آموزشیادگیری ماشین

درس ۱۹ از ۹۹، هوش مصنوعی، حدود ۷ دقیقه خواندن

تابع: ماشینی که ورودی را به خروجی می‌برد

جواب کوتاه

تابع یعنی یه ماشین که یه چیزی بهش می‌دی و یه چیزی پس می‌گیری، و به هر ورودی دقیقا یه خروجی می‌ده. مثل تاکسی‌متر: کیلومتر می‌ره تو، کرایه میاد بیرون. روی این ماشین دو تا پیچ هست: کرایه‌ی پایه و نرخ هر کیلومتر. به این پیچ‌ها می‌گن پارامتر؛ ورودی هر سفر عوض می‌شه، ولی پیچ‌ها ثابتن. مدل یادگیری ماشین هم یه تابعه با کلی پیچ، و یاد گرفتن یعنی از روی مثال‌های قبلی، جای درست پیچ‌ها رو پیدا کنیم.

تاکسی‌متر

کلمه‌ی «تابع» توی کتاب ریاضی ترسناک به نظر میاد، ولی معنیش خیلی ساده‌ست: یه ماشین که یه چیزی بهش می‌دی و یه چیزی پس می‌گیری. مثلا تاکسی‌متر.

ورودیش کیلومتره، خروجیش کرایه. ۵ کیلومتر رفتید، ۶۰ هزار تومن. یه نکته مهمه: اگه فردا هم دقیقا ۵ کیلومتر برید، باز همون ۶۰ میاد. تابع به هر ورودی دقیقا یه خروجی می‌ده؛ اینطوری نیست که یه بار ۶۰ بگه و یه بار ۷۰.

توی کتاب‌ها معمولا تابع رو با یه حرف، مثل f، نشون می‌دن. ولی اسمش مهم نیست؛ مهم اینه که چی می‌ره تو و چی میاد بیرون.

قاعده‌ی داخلش

داخل این ماشین یه قاعده‌ی ساده هست: کرایه می‌شه ۲۰ هزار تومن پایه، به‌علاوه‌ی ۸ هزار تومن برای هر کیلومتر. پس ۲ کیلومتر می‌شه ۳۶، ۵ کیلومتر ۶۰، و ۱۰ کیلومتر ۱۰۰. اگه همه رو روی کاغذ بکشیم، یه خط صاف درمیاد:

خط از ۲۰ شروع می‌شه، چون حتی اگه صفر کیلومتر برید، کرایه‌ی پایه رو می‌دید. و هر یه خونه که جلو می‌ره، ۸ تا بالا می‌ره. همین دو تا عدد کل شکل خط رو می‌سازن.

ورودی و پیچ

دقت کنید، این ماشین دو جور عدد داره. یکی ورودی، یعنی کیلومتر، که هر سفر عوض می‌شه. یکی هم پیچ‌ها، یعنی ۲۰ و ۸، که شرکت یه بار تنظیم کرده و برای همه‌ی سفرها ثابته.

به این پیچ‌ها می‌گن پارامتر. اگه پیچ‌ها رو بچرخونید، یه تاکسی‌متر دیگه دارید: مثلا پایه ۳۰ و هر کیلومتر ۵. یعنی با هر جای پیچ‌ها، یه تابع دیگه درمیاد؛ یه خانواده‌ی کامل از تابع‌ها.

توی درس ضرب داخلی به پیچ‌ها گفتیم «وزن». وزن‌ها همون پارامترهای مدلن.

پیدا کردن پیچ‌ها

حالا یه بازی: فرض کنید شما تاکسی‌متر رو ندیدید، فقط فهرست سفرهای قبلی رو دارید: چند کیلومتر، چقدر کرایه. می‌تونید پیچ‌ها رو حدس بزنید؟

هر نقطه یه سفره. کرایه‌ها یه کم بالا و پایین دارن (ترافیک، دور زدن)، ولی یه خط هست که از نزدیک همه‌شون رد می‌شه. خط خط‌چین با پیچ‌های غلط کشیده شده و از نقطه‌ها دوره. خط پررنگ با پیچ‌های درست، ۲۰ و ۸.

این دقیقا همون کاریه که یادگیری ماشین می‌کنه: از روی مثال‌ها، پیچ‌ها رو اونقدر می‌چرخونه تا خط از نزدیک نقطه‌ها رد بشه. یاد گرفتن یعنی پیدا کردن جای درست پیچ‌ها.

مدل‌های بزرگ

تاکسی‌متر یه ورودی و دو تا پیچ داشت. یه مدل که قیمت خونه رو حدس می‌زنه، ورودیش یه بردار از چند عدده (متراژ، اتاق، سن) و برای هر کدوم یه پیچ داره. یه مدل که عکس گربه رو می‌شناسه، ورودیش هزاران پیکسله و پیچ‌هاش میلیون‌ها.

ولی ایده همونه: یه ماشین با ورودی، خروجی و پیچ. داخلش هم معمولا چند تا ضرب ماتریس پشت سر همه، هر لایه یکی. وقتی می‌شنوید یه مدل «میلیاردها پارامتر» داره، یعنی میلیاردها پیچ.

قدم بعد

با دو تا پیچ می‌شه با چشم خط رو جابه‌جا کرد. با میلیون‌ها پیچ نه. پس مدل باید بفهمه هر پیچ رو به کدوم طرف و چقدر بچرخونه تا بهتر بشه.

جوابش یه ابزار ریاضیه به اسم مشتق: می‌گه اگه یه پیچ رو یه کم بچرخونیم، خروجی چقدر و به کدوم طرف عوض می‌شه. درس بعد همینه.

جمع‌بندی. آنچه از این درس با خودتان می‌برید.

  • تابع: ورودی می‌ره تو، خروجی میاد بیرون.
  • به هر ورودی دقیقا یه خروجی.
  • پیچ‌ها یعنی پارامترها؛ ثابتن.
  • یاد گرفتن: پیدا کردن جای پیچ‌ها.
  • مدل بزرگ: میلیون‌ها پیچ.

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