ایمان نظری

پیش‌نوشت: این مطلب، الهام گرفته از نوشته‌ی دیگریست. نسخه‌ی اصلی و مفصل‌تر در New York Times (حدود ۹۰۰۰ کلمه انگلیسی)

همانطور که می‌دانید اینترنت توسط تعدادی محقق که از دولت آمریکا برای تحقیقاتشان سرمایه جذب می‌کردند توسعه پیدا کرد تا این امکان را فراهم کند که دو کامپیوتر بتوانند ارتباطی بدون نقص با هم داشته باشند. به سنت معمول کارهای اکادمیک، پس از حدود بیست سال نتایج این تحقیقات در قالب یک پروتکل استاندارد منتشر شد تا همه بتوانند به رایگان از آن استفاده کنند. مشابه همین اتفاق برای پروتکل‌های ارتباطی ایمیل (POP, IMAP, SMTP) هم رخ داد و هرکسی می‌توانست بدون اینکه ریالی به سازندگان این پروتکل بپردازد، از امکاناتی که اون‌ها ایجاد کرده بودند در بستر اینترنت ( که اون هم پروتکل مشابهی بود) استفاده کند. GPS هم کمابیش به همین شکل به دست عموم مردم رسید. (قبل [...ادامه‌ی مطلب...]

همانطور که انتظار دارید قرار نیست از پست‌های من چیز خاصی در بیاد. پس Skip as you wish.

پارسال بهمن ماه بود که به شدت احساس بی ثمر بودن بهم دست داده بود و نمی‌دونستم که باید چیکار کنم. طول روزم پر بود اما نتیجه‌ای نداشت. دنبال یه گزینه آلترناتیو بودم. همون موقع‌ها بود که تصمیم گرفتم کتاب خوندن رو به صورت جدی‌تر از همیشه دنبال کنم. دیروز توی اکانت گودریدزم می‌گشتم که دیدم از هدف‌گذاری‌ای که در تعداد کتاب‌ها برای این سال میلادی داشتم هم گذر کردم. یعنی انتظار داشتم ۲۴ تا بخونم، ولی الان ۲۸ امی رو تموم کردم. ضمنا کل کتاب‌هایی که تا الان خوندم ۵۳ جلد بوده که یعنی نصف بیشترشون رو در همین امسال خوندم.

این جمله هم شرمنده‌کننده‌ست (از این که قبلا خیلی کم می‌خوندم) و هم خوشحال‌کننده (که رشد خوبی داشتم). ولی به [...ادامه‌ی مطلب...]

در ادامه مسخره‌بازی‌هایی که اخیرا با ابزارهای هوش مصنوعی دارم، به بخش تحلیل متن رسیدم. الان دارم با مدل Word2Vector کار می‌کنم. این مدل کارش اینه که تعداد زیادی متن رو می‌خونه، و صرفا از روی محیطی که اون کلمه درش قرار داره، معنای اون رو پیش‌بینی کنه. (با خود کلمه و حروفش کاری نداره.) البته دقیقا نمی‌تونه بگه این کلمه چه معنی‌ای داره. اما میتونه کلمات دیگه‌ای که در یک فضای معنایی مشابه اون قرار دارند رو تشخیص بده. مثلا کلمات بد و خوب، با این که متضاد هم هستن، در یک فضای معنایی قرار می‌گیرن، چون میشه به جای همدیگه استفاده کنیم. (هرچند معنی کاملا عوض میشه، اما جمله بی‌معنی نمیشه) حالا که سیستم به این شناخت از کلمات رسید می‌شه این درک حاصله رو روی تصویر هم نشون داد، جوری که کلماتِ با فضای معنایی مشابه، به [...ادامه‌ی مطلب...]

اول از همه باید به غیر حرفه‌ای بودن خودم اعتراف کنم. از بس ذوق زده شده بودم بعد همایش که عکس‌های دسته جمعی رو بدون اینکه نگاه کنم همینطوری بین دوستای متممی پخش کردم. بعدا که نگاهشون کردم گفتم ای دل غافل عجب عکس آبروبری :)) دوربین کج، ترکیب بندی بد،… این شد که نشستم روی همه ادیت‌های اولیه رو پیاده کردم تا حداقل دوستان متممی روشون بشه اونو جایی نشون بدن. ضمنا حجم اون عکس‌هایی که منتشر شده بود حدود یک مگابایت بود. این شد که تصمیم گرفتم یه اعلامیه بدم و بگم که می‌تونید از لینک پایین، همه‌ی عکس‌های دسته جمعی ادیت شده رو با حداکثر کیفیت (بین ۵ تا ۳ مگابایت) دریافت کنید. امیدوارم اگه قراره عکسی از دوربین من تو وبلاگشون بمونه، اینا بمونه تا حداقل چیزی هم از آبروی بنده ایضا :)) (قابل توجه امین [...ادامه‌ی مطلب...]

یه متد جالبی توی هوش مصنوعی هست که من خیلی بهش علاقه دارم، به نام الگوریتم ژنتیک. وقتی استفاده میشه که ما میتونیم تطابق هر جواب با مسئله رو حساب کنیم، اما روش رسیدن به جواب رو نمیدونیم. مثلا می‌خوایم یه شبکه عصبی بنویسیم که بره خودش سوپرماریو (قارچ‌خور) بازی کنه؛ از روی امتیاز یا تموم کردن بازی، راحت میشه فهمید کی بهتر بازی کرده اما سخته که خط به خط برنامه نویسی کنیم که یه سیستم بتونه خودش سوپرماریو بازی کنه. این موقع ریش و قیچی رو میسپریم دست هوش مصنوعی.

توی الگوریتم ژنتیک، یه محیط داریم و تعداد زیادی گونه. هر گونه یک جواب محتمل هست برای سوالِ این محیط. یعنی صدتا شبکه عصبیِ شانسی ساختیم و می‌خوایم ببینیم کدوم یکی از اینا می‌تونه بازیِ سوپرماریو رو تموم کنه. قاعدتا وقتی شانسی شبکه عصبی میسازیم، همشون توی بازی [...ادامه‌ی مطلب...]