زندگی به عنوان سرویس

ChatGPT: NPCs can talk back now | from universal modder on X: "Introducing NPCTalk: make the NPCs of any game talk in realtime. I made every NPC in GTA V answer to me in character, in their own cloned voice, in under 1s, and they act on what you say.

Packaged all the skills Claude learned into a single repo, built on open models: NVIDIA Nemotron ASR for transcription, Qwen 3.8 27B for realtime dialogue, and Fish Audio Drama 3 for the cloned voices, self-hosted on a serverless GPU. "

🔰یه سایت برای ماشین پرنده‌ی تسلا، رودستر💸، زدن که توش می‌تونید مکانیزم‌های نگهدارنده و غلبه‌بر جاذبه رو ببینید. ضمن این که می‌تونید در هر موقعیت میزان نیروها، فشار و فرمول‌های مرتبط رو به صورت زنده ببینید.

✈️وقتی دینامیک رو خیلی خوب خوندی :)

🔗 لینک وب‌سایت: https://roadster.pplx.app

🆔 @lifeAsAService

How Do Word Embeddings Capture Relationships Between Words?

#blog
#NLP

🆔 @lifeAsAService

امروز که با رضا[داداشم] رفتیم اطراف ایلام یه گشتی بزنیم دوباره به موضوعی که یکی دوسال اخیر ذهنم رو مشغول کرده فکر کردم. یکی از چیزهایی که در تهران آزارم می‌ده و حالم رو بد می‌کنه اینه که به ندرت می‌تونی «دوردست»ها رو ببینم.
هر شهری غیر از تهران می‌شه یه دشتی، دریایی، کوهی، صحرایی یا حتی شهری پیدا کرد که چشمت رو آزاد بذاری و یک نمایه‌ی وسیع از «دوردست» رو ببینی.

دیدن اینجور مناظری بهم احساس و تجارب متعالی‌ای می‌ده: حس آزادی، حس نامحدود بودن، رهایی، حس وجود یک چیزی بزرگتر، حس این که گیر نیفتادم، حس کنجکاوی، حس بی‌نهایت، حس این که همه جا یه رنگ نیست.
الان که دارم می‌نویسم، می‌بینم بلند پروازی‌ها و آرزوهای بزرگ توی ادبیات با همین منظره‌ها توصیف شدن. یا اصلا کلی توصیفات عمیق و متعالی هست که با دیدن این مناظر در انسان شکوفا می‌شن و چقدر توی تهران ازشون محرومم.
دارم فکر می‌کنم توی روزمره‌ام دورترین جایی که می‌تونم توی تهران ببینم کجاست؟ چند متر اونورترمه؟
میون این همه ماشین و آپارتمان و دود اصلا می‌شه «دوردست» رو دید؟ همه چیز بهم چسبیده. ماشینا چسبیدن بهم، خونه‌ها چسبیدن، مغازه‌ها، آدما، کارها و ... .
تازه شهر تهران یک حالت گودالی‌طور هم داره که دیگه نور علی نوره. حتی وقتی کوه‌نوردی اطراف تهران می‌ری(همین مثلا کوه‌ها) بازم «دوردست»ی که می‌بینی این حس رو بهت نمی‌ده و نمی‌دونم چرا؟!
عکس یه تعداد از دورهای ثبت‌شده رو می‌ذارم از ایلام، دریا، شاهرود، همدان.

باید با صدری جان حرف بزنم یه سری عکس با این زاویه‌ی دید توی شرکت بچسبونیم :))

#یادداشت
✍🏻 مَهدی آخی

🆔 @lifeAsAService

🐱 یه ریپازیتوری طلایی برای یادگیری AI Engineering

⭐️شامل ۵۲۸ درس در ۲۰ فاز

◀️از مبانی ریاضی (جبر خطی، حساب دیفرانسیل) تا ساخت مدل‌های زبانی بزرگ، ایجنت‌های خودمختار و سیستم‌های پروداکشن

◀️همه الگوریتم‌ها رو اول از صفر با ریاضیات می‌سازی، بعد می‌ری سراغ فریم‌ورک‌ها

◀️پشتیبانی از Python، TypeScript، Rust و Julia

◀️هر درس خروجی قابل استفاده داره (کد، اسکیل، تمپلیت پرامپت و ...)

