ونَحنُ لَم نَحلُم .. بأكثَر مِن حَياةٍ كَالحَياة !
و ما رویایی بیشتر از یک زندگی که شبیه زندگی باشد نداشتیم.

محمود درویش

این مصاحبه اخیر یورگن کلوپ برای من تکان دهنده بود. آدم بسیار جالبیه. توش اول از همه اذعان می‌کنه که (با این که مربی بسیار محبوبی بود) ولی بیشتر از نرخی که باید فینال‌ها، یعنی اون گام آخر، رو باخته. بعد راجع به این صحبت می‌کنه که سال ۲۰۰۱ در حالی که هیچ اعتباری نداشته و می‌خواسته وارد سرمربی‌گری بشه به خانومش گفته من ۲۵ سال می‌خوام بدون توقف کار کنم و خانومش هم گفته که اشکال نداره اگر ریسکت جواب نداد و موفق نشدی من می‌تونم راننده تاکسی بشم. و واقعا هم ۲۵ سال، بدون توقف، عمرش رو گذاشته رو سرمربی‌‌گری. طوری که می‌گه دو بار کلا عروسی رفتم در این ۲۵ سال و چهار بار هم کلا سینما رفتم که ۴ بارش همین امسال بوده. اما بعدش چه؟ الان ازش می‌پرسند برای فوتبال دلت تنگ نشده؟ می‌گه نه و احتمالا هم نمی‌خوام دیگه سرمربی بشم. و تعریف می‌کنه که الان روال زندگی روتینی داره و از بودن کنار نوه‌هاش لذت می‌بره. خیلی زندگی جالبی داشته. اون روح زندگی رو انگار زندگی کرده. بخش خوبی از عمرش رو گذاشته روی چیزی که ممکن بوده جواب نده. تبدیل به یک مربی محبوب و کاریزماتیک و تاثیرگذار شده ولی در نهایت در گامهای آخر کم آورده و هیچ در تاریخ فوتبال ازش به عنوان پرافتخارترین مربی‌ها یاد نمیشه. سرمربی‌گری رو در ۵۸ سالگی کنار گذاشته و حالا میگه از زندگی لذت میبرم نمی‌خوام به فوتبال، اون پروژه‌ای که واسش ۲۵ سال عمرم رو گذاشتم، برگردم. خوشا به حالت آقای کلوپ

I lost more Champions League finals than most people play. I know how to lose and how life goes on. I don’t need to keep my experience for myself. I never did, but I just never had time to talk to people about it because it was the next game coming up. Now if somebody asks me something, I’m the most open book I know

Klopp says he told his girlfriend Ulla, now his wife, in 2001 that he would do “25 years at full throttle without looking left and right” as a football coach. And if it didn’t work out? “Ulla said I can drive a taxi.”

The risk, as he puts it, was worth taking. “But the thought was not that I would do this until the end of my life,” adds Klopp. “I missed nothing in my life because I never thought about it. So during almost 25 years, I twice went to a wedding — one of them was mine and the other one was two months ago. In 25 years, I have been four times at the cinema — all in the last eight weeks. It’s now nice to be able to do it.

I didn’t know when games started. I was just out. I played sports. We enjoyed life, spent time with the grandkids, completely normal stuff, knowing I will work again. But knowing as well, that I don’t want to work as a coach anymore

دل گم شده است، سینه پردازی هست
جان سوخته است، جلوهٔ نازی هست
زخمی نشود شکار، بی شست وخدنگ
خونین جگریم، ناوک اندازی هست

حزین لاهیجی

در مورد Context Engineering

در چند سال اخیر اصطلاح prompt engineering پررنگ‌ترین مفهوم در طراحی راه‌حل‌های llm بوده. prompt engineering به صورت مشخص‌تر به این معناست که من چیزی که می‌خوام رو چطوری و با چه ادبیات و کلمه‌هایی برای llm توضیح بدم. در این اواخر اما یک اصطلاح تازه‌ای هم به نام context engineering به وجود اومده که ممکنه در نگاه اول شبیه به prompt engineering به نظر بیاد اما موضوعش یک درد و درمان جدایی هست.

