گروه فرهنگی هنرآنلاین:
الهام طالبی- چگونه میتوان حصار خشک ریاضیات را شکست و زبان سرد کدها را به بیانی هنری ترجمه کرد؟ به مناسبت روز بزرگداشت خوارزمی و در آستانه روز ملی فناوری اطلاعات، در اولین بخش از گفتوگویی ویژه، به سراغ مترجمان کتاب یادگیری عمیق مصور از تازههای نشر پژوهشکده هنر رفتهایم. دکتر رضا افهمی (دانشیار دانشگاه تربیت مدرس و عضو گروه نظریه و نقد هنر پژوهشکده هنر) و صدف پورمحمود، (پژوهشگر دکتری پژوهش هنر دانشگاه تربیت مدرس)، در این گفتگو از مواجهه هنرمندان با چالشهای فنی سخن میگویند. این گفتگو، مدخلی است برای هنرمندانی که میخواهند سرخوردگی در برابر «خط فرمان» را پشت سر بگذارند و با آگاهی، به معماریِ مخاطب و خلق اثری نو دست یابند.
کتاب با شعار «فاصله گرفتن از ریاضیات سنگین» جامعۀ هنری را مخاطب قرار داده است، اما در عمل، کار با کدهای پایتون و مفاهیمی مانند بهینهسازی و نورون مصنوعی، سطحی از سواد دیجیتال را مفروض میگیرد. به نظر شما کتاب در طراحی «معماری مخاطب» چه تمهیداتی اندیشیده است تا هنرمندی که هرگز با خط فرمان تعامل نداشته، در میانه راه دچار سرخوردگی نشود؟ آیا میتوان این کتاب را بهعنوان یک «راهنمای مدرّس» یا محتوای کمکی گامبهگام ویژه جامعۀ هنری دانست؟
رضا افهمی: در این زمینه، ابتدا باید ببینیم کتاب در چه فضای علمی و آموزشی نوشته شده است. کتاب بهدرستی ادعا میکند که میکوشد مخاطب را از درگیری مستقیم با ریاضیات سنگین دور کند. البته فاصلهگرفتن از ریاضیات سنگین به معنای حذف کامل منطق ریاضی یا بینیازی از درک مفاهیم پایه نیست؛ بلکه به این معناست که مخاطب بتواند پیش از ورود عمیق به جزئیات نظری، تصویری روشن و کاربردی از موضوع به دست آورد.
تا چند سال پیش، نوشتن بسیاری از این فرمانها و دستورها مستلزم برخورداری از تخصص فراوان و صرف زمان طولانی در حوزه برنامهنویسی بود. حتی پروژههایی که در این کتاب مطرح شدهاند، با وجود آنکه پروژههایی پایه، کوچک و عمدتاً آموزشیاند، در گذشته میتوانستند برای فرد تازهوارد دشوار به نظر برسند. بااینحال، همین پروژهها بهگونهای طراحی شدهاند که ذهن مخاطب را بهتدریج برای درک منطق بهینهسازی، الگوریتم و یادگیری ماشینی آماده کنند.
امروزه البته فضای آموزش و دسترسی به ابزارها بسیار متفاوت شده است. کتاب در محیطی نوشته شده که در آن، کودکان و نوجوانان در بسیاری از نظامهای آموزشی، از طریق برنامههایی مانند محیطهای آموزشی مؤسسه فناوری ماساچوست و ابزارهایی نظیر «اسکرچ»، از سنین پایین با منطق الگوریتمی، حل مسئله و مبانی برنامهنویسی آشنا میشوند. در مرحله بعد، آنچه اهمیت پیدا میکند پرورش تفکر نظاممند و محاسباتی است؛ رویکردی که در برنامههای آموزشی برخی کشورها حضور جدی دارد و در سالهای اخیر نمونههایی از آن را، هرچند محدودتر، در بعضی مدارس ایران نیز مشاهده میکنیم.
اما مهمترین مسئله به زبان پایتون بازمیگردد. پایتون زبانی متنباز، سطحبالا و از جمله زبانهای نسبتاً ساده و کارآمد برای برنامهنویسی علمی است. این جمله مشهور که «اگر زبان انگلیسی بدانید، میتوانید بهسادگی پایتون بنویسید»، البته تا اندازهای اغراقآمیز است؛ زیرا برنامهنویسی، علاوه بر آشنایی با واژگان انگلیسی، به تفکر منطقی، تمرین و توانایی حل مسئله نیز نیاز دارد. بااینحال، نحو نسبتاً خوانای پایتون سبب شده است که یادگیری مقدماتی آن، در مقایسه با بسیاری از زبانهای برنامهنویسی دیگر، برای افراد تازهکار آسانتر باشد.
