۵ مطلب با کلمه‌ی کلیدی «هوش مصنوعی» ثبت شده است

۵ آبان

در حال حاضر بیرون از خونه دو تا محیط هست که خودم رو عضوی ازشون می‌دونم: سر کار و باشگاه. واقعا خیلی آدما هستن که از مکالمات کوتاه و عادی روزمره باهاشون لذت می‌برم. هرچند که هنوز خودم رو درون‌گرا می‌بینم و وارد شدن به جمع جدید برام آسون نیست. دقیقا نکته همین‌جاست، بعد از چند ماه انگار یه کم پیدا کردم که با هر کی می‌تونم درباره‌ی چه چیزایی حرف بزنم. طوری که گاهی تو بعضی موقعیت‌ها، خودم از میزان اجتماعی شدنم تعجب می‌کنم و خوشحال می‌شم.

هر آدمی یه مدله. هنوز خیلیا رو خوب نمی‌شناسم و بعضیاشون رو دوست دارم که بیشتر بشناسم. از این طرف خودم هم آدم پرحرف و شروع‌کننده‌ای نیستم. این چالشه جالبش می‌کنه. گاهی می‌گم کاش زمان کش میومد و می‌دونستم به‌قدر کافی فرصت هست. هرچند می‌دونم که اگه برم جای دیگه کار کنم یا سانس دیگه‌ای باشگاه برم، خیلی دلتنگ نخواهم شد و همین داستان با محیط جدید شروع می‌شه. چون به نوعی خاصیت انسانه دیگه. محیط جدید، شناخت آدمای جدید، و شاید اثر کوچیکی که از اون آدمای قبلی با آدم بمونه. برای همینه که همون رفتارها و مکالماتِ عادی ولی واقعی پراهمیتن. همونا کم‌کم جمع می‌شن و شناخت ما از آدما رو شکل می‌دن و ممکنه خودمون رو هم تغییر بدن. مثلا همین الانش گاهی حرفی می‌زنم و متوجه می‌شم که لحن فلانی رو تقلید کرده‌م یا تیکه کلام یکی دیگه رو به کار برده‌م. شاید خودم هم چنین تاثیری گذاشته باشم، نمی‌دونم.

خیلی وقته دوست ندارم از جزئیات اتفاقات روزمره اینجا بنویسم. ولی این چند روز داشتم فکر می‌کردم انگار خوبه که جایی ثبت‌شون کنم. حتی شده تو یه فایل ورد. چون گاهی اینقدر تو ذهنم داستان می‌سازم و سناریو می‌چینم که نیاز دارم برگردم ببینم کدوم اتفاق واقعی بوده و کدوم کیک :)) یه وقتا هم آدم تحت تاثیر وقایع جدیدتر، چیزایی رو یادش می‌ره. مثلا اون وقتی که باید راجع به ادامه‌ی کار تصمیم می‌گرفتم، خوندن بعضی یادداشت‌های پراکنده از ماه‌های قبل بهم یادآوری کرد نباید خیلی هم دلم برای آدمی که روبه‌رومه بسوزه. در ادامه مکالمه‌ای باهاش داشتم که بهم ثابت کرد درست تصمیم گرفتم.

تو هوش مصنوعی و یادگیری عمیق، ایده‌ی شبکه‌های عصبی از نورون‌های مغز انسان و ارتباط‌شون با هم اومده. به شبکه‌ها یه سری داده می‌دیم تا آموزش ببینن؛ همونطوری که انسان یه سری الگو رو می‌بینه و تو مغزش ثبت می‌شه و بعد ورودی‌های جدید رو براساس چیزی که یاد گرفته پردازش می‌کنه. حالا، من این روزا برعکسِ این رو الهام می‌گیرم! مثلا وقتی می‌بینم که خروجی شبکه‌مون بیشتر تحت تاثیر دیتاییه که جدیدتر دیده تا اونی که روز اول دیده، می‌گم دقیقا مثل ذهن خودم که مثلا مکالمه‌ی دیروز رو رفتار امروزم تاثیر بیشتری داره تا مکالمه‌ی دو ماه پیش. از اینجور معادلات زیاد تو ذهنم می‌سازم و شاید خیلیاش از نظر فنی هم دقیق نباشه. ولی برای خودم جالبن و باعث می‌شن دوباره به اهمیت ثبت وقایع پی ببرم.

