آموزشریاضی برای هوش مصنوعی

درس ۲ از ۵۷، هوش مصنوعی، حدود ۳۱ دقیقه خواندن

هوش مصنوعی چه ریاضی‌ای لازم دارد

جواب کوتاه

هوش مصنوعی، چهار ستون ریاضی لازم داره. جبر خطی، زبان بردار و ماتریسه: داده، از عکس تا کلمه، به شکل فهرست و جدول عدد نگه داشته می‌شه، و هر لایه‌ی یه شبکه‌ی عصبی، در اصل یه ضرب ماتریس در برداره. حسابان، زبان تغییره: مشتق می‌گه اگه یه وزن رو کمی عوض کنیم، خطا چقدر عوض می‌شه؛ گرادیان، همین برای همه‌ی وزن‌ها با همه؛ و قاعده‌ی زنجیره‌ای، که خطا رو از آخر شبکه به اول برمی‌گردونه، همون پس‌انتشاره. احتمال، زبان عدم قطعیته: مدل، به جای یه جواب قطعی، برای هر جواب ممکن یه احتمال می‌ده. و آمار، زبان داده‌ست: میانگین و پراکندگی برای شناختن داده، و جدا کردن داده‌ی آزمون، برای سنجیدن اینکه مدل واقعا خوبه. از هر کدوم، فقط بخش کوچیکی لازمه.

آشپزخونه‌ای با چهار کشو

یه آشپز خوب، چهار کشوی اصلی داره. یکی پر از ظرف و قابلمه، برای نگه داشتن و جابه‌جا کردن مواد. یکی برای دماسنج و ساعت، که می‌گه غذا داره چقدر تغییر می‌کنه. یکی برای ادویه‌ها، که باید «به اندازه» ریخت؛ نه دقیق، با حدس. و یکی برای قاشق چشیدن، که می‌گه غذا، در نهایت، خوب شده یا نه.

هوش مصنوعی هم، چهار کشوی ریاضی داره، که هر کدوم، یه کار مشخص می‌کنه. توی درس قبل اسمشون رو گفتیم؛ این درس، هر کشو رو باز می‌کنه: توش چیه، هوش مصنوعی کجا ازش استفاده می‌کنه، و چه مقدارش، واقعا لازمه.

جواب کوتاه، همین اول

اگه فقط یه جمله از این درس یادتون بمونه: جبر خطی، داده رو نگه می‌داره و تغییر می‌ده؛ حسابان، می‌گه برای کم کردن خطا، به کدوم طرف بریم؛ احتمال، می‌گه مدل چقدر مطمئنه؛ و آمار، می‌گه داده چه شکلیه و مدل، واقعا چقدر خوبه.

بقیه‌ی این درس، هر کدوم رو، با یه مثال از کار واقعی یه مدل، باز می‌کنه. هنوز هیچ حسابی نمی‌کنیم؛ فقط می‌بینیم هر ستون، کجای کار ایستاده. حساب‌ها، از ایستگاه بعد، پله‌پله شروع می‌شن.

یه مدل، یه تابعه

توی درس قبل گفتیم هوش مصنوعی، رابطه‌ی بین ورودی و خروجی رو یاد می‌گیره، و این رابطه، توی ریاضی، تابع نام داره. تابع (Function)، مثل یه دستگاهه: یه چیزی بهش می‌دید، و یه چیز دیگه تحویل می‌گیرید. مثلا دستگاهی که متراژ یه خونه رو می‌گیره و قیمتش رو حدس می‌زنه.

یه مدل هوش مصنوعی، یه تابع خیلی بزرگه؛ ولی هنوز یه تابعه. ورودی می‌گیره، مثل یه عکس یا یه جمله؛ و خروجی می‌ده، مثل «گربه» یا کلمه‌ی بعدی. ایستگاه سوم این مسیر، تابع رو، از ساده‌ترینش، یعنی یه خط، تا منحنی‌هایی که توی شبکه‌های عصبی هستن، یاد می‌ده.

