تو کافر‌دل نمی‌بندی نقاب زلف و می‌ترسم

مرا چشمی‌ست خون‌افشان ز دست آن کمان‌ابرو
جهان بس فتنه خواهد دید از آن چشم و از آن ابرو

غلام چشم آن ترکم که در خواب خوش مستی
نگارین گلشنش روی است و مشکین سایبان ابرو

هلالی شد تنم زین غم که با طغرا‌ی ابرو‌یش
که باشد مه که بنماید ز طاق آسمان ابرو؟

رقیبان غافل و ما را از آن چشم و جبین هر دم
هزاران گونه پیغام است و حاجب در میانْ ابرو

روان گوشه‌گیران را جبینش طرفه گلزار‌ی‌ست
که بر طرف سمن‌زارش همی‌گردد چمان ابرو

دگر حور و پری را کس نگوید با چنین حسنی
که این را این چنین چشم است و آن را آن چنان ابرو

تو کافر‌دل نمی‌بندی نقاب زلف و می‌ترسم
که محرابم بگرداند خم آن دلستان ابرو

اگر چه مرغ زیرک بود حافظ در هوادار‌ی
به تیر غمزه صیدش کرد چشم آن کمان‌ابرو

حافظ

اگر یادتون باشه اینجا در مورد open endedness برای هوش مصنوعی صحبت کرده بودیم. حالا پادکست MLST در آخرین قسمتش با یکی از نویسندگان این مقاله، Tim Rocktäschel صحبت کرده. ویدئو جالبیه و در خلال بحثشون کلی به کارهای مشابه و مقالات و کتاب‌های دیگه اشاره می‌کنند.

بیشترین چیزی که از این بحث به یاد من مونده اینه همش میخواد رو سناریو‌هایی صحبت کنه که reward ای براشون وجود نداره و عامل باید خودش یک کاری کنه و خیلی جالب هر از گاهی از میان بحثش subjective بودن هوش بیرون می‌زنه.

https://www.youtube.com/watch?v=6DrCq8Ry2cw

جنگ به روایت اعداد شهادت

جواد شاکر، آدم جالبی است. جالبیش به قدرت روایتش است. روایتگر قدرتمندی است. چندی است که حالا گویا به دیتا ژورنالیسم (روزنامه‌نگاری داده‌محور) علاقه پیدا کرده و روایت‌های داده‌محورش را در مجله تحلیلی دقیقه منتشر می‌کند. شاکر حالا در آخرین تلاش البته به همراه دو نفر دیگر روایت جالب توجهی را روی داده‌های آمار شهدای جنگ، نقل کرده‌اند. عنوان این تحلیل "بازخوانی تحولات جنگ ایران و عراق با نگاهی به نیروهای داوطلب در آمار شهدا" است و با در نظر گرفتن آمار شهدا در هر ماه از جنگ و نسبت انان از گروه‌های مختلف (ارتشی، سپاهی، غیرنظامی و داوطلب بسیجی) قرار است تحولات رخ داده در جنگ را از زبان دیتا برای ما تعریف کنند. البته این ظاهر ماجراست، یک راوی خوب می‌داند چطور داستان را برای شما تعریف کند و حرفی از پرسشش نزند و در عین حال شما خودتان آن پرسشی که در ذهن راوی است ولی نانوشته در متن است را با زبان خودتان بپرسید. با خواندن و پیگیری زنجیره‌های منطقی آن، به نظر می‌رسد پرسش مخفی که در ذهن راویان بوده این بوده که چه قدر در یک جنگ کلاسیک بر نیروی داوطلب می‌توان تکیه کرد؟ گل درشت تحلیل هم به نظر من همین نموداری است که در آن سعی شده تا تخفیف موج میزان سهم نیروی داوطلب به تصویر کشیده شود.

تحلیل بسیار زیبایی است و همراه‌شدن آن با سندهای تاریخی نقل‌شده، آن را جذاب‌تر و قابل اتقان‌تر کرده. فقط حیف اگر ای کاش آماری به جز آمار شهدا، نظیر خود تعداد نفرات حاضر در جنگ یا حتی مقایسه با آمار ارتش عراق هم در اختیار تیم راوی بود، احتمالا تحلیل بسیار جذاب‌تری می‌شد.