ماجرا اینه که هر چه قدر که llmها رشد کردند و ازشون در تسک‌های پیچیده‌تر و اصطلاحا long horizon تری (مثل مهندسی نرم‌افزار) استفاده شد از اونور میزان توکنی که بهشون به عنوان context باید داده بشه بیشتر و بیشتر می‌شه. این context خودش می‌تونه شامل چیزهای مختلفی نظیر system prompt یا tool call های ایجنت یا تاریخچه مکالمه‌اش با user باشه. حالا این بزرگ‌شدن context دو مشکل می‌تونه به وجود بیاره. یکی این که ممکنه اون قدر بزرگ بشه که ظرفیت context مدل‌های llm ای جا نشه و یکی دیگه هم این که حتی اگر context در حد ظرفیت llm هم باشه آزمایشات نشون دادند که هر چه قدر context بزرگتر بشه عملکرد llm افت پیدا می‌کنه و اصطلاحا llm یک بودجه اتنشن محدودی داره. در نتیجه توسعه‌دهنده باید تا حد امکان بتونه جوری context رو مهندسی کرده که اطلاعات مربوط با تعداد توکن کمتری به llm داده بشه. این که مثلا چه جاهایی از تاریخچه مکالمه رو به llm بدم، چه tool call هایی رو بدم و ... همه می‌تونن استراتژی‌های مختلف برای این مساله باشند.

حالا Anthropic چند روز پیش اومده در بلاگی راجع به context engineering و ابعاد مختلفش صحبت کرده و یک سری توصیه و نیک‌روش (امروز دوستم آقای حبیبی داشت فحش میداد چرا از واژه‌های انگلیسی استفاده می‌کنیم، به همین دلیل به جای بست پرکتیس از نیک‌روش استفاده کردم) ارائه کرده. تنی چند از این توصیه‌هایی که به نظرم خودم جالب بودند اینها هستند:

- یک context engineering موفق به این معنا هست که کوچکترین ست ممکن از توکن‌هایی رو پیدا کنیم که نقش سیگنال رو برای llm جوری بازی کنند که احتمال بهترین رفتار llm رو بیشتر کنند. در جایی که عملکرد مساوی بنابراین اولویت با اون ستی هست که کوچکتر باشه.

- سیستم پرامپت باید نه اون قدر مبهم باشه که llm نفهمه دقیقا باید چی کار کنه و نه اون قدر با جزییات نوشته شده باشه که مستعد اورفیت و شکست روی نمونه‌ها باشه. یک جاهایی اون وسطها باید باشه.

- روند ساخت سیستم پرامپت باید این جوری باشه که سعی بشه اول با یک پرامپت مینیمال روی بهترین llm موجود جواب گرفته بشه و بعد حالا از یک طرف سعی بشه تا failure mode رو با اضافه‌کردن توضیحات یا مثال هندل کرد. از طرف دیگه هم آروم آروم از بهترین مدل به ممکن‌ترین مدل (مدلی که هزینه‌اش بهمون بخوره) رسید.

- میشه از tool ها به نحوی استفاده کرد که context مون کوچیکتر بشه. بدین منظور باید toolهایی داشته باشیم که بخشی از منطق مساله رو بدون این که نیاز باشه تو کانتکس tool یا agent های دیگه بیاریم به اونها بسپریم. این tool ها باید تا حدامکان خودنگهدار باشند و مرز کار منطقی که انجام می‌دن با هم مشخص باشه.

- تکنیک few shot exampling با این که خوبه اما اکثرا به صورت اشتباهی استفاده میشه. باید مثال‌های دایورسی رو قرار داد تا مبادا مدل روی مثال‌های خاص اورفیت کنه.

