Ako čítať matematický zápis: symboly, indexy, sumy a kvantifikátory

Slovníček asi štyridsiatich symbolov, s ktorým prečítate každú definíciu v sérii Základy AI — od indexov a gréckych písmen cez ∑ a argmin po ∀ a ∃. S ťahákom na konci.

12 minút Matěj Žalmánek 2026-10-15

Séria Základy AI Diel 4 z 52

Celá osnova série Hotovo: 52 z 83 tém

Čo si odnesiete

Ako prečítať indexy, grécke písmená, ∑, argmin, ∀ a ∃ — a čo zvyčajne znamenajú v AI.
Postup, ktorým rozoberiete akúkoľvek definíciu na časti a preložíte ju do slov.
Ťahák všetkých symbolov, ktoré v sérii stretnete.

Matematický zápis vyzerá ako šifra, ale je to len skratka. Veta „sčítaj druhé mocniny všetkých čísel v zozname“ sa dá zapísať ako ∑_i x_i² a znamená presne to isté — len je kratšia a nedá sa vyložiť dvojakým spôsobom.

Symbolov, ktoré stretnete v článkoch o umelej inteligencii, je prekvapivo málo — asi štyridsať. Tu ich prejdeme po skupinách, pri každom povieme, ako sa číta, a na konci prečítame pár skutočných definícií z ďalších dielov. Ťahák všetkých symbolov nájdete v poslednej kapitole.

1. Prečo matematika používa symboly

Prirodzený jazyk je dvojznačný. „Každý študent prečítal nejakú knihu“ môže znamenať, že každý prečítal inú knihu, alebo že všetci prečítali tú istú. V zápise ∀s ∃k a ∃k ∀s ide o dve rôzne vety a nikto si ich nepomýli. Zápis je presný, krátky a medzinárodný — vzorec z čínskej učebnice prečítate rovnako ako zo slovenskej.

Laicky povedané

Vzorec sa nečíta naraz ako obrázok, ale ako veta — zľava doprava, symbol po symbole. Keď narazíte na neznámy symbol, stačí ho nájsť v ťaháku a „preložiť“ do slov. Po pár definíciách to pôjde samo.

2. Premenné, indexy a grécke písmená

Premenná je písmeno, ktoré zastupuje číslo alebo iný objekt: x, y, n. Píše sa kurzívou. Keď máme hodnôt viac, rozlíšime ich indexom — malým číslom alebo písmenom vpravo dole:

x₁, x₂, x₃ — prvá, druhá, tretia hodnota („x jedna, x dva…“),
x_i — „i-ta“ hodnota („x i-té“), kde i môže byť ktorékoľvek číslo,
A_i,j — prvok v i-tom riadku a j-tom stĺpci tabuľky (matice),
x⁽ⁱ⁾ — i-tý príklad v dátach; zátvorka odlíši index od mocniny x².

Čiarka alebo strieška nad písmenom robí z jednej premennej príbuznú: s′ („s s čiarkou“) je ďalší stav po s, ŷ („y so strieškou“) je odhad skutočnej hodnoty y a x̄ („x s pruhom“) je priemer. Hviezdička označuje to najlepšie: θ* sú optimálne parametre, C* optimálna cena.

Latinských písmen je málo, a tak si matematika požičiava grécke. V AI majú niektoré zavedený význam — keď ich uvidíte, väčšinou viete, o čo ide:

Znak	Číta sa	Obvykle znamená
α	alfa	rýchlosť učenia, krok algoritmu
β	beta	parameter (napríklad zotrvačnosť)
γ	gama	diskontný faktor — ako veľmi záleží na budúcnosti
δ, Δ	delta	malá zmena, rozdiel
ε	epsilon	veľmi malé kladné číslo; pravdepodobnosť náhodného prieskumu
η	éta	rýchlosť učenia v gradientnom zostupe
θ	théta	parametre modelu — tie „gombíky“, ktoré sa učia
λ	lambda	sila regularizácie
μ	mí	stredná hodnota, priemer; stred zhluku
π	pí	politika agenta (a tiež číslo 3,14…)
σ	sigma	smerodajná odchýlka; sigmoida

