TGViewer
سماموس: نوشته‌های یوسف مهرداد بی‌بالان سماموس: نوشته‌های یوسف مهرداد بی‌بالان @bibalan_com · 297 subscribers
Post #338 458
دستیار کتابخوانی

سرعت پیشرفت یادگیری ماشین به ویژه بخش مدل‌های زبانی بزرگ (LLM) مانند ChatGPT به اندازه‌ای است که هر لحظه باید منتظر نوآوری و فناوری نوظهوری باشید. امکانات این مدل‌ها امکان حل مسا‌له‌هایی را فراهم می‌کنند که تا همین چند وقت پیش امیدی به حل آنها نبود.

در این نوشته می‌خواهم به دو مورد از آنها که جنبه شخصی دارد اشاره کنم.

۱) مورد کاربرد یک: حافظه‌یار

وقتی یک کتاب طولانی فنی به ویژه کتابی که موضوع آن برایم تازگی داشت می‌خواندم وقتی به مطلبی می‌رسیدم که نیاز به یادآوری دقیق مطالب بخش‌های گذشته کتاب داشت دچار مشکل می‌شدم. یکی از دلایل آن، نداشتن وقت کافی و زیاد بود مطالب کتاب بود و البته حافظه نه چندان خوب! بارها برایم پیش می‌آمد که سوالاتی شبیه اینها را از خود می‌پرسیدم: «این با اون یکی چه فرقی می‌کنه؟» و «تعریف این چه بود». تنها راه این بود با فشار دادن دکمه کنترل+اف به دنبال کلمه‌ای بگردم تا با خوش‌شانسی بتوانم بخشی را پیدا کنم که پاسخ پرسش‌هایم در آن بود. درباره‌اش توضیح داده شده بود.

حالا با پیشرفت‌های شگرف یادگیری ماشین و مدل‌های زبانی بزرگ (LLM) حل این مساله‌ ساده‌تر شده. چند وقت پیش برای نمایش توانایی LLM ها به چند تن از دوستانم، برنامه‌ای نوشتم که هنگام خواندن کتاب مانند دست‌یار کمک می‌کرد تا مطالب قبلی را به یاد بیاورم.

این برنامه یادگیری ماشین با استفاده از محتوای کتاب به پرسش شما پاسخ می‌داد و در پایان هم می‌گفت این پاسخ را از کدام صفحه‌ی کتاب استخراج کرده است! در زیر، نمونه‌ای از این پرسش و پاسخ را مشاهده می‌کنید.

Question: what is the role of messaging grid?
Answer: The role of the messaging grid is to manage input requests and session state within the virtualized middleware of a space-based architecture….
Reference: software-architecture: page 214.

۲) مورد کاربرد دو: کتاب‌خوان یار

مساله بعدی رو به رو شدن با واژگان و اصطلاحاتی است که ممکن است در خود کتاب اشاره‌ای به آنها نشده باشد و فرض نویسنده بر این بود که خواننده کتاب با آنها آشنایی دارد. در این سناریو، ممکن است مفهوم آن را بدانم ولی تعریف کامل آن را به یاد نداشته باشم. برای حل این مساله باید تغییری در برنامه قسمت قبل ایجاد می‌شد تا به مدل زبانی اجازه دهد از دانش خود علاوه بر مطالب کتاب نیز استفاده کند. این ویژگی می‌تواند کاربر را از جستجو در اینترنت بی‌نیاز کند که در کنار اتلاف وقت می‌تواند تمرکز وی را نیز بر هم زند. نمونه‌ای از آن را در زیر می‌بینید.

Question: Explain a front controller?
Answer: A front controller is a domain service within a choreography architecture that not only handles domain behavior but

مدل زبانی به کمک محتوای کتاب و اطلاعاتی که با آن آموزش دیده است می‌تواند به شما کمک کند تا محتوای کتاب را بهتر بفهمید و سرعت و کیفیت کتابخوانی شما را افزایش ‌دهد.

گزیده:
یک پیشرفت مهم در یادگیری ماشین می‌تواند اثر و ارزشی معادل با ده برابر مایکروسافت ایجاد کند.
بیل گیتس

https://bit.ly/3I29rKH
https://t.me/bibalan_com
https://bibalan.com/?p=4472
  • 👍 13
More from @bibalan_com
  1. Sep 30, 2026هزینه‌ی RAG رو کی پرداخت می‌کنید؟ هر دستیار هوش مصنوعی که از بر اسناد و مدارک به پرسش‌های…
  2. Sep 9, 2026روح من، جا مانده در باران! https://t.me/bibalan_com
  3. Sep 5, 2026کی دست‌‌یار کیه؟ به ابزارهایی مانند Claude Code, Cursor, GitHub Copilot می‌گویم دستیار. ول…
  4. Aug 8, 2026وقتی هوش مصنوعی، حافظه‌ی شما را می‌دزدد بگذارید یک آزمایش کوتاه انجام بدیم! آیا می‌تونید ی…
  5. Jul 25, 2026فرایند تک‌ نفره (Process of One) در سال ۱۹۹۵، واتس هامفری (Watts Humphrey)-معروف به پدر کی…
  6. Jul 19, 2026دست‌یار هوش مصنوعی شما خسته نشده، پر شده اگر هر روز برای برنامه‌نویسی از هوش مصنوعی استفاد…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →