WEBVTT 00:00.570 --> 00:03.340 أهلا ومرحبا بكم مرة أخرى في دورة الذكاء الاصطناعي. 00:03.360 --> 00:06.300 في درس اليوم ، سنتحدث عن إضافة على ذلك. 00:06.300 --> 00:08.610 سنقوم بتنفيذ خوارزمية C. 00:08.610 --> 00:12.690 إنها تسمى الذاكرة طويلة المدى أو طويلة المدى للذاكرة القصيرة. 00:12.690 --> 00:20.040 لذلك دعونا نلقي نظرة على ما لدينا حتى الآن ثم سنناقش لماذا نحتاج إلى LST وما 00:20.040 --> 00:21.000 هو LSM. 00:21.000 --> 00:24.480 لقد ناقشنا حتى الآن خوارزمية C. 00:24.480 --> 00:29.910 لقد تحدثنا عن جميع الحروف الثلاثة A في A3 C وبالطبع ، رأينا أنها في الواقع أكثر تعقيدًا 00:29.910 --> 00:33.300 قليلاً وأكثر تعقيدًا مما لدينا في هذه الصورة. 00:33.300 --> 00:38.250 لدينا في الواقع ثلاثة وكلاء متعددين أو أكثر يمرون بالبيئة ويتواصلون فيما 00:38.250 --> 00:39.570 بينهم وما إلى ذلك. 00:39.570 --> 00:44.460 ولكن من أجل البساطة ، بالنسبة لقصة اليوم ، سنقوم فقط بتوضيح كل شيء باستخدام هذا 00:44.460 --> 00:45.570 الوكيل الوحيد. 00:45.570 --> 00:47.520 في النهاية ، لدينا هذا الممثل ، الجزء الناقد. 00:47.520 --> 00:52.770 بشكل أساسي ، بمجرد أن يكون لدينا حالة ، هذه الحالة لهذه الصورة تمر عبر طبقة تلافيفية ، ثم تمر 00:52.770 --> 00:55.290 عبر طبقة تجميع ، وتنتقل إلى طبقة التسطيح. 00:55.290 --> 01:02.310 وفي هذه المرحلة ، لدينا قيم أو أرقام يتم نشرها بعد ذلك عبر الشبكة ، وتنتقل إلى الطبقات 01:02.310 --> 01:03.960 المخفية. 01:03.960 --> 01:10.350 ثم كمخرج ، نحصل على السياسة أو الجزء الفاعل ويحصلون على قيمة الدولة أو 01:10.350 --> 01:12.600 نحصل على الجزء الناقد. 01:12.600 --> 01:16.530 وما سنفعله اليوم هو أننا سنتحدث عن هذا الجزء المخفي. 01:16.530 --> 01:21.600 لذلك في الطبقات المخفية ، يمكننا بالفعل نقلها إلى المستوى التالي ويمكننا إضافة تعديل. 01:21.600 --> 01:25.560 وقد رأينا بالفعل وجود تعديلات متعددة للخوارزمية. 01:25.560 --> 01:26.250 لقد رأينا واحدة منهم. 01:26.250 --> 01:32.430 لقد رأينا أنه في بعض الحالات يمكنك الحصول على هذا الجزء الرئيسي من الشبكة ، والذي يكون فرديًا لكل وكيل ، أو يمكنك 01:32.430 --> 01:35.700 الحصول على هذا الجزء الرئيسي من الشبكة الذي تتم مشاركته. 01:35.700 --> 01:42.000 وهذا ما رأيناه في تجاربنا البديهية السابقة ، كان لدينا جزء مشترك من الشبكة. 01:42.000 --> 01:44.100 تمت مشاركة هذه الشبكة بين الوكلاء. 01:44.100 --> 01:50.580 وكما سيخبرك Adlon بالمزيد في الدروس العملية ، فهذا يساعد حقًا في تحدي الاختراق. 01:50.580 --> 01:57.690 وهناك الكثير والكثير من الطرق الأخرى التي يمكنك من خلالها تعديل الخوارزمية ، والكثير من الإضافات 01:57.690 --> 01:59.670 الأخرى التي يمكن تنفيذها. 