فیلاگر|جامعه هوش مصنوعی ایران

📍 تحلیل ابزار Granola: حل مسئله نوت‌برداری در جلسات بدون تزریق Bot به Call بیشتر ابزارهای مرسوم مدیریت میتینگ (مثل Otter یا Fireflies) برای ضبط صدا یک Bot شخص ثالث رو وارد جلسه می‌کنن که معمولاً با چالش‌های امنیتی سازمانی و محدودیت دسترسی در Google Meet یا Teams مواجه میشه. 🔷 معماری کارکرد Granola: ابزار Granola به صورت Local روی macOS اجرا میشه و مستقیماً صدای سیستم (System Audio) و میکروفون رو کپچر می‌کنه؛ بنابراین هیچ کلاینت یا بات خارجی وارد جلسه نمیشه. 🔶 ویژگی‌های فنی و کاربردی: 🔸 همگام‌سازی یادداشت دستی با رونویسی صوتی 🔸 خروجی ساختاریافته بر اساس ساختار تسک 🔸 ساختاردهی مبتنی بر تمپلیت ✅ نکته کاربردی برای گردش کار (Workflow): به جای استفاده از رونویسی کامل (Full Transcript) که خوندنش زمان‌بره، می‌تونید خروجی رو مستقیماً روی حالت Executive Summary تنظیم کنید تا Action Items همراه با مسئول انجام کار (Assignee) بدون پردازش دستی تفکیک بشن. 🔗 لینک ابزار: granola.so 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📍 خلاصه اخبار هوش مصنوعی در هفته ای که گذشت_بخش آخر | تحولات صنعت و رقابت شرکت‌ها 🔹 بررسی معامله انویدیا و Hugging Face توسط وزارت دادگستری آمریکا وزارت دادگستری آمریکا درباره پیامدهای رقابتی معامله ۱۲.۹۳ میلیارد دلاری انویدیا برای خرید Hugging Face تحقیق می‌کنه. نگرانی اصلی اینه که مالکیت یک پلتفرم مهم توزیع و توسعه مدل‌های متن‌باز، موقعیت رقابتی انویدیا رو بیش از اندازه تقویت کنه. این بررسی به‌معنی اثبات تخلف یا توقف قطعی معامله نیست؛ تکمیل اون برای نیمه اول ۲۰۲۷ پیش‌بینی شده. 🔹 بیل گیتس: دوره گذار هوش مصنوعی می‌تونه حدود ۲۰ سال طول بکشه بیل گیتس درباره دوره‌ای از تحول گسترده در بازار کار و جامعه صحبت کرده که ممکنه حدود ۲۰ سال طول بکشه. به اعتقاد او، هوش مصنوعی در نهایت می‌تونه فراوانی بیشتری از خدمات و امکانات ایجاد کنه؛ اما عبور از دوره گذار، با اختلال‌های جدی در مشاغل و ساختارهای اقتصادی همراه خواهد بود. 🔹 معرفی GPT-6.1 Terra با هزینه API کمتر اوپن‌ای‌آی مدل GPT-6.1 Terra رو با قیمت‌گذاری جدید عرضه کرده. هزینه استفاده از این مدل برای هر یک میلیون توکن ورودی ۱ دلار و برای توکن خروجی ۵ دلار اعلام شده؛ یعنی ۵۰ درصد ارزان‌تر از مدل‌های مرجع قبلی. این مدل در آزمون Terminal-Bench 4.0 هم امتیاز ۵۰.۳ درصد رو ثبت کرده. 