فرهنگ معین

#tool Lightning AI به جز Colab و Kaggle که به شما یک محیط کار نوت‌بوکی میدن، این سرویس که چندماهیه معرفی شده خیلی کاربردیه و یه سری از محدودیت‌های این دو مورد رو نداره. به شما یک ماشین مجازی رایگان با 16 گیگ رم، 4 تا CPU core، و حدود 400 گیگ هارد میده که میتونین خیلی راحت بهش SSH کنین و کارای کدینگ‌تون رو روش انجام بدین. دیگه محدود به محیط نوت‌بوک و browser تون نیستین و خیلی دستتون بازتره. یکی از کاربردای خیلی خوبه‌اش برام زمانیه که می‌خوام یه پروژه‌ی جدید استارت بزنم و نیاز به نصب dependency داره و خب ترجیح میدم روی سیستم خودم هی پکیج‌های مختلف نصب نکنم و از این سرویس راحت استفاده می‌کنم. همچنین برای دانلود دیتاست‌های نسبتا بزرگ یا کار با Docker آپشن خیلی خوبیه با توجه به کیفیت پایین نت ما :)) همچنین به شما مقداری credit رایگان میده که میتونین باهاش GPU به ماشین‌تون اضافه کنین (ولی زیاد نیست، حدود ۲۲ ساعت از T4 می‌‌تونین استفاده کنین). همچنین اگه یه سری کوئست‌های برنامه‌نویسی که تعریف شده رو بگدرونین، به شما credit اضافه میده. https://lightning.ai/

بعد از این‌که این رو توی LinkedIn و X هم ارسال کردیم، الان دارم رزومه‌ی افراد عجیب‌غریب بااستعدادی رو از دانشگاه‌های McGill، Carnegie Mellon، Mayo Clinic و حتی فاکینگ Harvard بررسی می‌کنم!!!! تا عمرم اینقدر حس Imposter بودن نداشتم 😭 یکی‌شون واقعا over-qualified محسوب میشه :)) میخوام بهش پیام بدم بگم میشه من بیام ازتون یاد بگیرم 👈👉🥲

یکی از دوستانم موقعیت دریافت یک گرنت ۱۰۰۰ دلاری رو برام فرستاد که گفتم این‌جا هم شیر کنم چون خودم احتمالا نرسم کامل وقت بذارم براش. به این صورت که یکی از مقالات pre-print روی آرکایو یا بقیه‌ی سرویس‌های مشابه رو انتخاب می‌کنیم و مدل ماشین‌لرنینگ توصیف شده در اون مقاله رو با کد پیاده‌سازی می‌کنیم. مثل همین کاری که قبلا برای مقاله‌ی CLIP از OpenAI کرده بودم و کد نسبتا ساده‌ای که این مدل رو پیاده کنه نوشته بودم. در واقع این دوست‌مون هم همین ریپو رو دیده بود که این پیام رو بهم داد. اگه کسی ایده‌ای داشت و می‌خواست که اینو با هم پیش ببریم، بهم پیام بده. تا ماه دیگه وقت داره فقط. توی این مرحله صرفا باید مقاله‌ای رو که می‌خوایم پیاده کنیم و یه proof-of-concept از نحوه‌ی پیاده‌سازی و کارکرد نهایی اون مدل رو بفرستیم. توی پیامی که میدین پیپر / ایده پیشنهادی‌تون رو بگین و اگه قبلا کار مشابهی در زمینه‌ی پیاده‌کردن مدل‌ها و مقاله‌های ml داشتین باهام شیر کنین: @tmpidmoein مرسی

یکی از دوستانم موقعیت دریافت یک گرنت ۱۰۰۰ دلاری رو برام فرستاد که گفتم این‌جا هم شیر کنم. به این صورت که یکی از مقالات pre-print روی آرکایو یا بقیه‌ی سرویس‌های مشابه رو انتخاب می‌کنیم و مدل ماشین‌لرنینگ توصیف شده در اون مقاله رو با کد پیاده‌سازی می‌کنیم. مثل همین کاری که قبلا برای مقاله‌ی CLIP از OpenAI کرده بودم و کد نسبتا ساده‌ای که این مدل رو پیاده کنه نوشته بودم. در واقع این دوست‌مون هم همین ریپو رو دیده بود که این پیام رو بهم داد. اگه کسی ایده‌ای داشت و می‌خواست که اینو با هم پیش ببریم، بهم پیام بده. تا ماه دیگه وقت داره فقط. توی این مرحله صرفا باید مقاله‌ای رو که می‌خوایم پیاده کنیم و یه proof-of-concept از نحوه‌ی پیاده‌سازی و کارکرد نهایی اون مدل رو بفرستیم. توی پیامی که می‌فرستین پیپر / ایده‌ی پیشنهادی‌تون رو بگین و اگر هم تجربه‌ی مشابهی قبلا داشتین لینک پروژه یا چیزی شبیه به این برام بفرستین.