01:59.670 --> 02:03.120 وواحد منهم سنناقشه ، لأننا سنحصل عليه في مجموعة 02:03.120 --> 02:09.720 عملية من الدروس هنا قبل أن تضغط في طبقات ، والتي يمكنك إضافتها هي طبقة lshtm ، طبقة شبكة عصبية 02:09.720 --> 02:17.040 ، والتي تسمح للخوارزمية الخاصة بك ، والذي يسمح للخوارزمية بالحصول على ذاكرة ، مما يسمح للخوارزمية بتذكر 02:17.370 --> 02:18.810 ما حدث من قبل. 02:18.810 --> 02:20.940 وسنتحدث عن Lshtm الآن بمزيد من التفصيل. 02:20.940 --> 02:26.040 ولكن يمكنك في الأساس إضافة طبقة إضافية هنا ، وهي طبقة قائمة وتحسين الخوارزمية الخاصة بك ببعض 02:26.040 --> 02:27.870 الذاكرة الإضافية لميزة أخرى. 02:27.870 --> 02:32.610 وما ستراه في الواقع في المواد الكسورية هو أننا لم نكن بحاجة حتى إلى أي طبقات مخفية 02:32.610 --> 02:36.030 بعد الطبقة الأخيرة ، لذلك سترى ذلك مسبقًا في التنفيذ. 02:36.030 --> 02:38.760 لقد حصل على طبقة التسطيح على الفور. 02:38.760 --> 02:40.350 بعد ذلك ، حصل على طبقة النظام. 02:40.350 --> 02:43.380 لذلك يمثل هذا المربع أساسًا طبقة lshtm. 02:43.380 --> 02:45.960 وبعد ذلك على الفور حصلت على الناتج. 02:45.960 --> 02:50.940 لذلك لم يكن بحاجة إلى أي طبقات مخفية أخرى بعد ذلك ، ببساطة لأن هذا هو مقدار القوة التي 02:50.940 --> 02:53.160 تضيفها طبقة lshtm إلى الخوارزمية. 02:53.160 --> 02:58.980 ومرة أخرى ، الخوارزمية أو بنية شبكتك العصبية ، إنها شيء فردي للغاية. 02:58.980 --> 03:01.320 إنه تفضيل شخصي ، إنه شيء مبدع للغاية. 03:01.320 --> 03:07.740 لذلك قد ترغب في الحصول على طبقتين ، قد يكون لديك طبقة محلل واحدة ثم عدة طبقات مثل خمس طبقات مخفية 03:07.740 --> 03:08.730 في القائمة. 03:08.910 --> 03:11.670 هذا أمر متروك لك تمامًا ولديك للتجربة والاستكشاف. 03:11.670 --> 03:16.290 ولكن هذا ما توصلنا إليه في الدروس العملية. 03:16.290 --> 03:23.070 لذلك سترون أن لدينا طبقة مسطحة ، ثم بعد ذلك لدينا طبقة lsd1 ثم 03:23.070 --> 03:24.240 الناتج. 03:24.240 --> 03:28.590 والآن بعد أن تحدثنا كثيرًا عن هذه الطبقة ، ما هي طبقة القائمة هذه؟ 03:28.590 --> 03:34.650 حسنًا ، تضيف طبقة lshtm ذاكرة تعطي ميزة مثل السماح للشبكة العصبية بالحصول على ذاكرة حول 03:34.650 --> 03:36.810 ما حدث في التكرارات السابقة. 03:36.810 --> 03:43.170 وغالبًا ما يتم ترميزها أو إظهارها برمز يشبه هذا. 03:43.170 --> 03:46.050 هذا ما بدأناه للتو وأنا أضعه هنا. 03:46.050 --> 03:51.630 أعلم أنها تبدو ملتوية للغاية ، لكنني أضعها هنا حتى تتمكن من رؤية ما يحدث عندما نناقش 03:51.630 --> 03:52.830 هذه الصورة أكثر. 03:52.830 --> 04:01.500 إذن هذا ناتج هذه الطبقة ينتقل إلى هنا وهذا هو لدينا ، لذا فهذه طبقة كاملة هنا. 04:01.500 --> 04:02.970 إذن فهو متجه للقيم. 