# فصل ۰۵ — قاعدهٔ زنجیره‌ای

<div dir="rtl">

# فصل ۰۵ — قاعدهٔ زنجیره‌ای

## در این فصل چه یاد می‌گیری

سه چرخ‌دنده به هم قفل شده‌اند. اولی سه برابرِ دومی می‌چرخد و دومی دو برابرِ سومی.

> 🤔 **اول حدس بزن:** اگر سومی را یک دور بچرخانی، اولی چند دور می‌چرخد؟

$3 \times 2 = 6$. **نرخ‌ها ضرب می‌شوند.**

این کلِ قاعدهٔ زنجیره‌ای است، و مهم‌ترین قاعدهٔ مشتق‌گیری برای هوش مصنوعی — چون یک شبکهٔ عصبی دقیقاً همین است: **زنجیره‌ای از توابع که خروجیِ هرکدام ورودیِ بعدی است.** الگوریتمی که آن را آموزش می‌دهد، `backpropagation`، چیزی جز به‌کاربردنِ همین قاعده در طولِ آن زنجیره نیست.

![سه چرخ‌دنده در هم قفل‌شده با نسبت‌های متفاوت](/lesson-assets/t8-s05-chain-rule/prompt/01-image-chain-gears.png)

آخر این فصل می‌توانی:

- مشتقِ تابعِ مرکب را حساب کنی
- تابعِ داخلی و بیرونی را در یک عبارت تشخیص بدهی
- بگویی چرا این قاعده ریشهٔ `backpropagation` است

## قبل از شروع

- **از فصل ۴:** قاعدهٔ توان و مشتقِ توابعِ پایه.
- **از فصل ۳:** مشتق به‌عنوان نرخِ تغییر.
- **از ترم ۴ فصل ۱:** تابع به‌عنوان ماشین — اینجا چند ماشینِ پشتِ‌سرِهم.

## ۱. تابعِ مرکب

</div>

$$
f(x) = (3x + 1)^5
$$

<div dir="rtl">

این **دو** تابعِ تودرتوست:

- **داخلی:** $u = 3x+1$.
- **بیرونی:** $u^5$.

اول $x$ واردِ تابعِ داخلی می‌شود، خروجی‌اش واردِ بیرونی — **دقیقاً دو ماشینِ ترم ۴ فصل ۱ که پشتِ‌سرِهم بسته شده‌اند.**

> ⚠️ **دامِ رایج:** مشتق‌گرفتن با قاعدهٔ توان و تمام‌کردن: $5(3x+1)^4$. **این ناقص است.** آن پرانتز خودش با $x$ تغییر می‌کند و این تغییر شمرده نشده. جوابِ درست سه برابرِ این است.

## ۲. قاعده

</div>

$$
\frac{dy}{dx} = \frac{dy}{du} \times \frac{du}{dx}
$$

<div dir="rtl">

**مشتقِ بیرونی، ضرب در مشتقِ داخلی.**

و نمادِ کسری‌شکلِ فصل ۳ اینجا خودش را نشان می‌دهد: انگار $du$ها ساده می‌شوند و $\frac{dy}{dx}$ می‌ماند. **این یک اثبات نیست، ولی به‌یادسپاری‌اش را آسان می‌کند** — و همان چرخ‌دنده‌های اول فصل است: نرخ‌ها ضرب می‌شوند.

برای مثالِ بالا:

- مشتقِ بیرونی: $5u^4 = 5(3x+1)^4$.
- مشتقِ داخلی: $3$.

</div>

$$
f'(x) = 5(3x+1)^4 \times 3 = 15(3x+1)^4
$$

<div dir="rtl">

> ✅ **چک کن:** مشتقِ $(x^2+1)^3$ چیست؟ — بیرونی $3(x^2+1)^2$، داخلی $2x$، پس $6x(x^2+1)^2$.

## ۳. روشِ عملی

**۱. بپرس: اگر بخواهم این را حساب کنم، آخرین کاری که انجام می‌دهم چیست؟** آن، تابعِ **بیرونی** است.

**۲. از بیرونی مشتق بگیر، ولی داخلش را دست‌نخورده بگذار.**

**۳. در مشتقِ داخلی ضرب کن.**

مثال: $\sin(x^2)$.

آخرین کار گرفتنِ سینوس است، پس بیرونی $\sin$ است و داخلی $x^2$:

</div>

$$
\frac{d}{dx}\sin(x^2) = \cos(x^2) \times 2x = 2x\cos(x^2)
$$

<div dir="rtl">

> ⚠️ **دامِ رایج:** جابه‌جا گرفتنِ داخلی و بیرونی. $\sin(x^2)$ و $(\sin x)^2$ **دو تابعِ کاملاً متفاوت**اند و مشتق‌هایشان هم. **آن سؤالِ «آخرین کار چیست» تنها راهِ مطمئنِ تشخیص است:** در اولی آخرین کار سینوس است، در دومی مربع‌کردن.