بعد از ترک‌های خیلی معروف متالیکا مثل Enter Sandman, Master of Puppets, Wherever I may roam و … که شاید شنیده باشین، این ترک، riff عجیب زیبایی داره و به راحتی توی لیست تاپ ۱۰ از متالیکا قرار میگیره‌ برام. با تشکر از آهنگساز که تصمیم گرفت از دقیقه‌ی 5:14 ‌ورژن clean ریف اصلی این ترک رو هم کنار گیتار distorted و صدای جیمز اضافه کنه و باعث بشه این ترک‌شون فراتر از صرفا موسیقی بشه و تاثیری همچون دراگ برای دلباختگان این سبک و گروه داشته باشه 🤤

چندتا ترک متالی که اخیرا به‌شدت روشون قفلم ⬇️

همین دقایقی قبل ایونت امروز OpenAI تموم شد و از خبرهای خوبی که دادن این بود که فیچرهایی که تا حالا پولی بودن قراره در اختیار کاربران رایگان هم قرار بگیره. یعنی دسترسی به مدلی در سطح GPT-4، سرچ وب در کنار پاسخ مدل، قابلیت آپلود فایل برای آنالیز و خلاصه کردن و ... به زودی در اختیار کاربران رایگان هم قرار می‌گیره. پس برمی‌گردیم به GPT-4 دوباره 🚶🏻‍♂️😁

این روزا باکیفیت‌ترین چت‌بات هوش‌مصنوعی که می‌تونین رایگان ازش استفاده کنین، Llama-3 نسخه‌ی 70B پارامتری هست (طبق لیدربرد پابلیک و قابل اعتماد ChatBot Arena که این‌جا معرفی شد). همون‌طور که می‌بینین این مدل تنها مدل open-source بین ۱۰ مدل برتر این لیسته که چند وقت پیش توسط Meta معرفی شد. از لحاظ کیفیت، جواب‌هاش در لول GPT-4 امتیاز داده شده و روی سرویس Groq که بالاتر معرفی شد، می‌تونین رایگان و با سرعت تولید توکن خیلی بالا (حدود ۳۰۰ توکن در ثانیه) بهش دسترسی داشته باشین. https://groq.com/

Opportunistic AI زیرشاخه‌ی نسبتا جدیدی در هوش‌مصنوعی، خصوصا هوش‌مصنوعی در پزشکی داره شکل می‌گیره به نام Opportunistic AI که به‌نظرم از جذاب‌ترین کاربردهای AI هست و قبلا هم در موردش توی کانال نوشتم. به طور کلی در مورد اینه که یه سری تشخیص‌ها و غربالگری‌ها رو با استفاده از دیتاها و تست‌هایی که تا حالا مستقیما مربوط به اون تشخیص نبودن انجام بدیم؛ یا به بیان دیگه، با دیتاهایی که برای چشم متخصصان (انسان‌ها) دیتای قابل درکی برای یه سری تشخیص‌ها ندارن، با استفاده از مدل‌های AI تشخیص بگذاریم. یکی از اولین مثال‌ها از چنین کاربردی رو این‌جا توضیح دادم که مدلی ساخته بودن که از تصاویر شبکیه چشم، جنسیت، فشارخون، سیگاری بودن یا نبودن فرد و غیره رو تشخیص میدادن. حالا این‌ جور تحقیقات خیلی فراتر رفتن و کاربردهای زیادی پیدا کردن. در ادامه، این یافته‌های جدید رو براساس دیتای ورودی به مدل دسته‌بندی می‌کنم. Chest X-ray (CXR) - مدلی که براساس CXR میتونه دیابت فرد رو با دفت بالایی (AUC = 0.84) تشخیص بده! لینک - مدلی که بر اساس CXR میتونه ریسک ASCVD (بیماری‌های قلبی‌عروقی) رو محاسبه کنه! حتی محققان در ادامه نشون دادن که مدل براساس همین تصویر قفسه‌سینه با دقت بالاتری نسبت به پیش‌بینی‌های ASCVD -که سال‌ها مطالعه و کلی مقاله پشتش بوده- میتونه وقایع قلبی عروقی بیماران رو پیش‌بینی کنه. لینک ECG - تشخیص سن، جنسیت، سطح هموگلوبین و Ejection Fraction (EF) از یک ECG ساده! - تشخیص بیماری‌های دریچه‌ای قلب، دیابت‌ (!) و pulomonary wedge pressure از ECG. لینک Retina - تشخیص بیماری‌های کلیوی،‌ آلزایمر، دیابت و فشارخون بالا، بیماری‌های کبدی و صفرای از تصاویر شبکیه! - تشخیص Calcium Score قلبی بیمار و پیش‌بینی حمله‌های قلبی از تصویر رتینا. لینک اما چه فایده‌ای دارن این مدل تحقیقات؟ فایده‌ی اصلی این نوع مدل‌ها میتونه انجام کم‌هزینه و دردسترس یک سری غربالگری‌های مهم مثل دیابت و بیماری‌های قلبی عروقی باشه. به این صورت که هرموقع بیمار تست‌های روتینی مثل CXR یا نوار قلب انجام داد، این غربالگری‌ها هم به صورت اتوماتیک انجام بشه و اگه ریسک بالایی داره برای پیگیری ارجاع بشه. اما واقعیتش اینه که چیزی که اینا رو برای خودم خیلی جذاب می‌کنه پی‌بردن به این موضوعه که چقدررر اطلاعات و الگوهای ریز و مفید زیادی توی اعداد پیکسل‌های تصاویر پزشکی وجود داره که چشم‌های ما اصلا نمیتونه ببینه و از تصور ذهنِ متفاوت-تکامل-یافته‌ی ما دوره! یه جمله ‌معروفی Arthur Clarke داره میگه: Any sufficiently advanced technology is indistinguishable from magic ترجمه‌ی غیردقیق: هر تکنولوژی که به اندازه‌ی کافی پیشرفته باشه، از جادو و جادوگری غیرقابل تمایز میشه! تشیخص دیابت از عکس قفسه‌سینه یا نوار قلب هم برای کسی که با نحوه‌ی کار این مدل‌ها و جزییات تصاویر پزشکی آشنا نباشه چیزی شبیه به جادوگری میمونه! در نهایت، برای مطالعه‌ی بیشتر در این مورد هم می‌تونین این پست عالی دکتر Topol رو بخونین و بقیه‌ی رفرنس‌های این پیام رو چک کنین.

Opportunistic AI ⬇️⬇️⬇️