🔹 صد و شصت و سومین نشست علمی مشترک دانشکده ریاضی و کامپیوتر و پژوهشکده ریاضی ماهانی دانشگاه شهید باهنر کرمان با همکاری خانه ریاضیات کرمان
🔹سخنران: آقای دکتر مهدی رجبعلی پور
🔹عنوان: فرگشت شمارش در پهنه نیل تا سند و دریای سیاه تا خلیج پارس
🔹تاریخ و زمان: 
    یکشنبه ۱۸ خرداد ۱۴۰۴ ساعت ۹:۳۰ الی ۱۰:۳۰
🔹مکان: آمفی تئاتر ساختمان ماهانی
🔹 پیوند برخط جلسه:
https://ocvc.uk.ac.ir/mahani-lecture/

از کلیه علاقه مندان جهت شرکت در جلسه دعوت به عمل می آید.

@IranianMathematicalSociety

محققان انگلیسی می‌خواهند با هوش مصنوعی جدید بیماری‌ها را پیش‌بینی کنند.

محققان انگلیسی قصد دارند با آموزش مدل هوش مصنوعی پیشرفته‌ای با داده‌های سرویس سلامت همگانی (NHS) بریتانیا، بیماری‌ها را پیش‌بینی کنند. در NHS داده‌های سلامت ۵۷ میلیون ساکن انگلستان وجود دارد و همین امر باعث می‌شود هوش مصنوعی بتواند بیماری و عوارض مختلف را قبل از وقوع پیش‌بینی کند.
هوش مصنوعی جدید Foresight نام دارد و توسط محققان کالج دانشگاهی لندن (UCL) و کینگز کالج لندن (KCL) ساخته می‌شود. به زبان ساده این هوش مصنوعی سابقه پزشکی بیمار را برای پیش‌بینی مشکلات سلامتی او در آینده تجزیه‌وتحلیل می‌کند. Foresight با مجموعه داده‌های جمع‌آوری‌شده ۵۷ میلیون بیمار توسط NHS مانند پذیرش در بیمارستان، حضور در اورژانس و واکسیناسیون آموزش می‌بیند؛ البته اطلاعات شخصی بیماران حذف شده است و هوش مصنوعی داده‌های بیماران را به‌صورت افراد ناشناس تحلیل می‌کند.
منبع:
@science_magazine

Linear Algebra

by Terence Tao, UCLA

https://terrytao.wordpress.com/wp-content/uploads/2016/12/linear-algebra-notes.pdf

@infinitymath

توهم تفکر: فهمیدن نقاط قوت و ضعف مدل‌های استدلالی از دریچه پیچیدگی مسئله


https://ml-site.cdn-apple.com/papers/the-illusion-of-thinking.pdf

توضیحات مقاله در ویرگول
vrgl.ir/ul6kw

@infinitymath

فرض کنید یک کسیه برنج دارید و می‌خواهید تعداد برنج‌های داخلش را تخمین بزنید. هیچ امکان وزن کردن یا اندازه گیری ندارید و تنها وسیله ای که می‌تونید ازش استفاده کنید یک ماژیک هست. چطور می‌تونید تعداد برنج ها رو تخمین بزنید بدون این که تک تک بشماریدشون.

راهنمایی:
فرض کنید هر بار یک دونه برنج تصادفی بردارید، با ماژیک رنگش کنید و دوباره بذاریدش توی بسته. اگر بعد از ۱۰۰۰ بار اولین برنج رنگی را ببینید تخمینتون برای تعداد برنج‌ها چقدره؟

«تکینگی آرام» مقاله‌ای از سم آلتمن درباره آیندهٔ هوش مصنوعی و جهش‌های دهه ۳۰ میلادیه. با o3 ترجمه‌اش کردم و با Google Speech صوتی‌اش کردم. پیشنهاد گوش کنین.
بالاش هم نوشته: شاید آخرین مقاله‌ای باشه که بدون کمک AI نوشتم :)



-Mrgolden-

شگفتی در دنیای ریاضیات: دختری ۱۷ ساله، حدس ریاضی ۴۰ ساله را باطل کرد!

هانا کایرو (Hannah Cairo)، دانش‌آموز ۱۷ ساله آمریکایی، موفق شد با ارائه یک مثال نقض هوشمندانه، یکی از حدس‌های قدیمی و مهم در حوزه «آنالیز هارمونیک» را رد کند — حدسی که برای مدت ۴ دهه ذهن بهترین ریاضی‌دانان جهان را به خود مشغول کرده بود.

