عامل‌های منطقی و استنتاج

درخت کریسمس مورد علاقه CS کارها

این کانال یوتیوب ویدیوهای جالبی میذاره پیشنهادش می‌کنم
https://youtu.be/UEUXThiwZvQ?si=NudEaYInWgB8Hbcu

خانه سرخ و کوچه سرخ است و خیابان سرخ است
آری از خون پهنه ی برزن و میدان سرخ است
ده به ده پرچم خشم است که بر میخیزد
مزرعه زرد و چپر سبز و بیابان سرخ است
خانه سرخ و کوچه سرخ است و خیابان سرخ است
آری از خون پهنه ی برزن و میدان سرخ است
ده به ده پرچم خشم است که بر میخیزد
مزرعه زرد و چپر سبز و بیابان سرخ است
تا گل خونی فریاد در این باغستان
ساقه از ضربه ی شلاق زمستان سرخ است
وحشتی نیست از انبوه مسلسل داران
تا در این دشت غرور کینه داران سرخ است
رو سیاه است اگر این شب مردم کش بد
تا دم صبح وطن سینه ی یاران سرخ است
با تو سرسبزی از ایثار سیه پوشان است
ای مسلط دستت از خون شهیدان سرخ است
ده به ده پرچم خشم است که بر میخیزد
مزرعه زرد و چپر سبز و بیابان سرخ است
تا گل خونی فریاد در این باغستان
ساقه از ضربه ی شلاق زمستان سرخ است
وحشتی نیست از انبوه مسلسل داران
تا در این دشت غرور کینه داران سرخ است
رو سیاه است اگر این شب مردم کش بد
تا دم صبح وطن سینه ی یاران سرخ است
با تو سرسبزی از ایثار سیه پوشان است
ای مسلط دستت از خون شهیدان سرخ است
ده به ده پرچم خشم است که بر میخیزد
مزرعه زرد و چپر سبز و بیابان سرخ است

- ایرج جنتی عطایی

توی این مقاله میگه چرا ویتگنشتاین با همه مخالفت می‌کرد حتی با خودش :)

اولش میگه در اکتبر ۱۹۱۱ یه دانشجوی ۲۲ ساله مهندسی هوانوردی در منچستر با قطار به کمبریج میره. چون عاشق منطق ریاضی شده بوده، میخواسته از برتراند راسل که اون موقع مدرس تازه وارد کالج ترینیتی بوده بهره ببره، اما راسل به خواهر بزرگتر ویتگنشتاین میگه:

ما انتظار داریم گام بزرگ بعدی در فلسفه را برادر شما بردارد.

ده سال بعد ویتگنشتاین کتاب "رساله منطقی-فلسفی" رو منتشر میکنه که بنظر خودش همه مسائل بنیادی فلسفه رو حل کرده. ولی خب اینطور نبوده و بر اساس تعریف، مسائل فلسفی حل نشدنی هستن. رساله‌ای که نوشت اساساً در مورد حدود زبان بوده و به گفته ویتگنشتاین زبانی که فقط برای بیان واقعیت‌ها سودمنده. به همین خاطر بخش بزرگی از چیزی که میگیم بی‌معناست و وقتی در مورد مسائل دینی، پرسش‌های زیبایی‌شناختی و... حرف می‌زنیم به تعبیر ویتگنشتاین داریم یاوه میگیم :) در این مورد خود فیلسوف‌ها رو هم صحبتش شامل شده و صرفاً مردم عادی مد نظرش نبوده.

ویتگنشتاین معتقد نبود فقط چیزهای مهم همون‌هایی‌اند که می‌تونیم درباره‌شون حرف بزنیم، بلکه برعکس، اون چیزی که نمی‌تونیم درباره‌اش سخن بگیم اهمیت بیشتری داره.

سال ۱۹۲۲ رساله ویتگنشتاین به انگلیسی ترجمه شد اما بعده‌ها، ویتگنشتاین مجموعه تازه‌ای از استدلال‌ها رو پیش کشید که با هر چیزی که در رساله‌ش اومده بود در تضاد بوده. ویتگنشتاین ریشه مشکلات ما با زبان رو نه در منطق، بلکه در قیود و برداشت‌های خودمون از کاربرد زبان میدونه.

ویتگنشتاین توی یه خانواده ثروت‌مند به دنیا اومده بود و یه نکته جالب در موردش اینه که مدتی با آدولف هیتلر هم‌مدرسه بوده :))

میگه که روح سرگردانی داشته و همون‌طور که هوانوردی رو رها کرد تا منطق‌دان بشه، منطق رو هم رها کرد و معلم دبستان شد. بعدش معلمی رو هم رها میکنه و باغبون یک صومعه میشه. بعد از باغبونی هم خودش رو معمار میدونست و یه خونه هم طراحی میکنه که به طرز وهم‌آوری بی نقص بوده.

