שלב 3 — מוח באקסל

בונים בינה מלאכותית קטנה בתוך אקסל. צופים איך היא לומדת מתמונות. מגיעים ל-90% במבחן.

כ-60 דקות · אקסל · רק נוסחאות, בלי קוד

🎬 צפו קודם בסרטון

סרטון שקט עם כתוביות בונה את כל המוח צעד אחר צעד. אפשר לעצור, לחזור או לקפוץ לפרק:

🚀 המשימה שלכם: לאסוף 5 כוכבים

עונים על הבדיקות המהירות במדריך. כל תשובה נכונה מדליקה כוכב.

⭐⭐⭐⭐⭐ 0/5

מה בונים

  1. תמונה של 5×5 ריבועים (פיקסלים). ריבוע כהה הוא 1, ריבוע ריק הוא 0.
  2. „מוח” שמורכב מ-25 משקלים (אחד לכל ריבוע) ומהטיה. המוח מחבר משקל × פיקסל וכך מקבל ציון.
  3. אחרי כל תמונה המוח בודק את התשובה שלו ומזיז מעט את המשקלים. ההזזה הזאת היא למידה.
  4. בסוף בודקים את המוח על תמונות שלא ראה. המטרה: 90% ומעלה.

לפני שמתחילים

  1. אקסל במחשב (אקסל באינטרנט גם עובד).
  2. מורידים את קובץ ההתחלה בראש הדף ופותחים אותו.
  3. תאים צהובים = מקלידים. תאים כחולים = נוסחאות (מקלידים או שכבר קיימות).

0הרעיון בדקה▶ צפו בחלק הזה 0:07

בינה מלאכותית לא „רואה” תפוח. היא רואה מספרים. המוח שלנו נותן לכל ריבוע משקל. ריבועים שמופיעים בתפוחים מקבלים משקל חיובי. ריבועים שמופיעים בבננות מקבלים משקל שלילי.

ציון = הטיה + (משקל 1 × פיקסל 1) + (משקל 2 × פיקסל 2) + … + (משקל 25 × פיקסל 25). ציון גדול אומר תפוח, ציון קטן אומר בננה. ההסתברות היא 1/(1+EXP(-ציון)): ציון 0 הוא 50%.

בינה מלאכותית אמיתית כמו Teachable Machine עושה בדיוק את זה — עם מיליוני משקלים במקום 25.

1מכירים את חוברת העבודה▶ צפו בחלק הזה 0:39

בחוברת יש שישה גיליונות (הלשוניות למטה):

גיליוןלמה הוא משמש
תמונות12 תמונות אימון + 4 משבצות פנויות לתמונות שלכם
למידהחדר המנוע: כל שורה = המוח מסתכל על תמונה ומתקן את עצמו
מוחלוח הבקרה: קצב למידה, תרשימים ועל מה המוח מסתכל
מבחן10 תמונות שהמוח לא ראה
ציורמציירים תמונה ושואלים את המוח
נתוניםגיליון עזר (לא מקלידים בו)
צבעים: צהוב = מקלידים כאן, כחול = נוסחה.

2מסתכלים על תמונות האימון▶ צפו בחלק הזה 0:39

  1. פותחים את הגיליון תמונות. לכל תמונה יש כותרת (תמונה 1 …) ותשובה בפינה: 1 = תפוח, 0 = בננה.
  2. מסתכלים על התפוחים. אילו ריבועים כהים בכל התפוחים? מסתכלים על הבננות. אילו ריבועים כהים בבננות ואף פעם לא בתפוחים?
  3. משבצות 13–16 ריקות. תשתמשו בהן בסוף.
גיליון תמונות: 12 תמונות אימון (תשובה 1 = תפוח, 0 = בננה).
גיליון תמונות: 12 תמונות אימון (תשובה 1 = תפוח, 0 = בננה).
לא משנים עדיין את 12 התמונות הראשונות.
✔ אתם יכולים להצביע על 3 ריבועים שתפוח משתמש בהם ובננה לא.
🎯 בדיקה מהירה

בגיליון תמונות, מה אומר 1 בריבוע?

3מלמדים את המוח: מקלידים 5 נוסחאות▶ צפו בחלק הזה 0:52

פותחים את הגיליון למידה. שורה 7 היא המוח ההתחלתי (הכול אפסים). בשורה 8 המוח מסתכל על תמונה 1. לוחצים על כל תא ומקלידים (או לוחצים על נוסחה כדי להעתיק אותה):

טיפ: לוחצים על נוסחה בטבלה כדי להעתיק אותה ואז מדביקים בתא.

