تحب Gaby Ecanow الاستماع إلى الموسيقى ، لكنها لم تفكر أبدًا في كتابتها حتى أخذها 6.S191 (مقدمة في التعلم العميق). في فصلها الثاني ، كانت طالبة معهد ماساتشوستس للتكنولوجيا (MIT) في السنة الثانية قد قامت بتأليف أغنية شعبية أيرلندية أصلية بمساعدة شبكة عصبية متكررة ، وكان يفكر في كيفية تكييف النموذج لإنشاء إيقاعات الرقص المستوحاة من لويس الطفل.

تقول: "لقد كان رائعًا". "لم يبد على الإطلاق أن الآلة قد نجحت." 

هذا العام ، انطلق 6.S191 كالمعتاد ، مع تسرب الطلاب إلى ممرات قاعة Kirsch في Stata Center خلال فترة الأنشطة المستقلة (IAP). لكن المحاضرة الافتتاحية تميزت بلطف: أ ترحيب مسجل من الرئيس السابق باراك أوباما. تم الكشف عن الفيديو بسرعة على أنه تلفيق من إنتاج AI ، وهو واحد من العديد من التقلبات التي ألكسندر أميني '17 و افا سليماني '16 قدم طوال الدورة التدريبية للائتمان لجعل المعادلات والشفرة تنبض بالحياة. 

بينما ينظر المئات من أقرانهم ، يتناوب أميني وسليماني على المنصة. إذا بدوا مرتاحين ، فذلك لأنهم يعرفون المادة الباردة ؛ قاموا بتصميم المناهج بأنفسهم ، وقاموا بتدريسها على مدار السنوات الثلاث الماضية. تغطي الدورة الأسس التقنية للتعلم العميق وآثاره المجتمعية من خلال المحاضرات ومعامل البرمجيات التي تركز على تطبيقات العالم الحقيقي. في اليوم الأخير ، يتنافس الطلاب على الجوائز من خلال طرح أفكارهم الخاصة لمشاريع بحثية. في الأسابيع التي تسبق الفصل ، يقضي أميني وسليماني ساعات في تحديث المعامل ، وتجديد محاضراتهم ، وصقل عروضهم التقديمية.

يستخدم التعلم العميق ، وهو فرع من فروع التعلم الآلي ، البيانات الضخمة والخوارزميات المصممة بشكل فضفاض حول كيفية معالجة الدماغ للمعلومات لعمل تنبؤات. يُنسب إلى الفصل المساعدة في نشر أدوات التعلم الآلي في مختبرات الأبحاث عبر معهد ماساتشوستس للتكنولوجيا. يقول أميني ، طالبة الدراسات العليا في معهد ماساتشوستس للتكنولوجيا ، إن هذا عن طريق التصميم قسم الهندسة الكهربائية وعلوم الحاسب (EECS) ، وسليماني ، طالب دراسات عليا في معهد ماساتشوستس للتكنولوجيا وجامعة هارفارد.

كلاهما يستخدم التعلم الآلي في أبحاثهما - أميني في هندسة الروبوتات ، وسليماني في تطوير أدوات تشخيص للسرطان - وأرادوا التأكد من أن المناهج الدراسية ستعد الطلاب لفعل الشيء نفسه. بالإضافة إلى المختبر الخاص بتطوير الذكاء الاصطناعي لتوليد الموسيقى ، فإنهم يقدمون مختبرات لبناء نموذج التعرف على الوجوه مع الشبكات العصبية التلافيفية والروبوت الذي يستخدم التعلم المعزز للعب لعبة الفيديو Atari القديمة ، Pong. بعد أن يتقن الطلاب الأساسيات ، يواصل أولئك الذين يأخذون الفصل للحصول على رصيد لإنشاء تطبيقات خاصة بهم. 

هذا العام ، قدم 23 فريقًا مشاريع. من بين الفائزين بالجوائز كانت كارمن مارتن ، طالبة دراسات عليا في برنامج جامعة هارفارد - معهد ماساتشوستس للتكنولوجيا في العلوم والتكنولوجيا الصحية (HST) ، الذي اقترح استخدام نوع من الشبكات العصبية يسمى الشبكة التلافيفية للرسم البياني للتنبؤ بانتشار فيروس كورونا. جمعت العديد من تدفقات البيانات: بيانات تذاكر الطيران لقياس التدفقات السكانية ، والتأكيد في الوقت الفعلي للعدوى الجديدة ، وترتيب لمدى قدرة البلدان على منع الجائحة والاستجابة لها. 

وتقول: "الهدف هو تدريب النموذج للتنبؤ بالحالات لتوجيه الحكومات الوطنية ومنظمة الصحة العالمية في توصياتها للحد من الحالات الجديدة وإنقاذ الأرواح".

