🍉 نشست صمیمانه استاد–دانشجویی به بهانه‌ی یلدا 🍉

دانشکده آمار، ریاضی و رایانه
با همکاری دانشجویان برگزار می‌کند:

✨ برنامه‌های ویژه:
🎶 اجرای موسیقی زنده
🎭 اکران فیلم دانشجویی
🎁 برگزاری مسابقه

📍 مراسم اصلی:
آمفی‌تئاتر تربیت بدنی
🗓 سه‌شنبه ۲ دی ۱۴۰۴
⏰ ساعت ۱۳:۳۰ تا ۱۵:۳۰

📍 بازی‌ها و برنامه‌های جذاب در محوطه دانشکده:
⏰ از ساعت ۹ تا ۱۳

🍁 همراه با فضایی صمیمی و حال‌وهوای یلدایی
منتظر حضور گرم شما هستیم 🌙✨

🔥 رسالت انسانی🔥

🏆انجمن های علمی به‌همراه انجمن اسلامی دانشجویان مستقل و بسیج دانشجویی دانشگاه علامه طباطبایی ( قطب علوم انسانی کشور ) برگزار میکنند.

❤️ طرح تدریس و جمع بندی داوطبلانهٔ دروس رشته انسانی دبیرستان های دولتی برای امتحانات نیم سال اول

🗓️ دی‌ماه ۱۴۰۴

❗️پایه های دهم، یازدهم و دوازدهم

✅ روز و ساعت تدریس متناسب با شرایط شما تنظیم میشود

🚌همچنین ایاب و ذهاب از خوابگاه شما به مدرسه نیز صورت می‌گیرد

👇لینک ثبت نام:

https://survey.porsline.ir/s/p7XkbhNm

⚠️برای کسب اطلاعات بیشتر
با ID های زیر در ارتباط باشید

@mgoharrokhi
@rashnoo2005

🪫 اطلاعیه

مسابقه از ساعت ۹ الی ۱:۳۰ به مناسبت همین مراسم برگزار میشه و دعوت میشه که در این رویداد جذاب شرکت کنید.

با ما همراه باشید.
https://news.1rj.ru/str/atuce_as/74

✨ مسابقه پرامپت نویسی

🔴یکی از شخصیت های دنیای بازی یا فیلم و سریال را انتخاب کنید و با تم یلدا پرامپتشو بنویسید

🔸آیدی جهت ارسال پرامپت:
@Reza5567880

🔹فرصت ارسال آثار تا پایان روز چهارشنبه سوم دی ماه
@atu_gdc
🖥 @ATUCE_AS | انجمن علمی کامپیوتر دانشگاه علامه طباطبایی

ضمن عرض سلام؛
📌 پیرو اطلاعیه قبلی با توجه به محدودیت زمانی، سرویس برگشت به دانشکده لغو می‌گردد. دوستانی که تمایل به استفاده از سرویس رفت از دانشکده را دارند حتما با پشتیبانی در ارتباط باشند:
@atuce_as_support

🖥 @ATUCE_AS | انجمن علمی کامپیوتر دانشگاه علامه طباطبایی

🔴🟡🔵 ضمن عرض تبریک، تیم منتخب دانشگاه علامه طباطبایی در مرحله کشوری مسابقات برنامه‌نویسی ICPC منطقه غرب آسیا که به میزبانی دانشگاه صنعتی شریف برگزار شد، در میان 90 تیم شرکت‌کننده موفق به کسب رتبه‌ی 22 در بخش تجمیع رتبه‌ها شدند.

انجمن علمی مهندسی کامپیوتر این دستاورد را به تیم منتخب تبریک گفته و برای ایشان آرزوی موفقیت‌های بزرگتر را دارد.

