🍉هوش مصنوعی در میوه‌فروشی:
کدام هندوانه بهتره؟
#میم
@toobabigdatascience

https://paperswithcode.co/


#HuggingFace
مجددا paperswithcode را ، راه‌اندازی کرد ولی اینبار با امکاناتی تازه تر و بیشتر

📈Remember: Better Data → Better AI → Better Results
#DATA
@toobabigdatascience

💵اورشلیم‌پست :" ایران جنگ را برنده نشد! ولی سلاح بسیار خطرناک‌تری از پیروزی در جنگ را بدست آورد"
علاوه بر حاکمیت بر تنگه هرمز، ایران در نظر دارد از کفِ این تنگه هم که روزانه ۱۰ تریلیون دلار #تراکنش_مالی از آن عبور می‌کند هم درآمد کسب کند!💸"
#UNCLOS
#تنگه_هرمز
#پاینده‌ایران
@toobabigdatascience

🪩Explanable AI
یا
XAI

🎁 یک تعریف معمولی:هوش مصنوعی قابل توضیح (XAI)به مجموعه روش‌ها و تکنیک‌هایی در حوزه هوش مصنوعی گفته می‌شود که فرآیندها و تصمیم‌های سیستم‌های هوش مصنوعی را برای انسان قابل درک می‌سازد!

هدف این است که هم توسعه‌دهندگان و هم کاربران نهایی بتوانند بفهمند یک سیستم هوش مصنوعی چگونه و چرا تصمیمات خاصّی می‌گیرد.

♨️اصلا چرا هوش مصنوعی قابل توضیح مهم است؟

1. اعتماد: وقتی کاربران علت تصمیم‌گیری سیستم را درک کنند، بیشتر به آن اعتماد می‌کنند. این موضوع در حوزه‌های حساسی مانند پزشکی، امور مالی و حقوقی حیاتی است.
2. پاسخگویی: اگر یک سیستم هوش مصنوعی اشتباه کند، درک منطق آن به شناسایی محل وقوع خطا کمک کرده و زمینه پاسخگویی را فراهم می‌کند.
3. انطباق با قوانین: مقررات بسیاری از صنایع، شفافیت در فرآیندهای تصمیم‌گیری را الزامی می‌دانند. XAI به برآورده شدن این الزامات قانونی کمک می‌کند.
4. بهبود سیستم: با درک نحوه عملکرد سیستم‌های هوش مصنوعی، توسعه‌دهندگان می‌توانند الگوریتم‌ها را بهینه‌تر کرده، عملکرد را افزایش و سوگیری‌ها را کاهش دهند.

♨️مفاهیم کلیدی در XAI

1. شفافیت: عملکرد مدل هوش مصنوعی باید روشن باشد. این شامل درک داده‌های مورد استفاده، معماری مدل و فرآیند تصمیم‌گیری می‌شود.
2. تفسیرپذیری: توانایی توضیح پیش‌بینی‌ها یا خروجی‌های فردی به شیوه‌ای که برای انسان قابل درک باشد. مثلاً اگر هوش مصنوعی درخواست وام را رد کند، باید بر اساس داده‌های متقاضی دلیل آن را توضیح دهد.
3. توضیحات پس از وقوع: توضیحاتی که پس از اتخاذ یک تصمیم ارائه می‌شوند. تکنیک‌هایی مانند LIME و SHAP به درک چگونگی تأثیر ویژگی‌های خاص بر خروجی مدل کمک می‌کنند.

♨️تکنیک‌های رایج برای XAI

· اهمیت ویژگی‌ها: شناسایی این که کدام ورودی‌ها بیشترین تأثیر را بر پیش‌بینی مدل داشته‌اند.
· ابزارهای بصری سازی: نمایش‌های گرافیکی که به کاربران در درک رفتار مدل و مرزهای تصمیم‌گیری کمک می‌کند.
· سیستم‌های مبتنی بر قانون: مدل‌های ساده‌شده‌ای که قوانین روشنی برای تصمیم‌گیری ارائه می‌دهند و دنبال کردن منطق آن‌ها را آسان می‌کنند.

