به این یکی دو دقیقه ویدئو نگاه کنید که چطور روند تکامل یک وسیله خیلی خیلی ساده مثل دوچرخه رو نشون می‌ده.
ببینید که آدمای اون زمان که احتمالا می‌شه 200 سال پیش چقدر ساده فکر کردن. صرفا دو تا چرخ و یه صندلی که اون کسی که سوارش می‌شه خودش باید پاهاشو روی زمین بکشه. حتی برای ساخت یه وسله به این سادگی که الان هم بعد از گذشت 200 سال هنوز هم قابلیت‌های دیگه‌ای بهش اضافه نشده چقدر ساده فکر کردن!

چرا؟ چون اون موقع واقعا واقعا این نیاز وجود داشته و تو فکر این بودن که هرچه سریع‌تر، ساده‌تر و ارزون‌تر بهش پاسخ بدن(دنبال قر و فر نبودن). همین یک دقیقه اندازه 10 تا کتاب یاددهی داره 😁

Reinforcement Learning from Human Feedback: From Zero to chatGPT:

https://www.youtube.com/watch?v=2MBJOuVq380

راهنمای دانشگاه هاروارد برای نوشتن رزومه‌ی حرفه‌ای:

https://hwpi.harvard.edu/files/ocs/files/hes-resume-cover-letter-guide.pdf

Shadow, shadow, shadow you've unraveled me before
Inside your stormy winter roads alone envelop me in song
I wish that I had a healthy mind but wishing is as wishing does
Sounds insane but I need the pain
'Cause it helps me breathe living for the rain
Here comes the rain
Here comes the rain
We're older now
Give me the rain
Give me the rain 🌧...
@kimo_sabi

اینم کانال یکی دیگه از دوستامه که از این آهنگ قشنگ آروما برامون می‌ذاره😌

اگه فامیل ازتون یه کاری خواست(مخصوصا کاری که شغلتونه)، اول دستاتونو با آب و صابون بشورید، بعد خشک کنید، بعد کرم مرطوب کننده بزنید.
در گام بعدی با پشت دست غیر تخصصیتون بخوابونید تو دهنش خون بالا بیاره. هم شما می‌دونید چرا زدین، هم اون می‌دونه چرا خورده. عاقبت این کار هم از عاقبت انجام کار برای اون فامیل به خیر تره.

تمااااااااااااامم

پسره داره داد می‌زنه: نهههه من سیگاری نیستم، دستت درد نکنه. بخدا من سیگاری نیستم سیگار لازم ندارم.

این مردِ هم می‌گه: می‌دونم بابا روت نمی‌شه جلو ما بکشی، بذار تو جیبت. عیبی نداره ببر واسه دوستات.

معماری انواع مختلف شبکه‌های عصبی(گرفته شده از توئیتر MIT):

در شیش ماه گذشته که استک کاریم اومده روی .Net Core متوجه شدم که اصفهانیا این تکنولوژی رو خوردن😂 هرچی گردن کلفت دات‌نت می‌بینم و می‌شناسم اصفهانی هستن

امیدوارم همه اینچنین فالی داشته باشن:


خسروا گوی فلک در خم چوگان تو باد
ساحت کون و مکان عرصه میدان تو باد
زلف خاتون ظفر شیفته پرچم توست
دیده فتح ابد عاشق جولان تو باد
ای که انشاء عطارد صفت شوکت توست
عقل کل چاکر طغراکش دیوان تو باد
طیره جلوه طوبی قد چون سرو تو شد
غیرت خلد برین ساحت بستان تو باد
نه به تنها حیوانات و نباتات و جماد
هر چه در عالم امر است به فرمان تو باد

#حافظ

مایکروسافت تکنولوژی باورنکردنی هولوگرام خود را به نمایش می گذارد. با این تکنولوژی زمان و مکان کم کم بی معنا میشه.

این خانم آمریکایی هولوگرام خودش را می سازد که با لباس ژاپنی و زبان ژاپنی در هر مکانی حتی بدون حضور خودش می تواند ظاهر بشود و حرف بزند.

-------------------------------------------------
این فیلم برای حداقل 5 سال پیش هستش فکر کنم. مایکروسافت در زمینه بازی و شبیه‌سازی‌های گرافیکی پیشرفت فوق‌العاده‌ای داشته و تقریبا می‌شه گفت رقیبی نداره توی این زمینه

براتون یه شادمهر بذارم صداشم بدم بالا حال کنید:

https://soundcloud.com/hossein-shoary/shadmehr-aghili-asemuni?si=39db461c988844c49c5b195d0b2f3b62&utm_source=clipboard&utm_medium=text&utm_campaign=social_sharing

ربنای شجریان رو که احتمالا همه گوش دادن. می‌دونستید سبک خوندن این ترانه کپی شده از یک ترانه خوانده شده توسط خواننده‌ای مصری به نام «ام کلثوم» هستش؟ اینجا می‌تونید این ترانه رو بشنوید و ببینید.

البته این خانم رزومه بسیار خفنی داره و از ایشون به عنوان بزرگ‌ترین خواننده‌ی عرب در تمام تاریخ اسم بردن و آلبوم‌هاش تا 80 میلیون بار شنیده شدن! برای همین هم بهش لقب «کوکب شرق» یا «ستاره‌ خاور» رو دادن. ایشون بسیار آدم خلاقی بودن و در سبک و نحوه خوندن هیچ الگویی نداشتن. یه چیز باحال دیگه این که حتی یک بیت شعر هم وجود نداره که ایشون دوبار به یک شکل اونو خونده باشه! و تمام این توانایی رو به صورت بداهه داشتن. یعنی شعر می‌دادی بهش اگه 50 دفعه هم اون شعر رو می‌خوند هیچ کدومش تکراری نبوده!
اینجا صفحه ویکیپدیای این عزیز هستش می‌تونید برید بخونید. البته مصر در ادبیات و موسیقی عرب تقریبا رقیبی نداره و در طول تاریخ شعرا، خوانندگان، موسیقی دانان، قاریان قرآن بزرگی داشته. برای همین هم بهترین قاریان قرآن مثل عبدالباسط مصری هستن!

RePaint

Inpainting using Denoising Diffusion Probabilistic Models

http://git.io/RePaint

عباس معروفی تو کتاب نامه های عاشقانه، به قدری نصحیت مفیدی میکنه که به نظرم لازمه تو هر نوع و جنس رابطه رو اون پیاده کنیم میخواد عاشقانه باشه، دوستانه باشه یا هرچی.. می‌گه:

"گاهی با دویدن به سمت کسی، نفسی برای ماندن در کنار او نخواهی داشت، پس با کسی بمان که نصف راه را به سمتت دویده است..!

این کس رو فقط عاشقانه و از این چرت و پرتا نبینید. کلا هر شخصی که قراره باهاش شریک بشید یه چیزی رو

عمرتان زیادی کرده که دکترا بخوانید؟

این هفته آقای لکان (یکی از سه‌ خدای دیپ‌لرنینگ) توییتی زده و به مورد Aditya Ramesh اشاره کرد. فردی که لیسانسش رو از دانشگاه NYU گرفته و قصد داشت تا وارد دوره دکتری شود اما با یک کارآموزی در OpenAI مسیرش تغییر کرده و در آن جا مانده و در نهایت با مدرک لیسانس تبدیل به نویسنده اصلی مقاله مدل معروف Dall-E می‌شود.

آقای بهنام نیشابور محقق گوگل هم توییت لکان را کوت کرده و نکات ریزتری برای تایید "نباید برای یادگیری ماشین دکترا خواند" به آن اضافه کرده است. نکته اصلی که تحصیلات تکمیلی برای زمینه‌ای مثل ML آورریتد است. چرا؟ چون که یک نفر بدون هیچ گونه پیش زمینه خاصی می‌تواند به این فیلد وارد شده و با اندکی وقت گذاشتن، حتی می‌تواند به راحتی در کنفرانس‌های مطرح دنیا مقاله‌ای چاپ کند. منابع آموزشی ML روز به روز گسترده‌تر و در دسترس‌تر می‌شوند و واقعا لازم نیست کسی برای وارد شدن به وادی پژوهشگری یادگیری ماشین بیاید و ۵ الی ۶ سال از عمرش را در ارشد یا دکتری هدر دهد. (و خودمانیم، رشته‌‌هایی مثل فیزیک را با ML مقایسه کنید. طرف در فیزیک تا بخواهد به جایی برسید باید مو سفید کند اما امروزه از صفر تا صد ماشین لرنینگ را با این تئوری‌های آبکی که دارد می‌توان در کمتر از دو سال طی نمود)