04:02.970 --> 04:04.920 X عبارة عن قيم متجه تدخل في الشطيرة. 04:04.920 --> 04:09.510 سنناقش هذا فقط بين الحين والآخر كمخرج ، ستحصل على متجه آخر ، وهو تسلسل 04:09.510 --> 04:12.150 هذه المخزن أو بطريقة ما ترتبط بالشبكة. 04:12.150 --> 04:14.820 في حالتنا كمخرج ، تحصل على هذا وتحصل على هذا. 04:14.820 --> 04:17.280 لذلك دعونا نلقي نظرة على هذا بمزيد من التفصيل. 04:17.280 --> 04:18.810 لذلك سنركز فقط على هذا الجزء. 04:18.940 --> 04:22.830 في الواقع ، سنقوم ، كما تلاحظون على الأرجح من خلال وجود الأحرف بهذا الحجم 04:22.830 --> 04:24.270 ، بقلبها إلى الجانب. 04:24.270 --> 04:31.590 هكذا ، وهذا كله مثل الخلط ، كان فقط لتكرار حقيقة أنه على الرغم من أنها تبدو هكذا ، فإن 04:31.590 --> 04:36.840 ما يحدث في الواقع هو أن طبقة من القيم ، متجه كامل من القيم يسير 04:36.840 --> 04:37.410 هنا. 04:37.410 --> 04:39.780 شيء ما يحدث ، والذي سنناقشه بين الحين والآخر. 04:39.780 --> 04:41.390 هناك وديان متجهة كاملة تجري هنا. 04:41.400 --> 04:43.170 إذن هذه هي الطبقة. 04:43.170 --> 04:47.190 انها ليست مجرد عنصر واحد من هذا هو الطبقة نفسها. 04:47.190 --> 04:49.320 لذا دعنا نعود مرة أخرى. 04:49.320 --> 04:53.550 فقط للتكرار ، تدخل الطبقة في هذه الطبقة. 04:53.550 --> 04:55.530 يحدث شيء ما ، تخرج الطبقة. 04:55.530 --> 04:58.560 هذا هو النظام في جانبه فقط. 04:58.560 --> 05:00.020 لذلك من الأسهل مناقشة هذا الأمر. 05:00.490 --> 05:02.050 وهذا هو التمثيل الشائع. 05:02.170 --> 05:02.580 حسنا. 05:02.590 --> 05:07.770 الآن بعد أن اتفقنا على سبب وجود هذه الصورة في جانبها وكيف سنمضي في ذلك؟ 05:07.780 --> 05:11.430 لنبدأ في البحث في هذا الموقف أكثر قليلاً. 05:11.440 --> 05:14.010 إذن ماذا يحدث داخل طبقة البخار؟ 05:14.020 --> 05:15.330 لذلك هذا ما يبدو عليه. 05:15.340 --> 05:17.920 وبالطبع ، هذا يبدو معقدًا للغاية. 05:17.920 --> 05:24.010 ونحن بالتأكيد لن نمر بكل هذا الآن لمجرد وجود الكثير لمناقشته. 05:24.100 --> 05:32.050 كانت النقطة هي أن العمليات عبارة عن عمليات حكيمة على مستوى الطبقات وهناك الكثير من العمليات الجارية أو الكثير من التفاصيل 05:32.050 --> 05:37.300 المعقدة التي لن نخوض فيها لأنه بخلاف ذلك ستفجر هذه الدورة التدريبية. 05:37.300 --> 05:40.480 وليس هذا هو الغرض من عدم الحديث عن السيقان هنا. 05:40.480 --> 05:42.230 سنقوم فقط باستخدام كل المطاط الصناعي. 05:42.340 --> 05:49.960 وإذا كنت ترغب في معرفة المزيد عن Tams ، فيمكنك إما الانتقال إلى مدونة Christopher Olas هنا. 05:50.410 --> 05:56.560 لقد حصل على وصف جيد لجميع السيقان أو نتحدث أيضًا عن LCMS في عصور التعلم العميق لدينا. 