لینک:
https://d-mag.ir/p17311/

چاره کن درد کسی کز همه ناچارتر است

دلم از نرگس بیمار تو بیمارتر است
چاره کن درد کسی کز همه ناچارتر است

من بدین طالع برگشته چه خواهم کردن
که ز مژگان سیاه تو نگونسارتر است

گر تواش وعدهٔ دیدار ندادی امشب
پس چرا دیدهٔ من از همه بیدارتر است

طوطی اَر پستهٔ خندان تو بیند گوید
که ز تَنگ شکر این پسته شکربارتر است

هر گرفتار که در بند تو می‌نالد زار
می‌برد حسرت صیدی که گرفتارتر است

به هوای تو عزیزان همه خوارند، اما
گل به سودای رخت از همه کس خوارتر است

گر کشانند به یک سلسله طراران را
طرهٔ پرشکنت از همه طرارتر است

گر نشانند به یک دایرهٔ عیاران را
چشم مردم فکنت از همه عیارتر است

گر گشایند بتان دفتر مکاری را
بت حیلت‌گر من از همه مکارتر است

عقل پرسید که دشوارتر از کشتن چیست
عشق فرمود فراق از همه دشوارتر است

تیشه بر سر زد و پا از در شیرین نکشید
کوه‌کن بر در عشق از همه پادارتر است

در همه شهر ندیده‌ست کسی مستی من
زان که مست می عشق از همه هشیارتر است

دوش آن صف زده مژگان به فروغی می‌گفت
که دم خنجر شاه از همه خون‌خوارتر است

سر شاهان جوان بخت ملک ناصردین
که به شاهنشهی از جمله سزاوارتر است

شاعر؟ فروغی بسطامی

ز مژگان سیاه تو

شعر از فروغی بسطامی، آواز از شجریان و موسیقی از Arnalds چنین چیزی رو ساخته. اون تیکه که ناله می‌کنه "چاره کن چاره کن درد کسی کز همه ناچارتر است".

و شب به خیر

فیزیک‌: کل هوش واس ماس

خبر شوکه کننده امروز،‌ اهدای جایزه نوبل فیزیک ۲۰۲۴ به دو دانشمند حوزه هوش مصنوعی، جفری هینتون و جان هاپفیلد بود. سه نکته در این خصوص به ذهنم می‌رسه:

یک- فیزیکی‌ها آدم‌های عجیبی هستند. فیزیکی‌های زیادی رو چه در خارج ایران و چه در داخل ایران می‌شناسم که از فیزیک به سمت یادگیری عمیق مهاجرت کردند. در بدترین دیدگاه شاید چون آدم‌های باهوشی‌اند ولی در فیزیک نه فضا و نه پول لازم برای درخشش را ندارند. در دیدگاه میانه شاید چون فیزیک و یادگیری عمیق شباهت‌های به هم دارند (مخصوصا کامپلکس فیزیک). در دیدگاه خیلی خوش‌بینانه شاید چون فهمیده‌اند آن چیزی که فیزیک در پی آن است و به عقیده من یافتن inductive bias‌های جهان است، کاری است که نهایت هوش مصنوعی است و فهمیده‌اند که مسیر از این ور می‌گذرد. خلاصه که قضیه نوبل فیزیک دادن به هینتون را نباید بدون چنین مقدمه‌ای دید.

دو- با وجود نکته قبلی،‌ اما این اقدام نوبل‌ فیزیک دادن به هینتون، با توجه به توضیحاتی که کمیته داده‌اند، بسیار عجیب و غیرمنطقی است. عنوانی که برای این دلیل نوشته‌اند دقیقا چنین چیزی است:
They trained artificial neural networks using physics
باور می‌کنید؟! اگر این گونه باشد باید یک نوبل ریاضی نیز به این بندگان خدا داد چرا که با ریاضی شبکه‌ها را آموزش داده‌اند. انگار که می‌خواسته‌اند فوری، سریع و انقلابی (دلم برای رئیسی تنگ شده) هوش مصنوعی را شاخه‌ای از فیزیک معرفی کنند. شاید شاید شاید هم قصدشان این بوده که توجه کامیونیتی فیزیک را به یادگیری عمیق جلب کنند. شاید فهمیده‌اند که اکتشافات عظیم بعدی در فیزیک جز از دست یادگیری عمیق برنمی‌آید.