زندگی عاطفی‌ش از این هم بی‌ثبات‌تر بود. یکی از رنج‌کشیده‌ترین همجنس‌گرایان تاریخ بوده و در عین حال، خودش هم بقیه رو می‌رنجوند. مثل کنت ویلیامز، عادت داشت به زنان پیشنهاد ازدواج بده، در حالی که با قاطعیت بر عفیف‌بودن اون ازدواج پافشاری می‌کرد. برای مردهای جوانی که دوست‌شون داشت هم اوضاع خوب نبود، چون هیچ‌قت بهشون نمیگفت که دوست‌شون داره. ویتگنشتاین درباره دیوید پینسنت—که رساله‌ش به اون تقدیم شده—گفت مرگش در یک آزمایش پروازی، چند ماه قبل از پایان جنگ جهانی اول، «نیمی از زندگی‌ام را از من گرفت». با این حال، به‌گفته گاتلیب، «هیچ نشانه‌ای وجود ندارد که پینسنت از چنین احساساتی آگاه بوده باشد… یا خودش چنین احساسی داشته باشد.»

در حالی که فرانسیس اسکینرِ «پسرانه، مهربان و حساس» از عشق ویتگنشتاین مطمئن بود، یادداشت‌های روزانه ویتگنشتاین نشان میده که خودِ اون چندان مطمئن نبوده: «دو سه بار با او خوابیدم. همیشه اول با این احساس که کار بدی نیست، بعد با شرم.»

در مقاله در مورد ویتگنشتاین میگه:

او انسان بود، بیش از حد انسان. بی‌چون‌وچرا نابغه بود، اما در عین حال تحمل‌ناپذیر و متکبر.

دوست‌ش فرانک رمزی میگفت: «اگر در درستی حرف‌هایش تردید کنی، فوراً فکر می‌کند اصلاً نفهمیده‌ای چه گفته.» و برای مردی که استدلال می‌کرد اخلاق را نمی‌توان به‌طور معنادار بحث کرد، وقت عجیبی صرف موعظه اخلاقی دیگران می‌کرد.

نورمن مالکوم از «تمایل او به سرزنش‌گری» شکایت داشته. گئورگ فون رایت، یکی از وصیّان ادبی‌اش، گفت که صحبت‌کردن با اون «وحشتناک بود… مثل این‌که روز داوری را از سر بگذرانی.»

در آخر هم توی مقاله میگن بی‌گمان، کسی که ویتگنشتاین بیشتر از همه به اون سخت می‌گرفت، خودش بود. افکار خودکشی به‌ندرت از ذهنش دور می‌شد. بیش از یک‌بار دوستانش را مجبور کرد بنشینند و فهرست دروغ‌ها و گناهانش را بشنوند. و سال‌ها بعد از اونکه در یه مدرسه ابتدایی در اتریش شاگردانش را کتک زده بود، برگشت و جداگانه از آن‌ها عذرخواهی کرد. روی بستر مرگ گفت: «بهشان بگویید زندگی فوق‌العاده‌ای داشتم.» شاید چنین بود، اما این زندگی‌نامه عالی را که می‌بندی، به این فکر می‌افتی که فیلسوف زبان، جی. ال. آستین، بهترین جمع‌بندی را کرده بود: «بیچاره پیرمرد ویتِرز.»

https://www.telegraph.co.uk/books/non-fiction/review-wittgenstein-philosophy-age-airplanes-gottlieb/

⬅️ کتاب اواریست گالوا
نویسنده : لئوپولد اینفلد
مترجم : پرویز شهریاری
ناشر : نشر بردار



#چاپ_دوم_۱۳۷۳
#تاریخ_و_فلسفه_ریاضیات



🆔 @Math_ebook

کتاب انقلاب فرانسه و رژیم پیش از آن از دوتوکویل رو می‌خوندم و این پاراگرافش بنظرم جالب اومد با توجه به اینکه چنین تجربه‌ای رو هم خودمون قبلاً در اصلاحات ارضی دوره پهلوی داستیم و نتیجه هر دو چه در فرانسه چه در ایران یکسان بود و به انقلاب ختم شد.

پ.ن: تا اینجا که کتابش رو خوندم این حس رو القا میکنه که انگار نویسنده خیلی طرفدار نظام فئودالی پیش از انقلاب بوده ولی در مجموع کتاب خوبیه و پیشنهادش می‌کنم اگر علاقه داشتید.

