آرشیو شهریور ماه 1402

یک سوال!

پیشرفت های هوش مصنوعی در حیطه گسترده ای از علوم وارد شده اند و از پردازش داده و عکس و ویدیو گرفته تا حل مسائل فیزیکی همه چیز را شامل شده اند. این ابزار آیا به سمت دقت بیشتر در مدلسازی و کاهش عدم قطعیت پیش نرفته اند؟ آیا با وجود ابزار هوش مصنوعی می بایست همچنان به روش های احتمالاتی از جمله روش نمونه گیری مونت کارلو رو بیاوریم؟

این سوال بسیار سوال خوبی است و جواب آن می تواند دید بهتری نسبت به روش های احتمالاتی ایجاد نماید. اینکه جایگاه هوش مصنوعی در علوم امروز روز به روز در حال گسترش است را می توان به عینه دید. الگوریتم های هوش مصنوعی در یک دیدگاه کلی به دو دسته تقسیم می شوند. یک دسته روش های مبتنی بر داده اند. یعنی از داده ها برای یادگیری و آموزش هسته هوش مصنوعی استفاده می شود. یکی هم روش های مبتنی بر فیزیک هستند که از خود مسئله فیزیکی برای یادگیری استفاده می کنند و الزاما نیازی به داده برای آموزش ندارند که از جمله این روش های می توان به شبکه های عصبی مطلع از فیزیک یا PINN اشاره نمود.

هر کدام از این روش ها در واقع ابزاری هستند که به ما در مدلسازی کارامد تر از پدیده های اطرافمان یاری می رسانند. این یعنی اینکه ابزارهای رایجی که قبل ها برای مدلسازی یک پدیده مورد استفاده قرار می گرفتند، با یک هوش مصنوعی جایگزین می گردند تا نیازی به واکاوی سنتی مسئله برای رسیدن به جواب نباشد.

با این حال عدم قطعیت موجود در پدیده ها همچنان به قوت خود پایدار و پابرجاست. در واقع وجود عدم قطعیت، موضوعی بسیار عمیق تر از روش و ابزار مدلسازی و تکنیک حل مسائل اطراف می باشد. عدم قطعیت به این موضوع برمی گردد که ذاتا ناشناخته های بسیاری در پدیده های اطرافمان وجود دارد که آگاهی از همه آنها برای ما ممکن نیست. این سطح از پیچیدگی و ضعف در شناخت دقیق به قدری است که با گذشت زمان و پیشرفت علم، به محض اینکه یکی از پدیده های ناشناخته قبلی برای ما مشهود می گردد، سوالات و ابهامات جدیدی به وجود می آید که وجه جدیدی از پیچیدگی مسئله را به روی ما می گشاید. این موضوع از یک طرف پویایی و حرکت علمی بشر را موجب می شود و از طرف دیگر باعث می گردد که ما همیشه نیازمند به ابزار مدلسازی عدم قطعیت باشیم.

شناخت ابزارهای مدلسازی عدم قطعیت به خودی خود به یک علم تبدیل شده است و بشر به خاطر نیاز اساسی خود برای در نظر گرفتن اثرات ناشناخته ها، همواره به دنبال پیشرفت این علم بوده است.

در رابطه با پییشرفت های هوش مصنوعی هم داستان بر همین منوال است. روش های مدلسازی عدم قطعیت نقطه مقابل روش های هوش مصنوعی نیستند و ذاتا تداخل و تضادی با آنها ندارند. اتفاقا روش های مدلسازی عدم قطعیت می توانند به کمک روش های هوش مصنوعی بیایند و به آنها کمک کنند تا علاوه بر مدلسازی هوشمند پدیده ها، عدم قطعیت موجود در داده ها، مدل ها و حتی فیزیک مسئله را هم در نظر بگیرند و دید احتمالاتی عمیقی را رائه نمایند.

موضوع هوش مصنوعی احتمالاتی خود می تواند از جمله زمینه های پژوهشی بسیار داغی باشد که در آینده بیشتر مورد پژوهش قرار گیرد و برای بررسی متفاوت پدیده های اطراف استفاده گردد.

در دوره آموزشی روش نمونه گیری مونت کارلو MCS به این امر مهم توجه شده است و سعی گردیده است تا در سرفصل های دوره به شبکه های عصبی مصنوعی نیز پرداخته شود و نحوه ترکیب آنها با MCS به شکل گام به گام ارائه گردد. نتایج حاصل از این بحث آنچنان جذاب و چشمگیر خواهد بود که می تواند تمام مسیر پژوهشی شما را تحت تاثیر قرار دهد.