منظورم این نیست که هر روز، ریزِ اتفاقات و مکالمات یا افکار و احساساتم رو ثبت کنم (خیلی وقته از این شکل ژورنال نوشتن فاصله گرفتم). اما خب چند بار شده که چیزهایی از گذشته پیدا کردم که کمکم کرده‌ن. یه مثالشو بالاتر زدم، یکی دیگه هم اسکرین‌شاتی بود از یه چت قدیمی که باعث شد بفهمم چقدر رشد کردم و عوض شدم. فایده‌ش اینه. چون برخلاف اون شبکه‌هایی که رشد و خوب بودن‌شون رو با یه سری متریک عددی می‌سنجیم، در مورد ذهن خودمون چنین چیزی که تغییراتو کمّی کنه سراغ ندارم. ممکنه من دو سال پیش دنبال ایجاد یه تغییری بوده باشم و اینقدر سرعتم کم بوده که الان اصلا متوجه نباشم چقدر از مسیرو اومدم و چه پیشرفتی داشته‌م. اینجور وقتا یادآوری موقعیت‌هایی از گذشته می‌تونه به آدم این اطمینان رو بده که تو مسیر درستیه.

‌چقدر حرفام پراکنده شد. ولی خوبه که یه بخشی از فکرامو اینجا خالی کردم. (و یه جورایی امیدوارم کسی حوصله نکرده باشه تا آخر بخونه!)

  • فاطمه
  • جمعه ۵ آبان ۰۲

فکرهام بعد از دیدن وست‌ورلد و سایکو-پس

سلام

از دستاوردهام (!) تو آبان این بود که بالاخره فصل سوم وست ورلد رو تموم کردم و در کنارش فصل اول انیمه‌ی سایکو-پس رو هم دیدم. از اونجایی که هر دوشون به موضوعای فلسفی جذابی اشاره دارن و اتفاقا شباهت‌هایی هم دارن، تو فکرم بود یه چیزایی درباره‌شون بنویسم. ولی چون خیلی این روزا تمرکز ندارم یه مطلب منسجم بنویسم، عقب میفتاد. دیگه گفتم فعلا یه بخش از چیزایی که تو ذهنمه رو بنویسم تا بعد.

خب چون ممکنه هر دو یا هیچ‌کدوم رو ندیده باشین، اول یه مختصری از فضای هر کدوم بگم. تو وست‌ورلد یه شرکت اومده یه دنیایی از ربات‌های هوشمند ساخته که کاملا شبیه انسان‌هان. این ربات‌ها میزبان این دنیان و زندگی خودشون رو دارن. آدما هم برای تفریح و اینکه آزادانه هر کاری بخوان انجام بدن، پول می‌دن یه مدت می‌رن به این سرزمین. فصل اول سریال رو این محور می‌چرخه که بعضی از میزبان‌ها کم‌کم به وضعی که توشن آگاه می‌شن، مثلا متوجه می‌شن زندگی‌شون یه حلقه از اتفاقاتیه که هر روز به شکل کم و بیش یکسانی تکرار می‌شه، و به مرور تا حدی درگیر مسئله‌ی اراده و قدرت انتخاب می‌شن. بعد از یه سری اتفاقات، تو فصل سوم چند تا از این میزبان‌ها از وست‌ورلد میان بیرون، به دنیای آدم‌ها. داستان تو آینده‌ای می‌گذره (حدودای سال ۲۰۵۰) که تکنولوژی توش خیلی پیشرفت کرده. شاید مهم‌ترین جنبه‌ش شرکتیه به اسم اینسایت۱، که با استفاده از داده‌های خیلی زیادی یه هوش مصنوعی درست کرده و از این طریق به همه‌ی مردم نظارت داره، آمارشون رو داره، و حتی آینده‌شون رو پیش‌بینی می‌کنه.

