Вже доступно! Дослідження Telegram за 2025 — головні інсайти року 
از نورون تا هوش ◇---<
Відкрити в Telegram
هوش مصنوعی و طبیعی، نظریه پیچیدگی آرشام غواصیه، پژوهشگر پسادکتری ایندیانا
Показати більше4 341
Підписники
+5624 години
+997 днів
+26430 день
Триває завантаження даних...
Залучення підписників
липень '26
липень '26
+114
в 1 каналах
червень '26
+251
в 0 каналах
Get PRO
травень '26
+18
в 0 каналах
Get PRO
квітень '26
+9
в 0 каналах
Get PRO
березень '26
+10
в 0 каналах
Get PRO
лютий '26
+34
в 0 каналах
Get PRO
січень '26
+32
в 0 каналах
Get PRO
грудень '25
+80
в 2 каналах
Get PRO
листопад '25
+39
в 0 каналах
Get PRO
жовтень '25
+106
в 0 каналах
Get PRO
вересень '25
+250
в 3 каналах
Get PRO
серпень '25
+1 300
в 3 каналах
Get PRO
липень '25
+136
в 1 каналах
Get PRO
червень '25
+83
в 5 каналах
Get PRO
травень '25
+148
в 4 каналах
Get PRO
квітень '25
+213
в 5 каналах
Get PRO
березень '25
+134
в 0 каналах
Get PRO
лютий '25
+416
в 1 каналах
Get PRO
січень '25
+366
в 2 каналах
Get PRO
грудень '24
+572
в 6 каналах
Get PRO
листопад '24
+35
в 0 каналах
Get PRO
жовтень '24
+29
в 0 каналах
Get PRO
вересень '24
+25
в 0 каналах
Get PRO
серпень '24
+25
в 0 каналах
Get PRO
липень '24
+66
в 0 каналах
Get PRO
червень '24
+86
в 1 каналах
Get PRO
травень '24
+112
в 4 каналах
Get PRO
квітень '24
+89
в 4 каналах
Get PRO
березень '24
+109
в 3 каналах
Get PRO
лютий '24
+93
в 5 каналах
Get PRO
січень '24
+139
в 2 каналах
Get PRO
грудень '23
+60
в 0 каналах
Get PRO
листопад '23
+37
в 0 каналах
Get PRO
жовтень '23
+38
в 0 каналах
Get PRO
вересень '23
+89
в 0 каналах
Get PRO
серпень '23
+163
в 0 каналах
Get PRO
липень '23
+132
в 0 каналах
Get PRO
червень '23
+243
в 0 каналах
Get PRO
травень '23
+75
в 0 каналах
Get PRO
квітень '23
+200
в 0 каналах
Get PRO
березень '23
+250
в 0 каналах
Get PRO
лютий '23
+223
в 0 каналах
Get PRO
січень '23
+11
в 0 каналах
Get PRO
грудень '22
+18
в 0 каналах
Get PRO
листопад '22
+21
в 0 каналах
Get PRO
жовтень '22
+21
в 0 каналах
Get PRO
вересень '22
+18
в 0 каналах
Get PRO
серпень '22
+18
в 0 каналах
Get PRO
липень '22
+60
в 0 каналах
Get PRO
червень '22
+63
в 0 каналах
Get PRO
травень '22
+35
в 0 каналах
Get PRO
квітень '22
+177
в 0 каналах
Get PRO
березень '22
+70
в 0 каналах
Get PRO
лютий '22
+55
в 0 каналах
Get PRO
січень '22
+223
в 0 каналах
Get PRO
грудень '21
+34
в 0 каналах
Get PRO
листопад '21
+50
в 0 каналах
Get PRO
жовтень '21
+32
в 0 каналах
Get PRO
вересень '21
+19
в 0 каналах
Get PRO
серпень '21
+13
в 0 каналах
Get PRO
липень '21
+26
в 0 каналах
Get PRO
червень '21
+37
в 0 каналах
Get PRO
травень '21
+47
в 0 каналах
Get PRO
квітень '21
+441
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 07 липня | +3 | |||
| 06 липня | +56 | |||
| 05 липня | +44 | |||
| 04 липня | +1 | |||
| 03 липня | +1 | |||
| 02 липня | +5 | |||
| 01 липня | +4 |
Дописи каналу
| 2 |  ❓ 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 | 468 |
| 3 | 🧠 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 | 1 252 |
| 4 |  🧠 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 | 787 |
| 5 |  🔥 به زودی در همین کانال توضیحش میدم.
@physics_daily | از نورون تا هوش | 932 |
| 6 |  🧠 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 | 1 330 |
| 7 | 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. 😉 | 1 187 |
| 8 | 🆒 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 | 1 189 |
| 9 | 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 | 1 429 |
| 10 |  🔥 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 | 1 614 |
| 11 |  🆒 مغز هوش مصنوعی چه شکلیه؟
تصویرگری زیبا از یه شبکه عصبی عمیق.
@physics_daily | از نورون تا هوش | 1 185 |
| 12 |  😂 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 | 1 004 |
| 13 |  🤬 کدوم یکی هوش مصنوعیه؟
این روزها واقعا تشخیصش سخت شده.
@physics_daily | 1 012 |
| 14 |  +1اسپایرال لگاریتمی
@physics_daily | 1 015 |
| 15 | 💡به سرم زده مقاله ر در یک وویس مثلا ۱۰ دقیقهای توضیح بدم. براتون مفیده؟ یا داره زیادی سخت و تخصصی میشه؟ | 1 028 |
| 16 |  🧠 شبکههای عصبی کمتر از انتظار برای یادگیری زحمت میکشند!
پیش از یادگیری، وزنهای اتصالات در شبکههای عصبی بسیار متعدد و کاملا تصادفی هستند.
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 | 1 212 |
| 17 | 🔥 ارتباط محاسبات نورونی با نویز (آثار تصادفی) چیه؟
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 | 989 |
| 18 |  🔥 کتابی که منبع الهام انیشتین شد.
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 | 943 |
| 19 | 🔥 کتابی که منبع الهام انیشتین شد.
گرامر علم از کارل پیرسون. 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 | 1 |
| 20 | 🔥 کتابی که منبع الهام انیشتین شد.
گرامر علم از کارل پیرسون. 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 | 8 |
