حالا جدا از بحثِ فانش، برای استفاده‌ی جدی از ChatGPT بهتره کمی دقت کنید. در واقع پیشنهاد میشه [و خیلی منطقیه] که با سه سوال زیر بسنجید.

۱- آیا براتون مهمه که پاسخ حتما صحیح باشه؟
+ اگر بله، پس مراقب باشید و به سوال دوم بروید.
- اگر خیر، راحت باشید!

۲- آیا شما توانایی تشخیص درست یا غلط بودن پاسخ رو دارید؟
+ اگر بله، پس شاید ممکن باشه که از ChatGPT استفاده کنید اما فعلا به سوال سوم بروید.
- اگر خیر، خیلی مراقب باشید!

۳- آیا شما می‌تونید مسئولیت نتایج حاصل از پاسخ‌های اشتباه رو بپذیرید؟
+ اگر بله، پس شاید ممکن باشه که از ChatGPT استفاده کنید!
- اگر خیر، خیلی مراقب باشید!

پ.ن.: این رو من نمیگم:)، آقای Aleksandr Tiulkanov این الگوریتم رو پیشنهاد داده و آقای Yann lecun هم تاییدش کرده.

#هوش_مصنوعی

@sinusealpha_channel

🔹تکه‌هایی از مصاحبه‌ی Reid Hoffman و Brian Cheaky (موسس AirBNB) در پادکست masters of scale درمورد Design Thinking.

ابتدا Brian chesky با این جمله شروع می‌کنه و میگه:
If you’re only doing A/B tests, you’re never designing with “empathy”!

سپس به سراغ داستان پذیرفته‌شدن‌شون در Y combinator میره و میگه که ما رفتیم پیش آقای Paul graham و ایشون به ما گفت:
Your users are in the New York and you are still in Mountain View!? What are you doing here!? Go to your users, get to know them, get your costumers one by one!

و بعد خود Reid Hoffman رو خطاب قرار میده و میگه:
If I want to make something amazing for you, I have to spend time with you!

و در ادامه شدت spending time with you رو به این صورت بیان می‌کنه:
We didn’t just meet our users, “we lived with them”!

سپس خود Reid Hoffman وارد میشه و میگه:
Brian has a simple method for extracting detailed feedback from users. He doesn’t ask them about the product he already built. He asks about the product of their dreams

در ادامه chesky حرف Hoffman رو کامل می‌کنه و میگه:
We ask these questions like, “what can we do to “surprise” you? Not to “make this better”, but to make you tell everyone about it!?

در اینجا Hoffman نکته‌ای رو برای انتخاب کاربرِ مناسبِ گرفتنِ بازخورد یادآوری می‌کنه و میگه:
Will this particular user and particular feedback lead me to the mass market? Or is it an edge case?

در ادامه Reid Hoffman خلاصه‌ی حرف رو به این صورت میگه:
They didn’t guess at what users wanted. They “reacted” to what users asked for. Then they met the demand through a piecemeal process.

و حرفش رو با زدن مثالی از آقای Paul English که بنیانگذار kayak بوده تکمیل می‌کنه و میگه:
Paul for a number of years in kayak has his cell phone number as the costumers service number!


🔹پیشنهاد می‌کنم حتما این پادکست رو گوش کنید!

لینک:
https://m.youtube.com/watch?v=_XA74fS8tGM

#کارآفرینی

@sinusealpha_channel

#بلاگ
#هوش_مصنوعی

🔹۲ماه پس از عرضه‌ی ChatGPT

تقریبا دو ماه از عرضه‌ی مدل هوش مصنوعی ChatGPT می‌گذره و در این دو ماه، بحث‌های زیادی پیرامون این مدل شکل گرفت. بحث‌هایی بسیار فراتر از تکنولوژی. پیشنهاد می‌کنم که اگر می‌خواهید در جریان اتفاقات دنیای پساChatGPT قرار بگیرید، این مطلب ۷دقیقه‌ای رو حتماً بخونید!

🔹لینک:
https://vrgl.ir/SGNY6

پ.ن.: مثل همیشه بگم که از بحث‌های پیرامون این مدل و کلاً تکنولوژی، شدیداً استقبال می‌کنم و خوشحال می‌شم که اگر خوندید، نظر ارزشمندتون رو بهم بگید.

