار میکنه. کل ریاضی این مسیر، برای فهمیدن همین سه کاره: حدس چطور ساخته میشه، اشتباه چطور اندازه گرفته میشه، و تنظیم، به کدوم طرف و چقدر.
چهار ستون
ریاضی هوش مصنوعی، روی چهار ستون ایستاده:
- جبر خطی (Linear Algebra): زبان بردار و ماتریس؛ یعنی چطور یه عالمه عدد رو با هم نگه داریم و تغییر بدیم.
- حسابان (Calculus): زبان تغییر؛ یعنی اگه یه چیز رو کمی عوض کنیم، یه چیز دیگه چقدر عوض میشه.
- احتمال (Probability): زبان عدم قطعیت؛ یعنی چقدر مطمئنیم.
- آمار (Statistics): زبان داده؛ یعنی از روی نمونهها، دربارهی کل، چی میشه گفت.
درس بعدی، هر ستون رو دقیقتر باز میکنه؛ اینجا، فقط یه نگاه کلی.
جبر خطی: عددها، دستهدسته
یه عکس، برای کامپیوتر، یه جدول بزرگ از عدده؛ هر خونه، رنگ یه نقطه. یه جمله، برای یه مدل زبانی، یه فهرست بلند از عدده. جبر خطی، ریاضی کار با همین دستههای عدده: فهرست عدد، که بهش بردار میگن؛ و جدول عدد، که بهش ماتریس میگن.
بیشتر کاری که یه شبکهی عصبی، حین کار، انجام میده، ضرب همین ماتریسها در بردارهاست؛ میلیونها بار، پشت سر هم. ایستگاههای چهارم و پنجم این مسیر، بردار و ماتریس رو، با تصویر، یاد میدن؛ طوری که ببینید ضرب یه ماتریس در یه بردار، در واقع، چرخوندن و کشیدن یه فضاست.
حسابان: سرعت تغییر
توی تصویر پرتاب تیر، کسی بهتون میگفت به کدوم طرف و چقدر تنظیم کنید. توی ماشین، این «به کدوم طرف و چقدر» رو، حسابان میگه؛ با مفهومی به اسم مشتق، یعنی سرعت تغییر. مشتق، میگه اگه یه عدد رو کمی بیشتر کنید، اشتباه بیشتر میشه یا کمتر، و چقدر.
و وقتی مدل، میلیونها عدد قابل تنظیم داره، مشتق همهشون با هم، یه اسم داره: گرادیان. و روش «کمی به سمت خلاف گرادیان برو»، که پایهی یادگیری تقریبا همهی شبکههای عصبیه، اسمش گرادیان کاهشی (Gradient Descent) ـه. مثل توپی که توی یه کاسه رها شده، و خودش، کمکم، به پایینترین نقطه میغلته.
احتمال: چقدر مطمئنیم
هوش مصنوعی، تقریبا هیچوقت صد درصد مطمئن نیست. یه مدل تشخیص عکس، نمیگه «این گربهست»؛ میگه «با احتمال ۹۲ درصد، گربهست». یه مدل زبانی، برای هر کلمهی ممکن، یه احتمال میده که کلمهی بعدی باشه؛ و یکی رو، از روی همین احتمالها، انتخاب میکنه.
احتمال، ریاضی همین عدم قطعیته: یه عدد بین صفر و یک، که میگه یه چیز چقدر محتمله. و خبر خوب اینه که احتمال، در اصل، یه کسره؛ همون کسری که توی ایستگاه دوم این مسیر، از صفر، دوباره یاد میگیریم. یعنی پایهی احتمال، از همین ابتدای مسیر، ساخته میشه.
آمار: از نمونه، به کل
آمار، ریاضی کار با دادهست. میانگین، پراکندگی، و اینکه از روی یه نمونهی کوچیک، دربارهی کل چی میشه گفت. برای هوش مصنوعی، آمار، دو جا خیلی مهمه: یکی وقتی داده رو پیش از یاد دادن به مدل، بررسی و تمیز میکنیم؛ و یکی وقتی میخوایم بسنجیم یه مدل، واقعا خوبه یا فقط شانسی خوب به نظر میاد.
مثلا اگه یه مدل، روی صد عکس، ۹۵ تا رو درست تشخیص داد، آیا روی هزار عکس تازه هم همینقدر خوبه؟ آمار، جواب این سوالها رو میده؛ و جلوی خیلی از خوشبینیهای اشتباه رو میگیره.