3. Množiny v zápise

Množina je skupina prvkov; píše sa do zložených zátvoriek: {1, 2, 3} alebo {↑, →, ↓, ←}. Veľkými dvojitými písmenami sa označujú známe množiny čísel: ℕ prirodzené čísla (1, 2, 3, …), ℤ celé, ℝ reálne. ℝⁿ sú všetky zoznamy n reálnych čísel — vektory.

x ∈ S — „x patrí do S“, je jej prvkom; x ∉ S — nepatrí,
A ⊆ B — „A je podmnožinou B“, všetko z A je aj v B,
A ∪ B — zjednotenie (čo je aspoň v jednej), A ∩ B — prienik (čo je v oboch),
A × B — karteziánsky súčin: všetky dvojice (a, b),
∅ — prázdna množina, |S| — počet prvkov,
{x ∈ ℝ : x > 0} — „množina všetkých reálnych x, pre ktoré platí x > 0“; dvojbodka (alebo zvislá čiara) sa číta „pre ktoré platí“.

Okrúhle zátvorky naopak znamenajú usporiadanú skupinu, kde záleží na poradí: (3, 1) nie je to isté čo (1, 3). Tak sa píšu dvojice, súradnice a n-tice — napríklad úloha prehľadávania ako šestica (S, s₀, A, T, G, c). Množinám a reláciám sa podrobne venuje samostatný diel.

4. Suma a súčin: ∑ a ∏

Definícia — suma a súčin

Nech m, n ∈ ℤ sú celé čísla a a_i ∈ ℝ je reálne číslo pre každé celé i s m ≤ i ≤ n. Suma (súčet) a súčin čísel a_m, …, a_n sú čísla

∑_i=mⁿ a_i := a_m + a_m+1 + … + a_n, ∏_i=mⁿ a_i := a_m · a_m+1 · … · a_n pre m ≤ n,

∑_i=mⁿ a_i := 0, ∏_i=mⁿ a_i := 1 pre m > n (prázdna suma a prázdny súčin).

Bodky „…“ možno nahradiť presným zápisom rekurziou: pre n ≥ m je ∑_i=mⁿ a_i = (∑_i=mⁿ⁻¹ a_i) + a_n a ∏_i=mⁿ a_i = (∏_i=mⁿ⁻¹ a_i) · a_n.

Premenná pod znakom (i) je sčítací index; postupne nadobúda všetky celé hodnoty od dolnej hranice m po hornú hranicu n, každú práve raz.

Laicky povedané

Veľké sigma ∑ je cyklus „pre i od 1 do n pripočítaj“. Veľké pí ∏ to isté, len sa násobí. Kto programuje, pozná to ako for i in range(1, n + 1): total += a[i].

Vezmime zoznam x = (3, 1, 4, 1, 5), teda x₁ = 3, x₂ = 1 atď. Potom:

∑_i=1⁵ x_i = 3 + 1 + 4 + 1 + 5 = 14

∑_i=1³ x_i² = 3² + 1² + 4² = 9 + 1 + 16 = 26

∏_i=1³ x_i = 3 · 1 · 4 = 12

x̄ = 1/5 ∑_i=1⁵ x_i = 14/5 = 2,8 — priemer (farby podľa vzorca nižšie)

Posledný riadok je vzorec, ktorý stretnete najčastejšie: 1/n ∑ je priemer. Keď pri sume chýbajú hranice (∑_i), sčítava sa cez všetky i, ktoré dávajú zmysel — typicky cez všetky príklady v dátach.

x̄ = 1/n ∑_i=1ⁿ x_i

x̄: priemer — pruh nad písmenom hovorí „z hodnôt x vypočítané jedno typické číslo“
1/n: vydelí súčet počtom hodnôt; bez neho by „priemer“ rástol s každou pridanou hodnotou a dva zoznamy rôznej dĺžky by sa nedali porovnať
∑_i=1ⁿ: prejde všetky indexy od 1 do n — hranice zaručia, že žiadna hodnota nechýba a žiadna sa nezapočíta dvakrát
x_i: práve sčítavaná hodnota; index i sa v každom kroku sumy posunie

Pre x = (3, 1, 4, 1, 5): x̄ = 1/5 · (3 + 1 + 4 + 1 + 5) = 1/5 · 14 = 2,8.

