کتاب Essential Math for AI

کتاب Essential Math for AI (ریاضیات ضروری برای هوش مصنوعی: ریاضیات سطح بعدی برای سیستم‌های هوش مصنوعی کارآمد و موفق) در 14 فصل به شرح مباحث مهم و ضروری ریاضیات در حوزه‌ی هوش مصنوعی خواهد پرداخت.

در ادامه مقدمه‌ای از کتاب Essential Math for AI را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Essential Math for AI:

چرا این کتاب را نوشتم؟

هوش مصنوعی بر اساس مدل‌های ریاضی ساخته شده است. ما باید بدانیم چگونه.

من کتاب Essential Math for AI را به زبان محاوره‌ای صرف نوشتم و بیشتر جزئیات فنی را کنار گذاشتم. این یک کتاب ریاضی در مورد هوش مصنوعی با فرمول‌ها و معادلات ریاضی بسیار کم، بدون قضیه، بدون برهان و بدون کدگذاری است. هدف من این است که این دانش مهم را در دست تعداد بسیار کمی از نخبگان نگه ندارم و افراد بیشتری را به سمت رشته‌های فنی جذب کنم. من معتقدم که بسیاری از مردم قبل از اینکه فرصتی برای دانستن اینکه ممکن است آن را دوست داشته باشند و به طور طبیعی در آن مهارت داشته باشند، از ریاضی محروم می‌شوند.

این در کالج یا تحصیلات تکمیلی نیز اتفاق می‌افتد، جایی که بسیاری از دانش‌آموزان رشته‌های خود را از ریاضی تغییر می‌دهند یا دکترا را شروع می‌کنند. و هیچوقت تمومش نکن دلیل آن این نیست که آن‌ها توانایی ندارند، بلکه این است که هیچ انگیزه یا هدفی برای یادگیری روش‌ها و تکنیک‌های عذاب‌آور نمی‌بینند که به نظر نمی‌رسید به هیچ چیز مفیدی در زندگی آن‌ها منتقل شود. مثل این است که فقط به خاطر رفتن به آنجا هر روز به یک باشگاه روانی سخت بروید.

هیچ کس حتی نمی‌خواهد هر روز به یک باشگاه ورزشی واقعی برود (این یک بیانیه مغرضانه است، اما شما نکته را متوجه شدید). در ریاضیات، رسمی کردن اشیا به توابع، فضاها، فضاهای اندازه گیری و کل فیلدهای ریاضی پس از انگیزه انجام می‌شود، نه قبل از آن. متأسفانه به صورت معکوس آموزش داده می‌شود، ابتدا با تشریفات و سپس، اگر خوش شانس باشیم، با انگیزه.

زیباترین چیز در مورد ریاضی این است که توانایی بیانی دارد تا چیزهای به ظاهر متفاوت را به یکدیگر متصل کند. زمینه‌ای به بزرگی و پیامدهای هوش مصنوعی نه تنها بر پایه ریاضیات بنا می‌شود، زیرا این امر مسلم است.

همچنین به توانایی الزام آور نیاز دارد که فقط ریاضی می‌تواند ارائه دهد تا داستان بزرگ خود را به طور خلاصه بیان کند. در کتاب Essential Math for AI من ریاضیات مورد نیاز برای هوش مصنوعی را به گونه‌ای استخراج می‌کنم که به هیچ وجه از برنامه واقعی هوش مصنوعی در ذهن منحرف نشود.

غیرممکن است که ابزارهای موجود را با جزئیات مرور کنیم و در یک درمان دایره المعارفی و طاقت فرسا قرار نگیریم. کاری که من در عوض انجام می‌دهم این است که سعی می‌کنم به شما بیاموزم که چگونه در مورد این ابزارها فکر کنید و آن‌ها را از بالا ببینید، به عنوان وسیله‌ای برای رسیدن به هدفی که می‌توانیم در صورت نیاز آن را تغییر داده و تنظیم کنیم. من امیدوارم که شما از این کتاب راهی برای مشاهده اینکه چگونه چیزها با یکدیگر مرتبط هستند و چرا ما روش‌های خاصی را در میان روش‌های دیگر توسعه می‌دهیم یا از آن‌ها استفاده می‌کنیم، بدست آورید.

به نوعی، کتاب Essential Math for AI بستری را فراهم می‌کند که شما را به هر حوزه‌ای که برایتان جالب است یا می‌خواهید در آن تخصص داشته باشید، راه‌اندازی می‌کند.

هدف دیگر کتاب Essential Math for AI دموکراتیک کردن ریاضیات و ایجاد اعتماد به نفس بیشتر برای پرسش در مورد چگونگی کار کردن است. پاسخ‌های رایج مانند «ریاضیات پیچیده است»، «فناوری پیچیده است» یا «مدل‌های پیچیده است» دیگر رضایت‌بخش نیستند، به‌ویژه که فناوری‌هایی که بر اساس مدل‌های ریاضی ساخته می‌شوند، در حال حاضر بر همه جنبه‌های زندگی ما تأثیر می‌گذارند.