وزن‌ها: پیچ‌های قابل تنظیم

یه تابع ساده، مثل «قیمت برابر متراژ ضرب در یه عدد»، یه عدد قابل تنظیم داره: اون «یه عدد». اگه درست انتخابش کنیم، حدس‌ها خوب می‌شن. توی هوش مصنوعی، به این عددهای قابل تنظیم، وزن (Weight) یا پارامتر می‌گن؛ مثل پیچ‌های یه رادیو، که با چرخوندنشون، صدا رو صاف می‌کنید.

یه مدل کوچیک، ده‌ها وزن داره؛ یه مدل بزرگ زبانی، میلیاردها. و «یاد گرفتن»، یعنی پیدا کردن مقدار درست برای همه‌ی این وزن‌ها؛ طوری که خروجی‌ها، تا جای ممکن، درست باشن. هر چهار ستون ریاضی، به یه شکلی، با همین وزن‌ها کار دارن.

کشوی اول: جبر خطی

جبر خطی (Linear Algebra)، ریاضی کار با دسته‌های عدده. توی هوش مصنوعی، تقریبا هیچ عددی تنها نیست: یه عکس، هزاران عدده؛ یه جمله، صدها عدد؛ و وزن‌های یه مدل، میلیون‌ها. جبر خطی، یه زبان و یه دسته ابزار می‌ده که با همه‌ی این عددها، با هم، کار کنیم؛ نه یکی‌یکی.

دو مفهوم اصلیش، بردار و ماتریسن؛ که چند بخش بعد، هر کدوم رو می‌بینیم. این کشو، ظرف‌ها و قابلمه‌هاست: جایی که مواد، یعنی داده‌ها، نگه داشته و جابه‌جا می‌شن. بی این کشو، هیچ چیزی برای پختن نیست.

بردار: فهرستی از عدد

بردار (Vector)، یه فهرست مرتب از عدده. مثلا یه خونه رو می‌شه با یه بردار سه‌تایی توصیف کرد: متراژ، تعداد اتاق، و سن ساختمون. توی هندسه، بردار رو به شکل یه پیکان هم می‌کشن، که جهت و اندازه داره؛ مثلا پیکانی که از مبدا، سه واحد به راست و دو واحد به بالا می‌ره.

توی هوش مصنوعی، تقریبا همه‌چیز، پیش از رسیدن به مدل، به بردار تبدیل می‌شه: یه عکس، یه بردار بلند از رنگ نقطه‌ها؛ یه مشتری، یه بردار از ویژگی‌هاش. ایستگاه چهارم این مسیر، کامل درباره‌ی برداره: جمعشون، طولشون، و فاصله‌شون.

معنی، به شکل بردار

یکی از جذاب‌ترین ایده‌های هوش مصنوعی امروز، اینه که حتی معنی کلمه‌ها رو هم می‌شه به شکل بردار نشون داد. مدل‌های زبانی، هر کلمه، یا هر تیکه از متن، رو به یه بردار بلند تبدیل می‌کنن؛ طوری که کلمه‌های هم‌معنی، بردارهای نزدیک به هم داشته باشن.

مثلا بردار «گربه» و «پیشی»، خیلی نزدیک به همن؛ ولی «گربه» و «میز»، دور. به این بردارها، تعبیه (Embedding) می‌گن. یعنی جبر خطی، فقط برای عکس و عدد نیست؛ برای معنی هم هست. و جستجوی معنایی، که توی خیلی از اپ‌های امروزی هست، دقیقا روی همین ایده ساخته شده.

دو بردار، چقدر شبیه‌ان

اگه معنی، بردار باشه، پس «چقدر دو کلمه شبیه‌ان»، یعنی «چقدر دو بردار شبیه‌ان». جبر خطی، چند راه برای اندازه گرفتنش داره. یکی، فاصله‌ی دو نوک پیکان؛ و یکی، زاویه‌ی بین دو پیکان، که بهش شباهت کسینوسی (Cosine Similarity) می‌گن.