حدس Mizohata–Takeuchi :
آیا می‌توان مجموعه‌هایی با اندازه صفر (از نظر اندازه‌گیری لبگ) پیدا کرد که در عین حال «مجموعه تعیین‌کننده» برای توزیع‌های متقارن و محدب باشند؟

به‌زبان ساده‌تر: آیا مجموعه‌های به‌ظاهر «بی‌اثر» و «کوچک» می‌توانند حاوی تمام اطلاعات یک تابع باشند؟ این مسأله در تقاطع نظریه‌ی اندازه، آنالیز فوریه، و هندسه‌ی محدب مطرح می‌شود.

هانا موفق شد مثالی بیابد که این فرض را نقض می‌کند — یعنی مجموعه‌ای با «اندازه صفر» ساخت که برخلاف انتظار، اطلاعات کامل را منتقل نمی‌کند. این یعنی حدس غلط است!
بسیاری از ریاضی‌دانان از دقت و خلاقیت استدلال این نوجوان شگفت‌زده شده‌اند.
جالب‌تر آنکه هانا هنوز دبیرستان را تمام نکرده و امسال وارد دوره دکترا در دانشگاه مریلند خواهد شد!


منبع

@infinitymath

🔢 «اعداد اول کد پنهانی داشتند»: ریاضیدانی رمز ۲,۰۰۰ ساله را کشف کرد
چه خبر است؟
کن اونو (Ken Ono)، ریاضیدان برجسته، موفق شده است پیوند شگفت‌انگیزی بین اعداد اول و تقسیم‌های عدد صحیح (integer partitions) کشف کند—پیوندی که می‌تواند پایه‌های نظریه اعداد را دگرگون کند.

چرا این مهم است؟
اعداد اول ستون فقرات رمزنگاری مدرن هستند؛
کشف چنین ارتباطی یعنی ممکن است پایه‌های رمزگذاری فعلی باچالش مواجه شوند — یا حتی بهینه‌تر شوند.

اونو نشان داده که پاشنه آشیل ظاهری اعداد اول — یعنی نظم‌نداشتن‌شان — در واقع، با الگوی مشخص و قابل تحلیل مرتبط است که از طریق ساختار تقسیم‌ها قابل بررسی است. به عبارت دیگر، چیزی به ظاهر بی‌نظم در زیرپوست نظم دارد!

ریاضیات هنوز پر از رمز و راز است و حتی اعداد به اصطلاح "ساده" می‌توانند حرف‌های زیادی داشته باشند. این کشف ذهن‌برانداز نشان می‌دهد که یک ذهن کنجکاو و خلاق می‌تواند نمایی تازه از چیزهای آشنا ارائه دهد.

آماده سازی و ویرایش متن به کمک هوش مصنوعی

@infinitymath

منبع

شروع برابر، پایان متفاوت

📚 شکافی ۴۰ درصدی در مدرسه بین پسر و دختر در ریاضیات ایجاد می‌شود.
مطالعه‌ی میدانی روی ۲٫۶ میلیون کودک نشان می‌دهد وقتی بچه‌ها وارد کلاس اول می‌شوند (حدود ۵–۶ سال)، دختران و پسران نمرات مشابهی در ریاضیات دارند. اما پس از ۴ ماه مدرسه، تفاوت قابل توجهی در ریاضیات به نفع پسران ظاهر می‌شود و این فاصله پس از یک سال به اندازه‌ای جدی می‌شود.

عامل مدرسه است، نه سن.
تحلیل دقیق نشان می‌دهد این شکاف نه به دلیل سن که مربوط به دوره آموزشی است. یعنی با پیشرفت در مدرسه است که چرخه تفاوت شروع می‌شود، نه تنها به مرور زمان.

در تمام گروه‌های اجتماعی
چه خانواده‌ی مرفه، چه کم‌درآمد؛ چه در مدارس مختلف؛ چه مناطق گوناگون—همه‌جا الگوی مشابهی دیده شده. شکاف ریاضی در همه موارد به یک شکل رشد کرده.

نتیجه‌گیری:
این شکاف منعکس‌کننده‌ی سنت‌ها و انتظارات فرهنگی است که به مدارس و معلمان منتقل می‌شود؛ نه تفاوت ذاتی دختر و پسر. زمان طلایی برای مداخله اولین سال مدرسه است: با تدابیری مثل آموزش ضد کلیشه‌های جنسیتی، ارتقای اعتماد به نفس ریاضی در دختران، و توجه ویژه معلمان—می‌شود این تفاوت را کاهش داد.

