⭐️ داستان‌های قبل از ادیسه نولان

این ویدیوی Filmbaz درباره چیزهایی بود که قبل از دیدن The Odyssey کریستوفر نولان باید بدونیم. چون ادیسه فقط داستان یک قهرمان گم‌شده تو دریا نیست، ادامه جنگ Troy هست، یک دنیای کامل از پادشاهی‌های کوچک، سوگندهای سیاسی، خدایان حسود و آدم‌هایی که فکر می‌کردن پیروز شدن، ولی تازه بعد از پیروزی بدبختی‌شون شروع شد.

🔻 قصه حدود ۳۲۰۰ سال پیش اتفاق می‌افته. اون موقع نه ایران امروزی وجود داشته، نه یونان به معنی کشور واحد. سمت غرب ترکیه امروزی، پادشاهی ثروتمندی به اسم تروا قرار داشت، کنار دریای اژه و سر مسیر تجاری مهمی بین اژه و دریای سیاه. اون طرف دریا هم مجموعه‌ای از پادشاهی‌های کوچک بودن، مثل اسپارت، آتن، آرگوس، پایلوس و مایسنی‌ها. هرکدوم قدرت و ارتش خودشون رو داشتن، ولی فرهنگ و زبان‌شون به هم نزدیک بود.

💬 نقطه شروع جنگ، هلنه. هلن از خاندان سلطنتی اسپارت بود و می‌گفتن زیباترین زن اون منطقه‌ست. مشکل این بود که ازدواج با هلن فقط مسئله عاشقانه نبود، یعنی وصل شدن به قدرت اسپارت. برای همین خواستگارها زیاد بودن و هر انتخابی می‌تونست جنگ درست کنه.

اینجا اودیسیوس یک راه‌حل سیاسی می‌ده، همه خواستگارها سوگند بخورن که هر کسی انتخاب شد، بقیه ازش دفاع کنن. همین سوگند بعدا دردسرساز می‌شه. وقتی پاریس، شاهزاده تروا، هلن رو می‌بره، پادشاهی‌های یونانی طبق همون سوگند مجبور می‌شن متحد بشن و به تروا حمله کنن.

📍 خود اودیسیوس اصلا دلش نمی‌خواست بره جنگ. تازه بچه‌دار شده بود و سعی کرد خودش رو دیوانه جا بزنه تا از جنگ فرار کنه. ولی دستش رو خوندن و مجبورش کردن بره. این بخش برای شخصیتش مهمه، چون برخلاف خیلی از قهرمان‌های اون دنیا، دنبال افتخار و جنگیدن نبود. طراح سوگند، خودش اسیر همون سوگند شد.

جنگ تروآ قرار بود کوتاه باشه، ولی ده سال طول کشید. دیوارهای تروا نمی‌شکست، هزاران نفر کشته شدن، قهرمان‌های دو طرف از بین رفتن و همزمان تو خود یونان هم بازی قدرت ادامه داشت، چون خیلی از پادشاه‌ها سال‌ها از خانه دور بودن.

🔺 نقش خدایان تو این داستان خیلی پررنگه. آفرودیت، هرا، آتنا، آپولون، خدای جنگ و خدای دریا هرکدوم سمت یکی رو می‌گیرن، از آدم‌ها کینه دارن، کمک می‌کنن، ضربه می‌زنن و عملا جنگ فقط جنگ انسان‌ها نیست. حتی ایده اسب چوبی تروا هم با کمک آتنا به اودیسیوس می‌رسه. همون اسبی که باعث می‌شه بعد از ده سال، شهر تو یک شب سقوط کنه.

اما بعد از پیروزی، یونانی‌ها هر کاری که نباید می‌کردن انجام دادن. معبدها رو غارت کردن، به مکان‌های مقدس بی‌احترامی کردن، اسیرها رو کشتن و خدایان ازشون عصبانی شدن. برای همین بازگشت فرمانده‌ها تبدیل شد به نفرین. بعضی‌ها مردن، بعضی‌ها دیر رسیدن، بعضی‌ها گم شدن. اودیسیوس هم یکی از همین‌ها بود.

🙅🏼 ادیسه از همین‌جا شروع می‌شه، از نتیجه چیزی که اولش پیروزی به نظر می‌رسید. اودیسیوس بعد از ده سال جنگ، باید برگرده خونه، ولی راهش تو دریا گم می‌شه. سفرش فقط سفر جغرافیایی نیست، یک جور آزمون اخلاقیه. باید از غرور، وسوسه قدرت، لذت، جاودانگی و خشم خدایان رد بشه تا بفهمه اصلا لایق برگشتن به خانه هست یا نه.

یک نکته مهم دیگه هم روایت غیرخطی داستانه. یعنی اگر تو فیلم ببینیم پسر اودیسیوس بزرگ شده و بعد داستان برگرده عقب، صرفا بازی زمانی نولان نیست. خود ادیسه هم از اول یکی از روایت‌های پیشگام غیرخطی بوده. قصه از جایی شروع می‌شه که سال‌ها از گم شدن اودیسیوس گذشته و بعد کم‌کم می‌فهمیم چه اتفاق‌هایی افتاده.

و خلاصه که ادیسه فقط داستان «یک مرد که می‌خواد برگرده خونه» نیست. داستان اینه که پیروزی چه هزینه‌ای داره، غرور با آدم چی کار می‌کنه و قهرمانی که با زیرکی جنگ رو برده، چطور باید یاد بگیره از خودش هم عبور کنه.

