باشگاهِ آموزش ریاضی
رفتن به کانال در Telegram
Math Training Club ☆المپیاد ☆دانشگاه ☆دبیرستان ☆کتاب ☆ویدئو دانش آموزانی که از شرایط مالی مناسب برخوردار هستند، اگر از کتب فارسی کانال زیاد استفاده میکنید ، برای حفظ حقوق ناشر لطفا نسبت به خرید اصل کتاب از بازار یا دانلود نسخه انگلیسی آن اقدام فرمایید.
نمایش بیشتر448
مشترکین
اطلاعاتی وجود ندارد24 ساعت
+17 روز
+830 روز
در حال بارگذاری داده‌ها
کانال‌های مشابه
هیچ داده‌ای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
ابر برچسب‌ها
هیچ داده‌ای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
نوامبر '26نوامبر '26
نوامبر '26
+6
در 1 کانال‌ها
اکتبر '26
+50
در 1 کانال‌ها
Get PRO
سپتامبر '260
در 1 کانال‌ها
Get PRO
اوت '260
در 1 کانال‌ها
Get PRO
ژوئیه '260
در 0 کانال‌ها
Get PRO
ژوئن '260
در 0 کانال‌ها
Get PRO
مه '260
در 0 کانال‌ها
Get PRO
آوریل '260
در 0 کانال‌ها
Get PRO
مارس '260
در 0 کانال‌ها
Get PRO
فوریه '260
در 0 کانال‌ها
Get PRO
ژانویه '260
در 0 کانال‌ها
Get PRO
دسامبر '250
در 0 کانال‌ها
Get PRO
نوامبر '250
در 0 کانال‌ها
Get PRO
اکتبر '250
در 0 کانال‌ها
Get PRO
سپتامبر '250
در 0 کانال‌ها
Get PRO
اوت '250
در 1 کانال‌ها
Get PRO
ژوئیه '250
در 0 کانال‌ها
Get PRO
ژوئن '250
در 0 کانال‌ها
Get PRO
مه '250
در 0 کانال‌ها
Get PRO
آوریل '250
در 0 کانال‌ها
Get PRO
مارس '250
در 0 کانال‌ها
Get PRO
فوریه '250
در 0 کانال‌ها
Get PRO
ژانویه '250
در 0 کانال‌ها
Get PRO
دسامبر '240
در 0 کانال‌ها
Get PRO
نوامبر '240
در 0 کانال‌ها
Get PRO
اکتبر '240
در 0 کانال‌ها
Get PRO
سپتامبر '240
در 0 کانال‌ها
Get PRO
اوت '240
در 0 کانال‌ها
Get PRO
ژوئیه '240
در 0 کانال‌ها
Get PRO
ژوئن '240
در 0 کانال‌ها
Get PRO
مه '240
در 0 کانال‌ها
Get PRO
آوریل '240
در 0 کانال‌ها
Get PRO
مارس '240
در 0 کانال‌ها
Get PRO
فوریه '240
در 0 کانال‌ها
Get PRO
ژانویه '240
در 0 کانال‌ها
Get PRO
دسامبر '230
در 0 کانال‌ها
Get PRO
نوامبر '230
در 0 کانال‌ها
Get PRO
اکتبر '230
در 0 کانال‌ها
Get PRO
سپتامبر '230
در 0 کانال‌ها
Get PRO
اوت '230
در 0 کانال‌ها
Get PRO
ژوئیه '230
در 0 کانال‌ها
Get PRO
ژوئن '23
+4
در 0 کانال‌ها
Get PRO
مه '23
+4
در 0 کانال‌ها
Get PRO
آوریل '23
+4
در 0 کانال‌ها
Get PRO
مارس '23
+10
در 0 کانال‌ها
Get PRO
فوریه '23
+10
در 0 کانال‌ها
Get PRO
ژانویه '23
+15
در 0 کانال‌ها
Get PRO
دسامبر '22
+12
در 0 کانال‌ها
Get PRO
نوامبر '22
+12
در 0 کانال‌ها
Get PRO
اکتبر '22
+12
در 0 کانال‌ها
Get PRO
سپتامبر '22
+5
در 0 کانال‌ها
Get PRO
اوت '22
+5
در 0 کانال‌ها
Get PRO
ژوئیه '220
در 0 کانال‌ها
Get PRO
ژوئن '22
+1
در 0 کانال‌ها
Get PRO
