VIRSUN

🤖✨ خبر جالب Perplexity Computer؛ Perplexity هم وارد بازی Agentها شد اینکه Perplexity هم بالاخره به موج بزرگ Agentها پیوست. با معرفی Perplexity Computer دیگر صرفاً با یک موتور پاسخ‌گو طرف نیستیم، بلکه با ساختاری شامل Agent، Sub-agent، یک Clawbot اختصاصی و حافظه مبتنی بر پروفایل کاربر روبه‌رو هستیم. یعنی سیستم قرار است شما را بشناسد، تسک‌های چندمرحله‌ای اجرا کند و در تعاملات بعدی هم از زمینه قبلی استفاده کند. ✅البته یک نکته مهم هم دارد: برای استفاده کامل از این قابلیت‌ها باید پلن Max داشته باشید 💳 ✳️آنچه این خبر را مهم می‌کند، خودِ قابلیت‌ها نیست؛ بلکه روند بازار است. همه پلتفرم‌ها در حال حرکت از «چت‌بات» به سمت «سیستم عامل Agentی» هستند؛ جایی که وظایف بین زیرعامل‌ها تقسیم می‌شود، حافظه پایدار وجود دارد و کاربر داخل یک workflow مداوم نگه داشته می‌شود. رقابت دیگر بر سر بهترین پاسخ نیست؛ بر سر کنترل لایه اجرایی کارهای شماست. 🚀 #agent #assistant @rss_ai_ir

⚡️🧠مدل SpargeAttention2؛ نسل جدید تنک‌سازی Attention با ۹۵٪ Sparsity باز هم یک آپدیت تازه از همان تیم! این‌بار SpargeAttention2 (دقت کنید: Sparge نه Sparse) معرفی شده و نکته خنده‌دار/عجیب این است که دوباره داخل paper آدرس ریپازیتوری نسخه قدیمی را گذاشته‌اند! 😅 طبق ادعای مقاله: 🚀 تنک‌سازی attention تا ۹۵٪ ⚡️ شتاب diffusion تا ۱۶.۲ برابر روششان هم ترکیبی است از: 🧩 Hybrid Top-k + Top-p Masking 🎯 + Distillation Fine-Tuning برای تثبیت کیفیت 📌 یک تصویر دیگر هم در paper هست، ولی چیزی ازش معلوم نیست! 👀 فعلاً همه چیز در حد «عددهای جذاب + ریپو در راه» است… پس: 💻⏳ کد را باید ببینیم. https://huggingface.co/papers/2602.13515 #optimization #research #Attention #AI @rss_ai_ir

😦 سوال یکی از کاربران: سلام، من تازه دوره‌های ماشین لرنینگ و دیپ لرنینگ را گذرانده‌ام و به‌عنوان یک کارآموز مشتاق روی دیتاست‌های مختلف تست و فاین‌تیون انجام می‌دهم. پیشنهاد شما برای رشد بهتر، پیدا کردن مسیر درست و حرکت پروژه‌محور چیست؟ ✅ پاسخ: اگر دوره‌ها را گذرانده‌اید، الان مهم‌ترین مرحله عبور از «تمرین روی مدل» به «حل مسئله واقعی» است. پیشنهاد می‌کنم روی یک حوزه مشخص تمرکز کنید و یک پروژه end-to-end بسازید؛ از جمع‌آوری و پاک‌سازی داده تا آموزش مدل، ارزیابی درست و حتی دیپلوی ساده. فقط به افزایش accuracy فکر نکنید، بلکه به این فکر کنید که چه مشکلی را حل می‌کنید. هم‌زمان مبانی ریاضی و مفاهیم عمیق‌تر مثل بایاس-واریانس، بهینه‌سازی و طراحی loss را تقویت کنید تا صرفاً مصرف‌کننده مدل نباشید. سعی کنید چند مقاله را بازتولید کنید، کد تمیز بنویسید، با Git و ابزارهای دیپلوی آشنا شوید و یک GitHub حرفه‌ای بسازید. در نهایت یک حوزه تخصصی انتخاب کنید و در آن عمیق شوید؛ بازار بیشتر از کسی که همه‌چیز را سطحی می‌داند، به فردی نیاز دارد که یک مسئله را عمیق بفهمد و بتواند آن را تا مرحله اجرا جلو ببرد. 🚀