سه- فارغ از همه این‌ها ولی به نظرم اتفاقاتی جالبی در طی چند دهه بعدی در علوم رخ خواهد داد. تا به حال مسیر این گونه بوده که در طول تاریخ ما علوم را شاخه شاخه و تخصصی‌تر کرده‌ایم. اما به نظر هوش مصنوعی این روند را به زودی برعکس خواهد کرد. به زودی هوش مصنوعی خواهیم داشت که در همه علوم متخصص است و در همه علوم می‌تواند نظر بدهد و مرزهای آن را گسترش دهد. دیگر ریاضی و فیزیک و شیمی معنایی ندارند، چرا که یک هوش مصنوعی داریم که در همه آن‌ها اظهار نظر می‌کند. حتی حتی حتی این روند به زودی به ادبیات و علوم دینی و حقوق و سیاست هم خواهد کشید. نوبل شیمی، نوبل صلح، پولیتزر و حتی جایزه تورینگ قطعا روزی به یک هوش مصنوعی خواهند رسید. در آن روز معنی زندگی انسان‌ها نه به توانایی و دانسته‌ها که بیشتر به اراده‌هایشان خواهد بود.

نصف نوبل شیمی ۲۰۲۴ هم به Jumper و Hassabis بابت alphaFold2 رسید. باز این یکی منطقی‌ بود نسبت به نوبل فیزیک.

https://www.nobelprize.org/prizes/chemistry/2024/press-release/

من برم گرم کنم برای نوبل ادبیات

انتخاب‌کردن و انتخاب‌شدن:‌ در مورد استاد راهنما و هم‌سفر‌هایی فراتر از آن

هر سال همین موقع‌ها، وقتی از جلوی جلسه معارفه دانشجویان جدید ارشد رد می‌شوم یاد پاییز سال ۹۷ می‌افتم. بازه‌ای که هر وقت به پس ذهنم می‌آيد، اعصابم خراب می‌شود. من یک جوان ۲۱ ساله بودم که تازه ارشد شریف قبول شده بودم و باید استاد انتخاب می‌کردم. آن زمان این شکلی بود که جلسه معارفه و این جور مکانیزم‌ها هم نبود و کسی هم نبود که به ما این تجارب را انتقال دهد. من هم که خجالتی‌تر و نرم‌تر از امروز بودم، فکر می‌کردم مثلا زشت است که با چند استاد همزمان صحبت کنم و یا مثلا جلوی استاد خودم را بیش از آن چه هستم، پرزنت کنم. نتیجتا این شکلی شد که در یک زنجیره به هر استادی که پیام می‌دادم بعد از چند روز می‌گفت ظرفیت ندارد و سر همین کلی اتفاق بر من افتاد. البته امروز گویا وضع بهتر است و از سال بعد از ما، جلسه معارفه گذاشتند و چندی بعد هم مکانیزم انتخاب اولویت استاد و اینها را اضافه کردند و ... به هر صورت اما تجاربی هست که هر سال وقتی دانشجوی ارشدی جدیدی به من پیام می‌دهد آن‌ها را مو به مو برایش توضیح می‌دهم. چند نکته اینجا می‌گذارم که بماند. به درد انتخاب استاد هم نخورند شاید به درد ازدواج می‌خورند:

۱- پیگیر باشید. طرف مقابل اگر از شما شناخت نداشته باشند، چطور می‌خواهد بین شما دست به انتخاب بزنند؟ در چنین شرایطی معمولا یکی از فاکتورهای در ذهن، میزان پیگیر و مشتاق بودن شخص مقابل است. پس مرتبا پیگیر باشید و خودتان را مشتاق به استاد مقابل نشان دهید. از این هم نترسید که طرف مقابل به شما در ذهن خودش برچسب سیریش بودن بزند. یا در نهایت قسمتتان می‌شود و فیضش را برده‌اید یا قسمتتان نمی‌شود و در آن صورت دیگر عذاب وجدانی ندارید. پیگیری و پینگ‌کردن اصل همیشگی‌اند.

