جواب ارسالی
@harmoniclib
سلام
اگر فرض کنیم ارزش قسمت اول این جمله درسته یعنی پذیرفتیم که فرد« میدونه »هیچ چیز نمیدونه، به تناقض بر میخوریم چرا که فرد مدعی شده چیزی رو میدونه و بلافاصله میگه هیچ چیزی نمیدونه
و اگر قسمت اول این گزاره رو نادرست فرض کنیم، یعنی بگیم فرد نمیدونه که هیچ چیز نمیدونه
به این معنیه که فرد واقعا هیچ چیز نمیدونه و این هم تناقض داره!
مثل پارادوکسی که یک شخص اهل کرت میگه تمام کرتی ها دروغگو هستند
این گزاره رو چه درست فرض کنیم چه نادرست باز هم به تناقض مشابه ای میرسیم
اما یک گزاره بالاخره یا فقط درست هست یا فقط نادرست پس ارزش چنین جملاتی چیه؟
در واقع جواب اینه که همچنین گزاره هایی درست هستند اما برای پذیرفتن درستی اونا نمیتونیم اونها رو اثبات کنیم یعنی بدون چون و چرا درستی اونها رو پذیرفتیم و اثبات درست بودن اونا چیزی نیست که در همون نظریه و به همون زبان قابل بیان باشه ( قضیه ناتمامیت گودل)

جواب ارسالی
@harmoniclib
سلام و عرض ادب،

در رابطه با جمله‌ی من میدانم که هیچ چیزی نمیدانم باید گفت که مانند همون جمله‌ی مشهور منتسب به هرودوت هست. هرودوت میگه که یونانی ها افراد دروغگویی هستند، در حالی که خود هرودوت یونانی هست و این باعث میشه که ما در یک چرخه‌ی متناقض قرار بگیریم. یعنی اگر گزاره‌ی هرودوت در رابطه با دروغگو بودن یونانی ها صادق باشه، خودش هم دروغ میگه (چون یونانیه و همه‌ی یونانی ها دروغگو هستند) و این در نهایت به تناقض ختم میشه.

در رابطه‌ با جمله‌ی "من میدانم که هیچ نمیدانم"، اگر صورت جمله رو در نظر بگیریم دچار تناقض میشیم، یعنی اگر فرد هیچ چیزی ندونه، پس نمیتونه به این شناخت از خودش برسه که هیچ چیزی نمیدونه، اگر هم بدونه که چیزی نمیدونه، یعنی تونسته چیزی رو بفهمه و این یک نوع تناقضه. در واقع دو گزاره‌ی "من میدانم" با " من هیچ چیزی نمیدانم" نسبت تباین دارند و هیچ اشتراک منطقی‌ای در بینشون وجود نداره. به عبارت دیگه، اگر گزاره‌ی اول صادق باشه، گزاره‌ی دوم الزاما کاذبه و برعکس.

اما این جمله فرای ظاهرش هست و بهتر اینه که بگیم نه یک گزاره‌ی منطقی، بلکه یک جمله‌ی ادبیه، چون در اینجا از یک صنعت ادبی استفاده شده. یعنی فرد در ناچیز بودن دانش فعلی خودش (نسبت به‌ تمام دانش موجود) اغراق میکنه و این گونه بیان میکنه که دانش من در حدی ناچیزه که انگار هیچ چیزی نمیدونم.

جواب ارسالی
@harmoniclib
با عرض سلام و وقت بخیر؛
اگر مجموعه ی دانسته های گوینده ی جمله، A باشد، اگر هیچ نداند یعنی A مجموعه ی تهی است، اما "من میدانم که..." یعنی یک دانسته مانند a وجود دارد که عضو A است؛
پس
a€A
پس ابتدا میگوید من میدانم و سپس بیان میدارد که A تهی است که این تناقض است.

