سینوسِ آلفا
975 subscribers
204 photos
2 videos
31 files
273 links
Sina Moradi | MD-MBA candidate, ML Developer, & Former Math Teacher

Building at Zumud.com

Website:
- https://sinusealpha.github.io/

Contact:
- Sina80mor@gmail.com
- Sina@zumud.com
Download Telegram
🔹متن‌های نوشته شده توسط هوش مصنوعی، قابل تشخیص نیستند! حداقل فعلا!

بشخصه تقریبا با همه‌ی ابزارهای تشخیص متن توسط هوش مصنوعی کار کرده بودم و حدس می‌زدم که عملکردشون خیلی فراتر از random نباشه. اما گفتم یک جستجویی کنم و اگر کسی پرسید، مستند حرف بزنم.

این‌طور شد که این مقاله‌ی جالب رو پیدا کردم. خیلی تازه هم نیست و حدود یک ماه پیش چاپ شده. اما حرفش احتمالا برای خیلی‌ها جدید به حساب بیاد.

علل‌الحساب، قبول کنید که متن‌های نوشته شده توسط مدل‌های هوش مصنوعی [اگر با کمی تغییر توسط انسان همراه شوند]، تقریبا غیرقابل تشخیص خواهند بود و اگر کارتان به این موضوع وابسته است، فعلا نگران نباشید!

این مورد رو هم بگم که احتمالا در مدل‌های آینده این موضوع صدق نکنه و سازندگان‌شون خیلی تمایلی به غیرقابل تشخیص بودن متن‌های تولیدشده ندارند و از طرفی هم مجبورند برخی قوانین رو بپذیرند. پس زیاد روی این موضوع حساب باز نکنید و authentic بودن رو ارج بنهید. :)

#هوش_مصنوعی
@sinusealpha_channel
2👍2🔥1😁1
قابل توجه دانشجویان پزشکی!

دوستانم در کمیته‌ی تحقیقات دانشگاه البرز، مدرسه‌ی تابستانی هوش مصنوعی در علوم پزشکی را برگزار می‌کنند و شدیدا پیشنهاد می‌کنم که [برای آشنایی هم که شده]، در این جلسات رایگان شرکت کنید!

👈🏻لینک:
https://t.me/MSRC_ABZUMS/1912

#هوش_مصنوعی
#پزشکی
@sinusealpha_channel
11👍2🤯1🤩1
Media is too big
VIEW IN TELEGRAM
شدیداً پیشنهاد می‌کنم این ویدئو با عنوان «سیستم آموزشی، یک سیستم برای تربیت شهروند حرف‌شنو» رو ببینید.

این ویدئو به تاریخچه‌ی سیستم آموزشی، طراحی اولیه‌ی آن و روند توسعه‌اش می‌پردازد و دیدگاه روشنی را نسبت به سیستم آموزشی امروزه‌ی ما [که تقریبا هیچ تفاوتی با زمان تاسیس آن ندارد] بیان می‌کند. این روزها که نتایج کنکور کارشناسی آمده است هم احتمالاً فرصت خوبی برای تفکر درمورد این موضوع و واکنش منطقی به آن باشد.

همچنین بسیار واضح است که در مسیر نادرست، تصمیم درست، پیش‌رفتن و برنده‌شدن نیست. بلکه خروج از مسیر و انتخاب مسیر دیگری است. کنکور و سیستم آموزشی ما [و تقریباً تمام دنیا] نیز همین‌طور است. سوالی که وجود دارد این است که چرا پیروزی و شکست، در مسیری که می‌دانیم نادرست است، ما را خشنود و یا ناراحت می‌کند؟

پی‌نوشت اول: به‌شخصه عقاید و نظرات بسیار sharp و بعضاً زننده‌ای درمورد سیستم آموزشی‌ای که در حال تحصیل در آن هستیم [یا بودیم] دارم و در فرصت و جایگاه مناسبش درمورد این موضوع به تفصیل صحبت خواهم کرد.

پی‌نوشت دوم: لینک ویدئو در یوتیوب

#کنکور
@sinusealpha_channel
👍9🤯1
یکی از پادکست‌های جالب و ارزشمندی که سعی می‌کنم همیشه دنبال کنم، پادکست آقای naval هستش.

