وقتی آثار تصادفی (نویز) مفید واقع میشود!
وقتی محققین مقدار اندکی نویز الکتریکی به محیط ماهی اضافه کردند، پدلفیش توانست شکار را از فواصل دورتری شناسایی کند!
دقت پایین نیامد! بالا رفت.
چاپ شده در نیچر، سال ۱۹۹۹
@physics_daily
Please open Telegram to view this post
VIEW IN TELEGRAM
👍16❤7🔥7
از نورون تا هوش ◇---<
درود دوستان،
درباره این قاضی و وکیل توضیح میدم. امیدوارم به درد بخور باشه.
قاضی بودن در علم یعنی هر ادعا رو درست بسنجی. از کجا اومده؟ چه پشتوانهای داره؟ قابل اعتناست؟ آیا در تضاد با علم روزه؟ در تاییدشه؟ اینجور چیزا. اگه خیلی توش زیادهروی کنیم میشیم چیزی که بش میگم جوجه منتقد. اگه توش کم بگذاریم میشیم سادهلوح. ولی یه مقدار سلامتش باید در همهمون باشه.
وکیل بودن توی علم کار دشوارتریه. ببینید، شما باید با تمام وجود تلاش کنید صحت فرضیه مد نظرتون رو نشون بدید. و اول از همه به خودتون نشون بدید!
تصور کنید فرضیه شما اینه که داخل هندونه خوردنیه. ولی کسی دلش نمیاد چاقو بزنه هندونه رو باز کنه. شما باید اونقدر انگیزه داشته باشی که این کار رو بکنی.
اگه چاقو اختراع نشده، باید انقدر بخوای نشون بدی فرضیهت درسته، که چاقو رو خودت اختراع کنی و هندونه رو باز کنی.
اگه وکیل خوبی نباشی، بهت میگن ببین یه خرده با ناخن خراش بدی همچنان سفید و بدمزهست. بنابرین بعیده که توش قرمز و خوردنی باشه. شما هم میگید آخ آره راست میگید. تمام.
با دانشجوهای تازهکار زیادی کار کردم که از این وکیل بودنه درکی نداشتن. و خب با اولین نتیجه نگاتیو (منفی) میگفتن آره فرضیه اشتباهه. و خب همچین سنجشی به درد نمیخوره. اگه فرضیه خوبه، باید ته قضیه رو درآورد و بهش به اندازه کافی شانس داد.
مثل وکیلی که پروندهای قبول میکنه.
روز خوبی داشته باشید.
@physics_daily
درباره این قاضی و وکیل توضیح میدم. امیدوارم به درد بخور باشه.
قاضی بودن در علم یعنی هر ادعا رو درست بسنجی. از کجا اومده؟ چه پشتوانهای داره؟ قابل اعتناست؟ آیا در تضاد با علم روزه؟ در تاییدشه؟ اینجور چیزا. اگه خیلی توش زیادهروی کنیم میشیم چیزی که بش میگم جوجه منتقد. اگه توش کم بگذاریم میشیم سادهلوح. ولی یه مقدار سلامتش باید در همهمون باشه.
وکیل بودن توی علم کار دشوارتریه. ببینید، شما باید با تمام وجود تلاش کنید صحت فرضیه مد نظرتون رو نشون بدید. و اول از همه به خودتون نشون بدید!
تصور کنید فرضیه شما اینه که داخل هندونه خوردنیه. ولی کسی دلش نمیاد چاقو بزنه هندونه رو باز کنه. شما باید اونقدر انگیزه داشته باشی که این کار رو بکنی.
اگه چاقو اختراع نشده، باید انقدر بخوای نشون بدی فرضیهت درسته، که چاقو رو خودت اختراع کنی و هندونه رو باز کنی.
اگه وکیل خوبی نباشی، بهت میگن ببین یه خرده با ناخن خراش بدی همچنان سفید و بدمزهست. بنابرین بعیده که توش قرمز و خوردنی باشه. شما هم میگید آخ آره راست میگید. تمام.
با دانشجوهای تازهکار زیادی کار کردم که از این وکیل بودنه درکی نداشتن. و خب با اولین نتیجه نگاتیو (منفی) میگفتن آره فرضیه اشتباهه. و خب همچین سنجشی به درد نمیخوره. اگه فرضیه خوبه، باید ته قضیه رو درآورد و بهش به اندازه کافی شانس داد.