انیمه‌ی سایکو پس هم تو آینده‌ای شبیه به این می‌گذره. سیستمی وجود داره به اسم شیبیل که باز آمار همه رو داره و مثلا براشون تعیین می‌کنه بهترین شغلی که می‌تونن داشته باشن چیه و ضمنا می‌تونه با اسکن آدم‌ها وضع روانی‌شون رو مشخص کنه. به این شکل که یه عدد (ضریب جرم) برای هر کس نمایش می‌ده. اگه کسی ضریب جرمش از یه حدی بالاتر بره دستگیر می‌شه (به هدف درمان) یا در موارد حاد کشته می‌شه. هدف هم اینه که جامعه‌ی امنی داشته باشن. یه اداره‌ی امنیت هم هست که شخصیت‌های داستان چند تا از افراد اونجان: بازرس‌ها و مجری‌ها. مجری‌ها در واقع بعضی از مجرم‌های بالقوه‌ای‌ا‌ن که به خاطر ضریب جرم بالاشون دستگیر شده بودن و حالا به بازرس‌ها کمک می‌کنن.۲

یه بحثی که تو این سریال هم خیلی پیش میاد همون قدرت اختیاره. تو چنین دنیایی چقدر آدما می‌تونن علی‌رغم مسیری که شیبیل براشون مناسب می‌دونه، خودشون دنبال رویاهاشون برن؟ چقد می‌تونن هیجانات و احساسات‌شون رو بروز بدن؟ آیا همیشه یه فردی که ضریب جرمش بالا رفته باید کشته بشه یا می‌شه شرایطش رو بررسی کرد؟ مثلا با کسی که بهش حمله شده و از فشار و استرس ضریبش بالا رفته باید چی کار کرد؟ و برعکس، اگه مجرمی پیدا بشه که حتی در حال ارتکاب قتل ضریب جرمش بالا نره و به همین خاطر اسلحه‌های بازرس‌ها اون رو به عنوان هدف تشخیص ندن چه باید کرد؟ آیا بازرس‌ها تو این وضعیت حق انتخابی دارن یا باید به اسلحه‌شون اعتماد کنن؟ اینا موقعیت‌هاییه که تو سریال پیش میاد و ذهن شخصیت‌ها و همین‌طور بیننده رو درگیر می‌کنه. 

 

توی آمار و الگوریتم‌های هوش مصنوعی که طبیعتا با داده‌ها سر و کار دارن، خیلی وقتا داده‌های پرتی (Outliers) وجود دارن که ممکنه کارو سخت کنن. تو هر دوی این سریال‌ها۳ هم این موضوع وجود داره. آدمایی هستن که با نُرم جامعه فرق دارن و با اون سیستم‌ها نمی‌خونن. مثلا تو وست‌ورلد کسایی که اختلال روانی دارن، یا تو سایکو پس کسایی که ضریب جرم‌شون در هر حالتی پایینه. کسایی که نه تنها نمی‌شه درست پیش‌بینی‌شون کرد، بلکه ممکنه تهدیدی برای جامعه باشن. پس یه چالش این سیستم‌ها (یا بهتر بگم تفکر پشت‌شون) که دنبال جامعه‌ای تا جای ممکن یک‌دستن که بشه راحت روش کنترل داشت، اینه که با این افراد چی کار کنن؟ مثلا به شکلی تربیت‌شون کنن که تو سیستم بگنجن؟ یا کلا حذف‌شون کنن؟ یا چی؟!

