از اونجایی که بارها در موقعیتهای حضوری و در اصلا کامنتهای همین جا ازم پرسیدید چرا فیلمهای درس سیستم ۲ رو آپلود نمیکنید، خواستم اطلاع بدم که ocw فیلمهای تا جلسه ۱۲ رو آپدیت کرده:
https://ocw.sharif.ir/course/id/558
https://ocw.sharif.ir/course/id/558
آزمایش شکستخورده بهتر از آزمایش مبهم است و آزمایش مبهم بهتر از آزمایشنکردن
حسین انصاری
Out of Distribution
تفسیر عطار از ماجرای سجدهنکردن ابلیس امروز تصادفا مطلبی در توییتر راجع به تفسیر عطار از ماجرای سجده ابلیس در کتاب منطقالطیر دیدم و رفتم و سرچ کردم و دیدم که واقعی است. این قدر این مطلب در چشمم عجیب بود که حیفم آمد که این را به اشتراک نگذارم. ماجرای داستانی…
عطار روح بود
دیروز یعنی ۲۵ فروردین در تقویم، روز بزرگداشت عطار بود. خواستم چیزی درباره عطار بنویسم ولی دومینوی کلمات ممتد نشدند. میخواستم بنویسم که عطار آن جور که باید و شاید بهش توجه نمیشه ولی فهمیدم خودم هم آن قدر توجهی نداشتم و سخت میتونم ازش صحبت کنم و اگر بخوام ازش تعریف کنم نهایت چیزی که میتونم بنویسم چند شعر از باقی عرفا در وصف عطاره، مثل اینها:
هفت شهر عشق را عطار گشت / ما همان اندر خم یک کوچهایم
عطار روح بود سنایی دو چشم او / ما از پی سنایی و عطار آمدیم
خواهد رسید رتبه صائب به مولوی / گر مولوی به رتبه عطار میرسد
یا برای مثال داستانها و افسانههایی که درباره زندگی عطار گفتهاند نظیر چگونگی تحولش و یا داستان مرگش. من هم نهایتا چیز زیادی از عطار یا درباره عطار نخواندهام. نهایتا چند خطی از تذکره الاولیا یا منطقطیر دیدهام یا نهایتا داستان شیخ صنعانش را خواندهام (همین مقدار را هم شاید مدیون تلاشهای شفیعی کدکنی باشیم وگرنه آشنایی همه با عطار بسیار احتمالا کمتر بود).
فارغ از همه اینها اما چیزی که برای من از عطار جالب است توانایی روایت ساختن بسیار OOD اش است. همان داستان سیمرغ و شیخ صنعان و یا همین شعری که به آن رپلای کردهام در ماجرای ابلیس. و خب این قبیل حرفها و روایتها، روایتهای خاص و خارج توزیع هستند، نمیشود خیلی سریع و از روی ظاهر قضاوتشان کرد و البته به این راحتی هم نمیتوان ادعای فهمیدنشان را داشت. مگر گهگداری که آدم در زندگی له میشود یا به حالت ملال خاصی میشود دچار یک احساسات لمس این قبیل مفاهیم عرفانی میشود. یک چیزهایی هستند که معنی دارند ولی خب معنیشان در معنیکردنشان نیست. گهگاه قابل لمس و چشیدن هستند ولی قابل بازگویی برای یکی که خارج این دایره است خیر. یک جور احساساتی هستند که در نگاه اول معقول نیستند ولی اتفاقا اگر از لایههای ظاهری عبور کنیم خیلی معقولند. معقولی که البته زیاد هم راضیکننده نیست. انگار یک چیزهایی هست در پس دین و عقل و عشق که ظاهربینان چه ظاهربینان دینی، چه عقلی و چه عشقی نمیتوانند ببینندش. یک واقعا چیزی هست که انگار همه اینها ذیلش قرار میگیرند و اینها هیچ کدام آن نیستند. دارم بد توضیح میدهم. خلاصه این که یک موقعیتهایی هست که شما آدمها را دوست دارید ولی نه آن گونه، به عقل تکیه ولی نه آن شکلی و به دین مقیدید ولی نه آن طور. نیازی هم نیست که حتما همه چیز را مجبور باشیم در عینک ماورایی ببریم و حرف بزنیم، علم و عقل و دین و عشق و ... همگی پدیدههای امرجشدنی اند، همگی از چیز ظریف شکننده آن پشت انگار ظاهر میشوند.
برای این که متن نه با کلمات من که با عطار تمام شود با یک شعر از او خاتمه میدهیم:
دم مزن گر همدمی میبایدت
خسته شو گر مرهمی میبایدت
تا در اثباتی تو بس نامحرمی
محو شو گر محرمی میبایدت
همچو غواصان دم اندر سینه کش
گر چو دریا همدمی میبایدت
از عبادت غم کشی و صد شفیع
پیشوای هر غمی میبایدت
اشک لایقتر شفیع تو از آنک
هر عبادت را نمی میبایدت
تنگدل ماندی، که دل یک قطره خونست
عالمی در عالمی میبایدت
تا که این یک قطره صد دریا شود
صبر صد عالم همی میبایدت
هر دو عالم گر نباشد گو مباش
در حضور او دمی میبایدت
در غم هر دم که نبود در حضور
تا قیامت ماتمی میبایدت
در حضورش عهد کردی ای فرید
عهد خود مستحکمی میبایدت
دیروز یعنی ۲۵ فروردین در تقویم، روز بزرگداشت عطار بود. خواستم چیزی درباره عطار بنویسم ولی دومینوی کلمات ممتد نشدند. میخواستم بنویسم که عطار آن جور که باید و شاید بهش توجه نمیشه ولی فهمیدم خودم هم آن قدر توجهی نداشتم و سخت میتونم ازش صحبت کنم و اگر بخوام ازش تعریف کنم نهایت چیزی که میتونم بنویسم چند شعر از باقی عرفا در وصف عطاره، مثل اینها:
هفت شهر عشق را عطار گشت / ما همان اندر خم یک کوچهایم
عطار روح بود سنایی دو چشم او / ما از پی سنایی و عطار آمدیم
خواهد رسید رتبه صائب به مولوی / گر مولوی به رتبه عطار میرسد
یا برای مثال داستانها و افسانههایی که درباره زندگی عطار گفتهاند نظیر چگونگی تحولش و یا داستان مرگش. من هم نهایتا چیز زیادی از عطار یا درباره عطار نخواندهام. نهایتا چند خطی از تذکره الاولیا یا منطقطیر دیدهام یا نهایتا داستان شیخ صنعانش را خواندهام (همین مقدار را هم شاید مدیون تلاشهای شفیعی کدکنی باشیم وگرنه آشنایی همه با عطار بسیار احتمالا کمتر بود).