05:56.560 --> 05:57.970 بالطبع يمكنك التحقق من ذلك هناك. 05:57.970 --> 06:01.300 لدينا قسم كامل عن الشبكات العصبية المتكررة والسيقان أيضًا. 06:01.300 --> 06:09.160 إذن هذا هو الجزء الداخلي من المضاعف المشترك الأصغر وما يحدث هو دخول الطبقة. 06:09.160 --> 06:13.450 لذلك سوف نتحدث عن هذا ، على مستوى حدسي ، على مستوى داخلي أساسي للغاية. 06:13.450 --> 06:18.310 فقط ، فقط ماذا ، ما الذي سيكون كافياً لنا لفهم ما يحدث ، ولماذا توجد ذاكرة 06:18.310 --> 06:23.260 ، وحتى يمكنك أيضًا فهم ما يتحدث عنه آلان بشكل أفضل عند تنفيذ ذلك. 06:23.260 --> 06:28.390 إذن ، هناك طبقة تدخل في كل هذا شيء ما يحدث هنا بشكل أساسي. 06:28.420 --> 06:29.260 طبقة تخرج. 06:29.530 --> 06:36.430 ما نحتاج إلى رؤيته في الواقع هو أن هناك هذه الأجزاء ، هناك بالفعل مدخلات إضافية في هذه 06:36.430 --> 06:37.390 الطبقة. 06:37.390 --> 06:42.910 لذلك تذكر أن هذا عادةً ما يكون لديك مثل مدخلات من طبقة سابقة ، ثم هذه الطبقة ثم لديك 06:42.910 --> 06:43.480 ناتج. 06:43.480 --> 06:49.540 إذا فكرت في تلك الصورة التي كانت لدينا سابقًا ، الشبكة العادية ، والتي ليست ، ليست على جانبها ، والتي تشبه من اليسار 06:49.540 --> 06:54.070 إلى اليمين ، وليس من أعلى إلى أسفل إلى أعلى ، ولكن مع جذع الفانيليا ، لديك بالفعل المزيد 06:54.070 --> 06:55.120 من المدخلات. 06:55.120 --> 06:59.290 لذلك أعلم أن الأمر يزداد تعقيدًا ، لكن هذه الأشياء على الأقل يمكننا فهمها. 06:59.290 --> 07:06.640 هذه خلية ذاكرتك ، هذا هو المفتاح ، وهذا ما ستسمع عنه يتحدث أدلون. 07:06.640 --> 07:11.810 لذا فإن خلية الذاكرة هي شيء يتم حفظه في النظام. 07:11.830 --> 07:15.730 هذه المدخلات والمخرجات ، هي في الواقع هنا. 07:15.730 --> 07:18.130 ما تنظر إليه هو محور الوقت. 07:18.130 --> 07:20.200 لذا فإن هذا قد انهار في الوقت المناسب. 07:20.200 --> 07:27.610 لذلك يحدث هذا في تكرار واحد محدد ، ولكن بعد ذلك يتم أخذ هذه القيمة من الماضي ويتم تمرير هذه القيمة 07:27.610 --> 07:28.780 إلى هذه القيم. 07:28.780 --> 07:33.430 هذه القيم مأخوذة من الماضي ويتم تمرير هذه القيم إلى المستقبل وكيف تمر بشكل جيد من خلال 07:33.430 --> 07:35.350 الطريقة التي يعمل بها فريق LHS. 07:35.350 --> 07:41.320 لذلك دون القلق بشأن الكثير مما يحدث هنا ، كل ما نحتاج إلى فهمه هو أن 07:41.350 --> 07:48.990 الطبقة تدخل وهنا لدينا بالفعل قيمة جاءت من الماضي ، والتي يتم تخزينها داخل lshtm. 07:49.000 --> 07:51.550 داخل الذاكرة طويلة المدى وقصيرة المدى. 07:51.880 --> 07:59.560 لدينا خلية الذاكرة هذه وأيًا كانت القيمة التي كانت موجودة هنا من قبل ، فهي فقط تبقى هنا. 07:59.560 --> 08:00.010 كما ترون. 08:00.010 --> 08:04.990 إنه يمر عبره يتدفق بحرية ، باستثناء هذه العمليات التي تعتمد على النقاط حيث يمكن 08:04.990 --> 08:07.090 إغلاقها أو إضافة شيء إليها. 