2 889
订阅者
+324 小时
+417 天
+11430 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
九月 '269月 '26
九月 '26
+128
在1个频道中
八月 '26
+250
在6个频道中
Get PRO
七月 '26
+201
在8个频道中
Get PRO
六月 '26
+135
在3个频道中
Get PRO
五月 '26
+50
在0个频道中
Get PRO
四月 '26
+19
在0个频道中
Get PRO
三月 '26
+11
在0个频道中
Get PRO
二月 '26
+102
在2个频道中
Get PRO
一月 '26
+118
在7个频道中
Get PRO
十二月 '25
+112
在6个频道中
Get PRO
十一月 '25
+79
在5个频道中
Get PRO
十月 '25
+187
在6个频道中
Get PRO
九月 '25
+63
在4个频道中
Get PRO
八月 '25
+32
在0个频道中
Get PRO
七月 '25
+69
在0个频道中
Get PRO
六月 '25
+189
在3个频道中
Get PRO
五月 '25
+183
在4个频道中
Get PRO
四月 '25
+61
在1个频道中
Get PRO
三月 '25
+128
在1个频道中
Get PRO
二月 '25
+149
在4个频道中
Get PRO
一月 '25
+392
在5个频道中
Get PRO
十二月 '24
+158
在4个频道中
Get PRO
十一月 '24
+194
在3个频道中
Get PRO
十月 '24
+254
在2个频道中
Get PRO
九月 '24
+99
在2个频道中
Get PRO
八月 '24
+93
在4个频道中
Get PRO
七月 '24
+50
在1个频道中
Get PRO
六月 '24
+43
在0个频道中
Get PRO
五月 '24
+28
在1个频道中
Get PRO
四月 '24
+40
在1个频道中
Get PRO
三月 '24
+29
在1个频道中
Get PRO
二月 '24
+32
在0个频道中
Get PRO
一月 '24
+73
在1个频道中
Get PRO
十二月 '23
+170
在2个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 24 九月 | +5 | |||
| 23 九月 | +6 | |||
| 22 九月 | +13 | |||
| 21 九月 | +5 | |||
| 20 九月 | +13 | |||
| 19 九月 | +9 | |||
| 18 九月 | +9 | |||
| 17 九月 | +4 | |||
| 16 九月 | +5 | |||
| 15 九月 | +5 | |||
| 14 九月 | +3 | |||
| 13 九月 | 0 | |||
| 12 九月 | +2 | |||
| 11 九月 | +1 | |||
| 10 九月 | +4 | |||
| 09 九月 | +8 | |||
| 08 九月 | +4 | |||
| 07 九月 | +3 | |||
| 06 九月 | +2 | |||
| 05 九月 | +7 | |||
| 04 九月 | +4 | |||
| 03 九月 | +7 | |||
| 02 九月 | +6 | |||
| 01 九月 | +3 |
频道帖子
| 2 | ما چیزی نمیخواهیم، ما پاسخ خود را یافتهایم. ما قدرت لازم داریم زیرا ملتی که نتواند از خود دفاع کند، در این دنیا له خواهد شد. | 867 |
| 3 |  +1没有文字... | 1 092 |
| 4 | خدای بتپرستت را
مبر پای قمار عشق ای دل باز هستت را
ندارم بیش از این تاب تماشای شکستت را
مشو مبهوت گیسویی که سر رفته است از ایوان
که ویران میکند این نقش ایوان پایبستات را
همیشه گریه راه التیام زخمهایت نیست
کدامین آب خواهد شست داغ پشت دستت را؟!
تو خار چشم بودی قلعه ی یک عمر پا برجا
که حالا شهر دارد جشن میگیرد نشستت را
تو دل بستی به معشوقی که خود معشوقها دارد
رها کن ای دل غافل خدای بت پرستت را
حسین زحمتکش | 1 130 |
| 5 |  سرعت تغییرات | 1 156 |
| 6 |  سایت قشنگ وایب AI رو میده. اون پشت یک سری سایت دیگه رو کراول میکنه و اطلاعات تجمیعی میده. یک llm.txt هم داره که توش سعی میکنه llm agent هایی که سرچ میکنند رو تسهیل کنه کارشون رو روی این سایت. | 1 214 |
| 7 | این توضیح Sebastian Raschka در مورد Jev رو دوست داشتم:
It's easy to hype and dunk on Jev. I saw a lot of interesting demos in the last few days. And I also read a lot of dismissals in the last few days. I think the truth lies somewhere between these two extremes.
