تبدیل کدهای جاوا اسکریپت به شبکه عصبی با کتابخانه Handwired
در مقابل، شبکه‌های عصبی از لایه‌های ریاضی و ضرب مقادیر در وزن‌ها تشکیل می‌شوند. پروژه Handwired پلی میان این دو دنیای متفاوت می‌سازد.
خلاصه
کتابخانه Handwired پروژه‌ای متن‌باز است که کدهای معمولی جاوا اسکریپت را به شبکه‌های عصبی تبدیل می‌کند. این ابزار با جایگزینی دستورات شرطی و حلقه‌ها با ضرب ماتریسی و توابع فعال‌ساز، برنامه‌ای کاملاً مشتق‌پذیر می‌سازد. با این روش، می‌توان کدهای سنتی را بدون تغییر در منطق، روی GPU اجرا کرد یا آن‌ها را با مدل‌های یادگیری ماشین ترکیب نمود.
مفهوم تبدیل کد به ریاضیات در Handwired چیست؟
برنامه‌نویسی کلاسیک بر پایه دستوراتی مثل ۰ و وضعیت‌های متغیر بنا شده است. در مقابل، شبکه‌های عصبی از لایه‌های ریاضی و ضرب مقادیر در وزن‌ها تشکیل می‌شوند. پروژه Handwired پلی میان این دو دنیای متفاوت می‌سازد. در این رویکرد، به جای اینکه یک مدل را برای یادگیری رفتار کد آموزش دهیم، خودِ کد را مستقیماً به فرمول ریاضی تبدیل می‌کنیم.
برای مثال، یک دستور شرطی ساده در جاوا اسکریپت را در نظر بگیرید که اگر متغیر بزرگتر از ۴ بود، عدد ۱۰ و در غیر این صورت عدد ۱۲ را برمی‌گرداند. در حالت عادی، پردازنده باید یک تصمیم منطقی بگیرد. اما در Handwired، این منطق به یک معادله تبدیل می‌شود که در آن خروجی حاصل جمع وزن‌دار هر دو مسیر است. این تغییر باعث می‌شود کل برنامه به صورت یک عملیات واحد ریاضی دیده شود که برای پردازنده‌های گرافیکی بسیار بهینه‌تر است.
چرا مشتق‌پذیر بودن کد اهمیت دارد؟
وقتی یک برنامه جاوا اسکریپت به فرم ریاضی در می‌آید، «مشتق‌پذیر» می‌شود. این یعنی می‌توانیم بفهمیم تغییرات کوچک در ورودی‌ها، چه تأثیری بر خروجی نهایی دارد. این ویژگی در دنیای هوش مصنوعی کلیدی است. با این قابلیت، می‌توانید یک قطعه کد سنتی (مثلاً منطق محاسبه مالیات یا جست‌وجوی متنی) را به یک مدل زبانی بزرگ مثل GPT متصل کنید.
در پلتفرم‌هایی مانند هوش مصنوعی نهال که امکان ساخت ایجنت و دستیار فراهم است، درک این زیرساخت‌ها به توسعه‌دهندگان کمک می‌کند تا منطق‌های پیچیده کسب‌وکار را با دقت ریاضی و سرعت بالای هوش مصنوعی ترکیب کنند. این کار باعث می‌شود دستیار هوشمند نه تنها متن تولید کند، بلکه قوانین سخت‌گیرانه برنامه‌نویسی را هم با همان ساختار عصبی اجرا نماید.
مزایای اجرای کد به صورت شبکه عصبی
تبدیل کد به ساختار عصبی فقط یک تجربه تئوری نیست و دستاوردهای فنی مشخصی دارد:
موازی‌سازی در سطح GPU
کدهای جاوا اسکریپت معمولاً به صورت تک‌رشته‌ای (Single-threaded) اجرا می‌شوند. وقتی این کدها به ضرب ماتریسی تبدیل می‌شوند، می‌توان آن‌ها را روی WebGPU اجرا کرد. در دموهای این پروژه، جست‌وجو در میان ۱۰۰ هزار سند متنی که در حالت عادی زمان‌بر است، در چند میلی‌ثانیه انجام می‌شود.
ترکیب کد دستی با یادگیری ماشین
شما می‌توانید بخشی از برنامه را خودتان بنویسید (وزن‌های ثابت) و بخش دیگر را به هوش مصنوعی بسپارید تا با آموزش دیدن، بهینه شود. این یعنی لازم نیست کل سیستم را از ابتدا آموزش دهید؛ بخش‌های منطقی و قطعی برنامه را به صورت دستی «سیم‌کشی» می‌کنید و اجازه می‌دهید بقیه بخش‌ها یاد بگیرند.
بهینه‌سازی خودکار
تکنیک‌های پیشرفته گرافیکی مثل Sparsity (تراکم‌زدایی) و Fusion (ادغام عملیات) که برای مدل‌های بزرگ هوش مصنوعی توسعه یافته‌اند، روی این کدهای تبدیل‌شده نیز قابل اعمال هستند. این موضوع باعث می‌شود کدهای پیچیده با مصرف انرژی و زمان کمتر اجرا شوند.
چطور از Handwired استفاده کنیم؟
برای شروع کار با این ابزار، ابتدا باید مخزن آن را از گیت‌هاب دریافت کنید. این پروژه با استفاده از ابزار Bun مدیریت می‌شود که سرعت بالایی در اجرای محیط‌های جاوا اسکریپت دارد. پس از نصب وابستگی‌ها، می‌توانید نمونه‌های آماده را اجرا کرده و نحوه تبدیل توابع ساده به ماتریس‌های بزرگ را مشاهده کنید. مستندات پروژه در پوشه مخصوص خود، جزئیات تبدیل توابع ۱ به لایه‌های ReLU را توضیح داده است.
نکات کلیدی
- تبدیل کد به شبکه عصبی بدون نیاز به مرحله آموزش (Training) انجام می‌شود و نتایج کاملاً دقیق و مطابق با منطق اصلی کد است.
- این روش امکان اجرای کدهای سنتی جاوا اسکریپت را روی پردازنده گرافیکی (GPU) با سرعت بسیار بالا فراهم می‌کند.
- برنامه‌های تبدیل‌شده کاملاً مشتق‌پذیر هستند و می‌توان آن‌ها را در انتهای یک زنجیره پردازش هوش مصنوعی قرار داد.
- استفاده از این تکنیک برای پردازش حجم عظیمی از داده‌ها (مثل جست‌وجوی سریع در فایل‌های JSON سنگین) کاربرد عملی دارد.
منبع: github.com