ما بدینوسیله از شما دعوت می کنیم تا با اطمینان خاطردر دوره MCS ثبت نام نموده و از وارد شدن مطالب عمیق و محتوای غنی آن در زندگی پژوهشی و کاری خود لذت ببرید. تیم آموزشی ما مشتاقانه منتظر حضور شما در این دوره آموزشی فوق العاده می باشد.

چرا باید روش نمونه گیری مونت کارلو (MCS) را یاد بگیریم؟

بیشتر افرادی که در محیط های دانشگاهی و صنعتی کار می کنند از الگوریتم ها، روش ها و شبیه سازی های نرم افزاری خاصی برای حل مسائل مرتبط با کار و پژوهششان استفاده می کنند. عموم این روش های حل دارای یک وجه مشترک می باشند که به ذات تعینی آنها بر میگردد. این یعنی اینکه با یک روش حل سروکار داریم که هیچ نوع عدم قطعیت و حاشیه خطایی را نمی پذیرد. این یک ایراد اساسی در نتایج حاصله ایجاد می کند که می تواند اعتبار آنها را زیر سوال ببرد.

از این رو دستیابی به ابزاری که بتواند ما را قادر به مدلسازی عدم قطعیت و اعمال صحیح آن در نتایج حاصله کند یک شاه کلید در حل مشکل و ارتقاع کیفیت و عمق صحت آنها می باشد.

وجه جالب موضوع این است که تقریبا همه پدیده ها و وقایع اطرافمان که در قالب علوم مختلف مورد بررسی قرار می گیرند با سطحی از عدم قطعیت روبرو هستند. از این رو کاربرد MCS بسیار وسیع بوده و می تواند برای یک مهندس، یک اقتصاددان، یک منجم، یک مدیر، و یا یک پزشک کاربردی و کلیدی باشد.

یک نکته مهم البته می بایست ذکر گردد که اینکه خدا هیچ وقت تاس نمی اندازد و وقایع اطرفمان ذاتا غیردقیق و رندم نیستند می تواند کلام درستی باشد. اما به خاطر عدم شناخت ما از جزئیات و پیچیدگی های موجود، همین وقایع قطعی برای ما جلوه احتمالاتی پیدا می کنند و نگاه کردن به آنها با عینک احتمالاتی شناخت دقیق تر و عمیق تری را مهیا می کند.

اگر شما در جایگاه یک دانشجو و یا یک پژوهشگر می باشید مطمئن باشی که مجهز شدن به ابزار MCS می تواند پژوهش شما را تکان داده و عمق مطالب را به حدی زیاد کند که به راحتی بتوانید محتوای آن را در مجامع و زورنال های علمی مطرح نموده و فیدبک هایی متفاوت با قبل دریافت کنید که از کار شما تمجید می کنند. این موضوع اختصاصا برای بخشی از جامعه دانشجویی و دانشگاهی که نیاز به ارائه رسمی پژوهش و افزایش پابلیکیشن رکوردهای خود دارند کلیدی می باشد و یک حیطه پژوهشی وسیع برای بهبود رزومه در اختیار آنها قرار می دهد.

اگر شما در جایگاه یک شخص فعال در کار و عمل در صنعت می باشید هم مجهز بودن به ابزار MCS این امکان را به شما می دهد که بتوانید با وجود محدودیت منابع، داده ها و اندازه گیری ها، تحلیل های علمی و کاربردی را بنا کنید و تفسیر خود را از مسائل تحت بررسی بسیار عمیق تر از آنچه که توسط همکاران و اطرافیانتان انجام می شود ارائه نمایید.

صرف نظر از اینکه در چه حیطه ای مشغول کار و پژوهش هستید، دوره آموزشی روش نمونه گیری مونت کارلو شما را قادر می سازد تا با یک دیدگاه جدید به مباحثی که قبلا با آنها سروکار داشته اید بنگرید و با اتکا به آنف بیان، کلام و قلم خود را متفاوت با گذشته به کار ببرید.

دقت کنید که تفاوت ها همگی از درون ما شروع می شوند. برای ایجاد چنین تفاوت و تغییری نیاز به آموزش و یادگیری داریم که ما برای این کار در کنار شما هستیم.

