در نبرد رستم و اسفندیار به رستم پیشنهاد می‌کند که به جای نبرد تن به تن، دو لشگر را به جنگ هم بفرستیم. پاسخ شاهزاده جوان یکی از زیباترین ابیات شاهنامه است:
مبادا چنین هرگز آیین من
سزا نیست این کار در دین من
که ایرانیان را به کشتن دهم
خود اندر جهان تاج بر سر نهم

فردوسی

#خارج‌ـازـبحث
یه چندساعتی می‌شه خبر اندروید ملی رو می‌شنویم :

متن خبر :‌
در حالی‌که شرکت هواوی در حال توسعه نسخه خاص سیستم عامل خود بر پایه اندروید است ایران هم اعلام کرده قصد توسعه «اندروید ملی» را دارد.

من ی چندتا نکته رو بگم :
۱- چندین و چندسال هزینه شد برای سیستم‌عامل ملی آخرشم گفتن شکست خورد

۲- این پروژه کلاْ شکست خورده‌اس؛ شرکتی مثل هواوی یکی از بزرگترین عرضه ‌کننده‌های تلفن همراه هست که مارکت بسیار بزرگی هم داره و قراره برای سخت‌افزار خودش هم نرم‌افزار ارائه کنه

۳- توی ایران شرکت تولید کننده سخت‌افزار ؛ و یا حتی اسمبل کردن و تولید تلفن همراه مطرحی دیده نمی‌شه (شاید جی‌ال‌ایکس) که به لطف تحریم‌ها و فشارهای اقتصادی و قیمت بالای گوشی‌همراه برخی از مردم محروم ؛ محکوم به خریدش هستند

۴- خیلی از شرکت‌ها تغییر رام - روت شدن تلفن همراه و ... رو حذف گارانتی تلقی می‌کنند؛ چه برسه تغییر کامل سیستم‌عامل

۵- پشتیبانی و ارسال آپدیت و ... برای این همه مدل گوشی کار ساده‌ایی نیست و هزینه گزافی هم داره (بخش خصوصی و شرکتهای تولید کننده موبایل‌ها هم پشتیبانی طولانی مدتی ندارند)

۶- یکی از دوستان اشاره کرد؛ امنیت ملی - و سران مملکتی و جاسوسی؛ آیا عاقلانه‌اس تو شرایط بد اقتصادی موجود میلیاردها تومان پول صرف پروژه‌ایی بشه که فقط یک عده خاص استفاده ‌خواهند کرد به نظرم یه برنامه ارتباطی ابنکریپت شده راه‌حل کم خرجتر و عملی تری هست

از ته قلبم امیدوارم یک دروغ و یک شایعه باشه این موضوع
اگر نه : امیدوارم تصمیم‌گیران مملکت یک تجدید نظر کنن

در نهایت باید بگم : این پروژه شکست خورده‌ هست و باید دید چه شرکت و چه افرادی قراره با این پروژه پول مردم رو به جیب بزنن

ازون مقاله‌هایی که باید خوند ؛

https://arxiv.org/abs/1904.08379

این مقاله می‌تونه صنعت بازی سازی و البته سینما رو متحول کنه؛ بر اساس
Pose Estimation

یک ایده واقعاْ جالب :

https://www.youtube.com/watch?v=PmlRbfSavbI

خبرگذاری‌های داخلی گذارش‌هایی مبنی بر حضور سرمایه گذاران چینی و مزرعه‌های استخراج بیت‌کوین اونها میده (که خب طبق قوانین کشور کاری غیرقانونی هست)

بخش خیلی جالبش اینه که هیچکس به بی‌ارزش شدن پول ملی اشاره نمی‌کنه و همه فقط میگن برق ارزون هست؛ امیدوارم موضوع مثه بنزین نباشه و بهونه برای گرونتر شدن‌ (که بخش بزرگی از ارزونی بنزین هم مشکلش همین بی‌ارزشی پول هست وگرنه ماها ارزونی احساس نمی‌کنیم)

اما چه ربطی به دنیای کامپیوتر داره:
حدود ۲-۳ سال قبل که در زمینه بیگ‌دیتا کار می‌کردم پیشنهاد؛ کنتورهای هوشمند و تحلیل دیتا رو ارائه دادم - بگذریم از این که بعد از کلی دوندگی و وعده‌های الکی مسئولان فراری از صحنه اجازه عملی شدن به پروژه داده نشد

اما این پروژه علاوه بر اینکه امروز خیلی بدرد می‌خورد (البته که خیلی زودتر ازین بدرد می‌خورد و پیشگیری بود جلوی ۲ سال برق دزدی از مملکت) ؛ نیروی کار و سرمایه مملکت رو هم ذخیره می‌کرد برای کارهای بزرگتر و ارزشمندتر - البته اونروزا هنوز بحث برق دزدی برای بیت‌کوین نبود و بیشتر بحث دستکاری کنترها (آب-برق-گاز) + حفظ منابع مالی + نیروی انسانی بود.