آماده سازی و ویرایش متن به کمک هوش مصنوعی

منبع

@infinitymath

«هوش مصنوعی آماده تغییر کامل روش انجام ریاضیات است!»

طبق گزارش New Scientist، تعداد زیادی از ریاضی‌دانان برجسته اخیراً در دانشگاه کمبریج گرد هم آمدند تا بررسی کنند که آیا ابزارهای جدید اتوماتیک‌سازی اثبات‌ها کاملاً مجهز به هوش مصنوع، می‌توانند نحوه پژوهش ریاضی را به‌کلی دگرگون کنند.
چرا این موضوع مهم است؟
تا همین ۸ سال پیش (۲۰۱۷)، در جلسات رسمی دانشگاهی حتی خبری از نقش AI در «فرمال‌سازی» (Formalisation) نبود؛ اما حالا، ابزارهایی مثل ChatGPT به کمک مدل‌های زبانی بزرگ پیشرفته آمده‌اند.
این ابزارها قادرند اثبات‌های ریاضی را به‌صورت قابل بررسی دقیق توسط ماشیندرآورن،کاری که دقت و اعتماد به‌نفس در پژوهش را افزایش می‌دهد .

هوش مصنوعی می‌تواند به‌عنوان هم‌یار (co‑pilot) برای ریاضیدان‌ها ظاهر شود؛ نه جایگزین آن‌ها. هدف اولیه سپردن فرایندهای تکراری و دشوار، مانند فرموله‌کردن اثبات‌ها و بررسی رسمی آن‌ها، به دست ماشین است. با بهتر شدن ابزارها، امکان دارد سرعت اثبات‌ها افزایش یابد و پروژه‌های کلان‌تری قابل انجام شوند. این تحول می‌تونه نقطه‌ عطفی در پژوهش ریاضی باش، از اثبات‌های سنتی دستی تا همکاری هوش مصنوعی در جایزه‌های بزرگ مثل فیلز مدال در آینده نه‌چندان دور!

آماده سازی و ویرایش متن به کمک هوش مصنوعی

لینک خبر


@infinitymath

«آیا هوش مصنوعی می‌تواند برنده مدال فیلدز در ریاضی شود؟»

مدل‌های پیشرفته هوش مصنوعی مانند ChatGPT و ابزارهای تحلیل اثبات‌ها، وارد میدان ریاضیات شده‌اند، اما هنوز در نقش کمک‌کننده عمل می‌کنند، نه جایگزین؛خلاقیت و کشف مسائل جدید همچنان نیازمند ریاضیدان انسان است.

هوش مصنوعی سرعت و دقت را بالا می‌برد و اثبات‌های رسمی را قدرتمند می‌کند، اما برای نشستن روی صندلی Fields Medal راهی طولانی در پیش است. اکنون، AI همراه و دستیار پژوهشگری است، نه جایزه‌بگیر.

آماده سازی و ویرایش متن به کمک هوش مصنوعی

@infinitymath

لینک خبر

این مقاله هم یکی از اساتید رياضی برام فرستادند. هرچند قدیمی است ولی خیلی جالب و جذابه:

مقاله «چه کسی از بُردار می‌ترسد؟» از وب‌سایت یک پزشک

این مقاله، با الهام از جمله‌ای طنزآمیز («بردار چیز خوبی نیست، چون آدم را گمراه می‌کند!») به نقد تاریخی و سیاسی نگاه ایدئولوژیک به علم، مخصوصاً ریاضیات، می‌پردازد. نویسنده با روایت‌هایی واقعی از قرون وسطی تا آمریکای لاتین قرن بیستم، نشان می‌دهد چگونه حکومت‌ها و نظام‌های ایدئولوژیک، وقتی علم با منافعشان ناسازگار بوده، آن را سرکوب یا تحقیر کرده‌اند. حتی مفاهیم بی‌طرفی مثل بردار!
در دل متن، دفاعی پرحرارت از استقلال علم و اندیشه دیده می‌شود. مقاله با زبانی روایی، پرکنايه و پر از ارجاع تاریخی، ذهن خواننده را به درنگی جدی درباره‌ی رابطه قدرت و دانش وامی‌دارد.



