مدل زبانی GPT2 Large در مورد غذای ایرانی حرف می زند!
خودتان امتحان کنید

(اگر گیف بالا را روی گوشی نمیبینید از کامپیوتر نگاه کنید)

🦋دکوراتورها در پایتون🦋

یکی از کاربردهای تابع این است که از تکرار کد ها جلوگیری می کند. مثلا شما یک تابع می نویسید که از فایل چیزی را بخواند یا مثلا عدد اول شماره n ام را بدست بیاورد. اینها مثال های ساده ای هستند که همه شما می دانید. اما تا به حال به این فکر کرده اید که گاهی بعضی کارها برای خود توابع هم تکراری می شود و باید یک روش ساده برای جلوگیری از تکرار وجود داشته باشد. مثلا فرض کنید شما می خواهید بدانید هر تابع شما چقدر زمان میگیرد.
یا اینکه بخواهید لاگ از تابع بگیرید یا حتی آن را به صورت موازی اجرا کنید. برای همه این کارها نیاز هست یک عملیات تکراری را برای تابع انجام دهیم. گویی یک تابع برای تابع نیاز داریم به این صورت که مثلا تابع را به آن پاس بدهیم و آن تابع برایمان زمانش را محاسبه کند یا آن را لاگ کند.

خوشبختانه روش ساده ای برای این کار وجود دارد: دکوراتور ها

https://vrgl.ir/r8j6m

🧠«زال» : یک سرویس پردازش متن تماما فارسی مدرن!🧠

یکی از سرویس های بسیار خوب برای پردازش زبان طبیعی که توسط یکی از همکاران سابق من ایجاد شده ست نقطه شروع مناسبی برای کسانی است که به دنبال گرفتن سرویس یا یادگیری در مورد آن هستند. «زال» یک سرویس فارسی است که شامل ریز سرویس های زیر می شود:

- طبقه بندی متون
- تحلیل تمایل
- تحلیل احساسات
- تشخیص ناسزا
- تشخیص موجودیت های نامدار
- یافتن کلمات مشابه

این سرویس هنوز در مراحل اولیه خود بسر می برد ولی به سرعت در حال پیشرفت است!

https://getzaal.com/

Once upon a time a young rabbinical student went to hear three lectures by a famous rabbi. Afterwards he told his friends: “The first lecture was brilliant, clear and simple. I understood every word. The second was even better, deep and subtle. I didn’t understand much, but the rabbi understood all of it. The third lecture was by far the finest, a great and unforgettable experience. I understood nothing, and the rabbi didn’t understand much either.”
-Neils Bohr

گفتند: ما را تفسیر قرآن بساز. گفتم: تفسیر ما چنان است که می‌دانید. نی از محمد! و نی از خدا! این «من» نیز منکر می‌شود مرا. می‌گویمش: چون منکری، رها کن، برو. ما را چه صداع (دردسر) می‌دهی؟ می‌گوید: نی. نروم! سخن من فهم نمی‌کند. چنان که آن خطاط سه گونه خط نوشتی: یکی را هم او خواندی هم غیر او... یکی او خواندی، لا غیر ... یکی نه او خواندی نه غیر او. آن خط سوم منم که سخن گویم. نه من دانم، نه غیر من!

مقالات شمس تبریزی

🦋دکوراتورها در پایتون و متلب: استفاده برای برنامه سازی پویا🦋

یکی از چیزهایی که هر دانشجوی کامپیوتر در درس «برنامه سازی» یاد میگیرد توابع بازگشتی هستند. توابع بازگشتی اگرچه در ابتدا درکشان سخت به نظر می رسد اما به محض اینکه متوجه بشوید چطور از آن ها استفاده کنید و چطور مسایل را با آن ها حل کنید ناگهان به ابزارهای فوق العاده زیبا و قدرتمندی تبدیل می شوند که مسایل را تقریبا به طرز جادویی حل میکنند. در توابع بازگشتی ما یاد میگیریم که نیازی نیست مساله اصلی را کامل حل کنیم بلکه کافی است بدانیم اگر مساله را در مقیاس کوچکتر حل شده فرض کنیم چطور تکه هایش را به هم وصل کنیم و تمام!!
اما زندگی در این رویای شیرین دیری نمی پاید چون بزودی متوجه می شوید راه حل های بازگشتی با تمام زیبایی شان از لحاظ محاسباتی بسیار سنگین هستند بنابراین توصیه می کنند از آن ها اجتناب کنید. اما همه مسایل روش سر راستی برای حل ندارند به عبارتی ما فقط می توانیم به سادگی آن ها را به صورت بازگشتی حل کنیم.
مشکل کجاست؟

https://bit.ly/2m0Mcde

15 years ago:
Steve Ballmer (CEO): linux is a cancer

Now:
Satya Nadella (CEO): Microsoft loves linux!