Veta — počítanie so sumou

Nech n ∈ ℕ, c ∈ ℝ a a_i, b_i ∈ ℝ pre i = 1, …, n. Potom platí

∑_i=1ⁿ (c · a_i + b_i) = c · ∑_i=1ⁿ a_i + ∑_i=1ⁿ b_i a ∑_i=1ⁿ c = n · c.

Dôkaz. Rozpíšte sumu na n sčítancov, preskupte ich (sčítanie je asociatívne a komutatívne) a z každého c · a_i vyberte c pred zátvorku. Konštanta sčítaná n-krát je n · c. ∎

Príklad. Pre x = (3, 1, 4, 1, 5): ∑_i=1⁵ (2x_i + 1) = 2 · 14 + 5 · 1 = 33. Priamo: 7 + 3 + 9 + 3 + 11 = 33.

Pozor: mocninu ani inú nelineárnu funkciu takto zo sumy vybrať nemožno — ∑ x_i² nie je (∑ x_i)². Pre našich päť hodnôt: 9 + 1 + 16 + 1 + 25 = 52, kým 14² = 196.

Laicky povedané

Keď všetkým v zozname zdvojnásobíte plat a pridáte euro, celkový súčet je dvojnásobok pôvodného plus toľko eur, koľko je ľudí. Na tomto pravidle stojí väčšina úprav vzorcov v ďalších dieloch — napríklad prečo priemer chýb môžeme derivovať člen po člene.

5. Funkcie, šípky a argmin

f(x) čítame „f od x“ — hodnota funkcie f pre vstup x. Zápis f : X → Y („f z X do Y“) hovorí, odkiaľ funkcia berie vstupy a kam patria výstupy: f : ℝ² → {0, 1} berie dvojicu čísel a vracia 0 alebo 1 — to je klasifikátor bodov v rovine.

Definícia — funkcia a zloženie funkcií

Nech X a Y sú množiny. Funkcia (zobrazenie) f z X do Y, písané f : X → Y, je množina dvojíc f ⊆ X × Y (relácia, pozri diel Množiny a relácie), pre ktorú platí

∀x ∈ X ∃! y ∈ Y : (x, y) ∈ f,

kde ∃! čítame „existuje práve jedno“. Tento jediný prvok y označujeme f(x). Funkcia teda priraďuje každému prvku x ∈ X práve jeden prvok f(x) ∈ Y. Množina X je definičný obor, Y cieľová množina (často sa jej hovorí aj obor hodnôt).

Nech X, Y, Z sú množiny a f : X → Y, g : Y → Z funkcie. Zloženie funkcií f a g je funkcia

g ∘ f : X → Z, (g ∘ f)(x) := g(f(x)) pre každé x ∈ X.

Príklad. f(x) = x + 1, g(x) = x². Potom (g ∘ f)(3) = g(4) = 16, ale (f ∘ g)(3) = f(9) = 10 — na poradí záleží.

Laicky povedané

Funkcia je automat: hodíte doň vstup a vypadne vždy rovnaký výstup — nikdy dva, nikdy žiadny. Zloženie je zapojenie automatov za seba. Neurónová sieť nie je nič iné než dlhá reťaz takto zložených funkcií, jedna vrstva za druhou.

x ↦ x² — „x sa zobrazí na x na druhú“; opis funkcie bez mena,
f_θ(x) — funkcia, ktorej správanie určujú parametre θ („f s parametrami théta“),
g ∘ f — zloženie: najprv f, potom g, teda g(f(x)),
θ ← θ − η ∇J — šípka doľava je priradenie v algoritme: „nová hodnota θ je…“; := znamená „definujeme ako“.

