از نورون تا هوش ◇---<
رفتن به کانال در Telegram
هوش مصنوعی و طبیعی، نظریه پیچیدگی آرشام غواصیه، پژوهشگر پسادکتری ایندیانا
نمایش بیشتر4 379
مشترکین
+1524 ساعت
+227 روز
+22530 روز
در حال بارگیری داده...
جذب مشترکین
ژوئیه '26
ژوئیه '26
+187
در 1 کانالها
ژوئن '26
+251
در 0 کانالها
Get PRO
مه '26
+18
در 0 کانالها
Get PRO
آوریل '26
+9
در 0 کانالها
Get PRO
مارس '26
+10
در 0 کانالها
Get PRO
فوریه '26
+34
در 0 کانالها
Get PRO
ژانویه '26
+32
در 0 کانالها
Get PRO
دسامبر '25
+80
در 2 کانالها
Get PRO
نوامبر '25
+39
در 0 کانالها
Get PRO
اکتبر '25
+106
در 0 کانالها
Get PRO
سپتامبر '25
+250
در 3 کانالها
Get PRO
اوت '25
+1 300
در 3 کانالها
Get PRO
ژوئیه '25
+136
در 1 کانالها
Get PRO
ژوئن '25
+83
در 5 کانالها
Get PRO
مه '25
+148
در 4 کانالها
Get PRO
آوریل '25
+213
در 5 کانالها
Get PRO
مارس '25
+134
در 0 کانالها
Get PRO
فوریه '25
+416
در 1 کانالها
Get PRO
ژانویه '25
+366
در 2 کانالها
Get PRO
دسامبر '24
+572
در 6 کانالها
Get PRO
نوامبر '24
+35
در 0 کانالها
Get PRO
اکتبر '24
+29
در 0 کانالها
Get PRO
سپتامبر '24
+25
در 0 کانالها
Get PRO
اوت '24
+25
در 0 کانالها
Get PRO
ژوئیه '24
+66
در 0 کانالها
Get PRO
ژوئن '24
+86
در 1 کانالها
Get PRO
مه '24
+112
در 4 کانالها
Get PRO
آوریل '24
+89
در 4 کانالها
Get PRO
مارس '24
+109
در 3 کانالها
Get PRO
فوریه '24
+93
در 5 کانالها
Get PRO
ژانویه '24
+139
در 2 کانالها
Get PRO
دسامبر '23
+60
در 0 کانالها
Get PRO
نوامبر '23
+37
در 0 کانالها
Get PRO
اکتبر '23
+38
در 0 کانالها
Get PRO
سپتامبر '23
+89
در 0 کانالها
Get PRO
اوت '23
+163
در 0 کانالها
Get PRO
ژوئیه '23
+132
در 0 کانالها
Get PRO
ژوئن '23
+243
در 0 کانالها
Get PRO
مه '23
+75
در 0 کانالها
Get PRO
آوریل '23
+200
در 0 کانالها
Get PRO
مارس '23
+250
در 0 کانالها
Get PRO
فوریه '23
+223
در 0 کانالها
Get PRO
ژانویه '23
+11
در 0 کانالها
Get PRO
دسامبر '22
+18
در 0 کانالها
Get PRO
نوامبر '22
+21
در 0 کانالها
Get PRO
اکتبر '22
+21
در 0 کانالها
Get PRO
سپتامبر '22
+18
در 0 کانالها
Get PRO
اوت '22
+18
در 0 کانالها
Get PRO
ژوئیه '22
+60
در 0 کانالها
Get PRO
ژوئن '22
+63
در 0 کانالها
Get PRO
مه '22
+35
در 0 کانالها
Get PRO
آوریل '22
+177
در 0 کانالها
Get PRO
مارس '22
+70
در 0 کانالها
Get PRO
فوریه '22
+55
در 0 کانالها
Get PRO
ژانویه '22
+223