خلاصه؛ ی وقتایی خیلی از صحبت‌ها بهونه هست واسه اینکه کارها انجام نشه برای اینکه یکسری آدم خاص ضرر نکنن

* ایده + طرح این پروژه بطور کامل هنوز در دسترس هست و اگر کسی می‌تونه اجرا کنه ؛ با به اشتراک گذاشتنش مشکلی ندارم

کتاب پایتورچ (کلی از تنسورفلو صحبت کردیم)
کتاب ۲۰۱۹ - پایتورچ) خیلی پایتورچ کار نیستم اما از سرفصل‌ها فکر می‌کنم کتاب خوبی باشه و شاید بهونه‌ایی برای یادگیری پایتورچ خودم

یک تحقیق بسیار جالب ؛ که می‌تونه برای بازی سازها + فیلم سازی و ... بسیار بسیار کمک کنه
فکر کنید همین رو بر ای موجودات زنده‌ی دیگه هم پیاده سازی کنید و نحوه کامل حرکت اون‌هارو هم پیاده سازی کنید انقدر خوب و طبیعی و عالی
انیمیشن + بازی سازی به معنای واقعی متحول می‌شه.

http://mrl.snu.ac.kr/research/ProjectScalable/Page.htm

کدهاشون رو هم در گیت‌هاب قرار دادند.

خیلی سریع و راحت پروژه
Neuralink
و اهمیتش رو درک کنید

https://www.youtube.com/watch?v=9uRK8Delzvk

https://developer.ibm.com/callforcode/

اگر ایده خوبی دارید شاید ارزش شرکت داشته باشه
جایزه : ۲۰۰.۰۰۰ دلاریش

#خارجـازـبحث

نه اونقدر متخصص که نظر پخته بده ؛ نه اونقد متعهد که کار متخصص رو ندزده

#هدف: دیده شدن به هر نحو.
سواستفاده از اعتقادات ؛ آزاد

https://www.tensorflow.org/beta/tutorials/images/segmentation

آموزش سگمنت تصویر با U-net از سری آموزش‌های رسمی تنسورفلو

تیم هوش مصنوعی فیسبوک پلتفرم

#Detectron

رو برای آبجکت دیتکشن منتشر کرد، که قدرتش رو از بهترین الگوریتم‌های این حوزه می‌گیره.

https://github.com/facebookresearch/Detectron

Encrypted training & prediction, Keras


https://medium.com/dropoutlabs/encrypted-deep-learning-training-and-predictions-with-tf-encrypted-keras-557193284f44

#خارج_از_بحث
#ابرینو، تعداد پیامک‌های تبلیغاتی، بیشمار
ازتون می‌خواد که نگران عکساتون نباشید و ی نسخه از هرچی دارید رو کپی کنید توی فضای ابری که بهتون میده

احتمالاً پیشنهاد ۱ترابایت رایگان رو هم شما نیز دیدید، که خیلی خیلی تعجب آوره

اما جالب اینه که فقط درمورد امن بودن بستر اینترنت یا همون استفاده از
SSL
به شما اطلاعات میدن و هیچ تاییدیه‌ایی از اینکریپت شدن دیتا بهتون نمیدن (به من که اطلاعاتی ندادند)
با جستجو کردن بیشتر توی سایت توی همون صفحه اصلی (قبلاً ندیده بودم) ، شمارو مطمئن می‌کنن که اگر خوشبینانه نگاه کنیم و دیتاتون مورد سواستفاده قرار نگیره، دیتاتون اینکریپت نخواهد شد

+توی تصویر ۳ خط آخر، کنارش علامت قرمز زدم+
اگر مجبور به استفاده ازین نوع سرویس‌ها هستید، پیشنهاد می‌کنم فایلاتون رو
Rar
کنید و پسورد طولانی بذارید و بعد آپلود کنید

“10 Lessons I Learned Training GANs for a Year” by Marco Pasini https://link.medium.com/VChuXrpxSZ

“Neural Architecture Search — Limitations and Extensions” by Alex Adam https://link.medium.com/f0YybUI8ZZ

پیاده سازی پایتورچ ۱۷ تا از الگوریتم‌های
Reinforcement
در گیت‌هاب ( گزینه خوبیه برای تمرین و کمک در درک موضوع و کد)

https://github.com/p-christ/Deep-Reinforcement-Learning-Algorithms-with-PyTorch

رسم شبکه چیز خوبیه و لازمه، هرچند اگه بخوام صادق باشم با کراس ویز خیلی هم مزخرفه اونقد که خوندن
model.summary()
رو ترجیح می‌دم ، اما همیشه ابزار بهتر هم وجود داره
Artificial Neural Network Visualizer
ANN Visualizer

هم ابزار مناسب اینکار هست که با کراس هم تطابق خوبی داره

https://github.com/Prodicode/ann-visualizer/blob/master/README.md

یادگیری تقویتی چند عاملی،
Multi-agent reinforcement learning
کار بسیار جالبی از
OpenAi
هست، عامل‌های قرمز نباید عامل آبی رو ببینند؛ علاوه بر اینکه عامل‌ها یاد می‌گیرند از اشیا موجود داخل محیط به درستی استفاده کنند
بعد از کلی تکرار عامل قرمز کاری می‌کنه که تیم متوجه وجود باگ در محیط می‌شه، چیزی که حتی برنامه‌نویس‌ها هم بهش فکر نکرده بودند

که این موضوع رو خیلی خیلی جالب و جذاب می‌کنه

https://openai.com/blog/emergent-tool-use/