✨ ManCAR: Manifold-Constrained Latent Reasoning برای سیستم‌های توصیه‌گر دنباله‌ای 📝 Summary: اینکه ManCAR با محدود کردن استدلال نهفته (latent reasoning) به یک collaborative manifold استخراج‌شده از تعاملات واقعی کاربران، مشکل latent drift را در توصیه‌گرهای دنباله‌ای کاهش می‌دهد. این کار باعث grounding بهتر مدل، افزایش دقت و استفاده از adaptive test-time computation می‌شود. --- ایده کلیدی در بسیاری از مدل‌های sequential recommendation، فضای نهفته به‌مرور از رفتار واقعی کاربران فاصله می‌گیرد (latent drift). ManCAR: 🧠 استدلال را در یک زیر‌فضای معتبر از تعاملات کاربران محدود می‌کند 📉 از انحراف مفهومی جلوگیری می‌کند ⚙️ در زمان تست، میزان محاسبه را به‌صورت تطبیقی تنظیم می‌کند نتیجه: دقت بالاتر + مصرف محاسباتی بهینه‌تر. --- 🔹 Publication Date: Feb 23 🔹 Paper Links: • arXiv Page: https://arxiv.org/abs/2602.20093 • PDF: https://arxiv.org/pdf/2602.20093 • Github: https://github.com/FuCongResearchSquad/ManCAR 🔹 Dataset: • https://huggingface.co/datasets/PIIR/ManCAR --- در سیستم‌های توصیه‌گر مدرن، هوشمندی فقط به افزایش پارامترها نیست — گاهی محدود کردن فضای استدلال، هوشمندانه‌تر از گسترش آن است. #SequentialRecommendation #RecommenderSystems #MachineLearning #AIResearch @rss_ai_ir

🤖📱 حالا Claude Code ریموت شد! اینکه Anthropic قابلیت Remote Control را برای Claude Code معرفی کرده؛ فعلاً در حالت Research Preview برای کاربران Max فعال است و قرار است برای Pro هم عرضه شود. --- چطور کار می‌کند؟ 1️⃣ روی دسکتاپ سشن را شروع می‌کنید 2️⃣ در ترمینال دستور claude remote-control را اجرا می‌کنید 3️⃣ از طریق لینک یا QR کد در اپ یا مرورگر موبایل وصل می‌شوید بعد از اتصال می‌توانید: 📊 پیشرفت اجرا را مانیتور کنید ✏️ پرامپت‌ها را ویرایش کنید 🔄 تغییرات را دنبال کنید ⛔ اجرا را متوقف یا اصلاح کنید --- چرا مهم است؟ چون Claude Code در حال حرکت از یک ابزار ترمینالی ساده به سمت: 🧠 ءWorkflow چنددستگاهی (Multi-device) 📱 مدیریت سشن از موبایل ⚙️ کنترل مداوم Agent در حال اجرا است. این یعنی: دیگر لازم نیست پای لپ‌تاپ بمانید تا اجرای طولانی Agent را مدیریت کنید. عامل در حال کار است، شما فقط هدایتش می‌کنید. --- رقابت AI حالا فقط روی مدل نیست، روی تجربه توسعه‌دهنده و یکپارچگی workflow هم هست. #AI #Claude #AIAgents #DeveloperTools @rss_ai_ir