شباهت کسینوسی، می‌گه دو پیکان، چقدر به یه جهت اشاره می‌کنن؛ بی توجه به طولشون. اگه کاملا هم‌جهت باشن، یک؛ اگه عمود، صفر. ایستگاه چهارم، این رو با تصویر و حساب کوچیک یاد می‌ده؛ و توی مسیر ساختن اپ با مدل زبانی، مستقیم، برای جستجو توی سندها، به کار می‌ره.

ماتریس: جدولی از عدد

ماتریس (Matrix)، یه جدول از عدده، با سطر و ستون. مثلا اگه ده تا خونه رو، هر کدوم با سه ویژگی، کنار هم بذارید، یه ماتریس ده در سه دارید. ولی کار اصلی ماتریس، فقط نگه داشتن نیست؛ تبدیل کردنه. وقتی یه ماتریس رو در یه بردار ضرب می‌کنید، بردار، به یه بردار دیگه تبدیل می‌شه.

این تبدیل، با تصویر، خیلی روشن‌تره: ضرب در یه ماتریس، می‌تونه فضا رو بچرخونه، بکشه، یا فشرده کنه. ایستگاه پنجم این مسیر، ضرب ماتریس در بردار رو، به زبان تصویر، یاد می‌ده؛ طوری که ببینید یه جدول عدد، چطور یه کار هندسی می‌کنه.

یه لایه‌ی شبکه، یه ضرب ماتریسه

حالا، جایی که جبر خطی، مستقیم، به شبکه‌ی عصبی می‌رسه. توی درس قبل، یه نورون رو دیدیم: ورودی‌ها رو در وزن‌ها ضرب می‌کنه و جمع می‌زنه. اگه یه لایه، صد نورون داشته باشه، هر کدوم با وزن‌های خودش، کل حساب این لایه، می‌شه یه ضرب ماتریس در بردار: ماتریس وزن‌ها، ضرب در بردار ورودی.

یعنی یه شبکه‌ی عصبی با ده لایه، در اصل، ده بار ضرب ماتریس پشت سر همه؛ با یه تابع ساده بین هر دو. برای همینه که سخت‌افزارهای مخصوص هوش مصنوعی، برای ضرب ماتریس، بهینه شدن. و برای همینه که فهمیدن ضرب ماتریس، یعنی فهمیدن بخش بزرگی از کار یه شبکه.

تنسور: ماتریس با بعد بیشتر

یه عکس رنگی، یه جدول دوبعدی از نقطه‌هاست؛ ولی هر نقطه، سه عدد داره. پس عکس، یه جعبه‌ی سه‌بعدی از عدده. و یه دسته از صد عکس، یه جعبه‌ی چهاربعدی. به این جعبه‌های چندبعدی از عدد، تنسور (Tensor) می‌گن.

اسمش ترسناکه، ولی ایده‌ش ساده‌ست: عدد تنها، بعد صفر؛ بردار، بعد یک؛ ماتریس، بعد دو؛ و هر چی بیشتر، تنسور. کتابخونه‌های هوش مصنوعی، اسمشون رو هم از همین گرفتن. ایستگاه پنجم، یه درس کوتاه درباره‌ش داره؛ بیشتر برای اینکه اسمش، دیگه نترسوندتون.

کشوی دوم: حسابان

حسابان (Calculus)، ریاضی تغییره. دو سوال اصلیش: یه چیز، با چه سرعتی تغییر می‌کنه؟ و اگه یه چیز رو کمی تغییر بدیم، یه چیز دیگه چقدر تغییر می‌کنه؟ توی هوش مصنوعی، سوال دوم، همه‌چیزه: اگه یه وزن رو کمی تغییر بدیم، خطای مدل چقدر تغییر می‌کنه؟

این کشو، همون دماسنج و ساعت آشپزه، که می‌گه غذا داره به کدوم سمت می‌ره. بی حسابان، مدل نمی‌دونه وزن‌هاش رو به کدوم طرف تنظیم کنه؛ یعنی نمی‌تونه یاد بگیره. از حسابان، فقط چند مفهوم لازمه: مشتق، گرادیان و قاعده‌ی زنجیره‌ای.

