+ دواپسمون همش داره ماینکرفت بازی میکنه

- اونایی که میدونن: 💀


داکر یه پروژه ی باحال داره به نام Dockercraft که میتونید مستقیم توی ماینکرفت کانتینر های داکرتون رو مدیریت کنید :)

اما چطوری کار میکنه؟

اومدن از Cuberite، یک سرور ماینکرفت متن‌باز و نوشته‌شده با C++، برای پیاده‌سازی Dockercraft استفاده کردن. این سرور از پلاگین‌های Lua پشتیبانی میکنه، بنابراین یک پلاگین اختصاصی برای تعامل با Docker توسعه دادن.

🔹 اجرای عملیات در سمت سرور

کلاینت ماینکرفت بدون تغییر باقی میمونه و تمام پردازش‌ها سمت سرور انجام میشه. پلاگین Lua که در مسیر world/Plugins/Docker قرار داره، یک تب مدیریتی در WebAdmin سرور ایجاد میکنه:

Plugin:AddWebTab("Docker", HandleRequest_Docker)

این باعث میشه درخواست‌های POST به مسیر http://127.0.0.1:8080/webadmin/Docker/Docker ارسال بشن.

🔹 اتصال به Docker Remote API

رویدادهای داکر از طریق سرویس Goproxy که با Golang نوشته شده پردازش شده و به پلاگین Lua منتقل میشن. این سرویس درخواست‌ها را به سرور ارسال می‌کنه:

func MCServerRequest(data url.Values, client *http.Client) {
 req, _ := http.NewRequest("POST", "http://127.0.0.1:8080/webadmin/Docker/Docker", strings.NewReader(data.Encode()))
 req.Header.Set("Content-Type", "application/x-www-form-urlencoded")
 req.SetBasicAuth("admin", "admin")
 client.Do(req)
}

🔹 اجرای دستورات از طریق ماینکرفت

پلاگین Lua میتونه از طریق os.execute() با این سرویس ارتباط برقرار کنه. مثلاً موقع ورود یه بازیکن، اطلاعات کانتینرهای داکر بروزرسانی میشن:

function PlayerJoined(Player)
    r = os.execute("goproxy containers")
end

این روش امکان مدیریت کانتینرهای Docker را مستقیماً از داخل ماینکرفت فراهم می‌کنه


گیت هاب پروژه:

🔗 https://github.com/docker/dockercraft

---

مثل همیشه کنجکاو بمونید :)

🆔 @MdDaily

عشق میاد و میره، اما git commit برای همیشه می‌مونه!

#ولنتاین_برنامه_نویس

🆔 @MdDaily

دانشگاه شاهکاره

دارم با استاد بحث میکنم که BSD هم سیستم عامله و قبول نمیکنه میگه نه نرم افزار کاربردی برپایه ی لینوکسه

بعد خودش لینوکس رو چطوری نوشته؟

Linox

🆔 @MdDaily

این موضوع واقعاً گرد ناامیدی نیست، یک نیم‌نگاه به آمار اخراج‌ها یا لیست مشاغلی که دیگه نیروی جونیور نمی‌گیرند بندازید (البته بعضی‌ها زدن جونیور ولی دقت کنید لیست مهارت‌ها رو ببینید.)

مثال بکند میزنم:
قبلاً جونیور رو میاوردند که سنیور وقت آزادتری داشته باشه برای طراحی سیستم و بررسی بخش‌های مختلف و چیزای مهمتر؛ یعنی شرکتی نبود که به سنیور بگه یک لاگین بزن، یک صفحه بزنم اسم کاربر رو برگردونه و ...

این‌ها تسک‌های جونیور بود و سنیور نهایتاً review می‌کرد؛ الان تمام اینکارهارو یک الگوریتم هوش مصنوعی می‌کنه، سنیور در لحظه مسئله رو می‌شکنه و از AI می‌پرسه کد رو تحویل می‌گیره و کپی و تمام ...
همین مسیر رو ادامه میده و در نهایت حالات مختلف تست نویسی که به ذهنش میرسه رو هم دونه دونه از AI می‌خواد بنویسه بازم دابل چک می‌شه و تمام.