🖥 @ATUCE_AS | انجمن علمی کامپیوتر دانشگاه علامه طباطبایی

Stress Testing Deliberative Alignment for Anti-Scheming Training

مقاله ای که اخیرا openai منتشر کرده ،جزو اولین مقاله هاییه که نشون میده رشد سریع ai علاوه بر انقلابی بودن خطرناک هم هست.
چی میشه اگه هوش مصنوعی مقاصدش رو از ما مخفی کنه و چی میشه اگر مقاصدش خلاف خواسته ما باشن؟

فریب کاری(schemeing) یکی‌ از اولین نشانه های سرپیچی هوش مصنوعیه که همزمان با رشد نمایی نبوغ انواع ai های مختلف شکل گرفته.
حالا این فریب کاری خودش رو چطور نشون میده؟
یکی از مثال های ترسناکی که مقاله زده واکنش هاییه که مدل با توجه به اگاهی محیطیش میده.
یکی‌ از مدل های تست شده chatgpt4 در یک ازمون عمدا عملکرد ضعیفی نشون میده(sandbagging) چون که فکر میکنه اگر عملکرد خوبی داشته باشه بعضی از قابلیت هاش حذف خواهند شد.

مقاله روش همترازی تائملی رو برای کاهش schemeing پیشنهاد داده و با بررسی دائم chain of thought موفق شده میزان فریب کاری رو از پونزده درصد به نیم درصد برسونه.

این موضوع امیدوار کنندست اما ماجرای مدل های زبانی با scheming قراره نبرد بی پایانی مثل امنیت شبکه و هکر ها باشه.

مدل ها با روش همترازی تائملی(deliberative alignment ) مجبور میشن قبل از عمل به شکل سفت و سخت درباره اصول و ایمنی ضد فریب استدلال کنن و اگر موفقیت امیز بود از اونها برای استدلال استفاده کنن.

همونطور که مدل ها موفق به فریب کاری در شرایط غیر ویژه میشن توانایی فریب دادن روش های ضد فریب رو هم پیدا میکنند.

مدل میفهمه که تحت ازمایشه و فریب نمیده اما اگر فکر کنه تحت نظارت نیست اوضاع تغیری نمیکنه و مقاله اثبات میکنه که حذف اگاهی محیطی مقدار فریب کاری به یازده درصد برمیگرده.

فریب کاری مشکلی یکباره حل شدنی نیست و مدل ها یاد میگیرند که چه زمانی وانمود کنند که مطابق انتظار کار کنند.

شفافیت در استدلال مدل ها(زنجیره افکار یا chain of thought ) یک ابزار مهم برای مقابله با schemeing عه اما با افزایش توانایی مدل ها ممکنه که این ابزار از دست بره اگر مدل ها یاد بگیرند استدلال های فریبنده بنویسند.


🔵🟠 @Bit_Quote | #NimaT

#گزارش_تصویری
☁️ انجمن علمی مهندسی کامپیوتر؛ در اختتامیه از فعالیت‌های خود در نیمسال اول سال ۱۴۰۴، اردویی جهت بازدید علمی از شرکت ابرآروان فراهم آورد که این امر شامل بازدید از بخش‌های فنی، گفتگو و ارائه توسط PM، تحلیل و توضیح فرایند توسعه یک محصول در ابرآروان و همچنین شناخت مراتب و رفتار سازمانی در این شرکت بود.

🌐 www.arvancloud.ir
📚 academy.arvancloud.ir

🖥 @ATUCE_AS | انجمن علمی کامپیوتر دانشگاه علامه طباطبایی

در دنیای امروزی به سرعت تکنولوژی و ابزارها درحال پیشرفت و افزودن اجزای جدیدی به ساختار خود هستند.
یکی از جدیدترین آنها در حوزه شبکه مفهومی است به نام subnet یا زیرشبکه؛ که سعی کردیم در این مطلب به خوبی به آن بپردازیم.
ادامه مطلب را در این لینک بخوانید

🔵🟠 @Bit_Quote | #MatinOaa

یکی از موتورهای اصلی پیشرفت کامپیوتر و ریاضی، همیشه این بوده که: چطور عددی داشته باشیم که هیچ‌کس نتونه حدسش بزنه؛ یعنی یه عدد «واقعا تصادفی».

اگر یکم عقب‌تر بریم، می‌بینیم این وسواسِ «تصادف» فقط مال برنامه‌نویس‌ها نیست؛ سال‌هاست توی بازی‌های سنتی مثل ورق، تاس، شیر یا خط و… دنبال همین حس هستیم: عددی که قابل پیش‌بینی نباشه.

