مساله این نیست که افراد تحصیل‌ کرده‌اند یا نه. مساله این است که افراد فقط به اندازه‌ای تحصیل کرده‌اند که آموخته‌ها را باور کنند و نه به اندازه‌ای که بتوانند آموخته‌ها را زیر سوال ببرند. ریچارد فاینمن

The problem is not people being uneducated. The problem is that people are educated just enough to believe what they have been taught, and not educated enough to question anything from what they have been taught. —Professor Richard Feynman

Credit: Vala Afshar

You say you are a nameless man. You are not to your wife and to your child. You will not long remain so to your immediate colleagues if you can answer their simple questions when they come into your office. You are not nameless to me. Do not remain nameless to yourself — it is too sad a way to be. Know your place in the world and evaluate yourself fairly, not in terms of the naïve ideals of your own youth, nor in terms of what you erroneously imagine your teacher’s ideals are.

Richard P. Feynman

Interview with Geoffrey Hinton,
October 20, 2020

A lot of the people in the field believe that common sense is the next big capability to tackle. Do you agree?
Geoffrey Hinton: I agree that that’s one of the very important things. I also think motor control is very important, and deep neural nets are now getting good at that. In particular, some recent work at Google has shown that you can do fine motor control and combine that with language so that you can open a drawer and take out a block, and the system can tell you in natural language what it’s doing.

For things like GPT-3, which generates this wonderful text, it’s clear it must understand a lot to generate that text, but it’s not quite clear how much it understands. But if something opens the drawer and takes out a block and says, “I just opened a drawer and took out a block,” it’s hard to say it doesn’t understand what it’s doing.

Reference: MIT Technology Review

مقدمه:
دوستی در لینکدین پیام فرستاده بود و می‌خواست در مورد موضوعی نظر مرا جویا شود. راستش را بخواهید هر موقع می‌خواهم نظرم و به ویژه نظر مشورتی‌ام را با کسی در میان بگذارم، یاد نوشته‌ی “کرم ضد آفتاب بمالید” می‌افتم که نویسنده پس از کلی نصیحت گفته بود: “اگر نخواستید توصیه‌‏هایم را گوش کنید، نکنید. اما حرفم را در مورد کرم ضد آفتاب بپذیرید.” پیشنهاد و نصیحت برگرفته از دیدگاه، تجربه و دانش شما نسبت به موضوع است و خیلی زمینه‌گرا است و ممکن است لزروما در شرایط دیگر، برای فرد دیگر یا زمان دیگر درست نباشد.
شما هم اگر پیشنهادی دارید لطفا بفرمایید تا هم من و هم دیگر خوانندگان با دیدگاه شما آشنا شوند و از آن استفاده کنند. پیشاپیش سپاسگزارم.

پرسش:

مقدمه:
یکی از سرگرمی‌های من پیدا کردن راه‌هایی است تا مفاهیم یادگیری ماشین را به زبان ساده‌تر توضیح بدهم. این نوشته نمونه‌ای از راه‌کارهایی است که موقع برگزاری کلاس اتفاقی پیدا کردم.

یادگیری نظارتی (Supervised Learning)
داستان:
فرض کنید که معلمی با والدین یک شاگرد توافق می‌کند که به فرزندشان کمک کند تا نمره بهتری در درس ریاضی بگیرد. معلم با والدین روی نمره‌ی بالاتر از 18 توافق می‌کند.
ابزاری که معلم دارد فقط 1000 نمونه سوال ریاضی از سال‌های گذشته است. معلم تصمیم می‌گیرد که 200 سوال را از بین 1000 سوال جدا کند و از آنها به عنوان آزمون نهایی استفاده کند. اگر شاگرد بتواند پس از پاسخ به این 200 سوال به نمره‌ای بالاتر از 18 برسد، تعهد او با والدین انجام شده، وگرنه خیر.

