میدونستی NaN یه عدد حساب میشه✨

🤯 تو جاوااسکریپت :

typeof NaN === "number" ;
 // true //

☑️ بله! NaN در واقع نوعش number هست

ولی معنیش : " Not a Number " 😅

➕ یعنی چی؟
این یعنی جاوااسکریپت داره می‌گه :
"یه عدد داریم که عدد نیست!" 😁

📌 دلیلش؟
( NaN ) حاصل عملیات‌های نامعتبر عددیه

🚩 توی زبونای دیگه چطوریه شما بگید ؟

#js #programming #fun #fact

Channel | Group

اگه به برنامه نویسی علاقه‌مندین و دوست دارین بخشی از یک پروژه محتوایی در حال رشد باشین، این فرصت برای شماستذ:

ما به دنبال یک ادمین کمکی برای کانال تلگرام‌مون هستیم که :

🔹 هفته‌ای 6 پست منتشر کنه (آموزشی، نکته، فکت، چالش و...)
🔹 به تولید محتوای ساده و کاربردی علاقه داشته باشه
🔹 وقت زیادی نیاز نداره، ولی نظم و تعهد مهمه

📌 شرایط همکاری :

داوطلبانه
و
مناسب برای رزومه، یادگیری تیمی، تمرین مستمر و دیده شدن


✨ اگه دوست داری تو این مسیر با ما باشی , پیام بده :
@AliRDal

یه معرفی کوتاه از خودت
سطح دانشت
یه نمونه پست (اگه داشتی)

👋 منتظرتیم 🌱

ساخت اصولی یه کامپوننت👨‍💻 :

۱ ـ وظیفه و هدف کامپوننت:

-هر کامپوننت باید طوری طراحی بشه که یک یا چند وظیفه رو به صورت مشخص انجام بده

۲ ـ قابلیت استفاده مجدد

- کامپوننت باید ماژولار  باشد تا در بخشهای مختلف سایت قابل استفاده باشد.
   - از پروپها (Props) برای شخصی سازی محتوا و استایل استفاده کنید.



۳ - طراحی واکنش گرا

- کامپوننت باید در تمام دستگاهها (موبایل، تبلت، دسکتاپ) به درستی نمایش داده شو

5 - پرفورمنس (Performance)

   - از تصاویر و فایلهای بهینه شده استفاده کنید.
   - اگر کامپوننت حجیم است، از تکنیک Lazy Loading استفاده کنی

8 - مستند سازی (Documentation)

   - نحوه استفاده از کامپوننت را در مستندات توضیح دهید (مثلاً با Storybook یا Docz).

Channel | Group

👣 هوش مصنوعی Grok از وقتی با ایرانیا گشته 😂😂

#ai #fun

Channel | Group

💡مفهوم کلی Lazy loding

به جای اینکه همه منابع (مثل تصاویر، اسکریپت‌ها، یا داده‌ها) را از ابتدا لود کنیم، فقط وقتی به آنها نیاز داریم (مثلاً وقتی کاربر به پایین صفحه اسکرول می‌کند یا روی بخشی کلیک می‌کند) لود کنیم. به اینکار میگن lazy loding

🧠 کاربردش چیه؟

افزایش سرعت بارگذاری (Initial Load)
کاهش مصرف منابع (RAM، پهنای بند)
بهبود تجربه کاربری (UX)
مناسب برای پروژه های بزرگ و SPAها (برنامه تک صفحه ای)

Channel | Group

🔰 چرا typeof null میشه "object"؟

🤔 توی جاوااسکریپت اگه اینو بزنی :
js typeof null === "object"; // true ``

➕ ولی مگه null خودش یه objectـه؟
نه! این یه باگ قدیمی توی زبان JS ـه که از نسخه‌ی اولش مونده!

⚡️ دلیل :
توی نسخه‌های اولیه، مقدارها با کدهای باینری مشخص می‌شدن.
نکته : null با کدی شروع می‌شد که شبیه object بود!
(و دیگه این اشتباه تا همیشه موند 😅)

☑️ برای بررسی null دقیق‌تر :

value === null

📎 نتیجه :

typeof null === "object" یک اشتباه تاریخی جاوااسکریپت‌ـه

#js #programming #fun

Channel | Group

🔰 تلگرام قراره به زودی احراز هویت و تعیین سن رو به برنامه‌ش اضافه کنه.