جالبیِ وست‌ورلد اینه که از جایی که ربات‌ها آگاه شده بودن و می‌خواستن از حلقه‌هایی که براشون تعریف شده بود بیرون بیان، به جایی می‌رسه که انسان‌ها هم خودشون رو تو همین موقعیت پیدا می‌کنن! یه جا که دیتای اینسایت لو رفته و شهر به هم ریخته چون همه از فهمیدنِ اینکه چه اتفاقایی قراره براشون بیفته قاطی کرده‌ن، یکی از شخصیت‌ها می‌گه من پروفایلم رو نخوندم؛ نمی‌دونم آینده‌م چیه ولی براساس تصمیمات خودمه نه چیزی که یه ماشین بگه. توی سایکو پس هم چند بار این حرف تکرار می‌شه که ارزش وجودی آدما به اراده‌شونه، به اینکه خودشون بتونن تصمیم بگیرن و جواب پیدا کنن.

فکر کردن به اینا جالبه. به فرض که همه چی جبری باشه۴، یا اصلا نه، سیستم مشابهی وجود داشته باشه که بتونه آینده‌مون رو پیش‌بینی کنه. آیا واقعا می‌خوایم بدونیم که تو آینده دقیقا چه اتفاقی میفته؟ اگه بدونیم، دیگه رسیدن به موفقیت‌هایی که ازشون خبر داریم لذتی داره؟ آیا می‌تونیم از اتفاق‌های بد اجتناب کنیم یا فقط می‌تونیم نگران‌شون باشیم؟ آگاهی از آینده رو انتخاب‌های الان‌مون چقدر تاثیر می‌ذاره؟ ترجیح می‌دیم بدونیم همه چی تعیین شده یا خوشحال باشیم که اینا تصمیمات خودمونن؟

و سوالات دیگه‌ای از این دست، که شاید مهم‌ترینش این باشه: نمود این همه داستانی که گفتیم تو جوامعِ الان چیه، و ما چطوری بهش نگاه می‌کنیم؟


۱. البته با املای Incite، که مشابهه با لغت Insight به معنی بینش و بصیرت!

۲. می‌خواستم برای جزئیات بیشتر لینک پست راینر از معرفی این انیمه رو بذارم که دیدم پاکش کرده :|

۳. به طور خاص منظورم فصل سوم وست‌ورلد و فصل اول سایکو پسه. ادامه‌ی سایکو پس رو ندیدم هنوز.

۴. من البته به جبر مطلق اعتقاد ندارم. حدیثی هست از امام صادق که می‌گن: نه جبر است و نه اختیار، بلکه امرى است میان این دو.

پ.ن. انتظار داشتم عنوان بهتری به ذهنم برسه برای این پست :|

پ.ن۲. این روزا چند تا چالش راه افتاده، من نرسیدم همه‌ی پستا رو بخونم ولی تو یکی‌شون دیدم دعوت شدم. از دوستایی که منو به چالش‌ها دعوت کردن تشکر می‌کنم و عذر می‌خوام که احتمالا این مدت نرسم بنویسم :)

  • فاطمه
  • شنبه ۱ آذر ۹۹

آخرین جلسات

سلام

۱-۱) امروز سر آخرین کلاس این ترم، استاد داشت راجع به خوشه‌بندی ترتیبی (Sequential Clustering، یه بحثیه تو ماشین لرنینگ) حرف می‌زد. عادت داره که گاهی این مفاهیم رو به زندگی واقعی هم تعمیم میده (و من چه تو اون موضوع موافق باشم باهاش چه مخالف، خیلی لذت می‌برم از این نوع دیدی که داره). خلاصه داشت می‌گفت عیب این روش اینه که به ترتیب ورود داده‌ها حساسه. بعد گفت یادگیری ما هم همین‌طوره، ترتیب ورود وقایع به ذهن‌مون (از بچگی تا الان) روی عقایدی که داریم تاثیر داره! برا همینه که بد نیست یه وقتا بازنگری کنیم توشون. :) خیلی به نظرم درست اومد.

