کافه بازی ریاضی | کافه یادگیری

#سخنرانی قبلی #تائو (ظاهرا در دانشگاه UCLA انجام داده بود) با عنوان ریاضیات در عصر هوش مصنوعی @ghatar_fekr

#سخنرانی #تائو در کنفرانس ریاضیدانان جهان، imc2026 درمورد #هوش_مصنوعی با عنوان ریاضیات در دوران هوش مصنوعی @ghatar_fekr

#اطلاع_رسانی ✨ امسال در کنفرانس جهانی ریاضیات ( ICM 2026)؛ کنفرانسی که ریاضیدانان از سراسر جهان گرد هم می آیند؛ (پیش از این اخبار اهدای جوایز فیلدز و آباکوس را در کانال را منتشر کردیم.)، ریاضی‌دان مشهور، ترنس تائو، سخنرانی ارائه کرد در مورد بحث داغ این روزهای محافل علمی: هوش مصنوعی. 🔆عنوان این سخنرانی Mathematics in the age of A بود. تائو، بر خلاف جو موجود، که فقط به توانایی‌های AI در حل مسائل ریاضی و علمی و تولید محتوای خلاقانه می‌پردازند، توجه ریاضی دانان را به نگاه خودِ ریاضی‌دانان در مورد ریاضیات جلب کرد. ⬇️ در پست بعدی خلاصه‌ای از این سخنرانی را می‌توانید مطالعه کنید. ⚊⚊⚊⚊⚊⚊⚊⚊⚊⚊⚊⚊ شاد و رو به رشد باشین 😃 🖊📚👩‍🏫🧑‍🏫👩‍💻🧑‍💻🎓 دختران ریاضی شریف @sharifmathgirls

حالا یه سؤال دیگه که خودم دارم بهش فکر می‌کنم اینه: اگر بخواهیم با کودکان و نوجوانان که نسل مصرف‌کننده اصلی هستند، این سؤال را مطرح کنی، چه‌طوری بهشون این دردت را بگی؟؟ سخنرانی و کلام کافی نیست. مثلا میشه یه بازی طراحی کنی و بندازی آدم‌ها را توش که بدون فکر کردن به این مسئله، به این مسائل فکر کنیم؟؟؟

🧵 از اونطرف اگر هدف مدرسه یا سمینار یا هر کار آموزشی، «انتقال دانش» هست؟ خب GPTها بهتر هر نوع محتوای متنی و صوتی و تصویری می‌سازند. 🧵 اگر هم هدف گرد هم آوردن آدم کوچولوها یا جوان‌های آینده‌ساز هست؟ خب توی این گردهم‌آیی‌ها مثل مدرسه یا سمینار یا هر چیزی، به غیر از «سخنرانی» (یا با قول دکتر شهشهانی: خطابه) راه بهتری هست. 🧵 حالا سؤالم همون سؤال هست که برای بشر امروز باز هست: با حضور «هوش مصنوعی مولد» چه بر سر آموزش میاد؟؟ (البته سؤال بشر بازتر هست: با حضور هوش مصنوعی مولد چه بر سر تولید حتی تولید فیلم و موسیقی میاد) 🧵 اما میشه مسئله را هم کوچکتر کرد: با حضور چت‌بات‌های هوشمند چه بر سر آزمون و استعدادیابی و شایسته‌سالاری میاد؟؟ 🧵 ممکنه صورتبدی بهتری و بیان بهتری برای این مسئله باشه. بیل‌می‌یم والا

موضوع درمورد «هوش مصنوعی مولد» ه. 🧶 یادمه موقعی که کرونا شد اساتید و معلم‌ها به یه چالش جدی خوردند: «تقلب»! اینکه آزمون آنلاین بود و امکان «کنترل‌گری روی رفتار حین آزمون» نبود و کسی هم برای این مسئله آماده نبود. هر استادی یه ژانگولری کرد. مثلا آزمون با دوربین باز و فشرده کردن زمان آزمون که کسی اصلا فرصت تقلب نکنه. 🧶 اما از اونطرف یه سری اساتید به «مفهومی کردن آزمون» رو آوردند. مثل دکتر کریمی‌پور دانشکده فیزیک شریف، و احتمالا خیلی‌های دیگه. 🧶 دکتر کریمی‌پور، امتحان پایان‌ترم کوانتوم را با سه چهار تا سؤال برگزار کرد. سه روز فرصت داد برای ارسال جواب‌ها. مشورت آزاد اما نوشتن جواب شخصی. این را داشته باشید 🧶 بعد رسیدیم به ریلیز (منتشر) شدن OpenAI و پشت‌بندش GPTها و بلا بلا بلا. 🧶 ایران جنگ شد و دوباره آزمون‌ها آنلاین. حالا انگار بار حل این مسئله افتاد بر عهده ایرانیان!! من نفهمیدم اساتید و معلم‌ها چی کار کردند اما بچه‌های روستای خطبه‌سرا توی کافه‌بازی می‌گفتند که معلم‌هاشون آزمون‌ها را در یه محیطی برگزار می‌کردند که اگر دانش‌آموز از صفحه را ببندد (حتی برای چند ثانیه) صدای جیرینگی برای معلم میره که فلانی در رفت. 😜 🧶 بچه‌ها می‌گفتند ما با موبایل مادرمون توی آزمون بودیم و با موبایل برادر یا خواهر توی «گپ‌جی‌پی‌تی» 🤪😁😂