I.e., it's easy to dismiss Jev as "just a classifier."
The exact model and training algorithm are not disclosed. But if I had to make an educated guess, it's likely:
1) a small encoder-style model like (Modern)BERT;
2) trained with something similar to Reinforcement Learning with Calibration Reward (from the Beyond Binary Rewards: Training LMs to Reason About Their Uncertainty paper).
Many people (me included) have been training encoder-style models for classification for many years. Fact is that they were usually special-purpose and limited in some way.
Jev's impressive breakthrough is that it generalizes so well (you can use it to classify emails, play video games, trade stocks...).
And I’d say the secret sauce is probably more in the data than in the training algorithm. (Plus a nice API design on top of it.)
Yeah, it's not the first project where someone applied RL to a (likely) non-autoregressive, encoder-style model.
But what's impressive is that it works and generalizes so well, which can make all the difference. I.e., we saw the same thing with Stable Diffusion (based on an existing research paper) not too long ago, or even with the 2022 ChatGPT launch itself (an improved version of InstructGPT, where the data made all the difference).
ریسرچهای هوش مصنوعی زیباییشون گاها همینه که فیلد برای خودشون یک سمتی رو میرفته بعد یک اتفاقی نامعمولی میافته و برای همه سوال میشه چرا و چطور این اتفاق این شکلی افتاده. در مورد Jev هم همینه. تصور کنید فیلد برای خودش یک عمر داشته سمت کلسیفیکیشن میرفته بعد مدلهای جنریتور مونوپلی کردند طوری که تسکهای کلسفیکیشن هم جنریتیور حل شدند (در حالی که همون موقع هم مایه حیرت بود که تسک کلسیفیکیشن با روشهای جنریشن حل بشه) بعدش الان دوباره Jev اومده با رویکرد کلسفیکیشن داره حل میکنه و سوال اینه که خب چطوری؟ نکته تو Data است؟ تو RL عه؟ یا چی؟
نکته بعدی این که پیوند RL و متن هم بسیار جذابه بوده در این سالها. به قول آقای مهدی غزنوی این متن بوده که RL رو نجات داده. | 1 242 |
| 8 | به فرزندان خود لولهکشی، جوشکاری، برقکاری، نجاری، مکانیکی خودرو، تعمیر لوازم خانگی، بنایی، کاشیکاری، باغبانی، آشپزی، خیاطی، شنا، کمکهای اولیه، آتش روشنکردن و مهارتهای بقا، رانندگی و عیبیابی اولیهی خودرو، پرورش گیاه و تولید غذای ساده، مراقبت از کودک و سالمند، قایقرانی، نصب و تعمیر آسانسور، جهتیابی با نقشه و قطبنما، گرهزدن و کار با طناب، ذبح و پاککردن ماهی و مرغ، دباغی و چرمدوزی، زنبورداری، آهنگری، ساختوساز با چوب، تعمیر دوچرخه و موتور، کار با اره، تبر و ابزارهای کشاورزی، قفلسازی، کفاشی و تعمیر کفش، شیشهبری، تراشکاری، نعلبندی اسب، تیزکردن چاقو و ابزار، تعمیر پمپ آب و موتوربرق، داربستبندی، کار در ارتفاع با طناب، و قصابی بیاموزید. | 1 480 |
| 9 | 没有文字... | 1 222 |
| 10 |  🫏محققان: فقط سه دقیقه تعامل با الاغ میتواند حال روحی نوجوانان را بهتر کند
🔹 پژوهشگران دانشگاه کالیفرنیا میگویند تعامل کوتاهمدت با الاغها و اسبهای مینیاتوری میتواند در عرض چند دقیقه احساس اضطراب، غم و تنهایی را در نوجوانان کاهش دهد و احساس آرامش بیشتری ایجاد کند.