Posledný riadok je najdôležitejší zápis celej série — krok gradientného zostupu. Rozobraný:

θ ← θ − η ∇J(θ)

θ: parametre modelu; vpravo stará hodnota, vľavo nová — rovnaké písmeno, pretože ide o tú istú premennú v rôznom čase
←: priradenie, nie rovnosť: θ = θ − … by platilo len pre nulový krok, kým ← hovorí „prepíš“
−: gradient ukazuje do kopca, my chceme chybu zmenšiť, a tak ideme opačne
η: rýchlosť učenia — malé kladné číslo; gradient je len miestna informácia, s dlhým krokom by sme kopec preskočili
∇J(θ): gradient chyby J v aktuálnom bode — ktorým smerom chyba rastie najrýchlejšie a ako veľmi

Príklad — tri kroky gradientného zostupu

Hľadáme argmin J(θ) = (θ − 2)². Derivácia je J′(θ) = 2(θ − 2). Začneme v θ = 5 s η = 0,25:

krok 1: θ ← 5 − 0,25 · 2 · (5 − 2) = 5 − 1,5 = 3,5

krok 2: θ ← 3,5 − 0,25 · 2 · (3,5 − 2) = 3,5 − 0,75 = 2,75

krok 3: θ ← 2,75 − 0,25 · 2 · (2,75 − 2) = 2,75 − 0,375 = 2,375

(Farby podľa vzorca vyššie: η, gradient J′(θ), stará a nová hodnota θ.)

Vzdialenosť od minima 2 sa každým krokom presne polí (3; 1,5; 0,75; 0,375), pretože po kroku je nová vzdialenosť (θ − 2η(θ − 2)) − 2 = (1 − 2η)(θ − 2) a 1 − 2 · 0,25 = 0,5. S η = 0,5 by sme boli v cieli jedným krokom, s η > 1 by sa vzdialenosť zväčšovala.

Definícia — min, max, argmin, argmax

Nech X je neprázdna množina a f : X → ℝ funkcia. Argument minima funkcie f na X je množina

argmin_{x ∈ X} f(x) := {x* ∈ X : ∀x ∈ X : f(x*) ≤ f(x)}.

Ak je táto množina neprázdna a x* je ľubovoľný jej prvok, je minimum funkcie f na X číslo

min_{x ∈ X} f(x) := f(x*)

(nezáleží na tom, ktorý prvok vyberieme — všetky dávajú rovnakú hodnotu). Minimum je teda najmenšia hodnota, ktorú f na X nadobúda, argmin množina všetkých miest, kde ju nadobúda. Ak má argmin jediný prvok x*, píše sa skrátene argmin_{x ∈ X} f(x) = x*. Na nekonečnej množine minimum nemusí existovať: f(x) = x na intervale (0, 1) sa k nule ľubovoľne blíži, ale nikdy ju nenadobudne, a argmin je prázdny.

argmax a max sa definujú rovnako, len s nerovnosťou f(x*) ≥ f(x).

Laicky povedané

min odpovedá na otázku „ako nízko sa dá dostať?“, argmin na otázku „kde to je?“. Pre f(x) = (x − 2)² je min f = 0, ale argmin f = 2. Tréning modelu je hľadanie argmin — nezaujíma nás, aká malá je chyba, ale ktoré parametre ju dávajú.

Na konečnej množine sa argmin nájde jednoduchým prejdením. Pre f(x) = (x − 2)² na X = {0, 1, 2, 3, 4} sú hodnoty 4, 1, 0, 1, 4, takže min = 0 a argmin = 2. Na X = {0, 1, 3, 4} (bez dvojky) je min = 1, ale argmin = {1, 3} — dve miesta s rovnakou hodnotou, preto definícia hovorí o množine.

def argmin(f, X):
    nejlepsi, hodnota = [], float("inf")   # zatiaľ nič, „nekonečne zlé“
    for x in X:
        if f(x) < hodnota:                 # nové minimum: zabudni doterajšie
            nejlepsi, hodnota = [x], f(x)
        elif f(x) == hodnota:              # remíza: pridaj do množiny
            nejlepsi.append(x)
    return nejlepsi, hodnota               # argmin a min naraz

