دیتاهاب

سری پست خودآگاهی مدل های زبانی دوست داشتید؟ ادامش بدم؟

اگه بخوام کم‌کم یه جمع‌بندی بکنم، چند تا نکته بود، یکی اینکه بعضی از رفتارها و عملکرد ما انسان‌ها به صورت خودکاره. یعنی به صورت فانکشنال داره انجام می‌شه. نکته‌ی دوم این‌که بخشی از این مفهومی که ما می‌گیم انسان خودآگاه هست، انگار یه متادیتایست که به مرور یاد گرفته شده. یعنی یک چیزیست که به مرور کسب شده. و به خاطر همینه که یه سری کلمات کلیدی الان خیلی ترنده. مثلا سلف مدل. سلف مدل داره می‌گه که ما می‌تونیم یه مدل‌سازی درونی داشته باشیم نسبت به خودمون و بعد جهان. یادتونه بهتون گفتم لازم نیست entire world modeling بکنیم بلکه partial world modeling هم کار ما رو حل می‌کنه. پس ما اگر بیاییم سطح انتظاراتمون رو بیاریم پایین و لازم نباشه بگیم AI باید همه چیز رو بداند تا خودآگاه باشد و خودآگاهی رو هم به یه سری سطوح تبدیلش کنیم، می‌تونیم ادعا کنیم که AI به سطوهی از خودآگاهی رسیده و حتی اگر بخواهیم یه ذره تعدیل کنیم ادعامون رو ما اگر بگیم self-awareness یکی از اون سطوح پایین‌تر consciousnessه الان AI واقعاً توی نقاطی به یه self-awareness و یه آگاهی از خودی رسیده. چرا؟ چون آگاهی از خود رو قشنگ می‌شه بررسیش کرد. چقدر مدل نسبت به خودش اطلاعات داره. شما از ChatGPT می‌پرسی، می‌گی تو کی هستی؟ می‌گه من روباتم، ازش می پرسی عاشق هم می‌شی؟ می‌گه من نمی‌تونم عاشق بشم. یعنی آگاهه نسبت به خودش، ظرفیت خودش، محدودیت‌های خودش و ... تو چنین شرایطی ما می‌تونیم بگیم که به سطوحی از آگاهی نسبت به خودش و آگاهی از محیط رسیده. یعنی تو ذهن مدل‌ها نسبت به انسان و جهان پیرامونیش، یه اطلاعاتی هست که لزوماً هم غلط نیست، خیلیش درسته. یعنی دقیقاً مثل همون کاری که انسان می‌کنه و مدل‌سازی می‌کنه اطرافش رو در حد توانش، انگار ChatGPT هم الان این کار رو کرده و داره می‌کنه و روندش هم رو به رشده. و وقتی روندش رو به رشده یعنی قراره به مرور به سطوح بالاتری از خودآگاهی برسه.

