tg-me.com/psiket_academy/1066
Last Update:
🎥⚛جهان از لنز کوانتوم
#داستان_کوانتوم۲
🔺بخش بیستم و پنجم: یادگیری ماشین کوانتومی (قسمت دوم)
📌دراین قسمت از داستان کوانتوم به معرفی شبکه عصبی و چالش‌های آن می‌پردازیم.
✅ساختارشبکه عصبی
شبکه عصبی مصنوعی، الگویی برگرفته از مغز انسان است که از نودهای به‌هم‌پیوسته تشکیل شده و دادهٔ ورودی را از طریق وزن‌های یال‌ها و تابع فعال‌ساز پردازش می‌کند. این نودها در لایه‌های ورودی، مخفی و خروجی قرار می‌گیرند؛ لایه ورودی داده خام را می‌گیرد، لایه‌های مخفی تحلیل و ساده‌سازی انجام می‌دهند و نتیجه در لایه خروجی مشاهده می‌شود. وجود بایاس در کنار وزن‌ها اجازه می‌دهد حتی در ورودی‌های کوچک، نودها فعال شوند وخروجی غیرصفر داشته باشند.
💡چالش تعدد پارامترها
با افزایش تعداد نودها و یال‌ها، شمار پارامترها (شامل وزن‌ها و بایاس‌ها) بسیار زیاد می‌شود و در مرحلهٔ به‌روزرسانی پارامترها، استخراج مشتقات تابع هزینه برای همهٔ آن‌ها نیازمند حجم بالایی از محاسبات است. وقتی پارامترها زیاد باشند، CPU که تعداد هسته‌های محدودی دارد، با پردازش انبوه محاسبات جبر خطی دچار مشکل می‌شود و روند آموزش مدل، کند یا غیرعملی می‌گردد.
🎯 گذاربه پردازش GPU
در سال ۲۰۰۹ گروهی از دانشگاه استنفوردبه رهبری آندرو نگ و برایان کتز ایدهٔ استفاده از GPU را برای آموزش شبکه‌های عصبی عمیق مطرح کردند. نتیجهٔ آن نشان داد محاسباتی که در CPU هفته‌ها زمان می‌برد، با GPU در چند روز انجام می‌شود.این موفقیت نقطهٔ عطفی در یادگیری ماشین شد و به‌سرعت به یک استاندارد صنعتی تبدیل گردید.
🔻پیشنهاد محاسبات کوانتومی
با وجود تسریع توسط GPU، یادگیری ماشین هنوز در مواجهه با داده‌های بسیار بزرگ و پیچیده به قدرت محاسباتی عظیمی نیاز دارد. در این شرایط، آموزش و بهینه‌سازی مدل‌ها زمان‌بر و پرهزینه است. از این‌رو، ظهور محاسبات کوانتومی و توان پردازشی بالای آن، زمینه‌ساز ایدهٔ استفاده از یادگیری ماشین کوانتومی شد تا مانند دیگر حوزه‌های اطلاعات کوانتومی، بستر جدیدی برای پیشرفت هوش مصنوعی فراهم گردد.
⏪️ در قسمت آینده از داستان کوانتوم به بررسی بیشتر و کاربردهای یادگیری ماشین خواهیم پرداخت.
📌دسترسی به بخش‌های قبلی:
https://psiket.com/story
BY مدرسه کوانتوم سایکت
Warning: Undefined variable $i in /var/www/tg-me/post.php on line 283
Share with your friend now:
tg-me.com/psiket_academy/1066