6. Logické spojky a kvantifikátory

Zápis	Číta sa	Príklad
¬`P`	nie `P`	¬(`x` > 3) je to isté čo `x` ≤ 3
`P` ∧ `Q`	`P` a `Q`	`x` > 0 ∧ `x` < 1 — `x` leží medzi 0 a 1
`P` ∨ `Q`	`P` alebo `Q` (alebo oboje)	`x` < 0 ∨ `x` > 1
`P` ⇒ `Q`	ak `P`, potom `Q`	`x` > 2 ⇒ `x`² > 4
`P` ⇔ `Q`	`P` práve vtedy, keď `Q`	`x`² = 0 ⇔ `x` = 0
∀`x` : `P`(`x`)	pre každé `x` platí `P`	∀`x` ∈ ℝ : `x`² ≥ 0
∃`x` : `P`(`x`)	existuje `x`, pre ktoré platí `P`	∃`x` ∈ ℕ : `x` > 100

Veta — negácia kvantifikátorov

Nech X je množina a P(x) výrok o prvku x, ktorý je pre každé x ∈ X buď pravdivý, alebo nepravdivý. Potom platí

¬(∀x ∈ X : P(x)) ⇔ ∃x ∈ X : ¬P(x),

¬(∃x ∈ X : P(x)) ⇔ ∀x ∈ X : ¬P(x).

Negácia teda prehodí ∀ a ∃ a presunie sa k výroku P. Ide o tvrdenie vyplývajúce priamo z významu kvantifikátorov: „neplatí pre všetky“ znamená práve „pre aspoň jedno neplatí“.

Laicky povedané

„Neplatí, že všetky labute sú biele“ znamená „existuje labuť, ktorá biela nie je“. Na vyvrátenie tvrdenia „pre všetky“ stačí jeden protipríklad — a presne tak sa v matematike často dokazuje.

Pozor na implikáciu ⇒: tvrdí len to, že keď platí P, platí aj Q. O situácii, keď P neplatí, nehovorí nič. Z x > 2 ⇒ x² > 4 nevyplýva, že x² > 4 ⇒ x > 2 — stačí vziať x = −3.

Definícia — spojky pravdivostnou tabuľkou

Označme {0, 1} množinu pravdivostných hodnôt (1 = pravda, 0 = nepravda) a nech P, Q ∈ {0, 1}. Logické spojky sú funkcie

¬ : {0, 1} → {0, 1} a ∧, ∨, ⇒, ⇔ : {0, 1} × {0, 1} → {0, 1}

dané predpismi

¬P := 1 − P;
P ∧ Q := min(P, Q) — rovná sa 1 práve vtedy, keď P = 1 a zároveň Q = 1;
P ∨ Q := max(P, Q) — rovná sa 1 práve vtedy, keď P = 1 alebo Q = 1 (alebo oboje);
P ⇒ Q := max(1 − P, Q) — rovná sa 0 práve vtedy, keď P = 1 a Q = 0;
P ⇔ Q := 1, ak P = Q, a 0 inak.

Keďže {0, 1} má len dve hodnoty, je každá spojka úplne určená tabuľkou:

`P`	`Q`	¬`P`	`P` ∧ `Q`	`P` ∨ `Q`	`P` ⇒ `Q`	`P` ⇔ `Q`
1	1	0	1	1	1	1
1	0	0	0	1	0	0
0	1	1	0	1	1	0
0	0	1	0	0	1	1

Implikácia je nepravdivá v jedinom riadku: P platí a Q nie. Preto P ⇒ Q znamená to isté čo ¬P ∨ Q (porovnajte stĺpce).

Laicky povedané

„Keď bude pršať, vezmem si dáždnik.“ Sľub porušíte len vtedy, keď prší a dáždnik nemáte. Keď neprší, sľub platí, či dáždnik máte, alebo nie — o tejto situácii nič nehovoril.

7. Ďalšie značky, ktoré stretnete

a/b alebo a / b — delenie, „a lomeno b“ (pre b ≠ 0); oba zápisy znamenajú to isté. Lomka sa hodí tam, kde musí vzorec zostať na jednom riadku (v kóde, v obyčajnom texte), zlomok je prehľadnejší, pretože bez zátvoriek ukáže, čo presne sa čím delí: x − μ/σ je to isté čo (x − μ) / σ. Na tomto webe preto sádzame delenie všade ako zlomok,
|x| — absolútna hodnota (|−3| = 3); ‖x‖ — dĺžka vektora (norma),
⌊x⌋, ⌈x⌉ — zaokrúhlenie nadol a nahor (⌊2,7⌋ = 2, ⌈2,1⌉ = 3),
≈ — približne rovné; ∝ — úmerné („rastie rovnako ako“); ≫ — oveľa väčšie,
∞ — nekonečno; [0, 1] — interval vrátane krajných bodov, (0, 1) — bez nich,
∇f („nabla f“) — gradient, smer najrýchlejšieho rastu; ∂f/∂x — parciálna derivácia,
O(n²) — „rádovo n na druhú“: ako rýchlo rastie čas alebo pamäť algoritmu,
P(A | B) — pravdepodobnosť A, keď vieme, že nastalo B; 𝔼[X] — stredná hodnota,
w^⊤ — transpozícia: z riadka stĺpec a naopak; w^⊤x je skalárny súčin.