سلام دوستان 🙋‍♀ من یه مشورتی داشتم. چند وقته دارم فکر می‌کنم، هیچ در نظر نیاید 🙆‍♀ گفتم اینجا موضوع را مطرح کنم بلکه بخت این مسئله باز بشه 😇

«حتما شوخی می کنید آقای فاینمن!» https://taaghche.com/book/246049 من این کتاب را خوانده‌ام. کتاب بامزه‌ایه 😁 @ghatar_fekr

این هم یک مطلب که یک سری قسمت‌های صحبت‌های فاینمن درمورد آموزش را گذاشته @ghatar_fekr

5. Feynman فاینمن: من یک آدم عادی با تلاش زیاد هستم.

5. Feynman فاینمن: من یک آدم عادی با تلاش زیاد هستم.

#فیلم مصاحبه اسمشو نبر با شایان اویس قرن. دقیقه ۲۳ که درمورد هوش مصنوعی صحبت شد خیلی خوب بود. 👍 @ghatar_fekr

مسئله فروشنده دوره‌گرد چیست؟ مسئله فروشنده دوره‌گرد» (Traveling Salesperson Problem یا به اختصار TSP) یکی از مشهورترین و بنیادین‌ترین مسائل در علوم کامپیوتر و ریاضیات (به‌ویژه در حوزه «بهینه‌سازی ترکیبیاتی») است. تعریف ساده مسئله: یک فروشنده دوره‌گرد می‌خواهد در کل کشور دوره‌گردی کند و به همه شهرها سفر کند. او می‌خواهد از شهر زادگاهش شروع کرده، دقیقاً یک‌بار به هر شهر برود و در نهایت به شهر زادگاهش برگردد. برای او مهم است که کمتر آفتاب بخورد و زودتر سفرش تمام شود. مسئله این است: «با داشتن نقشه شهرها به این فروشنده کمک کنید که کوتاه‌ترین مسیر ممکن را دوره‌گردی کند.» شاید در نگاه اول ساده به نظر برسد (شبیه به پیدا کردن مسیری روی نقشه)، اما وقتی تعداد شهرها زیاد می‌شود، پیچیدگی این مسئله به‌شدت افزایش می‌یابد. ریشه این مسئله چیست؟ این مسئله داستان تعداد زیادی مسائل دیگر و مدل ریاضیاتی بسیاری مسائل در دنیای مدرن امروزی است. لجستیک و حمل‌ونقل: شرکت‌های پستی چگونه بسته‌ها را در سطح یک شهر با کمترین مسافت و سوخت توزیع کنند؟ ساخت تراشه‌های کامپیوتری: در طراحی مدارهای الکترونیکی، دستگاهی که سیم‌ها را روی تراشه لحیم می‌کند، باید دقیقاً همین مسیر TSP را طی کند تا زمان کمتری هدر برود. ژنتیک و توالی‌یابی DNA: بازسازی توالی‌های ژنتیکی از یون‌های کوچکِ درهم‌ریخته DNA، عملاً حل نوعی از مسئله TSP است. برنامه‌ریزی تولید: در کارخانه‌ها، ماشینی که باید قطعات مختلف را در یک قطعه بزرگ سوراخ‌کاری(پرچ) کند، بهینه‌ترین ترتیبِ سوراخ‌ها را بر اساس همین مدل، محاسبه می‌کند. دلیل اهمیت این مسئله از نظر «پیچیدگی محاسبات» چیست؟ مسئله TSP در دسته مسائل NP-Hard قرار می‌گیرد و هنوز هیچ الگوریتم شناخته‌شده‌ای وجود ندارد که بتواند در «زمان چندجمله‌ای» (یعنی زمانی که با بزرگ شدن تعداد شهرها به‌طور منطقی رشد کند) جواب دقیق را برای همه حالات پیدا کند ضض اگر ۱۰ شهر داشته باشید، کامپیوتر به‌راحتی پاسخ را می‌دهد. اما اگر تعداد شهرها به ۱۰۰ برسد، تعداد مسیرهای ممکن از تعداد اتم‌های جهان بیشتر می‌شود! بنابراین برای حل آن، به‌جای بررسی تمام مسیرها، باید از روش‌های تخمینی یا الگوریتم‌های هوشمند استفاده کرد. ۲. اهمیت کاربردی (چرا برای دنیا مهم است؟): ۳. آزمایشگاهی برای ریاضیات: از نظر علمی، TSP «محک» (Benchmark) بسیاری از روش‌های جدید ریاضی است. هرگاه دانشمندی (مانند «اویس‌قران» که در متن شما ذکر شد) روش جدیدی برای حل یا اثباتِ ویژگی‌های این مسئله پیدا می‌کند، در واقع ابزاری ساخته است که می‌تواند هزاران مسئله پیچیده دیگر را در علوم کامپیوتر حل کند. به همین دلیل، پیشرفت در TSP مانند «جام مقدس»ِ بهینه‌سازی است. خلاصه: اگر ما بتوانیم TSP را به شکل بسیار بهینه و سریع حل کنیم، در واقع کلیدِ حلِ هزاران مسئله پیچیده دیگر در مدیریت منابع، انرژی، پزشکی و تکنولوژی را پیدا کرده‌ایم. به همین دلیل است که دانشمندان دهه‌هاست با تمام توان روی آن کار می‌کنند.