واقترح الفائز بالجائزة الثانية ، طالب الدراسات العليا في EECS صامويل سليدزيسكي ، بناء نموذج للتنبؤ بتفاعلات البروتين باستخدام تسلسل الأحماض الأمينية فقط. إن التنبؤ بسلوك البروتين هو مفتاح تصميم أهداف الدواء ، من بين التطبيقات السريرية الأخرى ، وتساءل سليدزيسكي عما إذا كان التعلم العميق يمكن أن يسرع البحث عن أزواج البروتين القابلة للحياة. 

يقول: "لا يزال هناك عمل يتعين القيام به ، لكنني متحمس إلى أي مدى تمكنت من تحقيقه في ثلاثة أيام". "إن وجود أمثلة سهلة المتابعة في TensorFlow و Keras ساعدني على فهم كيفية بناء وتدريب هذه النماذج بنفسي." يخطط لمواصلة العمل في تناوب معمله الحالي بوني بيرغر، أستاذ سيمونز للرياضيات في EECS و علوم الحاسوب ومختبر الذكاء الاصطناعي (كسايل). 

في كل عام ، يسمع الطلاب أيضًا عن تطبيقات التعلم العميق الناشئة من الشركات الراعية للدورة. ديفيد كوكس ، المدير المشارك لـ معهد ماساتشوستس للتكنولوجيا ، واتسون آي بي مختبر، الذكاء العصبي الرمزي المغطى ، وهو نهج هجين يجمع بين البرامج الرمزية مع قدرة مطابقة نمط التعلم العميق للخبراء. تحدث أليكس ويلتشكو ، أحد كبار الباحثين في Google Brain ، عن استخدام أداة تحليل الشبكة للتنبؤ برائحة الجزيئات الصغيرة. ناقش تشوان لي ، كبير المسؤولين العلميين في Lambda Labs ، العرض العصبي ، وهو أداة لإعادة بناء وتوليد مشاهد الرسوم. غطت أنيميش جارج ، باحثة أولى في NVIDIA ، استراتيجيات تطوير الروبوتات التي تتصرف وتتصرف بشكل يشبه الإنسان.

مع 350 طالبًا يأخذون الدورة التدريبية الحية كل عام ، وأكثر من مليون شخص شاهدوا المحاضرات عبر الإنترنت ، أصبح أميني وسليماني سفيرين بارزين للتعلم العميق. ومع ذلك ، كان التنس هو أول ما جمعهما معًا. 

تنافس أميني على الصعيد الوطني كطالب في مدرسة ثانوية في أيرلندا وصمم نموذجًا للذكاء الاصطناعي حائزًا على جوائز لمساعدة لاعبي التنس الهواة والمحترفين على تحسين ضرباتهم ؛ كان سليماني قائداً لفريق التنس النسائي في معهد ماساتشوستس للتكنولوجيا مرتين. التقيا في المحكمة كطلاب جامعيين واكتشفوا أنهما يشتركان في شغف التعلم الآلي. 

بعد الانتهاء من دراستهم الجامعية ، قرروا تحدي أنفسهم وملء ما رأوا أنه حاجة متزايدة في معهد ماساتشوستس للتكنولوجيا لدورة تأسيسية في التعلم العميق. تم إطلاق S6 في عام 191 من قبل اثنين من طلاب الدراسات العليا ، نيك لوكاسيو وهاريني سوريش ، وكان لدى أميني وسليماني رؤية لتحويل الدورة إلى شيء أكثر. لقد أنشأوا سلسلة من مختبرات البرمجيات ، وقدموا موضوعات جديدة متطورة مثل الذكاء الاصطناعي القوي والأخلاقي ، وأضافوا محتوى لجذب مجموعة واسعة من الطلاب ، من علماء الكمبيوتر إلى مهندسي الطيران وماجستير إدارة الأعمال.

يقول Soleimany: "أنا وألكسندر نقوم باستمرار بالعصف الذهني ، وهذه المناقشات هي مفتاح كيفية تطوير 6.S191 وبعض مشاريعنا البحثية التعاونية الخاصة". 

أنها تغطي واحدة من تلك التعاون البحثي في ​​الفصل. أثناء مختبر رؤية الكمبيوتر ، يتعلم الطلاب عن التحيز الخوارزمي وكيفية اختبار ومعالجة التحيز العنصري والجنساني في أدوات التعرف على الوجوه. يعتمد المختبر على خوارزمية طورها أميني وسليماني مع مستشاريهما ، دانييلا روس، مدير CSAIL ، و سانجيتا بهاتيا، وأستاذ جون جيه ودوروثي ويلسون في HST و EECS. في هذا العام ، قاموا أيضًا بتغطية مواضيع ساخنة في الروبوتات ، بما في ذلك عمل Amini الأخير على السيارات بدون سائق. 

لكنهم لا يخططون للتوقف عند هذا الحد. يقول أميني: "نحن ملتزمون بجعل 6.S191 أفضل ما يمكن أن يكون ، كل عام نقوم بتدريسه ، وهذا يعني دفع الدورة إلى الأمام مع استمرار التعلم العميق".