پاسخ سوال انگیزشی 72:
گزاره
"من می دانم " را با p نمایش می دهیم
در این صورت من نمی دانم به صورت p~ است و جمله من می دانم که هیچ نمی دانم جمع دو نقیض بالاست که ارزش آن از نظر منطقی نادرست است.
همین موضوع را می‌شه به روش مجموعه ها نشان داد
فرض کنیم K مجموعه همه دانش های من را در بر بگیرد در این صورت طبق گزاره بالا قسمت دوم گزاره " من هیج نمی دانم" اشاره به این دارد که مجموعه بالا معادل تهی است.
در همین گزاره ولی قسمت اول اشاره به یک عضو حقیقی این مجموعه دارد " من می دانم ..." و بنابراین مجموعه K لااقل یک عضو دارد که به تناقض در پیش فرضهای موضوع می انجامد.
@harmoniclib

متن ارسالی در حوزه هوش مصنوعی و یادگیری ماشین:

عمرتان زیادی کرده که دکترا بخوانید؟

این هفته آقای لکان (یکی از سه‌ خدای دیپ‌لرنینگ) توییتی زده و به مورد Aditya Ramesh اشاره کرد. فردی که لیسانسش رو از دانشگاه NYU گرفته و قصد داشت تا وارد دوره دکتری شود اما با یک کارآموزی در OpenAI مسیرش تغییر کرده و در آن جا مانده و در نهایت با مدرک لیسانس تبدیل به نویسنده اصلی مقاله مدل معروف Dall-E می‌شود.

آقای بهنام نیشابور محقق گوگل هم توییت لکان را کوت کرده و نکات ریزتری برای تایید "نباید برای یادگیری ماشین دکترا خواند" به آن اضافه کرده است. نکته اصلی که تحصیلات تکمیلی برای زمینه‌ای مثل ML آورریتد است. چرا؟ چون که یک نفر بدون هیچ گونه پیش زمینه خاصی می‌تواند به این فیلد وارد شده و با اندکی وقت گذاشتن، حتی می‌تواند به راحتی در کنفرانس‌های مطرح دنیا مقاله‌ای چاپ کند. منابع آموزشی ML روز به روز گسترده‌تر و در دسترس‌تر می‌شوند و واقعا لازم نیست کسی برای وارد شدن به وادی پژوهشگری یادگیری ماشین بیاید و ۵ الی ۶ سال از عمرش را در ارشد یا دکتری هدر دهد. (و خودمانیم، رشته‌‌هایی مثل فیزیک را با ML مقایسه کنید. طرف در فیزیک تا بخواهد به جایی برسید باید مو سفید کند اما امروزه از صفر تا صد ماشین لرنینگ را با این تئوری‌های آبکی که دارد می‌توان در کمتر از دو سال طی نمود)

نکته‌ دیگری که آقای نیشابور اشاره کرده است این است که تعداد موقعیت‌های دکترای یادگیری ماشین روز به روز بیشتر می‌‌شود اما از آن طرف تعداد شغل‌هایی که به مدرک دکتری یادگیری ماشین نیاز دارد در آینده روز به روز کمتر می‌شود. در واقع با داشتن دکتری شما over-qualified می‌شوید و از طرف دیگر هم مگر آکادمی چه قدر موقعیت شغلی می‌تواند داشته باشد؟ در مقابل، صنعت اما بیش از ML Researcher به ML Engineer‌ها نیازمند است. کسی که بتواند چیزی را واقعا بسازد. دوره دکتری باعث دوری نسبی از شما صنعت و مهارت‌های آن خواهد شد. آقای نیشابور در انتها به نتایج تحقیقی اشاره کرده که در آن گفته شده درصد زیادی از دانشجویان تحصیلات تکمیلی دچار افسردگی و اضطراب شدید هستند. پس اگر دلتان می‌خواهد سگ سیاه افسردگی هر شب شما را بغل کند، می‌توانید به گزینه دکتری خواندن فکر کنید.