@infinitymath

🔷 بخش دانشجویی خانه ریاضیات اصفهان برگزار می‌کند:

🔹 #گپ دانشجویی با موضوع
"Necklaces, Cycles and Counting: A Journey through Pólya's Theorem"

👤 ارائه‌دهنده: علی جعفری
دانشجوی کارشناسی ریاضی صنعتی اصفهان

🗓️ پنجشنبه ۲۶ تیر ۱۴۰۴
🕚 ساعت ۱۷:۰۰
📍 اصفهان، خیابان آزادگان، روبه‌روی مقبرهٔ بانو امین، خانه ریاضیات اصفهان

♾️ حضور در این برنامه برای همگان آزاد است.

✅ این ارائه به صورت تلفیقی(حضوری و مجازی) برگزار می‌شود. در صورتی که قصد حضور دارید، نام خود را به روابط عمومی اعلام کنید.

🛜 پیوند شرکت در این برنامه:
https://www.skyroom.online/ch/mathhouse/students

@IMHStudents

‏آيا می توانيد مثالی با ابعاد بزرگتر شبيه به اين حاصلضرب ماتریسی درست كنيد؟
@infinitymath

#تسلیت
▪️با کمال تاسف و تاثر به اطلاع می‌رسانیم دکتر عباس انواری، رئیس اسبق و استاد دانشکده فیزیک دانشگاه صنعتی شریف به رحمت ایزدی پیوستند. این ضایعه را به خانواده محترم ایشان و جامعه دانشگاه صنعتی شریف تسلیت عرض نموده و از درگاه خداوند متعال برای آن مرحوم رحمت و مغفرت و برای خانواده محترم ایشان صبر و سلامتی آرزومندیم.

روحشان شاد و یادشان گرامی

🆔@sharif_prm

آشناییم با این مرد بزرگ و بزرگوار (استاد عباس انواری) به دورانی برمی گردد که در دانشگاه شریف دانشجو بودم. دستیارش بودم در آزمایشگاه اپتیک و لیزر و فیزیک پایه. یادم می‌آید مساله ای را برای امتحانی طرح کردم بسیار جامع و کامل بود و نیز سخت. وقتی نشانش دادم خنده ای ملیح کردند و گفتند "آقای عباس زاده مگر قرار هست با دانشجو کشتی بگیریم؟!". هیچ حرف و نصیحتی نداشت. بسیار گزیده سخن می گفت. رعایت تمام جوانب را می کرد. با رفتار و عملش درس می داد. بسیار حساس شده بودم که در مقابل هر اتفاقی چه موضعی می گیرد و چه رفتاری نشان می دهد. همین است بسیار زیاد از ایشان یاد گرفتم. مردی بود به نهایت ادب. منش و روشش و ادبش باعث شد حدود پنج سال دستیارش باشم هم در دانشکده فیزیک هم دایرتالمعارف بزرگ اسلامی. وارد دفتر ساده اش که می شدیم از پشت میزش پا می شد و در جلوی میز در موضع و شرایط صمیمانه تر و برابر می نشست و صحبت را شروع می کرد.

برخلاف اساتید دیگر که برگه های درس های عمومی را دستیاران تصحیح می کنند خودشان علارغم بیماری قلبی همراهی می کرد و با وسواس نمره می داد و نیز سوالاتی را که دستیاران تصحیح کرده بودند بازبینی می کرد. برگه ها را شماره گذاری می کرد و اسم ها را از برگه جدا می کرد. سوال کردم که چرا اینهمه وسواس به خرج می دهید؟ باز با آن لبخند صمیمی اش جواب داد که بالاخره آدمیزادیم و ممکن است برگه کسی را ناخواسته با دید مثبت تصحیح کنیم و نمره دهیم و کسی را نه!

گاه از خاطراتش می گفت، چه دورانی که ریاست دانشگاه را داشت و دوره ی جنگ بود و چه دورانی که تدریس می کرد. در همه نکته بود و درس. یادم نمی آید در این مدت پنج سال که دستیارش بودم و مرتب در ارتباط بودم و حتی در مدتی که در هلند تحصیل می کردم و ارتباط داشتیم، ببینم نسبت به کسی قضاوتی بکند. عجب شخصیت والایی داشت!

دیوان حافظ را حفظ بود. باهم از دایره المعارف اسلامی برمی گشتیم پرسیدم که چطور همه را حفظ کرده. جواب داد من رادیو و ضبط ماشین ندارم و همه را در مسیر کار به دانشگاه و خانه حفظ کرده ام. از بس با حافظ مانوس بود خود حافظی دیگر گشته بود. شعر زیبا می گفت و شخصیتی مهربان و بسیار ملاحظه گر داشت. با این حال جهان با او خوب تا نکرد چه برادرش که در جوانی درگذشت و چه فرزند برومندش در حادثه سقوط هواپیما مسافر آخرت شد و با این حال صبور و استوار همچون کوه بود.