مه '22
+9
در 0 کانال‌ها
Get PRO
آوریل '22
+15
در 0 کانال‌ها
Get PRO
مارس '22
+8
در 0 کانال‌ها
Get PRO
فوریه '22
+10
در 0 کانال‌ها
Get PRO
ژانویه '22
+16
در 0 کانال‌ها
Get PRO
دسامبر '21
+29
در 0 کانال‌ها
Get PRO
نوامبر '21
+21
در 0 کانال‌ها
Get PRO
اکتبر '21
+24
در 0 کانال‌ها
Get PRO
سپتامبر '21
+20
در 0 کانال‌ها
Get PRO
اوت '21
+14
در 0 کانال‌ها
Get PRO
ژوئیه '21
+13
در 0 کانال‌ها
Get PRO
ژوئن '21
+8
در 0 کانال‌ها
Get PRO
مه '21
+11
در 0 کانال‌ها
Get PRO
آوریل '21
+15
در 0 کانال‌ها
Get PRO
مارس '21
+41
در 0 کانال‌ها
Get PRO
فوریه '21
+18
در 0 کانال‌ها
Get PRO
ژانویه '21
+5
در 0 کانال‌ها
Get PRO
دسامبر '20
+389
در 0 کانال‌ها
| تاریخ | رشد مشترکین | اشارات | کانال‌ها | |
| 13 نوامبر | +1 | |||
| 12 نوامبر | 0 | |||
| 11 نوامبر | 0 | |||
| 10 نوامبر | 0 | |||
| 09 نوامبر | 0 | |||
| 08 نوامبر | 0 | |||
| 07 نوامبر | +2 | |||
| 06 نوامبر | 0 | |||
| 05 نوامبر | +1 | |||
| 04 نوامبر | 0 | |||
| 03 نوامبر | +1 | |||
| 02 نوامبر | 0 | |||
| 01 نوامبر | +1 |
پست‌های کانال
Mathematics is more than equations. It's a universe of hidden beauty. ✨
Explore five extraordinary mathematical functions and discover how they shape the world of science, physics, and beyond.
Five Mathematical Wonders | MATCUB
Where mathematics meets beauty.
#MATCUB #Mathematics #MathArt #Science #MathematicalVisualization #MathDocumentary
@matcub
| 2 | ریاضیاتِ آینده
بخش دوم- قسمت دوم
جامعه چرا به ریاضیدان نیاز خواهد داشت؟
✍🏻 مرضیه قاسمی
✅ استدلال مهم‌تر: «اندوختهٔ فکری»
استدلال دیگری هم هست که شاید روزبهروز مهم‌تر شود: یک جامعه‌ی ریاضی قوی نوعی اندوختهٔ فکری است.
هیچ‌کس نمی‌داند فردا چه تخصص ریاضی‌ای لازم می‌شود، به‌ویژه در جهانی که هوش مصنوعی ممکن است با سرعتی بی‌سابقه دستاوردهای علمی و فناورانه بسازد. چنین تخصصی باید از پیش وجود داشته باشد؛ نمی‌شود آن را یک‌شبه ساخت. پرورش ریاضی‌دانی با فهم عمیق و قضاوت درست، سال‌ها آموزش، پژوهش و زندگی در یک فرهنگ ریاضی زنده می‌خواهد.
نگه داشتن این اندوخته هم آموزش می‌خواهد و هم پژوهش. آموزش ریاضی پیوسته، توانِ جامعه برای تفکر تحلیلی دقیق را تازه می‌کند. سپردن کامل آن به هوش مصنوعی خطر واقعی از دست دادن کنترل را به همراه دارد. ممکن است هر روز بیشتر به فناوری‌های پیچیده وابسته شویم و هم‌زمان توان انسانی فهمیدن و به پرسش کشیدن آن‌ها را از دست بدهیم. پژوهش هم به همان اندازه ضروری است، چون توانایی در لبهٔ دانش فقط با به کار بستن آن زنده می‌ماند.
آموزش مخزن را پر و تازه می‌کند و پژوهش آن را در لبهٔ دانش آماده‌ی کار نگه می‌دارد.