#blog
@sinusealpha_channel

معمولا وقتی این حرف که «غیرمتمرکزشدن، مهم‌ترین ترند این روزهای ماست» رو با کسی مطرح می‌کنم، یکی از واکنش‌های رایج اینه که «این برای آینده‌ست».

ولی خب دیروز یه استدلال جدید در تایید این مورد شنیدم و فکر می‌کنم که برای شما هم جالب باشه.

قانون دوم ترمودینامیک رو یادتون هست؟ این قانون می‌گه که آنتروپی کل جهان (به عنوان یک سیستم)، دائماً در حال افزایشه. حالا آنتروپی چیه؟ تعاریف زیاد و بعضاً متفاوتی داره، ولی می‌تونیم در یکی از تعریف‌ها، معادل همین decentralized شدن در نظر بگیریمش!

پس، decentralization ترند این روزها نیست. ساخته‌ی دست بشر هم نیست. اصلاً “trend” هم نیست! قانونی هستش که جهان باهاش کار می‌کنه و تا بوده همین بوده…

@sinusealpha_channel

🔹چند جمله از کتاب “وسعت یا عمق” که بنظرم قابل تامل و بحث هستند و ترجیح دادم اینجا هم بذارمشون.

🖋تخصص‌گرایی بیش از حد می‌تواند به تراژدی جمعی منجر شود، حتی اگر هر فرد جداگانه دست به معقول‌ترین اقدام بزند.

🖋اگر تمام آنچه دارید فقط یک چکش باشد، همه چیز بنظرتان میخ می‌آید.

🖋کاملا به حوزه‌ی مورد نظر بستگی دارد که تجربه به تخصص بیانجامد یا نه. تجربه در غالب موارد هیچ کمکی نمی‌کند و صرفا اعتماد به نفس را افزایش می‌دهد و نه مهارت را.

🖋شوارتز در پایین صفحه‌ی یادداشتش نوشت «چگونه به افراد کشف‌نکردن قوانین را یاد بدهیم». پاسخش این است. با ارائه‌ی پاداش برای موفقیت‌های کوتاه‌مدت تکراری که به وسیله‌ی طیف محدودی از راه‌حل‌ها به‌دست آمده است.

🖋به سختی می‌توان پذیرفت که بهترین مسیر برای یادگیری مسیری کند است و عملکرد ضعیف آنی، برای عملکرد بهتر آتی ضروری است.

🖋همه‌ی افراد باید عادت‌هایی ذهنی داشته باشند که آن‌ها را در میانه‌ی میدان رشته‌های مختلف به رقص درآورد.

🖋در مواجهه با امر غیرمنتظره، طیف تمثیل‌هایی که هر فرد ارائه می‌داد مشخص می‌کرد که چه کسی چیز جدیدی یاد گرفته است.

🖋تحصیلات به افراد اجازه می‌دهد تا متخصص‌شدن را به تعویق بیاندازند.

#معرفی_کتاب
@sinusealpha_channel

#هوش_مصنوعی

🔹نتایج [بعضی از] آخرین مقاله‌هایی که توی فیلد پزشکی، به ChatGPT پرداخته‌اند.

📄مقاله‌ی اول -که احتمالا ازش مطلع باشید- اومده عملکرد ChatGPT رو در آزمون USMLE بررسی کرده و به این نتیجه رسیده:
ChatGPT accuracy for USMLE Steps 1, 2CK, and 3 was 75.0%/45.4%, 61.5%/54.1%, and 68.8%/61.5% (passed)

📄مقاله‌ی دوم اومده از ChatGPT خواسته که براش مقاله‌ی پزشکی بنویسه و اون هم خیلی خوب این کار رو کرده. نویسنده، به این نتیجه رسیده که:
The functionality of ChatGPT highlights the growing necessity of implementing robust AI author guidelines in scholarly publishing.
و همچنین بیان کرده:
we believe comprehensive discussions about authorship policies are urgent and essential.

📄مقاله‌ی سوم اومده گزارش‌های رادیولوژی نوشته‌شده توسط ChatGPT رو به 15تا رادیولوژیست نشون داده و اینطوری نتیجه‌گیری کرده:
Most radiologists agreed that the simplified reports were factually correct, complete, and not potentially harmful to the patient.

