رفقا سلام💌
یکمی طول کشید تا دورهمی دوم برنامه ریزی کنیم ولی قوی شد💪🏻
یعنی محتوا براتون آماده کردیم در حد بنز😎

قراره دوباره در مورد درآمد دلاری صحبت کنیم ولی از ی زاویه دیگه
و خب یکی ار روش های کسب درامد دلاری، دورکاری هست پس توی این رویداد صفر تا صد پیدا کردن کار Remote را پوشش میدیم
یک بخش ویژه هم داره که قراره خیلی تجربه محور در مورد سوالاتی که توی مصاحبه ها مطرح میشه صحبت کنیم و تمرین کنیم بهترین جواب ها چیان (بعیده نمونه این صحبت ها را جایی دیگه ببینید)

نکته: بنا به دلایلی ظرفیت مثل دفعه قبل بالا نیست و متسفانه تعداد نفرات محدودی را می تونیم توی رویداد داشته باشیم.😢

🍻 دومین دورهمی هوش مصنوعی دیتاهاب (اصفهان)

📗موضوع: درآمد دلاری از طریق هوش مصنوعی (صفر تا صد Remote jobs)

قراره بهتون توی این جلسه یاد داده بشه چطور از کنج اتاقتون، با هر شرکتی توی هر کشوری کار کنید و دلاری دستمزد بگیرین.

✅ لینک ثبت نام
✅ کد تخفیف 80 درصدی: AI-irtn-80

🗓 چهار شنبه، 2 آبان، ساعت 15 تا 17
🏦 اصفهان - دروازه شیراز - دانشگاه اصفهان - جنب رستوران یاس 1 - ساختمان مرکز رشد علوم انسانی

📛 توجه: برای شرکت در رویداد، ثبت نام ضروری هست.

❇️@data_hub_ir
❇️data-hub.ir
❇️Linkedin
❇️09938013176

یک دوستی توی لینکدین یک پست گذاشته بودن که سال اول مهاجرت حتی مجبور شدن زمین تمیز کنند

اصلا قصد قضاوت ندارم ولی برام سوال میشه واقعا ارزشش داره که آدمی که اینجا سینیور هست و حوزه هوش کار می‌کنه بره یک سال کف تمیز کنه یا کارهای مشابه

دوست دارم منطقی بهش نگاه کنم
درگیر این جو نباشم که اگه راضی نیستی سریع بلیط بگیر برگرد ایران
یا برعکس از زندون ایران فرار کن و راحت شو
این نگاه‌های صفر و صد که مطلق گراست جواب سوال نیست چون به دور از منطقه

من میخام منطقی ببینم بهایی که حین و بعد از مهاجرت پرداخت میشه با دستاوردهاش‌ همخونی داره یا نه؟

خب رفقا این رویداد برگزار شد
توی ارائه، تقریبا بعد هر تک جمله که میگفتم بعدش یک تجربه واقعی هم گفتم که تجربه محور باشه

دوستانی هم اینجا و هم لینکدین میگفتن یا ضبطش کنیم یا انلاین باشه یا ...
من خیلی دوست دارم چنین حرکتی بزنیم
شاید نزدیک به 20 ساعت محتوا داریم الان که یونیک هست
که از دل کلی تجربه هست

ولی یک مشکلی هست
یک سری ادم کپی کار هستند که سریع محتوا بر میدارن و یک پکیج میلیونی میسازن ازش
با تبلیغات و اینستا به راحتی اون پکیج میلیونی می فروشن و پول خون ادما ازشون میگیرن

میدونم همیشه امکان کپی هست ولی شما راهی سراغ دارید که حداقل کپی کردن سخت بشه
ممنون میشم کسی ایده ای برای حل این مشکل داره اطلاع بده

بیشتر که فکر کردم تقریبا یکی دو ساله دل و دماغ تدریس نداشتم و دوره جدید به اونصورت برگزار نکردم
شاید علتش این باشه که مثلا دوره NLP کامل کپی کردن یه آب هم روش

