⭐️ دستیار هوش مصنوعی Mira در تلگرام

هفته‌ی پیش متنی تو کانال‌های tech می‌دیدم با این تیتر که «تلگرام دستیار جدیدش بنام میرا رو معرفی کرد». ولی واقعیت اینه که Mira اصلاً محصول رسمی تیم توسعه‌ی تلگرام نیست.

🔻 داستانِ واقعی چیه؟
میرا (@mira) توسط The Open Platform ساخته شده، همون تیمی که Telegram Wallet رو توسعه داده. این یعنی Mira محصول خود تلگرام نیست، محصول نزدیک‌ترین شریک اکوسیستمیِ تلگرامه. همین رابطه، به علاوه‌ی آیدیِ رند @mira، باعث شده خیلیا تصور کنن این ربات رو خود پاول دورف منتشر کرده.

🔺 امکانات و اهمیتِ Integration قابلیت‌های رایگانش

جستجو، تحلیل تصویر، تبدیل صدا به متن، baseline مدل‌های امروزیه. نقطه‌ی تمایزش اتصال به بیش از ۲۰۰ سرویس خارجی، حافظه‌ی بلندمدت، و اجرای چندمرحله‌ای روی اکوسیستم TON هست. بخش پولی هم به خاطر هزینه‌ی بالای compute برای پردازش‌های سنگین با محدودیت‌های منطقی ارائه شده.

بخش جالبی که درباره‌ش می‌خوندم اینه که زیرساختش روی Cocoon اجرا می‌شه، یک شبکه‌ی محاسباتیِ محرمانه‌ی decentralized روی TON که خود شما هم می‌تونید روی GPU ران بگیرید (لینکش رو پایین پیام قرار دادم). یعنی ادعای حریم خصوصی در پردازش داده‌ها، نه فقط یه چت‌باتِ ساده با API.

Confidential Compute Open Network (COCOON) – Decentralized AI Inference on TON:
🔗 https://github.com/TelegramMessenger/cocoon

✈️ @Mirage_Notes

⭐️ متا، هوش مصنوعی و کارمندهای ناراضی

نیویورک تایمز یک گزارش جالبی منتشر کرده درباره‌ی اتفاقاتی که این روزها داخل متا افتاده. شرکت تصمیم گرفته خودش رو از یک شرکت اینترنتی به یک شرکت AI تبدیل کنه، و این گذار، روند سختی برای ۷۸ هزار کارمندش داشته.

ماه گذشته متا تو یک پست داخلی به کارمندهای آمریکایی‌ش اعلام کرد که از این به بعد هر چی تایپ می‌کنند، حرکت ماوس‌شون، جایی که کلیک می‌کنند و چیزی که روی صفحه می‌بینند، ضبط و track می‌شه. هدف؟ جمع‌آوری دیتا برای train کردن مدل‌های AI شرکت، که یاد بگیرند «آدم‌ها واقعا چطوری کارهای روزمره‌شون رو با کامپیوتر انجام می‌دن.»

🔻 وقتی یک نفر تو کامنت‌ها پرسید «چطوری می‌تونیم opt-out کنیم؟»، Andrew Bosworth که CTO شرکته جواب داد: «روی لپ‌تاپ شرکتی گزینه‌ای برای opt-out وجود نداره.» کارمندها با بیش از ۱۰۰ ایموجی عصبانی واکنش نشون دادن.

🤖 اما داستان فقط tracking نیست. متا داره استفاده از ابزارهای AI رو در performance review کارمندها لحاظ می‌کنه. یک داشبورد داخلی هم گذاشتن که میزان مصرف «توکن» هر کارمند رو نمایش می‌ده (هر توکن تقریبا معادل ۴ کاراکتر متن). کار به جایی رسیده که بعضی کارمندها انقدر AI agent ساختن، که مجبور شدن agentهایی بسازن که agentهای دیگه رو پیدا کنند، و agentهایی که agentها رو rate کنند :)

💳 و در نهایت، خبر تعدیل. متا اعلام کرده که ۱۰٪ نیروهاش (حدود ۸ هزار نفر) رو ۲۰ می تعدیل می‌کنه، تا هزینه‌های سنگین AI رو جبران کنه. بعضی کارمندها نگرانن که داشتن جایگزین‌های AI خودشون رو train می‌کردن. تو فضای داخلی شرکت، meme و سایت‌های شمارش معکوس تا روز تعدیل دست به دست می‌چرخه، یکی‌شون اسمش هست «Big Beautiful Layoff».

📑 این گزارش رو که می‌خوندم، یاد پست قبلی‌م درباره‌ی تعدیل آمازون افتادم. الگو داره یکم عوض می‌شه؛ قبلا تعدیل‌ها بیشتر برای بهینه‌سازی هزینه و correction بعد از over-hiring دوران کرونا بود، ولی الان داره به بهانه‌ی AI انجام می‌شه. Susan Li، به عنوان CFO متا، تو کال با سرمایه‌گذارها گفته: «ما واقعا نمی‌دونیم سایز بهینه‌ی شرکت در آینده چقدره.»

به قول استاد دانشگاه واشنگتن که تو مقاله نقل شده: «هنوز هیچ playbook ای برای AI در محیط کار وجود نداره.» و خب متا داره به سخت‌ترین شکل ممکن این playbook رو می‌نویسه.

🔽 لینک مقاله:
🔗 Meta’s Embrace of A.I. Is Making Its Employees Miserable

✈️ @Mirage_Notes

⭐️ هیچ‌چیز اهمیت نداره، وقتی همه‌چیز رایگانه

یک مقاله‌ی فوق‌العاده در The Atlantic خوندم از Noah Hawley (سازنده‌ی سریال Fargo)، که سال ۲۰۱۸ مهمون مراسم خصوصی Campfire جف بزوس بوده و حالا بعد از ۸ سال، تجربه‌ش رو نوشته.