ادامه:

🎁اینها مفاهیم پایه XAI بودند، به عنوان کسی که یک کمی در این مورد مطالعه کرده باید چند نکته را عارض شوم:

⬅️ واقعیت میدانی: در عمل، بین «دقت بالا» و «قابل توضیح بودن» اغلب یک تعادل یعنی (trade-off) وجود دارد. مدل‌های پیچیده مانند شبکه‌های عصبی عمیق یا جنگل‌های تصادفی، دقت فوق‌العاده‌ای دارند اما ذاتاً «جعبه سیاه» هستند. در مقابل، مدل‌های ساده‌تر مانند درخت تصمیم یا رگرسیون خطی به راحتی قابل تفسیرند، اما ممکن است دقت کمتری داشته باشند. XAI به ما کمک می‌کند این شکاف را پر کنیم.

بخشی از کاربردهای عَملی مهم:

· پزشکی: وقتی هوش مصنوعی یک تومور را تشخیص می‌دهد، پزشک باید بداند کدام نواحی تصویر (مثلاً حاشیه نامنظم یا تراکم بافت) منجر به این نتیجه شده است.
· تجارت الکترونیکی ،بانکداری و اعتبارسنجی: قانون «حق توضیح» (Right to Explanation) در مقرراتی مانند GDPR اروپا، الزام می‌کند که تصمیمات خودکار قابل توضیح باشند.
· خودروهای خودران: اگر خودروی خودران به طور ناگهانی ترمز کند، مسافران و مهندسان باید دلیل آن را بفهمند (مثلاً تشخیص یک مانع پیش‌بینی‌نشده).

♨️برخی از چالش‌های پیش رو:

· مقیاس‌پذیری: ارائه توضیح لحظه‌ای برای میلیون‌ها تصمیم در سیستم‌های بلادرنگ، نیازمند بهینه‌سازی سنگین است.

· ذهنیت انسانی: یک توضیح ممکن است برای یک متخصص داده واضح باشد، اما برای یک کاربر عادی مبهم. XAI باید توضیحات را با سطح دانش مخاطب تطبیق دهد.(این مورد قصه داشت...)

· امنیت و حریم خصوصی: گاهی توضیح دقیق تصمیم‌گیری، می‌تواند جزئیات حساس داده‌ها یا آسیب‌پذیری‌های مدل را افشا کند. بنابراین باید میان شفافیت و امنیت تعادل برقرار کرد.

🦚 آینده XAI یا (شاید وقتی دیگر....): روند کنونی به سمت «توضیح‌پذیری ذاتی» (Intrinsic Explainability) حرکت می‌کند؛ یعنی طراحی مدل‌هایی که از ابتدا هم دقیق هستند و هم ساختارشان به گونه‌ای است که قابل فهم باشند (مانند مدل‌های مبتنی بر مفهوم یا شبکه‌های توجه). همچنین استفاده از زبان طبیعی مولد (NLG) برای تولید شرح متنی تصمیم‌ها، به یکی از استانداردهای رایج تبدیل می‌شود.

#XAI
#AI
#NLG
@toobabigdatascience

🪩آیا تنهایی می‌تونه؟
کیی؟
#ابوظبی

🏷فارن افرز :" آیا امارات می‌تواند به تنهایی پیش برود؟ قمار پرریسک ابوظبی برای استقلال راهبردی در خاورمیانه درگیر جنگ!!!

👁‍🗨امارات در جریان جنگ اخیر با انجام حمله مستقل به جزیره #لاوان نشان داد که می‌خواهد نقشی فراتر از یک بازیگر منطقه‌ای ایفا کند و برای تثبیت جایگاهی در تراز قدرت‌های جهانی دست به ریسک‌های بزرگی زده است.

⬅️ابوظبی با خروج از #اوپک و نزدیکی حداکثری به اسرائیل و آمریکا، در پی ایجاد هویتی مستقل و تهاجمی است اما این استراتژی هزینه‌های سیاسی سنگینی به همراه داشته که شکافی عمیق میان امارات و همسایگانش در خلیج‌فارس ایجاد کرده است.

💵در حالی که عربستان مسیر دیپلماسی و کاهش تنش را دنبال می‌کند، رویکرد ستیزه‌جویانه امارات عملاً آن‌ها را از بلوک عربی جدا کرده و بیش از پیش به سمت وابستگی امنیتی به اسرائیل سوق داده است؛ وضعیتی که برخلاف ادعای استقلال راهبردی، ممکن است امنیت ملی این کشور را در بلندمدت بیش از هر زمان دیگری در برابر تهدیدات منطقه‌ای آسیب‌پذیر کند.
#جنگ
#پاینده‌ایران
@toobabigdatascience

⬅️فکر کن! ما اینکارو می‌کردیم؟
👁‍🗨چرا واقعا؟ چرا محدودیت سنّی برای گیت‌هاب؟
#GitHub
#فیلترینگ
@toobabigdatascience