در 0 کانالها
Get PRO
دسامبر '21
+34
در 0 کانالها
Get PRO
نوامبر '21
+50
در 0 کانالها
Get PRO
اکتبر '21
+32
در 0 کانالها
Get PRO
سپتامبر '21
+19
در 0 کانالها
Get PRO
اوت '21
+13
در 0 کانالها
Get PRO
ژوئیه '21
+26
در 0 کانالها
Get PRO
ژوئن '21
+37
در 0 کانالها
Get PRO
مه '21
+47
در 0 کانالها
Get PRO
آوریل '21
+441
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 22 ژوئیه | +2 | |||
| 21 ژوئیه | +15 | |||
| 20 ژوئیه | +3 | |||
| 19 ژوئیه | +3 | |||
| 18 ژوئیه | +4 | |||
| 17 ژوئیه | +6 | |||
| 16 ژوئیه | +4 | |||
| 15 ژوئیه | +3 | |||
| 14 ژوئیه | +3 | |||
| 13 ژوئیه | +3 | |||
| 12 ژوئیه | +3 | |||
| 11 ژوئیه | +5 | |||
| 10 ژوئیه | 0 | |||
| 09 ژوئیه | +6 | |||
| 08 ژوئیه | +5 | |||
| 07 ژوئیه | +11 | |||
| 06 ژوئیه | +56 | |||
| 05 ژوئیه | +44 | |||
| 04 ژوئیه | +1 | |||
| 03 ژوئیه | +1 | |||
| 02 ژوئیه | +5 | |||
| 01 ژوئیه | +4 |
پستهای کانال
🧠 فردیت و یگانگی در شبکههای عصبی
ذهنِ هوشِ مصنوعی میتواند شبیه ذهنِ ما باشد؟
بررسی کامل مقاله بالا به صورت صوتی و نوشتاری (لینک نوشتاری) تقدیمتون شد. 🙏
این پست رو برای علاقمندان مغز، هوش مصنوعی، فیزیک و ریاضیات بفرستید.@physics_daily | از نورون تا هوش
| 2 | 🧠 فردیت و یگانگی در شبکههای عصبی—
ذهنِ هوش مصنوعی میتواند شبیه ذهنِ ما باشد؟
مثل قبل، اینجا خلاصه رو میگم و در پست بعدی بررسی مقاله رو به صورت فایل صوتی و نوشتاری تقدیم میکنم.
آیا فعالیت نورونی مغز من و شما، پس از یادگیری کاری یکسان، مثلا شنای قورباغه، به هم شبیه میشود؟
آیا شبکههای عصبی زیستی و مصنوعی راههای مشابهی برای حل مساله یکسان پیدا میکنند؟
پژوهشگران حدود سه هزار شبکه عصبی مصنوعی را زیر ذرهبین مطالعه گذاشتند (لینک مقاله نوریپس ۲۰۱۹). این شبکههای متفاوت، برای انجام وظیفهای یکسان آموزش دیده بودند. نتیجه این بررسی شگفتانگیز بود!
البته که هر شبکه الگوهای فعالیت نورونی خاص خودش را نشان میدهد. و این الگوهای فعالیت نورونی شکل هندسی مشخصی دارند. جالب اینجاست که هندسه شبکههای متفاوت، حتی بعد از یادگیری وظیفه یکسان، مشابه نشد!
این پاسخ ناامید کننده بود. با اینکه شبکهها مساله یکسانی را حل میکردند، هندسه فعالیت نورونی آنها حسابی متفاوت از آب در آمد. دقت کنید تمام این تنوع هندسی مسالهای واحد را حل میکرد! پس میشد نتیجه گرفت که هندسه فعالیت نورونی هیچ اطلاعات خاصی درباره چگونگی حل آن مساله آشکار نمیکند.