📄مقاله‌ی چهارم هم اومده به مشکلات نویسندگی ChatGPT در حوزه‌ پزشکی اشاره کرده و بیشتر تاکیدش هم بر این موضوع بوده:
“ethical concerns about authorship and accountability for AI-generated content”

📄مقاله‌ی پنجم هم اومده بازم به آزمون USMLE پرداخته (نتایجش رو هم گزارش کرده) و آخرش هم نتیجه‌گیری کرده که ChatGPT رو فعلاً می‌تونیم معادل دانشجوی سال سوم پزشکی در نظر بگیریم:
the model is comparable to a third year medical student.

📄مقاله‌ی ششم هم اومده وضعیت پاسخ‌گویی ChatGPT به سوالات فیلد چشم‌پزشکی (ophthalmology) رو بررسی کرده و گزارش کرده:
ChatGPT achieved 55.8% and 42.7% accuracy in the two 260-question simulated exams.
البته به یه مشکل بزرگ هم اشاره کرده:
the imminent implementation of ChatGPT in ophthalmology may be limited because it does not have the capability to process images.

📄مقاله‌ی هفتم هم اومده ChatGPT رو به یه چاقوی دولبه تشبیه کرده و یکی از مشکلاتش توی فیلد پزشکی رو این مدلی بیان کرده:
While ChatGPT can provide some guidance, it has been designed to not offer direct medical advice.

پ.ن.۱: به شخصه انتظار نداشتم این تعداد “مقاله” نوشته شده باشه و البته که باز هم بودند و من صرفا ۷تا از اون‌ها که برام جالب‌تر بودند رو انتخاب کردم.

پ.ن.۲: همه‌ی مقاله‌ها رو هم لینک کردم و پیشنهاد می‌کنم -اگر علاقه دارید- حتما بخونیدشون!

@sinusealpha_channel

#ریاضی
#هوش_مصنوعی

کمتر از یک سال پیش بود که اسم خانم دکتر آتوسا کثیرزاده رو شنیدم. قرار بود برای یک رویداد مرتبط با هوش‌مصنوعی دعوت‌شون کنیم و حیطه‌های پژوهش‌شون طوری بود که به شخصه خیلی پافشاری می‌کردم که حتما ایشون جزو سخنران‌ها باشند.

ایشون یک دکتری در فلسفه‌ی علم و یک دکتری در ریاضیات دارند و روی «بحث‌های فلسفی و اخلاق در هوش‌مصنوعی» کار می‌کنند و سابقاً هم جزو پژوهشگران شرکت deepmind بودند (و کلی چیز دیگه…).

امروز فهمیدم که در یک پادکست فارسی (به‌نام “مگس در بطری”) حضور یافتند و به بحث درمورد نقش ریاضیات در علوم تجربی پرداختند.

کارم رو تعطیل کردم و نشستم حدود ۸۰ دقیقه پادکست رو گوش دادم. حقیقتاً میخ‌کوب شده بودم! کم پیش میاد که اینقدر جدی به یک بحثی علاقه‌مند بشم و واقعا لذت بردم.

پیشنهاد می‌کنم حتما در اولین فرصت گوش کنید و امیدوارم شما هم مثل من لذت ببرید.

لینک پادکست:
https://www.podbean.com/ei/pb-44q6u-13989ee

لینک مقاله‌ی مورد بحث:
https://philarchive.org/archive/KASANR-2

@sinusealpha_channel

یک بخش کوچک از بحث‌های این پادکست:

ایشون این سوال رو مطرح کردند که ما می‌گوییم “اگر بخواهیم ۲۳ سنگ را بین سه به صورت مساوی نفر تقسیم کنیم، دو سنگ اضافه می‌آید!”. اما چرا این اتفاق می‌افتد؟ دو حالت معرفی می‌کنند و می‌گویند که:

۱) چون در ریاضیات ۲۳ بر ۳ بخش‌پذیر نیست و چون در ریاضیات این‌گونه است، پس در دنیای واقعی هم همین است (نقش mapping ریاضیات)
۲) چون در دنیای واقعی ۲۳ سنگ را نمی‌توان بین ۳ نفر تقسیم کرد، پس در ریاضی نیز می‌گوییم ۲۳ بر ۳ بخش‌پذیر نیست (نقش مدل‌سازی ریاضیات)

