بتل کد Battle Codeدارد باز می‌شود…

جلسه‌ی 9: شبکه‌ی عصبی با دست A Neural Network by Hand

یک نورون مصنوعی سه کار می‌کند: ضرب در وزن‌ها، جمع، و مقایسه با آستانه. با وزن‌های درست، یک نورون می‌تواند AND را حساب کند.

در این جلسه یاد می‌گیری

درس

مغز تو از میلیاردها نورون ساخته شده. هر نورون سیگنال‌هایی می‌گیرد، آن‌ها را جمع می‌کند و اگر جمع از حدی گذشت، خودش سیگنال می‌فرستد. شبکه‌ی عصبی مصنوعی تقلید ساده‌ی همین ایده با عدد است.

یک نورون مصنوعی: هر ورودی در یک وزن ضرب می‌شود، همه جمع می‌شوند، و اگر جمع از آستانه بیشتر یا مساوی بود خروجی 1، وگرنه 0. همین!

def neuron(x1, x2, w1, w2, threshold):
    total = x1 * w1 + x2 * w2
    if total >= threshold:
        return 1
    return 0

print(neuron(1, 1, 1, 1, 2))
print(neuron(1, 0, 1, 1, 2))

AND یعنی «هر دو»: خروجی فقط وقتی 1 است که هر دو ورودی 1 باشند. با وزن‌های 1, 1 و آستانه‌ی 2 نورون دقیقاً AND می‌شود. جدول را امتحان کن.

for x1 in [0, 1]:
    for x2 in [0, 1]:
        print(x1, x2, "->", neuron(x1, x2, 1, 1, 2))

با عوض کردن فقط آستانه، همان نورون OR می‌شود («دست‌کم یکی»): آستانه‌ی 1. وزن و آستانه، دانش نورون هستند؛ یادگیری یعنی پیدا کردن همین عددها.

یک نورون کارهای ساده می‌کند. اگر خروجی چند نورون را به ورودی نورون‌های دیگر وصل کنیم، شبکه می‌شود و می‌تواند چیزهای پیچیده (چهره، صدا، زبان) را یاد بگیرد. ChatGPT صدها میلیارد وزن دارد؛ ایده همان است، فقط بسیار بزرگ‌تر.

⚠️ نکته: هیچ‌کس دقیقاً نمی‌داند هر وزن در یک شبکه‌ی بزرگ چه معنایی دارد. به همین دلیل وقتی هوش مصنوعی اشتباه می‌کند، توضیح دادنِ «چرا» سخت است. این یکی از دلایلی است که نباید تصمیم‌های مهم (مثل نمره یا سلامتی) را کامل به او بسپاریم.

مثال‌های این جلسه

چالش‌ها

  1. One Neuron (آسان)
  2. The AND Table (آسان)
  3. Make It OR (متوسط)
  4. Check Against the Truth (متوسط)
  5. Search the Weights (سخت)
  6. Two Neurons Make XOR (سخت)

بیشتر بخوان

← جلسه‌ی 8: پروژه: پیش‌بینی نمره جلسه‌ی 10: آموزش یعنی اصلاح اشتباه →