آیا گوگل جهان‌های موازی را اثبات کرده است؟

گوگل با پردازنده کوانتومی جدید خود به نام Willow، یکی از بزرگ‌ترین سوالات فیزیک را دوباره مطرح کرده: آیا ما در یک چندجهانی (Multiverse) زندگی می‌کنیم؟

در یک آزمایش تاریخی، Willow مسأله‌ای را در کمتر از ۵ دقیقه حل کرد که کامپیوترهای کلاسیک برای انجام آن به حدود ۱۰ سپتیلیون سال نیاز داشتند! هارت‌موت نِوِن، رئیس تیم Quantum AI گوگل، این موفقیت را فراتر از یک پیشرفت تکنولوژی می‌داند. او معتقد است که عملکرد Willow با تفسیر چندجهانی مکانیک کوانتومی همخوانی دارد نظریه‌ای که فیزیکدان دیوید دویچ مطرح کرده و می‌گوید محاسبات کوانتومی در واقع در چندین واقعیت موازی همزمان انجام می‌شوند.

با وجود شک و تردید برخی، که ممکن است تفسیرهای دیگر مکانیک کوانتومی هم این عملکرد را توضیح دهند، سرعت و مقیاس بی‌نظیر Willow بسیاری از کارشناسان را به بررسی جدی‌تر ایده چندجهانی واداشته است. توانایی این پردازنده در نگهداری و پردازش حجم عظیمی از حالات کوانتومی دقیقاً همان چیزی است که دویچ پیش‌بینی کرده بود: فقط در صورتی می‌توان به برتری واقعی کوانتومی رسید که چندین جهان موازی با هم کار کنند.

اگرچه هنوز نمی‌توان این را به‌عنوان اثبات قطعی چندجهانی در نظر گرفت، آزمایش Willow نقطه عطفی در فیزیک کوانتومی است و ما را به مرزی می‌برد که واقعیت ممکن است توسط جهان‌های ناپیدا شکل گیرد.

https://www.livescience.com/technology/computing/google-willow-quantum-computing-chip-solved-a-problem-the-best-supercomputer-taken-a-quadrillion-times-age-of-the-universe-to-crack

#فیزیک_کوانتومی #فیزیک

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

این مقاله از @Lakzaei_h من یه ایده‌ای رو مدت‌ها بود که روش کار می‌کردم تا این مشکل رو حل کنم و امروز بالاخره مقاله‌شو منتشر کردم! اسمش Stepwise Think هست و می‌خواد کاری کنه که همزمان که مدل داره فکر می‌کنه، جواب‌ها رو هم به صورت آنی به ما نشون بده. یعنی دیگه لازم نیست منتظر بمونیم!

https://medium.com/@hosseinlack123/stepwise-think-revolutionizing-chain-of-thought-for-faster-ai-responses-without-sacrificing-d81e140789b6

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

چرا اپلیکیشن‌های جاوا در داکر کندتر هستن؟

🔗 لینک مطلب
#software
#java
#programming

🆔 @lifeAsAService

آخرین و دهمین ورژن کورس معروف CS231n دانشگاه استنفورد برای بهار ۲۰۲۵ در یوتوب منتشر شد:

https://m.youtube.com/playlist?list=PLoROMvodv4rOmsNzYBMe0gJY2XS8AQg16

این #کتاب خیلی خوبیه اگه مبانی تیوری یادگیری ماشین و ریاضی اون رو میخوایین کتاب خوبیه ک به زبان ساده توضیح میده ریاضی چگونه به فهم هوش مصنوعی کمک میکنه

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

امروز روز جهانی احمق‌هاست.

📢 دوستان عزیز سلام
برای انجام یک پژوهش علمی به یاری شما نیاز دارم 🙏✨

🔹 لطفاً پرسشنامه زیر رو پر کنید (حداکثر ۵ تا ۱۰ دقیقه وقت می‌گیره).
🔹 در پایان، بین شرکت‌کنندگان به قید قرعه چند اشتراک ویژه سایت «30nama» 🎁 تقدیم میشه.

https://survey.porsline.ir/s/KSw1cBnX

سلام عزیزان امیدوارم حالتون خوب باشه.

ما برای پروژه‌ای نیاز به گرافیست داریم. خلاق باشه، از ترندهای طراحی به‌روز با خبر باشه و بتونه به‌خوبی منظور رو به مخاطب منتقل کنه.
کار به صورت پروژه‌ای هستش و قراره کارها در جاهای جذابی به نمایش گذاشته بشن.
خوشحال می‌شم اگه خودتون یا دوستاتون چنین ویژگی‌ای دارید باهاتون آشنا بشم.
می‌تونید به خودم پیام بدید:
@mahdiAkhi
#job

🆔 @lifeAsAService

سلام دوستان! 👋

ما یه تیم پرانگیزه از فارغ التحصیلان و اساتید مهندسی کامپیوتر هستیم که قصد داریم دوره‌های آموزشی جذاب و کاربردی در حوزه هوش مصنوعی در پزشکی برگزار کنیم. 🚀

برای اینکه بتونیم محتوایی مفید و متناسب با نیازهای روز طراحی کنیم، خوشحال می‌شیم با پر کردن این پرسش‌نامه کوتاه، ما رو همراهی کنید.

