اگر به دنبال یک بیان مقدماتی از قضایای گودل هستید و می خواین سر در بیارید که بالاخره گودل چه کاری انجام داده و تا حدی هم وارد جزییات بشین این کتاب منبع خوبیه. اثبات دقیق ریاضی، طبیعتا مقدمات زیادی می خواد و تخصصی هست(چهل، پنجاه تایی تعریف اولیه فقط) توی این کتاب با یک دید کلی و شهودی در 100 صفحه قضایای گودل رو توضیح داده.

اثبات بدون کلام
every subtree of a tree is a tree

بمناسبت روز استاروارز یکی از بهترین صحنه‌های تاریخ سینما رو ببینیم :)

پ.ن: اگه سری استاروارز رو ندیدید اینو تماشا نکنید که براتون اسپویل نشه.

راستی، لینک ناشناس هم تو بیوی کانال قرار داده شد. اگه سوال، انتقاد یا پیشنهادی داشتید خوشحال می‌شم بشنوم.

#پیشنهاد_کتاب
بشخصه یه گارد یا بایاس ذهنی نسبت به کتاب‌ها و رمان‌هایی که نویسنده‌شون ایرانی هست داشتم (می‌دونم این نگاه درست نیست و نویسنده‌های خیلی خوبی در ایران داشتیم و داریم) و به همین خاطر ترجیح می‌دادم خیلی سمت این کتاب‌ها نرم (البته بجز آثار صادق هدایت).

خلاصه می‌شه گفت برای اولین بار (اگه صادق هدایت رو فاکتور بگیریم) تصمیم گرفتم یه کتاب از نویسنده‌های ایرانی رو شروع به خوندن کنم و انتخاب‌ام هم ۵۳ نفر از بزرگ علوی بود.

شاید بشه گفت اتفاقاً انتخاب ریسکی‌ای هم بوده چون ۵۳ نفر روایت‌گر یک داستان که زاده‌ی ذهن نویسنده باشه نیست و می‌شه گفت بیشتر جنبه تاریخی داره و مربوط به تجربه‌های شخصی بزرگ علوی هست.

موضوع کتاب هم به دوران پهلوی اول بر می‌گرده و دستگیری ۵۳ نفر از روشنفکرهای اون دوره‌ست که بعد از آزادی از زندان تصمیم می‌گیرن اولین حزب سیاسی ایران یعنی حزب توده رو ایجاد کنن.

موضوع کتاب برای من جذابه و اگه به مباحث تاریخی علاقه دارید پیشنهاد می‌کنم بخونید. قلم بزرگ علوی هم خیلی گیرا و روون‌ئه و علاقه‌مند شدم که کتاب‌های بیشتری ازش بخونم.

فصل سوم (حل مسئله از طریق جستجو) اضافه شد. توی این فصل تمام الگوریتم‌های Informed و Uninformed پوشش داده شده. یه نکته‌ای هم که قبلاً فراموش کردم بگم اینه که بخش‌های مهم و کلیدی توی مباحث رو با یه رنگ دیگه‌ای مشخص کردم و می‌تونید برای اون قسمت‌ها وقت بیشتری بگذارید.
https://github.com/amirhalijani/Artificial-Intelligence-A-Modern-Approach-Persian/tree/main/Chapter%203

صد مصر مملکت ز تعدی خراب شد
صد بحر سلطنت ز تطاول سراب شد
صد برج حرص و بخل به خندق دراوفتاد
صد بخت نیم خواب به کلی به خواب شد
آن شاهراه غیب بر آن قوم بسته بود
وان ماه زنگ ظلم به زیر حجاب شد
وان چشم کو چو برق همی‌سوخت خلق را
در نوحه اوفتاد و به گریه سحاب شد
وان دل که صد هزار دل از وی کباب بود
در آتش خدای کنون او کباب شد
ای شاد آن کسی که از این عبرتی گرفت
او را از این سیاست شه فتح باب شد
چون روز گشت و دید که او شب چه کرده بود
سودش نداشت سخره صد اضطراب شد
چون بخت روسپید شب اندر دعا گذار
زیرا دعای نوح به شب مستجاب شد

مولانا

مساله برای فکر کردن:
این مهره ها رو طوری در اون صفحه بذارید که هیچ کدوم همدیگر رو تهدید نکنند.
مساله ای از Martin Garnder

فکر کنم حل شد بالاخره :)
پ.ن: نزدیک 40 دقیقه طول کشید حل کردن‌ش.