https://bit.ly/2krbSzy
@matlabtips

🔵اولین کتاب نوشته هوش مصنوعی!!🔵

«گریگورٍ سوسک» اولین کتاب داستانی نوشته هوش مصنوعی با سبک و سیاق برگرفته از کتابهای کافکا و موتور قدرتمند تولید متن OpenAI است. صد البته تا حدودی دخالت انسانی در ویرایش آن دخیل هست ولی در مجموع کل داستان و تم آن کاملا ساخته و پرداخته هوش مصنوعی ست. می توانید کتاب را از آمازون ببینید. اگر دقت کنید نویسنده آن را Artificial Intelligence زده اند!!
قسمتی از کتاب:

"He was home alone, and even though he tried to think of nothing bad that had happened to him since his family moved, he could not suppress a smile at this thought. They had moved out, obviously, and although Gregor was glad that they had taken his sister with them, he was nevertheless painfully aware that they would have to drive him back into his room if he were to be truly sure he could be sure that nothing bad had happened. This meant that his family now faced the difficult decision of whether to send him back or to keep him. They had done their homework, established the schedule that would allow them to arrive at his room on time, and, most of all, he had never seen his mother until then. Now, though, he did see her, once in the morning while his sister was still lying quietly at the table, and the second time after everyone had eaten their meal at midday as his mother would go back to sleep. Gregor's mother at first denied that she had ever wanted to see her mother, but later on did reveal that she had done exactly that, and that she would often wake up and say to her mother "you're doing so much sewing again today!", as if she were still there. Gregor's sister also did sometimes see her mother, but only when she asked politely and with a hint of anger as if she wanted to test the strength of her mother's words."

🔵خرافات در ماشین🔵

همانطور که در یکی از پست های قبلی هم اشاره کردیم یکی از ویژگی های سیستم های قدرتمند شناختی مثل مغز خودمان «الگوزدگی» (patternicity) است. به این معنا که در این سیستم ها چیزی به اسم «تصادفی» تعریف نشده است: همه چیز حکمتی دارد و الگویی! بنابراین چنین سیستم های شناختی ای شروع به استخراج الگو میکنند حتی زمانی که در واقع الگویی وجود ندارد! یکی از نمود های چنین وضعیتی پاریدولیا (Pareidolia) است. نمونه های آن زیاد هستند مثل دیدن تصویر چهره ای در ماه یا پیدا کردن تصاویر حیوانات در تاریکی! نکته جالب اینجاست که با دستکاری شبکه های عصبی عمیق هم می توان چنین حالتی را بازسازی کرد. یک نمونه معروف آن deep dream گوگل است که با آن میتوانید از تصاویر معمولی الگوهایی شبیه به سر و بدن حیوانات بیرون بیاورید. اینجا می توانید کدهای آن را ببینید یا آنلاین آن را امتحان کنید.

