بتل کد Battle Codeدارد باز می‌شود…

با هوش مصنوعی بساز: هوش مصنوعی برای نوجوانان با بازی و پروژه

هوش مصنوعی را با ساختن یاد بگیر: دشمن باهوش بازی، پیدا کردن راه در ماز، دوز شکست‌ناپذیر با مینی‌ماکس، رباتی که از پاداش یاد می‌گیرد (یادگیری تقویتی)، بازی‌ای که خودش بازی کردن را یاد می‌گیرد و سنگ‌کاغذقیچی ذهن‌خوان؛ هر مفهوم اول با یک اسباب‌بازی دیده می‌شود، بعد با پایتون و Pygame Zero در مرورگر ساخته می‌شود.

هوش مصنوعی هم‌تیمی من

  1. جلسه‌ی 1: هوش مصنوعی واقعاً چیست؟ (What Is AI, Really?) — یک برنامه‌ی معمولی قانونی را اجرا می‌کند که آدم نوشته؛ یک برنامه‌ی یادگیرنده قانون را خودش از روی مثال‌ها پیدا می‌کند.…
  2. جلسه‌ی 2: با هوش مصنوعی حرف بزن (Talking to AI) — پرامپت یعنی سفارش به آشپز: نقش، هدف، جزئیات، قالب و یک مثال. با ai.ask() از پایتون از هوش مصنوعی چیزی می‌خواهی و یاد…
  3. جلسه‌ی 3: کد هوش مصنوعی را بخوان (Reading AI's Code) — قبل از اجرای کدی که هوش مصنوعی نوشته، خط به خط می‌خوانی و خروجی را حدس می‌زنی. قانون طلایی: کدی که نمی‌فهمی را اجرا…
  4. جلسه‌ی 4: پروژه: ستاره‌ها را بگیر با کمک هوش مصنوعی (Project: Catch the Stars with AI) — یک بازی واقعی می‌سازی: سبدی که با کلیدها حرکت می‌کند و ستاره‌هایی که می‌افتند. هر قدم را از هوش مصنوعی می‌خواهی، کدش…
  5. جلسه‌ی 5: مثل کارآگاه بیازما (Test Like a Detective) — هوش مصنوعی می‌گوید «کدم کار می‌کند»؛ کارآگاه خوب باور نمی‌کند و ورودی‌ای پیدا می‌کند که خرابش کند: صفر، منفی، خالی.…
  6. جلسه‌ی 6: تکه‌تکه بخواه (Ask in Small Pieces) — یک بازی بزرگ را یک‌جا از هوش مصنوعی نخواه؛ آن را به قدم‌های کوچک بشکن، هر قدم را بخواه، بخوان و اجرا کن، بعد سراغ قدم…
  7. جلسه‌ی 7: صفحه‌ی وب با هوش مصنوعی (A Web Page with AI) — یک کارت معرفی وب از هوش مصنوعی می‌گیری و مثل عینک ایکس‌ری می‌بینی هر بخش را کدام تگ و کدام خط CSS ساخته؛ بعد متن، رنگ…
  8. جلسه‌ی 8: پروژه: صفحه‌ی بازی من (Project: My Game's Page) — برای بازی «ستاره‌ها را بگیر» یک صفحه‌ی وب می‌سازی: سربرگ و معرفی، بخش «چطور بازی کنم»، رنگ و فونت خودت، و کنار هر بخش…
  9. جلسه‌ی 9: توهم: با اطمینان غلط می‌گوید (Hallucination) — مدل زبانی کلمه‌ی بعدی را پیش‌بینی می‌کند، نه حقیقت را؛ برای همین گاهی به جای «نمی‌دانم» با اطمینان چیزی می‌سازد. سه…
  10. جلسه‌ی 10: یادگیری یا تقلب؟ (Learning or Cheating?) — کمک گرفتن از هوش مصنوعی کجا یادگیری است و کجا تقلب؟ قانون این جلسه: «بگو یادم بدهد، نه جوابم بدهد» و هر کمکی را با…
  11. جلسه‌ی 11: حریم خصوصی و دیپ‌فیک (Privacy and Deepfakes) — چه چیزهایی را هرگز به چت‌بات نمی‌دهی، و چطور با پایتون شماره، ایمیل و اسم را قبل از فرستادن * کنی. دیپ‌فیک یعنی عکس و…
  12. جلسه‌ی 12: پروژه: بازی مسابقه‌ی «هوش مصنوعی را بشناس» (Project: AI Safety Quiz Game) — یک بازی مسابقه‌ی وب برای بچه‌های کلاس پایین‌تر می‌سازی: پنج سؤال بررسی‌شده در یک آرایه، نمایش سؤال و دکمه‌ها با…