When AI builds itself \ Anthropic
https://www.anthropic.com/institute/recursive-self-improvement

شرکت Anthropic اخیراً با انتشار گزارشی تحت عنوان «When AI Builds Itself»، خواستار توقف یا کاهش سرعت توسعه مدل‌های پیشرفته هوش مصنوعی (AI) در سطح جهان شده است. هشدار اصلی این شرکت حول محور توانایی مدل‌های AI در «بهبود بازگشتی خود» (Recursive Self-Improvement) یا همان توانایی طراحی و ساخت نسل بعدی خود به صورت کاملاً خودکار است.

♨️ حالا این خاصیت «بهبود بازگشتی خود» (Recursive Self-Improvement) چیست؟

بهبود بازگشتی خود فرآیندی است که در آن یک مدل هوش مصنوعی به اندازه کافی پیشرفته می‌شود تا بتواند بدون دخالت انسان، نسل بعدی و قدرتمندتر از خودش را طراحی، کدنویسی، آموزش و ارزیابی کند.

تصور کن! یک روزی مدلی مانند Claude بتواند کاملاً مستقل، نسخه هوشمندتری از خودش را متولد کند. این نسل جدید نیز دوباره این چرخه را تکرار کرده و نسلی حتی پیشرفته‌تر را خلق کند. این یک چرخه خودتغذیه‌کننده و تصاعدی از پیشرفت AI است که در آن، سرعت بهبود و افزایش توانایی‌ها از کنترل انسان خارج می‌شود...

♨️چرا این خاصیت باید باعث نگرانی Anthropic بشود؟ بله؟

آنتروپیک دلایل خودش را دارد اما از من به شما نصیحت کلا هر چیزی واژه #بازگشتی یا Recursive پشتش بود را دست کم نگیرید!🤓

♨️آنتروپیک اعلام کرده که مسابقه جهانی توسعه AI در حال نزدیک شدن به این نقطه عطف خطرناک است و معتقد است جهان هنوز برای مدیریت پیامدهای آن آماده نیست.

😳دلایل اصلی نگرانی این شرکت عبارتند از:

· ⏳ خطر از دست دادن کنترل (The Risk of Losing Control): بزرگترین ترس این است که با ورود به چرخه بهبود خودکار، توانایی انسان‌ها برای نظارت، هدایت یا متوقف کردن سیستم‌های هوش مصنوعی به شدت کاهش یابد. به بیان Anthropic، «اگر سیستم‌ها توانایی ساخت کامل جانشین خود را داشته باشند، روش‌های ما برای ایمن‌سازی، نظارت و شکل‌دهی به رفتار آنها بسیار مهم‌تر (و سخت‌تر) می‌شود». در این سناریو، انسان‌ها ممکن است به تماشاگرانی تبدیل شوند که دکمه شروع را زده‌اند، اما دیگر کنترلی بر روند تکامل AI ندارند.
· ⚡️ سرعت پیشرفت تصاعدی (Exponential Growth of Speed): فرآیند بهبود بازگشتی به طور طبیعی منجر به افزایش سریع و جهشی توانایی‌های AI می‌شود. این سرعت به گونه‌ای است که قوانین و ساختارهای اجتماعی نمی‌توانند همگام با آن پیش بروند و خود را تطبیق دهند. خود Anthropic اذعان دارد که مدل‌هایش در حال حاضر بیش از 80 درصد از کدهایش را هوش مصنوعی‌ می‌نویسند و بهره‌وری برنامه‌نویسان را تا 8 برابر افزایش داده‌اند. به نظر آنها، با همین سرعت، تا سال 2027 یک سیستم AI قادر به انجام پروژه‌ای خواهد بود که هفته‌ها زمان یک متخصص را می‌گیرد.
· 🌍 نبود آمادگی اجتماعی (Lack of Societal Preparedness): به اعتقاد Anthropic، جامعه، نهادهای بین‌المللی و حتی خود صنعت فناوری، آمادگی مواجهه با چنین جهش عظیمی را ندارند. بنابراین، هدف از توقف موقت، ایجاد فرصتی برای پژوهش در زمینه «هم‌راستایی» (Alignment) AI (همسو کردن اهداف AI با ارزش‌های انسانی) و توسعه چارچوب‌های نظارتی موثر است. طبق برآوردهای داخلی این شرکت، احتمال وقوع بهبود بازگشتی خود تا پایان سال 2028 حدود 60 درصد است که نشان می‌دهد این پدیده دیگر یک تهدید دور از دسترس نیست
#Anthropic
#recursiveselfimprovement
@toobabigdatascience