⏳ زمانتون رو می‌گیره، اما کمک بزرگی بهمون می‌کنه!

📌 لینک پرسش‌نامه: لینک

ممنون از وقتی که می‌ذارید! 🙏💙

✨ حل‌های LeetCode با کد منبع | haoel/leetcode

🔶 توضیحات:
مخزنی محبوب برای تمرین الگوریتم و ساختمان داده و آمادگی مصاحبه‌های فنی. شامل راه‌حل‌های پرتکرار LeetCode با کدنویسی شفاف و ساختار منظم.

🔷 ویژگی‌ها:
• Multi-language support (mainly C++ and some Java examples)
• Organized folder structure (e.g., algorithms/cpp/) for quick access
• Covers frequently asked interview problems (e.g., LRU Cache, Subsets, Combinations)
• Clean, readable implementations showcasing common problem-solving patterns
• Great starting point to build your own solution notebook and timed practice

🔷 دریافت و اطلاعات بیشتر:
لینک ریپو GitHub
پروفایل نویسنده Hao Chen

#LeetCode #Algorithms #DSA #InterviewPrep
🔷 @Recomendersystem2023

با سلام و احترام؛
در راستای اجرای پژوهشی در زمینه بهداشت روان و افکار خودکشی، به مشارکت دانشجویان دانشگاه‌های سراسری تهران (وزارت علوم و بهداشت - تمامی رشته‌ها و مقاطع) در تکمیل پرسشنامه‌ای علمی نیازمندیم.

از شما خواهشمندیم که با دقت و صرف زمان کافی به پرسش‌های این پرسش‌نامه پاسخ دهید. اطمینان داشته باشید که تمامی اطلاعات ارائه‌شده کاملاً محرمانه باقی خواهد ماند و صرفاً در راستای اهداف پژوهشی مورد استفاده قرار خواهد گرفت.

به منظور قدردانی از حضور و مشارکت شما عزیزان، به قید قرعه به ۲۰ نفر از شرکت‌کنندگان جوایز نقدی ۲۵۰هزارتومانی اهدا خواهد شد. چنانچه تمایل به شرکت در قرعه‌کشی دارید، لطفاً ایمیل خود را در انتهای فرم وارد نمایید.

پیشاپیش از همکاری ارزشمند و همراهی صمیمانه شما کمال تشکر و قدردانی را داریم.

https://survey.porsline.ir/s/67s42BJ2

Intro to Fine-Tuning Large Language Models

Intro to fine-tuning
Parameter Efficient Fine-Tuning
The QLoRA method
Pre-trained vs Fine-Tuned Model
Prompt Engineering vs. Fine-Tuning

https://www.youtube.com/watch?v=H-oCV5brtU4

#منابع


🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

نقشه ۳ سال آینده هوش مصنوعی در کسب‌وکار

دانشگاه MIT در گزارشی تازه، بیش از ۳۰۰ پروژه هوش مصنوعی را بررسی کرده و با مدیران ارشد سازمان‌ها گفتگو کرده. نتیجه روشن است:۹۵٪ پروژه‌های سازمانی شکست می‌خورند و تنها ۵٪ به تولید واقعی و سودآوری می‌رسند.

این گزارش با عنوان «شکاف GenAI» نشان می‌دهد:

مشکل اصلی نه مدل‌ها هستند و نه قانون‌گذاری، بلکه یادگیری در بستر واقعی است.

بیشترین ارزش در فرآیندهای پشتیبانی (مثل کامپلاینس، حسابداری و مراکز تماس) ایجاد می‌شود.

ابزارهای خریداری‌شده دو برابر ابزارهای ساخته‌شده داخلی شانس موفقیت دارند.

تمرکز روی مشکلات کوچک و مشخص، نتیجه‌بخش‌تر از پلتفرم‌های بزرگ و همه‌کاره است.

این گزارش برای کارآفرینان و مدیران می‌تواند مثل یک نقشه راه باشد؛ راهی برای عبور از «شکاف GenAI» و ساختن ارزش واقعی با هوش مصنوعی.

#منابع #هوش_مصنوعی_مولد #کتاب #مقاله #کسب_و_کار

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

اوپن ای آی میگه مشکل توهم زدگی رو حل کردیم. ولی بعید می‌دونم.

https://cdn.openai.com/pdf/d04913be-3f6f-4d2b-b283-ff432ef4aaa5/why-language-models-hallucinate.pdf

#مقاله

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

در مقاله‌ی «AI and the New Impostor Syndrome» نوشته‌ی John Nosta در Psychology Today نویسنده به یک شکل جدید از سندرم ایمپاستر (Impostor Syndrome) پرداخته است که ناشی از استفاده از هوش مصنوعی است.