۲- با همه صحبت کنید. سرچ اسپیستان را محدود به گزینه‌های که می‌شناسید یا حتی بقیه می‌شناسند نکنید. مطمئن شوید کل سرچ اسپیس را خوب گشته‌اید. اطلاعات در دنیای امروز مزیت نیست، ضرورت است. خجالتی هم نباشید، نهایت با چهار تا استاد بیشتر آشنا می‌شوید.

۳- متریک‌های مهمی غیر از آن چه در ذهن شما هستند، هم وجود دارند. شما تا وقتی در آب نیافتاده باشید نمی‌توانید بفهمید متریک‌های یک عینک شنای خوب چیست. برای مثال خیلی‌ها فکر می‌کنند که متریک‌ها صرفا یک چیزهای عینی و همگانی هستند. در حالی که بعضی متریک‌های دیگر هستند که خیلی به شخصیت شما وابسته هستند و ذهنی هستند. این که طرف مقابل چه جور شخصیتی دارد و آیا با شما جور در می‌آید یا نه، چیزی نیست که سلیقه اکثریت دیگران بتواند به شما پاسخ دهد. برای فهمیدن متریک‌های مهم،‌ بشینید خروجی‌هایی که از این پروداکت می‌خواهید را لیست کنید. خودتان را قضاوت کنید و ببینید به چه نیاز دارید. برای فهمیدن این که استاد مقابلتان آیا این متریک‌ها را دارد یا نه آن گاه می‌توانید یا از صحبت با خودش و البته از صحبت با دانشجوهایش ماجرا را کشف کنید. موضوع دیگر هم درباره موضوعی است که می‌خواهید روی آن ریسرچ کنید. دانشجوی نوارشد معمولا شناخت خوبی از حوزه‌های مختلف ندارند و ممکن است بعد از مدتی به حالتی برسند که دو سال ملال‌انگیز را با صرفا سنگینی یک برند دانشجوی ارشد بگذارنند. مهم است که بفهمید آیا این موضوع و این آزمایشگاه و این استاد چیزی هست که من بخواهم به خاطرش سختی‌ها و اضطراب را حفظ کنم یا این که نه، بعد از مدتی به حالتی ملال‌آور می‌رسم که مجبورم خودم را به زور شلاق به سمت خط پایان بدوانم. (البته که یکی از مشکلات بزرگ زندگی شاید این است که ما خوب نمی‌فهمیم چه می‌خواهیم)

۴- هیچ کس به اندازه خودتان نگران آینده شما نیست. برای خودتان دل بسوزانید،‌ وقت و انرژی بگذارید، آبرو خرج کنید و .... جوری زندگی کنید که حتی اگر مردید هم در نهایت در آخرین لحظه بتوانید بگویید من هر آن چه در توان داشتم، انجام دادم. بردن یا باختن دست شما نیست ولی زیبا باختن دست شماست. دیگر نمی‌دانم چه جمله انگیزشی بسازم. خلاصه برای خودتان از موضع بالا وارد عمل شوید.

۵- اگر نهایتا آن چیزی که می‌خواستید، در تقدیر نوشته نشده بود (وقتی آدم شکست می‌خورد مجبور است جبرگرا شود تا زنده بماند. حداقل برای موقعیت بعدی بتواند دهن روزگار را مورد عنایت قرار دهد)، خیلی افسرده نشوید. این مطلب از کجا معلوم را بخوانید. فکر کنید حالا خودتان برای خودتان چه کار می‌توانید بکنید.

پی‌نوشت: ممنون از آقایان حسنی و بهرامی بابت نظر در مورد متن

پی‌نوشت ۲: به طرز دراماتیکی، متن‌هایی که می‌نویسم روی خودم تاثیر و فایده‌ای ندارند.