مشتق: شیب، همین‌جا

مشتق (Derivative)، سرعت تغییره. اگه نمودار یه تابع رو، مثل یه جاده‌ی کوهستونی، تصور کنید، مشتق توی هر نقطه، شیب جاده، درست همون‌جاست: سربالاییه یا سرپایینی، و چقدر تند. اگه مشتق مثبت باشه، با جلو رفتن، بالا می‌رید؛ اگه منفی، پایین؛ و اگه صفر، روی یه جای صاف هستید.

توی هوش مصنوعی، این جاده، نمودار خطاست؛ و هر وزن، یه جهت حرکت روی این جاده. مشتق خطا نسبت به یه وزن، می‌گه اگه اون وزن رو کمی بیشتر کنیم، خطا بیشتر می‌شه یا کمتر. و این، دقیقا همون چیزیه که برای تنظیم اون وزن، لازم داریم. ایستگاه ششم، کامل درباره‌ی مشتقه.

گرادیان: همه‌ی شیب‌ها با هم

یه مدل، فقط یه وزن نداره؛ هزاران یا میلیاردها داره. برای هر کدوم، یه مشتق هست. اگه همه‌ی این مشتق‌ها رو، کنار هم، توی یه بردار بذاریم، به اون بردار، گرادیان (Gradient) می‌گن. می‌بینید؟ حسابان و جبر خطی، اینجا به هم می‌رسن: گرادیان، یه برداره که از مشتق‌ها ساخته شده.

تصویرش ساده‌ست: روی یه تپه ایستادید، توی مه، و هیچ جا رو نمی‌بینید. ولی می‌تونید با پاتون، حس کنید زمین زیر پاتون، به کدوم طرف سرازیرتره. گرادیان، همین حسه؛ برای میلیاردها جهت، هم‌زمان. ایستگاه هفتم، گرادیان و بهینه‌سازی، کامل بازش می‌کنه.

گرادیان کاهشی: قدم به قدم، به پایین

حالا که می‌دونیم سرازیری کدوم طرفه، روش یاد گرفتن ساده‌ست: یه قدم کوچیک، به سمت سرازیری؛ دوباره گرادیان رو حساب کن؛ یه قدم دیگه؛ و همین‌طور، تا جایی که دیگه پایین‌تر نشه. به این روش، گرادیان کاهشی (Gradient Descent) می‌گن؛ و پایه‌ی یاد گرفتن تقریبا همه‌ی شبکه‌های عصبیه.

اندازه‌ی هر قدم، یه عدد مهمه، که بهش نرخ یادگیری (Learning Rate) می‌گن. اگه خیلی بزرگ باشه، از روی دره می‌پرید و هیچ‌وقت ته‌ش نمی‌رسید؛ اگه خیلی کوچیک، تا ابد طول می‌کشه. پیدا کردن نرخ درست، خودش یه هنره؛ و ایستگاه هفتم، با تصویر، نشونش می‌ده.

قاعده‌ی زنجیره‌ای

یه شبکه‌ی عصبی، تابع‌های تودرتوئه: خروجی لایه‌ی اول، ورودی لایه‌ی دومه، و همین‌طور تا آخر. حالا اگه بخوایم بدونیم یه وزن توی لایه‌ی اول، چقدر روی خطای آخر اثر داره، باید اثرش رو، از تک‌تک لایه‌ها، دنبال کنیم. قاعده‌ی زنجیره‌ای (Chain Rule)، راه حساب همین اثر زنجیره‌ایه.

تصویرش، مثل چرخ‌دنده‌های به هم وصله: اگه چرخ اول یه دور بزنه، دومی دو دور، و سومی سه برابر دومی، پس سومی، شش برابر اولی می‌چرخه. قاعده‌ی زنجیره‌ای، همین ضرب پشت سر همه. ایستگاه ششم، یه درس کامل درباره‌ش داره.