تقریبا غیرقابل باوره.
پیشرفت سخت‌افزار باعث شده پیشرفت نرم‌افزار به چشم نیاد، ولی اونجا هم انقلابی رخ داده. تصویر بالا یک فریم از فیلم به صورت خامه، که با رزولوشن فول‌اچ‌دی ۷۱۲ مگابیت در ثانیه حجم دیتاشه. تصویر پایین، همون فیلم ولی فشرده شده با کدک اچ.۲۶۷ که با همون رزولوشن فقط ۸۸ کیلوبیت در ثانیه‌ست! یعنی بیش از ۸۲۰۰ برابر فشرده‌سازی، در حالی که کیفیت تصویر با نسخه خام مو نمیزنه.
ریاضی زیباست.

داشتم یه تحقیقی برای دانشگاه آماده می‌کردم که در همین حین با پلتفرم Michelangelo اوبر آشنا شدم و بنظرم جالب اومد. میکل‌آنجلو یه پلتفرم ML-as-a-service هست که بستری رو برای تیم‌های اوبر فراهم می‌کنه تا بتونن دیتاها رو مدیریت کنن، مدل ترین کنن، مدل‌ها رو ارزیابی و تست کنن و بطور کلی روی اونها نظارت و مانیتورینگ داشته باشن. خودشون می‌گن که قبل طراحی و ساخت چنین پلتفرمی، توی ساخت و استقرار مدل‌های AI بخاطر لارج اسکیل بودن پروداکت‌هاشون چالش‌های زیادی داشتن. هیچ سیستمی هم وجود نداشته که بشه داخلش یه پایپلاینِ کانسیستنت (یکنواخت؟) و قابل اعتماد برای تولید و مدیریت دیتاهای آموزشی و پیش‌بینی‌شون داشته باشن. در نتیجه اومدن میکل‌آنجلو رو توسعه دادن تا بتونن یه سیستم end to end داشته باشن و بین تیم‌های مختلف‌شون ارتباط برقرار کنن و کارمندهای بخش‌های مختلف بتونن سیستم‌های ML توی مقیاس بزرگ بسازن و مدیریت‌ش کنن. استارت پروژه‌شون هم از ۲۰۱۵ خورده.

برای توسعه‌ش هم از یسری ابزار اوپن‌سورس مثل HDFS, Spark, Samza, Cassandra, MLLib, XGBOOST و Tensorflow استفاده کردن و طبق گفته خودشون کلاً ترجیح بر این بوده که از ابزارهای اوپن‌سورس استفاده کنن و اگر جایی هم نیاز بوده اون‌ها رو فورک کنن و سفارشی‌سازی کنن و مجدد در اختیار جامعه اوپن‌سورس قرار بدن. جاهایی هم بوده که ابزارهای اوپن‌سورس جوابگوی نیازشون نبوده و مجبور شدن خودشون دست به کار بشن و سیستم جدیدی پیاده‌سازی کنن. پلتفرم میکل‌آنجلو هم روی زیرساخت‌های دیتا و پردازش اوبر بنا شده و اجزایی مثل Data Lake که تمامی داده‌های تراکنشی و لاگ شده‌ی اوبر رو ذخیره می‌کنه، بروکرهای kafka که پیام‌های لاگ شده رو از تمام سرویس‌های اوبر جمع‌آوری می‌کنه، استریمینگ کامپیوت انجین Samza و کلاسترهای مدیریت شده Cassandra رو شامل می‌شه.