پژوهشگران این بار عمیقتر شدند تا به جای هندسه فعالیت نورونی، قوانین پنهانی که فعالیت نورونی را هدایت میکند کشف کنند. آنها این قوانین را با گرافها نمایش دادند. این گرافها مسیر دینامیک نورونها را هدایت میکنند.
شگفتانگیزتر اینکه این گرافها در تمام شبکههای عصبی، پس یادگیری یکسان، یکسان شد.
بنابرین، شبکههای عصبی در هندسه فعالیت نورونی خود «فردیت» دارند و در ریختشناسی ساختار دینامیکی (همین گرافها) «یگانگی.»
این کانال رو به علاقمندان مغز، هوش مصنوعی، فیزیک و ریاضیات معرفی کنید.
بررسی کامل در فایل صوتی و نوشتاری به زودی 👇🏻👇🏻👇🏻
@physics_daily | از نورون تا هوش | 1 |
| 3 | 🧠 فردیت و یگانگی در شبکههای عصبی—
ذهنِ هوش مصنوعی میتواند شبیه ذهنِ ما باشد؟
مثل قبل، اینجا خلاصه رو میگم و در پست بعدی بررسی مقاله رو به صورت فایل صوتی و نوشتاری تقدیم میکنم.
آیا فعالیت نورونی مغز من و شما، پس از یادگیری کاری یکسان، مثلا شنای قورباغه، به هم شبیه میشود؟
آیا شبکههای عصبی زیستی و مصنوعی راههای مشابهی برای حل مساله یکسان پیدا میکنند؟
پژوهشگران حدود سه هزار شبکه عصبی مصنوعی را زیر ذرهبین مطالعه گذاشتند (لینک مقاله نوریپس ۲۰۱۹). این شبکههای متفاوت، برای انجام وظیفهای یکسان آموزش دیده بودند. نتیجه این بررسی شگفتانگیز بود!
البته که هر شبکه الگوهای فعالیت نورونی خاص خودش را نشان میدهد. و این الگوهای فعالیت نورونی شکل هندسی مشخصی دارند. جالب اینجاست که هندسه شبکههای متفاوت، حتی بعد از یادگیری وظیفه یکسان، مشابه نشد!
این پاسخ ناامید کننده بود. با اینکه شبکهها مساله یکسانی را حل میکردند، هندسه فعالیت نورونی آنها حسابی متفاوت از آب در آمد. دقت کنید تمام این تنوع هندسی مسالهای واحد را حل میکرد! پس میشد نتیجه گرفت که هندسه فعالیت نورونی هیچ اطلاعات خاصی درباره چگونگی حل آن مساله آشکار نمیکند.
پژوهشگران این بار عمیقتر شدند تا به جای هندسه فعالیت نورونی، قوانین پنهانی که فعالیت نورونی را هدایت میکند کشف کنند. آنها این قوانین را با گرافها نمایش دادند. این گرافها مسیر دینامیک نورونها را هدایت میکنند.
شگفتانگیزتر اینکه این گرافها در تمام شبکههای عصبی، پس یادگیری یکسان، یکسان شد.
بنابرین، شبکههای عصبی در هندسه فعالیت نورونی خود «فردیت» دارند و در ریختشناسی ساختار دینامیکی (همین گرافها) «یگانگی.»
این کانال رو به علاقمندان مغز، هوش مصنوعی، فیزیک و ریاضیات معرفی کنید.
بررسی کامل در فایل صوتی و نوشتاری به زودی 👇🏻👇🏻👇🏻
@physics_daily | از نورون تا هوش | 751 |
| 4 | به زودی | 807 |
| 5 | حدس شما چیه؟ درباره سوال بالا | 1 525 |
| 6 | ❓ حدس شما چیه؟
من و شما در کلاس مشترکی شرکت میکنیم و یاد میگیریم شنای قورباغه کنیم، یا فلان انتگرال رو بگیریم.