پس‌انتشار: خطا، از آخر به اول

حالا که قاعده‌ی زنجیره‌ای رو داریم، یه روش هوشمندانه، برای حساب گرادیان همه‌ی وزن‌های یه شبکه، با یه بار رفت و یه بار برگشت، هست: پس‌انتشار (Backpropagation). اول، ورودی رو از اول شبکه تا آخر رد می‌کنیم و خطا رو حساب می‌کنیم. بعد، خطا رو، با قاعده‌ی زنجیره‌ای، از آخر به اول برمی‌گردونیم، و سهم هر وزن رو پیدا می‌کنیم.

پس‌انتشار، یکی از مهم‌ترین ایده‌هاییه که یاد گرفتن شبکه‌های عصبی بزرگ رو ممکن کرد. و خبر خوب اینه که با فهمیدن مشتق و قاعده‌ی زنجیره‌ای، فهمیدن پس‌انتشار، یه قدم کوچیکه. ایستگاه آخر این مسیر، دقیقا همین رو، روی یه شبکه‌ی کوچیک، با دست، حساب می‌کنه.

کشوی سوم: احتمال

احتمال (Probability)، ریاضی عدم قطعیته؛ همون ادویه‌ای که آشپز، «به اندازه» می‌ریزه. دنیا، پر از چیزهاییه که نمی‌تونیم با اطمینان کامل بگیم؛ و هوش مصنوعی، به جای وانمود کردن به اطمینان، با احتمال کار می‌کنه: یه عدد بین صفر و یک، که می‌گه یه چیز، چقدر محتمله.

احتمال صفر، یعنی غیرممکن؛ یک، یعنی حتمی؛ و نیم، یعنی به همون اندازه که ممکنه بشه، ممکنه نشه؛ مثل سکه. و یه قاعده‌ی پایه: احتمال همه‌ی حالت‌های ممکن، روی هم، یک می‌شه. ایستگاه هشتم، کامل درباره‌ی احتماله؛ ولی پایه‌ش، کسره، که از ایستگاه دوم شروع می‌شه.

مدل، احتمال می‌ده

یه مدل تشخیص عکس، که باید بگه عکس، گربه‌ست، سگه یا پرنده، معمولا سه عدد، برای سه حالت، خروجی می‌ده. ولی این عددها، اول، هر چیزی می‌تونن باشن؛ حتی منفی. یه تابع ساده، که اسمش سافت‌مکس (Softmax) ـه، این عددها رو به احتمال تبدیل می‌کنه: همه بین صفر و یک، و جمعشون، یک.

مثلا گربه شصت درصد، سگ سی درصد، و پرنده ده درصد. مدل‌های زبانی هم، همین کار رو، برای هزاران کلمه‌ی ممکن، انجام می‌دن: برای هر کلمه‌ای که می‌تونه بعدی باشه، یه احتمال. این، یکی از اولین جاهاییه که سه ستون، یعنی جبر خطی، تابع و احتمال، کنار هم کار می‌کنن.

انتخاب از روی احتمال

وقتی یه مدل زبانی، برای کلمه‌ی بعدی، احتمال‌ها رو داره، چطور یکی رو انتخاب می‌کنه؟ یه راه، همیشه انتخاب محتمل‌ترینه؛ که جواب‌ها رو قابل پیش‌بینی ولی گاهی خشک می‌کنه. یه راه دیگه، انتخاب تصادفی، ولی با همون احتمال‌ها؛ یعنی کلمه‌ی شصت‌درصدی، بیشتر انتخاب می‌شه، ولی گاهی، ده‌درصدی هم.

به این، نمونه‌گیری (Sampling) می‌گن؛ و برای همینه که اگه یه سوال رو دو بار از یه مدل زبانی بپرسید، ممکنه دو جواب کمی متفاوت بگیرید. یه تنظیم به اسم دما، که توی مسیر ساختن اپ با مدل زبانی می‌بینیدش، تعیین می‌کنه این انتخاب، چقدر تصادفی باشه.

کشوی چهارم: آمار

آمار (Statistics)، ریاضی داده‌ست؛ همون قاشق چشیدن آشپز. هر کاری با هوش مصنوعی، با داده شروع می‌شه؛ و آمار، اول، کمک می‌کنه داده رو بشناسیم: معمولا چه مقدارهایی داره؟ چقدر پراکنده‌ست؟ مقدار عجیب و غلط داره؟ و آخر، کمک می‌کنه بسنجیم مدل، واقعا چقدر خوبه.