- برای تسک‌های long horizon و بهینه‌ترکردن context شون میشه سه استراتژی داشت: خلاصه کردن محتوا برای دورهای بعدی، قابلیت note taking و جداکردن conern های منطقی با sub agentها. در note taking این شکلی میشه که ایجنت میاد چیزایی که بهشون دست پیدا کرده رو یادداشت می‌کنه و عوض این که هر سری تو کانتکس خودش نگه داره یک جای دیگه ذخیره می‌کنه و هر وقت که نیاز شد می‌ره برش می‌داره میذاره تو کانتکس

لینک بلاگ:
https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents

چاره‌ای کن که به لطف تو گنهکار شدم

تا در آن حلقهٔ زلف تو گرفتار شدم
سوختم تا که من از عشق خبردار شدم

من چه کردم که چنین از نظرت افتادم
چاره‌ای کن که به لُطف تو گنهکار شدم

خواب دیدم که سر زلف تو در دستم بود
بوی عطری به مشامم زد و بیدار شدم

تا در آن سلسلهٔ زلف تو افتادم من
بی‌سبب چیست که پیش نظرت خوار شدم

برو ای باد صبا بر سر کویش تو بگو
که ز مهجوری تو دست و دل از کار شدم

جان به لب آمد و راز تو نگفتم به کسی
نقد جان دادم و عشق تو خریدار شدم

شاطر عباس صبوحی

تکنیک‌های تدریس

ساعاتی پیش نمره آخرین دانشجوی هوش هم ثبت شد و عملا دیگه کارم با درس بعد از بیش از ۸ ماه تموم شد. بعد از این ترم که درش هم هوش و هم سیستم‌۲ رو داشتم دیگه اون شور و طمع تدریس درم برای اولین بار کم‌شعله شده و فکر هم می‌کنم که حالاحالاها نخوام درس بدم. هم خودم پیر و مستهلک شدم و هم این که احساس می‌کنم درس‌دادن در دنیای امروز در دانشگاه دیگه پوینت آن چنان خاصی نداره. ماهیت درس‌های ما هم مثل علوم انسانی نیست که درش بحث‌کردن خودش بتونه هر لحظه چیز جدید و نویی رو به خود شمای مدرس اضافه کنه، مخصوصا برای درس‌های پایه مثل هوش اینا. به هر صورت از تدریس خودم راضی‌تر بودم و به نظرم به تکنیک‌ها و تاکتیک‌های ارائه درس مسلط شده‌ام. می‌خواستم چند چیزی که برام این ترم تجربه شد رو بنویسم شاید به درد شما هم خورد:

- برای بسیاری توضیح‌دادن یک مطلب کار سختیه. حتی اگر خوب هم بلد باشن یک چیزی رو برای خودشون یا یک نفر دیگه توضیح بدن مخصوصا وقتی در مقابل یک جمعیت زیادی قرار می‌گیرند، نوع بیان و ادبیاتشون عوض میشه. من در این جا از الگوی روایت عموی سوباسا استفاده می‌کنم. اگر یادتون باشه دیالوگی داشت به سوباسا به این منوال که با توپ جوری رفتار کن که انگار بخشی از بدن تو هست اون وقت بهتر می‌تونی هدایتش کنی. در مقوله تدریس هم آدم اولا باید با ذهنیتی با کلاس رفتار کنه که انگار اتاق خودش هست و اون وقت می‌تونه راحت‌تر درس رو پیش ببره. از طرف دیگه هم اما باید سعی کنه موقع درس دادن خودش رو جای دانشجو بذاره تا مبادا دانشجو براش تبدیل به یک دیگری بشه و مطلب رو نفهمه. شما باید جوری درس بدید که انگار می‌خواید به اون ورژنی از خودتون که مطلب رو بلد نیست درس بدید.

- مثل انیمه‌ها که اوپنینگ‌هاشون توشون مهمه، کلاس درس هم باید اوپنینگ داشته باشه. اول از همه چند دقیقه با یک مطلب بی ربط کلاس باید شروع بشه تا اون یخ ذهنی اول ملت آب بشه. اگر این اتفاق نیافته و از اول دانشجو با درس مواجه بشه همون اول از مطالب احساس عقب افتادگی می‌کنه و دیگه جلو نمیاد با درس. بعد از اون ۵ دقیقه همیشه باید مطالب جلسه قبل مرور بشن. دانشجو با داشتن ۲۰ واحد و کلی کار و مشغله ذهنی مثل یک ماهی قرمز می‌مونه. باید مطالب رو هر سری براش توضیح داد تا زنجیره دستش بیاد.

