eitaa logo
MetaCog I متاکاگ
1.6هزار دنبال‌کننده
2.3هزار عکس
408 ویدیو
241 فایل
MetaCog I متاکاگ فراتر از شناخت از الگوریتم تا انگاره و رفتار، از داده تا استیلا 🔸روایت سیاست‌ها، رویدادها و تحلیل‌های فناورانه مؤثر در حوزه شناخت و ادراک🔸 #هوش_مصنوعی #فناوری #جنگ_شناختی تعامل با متاکاگ: @MetaCognition
مشاهده در ایتا
دانلود
MetaCog I متاکاگ
✍ روایت متاکاگ از کتاب آسیب‌های الگوریتمی: صیانت از مردم در عصر هوش مصنوعی 🔹یکی از دو نویسنده‌ی ای
🔹دومین بخش درخور توجه، فصل تبعیض نژادی و جنسیتی است؛ جایی که کتاب استدلالی ضدشهودی عرضه می‌کند. الگوریتم، برخلاف تصور رایج، لزوماً نژادپرست یا زن‌ستیز نیست، دست‌کم نه به همان معنایی که یک انسان می‌تواند باشد. تصمیم‌گیر انسانی ممکن است از سر «تبعیض سلیقه‌ای» یا «تبعیض آماری» (استفاده از نژاد یا جنسیت به‌عنوان نشانه‌ای تقریبی برای ویژگی‌های دیگر) دست به گزینش بزند. الگوریتم اما تنها یک «سلیقه» دارد: حداکثرسازی سود و چون به داده‌های دقیق‌تری دسترسی دارد، دیگر نیازی به این نشانه‌های خام ندارد. با این‌همه، همین الگوریتم می‌تواند از مسیری کاملاً غیرمستقیم به تبعیض بینجامد: فروشنده‌ای که هرگز نژاد یا جنسیت مشتری خود را نمی‌داند، ممکن است الگوریتمی به‌کار گیرد که از روی آدرس آی‌پی یا سابقه‌ی خرید، داده‌هایی که پنهانی با نژاد و جنسیت همبسته‌اند قیمتی نابرابر بسازد. تبعیض، در این تصویر، دیگر نیازی به نیت ندارد؛ کافی است در داده پنهان باشد. 🔻اما آن‌جا که این کتاب، هرچند نویسندگانش حقوق‌دان و اقتصاددان‌اند نه متخصص جنگ شناختی، مستقیماً به دغدغه‌ی خوانندگان متاکاگ گره می‌خورد، فصل کوتاه اما پرمعنای «بازارهای سیاسی» است. نویسندگان استدلال می‌کنند سیاست‌مداران نیز، همچون فروشندگان، «کالای» خود، یعنی خودشان یا سیاست‌هایشان را به رأی‌دهندگانی می‌فروشند که اغلب کمتر از آن‌ها آگاه‌اند؛ و همان الگوریتم‌هایی که ژاکت یا بیمه را هدف می‌گیرند، اکنون می‌توانند پیام سیاسی را نیز، برای هر رأی‌دهنده به‌طور جداگانه، تنظیم کنند. این همان نقطه‌ای است که ارزش واقعی کتاب آشکار می‌شود: آنچه در بازار مصرف این کتاب خوانده می‌شود، و آنچه در ادبیات امنیتی «جنگ شناختی» نام دارد، دو نام متفاوت برای یک منطق واحدند، بهره‌کشی شخصی‌سازی‌شده از آسیب‌پذیری شناختی انسان، در مقیاسی صنعتی. این کتاب، بی‌آنکه چنین ادعایی را صریح مطرح کند، در واقع ریشه‌های اقتصادی و حقوقیِ همان پدیده‌ای را روایت می‌کند که در سطح ملت‌ها به قطبی‌شدن، افراط‌گرایی، و فرسایش اعتماد عمومی می‌انجامد. در بخش سیاست‌گذاری، نویسندگان از دو مسیر مکمل دفاع می‌کنند. نخست، الزام به شفافیت الگوریتمی، هرچند خود اذعان دارند که در ادبیات علوم کامپیوتر و اقتصاد، هنوز بحثی جدی جریان دارد بر سرِ این‌که آیا اصلاً می‌توان «جعبه‌سیاه» یادگیری ماشین را به‌طور معنادار شفاف کرد. دوم، و شاید عملی‌تر، رویکردی که به‌جای گشودن جعبه‌سیاه، بر ستاده‌ی آن نظارت می‌کند: همان رویکرد «تأثیر نامتناسب» (disparate impact) که پیش‌تر در حقوق ضدتبعیض نژادی و جنسیتی به‌کار می‌رفت، اکنون می‌تواند برای سنجش تأثیر نامتناسب بر پایه‌ی «سطح آگاهی» نیز به‌کار گرفته شود: اگر الگوریتمی به‌طور نظام‌مند از مصرف‌کنندگان کم‌آگاه‌تر، در قیاس با مصرف‌کنندگان هم‌ردیف آگاه‌تر، بهایی بیشتر می‌گیرد، این خود نشانه‌ای است که قانون باید مداخله کند. 🌐 متاکاگ | فراتر از شناخت
💠 شیفتگی: مسیر قهرمانان (بسیار بهتر از انگیزه و حتی انضباط!) 🔷 در اینجا، می خواهیم ۱۰ نکته خانم سابرینا رامِناو رو در عمل ببینیم در قالب یک پروژه واقعی! 🔶 در این پروژه، تنها مورد اشتراکی مون Claude هست که حکم مغز عملیات رو داره و بقیه کارها با هوش مصنوعی های رایگان پیش میره!