واقعیت این است که بیشتر افراد میتوانند با گذراندن یک دوره مقدماتی کوتاه، درکی اولیه و کاربردی از پایتون به دست آورند. افزون بر این، دنیای نرمافزارهای متنباز به این معناست که جامعه گستردهای از متخصصان در سراسر جهان با یکدیگر همکاری میکنند و مجموعه بزرگی از کتابخانهها، ابزارها و کدهای آماده در اختیار کاربران قرار دارد. فرد تازهوارد مجبور نیست همه اجزای یک سامانه را از ابتدا طراحی کند؛ بلکه میتواند با درک عملکرد ابزارهای موجود، آنها را متناسب با مسئله خود به کار گیرد یا توسعه دهد.
کدهای مربوط به این کتاب نیز در گیتهاب ــ که یکی از بزرگترین بسترهای اشتراکگذاری و توسعه جمعی کد است ــ و همچنین در وبگاه کتاب در دسترس قرار گرفتهاند. این منابع میتوانند فاصله میان مطالعه نظری و تجربه عملی را کاهش دهند و به مخاطب امکان دهند هر تمرین را همزمان با مطالعه متن اجرا و بررسی کند.
یکی از موضوعاتی که در ارتباط با این کتاب باید بیشتر توسعه یابد، پیوند آن با شبکههای مجازی، نسخه دیجیتال و منابع آنلاین است. انتشار دیجیتال کتاب میتواند امکان نمایش دقیقتر و رنگی کدها را فراهم کند؛ امکانی که شاید بهدلیل محدودیتهای اقتصادی و هزینههای چاپ، در نسخه کاغذی تا اندازهای نادیده گرفته شده باشد. در حال حاضر نیز میتوان از نسخهها و کدهای موجود در وبگاه کتاب استفاده کرد.
توصیه من این است که ارتباط میان کتاب و وبگاه آن حتماً حفظ شود تا مخاطب بتواند هر تمرین را در جای مناسب خود، بهدرستی و بهصورت عملی دنبال کند. این پیوند، کتاب را از یک متن صرفاً نظری خارج میکند و آن را به تجربهای آموزشی نزدیکتر میسازد.
امروزه، کسی که قصد دارد با پایتون کار کند، هم به یک زبان برنامهنویسی نسبتاً ساده و سطحبالا دسترسی دارد و هم میتواند از مشارکت گسترده جامعه بینالمللی، مستندات، آموزشهای آنلاین و کتابخانههای آماده بهره ببرد. این ابزارها نیز بهدلیل نیازهای علمی، فنی و اقتصادی جهان، پیوسته در حال رشد و توسعهاند.
از سوی دیگر، شرایط امروز با زمان نگارش کتاب تفاوت مهم دیگری نیز پیدا کرده است. اکنون بسیاری از سامانههای هوش مصنوعی رایج میتوانند بر اساس درخواست کاربر کد تولید کنند، بخشهایی از برنامه را توضیح دهند، خطاهای احتمالی را شناسایی کنند یا برای اصلاح آن پیشنهادهایی ارائه دهند. بنابراین، دشواری نگارش کد و صورتبندی ریاضی برخی مسائل در حال کاهش است؛ اما این تحول به معنای فروپاشی کامل ضرورت کدنویسی، ریاضیات یا فهم فنی نیست.
کدی که ماشین تولید میکند ممکن است ناقص، ناکارآمد یا حتی نادرست باشد. ازاینرو، همچنان به افرادی نیاز داریم که بتوانند مسئله خود را دقیق بیان کنند، خروجی سامانه را ارزیابی کنند، خطاهای آن را تشخیص دهند و بدانند چگونه باید از کد تولیدشده برای نیازهای مشخص خود استفاده کنند. بهنوعی، بیش از آنکه تنها به فردی نیاز داشته باشیم که همه مراحل دشوار و تکراری برنامهنویسی را شخصاً انجام دهد، به انسانی نیاز داریم که موضوع را بفهمد و بتواند فرایند را هدایت و کنترل کند. ماشین میتواند بسیاری از فعالیتهای تکراری، مکانیکی و زمانبر را انجام دهد؛ اما تعریف مسئله، قضاوت درباره نتیجه و پذیرش مسئولیت استفاده از آن همچنان بر عهده انسان باقی میماند.