احراز هویت برای اینه که کلاهبرداری تو‌ تلگرام کم بشه.

تعیین سن هم برای اینه که بچه سالا از این برنامه لفت بدن و یکم محیط برنامه پاکسازی بشه🔥😁

Channel | Group

🎬  بلندر (blender) چیست؟

یک نرم‌افزار حرفه‌ای و چندمنظوره‌ی سه‌بعدی (3D) است که برای ساخت مدل‌های سه‌بعدی، انیمیشن، جلوه‌های بصری، شبیه‌سازی، رندرینگ، طراحی بازی، و حتی ویرایش ویدیو مورد استفاده قرار می‌گیرد. این نرم‌افزار به‌صورت رایگان و متن‌باز (Open Source) ارائه شده و توسط بنیاد Blender Foundation پشتیبانی می‌شود.

به دلیل برخورداری از ابزارهای پیشرفته، رابط کاربری قابل تنظیم و جامعه‌ی کاربری گسترده، امروزه یکی از محبوب‌ترین نرم‌افزارها در میان هنرمندان دیجیتال، بازی‌ سازان مستقل، انیماتورها و طراحان جلوه‌های ویژه به‌شمار می‌رود.

میتونید تو لینک های زیر با این برنامه بیشتر اشنا بشید :

1-ساخت یک میدان جنگ
2- ساخت یه هیولا
3-توضیحات خوده سایت بلندر

Chanel  |  Group

🔰 پایتون: زبانی ساده، قدرتمند و همه‌کاره! 🐍

📌 اگه تازه وارد دنیای برنامه‌نویسی شدی یا حتی سال‌ها تجربه داری، Python یکی از بهترین انتخاب‌هاست!

🔍 چرا پایتون این‌قدر محبوبه؟
☑️سینتکس ساده و خوانا (تقریباً مثل زبان انسان!)
☑️ مناسب برای داده‌کاوی، هوش مصنوعی، توسعه وب، اسکریپت‌نویسی، اتوماسیون، تحلیل داده و...
☑️ پشتیبانی از کتابخونه‌های قوی مثل:
📊 pandas, numpy, matplotlib
🌐 Django, Flask
🧠 TensorFlow, PyTorch
🎮 Pygame

🎯 اگر دنبال یادگیری هستی، همین حالا شروع کن!
کدنویسی با پایتون مثل حرف زدن با کامپیوتره، ولی بدون دردسر! 😉

💬 نظر تو چیه؟ با پایتون کار کردی؟
تجربه‌ت رو برامون بنویس
یا بگو علاقه‌مندی چی یاد بگیری تا براش آموزش بسازیم! 💡

#Python #programming

Channel | Group

🔰 پردازش تصویر چیه؟ و چرا انقدر مهمه؟

📌 پردازش تصویر یعنی استفاده از کامپیوتر برای "دیدن" و "درک کردن" عکس‌ها.

🧠 توی این حوزه ، تصویرها به داده تبدیل می‌شن و کامپیوتر می‌تونه روی اون داده‌ها کار کنه :

♻️ مثل :
➕ تشخیص چهره
➕ تشخیص پلاک
➕ پیدا کردن لبه‌های تصویر
➕ شمارش آدم‌ها در عکس
➕ حتی تشخیص بیماری در عکس رادیولوژی!

📸 همه اینا با زبان پایتون هم قابل انجامه، چون کتابخونه‌هایی مثل OpenCV و Pillow به راحتی این قابلیت‌ها رو می‌دن .

🎯 تو این هفته می‌خوایم یه مرور هیجان‌انگیز از دنیای پردازش تصویر با پایتون داشته باشیم.

#python #programming

Channel | Group

🚀 پردازش تصویر کجاها استفاده می‌شه؟ کاربردهای واقعی

📸 پردازش تصویر فقط یه چیز باحال برای پروژه‌های تمرینی نیست — تو دنیای واقعی حسابی کاربرد داره!