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📍 خلاصه اخبار هوش مصنوعی در هفته ای که گذشت_بخش سوم | امنیت، پژوهش و چالش‌های هوش مصنوعی 🔹 مدل‌های هوش مصنوعی توانایی پنهان‌سازی و بازیابی پیام در تصاویر رو نشون دادن در یک آزمایش پژوهشی، مدل Claude Fable 5.1 تونست پیام‌های متنی رو با تغییر ویژگی‌های تصویری، مثل ارتفاع ستاره‌ها، در تصاویر SVG پنهان کنه. مدل GPT-6 Astra هم تونست ۸۸ درصد پیام‌ها رو با کمک ابزارهای پایتون بازیابی کنه. این آزمایش توانایی مدل‌ها در یافتن روش‌های غیرمعمول رمزگذاری و رمزگشایی رو نشون می‌ده؛ اما هنوز نباید اونو معادل اثبات یک تهدید عملیاتی گسترده دونست. 🔹 انتشار صدها نتیجه ریاضی با کمک هوش مصنوعی توسط OpenAI شرکت OpenAI از مجموعه بزرگی از نتایج ریاضی و پژوهش‌های مرتبط با کمک هوش مصنوعی خبر داده. این اتفاق ظرفیت مدل‌ها در پژوهش ریاضی رو نشون می‌ده، اما هم‌زمان بحث‌هایی درباره اعتبارسنجی مستقل نتایج ایجاد کرده. برخی از نتایج نیازمند اصلاح یا بازبینی بودن و سه مورد هم به‌دلیل خطای علامت پس گرفته شدن. این دستاورد به معنی شکسته‌شدن رمزنگاری‌های رایج نیست. 🔹 بازداشت مردی در استرالیا پس از تهدیدهای مطرح‌شده در گفت‌وگو با Claude یک مرد ۲۹ ساله در استرالیا بعد از اونکه پلیس بین‌الملل از تعاملاتش با Claude مطلع شد، بازداشت شد. اتهام مطرح‌شده مربوط به تهدید به تیراندازی در نزدیکی یه مرکز نگهداری کودکان بود. وکیل این شخص گفته پیام‌ها ناشی از فشار روانی و عصبانیت بودن. جزئیات اینکه این اطلاعات چگونه در اختیار مقام‌های امنیتی قرار گرفته، همچنان روشن نیست؛ بنابراین نباید بدون مدرک ادعا کرد که Anthropic مستقیماً مکالمات رو در اختیار پلیس گذاشته. 🔹 سرقت میلیاردی از بازار رمزارزها و حمله به بایننس گزارش‌هایی از خروج بیش از ۶ میلیارد دلار دارایی از کیف‌پول‌های بایننس در یک حمله سایبری منتشر شده. برآورد اولیه حدود ۵.۶ میلیارد دلار بود و بعضی بررسی‌های بعدی رقم بالاتری رو مطرح کردن. بخشی از دارایی‌ها مسدود یا بازیابی شده. 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📍 خلاصه اخبار هوش مصنوعی در هفته ای که گذشت_بخش دوم | کاربردهای جدید هوش مصنوعی 🔹 متا اپلیکیشن Style Sketch رو برای انتخاب لباس معرفی کرد اپلیکیشن Style Sketch با اتصال به اینستاگرام یا دریافت تصاویر لباس‌ها، کمد لباس مجازی می‌سازه و ترکیب‌های مختلف پوشش رو پیشنهاد می‌ده. کاربرها می‌تونن لباس‌ها رو روی مدلی مجازی متناسب با فرم بدن و رنگ پوست خودشون مشاهده کنن. این اپلیکیشن فعلاً در اندونزی، سنگاپور و تایلند عرضه شده. 🔹 آنتروپیک شرکت Mithril Medicine رو تصاحب کرد شرکت Anthropic از خرید Mithril Medicine خبر داده؛ شرکتی که از Claude برای مدیریت قراردادها، هماهنگی آزمایشگاه‌ها و پیشبرد آزمایش‌ها استفاده کرده بود. این پروژه در کمتر از ۱۸ ماه به نتایج امیدوارکننده‌ای در آزمایش روی موش‌ها رسیده. البته نتایج هنوز پیش‌بالینی هستن و به معنی اثبات درمان در انسان نیستن. 