روش نمونه گیری مونت کارلو (MCS) توانایی های متعددی برای حل مسائل مختلف دارد. در واقع عموم مسائلی که به صورت معمول حل بسته ای برآی آنها وجود ندارد را می توان با MCS حل نمود. این توانایی باعث شده است تا MCS به یکی از پرکاربردترین روش ها در رشته های مختلف تبدیل شود.

صرف نظر از اینکه MCS را برای چه کاری مورد استفاده قرار می دهیم، برای حل یک معادله دیفرانسیل یا محاسبه یک انتگرال یا محاسبه یک احتمال، مراحل استفاده از MCS را می توان به شکل زیر خلاصه نمود:

• تولید نمونه های رندم برای متغیرهای درگیر در مسئله به تعداد کافی (n)
• اعمال یک فیلتر بر نمونه های رندم تولیدی و شمارش تعداد نمونه های رد شده از فیلتر (m)
• محاسبه پارامتر هدف از روی m و n

اگر بتوان این سه گام را بدرستی و مطابق با خصوصیات مسئله هدف و متغیرهای درگیر در آن پیاده سازی نمود می توان انتظار داشت که روش MCS بتواند مسئله را حل نموده و جواب مد نظر را بدست آورد.

با این وجود چگونگی پیاده کردن این گام ها بر حسب مسئله مد نظر دارای نکات و ریزه کاری های متعددی می باشد که برای فراگرفتن آن ها نیاز به آموزش، تمرین و ممارست می باشد.

اگر برای کار و پژوهش خود علاقه مندید که از MCS استفاده نمایید دوره روش نمونه گیری مونت کارلو را از دست ندهید. در این دوره همه مبانی لازم برای پیاده سازی درست این روش به صورت گام به گام آموزش داده می شود. این آموزش به شکلی تدوین شده است که شما نیاز به هیچ پیش نیازیبرای آن نداشته باشید و تنها با آشنایی اولیه با مباحث ریاضیات، آمار و برنامه نویسی بتوانید یادگیری را شروع نمایید. مابقی مطالب همگی به شما اصولی و دقیق در طول دوره آموزش داده خواهند شد. همچنین علاوه بر تدریس دقیق مبانی روش، نحوه پیاده سازی روش نیز به شکل گام به گام تشریح می شود. این دوره به هیچ وجه کدهای آماده نمی باشند که مدرس از روی آنها روخوانی کند بلکه کلیه کدهای لازم خط به خط نوشته شده و تشریح می گردند. این کد نویسی بر روی انواع مختلف مثال ها پیاده سازی می شود به گونه ای که اطمینان حاصل شود رشته ها و گرایش های مختلف را پوشش دهد و برای همه قابل فهم و یادگیری باشد.

مدرس این دوره، دکتر مهدی شاداب فر می باشد که بیش از یک دهه تجربه آموزش و پژوهش حرفه ای در این زمینه را دارند. قدرت کلام ایشان و تسلط ایشان بر موضوع شما را در طول این دوره حیرت زده می کند و باعث می گردد که به شکلی عمیق و ساده تر از آنچه که تصور می کنید مفاهیم را یاد گرفته و بر آنها مسلط شوید. این دوره حاصل سال ها تجربه کارکردن با دانش جویان مختلف در حیطه های پژوهشی متنوع بوده است و بر اساس فیدبک ها و بازخوردهای آنها بروز شده است. از این بابت اطمینان داشته باشید که ما دغدغه های شما را می دانیم و آنها را در طول این دوره برطرف می کنیم.

علی رغم محتوای غنی این دوره و همه تلاش هایی که برای آماده سازی و ارائه آن انجام شده است، سعی گردیده است که با کمترین هزینه ممکن به مخاطبان ارائه گردد. اطمینان داشته باشید که هزینه ای که برای این دوره آموزشی پرداخت می کنید به یک سرمایه دائمی برای شما تبدیل می شود و شما را به یک صاحب نظر در این حیطه تبدیل می کند. با شرکت در این دوره در مدت زمان کوتاهی تغییر نگرش زیادی در شما نسبت به MCS و کاربردهای متنوع آن در انواع پژوهش ها ایجاد می گردد و توانایی شما در انجام پژوهش در این حیطه دوچندان می گردد.

تیم آموزشی ما منتظر ثبت نام شما عزیزان در این دوره آموزشی فوق العاده می باشد. ما همه توان خود را برای ارائه یک دوره مفید و کاربردی برای شما به کار خواهیم گرفت.