Obsession-The-Road-of-Gods.md
حجم: 2.7K
1️⃣ گام اول: گفتگو با LLM 🔷 اینجا با Claude خیلی ساده و در عین حال مفصل، ایده مون رو به اشتراک می ذارم. البته من خودم، معمولا از «ایده» پا رو فراتر می ذارم و کل داستان رو از زبون خودم روایت می کنم! مثلا در اینجا بحث «انگیزه، انضباط، شیفتگی» رو بهش گفتم، اینکه در شبکه های اجتماعی عموما انضباط رو برتر معرفی می کنند اما شیفتگی از اونم سرتره! اون مخالفت کرد اول و بعد من بهش گفتم کجای صحبت من رو متوجه نشده بود! آخرش که به یه توافقی رسیدیم، خلاصه صحبت هامون رو به شکل این فایل markdown در آورد.
Explainer Infographic.png
حجم: 3.4M
2️⃣ گام دوم: ساخت اینفوگرافیک 🔷 همون جور که یادتون هست خانم رامِناو گفته بودن هم استفاده واقعی (خروجی دار) باید بشه از AI، هم برای یادگیری استفاده بشه، هم برای تولید محتوای شبکه های اجتماعی و اینفوگرافیک تیک هر سه رو می زنه! البته بگم که ما در کانال چندین اسکیل درست کردیم برای کمک کردن بهتون در این کار که دیگه اینجا نام نمی بریم!!!
Teacher SAM & MetaCogObesssion - The Road of Gods (Reading).mp3
زمان: حجم: 6.6M
3️⃣ گام سوم: ساخت فایل صوتی 🔷 به نظرتون داخل خودِ کلاد میشه فایل صوتی (یا پادکست) ساخت؟! پاسخ ش مثبته! اولا بدونین به این تکنولوژی میگن Text To Speech یا TTS و چندتا گزینه دارین مثه پینوکیو اما دوتا انتخاب تاپ که از فارسی هم پشتیبانی می کنند یکی Edge مایکروسافت هست و یکی هم Fish Audio. 🔶 گزینه اول یعنی Edge TTS بسیار سبک هست و نیاز به کارت گرافیک هم حتی نداره! یه سری آواتار محدود داره و کیفیت ش متوسط رو به پایین هست اما Fish Audio کیفیت بسیار بهتری داره و مهم تر از اون Cloning هم داره یعنی اینکه صدای خروجی عین خودتون یا هرکس دیگه ای بشه! این هوش مصنوعی Open Source و قابل نصب رایگانه اما خب ۲۴ گیگ کارت گرافیک می خواد! گزینه دیگر استفاده از API اون هست که ۸۰۰۰ کردیت ماهانه میده! 🎶 در این فایل صوتی، ما صدای دوتا بازیگر معروف رو کلون کردیم و دادیم فایل markdown بالا رو بخونن. بعد با ادیت صداشون رو ترکیبی کردیم یعنی بعضی جاهاشون رو یکی بخونه، بعضی جاهایش رو هم یکی دیگه! (این خروجی Fish Audio هست)
Obsession-The-Road-of-Gods.pdf
حجم: 6.7M
4️⃣ گام چهارم: نگارش مقاله علمی 📖 اینم مرحله ای که فکر کنم خیلیاتون علاقه داشته باشین؛ چطور مقاله بنویسیم؟! 🔷 کلاد با کمک ۴-۵ تا MCP سرچ که بارها اونا رو نام بردیم، یه تحقیق جامع می کنه و فایل markdown خام بالا رو تبدیل به یه فایل بسیار جامع می کنه که تمامی تحقیقات مرتبط دانشمندان و محققان رو نام می بره. بعد این فایل markdown دوم رو با استفاده از اسکیل های IMF بازنویسی حرفه ای می کنه و فقط موارد ارزشمند ش رو نگه می داره و یک فایل markdown سوم ایجاد میشه! این فایل PDF که مشاهده می کنید همون فایل سومی هست که قشنگ و مرتب شده!! آخرش حتی منابع هم ذکر شده!!
