تو این اپیزود با دکتر محمدحسین رهبان استاد دانشگاه شریف صحبت کردم. به نظر خودم یکی از بهترین گفتگوهایی هست که تا به حال داشتم. به طرز غیرمنتظره‌ای بسیار لذت بردم و از ایشون یاد گرفتم. خصوصاً این که دست روی موضوعات چالشی گذاشتیم، برام جذاب بود. 

موضوعاتی که راجع بهشون صحبت کردیم: 

• آیا مدل‌های زبانی دارن بهتر میشن یا در جا می‌زنند؟ 
• مدل‌‌های فعلی تا چه حد توانایی استدلال دارند؟
• ساختار فعلی مدل‌های زبانی چقدر می‌توانند بهتر بشن؟
• خطر بزرگی که صنعت نرم‌افزار باهاش رو به رو شده چی هست؟ 
• آیا کدنویسی به درد نمی‌خوره و نابود شده؟ 
• چه چیزهایی هنوز مهم هستند و ارزش یادگیری دارند؟ 

در ضمن ویدئو بصورت تصویری ضبط شده و در یوتیوب هم آپلود شده.

این اپیزود بصورت مستقل قابل گوش دادن هست. تو اپیزود به بعضی موارد هم اشاره شد که لینک‌هاش رو براتون می‌گذارم.

https://aprd.ir/ai-station-e27-llm-reason-vs-recite-rohban/

در قسمت قبل راجع به وایب کدینگ صحبت کردیم. و من همین‌طور ذهنم درگیره و دارم به این قضیه فکر می‌کنم. اما این دفعه برخلاف قبل می‌خوام کمی از اون طرف قضیه صحبت کنم.

• کمی تو سر وایب کدینگ بزنیم و ایرادهاش رو بگیم.
• این مدل‌ها کجاها ضعف جدی دارند؟
• این ضعف‌ها چطوری خودشون رو تو مهندسی‌نرم‌افزار نشون میدن؟
• کجاها هست که هنوز مدل‌های زبانی نتونستن بگیره و بعیده به این زودی بگیره. 

قبلش یه چیزی رو بگم. حرفای اپیزود قبل من از اون مدل‌ها بود که زیاد شنیده بودم و الان هر جا برید از این حرف‌ها تو بورسه. این که AI چقدر خوبه و چقدر خوب کد می‌زنه و همه باید استفاده بکنند.

ولی بیشتر که بررسی کردم دیدم قضیه اصلاً صفر و یکی نیست. نه میشه گفت «همه» کارها رو بدیم هوش‌مصنوعی انجام بده و نه میشه گفت «همه» کارها رو مثل قدیم خودمون انجام بدیم. 

اینه که اتفاقاً حرف‌های این اپیزود رو چالشی‌تر می‌بینم و احتمال مخالفت باهاش هم بیشتره :))

https://aprd.ir/ai-station-e26-vibe-coding-cons/

سلام به همگی. خیلی وقته که از آخرین باری که با هم صحبت کردیم می‌گذره. در این مدت، نه‌ اینکه وقتش نباشه، دل و دماغش نبود. روزهای سختی را گذروندیم؛ از اعتراضات دی‌ماه و داغ آدم‌هایی که جاویدنام شدند، تا سایه سنگین جنگی که اومد و هنوز هم تمام نشده. اما خب ما هنوز زنده‌ایم، نفس می‌کشیم و زندگی ادامه داره. اینه که گفتم شاید بهترین کار همین باشه؛ برگشتن به کارهایی که بلدیم و علاقه داریم. 

یکی از مواردی که چند وقت اخیر ذهنم رو درگیر کرده، روند‌های تغییر شغل‌ها به واسطه هوش‌مصنوعی هست. صحبت‌هام کمی دارک هست؛ چون انگار خیلی‌ از شغل‌ها دارن تبدیل به «اپراتور هوش مصنوعی» میشن. و من این حس رو از صحبت با دوستان گرفتم.