فارغ از همه اینها اما چیزی که برای من از عطار جالب است توانایی روایت ساختن بسیار OOD اش است. همان داستان سیمرغ و شیخ صنعان و یا همین شعری که به آن رپلای کردهام در ماجرای ابلیس. و خب این قبیل حرفها و روایتها، روایتهای خاص و خارج توزیع هستند، نمیشود خیلی سریع و از روی ظاهر قضاوتشان کرد و البته به این راحتی هم نمیتوان ادعای فهمیدنشان را داشت. مگر گهگداری که آدم در زندگی له میشود یا به حالت ملال خاصی میشود دچار یک احساسات لمس این قبیل مفاهیم عرفانی میشود. یک چیزهایی هستند که معنی دارند ولی خب معنیشان در معنیکردنشان نیست. گهگاه قابل لمس و چشیدن هستند ولی قابل بازگویی برای یکی که خارج این دایره است خیر. یک جور احساساتی هستند که در نگاه اول معقول نیستند ولی اتفاقا اگر از لایههای ظاهری عبور کنیم خیلی معقولند. معقولی که البته زیاد هم راضیکننده نیست. انگار یک چیزهایی هست در پس دین و عقل و عشق که ظاهربینان چه ظاهربینان دینی، چه عقلی و چه عشقی نمیتوانند ببینندش. یک واقعا چیزی هست که انگار همه اینها ذیلش قرار میگیرند و اینها هیچ کدام آن نیستند. دارم بد توضیح میدهم. خلاصه این که یک موقعیتهایی هست که شما آدمها را دوست دارید ولی نه آن گونه، به عقل تکیه ولی نه آن شکلی و به دین مقیدید ولی نه آن طور. نیازی هم نیست که حتما همه چیز را مجبور باشیم در عینک ماورایی ببریم و حرف بزنیم، علم و عقل و دین و عشق و ... همگی پدیدههای امرجشدنی اند، همگی از چیز ظریف شکننده آن پشت انگار ظاهر میشوند.
برای این که متن نه با کلمات من که با عطار تمام شود با یک شعر از او خاتمه میدهیم:
دم مزن گر همدمی میبایدت
خسته شو گر مرهمی میبایدت
تا در اثباتی تو بس نامحرمی
محو شو گر محرمی میبایدت
همچو غواصان دم اندر سینه کش
گر چو دریا همدمی میبایدت
از عبادت غم کشی و صد شفیع
پیشوای هر غمی میبایدت
اشک لایقتر شفیع تو از آنک
هر عبادت را نمی میبایدت
تنگدل ماندی، که دل یک قطره خونست
عالمی در عالمی میبایدت
تا که این یک قطره صد دریا شود
صبر صد عالم همی میبایدت
هر دو عالم گر نباشد گو مباش
در حضور او دمی میبایدت
در غم هر دم که نبود در حضور
تا قیامت ماتمی میبایدت
در حضورش عهد کردی ای فرید
عهد خود مستحکمی میبایدت
استخاره از نگاهی دیگر
همیشه این افرادی که کارهاشون رو با استخاره انجام میدن رو نقد میکردم. نقد میکردم چون به لحاظ عقلی و منطقی و حتی دینی جور درنمیاد شما انتخابتون رو این شکلی واگذار کنید. امشب اما وقتی خودم برای یک تصمیمی چند ساعت دچار بیشفکری (overthink) و تردید و بعدش هم عذاب پس از تصمیم شدم تازه فهمیدم که استخاره اتفاقا یک استراتژی ساده ولی کارا است. طرف در واقع بالاخره یک انتخاب براش انجام میشه و چون بهش اعتقاد هم داره پاش میمونه. الگوریتم استخاره هم Halt میکنه، هم سریعه و هم به فرض داشتن زمان کافی برای سعی و خطاهای بعدی کامله، یعنی مثلا اگر تصمیمی که با استخاره گرفته به نتایج اشتباهی هم برسه فرد میگه لابد قسمت بوده و با طیب خاطر میره اکشن بعدی رو امتحان میکنه. در واقع استخاره یکسری کارکردهای ابزاری داره که بسیار انگار موثره.
پینوشت: من همچنان اعتقادی به استخاره ندارم.
همیشه این افرادی که کارهاشون رو با استخاره انجام میدن رو نقد میکردم. نقد میکردم چون به لحاظ عقلی و منطقی و حتی دینی جور درنمیاد شما انتخابتون رو این شکلی واگذار کنید. امشب اما وقتی خودم برای یک تصمیمی چند ساعت دچار بیشفکری (overthink) و تردید و بعدش هم عذاب پس از تصمیم شدم تازه فهمیدم که استخاره اتفاقا یک استراتژی ساده ولی کارا است. طرف در واقع بالاخره یک انتخاب براش انجام میشه و چون بهش اعتقاد هم داره پاش میمونه. الگوریتم استخاره هم Halt میکنه، هم سریعه و هم به فرض داشتن زمان کافی برای سعی و خطاهای بعدی کامله، یعنی مثلا اگر تصمیمی که با استخاره گرفته به نتایج اشتباهی هم برسه فرد میگه لابد قسمت بوده و با طیب خاطر میره اکشن بعدی رو امتحان میکنه. در واقع استخاره یکسری کارکردهای ابزاری داره که بسیار انگار موثره.
پینوشت: من همچنان اعتقادی به استخاره ندارم.
این کوت رو دیشب در صفحه اینستای نشر نی دیدم و به نظرم جالب اومد. اصل جمله از مارتین لوتر کینگ هست و به انگلیسی اون قدر جذاب نیست ولی ترجمه فارسی جالبش کرده. هر چند راجع به خود معنا و امکان معناکردن جمله بحث بشه داشت (حق چیه، شکست چیه، قدرت چیه و ...) ولی فارغ از حقیقت، عبارت دلنشینیه.
