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

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.

این جدول معادل‌ها هم جالب بود

Mood

بالاخره پیشی دارمممممممم 😻😻😻
دقیقا عین همین طرح نقاشی عهههه

چهره‌ی «آیا من برای تو یک لطیفه‌ام؟»

Mood

Mood

اینجا رو ببین: 🤘
Linux 6.2: The first mainstream Linux kernel for Apple M1 chips arrives

https://www.zdnet.com/article/linux-6-2-the-first-mainstream-linux-kernel-for-apple-m1-chips-arrives/

توضیح اینکه یکی از روش‌های حمله‌ی سایبری به شبکه‌های هوش مصنوعی بزرگ، خراب کردن ورودی‌ایه که روی اونا آموزش انجام میشه. به این کار میگن اصطلاحا مسموم کردن داده‌های ورودی.
یعنی کسی که می‌خواد خرابکاری کنه یه سری داده‌ای که در ظاهر خیلی اکی ان ولی کاملا غلطن رو به عنوان داده‌ی درست لای داده‌های دیگه ورودی میذاره. چجوری اون لا میذاره خودش یه بحثیه. ولی نتیجه این میشه که شبکه یه چیزی رو یاد میگیره که غلطه اساسا.
و این گفته که این کار هزینه‌ی کمی داره و این یعنی حملات عجیب و غریب جدیدی روی مدل‌ها امکان‌پذیر عه