A modell belül matematika
Amikor egy AI modell egy képet felismer vagy egy mondatot folytat, a háttérben számok sokasága mozog egy jól meghatározott rend szerint. A bemenetből számok lesznek, ezeket a modell összeszorozza és összeadja, majd a végén egy döntést vagy egy előrejelzést ad vissza. A tanulás során pedig a modell apránként megigazítja a saját belső számait, hogy legközelebb pontosabb legyen. Mindkét folyamat, a futás és a tanulás is, matematika. Ha ezt a matematikát látjuk, a modell megszűnik varázsdoboz lenni, és mérnöki rendszerré válik, amit érteni és javítani lehet.
Ez nem azt jelenti, hogy matematikusnak kell lenni. A mélytanuláshoz és a modern modellek megértéséhez négy terület alapfogalmai elegendők. Ezek a lineáris algebra (linear algebra), az analízis deriválásra vonatkozó része (calculus), a valószínűségszámítás (probability) és a statisztika (statistics). A kurzus végig ezt a négyet járja körbe, ebben a sorrendben, mert egymásra épülnek.
Hol jelenik meg a matek egy modell életében
Nézzük végig, mi történik, amikor egy neurális háló feldolgoz egy bemenetet, majd tanul belőle. Minden lépéshez tartozik egy matematikai terület, és pont ezért érdemes ezeket megérteni. A lenti lépéssor a teljes kört bemutatja, a nyers adattól a modell belső számainak frissítéséig.
- Adat számmáA kép, a szöveg vagy a táblázat sora számok listájává, azaz vektorrá alakul. Ez a lineáris algebra terepe.
- MátrixszorzásA háló minden rétege egy mátrixszal szorozza a bejövő vektort, így keveri és alakítja át az információt.
- Előrejelzés és veszteségA modell ad egy választ, és egy veszteségfüggvény (loss) megméri, mennyire tért el a helyestől.
- GradiensA deriválás megmondja, melyik irányba kell módosítani a belső számokat, hogy a veszteség csökkenjen.
- FrissítésA modell egy apró lépést tesz ebbe az irányba. Sok millió ilyen lépésből áll össze a tanulás.
Mit kell tudni, és mit nem most
Sokakat pont az riaszt el, hogy azt hiszik, mindent érteniük kell a matematikából. Ez nem igaz. A mérnöki cél az, hogy a fogalmakat lássuk és a lépéseket kövessük, nem az, hogy bizonyításokat írjunk. Egy autót is lehet biztonságosan és okosan vezetni anélkül, hogy motortervező mérnökök lennénk. Az alábbi összevetés megmutatja, mire koncentrálunk, és mit hagyunk ki most nyugodt szívvel.
Most kihagyjuk
- Tételek formális bizonyítása
- Kézi levezetések hosszú képletekkel
- Absztrakt algebra és mértékelmélet
- Trükkös integrálok kiszámolása
Erre koncentrálunk
- Vektor és mátrix mint adat és művelet
- A derivált mint meredekség és irány
- A gradiens mint a tanulás iránytűje
- Eloszlás, várható érték, szórás
A négy terület, egy mondatban
Mielőtt belevágunk, érdemes egy képet rögzíteni magunkban arról, mit ad a négy terület. A lineáris algebra adja azt a nyelvet, amin az adatot és a modell műveleteit leírjuk. A deriválás adja azt a mechanizmust, amivel a modell javítja magát. A valószínűség adja azt a keretet, amivel a bizonytalanságot kezeljük. A statisztika pedig arról szól, hogyan lehet mintából, azaz véges adatból megbízhatóan általánosítani. A következő callout ezt a négyest foglalja össze.
Négy terület, egy cél. A lineáris algebra a modell nyelve, a deriválás a tanulás motorja, a valószínűség a bizonytalanság kezelése, a statisztika pedig az adatból való megbízható általánosítás. Ez a kurzus ezt a négyet építi fel érthetően.
Hogyan használd ezt a kurzust
A leckék egymásra épülnek, ezért érdemes sorban haladni. A vektorokkal kezdünk, mert minden adat és minden belső állapot végül vektor. Onnan jutunk el a mátrixokhoz és a mátrixszorzáshoz, amivel a modell rétegei dolgoznak. A geometriai jelentés után a deriválás és a gradiens következik, ami a tanulást hajtja, majd a láncszabály, ami a visszaterjesztést teszi lehetővé. A záró két lecke a valószínűség és a statisztika, ami a modell kimenetét és megbízhatóságát adja értelmet. Ha egy fogalom először nem ül le, nem baj. A későbbi leckék visszautalnak rá, és a kép fokozatosan összeáll.
Workshop
AI Transformation Day
Egésznapos, vezetőknek szóló program. Feltérképezzük, hol tart a szervezet, mi az első reális lépés, és milyen belső feltételek szükségesek a sikerhez. A nap végén konkrét, prioritizált cselekvési lista.
Érdekel a program →