در برخی از حالت های دستکاری شده آگاهی (altered states of consciousness) بخصوص زمانی که افراد از روانگردان هایی مانند اسید یا LSD استفاده کرده باشند چنین تغییراتی واضح تر و بیشتر شبیه به deep dream است. در این وضعیت ها مغز وارد حالتی می شود که الگوها را به طرزی اغراق آمیز به جهان اطراف افکنش (project) می کند. البته همانطور که گفتیم خیلی به مغز در حالت عادی تان هم اعتماد نکنید این ماشین پیچیده حتی در حالتی که بر روی مواد نیست تمایل شدیدی به خیالبافی و الگوسازی های نامرتبط دارد. یکی از ریشه های اصلی بایاس های شناختی میانبرهای ذهنی است که مبتنی به چنین ساختارهایی هستند. این بایاس ها تیغ دو لبه هستند همزمان به ما امکانات زیادی برای تحلیل سریع دنیای اطراف می دهند ولی در عین حال ما را به موجوداتی «ذاتا» خرافاتی بدل می کنند. یک مثال ساده: حتما برای شما هم پیش آمده است که حین حرکت در پیاده رو سعی کنید بین جدول های کف خیابان حرکت کنید و بر روی لبه ها قدم نگذارید! مهم نیست خودتان را خرافاتی بدانید یا خیر برای لحظه ای ذهنتان شما را متقاعد می کند که این کار باید انجام شود در غیر این صورت اتفاق بدی می افتد!! این یک نمونه بسیار کوچک است! توانایی ذهن ما برای باور به الگوهایی که حتی یکبار برای ما تکرار نشده است با توجه به حجم وسیع باورهای پیشنی (prior beliefs) شگفت انگیز است.

یک نمونه از الگوزدگی در شبکه های عصبی با نام
deep dream
یک ویدیو طولانی تر

🔵آیا هر پیچیدگی نیاز به خالق دارد؟🔵

برخی از دانشمندان می گویند که ایده داروین یکی از بزرگترین ایده های تاریخ علم بوده است شاید اغراق آمیز به نظر برسد اما پیشرفت های دهه های بعد از داروین هر چه بیشتر این موضوع را ثابت کرد. ایده داروین هنوز هم جنجالی است اما فقط تصور کنید در زمان ارایه چقدر با دشمنی روبرو شد. بدفهمی های مختلف از ایده های او برایش دردسر ایجاد کرد اما بزرگترین مشکل این بود که کسی نمی توانست آن حرفها را باور کند. چطور ممکن است این همه پیچیدگی حیات در اطراف ما نتیجه فرآیند انتخاب طبیعی ای باشد که داروین بر آن تاکید داشت. به عبارتی شهود و عقل سلیم چنین چیزی را قبول نمیکند. به همین خاطر ایده یک نظم دهنده قوی تر جلوه می کرد.

اما نظریه داروین به زیست شناسی محدود نشد و رشد و گسترش آن در شاخه های دیگر علم به تدریج مطالعه ی سیستمهایی را رقم زد که مصنوعی و ساخته دست بشر هستند ولی پیچیدگی تولید می کنند. علم مطالعه پیچیدگی بسیار گسترده ست اما مانند بسیاری دیگر از بخش های علم تعهدی به همخوانی با تجارب روزمره ما ندارد از نظریه کوپرنیک تا فیزیک کوانتوم ما هر روز به این موضوع بیشتر پی میبریم که انسان آنقدر ها هم که خودش فکر میکند مرکز جهان نیست و تصورات و تخیلاتش در برابر واقعیت رنگ می بازند.

توسعه سیستم های هوش مصنوعی با تمرکز بر روی یادگیری تقویتی (reinforcement learnin) یکی از شگفتی های سیستم های پیچیده ست. در این گونه سیستم ها، پیچیدگی نیازی به ناظم و خالق ندارد. دینامیک ساده چنین سیستم هایی به همراه فرگشت (evolution) و هم فرگشت (coevolution) می تواند منجر به پدیده emergent complexity بشود. به این ترتیب این سیستم ها از تصادف محض شروع می کنند و در نهایت به پیچیده ترین شکل های رفتاری می رسند.