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📍 خلاصه اخبار هوش مصنوعی در هفته ای که گذشت_بخش اول|مدل‌ها و فناوری‌های جدید 🔹 معرفی Kimi K3.1 Pro؛ مدل چینی با ظرفیت پردازش یک میلیون توکن شرکت Moonshot AI از مدل Kimi K3.1 Pro رونمایی کرده؛ مدلی در کلاس حدود ۳ تریلیون پارامتر با پنجره متنی یک میلیون توکنی. این مدل برای پردازش اطلاعات حجیم، برنامه‌نویسی و انجام وظایف پیچیده طراحی شده. نسخه Highspeed نیز با سرعت اعلام‌شده دو تا سه برابر بیشتر عرضه شده. 🔹 قابلیت 3D Make در Kimi؛ از ایده متنی تا مدل سه‌بعدی قابلیت جدید 3D Make به Kimi این امکانو می‌ده با ابزارهایی مثل Blender و نرم‌افزارهای CAD کار کنه و مدل‌های سه‌بعدی، صحنه‌ها و بازی بسازه. راهنمای رسمی Kimi هم از ساخت مدل و خروجی مناسب چاپ سه‌بعدی صحبت می‌کنه. 🔹 ابزار جدید Suno برای ساخت موسیقی از طریق MCP شرکت Suno نسخه آزمایشی اتصال MCP رو معرفی کرده. این قابلیت به ابزارهایی مثل ChatGPT، Claude و Cursor اجازه می‌ده از طریق اتصال به Suno موسیقی تولید کنن، فایل صوتی بسازن و بعضی فرایندهای ویرایش و بازآفرینی موسیقی رو انجام بدن. 🔹 گوگل قابلیت Immersive Explorations رو به Gemini اضافه کرد قابلیت جدید گوگل به کاربران اجازه می‌ده مفاهیم علمی و تاریخی رو به‌صورت تعاملی و لایه‌به‌لایه بررسی کنن؛ از ساختار موتور جت و مسیر جاده ابریشم تا فیزیک آذرخش. کاربران می‌تونن از مقیاس‌های بزرگ تا مولکول‌ها و اتم‌ها پیش برن. این قابلیت فعلاً به شش زبان ارائه شده و توضیحات صوتی هم در راهه. 🔹 ویرایش و ساخت فایل مستقیماً در چت Gemini گوگل امکان ساخت، مشاهده و ویرایش فایل‌هایی مثل PDF، اسناد، صفحات گسترده و ارائه‌ها رو مستقیماً در محیط چت Gemini فراهم کرده. کاربران می‌تونن بخشی از متن رو انتخاب کنن و از Gemini بخوان اونو اصلاح یا حتی به نمودار تبدیل کنه. ویرایش PDF در وب و موبایل فعاله؛ سایر فرمت‌ها فعلاً در نسخه وب پشتیبانی میشن. 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

بالاخره شروع شد! با تخفیف ثبت نام زودهنگام🔥 ▪️از ساعت‌ها آموزش هوش مصنوعی به شرکت‌ها و سازمان‌ها و مشاغل مختلف، یه مجموعه حرفه‌ای و عملیاتی واقعی در جامعه هوش مصنوعی ایران|فیلاگر برای شما آماده کردیم که اسمش هست: دوره جامع ابزارهای هوش مصنوعی فیلاگر👾 از مهندسی پرامپت و لوپ پرامپت، ساخت داشبوردهای مدیریتی با وایب کدینگ تا تولید محتوای هوش مصنوعی رو توی این دوره یاد با پروژه یاد میگیرید 🔘 آموزش با پروژه‌های واقعی 🔘کاملا عملی 🔘گروه رفع اشکال و پرسش و پاسخ 🔘به روزرسانی دائمی 🔺بدون پیش نیاز 🔗 لینک ثبت نام: filoger.com/aitools خوشحالیم که کنار خودمون داریم تون و بریم برای حرفه‌ای استفاده کردن از هوش مصنوعی توی کار و زندگی مون🚀 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