این همه به جامعه دلیلی محکم می‌دهد که از ریاضیات حمایت مالی کند، حتی اگر روزی بیشتر قضیه‌های تازه را هوش مصنوعی تولید کند. ما ایستگاه آتش‌نشانی را پیش از آتش‌سوزی و ذخایر راهبردی را پیش از بحران نگه می‌داریم. به همین ترتیب، ممکن است جامعه به تخصص ریاضی بیشتری از آنچه نیازهای فوری‌اش نشان می‌دهد احتیاج داشته باشد. حمایت از ریاضیات یعنی حفظ توانِ ما برای فهمیدن اتفاق‌هایی که هنوز نمی‌توانیم پیش‌بینی‌شان کنیم و پاسخ دادن به آن‌ها.
منبع: جستاری درباره‌ی «ریاضیاتِ آینده» از پاول اِتینگوف و اسلاوا گروویچ (MIT)
@Mathmotion | 69 |
| 3 | ریاضیاتِ آینده
بخش دوم- قسمت اول
جامعه چرا به ریاضیدان نیاز خواهد داشت؟
✍🏻 مرضیه قاسمی
یکی از بزرگ‌ترین نگرانی‌های جوانان علاقمند به ریاضی این است که:
آیا شغل کافی برای ریاضیات وجود خواهد داشت؟ اگر وجود دارد، پولش از کجا می‌آید؟ آیا هنوز منطقی است که کسی ریاضیات را حرفه‌ی خود کند؟
نخستین نکته این است که امروز همه‌ی حرفه‌ها با همین پرسش‌ها روبه‌رو هستند و در این دنیای پرشتاب هیچ پیش‌بینی بلندمدت معناداری ممکن نیست. با این حال، دلایلی هست که ریاضی‌دان‌ها نسبت به بسیاری از حرفه‌های فکری دیگر در جایگاه نسبتاً خوبی باشند:
1️⃣ طرح پرسش و اولویت‌بندی. حتی اگر هوش مصنوعی در پژوهش ریاضی چنان قوی شود که مشارکت انسان دیگر تفاوت چندانی نکند، باز هم کسی باید پرسش‌ها را طرح و اولویت‌بندی کند. شاید روزی ماشین در این کار هم از ما بهتر شود؛ اما کارکرد حقیقت‌یابی ریاضیات فقط تولید قضیهٔ بیشتر نیست، بلکه گسترش دانش و فهم بشر است.
2️⃣ مفسر فرهنگ ریاضی. کارکرد فرهنگی ریاضیات ذاتاً انسانی است و بدون ریاضیدان انجام‌شدنی نیست. حتی اگر ریاضی‌دان‌ها در کشف ریاضیات تازه نقش دوم را پیدا کنند، باز هم به آن‌ها به‌عنوان مفسر و راوی فرهنگ ریاضی نیاز است.
3️⃣ کاربردهای تازه. فرصت‌های به کار بستن ریاضیات بسیار گسترده‌تر می‌شود. به‌ویژه ریاضیات در حوزه‌های مرتبط با هوش مصنوعی که پیامدهای اجتماعی بزرگی دارند، مثل ایمنی هوش مصنوعی، نقش مهمی خواهد داشت؛ و این‌ها راه‌های امیدوارکننده‌ای برای اشتغال ریاضی‌دان‌هاست.
4️⃣ آموزش. هوش مصنوعی ابزار آموزشی قدرتمندی خواهد بود، اما چون انسان موجودی اجتماعی است، دلایل خوبی هست که تقاضا برای معلم انسانی بماند. نظام آموزشی هم «لَختی» زیادی دارد و دیر عوض می‌شود، و این به حفظ شغل‌های آموزشی در آینده‌ی قابل پیش‌بینی کمک می‌کند.
5️⃣ ارزش معرفتی. جامعه مدت‌هاست از ریاضیات محض به خاطر ارزشِ خودِ دانستن حمایت کرده، نه فقط به خاطر کاربرد مستقیمش. این دلیل حتی وقتی هوش مصنوعی در تولید ریاضیات شریک شود، همچنان معتبر است.
6️⃣ موقوفه‌ها. بخش قابل‌توجهی از کرسی‌های ریاضی از محل موقوفه‌ها و کمک‌هایی تأمین می‌شود که مشخصاً برای ریاضیات دانشگاهی اهدا شده‌اند. این پول‌ها معمولاً نمی‌توانند به کار دیگری برده شوند و کمی ثبات نهادی فراهم میکنند.
