بتل کد Battle Codeدارد باز می‌شود…

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 آستانه مقایسه می‌کند. مثل رأی‌گیری‌ای که نظر بعضی‌ها مهم‌تر است.

در این جلسه یاد می‌گیری

درس

این نورون داور است. هر نقطه دو عدد دارد (x و y) و رنگ درستش قرمز یا آبی است. نورون حساب می‌کند وزن ۱ × x + وزن ۲ × y و اگر به آستانه رسید می‌گوید «آبی». خط بنفش مرز تصمیم اوست و دایره‌ی زرد دور نقطه یعنی اشتباه. اول حدس بزن: کدام اسلایدر خط را می‌چرخاند و کدام فقط جابه‌جایش می‌کند؟ با اسلایدرها اشتباه‌ها را صفر کن.

نورون = داور رأی‌گیری. فرض کن تصمیم «امروز پارک برویم؟» به سه چیز بستگی دارد: هوا آفتابی است؟ (۱ یا ۰) تکلیفم تمام شده؟ دوستم می‌آید؟ هر کدام یک وزن دارد: تکلیف (۳) از هوا (۲) مهم‌تر است و دوست (۱) کم‌تر. جمع «ورودی × وزن»ها را حساب می‌کنیم؛ اگر به آستانه (مثلاً ۴) رسید، نورون روشن می‌شود: «برو!».

inputs = [1, 1, 0]
weights = [2, 3, 1]
total = 0
for i in range(3):
    total += inputs[i] * weights[i]
print(total, "fire" if total >= 4 else "quiet")

وزن منفی یعنی «این ورودی مخالف است». در اسباب‌بازی، نورون -1 × x + 1 × y >= 1 یعنی «اگر y دست‌کم یکی بیشتر از x بود، آبی». هر نورون یک خط را مرز می‌کند و دو طرفش را جدا می‌کند. شبکه‌های عصبی بزرگ میلیون‌ها نورون دارند که روی هم چیده شده‌اند، ولی هر کدام همین حساب ساده را می‌کند.

وزن‌ها را چطور پیدا کنیم؟ یک راه ساده (ولی کند): همه‌ی ترکیب‌ها را امتحان کن! سه حلقه‌ی تودرتو روی w1، w2 و t، و اولین ترکیبی که هیچ اشتباهی ندارد. برای دو وزن کوچک ممکن است، ولی برای میلیون‌ها وزن تا آخر دنیا طول می‌کشد. جلسه‌ی بعد راه هوشمندانه‌تر را می‌بینیم: یادگیری از اشتباه.

⚠️ وزن‌ها تصمیم می‌گیرند چه چیزی مهم است. اگر نورونی که «بهترین بازیکن کلاس» را انتخاب می‌کند، برای «قد» وزن زیاد و برای «تمرین» وزن صفر داشته باشد، بی‌انصاف است؛ حتی اگر حسابش درست باشد. وقتی یک سیستم هوش مصنوعی درباره‌ی آدم‌ها تصمیم می‌گیرد (وام، استخدام، پذیرش)، باید پرسید: به چه چیزهایی وزن داده؟

بازی بدون کامپیوتر: سه داوطلب «ورودی» هستند و کارت ۰ یا ۱ بالا می‌برند. یک نفر «نورون» است و روی تخته وزن‌ها را دارد. با هر دور کارت، حساب می‌کند و اگر به آستانه رسید دستش را بالا می‌برد. کلاس وزن‌ها را عوض می‌کند تا نورون فقط وقتی دست بالا ببرد که «دست‌کم دو ورودی ۱ باشند».

مثال‌های این جلسه

چالش‌ها

  1. Fire or Quiet? (آسان)
  2. Shall We Go to the Park? (آسان)
  3. A Neuron Function (متوسط)
  4. Count the Mistakes (متوسط)
  5. Try Every Weight (سخت)
  6. A Neuron Looks at Photos (سخت)

بیشتر بخوان

← جلسه‌ی 29: دوربین یاد می‌گیرد جلسه‌ی 31: آموزش یعنی اصلاح اشتباه →