فرق آمار و احتمال، اینه که احتمال، از یه مدل شروع می‌کنه و می‌پرسه داده چه شکلی می‌شه؛ ولی آمار، از داده شروع می‌کنه و می‌پرسه چه مدلی پشتش بوده. توی هوش مصنوعی، هر دو جهت، به کار میان. ایستگاه نهم، کامل درباره‌ی آماره.

میانگین و پراکندگی

دو مفهوم پایه‌ی آمار: میانگین (Mean)، یعنی همه رو جمع کن و تقسیم بر تعدادشون؛ که می‌گه داده‌ها، معمولا، دور چه عددی‌ان. و پراکندگی، که می‌گه داده‌ها، چقدر از میانگین دورن؛ همه نزدیکن، یا پخش و پلا. یکی از رایج‌ترین اندازه‌های پراکندگی، انحراف معیار (Standard Deviation) ـه.

مثلا دو کلاس، هر دو با میانگین نمره‌ی پونزده: یکی همه‌ی نمره‌هاش بین چهارده و شونزده، یکی بین پنج و بیست. میانگین یکیه، ولی دو کلاس، خیلی فرق دارن. توی هوش مصنوعی، پیش از دادن داده به مدل، معمولا داده رو طوری تغییر می‌دن که میانگینش صفر و پراکندگیش استاندارد بشه؛ تا مدل، راحت‌تر یاد بگیره.

داده‌ی جدا، برای آزمون

یه اشتباه بزرگ: سنجیدن مدل با همون داده‌ای که باهاش یاد گرفته. مثل دانش‌آموزی که جواب سوال‌های امتحان رو از قبل دیده؛ نمره‌ش بالاست، ولی معلوم نیست واقعا یاد گرفته. برای همین، توی هوش مصنوعی، داده رو دو بخش می‌کنن: یه بخش برای آموزش، و یه بخش، که مدل هیچ‌وقت ندیده، برای آزمون.

این، یه ایده‌ی آماریه: نمونه‌ای که مدل ندیده، نماینده‌ی دنیای واقعیه که مدل قراره توش کار کنه. اگه مدل، روی داده‌ی آزمون هم خوب بود، احتمالا واقعا یاد گرفته. این ایده، توی مسیر یادگیری ماشین، کامل به کار می‌ره.

حفظ کردن، به جای یاد گرفتن

گاهی یه مدل، داده‌ی آموزش رو، به جای یاد گرفتن الگوش، حفظ می‌کنه؛ حتی خطاها و نویزهاش رو. روی داده‌ی آموزش، عالی کار می‌کنه؛ ولی روی داده‌ی تازه، بد. به این، بیش‌برازش (Overfitting) می‌گن؛ و یکی از رایج‌ترین مشکل‌های هوش مصنوعیه.

آمار، ابزار تشخیصش رو می‌ده: اگه خطا روی داده‌ی آموزش خیلی کم، ولی روی داده‌ی آزمون زیاده، احتمالا مدل حفظ کرده. مثل دانش‌آموزی که جواب کتاب رو حفظ کرده، ولی با یه سوال تازه، گیر می‌کنه. فهمیدن این، بی کمی آمار، تقریبا ممکن نیست.

یه کشوی کوچیک‌تر: اطلاعات

کنار این چهار کشو، یه کشوی کوچیک‌تر هم هست، که از احتمال ساخته شده: نظریه‌ی اطلاعات (Information Theory). ایده‌ش اینه: اتفاقی که کم‌احتماله، وقتی میفته، خیلی «تعجب‌آور» ـه، یعنی اطلاعات زیادی داره؛ و اتفاقی که حتمیه، هیچ اطلاعاتی نداره. و برای اندازه گرفتن این تعجب، از لگاریتم استفاده می‌کنن.