🤖 پشت پرده AI Agentها — قسمت ۱۵: Agentها چطور با هم همکاری می‌کنن؟ در قسمت قبل با سیستم‌های Single-Agent و Multi-Agent آشنا شدیم. اما وقتی چند Agent داریم، چه کسی کارها رو بینشون تقسیم می‌کنه؟ 🔹 ۱. هماهنگ‌کننده (Orchestrator) یک Agent یا مؤلفه مرکزی، وظایف رو تقسیم می‌کنه و مشخص می‌کنه هر Agent چه کاری انجام بده. 🔹 ۲. همکاری مستقیم ایجنت ها می‌تونن بر اساس معماری سیستم، نتیجه کارشون رو با همدیگه به اشتراک بگذارن و از خروجی هم استفاده کنن. 🔹 ۳. ترکیب نتایج در پایان، خروجی Agentهای مختلف جمع‌بندی میشه تا به هدف اصلی برسیم. مثال: برای تولید یک گزارش بازار، یک Agent اطلاعات جمع‌آوری می‌کنه، دیگری داده‌ها رو تحلیل می‌کن و Agent سوم گزارش نهایی رو آماده می‌کنه. 📌 نکته مهم اینه که همه سیستم‌های Multi-Agent یکسان نیستن؛ بعضی هماهنگ‌کننده مرکزی دارن و بعضی از روش‌های دیگه ای برای همکاری استفاده می‌کنن. #پشت_پرده_AI_Agent 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

🚀 جهش بزرگ گوگل در شبیه‌سازی واقعیت؛ هوش مصنوعی Genie 4 معرفی شد! شرکت گوگل دیپ‌مایند از نسخه جدید مدل انقلابی Genie 4 رونمایی کرد؛ سیستمی پیشرفته که می‌تونه دنیاهای مجازی تعاملی، واقع‌گرایانه و همراه با صدای کاملاً هماهنگ تولید کنه. نکته شگفت‌انگیز ماجرا اینجاست که کاربر می‌تونه در لحظه و هنگام اجرای شبیه‌سازی، صرفاً با دستورات متنی (Prompt) زاویه دوربین، شرایط محیطی و اشیای صحنه رو تغییر بده! 🔷 ویژگی‌های کلیدی Genie 4: 🔹 تغییر آنی محیط: بازنویسی و ادیت جهان بازی یا محیط مجازی در لحظه با دستور متن 🔹 فیزیک و کاراکترهای واقع‌گرایانه: شبیه‌سازی بسیار دقیق قوانین فیزیک با پایداری محیطی تا ۲ دقیقه 🔹 صداسازی هوشمند: تولید هم‌زمان موسیقی، افکت‌های محیطی و دیالوگ‌های تعاملی 🔹 پیوند با جمینای (Gemini): امکان برنامه‌ریزی و اجرای سناریوهای مرحله‌ای و پیچیده 📌 این فناوری تحولی بزرگ در صنعت گیم، ابزارهای آموزشی و البته تست رفتار ربات‌ها در محیط‌های شبیه‌سازی‌شده پیش از ورود به دنیای واقعی ایجاد خواهد کرد. 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

🔥 رقابت داغ غول‌های هوش مصنوعی؛ فرضیه زمان نمایی رد شد؟ شرکت اوپن‌ای‌آی با انتشار یک گزارش تحقیقاتی مدعی شد هوش مصنوعیشون تونسته برای اولین بار فرضیه تاریخی زمان نمایی (ETH) رو تو مسئله بنیادین 3-SAT رد کنه و درستی این اثبات رو به زبان صوری ریاضی بیاره. ساعاتی بعد شرکت آنتروپیک هم با انتشار پروژه‌ای در گیت‌هاب نشون داد مدل کلود هم دقیقاً به راه‌حلی مشابه و مستقل برای شکستن این کران محاسباتی دست یافته. 🔷 نکات کلیدی این دستاورد 🔹 برابری پی با ان‌پی رخ نداده و امنیت رمزنگاری جهانی همچنان پابرجاست. 🔹 راه‌حل ارائه‌شده کاملاً جنبه نظری داره و در کامپیوترهای واقعی به کار نمیاد. 