- یک زمان از یکی شنیدم که کوتی رو نقل کرد که فیلسوف خوب اونی نیست که پاسخ خوبی به سوالات بده اونیه که سوال خوبی رو مطرح کنه. استراتژی اصلی من هم در درس دادنم همینه. اونم این که فلسفه اون درد و سوالی که وجود داره رو به دانشجو فهمونده بشه. وگرنه راه‌حل‌ها که چیزهای راحت‌تر و اغلب حفظی هستند و پوینتی ندارند. طرح سوال بنابراین مهمه

- آدم‌ها مهم‌تر از آثارشون هستند. من عادت دارم خیلی وقت‌ها در خلل درس به داستان زندگی‌ آدم‌های مرتبط با اون تکه می‌پردازم. به پرسپتورن که می‌رسم راجع به روننبرک صحبت می‌کنم و به الکس‌نت که می‌رسم راجع به Alex Krizhevsky. هم دانشجو احساس همذات پنداری بهتری با درس می‌کنه و هم این که داستان زندگی آدم‌ها چیزای مهمتر و ارزشمندتری هستند و جا داره بعضا بحث بشه روش.

- من عادت دارم وسط درس بارها از دانشجوها سوال بپرسم. این طوری هم حواسشون جمع میشه هم من در حین درس دادنم فیدبک می‌گیرم که کجا رو ملت فهمیدند و یا اشتباه گرفتند.

- در مقابل هر از گاهی حین کلاس یک پنجره سوال باز می‌کنم که بچه‌ها حین درس دادن سوالاتشون رو بپرسند. کارکرد اینجا اینه که هم من نفسی چاق کنم و هم فیدبک بگیرم اگر جایی رو ملت نفهمیدند براشون بهتر توضیح بدم. یک نکته‌ای که اینجا مهم هست اینه که اگر دانشجو سوال پرسید مدرس باید سوال دانشجو رو با صدای بلند و به بیانی دقیق‌تر برای کلاس تعریف و ترجمه کنه تا اونها هم اگر سوالشون اینه بشنوند و بعد پاسخ بده. خیلی وقتها هم پیش میاد که دانشجوها سوالات چرند می‌پرسند اینجا باز مدرس می‌تونه سوال دانشجو رو ترجمه کنه به سوال درست و اون رو با کلاس مطرح کنه.

- اسلایدها کار مدرس‌ رو راحت‌تر می‌کنند ولی در مقابل می‌تونند اسیرش کنند. مدرس نباید برای تدریس خودش برده اسلاید بشه وگرنه گیر می‌کنه. اسلاید برای مدرس نقش پلن و برای دانشجو نقش حواس جمعی رو باید داشته باشه.

- آشنایی زدیی کردن از مباحث: قبلا اینجا گفته بودم.

- و در نهایت امتحان. عادتی که در دانشکده ما هست اینه که وقتی می‌خوان سوال سخت طراحی کنند اون رو به لحاظ محاسباتی و تکنیکی سختش می‌کنن. من ولی دوست داشتم که به لحاظ مفهومی سختش کنم. مثلا در میانترم سوال طرح کردم یک مثالی بزنید که به صورت مارکوف به هیچ وجه نشه مدلش کرد و خب تقریبا همه ملت اشتباه نوشتند. می‌دونستند مارکوف چیه ولی نمی‌دونستند چی مارکوف نیست. البته سوالات مفهومی چالشی داره و اینه که سر تصحیح دانشجو قانع نمیشه که نفهمیده و برای همین استاد سوال محاسباتی رو ترجیح میده.

#تجارب

واقعیت اینه که من قوی نیستم بر خیلی کارها، ضعیغم و زورم بهشون نمی‌رسه. حالا بعدش کلی تئوری‌چینی و بحث می‌کنیم چرا فلانه و ما باید چه کار کنیم و اینها که انگار می‌خوام با این، نتونستن رو بپذیرم یا نپذیرم. ولی واقعیت اینه که من اگر قدرتش رو داشتم دیگه اون بحث‌های پسینی هم به وجود نمیومد. این همه بحث صرفا مکانیزم دفاعی جلوی این واقعیتند که من قدرتش رو ندارم یا نتونستم. واقعیت اینه که من نمی‌تونم نه این که من چه کار باید بکنم یا چه کار نباید بکنم. واقعیت کم زوری منه. وگرنه اگر قدرتش رو داشتم هیچ بحثی وجود نداشت. شما قدرتش رو داشته باشی دنیا یک دنیای دیگه‌ای می‌شه برات. شما قدرتش رو داشته باشی دنیا یک دنیای دیگه‌اب میشه برات.