بعد هم وقتش رو میذاره روی تسک‌های اصلی؛ طراحی سیستم، طراحی دیتابیس و ... زیر بار بردن پروژه
تست‌های مختلف خارج شدن بخش‌های مختلف سیستم از دسترس و ...

حالا شما بیا به من بگو من جونیور هستم، جنگو و جنگو رست و پستگرس رو بلدم.
اولین سوالاتی که توی ذهن من میاد:
سلری چطور ؟ کار با redis چی ؟ تست نویسی چطور ؟ پروفایلینگ چی میشه پس ؟ لاگ نویسی خوب چی ؟ (دوتا پست قبلتر یک مشکل رو مثال زدم و قدیما یک آموزش گذاشتم) و ...

اگر شما نتونی اینکارها رو انجام بدی و نشناسی؛ خب تمام مدل‌های AI از شما بهتر کد می‌زنند و وقت کمتری هم میگیره اگر قرار باشه من هی برم سراغش و بهش بگم چیکار کنه و چطوری بزن و ...


دو گروه اینجا بهشون بر میخوره (توی آمار‌های مختلف هم همین رو نشون داده؛ به دیتاهای آمریکای شمالی نگاه کنید) :

۱- پکیج فروش‌ها: دیگه پکیجی که فقط جنگو یاد بده بدون پروژه‌ای که استاندارد باشه بی‌ارزش می‌شه و کاسبی خراب (این نیروها استخدام نمی‌شوند و کمتر کسی سراغ این آموزش‌ها میره)

۲- افرادی که شغل برنامه‌نویسی رو برای راحتی استفاده کردند؛ جدی میگم بسیار شنیدم که می‌گن بابا کار شما که چیزی نیست ۸ ساعت پشت کامپیوتر می‌شینی بعدم میری خونه ۱۲ ساعت عشق و حال و پارتی و ....

والا ما یک مهمونی هم میخوایم بریم باید ۷ روز قبل خبر داشته باشیم که بتونیم اون ۴-۵ ساعت مهمونی رو توی ۷ روز جبران کنیم تسک عقب افتاده نداشته باشیم.

چرا اینارو مجدداً اینجا می‌گم:

من از آموزش دادن به کسی سودی نمی‌برم، هرکسی هم با من کار کرده می‌دونه تمام دانشم تمام وقت در دسترس تمام نیروهای زیردستم هست، هیچ ترسی ازینکه کسی جام رو بگیره ندارم و ازین موضوع و رشد کردن نیروهام بسیار لذت می‌برم.

برای همین بجای اینکه بگم آقای X خانم Y بیاید برنامه‌نویسی یاد بگیرید ماهی ۲۰۰ میلیون درآمد دارید (دیدی اینو میگه بعد پکیج آموزشی ۳۰۰ هزارتومنی میذاره) میگم این مسیر سختی‌هاش زیاد شده، دیگه فقط با سینتکس یاد گرفتن نمی‌تونید شغل پیدا کنید، کسی که الان شروع می‌کنه از صفر حداقل ۲ سال وقت می‌ذاره. اگر قرار نیست جدی بگیرید برنامه‌نویسی رو پیشنهاد می‌کنم برید دنبال کار مورد علاقتون.

مکانیک - برق کار - آشپز - باریستا و ... همگی مشاغل کاملاً قابل احترام هست و توی ۲ سال وقتی علاقه‌ هم باشه قطعاً موفق تر خواهید بود.


در نهایت، این متن باید به شمایی که برنامه‌نویسی رو انتخاب کردید انگیزه بده که برنامه‌نویسی رو جدی بگیرید و از وقت اینستاگرام و پارتی و ... بزنید و روی تخصص تمرکز کنید.
اگر نه که رشته یا تخصص رو اشتباه انتخاب کردید.