🔻 مراسم Campfire چیه؟
یک رویداد سالانه‌ی خصوصی که بزوس ۸۰ نفر آدم خاص (سلبریتی، نویسنده، دانشمند) رو دعوت می‌کنه به یک resort در سانتا باربارا. جت‌های شخصی، امنیت اختصاصی از لاس‌وگاس، و سخنرانی‌هایی شبیه TED Talk با حضور قاضی دیوان عالی و نوبلیست‌ها. سوال مشترک اکثر مهمون‌ها این بود: «من اصلا اینجا چیکار می‌کنم؟»

🎙 لحظه‌ی کلیدی مقاله
همسر Hawley اون آخر هفته از روی چمن خیس لیز می‌خوره و مچ دستش می‌شکنه. روز آخر، Hawley برای اولین بار با بزوس رو در رو می‌شه و موضوع رو بهش می‌گه، نه برای شکایت، فقط یک ارتباط انسانی ساده بین دو پدر. واکنش بزوس؟ نه گفت متاسفم، نه پرسید چیزی نیاز دارید. فقط یک قیافه‌ی عجیب گرفت و دستیارش بلافاصله اومد و ازش دورش کرد.

نویسنده می‌گه: «وقتی فرصتی برای همدلی، حتی همدلیِ نمایشی، بهش داده شد، فرار رو انتخاب کرد.»

📑 تز اصلی مقاله Hawley می‌گه واقعا ثروتمند بودن یعنی این‌که همه چیز عملا رایگان بشه. هر دارایی‌ای رو می‌تونی به دست بیاری ولی هیچ‌چیزی رو نمی‌تونی از دست بدی، چون برای تریلیونرهای آینده، هیچ سطحی از ضرر، جایگاه و قدرت‌شون رو تغییر نمی‌ده. کلمه‌ی «شکست» برای این‌ها از معنا تهی شده.

📊 دهه‌ها پژوهش روان‌شناسی نشون داده استدلال اخلاقی از طریق consequence شکل می‌گیره؛ دیدن اثر کارهات روی بقیه و گرفتن فیدبک صادقانه. وقتی می‌تونی هر اشتباهی رو بخری و هر مخالفی رو اخراج کنی، اون مکانیزم پایه‌ای که بهت یاد می‌ده «بقیه آدم‌ها هم واقعی‌ان» خاموش می‌شه.

🟥 از نکات جالب دیگه‌ی مقاله، اشاره به شیفت فلسفی بعد از انتخابات ۲۰۲۴ بین تک‌بیلیونرها بود، علیه مفهوم empathy. ماسک، همدلی رو «ضعف بنیادینِ تمدن غرب» نامیده. و خب، اگر همدلی مشکله، نداشتنش دیگه نقص نیست، یک مزیته.

🔻 مقایسه‌ای هم گذاشته بین رابرباران قرن نوزدهم و بیلیونرهای امروز. اون‌ها هرچقدر بی‌رحم بودن، حداقل با دنیا درگیر بودن و از قدرتشون استفاده می‌کردن جهان رو شکل بدن. ولی بیلیونرهای امروز یک disassociation کامل دارن از واقعیتِ علت و معلول. دیگه نیازی نمی‌بینن دنیا رو تغییر بدن تا موفق بشن، چون موفقیتشون از پیش تضمین شده، فارغ از این‌که چه بلایی سر بقیه‌ی ما بیاد.

📊 لینک مقاله:
🔗 What I Learned About Billionaires at Jeff Bezos’s Private Retreat

✈️ @Mirage_Notes

📁 سوال مصاحبه کاری

۲۵ تا اسب داریم، تو هر مسابقه ۵ تا اسب می‌تونن بدوند، با کم‌ترین تعداد مسابقه می‌خوایم ۵ تا اسب سریع از بین این ۲۵ تا رو پیدا کنیم، چندتا مسابقه نیازه برگزار کنیم؟

✈️ @Mirage_Notes

📁 جوابِ سوال بالا

این یه سوال کلاسیک مصاحبه‌ی گوگله که معمولاً برای پوزیشن Business Operations Analyst (و گاهی نقش‌های مهندسی) ازش استفاده می‌شه. روی Glassdoor هم گزارش شده و سال‌هاست بحث‌برانگیزه، چون خیلی‌ها جواب اشتباه می‌دن (مخصوصاً جوابِ معروفِ ۷ که مالِ پیدا کردنِ ۳ تا اسبِ سریعه، نه ۵ تا).

🐎 فرض‌های مسئله
تو هر مسابقه حداکثر ۵ تا اسب می‌تونن بدوند.
کرنومتر در کار نیست، فقط ترتیبِ نسبیِ اسب‌ها تو هر مسابقه مشخص می‌شه.
اسب‌ها سرعتِ ثابت دارن (خسته نمی‌شن).

🎯 جواب: ۹ مسابقه

🧩 راه‌حل:

۱) ۵ مسابقه‌ی اول (مسابقه‌های ۱ تا ۵): ۲۵ اسب رو به ۵ گروهِ ۵تایی تقسیم می‌کنیم: A، B، C، D، E. هر گروه یه مسابقه می‌ده. حالا داخلِ هر گروه ترتیب رو می‌دونیم: A1 > A2 > A3 > A4 > A5 (همین‌طور برای B تا E)

۲) مسابقه‌ی ششم، مسابقه‌ی برنده‌ها: بینِ A1، B1، C1، D1، E1 مسابقه می‌ذاریم. فرض کنیم نتیجه بشه: A1 > B1 > C1 > D1 > E1 پس A1 قطعاً سریع‌ترینِ کلِ ۲۵ تاست.

۳) حذف کاندیداهایی که محاله تو Top 5 باشن:
کلِ گروهِ E حذف (چون E1 پنجم شده، یعنی حداقل ۴ تا اسب ازش سریع‌ترن).
از گروه D: اسب D1 چهارمه و خودش می‌تونه نهایتاً چهارم بشه، ولی D2 به بعد همه حذف. پس از گروهِ D فقط D1 می‌مونه.
از گروه C: فقط C1 و C2 می‌مونن (C3, C4, C5 حذف).
از گروه B: فقط B1, B2, B3 می‌مونن (B4, B5 حذف).
از گروه A هم A2, A3, A4, A5 همه کاندیدا هستن (چون A1 اولِ کل هست، بقیه‌ی گروهش هم می‌تونن تو Top 5 باشن).