🫸✨ World-Grounded Hand-Object (WHOLE) یک قدم مهم در مدل‌سازی تعامل دست و شیء در فضای واقعی 🌍 مدل WHOLE حرکات دست و شیء را به‌صورت همزمان و منسجم در فضای جهان (world space) بازسازی می‌کند؛ آن هم با هدایت یک generative motion prior. --- ایده اصلی چیست؟ بسیاری از مدل‌های قبلی: • حرکت دست را جداگانه مدل می‌کردند • یا تعامل شیء را مستقل در نظر می‌گرفتند • یا در فضای نسبی (local space) کار می‌کردند اما WHOLE: 🧠 حرکت را در چارچوب جهانی بازسازی می‌کند 🤝 انسجام بین دست و شیء را حفظ می‌کند 📦 قیود فیزیکی و تعاملی را لحاظ می‌کند --- چرا مهم است؟ در کاربردهایی مثل: 🎮 واقعیت مجازی و افزوده 🤖 رباتیک دست‌کار 🧍‍♂️ انیمیشن کاراکتر 🧪 تحلیل بیومکانیک داشتن بازسازی دقیق و سازگار دست-شیء حیاتی است. --- لینک‌ها 📄 Paper: https://arxiv.org/pdf/2602.22209 🌐 Project Page: https://judyye.github.io/whole-www/ --- مدل‌های تعاملی نسل بعد، فقط «حرکت» را پیش‌بینی نمی‌کنند؛ آن‌ها تعامل در جهان فیزیکی را مدل می‌کنند. #ComputerVision #HandObjectInteraction #GenerativeModels #AIResearch @rss_ai_ir

🤖 خبر اینکه Notion وارد فاز Agent شد — پایان AI فقط چتی مجموعه Notion از Custom AI Agents رونمایی کرده؛ عامل‌های خودکاری که بر پایه مدل‌های OpenAI و Anthropic ساخته شده‌اند و مستقیماً داخل جریان کاری تیم‌ها فعالیت می‌کنند. --- چه تغییری رخ داده؟ قبلاً AI در Notion بیشتر یک دستیار چتی بود. حالا: ⚙️ می‌توانید برایش تسک تعریف کنید ⏰ تریگر یا زمان‌بندی تعیین کنید 🔁 و عامل به‌صورت خودکار اجرا می‌کند --- این Agentها چه کارهایی انجام می‌دهند؟ • مسیردهی و دسته‌بندی باگ‌ها • پاسخ به سوالات داخلی تیم • به‌روزرسانی مستندات • تهیه گزارش هفتگی • اتصال به منابع داده از طریق Data Connectors همه بدون اینکه هر بار پرامپت دستی بنویسید. --- چرا این مهم است؟ ما در حال عبور از مرحله «Chat-based AI» به سمت: 🧠 Persistent Agents عامل‌هایی که: • در بستر سازمان زندگی می‌کنند • وضعیت پروژه را می‌فهمند • به‌صورت مداوم کار انجام می‌دهند • بخشی از Workflow می‌شوند --- پیام بزرگ‌تر رقابت AI دیگر فقط درباره کیفیت پاسخ نیست، بلکه درباره ادغام عمیق در فرآیندهای سازمانی است. برنده‌ها کسانی خواهند بود که: •اینکه AI را به ابزار جانبی تبدیل نکنند • بلکه آن را در هسته عملیات قرار دهند دوران «یک سؤال، یک جواب» در حال پایان است. دوران «Agent همکار» آغاز شده است. #AI_Agents #Notion #EnterpriseAI #هوش_مصنوعی #اتوماسیون @rss_ai_ir

🚀💰 قرارداد ۱۰۰ میلیارد دلاری متا با AMD برای توسعه زیرساخت AI متا اعلام کرده یک مگادیل حدود ۱۰۰ میلیارد دلار با AMD امضا کرده تا حدود ۶ گیگاوات ظرفیت دیتاسنتری جدید ایجاد کند. برای درک مقیاس ماجرا: ⚡ ۶ گیگاوات یعنی معادل مصرف برق چند میلیون خانه 🏭 یعنی ساخت ابر‌زیرساخت محاسباتی در مقیاس ملی 🧠 یعنی آماده‌سازی برای نسل بعدی مدل‌های هوش مصنوعی --- چرا این عدد مهم است؟ در رقابت AI، سه مؤلفه تعیین‌کننده‌اند: 1️⃣ قدرت محاسباتی (Compute) 2️⃣ انرژی پایدار و مقیاس‌پذیر 3️⃣ زنجیره تأمین سخت‌افزار این قرارداد نشان می‌دهد: 🔹 جنگ AI دیگر فقط مدل نیست، جنگ «زیرساخت» است 🔹 اینکه GPU و شتاب‌دهنده‌ها به دارایی استراتژیک تبدیل شده‌اند 🔹 شرکت‌ها به سمت خودکفایی محاسباتی حرکت می‌کنند --- پیام پنهان این خبر وقتی شرکت‌ها روی گیگاوات سرمایه‌گذاری می‌کنند، یعنی برنامه‌شان صرفاً ارتقای یک مدل نیست — بلکه آماده‌سازی برای ابرمدل‌ها، عامل‌های سازمانی و AI در مقیاس جهانی است. دوره‌ای که دیتاسنترها شبیه نیروگاه‌های صنعتی باشند، رسماً آغاز شده است. #AIInfrastructure #Meta #AMD #هوش_مصنوعی #زیرساخت @rss_ai_ir