ما لازم نیست در هر زمینه‌ای در ریاضیات متخصص باشیم (هیچ کس نیست) تا بفهمیم چیزها چگونه ساخته می‌شوند و چرا به روشی که انجام می‌دهند عمل می‌کنند. یک چیز در مورد مدل‌های ریاضی وجود دارد که همه باید بدانند: آن‌ها همیشه پاسخ می‌دهند. آن‌ها همیشه یک عدد را خروجی می‌دهند. مدلی که بررسی، تایید شده و با تئوری صدا پشتیبانی می‌شود، پاسخ می‌دهد. همچنین مدلی که سطل زباله کامل است جواب می‌دهد.

هر دو توابع ریاضی را محاسبه می‌کنند. اینکه می‌گوییم تصمیمات ما بر اساس مدل‌ها و الگوریتم‌های ریاضی است، آن‌ها را مقدس نمی‌کند. مدل‌ها بر اساس چه چیزی ساخته شده اند؟ مفروضات آن‌ها چیست؟ محدودیت‌ها؟ داده‌هایی که آن‌ها در آن آموزش دیده اند؟ تست شده؟ چه متغیرهایی را در نظر گرفتند؟ و چه چیزی را کنار گذاشتند؟ آیا آن‌ها یک حلقه بازخورد برای بهبود، حقایق پایه برای مقایسه و بهبود دارند؟ آیا نظریه‌ای وجود دارد که از آن‌ها حمایت کند؟ وقتی مدل‌ها متعلق به ما هستند، باید با این اطلاعات شفاف عمل کنیم و زمانی که مدل‌ها برای ما معیشت ما را تعیین می‌کنند، آن را بخواهیم.

سازماندهی غیرمتعارف موضوعات کتاب Essential Math for AI عمدی است. من می‌خواستم قبل از اینکه به چیزهای قابل اجرا برسم، در جزئیات ریاضی گیر نکنم. موضع من در این مورد این است که ما هرگز نیازی به غوطه ور شدن در مطالب پس زمینه نداریم، مگر اینکه اتفاقاً شخصاً چیزی را تمرین کنیم، و آن مطالب پس زمینه به شکافی برآورده نشده در دانش ما تبدیل می‌شود که ما را از پیشرفت باز می‌دارد.

فقط در این صورت ارزش دارد که برای یادگیری جزئیات پیچیده چیزها زمان جدی صرف کنید. این بسیار مهمتر است که ببینیم چگونه همه چیز به هم پیوند می‌خورد و همه چیز در کجا قرار می‌گیرد. به عبارت دیگر، کتاب Essential Math for AI نقشه‌ای از نحوه تعامل همه چیز بین ریاضی و هوش مصنوعی با هم ارائه می‌دهد.

همچنین می‌خواهم در مورد عصر مجموعه‌های داده بزرگ به تازه واردان یادداشتی بنویسم. قبل از کار با داده‌های بزرگ، واقعی یا شبیه سازی شده، ساختاریافته یا بدون ساختار، ممکن است کامپیوتر و اینترنت را بدیهی بدانیم.

اگر ما به مدلی می‌رسیدیم یا نیاز به اجرای تجزیه و تحلیل بر روی مجموعه‌های داده‌های کوچک و مدیریت‌شده داشتیم، ممکن بود تصور می‌کردیم که سخت‌افزار دستگاه ما محاسبات را انجام می‌دهد، یا اینکه اینترنت فقط زمانی که به آن نیاز داشتیم داده‌های منتخب بیشتری ارائه می‌کرد، یا اطلاعات بیشتری در مورد مدل‌های مشابه واقعیت و محدودیت‌های دسترسی به داده‌ها، خطاها در داده‌ها، خطاهای خروجی پرس‌و‌جوها، محدودیت‌های سخت‌افزاری، ذخیره‌سازی، جریان داده‌ها بین دستگاه‌ها، و بردار کردن داده‌های بدون ساختار مانند زبان طبیعی یا تصاویر و فیلم‌ها واقعاً به ما ضربه می‌زند.

این زمانی است که ما شروع به ورود به محاسبات موازی، رایانش ابری، مدیریت داده‌ها، پایگاه‌های داده، ساختارهای داده، معماری داده‌ها و مهندسی داده می‌کنیم تا زیرساخت محاسباتی را که به ما امکان می‌دهد مدل‌های خود را اجرا کنیم، درک کنیم. چه نوع زیرساختی داریم؟ ساختار آن چگونه است؟ چگونه تکامل یافت؟ به کجا می‌رود؟ معماری از جمله مواد جامد درگیر چگونه است؟ این مواد چگونه کار می‌کنند؟ و این همه هیاهو در مورد محاسبات کوانتومی چیست؟ ما نباید نرم‌افزار را جدا از سخت‌افزار یا مدل‌هایمان جدا از زیرساختی ببینیم که به ما امکان شبیه‌سازی آن‌ها را می‌دهد.