🔹 دانشمندان علوم کامپیوتر مشغول بازبینی دقیق تعاریف هر دو اثبات هستن. 🔗 مخزن رسمی در گیت‌هاب 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📍 با Saydi، ویدئوهای انگلیسی رو به فارسی ترجمه کنید! ابزار Saydi یه ابزار هوش مصنوعیه که می‌تونه صدای ویدئوها و محتوای در حال پخش در مرورگر رو ترجمه کنه و متن ترجمه‌شده رو هم‌زمان نمایش بده. 🔷 نحوه استفاده: ۱. وارد سایت Saydi شوید. ۲. از قسمت دانلود، افزونه کروم رو نصب کنید. ۳. افزونه رو باز کنید و زبان مقصد رو persion انتخاب کنید. ۴. در قسمت میکروفون، صدای مرورگر رو انتخاب کنید. ۵. به تب ویدیوی مورد نظر رفته و با پخش ویدئو، ترجمه رو هم‌زمان با پخش دنبال کنید. 🔗 لینک ابزار: https://saydi.ai 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

🚨 وقتی ایجنت‌های هوش مصنوعی راه‌های دور زدن محدودیت‌ها رو پیدا می‌کنن 🔹 ارتباط مخفی میان ایجنت‌ها شرکت OpenAI گزارش داده که بعضی ایجنت‌ها در یک آزمایش امنیتی، بدون اتصال شبکه یا اشتراک فایل، از طریق تفاوت زمان‌بندی حافظه نهان پردازنده (CPU Cache) بین ماشین‌های مجازی ایزوله پیام ردوبدل کردن. این موضوع نشون می‌ده قطع شبکه لزوماً همه راه‌های ارتباطی پنهان رو از بین نمی‌بره. 🔹 تغییر رویکرد در آموزش مدل‌ها شرکت OpenAI برای کاهش ریسک‌های امنیتی، آموزش مدل‌های پیشرفته رو تو محیطی بدون اتصال مستقیم به اینترنت زنده انجام می‌ده. 📌 نکته مهم: ایزوله‌سازی به‌تنهایی کافی نیست و ایجنت‌ها باید به‌صورت چندلایه تحت نظارت و کنترل باشن. 🔗 منابع: گزارش رسمی OpenAI درباره رخداد امنیتی و مسیر پیش رو توضیحات OpenAI درباره محیط آموزش ایمن‌تر و محدودیت دسترسی اینترنت 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

🤖 ابزار Open WebUI؛ یک محیط شخصی برای کار با مدل‌های هوش مصنوعی این ابزار یک رابط کاربری متن‌باز برای کار با مدل‌های مختلف هوش مصنوعیه. با Open WebUI می‌تونید: 🔹 به مدل‌های مختلف هوش مصنوعی متصل بشید 🔹 مدل‌های لوکال مثل Llama و Qwen رو اجرا کنید 🔹 با فایل‌ها و اسناد گفتگو کنید 🔹 تاریخچه‌ی گفتگوها رو مدیریت کنید 🔹 از قابلیت‌های RAG و جست‌وجوی وب استفاده کنید 🔹 یک محیط اختصاصی برای استفاده‌ی تیمی بسازید ✅ نکته مهم اینه که Open WebUI متن‌بازه و می‌تونید اون رو روی سیستم یا سرور خودتون اجرا کنید. در واقع Open WebUI فقط یک چت‌بات ساده نیست؛ بلکه یک محیط قابل شخصی‌سازی برای مدیریت و استفاده از مدل‌های مختلف هوش مصنوعی محسوب می‌شه. 🔗 سایت رسمی: openwebui.com 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