#افکار_پریشان

اگر به یک آدم وسواسی برچسب وسواسی‌بودن زده بشه احتمال داره بدبخت روی وسواسی بودن خودش بیشتر وسواسی بشه. راهش به نظر این نیست خلاصه. کلا برچسب‌زدن حتی به درست، کار خوبی نیست.

#تجارب

سر بازار دیدارت

ای داد و بی‌داد دل و دین دادم
هرکه غیر او رفت از یادم
سر بازار دیدارت
منم از جان خریدارت
چنت آرم به بازارت
کنم حیران زلیخارا
ای داد و بی‌داد دل و دین دادم
هرچه غیر او رفت از یادم
مرا باشد متاع جان
فدای عارض جانان
به جز سودای مهرویان
نخواهم هیچ سودا را
ای داد و بی‌داد دل و دین دادم
هرچه غیر او رفت از یادم
که مجنون پریشانم
سبب از عشق می‌خوانم
مگر پایان کنم آخر
کتاب عشق لیلا را
ای داد و بی‌داد دل و دین دادم
هرچه غیر او رفت از یادم
خداوندا تو درمان کن
تو این درد دل ما را
ز لطف خویش حل گردان
تمام مشکل ما را
گل رخسار یاران را
دمادم تازه‌تر گردان
به چهچه در گلستان کن
تو این دم بلبل ما را
ای داد و بی‌داد و بی‌داد دل و دین دادم
هرچه غیر او رفت از یادم
براه باطل افتادم
نوشتند خط ما باطل
ز رحمت شست‌وشویی ده
تو خط باطل ما را
ای داد و بی‌داد دل و دین دادم
هرچه غیر او رفت از یادم

هم‌نامی که هر ماه آبرو می‌خرد

امروز از روی خستگی در گنجور ول می‌چرخیدم که در صفحه donate‌اش یهو هنگ کردم. دیدم یک آقایی به نام مهدی سمیعی یک میلیون تومن در تاریخ ۴ شهریور به گنجور اهدا کرده. یک لحظه شک کردم نکنه منم تو احوالات خرابم رفتم به گنجور donate کردم یادم نمیاد که بعد پیامک‌هام رو چک کردم دیدم نه من نیستم. شروع کردم ببینم بقیه چه مبالغی اهدا کردند دیدم در ماه‌های قبل هم این مهدی سمیعی معمولا چهارم هر ماه مبلغ یک میلیون اهدا کرده. شما فکر کن دقیقا چهار تیر هم که جنگ تموم شده هم باز ایشون دست نکشیده و مبلغ یک میلیون رو اهدا کرده :)

گزارش جالبی راجع به دلایل شکست SEGA در بازار کنسول‌های بازی هست. سه دلیل اصلی که آورده:
- اول نداشتن استراتژی واحد و وسواسی شدن رو واکنش به رقباشون مثل سونی
- دوم بی‌توجهی به کاربران اصلیشون که نه گیمرها که بلکه طراحان بازی‌ها بودند، سگا بدون این که به راحت‌تر کردن کار توسعه‌دهندگان بازی فکر کنه شروع به بهبود سخت افزاریش کرد که عملا بی‌فایده شد
- سوم هم باختن توی مزیت‌های جانبی به سونی. مثلا پلی استیشن ۲ از دی وی دی رام پشتیبانی میکرد و خیلی‌ها پلی استیشن رو که می‌خریدن به خاطر همین قابلیتش می‌خریدند.

در کل داستان سقچط اسمهایی مثل سگا، نوکیا، یاهو و ... که زمانی آشناترین و روتین‌ترین چیزها تو زندگی ما بودند ولی الان نیستند داستانهای جالبی‌اند. البته اگر قد شما سنتون به اینها قد بده. چند وقت پیش با یکی از دانشجوهام که تو شرکت همکاریم و اتفاقا آدم خفنی هم هست صحبت میکردیم بزرگوار نمیدونست dial up چیه!