هوش مصنوعی داخل بازی

  1. جلسه‌ی 13: شخصیت باهوش یعنی چه؟ (What Makes a Character Smart?) — دشمنی که دنبالت می‌کند با چند قانون if ساخته می‌شود: فاصله را حساب می‌کند، اگر تو را ببیند تعقیب می‌کند و اگر نه، گشت…
  2. جلسه‌ی 14: راه را پیدا کن (Finding the Way) — کامپیوتر چطور در ماز راه پیدا می‌کند: آب از خانه‌ی شروع قدم به قدم پخش می‌شود، هر خانه یک شماره می‌گیرد، و کوتاه‌ترین…
  3. جلسه‌ی 15: یک حرکت جلوتر فکر کن (Thinking Ahead) — کامپیوتر دوز چطور فکر می‌کند: اول «اگر می‌توانی ببری، ببر؛ اگر باید، ببند»، بعد مینی‌ماکس: «من بهترین را می‌خواهم،…
  4. جلسه‌ی 16: پروژه: دوز شکست‌ناپذیر (Project: The Unbeatable Tic-Tac-Toe) — یک بازی دوز واقعی با موس می‌سازی که کامپیوترش قدم به قدم باهوش‌تر می‌شود: تصادفی، یک حرکت جلوتر، و آخر مینی‌ماکس که…
  5. جلسه‌ی 17: تشویقی سگ (Learning from Reward) — کامپیوتری که قانون ندارد و فقط از برد و باخت یاد می‌گیرد: حالت، حرکت، پاداش، و «مغزی» از مهره‌ها که در یک دیکشنری است.
  6. جلسه‌ی 18: ربات و پنیر (The Robot and the Cheese) — یادگیری Q به زبان ساده: ربات برای هر خانه و هر جهت یک حدس دارد و بعد از هر قدم، «حدس قبلی را کمی به سمت چیزی که واقعاً…
  7. جلسه‌ی 19: کنجکاوی یا تکرار؟ (Explore or Repeat?) — یک یادگیرنده باید گاهی چیز تازه امتحان کند و گاهی از بهترین چیزی که می‌شناسد استفاده کند؛ با یک عدد کنجکاوی (ε) این دو…
  8. جلسه‌ی 20: پروژه: بازی‌ای که خودش یاد می‌گیرد (Project: A Game That Learns to Play) — یک دونده‌ی ساده که سنگی به سمتش می‌آید و می‌تواند بپرد یا صبر کند؛ با حالت، جدول Q، کنجکاوی و ۲۰۰ دور تمرین سریع، خودش…
  9. جلسه‌ی 21: از بازیکن یاد بگیر (Learning from the Player) — کامپیوتر حرکت‌های بازیکن را با دیکشنری می‌شمارد، احتمال هر حرکت را حساب می‌کند (شمار ÷ کل) و با جفت‌ها می‌فهمد «بعد از…
  10. جلسه‌ی 22: بازی منصف و سالم (Fair and Healthy Games) — هوش مصنوعی بازی می‌تواند بازی را سرگرم‌کننده کند (سختی هم‌اندازه‌ی بازیکن) یا بازیکن را گول بزند (جعبه‌ی شانسی، تقلب…
  11. جلسه‌ی 23: بشمار، نمودار بکش (Count and Chart) — دو هوش بازی را هزار بار به هم می‌اندازیم، درصد برد را حساب می‌کنیم و با # نمودار میله‌ای می‌کشیم؛ و می‌فهمیم چرا یک…
  12. جلسه‌ی 24: پروژه: سنگ‌کاغذقیچی ذهن‌خوان (Project: The Mind-Reading Rock-Paper-Scissors) — یک بازی Pygame Zero با سه دکمه که حرکت‌های تو را می‌شمارد، حرکت بعدی‌ات را پیش‌بینی می‌کند، اطمینانش را با یک نوار…