✨ بیا چندتا از کاربردهای خفن‌ش رو با هم ببینیم 👇

🏥 ۱. پزشکی

➕ تشخیص سرطان، شکستگی، تومور
📷 تحلیل عکس‌های MRI و CT Scan با دقت بالا
📌 مثال: مدل‌هایی که سلول‌های سرطانی رو تو عکس می‌شناسن
---
🚗 ۲. خودروهای خودران

➕ تشخیص مسیر، تابلو، عابر پیاده
📌 بدون پردازش تصویر، ماشینی مثل تسلا نمی‌تونه حرکت کنه!
---
🏭 ۳. کارخانه و تولید

➕ تشخیص محصول خراب
➕ شمارش اتومات قطعات روی خط تولید
📌 دید ماشینی = کنترل کیفیت خودکار
---
📹 ۴. امنیت و نظارت

➕ شناسایی چهره
➕ تشخیص حرکت در ویدیو
📌 سیستم‌های دوربین مداربسته هوشمند با همین تکنولوژی کار می‌کنن
---
📱 ۵. شبکه‌های اجتماعی

➕ فیلترهای اینستاگرام
➕ تشخیص چهره در عکس
➕ تاری‌کردن بک‌گراند در ویدیو
📌 همه اینا با پردازش تصویر + هوش مصنوعی انجام می‌شن!
---
🎮 ۶. بازی‌سازی و واقعیت افزوده

➕ دنبال‌کردن چهره و حرکات بازیکن
➕ افکت زنده روی ویدیوها
📌 مثل فیلترهای AR یا بازی‌های واقعیت افزوده

🧠 و ابزار اصلی این کارا چیه؟
پایتون + OpenCV + گاهی هم TensorFlow یا PyTorch

#python #programming

Channel | group

🧠الگوریتم، مدل، داده__کدومش مغز هوش مصنوعیه؟

بیشتر آدما فکر میکنن اگر فقط حجم زیادی از داده هارو در دسترس داشته باشیم هوش مصنوعی خود به خود شکل میگیره. اما واقعیت اینه که :

📈الگوریتم ها قوانین و دستورالعمل های مشخصی هستن که میگن مدل هوش مصنوعی چطور داده هارو پردازش کنه.
🤖مدل ها نتیجه آموزش الگوریتم روی داده ها هستن.__ مغز آموزش دیده‌ی Ai
📚داده ها مثل مواد اولین ؛ بدون اونا هیچی آموزش داده نمیشه.

📌مثال ساده
فرض کنید:
  داده ها=مواد اولیه
الگوریتم= دستور پخت
مدل=غذای آماده

چرا این تفاوت مهمه؟🧐
✔️چون فقط داشتن داده(مثل میلیون ها عکس) بدون الگوریتم درست، به خروجی مفید نمیرسه.
✔️چون مدل نهایی وابستست به ساختار داده و اینکه الگوریتم چطور یاد بگیره.
✔️چون وقتی میخوای هوش مصنوعی بسازی، باید بدونی به چه ترکیبی از اینها نیاز داری.

🧩 اگر داده ها مواد اولیه باشن، مدل هم غذای آماده؛ پس آشپز کیه؟ توی دنیای هوش مصنوعی آشپز خوب بودن یعنی ساختن آینده. نظر شما چیه؟

#ai #fact

Channel | Group

🧠خب OpenCV چیه و چرا انقدر معروفه؟

اگه اسم "پردازش تصویر با پایتون" بیاد، تقریباً اولین چیزی که همه می‌گن OpenCV هست. ولی اصلاً چیه این OpenCV؟ 🤔
---
🔍  خب حالا OpenCV چیه؟

OpenCV (Open Source Computer Vision Library)
یه کتابخونه‌ی قدرتمند و رایگان برای پردازش تصویر و بینایی ماشینه که با C++ نوشته شده ولی با پایتون خیلی راحت قابل استفاده‌ست.
---
💥 چه کارهایی می‌تونه بکنه؟

☑️ خوندن و نمایش عکس و ویدیو
☑️ تغییر اندازه، رنگ، وضوح و روشنایی تصویر
☑️ تشخیص چهره، چشم، لبخند
☑️ شناسایی اشیاء، لبه‌ها، خطوط
☑️ ردیابی حرکت
☑️ کار با دوربین زنده (Live Camera)
☑️ ساخت سیستم‌های نظارتی و هوشمند
☑️ پیش‌پردازش برای پروژه‌های یادگیری ماشین و deep learning
---
🧰 چرا OpenCV اینقدر محبوبه؟