♨️هوش مصنوعی آفلاین روی ویندوز | آموزش کامل نصب OpenClaw (AI Agent لوکال)

⚡️🤖 وقتی برق را بدون قطع کردن وصل می‌کنند… هیتِرها می‌گویند «این هم کار AI است!» اما آنچه در ویدیو دیده می‌شود بسیار شبیه به ربات X7 AI Lead Connection Robot از سری Live Working Robot شرکت Guangdong Crownpower است. رباتی که: 🔌 سیم‌ها را به خطوط فشارقوی فعال وصل می‌کند ⚡ بدون قطع برق 🛠 کل چرخه عملیات را خودش انجام می‌دهد --- این ربات دقیقاً چه می‌کند؟ • شناسایی سیم‌ها • برداشتن عایق • نصب یا جاگذاری کلمپ‌ها • سفت‌کردن اتصال همه این مراحل زیر ولتاژ انجام می‌شود. --- مغز ماجرا چیست؟ یک سیستم دو بازویی مجهز به AI که از: 👁 بینایی چندحسگری (Multi-sensor Vision) 🧩 دوقلوی دیجیتال (Digital Twin) 🧭 برنامه‌ریزی مسیر خودکار (Autonomous Trajectory Planning) استفاده می‌کند. طبق اعلام شرکت، نرخ موفقیت عملیات خودکار بیش از ۹۸٪ گزارش شده است. --- چرا این مهم است؟ کار روی خطوط برق فشارقوی: ⚠️ پرریسک 👷 نیازمند نیروی متخصص ⏳ زمان‌بر و پرهزینه اگر ربات‌ها بتوانند این وظایف خطرناک را انجام دهند: • ایمنی افزایش می‌یابد • خاموشی شبکه کاهش می‌یابد • بهره‌وری صنعت برق بالا می‌رود --- ده سال دیگر شاید دیدن چنین ربات‌هایی روی خطوط برق به‌اندازه دیدن یک تراکتور در مزرعه عادی باشد. هوش مصنوعی فقط چت‌بات نیست. در صنایع زیرساختی، مسئله جان و میلیاردها دلار سرمایه است. #Robotics #AIinIndustry #SmartGrid #هوش_مصنوعی #رباتیک @rss_ai_ir