7️⃣ مهارت‌های قابل انتقال. دارندگان دکتری ریاضی که از دانشگاه بیرون می‌روند، به لطف مهارت‌های تحلیلی و نقادانه‌شان همیشه بازار کار خوبی داشته‌اند. این مهارت‌ها در عصر هوش مصنوعی هم لازم خواهند بود.
منبع: جستاری درباره‌ی «ریاضیاتِ آینده» از پاول اِتینگوف و اسلاوا گروویچ (MIT)
@Mathmotion | 64 |
| 4 | ریاضیاتِ آینده
بخش اول: زلزله‌ای که آغاز شده
✍🏻 مرضیه قاسمی
سال ۲۰۲۶ است. پیشرفته‌ترین مدل‌های زبانی به نقطه‌ای رسیده‌اند که واقعاً می‌توانند پژوهش ریاضی انجام دهند و این توانایی با سرعتی چشمگیر در حال رشد است. مسئله‌هایی که سال‌ها باز مانده بودند، یکی پس از دیگری با کمک هوش مصنوعی حل شدند. امروز یک مدل زبانی می‌تواند در کمتر از یک ساعت، با دخالت اندک یا حتی بدون دخالت یک ریاضیدان، نتیجه‌ای آبرومند و گاه درخشان تولید کند.
هنوز معلوم نیست این روند تا کجا پیش خواهد رفت؛ اما دلایل محکمی وجود دارد که فکر کنیم ادامه می‌یابد و در آینده‌ی نزدیک، حجم بزرگی از ریاضیاتِ واقعاً جالب، کشف خواهد شد. برای رشد دانش ریاضی، این خبری هیجان‌انگیز است. اما این هیجان بهای سنگینی دارد. مثل بسیاری از تحول‌های دیگر در فن‌آوری، موتور اصلی این تحول منافع تجاری شرکت‌های بزرگ است و این منافع لزوما با منافع ریاضی‌دان‌ها یکی نیست. دوره‌ای از ناپایداری و اضطراب در پیش است، به خصوص برای ریاضی‌دان‌های جوان. اما:
دکمه‌ای برای کنار کشیدن وجود ندارد.
می‌توانیم تلاش کنیم این فرایند را در جهتی سازنده هدایت کنیم. اما بعید است بتوانیم جلوی آن را بگیریم یا حتی به‌طور جدی کندش کنیم. بهتر است واقعیت را بپذیریم و نگاه‌مان را به فرصت‌های نفس‌گیری بدوزیم که پیش روی ماست.
آینده‌ی حرفه‌ی ما فقط به کارهای خودمان بستگی ندارد؛ به این هم بستگی دارد که جامعه‌ی بزرگ‌تر برای کار ما چه ارزشی قائل است و چه‌قدر هزینه‌اش را می‌پردازد. حالا وقتِ فکر کردن به این آینده رسیده است. در این دنیای نو، چهار پرسش پایه وجود دارد:
۱- جامعه چرا به ریاضیدان نیاز خواهد داشت؟
۲- ریاضی‌دان‌ها را چگونه باید ارزیابی کرد؟
۳- ریاضی‌دان‌ها چه کار باید بکنند؟
۴- ریاضی‌دان‌ها را چگونه باید تربیت کرد؟
در پست‌های بعدی به سراغ پاسخ این پرسش‌ها خواهیم رفت.
منبع: جستاری درباره‌ی «ریاضیاتِ آینده» از پاول اِتینگوف و اسلاوا گروویچ (MIT)
@Mathmotion | 73 |
| 5 |  شرکت OpenAI در جدیدترین بیانیه خود
از سه کشف علمی بزرگ توسط مدل‌های هوش مصنوعی‌اش پرده برداشت:
ریاضیات: اثبات حدس هموارسازی محلی
علوم کامپیوتر: رد «فرضیه زمان نمایی» (ETH)
فیزیک: اثبات ریاضی نظریه کوانتومی یانگ-میلز | 390 |
| 6 | زبان اثبات‌گر Lean: انقلاب صوری‌سازی ریاضیات
در سال‌های اخیر، دنیای ریاضیات با ابزاری قدرتمند به نام Lean دگرگون شده است. لین یک اثبات‌گر تعاملی قضیه (Interactive Theorem Prover) و در عین حال یک زبان برنامه‌نویسی است که به ریاضیدانان اجازه می‌دهد اثبات‌های ریاضی را به زبانی کاملاً دقیق و قابل‌فهم برای ماشین بنویسند.
