🎙🖥 دورهمی آنلاین در مورد دغدغه عرفان 😁

کامنت امروز عرفان در مورد اینکه مباحث بنیادین چجوری یادمون بمونه، یا اصلا لازمه یا نه و... باعث شد به فکر این بیوفتم که دورهمی آنلاین داشته باشیم:
- موضوعات دیزاین و معماری و الگوهای طراحی و... رو «تا چه حد»، «چجوری»، یاد بگیریم که روشون مسلط باشیم و یادمون نره؟
- اصلا نیازه که همه چیز رو بلد باشیم؟ (چجوری تعادل رو بین نگاه واقع‌بینانه فردی با نگاه واقع‌بینانه نسبت به بازار کار و مصاحبه‌های شغلی پیدا کنیم)
- نقشه راه یادگیری و شغلی رو چجوری تدوین کنیم

اگر دوست دارید شرکت کنید، لطفا اعلام کنید و پیشنهادتون رو هم بگید ممنون می‌شم.

زمان پیشنهادی: فردا جمعه ۲۷ مهر (۱۸ اکتبر) ساعت ۱۹ به وقت تهران، مدت زمان: ۴۵ تا ۶۰ دقیقه.

امروز صبح خبری دیدم که قابل انتظار بود ولی ناراحت‌کننده! سایت codeproject.com تعطیل می‌شود!

سال‌ها قبل از پیدایش stackoverflow یا github یا حتی مرحوم codeplex، مرجع یادگیری و به‌روز موندن و اشتراک تجربه و کد همین codeproject بود.

من دات‌نت رو با نسخه ۱ شروع کردم 👴🏻 زمانیکه کتاب و منابع خیلی محدود بود.
و سهمی که codeproject در یادگیری من داشت خیلی زیاد بود (خصوصا مفاهیم شیء‌گرایی).

برای مدت طولانی، مقالاتی که دوست داشتم رو با کدهای ضمیمه‌اش PDF می‌کردم و ازشون برای خودم کتابخونه درست کرده بودم...

💡 ولی سایتی که خودش باعث به‌روز موندن بقیه بود، به‌روز نموند و از رقابت جا موند!

حتی مقالاتی که در مورد معماری زیرساخت و سرورها و تنظیمات دیتابیس‌های codeproject بود به من خیلی کمک کرد (بعدترها stackoverflow و نشر تجربه عالیشون از زیرساختشون یادگیری عالی برام داشت)

خلاصه اینکه این ادای احترامیه به مقوله‌ی نشر دانش و همه سرویس‌هایی که ما رو در جهت یادگیری آزاد و البته اصیل کمک کردند...

یک خبر خوب! کوپایلوت گیت‌هاب که احتمالا خیلی‌هامون ازش استفاده می‌کنیم و انصافا ابزار خوبیه، به زودی از مدل‌های شرکت‌های دیگه‌ای به جز OpenAI پشتیباینی می‌کنه، یعنی مثلا اگر Claude برای شما مناسب‌تره می‌تونید تعیین کنید ازش استفاده کنه.

البته کماکان بعید می‌دونم کسی Gemini گوگل رو ترجیح بده 🤭

💡 البته این از نظر بیزنسی و طراحی محصول هم درس‌هایی داره برای کسایی که علاقه‌مند باشن!

لینک اصل خبر

✨ آینده‌ی استک‌اورفلو چی‌ قراره بشه؟
اگر نمودارهای ترافیک استک‌اورفلو رو دیده باشین یا آمار مشاهده پُست‌های خودتون رو، می‌دونید که بعد از رواج ChatGPT و LLMهای مشابه، به طرز واضحی کاهش داشتن تا جایی که سوال پیش میاد که چه بر سر بقاء StackOverflow خواهد اومد؟!

اینترنت در حال تغییره و منابع دانش و نحوه تعامل کاربر با اون‌ها داره یک استحاله بزرگ رو تجربه می‌کنه. از طرفی بخشی از منابع دانش که قبلا توسط کاربرها غنی شده، داره به منبع دانش LLMها تبدیل می‌شه، و همین یک‌سویه شدن دانش از سمت LLM به کاربر و کم شدن ورودی کاربرها، ورودی آینده‌ی LLMها تحت تاثیر قرار می‌گیره، به بیان ساده‌تر چرخه‌ی دانش با چالش‌های جدیدی روبرو می‌شه/شده!

۱. پاسخ‌ها دانش نیستند: اگر LLMها جواب‌های کافی برای سوالات پیچیده کاربر نداشته باشن چه باید کرد؟؟ با وجود پیشرفت‌های LLMها، هنوز فاقد دو مورد کلیدی‌اند: پاسخ به پرسش‌های پیچیده‌تر و توضیح دلایل مرتبط با سناریوها و محیط‌های مختلف.

۲. فرار دانش: هوش مصنوعی به ما جواب می‌ده، ولی تولید و نگهداری دانش جدید رو تقویت نمی‌کنه و قادر نیست آینده رو در نظر بگیره. کاربر احتمال داره از "تاریخ قطع" یا نقطه‌ای که اطلاعات LLM از اون به بعد به‌روزرسانی نشده، فاصله بگیره، و این برای کاربر نارضایتی به‌وجود میاره.

۳. عدم اعتماد توسعه‌دهنده‌ها به ابزارهای هوش مصنوعی: عدم اعتماد به خروجی‌های LLM خطرناکه و می‌تونه مشکلات جدیدی در سیستم‌های وابسته به این فناوری به وجود بیاره. حفظ و تقویت فیدبک از جانب انسان‌ برای ایجاد دانش و اعتماد به ابزارهای جدید ضروریه.

💡حالا Stack Overflow داره مفهوم knowledge-as-a-service فکر می‌کنه!

برای Stack Overflow، این یعنی تأمین دسترسی توسعه‌دهنده‌ها و LLMها به محتوای فنیِ معتبر و به‌روز. توی این مدل، "دانش" به‌عنوان یک سرویس قابل دسترسی و تکامل‌یافته ارائه می‌شه. این دانش، با استفاده از چرخه‌‌ی فیدبک و تقویت اعتماد کاربرها، به رفع مشکلاتی مثل "فرار دانش" کمک می‌کنه و پایگاه دانش معتبر و قابل‌اعتمادی برای جامعه فراهم می‌کنه.

این مدل کسب‌وکاری، در صورت موفقیت، می‌تونه محتوای خودش رو برای مصرف در مقیاس بزرگ ارائه بده، کاربردهای مختلفی هم براش شناسایی شده و سعی می‌کنن تا بستر استفاده عادلانه و مسئولانه از داده‌های community رو فراهم کنن.

مدل "دانش به‌عنوان سرویس" فرصت‌های پایدارتر رشد مالی رو برای آینده Stack Overflow فراهم می‌کنه و ضمن حفاظت از community و دانشی که توسطش تولید می‌شه، امکان بازاستفاده‌ی منصفانه از محتوا‌شون رو برای ارائه‌دهنده‌های سرویس‌های LLM فراهم می‌کنه.