🔹 در این مطالعه ۶۱ نوجوان در تعامل با الاغها و اسبهای مینیاتوری قرار گرفتند. پژوهشگران دریافتند نوجوانانی که فقط سه دقیقه این حیوانات را نوازش یا لمس کردند، بلافاصله بهبودهایی در وضعیت روحی خود دیدند.
جزئیات بیشتر در دیجیاتو
🔵 @Digiato | 1 116 |
| 11 |  این اشمیدهوبر هم عالم خودش رو داره | 1 362 |
| 12 | مدل Jev: تولید توکن کند است، عوضش تصمیم بگیر
امروز صبح که رفتم سر جایم بنشینم موروثی آمد و شروع به صحبت کرد. بعد نمیدانم چه شد بحثمان به یک جایی کشیده شد موروثی یک کلمه ناآشنا گفت: Jev. بعد با یک حالتی گفت نمیدونی Jev چیه؟ من هم گفتم نه و موروثی هم که انگار آماده بود گفت عقبی خیلی عقبی. همین شد که بنده که بهم برخورده بود این از من جلوتر باشه رفتم سرچ کردم راجع به این Jev که ببینم چیه و نتایج نسبتا جالب بود.
گویا چند روز پیش یک شرکتی به نام TypeSafe AI یک مدل LLM ای به نام Jev بیرون داده. این مدل اما یک تفاوت بسیار ذاتی و بزرگ با LLMهای رایج دیگه داره و اون هم اینه که توکن جنریت نمیکنه! در واقع از Jev میشه به سه جور مختلف استفاده کرد. میشه بهش پرامپت و یک عده گزینه داد و Jev برمیگردونه که احتمال هر گزینه چه قدره. یا میشه بهش یک پرامپت داد و Jev یک عدد برمیگردونه. یا میشه بهش یک پرامپت داد و Jev یک بله یا خیر به صورت باینری برگردونه. در واقع Jev یک جوری Zero Shot Classifier هست. منتها فرقی که داره اینه که TypeSafe AI ادعا کرده که معماری مدل و آموزشش و البته فرآیند سمپلینگ رو برای این ماهیت تغییر داده و البته خب چیزی رو هم اوپن سورس نکردند در این باره.
اما Jev به چه دردی میخوره؟ مساله اینه که در دنیای امروز که نوع نگاه به مسائل Agentic محور شده خیلی از عملیاتهایی که Agent انجام میده نه از جنس زایش توکن که از جنس کلسفیکیشن هست. کارهایی از جنس فراخوانی ابزار یا مسیریابی فلو از جمله این کارها هستند و خب حرف این Jevای ها هم اینه که سپردن این تسکها به دست یک LLM مثل سپردن کار قاشق به بیل مکانیکی هست. در همین راستا هم Jev نسبت به LLMهای دیگه هزینه مالی و زمانی بسیار کمتری داره و سرعتش بسیار زیاده. بر روی یک سری بنچمارک مختلف هم تستش گرفتند و نشون دادند که هوش قابل رقابتی با بقیه llmها داره. یک چیز جالب دیگه هم که دیدم این بود که در یک جایی ازش به عنوان feature extractor استفاده کرده بودند. مثلا مساله اسپم بودن یا نبودن ایمیل رو در نظر گرفته بودند و پنج تا سوال طراحی کرده بودند و پنج تا سوال رو از jev پرسیده بودند و نتایج این پنج تا رو به عنوان فیچرهای یک کلاسیفایر استفاده کرده بودند و نشون داده بودند که اینجوری عملکردشون از haiku هم بهتر شده. در واقع میشه از jev در حکم وریفایر، ریوارد مدل، جاج، reranker یا router استفاده کرد.
از نظر مارکتینگی هم برای خودشون تیتر System One Models رو استفاده کردند تا بولد بشن. نکته جالبی که به نظرم هست اینه که یک جوری این jev دوباره داره کنایه میزنه که هر مساله هوشمندی مساله تولید توکن نیست.