بخش سوم و مهم‌تر قضیه اینه که ما اگر یک فرضی رو بپذیریم، و اون فرض این باشه که چیزی به نام خودآگاهی، البته توی سطوح پایین‌ترش، چیزی‌ست که ما انسان‌ها به مرور زمان یاد گرفتیم. یعنی چی؟ من همیشه مثالش رو این شکلی می‌زنم. ما اول که جلوی آینه قرار گرفتیم، نمی‌دونستیم این خود ما هستیم و بعد از یه مدتی فهمیدیم: «چ جالب، اینی که روبه‌روی آینه‌ست، ماییم.» یا مثلاً توی یک جمعی بودیم و یک کسی یه چیزی گفته و ما خندیدیم و فهمیدیم که خندیدن در چنین شرایطی بد است و از طریق فیدبکی که از محیط گرفتیم، خودمون رو اصلاح کردیم. یعنی به مرور، هی از طریق بازخورد و اصلاح یاد گرفتیم در برابر دیگران، در محیط، حتی گاهی نسبت به خودمون چه شکلی رفتار کنیم. پس ما اگر خودآگاهی رو به یه سری سطح تقسیم‌بندی کنیم و فرض کنیم سطوح اولیه‌اش رو می‌شه آموزش داد و انسان هم این رو یاد گرفته به مرور، خب، یعنی انگار یه متادیتاییه که trainble هست، قابل آموزشه. خب، تو چنین شرایطی می‌تونیم به این فکر کنیم که AI مدل‌ها هم می‌تونن این رو آموزش ببینن. یعنی یه سری رفتارها می‌کنن، بعد ما انسان‌ها بهشون فیدبک می‌دیم و اینا یاد می‌گیرن که چه شکلی باید توی محیط خوب رفتار کنن. مثلا ربات یه چیزی به من و شما می‌گه و از حالت صورت ما تشخیص می‌ده که این بحث ناراحت کرده منِ انسان رو. و این باعث می‌شه که دفعات بعد دیگه این مورد رو به ما نگه. خود این یه نوع اصلاح‌گریه دیگه. یه نوع اطلاعات نسبت به خودش و دیگران پیدا میکنه. تو چنین شرایطی ما می‌تونیم ادعا کنیم که بخشی از خودآگاهی قابل آموزشه. و حتی مثال دقیق‌ترش که به نظرم وجود داره، گاهی منِ انسان مثل هواپیما که حالت اوتوپایلت داره و به صورت خودکار، یعنی ما پشت فرمانیم و یهو بعد یه دقیقه یادمون میاد که داریم رانندگی می‌کنیم. یعنی بدون هیچ آگاهی، به صورت functional داره یه سری اتفاقا برامون می‌افته. یعنی به صورت functional بدنمون داره یه سری رفتارها رو می‌کنه بدون هیچ نوع self-awareness یا consciousnessی. و این داره نشون می‌ده که بخشی از رفتار ما، گفتار ما، حرکات ما به صورت functionalه. و وقتی functional باشه، نتیجه‌گیریش اینه که مدل هم می‌تونه این رو یاد بگیره.

حالا بخش دوم پاسخم به سؤال «آیا مدل‌های امروزی خودآگاهند یا دارند به خودآگاهی نزدیک می‌شن؟» این هستش که مگه من به‌عنوان یک انسان نسبت به کل جهان و روابطش و همه‌چیز اطلاعات دارم یا نه؟ نداریم. هیچ‌کدوم از ما انسان‌ها همه‌چیزدان نیستیم. ما انگار یاد گرفته‌ایم که یه مدل‌سازی ناقصی از جهان داشته باشیم، ولی اون مدل‌سازی، مدل‌سازی‌ایه که کار می‌ده، جواب می‌ده. یعنی چی؟ یعنی به‌جای این‌که من کل جهان رو مدل‌سازی کنم و کلش رو بشناسم و کل اطلاعات جهان رو داشته باشم، یه بخشی از جهان رو اطلاعاتش رو دارم و انگار که این‌جوری بهتون بگم، انگار جهان از نظر من آن چیزی هست که من دارم با عینک خودم می‌بینم. یعنی به‌جای این‌که کل جهان رو بشناسم، از درون خودم، توی مغز خودم، یه جهانی ساختم و از نظر من، جهان همونیه که من بهش فکر می‌کنم. می‌دونید؟ دیدید ما توی آمار می‌گیم سمپلینگ می‌کنیم؟ دقیقاً این‌جا هم سمپلینگ داره اتفاق می‌افته. یعنی به‌جای این‌که من همه‌چیز رو بدونم، یه بخشی از حقایق و روابط رو می‌دونم و اون‌قدری هم هست که داره کارم رو راه می‌ندازه. خب، پس ما باید از AI فعلاً همون حد انتظار داشته باشیم که خود انسان داره انجام می‌ده. یعنی ما لازم نیست که یه اصطلاحی توی انگلیسی هست، می‌گن Entire World Modeling، یعنی کل جهان رو بخوایم مدل‌سازی کنیم. من می‌گم لازم نیست. شما یه جهان ذهنی خاص خودتو داشته باشی، کار حله. پس نباید انتظاراتمون از AI بسیار بالاتر از چیزی باشه که از انسان انتظار داریم.