در کنار هم قراردادن کلمات خودش یک هنره
در کنار هم قراردادن کلمات خودش یک هنره
چو دَرد در تو نبیند که را دوا بکُند؟
دلا بسوز که سوزِ تو کارها بِکُنَد
نیازِ نیمْشبی دفعِ صد بلا بِکُنَد
عِتابِ یارِ پریچهره عاشقانه بکَش
که یک کرشمه تلافیِّ صد جفا بکُند
ز مُلک تا ملکوتش حجاب بردارند
هر آن که خدمتِ جامِ جهاننما بکُند
طبیبِ عشق مسیحادَم است و مُشفِق، لیک
چو دَرد در تو نبیند که را دوا بکُند؟
تو با خدایِ خود انداز کار و دل خوش دار
که رحم اگر نکند مُدَّعی خدا بکُند
ز بختِ خفته ملولم، بُوَد که بیداری
به وقتِ فاتحهٔ صبح، یک دعا بکُند؟
بسوخت حافظ و بویی به زلفِ یار نَبُرد
مگر دِلالتِ این دولتش صبا بکُند
حافظ
دلا بسوز که سوزِ تو کارها بِکُنَد
نیازِ نیمْشبی دفعِ صد بلا بِکُنَد
عِتابِ یارِ پریچهره عاشقانه بکَش
که یک کرشمه تلافیِّ صد جفا بکُند
ز مُلک تا ملکوتش حجاب بردارند
هر آن که خدمتِ جامِ جهاننما بکُند
طبیبِ عشق مسیحادَم است و مُشفِق، لیک
چو دَرد در تو نبیند که را دوا بکُند؟
تو با خدایِ خود انداز کار و دل خوش دار
که رحم اگر نکند مُدَّعی خدا بکُند
ز بختِ خفته ملولم، بُوَد که بیداری
به وقتِ فاتحهٔ صبح، یک دعا بکُند؟
بسوخت حافظ و بویی به زلفِ یار نَبُرد
مگر دِلالتِ این دولتش صبا بکُند
حافظ
شیوه سودای عشق
عقل کجا پی برد، شیوهٔ سودای عشق؟
باز نیابی به عقل، سِرّ معمّای عشق
عقل تو چون قطرهایست، مانده ز دریا جدا
چند کند قطرهای، فهم ز دریای عشق؟
خاطر خیّاطِ عقل، گرچه بسی بخیه زد
هیچ قبایی ندوخت، لایق بالای عشق
گر ز خود و هر دو کَون، پاک تبرّا کنی
راست بوَد آن زمان، از تو تولّای عشق
ور سر مویی ز تو، با تو بماند به هم
خام بوَد از تو خام، پختن سودای عشق
عشق چو کار دل است، دیدهٔ دل باز کن
جان عزیزان نگر، مست تماشای عشق
دوش درآمد به جان، دمدمهٔ عشق او
گفت اگر فانیی، هست تو را جای عشق
جان چو قدم در نهاد، تا که همی چشم زد
از بن و بیخش بکند، قوّت و غوغای عشق
چون اثر او نماند، محو شد اجزای او
جای دل و جان گرفت، جملهٔ اجزای عشق
هست درین بادیه، جملهٔ جانها چو ابر
قطرهٔ بارانِ او، درد و دریغای عشق
تا دل عطّار یافت، پرتو این آفتاب
گشت ز عطّار سیر، رفت به صحرای عشق
عطار
عقل کجا پی برد، شیوهٔ سودای عشق؟
باز نیابی به عقل، سِرّ معمّای عشق
عقل تو چون قطرهایست، مانده ز دریا جدا
چند کند قطرهای، فهم ز دریای عشق؟
خاطر خیّاطِ عقل، گرچه بسی بخیه زد
هیچ قبایی ندوخت، لایق بالای عشق
گر ز خود و هر دو کَون، پاک تبرّا کنی
راست بوَد آن زمان، از تو تولّای عشق
ور سر مویی ز تو، با تو بماند به هم
خام بوَد از تو خام، پختن سودای عشق
عشق چو کار دل است، دیدهٔ دل باز کن
جان عزیزان نگر، مست تماشای عشق
دوش درآمد به جان، دمدمهٔ عشق او
گفت اگر فانیی، هست تو را جای عشق
جان چو قدم در نهاد، تا که همی چشم زد
از بن و بیخش بکند، قوّت و غوغای عشق
چون اثر او نماند، محو شد اجزای او
جای دل و جان گرفت، جملهٔ اجزای عشق
هست درین بادیه، جملهٔ جانها چو ابر
قطرهٔ بارانِ او، درد و دریغای عشق
تا دل عطّار یافت، پرتو این آفتاب
گشت ز عطّار سیر، رفت به صحرای عشق
عطار
Out of Distribution
سعدی از آن ور حالا که دیگر در یک اردیبهشت نیستیم و اندکی از جوگیری برای سعدی رد شدهایم، خوب است یکی از سرایدههای ood سعدی را هم ببینیم. این سروده سعدی برخلاف انتظار در قصیده است. سعدی این طور آغاز میکند که: به هیچ یار مده خاطر و به هیچ دیار / که بر و…
نه آقای سعدی امسال حسش نیست
امسال هم به عادت چند سال اخیر سعی کردم به مناسبت روز سعدی، شعری از او بگذارم. منتها هر چه قدر که گشتم، هر چه قدر که خواندم و هر چه قدر که فکر کردم دلم با هیچ کدام به جنبش نیافتاد و نجوشید. هر شعری را که باز میکردم دیگر برایم جذابیت نداشت. عادی شده بود. تنها بیتی که وسوسهام کرد این بود:
آن هم از این رو که برایم جالب بود بفهمم منظور از این بیت چیست. حس میکردم معنی بسیار زیبایی پشتش است ولی نمیفهمم. از قبل میدانستم سیب در ادبیات فارسی استعاره از چانه معشوق است و از همین رو معنی و منظور پنهان این بیت هم برایم جذاب شده بود. منتهی هر چه در هنگامی که در در طول روز در راه و مترو بودم سرچ کردم دیدم بقیه هم تعبیر واحدی از معنای این بیت ندارند. فارغ از این بیت، آن هم به دلیل ایهام و ابهام در معنیاش، به باقی اشعار حال و حوصلهام نمیکشید. حتی شعر کلک هنر هم آن جور برایم مثل سابق نیست. به این نتیجه رسیدم که آن چه که از یک شعر، از یک جمله، از یک اثری هنری، یک اعتقاد، یا از یک پدیده اثر میکند، با آن که بسیار وابسته به آن پدیده است ولی نقش اصلی را در اثر پذیرفتن، ناظر دارد. من در شرایطی که مملو از استرسم و خالی از انگیزه نمیتوانم همان درک معنی از هر چیزی را داشته باشم. یعنی گاهی خود شعر همان است که بوده، همان سطرها و کلمات، اما حال و احوال آدم عوض شده است. روزگار فرق کرده و چشم و دل من دیگر آن شور و شوق پیشین را ندارد. و اصلا شاید پدیده عجیبی هم این وسط باشد. آن درکی که شما از یک چیزی در ۲۰ سالگی دارید با درک شما از همان در ۵۰ سالگی و حتی در ۸۰ سالگی فرق دارد. با تکهای از گلستان سعدی، روز سعدی امسال را هم پایان میدهیم.