Norma a skalárny súčin sa dajú napísať sumou, ktorú už vieme čítať:

‖x‖ = √∑_i=1ⁿ x_i²

‖x‖: dĺžka vektora x ∈ ℝⁿ; dvojité čiary ju odlíšia od absolútnej hodnoty čísla
x_i²: štvorec jednej súradnice — záporná súradnica prispieva k dĺžke rovnako ako kladná
∑_i=1ⁿ: sčíta príspevky všetkých súradníc; to je Pytagorova veta, len pre ľubovoľný počet rozmerov
√: odmocnina (pruh nad výrazom ukazuje, kam siaha) vráti výsledok do rovnakých jednotiek ako súradnice — dĺžka (3, 4) má byť 5, nie 25

‖(3, 4)‖ = √3² + 4² = √9 + 16 = √25 = 5.

w^⊤x = ∑_i=1ⁿ w_i x_i

w^⊤x: skalárny súčin — jedno číslo z dvoch vektorov rovnakej dĺžky; ⊤ z w urobí riadok, aby šlo „riadok krát stĺpec“
w_i: váha i-tého vstupu — ako veľmi a ktorým smerom (znamienko) na ňom záleží
x_i: i-tý vstup; násobí sa len so svojou vlastnou váhou
∑: sčíta vážené vstupy do jedného čísla — tak sa v neuróne „hlasuje“

w = (2, −1, 0,5), x = (1, 3, 4): w^⊤x = 2 · 1 + (−1) · 3 + 0,5 · 4 = 2 − 3 + 2 = 1. Platí tiež x^⊤x = ‖x‖².

Definícia — veľké O

Nech g : ℕ → ℝ je funkcia s nezápornými hodnotami (g(n) ≥ 0 pre všetky n ∈ ℕ). Veľké O funkcie g je množina funkcií

O(g) := {f : ℕ → ℝ : f(n) ≥ 0 pre všetky n ∈ ℕ ∧ ∃c ∈ ℝ, c > 0 ∃n₀ ∈ ℕ ∀n ∈ ℕ, n ≥ n₀ : f(n) ≤ c · g(n)}.

Pre funkciu f : ℕ → ℝ s nezápornými hodnotami teda f ∈ O(g) (často písané len f = O(g)) práve vtedy, keď platí podmienka, ktorú rozoberieme člen po člene:

∃c > 0 ∃n₀ ∈ ℕ ∀n ≥ n₀ : f(n) ≤ c · g(n)

∃c > 0: smieme g vynásobiť konštantou — veľké O nezaujíma, či je počítač dvakrát rýchlejší, len ako čas rastie
∃n₀ ∈ ℕ: smieme ignorovať malé vstupy — na nich rozhodujú drobnosti, nie tvar rastu
∀n ≥ n₀: od tej hranice však už pre všetky väčšie vstupy, bez výnimky
f(n) ≤ c · g(n): samotné tvrdenie: f nerastie rýchlejšie než g — g je horný odhad

Príklad. f(n) = 3n² + 5n ∈ O(n²), t. j. g(n) = n²: zvolíme c = 4 a n₀ = 5. Potom 3n² + 5n ≤ 4n² ⇔ 5n ≤ n² ⇔ n ≥ 5 (pre n > 0). Pre n = 10: 350 ≤ 4 · 100 = 400 (farby podľa rozboru vyššie).