🔗 https://www.youtube.com/watch?v=VCHbb_ZvW3Y

✈️ @Mirage_Notes

⭐️ خبرهای سینما، از ادیسه نولان تا حاشیه‌های هالیوود

این ویدیوی Filmbaz مثل هفته‌های قبل یک مرور تند روی خبرهای سینما و تلویزیون بود، ولی چند خبرش بیشتر از بقیه می‌چسبید، مخصوصا اکران و واکنش‌های اولیه The Odyssey کریستوفر نولان، نامزدی‌های امی و چند حاشیه عجیب از دنیای سلبریتی‌ها.

🔻 مهم‌ترین خبر، ادیسه نولان بود. فیلم بالاخره برای منتقدها نمایش داده شده و تقریبا موج اول واکنش‌ها خیلی مثبت بوده. از نظر خیلی‌ها با یک فیلم عظیم، جاه‌طلب و فنی طرفیم، چیزی که شاید دوباره نولان رو وسط فصل جوایز نگه داره. تعریف‌ها بیشتر روی مقیاس حماسی، تصویر، اجراهای بازیگرها و این حس بود که نولان سراغ یک اسطوره قدیمی رفته، اما اون رو با زبان امروز ساخته.

نکته جالب اینه که همزمان انتقاد هم هست. بعضی‌ها از روایت درهم، زبان امروزی و فاصله گرفتن از حال و هوای کلاسیک ایراد گرفتن. خود نولان هم ظاهرا گفته هدفش کلاس درس تاریخ نبوده، می‌خواسته فیلم برای مخاطب امروز زنده و سرگرم‌کننده باشه. همین تصمیم احتمالا یکی از بحث‌های اصلی فیلم می‌شه، اینکه یک اسطوره باستانی رو باید چقدر وفادارانه ساخت و چقدر آزادانه.

📍 حاشیه لباس‌های زندایا هم بخش عجیب و جذاب خبر بود. در رویدادهای تبلیغاتی، لباس‌ها و زیورآلاتش الهام باستانی داشتن و بحث گوشواره‌هایی پیش اومد که گفته می‌شد به گنجینه زیویه و آثار باستانی کردستان ربط دارن. اینجا مد، سینما، تاریخ و مسئله مالکیت آثار باستانی با هم قاطی می‌شن. یعنی حتی یک red carpet هم می‌تونه بحث فرهنگی جدی درست کنه.

💬 بعد نوبت خبرهای دیگر نولان بود. از علاقه‌ش به ساخت فیلم ترسناک گفتن، از اکران دوباره The Prestige به مناسبت بیستمین سالگرد، و از همان شوخی عجیب با مخاطب‌ها که اگر جاهای آرام فیلم خواب‌تون برد، فقط خر و پف نکنین. این جنس حرف‌ها هم نولان رو انسانی‌تر نشان می‌ده، هم کمی فضای تقدس دور فیلم‌هاش رو می‌شکنه.

خبر مهم بعدی نامزدی‌های امی بود. The Pitt با ۲۵ نامزدی در بخش درام جلو افتاده و Hacks هم با ۲۴ نامزدی در کمدی حسابی قدرت‌نمایی کرده. جالب‌تر برای ما حضور سپیده معافی بین نامزدهای بازیگر مکمل بود. از اون طرف Apple TV هم با سریال‌هایی مثل Pluribus و Widow's Bay خوب دیده شده و رقابت امسال امی ظاهرا فقط بین اسم‌های قدیمی نیست.

🔺 تو بخش فیلم‌های آینده هم اسم Heat 2 آمد، با خبرهایی درباره بازیگرها و نقش‌ها. همین که ادامه Heat بعد از این همه سال هنوز خبرسازه، نشان می‌ده بعضی فیلم‌ها فقط فیلم نیستن، تبدیل می‌شن به بخشی از حافظه سینمادوست‌ها. خبر Borat 2 هم از اون جنس چیزهایی بود که اگر درست از آب دربیاد، دوباره موج جنجال راه می‌ندازه، مخصوصا چون گفته می‌شه مخفیانه فیلم‌برداری شده.

یکی از خبرهای آینده‌دارتر هم بازیگر AI بود. همون ایده‌ای که یک بازیگر کاملا ساخته‌شده با هوش مصنوعی، برای فیلم قرارداد ببنده. داستان فیلم هم درباره رباتیه که می‌خواد مثل آدم‌ها خاطره بسازه. این خبر کمی ترسناک و کمی کنایه‌آمیزه، سینما دارد فیلمی درباره مصنوعی بودن می‌سازه، با بازیگری که خودش مصنوعیه.

آخرهای ویدیو هم طبق معمول حاشیه‌های سلبریتی‌ها بود، از ازدواج و عکس‌های میلیون‌دلاری تا حرف‌های عجیب میلی بابی براون درباره زندگی قبلی. این بخش‌ها شاید سینمایی به معنی جدی کلمه نباشن، ولی نشون می‌دن صنعت سرگرمی فقط فیلم و سریال نیست. یک ماشین عظیم توجهه که از لباس و طلاق و شایعه تا تناسخ و گیشه، همه‌چیز رو تبدیل به خبر می‌کنه.

و خلاصه که این هفته خبرهای سینما هم پر از فیلم‌های بزرگ بود، هم پر از نشانه‌های آینده. یک طرف نولان با اسطوره چند هزار ساله، یک طرف امی و تلویزیون جدید، یک طرف بازیگر AI و اون طرف حاشیه‌های همیشگی هالیوود. سینما هنوز همون جاییه که هنر، پول، تکنولوژی و نمایش اجتماعی به هم می‌رسن.