۱. لین دقیقاً چیست؟
تصور کنید قضیه‌ای را اثبات کرده‌اید و مقاله نوشته‌اید. در روش سنتی، داوران انسانی اثبات شما را می‌خوانند و ممکن است خطاهای ظریف یا فرض‌های پنهانی از دید آن‌ها پنهان بماند. اما در Lean، اثبات شما باید به قدری موشکافانه و فرمال نوشته شود که مفسر کامپیوتر (Compiler) درستی آن را گام‌به‌گام تایید کند.
در این فضا، عباراتی مثل «بدیهی است» یا «به راحتی نتیجه می‌شود» معنا ندارند؛ هر ادعا باید به اصول موضوعه و قواعد منطقی پایه متصل باشد.
۲. چرا Lean برای دانشجویان ریاضی اهمیت دارد؟
حذف کامل خطای انسانی: کامپیوتر هیچ‌گاه دچار خستگی یا لغزش منطقی نمی‌شود. اگر کُد اثبات کامپایل شود، یعنی ریاضیات آن صددرصد بی‌نقص است.
کتابخانه قدرتمند Mathlib: لین دارای یک کتابخانه متن‌باز عظیم به نام Mathlib است که شامل هزاران قضیه اثبات‌شده از شاخه‌های مختلف ریاضی (مانند جبر مجرد، توپولوژی، آنالیز ریاضی، نظریه اعداد و هندسه) است و روزبهروز توسعه می‌یابد.
پیوند با هوش مصنوعی: با پیشرفت مدل‌های هوش مصنوعی و ابزارهایی مانند AlphaProof، لین به بستر اصلی پژوهش‌های نوین تبدیل شده است. ریاضیدان برجسته جهان، ترنس تائو (Terence Tao)، از طرفداران سرسخت صوری‌سازی ریاضیات با لین است و آینده پژوهش‌های ریاضی را با این ابزار گره خورده می‌داند.
۳. منطق کار با لین (نگاهی از منظر ریاضی)
پایه و اساس لین بر مبنای نظریه نوع‌های وابسته (Dependent Type Theory) بنا شده است. در این سیستم، یک ارتباط عمیق بین منطق و علوم کامپیوتر وجود دارد که به آن هم‌ارزی کری-هاوارد (Curry-Howard Isomorphism) می‌گویند:
گزاره ریاضی به عنوان یک نوع (Type) در نظر گرفته می‌شود.
اثبات گزاره به عنوان یک عضو (Term) از آن نوع است.
به زبان ساده، اثبات یک قضیه در واقع نوشتن برنامه‌ای است که نوعِ آن همان قضیه مورد نظر باشد؛ اگر برنامه بدون خطا اجرا شود، یعنی اثبات کامل است.
دیدگاه کلی: لین صرفاً یک نرم‌افزار کاربردی نیست، بلکه یک پارادایم جدید در تفکر ریاضی است که مرز بین «درستی شهودی» و «راستی‌آزمایی دقیق ماشین» را از بین می‌برد. | 198 |
| 7 | https://www.youtube.com/watch?v=y-S4y-8WB6w | 157 |
| 8 |  بدون متن... | 164 |
| 9 |  Future Looks Like Wow... | 435 |
| 10 |  why π is always 3.14⁉️ | 700 |
| 11 | OpenAI is about to release 400 papers on every math problem it’s solved today. Maybe in a few hours.
https://x.com/imjustnewatai/status/2107394936395960670 | 231 |
| 12 | در ژوئن سال ۲۰۰۰ به مناسبت سال جهانی ریاضیات، برنامه‌ی
World Mathematical Year 2000 Symposium
در شهر تورنتو (کانادا) برگزار شد. یکی از سخنرانان این برنامه، مایکل عطیه، ریاضیدان بریتانیایی-لبنانی و برنده مدال فیلدز سال ۱۹۶۶ بود.
در قسمتی از سخنرانیش بخشی به نام «هندسه در برابر جبر » قرار دارد. بعدها جمله‌ای از این قسمت بیشتر مورد توجه قرار گرفت و در اکثر کانال‌های ریاضی این جمله را می‌بینیم:
Algebra is the offer made by the devil to the mathematician. The devil says: “I will give you this powerful machine, it will answer any question you like. All you need to do is give me your soul: give up geometry and you will have this marvellous machine.
