جمع بردارها در هوش مصنوعی | ریاضیاتی در حد دبستان!

سلام رفقا! به جلسه چهارم از دوره جامع ریاضیات هوش مصنوعی خوش اومدید. من امیر آویژه هستم و تو این جلسه می‌خوایم بریم سراغ یه مبحث به شدت ساده اما بی‌نهایت مهم تو جبر خطی، یعنی جمع بردارها (Vector Addition).

شاید باورتون نشه ولی محاسبات ریاضیِ جمع بردارها در حد همون ریاضیات دوره‌ی دبستانه! اما چیزی که تو دیتا ساینس برای ما مهمه، اینه که بتونیم این جمع رو به صورت نموداری و هندسی درک کنیم. پس بریم که با یه مثال جذاب یادش بگیریم.

محاسبه ریاضی جمع بردارها چطوریه؟

از لحاظ عددی، ما فقط کافیه مقدارهای متناظر (نظیر به نظیر) رو با هم جمع کنیم. فرقی هم نمی‌کنه بردار ما دو بُعدی باشه یا هزار بُعدی!

فرض کنید دو تا بردار داریم: بردار A به صورت [4-, 3] و بردار B به صورت [5, 3]. حالا اگه بخوایم A رو با B جمع کنیم، چیکار می‌کنیم؟ خیلی ساده ایکس رو با ایکس و وای رو با وای جمع می‌زنیم:

محاسبه بُعد اول (X)	محاسبه بُعد دوم (Y)	بردار نهایی (A+B)
(4-) + 5 = 1	3 + 3 = 6	[1, 6]

همونطور که می‌بینید، اگه بردار سه بُعدی هم داشتیم (مثلاً یه Z هم بود)، باز هم عدد سوم رو با عدد سوم جمع می‌کردیم. به همین راحتی! نکته جالب اینجاست که تو جمع بردارها، مهم نیست اول کدوم رو بیارید؛ یعنی A + B دقیقاً برابر با B + A هست.

درک هندسی با دسته پلی‌استیشن!

حالا بیاین این قضیه رو تو محور مختصات تصور کنیم. بهترین راه برای درک این موضوع اینه که کلیدهای جهت‌نمای دسته پلی‌استیشن رو بیارید تو ذهنتون! تو دسته بازی:

• راست: یعنی عدد ایکس مثبته (X قدم برو جلو)
• چپ: یعنی عدد ایکس منفیه (X قدم برو عقب)
• بالا: یعنی عدد وای مثبته (Y قدم برو بالا)
• پایین: یعنی عدد وای منفیه (Y قدم بیا پایین)

پیاده‌سازی بازی روی نمودار

با توجه به همون مثال قبلی، بردار A به ما میگه: «۴ قدم برو سمت چپ، بعد ۳ قدم برو بالا». نقطه شروع ما کجاست؟ صفرِ صفرِ محور مختصات (مبدأ). پس ما می‌رسیم به یه نقطه تو فضا.

حالا نوبت بردار B هست. نکته طلایی اینجاست: برای کشیدن بردار دوم، دیگه برنمی‌گردیم به صفرِ صفر! بلکه دقیقاً از همون جایی که متوقف شدیم (انتهای بردار A)، دستورات بردار B رو اجرا می‌کنیم. بردار B میگه: «۵ قدم برو راست، ۳ قدم برو بالا».

اگه این قدم‌ها رو بریم، می‌رسیم به نقطه‌ی [1, 6]. حالا اگه از نقطه شروع (مبدأ) یه خط مستقیم به نقطه نهایی بکشیم، همون بردار A+B شکل می‌گیره.

کاربردهای جمع بردارها در دیتا ساینس

شاید بپرسید این جمع و تفریق‌های ساده به چه درد هوش مصنوعی می‌خوره؟ اجازه بدید چند تا مثال واقعی و خفن براتون بزنم تا ببینید این مفهوم چقدر کاربردیه:

زمینه کاربرد	مثال و توضیح عملکرد
تجمیع داده‌ها (Data Aggregation)	فرض کنید اطلاعات تراکنش‌های یک فرد از ۵ دستگاه کارتخوان مختلف جمع‌آوری شده. برای به دست آوردن دیتای نهایی شخص، بردارهای این اطلاعات نظیر به نظیر با هم جمع میشن.
مهندسی ویژگی (Feature Engineering)	گاهی وقت‌ها تو یادگیری ماشین، ویژگی‌های جدیدی با ترکیب (جمع کردن) ویژگی‌های قبلی ساخته میشن تا مدل ما هوشمندتر بشه.
پردازش زبان طبیعی (NLP)	تو مباحثی مثل Word Embedding (مثل Word2Vec)، کلمات به بردار تبدیل میشن. اگه بردار کلمه‌ی «دیتا» رو با بردار کلمه‌ی «ساینس» جمع کنیم، به برداری می‌رسیم که مفهوم «دیتا ساینس» رو درک می‌کنه!

حرف آخر…

اینم از جلسه چهارم که امیدوارم خیلی راحت یادش گرفته باشید. حتماً خودتون بردار B رو اول بکشید و بعد A رو از انتهای اون ادامه بدید تا ببینید به همون جواب می‌رسید یا نه. این بهترین تمرین برای درک هندسیه!