🔗 https://www.youtube.com/watch?v=x82wEqNJhrg

✈️ @Mirage_Notes

⭐️ جو روگن و جی‌دی ونس، سیاست آمریکا وسط قفس و تنگه هرمز

این اپیزود Joe Rogan با JD Vance از اون گفت‌وگوهای طولانی و شلوغیه که از UFC تو کاخ سفید شروع می‌شه، می‌ره سمت کالیفرنیا و رسانه و مذهب، بعد یک‌دفعه می‌رسه به ایران، اپستین، UFO، سوسیالیسم، اتحادیه کارگری و مهاجرت. خلاصه کردنش سخت بود، چون بیشتر از اینکه یک بحث منظم باشه، شبیه گردش چندساعته تو ذهن راست‌گرایی آمریکاییه.

🔻 شروعش با همون اتفاق عجیب بود، برگزاری UFC تو محوطه کاخ سفید. ونس تعریف می‌کرد که هر روز از دفترش تو West Wing بیرون رو نگاه می‌کرده و می‌دیده یک سازه غول‌آسا وسط محوطه داره بالا می‌ره. انگار خود کاخ سفید هم تبدیل شده بود به بخشی از سیاست نمایشی آمریکا. بعد هم بحث رفت سمت اینکه چطور یک جمله تحریک‌آمیز از یک فایتر، چند روز خوراک رسانه‌ای می‌سازه.

نکته جالب این بخش این بود که هر دو تقریبا قبول داشتن اقتصاد توجه، سیاست و رسانه رو به سمت واکنش‌سازی برده. یک نفر چیزی می‌گه که می‌دونه خشم تولید می‌کنه، بعد همان خشم باعث دیده شدنش می‌شه. یعنی حتی اعتراض به حرف هم بخشی از مدل تبلیغاتیه.

📍 بعد رسیدن به کالیفرنیا، Gavin Newsom و مسئله cool بودن دموکرات‌ها. ونس می‌گفت راست آمریکا هنوز یک مشکل فرهنگی داره، اینکه خیلی وقت‌ها دموکرات‌ها برای آدم‌های شهری و جوان، کاریزماتیک‌تر و باحال‌تر به نظر می‌رسن. از اون طرف هم به دموکرات‌ها گیر می‌داد که یک پوپولیسم نمایشی دارن، طوری حرف می‌زنن که انگار مردم رو ساده‌لوح فرض گرفتن.

💬 بخش مذهب هم طولانی بود. بحث از گذاشتن Ten Commandments تو مدارس شروع شد. روگن می‌گفت وقتی تو مدرسه عمومی فقط نماد یک دین خاص رو می‌ذاری، ممکنه آدم‌ها رو از دین دورتر کنی. ونس جواب می‌داد که سنت حقوقی و فرهنگی آمریکا عمیقا از مسیحیت تاثیر گرفته و صرف دیدن ده فرمان، اجبار دینی نیست. اما خودش هم تاکید داشت که دین رو نمی‌شه به کسی تحمیل کرد.

بعد بحث رفت سمت شکل خطرناک‌تر دین سیاسی، مثلا اون گزارشی که ادعا می‌کرد یک فرمانده نظامی بمباران ایران رو بخشی از نقشه الهی و مقدمه بازگشت مسیح معرفی کرده. ونس این مدل نگاه آخرالزمانی رو تایید نکرد و گفت اگر خودش آنجا بود، ترمز می‌کشید. این بخش برای من جالب بود، چون حتی داخل راست مذهبی آمریکا هم یک شکاف هست بین ایمان شخصی و استفاده آخرالزمانی از سیاست خارجی.

😶‍🌫️ مهم‌ترین بخش پادکست، صحبت درباره ایران بود. ونس می‌گفت هدف کوتاه‌مدت آمریکا از حمله، زدن برنامه هسته‌ای ایران بوده، ولی بعد از آن مسئله اصلی مذاکره و تنگه هرمزه. حرفش این بود که حتی اگر با حمله نظامی بخشی از توان ایران رو بزنی، تا وقتی چند نفر بتونن با پهپاد ارزان به کشتی‌ها تو هرمز تهدید ایجاد کنن، بحران تموم نمی‌شه. پس فقط بمباران جواب نیست، باید مذاکره هم باشه.

اینجا به تندروهای آمریکایی هم حمله کرد، مخصوصا اون‌هایی که می‌گن نباید با ایران مذاکره کرد. می‌گفت اگر مذاکره نکنیم، دقیقا پیشنهاد جایگزین چیه؟ اینکه تا ابد بمباران کنیم؟ به نظرش نیروی نظامی فقط وقتی معنی داره که هدف روشن داشته باشه، نه اینکه بزنی تا شاید یک اتفاق خوب بیفته.

📊 بخش اپستین هم پررنگ بود. روگن پرسید چرا انتشار فایل‌ها انقدر بد مدیریت شد و چرا مردم حس کردن چیزی پنهان شده. ونس قبول کرد که ارتباطات دولت تو این پرونده خراب بوده و گفت وعده‌هایی داده شد که بعد معلوم شد اسناد تازه و قطعی زیادی پشتش نیست. از نگاه خودش، اگر مدارک تعیین‌کننده‌ای وجود داشته، احتمالا همان سال‌های ۲۰۰۶ و ۲۰۰۷ از بین رفته، چون تحقیقات اولیه خیلی محدود بسته شده بود.

آخرهای گفت‌وگو دوباره برگشتن به اقتصاد داخلی، جوان‌ها و سوسیالیسم. ونس می‌گفت اگر به نسل جوان مالکیت، خانه و حس آینده ندی، طبیعی‌ه بره سمت ایده‌های سوسیالیستی. از نگاهش، مشکل فقط فرهنگ نیست، ساختار اقتصادی هم برای خیلی‌ها قفل شده. بعد همین رو وصل کرد به مهاجرت، اتحادیه‌های کارگری و قدرت چانه‌زنی کارگرها. استدلالش این بود که مهاجرت ارزان و گسترده، دست شرکت‌ها رو برای پایین نگه داشتن دستمزدها باز می‌ذاره.