که معناش میشه:
جبر پیشنهاد شیطان به ریاضیدان است. شیطان می‌گوید: من این ماشین قدرتمند را به تو می‌دهم؛ به هر سؤالی که بخواهی جواب می‌دهد. فقط کافی است روحت را به من بدهی: از هندسه دست بکش و این ماشین شگفت‌انگیز مال تو خواهد بود.
برای درک بهتر این جمله لازم است به جمله‌ای که کمی قبل‌تر از این جمله بیان شده دقت کنیم:
One way to put the dichotomy in a more philosophical or literary framework is to say that algebra is to the geometer what you might call the “Faustian offer.
یک راه برای بیان این دوگانگی در چارچوبی فلسفی‌تر یا ادبی این است که بگوییم جبر برای هندسه‌دان همان چیزی است که می‌توان آن را «پیشنهاد فاوستی» نامید.
پیشنهاد فاوستی اشاره به داستان کلاسیک فاوست دارد. در نمایشنامه‌ی معروف گوته، فاوست دانشمندی است که از دانش معمولی خسته شده و با شیطان (مفیستوفلس) معامله می‌کند. روحش را می‌فروشد تا در عوض به دانش بی‌نهایت، قدرت، لذت و هر چیزی که بخواهد دست پیدا کند. نتیجه‌ی این معامله فاجعه‌بار است؛ او چیزهای زیادی به دست می‌آورد اما چیزی اساسی و معنوی را برای همیشه از دست می‌دهد.
مایکل عطیه بر اساس این داستان، جبر را مثل آن ماشین قدرتمند می‌داند که شیطان به ریاضیدان پیشنهاد می‌دهد؛ ماشینی که هر سؤالی را جواب می‌دهد. اما قیمتش این است که هندسه (یعنی شهود فضایی، تصویر ذهنی و معنا) را رها کنی. او هشدار می‌دهد که وقتی کاملاً وارد محاسبات جبری خشک می‌شوی، ممکن است دیگر فکر نکنی و فقط ماشین‌وار محاسبه کنی.
متن سخنرانی یکسال بعد چاپ شد و می‌توانید از اینجا بخوانید.
@Mathmotion | 222 |
| 13 | دکتر میرزا وزیری یکبار تو یکی از کنفرانساش جمله قشنگی گفت : " انسان ها تا وقتی که از خودشون میپرسیدن 'چجوری به کمک بال زدن میتونیم پرواز کنیم؟' تلاش هاشون به نتیجه منجر نمیشد، و نتیجه زمانی حاصل شد که سوال رو تغییر دادند به 'چجوری میتونیم پرواز کنیم؟' "
روایتی مشابه، در کوچ از Generative AI به Agentic AI وجود داشت، تا وقتی شرکت ها با ذهنیت Generative AI میومدن سراغ پیاده سازی Agent ها تو شرکتشون و سوالی که مطرح میکردند این بود که " مدل چقدر پاسخ هاش هوشمندانه و زیباست؟" پروژه شکست میخورد، و نتیجه زمانی حاصل میشد که سوالشون تبدیل میشد به : "این ساختار چقدر در به اتمام رسوندن workflow ها و بستن تسک ها داره موفق عمل میکنه؟"
لذا با توجه به تغییرات پیش رو برای اینکه جایگاه خودمون رو توی این چرخه بدونیم، شاید اولین گامی که باید انجام بشه اینه که توی سوالاتی که تا الان میپرسیدیم باید بازنگری کنیم...
تو ریاضی میگیم، درک مسئله (فرمول بندی درست) نیمی از مسیر حل مسئله است. و خب قطعا سوال درست، یکی از نتایج فهم درست مسئله است. | 239 |
| 14 | 🔰یه بخش خیلی جالب توی مصاحبه هست که میگه با توجه به سرعت رشد مدل ها توی مسائل ریاضی که قبلا دیدیم (مثلا حل مسائل المپیاد و ...) پیش بینی من از حل مسئله ی اوپنی مثل navier stokes برای حدودا سال 2028 بود که خب خیلی زودتر از تصور من رخ داد.
و میگه با اینکه مدل ها توی ریاضیات توی برخی زمینه ها شگفت انگیز و فرابشری عمل میکنند ولی توی بعضی از جنبه ها ضعیف تر از انسان هستند مثلا طرح سوالات جدید یا اینکه کدوم شاخه از ریاضیات ارزش اکتشاف بیشتر و بسط و توسعه داره... (توی این بخش ها هنوز خوب نیستند مدل ها به اندازه انسان).