کتاب Essential Math for AI فقط بر روی ریاضیات، مدل‌های هوش مصنوعی و برخی داده‌ها تمرکز دارد. نه تمرینی وجود دارد و نه کدنویسی. به عبارت دیگر، ما روی نرم، روشنفکر، و من نیازی به لمس هیچ جنبه‌ای از چیزها ندارم. اما ما باید به یادگیری ادامه دهیم تا زمانی که بتوانیم فناوری را درک کنیم که بسیاری از جنبه‌های زندگی ما را به عنوان یک بدنه به هم پیوسته که در واقع هست قدرت می‌دهد: سخت‌افزار، نرم‌افزار، حسگرها و دستگاه‌های اندازه‌گیری، انبارهای داده، کابل‌های اتصال، هاب‌های بی‌سیم، ماهواره‌ها. ، مراکز ارتباطی، اقدامات امنیتی فیزیکی و نرم افزاری و مدل‌های ریاضی.

کتاب Essential Math for AI برای چه افرادی است؟

من کتاب Essential Math for AI را برای:

• فردی که ریاضی می‌داند اما می‌خواهد به هوش مصنوعی، یادگیری ماشینی و علم داده وارد شود.
• فردی که هوش مصنوعی، علم داده و یادگیری ماشینی را تمرین می‌کند اما می‌خواهد تفکر ریاضی خود را تقویت کند و با ایده‌های ریاضی پشت مدل‌های پیشرفته به‌روز شود.
• دانشجویان کارشناسی یا اولیه در رشته‌های ریاضی، علوم داده، علوم کامپیوتر، تحقیقات عملیات، علوم، مهندسی، یا سایر حوزه‌هایی که به هوش مصنوعی علاقه دارند.
• افرادی که در سمت‌های مدیریتی قرار دارند و می‌خواهند هوش مصنوعی و تجزیه و تحلیل داده‌ها را در عملیات خود ادغام کنند، اما می‌خواهند درک عمیق‌تری از نحوه عملکرد مدل‌هایی که ممکن است در نهایت تصمیمات خود را بر اساس آن‌ها انجام دهند، داشته باشند.
• تحلیلگران داده که اساساً هوش تجاری انجام می‌دهند و اکنون مانند سایر نقاط جهان به سمت هوش تجاری مبتنی بر هوش مصنوعی سوق داده شده اند. آن‌ها می‌خواهند قبل از اتخاذ آن در تصمیمات تجاری بدانند که واقعاً چه معنایی دارد.
• افرادی که به چالش‌های اخلاقی که ممکن است هوش مصنوعی برای جهان ایجاد کند اهمیت می‌دهند و می‌خواهند عملکرد درونی مدل‌ها را درک کنند تا بتوانند به له یا علیه برخی موضوعات مانند سلاح‌های خودران، تبلیغات هدفمند، مدیریت داده‌ها و غیره استدلال کنند.
• مربیانی که می‌خواهند دوره‌های ریاضی و هوش مصنوعی را گرد هم بیاورند.
• هر فردی که در مورد هوش مصنوعی کنجکاو است.

کتاب Essential Math for AI برای چه کسانی نیست؟

این کتاب برای کسی که دوست دارد بنشیند و تمرین‌های زیادی را انجام دهد تا بر یک تکنیک یا روش ریاضی خاص مسلط شود، کسی که دوست دارد قضایا بنویسد و اثبات کند، یا کسی که می‌خواهد کدنویسی و توسعه را یاد بگیرد، نیست.

کتاب Essential Math for AI ریاضی نیست. کتاب‌های درسی بسیار خوبی وجود دارد که حساب دیفرانسیل و انتگرال، جبر خطی و احتمال را آموزش می‌دهند (اما کتاب‌های کمی این ریاضی را به هوش مصنوعی مرتبط می‌کنند).

با این حال، کتاب Essential Math for AI برای خوانندگانی که می‌خواهند به نکات فنی، بیانیه‌های دقیق و شواهد بپردازند، نکات درون متنی زیادی به کتاب‌ها و انتشارات علمی مربوطه دارد. این نیز یک کتاب کدنویسی نیست. تاکید بر مفاهیم، شهود و درک کلی است، نه بر پیاده سازی و توسعه فناوری.

سرفصل‌های کتاب Essential Math for AI:

• Preface
• 1. Why Learn the Mathematics of AI?
• 2. Data, Data, Data
• 3. Fitting Functions to Data
• 4. Optimization for Neural Networks
• 5. Convolutional Neural Networks and Computer Vision
• 6. Singular Value Decomposition: Image Processing, Natural Language Processing, and Social Media
• 7. Natural Language and Finance AI: Vectorization and Time Series
• 8. Probabilistic Generative Models
• 9. Graph Models
• 10. Operations Research
• 11. Probability
• 12. Mathematical Logic
• 13. Artificial Intelligence and Partial Differential Equations
• 14. Artificial Intelligence, Ethics, Mathematics, Law, and Policy
• Index

جهت دانلود کتاب Essential Math for AI می‌توانید پس از پرداخت، دریافت کنید.