هر دم از عمر می رود نفسی
چون نگه میکنم نمانده بسی
خجل آن کس که رفت و کار نساخت
کوس رحلت زدند و بار نساخت
عمر برف است و آفتاب تموز
اندکی ماند و خواجه غَرّه هنوز
زبان بریده به کنجی نشسته صُمٌّ بُکمٌ
به از کسی که نباشد زبانش اندر حُکم
امسال هم به عادت چند سال اخیر سعی کردم به مناسبت روز سعدی، شعری از او بگذارم. منتها هر چه قدر که گشتم، هر چه قدر که خواندم و هر چه قدر که فکر کردم دلم با هیچ کدام به جنبش نیافتاد و نجوشید. هر شعری را که باز میکردم دیگر برایم جذابیت نداشت. عادی شده بود. تنها بیتی که وسوسهام کرد این بود:
میوه نمیدهد به کس، باغ تفرج است و بس
جز به نظر نمیرسد، سیب درخت قامتش
آن هم از این رو که برایم جالب بود بفهمم منظور از این بیت چیست. حس میکردم معنی بسیار زیبایی پشتش است ولی نمیفهمم. از قبل میدانستم سیب در ادبیات فارسی استعاره از چانه معشوق است و از همین رو معنی و منظور پنهان این بیت هم برایم جذاب شده بود. منتهی هر چه در هنگامی که در در طول روز در راه و مترو بودم سرچ کردم دیدم بقیه هم تعبیر واحدی از معنای این بیت ندارند. فارغ از این بیت، آن هم به دلیل ایهام و ابهام در معنیاش، به باقی اشعار حال و حوصلهام نمیکشید. حتی شعر کلک هنر هم آن جور برایم مثل سابق نیست. به این نتیجه رسیدم که آن چه که از یک شعر، از یک جمله، از یک اثری هنری، یک اعتقاد، یا از یک پدیده اثر میکند، با آن که بسیار وابسته به آن پدیده است ولی نقش اصلی را در اثر پذیرفتن، ناظر دارد. من در شرایطی که مملو از استرسم و خالی از انگیزه نمیتوانم همان درک معنی از هر چیزی را داشته باشم. یعنی گاهی خود شعر همان است که بوده، همان سطرها و کلمات، اما حال و احوال آدم عوض شده است. روزگار فرق کرده و چشم و دل من دیگر آن شور و شوق پیشین را ندارد. و اصلا شاید پدیده عجیبی هم این وسط باشد. آن درکی که شما از یک چیزی در ۲۰ سالگی دارید با درک شما از همان در ۵۰ سالگی و حتی در ۸۰ سالگی فرق دارد. با تکهای از گلستان سعدی، روز سعدی امسال را هم پایان میدهیم.
هر دم از عمر می رود نفسی
چون نگه میکنم نمانده بسی
خجل آن کس که رفت و کار نساخت
کوس رحلت زدند و بار نساخت
عمر برف است و آفتاب تموز
اندکی ماند و خواجه غَرّه هنوز
زبان بریده به کنجی نشسته صُمٌّ بُکمٌ
به از کسی که نباشد زبانش اندر حُکم
Out of Distribution
پدر هوش مصنوعی مدرن از اخبار مهم کامیونیتی هوش که در این چند روزه تعطیلات سال نو میلادی گم شده و کمتر شنیده شد، خروج Alec Radford از OpenAI بود. احتمالا اسم Radford رو نشنیدید اما از نظر برخیها به عنوان پدر GenAI و هوش مصنوعی مدرن نامیده شده. Radford در…
راست میگه، به طرز جالبی هیچ اثری ازش نیست.
Out of Distribution
راست میگه، به طرز جالبی هیچ اثری ازش نیست.
میزان ارادت من به Alec Radford به حدی است که دوست دارم به همین مناسبت گالری کانال رو مزین به تصاویری از ایشون در دوران جوانیشون کنم.
پینوشت: متاسفانه حتی عکسهای زیادی از استاد در دسترس نیستند.
پینوشت: متاسفانه حتی عکسهای زیادی از استاد در دسترس نیستند.
افسوس که تمام روابط انسانی نیاز به نوعی نقاب دارند و تنهایی، آخرین گریزگاه انسانهای صادق است.
صادق هدایت
سیمافکر | Simafekr
نوآوری آمریکایی جیمز دیوید ونس - معاون ترامپ 💡هر فیلم آغاز یک گفتگوست... @simafekr_com
نقد ونس بر گلوبالیزیشن اقتصادی
امروز بیاعصاب و منحوسم ولی نتونستم از این فیلم جالبی که امیراحمد برام فرستاده بود بگذرم. جی دی ونس صحبتی میکنه که globalization (جهانیسازی) چرا از منظر اقتصادی، یعنی داشتن یک بازار آزاد بینالمللی نتونسته اون جور که باید برای آمریکا نتیجه بده. ونس دو تا دلیل میاره:
۱- ایده اقتصادی جهانیسازی این بوده که طراحی دست کشورهای ثروتمند (مثل آمریکا و اروپا) باشه و در عوض تولید در دست کشورهای فقیرتر (مثل چین) باشه. با این امید که مثلا نهایتا ارزشی که به دست کشور طراح (آمریکا) میرسه بیشتر از کشور تولیدکننده (چین) باشه و همیشه یک فاصلهای باقی بمونه. اما چیزی که در عمل تجربه شده اینه که فرآیند تولید و طراحی از هم جدا نیستند و کشورهایی که قرار بوده صرفا تولید کنند حالا در عرصه طراحی هم پیشرفت کردند. نتیجه این که کشورها هم در عرصه تولید پیشرفت کردند و هم در عرصه طراحی و به قول ونس، سلطه آمریکا رو از هر دو سمت تولید و طراحی تحت فشار قرار دادند.
۲- نکته جالب دومی که میگه راجع به نیروی کار ارزانه. ونس میگه وارادات این همه مهاجر که نیروی کار ارزون محسوب میشن به سان یک ماده مخدر برای شرکتهای کشورهای پیشرفته عمل کرده و مانع از بروز نوآوری در اونها شده. در واقع عوض این که برای تولید جنس با قیمت کمتر دنبال نوآوری باشند به سمت نیروی کار ارزون رفتند و به قول ونس هر کشوری که به سمت پذیرش وسیع مهاجران رفته دچار رکود در نوآوری شده.
امروز بیاعصاب و منحوسم ولی نتونستم از این فیلم جالبی که امیراحمد برام فرستاده بود بگذرم. جی دی ونس صحبتی میکنه که globalization (جهانیسازی) چرا از منظر اقتصادی، یعنی داشتن یک بازار آزاد بینالمللی نتونسته اون جور که باید برای آمریکا نتیجه بده. ونس دو تا دلیل میاره:
۱- ایده اقتصادی جهانیسازی این بوده که طراحی دست کشورهای ثروتمند (مثل آمریکا و اروپا) باشه و در عوض تولید در دست کشورهای فقیرتر (مثل چین) باشه. با این امید که مثلا نهایتا ارزشی که به دست کشور طراح (آمریکا) میرسه بیشتر از کشور تولیدکننده (چین) باشه و همیشه یک فاصلهای باقی بمونه. اما چیزی که در عمل تجربه شده اینه که فرآیند تولید و طراحی از هم جدا نیستند و کشورهایی که قرار بوده صرفا تولید کنند حالا در عرصه طراحی هم پیشرفت کردند. نتیجه این که کشورها هم در عرصه تولید پیشرفت کردند و هم در عرصه طراحی و به قول ونس، سلطه آمریکا رو از هر دو سمت تولید و طراحی تحت فشار قرار دادند.
۲- نکته جالب دومی که میگه راجع به نیروی کار ارزانه. ونس میگه وارادات این همه مهاجر که نیروی کار ارزون محسوب میشن به سان یک ماده مخدر برای شرکتهای کشورهای پیشرفته عمل کرده و مانع از بروز نوآوری در اونها شده. در واقع عوض این که برای تولید جنس با قیمت کمتر دنبال نوآوری باشند به سمت نیروی کار ارزون رفتند و به قول ونس هر کشوری که به سمت پذیرش وسیع مهاجران رفته دچار رکود در نوآوری شده.