امروز هم اولین مطلبی که شروع به مطالعه‌اش کردم، همین پادکست (Knowledge Creation and The Human Race, Part 2) بود و به صورت خیلی اتفاقی، به صحبت‌های روزهای گذشته با برخی از دوستان مرتبط شد و تصمیم گرفتم تا اینجا درموردش بنویسم.

ترجمه‌ی بخشی از جمله‌ی هایلایت‌شده [با کمی تغییر]: «بخش غیر مفید - اطلاعاتی که دانش نیستند - در جهان‌های مختلف، متفاوت خواهند بود. در حالی که، دانش مفید - ژن‌هایی که منجر به سازگاری بیشتر می‌شوند، ایده‌هایی که منجر به بقای بیشتر می‌شوند، اختراعاتی که ما ایجاد می‌کنیم و واقعا کار می‌کنند، فلسفه‌هایی که ما داریم و ما را به عنوان انسان وادار می‌کنند تا رشد و تکثیر کنیم - در سراسر جهان‌های چندگانه یکسان و مشترک خواهند بود!»

جمله‌ی بالا، از نظر من، بسیار بااهمیته. حالا جمله‌ی زیر [که یک توییت در همین باره بود] را ببینید:

“The secret to a great life is to nail the basics.”

پی‌نوشت: درمورد این موضوع بیشتر خواهم نوشت. این پست حتی در حد شروع هم نبود. :)

@sinusealpha_channel
👍53
داشتم صفحه‌ی لینکدین‌ام رو بالا پایین می‌کردم که به این صحبت رسیدم. حدود یک ماه پیش، سهواً جمله‌ای غیردقیق رو به کار بردم و امروز حس می‌کنم که احتمالا خیلی هم صحیح نباشه! نظر شما چیه؟

ترجمه: «افراد را نباید به هیچ چیزی مجبور کرد.»

👈🏻موافقید یا مخالف؟ دلیلتون چیه؟ خوشحال می‌شم که نظرتون رو بشنوم.

@sinusealpha_channel
7👍5
🔹اگر سیستم به شما اجازه‌ی اشتباه می‌دهد، بد دیزاین شده است و اگر اشتباه‌کردن را به شما القا می‌کند، بسیار بد دیزاین شده است!

این بخش از کتاب The design of everyday things، بنظرم یکی از مهم‌ترین و حیاتی‌ترین بخش‌ها در دیزاین است و تعداد کسانی که در تله‌ی "اشتباه مخاطب (human error)" می‌افتند، گواه این قضیه است. قصد ندارم بگویم که هر اشتباه موجود در یک سیستم، نامرتبط با مخاطب است و «همیشه حق با مشتری است». خیر.

همیشه حق با مشتری نیست. اما زمانی که میزان خطای یک بخش از سیستم بیش از 70 یا 80 درصد است، چرا به این موضوع فکر نمی‌کنیم که شاید مشکل از دیزاین ما باشد!؟ همین کتاب، جمله‌ی دیگری دارد که بنظرم قابل تامل است:

We can’t fix problems unless people admit they exist.

برای اجتناب از این مشکل‌ها، راه‌کار معروف و خوبی به‌نام Root cause analysis (تحلیل علل ریشه‌ای) وجود دارد. در این روش [که به Five WHYs نیز شناخته می‌شود]، با پرسیدن سوالاتی شبیه به "چرا"، سعی می‌کنیم تا به آن علت ریشه‌ای و اصلی موضوع برسیم.

در مورد این موضوع در پست بعدی توضیح خواهم داد.

#دیزاین
@sinusealpha_channel
👍5🔥1
🔹روش Five WHYs (پنج چرا)

تاریخچه‌ی این روش، به آقای Sakichi Toyoda برمی‌گردد که از این روش برای بهبود سیستم شرکت تویوتا استفاده می‌کرد. این روش، به طور خلاصه بیان می‌کند که هنگام حل یک مشکل، اگر به یک علت رسیدید، متوقف نشوید و باز هم بپرسید که چرا این اتفاق افتاد و این سوال را آنقدر بپرسید، تا به علت ریشه‌ای برسید:

Keep asking until you have uncovered the true underlying causes.

آیا الزاما با پنج پرسش به علت ریشه‌ای خواهید رسید؟ خیر. ممکن است زودتر و ممکن است دیرتر برسید، اما بالاخره علتی وجود خواهد داشت که اگر زود متوقف شوید، به آن پی نخواهید برد.

