علی راشدی - یادداشت‌ها

یه ابزار ساده برای ساخت مایندمپ ساختم با GPT. خیلی ساده و سرراست و سریعه. برای وقتی که می‌خوای فکر و ایده‌هات رو یه جا بنویسی، شاخه‌شاخه‌شون کنی و ارتباطشون رو ببینی. مثلاً برای باز کردن یه مسئله، برنامه‌ریزی یه پروژه یا خلاصه کردن یه کتاب. می‌تونی به هر موضوع زیرشاخه و توضیح اضافه کنی، رنگش رو عوض کنی و جاش رو روی بوم تغییر بدی. فارسیه، آفلاین کار می‌کنه و نصب و ثبت‌نام نمی‌خواد. فایل HTML رو دانلود می‌کنی، توی مرورگر باز می‌کنی و شروع می‌کنی :) روی لپ‌تاپ راحت‌تره. آخرش هم از منوی «فایل»، نقشه‌ات رو به‌صورت HTML ذخیره کن که بعداً بازش کنی و ادامه بدی. @Alirashedi1

به نظرم قبل از اینکه کاری رو بسپریم به AI، باید دو تا سؤال بپرسیم: چقدر معلومه خروجی درست چیه؟ و اگه اشتباه کنه، چقدر ضرر می‌کنیم؟ این تصویر هم تصمیم‌ها رو با همین دو سؤال به چهار دسته تقسیم کرده: ۱. کار روشنه، اشتباه هم کم‌هزینه‌ست. مثل دسته‌بندی پیام‌های ورودی. می‌شه اجرا رو به AI سپرد و هر چند وقت خروجی رو چک کرد. ۲. کار مبهمه، ولی اشتباه کم‌هزینه‌ست. مثل پیدا کردن ایده برای یه پست. اینجا می‌شه بیشتر آزمون‌وخطا کرد؛ لازم نیست اولین جواب عالی باشه، قراره از امتحان کردن یاد بگیریم. ۳. کار روشنه، ولی اشتباه پرهزینه‌ست. مثل محاسبه و پرداخت حقوق. معلوم بودن قواعد کافی نیست؛ کنترل و بررسی لازم داریم، چون یه خطا می‌تونه به آدم‌های زیادی آسیب بزنه. ۴. هم کار مبهمه، هم اشتباه پرهزینه‌ست. مثل تصمیم برای ورود یه شرکت به بازار جدید. اینجا آدم باید هدایت تصمیم رو دستش نگه داره و از AI برای تحلیل و بررسی گزینه‌ها کمک بگیره. برداشت من اینه که میزان اختیار AI رو نباید فقط با توانایی مدل تعیین کنیم. باید ببینیم چقدر می‌تونیم درست بودن جوابش رو تشخیص بدیم و هزینه‌ی اشتباهش چقدره. منبع تصویر: MIT Sloan

📘 The StatQuest Illustrated Guide to Machine Learning جاش استارمر در این کتاب با همون سبک توضیح‌های تصویری و قدم‌به‌قدم کانال یوتیوبش سراغ ماشین لرنینگ رفته. از رگرسیون و درخت تصمیم تا SVM و شبکه‌های عصبی؛ ارزیابی مدل و بیش‌برازش رو هم توضیح می‌ده. چیزی که توی این شیوهٔ آموزش خیلی جذابه، وصل کردن فرمول‌ها به تصویریه که می‌شه فهمید و توی ذهن نگه داشت. کتاب ۳۰۵ صفحه‌ست و از Simply AI فنی‌تره و این بار بیشتر وارد خود الگوریتم‌ها می‌شه. @alirashedi1

وقتی به همه‌چیز علاقه داری و انتخاب یکی، حسِ از دست دادن بقیه رو می‌ده. این ویدیو دربارهٔ همین وضعیته و برای افرادی هست که توی خیلی چیزا خوبن و حس می‌کنن می‌تونستن کارهای مختلفی بکنن و از دستش دادن... ویدیو میگه چجوری با این موضوع دیل کنیم 👌 https://youtu.be/3NGL3K6_iEk?si=kARtBub9zCH7FbUY