۲-۱) جلسه‌ی آخر کلاس استاد خودمو هم رفتم سه‌شنبه. این درسو ترم یک داشتم ولی اون ترم خیلی کم میومد سر کلاس. این ترم خیلی جدی‌تر کار کرده و حالا قرار بود یکی بیاد یه نرم‌افزاری رو یاد بده، منم رفتم که یه کم یاد بگیرم و ضمنا سوال دوستم رو که مربوط به کار با همین نرم‌افزار بود بپرسم. معلوم شد پسره آنفلوانزا گرفته و استاد خودش اومد. منم دیگه روم نشد پاشم برم :)) بعد معلوم شد کلا درسش هم تموم شده، یه کم در مورد امتحان و پروژه‌ی بچه‌ها حرف زد و بعدم یه سری حرفای کلی راجع به اینکه چه کارایی میشه کرد تو این گرایش و چرا همه‌تون میرید (اپلای منظورش بود). گفت اگه می‌رید بدونید برا چی میرید و اگه می‌مونید بدونید برا چی می‌مونید. کلی بحث پیش اومد و حرفای خوب و منطقی از دو جهت زده شد و من متوجه شدم اینی که الان هم استاده هم کلی تو کار غیر دانشگاهیش موفقه، موقعی که هم‌مقطع الان من بوده، از یه سری جهات فکری شرایط مشابهی داشته. خلاصه نه اون نرم‌افزار گفته شد نه درسی داده شد، ولی واقعا حس نکردم وقتم تلف شده.

۳-۱) جلسه‌ی آخر یه کلاس دیگه (همونی که اون هفته یه جلسه‌شو پیچوندم :دی)، به این جمع‌بندی رسیدم که استاد واقعا هر سری که میاد تو کلاس، تو فاصله‌ی پهن کردن وسایلش روی میز و نوشتن شماره‌ی جلسه و تاریخ و این چیزا روی تخته، سه بار میگه «خب»، بدون هیچ حرف اضافه‌ای بینش =))

۲) انگار سال‌ها بود نرفته بودم داخل کتاب‌خونه مرکزی. که واقعا هم سال‌ها بود نرفته بودم! فکر کنم سال ۹۳ بود که یه مدت تو امتحانا مرتب می‌رفتم اونجا درس بخونم. ولی شاید آخرین باری که کلا رفتم سال ۹۵ بوده. حالا مهم نیست. این بار رفته بودم که یه کتاب برا دوستم بگیرم که تو کتاب‌خونه‌ی خودمون نبود، و بابام هم که دیده بود دارم میرم، یه لیست از کتابای نیکلاس اسپارکس بهم داد که هر کدوم رو پیدا کردم بگیرم! یه سری چیزا عوض شده بود. و بعد با این حقیقت روبرو شدم که قدر بخش ادبیات این کتابخونه رو نمی‌دونستم قبلا. قفسه‌های پر از کتابای قدیمی که هیچ‌وقت نرفته بودم بین‌شون بگردم. حالا نشسته بودم کف زمین بین کتابای سیدنی شلدون و چند تا نویسنده‌ی دیگه دنبال کتابای اسپارکس می‌گشتم که از روی شماره‌ای که پیدا کرده بودم، ظاهرا باید همون‌جاها می‌بود. بالاخره چند تاشو پیدا کردم و دیدم مجموعه‌ی کتابای موجود با کتابای لیست بابام فقط یه اشتراک دارن: دفتر خاطرات. خانم مسئول که نسبتا سن بالایی داشت تا این کتابو دستم دید گفت ااا عجب کتابی! کی اینو بهت معرفی کرده؟ گفت که خیلی کتاب خوبیه (حالا من نخوندم که تایید کنم) ‌و تا حالا ندیده بود کسی بیاد اینو بگیره! خیلی خوشحال شده بود خلاصه! خوشحال شدم منم. کتاب دوستم رو هم تو یه سالن دیگه پیدا کردم. موقعی که داشتم می‌گشتم متوجه برچسب عکس زیر شدم. معنی خاصی داره به نظرتون؟

۲-۲) کتابا رو که گرفتم دیدم یکی از این دستگاه‌های فیدیباکس نصب کردن بالای پله‌ها. فیدیبو رو آوردم و یه ساعت تایم رو گرفتم ازش و با این که سرچش یه کم اذیت می‌کرد و همه‌ی کتابای نشان‌شده‌م هم پریده بود، کتاب کتاب‌فروشی ۲۴ ساعته‌ی آقای پنامبرا به چشمم خورد و به نظرم جالب اومد. نشستم فصل اولش رو خوندم ولی معلوم نیست کی دوباره قراره راهم به یه فیدیباکس بخوره که بقیه‌ش رو بخونم!