🎯 چه کسی را به‌عنوان مشاور هوش مصنوعی انتخاب کنیم؟ این روزها عنوان «مشاور AI» زیاد شنیده می‌شود. اما انتخاب اشتباه در این حوزه می‌تواند برای سازمان‌ها هزینه‌زا، زمان‌بر و حتی خطرناک باشد. قبل از انتخاب، چند سؤال کلیدی بپرسید 👇 --- 1️⃣ آیا مسئله شما را می‌فهمد یا فقط مدل معرفی می‌کند؟ مشاور واقعی: ✔️ اول مسئله را دقیق فرمول‌بندی می‌کند ✔️اینکه KPI و محدودیت‌ها را مشخص می‌کند ✔️ بعد سراغ تکنولوژی می‌رود مشاور سطحی: ❌ از همان ابتدا نام مدل‌ها را ردیف می‌کند ❌ بدون تحلیل فرآیند، نسخه LLM می‌پیچد --- 2️⃣ سابقه صنعتی دارد یا فقط تجربه آکادمیک/تئوریک؟ اینکه AI در صنعت یعنی: • داده کثیف • محدودیت سخت‌افزار • مقاومت سازمانی • امنیت و ریسک عملیاتی کسی که پروژه واقعی اجرا نکرده، این پیچیدگی‌ها را درک نمی‌کند. --- 3️⃣ آیا می‌داند کِی از AI استفاده نکند؟ مشاور حرفه‌ای باید بتواند بگوید: «اینجا الگوریتم کلاسیک بهتر است.» «اینجا سیستم قاعده‌محور کافی است.» «اینجا LLM انتخاب بهینه نیست.» کسی که برای هر مسئله‌ای چکش AI دارد، احتمالاً مسئله را نمی‌بیند. --- 4️⃣ خروجی قابل اندازه‌گیری می‌دهد؟ ✔️اینکه Proof of Concept تعریف می‌کند ✔️ معیار موفقیت مشخص می‌کند ✔️و ROI را تخمین می‌زند ✔️ ریسک‌ها را شفاف می‌گوید نه اینکه فقط پاورپوینت تحویل دهد. --- 5️⃣ به امنیت، حریم داده و پایداری توجه دارد؟ در پروژه‌های صنعتی و سازمانی: 🔐 داده حساس است ⚙️ پایداری مهم‌تر از دمو است 📉 خطا می‌تواند هزینه واقعی ایجاد کند --- جمع‌بندی مشاور AI خوب کسی است که: • هم تکنولوژی را بشناسد • هم صنعت را بفهمد • هم محدودیت‌ها را بپذیرد • هم جسارت «نه گفتن» به استفاده نابجا از AI را داشته باشد هوش مصنوعی ابزار قدرتمندی است. اما بدون درک مسئله و معماری صحیح، فقط یک نمایش پرزرق‌وبرق خواهد بود. #هوش_مصنوعی #مشاوره #AIinIndustry @rss_ai_ir

⚡️ جنگ قیمت در بازار حافظه DRAM آغاز شده است در حالی که قیمت جهانی DRAM به‌شدت در حال افزایش است، برخی تولیدکنندگان چینی مسیر متفاوتی را انتخاب کرده‌اند. 📈 طی یک ماه گذشته قیمت DRAM حدود ۲۳.۷٪ افزایش یافته و به حدود ۱۱.۵۰ دلار رسیده است. در مقیاس سالانه، رشد قیمت بیش از ۸ برابر گزارش شده — عمدتاً به‌دلیل کمبود عرضه و افزایش تقاضا. اما هم‌زمان: 🇨🇳 شرکت CXMT ماژول‌های DDR4 را تقریباً با نصف قیمت بازار عرضه می‌کند. --- چه اتفاقی در حال رخ دادن است؟ در شرایطی که بازار جهانی با کمبود و گرانی مواجه است، برخی بازیگران چینی استراتژی کلاسیک «کسب سهم بازار از طریق قیمت پایین» را در پیش گرفته‌اند. الگوی آشنا: 1️⃣ ورود تهاجمی با قیمت پایین 2️⃣ فشار بر رقبا 3️⃣ افزایش سهم بازار 4️⃣ تثبیت جایگاه در زنجیره تأمین جهانی --- پیامدهای احتمالی 🔹 فشار بر تولیدکنندگان کره‌ای و آمریکایی 🔹 تشدید تنش‌های تجاری 🔹 بازتعریف رقابت در صنعت نیمه‌هادی 🔹 تغییر جریان سرمایه در بخش حافظه بازار DRAM همیشه چرخه‌ای بوده، اما این‌بار رقابت ژئو‌اقتصادی هم به معادله اضافه شده است. در دنیای AI و مراکز داده، حافظه فقط یک قطعه سخت‌افزاری نیست — یک مؤلفه استراتژیک در زنجیره قدرت محاسباتی است. #Semiconductor #DRAM #ChipMarket #AIInfrastructure #TechEconomy #هوش_مصنوعی @rss_ai_ir