🔗 لینک ریپازیتوری
#repo
#learning

🆔 @lifeAsAService

#claudeCode

🆔 @lifeAsAService

حتی AI هم نتونسته درست به تصویر بکشه.

🆔 @lifeAsAService

دوستی این پرسش را داشتند که گفتم پاسخ عمومی بدهم:

در مورد وکلا این پست را 14 ماه قبل نوشتم که چقدر از این استارت‌آپ استقبال شده است. ولی وکلا در اکثر کشورها یکی از قدرتمندترین لابی‌های حکومتی را دارند و حاشیه امن پایدارتری به همین دلیل ایجاد میکنند.


محض اطلاع در آمریکا بزرگترین لابی علیه خودروهای خودران و مجوزهای خودرانی را اتحادیه وکلا انجام می‌دهند چون بیش از 50 درصد پرونده‌های حقوقی (و سهم بزرگی از درآمد ایشان) مربوط به دعاوی مرتبط با تصادفات خودرویی است . چند تا آمار بدهم تا متوجه شویم که نگرانی آنها بی‌دلیل نیست، نرخ تصادف معمولی یک ماشین خودران به 1.2 تصادف در هر 1 میلیون کیلومتر می‌رسد (برای خودرو معمولی این حدود 7 تصادف در یک میلیون کیلومتر است) و نرخ فوت در خودرانی برای ویمو در بیش از 400 میلیون کیلومتر صفر بوده است و برای تسلا هم با 23 میلیارد پیمایش تجمیعی تاکنون در حالت خودرانی 57 نفر بوده است که این عدد برای وضعیت عادی تا 200 نفر هم می‌رسد.

همینجوری سرانگشتی حساب کنید درآمد حداقل یک سوم و شاید تا یکدهم می‌تواند کاهش داشته باشد و وکلاً بجای اینکه برای ایجاد ساختارهای حقوقی جدید و مدل‌های کسب و کار نوین تلاش کنند، همچنان درصدد کندکردن سیستم هستند.

البته دقت داشته باشید این آمار قشنگ چولگی و سوءگیری هم دارد، مثلاً حتی کوچکتری خراش هم از سمت خودرو خودران بصورت تصادف ثبت می‌شود یا اکثر تصادفات خودران‌ها برخورد ماشین دیگر از عقب به آنها بوده است و البته در بسیاری از شرایط تصادف‌زا! نظیر هوای بشدت بارانی و یا بوران و برف کلاً خودرو راننده را وادار به مداخله شخصی میکند و خودران نیست. و البته توجه داشته باشید که خودرانی تسلا از ده سال پیش بوده و هرروز بهتر می‌شود و بخش بزرگی از این 57 نفر در حالت خودرانی فوت نکرده‌اند ولی چون تا 30 ثانیه قبلش سیستم خودران فعال بوده، در پرونده به این شکل ثبت‌شده‌اند.
@MasoudSharings

🚀 ۱۰ روز پیش خانم «مارگارت همیلتون» در ۹۰ سالگی از دنیا رفت. زنی که کدهای آپولو ۱۱ که ماموریت فرود روی ماه رو داشت نوشت.

⭐️ ایشون برای اولین‌بار واژه و مفهوم «مهندسی نرم‌افزار - Software Engineering» رو مطرح کردن و بنیان سازوکاری که امروزه تحت عنوان مهندسی نرم‌افزار می‌شناسیم رو بنا گذاشتن. تلاش‌های ایشون باعث شد تا دنیای کامپیوتر و برنامه‌نویسی مدون، مهندسی‌شده و نظام‌مند بشه.