هوش مصنوعی که می‌بیند و می‌فهمد

  1. جلسه‌ی 25: عکس از عدد ساخته شده (Pictures Are Numbers) — هر عکس یک جدول عدد است: هر مربع کوچک (پیکسل) یک عدد از ۰ (سیاه) تا ۲۵۵ (سفید) دارد. نقاشی خودت را در دفتر نقاشی می‌کشی…
  2. جلسه‌ی 26: با مثال یاد بده (Teach by Examples) — به کامپیوتر قانون «دایره گرد است» را نمی‌گوییم؛ چند دایره و چند مثلث نشانش می‌دهیم. برای یک نقاشی تازه فاصله‌اش را با…
  3. جلسه‌ی 27: k تا همسایه و امتحان منصفانه (k Neighbours and a Fair Test) — یک مثال با برچسب غلط، «نزدیک‌ترین همسایه» را گول می‌زند. اگر k همسایه‌ی نزدیک رأی بدهند، یک رأی خراب اثری ندارد. بعد…
  4. جلسه‌ی 28: پروژه: بکش، حدس بزنم (Project: Draw and I'll Guess) — یک بازی واقعی می‌سازی: روی صفحه‌ی ۸×۸ با موس می‌کشی، نقاشی را با برچسب ذخیره می‌کنی، کامپیوتر با k-NN حدس می‌زند، اگر…
  5. جلسه‌ی 29: دوربین یاد می‌گیرد (The Camera Learns) — دوربین هم فقط عدد می‌دهد: یک عکس ۱۶×۱۶ با روشنایی ۰ تا ۲۵۵. به «ماشین یاددهی» عکس‌های «دست بالا» و «دست پایین» نشان…
  6. جلسه‌ی 30: نورون یک داور است (A Neuron Is a Judge) — نورون، آجر اصلی شبکه‌های عصبی، فقط سه کار می‌کند: هر ورودی را در اهمیتش (وزن) ضرب می‌کند، همه را جمع می‌کند و با یک…
  7. جلسه‌ی 31: آموزش یعنی اصلاح اشتباه (Training Means Fixing Mistakes) — به‌جای امتحان همه‌ی وزن‌ها، نورون هر بار که اشتباه می‌کند وزن‌هایش را کمی به سمت جواب درست هل می‌دهد. این «قانون…
  8. جلسه‌ی 32: پروژه: بازی با دست (Project: Play with Your Hand) — بازی سبد و میوه را بدون کیبورد بازی می‌کنی: دستت را جلوی دوربین چپ یا راست می‌بری (یا در دفتر نقاشی لکه را چپ و راست…
  9. جلسه‌ی 33: خوب یا بد؟ (Kind or Unkind?) — متن هم عدد می‌شود: هر کلمه یک وزن دارد (عالی +۲، خسته‌کننده -۲) و جمع وزن‌ها می‌گوید یک نظر مهربان است یا نه. «کیسه‌ی…
  10. جلسه‌ی 34: کلمه‌ی بعدی را حدس بزن (Guess the Next Word) — یک «شاعر کوچک» می‌سازی که فقط شمرده بعد از هر کلمه چه کلمه‌هایی آمده و با همین جدول شعر می‌سازد. «دما» می‌گوید چقدر…
  11. جلسه‌ی 35: سوگیری: داده‌ی یک‌طرفه (Bias: One-Sided Data) — مدلی که فقط با عکس‌های یک نفر در نور خوب آموزش دیده، برای بقیه بد کار می‌کند، ولی «دقت کل» این را پنهان می‌کند. دقت هر…
  12. جلسه‌ی 36: پروژه: ناظر مهربان گالری (Project: The Kind Comment Checker) — ابزاری می‌سازی که نظرهای گالری را می‌خواند: از ۴۰ نظر برچسب‌دار وزن کلمه‌ها را یاد می‌گیرد، نظرهای «شاید نامهربان» را…