✅شاید این جمله اش بتونه چراغ راه باشه که توی ریاضیات چجوری باید فکر کرد در اینده. | 219 |
| 15 | مصاحبه با Noam Brown
https://www.youtube.com/watch?v=6AgOfiZOWiY | 579 |
| 16 | گاها مقایسه ها خیلی دید جالبی به آدم میده...
مثلا درک تفاوت بین Generative AI و Agentic AI که مرز جدا کننده خیلی جالبی دارند. خیلی ساختار ها شاید Agentic بنظر برسند ولی واقعا در عمل طبق ارزیابی ها توی دسته Agentic محسوب نمیشوند حالا هرچقدر هم که میخواد پاسخ هاشون جذاب و هوشمندانه و شگفت انگیز بنظر برسه و یا حتی حس پیشبرد هدف رو بده اما تا وقتی کار عملا جلو نرفته و خروجی مورد نظر حاصل نشده Agentic محسوب نمیشه.
منو یاد مقایسه دانشگاه و بازار کار انداخت. شاید بتونیم بگیم دانشگاه شبیه Generative AI هست و بازار کار و شرکت ها شبیه Agentic AI هستند. و این دو فرق قابل توجهی با همدیگه دارند. | 531 |
| 17 | https://www.sfchronicle.com/science/article/ai-openai-math-fields-medal-22358191.php?utm_source=chatgpt.com
https://www.wsj.com/tech/ai/openai-jacob-tsimerman-fields-medal-ai-safety-391d0f79?utm_source=chatgpt.com
برنده اخیر مدال فیلدز مثل اینکه داره راهی Open AI میشه... | 210 |
| 18 | هوش مصنوعی و حل معمای ریاضی ۳۵۰ ساله
مدل Claude به تازگی موفق شد یکی از بزرگ‌ترین چالش‌های تاریخ ریاضیات، یعنی «قضیه آخر فرما»، را به صورت کامل فرمالیزه کند. این قضیه که در سال ۱۶۳۷ مطرح شد، تا سال ۱۹۹۵ توسط هیچ انسانی اثبات نشده بود و اثبات نهایی آن ۱۲۹ صفحه پیچیده داشت. برای ارزیابی دقیق‌تر مشخصات، تحلیل معماری و قابلیت‌ها جزئیات فنی بیشتری ارائه می‌کند.
آنچه این دستاورد را متمایز می‌کند، سرعت و دقت هوش مصنوعی است. در حالی که تصور میشد فرمالیزه کردن این قضیه به زبان برنامه‌نویسی Lean پروژه‌ای چندساله برای یک جامعه از متخصصان باشد، Claude به تنهایی در ۱۱ روز موفق به این کار شد.
مهم‌ترین نکات این موفقیت:
- نوشتن ۱۳ میلیون خط کد در زبان Lean.
- اثبات ۲۹,۵۰۰ لم میانی در طول فرآیند.
- حجم پردازش معادل ۶ میلیارد توکن خروجی.
کوین بازارد، از ریاضیدانان برجسته حوزه فرمالیزه کردن، این دستاورد را «خارق‌العاده» خواند و تأیید کرد که تمام مراحل بر اساس اصول پایه ریاضیات و بدون هیچ فرض غلطی انجام شده است. شما می‌توانید جزئیات فنی این پژوهش را در گزارش رسمی Anthropic مطالعه کنید. | 239 |
| 19 | خب دیشب یکم وقت گذاشتم و یکپارچه اشون کردم...😁
https://mohammadfallah1373.github.io/Introduction-to-Git-and-GitHub/ | 287 |
| 20 | 🔰ریاضی تو بازار کار بدرد میخوره؟
✅️پاسخ یه "بله" بلند و محکم.
🔰وقتی کلی دیتای مالی و فروش و بازرسی و نمره مقابلته. بکار بردن ترکیب های ابتکاری از ریاضیات پایه برای ساختن kpI های جدید شبیه یه چوب جادویی عمل میکنه.
🔰با استفاده از مهارتتون توی ریاضی میتونید تمایز قابل توجهی نسبت به بقیه در فهم شاخص ها و ساختن شاخص های کلیدی بدست بیارید.
🔰کدوم درسا ⁉️
1️⃣آمار
2️⃣ماتریس
3️⃣ریاضیات عمومی و پایه | 672 |