لازم نیست همهی ریاضی رو بلد باشید
یه خبر خوب: برای فهمیدن هوش مصنوعی، لازم نیست ریاضیدان بشید. هر کدوم از این چهار ستون، یه رشتهی کامل دانشگاهیه؛ ولی هوش مصنوعی، فقط بخش کوچیکی از هر کدوم رو، زیاد، به کار میبره. این مسیر، دقیقا همون بخشها رو انتخاب کرده؛ نه بیشتر.
مثلا از جبر خطی، ضرب ماتریس و طول بردار و شباهت دو بردار رو یاد میگیریم؛ ولی خیلی از قضیههای پیچیدهش رو، نه. از حسابان، مشتق و قاعدهی زنجیرهای رو؛ ولی انتگرالهای پیچیده رو، نه. هدف، فهمیدن هوش مصنوعیه؛ نه گذروندن امتحان ریاضی.
نقشهی راه: یازده ایستگاه
این مسیر، یازده ایستگاه داره، که هر کدوم، روی قبلی ساخته شده:
- شروع: هوش مصنوعی چه ریاضیای لازم داره، و خوندن فرمول بی ترس.
- عدد و حساب: انواع عدد، کسر و درصد، توان و لگاریتم، عدد e و نماد جمع.
- جبر و تابع: متغیر، معادله، تابع، نمودار، خط و منحنیها.
- بردار: فهرستی از عددها با جهت و اندازه.
- ماتریس: جدولی از عددها که بردارها رو تبدیل میکنه.
- مشتق: سرعت تغییر؛ قلب یاد گرفتن ماشین.
- گرادیان و بهینهسازی: پیدا کردن کمترین خطا.
- احتمال.
- آمار.
- اطلاعات و فاصلهی توزیعها.
- کنار هم: ریاضی یه شبکهی عصبی کوچیک.
یه نگاه به مقصد: یه نورون
برای اینکه ببینید این پلکان به کجا میرسه، یه نگاه به سادهترین تیکهی یه شبکهی عصبی بندازیم: یه نورون. یه نورون، چند عدد ورودی میگیره؛ هر کدوم رو در یه عدد به اسم وزن ضرب میکنه؛ همه رو با هم جمع میکنه؛ و نتیجه رو از یه تابع ساده رد میکنه. همین. ضرب، جمع، و یه تابع.
یعنی برای فهمیدن یه نورون، فقط چهار عمل اصلی و مفهوم تابع لازمه؛ که ایستگاه دوم و سوم این مسیر میسازنش. و یه شبکهی عصبی، هزاران نورون از همین جنسه، کنار هم و پشت سر هم؛ که ضرب ماتریس، توی ایستگاه پنجم، حسابشون رو یهجا انجام میده. آخر این مسیر، این نورون رو، خودتون، روی کاغذ و توی کد، میسازید.
برای ماشین، همهچیز عدده
یه ایدهی کلیدی، که پیش از هر پلهای خوبه بدونید: کامپیوتر، فقط با عدد کار میکنه. یه عکس، جدولی از عدده؛ هر نقطه، سه عدد، برای قرمز، سبز و آبی. یه صدا، فهرست بلندی از عدده؛ بلندی صدا، توی هر لحظه. و یه کلمه، برای یه مدل زبانی، به یه فهرست از عددها تبدیل میشه.
یعنی هر کاری که هوش مصنوعی با عکس، صدا یا متن میکنه، در نهایت، کاری با عدده. و ریاضی، زبون کار با عدده. برای همین، هر قدمی که توی این مسیر برمیدارید، مستقیم، به فهمیدن کاری که ماشین با دنیای ما میکنه، نزدیکترتون میکنه.
چرا ماشین اینقدر حساب میکنه
اگه ریاضی یه نورون اینقدر سادهست، پس چرا مدلهای بزرگ، اینقدر قدرتمندن؟ جواب، اندازهست. یه مدل بزرگ، میلیاردها وزن داره؛ و برای یاد گرفتن، میلیاردها بار، همون ضرب و جمع ساده رو تکرار میکنه. هیچکدوم از این حسابها، سخت نیست؛ تعدادشون، سرسامآوره.
برای همینه که کامپیوترهای مخصوص، با هزاران هستهی کوچیک که همزمان حساب میکنن، برای هوش مصنوعی به کار میرن. ولی ریاضی پشتش، همون ریاضیایه که این مسیر یاد میده. فهمیدن یه نورون، یعنی فهمیدن اصل کار همهی اون میلیاردها؛ بقیه، فقط تکراره.