➕ سبکه و سریع اجرا می‌شه
➕ مستندات زیاد و جامعه‌ی فعال داره
➕ با کتابخونه‌هایی مثل NumPy و TensorFlow خوب ترکیب می‌شه
➕ هم برای پروژه‌های صنعتی کاربرد داره، هم برای تمرین و یادگیری
➕ برای مبتدی‌ها ساده‌ست و با چند خط کد کار راه می‌ندازه
---
🧪 یه مثال ساده از استفاده OpenCV :

import cv2
img = cv2.imread("image.jpg")
cv2.imshow("My Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

📌 فقط همین چند خط کافیه تا یه عکس رو بخونی و نشون بدی!
---
📦 نصبش چجوریه ؟

pip install opencv-python
---
💬تو قبلاً با OpenCV کار کردی؟
اگه بخوای باهاش یه پروژه بزنی، چی دوست داری بسازی؟
بنویس 👇
#ai #python

Channel | Group

🔰اقا شنیدی میگن گوگل رم خور؟🧐

گوگل کروم به این دلیل به عنوان یک مرورگر "رم‌خور" شناخته می‌شود که از معماری چند پردازشی برای اجرای هر تب ، افزونه و حتی برخی از بخش‌های خود در یک فرآیند جداگانه استفاده می‌کند.
 
این جداسازی باعث می‌شود که هر تب به صورت مستقل اجرا شود و در صورت بروز مشکل در یک تب، سایر تب‌ها تحت تأثیر قرار نگیرند. در مقابل ، این طراحی باعث می‌شود که کروم به حافظه رم بیشتری نیاز داشته باشد، به ویژه زمانی که تب‌های زیادی باز هستند یا از افزونه‌های سنگین استفاده می‌شود. 

Channel | Group

🧠Tranformer⤵️
چیه و چرا برای هوش مصنوعی انقلابی بود؟

📌مدل های زبانی بزرگ (LLM) بر پایه Transformer ساخته شدن؛ معماری ای که گوگل در سال 2017 معرفی کرد.

🔁چیزی که ترنسفورمر رو خاص می‌کنه، مکانیزم Self-Attention هست. این ویژگی باعث میشه مدل بتونه بفهمه توی یه جمله، کدوم کلمات به هم ربط دارن، حتی اگه از هم دور باشن.

📶نتیجه؟
درک بهتر معنی، تولید متن روان‌تر و فهم عمیق‌تر زبان طبیعی!

🌐امروزه، ترنسفورمر ها نه فقط در پردازش زبان طبیعی (NLP)، بلکه در سیستم های توصیه‌گر، تحلیل تصویر، تولید کد و ... هم کاربرد دارن.

⚡️این ساختار یکی از پایه‌های اصلی پیشرفت Ai در دهه های اخیر بوده⚡️


🧐 فکر میکنید بدون ترنسفورمرها اصلا چیزی مثل ChatGPT به وجود میومد؟
یا هنوز تو مرحله Google Translate گیر کرده بودیم؟

#ai  #fact

Channel |  Group

🔰 پایتون در حوزه جنگ و صنایع نظامی کاربردهای بسیار متنوعی دارد ،
چون :

➕ زبان ساده و سریع‌الاجرا برای توسعه است

➕ کتابخانه‌های قدرتمندی برای تحلیل داده ، هوش مصنوعی ، کنترل سخت‌افزار و شبیه‌سازی دارد

➕ برای نمونه‌سازی سریع (rapid prototyping) بسیار مناسب است


⚡️ در ادامه ، دسته‌بندی شده چند کاربرد مهم پایتون در جنگ و صنایع دفاعی را می‌بینی:

🛰 1- تحلیل داده‌های نظامی

تحلیل داده‌های ماهواره‌ای، اطلاعات پرواز، مسیر حرکت دشمن

استفاده از کتابخانه‌هایی مانند pandas، numpy، matplotlib برای مصورسازی و تحلیل

استخراج الگوهای پنهان از داده‌ها (مثلاً مسیرهای تکراری پرواز پهپادهای دشمن)

🤖 2 - کنترل پهپادها و ربات‌ها

استفاده از پایتون در کنترل خودکار پهپادهای شناسایی و حمله

برنامه‌نویسی سیستم‌های رباتیک زمینی برای مأموریت‌های خطرناک

استفاده از کتابخانه‌هایی مثل DroneKit, PyMavlink, ROS (با رابط پایتون)

🧠 3 - هوش مصنوعی و یادگیری ماشین در جنگ

شناسایی اهداف با بینایی ماشین (استفاده از OpenCV و TensorFlow)