و خلاصه که این اپیزود یک تصویر فشرده از راست جدید آمریکاست، راست مذهبی، ضد رسانه، ضد مهاجرت، بدبین به نخبگان، اما همزمان ضد جنگ بی‌پایان و تا حدی طرفدار کارگر. با همه تناقض‌هاش، چیزی که ازش درمیاد اینه که سیاست آمریکا دیگه فقط چپ و راست قدیمی نیست، ترکیبیه از نمایش، خشم، مذهب، اقتصاد طبقه کارگر و بی‌اعتمادی عمیق به هر نهادی که اسمش نهاد باشه.

🔗 https://www.youtube.com/watch?v=vtxyvD58eDg

✈️ @Mirage_Notes

⭐️ از رسانه‌های اسرائیلی چه می‌دانیم؟

این ویدیو از اپیزود هشتم برنامه‌ی «بک‌گراند» با اجرای فاطمه رجبی و رامتین لطیفی رو می‌دیدم، درباره‌ی شناخت رسانه‌های اسرائیلی و جهت‌گیری سیاسی هر کدوم. مخصوصا بعد از جنگ ۱۲ روزه که اسم‌هایی مثل هاآرتص و کانال ۱۲ و ۱۴ زیاد تو اخبار شنیده می‌شه. این‌جا چند نکته‌ی جالبش رو می‌نویسم.

🔻 برخلاف تصور عامه، فضای رسانه‌ای اسرائیل یک‌صدا نیست و مثل بقیه‌ی کشورها به چپ، راست و میانه‌رو تقسیم می‌شه.

🗂 روزنامه‌های کاغذی (قدیمی‌ترین‌ها)
۱. هاآرتص: قدیمی‌ترین روزنامه (۱۹۱۹)، چپ‌گرا، به‌شدت ضد نتانیاهو و ضد شهرک‌سازی. تیراژ پایین ولی چون دوزبانه‌ست، خارج از کشور خیلی دیده می‌شه.
۲. یدیوت آهرونوت: میانه‌رو ولی ضد نتانیاهو، در مسائل امنیتی سخت‌گیر و در بقیه‌ی مواقع یک تبلوید عامه‌پسند. پرفروش‌ترین روزنامه‌ی تاریخ اسرائیل.
۳. معاریو: میانه‌روِ متمایل به راست، طرفدار جنگ و شهرک‌سازی، ولی از نظر حزبی ضد شخص نتانیاهو.
۴. جروزلم پست: قبلا اسمش «فلسطین پست» بود و چپ‌گرا، ولی با قدرت گرفتن لیکود راست‌گرا شد.
۵. اسرائیل هیوم: وفادارترین روزنامه به نتانیاهو (یک جورهایی مثل کیهانِ خودمون)، رادیکال و پرحاشیه.

💬 نکته‌ی جالب: نخست‌وزیرهای اسرائیل از بن‌گوریون تا نتانیاهو همگی اصالت اروپای شرقی دارن، و رسانه‌هاشون چندزبانه‌ن (روسی به‌خاطر مهاجرهای روس‌تبار خیلی مهمه).

📊 سایت‌های خبری
مجله‌ی +972 (اولترا چپ و حامی حقوق فلسطینی‌ها)، واینت (پربازدیدترین، وابسته به یدیوت)، تایمز آف اسرائیل (مستقل و میانه‌رو، مبدع سبک خبر کوتاه که Axios ازش الگو گرفت)، i24 (راست‌گرا و ضد ایران، بهش می‌گن «دهان بی‌بی»)، و آروتس شوا (تریبون حریدی‌ها).

🔺 نکته‌ی جالب درباره‌ی حریدی‌ها: این‌ها یهودیان ارتدوکس‌ان که به‌جای سربازی، علوم دینی می‌خونن و از نتانیاهو حمایت می‌کنن. نرخ فرزندآوری‌شون خیره‌کننده‌ست (۱۰ تا ۱۳ بچه در برابر زیر ۱ برای چپ‌گراها)، برای همین چند سال دیگه جمعیت غالب اسرائیل می‌شن.

📺 شبکه‌های تلویزیونی
کانال ۱۱ (دولتی و بی‌طرف)، کانال ۱۲ (تجاری و سرگرمی، نه سیاسی)، کانال ۱۳ (چپ‌گرا و مخالف نتانیاهو)، کانال ۱۴ (اولترا راست و تریبون رسمی نتانیاهو).

📑 و یک نکته‌ی مهم: خیلی از کانال‌های تلگرامی فارسی‌زبان، اخبار جعلی و ساختگی‌شون رو به دروغ به اسم «کانال ۱۲ یا ۱۴ اسرائیل» منتشر می‌کنن، پس اخبار سیاسی این کانال‌ها رو نباید خیلی جدی گرفت.

و خلاصه که برای این‌که فریب اخبار جعلی و سوگیری‌ها رو نخوریم، باید بدونیم پشت هر اسم رسانه‌ی اسرائیلی چه جهت‌گیری‌ای خوابیده؛ از هاآرتصِ چپ تا کانال ۱۴ِ راست، هیچ‌کدوم صدای واحد نیستن.