نکته دیگری که ما به صحبت‌های بالا اضافه می‌توانیم بکنیم این است که جایگاه متفاوت یادگیری ماشین و به طور عام هوش مصنوعی نسبت به سایر علوم را باید در نظر گرفت. هوش مصنوعی در مدت ۷۰ سال اخیری که از خدا عمر گرفته است، همچنان حوزه یکپارچه‌ای نبوده است. هر از چند گاهی ایده‌ای آمده است و با هوش مصنوعی وارد بهاری شده و در نهایت در زمستانی دفن شده است. گاهی منطق‌دان‌ها به آن وارد شده‌اند و با دیدشان روش‌های سیستم‌های خبره و منطق را برای هوش مصنوعی توسعه داده‌اند. گاهی برقی‌ها وارد شده‌اند و مفاهیم سیگنالی را در حوزه هوش مصنوعی غالب کرده‌اند و این اواخر هم ریاضی‌دان‌ها و آماردان‌ها وارد شده و پارادایم یادگیری ماشین را پادشاه هوش مصنوعی کرده‌اند. از حدود ۲۰۱۲ به این ور هم شبکه‌های دیپ (شاید مدیون پیشرفت‌‌های سخت‌افزاری) فرمان بازی را به دست گرفته و بهاری‌ترین دوران هوش مصنوعی را رقم زده‌اند. اما واقعیت این است که یادگیری عمیق نیز اکنون احتمالا وارد پاییز خود شده است (در این مورد در آینده احتمالا صحبت می‌کنیم). مسیر تحقیقاتی هوش مصنوعی و یادگیری ماشین احتمال دارد به زودی دوباره وارد زمستان سخت شده و تمامی سرمایه‌گذاری‌های تحقیقاتی بسوزند. البته که بحث دنیای صنعت فرق می‌کند و همین الان بسیاری راه‌حل‌های یافت شده در دنیای آکادمی آماده هستند تا به دنیای صنعت و کاربرد اعمال شوند. در همین راستا شاید پیشنهاد ML Engineer شدن به جای ML Researcher شدن پیشنهاد عافیت داری برای دین و دنیا باشد.
@harmoniclib

متن ارسالی:

لازم می دونم چند نکته را در این زمینه خدممتون عرض کنم:

من این اتفاقات رو حاصل چند موضوع می‌بینم:
۱. کمونیسم علمی، تورم علمی و بی‌ارزش شدن علم: همون‌طور که چاپ بی‌رویه پول پدیده خوبی نیست و نباید از این که همه کاغذهای زیادی به نام پول دارند خوشحال بشیم، تاسیس دانشگاه و اعطای مدرک هم به‌خودی خود چیز خوشحال کننده‌ای نیست. تعداد دانشگاه‌های ایران از چین بیشتره، و این باعث پیشرفت علمی بیشتر ایران نشده.
https://madaran.net/attachments/3182324-jpg.33412/
حتی اگر تعداد دانشگاه‌های دولتی کمتر می‌بود، شاید می‌شد کیفیت بهتری داشته باشند. جالبه که هیچ کدوم از دانشگاه‌های ایران حتی جزو ۱۰ دانشگاه برتر خاورمیانه هم نیستند.
https://www.sharghdaily.com/fa/tiny/news-848718

منظور از کمونیسم علمی که گفتم برابری افراد پرتلاش و کم‌تلاشه. می‌دونیم کمونیسم، سرمایه‌ها و استعدادها رو نابود می‌کنه. شاید دلیل فرار بی‌رویه مغزها در ایران هم همین موضوع باشه. جالبه که دانشگاه تهران که یکی از بالاترین بودجه‌ها رو توی دانشگاه‌های دولتی ایران داره در قالب طرح بنیاد حامیان دانشگاه تهران، به دانشجوهای برتر، ماهیانه ۲۰۰ هزار تومان میده!

چند روز پیش با یکی از اساتید دانشگاه اصفهان صحبت می‌کردم.‌ می‌گفتند خیلی از هزینه‌های دانشگاه مربوط به یارانه‌ غذا میشه. و رئیس دانشگاه پهنای باند زیادی از ذهنش رو باید صرف این موضوع بکنه. یکی از اساتید توی یه گروه واتساپی که خود اساتید داشته‌ن پیشنهاد میده دانشجوهایی که مشروطی زیاد داشته‌ن دیگه غذای رایگان نداشته باشند.