Definícia — podmienená pravdepodobnosť a stredná hodnota

Nech (Ω, 𝓕, P) je pravdepodobnostný priestor (pozri diel Čo je pravdepodobnosť) a A, B ∈ 𝓕 sú javy, kde P(B) > 0. Podmienená pravdepodobnosť javu A za podmienky B je číslo

P(A | B) := P(A ∩ B)/P(B).

Nech ďalej X : Ω → ℝ je náhodná premenná (pozri diel Náhodná premenná), ktorá nadobúda len konečne veľa navzájom rôznych hodnôt x₁, …, x_k, a P(X = x) označuje P({ω ∈ Ω : X(ω) = x}). Stredná hodnota premennej X je číslo

𝔼[X] := ∑_j=1^k x_j · P(X = x_j),

teda súčet všetkých možných hodnôt, každej váženej svojou pravdepodobnosťou.

Príklad. Hod kockou, A = „padla šestka“, B = „padlo párne číslo“. P(A ∩ B) = 1/6, P(B) = 3/6, takže P(A | B) = 1/6/3/6 = 1/3: keď vieme, že padlo párne, zostávajú tri rovnako možné výsledky. Stredná hodnota hodu: 𝔼[X] = (1 + 2 + 3 + 4 + 5 + 6) · 1/6 = 21/6 = 3,5 — hodnota, ktorá sama padnúť nemôže, ale je priemerom dlhého radu hodov.

8. Prečítajte si celú definíciu

Teraz to poskladáme dohromady. Toto je definícia tréningu modelu z dielu o druhoch strojového učenia. Každý člen má farbu a pod vzorcom rovnakou farbou stojí, prečo tam je:

θ* = argmin_θ 1/n ∑_i=1ⁿ L( f_θ(x_i), y_i )

θ*: najlepšie parametre modelu — výsledok tréningu; hviezdička ich odlíši od θ, ktoré počas hľadania skúšame
argmin_θ: chceme miesto minima, nie jeho hodnotu — model potom používame s parametrami, nie s číslom chyby; index θ hovorí, čo smieme meniť (dáta nie)
1/n ∑_i=1ⁿ: priemer cez všetkých n príkladov — model má byť dobrý v priemere na všetkých dátach, nie len na jednom príklade
L: stratová funkcia — prevedie dvojicu „odpoveď, správna odpoveď“ na jedno číslo, koľko chyba stojí; bez nej by nebolo čo minimalizovať
f_θ(x_i): čo model s parametrami θ odpovie na i-tý vstup — jediné miesto, kde sa θ vo vzorci objaví, a teda jediná cesta, ako chybu ovplyvniť
y_i: správna odpoveď k i-tému vstupu — meradlo, s ktorým odpoveď modelu porovnávame

Výrazu za argmin sa hovorí empirické riziko: priemerná strata na trénovacích dátach.

Celá veta ľudsky

Najlepšie parametre modelu sú tie, s ktorými model v priemere cez všetky trénovacie dáta urobí najmenšiu chybu medzi tým, čo odpovie, a tým, čo je správne.

Príklad — empirické riziko s číslami

Dáta: tri dvojice (x_i, y_i) = (1, 2), (2, 3), (3, 7). Model f_θ(x) = θ · x má jediný parameter, strata je štvorec chyby L(ŷ, y) = (ŷ − y)². Označme priemernú stratu R(θ) = 1/3 ∑_i=1³ L(f_θ(x_i), y_i). Farby podľa vzorca vyššie:

θ = 2: odpovede 2, 4, 6, chyby 0, 1, −1, R = 1/3 (0 + 1 + 1) ≈ 0,667

θ = 2,5: odpovede 2,5; 5; 7,5, chyby 0,5; 2; 0,5, R = 1/3 (0,25 + 4 + 0,25) = 1,5

Presné argmin: derivácia R′(θ) = 2/3 ∑_i=1³ (θ x_i − y_i) x_i položená rovná nule dá θ* = ∑ x_i y_i/∑ x_i² = 2 + 6 + 21/1 + 4 + 9 = 29/14 ≈ 2,071 a R(θ*) ≈ 0,643.

Min je teda 0,643 (menšia chyba s týmto modelom nejde), argmin je 2,071 — to je naučený model.