08:07.090 --> 08:11.380 ولكن بغض النظر عن ذلك ، فإن مجرد قيمة ما تتدفق بحرية. 08:11.380 --> 08:14.860 لذلك يتم نقله بشكل أساسي إلى النقطة التالية في الوقت المناسب ، النقطة التالية. 08:14.860 --> 08:20.260 لذا يمكنك فقط التفكير في الأمر على أنه مثل بعض الذاكرة التي تشبه محرك أقراص فلاش أو شيء من هذا القبيل تمتلكه 08:20.260 --> 08:21.310 هذه الخلية. 08:21.310 --> 08:24.280 ولذا فهو يتذكر فقط القيمة السابقة التي كان هذا هنا. 08:24.280 --> 08:29.860 وبعد ذلك يمكن استخدام ذلك للقيام إما بالإضافة إليه أو للقراءة من تلك القيمة وما إلى ذلك. 08:30.160 --> 08:38.110 وهذه القيمة هي الحالة المخفية ، إنها كذلك ، وبالتالي فإن H والحالة المخفية هي في الأساس قيمة أخرى 08:38.110 --> 08:41.950 تأتي من الماضي ثم يتم استخدامها داخل النظام. 08:41.950 --> 08:47.890 وكما ترون في النهاية ، بعد حدوث كل هذا ، ما تحصل عليه هو أن تحصل على طبقة 08:47.890 --> 08:49.240 تخرج وهي كذلك. 08:49.240 --> 08:52.930 لذلك تحصل على هذه القيمة التي تظهر وهي نفس القيمة التي يتم تمريرها للأمام. 08:52.930 --> 08:55.690 لذلك يتذكر فريق LLS شيئين. 08:55.690 --> 09:01.370 هناك قيمة ثابتة تشبه البقاء في lshtm والتي يمكن تغييرها على هذا النحو. 09:01.420 --> 09:04.660 هناك محرك أقراص محمول مثل قيمة ثابتة. 09:04.660 --> 09:10.540 إذاً خلية الذاكرة وهكذا تستطيع ، يمكنك التمتع برفاهية تخزين شيء ما في تلك المساحة ، في 09:10.540 --> 09:13.330 تلك الذاكرة ، وسيتم نقله إلى المستقبل. 09:13.330 --> 09:19.510 لذلك في كل مرة في التكرار التالي ، مثل أن الخوارزمية كانت في بيئة ، شاهدت شيئًا ، فعلت شيئًا 09:19.600 --> 09:20.470 وما إلى ذلك. 09:20.470 --> 09:25.630 وبعد ذلك في الفريق يمكنك تخزين قيمة معينة وبعد ذلك ستتذكر هذه القيمة حتى عندما تكون في 09:25.630 --> 09:26.740 الحالة التالية. 09:27.190 --> 09:32.080 وأيضًا القيمة الأخرى التي ستتذكرها ستتذكر ناتجها السابق ، وستتذكر تلقائيًا 09:32.080 --> 09:33.640 ناتجها السابق. 09:33.640 --> 09:35.290 إذن الناتج يذهب هنا ويذهب هنا. 09:35.290 --> 09:42.070 هذا هو المستوى المرتفع جدًا جدًا جدًا لما يحدث في LSM. 09:42.070 --> 09:46.060 مرة أخرى ، إذا كنت ترغب في مزيد من التفاصيل ، فهناك الكثير من الموارد التي يمكنك العثور عليها. 09:46.060 --> 09:50.920 وفي هذه المرحلة ، لا نحتاج إلى الخوض في الكثير من التفاصيل حول كل هذه الأشياء. 09:50.920 --> 09:56.950 نحتاج فقط إلى فهم ماهية خلية الذاكرة ، وما هي خلية الذاكرة المخفية ، وما هي 09:56.950 --> 09:59.950 الحالة المخفية ، وكيف يتم تسهيلها. 