🐋 اگه برای کدنویسی از AI استفاده می‌کنید، نسخهٔ جدید دیپ‌سیک ارزش تست کردن داره. DeepSeek-V4.1-Flash-1017 منتشر شده و طبق نتایج خود دیپ‌سیک، در آزمون برنامه‌نویسی DeepSWE v1.1 امتیاز ۷۷ گرفته. برای مقایسه، توی همین جدول: ▫️ Opus 5: امتیاز ۷۴ ▫️ GPT-5.6 Sol: امتیاز ۷۳ ▫️ Kimi K3: امتیاز ۶۷٫۵ ▫️ GLM-5.3: امتیاز ۶۶٫۹ البته این‌ها نتایج گزارش‌شدهٔ خود شرکته؛ در بعضی آزمون‌های دیگهٔ همین جدول، Opus جلوتره. مدل روی چت، اپ و API دیپ‌سیک در دسترسه و وزن‌هاش هم با مجوز MIT منتشر شده. هزینهٔ API برای هر یک میلیون توکن، در ساعات کم‌ترافیک: • ورودی بدون کش: ۰٫۱۵ دلار • خروجی: ۰٫۶۰ دلار در ساعات اوج، قیمت‌ها دوبرابر می‌شن. به نظرم تست کاربردیش اینه: یه تسک واقعی از پروژه‌تون رو بهش بدید و کیفیت خروجی، زمان و هزینهٔ رسیدن به جواب قابل‌استفاده رو با مدل فعلی‌تون مقایسه کنید. اعلام رسمی: https://api-docs.deepseek.com/news/news261017/ مدل و نتایج: https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017 @alirashedi1

اگه کل زندگیت رو توی یه عکس ببینی، برنامه‌هات عوض می‌شه؟ این تصویر یه تمرین از ری دالیوئه به اسم «قوس زندگی». اتفاق‌های احتمالی زندگی رو کنار هم گذاشته؛ از مدرسه و اولین کار و عاشق‌شدن، تا تغییر شغل، شکست، بازنشستگی و از دست دادن عزیزها. قرار نیست همه‌ی این اتفاق‌ها برای همه بیفته یا ترتیبشون همین باشه. هدفش اینه که یه لحظه از کارهای روزمره فاصله بگیریم و مسیر رو یک‌جا ببینیم. باهاش این کار رو بکنید: ۱. جای تقریبی خودتون رو روی مسیر پیدا کنید؛ تا اینجا چه چیزهایی رو تجربه کردید؟ ۲. جای آدم‌های مهم زندگیتون رو هم مشخص کنید؛ پدر و مادر، شریک زندگی، دوست‌های نزدیک. ۳. حالا ده سال برید جلو. شما و اون‌ها چند سالتونه؟ احتمالاً چه چیزهایی تغییر کرده؟ ۴. از خودتون بپرسید: با این حساب، چی رو بهتره همین امسال انجام بدم؟ شاید وقت بیشتر با خانواده باشه، رسیدگی به سلامتی، یا شروع کاری که هی عقبش می‌ندازیم. به نظرم بخش جالب تمرین همینه: «یه روزی انجامش می‌دم» رو تبدیل می‌کنه به «کی، وقتی من و آدم‌های زندگیم کجای این مسیریم؟» منبع: ری دالیو، تمرین Life Arc در کتاب Principles for Success توضیح دالیو دربارهٔ تمرین

اگر داخل نپتون سقوط کنیم چی می‌شه :) منبع: پیج notsurvivable

ما داریم یاد می‌گیریم چطور با AI کار کنیم. ولی اگه یه روز از خودمون باهوش‌تر بشه، چطور کنترلش می‌کنیم؟ این ویدیوی حدودا ۲۲ دقیقه‌ای درباره‌ی هشدارهای رومن یامپولسکی، پژوهشگر ایمنی هوش مصنوعی، درباره‌ی رسیدن به «ابرهوش مصنوعی»ه؛ یعنی AI‌ای که توانایی‌هاش از انسان فراتر بره. نگرانی‌ای که مطرح می‌کنه اینه که ممکنه سرعت پیشرفت این سیستم‌ها از توان ما برای کنترلشون جلو بزنه. به نظرم موقع دیدنش این سؤال رو داشته باشیم: کدوم حرفش شواهده و کدوم بخش پیش‌بینی؟ مخصوصا عدد ۲۰۲۷ توی عنوان رو نباید تاریخ قطعی اتفاقی بدونیم. https://youtu.be/1moULJu5TCU