برنامه‌ی هوش مصنوعی واقعی

  1. جلسه‌ی 37: مدل از داخل کد (A Model from Your Code) — از داخل پایتون با ask() از مدل زبانی سؤال می‌پرسی، می‌فهمی توکن و سهمیه چیست و چرا جواب هر بار فرق دارد، و برنامه‌ات…
  2. جلسه‌ی 38: نقش و شخصیت (Role and Personality) — با پیام سیستم به مدل نقش، لحن، قانون و اندازه‌ی جواب می‌دهی: همان سؤال از زبان جادوگر بدخلق، معلم مهربان و راهنمای موزه.
  3. جلسه‌ی 39: حافظه‌ی گفت‌وگو (Conversation Memory) — مدل خودش هیچ چیز یادش نمی‌ماند؛ برنامه‌ی تو با یک لیست history از پیام‌ها به او حافظه می‌دهد، و وقتی لیست خیلی بلند شد…
  4. جلسه‌ی 40: پروژه: شخصیت سخنگوی بازی (Project: A Talking Game Character) — در یک بازی Pygame Zero ربات «بولت» با تو حرف می‌زند: نزدیکش می‌شوی و سؤال تایپ می‌کنی، او از روی اطلاعات بازی جواب…
  5. جلسه‌ی 41: هوش مصنوعی مرحله می‌سازد (AI Builds Levels) — از مدل می‌خواهی مرحله‌ی ماز را به شکل JSON بدهد، با json.loads بازش می‌کنی و قبل از استفاده بررسی‌اش می‌کنی: اندازه،…
  6. جلسه‌ی 42: امتحان کتاب‌باز (Open-Book Exam) — مدل از جزوه‌ی تو خبر ندارد و ممکن است چیزی از خودش بسازد. یاد می‌گیری جزوه را تکه کنی، تکه‌های مرتبط با سؤال را با…
  7. جلسه‌ی 43: ابزار دادن به مدل (Giving the Model Tools) — مدل زبانی ماشین‌حساب ندارد و ضرب بزرگ را اشتباه می‌کند. به آن یک ابزار می‌دهی: مدل فقط اسم ابزار و ورودی را می‌گوید،…
  8. جلسه‌ی 44: پروژه: دستیار درس از روی جزوه (Project: Study Helper from the Handout) — یک دستیار درس برای جزوه‌ی باشگاه ساختگی «باغ رباتی» می‌سازی: تکه‌ی مرتبط را پیدا می‌کند، از روی آن با شماره‌ی منبع…
  9. جلسه‌ی 45: امنیت و آزمودن (Safety and Testing) — به ربات خودت حمله می‌کنی: پیام‌هایی مثل «دستورهای قبلی را فراموش کن» (تزریق پرامپت). بعد سه لایه دفاع می‌سازی: شناختن…
  10. جلسه‌ی 46: پروژه‌ی نهایی ۱: نقشه (Final Project 1: The Plan) — مسیر پروژه‌ی نهایی را انتخاب می‌کنی (بازی، سایت هوشمند یا ربات بله) و قبل از کد زدن نقشه می‌کشی: کاربر کیست، برنامه چه…
  11. جلسه‌ی 47: پروژه‌ی نهایی ۲: ساختن و آزمودن (Final Project 2: Build and Test) — پروژه را کوچک می‌سازی، اجرا می‌کنی و بزرگش می‌کنی. یک اجراکننده‌ی آزمون می‌نویسی، دو باگ واقعی را پیدا و درست می‌کنی،…
  12. جلسه‌ی 48: پروژه‌ی نهایی ۳: ارائه (Final Project 3: Present) — پروژه‌ات را سه دقیقه جلوی کلاس ارائه می‌دهی: نمایش زنده، کارت مدل (داده، دقت، کجا اشتباه می‌کند)، برچسب صداقت (چه کسی…