خلاصه بخوام بگم در این قسمت می‌خوام راجع به چند تا سؤال صحبت کنیم:

• هوش مصنوعی چه تغییراتی رو برای شغل‌هامون رقم زده؟
• چه نشانه‌هایی برای تبدیل برنامه‌نویسی به کالای عمومی وجود داره؟
• اگر فرض کنیم، هوش مصنوعی داره شغل‌ها رو تغییر می‌ده، چطوری می‌تونیم باهاش همراه بشیم؟ و بهترین خروجی رو دریافت کنیم؟
• در بلندمدت ارزش پیشنهادی یه برنامه‌نویس چی می‌تونه باشه؟ 

https://aprd.ir/ai-station-e25-the-age-of-vibe-coding/

اگر خاطرتون باشه تو قسمت‌های قبل گفتیم یادگیری ماشین قبایل مختلفی دارند. قسمت قبلی هم راجع به الگوریتم‌های درختی صحبت کردیم. تو این قسمت هم می‌خوایم به یادگیری عمیق بپردازیم و به سؤالات زیر پاسخ بدیم:

- سیستم‌های یادگیری عمیق چطوری داده‌ها رو ذخیره می‌کنند و ارتباط‌شون با مغز ما چیه؟

- زمستان هوش مصنوعی چرا شکل گرفت؟

- این سیستم‌ها با چه موانعی شروع شدند؟ 

- و چی باعث شد که دوباره اوج بگیرند؟

(تو لینک پست این قسمت، چند تا ویدئوی جالب هم وجود داره که با هوش‌مصنوعی درست کردم. یه سری بهش بزنید. جالبه).

https://aprd.ir/ai-station-e24-deep-learning-algorithms

چند نفر از دوستان ازم سؤالاتی راجع به بازار کار و مهارت‌های مورد نیاز و شرایط کاری هوش مصنوعی پرسیدند، گفتم شاید بد نباشه چند کلامی راجع بهشون صحبت کنیم. 

سؤالات‌ دوستان:

- بازار کار در این زمینه‌ها در داخل و خارج در حال حاضر چگونه است؟

- نیاز بازار کار فعلی حول چه شغل‌هایی هست؟

- حدود دستمزد متخصصین یادگیری ماشین و تحلیل داده چقدر است؟

- آیا امکان دورکاری وجود دارد یا خیر؟

- شرکت در دوره‌های بوت کمپ رو تا چه حد توصیه می‌کنی؟

- تحصیلات آکادمیک چقدر مؤثره؟ 

- چه مهارت‌هایی رو باید بلد باشم؟ 

- چطوری می‌تونم خودم رو متمایز کنم؟

https://aprd.ir/ai-station-e23-ai-industry-state

امروز می‌خوایم به یکی از مهم‌ترین چالش‌های یادگیری ماشین بپردازیم. مسئله اینه که چطوری می‌تونیم مطمئن باشیم که چیزی که قبلاً جواب داده الان هم جواب میده؟ 

این سؤال اولین بار در قرن ۱۸ توسط آقای هیوم مطرح شد و همه چیز از تصمیم‌های روزانه‌مون تا برنامه‌های کامپیوتری پیچیده رو تحت تأثیر خودش قرار میده. نویسنده میگه که: «هر الگوریتم یادگیری تلاشی برای پاسخ به این سؤال هست». 

تو این قسمت به طور خلاصه به سه بخش می‌پردازیم. اول راجع به این صحبت می‌کنیم که افراد راجع به «یادگیری» چطوری فکر می‌کنند. دوم میگیم که چرا از نظر ریاضی یادگیری به نظر غیرممکنه و سوم این که راه‌حل متخصصان برای حل این مشکلات چی بوده؟ و روش‌های نمادین و درختی در یادگیری ماشین رو معرفی می‌کنیم و راجع راجع بهشون حرف می‌زنیم.

https://aprd.ir/ai-station-e22-tree-based-algorithms

تو این قسمت با سید محمدجواد فیض آبادی ثانی راجع به تفاوت‌های صنعت و اکادمیک و البته مدل‌های زبانی صحبت کردم. 

محمدجواد دانشجوی دکتری هوش مصنوعی دانشگاه صنعتی شریف هست و قبلاً هم تیم لید بخش دیتاساینس تپسل بوده. 

تو این گفتگو با هم دیگه راجع به تفاوت‌های زندگی در دانشگاه و صنعت صحبت می‌کنیم و قاعدتاً راجع به این که دکترا بخونیم یا خیر. در انتها هم با توجه به این که محمدجواد تز دکتراش در ارتباط با مدل‌های زبانی بزرگ هست، یه کم راجع به این مدل‌ها گپ می‌زنیم. من از گفتگو با سید لذت بردم. امیدوارم شما هم ببرید.