اخبار مهم سه روز اخیر : ۱۳ تا ۱۵ اکتبر • Grok Voice 3.0 معرفی شد. مدل صوتی جدید گروک برای مکالمه و پشتیبانی تلفنیه. طبق اعلام شرکت، تأخیر پاسخ زیر یک ثانیه‌ست و استفاده از API دقیقه‌ای ۸ سنت هزینه داره. (https://x.ai/news/grok-voice-3) • آمازون دو دستگاه AI برای یادآوری مکالمه‌ها معرفی کرد. Bee Frontier پوشیدنیه و Bee Eclipse به پشت گوشی وصل می‌شه. مکالمه‌ها رو به خلاصه، یادآوری و لیست کارها تبدیل می‌کنن؛ بعضی قابلیت‌ها اشتراک جدا می‌خوان. (https://www.aboutamazon.com/news/devices/amazon-personal-ai-bee-frontier-bee-eclipse) • درآمد فصلی انتروپیک به ۱۶.۸ میلیارد دلار رسیده. طبق گزارش وال‌استریت‌ژورنال، درآمد سه‌ماهه‌ی سوم نسبت به فصل قبل ۴۵ درصد رشد کرده. این گزارش می‌گه شرکت برای عرضه‌ی اولیه، احتمالاً از ماه آینده، آماده می‌شه. (https://www.wsj.com/tech/ai/anthropics-quarterly-revenue-jumped-45-to-nearly-17-billion-1c7e28b8) • جذب سرمایه برای زیرساخت AI سخت‌تر شده. رویترز گزارش داده افزایش هزینه‌ی وام و افت سهام باعث شده چند شرکت دیتاسنتری عرضه‌ی اولیه‌شون رو عقب بندازن. سرمایه‌گذارها بیشتر دنبال درآمد قابل‌اتکا و توجیه هزینه‌ها هستن. (https://www.reuters.com/business/finance/market-selloff-rising-rates-test-ai-data-centre-deal-boom-2026-10-15/) • انتروپیک به ارزیاب‌های مستقل دسترسی داخلی داده. شش نفر از تیم METR به ابزارها و اطلاعات داخلی برای بررسی ریسک مدل‌ها دسترسی گرفتن. می‌تونن نتیجه رو بدون تأیید انتروپیک منتشر کنن، با محدودیت‌هایی برای اطلاعات محرمانه. (https://www.anthropic.com/news/an-update-on-independent-evaluators) • حدود ۴۰۰ دانشمند خواستار نظارت بین‌المللی بر AI شدن. هینتون و بنجیو هم بین امضاکننده‌ها هستن. پیشنهادشون تعیین استاندارد برای مهار مدل‌های پیشرفته و ثبت حوادث امنیتیه؛ فعلاً یه درخواست عمومی‌ست، نه قانون تصویب‌شده. (https://www.reuters.com/legal/litigation/scientists-call-international-body-oversee-advanced-ai-2026-10-13/) @alirashedi1

از AI که بگذریم، سخن دوست خوش‌تر است :) چرا بعضی بحث‌ها رو صد بار می‌کنیم و باز به همون‌جا می‌رسیم؟ کتاب Fight Right از جان و جولی گاتمن درباره‌ی همین موضوعه؛ اینکه چطور با کسی که دوستش داریم اختلاف داشته باشیم، حرفمون رو بزنیم و حرف اون رو هم بشنویم. کتاب با مثال‌های واقعی سراغ همین چیزها می‌ره: چطور بحث رو شروع می‌کنیم، چرا وسطش از کوره درمی‌ریم و چطور بعد از یه دعوای بد دوباره به هم نزدیک بشیم. به نظرم یادگرفتن این مهارت هم به اندازه‌ی تمام مهارت‌هایی که برای کارمون یاد می‌گیریم لازم و واجبه. @AliRashedi1