حالا معلم 800 سوال در اختیار دارد و باید به شکلی مطمئن شود که شاگرد نمره‌ی بالای 18 از 200 سوال آزمون آزمایشی خواهد گرفت. او این 800 سوال را نیز به دو بخش 640 و 160 تایی تقسیم می‌کند. از 640 سوال اول برای آموزش به شاگرد استفاده می‌کند و از 160 سوال باقی‌مانده هم برای آن که مطمئن شود شاگرد حل 640 سوال را به خوبی یاد گرفته است و آماده‌ی آموزن نهایی است.

سوال بعدی معلم این خواهد بود که چند بار کل 640 سوال را با شاگردش حل کند و در هر جلسه‌ی چند تا سوال را حل کند. مثلا می‌تواند 3 بار کل سوالات را حل کند (3 * 640 سوال) و در هر جلسه هم 64 تا سوال (در مجموع 3 * 10 جلسه).

حالا اگر پس از برگزاری جلسات آموزشی، به کمک 160 سوال باقی مانده از شاگرد آزمون (آزمون دست‌گرمی) بگیریم و نمره شاگرد 16 شد چه اتفاقی می‌افتد؟ اگر نمره شاگرد 19 شد چه خواهد شد؟
فرض کنیم که شاگرد به خوبی آزمون دست‌گرمی را پشت سر گذاشت و معلم خیالش راحت شد. حالا نوبت برگزاری آزمون نهایی است. اگر شاگرد پس از حل 200 سوال نهایی، نمره‌اش 17 شد چه خواهد شد؟ اگر 18.5 شد چه خواهد شد؟
در چه صورت خیال والدین راحت خواهد بود که فرزندشان می‌تواند در آزمون مدرسه نمره بالای 18 را به دست بیاورد؟

نکات مهم داستان:
– معلم
– 1000 سوال
– 200 سوال برای آزمون نهایی (20 درصد کل سوالات)
– 800 سوال
– 160 سوال
– 640 سوال
– نمره به دست آمده از آزمون دست‌گرمی (ارزیابی)
– تفاوت نمره آزمون ارزیابی با نمره تعهدشده
– نمره به دست آمده از آزمون نهایی
– تفاوت نمره آزمون نهایی با نمره تعهدشده

مفاهیم یادگیری ماشین:
– معلم: معلم کسی است که جواب‌ها را می‌داند. در نتیجه این روش یادگیری، یادگیری تحت نظارت یا تحت سرپرستی معلم است.
-نمره 18: مقدار سنجه (metric) قابل قبول
– 1000 سوال: مجموع داده‌ها یا dataset
– 200 سوال برای آزمون نهایی (20 درصد کل سوالات): داده‌های آزمون یا test data
– 800 سوال: داده‌های آموزشی یا train data
– 160 سوال: داده‌های ارزیابی یا validation data
– 640 سوال: داده‌های آموزشی train data
– نمره به دست آمده از آزمون دست‌گرمی (ارزیابی): مقدار سنجه (متریک) حاصل از داده‌های ارزیابی (validation metrics)
– تفاوت نمره آزمون ارزیابی با نمره تعهدشده: انحراف مقدار سنجه در مرحله‌ی ارزیابی با مقدار سنجه‌ی قابل قبول
– نمره به دست آمده از آزمون نهایی: مقدار سنجه‌ی‌ حاصل از داده‌های آزمایشی (test metrics)
– تفاوت نمره آزمون نهایی با نمره تعهدشده: انحراف سنجه حاصل از داده‌های آزمایشی با سنجه قابل قبول

نکته پایانی:
برگردان مفاهیم یادگیری ماشین به فارسی چه کار دشواری شد!

گزیده:
مردم نگرانند که کامپیوترها بیش از اندازه باهوش شوند که دنیا را قبضه کنند. اما مساله‌ی واقعی این است که آنها خیلی احمق‌اند ولی با این حال، همین الان هم دنیا را قبضه کرده‌اند. پدرو دومینگوس

دیه گو آرماندو مارادونا در شصت سالگی از دنیا رفت. در مورد مارادونا که بخشی از خاطرات جوانی ما به او ختم می‌شود تنها می‌توانم بگویم:
نابغه‌ی محبوبی که قدر نبوغ خودش را ندانست و این باعث شد که جامعه‌ی انسانی از وجودش بی‌بهره بماند.