> ✅ **چک کن:** مشتقِ $(\sin x)^2$ چیست؟ — بیرونی مربع است: $2\sin x$، داخلی $\cos x$، پس $2\sin x\cos x$.

## ۴. زنجیرهٔ بلندتر

قاعده برای هر تعداد لایه کار می‌کند: **همهٔ مشتق‌های محلی را در هم ضرب کن.**

</div>

$$
\frac{dy}{dx} = \frac{dy}{du} \times \frac{du}{dv} \times \frac{dv}{dx}
$$

<div dir="rtl">

مثلِ همان چرخ‌دنده‌ها، ولی این بار پنج تا یا صد تا.

> 💡 **نکته:** این خاصیتِ «ضرب‌شدن» یک پیامدِ مهم دارد: **اگر یکی از مشتق‌های میانی خیلی کوچک باشد، کلِ حاصل‌ضرب کوچک می‌شود** — هرچقدر بقیه بزرگ باشند. و اگر چند تای کوچک پشتِ‌سرِهم بیایند، حاصل به سرعتِ نمایی به صفر میل می‌کند (ترم ۴ فصل ۷).

## ۵. چرا ریشهٔ `backpropagation` است

یک شبکهٔ عصبی زنجیره‌ای از لایه‌هاست. هر لایه ورودی می‌گیرد، تبدیلش می‌کند (ترم ۷ فصل ۶) و به لایهٔ بعد می‌دهد.

برای آموزشِ شبکه باید بدانی: **اگر این وزنِ خاص در لایهٔ اول را کمی تغییر بدهم، خطای نهایی چقدر عوض می‌شود؟**

آن وزن مستقیماً به خطا وصل نیست؛ اثرش از تمامِ لایه‌های بعدی عبور می‌کند. **و قاعدهٔ زنجیره‌ای دقیقاً همان ابزاری است که این اثر را محاسبه می‌کند:** مشتقِ محلیِ هر لایه را حساب کن و همه را در هم ضرب کن.

نامِ `backpropagation` هم از همین می‌آید: **از خطا شروع می‌کنی و رو به عقب در زنجیره حرکت می‌کنی**، در هر قدم یک مشتقِ محلی را ضرب می‌کنی.

> 🌱 **ریشه‌اش کجاست:** آن نکتهٔ بخش ۴ اینجا یک مسئلهٔ واقعی و مشهورِ مهندسی است. **در شبکه‌های عمیق، ضربِ ده‌ها مشتقِ کوچک باعث می‌شود سیگنالِ یادگیری به لایه‌های اول تقریباً نرسد** — و بخش بزرگی از پیشرفت‌های معماریِ یادگیری عمیق برای حلِ همین مشکل ساخته شده. **یک قاعدهٔ سادهٔ مشتق‌گیری، و یک محدودیتِ واقعیِ مهندسی که از دلش بیرون آمده.**

> 🧪 **آزمایشگاه:** [زنجیره را ببین](/lab/embed/risheh/term-8-calculus-ml/session-05-chain-rule) — تابعی مرکب می‌سازی و ابزار تابعِ داخلی و بیرونی را جدا نشان می‌دهد و مشتق را قدم‌به‌قدم می‌سازد. اول با پنج لایه امتحان کن و ببین اگر یک مشتقِ میانی را کوچک کنی حاصل چه می‌شود.

## تمرین‌ها

1. مشتقِ $(2x+5)^4$ را حساب کن.
2. مشتقِ $(x^3 - 1)^2$ را حساب کن. حالا اول بازش کن و مستقیم مشتق بگیر — جواب‌ها یکی شدند؟
3. مشتقِ $\sin(3x)$ را حساب کن.
4. مشتقِ $\sqrt{x^2+9}$ را حساب کن. (رادیکال را به توانِ $\frac{1}{2}$ بنویس — چون ریشهٔ دوم عملی است که دو بار تکرارش خودِ عدد را می‌دهد، و در زبانِ توان یعنی توانی که دو برابرش ۱ می‌شود. با همان توانِ کسری، قاعدهٔ توانِ فصل ۴ عیناً کار می‌کند.)
5. مشتقِ دومِ $x^5$ را حساب کن.
6. طولِ بردارِ $(8, 15)$ چقدر است؟

⭐ تابعی سه‌لایه بساز و مشتقش را با قاعدهٔ زنجیره‌ای حساب کن. حالا فرض کن مشتقِ لایهٔ وسط $0.1$ است — حاصل چند برابر کوچک‌تر می‌شود؟ و اگر ده لایهٔ این‌چنینی داشتی؟

## در فصل بعد

ابزارها کامل شدند. فصل بعد اولین استفادهٔ جدی‌شان است: **پیدا کردنِ بهترین نقطه.** جایی که مشتق صفر می‌شود، تابع صاف است — و همان‌جا معمولاً کمینه یا بیشینه است. این همان چیزی است که بهینه‌سازی نامیده می‌شود، و کلِ آموزشِ یک مدل چیزی جز آن نیست.

</div>

---
Source: https://yaadestan.com/courses/risheh/lessons/t8/s05-chain-rule (یادستان, Yaadestan)