کاندیداهای باقی‌مونده برای جایگاه‌های ۲ تا ۵:

A2, A3, A4, A5, B1, B2, B3, C1, C2, D1

پس ۱۰ اسب تا اسب برای ۴ جا داریم.

۴) مسابقه‌ی هفتم، تعیینِ جایگاهِ دوم: بعد از مسابقه‌ی ۶، فقط دو اسب شانسِ جایگاهِ دوم رو دارن: A2 و B1 (چون فقط A1 ازشون سریع‌تره؛ بقیه‌ی اسب‌ها حداقل ۲ اسبِ سریع‌تر بالای سرشون دارن). پس این اسب‌ها رو می‌دوونیم: A2, B1, C1, D1, E1
فرض کنیم نتیجه A2 > B1 > C1 > D1 > E1 هست، پس A2 دومِ کل می‌شه. حالا حذف‌های زنجیره‌ای این‌طوریه:
اسب A2 از B1 سریع‌تر شد پس ۲ اسب از B1 سریع‌ترن (A1, A2)، پس B4 حذف (چون ۵ اسب ازش سریع‌ترن: A1, A2, B1, B2, B3). اسب C1: نسبت به خودش ۳ اسبِ سریع‌تر هست، پس اسب C3 حذف.
اسب D1: نسبت به خودش ۴ اسبِ سریع‌تر داره، پس D2 حذف.
اسب E1: نسبت به خودش ۵ اسبِ سریع‌تر داره، پس خودِ E1 و کلِ گروهِ E حذف.
کاندیداهای باقی‌مانده برای ۳ جای باقی‌مانده: A3, A4, A5, B1, B2, B3, C1, C2, D1 می‌شه مجموعا ۹ تا.

۵) مسابقه‌ی هشتم، تعیینِ جایگاهِ سوم: کاندیداهای جایگاهِ سوم فقط A3 و B1 هستن (بقیه ≥۳ اسبِ سریع‌تر بالای سرشون دارن). این دو رو با قوی‌ترین بقیه می‌دوونیم: A3, B1, B2, C1, D1 فرض کنیم نتیجه: A3 > B1 > C1 > B2 > D1، پس اسب A3 سومِ کل می‌شه. حالا حذف‌های زنجیره‌ای این‌طوریه:
نسبت به اسب B1 الان ۳ اسبِ سریع‌تر داریم (A1, A2, A3) پس B3 حذف (۵ اسب ازش سریع‌ترن: A1, A2, A3, B1, B2).
اسب C1: نسبت به خودش ۴ اسبِ سریع‌تر داره پس C2 حذف.
اسب D1: نسبت به خودش ۵ اسبِ سریع‌تر داره پس خودِ D1 حذف.
کاندیداهای باقی‌مانده: A4, A5, B1, B2, C1 می‌شه دقیقاً ۵ اسب برای ۲ جای باقی‌مانده.

۶) مسابقه‌ی نهم، تعیینِ جایگاه‌های چهارم و پنجم: هر ۵ کاندیدای باقی‌مانده رو با هم می‌دوونیم: A4, A5, B1, B2, C1، نهایتا اسب اولِ این مسابقه = چهارمِ کل و اسب دومِ این مسابقه = پنجمِ کل

💳 جمع‌بندی: ۵ (مسابقه‌ی گروهی) + ۱ (مسابقه‌ی برنده‌ها) + ۳ (تعیینِ جایگاه‌های ۲ تا ۵) = ۹ مسابقه

هر مسابقه جایگاه یکی رو مشخص می‌کنه و تو هر مسابقه فقط ۲ اسب اصلاً شانسِ جایگاهِ بعدی رو دارن و مسابقه بینشون قضاوت می‌کنه؛ بقیه‌ی شرکت‌کننده‌ها برای جمع‌آوریِ اطلاعاتِ بیشتر و حذفِ زنجیره‌ای هستن.

جوابِ معروفِ «۷ مسابقه» که خیلی جاها دیده می‌شه، مربوط به نسخه‌ی ساده‌ترِ سواله که می‌خواد فقط Top 3 رو پیدا کنه.

🔗 25 horses, 5 race tracks. How many races you have to run to select top 5 horses?

✈️ @Mirage_Notes

⭐️ اشتباهات جو روگان، صاحب پادکست سابقا شماره ۱ جهان

یک ویدیو دیدم که تحلیل می‌کرد چرا پادکست The Joe Rogan Experience که زمانی رتبه‌ی اول جهان از نظر تعداد viewer بود، الان به رتبه‌ی پنجم سقوط کرده. تز اصلی ویدیو اینه که روگان دقیقا به همون Mainstream Media تبدیل شده که زمانی ازش متنفر بود.

این تغییر یک‌شبه نبوده، نتیجه‌ی ۶ تصمیم کلیدی در سال‌های اخیره:

⬅️ قرارداد ۱۰۰ میلیون دلاری با اسپاتیفای در ۲۰۲۰: اولین نشونه‌ی تغییر بود. با اینکه ثروت عظیمی براش آورد، باعث شد اسپاتیفای ۱۱۳ قسمت (معادل ۳۰۰ ساعت محتوا) از آرشیوش رو حذف کنه. عملا پایان آزادی بی‌حدومرز پادکستش بود.

⬅️ مهاجرت از LA به آستینِ تگزاس: تو دوران کووید استودیوش رو منتقل کرد و دسترسی به اون طیف متنوع روشنفکر و هنرمند LA رو از دست داد. تنوع مهمون‌های پادکست به شدت افت کرد.