#میم

قبل و بعد یادگیری برنامه نویسی:

🆔 @MdDaily

به طور کلی System Design چیه؟

طراحی سیستم یا System Design، فرآیند برنامه‌ریزی و ایجاد ساختاری برای یک سیستم نرم‌افزاری یا سخت‌افزاریه که بتونه نیازهای مشخصی رو برآورده کنه. این فرآیند شامل تعیین معماری سیستم، اجزا، نحوه‌ی ارتباط بین اون‌ها و تکنولوژی‌های مورد استفاده است.

چرا باید System Design رو یاد بگیریم؟

1. حل مسائل پیچیده: در پروژه‌های بزرگ، طراحی سیستم کمک می‌کنه تا با تقسیم مسئله به بخش‌های کوچکتر، راه‌حل‌های مؤثرتری پیدا کنیم.

2. بهینه‌سازی منابع: طراحی مناسب سیستم باعث می‌شه از منابعی مثل زمان، هزینه و نیروی انسانی بهینه استفاده کنیم.

3. مقیاس‌پذیری: با طراحی درست، سیستم می‌تونه با افزایش کاربران یا داده‌ها به‌خوبی سازگار بشه.

4. ارتباط بهتر تیمی: طراحی شفاف سیستم، فهم مشترکی بین اعضای تیم ایجاد می‌کنه و همکاری رو بهبود می‌ده.

5. آمادگی برای مصاحبه‌های شغلی: بسیاری از شرکت‌ها در مصاحبه‌ها سوالاتی درباره‌ی طراحی سیستم می‌پرسن.

اما System Design شامل چه مؤلفه‌هایی میشه؟

1. معماری سیستم (System Architecture): ساختار کلی سیستم و نحوه‌ی تعامل اجزا با هم.

2. مقیاس‌پذیری (Scalability): توانایی سیستم در مدیریت افزایش بار کاری و تعداد کاربران.

3. توازن بار (Load Balancing): توزیع متعادل ترافیک بین سرورها برای جلوگیری از بارگذاری بیش از حد.

4. ذخیره‌سازی داده‌ها (Data Storage): انتخاب نوع پایگاه داده و طراحی ساختار داده‌ها.

5. کشینگ (Caching): ذخیره‌سازی موقت داده‌ها برای افزایش سرعت دسترسی.

6. مدیریت تراکنش‌ها (Transaction Management): اطمینان از اجرای صحیح و کامل تراکنش‌ها.

7. امنیت (Security): حفاظت از داده‌ها و سیستم در برابر تهدیدات.

8. مانیتورینگ و لاگینگ (Monitoring and Logging): نظارت بر عملکرد سیستم و ثبت رویدادها.

9. پشتیبان‌گیری و بازیابی (Backup and Recovery): تدوین راهکارهایی برای حفظ و بازیابی داده‌ها در صورت بروز مشکل.

10. تست و ارزیابی (Testing and Evaluation): انجام تست‌های مختلف برای اطمینان از عملکرد بهینه سیستم.

توی منابع یادگیری سیستم دیزاین:

برای آشنایی با مفاهیم و مقدمات ویدیوی یک ساعت Learn System Design از freecodecamp:
🔗 https://www.freecodecamp.org/news/learn-system-design-principles/

مستندات متنی و رودمپ ها :

🔗 https://www.karanpratapsingh.com/courses/system-design

🔗 https://www.geeksforgeeks.org/complete-roadmap-to-learn-system-design/

خبر نامه ها و وبلاگ ها :

🔗 https://www.quastor.org/

🔗 https://blog.quastor.org/

🔗 https://blog.bytebytego.com/
کانال های یوتیوب:

🔗 https://www.youtube.com/ByteByteGo

🔗 https://www.youtube.com/c/SystemDesignInterview

پ ن :
عضو شدن تو خبرنامه ها را بهتون توصیه میکنم تجربیات باحالی از شرکت های مختلف میفرستند و در کل منابعی که معرفی کردم منابعی بودند که برای یادگیری ازشون استفاده کردم، اگه شما منابع دیگه ای هم میشناسید خوشحال میشم تو کامنت ها معرفی کنید :)


---

مثل همیشه کنجکاو بمونید :)

🆔 @MdDaily

با معرفی شدن Claude 3.7 Sonnet به گیت هاب کوپایلت هم اضافه شد ولی به نظر فعلا برای مشترکین pro فعال شده‌.