A ešte jedna, z dielu o prehľadávaní — prioritná funkcia algoritmu A*:

f(n) = g(n) + h(n)

f(n): priorita stavu n — A* vždy rozvinie stav s najmenším f; preto musí jedno číslo zhrnúť celú cestu cez n
g(n): cena, ktorú sme už do n zaplatili — presne známa; bez nej by algoritmus zbytočne uprednostňoval stavy blízko cieľa, ku ktorým viedla drahá cesta
h(n): odhad, koľko ešte zostáva do cieľa (heuristika) — vďaka nemu hľadanie mieri k cieľu namiesto do všetkých strán; keď cenu nikdy nepreceňuje, nájde A* najlacnejšiu cestu

Stav s g = 4, h = 3 má f = 7 a príde na rad skôr než stav s g = 2, h = 6 (f = 8), aj keď je od štartu ďalej.

Číta sa „f od n sa rovná g od n plus h od n“: odhad ceny celej cesty cez stav n je cena, ktorú sme už do n zaplatili (g), plus odhad, koľko ešte zostáva (h). Rovnaký postup funguje pre každú definíciu: nájsť hlavný vzťah (=, ≤, ⇔), rozobrať obe strany na časti a každú preložiť do slov.

9. Ťahák

Symbol	Číta sa	Význam
`x`_i	x i-té	`i`-tý prvok
`ŷ`, `x̄`, `θ`*	y so strieškou, x s pruhom, théta s hviezdičkou	odhad, priemer, optimum
∈, ∉	patrí, nepatrí	je, nie je prvkom množiny
⊆, ∪, ∩, ×	podmnožina, zjednotenie, prienik, krát	operácie s množinami
ℕ, ℤ, ℝ, ℝⁿ	N, Z, R, R na n-tú	prirodzené, celé, reálne čísla, vektory
`a`/`b`, `a` / `b`	a lomeno b	delenie (na webe sa sádze ako zlomok)
∑, ∏	suma, súčin	sčítaj, vynásob cez index
`f` : `X` → `Y`	f z X do Y	funkcia a jej vstupy a výstupy
argmin, argmax	argument minima, maxima	kde je najmenšia, najväčšia hodnota
←, :=	priraď, definujeme ako	nová hodnota, definícia
¬, ∧, ∨	nie, a, alebo	logické spojky
⇒, ⇔	ak–potom, práve vtedy keď	implikácia, ekvivalencia
∀, ∃	pre každé, existuje	kvantifikátory
\|`x`\|, ‖`x`‖	absolútna hodnota, norma	veľkosť čísla, dĺžka vektora
≈, ∝, ≫	približne, úmerné, oveľa väčšie	porovnanie
∇, ∂	nabla, parciálna derivácia	gradient, derivácia podľa jednej premennej
`O`(·)	veľké O	rád rastu času alebo pamäte
`P`(`A` \| `B`), 𝔼	pravdepodobnosť A za podmienky B, stredná hodnota	pravdepodobnosť

10. Zhrnutie

Matematický zápis je skratka vety: číta sa zľava doprava, symbol po symbole.
Indexy rozlišujú hodnoty, grécke písmená majú v AI zavedené významy (θ parametre, η rýchlosť učenia, γ diskont).
∑ je cyklus, ktorý sčítava; 1/n ∑ je priemer; delenie sa píše zlomkom alebo lomkou; argmin hľadá miesto, nie hodnotu.
∀ a ∃ robia z vlastností presné tvrdenia; na vyvrátenie „pre všetky“ stačí jeden protipríklad.

S týmto slovníkom prečítate všetky definície v sérii. Keď narazíte na symbol, ktorý tu chýba, napíšte nám — doplníme ho.

Máte na to iný názor? Napíšte na support@coden-app.com.

Ako čítať matematický zápis: symboly, indexy, sumy a kvantifikátory

1. Prečo matematika používa symboly

2. Premenné, indexy a grécke písmená

3. Množiny v zápise

4. Suma a súčin: ∑ a ∏

5. Funkcie, šípky a argmin

6. Logické spojky a kvantifikátory

7. Ďalšie značky, ktoré stretnete

8. Prečítajte si celú definíciu

9. Ťahák

10. Zhrnutie

Agent na vašom počítači, ovládaný z telefónu