مثل وکیلی که پروندهای قبول میکنه.
روز خوبی داشته باشید.
@physics_daily
🔥20👍16❤10💯1
از نورون تا هوش ◇---<
Photo
انیشتین یه زمان کتاب "گرامر علم" از پیرسون رو میخونه. این کتاب نقطهنظرهای جذابی رو مطرح میکنه.
مثلا اینکه قوانین عالم در برابر توان ادراکی مشاهدهگر نسبیست.
یا اینکه مشاهدهگری که با سرعت نور حرکت میکند، یک لحظه حال ابدی را تجربه میکند.
به نظر میرسه این کتاب روی نظریه انیشتین تاثیر قوی داشته.
پیرسون در همون کتاب حدس میزنه:
مشاهدهگری که سریعتر از نور حرکت کند، زمان برایش معکوس میشود (از آخر به اول).
پیرسون علاوه بر معرفی رندوم واک (ولگشت) و ایدههای فیزیکی درباره ادراک و قوانین عالم، یکی از شناختهشدهترین چهرههای زمان خودش در زمینه ریاضیات و آمار بود.
شاید علاقه پیرسون به داروینیسم اجتماعی و یوژنیک باعث حذفش از داستان رایج علم شده باشه.
پایینتر عکسی از صفحه اول کتابش میگذارم.
@physics_daily
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥14👍6❤4💯1
از نورون تا هوش ◇---<
گرامر علم از کارل پیرسون. چاپ اولش ۱۸۹۲ بوده. انیشتین سال ۱۹۰۲ خوندش. سه سال قبل از نسبیت.
البته انیشتین منابع الهام دیگری هم داشت. اما همونطور که بهتون نشون دادم، صراحت این یکی شگفتانگیزه.
@physics_daily | از نورون تا هوش
Please open Telegram to view this post
VIEW IN TELEGRAM
❤12👍7
نویز مهمه، هم در هوش طبیعی هم در مصنوعی.
عمری باشه میگم.
ضمنا دارم روی یه سری کورس کار میکنم. البته طول میکشه. ولی تدریس جدی خواهیم داشت.
@physics_daily | از نورون تا هوش
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
از نورون تا هوش ◇---<
هوش مصنوعی و طبیعی، نظریه پیچیدگی
آرشام غواصیه، پژوهشگر پسادکتری ایندیانا
آرشام غواصیه، پژوهشگر پسادکتری ایندیانا
🔥14❤4👍3😍3💯2
پیش از یادگیری، وزنهای اتصالات در شبکههای عصبی کاملا تصادفی هستند (معمولا توزیع نرمال دارند).پژوهش چاپ شده در نوریپس سال ۲۰۲۰ (لینک) نشان میدهد که یادگیری در تمام اتصالات شبکههای عصبی (RNN) رخ نمیدهد. تغییرات اتصالات در اثر یادگیری معمولا پیچیده و سراسری نیست.
برعکس، تغییرات مهم در چند مسیر محدود اتفاق میافتند--- ماتریس تغییر کممرتبه (یا شاید بهش میگیم کمرتبه) است.
نکته جالبتر: اگر اتصالاتی که حین یادگیری تغییر نکردهاند و تصادفی ماندهاند را بُر بزنید و مخلوط کنید، شبکه آنچه یاد گرفته را فراموش میکند. بنابرین یادگیری روی همان وزنهای تصادفی دست نخورده اولیه سوار میشود.
یادگیری فقط چند نقطه حساس این ساختار تصادفی بزرگ را خم میکند.
@physics_daily | از نورون تا هوش
Please open Telegram to view this post
VIEW IN TELEGRAM
👍13❤🔥7😍2🔥1
از نورون تا هوش ◇---<
Anonymous Poll
95%
احتمالا چنین محتوایی رو دنبال میکنم
5%
احتمالا چنین محتوایی رو دنبال نمیکنم
❤15👍4
Please open Telegram to view this post
VIEW IN TELEGRAM
💯15❤2👍2🎉2🔥1
این روزها شرکتها میخوان بگن هوش مصنوعیشون پوست رو طبیعی ترسیم میکنه. با کک و مک و چین و چروک و فرو رفتگی و برآمدگیهاش. شبیه سمت راستی.