תאנוסחהמשמעות
F8=L7+SUMPRODUCT(M8:AK8,AL7:BJ7)הטיה + סכום של משקל × פיקסל
G8=1/(1+EXP(-F8))ההסתברות שזה תפוח
K8=E8-G8תשובה − הסתברות (כמה טעה)
L8=L7+$E$3*K8הטיה חדשה = הישנה + קצב למידה × שגיאה
AL8=AL7+$E$3*$K8*M8משקל חדש 1 = הישן + קצב למידה × שגיאה × פיקסל
גיליון למידה לפני ההקלדה: התאים הכחולים ריקים.
גיליון למידה לפני ההקלדה: התאים הכחולים ריקים.
  1. מקלידים את הנוסחה ב-F8, G8, K8 ו-L8. לוחצים Enter אחרי כל אחת.
  2. מקלידים את נוסחת המשקל ב-AL8. אחר כך מסמנים AL8, תופסים את ידית המילוי וגוררים ימינה עד BJ8 (25 משקלים).
  3. עכשיו מסמנים F8 וגוררים עד BJ199… או קל יותר: לוחצים F8, מחזיקים Shift, לוחצים BJ199 ולוחצים Ctrl+D (מילוי למטה).
המשקלים (w1-w25) משתנים מעט אחרי כל תמונה.
המשקלים (w1-w25) משתנים מעט אחרי כל תמונה.
אחרי מילוי הנוסחאות למטה: מספרים בכל מקום.
אחרי מילוי הנוסחאות למטה: מספרים בכל מקום.
מסתכלים על עמודה I (טעות?): 1 = המוח טעה בתמונה הזאת. בשורות הראשונות יש טעויות. בשורות האחרונות אין: המוח למד.
✔ עמודה F מציגה מספרים עד שורה 199 והגיליון מוח כבר לא ריק.
🎯 בדיקה מהירה

מה המוח עושה אחרי תשובה שגויה?

4צופים בלמידה▶ צפו בחלק הזה 2:17

  1. פותחים את הגיליון מוח. שני התרשימים מראים טעויות בכל סיבוב והפסד (כמה המוח טועה). שניהם צריכים לרדת.
  2. משנים את קצב הלמידה (התא הצהוב C4) ל-0.05, אחר כך 0.5, אחר כך 5. מסתכלים על התרשימים בכל פעם.
  3. איזה קצב מגיע ראשון ל-0 טעויות? ואיזה הכי איטי?
גיליון מוח, קצב למידה 0.5: הטעויות יורדות ל-0, ההפסד יורד ומפת המשקלים מציגה אדום (רמזים לתפוח) וצהוב (רמזים לבננה).
גיליון מוח, קצב למידה 0.5: הטעויות יורדות ל-0, ההפסד יורד ומפת המשקלים מציגה אדום (רמזים לתפוח) וצהוב (רמזים לבננה).
קטן מדי = למידה איטית. גדול מדי = קפיצות. זו ההגדרה החשובה ביותר באימון בינה מלאכותית אמיתית.
✔ אתם יכולים להסביר מה קצב הלמידה עושה.
🎯 בדיקה מהירה

קצב למידה קטן מדי אומר…

5מה המוח למד?▶ צפו בחלק הזה 2:17

בגיליון מוח המפה 5×5 מציגה את 25 המשקלים. ריבועים אדומים הם רמזים לתפוח. ריבועים צהובים הם רמזים לבננה. לבנים לא חשובים.

  1. משווים את המפה לתמונות. האם הריבועים האדומים תואמים את המקומות הכהים בתפוחים?
  2. לאיזה ריבוע יש המשקל הגדול ביותר? למה אתם חושבים?
זה „סריקת המוח” של הבינה המלאכותית שלכם.

6בודקים את המוח▶ צפו בחלק הזה 2:52

פותחים את הגיליון מבחן. עשר התמונות חדשות. מקלידים את הנוסחאות האלה בשורה 4 וממלאים למטה עד שורה 13:

תאנוסחהמשמעות
C4='למידה'!$L$199+SUMPRODUCT('נתונים'!D22:AB22,'למידה'!$AL$199:$BJ$199)ציון של תמונת מבחן 1
D4=1/(1+EXP(-C4))הסתברות
E4=IF(D4>=0.5,"תפוח","בננה")תשובת המוח
F4=IF(B4=E4,1,0)1 אם נכון
C16=COUNT(F4:F13)כמה תמונות
C17=SUM(F4:F13)כמה נכון
C18=C17/C16דיוק (מעצבים כאחוזים)
גיליון מבחן: 10 תמונות שהמוח לא ראה.
גיליון מבחן: 10 תמונות שהמוח לא ראה.
  1. מקלידים את הנוסחאות ב-C4, D4, E4 ו-F4. מסמנים C4:F4 וגוררים את ידית המילוי עד שורה 13.
  2. ב-C16, C17 ו-C18 מקלידים את שלוש נוסחאות הסיכום. ב-C18 לוחצים % בלשונית בית.
  3. מסתכלים על התמונות השגויות (באדום בעמודה F). מה משותף להן?
אחרי הנוסחאות: דיוק 70%. שורת המטרה אומרת עדיין לא.
אחרי הנוסחאות: דיוק 70%. שורת המטרה אומרת עדיין לא.
עם 12 תמונות האימון המוח מקבל בערך 7 מתוך 10 (70%). זה לא מספיק למטרה של 90%.
✔ C18 מציג דיוק. שורת המטרה אומרת „עדיין לא”.
🎯 בדיקה מהירה

למה תמונות המבחן לא יכולות להיות חלק מקבוצת האימון?