برای من این جایزه گرفتن باعث شد درمورد مسئله فروشنده د‌وره‌گرد بیشتر فکر کنم در دوره‌گردی‌هام، درموردش بعدا می‌نویسم

🔍 متن قسمت دوم فیلم (این متن توسط هوش مصنوعی ترجمه شده است) 🪾 من استاد دانشکده علوم کامپیوتر و مهندسی «پل جی آلن» در دانشگاه واشینگتن در سیاتل هستم. من در خانواده‌ای گرم و مهربان در مرکز ایران، در شهر تاریخی اصفهان متولد شدم. خانواده من، به لطف سرسختی مادرم، تمرکز علمی داشتند؛ به یاد دارم او عادت داشت تلویزیون ما را پنهان کند. یکی از نقاط تعیین‌کننده در مسیر من برای تبدیل شدن به یک ریاضی‌دان و دانشمند علوم کامپیوتر، زمانی بود که برادرم، شهاب، این کتاب را به من داد: «چگونه بدون. شمردن، بشماریم». 🪾 در ابتدا، من روی مسئله TSP یا همان «مسئله فروشنده دوره‌گرد» کار کردم. فرض کنید به کلاس تنیس رفته‌اید و در پایان کلاس، مربی از شما می‌خواهد تمام ۱۰۰ توپ موجود در زمین را جمع کنید. شما می‌خواهید بدانید سریع‌ترین راه برای جمع کردن تمام این توپ‌ها، قرار دادن آن‌ها در سبد و به خانه رفتن چیست. این دقیقاً همان مسئله TSP است. هیچ کامپیوتر و هیچ انسانی قادر نیست که بتواند راه حل بهینه را در زمان معقول پیدا کند. 🪾 از آنجایی که در الگوریتم‌های تقریبی نمی‌توان راه حل بهینه را پیدا کرد، ما الگوریتمی طراحی می‌کنیم که (طبق اثبات‌های ریاضی) راه حلی را پیدا کند که تنها مثلاً ۵۰ درصد بدتر از راه حل بهینه باشد. من فقط درخت را نمی‌بینم؛ بلکه سعی می‌کنم آن را بدون برگ یا میوه، و فقط با ساقه و شاخه‌ها تصور کنم. از نظر ریاضی، یک «درخت پوشا» (Spanning Tree) با حداقل مجموعه‌ای از میله‌ها تعریف می‌شود که برای وصل کردن ساقه به تمام برگ‌ها نیاز دارید. سوال این است که کدام را باید انتخاب کرد؟ مشخص شد که استفاده از درخت‌های تصادفی (قرار دادن میله‌ها به صورت تصادفی) بسیار بهتر از انجام آن به روشی ثابت و مشخص است. 🪾 الگوریتم کلاسیک برای TSP با انتخاب یک درخت پوشای مینیمم برای متصل کردن تمام شهرها شروع می‌شود و سپس تعدادی بزرگراه به آن اضافه می‌کند تا یک «تور» یا مسیر بسته ایجاد شود. ایده اصلی ما این است که به جای آن، یک درخت پوشای تصادفی انتخاب کنیم تا از هرگونه ساختار خاصی که دشمن (یا شرایط سخت) ایجاد کرده است، جلوگیری کنیم. دستاورد اصلی کار ما نه تنها بهبود اندک در تقریب است، بلکه این است که آن عدد ۵۰ درصد، مرزِ کاری که می‌توان با کامپیوترها به صورت کارآمد انجام داد، نیست. شما باید بتوانید بسیار بهتر عمل کنید. و اکنون بسیاری از پژوهشگران در حال تلاش هستند تا از ایده‌های ما برای طراحی تقریب‌های بسیار بهتر برای TSP استفاده کنند. 🪾 درباره پیچیدگی کار، مثل پیچ‌گوشتی‌ای فکر کنید که هیچ‌کس قبلاً ندیده است و همه سعی دارند این پیچ را بچرخانند. کار من این است که پیچ‌گوشتی مناسبی برای چرخاندن آن پیدا کنم؛ در حالی که تنها اطلاعاتی که ممکن است داشته باشم، نگاه کردن از فاصله بسیار دور است. بیشتر تحقیقات من در تلاش برای یافتن همان پیچ‌گوشتی مناسب است و امیدوارم پس از انجام آن، بتوانید پیچ را بچرخانید و آن مسئله باز (حل نشده) را حل کنید. @ghatar_fekr