10:00.490 --> 10:01.810 ذاكرة القائمة. 10:02.110 --> 10:09.520 والسؤال هو ، والآن بعد أن أصبح لدينا نوعًا ما نظرة عامة على كل هذا لتعزيز أو ترسيخ 10:09.520 --> 10:17.350 هذه المعرفة أو ما شابه ذلك لإعطاء سبب لهذه المعرفة ، دعنا نسأل السؤال ، لماذا نحتاج 10:17.350 --> 10:19.090 إلى الذاكرة؟ 10:19.090 --> 10:22.960 لماذا نحتاج إلى ذاكرة في a3c أو خوارزميات أخرى؟ 10:22.960 --> 10:26.890 حسنًا ، لنلقِ نظرة على مثالنا ، التحدي الذي نواجهه في هذا القسم. 10:26.890 --> 10:28.360 لذا فإن التحدي هو الاختراق. 10:28.360 --> 10:29.860 وماذا يحدث في الاختراق؟ 10:29.860 --> 10:34.900 حسنًا ، في حالة الاختراق ، لديك هذه البيئة ، تلك الكتل الصغيرة التي تحتاج إلى تدميرها بهذه الكرة 10:34.900 --> 10:35.710 الصغيرة. 10:35.710 --> 10:40.900 وتحتاج إلى التأكد من أن هذا هو نوعك مثل المضرب أو المنصة التي تتحرك. 10:40.900 --> 10:46.060 ويجب عليها عندما تطير الكرة أن تمسك بالكرة وترتد عن المنصة وتعود وتضربها أو 10:46.060 --> 10:49.480 ترتد عن الجدران أيضًا وتعود وتضرب كتلة وتعود. 10:49.870 --> 10:54.100 وهذا هو جوهر ما تحتاج إلى تحقيقه. 10:54.100 --> 11:02.260 لكن الآن دعونا ننظر إلى هذه الكرة وكأنك تخيل أنك خوارزمية ، a3c ، أنت أو وكيل داخل أحد هؤلاء العملاء 11:02.260 --> 11:05.260 داخل a3c ، هل ترى هذه الصورة؟ 11:05.260 --> 11:07.480 ماذا تستخرج من هنا؟ 11:07.480 --> 11:09.070 ماذا ستكون أفعالك هنا؟ 11:09.070 --> 11:09.490 من هنا؟ 11:09.490 --> 11:11.740 يمكنك رؤية الكرة وهي تطير ، أليس كذلك؟ 11:11.740 --> 11:13.540 حسنًا ، إنها تطير ، حسنًا. 11:13.540 --> 11:15.880 لذا فهي تتجه إلى مكان ما وربما تطير نحوك. 11:15.880 --> 11:16.120 الصحيح. 11:16.120 --> 11:17.740 هل يمكنك التوصل إلى هذا الاستنتاج؟ 11:17.740 --> 11:20.050 هل يمكن أن تتوقع أنه قادم نحوك؟ 11:20.080 --> 11:21.160 ربما يمكنك ذلك. 11:21.160 --> 11:23.680 وربما تكون في المكان الصحيح لالتقاط الكرة. 11:23.680 --> 11:26.590 ولكن ماذا لو كانت الكرة لا تطير بهذه الطريقة؟ 11:26.590 --> 11:27.310 ما الذي يطير ذلك؟ 11:27.310 --> 11:28.480 ماذا لو كانت تطير بهذه الطريقة؟ 11:28.750 --> 11:34.180 الشيء هو ، لا يمكنك أن تعرف من هذه الصورة ما هي الطريقة التي تطير بها لأنك لا تعرف مكانها 11:34.180 --> 11:36.340 في اللحظة السابقة من الزمن. 11:36.340 --> 11:39.060 إذا كانت هنا ، فإنها تطير بهذا. 11:39.150 --> 11:43.690 لذا ، إذا كنت تعرف اللحظة السابقة في الوقت المناسب ، إذا كنت تعلم أنها كانت هنا ، فأنت 11:43.690 --> 11:45.400 تعلم الآن ، إنها هنا كإنسان. 11:45.400 --> 11:48.640 أنت فقط ترسم خطًا من هذين وستكون مثل ، أوه ، رائع ، لذا فالأمر يسير على هذا النحو. 