🆔 @MdDaily

راز موفقیت WinRAR: چطور با دوره آزمایشی بی‌پایان، پول درمیاره؟

نرم‌افزاری که بهمون یه دوره آزمایشی ۴۰ روزه میده، ولی بعدش می‌تونیم تا ابد با زدن دکمه "بستن" روی پاپ‌آپ‌ها ازش رایگان استفاده کنیم. اما نکته شگفت‌انگیز اینجاست که این شرکت با همین روش عجیبش تونسته سال گذشته ۲۱ میلیون دلار درآمد داشته باشه! حالا بیاید ببینیم چطور این کار رو کرده.

استراتژی منحصر به فرد WinRAR

این نرم افزار از یه مدل لایسنسینگ استفاده میکنه که همیشه اجازه دسترسی به آزمایشی دائمی اپ رو میده . تو این روش، بعد از ۴۰ روز دوره آزمایشی، نرم‌افزار همچنان کار می‌کنه و هیچ محدودیتی برای کاربرا نمی‌ذاره. این شرکت به کاربرا اعتماد داره که خودشون برای حمایت از نرم‌افزار لایسنس بخرن. این استراتژی باعث شده WinRAR به یه ابزار معروف تبدیل بشه و کاربراش به ۵۰۰ میلیون نفر برسن. این روش همچنین به بازاریابی ویروسی (Viral Marketing) کمک کرده؛ کاربرایی که از نرم‌افزار راضین، اونو به بقیه پیشنهاد میدن و این یعنی رشد طبیعی از طریق تبلیغات دهان به دهان (Word-of-Mouth Promotion). پس یعنی در آمد winrar از طریق کاربران رندومی که اونو میخرن تامین میشه؟

جواب کوتاه: نه

جواب بلند تر:

منبع اصلی درآمد: شرکت‌ها

در حالی که کاربرای عادی می‌تونن تا ابد از نسخه رایگان استفاده کنن، درآمد اصلی WinRAR از فروش به شرکت‌ها (B2B Sales) تأمین می‌شه. شرکت‌های بزرگ مثل آمازون یا مایکروسافت نمی‌تونن ریسک استفاده از نرم‌افزار بدون لایسنس رو بپذیرن، چون ممکنه با مشکلات قانونی یا حتی آسیب به اعتبارشون مواجه بشن. برای همین، این شرکت‌ها ترجیح میدن لایسنس بخرن. WinRAR هم با قیمت مناسب (۳۰ دلار برای هر لایسنس) و تخفیف‌های حجمی (Volume Discounts) برای خریدهای عمده، خودشو به گزینه‌ای جذاب برای کسب‌وکارها تبدیل کرده. این جریان درآمدی پایدار، بدون فشار آوردن به کاربرای عادی، WinRAR رو سرپا نگه داشته. پس در اصل در آمد winrar از طریق شرکت های رندومی که اونو میخرن تامین میشه :)

تبلیغات و ترفندهای نرم‌افزاری

حالا WinRAR تو نسخه موبایلش از تبلیغات استفاده می‌کنه و کاربرا می‌تونن با خرید لایسنس، تبلیغات رو حذف کنن. این یه مدل رایج به اسم Freemium هست، یعنی نرم‌افزار به صورت رایگان ارائه می‌شه، ولی برای حذف محدودیت‌ها یا تبلیغات، باید پول پرداخت بشه. از طرف دیگه، پاپ‌آپ‌هایی که بعد از ۴۰ روز ظاهر می‌شن و تمومی هم ندارن، آزاردهنده هستن. این ترفند باعث می‌شه بعضی کاربرا برای خلاصی از این یادآوری‌ها، تصمیم به خرید لایسنس بگیرن.