رفقا واقعا وضعیت آموزشی توی حوزه هوش مصنوعی خوب نیست، حتی فاجعس
ب بن بست رسیده

کم کم دارم وسوسه میشم که یه آسیب شناسی کامل و جامع داشته باشم (نگاه می کردم تا الان هیچ کسی آسیب شناسی نکرده)
و قشنگ براتون باز کنم داستان چیه و مشکل کجاست و راه حل چیه

اگه موافقین که توی چندتا پست فعالین این حوزه بررسی کنیم و مشکلات جدی شناسایی کنیم، این پست لایک کنید.

شرکت توی دوره های بلند مدت موسسات داخلی (و البته خارجی) مطلقا تاکید نمیشه
حتی برندترینشون

چرا من دانشجو باید طی یک فرایند فشرده و فرسایشی یک ساله؛ کلی مطلب متنوع یاد بگیرم که خیلیش؛ اصلا ماهی یک بار هم نیازم نمیشه
اصلا منه دانشمند داده چرا باید PowerBI یاد بگیرم
مگه اچار فرانسه هستم؟
حالا یک شناخت کلی در حد یک جلسه مشکلی نیست ولی عمیق شدنش دیگه چرا؟
اگرم دنبال مدرک هستید که به پیر و پیغمبر و هر آنچه اعتقاد دارید و ندارید، مدرک مهم نیست مگر اینکه کارآموز باشید
کسی صرفا با داشتن مدرک صاحب شغل و درامد نشده

مرسی از انرژی بالایی که دادین😍

دیروز ویس ضبط کردم دادم دست بچه‌ها تایپ و ادیت کنن

به زودی طی چندتا پست یک آسیب شناسی تر و تمیز از وضعیت حوزه آموزش هوش مصنوعی خواهیم داشت

و همچنین میگم که بحران دهه ۸۰ که واسه رشته حسابداری پیش اومد
مشابهش الان واسه هوش اتفاق افتاده
و تعداد نیروها از ظرفیت شرکت‌ها بیشتر شده

و وارد یک فضای بدی شدیم که کلی کارآموز یا نیروی جونیور هست که دوره دیده ولی براش کار نیست
و نمی‌دونه باید چیکار کنه
چون عرضه و تقاضا با هم نمیخونه
و صنعت ایران کشش این حجم نیروی هوش نداره...

یه حس عجیبی دارم
خیلی عجیب
احساس می کنم 4 سال اینده قراره یه استرس و هیجان شدیدی تجربه کنیم
امیدوارم اتفاقی واسه ایران عزیزمون نیفته

ولی فارغ از جنگ و اینا
ایلان ماسک به احتمال زیاد قراره وزیر بشه و فکر می کنم میخان وزارت خانه بهینه سازی یا مشابه بهش راه اندازی کنن
و به شدت هیجان دارم که ایلان ماسک قراره مرزهای تکنولوژی فتح کنه و رشد نجومی توی هوش مصنوعی رقم بزنه
به شخصه خوشحالم توی عصری زندگی می کنم که کسی مثل ماسک هست که ادمو یاد تسلا میندازه

خب نتایج رسمی اعلام شد
و فارغ از بحث‌های سیاسی و نظامی که بنده هیچ تخصصی در موردش ندارم
ولی یک ۴ ساله هیجان‌انگیز واسه هوش مصنوعی در پیش داریم
دلایل زیادی داره

دوست داشته باشید بعد از آسیب شناسی حوزه آموزش که بهتون قول داده بودم و به زودی منتشر میشه
می‌تونیم براساس شواهد یک دیدگاهی نسبت به آینده هوش پیدا کنیم

شوخی نیست ایلان ماسک کل اعتبار و هویتش گذاشت وسط
۱۳ درصد سهام تسلا رشد کرد و طبیعتا الان آزادی عمل بیشتری داره
احتمالا استارلینک تا ۴ سال دیگه در دسترس عام قرار میگیره حتی یک روستا