11:48.640 --> 11:52.270 ولكن إذا كنت تعلم أنه كان هنا ، فإنك ترسم خطاً لهذه المواقف يسير على هذا النحو. 11:52.270 --> 11:54.250 علاوة على ذلك ، انظر إلى هذا. 11:54.250 --> 11:57.010 كان من الممكن أن يكون في مكان ما مثل هنا. 11:57.010 --> 11:59.500 ربما يكون الأمر صعودًا ، وربما يسير في الواقع بهذه الطريقة. 11:59.500 --> 12:01.030 لذلك ربما كان هنا وأنا أصعد. 12:01.240 --> 12:04.540 لذلك فقط من تلك الصورة الواحدة صعب للغاية. 12:04.540 --> 12:05.860 إنه في الواقع مستحيل. 12:05.860 --> 12:10.450 من المستحيل هندسيًا تحديد الاتجاه الذي تطير به الكرة. 12:10.450 --> 12:17.830 ولهذا السبب في المرة الأخيرة التي تساعد فيها الذاكرة حقًا الخوارزمية بدون ذاكرة ، لا يزال بإمكانك 12:17.830 --> 12:22.450 القيام بعمل جيد ، ولكن ربما ترغب في التخمين أو ، كما تعلم ، تجد 12:22.450 --> 12:27.640 طرقًا أخرى لفهم أين تذهب ، ولكن باحترام حتى تلك الذكرى الواحدة. 12:27.640 --> 12:33.790 لذلك إذا رجعنا إلى الوراء حتى مع هذه القيمة ، حسنًا ، كان ذلك نوعًا ما مثل ناتج القيمة السابقة أو 12:34.150 --> 12:40.270 ربما يمكنك تخزينها هنا أو بناءً على هذه القيمة ، على سبيل المثال بناءً على المعلومات التي تحصل 12:40.270 --> 12:43.180 عليها من النقطة السابقة في الوقت المناسب. 12:43.180 --> 12:47.980 دعنا نقول مما حدث هنا ، هذا هو المكان الذي كانت فيه كرتك من قبل. 12:47.980 --> 12:53.110 حتى تتمكن من نقل المعلومات حول البيئة من النقطة السابقة في الوقت المناسب من هنا 12:53.110 --> 12:54.100 ، ثم الآن لديك. 12:54.100 --> 13:00.490 الآن ليس لديك فقط معلوماتك من الصورة ، إذا عدنا إلى الوراء أكثر ، فسوف تتذكر 13:00.490 --> 13:02.740 تلك المعلومات من الصورة. 13:02.740 --> 13:07.060 حسنًا ، هذا هلاك ، لكننا في الواقع نعمل مع معلومات تفصيلية من الصورة جاءت 13:07.060 --> 13:09.910 هنا ، هنا ، هنا ، تحولت إلى هذه القيم المسطحة. 13:09.910 --> 13:13.240 وهذه المعلومات من الصورة القادمة إلى النظام. 13:13.240 --> 13:20.320 والآن فجأة ، كما تتذكر قادمًا من ليس من مكان ما ، ولكن من النقطة السابقة في الوقت 13:20.320 --> 13:21.220 المناسب. 13:21.220 --> 13:24.490 لهذا السبب لا يمكنك إثبات أنه قادم على الإطلاق ، ولكن من الكرة ومن اليسار إلى اليمين. 13:24.490 --> 13:28.300 إنها في الواقع مجرد تبقى في طبقة lshtm. 13:28.300 --> 13:31.540 لديك هذه المعلومات فقط من خلال بنية النظام. 13:31.540 --> 13:33.790 لديك معلومات عما حدث سابقاً. 13:33.880 --> 13:41.920 وهكذا نعود إلى هذه المعلومات هنا لمساعدتك الآن على اتخاذ قرار بشأن ما يجب القيام به ، وتساعد الخوارزمية على اتخاذ 13:41.920 --> 13:45.420 القرار ، وفجأة الآن تعرف ذلك ، حسنًا ، حسنًا. 13:45.430 --> 13:51.040 إذن ، الكرة مستلقية إما في هذا الاتجاه أو في هذا الاتجاه. 