✈️ یکی از شاهکارهای ایشون در طراحی آپولو ۱۱، به کارگیری طراحی Async و همچنین استفاده از مفهوم «اولویت‌بندی» بود که باعث شد این فضاپیما ماموریتش رو درست انجام بده. از ویکی‌پدیا:
در یکی از بحرانی‌ترین لحظات مأموریت آپولو ۱۱، نرم‌افزار هدایت پرواز که توسط تیم همیلتون توسعه داده شده بود، از لغو فرود بر سطح ماه جلوگیری کرد. تنها سه دقیقه پیش از رسیدن ماه‌نشین به سطح ماه، چندین هشدار رایانه‌ای (از جمله هشدارهای معروف ۱۲۰۱ و ۱۲۰۲) فعال شدند. این هشدارها نشان‌دهنده سرریز شدن وظایف پردازشی رایانه به دلیل ارسال داده‌های اضافی از رادار تقارب بودند. رایانه قادر به پردازش هم‌زمان تمامی این اطلاعات در زمان واقعی نبود و باید برخی وظایف را به تعویق می‌انداخت.
به لطف معماری ناهمگام و قابلیت اولویت‌بندی وظایف که همیلتون و همکارانش طراحی کرده بودند، رایانه وظایف کم‌اهمیت‌تر مربوط به رادار را کنار گذاشت و توان پردازشی خود را منحصراً به وظایف حیاتی فرود و کنترل پیشرانه‌ها اختصاص داد. نمایشگر اولویت‌دار به فضانوردان و کنترل‌کننده‌های پرواز ناسا در زمین این امکان را داد تا دریابند که رایانه همچنان به درستی وظایف اصلی فرود را انجام می‌دهد و در نتیجه مأموریت با دستور ادامه («Go») دنبال شد و آپولو ۱۱ در ۲۰ ژوئیه ۱۹۶۹ با موفقیت بر ماه فرود آمد.
همیلتون بعداً در نامه‌ای به سال ۱۹۷۱ دربارهٔ این رخداد نوشت:
رایانه (یا به عبارت دقیق‌تر، نرم‌افزار درون آن) به اندازه کافی هوشمند بود که تشخیص دهد وظایف بیشتری نسبت به ظرفیتش به آن محول شده است. سپس یک هشدار فرستاد که به فضانورد می‌گفت: «من با وظایف بیش از حد روبه‌رو شده‌ام و فقط کارهای بااهمیت‌تر، یعنی موارد ضروری برای فرود را نگه می‌دارم»... اگر رایانه این مشکل را تشخیص نداده بود و فرایند بازیابی را انجام نمی‌داد، بعید می‌دانم آپولو ۱۱ می‌توانست به چنین فرود موفقی دست یابد.

⭐️ احترام ابدی برای ایشون و آدم‌هایی مثل ایشون که زندگیشون رو وقف پیشرفت کردن. ایشون به معنای واقعی کلمه «آپولو هوا کردن»

🆔 @lifeAsAService

🎙کتاب زندگی ۳.۰؛ انسان‌بودن در عصر هوش مصنوعی نوشته مکس تگمارک

🔸نسخه صوتی - کامل

#انسان‌_بودن_در_عصر_هوش_مصنوعی #مکس_تگمارک #هوش_مصنوعی #کتاب_صوتی

🙋🏻‍♀ https://t.me/meteorjournal

🆔

#music

🆔

نمی‌دونم چطور توضیح بدم ولی آینده مال آدماییه که طولانی می‌نويسن و طولانی می‌خونن. #هوایی

⭐️ یک کاربر توئیتری تمام راه‌ها و ابزارهای ممکن برای استفاده‌ی رایگان یا خیلی ارزون از هوش مصنوعی رو تست کرده(شامل اعتبارهای هدیه، دانش‌آموزی، تحقیقاتی، ابزارهای رایگان با محدودیت زمانی، مدل‌های لوکال و ....).
⭐️ تجاربش رو توی یک مقاله‌ی توئیتی منتشر کرده و شامل جزئیات زیادی در مورد کیفیت، قیمت، محدودیت‌ها، واقعی بودن تخفیف‌ها، پرایویسی و.... است. توصیه می‌کنم بخونید باحاله.

🔗 https://x.com/mikenevermiss/status/2090300976670425489?s=20
#LLM
#tools
#blog

🆔

💳 الگوریتم پلتفرم X هم Open Source شد

در ادامه‌ی open-source شدن پروژه‌های xAI ایلان ماسک، الگوریتم خود توئیتر هم پابلیک شد. البته به‌خصوص ranking algorithmش خیلی دیده شده و این‌جا کوتاه درباره‌ش می‌نویسم.

ریپازیتوری رسمی https://github.com/xai-org/x-algorithm بخش اصلی کدی رو منتشر کرده که For You feed رو می‌سازه، candidateها رو میاره، فیلتر می‌کنه، score می‌ده و بعد دوباره با visibility filtering چک می‌کنه. ولی README خود repo می‌گه چند چیز هنوز داخل repo نیست، مثلا promptهای Grox و بعضی ruleهای botmaker.

حالا مسیر بخش For You تقریبا این شکلیه:

🔻 اول query hydration انجام می‌شه، یعنی سیستم از viewer اطلاعات جمع می‌کنه: تعامل‌های اخیر، لیست following، mute و block، muted keywords، پست‌هایی که قبلا دیده یا بهش serve شده، topicها و چند چیز دیگه.

🔺 بعد candidateها از چند منبع میان. سرویس Thunder پست‌های recent از آدم‌هایی که دنبال می‌کنید رو میاره. مدل‌های Phoenix و SimClusters هم برای out-of-network استفاده می‌شن، یعنی پست‌هایی از آدم‌هایی که دنبال نمی‌کنید. حالا تعداد هر کدوم از از نتایج این مدل‌ها چندتاست؟ در کد فعلی `ThunderMaxResults = 1200`هست، ولی `PhoenixMaxResults = 1000`هست، و SimClusters هم منبع جداست.

🔹 بعد pre-filterها میان. AgeFilter با MAX_POST_AGE = 48 60 60 پست‌های قدیمی‌تر از ۴۸ ساعت رو حذف می‌کنه. تازگی پست خیلی تو feed مهمه، برا همین مثلا بعیده که تو feed خودتون پست‌های قدیمی‌تر از ۲ روز اخیر ببینید.

🔺 بعد هم مدل Phoenix برای هر candidate احتمال چند action رو پیش‌بینی می‌کنه: like، reply، repost، quote، share، share via DM، copy link، کلیک، dwell، follow author و سیگنال‌های منفی مثل not interested، mute، block و report.

و خب این بخش رو خیلی دوست داشتم، در عکس‌های پست هم می‌تونید وزن‌های مربوط به هر کدوم ازین actionها رو ببینید.

این‌جا RankingScorer همه این probabilityها رو با وزن‌ها قاطی می‌کنه. فرمول پایه اینه

Final Score = sum(weight_i * P(action_i))

عددهای جالب توجه این موارد هستن:

Like Weight = 0.5
Reply Weight = 5.0
Quote Weight = 5.0
Share Weight = 2.0
ShareViaDm Weight = 5.0
ShareViaCopyLink Weight = 20.0
FollowAuthor Weight = 4.0

از نظر وزن خام، reply ده برابر like حساب می‌شه، و copy link چهل برابر like. اما این مورد هم مهمه که این وزن‌ها مستقیم روی احتمال action ضرب می‌شن. یعنی الگوریتم نمی‌گه هر بار کسی لینک رو کپی کرد دقیقا ۴۰ تا like گرفتید. می‌گه اگر مدل احتمال بده viewer این پست رو copy link می‌کنه، همون احتمال با وزن ۲۰ وارد score می‌شه.

سمت منفی ماجرا حتی تندتره:

NotInterested Weight = -43.2
BlockAuthor Weight = -31.2
MuteAuthor Weight = -58.8
Report Weight = -234.0

اگر فقط نسبت خام بگیریم، report نسبت به like حدود ۴۶۸ برابر وزن منفی داره. ولی باز هم نباید اینو خیلی عامیانه بخونیم. چون اینجا probability، normalization و offset score هم دخیلن. معنی فنی‌ترش اینه که مدل وقتی احتمال report یا mute رو جدی ببینه، score می‌تونه خیلی سریع ضربه بخوره.