🔗 https://www.youtube.com/watch?v=-SSif9C2VRU

✈️ @Mirage_Notes

⭐️ وقتی صندلیِ تیلور سوئیفت هم تبدیل به کالای کلکسیونی می‌شه

یک خبر می‌خوندم درباره‌ی حراج صندلی‌هایی که تیلور سوئیفت و تراویس کلس در یکی از بازی‌های Cleveland Cavaliers روش نشسته بودن. از اون خبرهاییه که اولش شبیه شوخی اینترنتیه، ولی واقعاً اتفاق افتاده.

ماجرا این بود که شرکت The Realest، به‌عنوان همکار رسمی احراز اصالت یادگاری‌های Cavaliers، این صندلی‌ها رو برای حراج گذاشت. قیمت پایه‌ی صندلی تیلور سوئیفت فقط ۱۰۰ دلار بود، ولی خیلی سریع پیشنهادها رفت بالا، اول از ۶۰۰ دلار گذشت، بعد به چند هزار دلار رسید، و در نهایت صندلی تیلور با ۷۰۰۰ دلار فروخته شد.

صندلی تراویس کلس هم برخلاف بعضی روایت‌های اولیه که می‌گفتن کسی بیشتر از ۵۰۰ دلار براش پیشنهاد نداده، در نهایت ۱۴۰۵ دلار فروش رفت. یعنی حتی عددهای حاشیه‌ای خبر هم تو فضای اینترنت مدام تغییر کردن و بعضی نسخه‌ها دقیق نبودن.

🎙 نکته‌ی جالب‌تر اینه که این اولین بار نیست یک چیز کاملا معمولی، فقط به خاطر تماس با یک سلبریتی، تبدیل به شیء گران‌قیمت می‌شه.

دستمال استفاده‌شده‌ی اسکارلت جوهانسون، بعد از حضورش در Tonight Show، برای خیریه حدود ۵۳۰۰ دلار فروخته شد. یک تکه نان تست نیمه‌خورده‌ی جاستین تیمبرلیک هم سال‌ها پیش در eBay حدود ۳۱۵۴ دلار قیمت گرفت. صندلی چوبی جی. کی. رولینگ، که بخشی از هری پاتر رو روی اون نوشته بود، در سال ۲۰۱۶ حدود ۳۹۴ هزار دلار فروخته شد.

💬 تفاوت این‌ها البته مهمه. صندلی رولینگ واقعا به خلق یک اثر فرهنگی بزرگ وصل بود، چیزی شبیه یک تکه از تاریخ ادبیات معاصر. ولی صندلی تیلور سوئیفت بیشتر نشون‌دهنده‌ی قدرت اقتصاد fandom و celebrity culture امروز ماست، این‌که حتی «جایی که یک نفر نشسته» هم می‌تونه تبدیل به کالای لوکس و قابل حراج بشه.

و خلاصه که در دنیای امروز، ارزش خیلی چیزها دیگه از جنس خودِ شیء نمیاد، از داستانیه که دورش ساخته می‌شه. یک صندلی معمولی، یک دستمال، یا یک نان تست، وقتی به اسم یک سلبریتی وصل بشه، از مصرف روزمره جدا می‌شه و وارد بازار عجیبِ خاطره، پرستش و کلکسیون می‌شه.

🔗 https://www.espn.com/nba/story/_/id/48985479/cleveland-cavaliers-taylor-swift-seat-auction-bid-eastern-conference-finals
🔗 https://www.youtube.com/watch?v=4KkleE-zckE

✈️ @Mirage_Notes

⭐️ وقتی بازیگرِ The Pitt می‌گه سال‌ها روح همسر سابقش تسخیرش کرده بود

این ویدیو از کانالِ Filmbaz رو می‌دیدم که اخبار و حواشیِ هفته‌ی آخرِ خردادِ سینمای جهان رو مرور می‌کرد، و از جالب‌ترین بخش‌هاش ادعای کاترین لا‌ناسا درباره‌ی روح همسر سابقش بود. این‌جا کوتاه ازش می‌نویسم.

لا‌ناسا (بازیگرِ سریالِ The Pitt) تو یک مصاحبه با W Magazine گفت روحِ دنیس هاپر مدت‌ها دست از سرش برنمی‌داشت. بعد از اون تقریبا همه‌ی رسانه‌های سرگرمی (People، EW، E!) بازنشرش کردن.

دنیس هاپر بازیگر و کارگردانِ مشهور (Easy Rider، Blue Velvet) بود که در ۲۰۱۰ بر اثرِ سرطان درگذشت. اون‌ها ۱۹۸۹ ازدواج کردن، یک پسر دارن و ۱۹۹۲ جدا شدن. لا‌ناسا آخرین همسری بوده که هاپر موقعِ مرگ در حالِ طلاق ازش نبوده، و خودش همینو دلیلِ این تجربه می‌دونه.

📁 لیست ادعاهاش
دیدنِ روحِ هاپر روی ویلچر، با همون ظاهرِ آخرین اسکارِ زندگی‌ش، که خیلی ترسناک بوده
حسِ حضورِ فیزیکی و پریدن از خواب، تا این‌که یک روز با صدای بلند گفت «دیگه منو تنها بذار» و متوقف شد
دیدنِ عکسی از هاپر تو یک گالری که توش در حالِ چشمک زدن بود، و تعبیرش به‌عنوانِ خداحافظی
آخرین بار در خواب، تو کافه‌ای در یونان، هاپر بهش گفت «حالم خوبه، دیگه درد ندارم» و بعد دیگه ندیدش

و خلاصه خبر سمی اون ماه هم این مصاحبه و ادعاهای مربوط بهش بود.

🔗 https://www.youtube.com/watch?v=2_1ckjbKkLc

✈️ @Mirage_Notes

⭐️ Abacus Medal | Shayan Oveis Gharan

مدال Abacus هر ۴ سال یک بار تو مراسم International Congress of Mathematicians به پژوهشگری اهدا می‌شه که دستاوردهای برجسته در زمینه‌ی Mathematical Aspects of Information Sciences داشته باشه.