#تجارب

گزارش سال ۲۰۲۴ stateof.ai

یکبار دیگه اکتبر و یکبار دیگه گزارش اتفاقاتی که در طول سال گذشته در هوش مصنوعی رخ دادند. امسال هم گزارش خوبی تهیه کردند و اگه آدم حوصله داشته باشه این ۲۰۰ تا اسلاید رو بخونه، یک تصویر کلی خوبی در ذهنش شکل می‌گیره. عمده بحث‌های امسال که در گزارش می‌شه:

۱- داغ‌شدن رقابت و نزدیک‌شدن بقیه بازیگر‌ها به openai
۲- تمرکز هوش مصنوعی رو مساله planning و reasoning
۳- گسترش foundation model‌ها به حوزه‌های فراتر از text
۴- کم‌اثربودن اقدامات آمریکا بر توانایی‌های هوش مصنوعی چین
۵- رشد ارزش شرکت‌های هوش مصنوعی اعم از شرکت‌ها سازنده foundation model‌ها و استارتاپ‌های سوارشده روی اونها
۶- و البته کودتا بر علیه سم آلتمن و سپس کودتای آلتمن بر علیه سایرین

لینک:
https://www.stateof.ai/

ثمر پیدا نیست

نخلم از گریه در آب است و ثمر پیدا نیست
تا فلک آتش آه است و اثر پیدا نیست

وعده دل را به دعاهای سحر می دادم
وه چه سازم که شب هجر، سحر پیدا نیست

خط اگر بود، دلم پی به دهانش می برد
خضر راه من تفسیده جگر پیدا نیست

مو شکافان جهان در تب و تابند تمام
در خم زلف تو آن موی کمر پیدا نیست

دل و دین رفت در اوّل نگه از دست حزین
به کجا تا بکشدکار نظر، پیدا نیست

حزین لاهیجی

در ستایش ژوگه لیانگ، در ستایش وفاداری

۸ اکتبر که گذشت، به روایتی ۱۷۹۰ امین سالروز درگذشت مرحوم ژوگه لیانگ بود (این که روایت چه قدر صحیح باشد،‌ احتمالش به ۱/۳۶۵ میل می‌کند ولی هر چه که هست بیشتر بهانه‌ای است برای یادکردن،‌ به مانند سایر روایت‌های تاریخی، حقیقت آن‌قدرها به قدر برداشت مهم نیست). بله می‌گفتم. فکر کنم کلاس دوم یا سوم راهنمایی بودم که اولین بار، یک آخر شبی از شبکه یک، فیلم صخره سرخ را دیدم و از آن روز شیفته فردی شدم که بدون انداختن یک تیر، صدهزار تیر از سپاه خصم گرفت (به این فکر کنید که چین چگونه با سرمایه‌گذاری فرهنگی، هزاران کیلومتر این طرف‌تر، چنین اثرگذار بوده) بعدها دیگر هر مدیایی که روی سه امپراطوری تولید شده بود اعم از انیمه و سریال و ... را دیدم. صفحه ویکی‌پدیای فارسی ژوگه لیانگ را خودم از صفحه انگلیسی‌اش ترجمه کردم و چند سالی هم هست که ردیت‌های مرتبطش را می‌خوانم.

چرا ژوگه لیانگ شخصیت جذابی است؟ آن اوایل به خاطر هوشش و استراتژی‌هایش دوستش داشتم. بعدها وقتی پایان داستان را دیدم، به خاطر ناکامی تراژدیکی که متحمل شد، احساس هم‌دردی‌ام را برانگیخت. به هر صورت بتی بود برایم. سنم که زیاد شد و از شروع کار ژوگه لیانگ گذشت اما خشکیدم. دیگر اثری از غبطه به هوش او نبود یا همدلی با ناکامی‌اش، اکنون به‌خاطر داشتن لیوبی به او رشک می‌برم. عنصر سوم داستان ژوگه لیانگ، در کنار هوش و تراژدی، وفاداری او به لیوبی است. بچه‌تر که بودم،‌ نمی‌فهمیدم این که ژوگه لیانگ را به خاطر وفاداریش به لیوبی ستایش می‌کنند یعنی چه. بعدتر، من هم ستایشش کردم و امروز حسرت دارم که کاش وفاداری به چیزی را در وجود خویش حس می‌کردم. بنابر داستان، روزی که لیوبی به دنبال ژوگه لیانگ آمد،‌ مجبور شد یک نیم روز صبر کند تا ژوگه لیانگ از خواب برخیزد و روزهای آخری که ژوگه لیانگ در بستر مرگ بود، در گیر و دار جنگ با سیمایی گویا به قدر کافی نمی‌خوابید. چیزی که این وسط تغییر کرده بود،‌ حس وفاداری ژوگه لیانگ به لیوبی بود. آن چیزی که از ژوگه لیانگ،‌ محبوبترین شخصیت سه امپراطوری را ساخت، همین حس وظیفه در او بود. همین احساس وابستگی به یک معنا