❤ جذاب‌ترین بخش برای من bidirectional follow boost بود. کد در bidirectional_follow_hydrator.rs می‌بینه آیا من نویسنده پست رو follow دارم و آیا اون هم من رو follow داره یا نه. بعد ranking_scorer.rs فقط برای original postهایی که reply یا retweet نیستن، اگر mutual follow برقرار باشه، وزن reply رو boost می‌کنه.

🔗 https://en.rattibha.com/thread/2087981370685735418
🔗 https://github.com/xai-org/x-algorithm

✈️ https://t.me/Mirage_Notes

بعد از Codex دیگر برنامه‌نویس بودن یعنی چه؟

هفته پیش، مدیر تیممون، آقای موروثی، ما رو جمع کرد و گفت می‌خوام براتون Codex بگیرم تا مرزهای کمتری مسیر رشد تیممون رو محدود کنه. گرفت و ما چند روزی هست که روی codex زندگی می‌کنیم. با این مدلهای جدید GPT و البته خود هارنسی که داره چیز واقعا عجیبیه. چند نکته‌ای که پیشاپیش به ذهنم می‌رسه تا بعدا چه بشه:

- مسیر کمال coding agentها، نسبت به گذشته غیرقابل باور و نسبت به آینده غیرقابل پیش‌بینی‌ایه. من هنوز از یادم نرفته کمتر از یک دهه پیش رگولار اکسپرشن حفظ کردن یک فضیلت بود، بعدش chat-gpt اومد، دستیار اولیه ساده و حالا تجربه codex برای من حتی بسیار متفاوت‌تر از تجربه کار با cursor و amp ای هست که دو ماه پیش فکر می‌کردم چه قدر خفن هستند. حالا دیگه همونطور که کسی شما رو بابت بلدنبودن کامپایلر در عین زدن کد ایراد ازتون نمی‌گیره، احتمالا کم کم بابت بلد نبودن لایه‌های انتزاعی بالاتر هم کمتر ازتون ایراد گرفته میشه.

- در عین حال که حالا مرز تخصص کمرنگ شده، اما بهانه‌های شما هم برای بقا در بازار کار کمتر شده. سنیورهای دیگه بابت بلدبودن یک تخصص الزما مزیتی برای بقا نخواهید داشت و از اون طرف هم جونیورها نمی‌تونن بهانه داشته باشند که در حال رشد هستند. اون چیزی که از نیروها خواسته می‌شه از این پس خروجیه و اونرشیپ و دان کردن بیشتره. مثلا همین مدیر تیم ما با این که اما به تعداد جمیعت هند توکن خرج کرده در همین یک هفته و چندین مرج رک سالم در پروژه‌های نه تیم خودمون که تیم‌های دیگه داده.

- سبک کاری ما ناشی از ux خوب codex الان این شکلیه که در آن واحد چند تا کار رو با هم پیش می‌بریم. در چند سشن باز هر ایجنتی مشغول یک کاری هست و هر وقت کار کسی تموم میشه و نوتیفش میاد میریم سر وقتش و می‌بینیم چه کرده و بهش دستور بعدی رو می‌دیم و می‌ریم سراغ ایجنت بعدی. اینها البته الزاما ناشی از خواست ما نیستند بلکه همون مدیر تیممون اینجوری ازمون می‌خواد و دیگه این بهانه رو از ما نمی‌پذیره که من چند ساعت بهش بگم مشغول تسک A هستم. این اتفاق حتی در لایه‌های حادتر این شکلیه که خودش موقعی میاد نهار که مطمئن باشه ایجنت‌هاش بیکار نیستند و حتما در حال کار هستند. از اون طرف اما این کانتکس سوییچ‌های وحشتناک قطعا ما رو به موجودات بی حوصله‌تر و بی‌تمرکز‌تری تبدیل می‌کنه.