در زمینه مفاهیمی مانند نورون مصنوعی و بهینهسازی نیز کتاب میکوشد از مبانی آغاز کند و دانشی را در اختیار مخاطب قرار دهد که برای فهم و هدایت یک فرایند یادگیری عمیق ضروری است. البته در ابتدای کتاب نیز اشاره شده است که مخاطب بهتر است پیشتر یک دوره مقدماتی پایتون را گذرانده باشد. آشنایی با پایتون فقط به معنای یادگیری چند دستور نیست؛ بلکه فرد در این مسیر میآموزد چگونه از مستندات، انجمنهای تخصصی، نمونهکدها و تجربه جامعه بینالمللی برنامهنویسان استفاده کند.
خود جان کرون نیز اثری در زمینه پایتون دارد؛ اما ازآنجاکه در بازار آموزشی ایران کتابها، دورهها و مدرسان متعددی در این زمینه فعالیت میکنند، آموزش مقدماتی پایتون در این کتاب بهطور کامل تکرار نشده و این بخش به منابع تخصصیتر سپرده شده است.
اما درباره این پرسش که آیا هنرمند آینده میتواند بدون هیچگونه تعامل با خط فرمان یا محیطهای محاسباتی فعالیت کند، باید پاسخ دقیقتری داد. همه هنرمندان الزاماً به خط فرمان یا برنامهنویسی حرفهای نیاز نخواهند داشت؛ همانگونه که همه هنرمندان امروز نیز به یک اندازه با نرمافزارهای تخصصی کار نمیکنند. بااینحال، هنرمندی که قصد دارد بهطور جدی وارد حوزه هنر و هوش مصنوعی شود، ناگزیر است تا اندازهای با منطق ابزارهای دیجیتال، داده، الگوریتم و فرایندهای محاسباتی آشنا شود.
این وضعیت شبیه آن است که فرد بخواهد کاری هنری انجام دهد، اما با مواد، ابزارها و فرایندهای اصلی آن کار هیچ آشنایی نداشته باشد. دنیای امروز و آینده، دنیای یادگیری مداوم است و نمیتوان تنها با تکیه بر آموختههای پیشین در آن پیش رفت. هنگامی که از آموزش مادامالعمر سخن میگوییم و درباره تغییر نیروی کار، مشاغل و شیوههای زندگی صحبت میکنیم، به این معناست که هنرمند نیز نمیتواند بهطور کامل خود را از این تحولات کنار بکشد.
البته نمیتوان گفت پایتون برای تکتک افراد جامعه به یک ضرورت مطلق تبدیل خواهد شد؛ اما آشنایی با تفکر محاسباتی، توانایی تعامل آگاهانه با سامانههای هوش مصنوعی و درک مقدماتی سازوکار ابزارهای دیجیتال، برای بسیاری از حرفهها و بهویژه برای هنرمندانی که با فناوریهای جدید کار میکنند، به بخشی از سواد حرفهای تبدیل شده است.
در طول سالهای اخیر، بسیاری از ما خواهناخواه وارد نوعی تعامل با هوش مصنوعی شدهایم؛ گاهی تنها در جایگاه مصرفکننده و گاهی با هدف استفاده تخصصی از آن برای پاسخگویی به نیازهای شخصی یا حرفهای. تفاوت اصلی در این است که آیا ما صرفاً خروجی این سامانهها را مصرف میکنیم یا میکوشیم منطق، محدودیتها و شیوه هدایت آنها را نیز بشناسیم.
بنابراین، به گمان من میتوان به ساختار آموزشی دقیق کتاب اعتماد کرد. یکی از ناشران اصلی این اثر، مؤسسه پیرسون است که سابقهای طولانی در تولید و انتشار منابع آموزشی دارد. این کتاب میتواند پلی برای کاهش سرخوردگی مخاطب و حرکت تدریجی او از دنیای عمومی به فضای هوش مصنوعی باشد؛ پلی که مخاطب را نهفقط به استفاده از هوش مصنوعی، بلکه به درک سازوکارها و لایههای پنهان آن نزدیک میکند.