🤖 پشت پرده AI Agentها — قسمت ۱۴: Single-Agent و Multi-Agent چه فرقی دارن؟ برای انجام یه کار پیچیده، به یک Agent نیاز داریم یا چند Agent؟ 🔹 Single-Agent (تک‌ایجنت) یک Agent هدف رو دنبال می‌کنه و با استفاده از ابزارهای مختلف، کار رو پیش می‌بره. مثال: یک Agent درخواست مشتری رو بررسی می‌کنه، اطلاعات CRM رو می‌خونه و پاسخ مناسب پیشنهاد می‌ده. 🔹 Multi-Agent (چندایجنتی) چند Agent با نقش‌های متفاوت با همدیگه همکاری می‌کنن تا یه هدف مشترک رو محقق کنن. مثال: ایجنت اول: بررسی درخواست مشتری ایجنت دوم: جست‌وجو و جمع‌آوری اطلاعات ایجنت سوم: آماده‌سازی پاسخ ایجنت چهارم: بررسی کیفیت پاسخ 📌 تفاوت اصلی: تک ایجنت یعنی یک عامل تصمیم‌گیرنده؛ Multi-Agent یعنی چند عامل که می‌تونن وظایف رو بین خودشون تقسیم کنن و با هم همکاری داشته باشن. البته چند Agent همیشه بهتر نیست؛ هماهنگی بینشون می‌تونه هزینه و پیچیدگی بیشتری ایجاد کنه. #پشت_پرده_AI_Agent 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

🔍 دو راه برای یادگیری از داده‌ها: حفظ کردن نمونه‌ها یا ساختن یک مدل؟ هدف اصلی بسیاری از سیستم‌های Machine Learning اینه که روی داده‌هایی که قبلاً ندیده‌ان هم پیش‌بینی خوبی انجام بدن؛ یعنی بتونن Generalize کنن. دو رویکرد مهم برای این کار وجود داره: ۱. Instance-based Learning در این روش، سیستم نمونه‌های آموزشی رو نگه می‌داره و برای تصمیم‌گیری درباره‌ی یک نمونه‌ی جدید، شباهتش رو با نمونه‌های قبلی بررسی می‌کنه. مثال: فرض کنید می‌خوایم یک ایمیل جدید رو به‌عنوان اسپم یا عادی طبقه‌بندی کنیم. سیستم می‌تونه ایمیل رو با نمونه‌های اسپم شناخته‌شده مقایسه کنه و بر اساس نزدیک‌ترین نمونه‌ها تصمیم بگیره. یکی از الگوریتم‌های شناخته‌شده‌ی این رویکرد، K-Nearest Neighbors (KNN) هست. مزیت: ایده‌ی ساده و قابل‌فهمی داره و می‌تونه برای داده‌های کوچک مناسب باشه. محدودیت: ذخیره‌سازی نمونه‌ها و جست‌وجوی موارد مشابه هنگام پیش‌بینی ممکنه پرهزینه باشه؛ به‌خصوص وقتی حجم یا ابعاد داده زیاد می‌شه. ۲. Model-based Learning در این روش، الگوریتم از داده‌های آموزشی برای ساختن یک مدل استفاده می‌کنه. بعد، مدل آموزش‌دیده برای پیش‌بینی نمونه‌های جدید به کار می‌ره. مثال: می‌خوایم قیمت یک خودرو رو با توجه به سن، کارکرد و برندش پیش‌بینی کنیم. می‌تونیم یک مدل رگرسیون بسازیم که رابطه‌ی بین این ویژگی‌ها و قیمت رو یاد بگیره. فرایند کلی: ۱. بررسی و آماده‌سازی داده‌ها ۲. انتخاب مدل مناسب ۳. آموزش مدل و تعیین پارامترها ۴. ارزیابی عملکرد روی داده‌های جدید ۵. استفاده از مدل برای پیش‌بینی (Inference) مزیت: به‌جای مقایسه‌ی مستقیم با تمام نمونه‌های آموزشی، پیش‌بینی با استفاده از مدل انجام می‌شه. محدودیت: کیفیت پیش‌بینی به انتخاب مدل، کیفیت داده‌ها و توانایی مدل در یادگیری الگوهای واقعی بستگی داره. 🎯 تفاوت اصلی کجاست؟ در Instance-based Learning، نمونه‌های قبلی مبنای مستقیم تصمیم‌گیری هستن؛ اما در Model-based Learning، مدلِ یادگرفته‌شده مبنای پیش‌بینی قرار می‌گیره. هیچ‌کدوم همیشه بهتر نیستن. انتخاب مناسب به ساختار داده، حجم نمونه‌ها، هزینه‌ی محاسباتی و نوع مسئله بستگی داره. #MachineLearning #KNN #Regression #DataScience ↻ @imbordem