@physics_daily | از نورون تا هوش
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8👍8🔥3💯3
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10❤5👍2🎉1
امروزه, چه در دادههای مغزی، چه در تحلیل طرز کار هوش مصنوعی، به دنبال بازنماییهای عصبی (رپرزنتیشنها) هستیم.
بازنمایی عصبی نوعی فعالیت نورونهاست که با رفتار (یا به طور کلی کارکرد سیستم) ارتباط مستقیم دارد.
مطالعه اخیر چاپ شده در ایلایف (لینک) نشان میدهد بیشتر فعالیت عصبی میتواند ارتباطی با خروجی (مثلا رفتار) نداشته باشد.
خیلی وقتها، بازنماییها زیر سایه فعالیت غالب شبکه پنهان میشوند.
خب خیلی مهمه. باید هم دادههای مغزی و هم فعالیت شبکههای عصبی مصنوعی رو جور دیگهای، با لحاظ کردن اینکه فعالیت غالب میتونه گمراهکننده باشه، تحلیل کنیم.
@physics_daily | از نورون تا هوش
Please open Telegram to view this post
VIEW IN TELEGRAM
❤19👍3❤🔥2🔥2
از نورون تا هوش ◇---<
خود مقاله:
Aligned and oblique dynamics in recurrent neural networks، elife, 2024
@physics_daily | از نورون تا هوش
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegraph
رفتار پنهانکارانه شبکههای عصبی
یکی از چالشهای بنیادی در علوم اعصاب این است که بفهمیم فعالیت الکتریکی آشفتهی میلیاردها نورون چگونه به رفتارهای هماهنگ و هوشمندانه، مثل راه رفتن یا برداشتن یک فنجان، تبدیل میشود. پاسخ به این پرسش به درک بهتر هوش مصنوعی هم کمک میکند. برای شروع بهتر است…
❤30❤🔥6👍5😍3🔥2
پوریا آزادی (Poria Azadi)
برای آموزش های شبیه سازی ای که داشتیم، هشتگ #آزمایشگاه_محاسباتی رو اضافه کردم و از این به بعد ما اینجا یه آزمایشگاه خواهیم داشت که آموزش های مرتبط با زیست شناسی رو با شبیه سازی کردن یاد میگیریم. احتمالا از این به بعد یکم حرفه ای تر و قشنگتر کار میکنیم. …
@the_maze2022
Please open Telegram to view this post
VIEW IN TELEGRAM
😍14🔥1
عنوان پست بعدی:
کالبد شکافی هوشهای مصنوعی دوقلو،
اتصالات مرئی و نامرئی در شبکههای عصبی
امیدوارم تا فردا بتونم بنویسمش. این راه زحمت داره اما اگر استقبال کنید ادامهش میدم. برای شروع میتونید نوتیف کانال رو روشن کنید. 😉
Unmute 👇🏻👇🏻👇🏻
کالبد شکافی هوشهای مصنوعی دوقلو،
اتصالات مرئی و نامرئی در شبکههای عصبی
امیدوارم تا فردا بتونم بنویسمش. این راه زحمت داره اما اگر استقبال کنید ادامهش میدم. برای شروع میتونید نوتیف کانال رو روشن کنید. 😉
Unmute 👇🏻👇🏻👇🏻
🔥18❤16👍3❤🔥2😍1
تجارب گذشته در بخش نامرئی اتصالات ذخیره میشود
بررسی دوقلوها که معمولا در ژنتیک مطرح میشود، اینبار سر از دنیای هوش مصنوعی (RNNها) درآورده است.
مطالعه جذابی که همین دو ماه پیش روی آرکایو قرار گرفت (لینک) نشان میدهد عمیق شدن روی جزییات هزاران اتصال عصبی میتواند کاری بیهوده باشد.
این متغیرهای هندسی، در بیان ساده، میزان شباهت یا همپوشانی قسمتهای مختلف شبکه عصبی را نشان میدهند. برای همین به آنها همپوشانی گفته میشود--- اندازهگیری همپوشانیها آسونه، نگران نباشید.