تصویر بالا، مثالی از همین روش است. برخی از جنگنده‌های آمریکایی [به صورت ناگهانی] سقوط می‌کردند و مسئولانش، علت حادثه را اشتباه خلبان ذکر می‌کردند. در صورتی که با ریشه‌یابی مشکل، به موضوع کاهش هوشیاری خلبان و پس از آن، به موضوع کمبود اکسیژن وی رسیدند! علت نهایی هم از خود جنگنده بود و نه اشتباه خلبان!

پی‌نوشت: برای مطالعه‌ی بیشتر، پیشنهاد می‌کنم که فصل پنجم کتاب [با عنوان "human error? no, bad design"] را ببینید.

#دیزاین
@sinusealpha_channel
🔥4👍32
🔹احتمالا با IKEA آشنا باشید، اما با IKEA effect هم آشنا هستید؟

آیکیا، شرکتی است که لوازم خانگی مثل مبل، میز، تخت و… را تولید می‌کند، اما محصولاتش را به صورت پیش‌ساخته برای خریدارانش ارسال می‌کند و «خود خریدار» باید آن‌ها را مونتاژ کند، تا به وسیله‌ای قابل استفاده تبدیل شوند.

دن آریلی در فصل ششم کتاب Predictably irrational [که با عناوین مختلفی ترجمه شده است] می‌گوید: «هر چه بیشتر روی چیزی کار کنید، احساس مالکیت بیشتری نسبت به آن پیدا می‌کنید». در ادامه هم حتی پا را فراتر می‌گذارد و می‌گوید: «غرور مالکیت، با میزان سهولت مونتاژ کردن قطعات، نسبت معکوس دارد!»

پی‌نوشت اول: این فصل از کتاب، به بحث «بهای سنگین مالکیت» می‌پردازد و ikea effect، صرفا یکی از موارد مورد بحث می‌باشد.

پی‌نوشت دوم: این روزها خیلی به این موضوع فکر می‌کنم و به همین دلیل، این‌جا درموردش نوشتم. در این لینک توضیحات بیشتر و بهتری در این زمینه وجود دارد.

@sinusealpha_channel
👍84
این مقاله که همین امروز توی لنست چاپ شده، ارزش توجه داره!

پژوهشگران سوئدی، تعداد زیادی از خانم‌هایی که تحت غربالگری منظم ماموگرافی قراره گرفته بودند (بیش از ۵۵ هزار نفر) را وارد مطالعه‌ای کردند تا متوجه شوند که استفاده از کمک هوش‌مصنوعی، چه تاثیری در وضعیت تشخیص رادیولوژیست‌ها دارد. نتایج (با CI=95%) شگفت‌انگیز بود!

وضعیت تشخیص سرطان سینه، ۴ درصد بهبود یافت! به این معنی که چهار درصد از افراد مبتلا به سرطان [که در حالت عادی تشخیص داده نمی‌شدند (منفی‌های کاذب)]، مشخص شدند.

همچنین، میزان زمان مورد نیاز برای خوانده‌شدن تصاویر توسط رادیولوژیست‌ها، ۵۰٪ کاهش یافت (بسیار مهم) و ۶ الی ۵۵ درصد از کسانی که به اشتباه مبتلا به سرطان سینه تشخیص داده می‌شدند (مثبت‌های کاذب)، مشخص شدند.

#پزشکی
#هوش_مصنوعی
@sinusealpha_channel
👍13🔥21🤩1
سینوسِ آلفا
چهارمین یادداشت از سری platform thinking هم منتشر شد! 👈🏻لینک: https://www.linkedin.com/pulse/customer-obsession-sina-moradi پی‌نوشت: مثل همیشه، منتظر شنیدن انتقادات و نظرات شما عزیزان هستم.🌱 #پلتفرم #کارآفرینی @sinusealpha_channel
درضمن، با این موضوع که از این کانال به عنوان محلی برای اطلاع‌رسانی استفاده می‌کنم، خیلی راحت نیستم. هدف این نبوده اصلا. :)

به همین دلیل، یک Email list ساختم تا این مدل اطلاع‌رسانی‌ها (شامل یادداشت‌ها، نوشته‌ها و…) رو به صورت اختصاصی و برای کسانی که مایل هستند انجام بدم. خودم هم به‌شخصه عضو چندین ایمیل‌لیست هستم و با این موضوع راحت‌ترم.