امشب در تراس با یکی از رفیقان نزدیک صحبت می‌کردم. من راجع به این که آدم‌ها تقریبا همگی دنبال هوا و هوس‌هایشان هستند و آن رفیق ما می‌گفت که آدم‌هایی هستند که این چنین نیستند و وفاداری را مثلا مثال زد. پر‌بی‌راه هم نمی‌گفت. وفاداری چیزی جدای از هوا و هوس است. ولی چیزی نیست که در آدم همین شکلی به وجود بیاید. من نمی‌توانم همینجوری به یک سیب آن هم از نوع خوب و منطقی‌اش مثلا احساس وفاداری کنم. عشق، ایمان و حس وفاداری به‌زور در کسی شعله‌ور نمی‌شوند. آدم نمی‌تواند خودش شعله‌ این‌ها را در دلش بیانگیزد. خیلی وقت است که در زندگیم اگر نگوییم بی‌معنایی، ولی احساس کم معنایی می‌کنم. صبح که بیدار می‌شوم نمی‌دانم چه کار می‌کنم تا آخر شب. می‌بینیم اکثر بقیه به کدام سمت می‌دوند من هم تقریبا همان را تقلید می‌کنم، شور و شوقی که آنان را به حرکت وامی‌دارد، در من نیست، برای همین تقلیدهایم هم بی‌کیفیتند. برگ بی‌درختی‌ام که به دست باد روزگار جا به جا می‌شود. ای کاش من نیز یک لیوبی داشتم. حداقل عمرم هرز و هدر نمی‌رفت.

#افکار_پریشان

ایده‌های جدید در صنعت بازی‌سازی به لطف دیفوژن‌

گاهی وقتا یک چیزی برای یک نیازی ابداع می‌شه ولی در ادامه نیاز دیگه‌ای رو پاسخ می‌ده که به ذهن آدم هم نمی‌رسیده از اول که به اون درد هم می‌خوره. حالا این شده قصه این پروژه جدیدی که با دیفوژن‌مدل‌ها یک بازی کامپیوتری رو سیمولیت می‌کنند. اگر اشتباه نکنم داستان به صورت خلاصه این شکلیه که میان داده‌های بازی رو جمع آوری می‌کنند و بعدش یک دیفوژن مدل رو بر حسب فریم‌های قبلی و اکشن‌های کاربر آموزشش می‌دن تا فریم بعدی بازی رو تولید کنه. بعدش، کاربر میشینه با این دیفوژن مدل تعامل می‌کنه و برحسب اکشن‌هایی که می‌زنه و فریم‌های قبلی، دیفوژن مدل فریم‌های بعدی رو براش تولید می‌کنه و به بیان دیگه دیفوژن مدل یک نوع جنریتور world model می‌شه. با این که خروجی‌های فعلی‌شون خیلی نرم و شبیه به بازی‌های عادی به نظر میاد هنوز البته جای کار داره و کلی مورد هست، مثلا چون مدل مموری نداره ممکنه شما در رو باز کنید برید توی یک اتاق بعد پشت سرتون رو برگردید نگاه کنید ببینید دری نیست:) (که البته از نظر من خیلی باحاله:)). با این حال ولی می‌شه متصور بود در عرض ۵ سال دیگه، با حضور LLM‌ها و دیفوژن‌ مدل‌ها، صنعت بازی‌سازی هم محتول بشه.

لینک پروژه:
https://diamond-wm.github.io/

امروز بکش چو می‌توان کشت

دشمنی ضعیف که در طاعت آید و دوستی نماید، مقصود وی جز آن نیست که دشمنی قوی گردد و گفته‌اند: بر دوستی دوستان اعتماد نیست تا به تملق دشمنان چه رسد و هر که دشمن کوچک را حقیر می‌دارد، بدان ماند که آتش اندک را مهمل می‌گذارد.

امروز بکش چو می‌توان کشت
کآتش چو بلند شد جهان سوخت

مگذار که زه کند کمان را
دشمن که به تیر می‌توان دوخت

گلستان سعدی، حکمت ۱۱ از باب هشتم