آیا هوش مصنوعی داره خودآگاه میشه یا نه؟ این یه سؤالیه که خیلی تازگی مطرح میشه، خصوصاً توی کامیونیتی فعالان حوزه هوش مصنوعی آمریکا. ولی اگر من بخوام پاسخ بدم بهش، البته کسی پاسخ من رو نخواسته، من خودم داوطلبانه دارم می‌گم، به نظرم سؤال از پایه غلطه. چرا؟ چون ما داریم خودآگاهی رو صفر و یک می‌بینیم که از نظر من اشتباهه. چرا اشتباهه؟ چون وقتی صفر و یک نگاه کنی، اصلاً قابلیت تست نداره. یعنی تو می‌خوای ببینی یک مدلی آیا خودآگاه هست یا نه، خیلی سخت بتونی صفر و یکی بررسیش کنی. پس من ایده‌ی اولی که دارم اینه که باید خودآگاهی رو به یک سری زیرمجموعه بشکنیمش. یعنی به سطوح مختلف بشکنیمش. مثلاً چی؟ فرض کنید در ابتدایی‌ترین سطح خودآگاهی یعنی اینکه من نسبت به خودم یه آگاهی داشته باشم. یا مثلاً در سطح بعدیش نسبت به محیط هم چقدر اطلاعات دارم. به قابل سنجه دیگه. یعنی شما می‌تونی یک مدل رو بررسی کنی ببینی نسبت به خودش چه اطلاعاتی داره. یا وقتی می‌خواد یک کاری بکنه نسبت به محیط بیرونی چه قدر اطلاعات داره. این چه قدر اطلاعات داره، یه چیزیه که قابلیت ارزیابی داره و می‌شه اندازه‌گیریش کرد و بردش توی آزمایشگاه و چند تا مدل رو با هم مقایسه کنی ببینی که چه میزان اطلاعات دارد. این می‌شه قسمت اول. توی پست بعدی می‌خوام برم سراغ نکته‌ی دوم.

کیا دوست دارند در مورد خودآگاهی صحبت کنیم؟ سوال میشه این: آیا هم اکنون مدل های زبانی به خود آگاهی رسیدن یا خیر؟

نظریه نامحبوب: ایران کشور جهان سومی هست؟ میخام با دلیل توضیح بدم کشور ما احتمالا با دوپینگ، جهان 5امی باشه، ته ته ته لیست یکی از قوی ترین مدل های زبانی کنونی Fable 5 هست حالا تولید این مدل چقدر خرج برداشته؟ خود آنتروپیک که به صورت رسمی چیزی اعلام نکرده ولی یک سری مراجعی اومدن و تخمین زدن هزینه: حدود 500 میلیون دلار تا یک میلیارد دلار مدت زمان اجرا: حدود 60 تا 120 روز سخت افزار: حدود 20 هزار تا 50 هزار NVIDIA GB300-class GPUs دیتاست: حدود 10 تا 30 میلیارد توکن حالا فقط فکر نکنید آنتروپیک اینقدر بریز و بپاش کرده ها شرکت OpenAI واسه GPT 5 و خصوصل مدل GPT‑5.6 تا الان حدود 1.5 تا 3 میلیارد دلار هزینه کرده حالا چرا میگم ما خیلی عقب افتاده ایم: یک حساب کتاب ساده قیمت الان دلار را حدودا 180 فرض می کنیم یک میلیارد دلار میشه حدودا 180 هزار میلیارد تومان یا به عبارتی 180 همت دولت با این مبلغ یک تا دو ماه کل کشور (قربونش بشم) مدیریت می کنه سوال: کدوم شرکت خصوصی و حتی دولتی ایرانی در زمینه مهندسی نرم افزار چنین بودجه ای داره؟ 180 همت پیشکش، 1 همت چی؟ اونم نه 100 میلیارد چی؟ اونم احتمالا نه خب ما اصلا در برابر کشورهای پیش رو تکنولوژِی حرفی واسه گفتن داریم؟ متاسفانه یک سری از شرکت های نرم افزاری بعد قطعی اینترنت حتی توی حقوق کارمندها موندن چ برسه به توسعه مدل هوش مصنوعی بدون تعارف و صادقانه، کدوم محصول ایرانی در حوزه هوش ارائه شده که واقعا باکیفیت بوده باشه و همه گیر شده باشه؟ حالا نه اینکه فقط امریکا این همه خرج کنه ها، همین بغلمون امارات سال 2025 حدود 1.5 میلیارد دلار قرارداد واسه توسعه هوش مصنوعی بست همه ایران دوست داریم ولی باید واقع بین بود الکی خودمون گول نزنیم چه خوشمون بیاد چ ناراحت بشیم در اینده جهان ما حرفی واسه گفتن نداریم، به معنای واقعی کلمه عقب افتاده ایم و شوربختانه روز به روز فاصله مون بیشتر میشه.