حالا این مقاله‌ی ایشون اومده ارتباط بین این دو حالت رو بررسی کرده. (این رو هم در نظر بگیرید که بحث واقعی یا خیالی بودن اعداد همواره توی ریاضیات محل بحث بوده و بسیار هم چالش داشته). ایشون گفتند که ما یک چیزی تعریف می‌کنیم بنام “پل” ارتباطی و اون پل قراره توضیح بده که این دو حالت چطوری می‌تونن با هم ارتباط داشته باشند!

پ.ن.: بیشتر از این نمی‌گم تا اسپویل نشه و خودتون گوش کنید!😄

@sinusealpha_channel

#بلاگ
#هوش_مصنوعی

چند روز پیش با یکی از دوستان درمورد Empathy یا همون “همدلی” [که الان تقریبا توی هر تاپیکی بحثش هست] پیرامون هوش‌مصنوعی صحبت می‌کردیم و تصمیم گرفتم “نظر شخصی فعلی‌م” درمورد این موضوع رو، در قالب یک بلاگ بنویسم.

🔹لینک:
https://medium.com/@Sinusealpha/i-have-a-big-problem-with-ai-its-not-a-human-a0581fbb102e

پ.ن.۱: مثل همیشه خوشحال می‌شم اگر خوندید یا به این موضوع علاقه‌مند هستید، درموردش صحبت کنیم😄

پ.ن.۲: این صرفا نظر شخصی من “در حال حاضر” هستش و ممکنه حتی همین فردا تغییر کنه، فلذا اصلاً قابل استناد نیست.

@sinusealpha_channel

#هوش_مصنوعی

خب بالاخره شرکت نچندان محبوب Meta هم برای اینکه از قافله عقب نمونه، مدل LLaMA [که elama یا lelama خونده میشه] رو دو روز پیش معرفی کرد.

این مدل چهار نوع داره (از 7B پارامتر تا 65B پارامتر) و همون‌طور که توی مقاله‌شون هم گفته شده، قراره که رقیب مدل‌های زبانی بزرگ قبلی (مثل GPT-3 و PaLM) باشند.

هدف از ساخت [و Open source بودن] این مدل، کمک به پژوهشگران و دانشمندان برای توسعه کاربردهای هوش‌مصنوعی مانند ابزارهای پرسش و پاسخ [تخصصی] و ابزارهای خلاصه‌کردن [تخصصی] هستش.

تفاوت قابل توجهی که این مدل رو از مدل‌های قبلی [تا حدی] متمایز می‌کنه، زمان [و بالطبع هزینه‌ی] train شدنش هست که طبق گفته‌ی خودشون، کمتر از یک دهم (or 15x faster) زمان train شدن ChatGPT است.

شما می‌تونید برای دسترسی به این مدل درخواست بدید و ازش استفاده کنید، البته به شرطی که پردازنده‌ی مورد نیازش (مثل Nvidia v100 یا RTX4090) رو داشته باشید! این مورد هم یک برتری دیگر برای این مدل محسوب میشه. چرا که مدل‌های قبلی به پردازنده‌های بسیار قوی‌تری نیاز داشتند و عملا نمی‌شد به صورت شخصی استفاده کرد. ولی با این مدل، احتمالا به زودی شاهد حضور personalized ChatLLaMA Assistant ها باشیم که اتفاق قابل توجهی خواهد بود.

فعلا چیز زیادی درمورد این مدل نمی‌دونیم و باید ببینیم که چه اتفاقی می‌افته. لینک‌های زیر هم منابع خوبی برای آشنایی بیشتر با این مدل هستند:
خبر CNBC | ویدئوی معرفی | پیپر | بلاگ Meta | گیتهاب

@sinusealpha_channel

یک چیزی رو امروز از یکی از اساتید یاد گرفتم و حیفم اومد اینجا نذارمش [خطاب به خودم هستش].

بهتره به‌جای اینکه بگی «کارهای متفاوتی انجام می‌دهم که تجربه‌های متفاوتی کسب کنم تا روزی به دردم بخورند…»، بگی:

[اگر purpose (آرمان) من به اندازه‌ی کافی محکم و قوی باشد]، برای تحقق آن purpose، حتی اگر لازم شود که کار متفاوتی هم انجام دهم، اشکالی ندارد.