در ادامه‌ش هم می‌گه واگذاری زمین به کشاورزها باعث شد کلی کشاورز صاحب قطعه زمین‌های کوچیکی بشن که نه سود خاصی براشون داشت و علاوه بر اون کلی سختی و خسارت بهشون تحمیل کرد و فقط باعث شد که بقولی این قضیه صاحب زمین بودن زیر دندون کشاورزها مزه کنه و دنبال چیزهای بیشتری برن.

این در حالی بوده که اتفاقاً توی فرانسه طبقه کارگر و رعیت به نسبت از آزادی بیشتری بر خوردار بودن در مقابل آلمان و انگلیس.

در همون حین هم با وجود همین نظام فئودالی توی انگلیس، این کشور از نظر کشاورزی حرف اول رو توی اروپا می‌زده و پیشرفت‌های خیلی زیادی داشته. ولی بجای اینکه فئودالیسم، اونجا هم منجر به انقلاب بشه مثل فرانسه، طی یه روند آهسته و پیوسته کشاورزها و بطور کلی طبقه رعیت تونستن حق و حقوق بیشتری کسب کنن و وضع‌شون بهبود پیدا کرد.

شیوه پرامپت‌نویسی خوب از زبون خود ChatGPT

اول: دقیقاً بدون چی می‌خوای، نه «حدوداً»
«یه توضیح بده»، «یه متن خوب بنویس»، «تحلیل کن» یعنی هیچ. مدل قرار نیست نیت‌خوانی کنه. باید بدونه خروجی قراره چیه: مقاله؟ خلاصه؟ نقد فنی؟ متن عامه‌پسند؟ اگر خودت نمی‌دونی، مشکل از پرامپته، نه از مدل.

دوم: کانتکست ندادن یعنی شلیک تو تاریکی
LLM بدون زمینه مثل استاد دانشگاهیه که وسط خواب بیدارش کنی بگی «نظر بده». باید بدونه:

مخاطب کیه

سطح فنی چقدره

هدف استفاده چیه

محدودیت‌ها کدومن
هر خط کانتکست خوب، ده خط خروجی بهتر می‌سازه.

سوم: نقش تعیین کن، ولی ادا درنیار
«تو یک متخصص فلان با ۲۰ سال تجربه هستی» اگر فقط ژست باشه، فایده نداره. نقش باید با وظیفه بخونه.
مثلاً: «مثل یک داور مقاله‌ی علمی سخت‌گیر نقد کن» خیلی بهتر از «تو نابغه‌ای».

چهارم: فرمت خروجی رو دیکته کن
اگر نگفتی خروجی چطوری باشه، مدل هرجور دلش خواست می‌ریزه.
بگو: پاراگرافی، بولت‌پوینت، جدول، مرحله‌به‌مرحله، با مثال، بدون مثال، کوتاه، مفصل.
این کنترل نیست؛ مهندسیه.

پنجم: ابهام = توهم
هرجا مبهم بنویسی، مدل پرش می‌کنه. بعد می‌گی «چرا هالوسینیشن داد؟»
پاسخ ساده‌ست: چون تو بهش اجازه دادی.
اگر داده قطعی نداری، خودت بگو «اگر داده کافی نیست، فرضیاتت رو شفاف بگو».

ششم: پرامپت خوب، یک‌بار نوشته نمی‌شه
انتظار نداشته باش با یک شات شاهکار بگیری.
پرامپت‌نویسی فرآیند تکراره:

خروجی رو می‌بینی

ضعفش رو تشخیص می‌دی

پرامپت رو اصلاح می‌کنی
کسی که این کار رو نکنه، داره وقت تلف می‌کنه.

هفتم (مهم ولی ناراحت‌کننده): مدل آینه‌ی توئه
اگر سوالت سطحیه، جواب سطحی می‌گیری.
اگر تفکرت شفاف نیست، متن شفاف تحویل نمی‌گیری.
LLM تقویت‌کننده‌ست، نه معجزه‌گر. احمق رو نابغه نمی‌کنه، نابغه رو هم نجات نمی‌ده.

جمع‌بندیِ بی‌رحمانه:
پرامپت‌نویسی یعنی «واضح فکر کردن با صدای بلند».
هرجا خروجی بده، اول از خودت بپرس: من دقیق بودم یا تنبل؟
کسی که این مهارت رو جدی بگیره، از همون ابزارها نتیجه‌ای می‌گیره که بقیه فکر می‌کنن «جادو»ست.