مبر ز موی سپیدم گمان به عمر دراز
جوان ز حادثه ای پیر میشود گاهی
بگو اگرچه به جایی نمیرسد فریاد
کلام حق دم شمشیر میشود گاهی...
کلامِ حقّ اینکه:
🧖حیدر صالحی که یکشبه پیر شد، پدر یکی از دانش‌آموزان میناب، هنوز سه ماه پس از کشته شدن پسرش کنار قبر او می‌خوابد، تا شاید از ژرفای غمی که برجانِ او نشسته، رهایی یابد و آرام گیرد...
🧖کلام حق اینکه : باید ازین خیل داغداران پرسید که آیا از قصاص خون جگرگوشه‌هایشان می‌گذرند آیا؟
#مدرسه_میناب ۱۶۸
#پاینده‌ایران
@toobabigdatascience

https://www.aparat.com/v/teysv44

برای میکاییل...

@toobabigdatascience

🪩 بازی در امریکا/خواب در مکزیک #تحقیر ازین بیشتر؟

⚽️فارین پالیسی :"خواب در مکزیک، بازی در آمریکا"؛ رویه خطرناک دولت ترامپ برای تیم ملی فوتبال ایران

⚽️در آستانه جام جهانی، تیم ملی فوتبال ایران با تصمیم بی‌سابقه دونالد ترامپ روبروست که اجازه اقامت شبانه در خاک آمریکا را به بازیکنان این تیم نمی‌دهد.

⚽️بر اساس توافق میان فیفا و دولت مکزیک، تیم ایران در طول مسابقات در شهر مرزی تیخوانا اسکان خواهد داشت و برای هر بازی تنها برای چند ساعت به آمریکا سفر کرده و بلافاصله پس از پایان مسابقه به مکزیک بازمی‌گردد.

⚽️تحلیلگران این رویه را فراتر از یک موضوع ورزشی، یک بدعت خطرناک در دیپلماسی بین‌المللی می‌دانند که نشان می‌دهد چگونه سیاست‌های تهاجمی دولت ترامپ، مرزهای سیاسی را به شکلی سفت و سخت به داخل زمین فوتبال کشیده و سابقه‌ای نگران‌کننده برای آینده تورنمنت‌های جهانی ایجاد کرده است.
#جام_جهانی۲۰۲۶
@toobabigdatascience

♨️هرکسی از ظن خود شد یارِ من
از درون من نجست اسرار من
«به ما گفته‌اند که در نیشابور، در روزگار ما مردی است از صوفیان به کنیۀ ابوسعید ابوالخیر که یک بار جامۀ پشمینه می‌پوشد و یک بار لباس حریر، که بر مردان حرام است، و یک بار در روز هزار رکعت نماز می‌خواند و یک بار نماز نمی‌خواند؛ نه فریضه و نه نافله، و این کُفرِ محض است.»‌
‌
-ابن‌حزم اندلسی (م. ۴۵۶ ق.)،
الفصل فی الملل والأهواء والنحل، ج ۳، ۱۲۳
#ابوسعید‌ابو‌الخیر
@toobabigdatascience

💸قیمت خودروهای وارداتی طی ۱۲ سال چقدر تغییر کرده‌است؟
#فرغون چند؟
#اختصادی !
@toobabigdatascience

#اختصادی
#فرغون مدل ِ مِنز (بنز سابق) چند؟
@toobabigdatascience

🎁 Top 9 Python Libraries for Building AI Agents

#Python
@toobabigdatascience

🎁با GAN : محتوای واقع‌گرا تولید کنید!"
چگونه؟
#GAN
@toobabigdatascience

🎁 لانگ_ترم کانتکست را بخاطر می‌سپارد!
#LongTermContext
#LSTM
@toobabigdatascience

‼️معنایِ جدید ِ آتش‌بس :
#آتش‌بس== (محاصره نظامی کشورها+حملات هوایی به زیرساخت‌های آن کشورها)
این در حالیست که در عرف ِارتباطات بین‌المللي حتّی تحریم بانک مرکزی یک کشور به معنای اعلان جنگ رسمی به آن کشور است!
⬅️که آمریکا سالهاست بانک مرکزی ایران را تحریم کرده است!

#جنگ
#پاینده‌ایران
@Toobabigdatascience