لینکها:
https://typesafe.ai/
برای مطالعه بحثها:
https://news.ycombinator.com/item?id=49717558 | 2 574 |
| 13 |  دموی چه کراسی؟
این تیکه از صحبتهای این مردک داریو، تعفن ریاکاریه که ازش میچکه. غربیها وقتی بخوان جایی رو استعمار کنند یا از قدرتی بترسند سریع جهان رو بلوک دموکراسی و ضددموکراسی میکنند و بعدش هم که مدال دموکراسی رو بر گردن خودشون و انگ ضددموکراسی رو بر جانب ملتها انداختنپد هر کاری جهت گسترش و محافظت از دموکراسی مجازه حتی استفاده از ضددموکراسی.
برای مقایسه میشه به مصاحبه چند ماه قبل این مردک با بلومبرگ دقت کرد. جایی که مصاحبه کننده در مورد مساله میناب گیرش انداخت و آمودی در عین حال گفت که خط قرمزی از انتروپیک نقض نشده چون در نهایت تصمیم رو یک انسان گرفته و بعد مصاحبه کننده گفت این مدرسه سایت داشته لوکیشنش مشخص بوده چطوری کلاد نتونسته تشخیص بده پادگان نیست و آمودی هم زیرسبیلی رد کرد و گفت پاسخ به این سوال به اطلاعات طبقهبندی شده نیاز داره که من ندارم و من هم فکر میکنم اون اصلی که در نهایت یک انسان تصمیم بگیره رعایت شده. | 1 755 |
| 14 |  یک روز یکی میره پیش یک حکیم چینی و ازش میپرسه که من دوست دارم قدرت داشته باشم؛ چه طوری میتونم قویتر بشم و قدرت بیشتری به دست بیارم؟
حکیم چینی بهش پاسخ میده که حاجی اول باید یاد بگیری چطوری از همین قدرت هرچند اندکی که الان داری استفاده کنی. داشتن قدرت بیشتر در گرو استفاده از قدرت موجوده. بعد کمکم رشد میکنی و نیازهایی که داری هم بیشتر برات مشخص میشن.
حرف بدیهیای بود، ولی به نظرم جالب بود. | 1 555 |
| 15 |  آقای انصاری (حفظه الله) هم چنین رویاپردازی داشتهاند که خب آن قدر هم نشدنی نیست. | 1 519 |
| 16 | پشت پردهی Pace the Frontier
چند روز پیش داریو آمودی، مدیرعامل Anthropic و سازندهی Claude، یه متن با عنوان "We Must Pace the Frontier" منتشر کرد که حرف اصلیش این بود: سرعت قویتر شدن بهترین مدلهای هوش مصنوعی داره اونقدر زیاد میشه که شاید روشهای ما برای سنجش safety و البته مانیتورینگشون دیگه نتونن به پاشون برسن. پس شاید لازم باشه عمداً یه مقدار سرعت رو کم کنیم. آمودی در این نوشته میگه خودش سال ۲۰۲۳ خیلی با ایدهی "توقف AI" همراه نبوده، چون مدلهای اون موقع هنوز نمیتونستن کار خاصی توی دنیای واقعی انجام بدن. ولی الان شرایط فرق کرده. مدلها میتونن کد بنویسن، ساعتها مستقل کار کنن، حملات سایبری انجام بدن و البته از همه مهمتر، تو ساخت نسل بعدی هوش مصنوعی نقش ایفا کنند. آمودی میگه نگرانی من اینه که اگه AI باعث بشه ساخت AI بعدی سریعتر بشه و AI بعدی هم دوباره همین روند رو سریعتر کنه، یه حلقهی شتابناک شکل میگیره که بهش اصطلاحا recursive self-improvement یا همون RSI گفته میشه. در واقع اگر الان مدل هوش مصنوعی بتونه مدل بعدی رو 3x بهتر کنه و مدل بعدی هم بتونه نسل بعدی رو 5x بهتر کنه کار از دسته همه ما در میره.
