בינה מלאכותית, גרפים ורשתות נוירונים
הוצג| English | משמעות |
|---|---|
| machine learning/məˈʃiːn ˈlɜːnɪŋ/ | למידת מכונה |
| deep learning/diːp ˈlɜːnɪŋ/ | למידה עמוקה |
| graph/ɡræf/ | גרף |
| neural networks/ˈnjuːrəl ˈnetwɜːks/ | רשתות עצביות |
| nodes/nəʊdz/ | צמתים |
| edges/ˈedʒɪz/ | קשרים |
| minimax/ˈmɪnɪmæks/ | מינימקס |
| weight/weɪt/ | משקל |
| activation function/ˌæktɪˈveɪʃn ˈfʌŋkʃn/ | פונקציית הפעלה |
| hidden layers/ˈhɪdn ˈleɪəz/ | שכבות נסתרות |
התוכנית שלמדה לראות מבלי שספרו לה על מה לחפש
- בשנת 2012 צוות השתתף בתחרות זיהוי תמונות עם תוכנית שלא קיבלה לעולם כלל אחד לגבי מראה חתול. הוצגו למיליון תמונות מסומנות, והיא גייסה את הכללים בעצמה.
- היא הכפילה בהפחתת שיעור השגיאה בכל כניסה שתוכנתה ידנית. בתוך שלוש שנים כל התחום נטש כתיבת כללים.
- הפיכה זו היא נושא נושא זה: לא "איך אנו אומרים למחשב מהו חתול", אלא "איך מחשב עושה זאת ממדגמים".
- שיעור זה הוא מה שלמידת מכונה ולמידה עמוקה פוגשים, איך גרף הופך בעיות בינה מלאכותית לחיפוש, ומה רשת נוירונים מלאכותית מחשבת בפועל.
בינה מלאכותית, למידת מכונה ולמידה עמוקה
- בינה מלאכותית היא המטרה הרחבה: מערכות המבצעות משימות הדורשות בדרך כלל בינה אנושית, כמו ראייה, דיבור, תרגום והנהגה.
- למידת מכונה היא הגישה הדומיננטית עליה: אלגוריתמים לומדים דפוסים מהנתונים במקום להיות מוכנת צעד אחר צעד.
- למידה עמוקה היא למידת מכונה המשמשת רשתות נוירונים עם שכבות רבות. היא מובילה את התחום מאז שנות ה-2010 כי היא לומדת ישירות מהנתונים הגולמיים, פיקסלים או אודיו או טקסט, ללא מאפיינים שתוכננו ידנית.
- הם משתלבים זה בתוך זה: למידה עמוקה היא חלק מלמידת מכונה, שהוא חלק מבינה מלאכותית.
שלושה עיגולים, לא שלושה מתחרים
למידת מכונה היא אלגוריתם ש:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
ML למד מהנתונים; למידה עמוקה היא ML המשתמש ברשתות עצביות רבות-שכבתיות.
מהי הקשר בין בינה מלאכותית, למידת מכונה ולמידה עמוקה?
Difficulty 1/5 · 100 coins + a small bonus on first completion today
בינה מלאכותית היא המטרה, למידת מכונה היא הגישה הדומיננטית לה, ולמידה עמוקה היא למידת מכונה עם רשתות רבות-שכבתיות.
גרפים, ולמה כל כך הרבה בינה מלאכותית היא חיפוש
- גרף הוא קבוצת צמתים המחוברים על ידי קשרים. צמתים הם מצבים, מקומות או מושגים; קשרים הם תנועות, כבישים או יחסים.
- מציאת מסלול: רשת כבישים היא גרף, ומציאת נתיב היא חיפוש בגרף, באמצעות אלגוריתם דייקסטרה או A*.
- משחקי מחשב: כל מצב לוח הוא צומת וכל תנועה חוקית היא קשר, ולכן המשחק הוא עץ ש-מינימקס מחפש, בהנחה שכל שחקן בוחר את האפשרות הטובה ביותר שלו.
- ייצוג ידע: רשת סמנטית שומרת מושגים כצמתים ויחסים כקשרים. חיפש רחב-ראשון וחיפש עמוק-ראשון הם הכלים הסטנדרטיים לחקירת כל אחד מהם.
בבינה מלאכותית, גרף מורכב מ:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
גרפים מדגמים מצבים/מקומות כצמתים ותנועות/יחסים כקשתות — משמשים לחיפוש מסלול, עצי משחק ומידע.
דוגמה פתורה: הדמיית בעיה כגרף
- חברת משלוחים רוצה את הנתיק הקצר ביותר בין שני ערים. תארו כיצד זה מיוצג כגרף.
- כל עיר היא צומת; כל כביש הוא קשר המחבר שני צמתים; לקשר יש משקל, שהוא המרחק או זמן הנסיעה.
- הבעיה היא אז "למצוא את הנתיק בין שני הצמתים עם המשקל הכולל הקטן ביותר", שאלגוריתם דייקסטרה פותר.
- ציינו מה הצמתים, מה הקשרים ומה המשקלים משמעים. תשובה שאומרת רק "זה גרף" לא תזכה בנקודות.
רשת כבישים מודלת כגרף כדי למצוא את הדרך הקצרה ביותר. אילו הצהרות נכונות? סמן את כולן שחלות.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
מקומות הם צמתים וחבורות הן קשתות. אמירת מה המשקלים מייצגים היא נקודה השלישית.