۲. من دلیل خیلی از این دانشگاه‌ها (اعم از آزاد و پیام نور و غیرانتفاعی) رو حداقل توی چند تا موضوع می‌بینم:

۱- سربازی اجباری: خیلی از پسرها برای به تعویق انداختن سربازی ادامه تحصیل میدن، تا بعدش ببینن چی میشه (یا مهاجرت کنند، یا امریه بگیرند یا این که فعلا قصد ندارند به سربازی فکر کنند و صرفاً می‌خوان این موضوع رو به تعویق بندازن!)
اگر سربازی حرفه‌ای می‌شد، تعداد معتنابهی از دانشجویان پسر کم می‌شدند.

۲- تفکیک جنسیتی: تفکیک جنسیتی همه جا هست ولی توی دانشگاه خیلی کمتره. یکی از معضلاتی که به نظر من از تفکیک جنسیتی ناشی میشه مخدوش شدن اهداف نهادهای اجتماعی هست. مثلا توی خود دانشگاه هم ممکنه بعضی افرادی که توی کانون‌های شعر و موسیقی و تئاتر هستند لزوماً برای شعر و موسیقی و تئاتر اون جا نرن!

۳- مشکلات فرهنگی و ساختاری: هنوز بعضی از افراد فکر می‌کنند دکترا خوندن خیلی باکلاسه، یا برای ازدواج مدرک تحصیلی یه فاکتور خیلی مهمه. در صورتی که واقعا هر دو تا لیسانسی یه جور نیستند. و هر لیسانسی به معلومات افراد اضافه نمی‌کنه. توی ادارات هم به صرف داشتن مدرک، افراد می‌تونن افزایش حقوق یا ارتقا پیدا کنند. در صورتی که اولا مدرک فرد باید به سِمَتش مرتبط باشه، ثانیا دکترا گرفتن برای یه پست مثلا توی شهرداری ممکنه مزیتی نداشته باشه. چون دکترا بیشتر کار پژوهشی و جلو بردن مرزهای علمه

همه این مباحث در کنار مقاله‌گراییِ صِرف باعث شده ما با یک ساختار معیوب دانشگاهی مواجه بشیم. به نظر بنده الآن وقت اینه که جامعه دانشگاهی (به‌خصوص اساتید) خواستار یک تغییرات ساختاری بشن.

نویسنده: محمدجواد واعظ

@harmoniclib

خواهش ارسالی

سلام
ای کاش کسایی که دکترا گرفتن و راضی هستن از موقعیت های شغلی که دارن و براشون ایجاد شده و دلایل رضایتشون رو بیان کنن تا برای ما که قصد داریم بخونیم انگیزه باشه
___
@harmoniclib
جواب‌های خود در مورد این خواهش دوست عزیزمون را برای من بفرستید
👇👇👇
@meisami_mah

دیروز صحبت جالبی از زبان یکی از مروجان علم شنیدم، ایشان می‌گفت:

تا می‌توانید رمان کلاسیک بخوانید، این کار باعث می‌شود شما "منطق بین گزاره‌ها" را بهتر درک کنید.

@harmoniclib

#مسئله_چالشی
#شماره_9

جواب‌های خود را به آی دی

👇👇👇👇👇👇
@meisami_mah


هم‌چنین می‌توانید پاسخ درست را از بین گزینه‌های زیر انتخاب کنید:👇🏻👇🏻👇🏻

@harmoniclib

انجمن علمی ریاضی دانشگاه قم برگزار می کند :

" کارگاه حل تمرین ریاضی۱ "
مدرس :
👨‍🏫 دکتر مهدی میسمی
( استاد مدعو دانشگاه قم )

زمان :
📅 پنجشنبه ها
۸ و ۱۵ دی ماه ۱۴۰۱
🕜 ساعت ۱۳:۳۰ الی ۱۵:۳۰
💳 هزینه ثبت نام : رایگان
✔️ جهت کسب اطلاعات بیشتر و ثبت نام به آیدی زیر پیام دهید :
🆔 https://Eitaa.com/ZA13822003

@harmoniclib