@sinusealpha_channel

🔹نکاتی درمورد Gamification از اپیزود A master class in crowdsourcing در پادکست masters of scale.

آقای Luis von ahn (بنیانگذار Duolingo) یکی از چیزهایی که از اقتصاد رفتاری یاد گرفته رو به این صورت بیان می‌کنه:
The people who know most about how to influence behavior are not PhDs in behavioral economics, they are the people who make games!

و سپس تاکید می‌کنه که چهار سال ابتدایی فعالیت‌شون در Duolingo اساساً بر روی gamification feature بوده! (تنها یک فیچر و آن هم این!)

در اینجا هستش که خانم Elizabeth sampat وارد بحث میشه و درمورد الزام «user-centric بودن gamification» میگه:
Gamification works best when it’s really tied deeply into the user’s needs or desires.

و در ادامه، بدترین حالتش رو «egocentric بودن» معرفی می‌کنه:
And when it really fails is when the gamified solutions are actually about the needs and desires of the person making the product, as opposed to the person that’s actually going to be using it.

و نهایتاً game design رو به این صورت تعریف می‌کنه:
It’s all about figuring out what the actual goal of something is and how to get there.

پ.ن.: پیشنهاد می‌کنم این پادکست رو که بیشتر بحثش حول موضوعاتی مثل:
• captcha
• blitzscaling
• shred mission
• handcrafted approach
• user obsession
و البته gamification هستش رو -اگر علاقه‌مند هستید- حتما گوش بدید. مهمان این اپیزود، بینانگذار Duolingo (و البته captcha) هستش و به شدت جذابه!

🔹لینک:
https://mastersofscale.com/luis-von-ahn/

#کارآفرینی

@sinusealpha_channel

دیدین که اول بعضی از کتاب‌ها [که معمولا هم به چاپ چندم رسیدند]، یک بخشی به نام “praise” وجود داره؟ ساختارش معمولا به این صورته که افراد معروف و مهمی که اون کتاب رو خوندند، میان اون رو در یک یا چند جمله توصیف [و تعریف] می‌کنند.

یا مثلا دیدین که وقتی وارد صفحه یه محصولی می‌شین، واکنش کاربران مختلف رو می‌بینین؟ ساختار این هم معمولا به این صورت هستش که بعد از معرفی محصوله و سعی هم می‌شه تا حرف‌های واقعی کاربران باشه.

این بخش‌ها، مثالی از social proof هستند. این عبارت هم در یک کلام یعنی «تعریف و تمجید بقیه، از شما یا چیزی که تولید کرده‌اید.»

تاثیری که این کار بر روی جلب نظر کاربر می‌ذاره رو معمولاً تبلیغات نمی‌تونه بذاره و به همین خاطر هستش که خیلی از شرکت‌ها هم به همین سمت رفته‌ان. «نشون دادن تعریف کاربران از محصول‌شون، حتی در صفحه‌ی اول!»

حالا سوالی که برای من پیش اومده اینه که یک فرد چطوری می‌تونه از این موضوع برای personal branding خودش استفاده کنه. خوشحال می‌شم نظرات‌تون رو بشنوم😄🙏🏻

@sinusealpha_channel

#بلاگ_جدید
#هوش_مصنوعی

🔹مولتی‌مدل GPT-4

تقریبا چهار ساعت از انتشار مدل GPT-4 توسط شرکت هوش‌مصنوعی OpenAI می‌گذرد و بحث‌ها و حتی دعواهای زیادی رو به راه انداخته. تصمیم گرفتم درمورد بعضی از این موضوعات یک بلاگ کوتاه و مختصر بنویسم و امیدوارم از خوندنش لذت ببرید.

🔹لینک:
https://vrgl.ir/J4o6B

پ.ن.: باز هم مثل همیشه باید بگم که از بحث‌های پیرامون این مدل و کلاً تکنولوژی، شدیداً استقبال می‌کنم و خوشحال می‌شم که نظرتون رو بشنوم، چون واقعا برام باارزشه.♥️

#blog
@sinusealpha_channel