הנוירון המלאכותי
- נוירון מלאכותי מקבל מספר קלטות. הוא מכפיל כל קלט במשקל, מוסיף אותם יחד עם שיפול (בייאס), ואז מעביר את הסכום דרך פונקציית פעולה לא-ליניארית כדי ליצור את הפלט.
- המשקלים הם מה שהרשת לומדת. פונקציית הפעולה היא מה שמאפשרת לרשת לייצג משהו אחר ממעגל ישר: ללאה, כל מספר של שכבות יתמוטט לנוסחה ליניארית אחת.
כפל, חיבור, ואז כיפוף
סדרו את השלבים בתוך נירון מלאכותי אחד.
Difficulty 3/5 · 200 coins + a small bonus on first completion today
כפל, סכום, הפעלה, העברה. ללא פונקציית פעולה לא-ליניארית, כל עומק של רשת יתמוטט לנוסחה ליניארית אחת.
שכבות, ומה "עמוק" משמעות
- נוירונים מסודרים בשכבות. שכבת הקלט מקבלת את הנתונים. שכבות נסתרות אחת או יותר לומדות דפוסים פנימיים. שכבת הפלט מייצרת את התשובה, מחלקה או מספר.
- רשת נקראת עמוקה כשהיא מכילה שכבות נסתרות רבות, והאימון של רשת כזו הוא למידה עמוקה.
- מדוע השכבות הנסתרות חשובות: ברשת לתמונות השכבות הראשוניות לומדות קצוות, השכבות האמצעיות צורות, והשכבות המאוחרות אובייקטים. אף אחד לא עיצב היררכיה זו; זו תוצאת האימון.
כניסה, נסתר, תפוקה והלמידה נמצאת במשקלים ביניהם
גשו על חלקי רשת נוירונים
חקרו את השכבות. הנת זורמים משמאל לימין: שכבת הקלט לוקחת את המאפיינים, השכבות הנסתרות לומדות דפוסים, ושכבת הפלט נותנת את התשובה — כאשר כל חיבור נושא משקל שהאימון מתכוונן.
התאמו כל חלק ברשת עצבנית לתפקיד שלו.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
תכונות נכנסות לשכבת הכניסה, שכבות החבויים לומדות תבניות, ושכבת היציאה מענה; הלמידה = כיוונון המשקלים.
רשת עצבנית נקראת "עמוקה" כאשר יש לה הרבה שכבות חבויים, וכל נירון מחשב סכום משוקלם של הקלטותיו (עם סטייה) לפני יישום פונקציית פעולה.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
הצבה של הרבה שכבות חבויים מאפשרת לרשת ללמוד תבניות עשירות יותר — אימון רשת כזו הוא למידה עמוקה.
רשת עצבנית נקראת "עמוקה" כאשר יש לה:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
מספר רב של שכבות נסתרות יוצר רשת נוירונים עמוקה; אימון אחת כזה הוא למידה עמוקה.
במהלך האימון, הערכים המותאמים בתוך הרשת הם ה____ שלה.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
הארכיטקטורה ופונקציית ההפעלה נבחרות על ידי המתכנן; מה שרשת לומדת מאוחסן במשקלים.
דוגמה מפורטת: הסבר כיצד נוירון מבצע חישוב
- תאר מה קורה בתוך נוירון מלאכותי יחיד. [3]
- כל כניסה מכופלת במשקל המיועד לה ומוספת סכום הכולל גם שיפול (bias).
- הסכום המתקבל עובר דרך פונקציית הפעלה, שאינה ליניארית.
- התוצאה היא התפוקה של הנוירון, המשמשת ככניסה לנוירונים בשכבה הבאה. המשקלים והשיפול הם הערכים המותאמים במהלך האימון.
סימונים נופלים מהיד
- למידת מכונה לומדת דפוסים ממידע; היא אינה "מותכנת צעד אחר צעד" ואינה קסם. אמור מה היא לומדת ממנו.
- "עמוק" פירושו רבות שכבות נסתרות, לא "חכם מאוד" או "גדול מאוד".
- גרף הוא צמתים וקשרים, ותשובה לגבי גרף חייבת לציין מה מייצג כל אחד בבעיה זו.
- ה-משקלים הם מה שהאימון משנה. פונקציית ההפעלה והארכיטקטורה נבחרות על ידי המעצב.
הבנתך מושלמת
- בינה מלאכותית היא היעד, למידת מכונה לומדת דפוסים ממידע במקום לעקוב אחרי כללים כתובים, ולמידה עמוקה היא למידת מכונה עם רשתות נוירונים רבות-שכבתיות.
- גרף של צמתים וקשרים הופך מציאת מסלול, משחקי מחשב וייצוג ידע לחיפוש, באמצעות אלגוריתמים כמו Dijkstra, A*, minimax, חיפוש רוחב וחיפוש עומק.
- נוירון מלאכותי מכפיל כניסות ב-משקלים, מוסיף שיפול ומפעיל פונקציית הפעלה לא ליניארית.
- השכבות מופעלות כ-כניסה, נסתר, תפוקה; עמוק פירושו רבות שכבות נסתרות, והלמידה נמצאת במשקלים.