۳-۲) چالش کتابخونی ۲۰۱۹ گودریدز هم تموم شد و من که این اواخر خیلی کم رسیدم کتاب بخونم، متوجه شدم ۳۱ عدد کتاب ثبت کردم امسال. این کتابا بودن.

۳) یادتونه یه بار گفتم که سر چهار راه نرگس خریدم و یکی از بچه‌های کار ازم گرفتش؟ :)) سه‌شنبه‌ی پیش از جلوی دانشگاه دوباره خریدم و گذاشتم رو میزم تو آزمایشگاه. خیلی حس خوبی داشت ^_^ فقط متاسفانه خورد به آخر هفته و شنبه‌ش رفتم دیدم خشک شده :)) این بار یادم باشه شنبه بخرم مثل آدم!

+ ببخشید که این روزا کمتر اینجا میام و می‌خونم‌تون. دیگه آخر ترمه و داستان همیشگی تراکم امتحانا و پروژه‌ها و تکالیف :/

+ اولین پست سال ۲۰۲۰ شماره‌ش ۲۰۲ شده! کدوماتون بودین عددا براتون مهم بود؟ :))

  • فاطمه
  • پنجشنبه ۱۲ دی ۹۸

پراکنده‌های روز انتخاب واحد

برای نمایش مطلب باید رمز عبور را وارد کنید
  • فاطمه
  • دوشنبه ۴ شهریور ۹۸

ریسک‌پذیری

سه‌شنبه سر کلاس هوش مصنوعی یه مبحثی مطرح شد و تهش یه چراغی تو ذهن من روشن شد و برای خودم یه نتیجه‌گیری کردم ازش. نتیجه‌گیری، پاراگراف آخر مطلبه. بقیه‌ی پست توضیح اون موضوعه و با توجه به اینکه خودم تازه یادش گرفتم ممکنه کامل نباشه یا اشکالی داشته باشه، اما خلاصه کردنش برا خودم جالب بود. پیشاپیش از بزرگای حوزه‌ی هوش مصنوعی و ماشین لرنینگ بابت این که پا تو کفش‌شون کردم عذرخواهی می‌کنم!

تو یادگیری ماشین یه مبحثی هست به اسم یادگیری تشویقی۱. اینطوریه که ربات یا سیستم پاسخ درست حرکتی که قراره بکنه رو نمی‌دونه، اما هر بار بعد از انجام حرکت بسته به درست بودن یا نبودنش بهش پاداش داده میشه یا جریمه میشه. در نتیجه بعد از چندین بار انجام حرکات یاد می‌گیره چه حرکتی درسته و از اون به بعد همون حرکت درست رو انجام میده. مثلا این ویدیو رو ببینید، یه رباته که داره یاد می‌گیره پن‌کیک تو تابه رو برگردونه :))