این آدم و چند نفر دیگه ایده‌های جذابی واسه آینده بشریت دارند
مثلا تیم ماسک ایده چشم مصنوعی استارت زد به کمک نورولینک و طبق گفته خودشون نتیجه اولیه خوبی داد

همین چند وقت پیش یک استارت‌اپ نونیم یک حرکتی زد و یک آس رو کرد
یا قضیه درک خواب و دستکاری خواب و تراپی از طریق خواب
همه اینها به کمک هوش انجام میشه

اینا حرف‌های کلی بود و علاقه داشته باشید سر یک فرصتی، قشنگ با آمار و ارقام و منبع معتبر
یک دید جالب از آینده بهتون به اشتراک میزارم

ببین عزیز من، این هوش مصنوعی که این روزا همه جا اسمش رو میشنوی، تو ایران تازه واردِ. یعنی بخوام صادقانه بگم، هنوز ۱۰ سال نشده که جدی جدی پاش به دانشگاه‌ها و مراکز علمی ما باز شده. قبلش هم یه چیزایی بود ولی خب، اونقدر جدی نبود. تو صنعت هم همین داستانه - تازه داره جا باز میکنه.

حالا جالب اینجاست که این پدیده نوظهور، نه فقط تو ایران، بلکه تو کل دنیا داره مثل قارچ رشد میکنه و پیشرفت میکنه. به خاطر همینه که میبینی این روزا همه جا پر شده از دوره‌های آموزشی - از ویدیو بگیر تا پادکست و مقاله. من خودم مدت‌هاست دارم زیر ذره‌بین میذارم این موسسه‌های آموزشی رو که ببینم چی یاد میدن و چجوری یاد میدن.

بذار برگردیم عقب‌تر، به همون روزای اولی که تازه داشت سر و کله‌ش توی ایران پیدا میشد. یه چیزی حدود سال‌های ۹۰ تا ۹۵. اون موقع فقط یه زمزمه‌هایی بود که 'آهای مردم، یه چیزی هست به اسم هوش مصنوعی!' از ۹۵ به بعد کم کم صداها بلندتر شد. البته این تاریخ‌ها رو دقیق نگیریا، ولی خب تقریباً همین حدودا بود.

اون اوایل، طرف میومد فقط پایتون یاد میداد یا فقط آر، همین! جالبه که کلی هم طرفدار داشت. ولی خب رفته رفته قضیه پیچیده‌تر شد. اول پایتون بود، بعد آر اومد، بعدش یادگیری ماشین اضافه شد، بعد شبکه‌های عصبی اومدن وسط، کم کم پردازش تصویر و پردازش زبان طبیعی هم اومدن. ولی میدونی کِی بمب ترکید؟ از وقتی که کرونا اومد! از اون موقع به بعد بود که دیگه هر روز یه بحث جدید تو حوزه هوش مصنوعی میشنیدیم. دوره های آموزشی فت و فراوون چه فارسی و چه انگلیسی به چشم میومد.

#آسیب_شناسی

نکته: اگه پست قبل نخوندی که حتما بخونش چون این مباحث خیلی بهم مربوطن
واسه راحتی کارت هم هشتگ آسیب_شناسی داخل کانال سرچ کن چون پیش فرض من اینه که پست قبل خوندی

رفقا، من کاری به حوزه‌های دیگه ندارم به صورت تخصصی دارم در مورد هوش مصنوعی صحبت می‌کنم و اینجا یه اتفاق مهم افتاد. داستان از این قراره که ما دو مدل رشد داریم: افقی و عمودی. حالا من به رشد عمودی میگم رشد عمقی. بذار برات قشنگ باز کنم این موضوع رو.