البته این کتاب را نمیتوان بهتنهایی یک دوره کامل و بینیاز از مدرس دانست؛ اما میتوان آن را منبعی بسیار مناسب برای تدریس، مطالعه هدایتشده و آموزش گامبهگام تلقی کرد. اگر کتاب در کنار تمرین عملی، آموزش مقدماتی پایتون، دسترسی به کدهای آنلاین و راهنمایی مدرس قرار گیرد، میتواند برای جامعه هنری کارکردی بسیار مؤثرتر داشته باشد.
صدف پورمحمود: این کتاب دقیقاً شعار درست و سنجیدهای را مدنظر قرار داده است. برای توضیح این موضوع، لازم میدانم ابتدا درباره کار تخصصی خودم و نقطه آغاز آن صحبت کنم. تمرکز اولیه این پژوهش، بررسی و تحلیل سبک هنرمندان بود. برای انجام این کار، لازم بود بتوانم ویژگیهای بصریِ موجود در مجموعه پیچیده تصاویر شاهنامه طهماسبی را شناسایی و استخراج کنم. شاید به نظر برسد که کدنویسی این مقوله دشوار است. اما پیش از آنکه یادگیری عمیق در این حوزه رواج پیدا کند، چنین فعالیتهایی غالباً با تعریف دستی مجموعهای از ویژگیها و آموزش یک الگوریتم بر اساس آنها انجام میشد؛ رویکردی که در چهارچوب یادگیری ماشین قرار میگرفت. یادگیری ماشین همچنان روشی معتبر و بسیار متداول است و در بسیاری از مسائل نیز کاربرد مؤثری دارد. من نیز در بخشهایی از پژوهش خود از این روشها استفاده کردهام.
اما واقعیت این است که اگر تصور کنیم یک پژوهشگر بخواهد تمام نگارههای شاهنامه طهماسبی را صرفاً با چشم بررسی کند و در تکتک آنها اجزایی را که احتمالاً به دست هنرمندان متفاوت ترسیم شدهاند تشخیص دهد، تفکیک کند و مورد مقایسه قرار دهد، این فرایند به زمان بسیار زیادی نیاز خواهد داشت. افزون بر این، ادراک انسانی، با وجود تواناییهای پیچیده و ظریف خود، در بررسی حجم بسیار زیاد دادهها، حفظ ثبات معیارها و تشخیص الگوهای آماری بسیار ریز، با محدودیتهایی روبهروست. بنابراین، استفاده از روشهای محاسباتی میتواند ما را از انجام بخشی از فعالیتهای دشوار، تکراری و گاه عملاً ناممکن رها کند. پژوهش هنر در گذشته با مانع بزرگی روبهرو بود: هر زمان که درباره سنجش تجربه زیباییشناختی یا مطالعه تجربی هنر سخن میگفتیم، یکی از اساسیترین دشواریها، تبدیل ویژگیها و پدیدههای کیفی به دادهها یا شاخصهای قابلاندازهگیری بود.
امروزه این مرز بهتدریج در حال جابهجاشدن است، هرچند نمیتوان گفت بهطور کامل از میان رفته است. ابزارهای محاسباتی میتوانند برخی ویژگیهای بصری، روابط آماری و الگوهای تکرارشونده را اندازهگیری کنند؛ اما تجربه زیباییشناختی، معنا، زمینه تاریخی و داوری هنری را نمیتوان بهطور کامل به اعداد تقلیل داد. برای نمونه، اگر به شبکههای مولد تخاصمی یا دیگر سامانههای تولید تصویر نگاه کنیم، میبینیم که این سامانهها میتوانند آثاری با شباهتهای ظاهری به سبک هنرمندان مختلف تولید کنند. این قابلیت نشان میدهد که مدل توانسته است برخی الگوها و روابط آماری موجود در آثار آن هنرمند را استخراج و در تصاویر جدید بازتولید کند. بااینحال، این امر الزاماً به معنای درک انسانیِ سبک، نیت هنرمند یا زمینه فرهنگی اثر نیست؛ بلکه بیشتر بیانگر توانایی محاسباتی سامانه در شناسایی و بازترکیب الگوهای بصری است.
از سوی دیگر، زمانی که من کار خود را آغاز کردم، طبیعتاً مانند بسیاری از پژوهشگران آن دوره، فعالیت خود را با نرمافزارهایی مانند متلب شروع کردم. متلب نرمافزاری تجاری و قدرتمند است، اما استفاده از آن میتواند با هزینههای مربوط به مجوز، محدودیتهای توسعه و وابستگی به ابزارهای اختصاصی همراه باشد. همچنین انطباقدادن محیط نرمافزار با نیازهای خاص یک پژوهش، بهویژه برای فرد تازهکار، همیشه آسان نیست.