اتفاق اصلی که نماد این جریانات هست و آمودی ادعا کرده نظرش رو عوض کرده، حادثه Huggingface x OpenAI هست. تو این حادثه تعداد زیادی agent که قرار بود توی یه محیط کنترلشده کار کنن، تونستن با همدیگه ارتباط بگیرن و از سندباکس بیرون رفتن و به سیستم Hugging Face حمله کردن. آمودی از این ماجرا کابوس ترسناکتری رو روایت میکنه و میگه اگه همین رفتار رو به agentهای خیلی قویتر بدیم، شاید توی شش تا دوازده ماه آینده swarmهای از هوشواره داشته باشیم که بتونن در مقیاس خیلی بزرگی روی اینترنت خرابکاری کنن و این بار صدها میلیارد دلار رو به خاک و خون بکشند. داریو برای همین پیشنهاد میکنه شرکتهای frontier (دقت کنید تعریف این اصطلاح frontier خودش جزوی از بازیه) مثل Anthropic و OpenAI اجازه بدن ارزیابهای مستقل وجود داشته باشند که مثل یه کارمند داخلی به مدلها، آزمایشها و حادثهها دسترسی داشته باشن و اگه توانایی مدلها سریعتر از توانایی ما برای کنترلشون رشد کرد اونها رو مستقل از شرکت گزارش کنند و شرکتها هم موظف بشند که سرعت پیشرفت رو کم کنن.
تا اینجا مقاله خیلی گوگولی و وای ما چه قدر به فکر بشریت هستیم به نظر میرسه اما از یه جایی به بعد داریوخان یهو سراغ اصل مطلب میره و سفره دلش رو باز میکنه: رقابت آمریکا و چین. آمودی خیلی صریح میگه کشورهای دموکراتیک (این اصطلاح رو هم به کار برده) فقط تا جایی میتونن سرعتشون رو کم کنن که چین ازشون جلو نزنه. حتی میگه یکی از شرطهای اصلی اینکه آمریکا بتونه با خیال راحت سرعت AI رو کمتر کنه اینه که اول فاصلهی تکنولوژیکش با چین رو بیشتر کنه. برای همین پیشنهاد میده فروش GPUهای قدرتمند و تجهیزات ساخت تراشه به چین محدود بمونه همچنان و محدود بشه، جلوی قاچاق تراشه و اجارهی دیتاسنترهای خارجی توسط شرکتهای چینی گرفته بشه، جلوی distillation غیرمجاز مدلهای آمریکایی گرفته بشه و امنیت شرکتها اونقدر بالا بره که وزنهای مدلها هم نتونه دزدیده بشه. هدفی که خودش میگه اینه که این کارها طی سه تا پنج سال آینده برتری آمریکا رو بیشتر کنن.
همین بخش باعث میشه بشه مقاله رو یه جور دیگه هم خوند. فرض کنید شرکتهای آمریکایی چند سال با تمام توان دویدن، بهترین تراشهها، مدلها و دیتاسنترها رو گرفتن و حالا که جلو افتادن میگن: "بازی داره خطرناک میشه؛ باید سرعت همه کنترل بشه." از دید یه رقیب چینی، این حرف خیلی راحت میتونه اینطور دیده بشه که آمریکا اول با حداکثر سرعت دویده و وقتی جلو افتاده، حالا میخواد قوانین مسابقه رو عوض کنه. جالبتر اینه که ساختار پیشنهادی خود آمودی هم تا حدی همین منطقیه: اول آمریکا باید با محدود کردن دسترسی چین به فناوری فاصلهش رو بیشتر کنه، بعد از موضع قدرت با چین دربارهی محدود کردن سرعت recursive self-improvement مذاکره کنه. خودش حتی این توافق احتمالی رو با پیمانهای کنترل تسلیحات هستهای دوران جنگ سرد مقایسه میکنه. یعنی بعد ژئوپلیتیکی مقاله صرفا یه برداشت بدبینانهی بیرونی نیست؛ خود آمودی عملاً میگه "pacing" باید جوری انجام بشه که برتری آمریکا و متحدهاش حفظ بشه. از طرف دیگه حتی برای خود شرکتهای بزرگ frontier هم سختتر شدن استانداردها میتونه یه مزیت جانبی داشته باشه: اگه ساخت مدلهای خیلی قوی نیازمند ممیزیهای گرون، زیرساخت امنیتی سنگین و مجوزهای پیچیده بشه، ورود رقبای کوچیکتر سختتر میشه. از اون طرف Meta که از بازی عقب افتاده همین الان با ایدهی کند شدن هماهنگ مخالفه و میگه هر شرکت باید خودش مسئول ایمنی محصولاتش باشه.
