Sadra Codes

اندر احوالات Jev: ❇️ @lnxpylnxpy

Telegram ads core: ❇️ @lnxpylnxpy

بازار AI اینقدر سریع تغییر می‌کنه که چیزی که امروز hotه، ممکنه چند ماه دیگه کاملا اشباع شده باشه. پس صرفاً AI-based بودن یا استفاده از جدیدترین مدل، دیگه مزیت محسوب نمی‌شه. باید واقعا چیزی ارائه بدی که سخت بشه کپیش کرد. ❇️ @lnxpylnxpy

دیروز روز برنامه‌نویس بود مثیکه. منم این روز رو به تمامی ایجنت‌های عزیز Codex, Gemini, Claude و خانواده گرامیشون تبریک می‌گم. :) ❇️ @lnxpylnxpy

2025: امیدوارم یه روز AI بتونه درمانگر بیماری‌های صعب‌العلاج باشه.. 2026: یکی اومده با کمک AI، نروسیستم پشه رو شبیه‌سازی کرده و متوجه شده که پشه این قابلیت رو داره که بدون نقص روبیک حل کنه یا Beat Saber بازی کنه. همون بازی VR که طبق بیت موزیک بلاک‌هایی که میاد سمتت رو هدف قرار میدی. 🫠 ❇ @lnxpylnxpy

❇ @lnxpylnxpy

قراره در 2026 فیلم سینمایی Artificial در ژانر درام بیوگرافی اکران بشه با بازی اندرو گارفلید در نقش Sam Altman‌ (مدیرعامل OpenAI). ❇ @lnxpylnxpy

در هر مقیاسی، اگه می‌بینید نمیشه، جواب نمیده یا نمی‌تونید، احتمال خیلی زیاد مشکل از محیطه. سعی کنید تغییرش بدید چون هرچقدر سعی کنید با محیط کنار بیاید، باز یه مکانیزم معکوس توی ذهنتون وجود داره که سعی می‌کنه با مقایسه‌کردن فکرتون رو درگیر مسائل حاشیه‌ای کنه تا اصل داستان. محیط می‌تونه شامل کشور، شهر، خونه یا حتی اتاق کارتون بشه. ❇️ @lnxpylnxpy

حالا خوبه.. 😐 ❇️ @lnxpylnxpy

داکر ایمیج ویندوز! (می‌تونید دسکتاپ GUI هم ازش بگیرید) 👉 https://github.com/dockur/windows ❇️ @lnxpylnxpy

زهرمار. 😂 ❇️ @lnxpylnxpy

هموطن در ایونت اپل. خانم مریم عظیمی. 💪 امیدوارم شرایط جوری بشه که بتونیم تمام این سرمایه‌ها رو برگردونیم به کشور.. ❇️ @lnxpylnxpy

بنظرم وقتشه یه یادی کنیم از این شاهکار. 😁 ❇️ @lnxpylnxpy

یه سوال دارم از شما: اگر یک سیستم AI با brute-force محاسباتی به یه اثبات واسه یه مسئله ریاضی برسه (کاری که ظاهرا openai انجام داده)، اونوقت تکلیف چیه؟ روش معمول اینه که یک ریاضیدان با درک مسئله، یک ایده‌ی جدید پیدا می‌کنه و همون مسیر رو عمیقاً دنبال می‌کنه تا نتیجتا به یک اثبات صحیح برسه. ولی در Brute Force محاسباتی میگی: بیایم به ۱۰ هزارتا ریاضی‌دان (Agent) نفری یه قلم و کاغذ بدیم؛ هرکدوم یک مسیر متفاوت رو امتحان کنن. هر ریاضی‌دان که به بن‌بست خورد سالن رو ترک کنه و مسیرهای امیدوارکننده ادامه پیدا کنن. (آزمون و خطا) البته این مثال ساده‌شده‌ست. در مسائل ریاضی واقعی، فضای جست‌وجو بسیار پیچیده‌تر از اینه. ❇️ @lnxpylnxpy

