Deep Torch

بالمقال السابق حكيت عن آلية الاختبار المنطقية للنماذج بحيث نختبر الذكاء مو المهارة
بهاد المقال رح احكي كيف صنفت الورقة أنواع ال generalisation و يلي هيي فكرة مرتبطة كتير بآلية الاختبار (تحديد شو مستوى ال generalisation او مستوى صعوبة الاختبار فعليًا)

بشكل عام التعميم generalisation بيعني قدرة النظام عالتعامل مع المواقف (الحالات) يلي بتختلف عن يلي صادفو خلال التعلم (التدريب).

فينا نعرف مستويات مختلفة من التعميم:
1. غياب التعميم: و هيي الأنظمة يلي بالأصل ما بحاجة تعميم..يعني فعليًا في حال عدم وجود uncertainty بالمهمة يلي عميشتغلها النظام .. مثلًا لو في نظام بحل لعبة الشطرنج عن طريق التفكير بكل الاحتمالات الممكنة (بالتالي هو قادر يعرف النتيجة النهائية المتوقعة للعبة شو ما عمل) .. هاد بيختلف عن الإنسان يلي ممكن يفكر بضع خطوات لقدام و يعتمد عأمور تانية منطقية لتقييم الوضع.

2. التعميم المحلي robustness: و هيي قدرة النظام يتعامل مع حالات جديدة ما شايفها من قبل و لكن بتتبع لنفس التوزع يلي تتدرب عليه.
مثلًا نموذج متدرب عصور لغرض ما بوضعيات معينة..ممكن يعمم لنفس الغرض بوضعيات أخرى..هون نظريًا معروف شو الأمور يلي رح يواجهها النظام (غالبًا يكون متدرب عمجموعة وضعيات كافية لتساعدو يعمم لوضعيات بينية تانية)

3. التعميم الواسع النطاق (المرونة): و هيي قدرة النموذج انو يتعامل مع نطاق واسع من المهام و البيئات بدون توجيه الإنسان. هاد بيتضمن المواقف يلي ما متوقعها مصمم النظام (و بالتالي غالبًا ما درب النموذج عليها بشكل مباشر).
أحد الأمثلة عهالشي هو اختبار Wozniak’s coffee cup .. يلي هو عبارة عن دخول مطبخ عشوائي و إعداد كوب من القهوة .. التاسك معروفة بس ممكن تواجه النظام بيئات مختلفة بتتطلب تكيف مو مجرد تدريب عأمور مشابهة.

4. التعميم الأقصى (extreme generalisation): و هاد بيتضمن الأنظمة يلي قادرة تتعمل مع مهام مفتوحة ما ضروري مرتبطة بشكل مباشر باللي تدرب عليه النظام و إنما بتتشارك معها من نواحي مجردة فقط. (اذا عندك مثال اذكرو بالتعليقات)
الأنظمة البيولوجية (متل الإنسان) هيي المثال الوحيد عن أنظمة بهيك قدرة)

طبعًا بما انو حطينا الإنسان بالتصنيف الأعلى..بيبقى التسائل هل ممكن نوصل لمستوى أعلى من الإنسان؟ و هل مصطلح general AI او general intelligence صحيح من الناحية المنطقية؟
هاد الشي رح يكون موضوع المقال القادم 😁

القسم التاني من أفكار الورقة البحثية: On the Measure of Intelligence

حكيت بالمقال السابق عن بعض الافتراضات يلي بتخلينا نفكر انو جودة الأداء عتاسك معينة بتعطينا مقياس للذكاء
و كان السؤال .. لما نستعمل benchmark فيه عدة تاسكات بنفس الوقت..ما لازم نكون عمنحاكي اختبارات الذكاء تبع الإنسان و هاد يدلنا عمدى ذكاء النموذج؟

الجواب لا بسبب مشاكل جوهرية بهالمقاييس .. و بطريقة التدريب

أهم مشكلة هيي انو المطور تبع النموذج بيعرف مسبقًا شو التاسكات يلي رح يتم اختبار النموذج عليها .. و بيعرف أحيانًا حتى طبيعة البيانات (لما يكون توزع بيانات الاختبار و التدريب نفسو و يلي هو أحد شروط خوارزميات التعلم الحالية)

ليش هاد مشكلة؟
لانو بكل بساطة مطور النموذج عميضيف هالمعلومات يلي بيعرفها للنموذج .. يا أما عن طريق شي hardcoded .. يا أما عن طريق اختيار البيانات بحيث تتناسب مع التاسكات يلي رح يشوفها النموذج

هاد بيعني انو مطور النموذج دائمًا فيه يزيد جودة النموذج بانو يجيب بيانات أكتر بحيث يغطي حالات أكتر

هلا هاد مشابه لاختبارات الذكاء تبع الإنسان؟
لا أبدًا .. أحد أهم الشروط باختبارات الذكاء انو الشخص ما يكون بيعرف عشو رح يتم اختبارو بحيث ما يتدرب عليه .. لانو التدريب عشي بزيد المعرفة عنو و بصير في خلط بين الذكاء و كمية المعلومات و بالتالي صعب تقييم الذكاء نفسو

لهيك في حال بدنا نقيم ذكاء الآلة .. لازم يكون في benchmark يختبرها عتاسكات ما شافتها من قبل .. و لازم مطور البرنامج ما يعرف شو هي التاسكات بحيث ما فيه يدرب النموذج عليها أصلًا ..

هاد بيعني انو قبل ما ندرب النموذج .. لازم نحدد شو المعلومات المسبقة يلي عندو (لانو نموذج مدرب عكل الويب الو أفضلية عنموذج مدرب ععينات بسيطة رغم انو التاني ممكن أذكى) .. و لازم يتم اختيار التاسكات بحيث يكون النموذج قادر انو يحلها من ناحية المبدأ (ما منطقي نعطي نموذج computer vision تاسك لغوية مثلًا) .. و ما لازم يعرف النموذج عشو رح يتم اختبارو (ولا المطور تبع النموذج)

بهيك حالة منصير عمنختبر قدرة النموذج عتحويل معلوماتو و خبرتو السابقة لمهارة بشكل سريع .. يعني عمنقيس الذكاء بفعالية النموذج باكتساب المهارات و هاد تعريف الذكاء يلي عرضتو الورقة

طبعًا هاد بيعني انو رح نختبر النموذج عبيئات ما شافها و لا متوقعها .. هالشي بيعني انو مبدأ ال generalisation مختلف عن مبدأ انو بس يكون بيانات ما شافها تمامًا بس من نفس التوزع
فعليًا في عدة مستويات لل generalisation حكت عنها الورقة و هاد رح يكون موضوع المقال القادم 😁

fans

مرحبا جميعًا،

للتذكير .. بكرا آخر يوم للتسجيل عالمنحة .. و بعد نهاية التسجيل ب 10 أيام رح نعلن النتائج انشالله

مشان الايفينت .. الفيسبوك بيحذف ال Live Videos بعد فترة .. لهالسبب رفعنا الجلستين عقناة اليوتيوب بحيث يضلو موجودين (الرابط بالتعليقات)

fans