سوال: اگر به اون بخش از مغزهامون نگاه کنیم که یادگیری مورد نظر درش انجام شده، آیا فعالیت عصبی مشابهی میبینیم؟ یا مثلا شبکههای نورونی ما دو راه کاملا متفاوت برای حل مساله واحد پیدا کردند؟
همین سوال رو میشه درباره هوش مصنوعی هم پرسید.
فعلا نظرسنجی کنیم تا بعد خلاصه مقاله رو تقدیم کنم.
@physics_daily | از نورون تا هوش | 1 497 |
| 7 | 🔥 مقاله بعدی که به زودی بررسی میکنیم.
@physics_daily | از نورون تا هوش | 1 409 |
| 8 | ❓ اگر با هر قدم نصف فاصله تا مقصد رو بری، در چند قدم به مقصد میرسی؟
من میگم یکم بیشتر نگاه کنیم بالاخره میرسه. 🤭
@physics_daily | 1 198 |
| 9 | 🧠 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 | 3 013 |
| 10 | 🧠 مغز چطور پیشزمینه را در تصمیمگیری لحاظ میکند؟
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 | 1 620 |
| 11 | 🔥 به زودی در همین کانال توضیحش میدم.
@physics_daily | از نورون تا هوش | 1 444 |
| 12 | 🧠 کالبد شکافی هوشهای مصنوعی دوقلو،
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.
💥 به جای آن، خاصیتهای هندسی شبکه که میتوان آنها را با تنها ده متغیر ناقابل توصیف کرد، عملکرد و یادگیری شبکه را هدایت میکنند.
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.
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.
برای آزمودن این یافته نظری، مولفین از شبکههای عصبی دوقلو استفاده کردند.
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.
💣 یعنی گذشتهی شبکه عصبی، حتی وقتی در رفتار فعلی دیده نمیشود، ممکن است در بخش خاموش سیمکشی پنهان شده باشد.
@physics_daily | از نورون تا هوش | 1 714 |
| 13 | 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. 😉 | 1 476 |
| 14 | 🆒 دوست دارید شبیهسازی کردن رو تجربه کنید؟ پوریا داره دکتری دانشگاه تهران میخونه و با ذوق و سلیقه مثالزدنی مهارت و دانشش رو منتقل میکنه.
@the_maze2022 | 1 515 |
| 15 | رفتار پنهانکارانه شبکههای عصبی
یه خلاصه عمومی روی این مقاله بالایی نوشتم. میتونید از گزینه instant view استفاده کنید و مطالعه کنید.
خودم عشق مقاله خوندن و خلاصه کردنش و توضیح دادنش هستم. ولی نمیدونم چقدر مخاطب داشته باشه. اگر استقبال بشه مقالات بیشتری رو پوشش میدیم و بعدتر وویسهای ده دقیقهای هم میسازم و توضیحشون میدم.
مخلص.
@physics_daily | از نورون تا هوش | 2 035 |
| 16 | 🔥 ممکن است پرسروصداترین سیگنالهای نورونی ربطی به رفتار (خروجی) نداشته باشند
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. از طرفی کمک میکنه نگاه معقولتری به دادههای مغزی داشته باشیم. از طرف دیگه، هشدار میده که چگونگی کارکرد هوش مصنوعی رو دقیقتر مطالعه کنیم.
@physics_daily | از نورون تا هوش | 2 328 |
| 17 | 🆒 مغز هوش مصنوعی چه شکلیه؟
تصویرگری زیبا از یه شبکه عصبی عمیق.
@physics_daily | از نورون تا هوش | 1 390 |
| 18 | 😂 مارکتینگ با پوست طبیعی
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.
اونوقت شماها سعی میکنید شبیه سمت چپی باشید.
@physics_daily | از نورون تا هوش | 1 262 |
| 19 | 🤬 کدوم یکی هوش مصنوعیه؟
این روزها واقعا تشخیصش سخت شده.
@physics_daily | 1 287 |
| 20 | اسپایرال لگاریتمی
@physics_daily | 1 238 |