ماجرای حل Navier–Stokes یه لایه‌ی جنجالی دیگه هم پیدا کرده. باک‌مستر (Tristan Buckmaster) ریاضیدانی که همراه Levent Alpöge روی یک مسیر مرتبط با مسئله کار می‌کردن، روایت متفاوتی منتشر کرده. طبق ادعای اون‌ها، بعد از اینکه OpenAI از پیشرفت‌شون باخبر شده، تیمی داخل OpenAI خیلی سریع روی مسیر مشابه‌ای کار کرده و در نهایت مدعی شده مدل داخلی‌شون به یک اثبات حدوداً ۱۰۰ صفحه‌ای رسیده. قسمت جنجالی‌تر ماجرا اینه که Buckmaster میگه بعضی از اطلاعاتی که در اختیار OpenAI گذاشته بودن، در Codex و به‌صورت خصوصی استفاده شده بود و هنوز مشخص نیست آیا این داده‌ها در آموزش مدل تأثیری داشته یا نه. OpenAI میگه هیچ‌کس از کار خصوصی اون‌ها برای حل مسئله استفاده نکرده و اثبات‌ها هم تفاوت‌های اساسی دارن؛ با این حال خودشون گفته‌اند نمی‌تونن احتمال تأثیر داده‌های ناشناس‌شده‌ی استفاده از محصولات‌شون روی مدل رو به‌طور کامل رد کنن. به نظرم فارغ از اینکه در نهایت حق با کدوم طرف باشه، این ماجرا یه سؤال خیلی مهم ایجاد می‌کنه: وقتی AI وارد فرآیند کشف علمی میشه، مرز بین «الهام گرفتن»، «یادگیری از داده» و «دزدیدن مسیر تحقیق» دقیقاً کجاست؟ ❇️ @lnxpylnxpy

🚨 یک پژوهشگر Anthropic استعفا داد؛ چون معتقده که AI داره خطرناک میشه. جیکوب کاکسان (Jacob Coxon) که طی سه سال گذشته روی مدل‌ها در OpenAI و Anthropic کار کرده، امروز اعلام کرد از Anthropic استعفا داده. دلیلش؟ به گفته‌ی خودش، این شرکت‌ها دارن با سرعت زیادی به سمت هوش مصنوعی خودبهبوددهنده و ابرهوش حرکت می‌کنن، در حالی که هنوز نمی‌دونیم چطور باید چنین سیستم‌هایی رو کنترل کنیم. جیکوب میگه مشکل فقط OpenAI نیست؛ حتی Anthropic که بیشتر از بقیه روی ایمنی AI تأکید داره، به خاطر رقابت موجود احساس می‌کنه باید هرچه سریع‌تر به این نقطه برسه و ایمنی داره کمرنگ و کمرنگ‌تر میشه. مهم‌ترین صحبتش اینه که می‌گه: “افرادی که دارن AI رو می‌سازن، واقعاً باور دارن که ممکنه تا پایان این دهه ما رو از بین ببره.” و با این حال، توسعه همچنان ادامه داره. به نظرم این استعفا از این جهت مهمه که این بار هشدار از طرف کسیه که داخل همین آزمایشگاه‌ها کار کرده، نه صرفا یک منتقد بیرونی. ❇️ @lnxpylnxpy

یک خبر واقعاً عجیب: اوپن ای آی ادعا کرده که یه مجموعه از Agentها تونستن مسئله‌ی هزاره‌ی ناویر–استوکس (Navier–Stokes) رو حل کنن؛ یکی از عمیق‌ترین مسائل حل‌نشده‌ی ریاضیات که حدود ۹۰ ساله پابرجاست. جالب‌تر اینکه این اثبات توسط چند Agent و با استفاده از یک مدل نسل بعدی OpenAI تولید شده که طبق ادعا، حتی از GPT-6 Astra هم قدرتمندتره. مسئله در اصل درباره‌ی اینه که آیا معادلات ناویر–استوکس، که برای توصیف حرکت سیالات در سه‌بعد استفاده می‌شن، همیشه جواب‌های smooth و قابل‌پیش‌بینی دارن یا ممکنه در شرایطی به اصطلاح blow up کنن و رفتار معادلات از کنترل خارج بشه. البته تولید اثبات توسط AI با تایید شدنش توسط جامعه ریاضی فرق داره. اگر این اثبات واقعاً درست و قابل تایید باشه، به نظرم یکی از مهم‌ترین نمونه‌های استفاده از Agentها برای حل مسائل بنیادی علم خواهد بود. ایجنت‌ها دیگه فقط کد ‌نمی‌نویسن؛ دارن وارد جایی می‌شن که حتی تعریف مرزهای توانایی حل مسئله رو هم دارن تغییر می‌دن. ❇️ @lnxpylnxpy

اومدن gpt 6 رو روی (https://neal.fun/not-a-robot) که پر از کپچاهای مختلفه اجرا کردن و تونسته ۴۸ تا کپچا رو از ساده تا سخت حل کنه! بنظرم وقتشه re-re-captha رو تولید کنن! 😁 ❇️ @lnxpylnxpy

چیزی که برای من جالبه اینه که 3.15 بیشتر از اینکه صرفا یه سری فیچر جدید اضافه کرده باشه، داره روی startup، performance، profiling و اجرای همزمان تمرکز می‌کنه. با توجه به کامپایلر scriptc که چند وقت پیش ورسل طراحی کرد و پتانسیل تایپ‌اسکریپت و Go واسه استفاده در CLI، به نظرم مسیر Python داره خیلی جدی‌تر به سمت این میره که برای پروژه‌های بزرگ و production، از نظر اجرای کد نسبت به ابزارهای اطرافش قدرتمندتر بشه. ❇️ @lnxpylnxpy