كلام دكتور وليد عن اهمية التاسيس النظري و الرياضي وان الادوات التنفيذيه مثلا سابقا ماتلاب و اليوم لغات برمجة ك بايثون و غدا غيرها هي وسائل تتغير وتتبدل مع الوقت مع ثبات الأساس

عرفنا ان الشبكات العصبية ليست الا تقريب رياضي لدالة تمثل مهمة ما f(x) لكن فضاء الدوال الذي يحقق نفس الدالة هو لانهائي ( كمثال لو كانت بيانات تدريب فيها نقاط (0,1) ف انا اقدر ابني دوال مثلثية او اسية او تركيب معقد يمر بنفس هذه نقاط) وهنا تاتي نظرية No Free Lunch وتنص اذا فرضنا جميع الدوال الرياضيه الممكنة متساوية الاحتمال فإن متوسط أداء اي خوارزمية تعلم على البيانات يتساوى مع متوسط اداء اي خوارزمية أخرى( لذلك يقال ان من منظور رياضيات البحته فان احتمال اجابة الشبكة العصبية يساوي احتمال رمي عملة معدنية بشكل عشوائي) فلو دربنا شبكة عصبيه على بيانات لتتعلم دالة f(x) فمعروف بيانات هذه ما تحدد سلوك الداله خارج النقاط بالتالي توجد دوال متتعده تطابق هذه بيانات بالتالي لا توجد خوارزمية واحده تتفوق على باقي خوارزميات التعليم( على مستوى النظري) بالتالي الكلام عن تفوق شبكات العصبية العميقة او Transformer او غيرها بمهام مثل اللغه و البرمجة و تنصنيف و الخ.. يقابله بشكل حتمي ان ادائها يكون ضعيف جدا لاي دالة معاكسة للدالة الذي تعلمتها(ملاحظه لو قلنا بتعريف agi بانه ذكاء عام لهذه الدوال فالنظرية تثبت استحالته )

عرفنا ان الشبكات العصبية ليست الا تقريب رياضي لدالة تمثل مهمة ما f(x) لكن فضاء الدوال الذي يحقق نفس الدالة هو لانهائي ( كمثال لو كانت بيانات تدريب فيها نقاط (0,1) ف انا اقدر ابني دوال مثلثية اة اسية او تركيب معقد يمر بنفس هذه نقاط) وهنا تاتي نظرية No Free Lunch وتنص اذا فرضنا جميع الدوال الرياضيه الممكنة متساوية الاحتمال فإن متوسط أداء اي خوارزمية تعلم على البيانات يتساوى مع متوسط اداء اي خوارزمية أخرى( لذلك يقال ان من منظور رياضيات البحته فان احتمال اجابة الشبكة العصبية يساوي احتمال رمي عملة معدنية بشكل عشوائي) فلو دربنا شبكة عصبيه على بيانات لتتعلم دالة f(x) فمعروف بيانات هذه ما تحدد سلوك الداله خارج النقاط بالتالي توجد دوال متتعده تطابق هذه بيانات بالتالي لا توجد خوارزمية واحده تتفوق على باقي خوارزميات التعليم( على مستوى النظري) بالتالي الكلام عن تفوق شبكات العصبية العميقة او Transformer او غيرها بمهام مثل اللغه و البرمجة و تنصنيف و الخ.. يقابله بشكل حتمي ان ادائها يكون ضعيف جدا لاي دالة معاكسة للدالة الذي تعلمتها(ملاحظه لو قلنا بتعريف agi بانه ذكاء عام لهذه الدوال فالنظرية تثبت استحالته ) تبقى مسالة كيف تنجح خوارزميات ai على خوارزميات أخرى في تعلم و تحقيق نتائج طالما ان متوسط ادائها يستحيل ان يتفوق احدهم على الاقل وهذا سانشر عنه لاحقا لكن يكفي قول بوجود تحيزات استقرائية