یکی دیگه از موضوعات جالب Toxicity detection in comments هست.
@ai_person

Probability distributions
@ai_person

در بازیابی اطلاعات، الگوریتم BM25 یک تابع رتبه‌بندی هست که توسط موتورهای جستجوی برای تخمین میزان ارتباط داکیومنت و کوئری استفاده میشه.
@ai_person

مدلهای مبتنی بر دیفیوژن چطوری کار می‌کنند ؟


Link: https://twitter.com/iScienceLuvr/status/1592860019057250304

@ai_person

Snorkel is a Python library that is used for data labelling.
This framework facilitates the process of building and managing training datasets without manual labelling.


@ai_person 

نویسنده موفق فقط ایشون :))
@ai_person

خدا فقط اون خدای رنگین کمانهایی که کیان می‌گفت :)

جلسه اول از ارایه کتاب

designing machine learning systems

در حال حاضر درحال برگزاری است لطفا جوین بشید .

https://meet.google.com/nzj-pyds-wvv

پی‌نوشت: مال یه سری از بچه هاست دوست داشتید ببینید.

Hugging face با همکاری آرکایو
قراره قابلیت دمو مدل و کارهای مربوط به مقاله را به آرکایو اضافه بکنند:
https://huggingface.co/blog/arxiv

@ai_person

ترند اول تویتر اینه که تویتر قراره به فنا بره!
بقیه هم مربوط به شبکه های اجتماعی رقیب (البته رقیب که نمیشه گفت) هستند.
متن بعدی یه سناریو محتمل رو براتون می‌خوام بگم :)

ماسک بعد از اینکه تویتر رو خرید شروع کرد به اخراج های گسترده کارکنان.
خیلی ها که تو شرکتهای بزرگ کار کرده باشند میدونن وقتی یه شرکت از یه سایزی بزرگتر میشه، نیروها، اهداف و هماهنگی شرکت کوچیک رو نداره.
شاید باشند کسایی که هیچ کاری نمی‌کنند و خوب هم حقوق می‌گیرند.
البته خیلی های دیگه هم هستند که واقعا کارشون رو خوب و عالی انجام میدهند. به عبارتی نابغه هستند.
در مورد تویتر، فیسبوک، گوگل، و ... اکثر شرکتهای غول این مسیله صحت داره.
ولی خب بعضاً یه سری اخراجهای الکی و نامربوط هم انجام داد. بعدش سریعا همونا رو که اخراج کرده بود دوباره دعوت به همکاری کرد.
دلیلش چی می‌تونه باشه؟
به نظر من دلیلش بیشتر از اینکه یه اکت فنی و مدیریتی باشه، یه نمایش هستش.
تویتر رو مهم کرده و همه منتظرن ببینن بعد از ماسک چه بلایی سرش میاد. خوب راحت ترین سناریو هم براش اینه که هیچ بلایی سر تویتر نمیاد و همینطوری ادامه میده که تو انظار عمومی برنده میشه!

البته مورد دیگه ای هم هست، اونم اینه که ماسک کلا رییس خوبی نیست اکثر کارمندای شرکتهای قبلیش هم نظر زیاد جالبی در موردش و کار باهاش رو نداشتند.
ولی به نظر من:
هیچ اتفاقی برای تویتر نمیفته، همین استیبل ادامه دادن رو به عنوان پیروزی تلقی می‌کنه چون استاد نمایش و تو بوغ و کرنا کردن هستش.
حالا باز شنبه و یکشنبه هست، ببینیم تا دوشنبه بلایی سر تویتر میاد یا نه :)

از نمونه شوهای ایشون

نمایش همچنان ادامه داره :)
تعداد لایک و ریتویت هم نشون میده چقدر برای مردم مهم شده این مسیله.
در صورتی که هیچ اهمیت خاصی نداره و اینهمه تبلیغات برای محصولی که هنوز وجود خارجی ندارد: تویتر نسخه ۲.۰

راستی، یه سری دوستان پی وی و توی گروه منو مورد عنایت قرار دادن که شما که میگی تویتر بده پس منظورت اینه بریم ۲۰:۳۰ ببینیم؟