ببین، یه وقتایی میایم نگاه میکنیم میبینیم همه دارن پایتون درس میدن. خب من چیکار میکنم؟ میگم بذار یا یه چیز جدید یاد بدم، یا همین پایتون رو عمیق‌تر و پیشرفته‌تر توضیح بدم، جوری که تا حالا کسی نگفته. یا اصلاً برم سراغ یه موضوع دیگه (ولی بی نهایت موضوع وجود نداره که). اما یه مشکلی این وسط هست - این رشد عمقی یه جایی به ته خط میرسه!

مگه پایتون چقدر مبحث جدید داره؟! اکثر مباحثش گفته شده و دیگه مثلا پایتون رو مگه چقدر میشه عمیق تر گفت؟ دیگه نهایت بخوای شی گرایی و کار با فایل و ... بگی، نمیشه امنیت هم به بهونه اینکه داده مهمه و باید ازش محافظت بشه جز سرفصل ها بیاری.

میدونی چرا میگم ته خط؟ چون الان به یه بن‌بست رسیدیم. یعنی چی؟ یعنی بیشتر مطالب رو همه گفتن دیگه! مگه میشه پایتون رو از این بیشتر شکافت؟ خب شاید ذهن خلاق مدرسمون بگه که خب برو سراغ یادگیری ماشین و شبکه عصبی. خب اوکی سمت این تاپیک ها میری ولی اینام انتها دارن، خب مفاهیم محدودن دیگه، قرار نیست بی‌نهایت مفهوم جدید از آسمون بباره! اینجا بود که مراکز آموزشی موندن که 'خب حالا چی یاد بدیم؟

البته یه مشکل بزرگ‌تر هم هست. میدونی چیه؟ الان تو ایران، بچه‌هایی که تو حوزه هوش مصنوعی کار میکنن، اطلاعاتشون خیلی بیشتر از چیزیه که تو شرکت‌ها ازش انتظار دارن. یه شکاف فراخ این وسط افتاده - تو کلی چیز بلدی ولی فقط یه گوشه کوچیکش رو میتونی استفاده کنی. چرا؟ چون صنعت ما هنوز اونقدر پیشرفته نیست و تو عملاً بیشتر از نیازت میدونی. (ساده تر این حرف یعنی، ما تا الان هم زیادی عمیق شدیم)

#آسیب_شناسی

البته در ادامه صحبت قبلی، یه مشکل جدی‌تر هم هست. این مراکز آموزشی موندن که 'حالا چی به مردم یاد بدیم؟ مردم دوست دارن چه چیز جدیدی بشنون؟' خب یه فکر جدید به ذهنشون رسید - گفتن بیایم دوره‌های تجربه محور بذاریم. یعنی چی؟ یعنی میگن ما همون پایتون و یادگیری ماشین رو درس میدیم، ولی با تجربه‌های عملی. تا یه حدی هم خوب جواب داده و مردم استقبال کردن.

ولی یه مشکلاتی داره. آخه مگه صنعت ما چقدر پیشرفت کرده؟ اصلاً مگه چند ساله هوش مصنوعی اومده ایران که ما این همه تجربه داشته باشیم؟ منِ مدرس مگه چندتا پروژه انجام دادم که بخوام پز تجربه‌هام رو بدم؟

جالبه بدونی که این مدل آموزش تو خارج هم تقریباً نداریم. بری سایت‌های خارجی رو نگاه کنی، هیچ کدوم از اساتید بزرگ هوش مصنوعی نمیگن ما میخوایم از تجربه‌هامون درس بدیم. اونا بیشتر رو مفاهیم کار میکنن. آخه مگه چقدر تجربه میشه داشت؟ تازه، تجربه‌ای که من تو یه پروژه دارم، معلوم نیست به درد پروژه تو بخوره!

این قضیه تجربه محور بودن خیلی قشنگ به نظر میاد، خیلی فریبنده‌ست. همه‌مون دوست داریم تجربه‌های بقیه رو بشنویم. ولی طرف مگه چندتا پروژه انجام داده؟ تو اون پروژه‌ها چه تجربه‌های مهمی داشته؟ اصلاً گیریم که کلی تجربه داره، میاد نیم ساعت یا یه ساعت حرف میزنه و تموم! نمیشه که سی چهل ساعت بیاد اینجا تجربه تعریف کنه!