#فیلم معرفی شایان اویس‌قرن به بیان خود ایشان، که در کنگره ریاضیدانان جهان پخش شده است. ایشان برنده مدال آباکوس 2026 است. ⚊⚊⚊⚊⚊⚊⚊⚊⚊⚊⚊⚊ شاد و رو به رشد باشین 😃 🖊📚👩‍🏫🧑‍🏫👩‍💻🧑‍💻🎓 دختران ریاضی شریف @sharifmathgirls

سال ۱۳۹۷ هنوز جوگیر آمار و ریاضیات بودم و می‌نشستم از این کارها می‌کردم. #نمودار فراوانی تعداد #مهدکودک های شهر تهران به تفکیک سال شروع فعالیت 📈 نمودار با استفاده از اطلاعات سایت mahdyab.ir تهیه شده است و فقط درمورد مهدکودک‌های شهر تهران است. @ghatar_fekr

پیشنهاد کتاب: چهره‌هایی از پدرم روایت زندگی جبار باغچه‌بان از زبان پسرش ثمین. بیشتر ماها جبار را مؤسس مدارس ناشنوایان در ایران می‌دانیم، اما او کار شاید مهمتری هم کرده: تأسیس اولین کودکستان (مهدکودک) در ایران. جبار یکی از آن نسل پرتلاش و بااراده‌ای است که در مشروطه جوان بودند و بعدش با پشتکار باورنکردنیشان بنای فرهنگ و آموزش جدید در ایران را گذاشتند. من که به مهدکودک رفته‌ام همیشه خودم را مدیون او می‌دانم. جبار ادامه حسن رشدیه است و این‌طور که پروانه، دختر جبار، می‌گفت ارادت زیادی هم به رشدیه داشته و وقتی رشدیه مرده (و خانواده‌اش به علت فقر حتی پول نداشته‌اند که سنگ قبر درست‌وحسابی برایش بخرند) جبار از همه معلم‌ها پول جمع کرده و سنگ یادبودی سر قبر رشدیه گذاشته. «چهره‌هایی از پدرم» زندگینامه به معنای رایج نیست. روایت‌هایی است از زندگی جبار از زبان پسرش ثمین باغچه‌بان که البته عملاً شما را با کل زندگی او آشنا می‌کند. کتاب ساختاری شبیه کتاب‌های بهمن‌بیگی دارد؛ حکایت‌های چندصفحه‌ای. قلم ثمین هم اگر شیرین‌تر و قوی‌تر از قلم بهمن‌بیگی نباشد، چیزی کم ندارد (ثمین مترجم خیلی قابلی هم بوده و خیلی از ترجمه‌های خوب عزیز نسین و یاشار کمال کار اوست). خلاصه که اگر به آموزش یا خاطرات علاقه دارید، این کتاب را بهتان پیشنهاد می‌کنم. همین‌طور کتاب‌های توران میرهادی و محمد بهمن‌بیگی را که قبلاً همین‌جا معرفی کرده‌ام. چهره‌هایی از پدرم / ثمین باغچه‌بان / نشر قطره، ۲۶۰ صفحه، ۴۸ هزار تومن اگر بخواهید می‌توانید کتاب را به @bahmanbooks سفارش بدهید.