👈🏻برای عضو شدن در این ایمیل‌لیست، کافیه که فرم کوتاه زیر (اسم و ایمیل) رو پر کنید:
https://docs.google.com/forms/d/e/1FAIpQLSeBFyxZp9uXy0gK_447PLID5kxdqR_gA2WkrIXIIjhYCxU8hQ/viewform?usp=sf_link
👍65
سینوسِ آلفا
Photo
این پست رو یادتونه؟ حالا یک نفر از اعضای Stable diffusion community توی ردیت اومده و با همون مدل [که اسمش QR Code Monster هستش]، یک سری تصاویر جدید رو ساخته و منتشر کرده.

پی‌نوشت اول: روند کارش رو خیلی توضیح نداده [و من هم جایی رو پیدا نکردم که توضیح داده باشند] ولی تصاویرش بی‌نهایت جذابند و خیلی هم سر و صدا کرده. زیر این پست ردیت می‌تونید بحث‌های جالبی رو حول این تصاویر ببینید. این توییت هم از همون پست ردیت برداشته شده، اما بحث‌هاش کاملا متفاوت و جالب‌تره!

پی‌نوشت دوم: وقتی به کاربردهاش فکر می‌کنم، مغزم سوت می‌کشه. شما هم همین‌طور هستید؟ :)

#هوش_مصنوعی
@sinusealpha_channel
🤯7🔥4👍1
🔹همه می‌دانیم که پرداخت پول به کاربر برای استفاده از محصول منطقی نیست؛ اما آیا تجربه هم شده است!؟

داشتم ارائه‌ی Bill Gurley در All-In Summit [که دیروز منتشر شده] رو می‌دیدم. تمام ارائه، بسیار جالب و حول موضوع مهم این روزهای تکنولوژی، یعنی regulation بود. جالب‌ترین بخش صحبت اما [برای من]، داستان شرکت epic و قانون Obamacare بود. من درمورد این موضوع هیچ اطلاعی نداشتم (شاید بخاطر اینکه در اون سال‌ها 7،8 سال سن داشتم!)؛ اما بعد از دیدن این ویدئو، سرچ کردم و تا حدی با اصل داستان آشنا شدم و اینجا، کمی درموردش می‌نویسم.

داستان [طبق چیزی که بیل گرلی تعریف می‌کنه و حقیقت هم داره] از این قرار هستش که آقای باراک اوباما، فردی رو به عنوان مسئول health IT council خودش منصوب می‌کنه و این فرد، خانم Judith Faulkner، مدیرعامل شرکت بزرگ و خصوصی epic بوده. علت این انتصاب رو هم کمک انتخاباتی خانم فالکنر به اوباما می‌دونند [و خب طبیعی بوده و تا این‌جا چیز عجیبی وجود نداره].

در همون سال‌ها، قانون affordable care act یا ACA وضع می‌شه و طبق این قانون، یک آژانس قانون‌گذاری (regulation) تاسیس می‌شه تا مسئول اجرای درست برنامه‌ای [که شامل یک نرم‌افزار برای پزشکان هم بود] باشه که در اون، به پزشکانی که نرم‌افزار رو خرید کرده باشند، 44 هزار دلار پرداخت بشه! ضمنا، اگر پزشکان ثابت می‌کردند که از نرم‌افزار استفاده هم می‌کنند (meaningful use)، 17 هزار دلار دیگر پاداش می‌گرفتند.

کل بودجه‌ی پیش‌بینی شده برای این طرح هم چیزی حدود 38 میلیارد دلار بوده. در همین حین، وزارت دادگستری هم در حال تدوین الزاماتی برای نرم‌افزارهای رقیب این نرم‌افزار بود و طی این الزامات، شرکت‌های رقیب، ضررهای سنگین چندصد میلیون دلاری رو متوجه شدند و عملا از دور رقابت کنار رفتند.

بعد از تعریف این داستان، بیل گرلی کنایه‌ای می‌زنه و می‌گه که اگر هر کدوم از ما تصمیم‌گیرنده بودیم، قطعا چنین کاری نمی‌کردیم و این موضوع که «به افراد پول پرداخت کنیم تا از چیزی استفاده کنند»، سال‌هاست که منسوخ شده! در ضمن، گفته می‌شه که بعدها اوباما با ناامیدی از این طرح یاد می‌کرده.