به "روز" ماندن در هوش مصنوعی
فیلد AI هر روز آبستن آپدیتهای جدیده. مقالات جدید، کورسهای جدید، اخبار جدید و .... برای حالا به روز موندن در AI هم راهی به جز حضور در کف شبکههای اجتماعی نظیر توییتر و ردیت و دنبال کردن اکانتها و سابردیتهای مشهور نیست. این امر اما هزینهبره مگه آدم روزی چه قدر وقت داره که توییتر و ردیت رو اسکرول کنه و ببینه؟ در چند سال گذشته خیلیها سعی کردن ایده بزنن بخشی از این فرآیند رو اتومات کنند. مثلا یادمه یک زمانی یک باتی بود که به صورت خودکار پرلایکترین توییت مربوط به هوش مصنوعی در هر روز رو پیدا میکرد و انتهای اون روز ریتوییتش میکرد یا ایدههای مشابه دیگه. این ایدهها اما هیچ کدوم زیاد جامع و خوب نبودند.
از چند ماه قبل اما یک ابزار جدیدی اومده که اینجوریه که هر روز خودش میره توییتر و ردیت و دیسکوردهای مختلف مربوط به هوش رو جمعآوری میکنه و مهمترینهای هر کدوم و خلاصهای ازشون رو میذاره. میتونید subscribe کنید و هر روز یک میل ازش دریافت کنید. جای کار زیاد داره ولی خب بین سولوشنهای موجود به نظر فعلا کار راه بندازترینه.
https://news.smol.ai/
فیلد AI هر روز آبستن آپدیتهای جدیده. مقالات جدید، کورسهای جدید، اخبار جدید و .... برای حالا به روز موندن در AI هم راهی به جز حضور در کف شبکههای اجتماعی نظیر توییتر و ردیت و دنبال کردن اکانتها و سابردیتهای مشهور نیست. این امر اما هزینهبره مگه آدم روزی چه قدر وقت داره که توییتر و ردیت رو اسکرول کنه و ببینه؟ در چند سال گذشته خیلیها سعی کردن ایده بزنن بخشی از این فرآیند رو اتومات کنند. مثلا یادمه یک زمانی یک باتی بود که به صورت خودکار پرلایکترین توییت مربوط به هوش مصنوعی در هر روز رو پیدا میکرد و انتهای اون روز ریتوییتش میکرد یا ایدههای مشابه دیگه. این ایدهها اما هیچ کدوم زیاد جامع و خوب نبودند.
از چند ماه قبل اما یک ابزار جدیدی اومده که اینجوریه که هر روز خودش میره توییتر و ردیت و دیسکوردهای مختلف مربوط به هوش رو جمعآوری میکنه و مهمترینهای هر کدوم و خلاصهای ازشون رو میذاره. میتونید subscribe کنید و هر روز یک میل ازش دریافت کنید. جای کار زیاد داره ولی خب بین سولوشنهای موجود به نظر فعلا کار راه بندازترینه.
https://news.smol.ai/
AI News
AINews | AINews
Weekday recaps of top News for AI Engineers
این تصویر از آمار ICLR در سالهای مختلف، ترسناکه. سرسامآوره. دلهرهآوره.
سال ۲۰۱۷ رو تصور کنید: تنها ۴۹۰ مقاله به iclr فرستاده شده و نهایتا هم ۱۹۸ مقاله اکسپت شدند. چنین عدد و رقمی، فضایی نسبتاً آرام و قابل پیگیری برای پژوهشگران فراهم میکرد. اما تنها طی هشت سال همهچیز به کلی عوض شده. سال ۲۰۲۵، تعداد مقالات ارسالی به یازده هزار رسیده و پذیرفتهشدهها به ۳۷۰۰ مقاله رسیدند! این یعنی در هر حوزه جزئی و حتی موضوعات فرعی، حجم عظیمی از مقالات جدید هر ساله میان که پیگیری همه آنها عملاً غیرممکنه.
فیلد رو دیگه نمیشه مثل پنج سال قبل یا حتی سه سال قبل دنبال کرد (تو ۲۰۲۲ حتی کلا ۱۰۹۵ مقاله پذیرفته شدند). برام سواله آیا تعداد زیرحوزهها بیشتر شدند یا تعداد مقالات به ازای هر حوزه یا شاید هم هر دو. اگر این روند متوقف نشه (که نشانهای از متوقف شدنش هم نیست) آیا کسی میتونه بر چند زیرحوزه آشنا باشه؟ یا اصلا میتونه بر تمام کارهای حاضر در یک مساله مسلط بشه؟ (تازه این فقط آمار مقالات iclr هست بقیه کنفرانسها رو هم بهش اضافه کنیم تعداد مقالات فضایی میشه ...)
و اف بر من ...
سال ۲۰۱۷ رو تصور کنید: تنها ۴۹۰ مقاله به iclr فرستاده شده و نهایتا هم ۱۹۸ مقاله اکسپت شدند. چنین عدد و رقمی، فضایی نسبتاً آرام و قابل پیگیری برای پژوهشگران فراهم میکرد. اما تنها طی هشت سال همهچیز به کلی عوض شده. سال ۲۰۲۵، تعداد مقالات ارسالی به یازده هزار رسیده و پذیرفتهشدهها به ۳۷۰۰ مقاله رسیدند! این یعنی در هر حوزه جزئی و حتی موضوعات فرعی، حجم عظیمی از مقالات جدید هر ساله میان که پیگیری همه آنها عملاً غیرممکنه.
فیلد رو دیگه نمیشه مثل پنج سال قبل یا حتی سه سال قبل دنبال کرد (تو ۲۰۲۲ حتی کلا ۱۰۹۵ مقاله پذیرفته شدند). برام سواله آیا تعداد زیرحوزهها بیشتر شدند یا تعداد مقالات به ازای هر حوزه یا شاید هم هر دو. اگر این روند متوقف نشه (که نشانهای از متوقف شدنش هم نیست) آیا کسی میتونه بر چند زیرحوزه آشنا باشه؟ یا اصلا میتونه بر تمام کارهای حاضر در یک مساله مسلط بشه؟ (تازه این فقط آمار مقالات iclr هست بقیه کنفرانسها رو هم بهش اضافه کنیم تعداد مقالات فضایی میشه ...)
و اف بر من ...
همه چیز به عهده محصوله
امروز بعد از ظهر اومدم تپسی بگیرم با چنین پدیدهای مواجه شدم. در اصل گویا باگ تخمین زمانی مسیر بود که مسیر رو چهار ساعت حدس زده بود و به خاطر همون هم قیمت چنین شده بود.