در پژوهش جدید توسط شرکت openai یک دنیای مجازی متشکل از چندین بازیگر ساخته شده است که بازی ساده قایم باشک را انجام میدهند. دو گروه از بازیگران هستند کسانی که پنهان می شوند (پنهان شونده ها) و کسانی که دنبالشان می گردند (دنبال کننده ها). آن ها می توانند حرکت کنند، ببینند، اشیایی را جابجا کنند و آن ها را در نقاطی قفل کنند. در ابتدا همه حرکات آن ها تصادفی است. بنابراین انتظار می رود دو گروه به صورت تصادفی به هم بخورند و عملا تصوری از حتی مخفی شدن یا گشتن برایشان وجود نداشته باشد. در چارچوب یادگیری تقویتی فقط یک امتیاز نهایی به هر بازیگر داده می شود. اگر مخفی شونده ها بتوانند تا آخر زمان مخفی بمانند امتیاز +۱ می گیرند و در غیر اینصورت -۱ و همینطور برای کسانی که می گردند. همین!‌ بعد باید فقط شبیه سازی را گذاشت تا برای هزاران بار اجرا شود. به تدریج هر دو گروه در انجام بازی قایم باشک ماهر تر می شوند. «هم فرگشت» به معنای تاثیر دو بازیگر در یک فرآیند فرگشتی ست که در اینجا بین دو گروه اتفاق می افتد هر قدر مخفی شونده ها حرفه ای تر می شوند دنبال کننده ها هم راه های بهتر و بهتری برای یافتن آن ها پیدا می کنند و برعکس! چیزی که در طبیعت بین شکار و شکارچی همیشه رخ می دهد. این رفتار ها «آموزش» داده نمی شوند آن ها خود بخود یاد گرفته می شوند یعنی بعد از امتحان کردن روش های مختلف در نسل های گوناگون بهترین تاکتیک ها به تدریج آموخته می شوند! این خلاقیت کاملا خودکار و بدون هیچ دخالت کد نویسی یا انسانی اتفاق می افتد.
در این ویدیو یک توضیح مفصل از این پدیده می بینید.

این ویدیو بسیار جالب ظهور پیچیدگی با الگوریتم یادگیری تقویتی را نشان می دهد. پویانمایی بسیاری زیبای شرکت openai از این مقاله تقریبا یک کارتون والت دیزنی در آورده است که در تاریخ مقالات علمی بی سابقه ست!
لینک مقاله
کدها

#fun #dont_believe

ربات های بوستون دینامیک اکنون قادر به حرکات ژیمناستیک هستند!!

@matlabtips

‍ گفتمش:
ـ «شیرین‌ترین آواز چیست؟»
چشم غمگینش به‌رویم خیره ماند،
قطره‌قطره اشکش از مژگان چکید،
لرزه افتادش به گیسوی بلند،
زیر لب، غمناک خواند:
ـ «ناله زنجیرها بر دست من!»
گفتمش:
ـ «آنگه که از هم بگسلند»
خنده تلخی به لب آورد و گفت:
ـ «آرزویی دلکش است، اما دریغ
بختِ شورم ره برین امید بست!
و آن طلایی زورق خورشید را
صخره‌های ساحل مغرب شکست! . . .»
من به‌خود لرزیدم از دردی که تلخ
در دل من با دل او می‌گریست.
گفتمش:
ـ «بنگر، درین دریای کور
چشم هر اختر چراغ زورقی ست!»
سر به سوی آسمان برداشت، گفت:
ـ «چشم هر اختر چراغ زورقی‌ست،
لیکن این شب نیز دریایی‌ست ژرف!
ای دریغا شبروان! کز نیمه‌راه
می‌کشد افسونِ شب در خوابشان . . .»
گفتمش:
ـ «فانوس ماه
می‌دهد از چشم بیداری نشان . . .»
گفت:
ـ «اما، در شبی این‌گونه گُنگ
هیچ آوایی نمی‌آید به‌گوش . . .»
گفتمش:
ـ «اما دل من می‌تپد.
گوش کُن اینک صدای پای دوست!»
گفت:
ـ «ای افسوس! در این دام مرگ
باز صید تازه‌ای را می‌برند،
این صدای پای اوست . . .»

گریه‌ای افتاد در من بی‌امان.
در میان اشک‌ها، پرسیدمش:
ـ «خوش‌ترین لبخند چیست؟»
شعله‌ای در چشم تاریکش شکفت،
جوش خون در گونه‌اش آتش فشاند،
گفت:
ـ «لبخندی که عشق سربلند
وقت مُردن بر لبِ مردان نشاند!» من زجا برخاستم،
بوسیدمش.

ه.ا. سایه

بالاخره Tensorflow 2.0 منتشر شد!

این نسخه دارای api بسیار تمیز تر با مجتمع سازی با keras یک قدم بزرگ در توسعه چارچوب های نرم افزاری هوش مصنوعی به شمار می رود.