7מציירים תמונה משלכם▶ צפו בחלק הזה 3:24

  1. פותחים את הגיליון ציור. מקלידים 1 בריבועים כדי לצייר. מנסים תפוח, בננה — ואז דוגמה חסרת משמעות כמו לוח שחמט.
  2. קוראים מה המוח אומר. האם הוא אי פעם אומר „אני לא יודע”?
המוח תמיד עונה, גם על שטויות. הוא מכיר רק את מה ש-25 המשקלים שלו אומרים.

8המטרה: להגיע ל-90%▶ צפו בחלק הזה 3:38

מוסיפים תמונות אימון כדי שהמוח יפגוש יותר מצבים. משתמשים במשבצות הריקות 13–16 בגיליון תמונות: מקלידים 1 בריבועים ושמים את התשובה (1 או 0) בפינה.

  1. מציירים וריאציות משלכם: תפוח שהוזז למטה או שמאלה, תפוח קטן, בננה עומדת, בננה שהוזזה.
  2. לא מעתיקים את תמונות המבחן. אם מעתיקים, המוח ראה את התשובות והמבחן חסר ערך.
  3. הכול מתחשב מחדש לבד. מסתכלים על דיוק המבחן ועל שורת המטרה.

נתקעתם? נסו את 4 התמונות האלה (1 = ריבוע כהה). שני תפוחים ושתי בננות:

תפוח שהוזז — 1
בננה עומדת — 0
תפוח למטה שמאלה — 1
בננה שהוזזה למעלה — 0
משבצות 13-16 מכילות עכשיו 4 תמונות נוספות.
משבצות 13-16 מכילות עכשיו 4 תמונות נוספות.
עם התמונות הנוספות: דיוק 100% והמטרה הושגה.
עם התמונות הנוספות: דיוק 100% והמטרה הושגה.
✔ שורת המטרה אומרת המטרה הושגה! 🏆
🎯 בדיקה מהירה

אילו תמונות אימון חדשות עוזרות הכי הרבה?

9חושבים על זה

  1. למה המוח נכשל בחלק מתמונות המבחן אף שהכיר את כל תמונות האימון?
  2. למה עזר להוסיף תמונות שצוירו אחרת? איך זה דומה לחבילת התיקון בשלב 1?
  3. מה קורה עם קצב למידה 5 וארבע התמונות הנוספות? למה?
  4. במה המוח הזה דומה ל-Teachable Machine? במה הוא שונה?
  5. בננה שצוירה עומדת מבלבלת את המוח. בינה מלאכותית אמיתית לתמונות מחפשת צורות בכל מקום בתמונה. למה זה טוב יותר?

התחנה הבאה: שלב 4 — מפת הבלש: איך בינה מלאכותית מחליטה, מוצג על מפה.

⭐ אתגר

  1. מגיעים ל-100% במבחן עם ארבע התמונות הנוספות בלבד.
  2. מציירים תמונה שגורמת למוח לומר תפוח ביותר מ-90% אף שזו בננה.
  3. מוצאים את קצב הלמידה שמגיע ל-0 טעויות במספר הסיבובים הקטן ביותר.

מילים שכדאי להכיר

Englishالعربيةעברית
pixelبكسلפיקסל
weightوزنמשקל
biasانحيازהטיה
scoreنتيجةציון
probabilityاحتمالהסתברות
learning rateمعدل التعلّمקצב למידה
round (epoch)جولةסיבוב
lossخسارةהפסד
trainتدريبאימון
testاختبارמבחן

שאלות

בגיליון מוח כתוב „מלאו קודם את גיליון הלמידה”.

עדיין לא הקלדתם את הנוסחאות בגיליון למידה (או לא מילאתם אותן למטה עד שורה 199).

אני רואה #NAME? או #REF!.

שם גיליון בנוסחה שגוי. לוחצים על התא בגיליון במקום להקליד את שם הגיליון.

המספרים שלי שונים מעט מהמדריך.

אם שיניתם תמונה או את קצב הלמידה, המספרים משתנים. זה תקין.

אפשר להשתמש ב-Google Sheets?

כן לנוסחאות, אבל הצבעים והתרשימים עשויים להיראות אחרת. מומלץ אקסל.