⬅️ توهم نخبگی در کمدی: کلاب کمدی خودش رو در آستین تاسیس کرد که خیلی زود تبدیل شد به یک Echo Chamber برای کمدین‌های راست‌گرا. ویژه‌برنامه‌ی استندآپش با اسم "Burn the Boats" در ۲۰۲۴ با بازخورد بسیار ضعیفی مواجه شد.

⬅️ سیاسی شدن بیش از حد: روگانی که سال‌ها خودش رو میانه‌رو می‌دونست، پادکستش رو به تریبون باز چهره‌هایی مثل ترامپ تبدیل کرد و در انتخابات ۲۰۲۴ علنا ازش حمایت کرد. هویت بی‌طرفش از بین رفت.

⬅️ نزدیک شدن به میلیاردرها: روگانِ قدیم قدرت‌ها رو به چالش می‌کشید، روگانِ جدید با آدم‌هایی مثل پیتر تیل (بنیان‌گذار Palantir) و مامورهای سابق CIA صمیمی می‌شه و روایت‌هاشون درباره‌ی تکنولوژی‌های جاسوسی رو بدون هیچ پرسشگری می‌پذیره.

⬅️ اعتماد کورکورانه به AI: راحت فریب ویدیوهای دیپ‌فیک رو می‌خوره، برای راستی‌آزمایی به جای تیم انسانی‌ش کاملا به Perplexity (اسپانسر برنامه‌ش) متکی شده، و در یک اظهارنظر عجیب، هوش مصنوعی رو با بازگشت عیسی مسیح مقایسه کرده.

📑 جمع‌بندی ویدیو این بود که روگان روحیه‌ی پرسشگری و انتقادی‌ش رو از دست داده و کاملا تسلیم آینده‌ای شده که میلیاردرهای تک و AI برای بشریت رقم می‌زنند. دیگه اون فرد مستقلی نیست که قدرت‌ها رو به چالش بکشه، بلکه به ابزاری در دست همون نخبگانی تبدیل شده که زمانی باهاشون مقابله می‌کرد.

و خب، این پیام رو این‌طوری بخونید که روگان، یک آدمِ نوعی هست که از منتقد، به آدم‌هایی که ازشون انتقاد می‌کرد تبدیل شد، شبیه خیلی‌های دیگه.

📊 لینک ویدیو:
🔗 https://www.youtube.com/watch?v=J0gUB_h1tN8

✈️ @Mirage_Notes

⭐️ ترس از دست دادن | FOMO

مفهوم FOMO یا Fear of Missing Out، یعنی ترس از این‌که چیزی رو از دست بدیم، چه در شبکه‌های اجتماعی، چه در روابط یا فرصت‌های زندگی. این حس وقتی بر ما غلبه می‌کنه که مدام نگرانیم اتفاقات مهم یا جذابی رو نبینیم یا نداشته باشیم، و این موضوع می‌تونه استرس، اضطراب و احساس ناکافی بودن رو افزایش بده

🔻 چرا تبدیل به اپیدمی شده؟
در دنیای امروز، با حجم بالای محتوا و مقایسه‌های بی‌وقفه، FOMO تبدیل به یک اپیدمی شده. هر روز در معرض تصاویری از زندگی‌های «بهتر»، سفرهای لوکس، روابط عالی و موفقیت‌های دیگران قرار می‌گیریم و این حس رو داریم که باید سریع‌تر، بهتر و بیشتر داشته باشیم تا از قافله عقب نمونیم. این ترس، نه تنها وقت و انرژی‌مون رو می‌گیره، بلکه باعث می‌شه نتونیم از لحظه‌ی حال لذت ببریم و همیشه در حالت نگرانی باشیم

🤖 ریشه‌ی روان‌شناختی این مفهوم اولین بار در سال ۲۰۰۴ توسط Patrick McGinnis در یک مقاله در مجله‌ی Harvard Business School معرفی شد. تحقیقات بعدی نشون داده FOMO ارتباط مستقیمی با کاهش رضایت از زندگی، کیفیت پایین‌تر خواب و افزایش علائم افسردگی داره؛ مخصوصا در نسلی که با شبکه‌های اجتماعی بزرگ شده. مغز ما به شکل تکاملی برای تعلق به گروه برنامه‌ریزی شده، و حس «جا موندن از گروه» یک هشدار قدیمی بقاست که حالا توسط الگوریتم‌های اینستاگرام و تیک‌تاک هر روز فعال می‌شه

🟥 راه‌های مقابله با FOMO، یکی تمرکز بر خود و اهداف شخصی، نه مقایسه با دیگران. دومی محدود کردن زمان استفاده از شبکه‌های اجتماعی و حذف اعلان‌ها، سومی یادگیری قدردانی از چیزهای کوچیک و واقعی در زندگی، چهارمی پذیرش این‌که همیشه چیزهایی هست که از دست می‌دیم، و این کاملا طبیعیه، و در نهایت آخری، تمرین حضور در لحظه و دادن فضای سکوت به ذهن هستن

🟩 مفهوم متضاد: JOMO در مقابل FOMO، مفهومی به اسم JOMO یا Joy of Missing Out هم مطرح شده. یعنی لذت بردن از این‌که در یک رویداد یا ترند نباشی، و در عوض وقتت رو صرف چیزی کنی که واقعا برات معنی داره. در دنیایی که همه دارن سعی می‌کنن همه‌جا باشن، انتخاب آگاهانه‌ی «نبودن» خودش یک مهارت کمیابه

📑 خلاصه که، شاید بزرگترین چیزی که داریم از دست می‌دیم، نه اون مهمونی و سفر و فرصتیه که تو فید می‌بینیم، بلکه همین لحظه‌ایه که داریم با نگرانی از دست دادنش زندگی نمی‌کنیم

✈️ @Mirage_Notes

⭐️ Sinners

فیلم Sinners ترکیبی از درام، ترس، موسیقی و یک اتمسفر جنوب آمریکاست که از ابتدا می‌تونید بفهمید با یک فیلم معمولی طرف نیستید.