پژوهش Mobile-O: مدل چندموداله یکپارچه روی موبایل پژوهش جدید Mobile-O یک مدل فشرده Vision-Language-Diffusion معرفی می‌کند که می‌تواند درک و تولید چندموداله را مستقیماً روی دستگاه‌های موبایل انجام دهد. یعنی بدون نیاز به سرورهای سنگین ابری 👇 --- ایده اصلی پژوهش Mobile-O با طراحی معماری تخصصی و بهینه‌سازی فرایند آموزش، امکان اجرای: • 👁 درک تصویر + متن • ✍️ تولید متن • 🎨 تولید تصویر (Diffusion) • 🔄 تعامل چندموداله یکپارچه را روی سخت‌افزار موبایل فراهم می‌کند. --- چرا مهم است؟ چالش اصلی AI موبایلی: ⚡ محدودیت توان پردازشی 🔋 محدودیت باتری 📦 محدودیت حافظه پژوهش Mobile-O نشان می‌دهد می‌توان با طراحی معماری هدفمند، مدل‌های چندموداله را از دیتاسنتر به جیب کاربر آورد. --- کاربردها 📱 دستیار هوشمند آفلاین 🎥 ویرایش و تولید محتوای موبایلی 🛍 جستجوی بصری در لحظه 🧩 اپلیکیشن‌های AR سبک 🔐 حفظ حریم خصوصی با پردازش روی دستگاه --- 📅 تاریخ انتشار: ۲۳ فوریه 🔗 arXiv: https://arxiv.org/abs/2602.20161 📄 PDF: https://arxiv.org/pdf/2602.20161 🌐 Project: https://amshaker.github.io/Mobile-O/ 💻 GitHub: https://github.com/Amshaker/Mobile-O --- مسیر AI از «ابر» به سمت «لبه شبکه (Edge)» در حال حرکت است. پژوهش Mobile-O یک نمونه واضح از این تغییر پارادایم است. #هوش_مصنوعی #EdgeAI #MultimodalAI #OnDeviceAI #MobileAI #DeepLearning @rss_ai_ir

🤖🌾 ده سال دیگر، ربات‌ها مثل تراکتور خواهند بود امروز دیدن تراکتور در مزرعه چیز عجیبی نیست. اما یک قرن پیش، همین ماشین نماد یک انقلاب صنعتی بود. احتمالاً ده سال دیگر هم: ربات‌هایی که کارهای تکراری، خسته‌کننده و خطرناک را انجام می‌دهند، به همان اندازه عادی و روزمره خواهند بود. --- 🔹 در انبارها 🔹 در کارخانه‌ها 🔹 در معادن 🔹 در سایت‌های ساختمانی 🔹 در بیمارستان‌ها جایی که انسان نباید انرژی، زمان یا جانش را صرف کارهای یکنواخت یا پرریسک کند. --- چه چیزی این تحول را ممکن می‌کند؟ • پیشرفت سریع بینایی ماشین • مدل‌های زبانی و ایجنت‌های تصمیم‌گیر • کاهش هزینه سخت‌افزار • بهبود باتری و اکچویتورها • یادگیری تقویتی و Sim-to-Real ربات‌ها دیگر فقط بازوهای صنعتی قفسه‌ای نیستند؛ در حال تبدیل شدن به «کارگر عمومی هوشمند» هستند. --- اما نکته مهم: مثل تراکتور، ربات‌ها جای انسان را کامل نمی‌گیرند؛ بلکه ماهیت کار انسان را تغییر می‌دهند. کار یدی کمتر، نظارت، طراحی و تصمیم‌گیری بیشتر. ده سال آینده، احتمالاً تعجب ما نه از حضور ربات‌ها، بلکه از نبودشان خواهد بود. #Robotics #Automation #AI #FutureOfWork #Industry4_0 #هوش_مصنوعی @rss_ai_ir