لینک:
https://www.zoomg.ir/game-articles/409645-why-sega-left-console-market/

معمولا از RL برای post-training مدل‌های زبانی استفاده می‌کنند و عملکردشون رو این شکلی align می‌کنند یا مثلا در سناریوهای reasoningای به کمک همین RL به مدل استدلال رو یاد می‌دن و به مدل هم امکان exploration می‌دن. در اینجا در واقع اصل کاری RL نیست، RL در واقع یک روش بهینه‌سازی هست برای وقتی که یک ریوارد فانکشنی وجود داره (که ممکنه گرادیان پذیر نباشه) و RL حالا میاد یک امکانی میده که اون مدل رو با اون ریوارد هر چند گرادیان‌ناپذیر آموزش بدیم. حالا یک پیپری اومده گفته اصلا چرا RL بزنیم بیایم از الگوریتم‌های بهینه‌سازی تکاملی رو فضای پارامتر‌ها استفاده کنیم و مدلمون رو با بهینه‌سازی تکاملی و استفاده از ریوارد فانکشن فاین تیونش کنیم. بر همین اساس یک الگوریتم بهینه‌سازی تکاملی ارائه داده و در ستینگ مدل‌های ریزنینگی کوچک نشون داده که با تنها سایز جمعیت ۳۰ جوابی بهتر و استیبل از روش‌های بهینه‌سازی RLای نظیر GRPO و PPO گرفته.

زیبایی کارشون در اینه که نشون داده زیاد مموری هم نمی‌خواد. می‌شه نمونه‌های جمعیت رو جداگونه موازی پردازششون کرد و از اونور هم حتی نیازی به نگهداری پارامترها نیست بلکه صرفا میان seed های رندومنس رو ذخیره می‌کنن!

لینک:
https://x.com/yule_gan/status/1975177775251087436

مثل ARC که مجموعه private ای جدا از publicهاش ارائه کرد تا مدل‌ها نتونن به واسطه آموزش‌دیدن روی مجموعه پابلیک عملکرد خودشون رو بالا ببرند، حالا روی تسک Retrieval هم مشابها یک بنچمارکی ارائه شده که مجموعه دیتاهای ارزیابی public و private داره و ارزیابی عادلانه‌تر و واقعی‌تری می‌شه روی مدل‌های امبدینگی داشت.

لینک:
https://huggingface.co/blog/rteb

مرثیه‌ای برای بادبزن: نبوغ، وفاداری و سرخوردگی

امروز ۸ اکتبر، بنا به روایتی، ۱۷۹۱ امین سالگرد مرگ ژوگه لیانگ است. شخصیتی که جزو پنج کاراکتر محبوب من هست. چیزی که شخصیت ژوگه لیانگ را برجسته می‌کند ترکیب مجموعه عناصری است که در داستان او در روایت بزرگتر سه امپراطوری رخ می‌دهد. ژوگه لیانگ در ابتدای داستان حضور ندارد و تا آخر هم حاضر نیست اما اکت‌های او پررنگ‌ترین جاهای داستان هستند. یکبار اگر بخواهیم از اول تا آخر مرور کنیم: وضعیت لیوبی قبل از آشنایی با ژوگه لیانگ، معرفی ژوگه لیانگ به لیوبی توسط ژوشو، زندگی آرام و دور از سیاست ژوگه لیانگ قبل از پیوستن به لیوبی، سه بار تلاش لیوبی برای ملاقات با ژوگه لیانگ، ایجاد اتحاد با وو در نقش دیپلمات، دزدیدن صدهزار تیر جنگی از سائوسائو، نبرد صخره سرخ، فتح جینگ، عاصی‌کردن ژویو و پیش‌دستی بر او تا آنجا که آن حسرت «چرا وقتی لیانگ زاده شد، مرا نیز آفریدند؟» از دلش برمی‌آید، فتح سرزمین رودها، مرگ پانگ تونگ و تنها‌شدن و سنگین‌ترشدن بار بر روی دوشش، دفاع از هانژونگ، سقوط جینگ‌ژو و به بادرفتن نقشه اولیه لونگ‌ژونگ، گوش‌نکردن لیوبی به حرف ژوگه لیانگ در حمله به وو و شکست مفتضحانه ییلینگ، وصیت لیوبی به ژوگه لیانگ و سپردن سرنوشت شو به او و همان جمله عجیبی که اگر لیوشان را عاجز دیدی خودت بر تخت بنشین و خودداری ژوگه لیانگ از این کار، لشگرکشی به جنوب و هفت‌بار اسیرکردن منگ‌هو، ماجرای قلعه خالی در برابر سیمایی، اشتباه ماسو در جیتینگ و تصمیم سخت اعدامش توسط ژوگه لیانگ، ابداع گاو چوبی و توجه به لجستیک جنگ، کشمکش با حریف چغری چون سیمایی، باران ناهنگام شانگ‌فانگ، فهمیدن این که قادر به احیای هان نیست، مرگش، و حتی پس از مرگش با پیش‌بینی شورش وی‌یان نقشه اعدام او را ریخت، ترساندن سیمایی با مجسمه چوبی خودش و .... همگی تکان‌دهنده هستند.