فیلم رو Ryan Coogler ساخته، همون کارگردان Black Panther و Creed، و مایکل بی. جردن هم توی نقش اصلی حضور داره. یکی از بهترین بخش‌های فیلم، بازی‌هاشه؛ مخصوصاً خود جردن که بار اصلی فیلم رو می‌کشه و اجرای خیلی محکمی داره.

بدون اسپویل، Sinners بیشتر از این‌که فقط یک فیلم ترسناک باشه، درباره‌ی گذشته، گناه، ریشه‌ها و چیزهاییه که آدم‌ها فکر می‌کنن می‌تونن پشت سر بذارن، ولی بالاخره برمی‌گردن سراغشون.

پی‌نوشت: مایکل بی جردن تو فیلم دو نقش متفاوت بازی می‌کنه و برای همین فیلم هم اسکار بهترین بازیگر مرد رو برد. بازی بقیه‌ی cast هم خیلی خوبه، مخصوصا وقتی فیلم آروم‌آروم tension خودش رو می‌سازه بدون این‌که صرفاً بخواد بدون پیش‌زمینه جلو بره.

✈️ @Mirage_Notes

⭐️ مفهوم Rug Pull چیه و چرا مهمه؟

عبارت Rug Pull یا کشیدن فرش از زیر پا، یکی از رایج‌ترین کلاهبرداری‌های دنیای کریپتو و DeFi هست. اسمش از همون اصطلاح انگلیسی pulling the rug out میاد، یعنی توسعه‌دهنده‌های یک پروژه، یک‌دفعه دارایی‌ها رو برمی‌دارن و فرار می‌کنن، و سرمایه‌گذارها با توکن‌های بی‌ارزش تنها می‌مونن

🔻 چطوری اتفاق می‌افته؟
معمولا یک تیم (اغلب ناشناس) یک توکن جدید روی شبکه‌هایی مثل اتریوم یا سولانا منتشر می‌کنه، یک استخر نقدینگی روی صرافی غیرمتمرکز مثل Uniswap درست می‌کنه، و با مارکتینگ سنگین در توییتر و تلگرام و اینفلوئنسرها هایپ ایجاد می‌کنه. وقتی قیمت توکن به اندازه‌ی کافی بالا رفت و سرمایه‌ی مردم وارد شد، تیم در عرض چند دقیقه استخر نقدینگی رو خالی می‌کنه و ناپدید می‌شه

📁 سه نوع اصلی Rug Pull
۱. نوع Liquidity Stealing: تیم توسعه استخر نقدینگی رو کامل از صرافی خارج می‌کنه. رایج‌ترین نوعه.
۲. نوع Limiting Sell Orders: کد قرارداد هوشمند طوری نوشته می‌شه که فقط سازنده‌ها بتونن بفروشن، و بقیه فقط حق خرید دارن. مردم متوجه نمی‌شن تا وقتی که بخوان نقد کنن.
۳. نوع Dumping: تیم بدون دستکاری در کد، صرفا حجم بزرگی از توکنی که قبلا برای خودشون نگه داشتن رو یک‌جا می‌فروشن و قیمت رو به صفر می‌رسونن. به این soft rug pull هم می‌گن.

📊 معروف‌ترین Rug Pullهای تاریخ

توکن Squid Game Token (2021): با هایپ سریال محبوب نتفلیکس راه افتاد، قیمتش از سنت به ۲,۸۶۰ دلار رسید، و توسعه‌دهنده‌ها ۳.۳ میلیون دلار با خودشون بردن. خریدارها هم نمی‌تونستن بفروشن.
توکن AnubisDAO (2021): فقط ۲۰ ساعت بعد از لانچ، ۶۰ میلیون دلار از سرمایه‌گذارها برداشته شد و ناپدید شد.
توکن Thodex (2021): صرافی متمرکز ترکیه‌ای که با ۲ میلیارد دلار از دارایی‌های کاربرها فرار کرد. بنیان‌گذارش بعدا در آلبانی دستگیر و به ۱۱,۱۹۶ سال زندان محکوم شد!

📈 در سال ۲۰۲۱ نزدیک به ۳۷٪ از کل درآمد کلاهبرداری‌های کریپتویی، از Rug Pullها به دست اومده

و خلاصه که در دنیایی که هرکس می‌تونه در عرض چند دقیقه یک توکن منتشر کنه، مسئولیت بررسی و Do Your Own Research کاملا با خود سرمایه‌گذاره

✈️ @Mirage_Notes

⭐️ اثر پروانه‌ای، اون چیزی نیست که فکر می‌کنیم

این ویدیو از کانال Bplus Podcast رو می‌دیدم که یکی از پرتکرارترین بدفهمی‌های علمی رو توضیح می‌داد، مفهوم Butterfly Effect یا اثر پروانه‌ای.

🔻 برداشت اشتباه رایج
اکثرا فکر می‌کنیم اثر پروانه‌ای یعنی می‌شه یک اتفاق بزرگ رو قدم‌به‌قدم به یک علت کوچک در گذشته ربط داد. همون داستان معروف «به خاطر میخی نعلی افتاد، به خاطر نعلی اسبی افتاد... و در نهایت کشوری نابود شد.»
سینما هم این برداشت رو تقویت کرده، تو فیلم‌های سفر در زمان نشون می‌دن که با تغییر یک رفتار کوچک در گذشته، می‌شه آینده رو به شکل خطی و دلخواه عوض کرد.

💬 ریشه‌ی واقعی این مفهوم از کارهای Edward Lorenz، ریاضیدان و هواشناس MIT در دهه‌ی ۱۹۶۰ میاد. لورنز روی یک مدل کامپیوتری برای پیش‌بینی هوا کار می‌کرد و متوجه شد تغییرات بسیار ناچیز در اعداد ورودی (مثل تغییر رقم سوم اعشار)، می‌تونه نتیجه‌ی پیش‌بینی رو کاملا دگرگون کنه. بعدها در ۱۹۷۲ مقاله‌ای ارائه داد با عنوان: «آیا بال زدن پروانه‌ای در برزیل می‌تونه باعث طوفانی در تگزاس بشه؟»

📑 معنای واقعی، برعکس برداشت عمومی پیام لورنز این نبود که می‌تونیم تاثیر یک اتفاق کوچک رو پیش‌بینی کنیم یا زنجیره‌ی علت و معلولی رو ردیابی کنیم. منظورش دقیقا برعکس بود: جهان اساسا غیرقابل پیش‌بینیه. چون بی‌نهایت متغیر کوچک وجود داره که ما اصلا نمی‌بینیمشون، علم مدرن و پیش‌بینی‌های بلندمدت همیشه با عدم قطعیت روبه‌رو هستن.

