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

قدم چهارم: یادگیری

🔴 در ابتدا، پاسخ پرسپترون قر و قاطی و غلط و غلوط بود.

🔴 نصف مواقع، کاغذهای سوراخ‌راست را چپ تشخیص می‌داد و سوراخ‌چپ را راست.

✅️ اما، همانطور که حدس می‌زنید، یادگیری می‌توانست خیلی سریع عمل کند و خطا را پایین بیاورد.

✅️ یادگیری چطور صورت می‌گرفت؟ در هر گام اتصال نورون‌ رابط و نورون پاسخ تقویت می‌شد. می‌تونید فرض کنید سیم اتصالشون ضخیم‌تر می‌شه، هرچند دقیقش این نیست.

🔴 اما تقویت اتصال به دو شرط رخ می‌داده! نورون رابط باید:

یک - همراه با نورون پاسخ روشن شده باشد.
دو - روشن‌شدنش به پاسخ درست منجر شده باشد.

شرط اول مستقیما از هِب می‌آید و شرط دوم را رزنبلات اضافه کرده است.

۶/۷

تبریک می‌گم! شما با طرز کار پرسپترون آشنا شدید. 😎

پرسپترون تونست یاد بگیره کاغذهای راست‌سوراخ رو از چپ‌سوراخ تشخیص بده. بعد از دیدن حدود چند ده کاغذ. با دقت بالای نود و نه درصد.

پرسپترون ماشینی بود که دنیا رو عوض کرد و همچنان پایه و الهام‌بخش هوش مصنوعیه.

اما پرسپترون یه دشمن علمی (و شاید خونی) داشت که اثر مهمی بر تحولات این زمینه علمی گذاشت. 🕴

در جلسات بعد بهش می‌پردازیم.

۷/۷

این سه کتاب به تالیف مطالبی که در فضای مجازی می‌گذارم کمک زیادی می‌کنند. البته بازم هفتاد درصد مطالب رو از جاهای دیگه می‌گیرم.

جلسه ششم هوش مصنوعی رو خوندید؟ لینکش اینه

تا حدودی مطلب رو فهمیدید؟ سوالی دارید؟

لینک ناشناس

جواب‌ها رو هم اینجا می‌دم

دقیقا برعکس چیزی که حدس می‌زدم جواب دادید. 😁🔥

🧠 نورون‌‌های واقعی صفر و یک‌های ساده نیستند


✅️ با به هم بستن نورون‌ها می‌شه دروازه‌های منطقی مثل AND و OR ساخت و عملا هر محاسبه بولی ممکن رو انجام داد--- تاریخش.

✅️ برای همین معمولا فرض می‌کنیم نورون یه تابع نسبتا ساده ریاضیاتیه که ورودی‌ها رو جمع می‌زنه و اگه از یه آستانه بزرگتر بود روشن می‌شه.

✅️ در واقعیت نورون‌ها هزاران ورودی رو به صورت زمان‌مند بررسی می‌کنند و با وزن زمانی جمع می‌زنند. پاسخ نورون واقعی به ورودی‌هاش از معادلات غیر خطی پیچیده‌ میاد.

🔴 نورون مصنوعی ساده‌ترین اقتباس ممکن از نورون واقعیه، که همچنان می‌تونه عملکردهای مورد نظر مثل یادگیری رو نشون بده.

⚡️ تکنولوژی نورومورفیک سعی می‌کنه نورون‌های مصنوعی بسازه که به نورون‌های واقعی بسیار شبیه‌ترند. دوست دارید درباره نورومورفیک براتون بگم؟

@physics_daily