جلسه چهارم تاریخ و مفاهیم هوش مصنوعی: یادگیری

بگذارید ستاره این جلسه یک روانشناس دیگه باشه. دانلد هب.

از عمد روی روانشناس بودن این افراد تاکید می‌کنم که بتونید قیاس کنید با بعضی روانشناسان وطنی و حال و هوای ضد علمی (علی‌الخصوص ضد تکاملی و ضد نوروساینسی‌) که دارند.

نیاکان معنوی این‌ها عملا بنیان‌گذار پیشروترین زمینه‌های علمی بوده‌اند.

اما هب کی بود؟

۱/۷

هب روانشناس کانادایی بود که سال ۱۹۰۴ به دنیا اومد. دقت کنید تایتانیک هشت سال بعدش غرق می‌شه. گفتم که حال و هوا رو بهتر تجسم کنید.

پروژه زندگی هب ارتباط دادن روانشناسی و نوروفیزیولوژی بود.

دانلد هب تحت هدایت افراد شناخته شده‌ای مثل ویلدر پنفیلد و کارل لشلی پژوهش کرد. یادمون بیاد که لشلی شدیدا--- و تا حدی رادیکال--- طرفدار نگاه توزیعی به مغز بود.

هب هم روی مساله مشابهی متمرکز بود...

۲/۷

این تصویر از نورون‌های مغز شماست.

به روشن و خاموش شدن‌ها نگاه کنید.

دانلد هب که بیماران تحت جراحی کورتکس (قشر مغز) را مطالعه می‌کرد از خودش می‌پرسید:

چطور الگوهای فعالیت نورونی می‌توانند ادراک، حافظه و هوش را بسازند؟

(نقل به مضمون)

۳/۷

هب بعد از سال‌ها کار علمی یک کتاب نوشت--- برعکس کسانی که یکی دو صد جلد کتاب در یکی دو دهه می‌نویسند.

اسم کتاب:

سازمان (ساختمان) رفتار --- یک نظریه عصب‌روانشناسانه

این کتاب یه جورایی پایه‌گذار زمینه عصب‌روانشناسی بود و هب رو به یکی از پرارجاع‌ترین روانشناسان قرن بیست تبدیل کرد.

اما چی توی این کتاب بود که خیلی‌هاتون شنیدید؟

۴/۷

هب می‌گه یادگیری تقریبا اینجوریه:

وقتی اتصالی بین نورون الف و ب وجود دارد که باعث می‌شود نورون الف به طور مکرر نورون ب را روشن کند، یک جور فرآیند رشد یا متابولیک رخ می‌دهد که توان نورون الف را در روشن کردن نورون ب افزایش می‌دهد.

یا خلاصه‌ش کنیم:
نورون‌هایی که با هم آتش می‌کنند (روشن می‌شوند) با هم متصل‌تر می‌شوند.

Fire together wire together!

(کتاب هب رو هم اگه خواستید دانلود کنید نگاهی بندازید.)

۵/۷

این ویدئو ربط مستقیم نداره. اما می‌تونید نورون ها و جوری که به هم وصل می‌شوند رو ببینید.

خب هب در عمل چی گفت؟ به زبان ساده.

یک- برای اینکه من موز 🍌 رو به خاطر بیارم احتیاج هست نورون الف و ب من با هم آتش کنند.

دو- اتصال نورون الف و ب من در حین یادگیری تقویت می‌شود.⛓️‍💥

سه- در اثر تقویت اتصال، آتش کردن الف با آتش کردن ب و در نتیجه به خاطر آوردن موز همراه خواهد بود. 🍌


جمع‌بندی: یادگیری یک سری فعالیت هماهنگ رو بین نورون‌ها ایجاد و بعد تثبیت می‌کنه. قبلا در ویدئوی حافظه مفصل توضیح دادم.

۶/۷

قاعده یادگیری هب از ارکان مهم علوم اعصاب امروزیه. همینطور، یکی از پایه‌های پرسپترون بود.

فرانک رزنبلات از قاعده یادگیری هب استفاده کرد، یکم تغییرش داد و ماشین هوشمند خودش رو ساخت.

جلسه بعد یه نگاهی به ریاضیات پرسپترون می‌اندازیم. اما آسون نگهش می‌داریم.

مخلص.

۷/۷

لینک ناشناس برای سوالی، صحبتی، نقدی، تشویقی چیزی.

لینک ناشناس

جواب‌ها رو هم اینجا می‌دم

یه چیز جالب نشونتون بدم.
۱/۴

زمستان رو در سه صفحه رد کرد.
۲/۴

خیلی‌ها فکر می‌کنند هوش مصنوعی از هینتون شروع می‌شه. مطمئنم خود هینتون اگر بشنوه عصبانی می‌شه. 😁

از اون فراتر بریم، یه جا توی کامنت‌ها مردم (ایرانی نبودن) داشتن می‌گفتن نوبل رو باید به زاکربرگ و ایلان ماسک می‌دادن که نوابغ واقعی امروز هستن. یعنی می‌خوام بگم علم که میاد توی بستر عمومی عین رئالیتی شو می‌شه. 😁

۳/۴

دیگه چی بگم...
۴/۴

به هینتون بر خواهیم گشت. اما چند نکته جذاب.