یه فکر جدید اومد وسط. گفتن به جای اینکه عمیق‌تر بریم تو مطالب، بیایم افقی گسترش بدیم. یعنی چی؟ یعنی رفتن سمت دوره‌های طولانی مدت. مثلاً اومدن گفتن ما علاوه بر پایتون و یادگیری ماشین، دیتابیس هم یاد میدیم. جالب شد، نه؟ کم کم یه چیزای دیگه هم اضافه کردن و شد دوره یک ساله. یهو دیدیم این جور دوره‌ها مثل قارچ همه جا سبز شدن و هر جا میری اسمشون رو میشنوی!"

#آسیب_شناسی

در ادامه پست قبلی، که داشتیم در مورد دوره های بلند مدت صحبت میکردیم
این دوره‌های طولانی مدت یه سری مشکلات اساسی دارن. اول از همه، باید از خودمون بپرسیم واقعاً همه این چیزا لازمه؟ یعنی یکی که واقعاً تو صنعت کار کرده باید بیاد بگه که 'آقا جان، واقعاً همه این مهارت‌ها به درد من که میخوام تو حوزه هوش مصنوعی کار کنم میخوره یا نه؟'

بذار رک و راست بهت بگم - نه، لازم نیست! جالب اینجاست که خیلی از این موسسه‌های آموزشی هم اینو میدونن، ولی چرا همچنان دارن هی مطالب رو زیاد میکنن؟ چون میخوان دوره‌هاشون بیشتر فروش بره. واسه همینه که یهو میبینی شی‌گرایی، هوش تجاری و کلی چیز دیگه رو چپوندن تو این دوره‌ها. انگار یه جعبه ابزار گنده دارن که هی آچار میریزن توش! حالا بعضی از این آچارا رو شاید سالی یه بارم نیاز نداشته باشی، پس چرا باید یاد بگیری؟

یه مشکل دیگه هم هست - مگه چقدر میشه به این دوره‌ها اضافه کرد که خسته‌کننده نشه؟ یعنی منی که اومدم هوش مصنوعی یاد بگیرم، نمیتونم همینجوری هر چیزی رو قورت بدم. مثلاً یارو پا میشه میاد UI/UX هم میذاره تو برنامه، میگه اینم یه ابزار دیگه! خب بالاخره یه حد و مرزی داره دیگه.

ببین، یه محدودیت‌هایی هست که نمیشه ازش رد شد. نمیتونی دوره رو بیشتر از 200 ساعت بکشی، مگه میخوای چهار سال طول بدی؟ نهایتش 6 ماه، 9 ماه، یا یه سال. تو این یه سال هم که نمیتونی یه کامیون محتوا بریزی تو سر مردم! یه محدودیت زمانی هست دیگه. از اون طرف، مگه چندتا موضوع مرتبط با هوش مصنوعی داریم؟ حالا گیریم به یه دلایلی شی‌گرایی و دیتابیس و هوش تجاری رو یه جوری به هوش مصنوعی ربط دادیم و گذاشتیم تو دوره، ولی دیگه دیجیتال مارکتینگ رو که نمیشه انداخت توش! خلاصه که اینجوری یه جایی کار میلنگه و الان دقیقاً رسیدیم به بن‌بست.

#آسیب_شناسی

خب در راستای پست قبلی، درمورد بن بستی صحبت می کردم که اتفاقا خیلی جدیه. جوریه که نه میتونیم افقی رشد کنیم، نه عمودی. موسسه‌های آموزشی الان دقیقاً موندن که چیکار کنن. ولی یه مشکل خیلی بزرگ‌تر هم داریم که من بهش میگم 'بحران نیروی کار هوش مصنوعی'.