---

مثل همیشه کنجکاو بمونید :)

🆔 @MdDaily

معمولا از این کارا نمیکنم یعنی کلا نمیکنم ولی از سر کنجکاوی دیدم یکی از کانال های تلگرامی یه تبلیغی گذاشته: آموزش رایگان در آمد دلاری با هوش مصنوعی.

کنجکاو شدم ببینم دقیقا چی میخواد آموزش بده

وارد کانالش شدم یه کانال پرایوت بود که ممبر هاش از 10k بعد از یه مدت رسیدن به 34k و هر پستی هم حداکثر 5k ویو میخورد.

تا اینجا و در شروع فعالیت مدرس شروع به ارسال ویس کرد که میخوام یه چیزی بهتون آموزش بدم که ۲ هزار دلار با هوش مصنوعی توی ۳۰ روز در بیارید و فرصتیه که فقط یک بار در خونتون رو میزنه.

پ ن:
د آخه شیر پاک خورده خود سم آلتمن نمیتونه ادعا کنه open ai ماهی ۲ هزار دلار داره سود میده همش تو ضررن

بگذریم.

بعد از گذشت یک هفته به مدت ۶ شب هر شب یه ویدیو آموزشی به نام دوره ی money master میذاشت که هر ویدیویی اش هم تقریبا ۴۰ دقیقه بود

مدرس کت و شلوار پوشیده به همراه یه گوشی آیفون، روی میز دلار و در یک لوکیشن باغ

هرچه همه کلاه برادران داشتن این عزیز یکجا داشت

حدس بزنید تو این ۶ قسمت چی یاد داد؟
.
.
.

درسته، هیچی :)))
عملا هیچییی، صرفا داشت نوار خالی پر میکرد و مدام تکرار میکرد که با هوش مصنوعی می تونید برید تمام پروژه های خارجی رو از سایتای فریلنسری بگیرید و لوگو و تیزر براشون تولید کنید. نهایت دمویی هم که انجام داد این بود که رفت توی کوپایلت یه لوگو ساخت. گفت ببینید این لوگو ۲۰۰ دلار قیمتشه xD

با کمی سرچ تونستم رد پای طرف رو تو شبکه های مجازی پیدا کنم.

سال ۲۰۲۰ فعالیتشو با آموزش های کپ کاتو در آمد با موبایل شروع کرده تا رسیدیم سال ۲۰۲۴ که اول فقط ابزار هوش مصنوعی معرفی میکرده بعد از یه جایی به بعد به ذهنش زده، عه چرا رویا فروشی نکنم رو موجی که راه افتاده؟

شاید بپرسید سرنوشت دوره ی money master چیشد؟

بعد از ۶ تا ویدیو نوار خالی پر کردن و ایجاد احساس نیاز به یک استاد هوش مصنوعی گفت یه دوره میخواد بذاره به نام money maker ظرفیتش ۱۰۰ نفره به قیمت ۴ و ۸۹۰

حدس بزنید چی میشه؟

قطعا ۱۰۰ نفر پیدا میشن که این دوره رو بخرن و من میگم حتی بیشتر.

مدرس نه ببخشید رویا فروش ما چیزی حدود ۵۰۰ میلیون یعنی با دلار ۹۰ تومن تقریبا ۶ هزار دلار در میاره که بهشون یاد بده چطوری ۲ هزار دلار در بیارن

از این داستان چه درسی میتونیم بگیریم؟

برندینگ توی کار واقعا چیز مهمیه جدیش بگیرید

به قول یه سنیوریی میگفت:

سعی کنید تو کار و برندینگتون مثل پورن استار ها بشید همه دوستشون دارن

---

خلاصه که این بار علاوه بر اینکه کنجکاو بمونید از ترفند های برندینگ به شیوه ی مثبتش الهام بگیرید :)