1️⃣ تا اینجا متوجه شدیم هینتون خالق هوش مصنوعی نبود. بلکه از نسل‌های بعدی بود.

2️⃣ هینتون دنبال پول نبود. دنبال علاقه‌ش بود. اون زمان همه می‌گفتن شبکه عصبی مصنوعی کاربرد نداره. ولی هینتون دست بردار نبود.

3️⃣ انقدر دنبال پول نبود که سر قرارداد هیات علمی‌ش مذاکره نکرد. و برای همین یه جورایی سرش کلاه رفت و با رقم پایین استخدام شد.

4️⃣ بعدها چند ده میلیون دلار از هوش مصنوعی پول درآورد.

🦧 جوون که بود، راننده تاکسی میدون انقلاب بهش گفت: "منم جوون بودم مخ بودم. ولی علاقه چیه؟ برو دنبال پول!" 😉😁

لینک جلسات هوش مصنوعی:

جلسه اول: پدر هوش مصنوعی امروزی

جلسه دوم: پرسپترون چگونه کار می‌کرد؟

جلسه سوم: بازتاب رسانه‌ای پرسپترون

جلسه چهارم: نورون‌ها چطور محاسبه می‌کنند؟

جلسه پنجم: یادگیری در مغز

پنج قسمت گفته شد. آماده‌اید بریم بعدی؟

تاریخ و مفاهیم هوش مصنوعی

جلسه ششم: داخل پرسپترون چی می‌گذشت؟

جلسه امروز یکم حوصله و سلول مغزی می‌طلبه. از الان بگم.

بریم برای کالبد شکافی اولین هوش مصنوعی امروزی دنیا. 🔥

۱/۷

اولین شبکه عصبی مصنوعی کارامد دنیا،
Mark I Perceptron (link)
سه بخش داشت:

1️⃣ رتینا. مثل رتینای چشم. حس‌گرهایی که نور دریافت می‌کردند.

2️⃣ نورون‌های رابط. این نورون‌ها با سیم به رتینا وصل بودند و ازش سیگنال دریافت می‌کردند.

3️⃣ نورون‌ها پاسخ. این نورون‌ها با سیم به نورون‌های رابط وصل بودند و ازش سیگنال دریافت می‌کردند.

خیلی شبیه مغزه، نه؟

۲/۷

(به ساختار سه لایه‌ای تصویر نگاه کنید 😍)

قدم اول: رتینا یا لایه حس‌گر

✅️ رتینا به یک تکه کاغذ که به سمت چپش چسبیده نگاه می‌کند.

✅️ به کاغذ نور تابانده می‌شود. نور از سوراخ‌های کاغذ عبور می‌کند و به رتینا برخورد می‌کند.

✅️ مثلا اگر وسط کاغذ سوراخ باشد، حس‌گری که وسط رتینا است روشن می‌شود. بقیه حس‌گرها خاموش می‌مانند.
۳/۷

قدم دوم: نورون‌های رابط

✅️ نورون‌های لایه میانی هم اقتباسی از نورون‌های مغز شما هستند.

✅️ نورون‌های مغز شما از همسایه‌های خود در لایه‌های پیشین سیگنال دریافت می‌کنند. اگر سیگنال از حدی بزرگتر بود، نورون دریافت‌کننده آتش می‌کند. یعنی به فرستنده تبدیل می‌شود و به نورون‌های لایه بعدی خودش سیگنال می‌دهد.

✅️ در پرسپترون هم، نورون‌های رابط با سیم‌کشی به رتینا وصل هستند. این سیم‌کشی به صورت تصادفی طراحی می‌شود‌. به این طریق، حس‌گرهای روشنِ رتینا با سیم به نورون‌های رابط وصل می‌شوند و به آن‌ها سیگنال می‌دهند.

✅️ چون سیم‌کشی تصادفی و هردمبیل :)) است، هر نورون رابط سیگنال متفاوت ---قوی‌ یا ضعیف‌تری--- دریافت می‌کند.

✅️ اگر سیگنال به اندازه کافی قوی بود، نورون رابط آتش می‌کند.

۴/۷

قدم سوم: نورون‌های پاسخ

✅️ در قسمت‌های قبل گفتیم، هدف کلی این ماشین تشخیص کاغذهایی با سوراخی در سمت چپ از کاغذ‌هایی با سوراخی در سمت راست بود.

✅️ برای همین در لایه پاسخ دو نورون قرار داده شده. اگر دستگاه تشخیص بدهد که سوراخ سمت راست کاغذ است، نورون اول روشن می‌شود. اگر تشخیص بدهد سوراخ سمت چپ است، نورون دوم روشن می‌شود.

✅️ هر نورون در لایه پاسخ به تمام نورون‌های رابط وصل است و از همه آن‌ها سیگنال دریافت می‌کند.

✅️ اگر سیگنال‌ها از حدی بزرگتر باشد، نورون لایه پاسخ آتش می‌کند و نتیجه ارزیابی مشخص می‌شود: چپ یا راست.

۵/۷