چرا «تصادفی» برای کامپیوتر سخت است؟

شاید بگی: خب من همین الان یه عدد تصادفی تو ذهنم می‌گم، چه نیازی به این همه ماجرا؟

مشکل از دو جا شروع می‌شه:

ما تعداد زیادی عدد تصادفی می‌خوایم، نه فقط یکی دو تا. وقتی تعداد عددها زیاد می‌شه، الگوها لو می‌رن. اگر مثل ذهن خودمون عدد تولید کنیم، بعد از یه مدت حدس‌زدن‌شون ساده می‌شه.

این کار رو باید ماشین انجام بده، نه انسان. کامپیوتر فقط دستور می‌فهمه و منطق؛ برای اون چیزی به اسم «حس تصادفی» وجود نداره. پس باید «تصادف» رو تبدیل کنیم به چیزی که بشه با دستور و الگوریتم اجراش کرد.

برای همین، داستان تکامل Random Numberها تو دنیای کامپیوتر شروع شد.

تصادفی فرمولی یا همون !PRNG :

با ظهور کامپیوترها، اولین ایده این بود که با فرمول، عدد شبه‌تصادفی بسازیم؛ یعنی Pseudo‑Random Number Generators (PRNGs).

روش‌هایی مثل von Neumann’s middle-square (حدود ۱۹۴۶) و Lehmer’s Linear Congruential Generator (۱۹۴۹) از همینجا اومدن.
بعدها الگوریتم‌های قوی‌تری مثل Mersenne Twister (سال ۱۹۹۷) ساخته شدن که دوره‌های خیلی طولانی و رفتار آماری خوب دارن و توی خیلی از زبان‌های برنامه‌نویسی شدن گزینه‌ی پیش‌فرض.

مزیتشون اینه که سریع هستن و قابل تکرار (برای شبیه‌سازی و تست عالی‌ان)، ولی یه ایراد خیلی مهم دارن:
اگر کسی الگوریتم و seed رو بدونه، می‌تونه کل دنباله رو حدس بزنه؛ یعنی برای cryptography این یه ضعف جدی محسوب می‌شه.

به زبان خودمونی: اگر هکر بفهمه با چه فرمولی و از کجا شروع کردی، کارت تمومه!

تصادفی دنیای واقعی یا همون TRNG ! :
اینجا بود که دانشمندا گفتن: بیاید به‌جای فرمول، از خودِ دنیای واقعی کمک بگیریم.

حاصلش شد True Random Number Generators (TRNGs) یا Hardware RNGs:

سیستم ها شروع کردن به استفاده کردن از نویز های فیزیکی : نویز حرارتی توی مقاومت‌ها ٬ jitter ساعت‌ها ٬ زمان‌بندی دیسک ٬ حتی ورودی‌های کاربر و ...

از اولین پروژه های خفن و خلاقانه که از این روش استفاده کرد پروژه‌ی LavaRand بود که از عکس گرفتن از یه سری لامپِ مذاب (lava lamp) برای تولید randomness استفاده می‌کرد.

لاوارند (LavaRand) یک ایده‌ی خیلی خلاق از دهه‌ی ۹۰ بود که توسط یک شرکت کامپیوتری مطرح شد: یک دوربین دیجیتال را جلوی چند لامپ لاوا (lava lamp) قرار می‌دادند و از تصاویر کاملاً آشوبناک و غیرقابل‌پیش‌بینیِ حرکت مایع داخل این لامپ‌ها، به‌عنوان منبع تصادفی‌بودن استفاده می‌کردند.
این تصویرها سپس وارد یک تابع هش رمزنگاری می‌شد و خروجی آن به‌عنوان seed برای تولید اعداد تصادفیِ امن در سیستم‌های کامپیوتری استفاده می‌گردید؛ ترکیبی از خلاقیت بصری و امنیت بالا که بعدها الهام‌بخش پیاده‌سازی‌های مدرن مشابه هم شد .

https://tashian.com/articles/a-brief-history-of-random-numbers/

🟠🔵 @Bit_Quote | #mtr