برای همینه که لگاریتم، که شاید توی مدرسه بی‌فایده به نظر می‌رسید، توی هوش مصنوعی همه‌جا هست. یکی از رایج‌ترین روش‌های اندازه گرفتن خطای مدل‌ها، به اسم آنتروپی متقاطع (Cross-Entropy)، از همین ایده‌ست. ایستگاه دوم، لگاریتم رو از صفر، و ایستگاه دهم، اطلاعات رو، یاد می‌دن.

همه، کنار هم: تابع خطا

حالا می‌تونیم ببینیم چهار ستون، چطور توی یه چیز، به هم می‌رسن: تابع خطا (Loss Function)، یعنی تابعی که می‌گه حدس‌های مدل، چقدر از جواب درست دورن. ورودی‌ها و وزن‌ها، بردار و ماتریسن؛ یعنی جبر خطی. خروجی‌ها، احتمالن؛ یعنی احتمال. خطا، اغلب با لگاریتم اندازه گرفته می‌شه؛ یعنی اطلاعات.

و کم کردن خطا، با گرادیان کاهشیه؛ یعنی حسابان. و آخر، سنجیدن اینکه مدل، روی داده‌ی تازه هم خوبه، کار آماره. یعنی یه بار یاد گرفتن یه مدل، از هر چهار کشو، چیزی برمی‌داره. این، دلیل اینه که هر چهار ستون، توی این مسیر هستن.

از هر کدوم، چقدر

حالا، سوال اصلی: از هر ستون، چقدر لازمه؟ از جبر خطی: بردار، طول و فاصله و شباهت، ضرب ماتریس در بردار، و چند ماتریس ویژه؛ نه قضیه‌های عمیقش. از حسابان: مشتق، چند قاعده‌ی ساده‌ش، قاعده‌ی زنجیره‌ای و گرادیان؛ نه انتگرال‌های پیچیده.

از احتمال: احتمال پایه، احتمال شرطی، توزیع، و قاعده‌ی بیز؛ و از آمار: میانگین، پراکندگی، نمونه، و سنجش. همین. این فهرست، دقیقا همون چیزیه که ایستگاه‌های این مسیر می‌سازن؛ با این فرق که هر کدوم، روی پله‌ی قبلی، و هیچ‌کدوم، بی تصویر.

چی لازم نیست

به همون اندازه که مهمه بدونید چی لازمه، مهمه بدونید چی لازم نیست؛ تا وقتتون رو صرفش نکنید. برای فهمیدن هوش مصنوعی، لازم نیست اثبات قضیه‌ها رو یاد بگیرید؛ لازم نیست حساب‌های طولانی رو با دست، سریع انجام بدید؛ و لازم نیست همه‌ی شاخه‌های ریاضی دانشگاهی رو بلد باشید.

کامپیوتر، حساب‌های طولانی رو انجام می‌ده؛ کار شما، فهمیدن اینه که چه حسابی، چرا، انجام می‌شه. و اگه یه روز خواستید پژوهشگر هوش مصنوعی بشید، اون موقع، ریاضی عمیق‌تر لازمه؛ ولی این مسیر، پله‌ی اول همون راهم هست.

چرا این ترتیب

شاید بپرسید چرا مسیر، از کسر و توان شروع می‌کنه، نه از بردار یا احتمال. دلیلش، همون پلکانه: احتمال، کسره؛ لگاریتم، وارونه‌ی توانه؛ مشتق، شیب یه تابعه؛ و گرادیان، یه برداره از مشتق‌ها. یعنی هر ستون، روی پله‌هایی ایستاده که پیش از اون می‌سازیم.

اگه از وسط شروع کنید، مثلا مستقیم از گرادیان، هر جمله‌ش، روی دو سه مفهومی ساخته شده که هنوز نمی‌شناسید؛ و دوباره، همون دیوار ترسناک فرمول‌ها. پس با اینکه کسر و توان، دور از هوش مصنوعی به نظر میان، همون پله‌های اولن.