بذار یه مثال برات بزنم. یادته دهه 80 چه خبر بود؟ یه دوره‌ای همه فکر میکردن حسابداری خیلی خفنه و آینده‌داره. چی شد؟ یه عالمه آدم رفتن حسابداری یاد گرفتن و بعدش موندن بیکار! الان دقیقاً همون بلا داره سر هوش مصنوعی میاد. کلی آدم آموزش دیدن ولی صنعت ما اونقدری جا نداره که همه رو جذب کنه.

میدونی چقدر بده؟ من روزی حداقل یه نفر بهم پیام میده که 'کارآموزی سراغ نداری؟' مشکل اینه که صنعت ما هنوز اونقدری قوی نیست. یعنی به زبون ساده، خیلی بیشتر از اونچه که بازار کار نیاز داره، آدم داریم که هوش مصنوعی بلده! شرکت‌ها تعداد محدودی نیرو میخوان، ولی تعداد آدمایی که دارن آموزش میبینن از حد گذشته.

بدتر از همه اینه که این دوره‌های آموزشی هم درست و حسابی آدما رو آماده کار نمیکنن. یه سری چیز یادشون میدن که نه اونقدر خوب بلدن که برن سر کار و حقوق بگیرن، نه اونقدر کم بلدن که بگن 'ولش کن بابا، بریم یه کار دیگه مثل طراحی سایت یاد بگیریم.'

دانشجوها الان تو یه فضای گنگی گیر کردن. دقیقاً همون بلایی که سر حسابداری اومد، الان داره سر هوش مصنوعی میاد. جالبه که تا حالا کمتر کسی اومده درباره این مسائل حرف بزنه. ولی به نظرم وقتشه که یکی پا پیش بذاره و این بحث رو باز کنه. باید یه سری چیزا روشن بشه، باید واقع‌بینانه‌تر به قضیه نگاه کنیم.

منظورم چیه؟ یعنی باید ببینیم واقعاً صنعت ما کشش این همه متخصص هوش مصنوعی رو داره یا نه؟ این سوال خیلی مهمه! از اون طرف هم باید یه بازنگری اساسی تو برنامه‌های آموزشی هوش مصنوعی بشه. باید یه راه جدید پیدا کنیم که این مشکلاتی که گفتم رو نداشته باشه، وگرنه اوضاع خوبی در انتظارمون نیست.

#آسیب_شناسی

واقعا از دیدن خبرش از درون فرو ریختم

خداحافظ پسر ایران‌دوست

#کیانوش_سنجری

رفقا یه حرف دلی بهتون میگم

زندگی حساسه و بی رحمه

یک عمر درست رانندگی می‌کنی ولی به خاطر یک خطای کوچیک میمیری (همیشه کمربند می بستی ولی فقط یک بار نمیبندی)

کسب و کار هم همینطوره
یک خطا ممکنه به نابودی کل کسب و کار منجر بشه (همیشه به صورت منظم تحلیل رقبا می کردی ولی یک بار انجامش ندادی- همیشه ددلاین رعایت می کردم حالا یه بارم دیر تحویل بدم، چیزی که نمیشه)

پس مراقب باشید و از این حرف به شدت فاصله بگیرید
"فقط یه باره" یا "من که همیشه رعایت می کنم حالا این یک بار بی خیال میشم، دنیا که به آخر نمیرسه"

تفسیر اول این‌که بگیم همین که یه نفر در فرانسه مسلمان باشه، احتمال مجرم بودنش خیلی بیشتره. پس باید بیشتر مواظب این‌ها باشیم. چون مجرم بالقوه هستن.

تفسیر دوم اینه که بگیم احتمالاً پلیس یا سیستم قضایی نسبت به این‌ها سوگیری داره و راحت‌تر حکم زندان صادر می‌کنه. یا مسلمان‌ها در فرانسه جزو گروه‌های نادیده‌گرفته شده و سرکوب شده هستن و به همین علت، از امکانات، مزایا، وام و سایر امکانات رفاهی محرومند و به سمت بزهکاری و جرم و جنایت سوق داده می‌شن.

