شبکه داستانی عصبی – Telegram
شبکه داستانی عصبی
793 subscribers
746 photos
35 videos
96 files
1.9K links
اینجا راجع به چیزایی که دوست دارم صحبت می‌کنم: داستان، هوش مصنوعی، موسیقی، نرم‌افزار، هنر، روانشناسی و ... :)

اگه خواستید صحبت کنیم خیلی خوشحالم می‌کنید:
@alimirferdos
Download Telegram
Kubernetes is all you need
بالاخره بعد از حدود هشت ماه، دیروز خوندن این کتاب رو تموم کردم. کتاب نسبتا کم حجمیه و مجموعه‌ای از چند داستان کوتاه از دن شاون عه.

توی توضیحات راجع به کتاب نوشته شده:
«دن شاون در کتاب در میان گمشدگان قصه‌ زن‌ها و مردها و بچه‌هایی را تعریف می‌کند که مانده‌اند کدام تصمیم، کدام انتخاب و کدام حادثه آن‌ها را به جایی که هستند کشانده است. از خانواده‌هایی می‌گوید که خود را میان رنج‌های این دنیای آشفته‌ی مدرن «گمشده» یافته‌اند و به حکم غریزه می‌کوشند همچنان با هم بمانند.
آنچه این آدم‌ها پشت سرگذاشته‌اند معمولاً سیاه است، زمان حال به خاکستری می‌زند و آینده، مثل توفانی در راه، نحس و وحشت‌زا است.»

توی داستان‌ها خیلی زیاد لحظاتی رو تجربه کردم که به قول خود نویسنده «یافتن گنگی و ابهام در احساسات به‌ظاهر روشن» بودند.
کتاب رو یکی از دوستای خیلی نزدیکم معرفی کرده بود و وقتی یه دوست نزدیک دیگه‌ام فهمید دارم اینو می‌خونم گفت «عه! کتاب مورد علاقه‌ی من و فلانی!»
مدت‌ها جمله‌ای که مثل یک ترجیع‌بند توی پست‌های اینستاگرامم می‌آوردم این بود: «از اینجا که ایستاده‌ام، به عقب نگاه می‌کنم. عجب مسیر عجیبی!»
خوندن کتاب به دلایل مختلفی برام طول کشید. اینکه حین پروسه‌ی رفتن و خیلی چیزای دیگه بود قطعا بی‌تاثیر نبود؛ ولی کتاب هم برام سنگین بود. داستان‌هاش، هرچند که گاهی از واقعیت تجربه‌ی زیسته‌ام فاصله‌ی زیادی داشتند، ولی عمیقا به درونم متصل می‌شدند. چقدر جاهای زیادی از زندگی حس کرده‌ام که گم شده‌ام. در نقطه‌ای قرار گرفتم که هیچ ایده‌ای نمی‌تونستم داشته باشم که به اونجا برسم. چقدر زمان‌های زیاد دیگه‌ای بوده که دلم می‌خواسته گم بشم. نباشم. در اون لحظه و در اون موقعیت نباشم. گم بشم. انگار اصلا وجود نداشتم.
و این کتاب داستان‌هایی داره از بین آدم‌هایی که گم شدند. گم شدن‌هایی گاهی از جنس سوگ.
من خیلی زیاد لا به لای روزهای خاکستری شهری گم شدم که زادگاهم بود؛ شهری که تمام سال‌های زندگی‌ام رو اونجا گذروندم. شهری خاکستری مثل «زمان حال» توی کتاب که «به خاکستری می‌زند». و حالا نزدیک نه هزار و پونصد کیلومتر از خانه‌ای که گم شدن نسبت به آن تعریف می‌شد، جور دیگه‌ای گم شده‌ام.
یکی از داستان های کتاب رو انتخاب کرده بودم که بخونمش و بگذارمش اینجا براتون. و خوندمش؛ یعنی حدود چهل دقیقه خوندمش. فکر کنم دو سه صفحه مونده بود ازش. نتونستم جلوی گریه رو بگیرم و ادامه دادنش غیرممکن به نظر رسید. به همین خاطر اصلا فایل رو حذف کردم.
و اگه قرار بود بعد از خوندن کتاب، یادداشتی در باب نظرم راجع بهش بنویسم، همین جملات کوتاه و مبهم و گم‌شده نتیجه می‌شدند.


https://taaghche.com/book/98207
👍2
این جدولی از معادل‌های مفاهیم لوکال و توزیع‌شده توی سیستم‌هاست.
چیز تر و تمیز و قشنگیه

منبع
سه روز پیش معرفی شده:
البته روی GPT-2 کار می‌کنه اساسا. نه مدل‌های بعدی (از جمله ChatGPT)

DetectGPT can determine with up to 95% accuracy whether a large language model wrote that essay or social media post.

https://hai.stanford.edu/news/human-writer-or-ai-scholars-build-detection-tool
هر چی اون OpenAI بدبخت سعی داره ChatGPT رو جوری نشون بده که بگه نه اوضاع تحت کنترله و فاجعه‌ی هوش مصنوعی قرار نیست مثل فیلما اتفاق بیوفته، از این ور مایکروسافت داره میرینه به همه چی 🚶🚶🚶🙄🙄

https://twitter.com/sethlazar/status/1626257535178280960
شبکه داستانی عصبی
هر چی اون OpenAI بدبخت سعی داره ChatGPT رو جوری نشون بده که بگه نه اوضاع تحت کنترله و فاجعه‌ی هوش مصنوعی قرار نیست مثل فیلما اتفاق بیوفته، از این ور مایکروسافت داره میرینه به همه چی 🚶🚶🚶🙄🙄 https://twitter.com/sethlazar/status/1626257535178280960
یکی از جالب‌ترین مواجهه‌هام رو یکی دو هفته پیش با یه دانشجوی مهندسی کارشناسی توی دانشگاهمون داشتم. می‌گفت که داشته فکر می‌کرده که بره کامپیوتر بخونه ولی بعد منصرف شده. وقتی پرسیدم چرا گفت که این اتفاقات هوش مصنوعی ترسناکن و نمی‌خواد جزو کسایی باشه که سازنده‌ی اینجور چیزا و تاثیرگذار روشونن باشه.
دیدگاه جالبی بود.
بالاخره پیشی دارمممممممم 😻😻😻
دقیقا عین همین طرح نقاشی عهههه
4👍4
چهره‌ی «آیا من برای تو یک لطیفه‌ام؟»
Forwarded from Chat GPT
AI we have a problem: Poisoning of AI Training Datasets is Practical

Researchers show they can poison the LAION-400M and COYO-700M AI training datasets far more cheaply than people assume: just $60 USD.

Prevoiusly confirmed that effective poisoning attacks often require poisoning just 0.01% of the data.

Suggest “automated integrity checking” as a solution — but how does one automatically check the truth and values-alignment of large training datasets?

Paper