بیشینه و کمینه چیست؟ قله و درّهٔ یک تابع
توپی را مستقیم به بالا پرت کن. بالا میرود، کند میشود، یک لحظه — فقط یک لحظه — میایستد، و برمیگردد. آن یک لحظه، بالاترین نقطهٔ کل ماجراست. ریاضی برای همان لحظه اسم دارد: بیشینه. و برای قرینهاش، گودترین نقطهٔ یک درّه: کمینه.
این دو کلمه (که با نامهای ماکزیمم و مینیمم هم میشناسیشان) موضوع یکی از پرکاربردترین سؤالهای ریاضیاند:
از بین همهٔ حالتهای ممکن، بهترینش کدام است؟ بیشترین سود، کمترین هزینه، بلندترین پرواز، کوتاهترین مسیر. هر «بهترینیابی» در دلش یک مسئلهٔ بیشینهوکمینه است.
روی نمودار: قلهها و درّهها
اگر تابعی را رسم کنی — مثلاً ارتفاعِ همان توپ برحسب زمان — بیشینه و کمینه با چشم پیدا میشوند: قلهٔ منحنی و کفِ آن.
اما ریاضی یک نشانهٔ دقیقتر از «با چشم» دارد. به قله که نزدیک میشوی، سربالایی مدام ملایمتر میشود؛ درست سرِ قله، منحنی برای یک لحظه کاملاً تخت است؛ و بعدش سرازیری شروع میشود. یعنی:
در نقطهٔ بیشینه یا کمینه، شیبِ منحنی صفر است.
این جمله شاهکلیدِ همهٔ «بهترینیابی»هاست: بهجای آنکه بینهایت نقطه را امتحان کنی، فقط دنبال جاهایی میگردی که شیب صفر میشود. تعداد این نقطهها معمولاً انگشتشمار است — بقیهٔ منحنی نمیتواند قله یا درّه باشد، چون هنوز دارد بالا یا پایین میرود.
محلی یا مطلق؟ یک تفاوت که بعداً مهم میشود
رشتهکوهی را تصور کن با چند قله. هر قله از دوروبرِ خودش بلندتر است — به هر کدام میگویند بیشینهٔ محلی. ولی فقط یکی از آنها بلندترین قلهٔ کلِ رشتهکوه است: بیشینهٔ مطلق.
| محلی | مطلق | |
|---|---|---|
| یعنی | از همسایههایش بالاتر/پایینتر | از همهجا بالاتر/پایینتر |
| چندتا؟ | میتواند چندتا باشد | حداکثر یک مقدار |
| شیب در آن نقطه | صفر | صفر (اگر لبهٔ بازه نباشد) |
چرا این تفاوت مهم است؟ چون «شیبِ صفر» هر دو را یکجور نشان میدهد. کوهنوردی که در مه فقط زیر پایش را میبیند، وقتی همهطرفش سرپایینی شد فکر میکند بالای قله است — ولی شاید فقط بالای یک تپهٔ کوچک ایستاده و قلهٔ اصلی جای دیگری است. این دقیقاً همان دردسری است که الگوریتمهای واقعی هم دارند.
یک مثال کامل، بدون هیچ ابزار پیشرفته
میخواهی با ۲۰ متر نرده، یک باغچهٔ مستطیلی کنار دیوار بسازی (دیوار خودش یک ضلع را میبندد و نرده سه ضلعِ دیگر را). عرض را x بگیر؛ آنوقت طول میشود 20 − 2x و مساحت:
A = x × (20 − 2x)
چند حالت را حساب کنیم:
| عرض x | طول | مساحت |
|---|---|---|
| ۲ | ۱۶ | ۳۲ |
| ۴ | ۱۲ | ۴۸ |
| ۵ | ۱۰ | ۵۰ |
| ۶ | ۸ | ۴۸ |
| ۸ | ۴ | ۳۲ |
میبینی چه شد؟ مساحت بالا رفت، به ۵۰ رسید، و برگشت — عینِ همان توپ. جدول تقارنِ دوروبرِ x = 5 را لو میدهد: قله همانجاست، جایی که «افزایش» تمام میشود و «کاهش» شروع — یعنی جایی که شیبِ نمودارِ مساحت صفر است. بهترین باغچه: عرض ۵، طول ۱۰، مساحت ۵۰. نه با امتحانِ بینهایت حالت، با فهمیدنِ شکلِ مسئله.
از باغچه تا هوش مصنوعی
حالا بزرگترین کاربرد امروزیِ این ایده: یادگیری ماشین. یک مدل هوش مصنوعی میلیونها دستگیرهٔ قابل تنظیم دارد، و یک عددِ «خطا» که میگوید جوابهایش چقدر بد است. آموزشدادنِ مدل دقیقاً یعنی: کمینهکردنِ خطا. پیداکردنِ گودترین درّه در یک چشماندازِ میلیونبعدی.
و روشش؟ همان کوهنوردِ در مه، ولی برعکس: در هر قدم، شیب را حساب کن و به سمتِ سرپایینی برو. اسم رسمیاش gradient descent است — «پایینرفتن در جهت شیب» — و خطرِ گیرکردن در «درّهٔ محلی» بهجای «درّهٔ مطلق» همان مسئلهای است که بالاتر دیدی. اگر میخواهی بدانی این مدلها در عمل چه شکلیاند، مدلهای زبانی چطور کار میکنند شروع خوبی است؛ و دورهٔ ریاضی ریشه همین مسیر را — از شیب تا خودِ gradient descent — با ابزار تعاملی قدمبهقدم میرود.
جمعبندی: بیشینه و کمینه یعنی قله و درّهٔ یک تابع، و نشانیشان جایی است که شیب صفر میشود. از پرتاب یک توپ تا آموزش یک هوش مصنوعی، هر جا کسی دنبال «بهترین» میگردد، دارد همین دو نقطه را جستوجو میکند.