بیشتر بخوانید: https://medium.com/tensorflow/tensorflow-2-0-is-now-available-57d706c2a9ab

یک کولب برای تمرین بدون نصب هیچ چیزی: https://colab.research.google.com/github/zaidalyafeai/Notebooks/blob/master/TF_2_0.ipynb

"کتاب طبیعت به زبان ریاضیات نوشته شده است" گالیله

معادله گرما (بالا) در برابر معادله موج (پایین)

🌆معرفی بهترین ابزارها برای توسعه رابط کاربری در پایتون🌆

یکی از مشکلات همیشگی من با پایتون این بود که ابزارهای ساختن رابط کاربری راحتی ندارد به صورت سنتی tkinter مهمترین گزینه بود اما این کتابخانه بسیار قدیمی ناکارآمد و دشوار است. گزینه های دیگری مثل Qt و Pyjs وجود دارند که اگرچه حرفه ای تر هستند اما واقعا نیاز به یادگیری طولانی دارند. شما به عنوان برنامه نویس مثلا یادگیری ماشین آنقدر وقت ندارید که برای ساختن یک دمو کل Qt را یاد بگیرید.

وجود چنین مشکلاتی ناچارا ما را به سمت گزینه های دیگری مانند چارچوب های وبی مثل Django یا flask سوق می دهد. هر دوی این گزینه ها هم بسیار خوب هستند و من در گذشته تجربیات خوبی از ساختن رابط کاربری با آن ها داشته ام. باید توجه کرد که آینده رابط های کاربری از دسکتاب به سوی وب در حال حرکت هست و عملا ممکن است تا چند سال آینده برنامه های دسکتاپ (به جز برنامه های خیلی سنگین) به کلی منسوخ شوند. اما Django و بقیه چارچوب های ساختن وبسایت بیشتر از آنکه برای ساختن یک رابط کاربری سریع باشند برای ساختن وب سایت هستند.

در نهایت اگر از این دو مرحله عبور کنیم به دو گزینه میرسیم که بنظرم هر دو قابلیت های بسیار زیادی دارند و آینده ای درخشان! اولی Dash محصول شرکت plotly است که تخصص اصلی اش ساختن رابط های کاربری بسیار جذاب برای زبان هایی مثل python، R جاواسکریپت و MATLAB است. Dash دارای قابلیت های بسیار زیادی است و یادگیری آن هم ساده است. با Dash می توانید انواع اقسام کامپوننت های رابط کاربری از تکمه تا پروگرس بار و رادیو باتن را همراه با نمودارهایتان طراحی کنید و بصورت زنده آن ها را تغییر دهید.

اما گزینه حتی راحت تر که به تازگی شروع به کار کرده است streamlit.io است. هدف اصلی این گروه ساختن رابط کاربری به صورت تخصصی برای کاربردهای یادگیری ماشین است. با این که هنوز چند روزی از معرفی این محصول نگذشته است وقتی به داکیومنت های آن نگاه میکردم تقریبا همه ابزارک های لازم را داشت. این کتابخانه آنقدر ساده است که در عرض چند دقیقه همه چیز آن را یاد میگیرد! من یک سری تست های اولیه را بر روی آن انجام داده ام و در گیت هابم قرار داده ام که می توانید دانلود و نصب کنید و توسعه بدهید.
#GUI
@matlabtips

استفاده از کتابخانه فوق العاده streamlit.io
#GUI

یکی از خوبی های dash و streamlit این است که براحتی میتوان از روی مرورگر از هر وسیله ای که به شبکه وصل است نمودار ها را به صورت زنده دید. اینجا من نموداری که بر روی لپ تابم اجرا شده را فقط با وصل بودن به وای فای از روی گوشی قدیمی ام نگاه میکنم
کدهاش اگه دوست دارید تست کنید

🔵استفاده از کارت گرافیک برای محاسبات عددی( در پایتون و متلب)🔵


اگر در حال انجام محاسبات سنگین هستید حتما متوجه شده اید که تغییر دادن الگوریتم یا زبان می تواند تاثیر زیادی در سرعت داشته باشد. اینجا می خواهیم یکی از بهترین راهها برای افزایش سرعت را ببینیم: استفاده از کارت گرافیک!
ادامه در لینک زیر

https://vrgl.ir/2gsbq