مثال ۱: درخواست توضیح

❌ پرامپت بد:
«یادگیری ماشین رو توضیح بده.»

مشکلش چیه؟
هیچی مشخص نیست. برای کی؟ در چه سطحی؟ با چه هدفی؟ نتیجه می‌شه یه متن کلیشه‌ای و بی‌خاصیت.

✅ پرامپت خوب:
«یادگیری ماشین رو برای یک دانشجوی سال اول مهندسی توضیح بده، بدون فرمول ریاضی، با دو مثال کاربردی از زندگی روزمره، در حداکثر ۳ پاراگراف.»

نتیجه؟
مدل می‌فهمه کجا وایساده، چی رو حذف کنه، چی رو برجسته کنه 🎯

مثال ۲: تولید محتوا

❌ پرامپت بد:
«یه متن انگیزشی درباره موفقیت بنویس.»

این یعنی دعوت رسمی به تولید مزخرفات اینستاگرامی 😑

✅ پرامپت خوب:
«یک متن انگیزشی کوتاه بنویس که کلیشه‌ای نباشه، لحن واقع‌گرایانه داشته باشه، روی هزینه‌ی واقعی موفقیت تمرکز کنه، و مناسب مخاطب ۲۰ تا ۲۵ ساله باشه.»

حالا مدل مجبور می‌شه فکر کنه، نه کپی کنه 🔍

مثال ۳: تحلیل فنی

❌ پرامپت بد:
«این مقاله رو تحلیل کن.»

تحلیل یعنی چی؟ خلاصه؟ نقد؟ بررسی روش؟ ایرادگیری؟ معلوم نیست.

✅ پرامپت خوب:
«این مقاله را از نظر روش‌شناسی، فرضیات پنهان، و نقاط ضعف تجربی تحلیل کن. اگر داده‌ها ناکافی هستند، صریحاً بگو. لحن نقد آکادمیک و بی‌طرفانه باشه.»

مدل می‌فهمه قرار نیست تعریف کنه، قراره داوری کنه ⚖️

مثال ۴: برنامه‌ریزی

❌ پرامپت بد:
«برام برنامه یادگیری هوش مصنوعی بنویس.»

این یعنی یا خیلی کلی، یا کاملاً نامربوط.

✅ پرامپت خوب:
«برای فردی با پیش‌زمینه برنامه‌نویسی پایتون و آمار پایه، یک برنامه‌ی ۶ ماهه‌ی یادگیری هوش مصنوعی بنویس که هدفش آمادگی برای ریسرچ آکادمیک باشه. هر ماه هدف، منابع پیشنهادی و خروجی قابل اندازه‌گیری داشته باشه.»

اینجا خروجی می‌تونه واقعاً استفاده بشه 📈

مثال ۵: خلاقیت

❌ پرامپت بد:
«یه داستان کوتاه بنویس.»

مدل می‌ره سمت امن‌ترین و خسته‌کننده‌ترین الگو 😴

✅ پرامپت خوب:
«یک داستان کوتاه بنویس با لحن سرد و مینیمال، راوی سوم‌شخص محدود، درباره‌ی انسانی که متوجه می‌شه سیستم بیش از حد به او نیاز داره. پایان باز باشه و از توضیح مستقیم پرهیز کن.»

A PhD position is available at Eindhoven University of Technology, supervised by Associate Professor Yingqian Zhang, focusing on the application of artificial intelligence and data-driven innovation to next-generation product engineering solutions. The opportunity is in collaboration with NXP Semiconductors, a leader in the semiconductor industry, and aims to translate cutting-edge AI research into real-world impact for product development and engineering. The research will likely involve advanced topics in AI, data science, decision making, and big data, with a strong emphasis on practical applications in engineering contexts.

Applicants should be passionate about AI and data-driven innovation, and motivated to contribute to impactful research in product engineering. While specific eligibility criteria are not detailed in the post, candidates are expected to have a strong interest in the intersection of AI and engineering, and be ambitious in pursuing research excellence. The position is ideal for those seeking to work at the forefront of AI applications in industry, particularly within the context of semiconductor product development.

The position is announced by Yingqian Zhang, Associate Professor of AI for decision making at Eindhoven University of Technology, who also serves as Chair of the Benelux Association for AI and is a technical board member at the Big Data Value Association. Interested candidates are encouraged to review the full details and application instructions via the provided link, and may reach out to the supervisor via LinkedIn for further information.

Linkedin: https://www.linkedin.com/feed/update/urn:li:activity:7402648604101857280/
Position Link: https://www.linkedin.com/jobs/view/4342242283/