زمینه‌هایی مثل علوم کامپیوتر نظری، الگوریتم، رمزنگاری، Computer Vision، بهینه‌سازی و امثالهم رو شامل می‌شه.

قبلا اسم این جایزه Rolf Nevanlinna Prize بود، از ۲۰۱۹ به Abacus Medal اسمش تغییر کرد. امسال هم جایزه به شایان اویس قرن رسید، استاد ایرانی-آمریکایی دانشگاه Washington.

اندکی درباره‌ی شایان اویس قرن:
- ورودی ۸۳ کارشناسی کامپیوتر شریف
- ورودی ۲۰۰۸ دکتری Management Science & Engineering دانشگاه Stanford
- مدال طلای جهانی المپیاد ریاضی سال ۲۰۰۴
- جایزه‌ی NSF Career Award سال ۲۰۱۶
- دبیر علمی دوره‌ی ۶ام رویداد WSS

و جالب این‌که تا چند سال پیش تو دانشگاه شریف کارگاه و جلسه داشتن، و اسم‌شون رو سرچ زدم کلی پیام مرتبط به جلسات‌شون تو هیستوری تلگرامم اومد.

🔗 http://quantamagazine.org/shayan-oveis-gharan-wins-2026-imu-abacus-medal-20260723/

✈️ @Mirage_Notes

⭐️ کاهش مصرف توکنِ یک AI Agent تا ۹۴٪

این بلاگ‌پست از Vivek Haldar رو می‌خوندم که یک مثالِ عملی و ملموس از مفهومِ «کامپایل کردن» agentها ارائه می‌داد، یعنی چطور یک فرآیندِ خودکار مبتنی بر LLM رو بهینه کرد و مصرف توکن و latency رو به شدت پایین آورد. این‌جا چند نکته‌ی جالبش رو می‌نویسم.

🔻 اصلا داستان چیه؟ Vivek یک skill داره که هر روز تو آرشیوِ بلاگ‌پست‌های قدیمی‌ش می‌گرده، یک مطلبِ ارزشمند برای بازنشر پیدا می‌کنه، چک می‌کنه که اخیرا بهش اشاره نکرده باشه، و یک پستِ کوتاهِ لینکدین به‌عنوان draft می‌نویسه. این draft هیچ‌وقت خودکار پست نمی‌شه؛ گاهی اصلا استفاده‌ش نمی‌کنه، ولی به‌عنوان یک نکته‌ی یادآوری کارش راه می‌افته.

نسخه‌ی اولیه کاملا با دستوراتِ natural language تو یک Agent Skill نوشته شده بود. منابعِ جستجو، چک کردنِ تاریخچه، معیارهای انتخاب و شکلِ نهاییِ draft. تو هر اجرا، agent (که الان Codex هست) باید این دستورات رو تفسیر می‌کرد، نقشه می‌کشید، ابزارها رو صدا می‌زد و state رو دنبال می‌کرد. این روشِ خوبی برای ساختِ نسخه‌ی اول بود، چون زبان طبیعی تغییر دادن فرآیند رو راحت می‌کرد.

🗂 وقتی فرآیند تثبیت شد
نکته اینه که بعد از این‌که یک skill بارها اجرا می‌شه و مدام همون مسیر رو طی می‌کنه، بیشترِ رفتارش دیگه اکتشافی نیست. این skill همیشه تو همون جاهای ثابت می‌گرده، همون content inventory رو می‌سازه، همون فیلترها رو اعمال می‌کنه و همون state رو ذخیره می‌کنه. هیچ‌کدوم ازینا لازم نیست هر صبح از صفر بازاندیشی بشه، خیلی‌هاش اصلا به LLM نیاز نداره.

در واقع فقط دو مرحله واقعا به LLM نیاز داره:
۱. انتخابِ یک کاندیدای خوب از بینِ inventoryِ فیلترشده
۲. نوشتنِ draftِ لینکدین بقیه‌ی همه‌چی می‌تونه کدِ معمولی و قطعی باشه.

💬 پس skill رو «کامپایل» کرده، و سپس Vivek اون skill رو به یک specialized harness تبدیل کرد. skill جدید عملا دیگه skill نیست، تبدیل شده به یک bootloader نازک که یک برنامه‌ی پایتون رو اجرا می‌کنه. اون برنامه منابع رو می‌گیره، inventory رو می‌سازه، پست‌های اخیر رو چک می‌کنه، فیلترها رو اعمال می‌کنه و کلِ فرآیند رو مدیریت می‌کنه، و فقط برای انتخاب و تولیدِ متن، LLM رو صدا می‌زنه.

نتیجه‌ش هم بهبودِ چشمگیر بود: ۹۴٪ کاهش در مصرف توکن ۸۷٪ کاهش در latency تقریبا همون کیفیتِ خروجی

نکته اینه که این صرفه‌جویی از عوض کردنِ مدل با یک مدلِ ارزون‌تر به دست نیومده، مراحل انتخاب و تولید هنوز همون مدل قبلی رو استفاده می‌کنن. صرفه‌جویی از حذفِ اون تماس‌هایی با مدل میاد که کارشون رو کدِ معمولی می‌تونست مستقیم‌تر انجام بده.

