اگر ارائه هوش مصنوعی فقط تعریف الگوریتم‌ها را پشت سر هم نشان دهد، تفاوت رفتار آن‌ها برای مخاطب ملموس نمی‌شود. یک گراف کوچک که مرحله به مرحله دنبال شود، می‌تواند مفهوم را روشن‌تر کند. شرط مهم این است که ترتیب همسایه‌ها و زمان بررسی هدف را از ابتدا بگویید تا اجرای روی تخته و اسلاید متناقض نشوند.
برای انتخاب مطالب پایه می‌توانید پاورپوینت جامع هوش مصنوعی را بررسی کنید. این مقاله یک تمرین مستقل برای ساخت ارائه متمرکز پیشنهاد می‌کند؛ نمودار و جدول مثال را متناسب با درس خودتان بسازید و فرض نکنید همین مثال در فایل محصول وجود دارد.
فقط یک هدف آموزشی انتخاب کنید
هدف این جلسه می‌تواند درک تفاوت ترتیب گسترش گره‌ها باشد. لازم نیست هم‌زمان همه الگوریتم‌های جست‌وجو، یادگیری ماشین و شبکه عصبی را پوشش دهید. ابتدا سؤال را مطرح کنید: اگر از یک نقطه شروع کنیم، کدام گره را زودتر بررسی می‌کنیم و چرا؟
در توضیح پایه، BFS گره‌های کم‌عمق‌تر را زودتر گسترش می‌دهد و معمولاً جبهه جست‌وجو را با صف نگه می‌دارد. DFS مسیر عمیق‌تر را دنبال می‌کند. تعریف و شرایط مقایسه را از فصل جست‌وجوی ناآگاهانه درس CS188 برکلی مرور کنید؛ ویژگی‌ها به نوع مسئله و شیوه اجرا وابسته‌اند.
مثال کوچک و بدون ابهام بسازید
یک درخت آموزشی در نظر بگیرید: A به B و C وصل است؛ B به D و E می‌رسد و C به F. نقطه شروع A و هدف F است. ترتیب فرزندان را از چپ به راست فرض کنید و بگویید در این نمایش، گره هنگام خارج شدن از جبهه برای بررسی ثبت می‌شود.
برای ساده ماندن مثال، یال‌ها را هم‌هزینه و بدون چرخه در نظر می‌گیریم. در مسئله دارای چرخه باید روش مدیریت حالت‌های تکراری را جداگانه توضیح داد. مثال ساده، مجوز نادیده گرفتن این موضوع در پیاده‌سازی واقعی نیست.
ترتیب اجرا را قابل دنبال کردن نشان دهید
| گام | ترتیب بررسی در BFS | ترتیب بررسی در DFS با اولویت شاخه چپ |
|---|---|---|
| ۱ | A | A |
| ۲ | B | B |
| ۳ | C | D |
| ۴ | D | E |
| ۵ | E | C |
| ۶ | F | F |
در نمایش DFS اگر از پشته استفاده می‌کنید، ترتیب اضافه کردن فرزندان باید با اولویت شاخه چپ هماهنگ باشد. این جزئیات را در یادداشت ارائه بنویسید؛ اختلاف در ترتیب درج می‌تواند ترتیب مشاهده را تغییر دهد، بدون اینکه اصل مفهوم متفاوت شده باشد.
از جدول اجرا نتیجه بیش از حد نگیرید
این مثال فقط تفاوت ترتیب را نشان می‌دهد. اینکه هر دو در گام ششم به F رسیده‌اند، برابری عملکرد آن‌ها در همه مسئله‌ها را ثابت نمی‌کند. اگر هدف را عوض کنید یا ساختار درخت تغییر کند، مسیر اجرا هم می‌تواند متفاوت شود.
برای مقایسه مسیر کم‌هزینه، باید هزینه یال‌ها و شرایط الگوریتم را روشن کنید. کمترین تعداد یال، همیشه کمترین هزینه نیست. در ارائه مقدماتی می‌توانید همین محدودیت را به عنوان پرسش پایانی مطرح کنید و بحث الگوریتم مناسب برای هزینه‌های متفاوت را به بخش بعدی درس بسپارید.
طراحی اسلاید را با حرکت الگوریتم هماهنگ کنید
گراف در همه اسلایدها جای ثابتی داشته باشد. فقط گره جاری، گره‌های دیده‌شده و جبهه جست‌وجو تغییر کنند. اگر جای گره‌ها در هر مرحله عوض شود، مخاطب بخشی از توجهش را صرف پیدا کردن دوباره شکل می‌کند.
یک راه ساده، نمایش هر گام در اسلاید جداگانه با رنگ‌گذاری محدود است. برای تمرین، اجرای بعدی را پیش از نمایش از مخاطب بپرسید. راهنمای ساخت ارائه علمی متمرکز به انتخاب حجم و ریتم مناسب کمک می‌کند.
ارائه را با یک تمرین تازه تمام کنید
هدف را از F به E تغییر دهید و از مخاطب بخواهید ترتیب‌ها را دوباره بنویسد. سپس درباره اثر تغییر سؤال گفتگو کنید. پاسخ باید از فرض‌های اعلام‌شده به دست بیاید، نه از حفظ جدول قبلی.
اگر قرار است کد نیز نمایش دهید، فقط بخش مرتبط با مدیریت جبهه و بررسی همسایه‌ها را انتخاب کنید. کد طولانی بدون ارتباط با نمودار، ممکن است هدف آموزشی را پنهان کند. زمان کافی برای توضیح رفتار و آزمون مثال کنار بگذارید.
پرسش‌های متداول
آیا این مثال برای مقایسه کامل الگوریتم‌ها کافی است؟
خیر. برای بررسی کامل، پیچیدگی، کامل بودن، شرایط بهینگی و مدیریت تکرارها نیز مطرح‌اند. این تمرین برای توضیح ترتیب گسترش طراحی شده است.
می‌توان اسلاید آماده را بدون تغییر ارائه کرد؟
بهتر است سطح مخاطب، پیش‌نیاز و زمان را در نظر بگیرید. هر تعریف و نمودار را بررسی کنید و فقط بخش‌هایی را ارائه دهید که می‌توانید توضیح دهید.
این محصول برای چه نیازی مناسب است؟
برای مطالعه و انتخاب اسلایدهای پایه در یک ارائه آموزشی قابل بررسی است. سرفصل‌های پاورپوینت هوش مصنوعی و راهنمای ارائه هوش مصنوعی برای معلمان را ببینید، سپس مثال و تمرین متناسب با جلسه خودتان اضافه کنید.