تشخیص چهره، اشیاء، یا حرکت دشمن

پیش‌بینی مکان بعدی دشمن با مدل‌های ML

📡 4 - جنگ الکترونیک و امنیت سایبری

هک و ضد هک: استفاده از پایتون در ساخت ابزارهای امنیتی و نفوذ

ابزارهایی مانند Scapy, Nmap, Paramiko, pwntools برای عملیات تست نفوذ

تحلیل پکت‌ها، شنود شبکه، ساخت حملات شبیه‌سازی‌شده

🧪 5 - شبیه‌سازی جنگ و عملیات نظامی

مدل‌سازی نبردها و سناریوهای جنگی با استفاده از داده‌ها

شبیه‌سازی‌های فیزیکی (مثلاً مسیر حرکت موشک، اثر انفجار)

کتابخانه‌هایی مثل SimPy, PyGame، یا موتورهای فیزیکی پایتون‌محور

🛰 6 - سامانه‌های کنترل و فرماندهی

ساخت داشبوردهای کنترلی با Flask یا Django

تحلیل سریع داده‌ها و صدور دستور به نیروها/تجهیزات

مانیتورینگ همزمان چند میدان نبرد یا تجهیزات نظامی

🚩 مثال واقعی :

ارتش ایالات متحده از پایتون در تحلیل داده‌های اطلاعاتی و سیستم‌های خودکار استفاده می‌کند.

اسرائیل و چین نیز از پایتون در سیستم‌های پهپادی و نظارتی خود بهره می‌برند.

☑️ ️ جمع‌بندی :

✨ پایتون در جنگ تبدیل به یک ابزار چندمنظوره شده:

➕ هم در میدان نبرد کاربرد دارد

➕ هم در پشت صحنه (تحلیل، شبیه‌سازی، امنیت سایبری)

البته استفاده از دانش برنامه‌نویسی در حوزه نظامی معمولاً تحت قراردادهای خاص و در پروژه‌های حساس دولتی یا خصوصی انجام می‌شود.

#python #ai

Channel | Group

🔧Fine-tuning⤵️
چیست؟

🤖مدل های زبانی بزرگ (مثل ChatGPT) اول با حجم زیادی از داده‌ها آموزش می‌بینن. این مرحله رو میگن پیش تمرین : Pretraining
اما اگه بخوایم این مدل رو برای یه کار خاص مثل خلاصه‌سازی متن، چت پزشکی یا پشتیبانی فنی آماده کنیم، باید یه آموزش اضافه روش انجام بدیم.

💡این مرحله دوم رو میگن : Fine-Tuning.

🧠چرا Fine-tuning مفیده؟

♻️صرفه جویی در منابع: نیازی به آموزش کامل مدل از صفر نیست.

🔍افزایش دقت: مدل می‌تونه با داده های حوزه شما، رفتار بهتری نشون بده.

⚖یادگیری بهتر زبان حوزه‌ای: مثلا پزشکی، حقوقی، اقتصادی.

🛠مراحل کلی Fine-tuning:

✔️انتخاب مدل پایه: مثل BERT, GPT...

✔️آماده‌سازی داده ها: باید فرمت با نوع مدل سازگار باشه.

✔️تنظیم هایپرپارامترها: مثل نرخ یادگیری (learning rate) و...

✔️آموزش مجدد: مدل رو با داده جدید آموزش می‌دید.

✔️ارزیابی و تست: مدل روی داده تست سنجیده میشه تا ببینید عملکرد بهتری نسبت به مدل عمومی داره یا نه.

📌مثال کاربردی:

فرض کنیم شما یک مدل BERT از پیش آموزش‌دیده دارید. حالا می‌خواید از اون برای تحلیل احساسات توییت های فارسی استفاده کنید:

🙂1. یک دیتاست حاوی توییت ها و برچسب احساسات(مثبت، منفی، خنثی) آماده می‌کنید.

🔏2. فقط لایه های پایانی مدل BERT رو باز می‌کنید و آموزش می‌دید.

🌟3. مدل یاد می‌گیره چطور در فضای خاص توییتر فارسی، احساسات رو تشخیص بده.



⚠️چالش های Fine-tuning:

🚫بیش برازش (Overfitting): اگر داده‌ی شما کم باشه، مدل ممکنه فقط داده‌های تمرینی رو حفظ کنه.