یکی از اولین روش‌های بر این مبنا، Learning Classifier System بوده که الان دیگه منسوخ شده انگار. تو این روش سیستم ما یه مجموعه گزاره (که بهشون می‌گیم قانون) به شکل «اگر... (فلان شرط برقرار بود)، آنگاه... (فلان کارو بکن)» داره. سیستم، موقعیتی که باهاش مواجه میشه رو چک می‌کنه تا ببینه با بخش «اگر» از کدوم قانون منطبقه، بعد عملی که تو بخش «آنگاه» اون قانون اومده رو انجام میده. اما خیلی وقتا بیشتر از یه قانون با اون موقعیت تطبیق دارن و از بین‌شون باید یکی انتخاب بشه. مثل این می‌مونه که استاد سر کلاس یه سوالی بپرسه و یه تعداد دست‌شونو ببرن بالا، حالا استاد از بین اینا باید یه نفرو انتخاب کنه، اگه طرف جواب درست داد نمره‌ی مثبت می‌گیره و اگر جواب اشتباه داد، نمره‌ی منفی. این انتخاب در واقع رندومه، مثل چرخوندن یه گردونه‌ی شانس، اما گردونه‌ای که قطاع‌هاش مساوی نیستن. قبل از شروع کار تمام قوانین یه امتیاز اولیه دارن که در واقع احتمال فعال شدن‌شونه. قطاع‌های گردونه‌ی شانس به نسبت این احتمال‌ها تقسیم شدن؛ یعنی هر چی یه قانون امتیاز بیشتری داشته باشه، احتمال انتخاب شدنش هم بیشتره.

حالا اینجا بحث ریسک‌پذیری مطرح میشه. قانونی که دست‌شو برده بالا (به این معنی که با شرایط تطبیق داشته) نمی‌دونه که قراره پاداش بگیره یا جریمه بشه. (چون سیستم پاسخ درست رو از قبل نمی‌دونه!) در عوض قانونی که هیچ‌وقت دست‌شو نبرده بالا، همین‌طوری نشسته و امتیازش دست نخورده. پس ممکنه به مرور امتیازش نسبت به بعضی قوانین دیگه زیاد بشه و در نتیجه احتمال انتخاب شدنش بره بالا! شاید بگین چه اهمیتی داره وقتی هیچ‌وقت با شرایط مَچ نمیشه؟ نکته همین‌جاس! اصلا همچین قانونی چرا باید تو سیستم باشه؟! در واقع امتیاز قوانین یه جای دیگه هم مهم میشه و اون وقتیه که می‌خوایم قوانین به درد نخور رو با قوانین جدید جایگزین کنیم. حذف قوانینِ به درد نخور با عکس امتیازشون رابطه داره (گردونه‌ی شانسی که این بار قطاع‌هاش به نسبت عکس امتیازها تقسیم شدن). ما می‌خوایم هم قوانینی که همه‌ش اشتباه جواب دادن کم‌کم حذف بشن، هم قوانینی که هیچ‌وقت با شرایط مَچ نمی‌شن. دسته‌ی اول که جریمه می‌شن و اینطوری امتیازشون کم میشه. اما دسته‌ی دوم که امتیازشون ثابت مونده چی؟ میایم هرچند وقت یک بار از تمام قوانین یه امتیازی تحت عنوان مالیات کم می‌کنیم که اون غیرفعال‌ها هم کم‌کم امتیاز از دست بدن...!

حالا البته یه مکانیزمای دیگه‌ای هم برا این کم و زیاد کردن امتیازا هست و خیلیاشم تو ورژن‌های بعدی اصلاح شده. اما این همه توضیح دادم که بگم ریسک‌پذیری مهمه! این که دست‌تو ببری بالا مهمه! بالاخره ممکنه چند بار اشتباه بگی چند بارم درست بگی. فوقش اینقدر اشتباه می‌کنی که می‌فهمی جای اشتباهی هستی. شاید مثلا سر کلاس اگه فعالیت نداشته باشی ازت نمره‌ای چیزی کم نشه. ولی به نوع دیگه‌ای، یا جاهای دیگه، اگه ریسک‌پذیر نباشی ممکنه یه جوری که نفهمی ارزشت کم بشه و کم‌کم از سیستم حذف بشی! و فهمیدن این از حالت قبلی خیلی بیشتر طول می‌کشه.

پ.ن. مخاطب این حرفا اول از همه خودم بودم که می‌دونم ریسک‌پذیریم زیاد نیست. :)


1) Reinforcement Learning

  • فاطمه
  • پنجشنبه ۱۲ ارديبهشت ۹۸

•• اسم وبلاگ از عنوان کتاب "اتاقی از آن خود"ِ ویرجینیا وولف برگرفته شده.
آرشیو مطالب