- من به شخصه یادم نمیاد آخرین بار خودم شخصا کد زدم. و نگرانم. نگرانم که اگر در موقعیتی قرار بگیرم که نتونم از coding agentها استفاده کنم فلج می‌شم عملا. این تصور رو البته لایت‌ترش رو وقتی دارم که می‌ترسم اگر لیمیت توکن‌هام این هفته تموم بشن چی؟ اون وقت در مقایسه با دو نفری که کنارم می‌شینن، شبیه این میمونه که بخوام با قاطر در مقایسه با ماشین فرمول یک اونها بریم مسافرت. در واقع هر چه جلوتر می‌ریم این که هر شخص چه قدر توانایی تامین هزینه‌های مالی توکن‌ها رو داره بیشتر بهش قدرت می‌ده. اختلاف طبقاتی بیشتر در برنامه‌نویسی، در حالی که ده سال پیش اصلا این شکلی نبود.

- با وجود تمام این تعاریف اما این قضیه coding agentها بی عیب هم نیستند. اولا دیگه نیروی سنیوری ساخته نمی‌شه. سنیورهای امروز، جونیورهای دیروزی هستند که خاک صحنه خوردند و اشتباه کردند و بابتش فحش خوردند تا یاد گرفتند. امروز اما نه تنها جونیورها با محول کردن همه کارها به coding agentها اشتباه نمی‌کنند و یاد نمی‌گیرند و عمیق نمی‌شن، که خود شرکت‌ها هم بعیده که علاقه‌ای که قربانی کردن سرعت در تریدآف یادگیری داشته باشند. جانب دیگه قضیه هم این که، هنوز coding agentها از بعضی جهات فهم مساله در حد انسان نیستند و استفاده روز افزون ازشون گاها انباشت بدهی می‌کنه. گاها خب یکسری agent خودکار هم هستند که اینها دارند با کمترین سطح سوپرویژن کد می‌زنند. به فرض مثال چند هفته پیش یک فیچری اینا به ما اضافه کردند و ما کلی تعریف کردیم. هفته پیش بود که فهمیدیم یک جایی از کارشون به واسطه عدم درک نیازمندی بدهی داره. رفتیم دوباره با agent اون بدهی رو پوشوندم. هفته پیش فهمیدم اونهم یک جایی بدهی داره. آخر هفته جمعه که بود باز یکی از این agentها که توسط یکی خارج از تیم تریگر شده بود خودش رفته بود کد زده بود و یک چیزی رو عوض کرده بود. امروز ما اومدیم دیدیم فلان چیز خرابه و مدتی طول کشید تا بفهمیم ماجرا چیه. در همین حدفاصل اون ایجنت مرج رک بعدیش رو هم زد و تازه ما فهمیدم داستان از چه قراره. حالا اگر سرعت اینها بیشتر بشه و فاصله ما هم از کد بیشتر بشه معلوم نیست چه خواهد شد.

پی‌نوشت: روز که تموم شد با ملماسی مشغول صحبت بودیم به ذهنش زد که اسنپ رو وصل کن به codex. ما هم وصل کردیم، کاری که کمتر از ده دقیقه طول کشید. و بعد براش تسک گذاشتیم که هر پنج دقیقه قیمت اسنپ مسیر رو چک کنه و اگر تغییر کرد بهمون نوتیف بده. عکس مال همونه.

🃏 به یاد زمانی که برنامه‌نویسی کارت‌بازی بود!

⭐️ شاید بدونید که قبل‌ترها که کامپیوترها مثل الان دیجیتالی نبودن، کامپیوترهای پانچ کارتی داشتیم[ https://t.me/out_of_distribution رو می‌تونید برای آشنایی مطالعه کنید]. برنامه‌ها روی کارت‌هایی پانچ می‌شدن و برای اجرا به کامپیوترهای مخصوص داده می‌شد.

⭐️ این فیلم نحوه‌ی کار کردن این کامپیوترها رو نشون می‌ده. توی فیلم یک آقایی برنامه‌ای رو که خروجیش پرچم آمریکاست اجرا می‌کنه و مراحلش رو توضیح می‌ده. دیدنش خالی از لطف نیست.

🆔