😵فراموشی فاجعه‌بار (Catastrophic forgetting): مدل ممکنه یادش بره که قبلا چه چیزهایی یاد گرفته بود.

🔧نیاز به تنظیم دقیق پارامترها برای رسیدن به بهترین نتیجه

🤔اگر بخواید مدلی مثل GPT رو برای پاسخ به سوالات پزشکی Fine-Tune کنید چه چالش هایی ممکنه داشته باشید؟ و چطور مطمئن میشید که پاسخ ها قابل اعتماد و دقیقن؟

#ai #fact

Channel | Group

🔰 برنامه بررسی سرعت اینترنت با پایتون✨

➕ هدف از ایجاد این برنامه، بررسی سرعت ارسال و دریافت اینترنت با پایتون است .

⚡️ در این برنامه، برای تست سرعت اینترنت از ماژول «speedtest» استفاده می‌شود .

برای نصب این بسته ، باید از دستور «pip install speedtest-cli» استفاده کرد.

import speedtest

speed= speedtest.speedtest()

download_speed=speed.downlaod()

upload_speed=speed.upload()

print( f' the download speed is{download_speed} ' )

print( f' the upload speed is{upload_speed} ' )

#python

Channel | Group

🤖👁چجوری به رباتا یاد می‌دیم مثل آدم‌ها فکر کنن؟ | RLHF چیه؟

"یادگیری تقویتی با بازخورد انسانی" یا RLHF (مخففِ Reinforcement Learning from Human Feedback) یکی از روش های کلیدی در آموزش مدل های زبانی بزرگ (LLMs) هست.

این روش باعث می‌شه این مدل ها رفتار های انسانی‌تر، ایمن‌تر و مفیدتری داشته باشن.

🔍کاربرد RLHF کجاست؟

🦾چت‌بات های هوشمند مثل ChatGPT.

✔️کاهش پاسخ های نادرست، توهین‌آمیز یا بی‌فایده.

🧑🏻‍💼تربیت مدل‌هایی که با ارزش های انسانی هماهنگ‌تر باشن.

📑مراحل آموزش با RLHF:

🧠1_ آموزش اولیه با داده‌های بزرگ (Pretraining):
مدل روی حجم زیادی از داده‌های متنی با روش یادگیری نظارت شده (Supervised Learning) آموزش می‌بینه تا زبان انسان رو یاد بگیره.

🧑🏼‍🏫جمع‌آوری نظرات انسانی (Collecting Human Preferences):
مدل چند پاسخ مختلف برای یک سوال تولید میکنه. سپس انسان ها انتخاب میکنن کدوم پاسخ بهتر، مفیدتر یا ایمن‌تره و به نوعی پاسخ‌ها رو رتبه بندی می‌کنن. از این داده‌ها برای ساختن یک مدل پاداش (Reward Model) استفاده می‌شه.

🏆یادگیری تقویتی ( Reinforcement Learning):
حالا مدل اصلی با استفاده از الگوریتم‌های یادگیری تقویتی مثل PPO آموزش داده می‌شه تا پاسخ هایی تولید کنه تا بالاترین پاداش رو از مدل پاداش بگیره.
به زبان ساده: مدل یاد می‌گیره پاسخ هایی بده که انسان‌ها ترجیح می‌دن.

🛠مثال عملی:

فرض کنید یه مدل زبانی داریم که دو جواب مختلف به یه سوال می‌‌ده:

❌جواب 1: "نمیدونم، برو از یه جای دیگه بپرس."

✅جواب 2: "متاسفم، اطلاعات کافی ندارم، اما می‌تونم بهت کمک کنم توی منابع دیگه جستجو کنی."

وقتی انسان‌ها جواب 2 رو ترجیح بدن، مدل یاد می‌گیره جواب‌های مشابه با اون تولید کنه.

📌چالش‌ها و نقدها:

🤚🏼پیدا کردن بازخورد های انسانی خوب هزینه‌بر و زمان‌بره.

❗️مدل ممکنه به جای درک واقعی، صرفا تقلید از نظرات انسان‌ها بکنه.

📈ممکنه باعث سوگیری در خروجی‌ها بشه اگر بازخوردها جهت‌دار باشن.


🧐آیا RLHF ممکنه باعث بشه هوش مصنوعی بیش از حد تابع سلیقه انسانی بشه، حتی وقتی اشتباهه؟

#ai #fact

Channel | Group