نکتهای که برام عجیب بود اما این بود که حتی اگر یک باگ این چنینی رخ بده چرا باید حالت استثنایی به دست من کاربر برسه؟ من اگر حواسم نبود و سفر رو میزدم و کسی هم میپذیرفت چه میشد؟ ما یک رئیسی داریم که خیلی وقتها دهن ما رو بابت وسواسش روی محصول نوازش میکنه، اما ازش تاثیر پذیرفتم تا حدی. یکبار، مشغول درست کردن چت باتی بودم، بعد به دادههای تعامل چت بات با کاربران که نگاه میکردیم یکجا چت بات ما پرسیده بود ایکس رو میخوای یا ایگرگ رو و کاربر پاسخ داده بود بله و چت بات ما دوباره پرسیده بود ایکس رو میخوای یا ایگرگ رو. این رئیس ما اونجا من رو نوازش کرد که چرا چت باتت درست کار نمیکنه من گفتم کاربر خنگه که میگه بله. و رئیس ما گفت کاربر خنگ هم باشه مشکلی اگر پیش بیاد مسئولش محصول توعه. و خب راست میگفت. تا آنجایی که شاید، همه چیز باید در محصول پیشبینی بشه.
امروز بعد از ظهر اومدم تپسی بگیرم با چنین پدیدهای مواجه شدم. در اصل گویا باگ تخمین زمانی مسیر بود که مسیر رو چهار ساعت حدس زده بود و به خاطر همون هم قیمت چنین شده بود.
نکتهای که برام عجیب بود اما این بود که حتی اگر یک باگ این چنینی رخ بده چرا باید حالت استثنایی به دست من کاربر برسه؟ من اگر حواسم نبود و سفر رو میزدم و کسی هم میپذیرفت چه میشد؟ ما یک رئیسی داریم که خیلی وقتها دهن ما رو بابت وسواسش روی محصول نوازش میکنه، اما ازش تاثیر پذیرفتم تا حدی. یکبار، مشغول درست کردن چت باتی بودم، بعد به دادههای تعامل چت بات با کاربران که نگاه میکردیم یکجا چت بات ما پرسیده بود ایکس رو میخوای یا ایگرگ رو و کاربر پاسخ داده بود بله و چت بات ما دوباره پرسیده بود ایکس رو میخوای یا ایگرگ رو. این رئیس ما اونجا من رو نوازش کرد که چرا چت باتت درست کار نمیکنه من گفتم کاربر خنگه که میگه بله. و رئیس ما گفت کاربر خنگ هم باشه مشکلی اگر پیش بیاد مسئولش محصول توعه. و خب راست میگفت. تا آنجایی که شاید، همه چیز باید در محصول پیشبینی بشه.
Out of Distribution
شیوه سودای عشق عقل کجا پی برد، شیوهٔ سودای عشق؟ باز نیابی به عقل، سِرّ معمّای عشق عقل تو چون قطرهایست، مانده ز دریا جدا چند کند قطرهای، فهم ز دریای عشق؟ خاطر خیّاطِ عقل، گرچه بسی بخیه زد هیچ قبایی ندوخت، لایق بالای عشق گر ز خود و هر دو کَون، پاک تبرّا…
Shajarian x Olafur Arnalds | Sodaye Eshgh
MooVan
Out of Distribution
خودمان را بیکار میکنیم هفتهای که گذشت، سرم شلوغ بود و هفته نسبتا پرکامیتی بود. سوال این که کامیت به چه زبانی و در چه فریمورکی؟ پایتون؟ خیر، زبان فارسی! در واقع بارها سعی کردم که به یک LLM چیزی را به زبان فارسی بفهمانم، و بارها راهحلهای مختلف رو تست کردم،…
AI Software Engineer
1/2
در این حدود یک سال، هر وقت کسی از من میپرسید که چه طور دیتاساینتیست بهتری شویم پاسخ میدادم که مهارتهای مهندسی نرم افزارتان را بهبود ببخشید. چرا که معمولا کسی که چنین سوالی میکند یک سطح پایهای از دانش هوش مصنوعی را دارد اما علاقهاش به هوش مصنوعی همچنان فراتر از SE است و برای همین دنبال بهترشدن در آن است. در واقع روند این گونه بوده که AI ابتدا کار خود AIکارها را بیشتر و بیشتر اتومات کرده و کاری کرده که افراد بیشتری بتوانند توسعهدهنده AI باشند. این پدیده مخصوصا برای نیازمندهایی که با دادههای غیرساختارمند که خوراک foundation modelها هستند واضحتر است.
فرض کنید چند سال پیش، برای طبقهبندی آگهیهای دستهبندیشده در یک پلتفرم مثل دیوار، باید ویژگیها یا Featureهای مربوطه را به صورت دستی استخراج میکردید و برای هر دسته الگوریتمهای مختلفی امتحان میکردید تا بهترین نتیجه را بگیرید. مثلا برای تشخیص اینکه یک آگهی مربوط به فروش خانه است یا خودرو، باید با استفاده از NLP ساده، کلمات کلیدی را جدا میکردید، و شاید مدلهای سنتی مثل SVM یا Random Forest را با دنگ و فنگ زیاد آموزش میدادید. بعدا حالا شبکههای از پیش آموزش دیده مثل Bert آمدند که میتوانستند در حکم یک نقطه شروع عمل کنند و اندکی از کار را سادهتر کنند. اما امروز به لطف مدلهای پایه مثل GPT شما میتوانید فقط با چند خط کد و تجربه و دادهی کمتری، مدلهایی بسازید که نه فقط دقت بالاتر، بلکه قابلیت تعمیم بیشتری دارند. این اتوماسیون موجب شده که دیگر صرف دانستن الگوریتمهای پایهای کافی نباشد؛ بلکه مهمتر این است که بدانیم چطور صورت مساله را تعریف کنیم و راهحلی برایش پیشنهاد دهید (جنبه پروداکتی قضیه) و چطور راهحل را پیادهسازی و سرو کنیم (جنبه نرمافزاری قضیه).
اگر بخواهم خلاصه کنم، امروز «مهندسبودن» مهمتر از «دیتاساینتیستبودن» است (و البته از آن ورش هم هست مهندس نرم افزاری که گستره قابلیتهای هوش مصنوعی را نداند شبیه حسابداری است که از وجود ماشین حساب آگاه نیست). در واقع گسترش یک فناوری میتواند تاثیر معکوسی روی آدمهای آن حوزه داشته باشد. برای مثال، در دهه ۱۹۹۰، با گسترش فناوری دوربینهای دیجیتال، خیلی از شرکتها و افرادی که سالها در زمینه عکاسی با نگاتیو و چاپ عکسهای آنالوگ تخصص داشتند، به تدریج بخش بزرگی از بازار کار خود را از دست دادند. لابراتوارهای چاپ عکس کمکم ورشکسته شدند و عکاسان قدیمی، که کار با دوربینهای مکانیکی و نگاتیوی را خوب بلد بودند، دیگر مثل قبل تقاضا نداشتند. در عوض، رشد فناوری دیجیتال باعث ایجاد فرصتهای شغلی جدیدی شد: افرادی که دانش و مهارت کار با نرمافزارهای ویرایش عکس دیجیتال مثل فوتوشاپ داشتند، یا کسانی که میتوانستند دوربینهای دیجیتال پیشرفتهتر را برنامهنویسی و بهروزرسانی کنند، بسیار مورد توجه قرار گرفتند. یا مثال خیلی انتزاعی که من دوست دارم در مورد اختراغ ماشین حساب است. تا قبل از اختراع و گسترش ماشین حساب، محاسبان و حسابداران ماهر با ابزارهایی مثل چرتکه و جداول لگاریتمی و حتی با محاسبه ذهنی یا قلم و کاغذ، سفارشهای محاسباتی (مثلاً در بانکها، ادارهها و شرکتهای بزرگ) را انجام میدادند. این افراد برای انجام محاسبات پیچیده آموزش خاصی میدیدند، اما با ورود ماشین حسابهای الکترونیکی و ارزان شدن آنها، نیاز به این تخصص و شغل کاهش پیدا کرد. بسیاری از کسانی که شغلشان صرفاً انجام محاسبات دستی و عددی بود، کار خود را از دست دادند یا مهارتشان دیگر مزیت محسوب نمیشد. در عوض، شغلهایی برای افراد متخصص در زمینه طراحی، تولید و تعمیر ماشین حساب و بعدها برنامهنویسی کامپیوترها و ماشین حسابهای پیشرفتهتر ایجاد شد.
