Discoverایستگاه هوش مصنوعیایپزود چهاردهم - تفاوت‌های هوش مصنوعی در صنعت و دانشگاه
ایپزود چهاردهم - تفاوت‌های هوش مصنوعی در صنعت و دانشگاه

ایپزود چهاردهم - تفاوت‌های هوش مصنوعی در صنعت و دانشگاه

Update: 2024-10-267
Share

Description

سلام. من امیر پورمند هستم و این قسمت چهاردهم از ایستگاه هوش مصنوعیه. تقریباً یک سالی میشه که این پادکست رو درست کردم و فیدبک‌های خوب‌تون رو جاهای مختلف گرفتم و انگیزه‌ای شده برای ادامه کارها. خیلی ممنون که گوش می‌دید و همراهی می‌کنید. لطفاً اگر موضوع یا موضوعاتی هم براتون دغدغه هست بهم بگید که اگر بلد بودم راجع بهش صحبت کنم. 


تو این قسمت می‌خوام راجع به تفاوت‌های هوش مصنوعی در صنعت و دانشگاه صحبت کنم.


این یکی از دوگانه‌هایی هست که زیاد تو دانشگاه با دوستان راجع بهش صحبت کردیم. بعداً هم که وارد صنعت شدم دیدم که همین بحث مجدداً وجود داره. 


اهمیت این بحث برام از تجربه شخصی میاد. راستش من تو اوایل دوره ارشد درک درستی از کارکرد این دو تا سیستم نداشتم. برای همین خیلی به ارتباط بین صنعت و دانشگاه فکر می‌کردم و اصلاً نمی‌فهمیدم خواسته دانشگاه از یه دانشجوی ارشد چیه. خواسته صنعت از کسی که پروژه انجام میده چیه.


همون داستان متداول ما ایرانی‌هاست دیگه. هر جایی قدرت و حوصله انتخاب کردن رو نداریم می‌گیم که یه چیزی بینابینی باشه حتماً بهتره. می‌خواستم هم خدا رو داشته باشم هم خرما. اما میشه گفت هیچ کدوم رو بدست نیاوردم. 


بخاطر همین می‌خواستم تو این قسمت تفاوت‌ها و اهداف این دو تا سیستم رو بیشتر شفاف کنم. یکی این که فضا باز بشه برای گفتگوی بیشتر و دیگری هم این که شاید کمکی بشه به کسی که می‌خواد با دید صنعتی به حوزه آکادمیک بیاد یا این که کسی بعد فارغ‌التحصیلی وارد بازار کار بشه. یا کسی که می‌خواد تز ارشدش رو تعریف بکنه. 


https://aprd.ir/ai-station-e14-academia-vs-industry

Comments (15)

MohammadSadegh Rostami

تفاوت سوم: در جنس پیچیدگی مساله است. در آکادمیک، معمولا مساله از قبل مشخص است و باید کیفیت مدل‌ها را افزایش دهیم. در صنعت به چند دلیل، مساله مشخص نیست و پیچیدگی در موارد زیر است: ۱. تعریف مساله با چالش روبرو است. ۲. به دلیل تغییر دائم دیتا، آموزش و یادگیری مدل‌ها، دائمی است. ۳. محدودیت‌های عملی در پروژه‌های واقعی، مثل دیتابیس بزرگ و حجیم، پردازنده، اسکیل‌آپ و ... ۴. تغییرات دیتا مثل data drift, concept drift, covariate drift

Dec 25th
Reply (7)

MohammadSadegh Rostami

تفاوت دوم: در آکادمیک، معمولا از دیتاست‌های استاندارد و آماده و تقریبا ثابت استفاده می‌شود، چون باید با روش‌های موجود و مقالات مرتبط، مقایسه شود. در صنعت، داده‌ها مدام در حال تغییر هستند. همچنین هر مساله یا هر حوزه، داده اختصاصی خودش را دارد.

Dec 25th
Reply

MohammadSadegh Rostami

تفاوت نخست: در صنعت، از ایده‌ها و مدل‌های از پیش توسعه یافته استفاده می‌شود و نوآوری مد نظر نیست؛ فقط کافیست شما یک/چند مدل مناسب را برای مساله خودتان انتخاب کنید و آن را "بهینه" کنید. در آکادمیک، باید یک ایده، کانتریبیوشن، معماری و ... جدید ارائه کنید؛ شاید بتوان اینگونه گفت: بهینه حل کردن مساله با روش‌های موجود (صنعت) در برابر ارائه ایده‌ی جدید برای حل مساله (آکادمیک)

Dec 25th
Reply

MohammadSadegh Rostami

سپاس امیر عزیز. نکاتی که گفتی رو یادداشت می‌کنم اینجا: تفاوت آکادمیک و صنعت در بخش فردی که به دلیل دو رویکرد کاملا متفاوت، به دلیل دو نیاز و هدف متفاوت ایجاد می‌شود: ۱. آکادمیک پول نمی‌دهد، صنعت پول می‌دهد. ۲. آکادمیک فردی است، صنعت معمولا تیمی.

Dec 25th
Reply

askan Azad

بسیار عالی

Dec 1st
Reply

nm m

عالی بودم، بازم این مدل پادکست که توش از تجربیاتتون صحبت میکنین بسازین.

Nov 14th
Reply

Maybe a human

خیلی ممنونم که تجربه ات رو به اشتراک گذاشتی منم تقریبا تجربه مشابهی داشتم، ولی شما عمران و باید بگم که قشنگ خسته شدم و تا مدت ها فک می کردم مشکل از من بوده متاسفانه و چند وقته که متوجه شدم مشکل از دانشگاه بوده.

Oct 27th
Reply (1)
In Channel
00:00
00:00
x

0.5x

0.8x

1.0x

1.25x

1.5x

2.0x

3.0x

Sleep Timer

Off

End of Episode

5 Minutes

10 Minutes

15 Minutes

30 Minutes

45 Minutes

60 Minutes

120 Minutes

ایپزود چهاردهم - تفاوت‌های هوش مصنوعی در صنعت و دانشگاه

ایپزود چهاردهم - تفاوت‌های هوش مصنوعی در صنعت و دانشگاه