❤ نتیجه اینه که در برنامه‌ریزی برای آینده، باید بپذیریم متغیرهای ناشناخته‌ای وجود دارن که ما حتی از وجودشون بی‌خبریم، و این عدم قطعیت بخش جدایی‌ناپذیر از برنامه‌ریزیه.

و خلاصه که، اثر پروانه‌ای درباره‌ی قدرت کارهای کوچک در تغییر جهان نیست، بلکه هشداریه درباره‌ی محدودیت‌های ما در درک همه‌ی عوامل و غیرقابل پیش‌بینی بودن ذاتیِ پدیده‌های پیچیده.

📊 لینک ویدیو:
🔗 https://www.youtube.com/watch?v=H0NRo9v6l_k

✈️ @Mirage_Notes

⭐️ یک endpoint، چهارده ارائه‌دهنده‌ی AI رایگان

این روزها هر شرکت AI یک free tier داره؛ چند میلیون توکن در ماه، چند هزار درخواست در روز. هر کدوم به‌تنهایی اسباب‌بازیه، ولی وقتی روی هم سوار بشن، می‌رسه به حدود ۱.۳ میلیارد توکن در ماه ظرفیت inference. مشکل اینجاست که سوار کردن دستی‌شون دردسره: ۱۴ تا SDK مختلف، ۱۴ تا rate limit متفاوت، ۱۴ جا که request می‌تونه fail بشه.

پروژه‌ی open-source به اسم FreeLLMAPI دقیقا همین مسئله رو حل کرده. یک proxy سازگار با OpenAI که free tierهای Google، Groq، Cerebras، SambaNova، NVIDIA، Mistral، OpenRouter، GitHub Models، Cohere، Cloudflare، HuggingFace و Z.ai رو پشت یک endpoint /v1/chat/completions جمع می‌کنه. کافیه base_url کلاینت OpenAI خودتون رو عوض کنید.

🔻 خلاصه‌ش اینه که یک router داخلی برای هر درخواست، مدلی رو انتخاب می‌کنه که هم key سالم داره و هم زیر سقف rate limitهاشه. اگر provider با ۴۲۹ یا ۵xx جواب داد، کلید رو برای مدت کوتاهی cooldown می‌ذاره و سراغ مدل بعدی تو fallback chain می‌ره (تا ۲۰ تلاش). شمارنده‌های RPM/RPD/TPM/TPD به ازای هر (platform, model, key) نگه‌داری می‌شن.

🔺 یک سری ویژگی جالب هم داره این پروژه
قابلیت Sticky Session: مکالمه‌های چندمرحله‌ای تا ۳۰ دقیقه با همون مدل ادامه پیدا می‌کنن، تا hallucination ناشی از سوییچ وسط مکالمه کم بشه.
قابلیت ذخیره‌ی encrypted کلیدها با AES-256-GCM روی SQLite، که فقط لحظه‌ی request تو حافظه decrypt می‌شه.
قابلیت یک کلید واحد (freellmapi-…) برای کلاینت‌ها، بدون این‌که هیچ‌وقت کلید provider واقعی به اپ‌هاتون لو بره.
قابلیت پشتیبانی از streaming، tool calling (حتی translate شده به فرمت functionDeclarations برای Gemini)، و یک داشبورد React برای مدیریت کلیدها، fallback chain و آنالیتیکس.

مدل‌های frontier مثل GPT-5 یا Claude Opus اینجا نیستن. سقف کاتالوگ حدودا Llama 3.3 70B و Gemini 2.5 Pro هست. نکته‌ی مهم‌تر این‌که هوشمندیِ endpoint در طول روز افت می‌کنه؛ مدل‌های top معمولاً پایین‌ترین daily cap رو دارن، و وقتی پر شدن، router میره سراغ مدل‌های ضعیف‌تر، تا UTC midnight که reset بشه. latency هم خیلی متغیره؛ Cerebras و Groq سریع‌ان، بقیه نه لزوماً.

🔗 https://github.com/tashfeenahmed/freellmapi

✈️ @Mirage_Notes

⭐️ فیلم‌باز بعدِ مدت‌ها | مرور ۵ ماه اول ۲۰۲۶ سینمای جهان

بعد از مدت‌ها بالاخره با وصل شدنِ دوباره‌ی نتِ ایران، کانالِ فیلم‌باز یک ویدیوی جمع‌بندی گذاشت از اتفاقاتِ ۵ ماه اولِ ۲۰۲۶ سینمای جهان.

🔻 بزرگ‌ترین اتفاقِ این ۵ ماه: فروشِ Warner Bros. Discovery
اول قرار بود نتفلیکس با پیشنهادِ ۸۲ میلیارد دلاری وارنر رو بخره، شبکه‌ی کابلی‌ش رو منحل کنه و HBO رو برداره. ولی در نهایت Paramount با هدایتِ David Ellison (پسرِ Larry Ellison، بنیان‌گذارِ Oracle) با پیشنهادِ ۱۱۰ میلیارد دلاری معامله رو برد.

با این خرید، خانواده‌ی الیسون که گرایشِ سیاسیِ راست‌گرا و جمهوری‌خواه دارن، یک‌شبه صاحبِ یکی از بزرگ‌ترین امپراطوری‌های رسانه‌ای تاریخ شدن، یعنی دنیای DC، Harry Potter، Lord of the Rings، HBO، و شبکه‌های خبریِ CNN و CBS، همه زیرِ یک سقف.