یه حرف صادقانه
این مسیر، شما رو ریاضیدان یا پژوهشگر هوش مصنوعی نمیکنه؛ و قول هم نمیده. کاری که میکنه، اینه که دیوار فرمولها رو برمیداره: بعد از این مسیر، وقتی یه مقاله، یه آموزش یا یه کتاب دربارهی هوش مصنوعی رو باز کنید، فرمولهاش، دیگه رمز نیستن؛ جملهان.
و این، خیلی بیشتر از اونیه که به نظر میاد. خیلی از آدمهایی که هوش مصنوعی رو به کار میبرن، هیچوقت نمیفهمن چرا یه مدل، یه جا خوب کار میکنه و یه جا نه. شما، با این پلکان، از اون جمع جدا میشید؛ بی اینکه لازم باشه سالها ریاضی بخونید.
هر درس چه شکلیه
هر درس این مسیر، یه الگوی ثابت داره. اول، یه تصویر از زندگی روزمره، که مفهوم رو، بی هیچ عددی، نشون میده؛ مثل پلکان این درس، یا پرتاب تیر. بعد، همون مفهوم، با یه مثال عددی کوچیک، که با مداد و کاغذ، خودتون حسابش میکنید.
بعد، اگه لازم بود، فرمولش؛ ولی همیشه، اول به یه جملهی سادهی فارسی برگردونده میشه. و آخر، جایی که این مفهوم، توی هوش مصنوعی، به کار میاد. یعنی هیچوقت، یه فرمول، بی دلیل و بی تصویر، جلوتون نمیاد.
هر فرمول، یه جملهی کوتاهه
یه راز که ریاضیدانها میدونن، و خیلی از کتابها نمیگن: هر فرمول، یه جملهی خلاصهشدهست. مثلا یه فرمولی که جمع چند عدد رو تقسیم بر تعدادشون میکنه، فقط یه جملهست: «همه رو با هم جمع کن، بعد تقسیم بر چندتایی که بودن»؛ یعنی میانگین.
ریاضیدانها، به جای نوشتن این جمله، با نمادها، کوتاهش میکنن؛ چون وقتی جملهها طولانی بشن، نمادها، خواناترن. ولی برای کسی که نمادها رو نمیشناسه، همون کوتاه شدن، ترسناکش میکنه. درس سوم این مسیر، کامل یاد میده چطور هر فرمولی رو، به جملهی فارسی برگردونید.
ریاضی، کنار کد
توی این مسیر، هر مفهوم، کنار یه تیکه کد کوتاه پایتون هم میاد. چرا؟ چون کد، یه راه دیگه برای دیدن ریاضیه؛ و برای خیلیها، راه روشنتری. مثلا جمع زدن صد عدد با یه حلقه، خیلی ملموستر از نماد جمع ریاضیه؛ و وقتی اون حلقه رو دیدید، نماد جمع، دیگه ترسناک نیست.
لازم نیست پایتون رو کامل بلد باشید؛ کدها، ساده و کوتاهن، و هر خطشون توضیح داده میشه. ولی اگه بخواید خودتون اجراشون کنید، که خیلی پیشنهاد میشه، مسیر پایتون کتابخونه، تا آخر ایستگاه اولش، کافیه؛ یعنی نصب و اولین برنامه.
کاغذ و مداد، هنوز
با همهی کدها، یه ابزار هنوز از همه مهمتره: کاغذ و مداد. ریاضی، با دیدن یاد گرفته نمیشه، با انجام دادن یاد گرفته میشه. وقتی یه حساب کوچیک رو، با دست خودتون، روی کاغذ، انجام میدید، مغزتون، اون رو جور دیگهای میفهمه تا وقتی که فقط میخونیدش.
برای همین، تقریبا هر درس، چند حساب کوچیک داره که باید روی کاغذ انجامشون بدید؛ با عددهای ساده، که بی ماشینحساب هم ممکنه. یه دفتر جدا، فقط برای این مسیر، بردارید؛ تا آخر، همون دفتر، کتاب ریاضی شخصی خودتون میشه.
پیشنیاز: فقط چهار عمل اصلی
این مسیر، تقریبا هیچ پیشنیازی نداره. اگه جمع، تفریق، ضرب و تقسیم رو، حتی با ماشینحساب، بلدید، کافیه. همهی چیزهای دیگه، از کسر و منفی گرفته تا توان، از اول، توی ایستگاه دوم، ساخته میشن.