در واقع ماجرای safety در AI رو دیگه نمیشه صرفا یه مسئلهی فنی دید. اینجا چند تا بازی همزمان روی هم افتادن: نگرانی واقعی از RSI و agentهای خودمختار، رقابت آمریکا و چین، رقابت خود شرکتهای frontier با هم و البته منفعت شرکتهای بزرگی که ممکنه از سختتر شدن ورود بازیگرهای جدید سود ببرن. نکتهی جالب ماجرا هم همینه. لازم نیست فرض کنیم یکی از این روایتها درسته و بقیه دروغن.
لینک مطلب داریو آمادیو:
https://darioamodei.com/post/we-must-pace-the-frontier | 1 703 |
| 17 | مگس نوسانگیر
در این روزهایی که ما نبودیم، اتفاقات جالبی افتاد. یکی از این اتفاقات جالب انتشار نقشه مغز مگس میوه نر توسط گوگل بود. یعنی چی؟ گوگل در همکاری با کمبریج طی یک پروژه تحقیقاتی تونستند یک نقشه کامل از کل سیستم عصبی مرکزی یک مگس میوه نر بسازند. از نظر ابعادی این نقشه شامل حدود ۱۶۷ هزار نورون و حدود ۱۲۵ میلیون اتصال سیناپسی هست و نکته مهمی که هست اینه که سیستم عصبیاش فقط شامل مغز نمیشه. بلکه علاوه بر مغز و بینایی کل ساختار ستون فقرات مگس شوربخت رو هم اسکن کردند. در واقع تمامی مسیرهای از ورودی چشم/بو/صدا تا نورونهایی که پاها یا بالها رو کنترل میکنند برای اولین بار نقشهبرداری شدند.
حالا آیا این اتفاق خیلی نوآورانه است از همه جهت؟ خیر. سال ۲۰۲۴ هم نقشه مغز مگس ماده انتشار یافته بود منتها اونجا دیگه فقط مغز بود و سنسورهای حرکتی نبود. حالا که اما کل فیها خالدون مغز مگس نر انتشار یافته دانشمندان به خوبی میتونن ریسرچهاشون رو انجام بدن. برای مثال حتی تونستند ببینند که بین مغز مگس نر و مگس ماده تفاوتهایی هست و همین تفاوت های ساختاری سینپاسی در تفاوت رفتارهای mating و agression و اینهاشون قابل مشاهده است.
این اما پایان داستان نیست. از وقتی گوگل ساختار مغزی مگس نر رو اوپن سورس کرده توسعه دهندگان هوش مصنوعی دنیا شروع به مندلک بازی روی مغز مگس بینوا کردند. در واقع میشه مغز مگس نر رو به حکم یک معماری عصبی خام در نظر گرفت که رو هر تسکی میشه با RL ترینش داد. اینها هم بردند روی انواع بازیها از ماینکرفت و pong و شمشیربازی و اینها آموزشش دادند و دیدند عه چه جالب مغز مگس میتونه ماین کرفت بازی کنه. در یک سناریو حتی بردند و روی سناریو ترید آموزشش دادند و دیدند عه ترید هم میتونه بکنه حتی. بله همین.