قضاوت در این که کدوم تفسیر درسته (یا شاید یک تفسیر بینابینی) کار ساده‌ای نیست. تحلیل‌گر می‌خواد. متخصص سیاست‌گذاری می‌خواد. فرد آشنا با تفکر سیستمی می‌خواد. جامعه‌شناس می‌خواد و ...

ما با آمار، سواد عددی، علم داده و به تعبیرِ عام و غیردقیقی که این روزها مد شده، با هوش مصنوعی، می‌تونیم داده‌هامون رو تمیز کنیم، طبقه‌بندی کنیم، توصیف کنیم، بررسی کنیم و ...

اما در یه لایهٔ بالاتر (حداقل فعلاً‌ و احتمالاً تا مدت‌ها) نهایتاً باید یه جا در مدلسازی، قضاوت انسانی رو روی اون‌ها سوار کنیم. قضاوتی که هم با کانتکست (بافت و محیط بیرونی) آشناست، و هم نظام ارزشی خودش رو داره (مثلاً سوال رایج این روزها در ایران و اروپا: آیا مهاجر حق داره به اندازه‌ی مردم خود کشور جرم انجام بده؟ یا کشورها حق دارن بگن ما مهاجرانی رو می‌پذیریم که از متوسط مردم خودمون بالاتر و بهتر باشن؟).

فکر می‌کنم در یک تقسیم‌بندی ساده، آدم‌ها رو در مواجهه با ابزارهای جدید (علم داده، هوش مصنوعی و ...) می‌شه به سه دسته تقسیم کرد.

🔸 دستهٔ‌ اول این ابزارها رو نادیده می‌گیرن. و نهایتاً‌ به مشتری و مصرف‌کنندهٔ محصولات این ابزارها تبدیل می‌شن (consumer).

🔸️ دستهٔ دوم ابزارها رو زیادی جدی می‌گیرن. و نهایتاً به استفاده‌کننده این ابزارها تبدیل می‌شن (user).

🔸️ دستهٔ سوم میرن سراغ «مرز و محدودیت‌های ابزار». می‌بینن ابزار تا کجا جلو می‌ره و در کجاها نمی‌تونه جواب بده. این‌ها می‌تونن سیاست‌گذاران قوی، تحلیل‌گران قوی و یا طراحان نسل بعدی ابزارها بشن.



پ.ن.۱: وقتی می‌گم ابزار جدید، حواسم هست که هوش مصنوعی حتی قبل از اینترنت شروع شده و علم داده‌ هم قدیمی‌تر از این حرف‌هاست. منظورم صرفاً‌ آگاه شدن جامعه از وجود چنین ابزار‌هاییه.

پ.ن.۲: برای این که بتونیم مرز و محدودیت‌های ابزارها رو بشناسیم، لازمه اول خود ابزارها رو عمیق بشناسیم. نمی‌شه مستقیم و بدون شناخت عمیق، مستقیم بریم در لایهٔ آخر.

من از زمان متممی شدنم می‌دونستم محمدرضا شعبانعلی علاقه‌مند به مباحثی مثل هوش مصنوعی هست
و این پست اخیرشون، به نظرم دید خوبی به افراد فعال این حوزه میده که چطور با پدیده هوش مصنوعی برخورد کنیم

رفقا یک اتفاقی افتاد خیلی خوشحال شدم
کتابی که توی نگارش یک فصلش در حد توان دخیل بودم، خوشبختانه چاپ شد

اینم بگم که این کار زحمت اصلیش واسه خانم زارعی عزیز بود که خداقوت میگم بهشون.

https://www.taylorfrancis.com/chapters/edit/10.1201/9781032708430-11/deep-learning-algorithms-diabetes-mellitus-detection-management-mohadeseh-zarei-ghobadi-mohammad-dehghani-elaheh-afsaneh