نکته‌ دیگری که آقای نیشابور اشاره کرده است این است که تعداد موقعیت‌های دکترای یادگیری ماشین روز به روز بیشتر می‌‌شود اما از آن طرف تعداد شغل‌هایی که به مدرک دکتری یادگیری ماشین نیاز دارد در آینده روز به روز کمتر می‌شود. در واقع با داشتن دکتری شما over-qualified می‌شوید و از طرف دیگر هم مگر آکادمی چه قدر موقعیت شغلی می‌تواند داشته باشد؟ در مقابل، صنعت اما بیش از ML Researcher به ML Engineer‌ها نیازمند است. کسی که بتواند چیزی را واقعا بسازد. دوره دکتری باعث دوری نسبی از شما صنعت و مهارت‌های آن خواهد شد. آقای نیشابور در انتها به نتایج تحقیقی اشاره کرده که در آن گفته شده درصد زیادی از دانشجویان تحصیلات تکمیلی دچار افسردگی و اضطراب شدید هستند (پس اگر دلتان می‌خواهد سگ سیاه افسردگی هر شب شما را بغل کند، می‌توانید به گزینه دکتری خواندن فکر کنید).

نکته دیگری که ما به صحبت‌های بالا اضافه می‌توانیم بکنیم این است که جایگاه متفاوت یادگیری ماشین و به طور عام هوش مصنوعی نسبت به سایر علوم را باید در نظر گرفت. هوش مصنوعی در مدت ۷۰ سال اخیری که از خدا عمر گرفته است، همچنان حوزه یکپارچه‌ای نبوده است. هر از چند گاهی ایده‌ای آمده است و با هوش مصنوعی وارد بهاری شده و در نهایت در زمستانی دفن شده است. گاهی منطق‌دان‌ها به آن وارد شده‌اند و با دیدشان روش‌های سیستم‌های خبره و منطق را برای هوش مصنوعی توسعه داده‌اند. گاهی برقی‌ها وارد شده‌اند و مفاهیم سیگنالی را در حوزه هوش مصنوعی غالب کرده‌اند و این اواخر هم ریاضی‌دان‌ها و آماردان‌ها وارد شده و پارادایم یادگیری ماشین را پادشاه هوش مصنوعی کرده‌اند. از حدود ۲۰۱۲ به این ور هم شبکه‌های دیپ (شاید مدیون پیشرفت‌‌های سخت‌افزاری) فرمان بازی را به دست گرفته و بهاری‌ترین دوران هوش مصنوعی را رقم زده‌اند. اما واقعیت این است که یادگیری عمیق نیز اکنون احتمالا وارد پاییز خود شده است (در این مورد در آینده احتمالا صحبت می‌کنیم). مسیر تحقیقاتی هوش مصنوعی و یادگیری ماشین احتمال دارد به زودی دوباره وارد زمستان سخت شده و تمامی سرمایه‌گذاری‌های تحقیقاتی بسوزند. البته که بحث دنیای صنعت فرق می‌کند و همین الان بسیاری راه‌حل‌های یافت شده در دنیای آکادمی آماده هستند تا به دنیای صنعت و کاربرد اعمال شوند. در همین راستا شاید پیشنهاد ML Engineer شدن به جای ML Researcher شدن پیشنهاد عافیت داری برای دین و دنیا باشد. برای حسن ختام به قول سعدی:
کرامت جوانمردی و نان‌دهی است
مقالات بیهوده طبل تهی است

پی‌نوشت-۲: البته اگر در بلاد کفر نیستید قاعدتا برای رسیدن به جایی مانند گوگل یا کوچکتر از آن مسیری جز اپلای تحصیلی برای ساختن رزومه و تقویت حلقه تاثیر شاید نیست. بحث کلی این است که در شرایط عادی، دکترای یادگیری ماشین معنی چندانی در دنیای امروز ندارد.

لینک توییت لکان:
https://twitter.com/ylecun/status/1605450677806895104

لینک توییت نیشابور:
https://twitter.com/bneyshabur/status/1605677285255675904

#tweet
#read

@nlp_stuff