حالا فارغ از این داستان عبرت‌آموز، فحوای اصلی صحبت حول تاثیر منفی regulation در دو مورد بوده. اول اینکه regulation برخلاف تصور، باعث کاهش رقابت در بازار می‌شه و دوم اینکه، نه‌تنها عامل افزایش نوآوری نیست، بلکه اون رو هم کاهش می‌ده. پیشنهاد می‌کنم [که اگر علاقه‌مند هستید] این سخنرانی جذاب (با لحن superpumped آقای بیل!) رو از دست ندید.

👈🏻لینک ویدئو:
https://www.youtube.com/watch?v=F9cO3-MLHOM

👈🏻مقاله‌ای که به بررسی شکست پروژه‌ی Obamacare می‌پردازه:
https://www.rpc.senate.gov/policy-papers/a-decade-of-repairing-damage-done-by-obamacare

#پزشکی
#کارآفرینی
@sinusealpha_channel
👍6🤯21
#معرفی_کتاب

چند ماه پیش بود که از طریق کانال آقای پیمان فخاریان (به صورت دقیق‌تر، این کامنت بود)، با کتاب‌هایی آشنا شدم. تصمیم گرفتم که مطالعه‌شون کنم.

این کتاب‌ها که در چند ماه گذشته، همراه من در مترو، اتوبوس و هرجای مشابه دیگه بودند، متاسفانه امروز به پایان رسیدند :( و شما هم اگر قصد دارید که یک دید کلی و داستان‌وار از اتفاقات مهم مرتبط با تجارت در ایران معاصر پیدا کنید، این کتاب‌ها رو از دست ندید!

البته این کتاب‌ها کمی (فقط کمی!) سانسورشده هستند که خب طبیعی هم هست. تاریخ سانسور نشده وجود نداره. نکته‌ی مثبت اما در این بود که با کمی سرچ در اینترنت، محل‌های سانسور رو می‌شد تا حد خوبی متوجه شد و دید تقریبا دقیقی از موضوعات پیدا خواهید کرد.

در ضمن، مطالبی از این کتاب‌ها رو هم [با هدف ایجاد علاقه :) ] در این کانال قراره داده بودم که بعنوان نمونه می‌شه به این پست و این پست اشاره کرد.

پی‌نوشت: اگر خوندید یا قصد خوندن‌شون رو دارید، خوش‌حال می‌شم تا با هم درموردشون حرف بزنیم. برداشت‌های جالب و مهم و کاربردی‌ای می‌شه ازشون داشت و بنظرم حیفه که بدون دید انتقادی و بحث و دعوا ازشون بگذریم. :)

@sinusealpha_channel
6👍1🤩1
🔹اگر شیء a، همان شیء b است. آیا b نیز همان a است؟ جواب ما مثبت (و صحیح) است؛ اما جواب هوش‌مصنوعی چیز دیگری‌ست!

در این مقاله که به تازگی (۵ روز پیش) منتشر شده و اتفاقا هم سر و صدای زیادی داشته، به این موضوع پرداخته شده. عنوان مقاله هم دقیقا به همین موضوع اشاره می‌کنه:

The Reversal Curse:
LLMs trained on “A is B” fail to learn “B is A”

پی‌نوشت: علاوه بر این موضوع، احتمالا اون پرامپ معروف که «از مدل می‌پرسند آیا ۴۵۰، ۹۰٪ پانصد هستش و مدل، اولش می‌گه نه و بعدش در همون پیام، خودش رو اصلاح می‌کنه و می‌گه بله» رو دیده باشید. کلا این روزها سوتی‌های زیادی از مدل‌ها پیدا و معروف شدند و اتفاقا، جالب و بعضا خنده‌دار هم هستند. :)

#هوش_مصنوعی
@sinusealpha_channel
🤯7👍2😁2🔥1
🔹در متن بالا چند حرف F (یا f) می‌بینید؟

شاید سوال خنده‌داری به نظر بیاد و البته تا حدی هم این‌طور است. :) اما حقیقت اینه که اغلب افراد، در تلاش اول‌شون، پاسخ اشتباه می‌دهند! (درمورد علتش، احتمالا در آینده صحبت کنم).

پی‌نوشت اول: علت گذاشتن تصویر هم این بود که این روزها درمورد موضوعی در حال مطالعه هستم و این چالش، در ابتدای تقریبا تمام لکچرها و سخنرانی‌ها مرتبط به موضوع وجود داشت. :)

پی‌نوشت دوم: پاسخ صحیح، شش عدد است!

@sinusealpha_channel
😁6👍51