شاید همه این‌ها واقعی نباشد و قطعا بعضی‌هایشان ساخته ذهن‌ چینی‌ها در طول سال‌ها هستند اما این روایت‌هایی که شخصیت ژوگه لیانگ را ساخته‌اند، معنایی دارند. وقتی عمیق‌تر به او نگاه می‌کنیم سه عنصر نبوغ، وفاداری و سرخوردگی را می‌بینیم. نبوغ در طراحی نقشه‌های جنگی و ایفای نقش به عنوان فرمانده جنگی (بدون این که یکبار شمشیر بزند) و دیپلمات و چیدن ساختار بروکراسی شوهان، وفاداری در خدمت به لیوبی، و البته سرخوردگی نهایی در شکست‌دادن شمال. این حضور توامان نبوغ و وفاداری و البته سرخوردگی است که ژوگه لیانگ را جذاب می‌کنند، هر کدام که نبودند یک جای معنای کار می‌لنگید. حتی و مخصوصا این سرخوردگی. داستان می‌توانست جور دیگری پیش‌ برود، اگر جینگ‌ژو سقوط نمی‌کرد، اگر ماسو حماقت نمی‌کرد، اگر باران شانگ‌فانگ بی‌موقع نمی‌بارید شاید ژوگه لیانگ پایتخت را فتح می‌کرد و هان را احیا می‌کرد اما در آن صورت دیگر قابل همذات‌پنداری نبود و روایت از زخم تهی می‌شد. ژوگه لیانگ اما الگوی «کسی که همه چیز را درست انجام می‌دهد و باز هم کم می‌آورد» است؛ تراژدیِ شریفِ انسانی که نه از بی‌عرضگی که از بزرگی هدف و کوتاهی عمر و شرارت زمانه می‌بازد. همین است که او را به ما نزدیک می‌کند: نبوغ و وفاداری‌اش از جنس آرمان است، سرخوردگی‌اش از جنس زندگی.

بادبزن پر در دست او، در تمام این روایت، فقط یک شی صحنه نیست؛ صورت‌بندی همین سه‌گانه است. بادبزن یعنی خونسردی محاسبه در میانه آشوب، یعنی تقدم ذهن و تمرکز به‌جای شمشیر، یعنی امید به رام‌کردن باد. هر بار که آن را می‌جنباند انگار می‌گوید: «نظم ممکن است، حتی اگر جهان نخواهد» اما باد همیشه فرمان نمی‌برد. گاهی یاری‌ات می‌کند؛ در صخره سرخ، چنان که روایت‌ها می‌گویند، بادِ موافق، آتش را به کشتی‌های سائوسائو برد. و گاهی بر تو می‌شورد؛ در شانگ‌فانگ، باران بی‌موقع نقشه نهایی را خراب می‌کند. بادبزن از این منظر شبیه عقل است؛ کاری از او ساخته است، تا جایی که طبیعت و بخت مجال بدهند. مرثیه برای بادبزن، مرثیه برای باختن نیست؛ مرثیه برای شکل خاصی از زیستن است. برای ایمان به این‌که خرد و دقت و شرافت، حتی اگر سرنوشت را تغییر ندهند، انسان را تغییر می‌دهند.