Prompt Motion کتابخانه‌ای از بیش از ۲۰۰ انیمیشن ساخته‌شده با Claude Opus 5.5. در این مجموعه، هر انیمیشن در کنار پرامپت یا اسکیل اصلی که برای ساخت آن استفاده شده نمایش داده می‌شود. شامل انواع انیمیشن‌های رابط کاربری، تایپوگرافی و افکت‌های سه‌بعدی است. منبع خوبی برای یادگیری ساخت موشن‌گرافیک با ایجنت‌های هوش مصنوعی محسوب می‌شود. 🔗 https://rayanabz.ir/#/project/prj_213ee3a307 ━━━━━━━━━━━━━━━ 🌐 rayanabz.ir 📣 @rayan_abz

📍 خلاصه اخبار هوش مصنوعی در هفته ای که گذشت_بخش آخر| از تحلیل DNA تا تولید تصویر با هوش مصنوعی 🔹 پلتفرم Hugging Face مدل Carbon-X رو برای تحلیل توالی‌های DNA معرفی کرده. این مدل می‌تونه به پژوهشگران در بررسی اثر تغییرات ژنتیکی بر فعالیت ژن‌ها کمک کنه و به‌دلیل اندازه نسبتاً کوچک، امکان اجرای محلی روی رایانه رو داره. با این حال، نتایجش هنوز به اعتبارسنجی آزمایشگاهی نیاز دارن و نباید به‌عنوان تشخیص پزشکی قطعی استفاده بشن. 🔹 پروژه اروپایی MODELAIR با حمایت برنامه پژوهشی اتحادیه اروپا، روی توسعه ابزارهای مبتنی بر هوش مصنوعی برای کمک به کنترل آلودگی هوای شهری کار می‌کنه. این پروژه از روش‌های محاسباتی، داده‌های حسگرها و مدل‌سازی جریان و پراکندگی آلودگی برای پشتیبانی از تصمیم‌گیری شهری بهره می‌گیره. 🔹 شرکت گوگل ابزار SynthID Detector رو برای بررسی واترمارک‌های نامرئی در تصاویر، ویدئوها و فایل‌های صوتی در دسترس عموم قرار داده. این ابزار می‌تونه به شناسایی محتوای دارای واترمارک SynthID کمک کنه؛ اما همه محتوای تولیدشده با هوش مصنوعی رو تشخیص نمی‌ده و نبود واترمارک هم به معنای انسانی‌بودن محتوا نیست. 🔹 شرکت کانوا مدل تصویرساز Canva Craft رو معرفی کرده که برای طراحی تصاویر با ترکیب‌بندی دقیق‌تر و متن خواناتر ساخته شده. این مدل خروجی‌هایی با وضوح حداکثر 2K تولید می‌کنه و بر اساس اعلام کانوا، امکان کنترل و ویرایش دقیق‌تر طرح‌ها رو فراهم میکنه. 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📍 خلاصه اخبار هوش مصنوعی در هفته ای که گذشت_بخش سوم| امنیت هوش مصنوعی مهم‌تر می‌شود؛ از چت‌های قفل‌شده تا آسیب‌پذیری ایجنت‌ها 🔹 شرکت OpenAI قابلیت Locked Chats رو برای ChatGPT معرفی کرده. کاربرها می‌تونن مکالمات حساس رو با رمز چهاررقمی یا روش‌های احراز هویت دستگاه قفل کنن. این قابلیت دسترسی افراد دیگه به گفتگوها رو دشوارتر می‌کنه، اما به معنی رمزنگاری سرتاسری نیست. 🔹 پژوهشگران امنیتی از آسیب‌پذیری مرتبط با لینک‌های اشتراک‌گذاری مکالمات دستیار Muse متا خبر دادن. طبق گزارش منتشرشده، بعضی لینک‌ها امکان شناسایی یا دسترسی به مکالمات حاوی اطلاعات حساس رو فراهم می‌کردن؛ بنابراین بهتره اطلاعات محرمانه در سرویس‌های اشتراک‌گذاری‌نشده وارد نشه. 🔹 شرکت آنتروپیک ابزار OSS Scanner رو برای بررسی امنیت پروژه‌های متن‌باز معرفی کرده. این سرویس با کمک مدل‌های هوش مصنوعی به شناسایی آسیب‌پذیری‌ها کمک می‌کنه و یافته‌ها رو برای بررسی در اختیار نگه‌دارندگان پروژه قرار می‌ده. 🔹 شرکت مایکروسافت هم بر توسعه ابزارهایی برای شناسایی و نظارت بر ایجنت‌های سازمانی تمرکز کرده؛ چون دسترسی این سیستم‌ها به فایل‌ها، ایمیل‌ها و ابزارهای کاری می‌تونه ریسک‌های تازه‌ای ایجاد کنه. 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📍 خلاصه اخبار هوش مصنوعی در هفته ای که گذشت_بخش دوم| رقابت ایجنت‌های هوش مصنوعی؛ از Claude Duet تا Nemotron 🔹 شرکت آنتروپیک با معرفی ایجنت Claude Duet وارد رقابت دستیارهای پیش‌فعال شده. این ابزار برای پیگیری امور کاری، تهیه گزارش، زمان‌بندی جلسات و انجام وظایف روزمره طراحی شده و می‌تونه بعضی کارها رو در پس‌زمینه انجام بده. 🔹 شرکت انویدیا هم خانواده Nemotron 3.5 رو برای توسعه ایجنت‌های سازمانی معرفی کرده. مدل Nemotron 3.5 Super VL با معماری ترکیب متخصصان (MoE)، متن، تصویر، اسناد و ویدئو رو پردازش می‌کنه و برای اجرای وظایف پیچیده و استفاده از ابزارها طراحی شده. 🔹 شرکت دیپ‌سیک نسخه V4.1-Flash-1017 رو با تمرکز بر کدنویسی، استدلال و اجرای وظایف ایجنتی منتشر کرده. این مدل از کانتکست یک‌میلیون‌توکنی پشتیبانی می‌کنه و بهینه‌سازی حافظه یکی از محورهای مهمشه. 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📍 خلاصه اخبار هوش مصنوعی در هفته ای که گذشت_بخش اول| رقابت مدل‌های هوش مصنوعی؛ از مایکروسافت تا متا و مینی‌مکس 🔹 شرکت مایکروسافت از تکمیل مرحله پیش‌آموزش مدل MAI-Base-2 خبر داده. این مدل با معماری MoE و ادعای ۲.۸ تریلیون پارامتر ساخته شده و در هر پردازش حدود ۸۰ میلیارد پارامتر رو فعال می‌کنه. نتایج مقایسه‌ای اعلام‌شده از سوی شرکت هنوز به تأیید مستقل نیاز دارن. 🔹 شرکت متا هم مدل Muse Spark Open رو با ۸۱۶ میلیارد پارامتر و حدود ۴۲ میلیارد پارامتر فعال منتشر کرده. این مدل از کانتکست یک‌میلیون‌توکنی پشتیبانی می‌کنه، اما اجرای محلی اون به سخت‌افزار بسیار قدرتمندی نیاز داره. 🔹 شرکت مینی‌مکس مدل M3.1 Flash رو معرفی کرده و مدعیه این نسخه در مقایسه با M3، سرعتی سه‌برابری و هزینه‌ای معادل یک‌سوم داره. این ارقام بر اساس اعلام سازنده هستن و باید با ارزیابی‌های مستقل سنجیده بشن. 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com