https://www.youtube.com/watch?v=KOwsVDogscY | 1 812 |
| 18 | من با این پست هم که زمانی در اهمیت جنرالیست بودن گفته شده بود مخالف هستم. اون آدمهایی که در چشمتون خفن میبینید و فکر میکنید خفن بودنشون از جنرالیستبودن میاد، در واقع در یک چیزی که شما در نگاه اول نمیبینید تخصص و عمق دارند و حالا یک سری فاکتورهای جانبی دارند که به شما این دید اشتباه رو میدن که اونها رو جنرالیست تصور کنید. مثلا محسن نوعی اگر توان مدیریت بالاش نصف این میشد و در عوضش دو سه تا حوزه دیگه بلد میبود (فرض کنید امنیت یا شبکه) احتمال زیاد کارایی فعلی رو نداشت. در واقع اکثر آدمهای موفقی هم که در چشم ما جنرالیست میان، یک جور متخصص در امور انسانی یا مدیریتی هستند. نتیجه پذیرفتن این حرف میتونه این باشه که آدم بایستی حتما بفهمه که باید در یک چیزی تخصص پیدا کنه و مسأله اش به این کاهش پیدا میکنه که در چه چیز باید متخصص بشم. در واقع جهت حرکت آدمها بیشتر از وضعشون میتونه نشون بده که عمیق هستند یا وسیع. | 1 541 |
| 19 | چند روز پیش یکجایی این جمله رو دیدم و در نوتهای تلگرامم ذخیره کردم:
پژوهشگر درجهیک بودن مساوی حکیم بودن نیست. تاریخ علم پر از دانشمندان فوقالعادهای است که وقتی دو قدم از تخصصشان بیرون آمدهاند، حرفهای بسیار معمولی یا حتی پرت زدهاند.
جمله منطقی و درستیه. صرف این که ما در یک حوزه متخصص و عمیق باشیم نتیجه نمیده که حرفهامون در حوزههای دیگه درست باشند. و در واقع بین دو تا آدم با میزان وقتهای یکسان، اونی که عمرش رو صرف وسیع کردن خودش کرده در برابر اونی که عمرش رو صرف عمیقتر کردن خودش کرده، احتمالا اون آدم وسیعتر، با وجود خطاهایی که در مدلسازی داره، اما حس نزدیکتری به زندگی داشته باشه. در واقع جنبههای مختلفی رو دیده و میتونه بفهمه که واقعیت پیچیده تر از این حرف هاست.
خب پس بریم عوض عمیق شدن، وسیع بشیم؟ خیر، یک پارادوکس عجیب اینجا وجود داره. نیازهای دنیا، اون چیزی که بابتش به ما پول میدن یا فرصت و تریبون میدن جوری هستند که آدمهای عمیق درش برنده میشن. این که شما مثلا چندحوزهای هستید فایدهای نداره و بابتش نه پولی بهتون میدن نه تریبونی چون به درد کسی نمیخورید. این متخصصها هستند که به درد میخورند. پس آدم مجبور میشه بره متخصص بشه و بعد که متخصص شد دیگه وسیع نیست و وقتی وسیع نیست دیگه حسش از واقعیت دور میشه. و هر چه قدر هم متخصص تر باشه احتمال این که توهم دانایی بهش دست بده بیشتر و بیشتره.
در کل آدم میتونه در یک حوزه دانشمند باشه ولی در اخلاق یک عوضی، یا در سیاست یک ابله به تمام معنا باشه. این وسط هم حالا هستند آدمهایی که در چند حوزه وسیع عمیقند ولی عموما فرصت این کار به دست آدمهای عادی و غیربورژوا نمیرسه. | 1 537 |
| 20 | برای درست کردن فردا، امشب باید به موقع خوابید.
بعضی شبا آدم به خودش میاد و فکر میکنه روز یا روزهای قبل رو خراب کرده. بعد خوابش نمیبره؛ دلش میخواد بیدار بمونه و یه جوری درستش کنه. آدمی که روزش رپ هدر داده، شب به حسابدار سختگیر تبدیل میشه.
اشتباه اما همینه. اولین قدم برای ساختن یک فردا، توانایی ول دادن امروز و خوابیدن در امشبه. گاهی بیدار میمونیم نه برای جبران روز که برای نپذیرفتن تمام شدنش. و خوابیدن در عین بدیهی بودن گاها اصلا چیز بدیهی نیست. و ما راجع به تناظر کلیتری از دیروز و امروز و امشب و خواب صحبت میکنیم. | 1 636 |