1/2
در این حدود یک سال، هر وقت کسی از من میپرسید که چه طور دیتاساینتیست بهتری شویم پاسخ میدادم که مهارتهای مهندسی نرم افزارتان را بهبود ببخشید. چرا که معمولا کسی که چنین سوالی میکند یک سطح پایهای از دانش هوش مصنوعی را دارد اما علاقهاش به هوش مصنوعی همچنان فراتر از SE است و برای همین دنبال بهترشدن در آن است. در واقع روند این گونه بوده که AI ابتدا کار خود AIکارها را بیشتر و بیشتر اتومات کرده و کاری کرده که افراد بیشتری بتوانند توسعهدهنده AI باشند. این پدیده مخصوصا برای نیازمندهایی که با دادههای غیرساختارمند که خوراک foundation modelها هستند واضحتر است.
فرض کنید چند سال پیش، برای طبقهبندی آگهیهای دستهبندیشده در یک پلتفرم مثل دیوار، باید ویژگیها یا Featureهای مربوطه را به صورت دستی استخراج میکردید و برای هر دسته الگوریتمهای مختلفی امتحان میکردید تا بهترین نتیجه را بگیرید. مثلا برای تشخیص اینکه یک آگهی مربوط به فروش خانه است یا خودرو، باید با استفاده از NLP ساده، کلمات کلیدی را جدا میکردید، و شاید مدلهای سنتی مثل SVM یا Random Forest را با دنگ و فنگ زیاد آموزش میدادید. بعدا حالا شبکههای از پیش آموزش دیده مثل Bert آمدند که میتوانستند در حکم یک نقطه شروع عمل کنند و اندکی از کار را سادهتر کنند. اما امروز به لطف مدلهای پایه مثل GPT شما میتوانید فقط با چند خط کد و تجربه و دادهی کمتری، مدلهایی بسازید که نه فقط دقت بالاتر، بلکه قابلیت تعمیم بیشتری دارند. این اتوماسیون موجب شده که دیگر صرف دانستن الگوریتمهای پایهای کافی نباشد؛ بلکه مهمتر این است که بدانیم چطور صورت مساله را تعریف کنیم و راهحلی برایش پیشنهاد دهید (جنبه پروداکتی قضیه) و چطور راهحل را پیادهسازی و سرو کنیم (جنبه نرمافزاری قضیه).
اگر بخواهم خلاصه کنم، امروز «مهندسبودن» مهمتر از «دیتاساینتیستبودن» است (و البته از آن ورش هم هست مهندس نرم افزاری که گستره قابلیتهای هوش مصنوعی را نداند شبیه حسابداری است که از وجود ماشین حساب آگاه نیست). در واقع گسترش یک فناوری میتواند تاثیر معکوسی روی آدمهای آن حوزه داشته باشد. برای مثال، در دهه ۱۹۹۰، با گسترش فناوری دوربینهای دیجیتال، خیلی از شرکتها و افرادی که سالها در زمینه عکاسی با نگاتیو و چاپ عکسهای آنالوگ تخصص داشتند، به تدریج بخش بزرگی از بازار کار خود را از دست دادند. لابراتوارهای چاپ عکس کمکم ورشکسته شدند و عکاسان قدیمی، که کار با دوربینهای مکانیکی و نگاتیوی را خوب بلد بودند، دیگر مثل قبل تقاضا نداشتند. در عوض، رشد فناوری دیجیتال باعث ایجاد فرصتهای شغلی جدیدی شد: افرادی که دانش و مهارت کار با نرمافزارهای ویرایش عکس دیجیتال مثل فوتوشاپ داشتند، یا کسانی که میتوانستند دوربینهای دیجیتال پیشرفتهتر را برنامهنویسی و بهروزرسانی کنند، بسیار مورد توجه قرار گرفتند. یا مثال خیلی انتزاعی که من دوست دارم در مورد اختراغ ماشین حساب است. تا قبل از اختراع و گسترش ماشین حساب، محاسبان و حسابداران ماهر با ابزارهایی مثل چرتکه و جداول لگاریتمی و حتی با محاسبه ذهنی یا قلم و کاغذ، سفارشهای محاسباتی (مثلاً در بانکها، ادارهها و شرکتهای بزرگ) را انجام میدادند. این افراد برای انجام محاسبات پیچیده آموزش خاصی میدیدند، اما با ورود ماشین حسابهای الکترونیکی و ارزان شدن آنها، نیاز به این تخصص و شغل کاهش پیدا کرد. بسیاری از کسانی که شغلشان صرفاً انجام محاسبات دستی و عددی بود، کار خود را از دست دادند یا مهارتشان دیگر مزیت محسوب نمیشد. در عوض، شغلهایی برای افراد متخصص در زمینه طراحی، تولید و تعمیر ماشین حساب و بعدها برنامهنویسی کامپیوترها و ماشین حسابهای پیشرفتهتر ایجاد شد.
Out of Distribution
AI Software Engineer 1/2 در این حدود یک سال، هر وقت کسی از من میپرسید که چه طور دیتاساینتیست بهتری شویم پاسخ میدادم که مهارتهای مهندسی نرم افزارتان را بهبود ببخشید. چرا که معمولا کسی که چنین سوالی میکند یک سطح پایهای از دانش هوش مصنوعی را دارد اما علاقهاش…
AI Software Engineer
2/2
و البته همه اینها به این معنی نیست که رول دیتاساینتیست توسط مهندسین نرمافزار جایگزین میشود. خود SEها از دو جهت تحت فشار برای تغییر هستند. جهت اول از این حیث که به مرور این عاملهای (Agent) هوش مصنوعی تبدیل به لگوهایی جدیدی برای ساختن سرویسها و محصولات میشوند. همانطور که گفته شد مهندسین نرمافزاری که ندادند چطور لگوها رو باید در کنار هم قرار بدهند از دور بازی خارج میشوند (تحولاتی که در سمت MCP رخ میدهد هر چند ضعیف اما آغازی بر همین سیل تغییرات عظیمتر است). جهت دوم فشار از سمت مدلهای جنریتور اما به نظرم آخرالزمانیتر خواهد بود و آن هم وقتی است که دیگر برای فرآیند ساخت محصول نیازی به مهندس نرمافزار نباشد و همه چیز با یک توضیح زبان طبیعی قابل انجام باشد. ظهور ابزارهای کدنویسی اتوماتتر مثل cursor و تلاش برای استفاده از llmها در جهت پیادهسازی صفر تا صدی یک مخصول در این جهتاند. در واقع ممکن است چندی مهندسین نرمافزار دلخوش به رشد هوش مصنوعی، محصولات بیشتر و هوشمندانهتری را راحتتر طراحی و پیاده کنند اما شاید در ده سال خودشان توسط AI بلعیده شوند.