Teacher SAM & MetaCogObesssion - The Road of Gods (Podcast).mp3
زمان: حجم: 12.6M
5️⃣ گام پنجم: ساخت پادکست 🔷 حالا می آییم اون مقاله علمی رو به یه پادکست تبدیل می کنیم که مصاحبه دونفر هست در واقع! از این AI Slop های Gemini Notebook نمی‌گم هان! اونا بدرد نمی خورن!! خود کلاد کامل مقاله رو بررسی می کنه و به شما متن پادکست رو میده و بعدش در Eleven Labs اونو این جوری درست می کنین. یه ادیت ریز هم میشه کرد تا آهنگ بک گراند هم براش بذارین!
8.9M حجم رسانه بالاست
مشاهده در ایتا
6️⃣ گام ششم: ساخت ویدیو (نسخه سینمایی)
4.4M حجم رسانه بالاست
مشاهده در ایتا
6️⃣ گام ششم: ساخت ویدیو (نسخه آدمکی) 🔶 در این دوتا ویدیو هم دوتا از موضوعات مطرح شده داخل مقاله یعنی دو نوع اشتیاق و علاقه (متعادل و وسواسی) و هم چنین تفاوت انگیزه و انضباط و شیفتگی رو به تصویر کشیدیم! ✍️ این ویدیوها با Gemini Omni 1.1 Flash داخل Google Flow ساخته شدن و محدودیت های گوگل به تازگی شدید رفته بالا یعنی اگه حتی یک ثانیه VPN آمریکا خاموش باشه یا تایپ یا سرچ فارسی داشته باشی سریعا می نویسه که در کشور شما قابل استفاده نیست!! و بخاطر همین چیزاش هم شده اگه تولید ویدیو مداوم دارین حتما از اشتراک Higgsfield استفاده کنین. 🤔 از کدام از این خروجی ها بیشتر خوشتون اومد؟ این پایین می تونین بهمون بگین. سوالی پیشنهادی هم بود میتونین مطرح کنین! 🆔 @MetaCognition 🌐 متاکاگ | فراتر از شناخت
💠 دسته بندی مدل های هوش مصنوعی بر اساس عملکرد شون از بسیار عالی تا ضعیف! 🤔 و اما در نوک قله کدوم مدل قرار می گیره؟! 👇 🌐 متاکاگ | فراتر از شناخت
7M حجم رسانه بالاست
مشاهده در ایتا
💠 دموی انتشار برترین مدل هوش مصنوعی جهان: GPT 6 Astra 🔷 در سوم سپتامبر، شرکت Open AI این مدل فوق العاده رو منتشر کرد البته فعلا در اختیار تعداد محدودی قرار گرفته و در روزهای آینده در اختیار تمامی اشتراک ها یعنی Plus و Pro و Team و Enterprise قرار می گیرد! 🔶 به گفته آقای سم آلتمن، این مدل اولین گام جدی به سمت AGI است و از آن در اکتشافات و اختراعات علمی و کدینگ های پیچیده استفاده خواهد شد. این مدل از آخرین مدل Anthropic یعنی Fable 5.1 نیز بهتر عمل کرده در خیلی از بنچ مارک ها! 🌐 متاکاگ | فراتر از شناخت
709.9K حجم رسانه بالاست
مشاهده در ایتا
💠 قدرتمندترین شرکت جهان: ASML 🔷 این شرکت هلندی، تنها شرکتی در دنیا هست که به تکنولوژی لیتوگرافی EUV که پیچیده ترین و پیشرفته ترین نسخه آن است و برای پرینت تراشه ها استفاده می شود، دسترسی دارد! 🔷 شرکت TSMC تایوان هم که بسیاری از محصولات نیم رسانا و سیلیکونی را تولید می کند، از جایگاه مشابهی در جهان تکنولوژی برخوردار است. جالب است بدانید شرکت های آمریکایی اپل و گوگل و مایکروسافت و ان‌ویدیا بزرگترین مشتریان این دو شرکت هستند و سهم چین بسیار محدود است از تولیدات آنها. 🔶 یکبار دیگه به اون دسته بندی LLM ها اون بالا دقت کنید. اون مدل GLM 5.3 که در دسته سوم یعنی A اومده به ادعای خودشون در حد مدل سری Anthropic یعنی Mythos 5 بود اما در عمل اون قدرها هم خوب نبود؛ چرا؟ چون چین مجبوره از تکنولوژی های قدیمی تر یا حتی داخلی استفاده کنه و Scalability شون میاد پایین؛ یعنی اون عملکردی که در داخل شرکت شون هست، از زمین تا آسمون فرق داره با عملکردی که ما اینجا از تو سایت یا API شون می گیریم! 🌐 متاکاگ | فراتر از شناخت