چندتا نکته:
۱- من نمیگم تویتر بده، تویتر فوق العاده است. یک شبکه اجتماعی که خبررسانی رو در اختیار همه قرار داده که هم تریبون باشند و هم خبرهایی که می‌خوان رو بگیرن.
۲- مهمه این مسیله چون تویتر تبدیل شده به یکی از مهمترین مراجع خبری برای ایرانیان.
۳- حالا فرض محال هم بگیریم که من گفتم برو اونو نگاه کن، شما خودت عقل و شعور نداری چی باید ببینی؟ اصلا شما که اینطوری میبینی قضیه رو، برو بهنود نگاه کن :)
(حالا یه سری میان میگن گفت برید بهنود نگاه کنید :))))) )

Prompt engineering
چیه؟

جدیدا یه سری مدلهای زیروشات معرفی شدن برای تسکهای مختلف. از پردازش زبان بگیرید تا خلق تصاویر.
این نوع مدلها شدیداً نیازمند توصیفی از اون کاری که ازشون میخواهید بکنند دارند.
به عنوان مثال T5 که یکی از پیشگامان بود تسکهای مختلفی ساپورت میکرد.
مثلا بهش این ورودی رو می‌دادید:
Translate from en to de: this is it.
و خروجی
Das ist das.
رو بهتون میداد.
دقت کنید قبل از اینکه ورودی رو بهش بدید بهش میگید چیکار باید بکنه.
رویکردهای جدیدی هم مثل stable diffusion و dale هم معرفی شدند که کارشون خلق تصاویر هستش.
ولی خب این رویکردها رو دیتاستهای مشخصی آموزش دیدند و ورودی متنی که بهش میدید خیلی تاثیر داره رو خروجی.
یک سری از محققان و علاقه مندا رفتن یه سایتی زدن:
prompthero.com
که میتونید توش ورودی هایی که جواب مشخصی گرفتن رو ببینین و بر اساس ورودی خودتون رو خلق کنید.
یک ایده خیلی خیلی خوب هم clip interrogator هست که عکس رو بهش میدید و روی ترین ست سرچ میزنه (با یه سری برچسب های خاص که رو اونها هم تیون شده) و بهتون میگه بیشتر شبیه کدوم پرامپت هستش.
یه مجموعه ای از اسم هنرمندان و سبک و ... هم داره.
اینطوری میتونید بر اساس اون تغییر بدید و تشخیص بدید کدوم ورودی بهتر هست و بر اساس اون کنترل بیشتری روی ایجاد خروجی داشته باشید.
اینجا توضیح میده چطوری ازش استفاده کرده:
https://youtu.be/2EV5SZ1Klro

حالا پرامپت انجینر چیه؟
به کسایی که گفته میشه که خیلی با این مدلها سر و کله زدن و یجورایی فهمیدن چی بهش بدن چی خروجی میگیرن. به عبارتی بلدن از مدل خروجی دلخواه رو بکشن بیرون.

حالا شما این رو با یه ذره برنامه نویسی و ... هم ترکیب کنید، میشن یه سری استارتاپ نوظهور که میتونن خروجی های خیلی خاصی برای زمینه های خاص رو ایجاد کنند.
@ai_person

این یه مثال از پرامپتهایی که یکی گذاشته و باهاش این عکس رو تونسته جنریت کنه:

painted portrait of rugged zeus, god of thunder, greek god, white hair, masculine, mature, handsome, upper body, muscular, hairy torso, fantasy, intricate, elegant, highly detailed, digital painting, artstation, concept art, smooth, sharp focus, illustration, art by gaston bussiere and alphonse mucha

دقت کنید تهش خیلی جزییات اضافه کرده و مثلا گفته هنرمندش کیه، چقدر جزییات داره و ...
همین رو شما بردارید و مثلا یه چیزی بهش اضافه کنید مثل پست بعدی :)

Prompt:

painted portrait of female Greek god, female god of thunder, female greek god, white hair, masculine, mature, handsome, upper body, muscular, hairy torso, fantasy, intricate, elegant, highly detailed, digital painting, artstation, concept art, smooth, sharp focus, illustration, art by gaston bussiere and alphonse mucha

اگه دقت کنید خیلی شبیه هم هست پرامپت، فقط کلمه female اضافه شده.
این نشون میده که این مدلها درک خوبی از ویژگیهای بخصوصی را دارند.
پی‌نوشت:
این بهترین خروجی نبود ولی خب میدونید چرا بهترارو نشد بزارم :)