📑 حالا «کامپایل کردن» این‌جا یعنی چی؟
اون traceهای تاریخیِ اجرای قبلیِ skill رو داشت که نشون می‌داد agent واقعا چی کار کرده (planning، tool callها، انشعاب‌ها و stateها). این traceها، skill اصلی و نوشته‌های خودش درباره‌ی specialized harnessها رو به یک مدلِ قدرتمند داد و ازش خواست مشخص کنه کدوم مرحله‌ها واقعا به LLM نیاز دارن و کدوم‌ها اون‌قدر پایدار شدن که بشه کدشون کرد، و بعد harness رو بسازه.

به عبارتی، skill زبان طبیعی نقشِ یک specification سطح‌بالا رو داشت، در حالی که traceها جزئیاتِ عملیاتی رو تامین می‌کردن. به همین خاطره که Vivek میگه قیاسِ «کامپایلر» این‌جا مفیده: از یک نمایشِ منعطف و سطح‌بالا از هدف شروع می‌کنیم، و بعد از این‌که فرآیند به اندازه‌ی کافی اجرا شد و شکلِ واقعی‌ش مشخص شد، بخش‌های پایدارش رو به یک نمایشِ کارآمدتر «پایین می‌آریم».

نکته‌ی جالبِ آخرش این بود که چرا این تکنیک‌ها احتمالا از خودِ شرکت‌های بزرگِ مدل‌سازی نمیان: چون کارِ اون‌ها فروشِ توکنه، ترجیحا حجمِ زیادی توکن از گران‌ترین مدل‌هاشون. یک جمله‌ی قدیمی هست که میگه «خیلی سخته کسی رو به چیزی قانع کنی وقتی حقوقش به نفهمیدنِ اون بستگی داره.» تکنیکی که کیفیتِ خروجی رو حفظ می‌کنه ولی مصرف توکن رو ۹۴٪ کم می‌کنه، مستقیما در تضاد با اقتصادِ شرکتیه که درآمدش با مصرف توکن بالا می‌ره.

البته Vivek نمیگه هیچ‌کس داخلِ این شرکت‌ها به کارایی اهمیت نمی‌ده؛ ولی بین «ارزون‌تر کردنِ هر توکن» و «کمک به مشتری برای فهمیدن این‌که اصلا بیشترِ فرآیندش به توکن نیاز نداره» یک تفاوتِ مهم هست. پس این کار به کاربرها و سازنده‌های مستقل می‌رسه، و همین‌جا هم یک فرصتِ بزرگ برای founderهایی هست که ابزار و کامپایلر برای انتقال بخش‌های قطعیِ فرآیندها به کد می‌سازن.

✈️ @Mirage_Notes

⭐️ ۹ نفر از هر ۱۰ اروپایی حاضرن مهاجرت کنن | مقصدها کجاست؟

این گزارش رو از Euronews می‌خوندم، درباره‌ی یک نظرسنجی که شرکت بیمه‌ی دیجیتال Feather روی ۲۰۰۰ بزرگسال در فرانسه، آلمان، ایتالیا و بریتانیا انجام داده (هر کشور ۵۰۰ نفر). سوال اصلی این بود که اروپایی‌ها اگر بخوان از کشورشون برن، کجا رو انتخاب می‌کنن و چرا. این‌جا چند نکته‌ی جالبش رو می‌نویسم.

🔻 تصویر کلی
تقریبا نیمی از مردم این چهار کشور انتظار دارن یک روزی در کشوری دیگه زندگی کنن، و فقط ۱ نفر از هر ۱۰ نفر گفته قطعا مهاجرت نمی‌کنه. یعنی ذهنیت «موندن تا آخر» دیگه اکثریت نیست.

💬 چرا می‌خوان برن؟ دلیل اصلی بحران هزینه‌ی زندگیه. ۵۳٪ بریتانیایی‌ها، ۴۸٪ فرانسوی‌ها، ۴۳٪ آلمانی‌ها و ۳۲٪ ایتالیایی‌ها همین رو عامل اصلی فکر کردن به مهاجرت دونستن.

📍 مقصدها
اسپانیا برنده‌ی واضح این نظرسنجیه:
– بریتانیایی‌ها (۲۴٪) و ایتالیایی‌ها (۲۰٪) اسپانیا رو اولین گزینه گذاشتن
– فرانسوی‌ها اول کانادا (۱۷٪) و بعد ایتالیا (۱۴٪) رو انتخاب کردن
– آلمانی‌ها اهل دور شدن نیستن، اول اتریش (۱۷٪)، بعد اسپانیا و سوئیس (هر کدوم ۱۲٪)
– بریتانیایی‌ها برعکس، حاضرن خیلی دور برن: استرالیا (۱۹٪)، کانادا (۱۵٪) و نیوزیلند (۱۰٪)

🔺 نکته‌ی حاشیه‌ای
با وجود شهرت دبی به‌عنوان بهشت مهاجرها، فقط ۳٪ بریتانیایی‌ها بهش فکر می‌کردن. البته نظرسنجی اواخر ژوئن انجام شده، پس احتمالا حملات به امارات روی این عدد اثر گذاشته.

🔗 https://www.euronews.com/travel/2026/07/24/only-one-in-10-europeans-would-not-consider-moving-abroad-new-survey-reveals

✈️ @Mirage_Notes

🔻 بزرگ‌ترین مدل هوش مصنوعی Open Weight که فقط از ۳.۷٪ خودش برای هر تسک استفاده می‌کنه

این مقاله رو از ResearchAudio می‌خوندم درباره‌ی Kimi K3، مدلی که شرکت چینی Moonshot AI این هفته منتشر کرد و یک بحث قدیمی رو تموم کرد، اینکه یک مدل open نهایتا چقدر می‌تونه بزرگ بشه. جوابش شد ۲.۸ تریلیون پارامتر. اینجا چند نکته‌ی جالبش رو می‌نویسم.