🆔 @MdDaily

یکی از اتفاق های خوبی که توی بازنویسی Typenoscript با Golang میوفته علاوه بر افزایش ۱۰ برابری سرعت خود تایپ اسکریپت، اینکه به زودی شاهد افزایش پرفورمنس زیادی توی تجربه ی توسعه هستیم و پروژه هایی مثل Vscode و Playwright که با تایپ اسکریپت نوشته شدن خیلی سریع تر از قبل کامپایل میشن.

https://devblogs.microsoft.com/typenoscript/typenoscript-native-port/

🆔 @MdDaily

داشتم مقاله It’s Not A.I. — Junior Developers Have Always Struggled to Code از Walter G. رو میخوندم و دیدگاه خیلی جالبی داشت به هوش مصنوعی. توی مقاله میگه :

این هوش مصنوعی نیست — دولوپرهای تازه‌کار همیشه با کد زدن مشکل داشتن

اخیراً هوش مصنوعی رو مقصر کدنویسی بد تازه‌کارها می‌دونن، ولی این آدم با ۲۰ سال تجربه می‌گه تازه‌کارها همیشه مشکل داشتن.

دهه‌هاست جونیورها به استک اورفلو، آموزش آنلاین و سنیورها تکیه کردن. ابزارهای هوش مصنوعی مثل کوپایلوت، جای یادگیری عمیق رو نمی‌گیرن — فقط دارن چیزی رو که همیشه بخشی از فرآیند یادگیری بوده، ساده‌تر می‌کنن.

قبل از دوران هوش مصنوعی

قبل استک اورفلو، کتابای سنگین، یادداشتای ناقص و انجمنایی داشتیم که جواب گرفتن روزها طول می‌کشید. سال ۲۰۰۳، این روش کار بود. و بیشتر اوقات، کار راه میوفتاده. قرار نبود یه شبه بشیم برنامه‌نویس شماره یک دنیا، ولی قرار بود دربارهٔ الگوریتم‌ها، ساختمان‌های داده، سیستم‌های عامل و یه کم هم SQL یاد بگیریم.

بعد استک اورفلو اومد — و حدس بزنید چی شد؟ همون انتقادهایی که الان به ابزارهای هوش مصنوعی می‌شه، به اون هم شد. می‌گفتن دولوپرها تنبل می‌شن. دانشگاه‌ها ممنوعش کردن. مردم می‌گفتن مهندس‌ها بدتر می‌شن، چون مجبور نیستن برای پیدا کردن جواب‌ها اینقدر تقلا کنن.

آیا تقلا کردنِ اجباری دولوپرهای بهتری می‌سازه؟
شاید. سخته بگیم.

ولی نویسنده می‌گه — حتی با اون همه یادگیری "خالص"، من یه دولوپر افتضاح بودم و هیچ‌کس تعجب نکرد یا ناراحت نشد. چون یادگیری همین‌جوریه.در محیط کار، استک اورفلو بسیار مفید بوده و نیاز به جستجو در انجمن‌های قدیمی را از بین برده.

معمولاً شرکت‌ها پروژه‌های ۲۰ میلیونی رو به تازه‌کار نمیدن.

آیا خوندن روزانهٔ استک اورفلو دولوپر بهتریش یا بدتر کرد؟. شاید جواب هر دو باشه.

ولی واقعیت اینه که جوابا معمولاً تا وقتی کار کنن، کپی‌پیست می‌شن. اکثر دولوپرها هم همین کار رو می‌کردن.

هدف در نهایت تسلط به یه زبان برنامه‌نویسی نبود. هدف این بود که لیست کارهای هفتگی‌ رو تیک بزنن و امیدوار باشن که به اندازهٔ کافی خوب کار کردن.

نقش سنیور ها

نویسنده می‌گه پنج سال اول کارم، خیلی به سنیورها تکیه می‌کردم. نه فقط به خاطر اینکه بهتر از من کد می‌زدن — که قطعاً می‌زدن — بلکه چون این فقط یه بخش از قضیه بود.

