رفتن به محتوای اصلی
جونیورJGPTورود یا ساخت حساب
فهرست

آزمایشگاه آزاد؛ بدون نیاز به ورود

از دست رفتن بسته‌های اینترنتی و شانس رسیدن دوباره

پیام‌های اینترنتی تکه‌تکه فرستاده می‌شن. اگه بعضی بسته‌ها نرسن، تلاش دوباره چه‌قدر شانس تحویل رو بهتر می‌کنه و چند ارسال اضافه می‌سازه؟

آزمایش رو شروع کن

از ۱۰ بسته با نرخ از دست رفتن ۲۰٪ و سه تلاش شروع کن. درصد تحویل و کل ارسال‌ها رو بخون؛ بعد هر بار فقط یکی از کنترل‌ها رو عوض کن.

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.

نرخ از دست رفتن رو بیشتر کن

تعداد بسته‌ها رو روی ۱۰ و حد تلاش رو روی یک بذار. نرخ از دست رفتن رو از صفر به ۵۰٪ برسون و درصد تحویل رو دنبال کن.

حدست چیه؟ وقتی شانس گم شدن هر بسته به نصف برسه، شانس رسیدنش بدون تلاش دوباره چه‌قدر می‌شه؟

توضیح نتیجه رو ببین

برای هر بسته، شانس رسیدن از ۱۰۰٪ به ۵۰٪ می‌رسه. شمار دقیق بسته‌های رسیده ممکنه توی یک اجرای محدود با این درصد فرق داشته باشه؛ نرخ، احتمال هر تلاشه نه قولِ تعداد نهایی.

یک تلاش دوباره اضافه کن

نرخ از دست رفتن رو روی ۵۰٪ و تعداد بسته‌ها رو روی ۱۰ نگه دار. حد تلاش رو از یک به دو تغییر بده.

حدست چیه؟ برای هر بسته، اگه هر دو تلاش ناموفق بشن چه‌قدر احتمال داره؟

توضیح نتیجه رو ببین

با دو تلاش مستقل، احتمال ناموفق موندن هر دو نصف در نصف، یعنی ۲۵٪ می‌شه؛ پس احتمال رسیدن در یکی از دو تلاش ۷۵٪ه. در عوض، بعضی بسته‌ها بیش از یک بار فرستاده می‌شن.

تعداد بسته‌ها رو دو برابر کن

نرخ از دست رفتن رو صفر و حد تلاش رو روی یک بذار. تعداد بسته‌ها رو از ۱۰ به ۲۰ برسون و شمار بسته‌های رسیده و فرستاده‌شده رو ببین.

حدست چیه؟ وقتی هیچ بسته‌ای گم نمی‌شه، با دو برابر کردن تعداد بسته‌ها کدوم دو شمار هم دو برابر می‌شن؟

توضیح نتیجه رو ببین

با نرخ صفر، هر بسته همون بار اول می‌رسه؛ برای ۱۰ بسته هر دو شمار ۱۰ و برای ۲۰ بسته هر دو شمار ۲۰ می‌شن.

پشت این حرکت چه خبره؟

نرخ گم‌شدن، شانس هر تلاشه

اگه احتمال گم‌شدن در هر تلاش p باشه، احتمال رسیدن در همون تلاش ۱ منهای p می‌شه. نتیجهٔ یک گروه کوچک از بسته‌ها ممکنه دقیقاً با درصد نظری برابر درنیاد.

تلاش دوباره شانس رسیدن رو جمع می‌کنه

P(deliver) = 1 - p^r

این مدل عدد حد تلاش رو با تلاش اول هم می‌شمره. اگه همهٔ r تلاش مستقل باشن و هر بار احتمال گم‌شدن p باشه، فقط وقتی هیچ‌کدوم نرسن بسته ناموفق می‌مونه؛ اون احتمال p به توان rه.

ارسال دوباره هزینهٔ تلاش اضافه داره

با تلاش بیشتر، شانس نظری تحویل بالا می‌ره، اما بسته‌ای که همون بار اول می‌رسه ارسال اضافه لازم نداره. پس کل تلاش‌ها به نتیجهٔ تصادفی همین اجرا وابسته‌ست و می‌تونه از تعداد بسته‌ها بیشتر بشه.

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 چت

برای ادامه در چت، وارد مسیر شروع و ورود می‌شی. نتیجهٔ این آزمایش به چت منتقل نمی‌شه.

نمونهٔ نمایشی از آموزش در چت

پرسش تو

چرا با نرخ گم‌شدن ۵۰٪، در دو تلاش احتمال رسیدن ۷۵٪ می‌شه؟

دستیار هوش مصنوعی

چون فقط وقتی بسته نمی‌رسه که هر دو تلاش گم بشن؛ احتمال این اتفاق نصف در نصف، یعنی ۲۵٪ه. پس احتمال مکملش، یعنی دست‌کم یک بار رسیدن، ۷۵٪ می‌شه.

سؤال‌های رایج

حد تلاش یک یعنی یک بار تلاش دوباره؟

نه؛ این کنترل تلاش اول رو هم می‌شمره. یک یعنی فقط یک ارسال اولیه، دو یعنی ارسال اولیه به‌علاوهٔ حداکثر یک بار ارسال دوباره.

اگه نرخ تحویل ۵۰٪ باشه، از هر ده بسته دقیقاً پنج‌تا می‌رسن؟

نه حتماً؛ ۵۰٪ شانس رسیدن هر بسته‌ست. توی گروه ده‌تایی ممکنه تعداد رسیده‌ها کمتر یا بیشتر از پنج باشه.

با تلاش‌های بیشتر همیشه همهٔ بسته‌ها می‌رسن؟

نه؛ احتمال رسیدن زیادتر می‌شه، اما اگر همهٔ تلاش‌های مجاز یک بسته گم بشن، اون بسته تحویل نمی‌شه.

این شکل دقیقاً نشون می‌ده کدوم بسته‌ها دوباره فرستاده شدن؟

نه؛ شکل فقط شماتیکه و شمار تلاش‌ها رو دنبال نمی‌کنه. نرخ تحویل و کل ارسال‌ها رو از عددهای نتیجه بخون.