جواب کوتاه

اگه کسی پرسید «هوش مصنوعی چه ریاضی‌ای لازم داره»:

چهار ستون: جبر خطی، برای نگه داشتن و تبدیل داده با بردار و ماتریس؛ حسابان، برای پیدا کردن جهت کم کردن خطا با مشتق و گرادیان؛ احتمال، برای اینکه مدل بگه چقدر مطمئنه؛ و آمار، برای شناختن داده و سنجیدن درست مدل. از هر کدوم، فقط بخش کوچیکی لازمه.

چند باور رایج

  • «هوش مصنوعی ریاضی خاص خودش رو داره.» همون چهار ستون آشنا.
  • «شبکه‌ی عصبی، یه چیز جادوییه.» ضرب ماتریس و یه تابع ساده، پشت سر هم.
  • «مدل همیشه یه جواب قطعی می‌ده.» برای هر جواب، یه احتمال.
  • «نمره‌ی بالا روی داده‌ی آموزش یعنی مدل خوبه.» داده‌ی آزمون جدا لازمه.
  • «لگاریتم بی‌فایده‌ست.» پایه‌ی اندازه گرفتن خطاست.

یه مثال

سمیرا، یه مدیر محصول، توی یه جلسه، شنید که تیم هوش مصنوعی گفت «مدل بیش‌برازش کرده، نرخ یادگیری رو کم می‌کنیم و داده‌ی آزمون رو بزرگ‌تر». هیچ‌کدوم از این کلمه‌ها رو نمی‌فهمید، و فقط سر تکون داد. بعد از جلسه، احساس کرد درباره‌ی مهم‌ترین بخش محصولش، هیچ نظری نمی‌تونه بده.

با همین درس، فهمید بیش‌برازش یعنی حفظ کردن به جای یاد گرفتن؛ نرخ یادگیری، اندازه‌ی قدم‌ها روی سرازیری خطاست؛ و داده‌ی آزمون، امتحانیه که مدل جوابش رو ندیده. توی جلسه‌ی بعد، پرسید: «داده‌ی آزمون، شبیه مشتری‌های واقعی‌مونه؟» و همین سوال، یه مشکل جدی رو، زودتر، نشون داد.

تمرین امروز

امروز، چهار کشو رو توی زندگی خودتون پیدا کنید.

  1. یه چیز آشنا، مثل خونه یا ماشین، رو با یه بردار سه‌تایی از عدد توصیف کنید.
  2. سه دوستتون رو، هر کدوم با همون سه عدد، توی یه جدول بنویسید؛ این، یه ماتریسه.
  3. یه چیز که هر روز تغییر می‌کنه، مثل وزن یا قیمت، رو انتخاب کنید و بنویسید سرعت تغییرش، تقریبا چقدره.
  4. فردا هوا بارونیه یا نه؟ یه احتمال بین صفر و یک حدس بزنید.
  5. نمره‌ها یا قیمت‌های پنج چیز رو بنویسید و میانگینشون رو حساب کنید.

درس بعدی، یاد می‌ده هر فرمولی رو، بی ترس، به جمله‌ی فارسی برگردونید: خوندن فرمول بی ترس.

جمع‌بندی. آنچه از این درس با خودتان می‌برید.

  • جبر خطی: بردار و ماتریس؛ هر لایه، یه ضرب ماتریس.
  • حسابان: مشتق و گرادیان؛ جهت کم کردن خطا.
  • قاعده‌ی زنجیره‌ای، پایه‌ی پس‌انتشار.
  • احتمال: مدل، برای هر جواب، یه احتمال می‌ده.
  • آمار: شناختن داده و سنجیدن درست مدل.

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.

خودتون رو بسنجید

۱۵ پرسش

  • هر بار پرسش‌ها و ترتیب گزینه‌ها عوض می‌شه.
  • تا آخر نمی‌گیم کدوم جواب درست بوده؛ می‌تونید برگردید و جوابتون رو عوض کنید.
  • آخرش کارنامه می‌گیرید: چند تا درست، چند تا نادرست.
  • اگه وسطش بستید، دوباره که باز کنید از همون‌جا ادامه می‌دید.

فصل‌های این درس

درس بعد