زمانی که متلب را میآموختم، مفهوم «ریاضیات سنگین» برایم کاملاً مشهود بود. همواره با این پرسش روبهرو بودم که آیا با این حجم از پیچیدگی میتوانم پژوهش خود را به پایان برسانم یا خیر.
اما امروز شرایط بسیار متفاوت شده است. اکنون میتوانم با استفاده از کدهای پایتون و امکانات یادگیری عمیق، از روشهایی مانند یادگیری انتقالی بهره ببرم. یادگیری انتقالی به این معناست که یک مدل یا شبکهای را که پیشتر بر روی مجموعهداده دیگری آموزش دیده است، بهعنوان نقطه آغاز در مسئله خود به کار بگیرم و سپس آن را متناسب با دادهها و اهداف پژوهشم تنظیم یا بازآموزی کنم.
به این ترتیب، لازم نیست تمام فرایند یادگیری از نقطه صفر آغاز شود. میتوان از مدلهای ازپیشآموزشدیده، تجربه پژوهشگران دیگر، کتابخانههای آماده و الگوریتمهای توسعهیافته استفاده کرد و آنها را با نیازهای پژوهش خود انطباق داد. همچنین میتوان بسیاری از پرسشها و مشکلات فنی را با مراجعه به منابع اینترنتی، مستندات و انجمنهای تخصصی بررسی کرد.
این امکانات نشان میدهند که بخشی از مرزهای میان منِ پژوهشگر هنر و فضای تخصصی علوم رایانه در حال کاهش است. البته این مرزها بهطور کامل از میان نمیروند و استفاده مسئولانه از ابزارها همچنان به یادگیری و همکاری میانرشتهای نیاز دارد؛ اما امکان ورود و تجربهکردن این حوزه بسیار بیشتر از گذشته شده است.
همانگونه که در پاسخ به پرسش پیشین نیز گفته شد، بهتدریج این ابزارها بیشتر در زندگی و فعالیت حرفهای ما حضور خواهند یافت. فضای هوش مصنوعی قابلیت چندوجهی و چندزبانهشدن دارد و میتواند با کاربران دارای سطوح متفاوت دانش تعامل کند. همین ویژگی، افراد بیشتری را به استفاده از این ابزارها و سپس به یادگیری عمیقتر آنها هدایت خواهد کرد.
این موضوع بخشی از دانش جدید است. منظور از دانش جدید این است که برای ورود آگاهانه به جهانی که اکنون بخشی ملموس از زندگی ماست و در آینده نیز حضور گستردهتری خواهد داشت، باید جایگاه خود را مشخص کنیم. ممکن است صرفاً مصرفکننده ابزارهای هوش مصنوعی باشیم یا بکوشیم در طراحی، ارزیابی، هدایت و توسعه آنها مشارکت کنیم.
البته باید میان استفادهکننده عادی و فردی که در پشت صحنه سامانه را هدایت یا توسعه میدهد تفاوت قائل شد. استفادهکنندگان با انتخابها، نیازها و بازخوردهای خود میتوانند بر جهتگیری محصولات و شیوه استفاده اجتماعی از آنها اثر بگذارند. بااینحال، هر تعامل کاربر الزاماً و بهصورت مستقیم موجب آموزش یا پیشرفت لحظهای یک مدل نمیشود؛ این موضوع به معماری سامانه، سیاستهای حفظ داده و نحوه استفاده توسعهدهنده از بازخوردها بستگی دارد.
گروه دوم، افرادی هستند که در پشت صحنه این تحولات فعالیت میکنند؛ کسانی که سامانهها را طراحی میکنند، دادهها را آماده میسازند، مدلها را آموزش میدهند، نتایج را ارزیابی میکنند یا کاربردهای تازهای برای آنها مییابند. جامعه هنری نیز میتواند در هر دو سطح، یعنی هم در استفاده خلاقانه و هم در توسعه و ارزیابی انتقادی این فناوریها، نقش داشته باشد.
امروزه حتی در حوزههای حقوقی، اقتصادی و مالی نیز بحثهای گستردهای درباره دسترسی آزاد یا محدود به هوش مصنوعی، مالکیت دادهها، حقوق مؤلفان، شفافیت الگوریتمها و مسئولیت نتایج آنها در جریان است. این مسائل نشان میدهند که ما تنها با یک تحول فنی مواجه نیستیم، بلکه در چندین بعد اجتماعی، فرهنگی، حقوقی و حرفهای در حال تغییر هستیم.