اگه ریاضی مدرسه رو خوب یادتونه، ایستگاه دوم و سوم براتون سریع میگذرن؛ ولی پیشنهاد میکنیم ردشون نکنید. چون اونجا، هر مفهوم آشنا، از زاویهی هوش مصنوعی دوباره دیده میشه؛ مثلا کسر، بهعنوان پایهی احتمال، یا لگاریتم، بهعنوان ابزار اندازه گرفتن خطا.
از ده تا نود سال
این مسیر، طوری نوشته شده که یه نوجوون دهساله، که تازه کسر یاد گرفته، و یه بازنشستهی هشتادساله، که پنجاه سال پیش ریاضی خونده، هر دو بتونن دنبالش کنن. یعنی هیچ کلمهی فنیای، بی توضیح نمیاد؛ و هیچ پلهای، رد نمیشه.
اگه یه جا، یه کلمه یا یه نماد رو نفهمیدید، تقصیر شما نیست؛ تقصیر درسه، که خوب توضیح نداده. همونجا وایسید، یه بار دیگه بخونید، و اگه باز نفهمیدید، به درس قبل برگردید؛ معمولا، پلهی جاافتاده، همونجاست.
چقدر وقت میبره
اگه هر روز نیم ساعت تا یه ساعت وقت بذارید، هر درس، یکی دو روز طول میکشه؛ و کل مسیر، چند ماه. ریاضی، از اون موضوعهاییه که عجله، دشمنشه: اگه یه پله رو با عجله رد کنید، پلهی بعد، روی هوا ساخته میشه.
پیوستگی، مهمتر از سرعته. نیم ساعت هر روز، خیلی بهتر از سه ساعت یه روز در هفتهست؛ چون مغز، بین جلسهها، مفهومها رو جا میندازه. و اگه یه روز حوصلهی درس تازه رو نداشتید، حسابهای درس قبل رو، دوباره، روی کاغذ انجام بدید؛ همونم یه قدمه.
چند اشتباه رایج
این اشتباهها، توی یادگیری ریاضی هوش مصنوعی، خیلی رایجن:
- پریدن مستقیم سراغ شبکهی عصبی، بی پایهی کسر و تابع.
- حفظ کردن فرمول، بی فهمیدن جملهای که پشتشه.
- فقط خوندن، بی حساب کردن روی کاغذ.
- ترسیدن از نمادها، و رد شدن ازشون، به جای ترجمهشون.
- فکر کردن به اینکه «من ذهن ریاضی ندارم»؛ که معمولا یعنی یه پلهی جاافتاده.
یه برنامهی ساده
یه برنامهی ساده برای هر روز: پنج دقیقه، یه حساب از درس دیروز رو، بی نگاه به درس، روی کاغذ انجام بدید. بیست دقیقه، درس امروز رو بخونید و حسابهاش رو، همزمان، روی کاغذ برید. پنج دقیقه، یه جمله بنویسید که مفهوم امروز، با زبون خودتون، چی بود.
اون جملهی آخر، از همه مهمتره. اگه بتونید یه مفهوم رو، با زبون خودتون، توی یه جمله بگید، یعنی واقعا فهمیدیدش. اگه نتونستید، یعنی فردا، باید یه بار دیگه همون درس رو بخونید؛ که اشکالی هم نداره.
دستیار هوش مصنوعی، برای ریاضی
دستیارهای هوش مصنوعی، برای ریاضی، هم میتونن کمک کنن، هم گمراه. کمکشون: میتونید ازشون بخواید یه مفهوم رو، با یه مثال دیگه، توضیح بدن؛ یا یه حساب رو، قدمبهقدم، باز کنن. گمراهیشون: گاهی، با اطمینان کامل، یه حساب اشتباه میکنن؛ و کسی که خودش ریاضی بلد نیست، نمیفهمه.
برای همین، توی این مسیر، هر حسابی رو، خودتون، روی کاغذ، انجام بدید؛ و اگه از دستیار کمک گرفتید، جوابش رو، با یه مثال عددی کوچیک، خودتون بسنجید. این، یه مهارت مهمه، که برای هر کاری با هوش مصنوعی، بهدردتون میخوره: هیچوقت، کورکورانه باور نکنید.