در ضمن اگر خواستید این ویدئو رو بصورت تصویری ببینید، می‌تونید از اینجا ببینید.

https://aprd.ir/ai-station-e21-seyyed-sani/

سلام. امیر پورمند هستم و با قسمت بیستم از ایستگاه هوش مصنوعی در خدمتتون هستم. 

تو دو قسمت قبلی، دو بخش از کتاب الگوریتم اصلی رو بازخوانی کردیم. خلاصه این که یادگیری ماشین یک الگوریتم یادگیرنده داره. الگوریتم یادگیرنده، داده ورودی و داده خروجی رو می‌گیره و الگوریتمی خروجی میده که اون کار رو انجام بده. 

مثلاً برای تشخیص اسپم، ورودی میشه ایمیل‌ها و خروجی میشه اون‌هایی که اسپم هستند. حالا اینها رو به الگوریتم یادگیرنده می‌دیم و خروجیش میشه یه الگوریتم تشخیص اسپم. 

تو بخش‌های قبل گفتیم که الگوریتم‌های یادگیرنده تعدادشون محدوده. تو این فصل می‌خوایم به یک سؤال بپردازیم. «آیا میشه با یک الگوریتم یادگیرنده همه چیز رو یاد بگیریم؟»

https://aprd.ir/ai-station-e20-master-algorithm-exists

سلام. امیر پورمند هستم و با قسمت نوزدهم از ایستگاه هوش مصنوعی در خدمتتون هستم.

تو قسمت قبل کتاب الگوریتم اصلی رو معرفی کردیم. من دیگه تکرار مکررات نمی‌کنم.

تو این فصل می‌خوایم راجع به انقلاب یادگیری ماشین صحبت کنیم. هنوز به قبایل یادگیرنده که گفتم سر نمی‌زنیم و نویسنده می‌خواد ذهن‌مون رو قلقلک بده و راجع به الگوریتم‌ها و تاثیر اون‌ها بر همه جنبه‌های زندگی بگه. یعنی اول میگیم الگوریتم چیه و بعد میگیم یادگیری ماشین چیه و بعد میگیم چه تأثیراتی داره که بهش انقلاب یادگیری ماشین میگن؟

https://aprd.ir/ai-station-e19-ml-revolution

اخیراً در حال مطالعه کتابی به نام «الگوریتم اصلی» نوشته پدرو دومینگوس هستم و به نظرم کتاب جالبی اومد. گفتم بشینیم با هم مطالعه کنیم. 

کتاب مال ۲۰۱۵ هست و انگلیسی هست و تا به حال به فارسی ترجمه نشده. محتوای کتاب به نظرم اصلاً قدیمی نیست و خیلی جلوتر از زمانه خودش نوشته شده. 

جامعه مخاطبی که برای کتاب در نظر گرفته شده، متنوع هست. از کسانی که به هوش مصنوعی علاقه‌ دارند. تا کسانی که می‌خوان در بیزنس ازش استفاده کنند یا به عنوان شهروند یا دانشجو یا حتی یک متخصص هوش مصنوعی. جامعه هدف بزرگی رو در نظر گرفته. سعیش هم این بوده که به زبان ساده یک فهم جدید و دسته‌بندی جدید از الگوریتم‌های یادگیری ماشین ارائه بده. با هدف اولیه این پادکست که توضیح مباحث فنی به زبان ساده است، همراهه. 

عملاً یک ترجمه کاملاً آزاد از این کتاب با سبک و بیان خودم برای شما خواهم گفت و اصلاً به متن وفادار نخواهم بود. یه جاهایی هم نظرات شخصیم رو میگم (و بین نظرات خودم و نویسنده تفکیک قائل خواهم شد). ترتیب مطالب رو عوض می‌کنم و مفاهیم رو ترکیب می‌کنیم و عملاً با واسطه من این کتاب رو می‌شنوید. 

تو این قسمت می‌خوایم از مقدمه این کتاب شروع کنیم. جایی که از خوندنش خیلی لذت بردم. امیدوارم شما هم ببرید. 

https://aprd.ir/ai-station-e18-master-algorithm-intro/