با همه این شرح و شعف و رجز، صادقانه بگویم: هر بار که متنی یا سریالی از وقایع سه امپراتوری می‌بینم، به لحظات سرخوردگی ژوگه لیانگ که می‌رسم دلم می‌گیرد. باختن اگر دردناک نبود، مرثیه‌ای هم نمی‌خواست. تناقض همین‌جاست.

گیله‌ لوی

یک ساعته که دراز کشیدم ولی این آهنگ پس زمینه سرم پخش میشه در حالی که نه گیلانی می‌فهمم داره چه میگه نه گیلانی‌ام.

چند سالی هست این موقع‌ها که می‌شه، من منتظر انتشار نسخه سالیانه گزارش state of ai می‌مونم. بسیار جامع اتفاقات یک سال گذشته هوش مصنوعی رو در جنبه‌های مختلف ریسرچ، صنعت، سیاست مرور می‌کنه. در ادامه شاید تکه تکه بعضی مطالبش رو بیشتر روشون بحث کردم. چیزی که برای من جالب بود این بود که باور نمی‌شه که در این یکسال این حجم از اتفاق در ai افتاده باشه. درست در زمانی که بعضی‌ها فکر می‌کردند ai دوباره به زمستان خورده، قضایای ریزنینگ و agentic ai داغ شد. واردشدن جدی چین به رقابت با آمریکا هم

لینک:
https://www.stateof.ai/

نمودارهای جالبی درباره ترند سن برندگان نوبل دسته‌های مخلف در طول زمان. برخلاف اون چیزی که تصور می‌شه سن برندگان نوبل به وضوح در حال افزایشه.

یک چیز دیگه‌ای که تو توییتر دیدم ولی نتونستم دقیق اعتبارسنجی کنم این بود که نوشته بودند این بندگان خدایی که جایزه نوبل فیزیک ۲۰۲۵ رو بردند به خاطر آزمایشاتی که در دهه ۱۹۸۰ انجام دادند به این جایزه رسیدند. یعنی بندگان خدا تو فیزیک یک چیزی رو کشف می‌کنند بعد باید چهل سال صبر کنند ولیدیت بشه بالاخره بهشون نوبل بدن.

مورد آخر این که هععععی

چو قسمتِ ازلی بی‌حضورِ ما کردند

نصیحتی کُنَمَت بشنو و بهانه مَگیر
هر آنچه ناصِحِ مُشْفِق بگویَدَت بپذیر

ز وصلِ رویِ جوانان تَمَتُّعی بردار
که در کمینگهِ عمر است مَکرِ عالَمِ پیر

نَعیم هر دو جهان پیش عاشقان بجوی
که این متاعِ قلیل است و آن عَطایِ کثیر

معاشری خوش و رودی بساز می‌خواهم
که دردِ خویش بگویم به نالهٔ بَم و زیر

بر آن سَرَم که نَنوشَم مِی و گُنَه نکنم
اگر موافقِ تدبیرِ من شَوَد تقدیر

چو قسمتِ ازلی بی‌حضورِ ما کردند
گر اندکی نه به وِفقِ رضاست خرده مگیر

چو لاله در قَدَحم ریز ساقیا مِی و مُشک
که نقشِ خالِ نگارم نمی‌رود ز ضمیر

بیار ساغرِ دُرِّ خوشاب ای ساقی
حسود گو کَرَمِ آصفی ببین و بمیر

به عزمِ توبه نهادم قدح ز کف صد بار
ولی کرشمهٔ ساقی نمی‌کُنَد تقصیر

مِی دوساله و محبوبِ چارده ساله
همین بس است مرا صُحبتِ صَغیر و کَبیر

دل رمیدهٔ ما را که پیش می‌گیرد؟
خبر دهید به مجنونِ خسته از زنجیر

حدیثِ توبه در این بزمگه مگو حافظ
که ساقیان کمان ابرویَت زَنَند به تیر

حافظ

افسوس که سرمایه ز کف بیرون شد
وز دستِ اَجَل بسی جگرها خون شد

کس نآمد از آن جهان که پرسم از وی
کاحوالِ مسافران دنیا چون شد؟

خیام