درود توی شهریور قرار هست با همکاری شهرک علمی و تحقیقاتی اصفهان یک پنل انتقال تجربه و آموزش در زمینه پروژه های فریلنسری و دلاری برگزار کنیم کسایی که در این زمینه تجربه دارند و تمایل به مشارکت دارند به این آی دی پیام بدین @mohammad_dehghaniiii

هیچوقت حال و هوای اصفهان اینقدر سیاه و تلخ نبود. هنوزم توی بهتم از روزایی که داریم تجربه می‌کنیم

بعد ی صحبت حدود ۲ ساعته با چت صوتی chatgpt چیزی ک فهمیدم هیچ میلی ب بقا نداره ریشه تقریبا هر رفتار و کنش انسانی میل ب بقا و جاودانگی هستش همه چیز را در نسبت با بقا میشه تعریف کرد عشق ترس از مرگ و ... بعید میدونم هوش مصنوعی ب این زودی‌ها ب تازه برسه ک دغدغه بقا و جاودانگی پیدا کنه

شمام این تجربه داشتین که وارد لینکدین بشین و دیدن این همه پست که با هوش مصنوعی نوشته میشه که اکثر نکته آموزشی خاصی نداره خسته بشین قبول دارین تازگی چقدر فضای لینکدین کسل کننده و غیر مفید شده همه روزی چندتا پست با هوش مصنوعی می نویسن محتوای آموزشی نزدیک به صفر متن ها شبیه به هم و تکراری و به شدت طولانی و گاهی وقت تلف کن واسه همین موضوع یک پست توی لینکدین نوشتم لینک پست

بامزه ترین چیزی که این مدت دیدم توی چین یه لیگ مبارزه ربات‌ها داخل قفس راه انداختن که برنده حدود ۱.۵ میلیون دلار جایزه می‌بره

#موقت فک کن ایده‌ای که به نظرت خیلی خوبه بدون چشم داشت پست می‌کنی بعد یک عده دیس لایک میکنن جرات ندارن کامنت بزارن تا هویتش مشخص بشه عجیب که از کانال هم لفت نمیدن تازه دیشب یک نفر روی پست قبلی کامنت گذاشته که چون اون پست گذاشتم حروم لقمه هستم من که صرفا کامنت پاک کردم و هیچ پاسخی بهش ندادم ولی عزیز دل با افتخار کل عمرم شریف زندگی کردم و به احدی باج ندادم، مجیزگوی‌ نهاد یا صنف خاصی هم نبودم با افتخار بچه روستایی هستم و از صفر شروع کردم از صفر صفر صفر، پدر عزیزتر از جانم هم مدت زیادی کارگر بوده و البته همیشه روی چشم‌هام جا داره امثال من هر چی درآوردم نون بازو بوده...