🔻 عدد بزرگ تیتر خبره، ولی داستان اصلی جای دیگه‌ست. کل هنر این مدل اینه که با ۲.۸ تریلیون پارامتر ساخته شده، اما موقع کار کردن طوری رفتار می‌کنه که انگار یک‌دهم این اندازه‌ست. تقریبا همه‌ی تصمیم‌های طراحی‌ش به یک دشمن مشترک حمله می‌کنن، پهنای باند حافظه.

🗂 در یک نگاه، ۲.۸ تریلیون پارامتر کل هست، ولی فقط ۱۰۴ میلیارد برای هر توکن فعال می‌شه. ۸۹۶ expert داره، ولی برای هر توکن فقط ۱۶ تاشون بیدار می‌شن و ۲ تا همیشه روشنن. پنجره‌ی متنی یک میلیون توکن. قیمت ۳ دلار برای هر میلیون توکن ورودی و ۱۵ دلار خروجی. همچنین open weight هست، نه open source.

💬 سه لایه از هر چهار لایه، اصلا attention نیستن بخش گرون سرویس‌دهی به متن طولانی، محاسبه نیست، اون KV cache هست، یعنی رونوشت کامل هر توکنی که مدل تا حالا دیده. توی یک میلیون توکن، همین رونوشت کل هزینه‌ی GPU می‌شه. جواب Moonshot چیزیه به اسم KDA که به جای نگه‌داشتن کل رونوشت، یک حافظه‌ی ثابت داره و تصمیم می‌گیره چی رو پاک کنه و چی رو نگه داره. نتیجه اینکه از ۹۳ لایه، ۶۹ تاش linear attention با حافظه‌ی ثابته و فقط ۲۴ تا full attention واقعی دارن برای وقتایی که مدل به یادآوری دقیق نیاز داره.

📊 اقتصادِ ۸۹۶ متخصص
تقریبا همه‌ی اون ۲.۸ تریلیون پارامتر توی لایه‌های mixture of experts زندگی می‌کنن. برای هر توکن، یک router از بین ۸۹۶ متخصص، ۱۶ تا رو انتخاب می‌کنه و ۲ تا هم همیشه فعالن. جمعش می‌شه ۱۰۴ میلیارد پارامتر فعال، یعنی فقط ۳.۷٪ مدل. اون ۹۶.۳٪ باقی‌مونده سرد توی حافظه منتظر می‌مونه تا توکنی بیاد که بهش نیاز داشته باشه.

📑 چطور ۲.۸ تریلیون پارامتر توی ۱.۵ ترابایت جا می‌شه؟
با دقت استاندارد ۱۶ بیتی، وزن‌های این مدل حدود ۵.۶ ترابایت جا می‌خواستن. ولی فایل‌های Hugging Face فقط ۱.۵۶ ترابایتن. ترفند اینه که مدل رو بعد از آموزش فشرده نکردن، بلکه از همون اول با آگاهی از کوانتیزیشن و وزن‌های ۴ بیتی آموزش دادن. یعنی مدل یاد گرفته توی ۴ بیت زندگی کنه، نه اینکه بعدا بهش تحمیل بشه. البته این یعنی هزینه‌ی هاست کردنش کم‌تر شده، نه اینکه بتونید رو pc اجراش کنید، هنوز یک کلاستر با ۶۴ شتاب‌دهنده و حدود ۵ ترابایت حافظه می‌خواد.

🔹 نکته‌ی لایسنس
برخلاف K2 که تقریبا MIT بود، K3 یک لایسنس سفارشی open weight داره با دو تا تله، اگر از ۱۰۰ میلیون کاربر ماهانه یا ۲۰ میلیون دلار درآمد ماهانه رد بشی، باید Moonshot رو به‌وضوح ذکر کنی، و اگه دسترسی به K3 رو به‌عنوان سرویس بفروشی و از ۲۰ میلیون دلار عبور کنی، باید توافق جداگانه ببندی.

و خلاصه که هیچ‌کدوم از ایده‌های K3 به‌تنهایی جدید نیست، linear attention بود، mixture of experts بود، آموزش ۴ بیتی هم بود. کاری که Moonshot کرد اولین اثباتِ اینه که هر سه‌تای این‌ها با هم و در مقیاس ۲.۸ تریلیون پارامتر جون سالم به‌در می‌برن، اون هم با فاصله‌ی کمی از بهترین مدل‌های بسته و کسری از هزینه‌ی سرویس‌دهی. چیزی که باید منتظرش بود Moonshot نیست، اینه که آزمایشگاه‌های بسته آیا سر قیمت جواب می‌دن یا نه.

🔗 https://researchaudio.io/p/the-largest-open-model-ever-runs-on-3-7-percent-of-itself

✈️ @Mirage_Notes

⭐️ Branch Education | YouTube Channel

کانال Branch Education یکی از کانال‌های جالب یوتیوب برای فهمیدنِ پشت‌صحنه‌ی تکنولوژی‌های روزمره‌ست. با انیمیشن‌های سه‌بعدی دقیق و توضیح‌های مرحله‌به‌مرحله نشون می‌ده چیزهایی مثل کارت گرافیک، پردازنده، حافظه، اینترنت، باتری، نمایشگر، دوربین، موتور ماشین یا حتی گرافیک بازی‌ها واقعا چطور کار می‌کنن.

جنس ویدیوهاش نه صرفا معرفی محصوله و نه توضیح سطحی، بیشتر شبیه کالبدشکافی فنیه، ولی با زبانی که برای آدم کنجکاو غیرمتخصص هم قابل فهم بمونه.

🔗 https://www.youtube.com/@BranchEducation/videos

✈️ @Mirage_Notes