اما ریاضیات فراتر هم میرود و نکته جالبی را نشان میدهد:
صرفا ۴ همپوشانی مسئول رفتار سیستم، پاسخ آن به ورودی و پایین آوردن خطا حین یادگیری هستند. به اینها همپوشانیهای مرئی گفته میشود.برای آزمودن این یافته نظری، مولفین از شبکههای عصبی دوقلو استفاده کردند.
در عوض، ۶ همپوشانی نامرئی داریم که اثری بر خروجی شبکه نمیگذارند، اما مثل یک دفترچهی یادداشت خاطرات گذشتهی شبکه را در خود نگه میدارند.
طبیعتا، این شبکهها در ابتدا کامل یکسان هستند. مولفین هر شبکه را در مسیر متفاوتی با تجارب متفاوتی پیش بردند. مثلا به اولی یاد دادند مساله الف را حل کند و به دومی مساله ب. بعد، هردو را وادار کردند تا حل مساله مشترکی (مثلا ج) یاد بگیرند.
🔪🧠 وقتی توانمندی هردو شبکه در حل مساله مشترک دقیقا یکسان شد، پژوهشگران این دو را کالبد شکافی کردند.
نتیجه نهایی:
۱. با نگاه کردن به همپوشانیهای مرئی تفاوت چشمگیری بین دوقلوها دیده نمیشد.
۲. اما با نگاه کردن به همپوشانیهای نامرئی، تفاوت تجارب گذشته آشکار میشد.
@physics_daily | از نورون تا هوش
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥17❤7👍5🔥1😍1
صدای انفجار میشنوید! اگر چهارشنبهسوری باشد، ممکن است لبخند بزنید. اگر نباشد، شاید حدس بزنید جنگ شروع شده و استرس بگیرید یا به شعف بیایید.
مغز شما به پیشزمینه (کانتکست) اهمیت میدهد. اما دقیقا چطور این کار را میکند؟
قبلا تصور میشد که مغز اطلاعاتِ نامربوط به پیشزمینه را (مثل حضور دسته کلاغها در آسمان حین رانندگی) در نواحی حسی اولیه فیلتر و حذف میکند.
درعوض اطلاعات مربوط به پیشزمینه را (مثل لغزندگی جاده حین رانندگی) نگه میدارد.
بنابرین، فقط اطلاعات مربوط به پیشزمینه را به مراکز تصمیمگیری (PFC) میفرستد.
مطالعه چاپ شده در نیچر با بیش از دوهزار ارجاع نشان میدهد اینطور نیست. اطلاعات مرتبط و نامرتبط به پیشزمینه، با هم، وارد مرکز تصمیمگیری مغز شما میشود.
در عوض، نورونهای مرکز تصمیمگیری در مسیرهای هندسی جذابی فعالیت جمعی میکنند که توسط پیشزمینه تعیین میشود.
همانطور که جوی مسیر حرکت آب را مشخص میکند، پیشزمینه رسیدن به تصمیم را هدایت میکند.
پژوهشگران با مطالعه شبکههای عصبی مصنوعی RNN نشان دادند که همان الگوریتمِ هندسی پیدا شده در مغز در هوش مصنوعی هم به طور خودجوش بروز میکند.
توضیح کاملتر مقاله به شکل
۱. فایل صوتی
۲. فایل نوشتاری
در پست بعدی تقدیم میشه.
این کانال رو به علاقمندان مغز، هوش مصنوعی، فیزیک و ریاضیات معرفی کنید.
@physics_daily | از نورون تا هوش
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥15👍8❤4😍3🔥2
🧠 مغز چطور پیشزمینه را در تصمیمگیری لحاظ میکند؟
بررسی کاملتر مقاله بالا به صورت صوتی و نوشتاری (لینک نوشتاری) تقدیمتون شد. 🙏
این کانال رو به علاقمندان مغز، هوش مصنوعی، فیزیک و ریاضیات معرفی کنید.
@physics_daily | از نورون تا هوش
بررسی کاملتر مقاله بالا به صورت صوتی و نوشتاری (لینک نوشتاری) تقدیمتون شد. 🙏
این کانال رو به علاقمندان مغز، هوش مصنوعی، فیزیک و ریاضیات معرفی کنید.
@physics_daily | از نورون تا هوش
❤27👍5🔥3❤🔥2😍2💯1