۱۱ ارديبهشت ۱۴۰۴
به روز شده در: ۱۱ ارديبهشت ۱۴۰۴ - ۰۴:۰۰
کد خبر ۷۷۲۹۱۰
تاریخ انتشار: ۰۸:۲۷ - ۱۰-۱۲-۱۳۹۹
کد ۷۷۲۹۱۰
انتشار: ۰۸:۲۷ - ۱۰-۱۲-۱۳۹۹

ابداع روش‌ یادگیری عمیق برای حل مکعب روبیک

کالین جی جانسون (Colin G. Johnson)، دانشیار دانشگاه ناتینگهام به تازگی روش یادگیری عمیقی ابداع کرده است که می‌تواند از تعدادی راه‌حل نمونه برای حل یک مشکل کلی استفاده کرده و اصطلاحا "عملکرد مناسب" را بیاموزد.
 
ابداع روش‌ یادگیری عمیق برای حل مکعب روبیک
 
به گزارش ایسنا و به نقل از تک‌اکسپلور،  این روش که در مقاله‌ای در مجله‌ی "Wiley's Expert Systems" به چاپ رسیده است ابتدا برای حل مکعب روبیک طراحی شده بود.
 
کالین جی جانسون می‌گوید: هدف مقاله‌ی ما استفاده از یادگیری ماشینی برای آموختن حل مکعب روبیک بود. مکعب روبیک پازل بسیار پیچیده‌ای است اما بسیاری از این معماها در بیشترین حالت ۲۰ قدم تا حل شدن فاصله دارند و رویکردی که ما پیش گرفته‌ایم تلاش برای حل این مسئله با یادگرفتن هر مرحله به صورت جداگانه است.
 
این روش که توسط جانسون ابداع شده مبتنی بر دو روش اصلی است: یادگیری گام‌به‌گام و استفاده از شبکه‌ی عصبی. در این روش سعی می‌شود تا مکعب روبیک مرحله به مرحله حل شود به جای آن که حل کردن کل آن به یک باره یاد گرفته شود. به عبارت دیگر تغییر دادن بخش‌های آن برای رسیدن به شکلی ساده‌تر و تکرار چندین باره‌ی مراحل تا حل شدن مکعب روبیک.
 
جانسون توضیح می‌دهد: به جای آن که برنامه بیاموزد چگونه یک باره مکعب روبیک را حل کند می‌آموزد که چگونه آن را ساده‌تر کند تا زمانی که کاملا حل شود. در این ساختار هر مرحله از مرحله قبل ساده‌تر خواهد بود بنابراین من ابتدا روشی ابداع کردم که با آن بتوان میزان بهم ریختگی مکعب را تخمین زد. پس از آن که تخمین زده شده مکعب چند بار بهم ریخته شده، روش ابداعی جانسون از یک شبکه‌ی عمیق عصبی استفاده می‌کند تا متوجه شود مکعب چند قدم تا حل شدن فاصله دارد و در نهایت با استفده از این داده‌ها برای حل مکعب روبیک استفاده می‌کند.
 
جانسون این روش را با چند آزمایش بررسی کرد و آن را با روش‌های قبلی که براساس گروهی از الگوریتم‌ها به نام جنگل تصادفی (random forest) و سایر روش‌های کامپیوتری مقایسه کرد. روش او به خوبی با همه‌ی این روش‌ها قبل مقایسه بود و مزیت آن‌ حل مرحله به مرحله‌ی مسئله بود.
 
ابداع روش‌ یادگیری عمیق برای حل مکعب روبیک
 
تاکنون جانسون از این روش تنها برای حل مکعب روبیک استفاده کرده است اما می‌توان آن را در مسائل بزرگ‌تری که به صورت مرحله‌ای حل می‌شوند نیز به کار برد.
 
در آینده این روش مرحله‌ای می‌تواند برای حل بسیاری از مشکلات دیگر که ریشه در علم و مهندسی دارد مورد استفاده قرار گیرد. برای مثال از آن می‌توان برای مطالعه‌ و درک بهتر نحوه‌ی قرارگیری پروتئین‌ها در درون سلول استفاده کرد.
ارسال به دوستان
بلیط هواپیما فلای تودی
علم در خدمت غذا؛ فیزیکدانان راز پخت پاستای بی‌نقص را کشف کردند بنادر جنوب ایران در یک قرن پیش، به روایت یکی از اهالی هشداری جدی؛ آنچه باید درباره مسمومیت با کدو سبز بدانید اتومبیل با شماره شهربانی 1 متعلق به نخست وزیر (عکس) دبیر شورای عالی امنیت ملی: ایران از حقوق مسلم خود از جمله حق استفاده صلح آمیز از انرژی اتمی نخواهد گذشت پیشکسوت فوتبال ایران درگذشت حمله آمریکا به شهر «الحوک» در یمن درخواست آمریکا از هند و پاکستان برای کاهش تنش ها چرا برخی افراد در اوایل مراحل خواب احساس سقوط از روی یک صخره را دارند؟ غذاهای مفید برای پیشگیری از سرطان بزرگ‌ترین انفجارهای غیرنظامی تاریخ و درس‌هایی برای آینده رسانه آمریکایی: ایلان ماسک کاخ سفید را ترک کرده است ترامپ: فکر می‌کنم اوکراین به زودی در هم شکسته خواهد شد گروسی: حمایت از مذاکرات ایران و آمریکا بسیار مهم است کشف کشتی ۵۰۰ ساله در بارسلونا؛ دریچه‌ای به تاریخ دریانوردی قرون وسطی