چه بگویم در رسای استادی که به نهایت استاد بود نه تنها در علم، بلکه در بذل و بخشش و اخلاق و عمل!

خوشا به حال آن جهانیان که امروز مجلس شان نورانی تر شده و به محفل شان حافظی دیگر افزوده شده!

تمام آن دورانی که دستیارش بودم لحظه لحظه اش برای من افتخار بود و هست.

| @infinitymath |

برای مشاهده پیام ها و اخبار روزهای بعد از فوت مریم به لینک زیر بروید.

https://www.tgoop.com/infinitymath/1877

@infinitymath

🔶️استخدام در معروف‌ترین شرکت هوش مصنوعی دنیا؛ این ۲ عامل از مدرک دکترا مهم‌تر هستند

🖋مجتبی بوالحسنی

برای ورود به قلب دنیای هوش مصنوعی، به چیزی فراتر از مدرک دانشگاهی نیاز دارید؛ چیزی که از دل کنجکاوی و جسارت زاده می‌شود.
رهبران OpenAI، نیک تورلی و مارک چن، هنگام صحبت درباره‌ی فرایند استخدام در این شرکت سراغ لیست بلندبالایی از مدارک دانشگاهی از آیوی‌لیگ‌ها یا قهرمانی در مسابقات هوش مصنوعی نمی‌روند. بلکه روی ویژگی‌هایی انسانی‌تر و بنیادی‌تر تمرکز دارند: «کنجکاوی» و «ابتکار عمل».

نیک تورلی مدیر تیم ChatGPT در قسمت جدید پادکست رسمی OpenAI توضیح داد که مهم‌ترین ویژگی برای جذب نیرو در این شرکت، توانایی فنی نیست؛ بلکه روحیه‌ی کنجکاوی است. او گفت: «این مهم‌ترین چیزی است که من در افراد جست‌وجو می‌کنم. وقتی دانشجویان از من می‌پرسند در این دنیای متغیر چه باید کرد، پاسخم همین است.»

تورلی با تأکید بر اینکه کار با هوش مصنوعی بیشتر از دانستن پاسخ‌ها، به پرسیدن پرسش‌های درست وابسته است، افزود: «بخش زیادی از این حوزه هنوز ناشناخته است. برای ساختن آینده در این مسیر، باید فروتنی داشت. تنگنای اصلی، ندانستن پاسخ نیست؛ نپرسیدن سؤال‌های درست است.»

به‌نوشته‌ی Dnyuz، مارک چن مدیر ارشد تحقیقات OpenAI نیز همین دیدگاه را دارد. او تأکید کرد که هنگام ورودش به شرکت در سال ۲۰۱۸، آموزش رسمی زیادی در حوزه‌ی هوش مصنوعی نداشت و گفت: «ما روزبه‌روز کمتر به داشتن مدرک دکترای هوش مصنوعی اهمیت می‌دهیم. آنچه اهمیت دارد، داشتن ابتکار عمل است؛ یعنی این‌که مشکل را ببینی، بدانی هیچ‌کس حلش نمی‌کند و خودت دست‌به‌کار شوی.»

روحیه‌ی خودانگیخته میان کارکنان OpenAI چیز تازه‌ای نیست. پیتر دِنگ معاون سابق محصولات مصرفی شرکت که سابقه‌ی رهبری تیم‌های محصول در متا را نیز دارد، اخیراً در پادکست دیگری با صراحت گفت: «اگر بعد از ۶ ماه هنوز لازم باشد به شما بگویم چه‌کار کنید، یعنی شخص اشتباهی را استخدام کرده‌ام.»

انتظار از استقلال و مالکیت بر کار، دقیقاً با فرهنگ سازمانی OpenAI هم‌راستا است. تورلی اشاره کرد که ChatGPT در واقع حاصل تلاش چندروزه شبیه به هکاتون بود؛ تلاشی تیمی که در آن افراد از بخش‌های مختلف مانند زیرساخت و ابررایانه‌ها گرد هم آمدند تا محصول را سریع عرضه کنند. او گفت: «ما در OpenAI پر از آدم‌هایی هستیم که خودشان دست به کار می‌شوند و محصول می‌سازند. این همان چیزی است که ما را متمایز می‌کند و در فرایند استخدام به‌شدت روی آن تمرکز داریم.»

◀️ برگرفته از:
https://www.zoomit.ir/ai-articles/443177-want-work-openai-curiosity-grit-matter-more/

منبع: @kheshtekaj