سندرم ایمپاستر کلاسیک و نوع «هوش مصنوعی» آن:

احساسی که برخی افراد موفق دارند؛ با وجود شواهد بیرونی از موفقیت، باور ندارند سزاوار آن هستند و ترس از کلاه‌برداری از دیگران دارند.

سندرم ایمپاستر ناشی از هوش مصنوعی (AI Impostor Syndrome): شک و تردیدی که در اثر آسان‌ شدن موفقیت به‌وجود می‌آید؛ زمانی که هوش مصنوعی ایده‌ها، متون یا بینش‌ها را به‌سادگی تولید می‌کند و انسان درباره اصالت، اقتباس فکری و نقش خود در تولید محتوا دچار تردید می‌شود.
تأثیر هوش مصنوعی بر تعریف ما از «هوش»

هوش دیگر به معنای تلاش یا یادگیری سخت نیست؛ بلکه به شکل‌دهی، انتخاب و جهت‌دهی به آنچه AI فراهم می‌کند تبدیل شده است.

به عبارتی، ما دیگر «می‌دانیم»، بلکه «می‌سازیم»: مسئله این نیست که چقدر می‌دانیم، بلکه این است که چگونه از آنچه می‌دانیم استفاده می‌کنیم و آن را بازآفرینی می‌کنیم.

پارادوکس «نادانی با آسودگی»

استفاده از هوش مصنوعی احساس توانمند بودن می‌دهد— ولی همچنین احساس می‌شود که کارها «خیلی آسان» هستند، و این سخت بودن همواره بخشی از احساس ارزشمندی بود.

این دوگانگی ایجاد نوعی «ناهم‌خوانی شناختی» (cognitive dissonance) می‌کند: اعتماد به ابزار قدرتمند در افزایش توانایی‌ها در کنار تردید به خود از بابت آسانی موفقیت.
در این مقاله نشان می‌دهد که هوش مصنوعی نه‌تنها ابزارهای خلاقانه را در اختیار ما قرار می‌دهد، بلکه چارچوبی دربارهٔ اینکه «چه کسی واقعاً فکر می‌کند» را تغییر می‌دهد: این تغییر باعث نگرانی دربارهٔ اصالت، زحمت فکری و جایگاه خود می‌شود. در این دورهٔ جدید، هوش دیگر در دانستن نیست، بلکه در چگونگی استفاده و بازآفرینی ما از آنچه ابزارهای هوشمند تولید می‌کنند معنا پیدا می‌کند.

▪️ AI and the New Impostor Syndrome

#مقاله #روانشناسی #هوش_مصنوعی


🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

#کتاب مطالعه مختصری که راجب کتاب طراحی پتنرن ایجنت کتاب خوبی اومد

▪️ Agentic Design Patterns — Hands-On Guide to Building Intelligent

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

در این گزارش که توسط انویدیا نوشته شده است اومدند راجب مباحث زیر نوشته است:

▪️ Universal Deep Research: Bring Your Own Model and Strategy

The idea is simple: allow users to build their own custom, model-agnostic deep research agents with little effort.

#کتاب #مقاله

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

موسیقی بیکلام برای امشب میچسبه خلوت کنی با خودت و بشینی اسمون رو نگاه کنی

#متفرقه@AI_DeepMind

در این #کتاب به شما یاد میده که ریاضی چه کمکی به #یادگیری_ماشین میکند که بهتر یادبگیرد #ریاضی و #آمار در کجای بحث به صورت مبانی ساده ای در کجای بحث قرار دارند. این کتاب برای کسایی مفید هست که میخواهند ریاضی و یادگیری ماشین را باهم یادبگیرند مفید هست.

A free beginner’s guide to machine learning
▪️ Patterns, Prediction, and Actions A Story About Machine Learning


#کتاب #منابع

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

موج تغییرات مسکن از ۲۳ خرداد (تحلیل پلتفرم دیوار):

https://divarrealstatesinthesedays.netlify.app

سورس:
https://github.com/yasaminashoori/DivarAnalyzer

از 23 خرداد تا الان اتفاقات زیادی افتاده، تو چند روز اخیر تعداد آگهی‌های منتشر شده و فروش مسکن به شدت زیاد شده، اینجا می‌تونید یه کم روی نمودار این تحلیل ها رو بررسی کنید، هنوز جای کار داره خیلی ولی خب برای فعلا...

یکی از جذاب‌ترین کارهایی بود که امتحانش کرده بودم، اگه نظری دارین خوشحال میشم بگین.
حقیقتا فهمیدن آمار و اعداد و نمایش اون ها به شیوه درست کار بسی سخت ولی سودمندی هست.

(فعلا حالت سمپل دیتا که بیش از ۴۰۰۰ تا آگهی هستن رو Scrape می‌کنه و تحلیلش رو نشون میده روی Sample data کلیک کنید و بعد آنالیز، بعدا حالت آپلود فایل هم قرار می‌دم که اتومات و بروز تر بشه)

#scraper
#divar