از نظر فضای کاری، ارتباطات بینالمللی، امکان استفاده از نتایج پژوهش دیگران و شکلگیری همکاریهای میانرشتهای، اکنون فرصتهای بسیار گستردهتری در اختیار ما قرار گرفته است. بااینحال، بهرهگیری درست از این فرصتها به سواد داده، شناخت محدودیتهای فناوری، رعایت حقوق دیگران و توانایی ارزیابی انتقادی خروجیها نیاز دارد.
به نظر من، یکی از عواملی که ممکن است موجب سرخوردگی فرد علاقهمند شود، بهتعویقانداختن طولانیمدت ورود به این حوزه است. البته هیچکس ملزم نیست وارد همه بخشهای هوش مصنوعی شود و میتوان حوزه فعالیت خود را مستقل از آن تعریف کرد. اما اگر فردی واقعاً علاقهمند به استفاده از این فناوری در کار حرفهای خود باشد، تأخیر طولانی میتواند فاصله او را با تحولات جدید بیشتر کند.
این فضا در هر لحظه در حال گسترش است، ابزارهای تازهای به آن افزوده میشود و لایههای فنی، اجتماعی و مفهومی آن پیچیدهتر میشوند. ازاینرو، ورود تدریجی و آگاهانه میتواند از سرخوردگیهای آینده جلوگیری کند. لازم نیست فرد از همان ابتدا همه چیز را بداند؛ مهم این است که فرایند یادگیری را از نقطهای قابلدسترس آغاز کند.
همچنین نباید فراموش کنیم که بسیاری از نوجوانان و جوانان امروز بهدلیل مواجهه زودهنگام با فناوری، با محیطهای دیجیتال و منطق آزمونوخطا ارتباطی طبیعیتر دارند. البته مهارت در این حوزه صرفاً به سن وابسته نیست و افراد در هر سنی میتوانند آن را بیاموزند؛ اما نسلهای جوانتر غالباً فرصت بیشتری برای آشنایی مستمر با این ابزارها داشتهاند.
این فضا تا اندازه زیادی متعلق به آینده است و نسلهای جدید بهاحتمال زیاد ارتباط گستردهتری با آن برقرار خواهند کرد، زیرا بر خلاف من آنها نسلی هستند که در زمان توسعه عمومی فضای دیجیتال و وب متولد شدهاند. کتاب حاضر میتواند برای آنان و همچنین برای هنرمندان و پژوهشگران علاقهمند، نقطه ورود مناسبی باشد؛ نقطهای که از آن بتوانند بهتدریج وارد دنیای حرفهای خود شوند و کاربردهای هوش مصنوعی را در حوزه تخصصیشان دنبال کنند.
با توجه به اینکه کتاب هم مخاطب تازهوارد را در نظر گرفته و هم در بخشهای عملی از پایتون، ژوپیتر و خط فرمان استفاده میکند، خواننده برای درک بهتر مطالب و استفاده مؤثر از تمرینهای کتاب به چه دانش و مقدماتی نیاز دارد؟
رضا افهمی :کتاب از خواننده انتظار ندارد پیشاپیش متخصص یادگیری عمیق یا ریاضیات پیشرفته باشد؛ اما آشنایی مقدماتی با منطق برنامهنویسی، چند دستور پایه پایتون و کار با خط فرمان، مطالعه را بسیار روانتر میکند. مخاطب همچنین باید آمادگی داشته باشد که تمرینها را صرفاً نخواند، بلکه در دفترچههای ژوپیتر اجرا کند و از کدهای همراه کتاب در گیتهاب کمک بگیرد. دانستن مفاهیم ابتدایی جبر، تابع، بردار و احتمال مفید است، ولی کتاب بخش مهمی از نظریه را با تصویر، مثال و توضیح مرحلهبهمرحله میسازد. بنابراین مهمترین پیشنیاز، نه دانش سنگین فنی، بلکه کنجکاوی، صبر و پذیرش یادگیری عملی است؛ زیرا درک کتاب زمانی شکل میگیرد که خواننده میان متن، تصویر، کد و نتیجه رفتوآمد کند.
منبع: پژوهشکده هنر، فرهنگستان هنر