⚡️ بازار در انتظار DeepSeek V4 گزارش‌ها حاکی از آن است که DeepSeek به‌زودی نسخه جدید مدل خود، V4 را منتشر می‌کند — خبری که به‌گفته برخی منابع می‌تواند یک جهش بزرگ باشد. هم‌زمان: 📉 بازار نزدک تحت فشار است 📊 سرمایه‌گذاران در حال قیمت‌گذاری ریسک نوسانات احتمالی هستند 📰 برخی مواضع اخیر شرکت‌های آمریکایی نیز در فضای رقابتی فعلی تفسیرهای مختلفی ایجاد کرده‌اند --- چرا بازار حساس شده؟ در فضای فعلی AI: • هر جهش بزرگ در کیفیت مدل • هر تغییر محسوس در هزینه • هر تحول در نسبت قیمت به عملکرد می‌تواند جریان سرمایه و سهم بازار را جابه‌جا کند. اگر DeepSeek V4 واقعاً «یک گام بزرگ» باشد، پیامدهای آن فقط فنی نخواهد بود — بلکه اقتصادی و ژئوپلیتیکی هم خواهد بود. --- تصویر بزرگ‌تر رقابت AI حالا سه لایه دارد: 1️⃣ کیفیت مدل 2️⃣ هزینه و کارایی زیرساخت 3️⃣ روایت ژئوپلیتیکی و اعتماد بازار و هر خبر جدید می‌تواند به‌طور هم‌زمان روی هر سه لایه اثر بگذارد. چند روز آینده احتمالاً مشخص خواهد کرد که آیا V4 صرفاً یک ارتقاست یا یک تغییر موازنه در رقابت جهانی AI. https://www.cnbc.com/2026/02/23/deepseek-to-release-new-ai-model-a-rough-period-for-nasdaq-stocks-could-follow.html #AI #DeepSeek #NASDAQ #LLM #TechMarkets #ArtificialIntelligence @rss_ai_ir

⚠️ درباره خبر سوءاستفاده از AI در یک پرونده قتل در برخی رسانه‌ها ادعا شده فردی در کره جنوبی برای برنامه‌ریزی یک جرم از ChatGPT استفاده کرده است. چند نکته مهم در چنین خبرهایی: 🔹 ابزارهای هوش مصنوعی مجاز به ارائه دستورالعمل آسیب‌رسان یا اطلاعات مربوط به قتل نیستند. 🔹 اگر کاربری تلاش کند چنین محتوایی بگیرد، سیستم باید آن را رد کند. 🔹 مسئولیت نهایی هر اقدام مجرمانه با فرد مرتکب است، نه ابزار. در هر فناوری جدید، از اینترنت تا موتور جست‌وجو، مواردی از سوءاستفاده وجود داشته است. اما این به معنی «علت بودن فناوری» نیست. هوش مصنوعی: • می‌تواند در پزشکی جان نجات دهد • در امنیت سایبری آسیب‌پذیری‌ها را کشف کند • در آموزش و پژوهش کمک کند • در صنعت بهره‌وری را بالا ببرد سؤال اصلی این نیست که «آیا می‌توان از AI سوءاستفاده کرد؟» تقریباً از هر فناوری می‌توان سوءاستفاده کرد. سؤال مهم‌تر این است: چگونه چارچوب‌های ایمنی، نظارت و مسئولیت‌پذیری را تقویت کنیم؟ گفت‌وگو درباره ایمنی AI ضروری است. اما باید مراقب باشیم هیجان رسانه‌ای را با واقعیت فنی و حقوقی اشتباه نگیریم. https://www.chosun.com/english/national-en/2026/02/19/6L3PO3TQRBB4FFSJJ3KGYPEFMU/#:~:text=It%20was%20confirmed%20that%20Kim,until%20the%209th%2C%20resulting%20in #AI #Ethics #AI_Safety #TechResponsibility #هوش_مصنوعی