هم تولیدِ بخشِ بزرگی از محتوای سرگرمیِ جهان، هم دو تا از بزرگ‌ترین بلندگوهای خبریِ آمریکا، دستِ یک خانواده‌ست با یک گرایشِ سیاسیِ مشخص. عملا تمرکزِ هم‌زمانِ «روایتِ خبری» و «روایتِ فرهنگی» در یک نقطه.

واکنش هم سریع بود؛ حدود ۱۰۰ چهره‌ی سرشناسِ هالیوود از جمله Javier Bardem، Emma Stone و Denis Villeneuve بیانیه‌ی اعتراضی امضا کردن. ولی خب، بیانیه کجا و ۱۱۰ میلیارد دلار کجا.

📊 بقیه‌ی ویدیو
در ادامه در موردِ بقیه‌ی اتفاقات هم تو ویدیو مفصل صحبت شده،
از تریلرِ Odyssey نولان و رکوردِ دیس‌لایکش، تا گسترشِ دنیای ارباب‌حلقه‌ها توسطِ پیتر جکسون، Batman 2 با اسکارلت جوهانسون، فروشِ ۸۰۰ میلیون دلاریِ فیلمِ مایکل جکسون، شکستِ تاریخیِ The Bride با ۷ میلیون فروش از ۹۰ میلیون بودجه، پایانِ The Boys و Euphoria، اخراجِ تام هاردی از سریالِ خودش، و در نهایت شکستِ مفتضحانه‌ی Desert Warrior عربستان (۱.۹ در IMDB و کم‌تر از ۵۰۰ هزار دلار فروشِ جهانی) که قرار بود تاریخِ حمله‌ی اعراب به ایران رو تحریف کنه.

🔗 https://www.youtube.com/watch?v=4zsXy791z7k

✈️ @Mirage_Notes

⭐️ مرگ دیکتاتورها چطور رقم می‌خوره؟

این ویدیو از کانال پادکست رخ رو می‌دیدم، درباره‌ی پایان زندگی دیکتاتورهای معروف تاریخ بود و این‌که سرنوشت‌شون به دو دسته‌ی کاملا متفاوت تقسیم می‌شه: اون‌هایی که به دست مردم یا دشمن‌هاشون افتادن و مرگ فجیعی داشتن، و اون‌هایی که روی تخت قدرت مردن و با تشریفات دفن شدن. این‌جا bullet point درباره‌ش می‌نویسم.

🔻 چرا اصلا این موضوع جالبه؟
الگوی تکرارشونده‌ای در تاریخ هست که نشون می‌ده قدرت مطلق چطور به پایان می‌رسه تفاوت سرنوشت دیکتاتورها بسته به این‌که در زمان حیات‌شون چقدر ساختار قدرت رو حفظ کرده باشن درس‌هایی درباره‌ی شکنندگی قدرت و حافظه‌ی جمعی مردم می‌ده.

🗂 گروه اول: پایانِ تلخ

۱. بنیتو موسولینی (ایتالیا، ۱۹۴۵) بعد از کشوندن ایتالیا به جنگ جهانی دوم و کشته شدن صدها هزار نفر، از قدرت برکنار شد موقع فرار به سوئیس همراه معشوقه‌اش، توسط پارتیزان‌های کمونیست دستگیر و تیرباران شد اجسادشون رو در خیابان‌های میلان رها کردن تا مردم خشم‌شون رو خالی کنن و بعد از سقف یک پمپ بنزین وارونه آویزون کردن.

۲. نیکولای چائوشسکو (رومانی، ۱۹۸۹) وسط سخنرانی برای طرفدارهاش، ناگهان با هو کردن مردم مواجه شد و کنترل اوضاع از دستش رفت با هلیکوپتر فرار کرد ولی خیلی زود دستگیر شد روز کریسمس ۱۹۸۹، بعد از یک دادگاه کوتاه، خودش و همسرش با بیش از ۱۰۰ گلوله تیرباران شدن.

۳. صدام حسین (عراق، ۲۰۰۶) بعد از حمله‌ی ائتلاف در ۲۰۰۳ و سقوط بعث، متواری شد با جایزه‌ی ۲۵ میلیون دلاری، نهایتا توی یک گودال در حیاط یک خانه روستایی پیدا شد به جرم جنایت علیه بشریت در دسامبر ۲۰۰۶ به دار آویخته شد.

۴. معمر قذافی (لیبی، ۲۰۱۱) در جریان بهار عربی و با ورود ناتو و حمایت از شورشی‌ها، نیروهاش شکست خوردن کاروانش با حمله‌ی هوایی ناتو هدف قرار گرفت، توی یک لوله‌ی فاضلاب پنهان شد ولی پیداش کردن بعد از ضرب و شتم شدید کشته شد، جسدش مدتی در معرض دید عموم گذاشته شد و در مکان نامعلومی دفن شد.

🗂 گروه دوم: مرگ روی تخت قدرت

۵. کیم جونگ ایل (کره شمالی، ۲۰۱۱) با وجود شایعات بیماری در اواخر دهه ۲۰۰۰، تا آخر در قدرت موند رسانه‌های دولتی اعلام کردن که در قطار بر اثر حمله‌ی قلبی فوت کرده داستان‌های افسانه‌ای ساختن از واکنش طبیعت به مرگش (مثل ترک خوردن یخ دریاچه‌ی مقدس) و به عنوان «رهبر ابدی» دفنش کردن

۶. ژوزف استالین (شوروی، ۱۹۵۳) در اواخر عمر به همه حتی پزشک‌هاش بدبین شد و یکی‌شون رو زندانی کرد وقتی دچار خونریزی مغزی شد، اطرافیان از ترس، مداخله‌ی پزشکی رو به تاخیر انداختن و چند روز بعد فوت کرد در ازدحام مراسم تشییع چند نفر زیر دست و پا کشته شدن، تئوری‌های توطئه‌ی مسمومیت هم همچنان مطرحه