وظیفه ما چیست؟ در وهله اول که ما نقشی در تحولات این دنیا نداریم بایستی شل کنیم. در وهله دوم اما اگر فکر میکنید شما را برای شلکردن نساختهاند میتواند امیدوار باشید که هر چه قدر شغلهایی از زیر این هرم حذف شوند ممکن است شغلهای جدیدتری به راس آن به مرور اضافه میشوند. باید سعی کنیم با تغییرات همسو شویم و جایگاه خودمان را در این هرم بسازیم. این یعنی چند کار مهم: اول، یادگیری مداوم و بهروزنگهداشتن مهارتها، مخصوصا در بخشهایی که انقلابیترند. دوم، توسعهی توانایی حل مسئله، یعنی اینکه فقط بلد بودن یک ابزار کافی نیست، بلکه باید بتوان مسائل واقعی را فهمید و آنها را به مسائل قابل حل تبدیل و در نهایت راهحل ممکن برایش ارائه کرد. سوم و نکته مهم اما تمرکز بر ارتباطات انسانی است. با اتوماسیون شدن بسیاری از فرایندهای فنی، ارزش کارهایی بالا میرود که نیازمند تعامل (در عین اختلافات سازنده) و ارتباط موثر و البته جلب اعتماد هستند. توانایی کار گروهی و ارتباط موثر با ذینفعان پروژه به همان اندازهی مهارتهای تکنیکی مهم هستند. به هر صورت ما اکنون کما بیش در همان موقعیت دهه ۹۰ عکاسان آنالوگ هستیم ...
امروز که این آگهی فرصت شغلی را دیدم برایم جالب بود. سابقاها عنوان مشابهی مثل ML Engineer هم وجود داشته اما آن بیشتر ناظر به استفاده از مهارتهای مهندسی نرم برای دپلوی مدلهای MLای است. اما عنوان AI Software Engineer به عکس، بیان میکند که رول شما رول مهندسی نرمافزار است و باید بلد باشید چگونه از مدلهای هوش مصنوعی در جهت ساخت محصول استفاده کنید. به نظرم این تازه آغاز یک مسیر است و احتمالا آرام آرام طی چند وقت آتی بقیه شرکتهای محصول محور هم به چنین roleهایی متمرکز خواهند شد. پس بروید کوبر یاد بگیرید که خربزه آب است.
2/2
و البته همه اینها به این معنی نیست که رول دیتاساینتیست توسط مهندسین نرمافزار جایگزین میشود. خود SEها از دو جهت تحت فشار برای تغییر هستند. جهت اول از این حیث که به مرور این عاملهای (Agent) هوش مصنوعی تبدیل به لگوهایی جدیدی برای ساختن سرویسها و محصولات میشوند. همانطور که گفته شد مهندسین نرمافزاری که ندادند چطور لگوها رو باید در کنار هم قرار بدهند از دور بازی خارج میشوند (تحولاتی که در سمت MCP رخ میدهد هر چند ضعیف اما آغازی بر همین سیل تغییرات عظیمتر است). جهت دوم فشار از سمت مدلهای جنریتور اما به نظرم آخرالزمانیتر خواهد بود و آن هم وقتی است که دیگر برای فرآیند ساخت محصول نیازی به مهندس نرمافزار نباشد و همه چیز با یک توضیح زبان طبیعی قابل انجام باشد. ظهور ابزارهای کدنویسی اتوماتتر مثل cursor و تلاش برای استفاده از llmها در جهت پیادهسازی صفر تا صدی یک مخصول در این جهتاند. در واقع ممکن است چندی مهندسین نرمافزار دلخوش به رشد هوش مصنوعی، محصولات بیشتر و هوشمندانهتری را راحتتر طراحی و پیاده کنند اما شاید در ده سال خودشان توسط AI بلعیده شوند.
وظیفه ما چیست؟ در وهله اول که ما نقشی در تحولات این دنیا نداریم بایستی شل کنیم. در وهله دوم اما اگر فکر میکنید شما را برای شلکردن نساختهاند میتواند امیدوار باشید که هر چه قدر شغلهایی از زیر این هرم حذف شوند ممکن است شغلهای جدیدتری به راس آن به مرور اضافه میشوند. باید سعی کنیم با تغییرات همسو شویم و جایگاه خودمان را در این هرم بسازیم. این یعنی چند کار مهم: اول، یادگیری مداوم و بهروزنگهداشتن مهارتها، مخصوصا در بخشهایی که انقلابیترند. دوم، توسعهی توانایی حل مسئله، یعنی اینکه فقط بلد بودن یک ابزار کافی نیست، بلکه باید بتوان مسائل واقعی را فهمید و آنها را به مسائل قابل حل تبدیل و در نهایت راهحل ممکن برایش ارائه کرد. سوم و نکته مهم اما تمرکز بر ارتباطات انسانی است. با اتوماسیون شدن بسیاری از فرایندهای فنی، ارزش کارهایی بالا میرود که نیازمند تعامل (در عین اختلافات سازنده) و ارتباط موثر و البته جلب اعتماد هستند. توانایی کار گروهی و ارتباط موثر با ذینفعان پروژه به همان اندازهی مهارتهای تکنیکی مهم هستند. به هر صورت ما اکنون کما بیش در همان موقعیت دهه ۹۰ عکاسان آنالوگ هستیم ...
امروز که این آگهی فرصت شغلی را دیدم برایم جالب بود. سابقاها عنوان مشابهی مثل ML Engineer هم وجود داشته اما آن بیشتر ناظر به استفاده از مهارتهای مهندسی نرم برای دپلوی مدلهای MLای است. اما عنوان AI Software Engineer به عکس، بیان میکند که رول شما رول مهندسی نرمافزار است و باید بلد باشید چگونه از مدلهای هوش مصنوعی در جهت ساخت محصول استفاده کنید. به نظرم این تازه آغاز یک مسیر است و احتمالا آرام آرام طی چند وقت آتی بقیه شرکتهای محصول محور هم به چنین roleهایی متمرکز خواهند شد. پس بروید کوبر یاد بگیرید که خربزه آب است.
دعوا بد است ولی این که در رابطهای باشی که جرئت انتقاد و دعوا با طرف مقابلت رو نداشته باشی، بدتر است. همیشه یک جایی قرار بدید آدما جرئت کنند و بتونند ازتون انتقاد کنند و باهاتون دعوا کنند.
#تجارب
#تجارب