مریم صادقی هم از افرادی هست که اگر دنبالش نمی‌کنید و ویدیوهاشو نمی‌بینید، به خودتون ظلم می‌کنید. مریم در این ویدیو به سراغ jev رفته البته معرفی ویدیو بهونه‌ای بود برای معرفی ویدیوها و کانال ایشون و تشکر بابت تمام محتوای خوبی که تولید می‌کنن. youtu.be/1DV1pg5kMR8?si…

سم ایلینگ‌ورث، استاد تمام سواد انتقادی هوش مصنوعی و بنیان‌گذار Slow AI، یه داستان جالب تعریف کرده: پایان‌نامه‌ی دکتریش رو داده به ابزار تشخیص متن AI و ابزار گفته ۷۰٪ش رو هوش مصنوعی نوشته. پایان‌نامه رو سال ۲۰۱۰ نوشته بود؛ سال‌ها قبل از اینکه ChatGPT بیاد :) جالب‌تر اینکه همون ابزار پیشنهاد داده پول بده تا متنش رو «انسانی» کنه. یعنی نوشته‌ی خودت رو مصنوعی تشخیص می‌ده، بعد برای اصلاحش ازت پول می‌خواد! خودش می‌گه: یا من مسافر زمانم، یا این ابزارها درست کار نمی‌کنن. برای خودش این اتفاق خنده‌داره، ولی برای دانشجویی که به تقلب متهم می‌شه، ممکنه پای مدرک و آینده‌ش وسط باشه. به نظرم دیدن یه عدد مثل «۷۰٪» راحت بهمون حس اطمینان می‌ده. ولی این عدد به‌تنهایی مدرک نیست که کسی از AI استفاده کرده؛ برای قضاوت باید روند کار و شواهد دیگه رو هم دید. پی‌نوشت : البته نظر شخصی من اینه که اگر کسی الان از AI در نوشتن استفاده نمی‌کنه مخصوصا نوشتن آکادمیک خیلی عجیبه و باید بین نوشتن متن با AI و داده سازی و نتیجه سازی و توهم با AI تفاوت قائل شد

امروز روز اکران فیلم KDE: The Documentary است. فیلمی مستند در مورد تاریخچه ۳۰ ساله این میزکار دنیای آزاد. تقریبا ۸ دقیقه دیگه پخشش از یوتیوب شروع می شه: https://www.youtube.com/watch?v=1Vyzla9mx4g

صحبت جالبی‌ست منبع : Isntagram.com/amirkhoshbakhtx

https://www.instagram.com/reel/DeeOutLteKK/?dlrf=ZWNyaWYwNGtlYzU2 صحبت جالبی است

هر بار یه چت جدید باز می‌کنیم، دوباره توضیح می‌دیم: این لحنمه، این قالب گزارشمه، این‌جوری فایل‌ها رو مرتب کن… این ویدیوی Jeff Su دربارهٔ کم‌کردن همین تکرارهاست. توی حدود ۲۰ دقیقه، با مثال نشون می‌ده چطور توی ChatGPT Work: ▫️ قواعد کارتون رو توی فایل AGENTS.md نگه دارید. ▫️ ابزارهایی مثل تقویم رو وصل کنید و قواعد استفاده ازشون رو مشخص کنید. ▫️ پیش‌نویس AI رو با نسخه‌ای که خودتون اصلاح کردید مقایسه کنید و از تفاوت‌ها یک Skill بسازید. اون آخری به نظرم کاربردی‌تره: به‌جای اینکه فقط خروجی رو اصلاح کنیم، مشخص کنیم چه چیزی رو تغییر دادیم و چرا؛ تا برای دفعات بعد هم قابل استفاده باشه. برای کسی که مرتب با AI متن، گزارش یا کارهای تکراری انجام می‌ده، ایده‌های خوبی داره. https://youtu.be/KmcTu2EigTs @alirashedi1