۷. مائو تسه‌تونگ (چین، ۱۹۷۶) سال‌های آخر از مشکلات قلبی، ریوی و پارکینسون رنج می‌برد، که همه‌ش پنهان می‌شد در ۸۲ سالگی درگذشت با وجود وصیت برای سوزانده شدن، دولت چین مومیایی‌اش کرد و در آرامگاه گذاشتن؛ بیش از ۱ میلیون نفر در مراسم وداع شرکت کردن

👥 جمع‌بندی الگو واضحه: دیکتاتورهایی که ساختار قدرت‌شون بر پایه‌ی ترس و سرکوب مستقیم بود و در لحظه‌ی ضعف، مردم یا دشمن دم دست‌شون بودن، پایانِ فجیعی داشتن. در مقابل، اون‌هایی که تونستن سیستمی بسازن که حتی بعد از مرگ‌شون هم خودش رو بازتولید کنه (کیش شخصیت در کره شمالی، حزب در شوروی و چین)، روی تخت قدرت مردن و با تشریفات دفن شدن.
ولی نکته‌ی مشترک هر دو دسته اینه که قدرت هرچقدر هم مخوف باشه، در برابر گذر زمان دوام نمیاره. مرگ تنها نقطه‌ایه که هیچ دیکتاتوری نمی‌تونه ازش فرار کنه.

🔗 https://m.youtube.com/watch?v=J2mv1Dtxkak

✈️ @Mirage_Notes

⭐️ وقتی benchmarkهای بیگ‌تک زیر ذره‌بین می‌رن

بعد از سابمیت مقالات کنفرانس ICLR پارسال، یک ترِد جالب توی توییترِ جامعه‌ی ML زیاد دیده شد که یک محققِ مستقل، روی یکی از دیتاست‌هایی که اخیرا توسطِ یک تیمی از شرکت Apple منتشر شده بود، مدل خودشون رو ران گرفته بود و یک سری ایرادِ فاحش پیدا کرد. مهم‌ترین موردش این بود که موقعِ کوئری زدن به VLM، فقط string مسیرِ تصویر pass می‌شد، نه خودِ محتوای تصویر! یعنی مدل اصلا عکسی ندیده بوده که بخواد annotate کنه.

لینک این thread:
🔗 https://x.com/diyerxx/status/1994042370376032701

حالا اما الگوی تکرارشونده‌ایه این مسئله، تو کارمون با یک موضوع مشابه مواجه شدیم که یک تیمی با عجله دیتاستِ بی‌کیفیت منتشر کرده و خب به خاطر اعتبارِ برندشون سریع روی Hugging Face و arXiv ترند شدن، و خب حدسم اینه یا هیچ‌وقت باگ کار اصلاح نمی‌شه و یا یک تیم کوچیکی مثل تیم ما باید مشکل رو بهشون گزارش بده.

کامنت‌های thread نکات جالبی دارن. یکی درباره‌ی معضلِ peer review در AI نوشته. اشاره کردن که جامعه بیشتر مشغولِ glazing مقاله‌های big-tech هست تا واقعا خوندن‌شون. اسمِ شرکتِ معروف پای کار باشه، انگار به‌صورتِ پیش‌فرض کیفیت تضمین‌شده‌ست، در حالی که نیست.

یکی از کامنت‌های جالب این بود که چرا اصلا «from big tech» بودن، کیفیتِ آکادمیکِ کار رو در ذهنِ ما بالا می‌بره؟ این شرکت‌ها از آدم‌های کاملا رندوم پر شدن و گرفتنِ شغل توشون اون‌قدرها هم selective نیست.

درباره‌ی فرهنگِ Look at your data هم صحبت شده. این جمله سال‌هاست تبدیل به folklore شده ولی هنوز توی workflow خیلی‌ها جا نیفتاده. کافیه یک تور توی دیتاست‌های محبوبِ HF بزنید تا ببینید چقدر مشکلِ بدیهی توشون پیدا می‌شه (مثلا MTEB در حوزه‌ی embedding یک کِیسِ معروفه).

✈️ @Mirage_Notes

⭐️ مصاحبه‌ی حامد حدادی در رباط صلیبی

این ویدیو از برنامه‌ی «رباط صلیبی» با اجرای امیرحسین قیاسی رو می‌دیدم، یک مصاحبه‌ی پر از شوخی با حامد حدادی، اسطوره‌ی بسکتبال ایران و اولین بازیکن ایرانی NBA. این‌جا چند نکته‌ی جالبش رو می‌نویسم.

🗂 یک بخشی از مصاحبه، حامد از تجربه‌ی NBA هم‌تیمی‌های آمریکایی‌ش در ممفیس گریزلیز فکر می‌کردن ایران بیابونه و مردم با شتر جابجا می‌شن، مجبور شد با DVD و کتاب واقعیت ایران رو نشون‌شون بده. خاطره‌ای هم از توهین نژادپرستانه‌ی یک گزارشگر فاکس گفت که با پیگیری ایرانیان لس‌آنجلس، اون شخص مجبور به عذرخواهی حضوری شد.

💬 ازین می‌گفت که ۱۰ سال تو باشگاه‌های چین بازی کرده، و هم‌تیمی‌های آمریکایی‌ش رو عاشق کباب کرده بود، هرچند قرمه‌سبزی رو به چشم «سوپ» می‌دیدن.

🖼 یک بخشی هم با کنایه می‌گفت با وجود ۲۵ سال افتخارآفرینی، گاهی مردم فقط به خاطر حضور ۳۰ ثانیه‌ای‌ش در «مختارنامه» می‌شناسنش.

ویدیو خیلی قدیمیه، ولی خب مصاحبه‌های امیرحسین قیاسی رو حین ناهار/شام همیشه می‌دیدم و این یکی نسبت به خیلی‌هاشون جالب‌تر هم بود.

🔗 https://m.youtube.com/watch?v=0M3NjpGoaHY

✈️ @Mirage_Notes