چند اظهار نظر درباره‌ی مارادونا را انتخاب کردم که نشان می‌دهد دیه‌گو کیست.
– رییس فدراسیون فوتبال آرژانتین: فوتبال در آرژانتین به دو بخش تقسیم می‌شه: قبل از مارادونا و بعد از آن.
– میشل پلاتینی: کاری که زیدان می‌تونست با یک توپ انجام بده، مارادونا می‌تونست با یک پرتقال انجام بده.
– خورخه والدانو: مهم‌تر از همه اینه که هیچ توپی تجربه‌ی بهتری از موقعی که زیر پای چپ او بوده نداشته.
– زیکو: او بهترینِ بهترین‌ها بود، بدون شک! برای نسل و دوره‌ی من، او واقعا بهترین بود. من دیدم که او کارهایی می‌کرد که خدا هم شک داشت انجام‌شدنی باشه.

خداحافظ دیه‌گو و روحت شاد

عکس از nytimes.com

جبر زیبا:
یادش به خیر، درس جبر در دبیرستان (جبر، حساب و جبر، جبر و آنالیز) از درس‌هایی بود که خیلی دوست می‌داشتم. سبک تدریس معلم عزیزمان “آقای سلطانی” دوست‌داشتنی هم این علاقه را صدچندان می‌کرد. آقای سلطانی در کلاس بسیار جدی بود تا جایی که یادم هست ما تا سال چهارم دبیرستان خنده‌ی ایشان را ندیده بودیم. با قدی بلند و دستانی کشیده، آن قدر متن‌ها را درشت می‌نوشت که با نوشتن هر ایکس (x) بخش زیادی از تخته‌سیاه کلاس پر می‌شد. هر جا که تشریف دارند، برای‌شان بهترین‌ها را آرزومندم و همیشه قدردان زحماتش هستم. جبر واقعا زیبا و دوست‌داشتنی است. حتی این روزها که برای فهم الگوریتم‌های یادگیری ماشین بیش از گذشته با آن رو به رو هستم، یاد گذشته، زیبایی‌اش را دو چندان می‌کند.

جبر نازیبا:
استاد راهنمای عزیزم، ایمیلی فرستاده بودند و نوشته بودند که بررسی کنید و در صورت دارا بودن شرایط، برای جایزه اقدام کنید. ایمیل حاوی شرح جایزه‌ای از شرکت آی‌بی‌ام (IBM) برای دانشجویان بود که جایزه معتبری است. شروع کردم به خواندن صلاحیت درخواست‌کنندگان تا رسیدم به این جمله که درخواست‌کنندگان نباید شهروند کشورهای مشمول تحریم آمریکا باشند.
چند وقت بعد داشتم دنبال آگهی‌های کارآموزی می‌گشتم دیدم که شرکت آی‌بی‌ام برای جذب کارآموز آگهی منتشر کرده است. بی‌شک کارآموزی در این شرکت، تجربه‌ی جالبی خواهد بود. به تجربه ابتدا با دقت متن آگهی را خواندم. دوباره به همان جملات رسیدم: متقاضی نمی‌تواند شهروند کشورهای … باشد.
این، بخشی از زندگی است که “جبر” است، شما نقشی در آن ندارید ولی باید بپذیرید. این همان “جبر نازیبا” است. زندگی ما پر است از این “جبرهای نازیبایی” که چاره‌ای جز کنار آمدن با آن نداریم. فقط می‌توانیم نفسی عمیق بکشیم و در دل بپرسیم “چرا؟” .

گزیده:
«هنگامی که دری از خوشبختی به روی ما بسته می‌شود ، دری دیگر باز می‌شود ولی ما اغلب چنان به دربسته چشم می دوزیم که درهای باز را نمی بینیم» هلن کلر