🎥🧠پژوهش 4RC: بازسازی 4بعدی از ویدئوی تک‌دوربینه — هر زمان، هر مکان پژوهش جدید 4RC یک فریم‌ورک یکپارچه و Feed-Forward برای بازسازی 4بعدی (فضا + زمان) از ویدئوی تک‌دوربینه معرفی می‌کند. ایده کلیدی به‌جای پردازش تکراری، مدل با رویکرد Transformer-محور: 🔹 Encode-Once — صحنه را یک‌بار به‌صورت جامع رمزگذاری می‌کند 🔹 Query-Anywhere, Anytime — در هر مکان و هر لحظه زمانی، بازسازی را با کوئری شرطی انجام می‌دهد این یعنی هندسه صحنه و دینامیک حرکت به‌صورت کلی‌نگر (Holistic) یاد گرفته می‌شود. --- دستاوردها 📈 عملکرد بهتر از روش‌های قبلی 4D Reconstruction 🎬 بازسازی دقیق‌تر حرکت و تغییرات زمانی ⚡ معماری سریع‌تر نسبت به روش‌های چندمرحله‌ای سنتی --- چرا مهم است؟ بازسازی 4بعدی از ویدئوی تک‌دوربینه یکی از چالش‌های مهم بینایی ماشین است، با کاربردهایی در: • 🎮 واقعیت افزوده و مجازی • 🎥 تولید محتوای سینمایی • 🤖 رباتیک و درک صحنه • 🛰 نقشه‌برداری پویا مدل 4RC نشان می‌دهد ترکیب مدل‌های Transformer + کوئری شرطی می‌تواند مسیر جدیدی برای بازسازی پویا باز کند. --- 📅 تاریخ انتشار: ۱۰ فوریه 🔗 arXiv: https://arxiv.org/abs/2602.10094 📄 PDF: https://arxiv.org/pdf/2602.10094 🌐 Project: https://yihangluo.com/projects/4RC/ حرکت از «بازسازی فریم‌به‌فریم» به سمت «مدل‌سازی صحنه به‌صورت پیوسته در زمان» گام مهمی در تکامل بینایی ماشین است. #هوش_مصنوعی #ComputerVision #4DReconstruction #DeepLearning #NeuralNetworks #MonocularVideo @rss_ai_ir

📈 رقابت AI وارد فاز «قیمت علیه کیفیت» شده است در کمتر از یک سال، سهم قابل‌توجهی از ترافیک توسعه‌دهندگان که قبلاً به ChatGPT و Claude می‌رفت، حالا به سمت شرکت‌های چینی جریان پیدا کرده است. برآوردها نشان می‌دهد حدود ۴۵٪ درخواست‌ها در برخی پلتفرم‌ها به سمت بازیگرانی مثل: • MiniMax • Zhipu (GLM) • Moonshot هدایت می‌شود. --- چرا این اتفاق افتاد؟ پاسخ ساده است: اقتصاد مدل‌های چینی reportedly بین ۱۰ تا ۲۰ برابر ارزان‌تر از بسیاری از گزینه‌های غربی هستند. و برای بخش بزرگی از کاربردها، فاصله عملکرد آن‌قدر کم شده که بسیاری از توسعه‌دهندگان ترجیح می‌دهند به گزینه ارزان‌تر مهاجرت کنند. --- الگوی تکراری در صنعت فناوری این سناریو جدید نیست: 1️⃣ ورود به بازار تثبیت‌شده 2️⃣ بهینه‌سازی شدید هزینه 3️⃣ کاهش فاصله کیفیت 4️⃣ توزیع سریع در مقیاس وقتی نسبت قیمت به عملکرد به «به‌اندازه کافی خوب» برسد، سهم بازار می‌تواند خیلی سریع جابه‌جا شود. --- پیام بزرگ‌تر در AI، همان‌طور که در صنایع دیگر دیده‌ایم: 🔹 فقط بهترین مدل برنده نیست 🔹 فقط بیشترین پارامتر مهم نیست 🔹 «کارایی اقتصادی» به یک سلاح رقابتی تبدیل شده است جنگ بعدی AI احتمالاً نه صرفاً روی کیفیت مطلق، بلکه روی هزینه هر توکن، مصرف انرژی و بهره‌وری زیرساخت خواهد بود. #هوش_مصنوعی #AI #LLM #OpenSource #TechEconomics #MachineLearning @rss_ai_ir

♨️رقیب چینی چت جی‌پی‌تی! 🚀 بررسی کامل هوش مصنوعی Qwen 3.5 Plus علی‌بابا