یک ایده به ذهنم رسیده که به نظرم ارزش زیادی داره و اگر روش کار بشه، می‌تونه تبدیل به یه مقاله‌ی خیلی خوب بشه. شاید بپرسید اگر این ایده این‌قدر خوبه، چرا خودت انجامش نمی‌دی؟ دو تا دلیل داره. اول اینکه خودم فعلاً فرصت انجامش رو ندارم. دوم اینکه دوست دارم یکی از شماها این ایده رو برداره، روش کار کنه، یه مقاله‌ی خوب ازش دربیاره و نتیجه‌ش رو هم توی یه کنفرانس خفن منتشر کنه و رزومه خوبی برای خودش بسازه. حالا ایده چیه؟ بچه‌هایی که با معماری Transformer آشنا هستن می‌دونن که یکی از مشکلات مدل‌های ترنسفورمری، عملکردشون روی متن‌های خیلی بلنده. قبل از Transformer، شبکه‌های عصبی بازگشتی (RNN) مشکل Long-term Dependency داشتن؛ یعنی وابستگی‌های بلندمدت رو خوب یاد نمی‌گرفتن. بعد Transformer اومد و Attention رو معرفی کرد تا این ضعف رو تا حد زیادی برطرف کنه. اما الان یه مشکل جدید داریم. فرض کنید از یک مدل زبانی یه گزارش ۵۰ صفحه‌ای می‌خواید، یا ۲۰۰ صفحه متن بهش می‌دید، یا حتی ۲۰ هزار توکن ورودی. هرچقدر طول ورودی بیشتر میشه، حتی مکانیزم Attention هم دیگه نمی‌تونه وابستگی بین همه‌ی کلمات رو به خوبی حفظ کنه و عملکرد مدل افت می‌کنه. اینجا ایده‌ای که به ذهن من رسیده اینه که از مفهوم Convolution استفاده کنیم. توی CNNها یک Kernel یا فیلتر داریم که روی ورودی حرکت می‌کنه. پیشنهاد من اینه که همین منطق رو برای متن استفاده کنیم، ولی به جای Kernel، از Attention استفاده کنیم. فرض کنید یک متن ۲۰ هزار توکنی داریم. به جای اینکه Attention روی کل متن یکجا محاسبه بشه، متن رو به بخش‌های کوچکتر تقسیم کنیم؛ مثلاً ۲۰ بخش هزار توکنی. بعد مثل Convolution روی این بخش‌ها حرکت کنیم، اما عملیاتی که انجام می‌دیم از جنس Attention باشه، نه Convolution. یعنی برای هر بخش، Attention جداگانه محاسبه بشه و این فرآیند به صورت Sliding Window روی کل متن حرکت کنه. می‌دونم که این روش Information Loss ایجاد می‌کنه و بعضی وابستگی‌های دور از بین میره. مثلاً ممکنه کلمات هزار توکن اول با کلمات هزار توکن پنجم ارتباط داشته باشن و این ارتباط کامل حفظ نشه. ولی به نظرم بخش زیادی از این ارتباط‌ها قابل چشم‌پوشیه و هزینه‌ای که بابت از دست دادن اون مقدار اطلاعات می‌دیم، در مقابل بهبود مقیاس‌پذیری ارزشش رو داره. به نظرم ترکیب Convolution و Attention می‌تونه ایده‌ی جالبی باشه و شاید حتی راه‌حلی برای یکی از مشکلات مهم مدل‌های زبانی امروزی باشه. چون الان یکی از دردسرهای اصلی LLMها اینه که هرچقدر طول ورودی بیشتر میشه، بعد از یک نقطه عملکرد مدل به شکل محسوسی افت می‌کنه و Performance واقعاً Drop می‌کنه.

بعد از مدت‌ها دوباره برگشتیم درود به همگی اول از همه وظیفه خودم می‌دونم اتفاقات تلخی که دیماه افتاد رو به همه تسلیت بگم. غمیه که فکر می‌کنم تا مدت‌ها توی فکر و قلب خیلی‌هامون می‌مونه. واقعیتش بعضی دردها اون‌قدر بزرگن که واقعاً چیزی برای گفتن پیدا نمی‌کنه. فقط می‌تونم امیدوار باشم که امانت‌دار خوبی باشیم و نام و یادشون را اونجوری که شایسته‌‌شون باشه، زنده نگه داریم.

#موقت اگه کسی تجربه کاری در سایت های فریلنسری مثل upwork داره لطفا یک پیام بده mohammad_dehghaniiii

من طبیعتا پیشگو نیستم، و اقتصاد هم محل پیشگویی نیست ولی میشه پیش بینی کرد اگر با همین دست و فرمون جلو رفته بشه (خصوصا محاصره دریایی ادامه داشته باشه) مشکل شدید در پخش و توزیع بنزین - احتمالا در خرداد (بخشی از بنزین مصرفی، وارداتی هست) ابرتورم در تابستان (احتمالا مرداد) - میشه گفت تابستان بسیار گرمی در پیش خواهیم داشت پ.ن: الان هم ابرتورم هستیم (وقتی فقط طی یک سال، مرغ 4 برابر میشه) ولی چیزی ک میگم شبیه به F(f(x)) هست یعنی ابرتورم در ابرتورم پ.ن 2: اصلا شرایط اقتصادی مناسب نیست (فاجعه اس) و خودمون را برای شرایط بسیار سختی آماده می کنیم و اصلا خرید اضافه و غیرضروری نمی کنیم و تصمیم های مهم زندگی را ترجیحا به تعویق می اندازیم.

سال نوی همگی مبارک❤️🤍💚 امیدوارم امسال دیگه سال ما باشه! با آرزوی سربلندی ایران و ایرانی...