13:51.040 --> 13:53.170 لذا فأنا في المكان المناسب ، لذا يجب أن أبقى هنا. 13:53.170 --> 13:54.610 الكرة قادمة في اتجاهي. 13:54.610 --> 13:58.510 أو إذا أدركت أن الكرة تطير هناك ، فيجب أن تبدأ في التحرك إلى اليسار ، لأنها إذا انتظرت 13:58.510 --> 14:01.690 لفترة أطول قليلاً ، فسيكون قد فات الأوان وستفقد الكرة. 14:01.690 --> 14:08.560 إذن ، هذه هي الطريقة التي تساعد بها طبقة lshtm حقًا في هذه الخوارزمية ، وهذا بالضبط ما سنراه 14:08.560 --> 14:12.200 عندما تقوم بالدروس العملية مع Adland. 14:12.220 --> 14:12.940 لذا ها نحن ذا. 14:12.970 --> 14:14.260 هكذا يعمل هذا الفريق. 14:14.260 --> 14:20.680 وملاحظة إضافية واحدة فقط ، كما ذكرنا في البداية ، ليست Ellis Times ضرورية بنسبة 100٪. 14:20.680 --> 14:25.330 إنها ليست كاملة كما لو أنها ليست مرتبطة تمامًا بهذه الخوارزمية. 14:25.330 --> 14:27.910 قد ترغب في الحصول عليها هناك ، خوارزمية a3c. 14:27.910 --> 14:31.030 قد لا ترغب في الحصول عليها اعتمادًا على الموقف ، اعتمادًا على الهندسة المعمارية التي تختارها. 14:31.030 --> 14:37.270 هناك الكثير من الإضافات وقد ناقشنا بالفعل الإضافة أو التعديل حيث تتم مشاركة الشبكة العصبية بين 14:37.270 --> 14:40.750 الجهات الفاعلة أو عدم مشاركتها بين الوكلاء أم لا. 14:40.750 --> 14:41.860 الآن مع ذلك. 14:41.860 --> 14:47.830 Lshtm هناك واحد آخر ستراه في الدروس العملية حيث نضيف الإنتروبيا ، والتي يتم حسابها خلال خسارة 14:47.830 --> 14:51.010 السياسة ، وسيقوم Adlon بتوجيهك خلال ذلك. 14:51.010 --> 14:56.920 إذن هناك الكثير من التعديلات المختلفة التي يمكن أن تحدث في الخوارزمية. 14:57.250 --> 14:59.230 فقط تذكر أن ذلك يعتمد على. 14:59.380 --> 15:00.460 ما تريد تحقيقه. 15:00.460 --> 15:05.650 وهو أيضًا شيء من شأنه أن يشجعك على استكشاف ما إذا كنت ستنفذ الكثير من هذه الأشياء 15:05.650 --> 15:08.140 وتجربة خوارزميات مختلفة. 15:08.890 --> 15:14.800 لقد ناقشنا بالفعل زوجين وربما يمكنك العثور على بعض التعديلات الإضافية التي قد 15:14.800 --> 15:15.310 تهمك. 15:15.460 --> 15:20.350 أو ربما عندما تشاهد هذه البرامج التعليمية ، ربما بحلول ذلك الوقت ظهرت المزيد من التعديلات التي تعتبر 15:20.350 --> 15:21.250 شيقة للغاية. 15:21.250 --> 15:27.310 لذلك بالتأكيد هذا شيء يمكنك النظر فيه ويمكن أن يعزز معرفتك بالذكاء الاصطناعي 15:27.310 --> 15:30.460 وكيفية إنشاء هذه الخوارزميات. 15:30.490 --> 15:34.030 وفي هذه الملاحظة ، أتمنى أن تكون قد استمتعت ببرنامج اليوم التعليمي وأتطلع إليك في المرة القادمة. 15:34.060 --> 15:35.250 حتى ذلك الحين ، استمتع. 15:35.250 --> 15:35.650 أنا.