اونا تجربه داشتن. با کد کارهایی کرده بودن که من نه توی دانشگاه ازم خواسته بودن و نه توی هیچ آموزشی. و وقتی نوبت کار واقعی می‌رسید، این چیزی بود که کم داشتم.

هنوز اولین باری رو یادمه که مجبور شدم از راه دور به یه سرور لینوکس لاگین کنم تا یه سری پارامترهای شبکهٔ مبهم رو برای مهاجرتِ یه وب‌سایت تنظیم کنم.

دو سال از شروع کارم می‌گذشت. من اصلاً تا حالا از راه دور به هیچی لاگین نکرده بودم. مخفف‌هایی که مدیرم به کار می‌برد، انگار یه زبان باستانی بودن. و تنها جواب من این بود: "اوکی، حله!".

خوشبختانه، یه سنیور کنارم بود. وقتی دید دو ساعته دارم توی صندلیم عرق می‌ریزم، قدم به قدم کل فرآیند رو بهم نشون داد.

و این الگو بارها توی سال‌های اول کارم تکرار شد.

در مواقع ضروری، سنیور با سرعت و توضیح کار رو انجام می‌داد.

خلاصه اینکه، چه از استک اورفلو استفاده کنید، چه از چت‌جی‌پی‌تی، کوپایلوت یا یه پست انجمن از سال ۲۰۰۱، همه‌شون یه چیزن. یه ابزارن برای کمک به شما که یه کاری رو انجام بدید.

یادگیری و تجربه واقعی از تکرار و راهنمایی کسی می‌آید که کار را انجام داده و راه رو بهتون نشون میده.

آیا هوش مصنوعی بیشتر ضرر می‌زنه یا کمک می‌کنه؟

جواب این سوال کاملاً بستگی به دولوپری داره که ازش استفاده می‌کنه و هدفش چیه.

همهٔ دولوپرها نمی‌خوان همهٔ الگوریتم‌های جستجو، ساختمان‌های داده یا رمزنگاری‌ها رو حفظ کنن. خیلی‌ها فقط می‌خوان چیزهای باحال بسازن، تا جایی که می‌تونن، و در عین حال حقوق بگیرن.

و این هم مشکلی نداره.

واقعیت اینه که هوش مصنوعی دولوپرهای بد رو بدتر نمی‌کنه — فقط شکاف‌هایی رو نشون می‌ده که همیشه وجود داشتن. یه دولوپر خوب از هوش مصنوعی به عنوان ابزاری برای تسریع یادگیری، خودکارسازی کارهای خسته‌کننده و بهبود کارایی استفاده می‌کنه. یه دولوپر بد، کورکورانه کپی و پیست می‌کنه، همون‌طور که همیشه می‌کرد، چه از هوش مصنوعی باشه چه از استک اورفلو.

فرق بین این دو تا چیه؟ تجربه. کنجکاوی. تمایل به یادگیری.

هوش مصنوعی جای تجربهٔ دنیای واقعی رو نمی‌گیره. به شما یاد نمی‌ده که چرا یه چیزی کار می‌کنه یا شما رو از یه کابوس دیباگ کردنِ ساعت ۲ صبح نجات نمی‌ده. و قطعاً جای مهندس ارشدِ کنار دستتون رو نمی‌گیره که بهتون نشون می‌ده کارها واقعاً چطوری انجام می‌شن.

پس آیا هوش مصنوعی ضرر می‌زنه یا کمک می‌کنه؟

این به ابزار بستگی نداره. این به دولوپر بستگی داره پس مثل همیشه کنجکاو بمونید :)


🆔 @MdDaily

وای به حال روزی که سرورای سرویس پزشک و مشاور اسنپم دیگه healthy نباشن :)

🆔 @MdDaily

کاری بسیار پسندیده از شهرداری اصفهان برای کودکان :)


🆔 @MdDaily