بعد از این مسیر
بعد از این مسیر، ریاضیای رو بلدید که برای فهمیدن یادگیری ماشین و مدلهای زبانی، لازمه. قدم طبیعی بعدی، مسیر یادگیری ماشین کتابخونهست، که همین ریاضی رو، توی مدلهای واقعی، به کار میبره؛ و مسیر مدلهای زبانی بزرگ، که ریاضی ایستگاههای بردار و احتمال، پایهی فهمیدنشه.
و اگه بخواید خودتون اپهایی با مدل زبانی بسازید، مسیر ساختن اپ با مدل زبانی؛ که مفهومهایی مثل شباهت دو بردار، که توی ایستگاه چهارم این مسیر یاد میگیرید، اونجا، مستقیم، به کار میاد.
یه جمعبندی کوتاه
اگه بخوایم کل این درس رو توی یه پاراگراف بگیم:
ریاضی هوش مصنوعی، پلکانی از پلههای کوچیکه، که از حساب ساده شروع میشه. چهار ستونش، جبر خطی، حسابان، احتمال و آمارن؛ ولی فقط بخشهایی ازشون که هوش مصنوعی زیاد به کار میبره. این مسیر یازده ایستگاه داره، و هر مفهوم رو، با تصویر، جملهی ساده، حساب روی کاغذ و یه تیکه کد پایتون، یاد میده.
چند باور رایج
- «برای هوش مصنوعی، باید ریاضیدان بود.» فقط بخش کوچیکی از چهار ستون لازمه.
- «بعضیها ذهن ریاضی ندارن.» معمولا یه پلهی جاافتادهست.
- «فرمولها رو باید حفظ کرد.» هر فرمول، یه جملهست؛ بفهمیدش.
- «با کد، کاغذ و مداد لازم نیست.» حساب با دست، فهم عمیقتر میسازه.
- «ریاضی مدرسه، به درد هوش مصنوعی نمیخوره.» کسر، پایهی احتماله.
یه مثال
رامین، یه برنامهنویس وب، سالها با مدلهای زبانی کار کرده بود؛ از راه API، بی اینکه بدونه داخلشون چی میگذره. هر بار که یه مقاله دربارهی چگونگی کار این مدلها باز میکرد، با اولین فرمول، میبستش. مطمئن بود که «ذهن ریاضی» نداره؛ چون توی دبیرستان، از یه جایی به بعد، ریاضی رو نفهمیده بود.
با این مسیر، از کسر و توان شروع کرد؛ با اینکه اولش، فکر میکرد وقت تلف کردنه. توی ایستگاه دوم، فهمید که هیچوقت لگاریتم رو واقعا نفهمیده بوده؛ همون پلهی جاافتاده. چند ماه بعد، یه مقالهی مدلهای زبانی رو باز کرد، و برای اولین بار، فرمولهاش رو، یکییکی، به جمله برگردوند.
تمرین امروز
امروز، بی هیچ فرمولی، مثل یه ماشین یاد بگیرید.
- یه برگه کاغذ مچاله کنید و از چند قدمی، سعی کنید توی یه سطل بندازید.
- بعد از هر پرتاب، بنویسید چقدر و به کدوم طرف از سطل دور بود.
- پرتاب بعدی رو، بر اساس همون، تنظیم کنید؛ و ده بار تکرار کنید.
- بنویسید توی این تمرین، «حدس»، «اندازهی خطا» و «تنظیم» چی بودن.
- یه دفتر جدا برای این مسیر بردارید، و همین سه کلمه رو، صفحهی اولش بنویسید.
درس بعدی، چهار ستون ریاضی هوش مصنوعی رو دقیقتر باز میکنه: هوش مصنوعی چه ریاضیای لازم داره.
جمعبندی. آنچه از این درس با خودتان میبرید.
- این مسیر از صفره؛ برای کسی که ریاضی بلد نیست.
- ریاضی هوش مصنوعی، پلههای کوچیکه؛ هیچ پلهای بهتنهایی سخت نیست.
- چهار ستون: جبر خطی، حسابان، احتمال و آمار.
- از کسر و توان تا بردار، مشتق و یه شبکهی عصبی کوچیک.
- هر مفهوم: تصویر، جملهی ساده، و یه تیکه کد پایتون.
خودتون رو بسنجید
۱۵ پرسش، هر بار تازه از میان ۳۰ پرسش این درس. آخرش فقط کارنامه رو میبینید: چند تا درست، چند تا نادرست.