آزمایشگاه آزاد؛ بدون نیاز به ورود
دقت با درستی فرق داره؟
فرض کن چند تیر به هدف می‌زنی. اگر تیرها کنار هم باشن، تکرارپذیری‌شون خوبه؛ اگر دور مرکز جمع بشن، به مقدار درست نزدیکن. یکی از این دو به‌تنهایی تضمین‌کنندهٔ اون یکی نیست.
آزمایش رو شروع کنهر دو سطح رو روی ۰٫۵ بذار. بعد سطح درستی رو تا ۱ بالا ببر، اما سطح دقت رو ثابت نگه دار؛ هم شکل نقطه‌ها رو ببین و هم جابه‌جایی مرکز رو بخون.
آزمایشگاه در حال آماده شدنه…
حالا خودت امتحان کن
هر بار فقط یک چیز رو تغییر بده تا اثرش رو ببینی. قبل از اجرا، نتیجه رو حدس بزن.
درستی رو بالا ببر، پراکندگی رو ثابت نگه دار
سطح دقت رو ۰٫۵ نگه دار. سطح درستی رو اول ۰٫۵ و بعد ۱ بذار؛ مرکز نقطه‌ها و مقدارهای جابه‌جایی رو مقایسه کن.
حدست چیه؟ وقتی درستی کامل بشه ولی دقت همون بمونه، نقطه‌ها به مرکز نزدیک می‌شن یا کنار هم جمع‌تر؟
توضیح نتیجه رو ببین
در نمونهٔ شروع، جابه‌جایی‌های مرکز در دو راستا حدود ۰٫۳ و ۷٫۳ واحدن. با درستی ۱، هر دو به صفر می‌رسن و هدف وسط نقطه‌ها قرار می‌گیره؛ میزان پخش‌شدن با این تغییر ثابت می‌مونه.
تیرها رو کنار هم جمع کن
سطح درستی رو ۰٫۵ نگه دار. سطح دقت رو از ۰ به ۱ ببر و شکل تیرها رو ببین؛ مقدارهای جابه‌جایی مرکز رو هم بخون.
حدست چیه؟ اگر دقت بیشتر بشه، آیا تیرها به هم نزدیک‌تر می‌شن؟ خروجی‌های مرکز هم باید عوض بشن؟
توضیح نتیجه رو ببین
در شکل، پخش‌شدن تیرها کم می‌شه و در دقت ۱ همه روی یک نقطه می‌افتن. اما جابه‌جایی‌های ثبت‌شده در هر دو حالت حدود ۰٫۳ و ۷٫۳ می‌مونن؛ این دو عدد پراکندگی تیرها رو اندازه نمی‌گیرن.
گروه دقیق رو از مرکز دور کن
سطح دقت رو ۱ نگه دار تا تیرها جمع بمونن. درستی رو یک بار صفر و بار دیگه ۱ بذار.
حدست چیه؟ آیا یک گروه خیلی جمع می‌تونه از مرکز هدف دور باشه؟
توضیح نتیجه رو ببین
در درستی صفر، تیرها نزدیک هم اما از مرکز دورتر قرار می‌گیرن؛ در نمونهٔ عددی، جابه‌جایی‌های مرکز حدود ۰٫۶ و ۱۴٫۶ واحدن. با درستی ۱، مرکز هدف می‌شه و جابه‌جایی‌ها صفر می‌شن.
پشت این حرکت چه خبره؟
درستی یعنی نزدیک‌بودن به مرکز واقعی
offset = (1 - accuracyLevel) * 30
در این تصویر، مرکز هدف مقدار مرجع حساب می‌شه. گروه تیرها ممکنه به این مرکز نزدیک باشه یا با یک جابه‌جایی ثابت ازش دور بیفته.
دقت یعنی اندازهٔ پخش‌شدن تکرارها
visual_spread = (1 - precisionLevel) * 20
وقتی تیرها نزدیک هم فرود میان، پراکندگی‌شون کمه؛ وقتی از هم باز می‌شن، پراکندگی بالاست. یک گروه می‌تونه خیلی جمع باشه اما همه‌اش از هدف فاصله داشته باشه.
برای نتیجهٔ خوب، هر دو مهم‌ان
تیرهای نزدیک به هم و نزدیک به مرکز هم دقیق‌اند و هم درست. این مدل، مثال تصویری از خطای تصادفی و جابه‌جایی رو می‌سازه؛ اندازه‌گیری واقعی باید داده و ابزار واقعی داشته باشه.
سؤالت رو بپرس، جوابش رو هم ببین
وقتی توی چت دربارهٔ یک مفهوم درس می‌خونی، دستیار هوش مصنوعی می‌تونه شبیه‌سازی مرتبط رو کنار توضیحش نشون بده. پارامترها رو تغییر می‌دی و با کمک توضیح بعدی، نتیجه رو بهتر می‌فهمی.
شروع یادگیری با چتبرای ادامه در چت، وارد مسیر شروع و ورود می‌شی. نتیجهٔ این آزمایش به چت منتقل نمی‌شه.
نمونهٔ نمایشی از آموزش در چت
اگه تیرها همشون کنار هم باشن ولی به مرکز نخورن، یعنی دقت دارم یا درستی؟
یعنی پراکندگی کم و دقت بالاست، اما درستی پایینه چون گروه از مرکز هدف فاصله داره. اگر نقطه‌ها هم کنار هم باشن و هم دور مرکز جمع بشن، هر دو خوبن.
سؤال‌های رایج
دقت و درستی رو چطور از هم جدا کنم؟
دقت رو از فاصلهٔ تیرها به هم می‌فهمی؛ درستی رو از فاصلهٔ گروه تا مرکز هدف. یکی دربارهٔ پراکندگیه و اون یکی دربارهٔ نزدیک‌بودن به مقدار مرجع.
ممکنه اندازه‌گیری دقیق ولی نادرست باشه؟
آره. اگر همهٔ اندازه‌گیری‌ها خیلی نزدیک هم باشن ولی همگی از مقدار واقعی فاصله داشته باشن، پراکندگی کمه اما جابه‌جایی وجود داره.
چرا عددهای جابه‌جایی با تغییر دقت ثابت می‌مونن؟
چون این خروجی‌ها میزان جابه‌جایی مرکز محاسباتی رو می‌گن، نه فاصلهٔ تیرها از هم. در این نسخه، سطح دقت روی شکل پخش‌شدن اثر می‌ذاره اما این دو عدد رو تغییر نمی‌ده.
این نقطه‌ها نتیجهٔ اندازه‌گیری واقعی‌ان؟
نه؛ نمونه‌های ساختگی‌ان تا فرق پراکندگی و جابه‌جایی رو نشون بدن. برای ارزیابی یک ابزار واقعی باید چند اندازه‌گیری و مقدار مرجع داشته باشی.