فیلاگر|جامعه هوش مصنوعی ایران

🚀 متا بی‌سروصدا اپلیکیشن ساخت بازی با هوش مصنوعی رو منتشر کرد! متا اپلیکیشن جدیدی به نام Pocket رو در گوگل پلی و اپ استور منتشر کرده. این ابزار به کاربران اجازه می‌ده فقط با نوشتن یک پرامپت (Prompt)، مینی‌بازی‌ها و تجربه‌های تعاملی (Gizmo) بسازن و اونا رو با دیگران به اشتراک بگذارن. 🔷 قابلیت‌های Pocket: • ساخت بازی با دستورات متنی • ویرایش و Remix پروژه‌های دیگران • فید اختصاصی برای مشاهده و اجرای بازی‌های ساخته‌شده توسط کاربران 📌 این اپ بر پایه فناوری استارتاپ Gizmo توسعه یافته؛ تیمی که متا اوایل امسال جذب کرد تا ورود جدی‌تری به حوزه AI Game Generation داشته باشه. 📌 البته به نظر می رسه اپلیکیشن فعلاً در فاز آزمایشی اولیه قرار داره تا واکنش کاربران و پایداری مدل‌های هوش مصنوعی در ساخت بازی‌ها سنجیده بشه. ⚠️ با توجه به region، ممکنه لینک اپ استور باز نشه 🔗 منبع خبر: TechCrunch – Meta quietly launches Pocket 🔗 صفحه رسمی Pocket: Meta Pocket Help Center 🔗 دانلود Pocket: Google Play App Store 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📚 پشت پرده هوش مصنوعی | قسمت ۷ 🧠 اگر پارامترها فقط عدد هستند، مدل اصلاً چطور آموزش می‌بیند؟ در قسمت قبل گفتیم پارامترها فقط مجموعه‌ای از اعداد هستن. اما این سؤال پیش میاد: این عددها از کجا میان؟ - وقتی آموزش مدل شروع میشه، پارامترها تقریباً به‌صورت تصادفی مقداردهی میشن. - سپس مدل میلیون‌ها و میلیاردها جمله رو می‌بینه و مدام سعی می‌کنه توکن بعدی رو پیش‌بینی کنه. - اگر پیش‌بینی اشتباه باشه، مقدار پارامترها کمی تغییر می‌کنه تا دفعه بعد نتیجه دقیق‌تر بشه. - این فرایند میلیون‌ها بار تکرار میشه و در هر مرحله، مدل کمی بهتر از قبل یاد می‌گیره. به این فرایند، Training (آموزش مدل) گفته میشه. ⚠️ نکته مهم: در زمان آموزش، مدل فقط یک‌بار داده‌ها رو یاد می‌گیره. بعد از پایان آموزش، هنگام پاسخ دادن به کاربران، دیگه پارامترهاش تغییر نمی‌کنن. ━━━━━━━━━━━━━━ ❓ سؤال قسمت بعد: اگر هنگام گفتگو پارامترها تغییر نمی‌کنند، پس ChatGPT چطور مکالمه را به خاطر می‌سپارد؟ 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

🤖 AI Tool of the Day 📚 گراف بصری از ارتباطات علمی بساز برای اینکه تو یک مقاله ببینی این کار از کجا شروع شده و به چه پژوهش‌هایی وصل می‌شه، Connected Papers یک گراف بصری از ارتباطات علمی می‌سازه. با وارد کردن عنوان یا DOI، شبکه‌ای از مقالات مرتبط نمایش داده می‌شه که کمک می‌کنه مسیر مطالعه‌ت رو دقیق‌تر انتخاب کنی. 🔷 قابلیت‌ها: 🔹 نمایش گراف ارتباط بین مقالات 🔹 پیدا کردن مقالات پایه‌ای، جدید یا کمتر دیده‌شده 🔹 مناسب برای مرور ادبیات، شروع پایان‌نامه و ایده‌پردازی 🔹 امکان ذخیره و اشتراک‌گذاری گراف پژوهشی 🔶 اطلاعات فنی: 🔸 تحلیل شبکه‌ی استنادی (Citation Graph Analysis) 🔸 محاسبه‌ی شباهت معنایی با مدل‌های برداری 🔸 استفاده از داده‌های Semantic Scholar برای ساخت گراف 🔸 خروجی قابل دانلود با فرمت تصویری و JSON 🔗 ابزار: https://www.connectedpapers.com 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📚 پشت پرده هوش مصنوعی | قسمت ۶ 🧠 پارامتر (Parameter) دقیقاً چیست؟ در قسمت قبل گفتیم دانش ChatGPT داخل پارامترها ذخیره میشه. 🔷 اما پارامتر دقیقاً چیست؟ - پارامترها رو میشه اعداد بسیار زیادی تصور کرد که مدل در زمان آموزش اونا رو یاد می‌گیره. - این اعداد تعیین می‌کنن که مدل بین کلمات، مفاهیم و الگوهای مختلف چه ارتباطی برقرار کنه. - هر بار که مدل در مرحله آموزش یک متن جدید میبینه، این پارامترها کمی تغییر می‌کنن تا پیش‌بینی‌های بعدی دقیق‌تر بشن. - در مدل‌های امروزی، تعداد پارامترها به ده‌ها یا حتی صدها میلیارد می‌رسه. ⚠️ نکته مهم: پارامترها خودِ اطلاعات نیستن؛ بلکه وزن‌ها و ارتباطاتی هستن که مدل از اونا برای تولید پاسخ استفاده می‌کنه. به همین دلیل، داشتن پارامترهای بیشتر همیشه به معنی باهوش‌تر بودن یک مدل نیست؛ کیفیت داده‌های آموزشی و معماری مدل هم نقش بسیار مهمی دارن. ━━━━━━━━━━━━━━ ❓ سؤال قسمت بعد: اگر پارامترها فقط عدد هستند، مدل اصلاً چطور آموزش می‌بیند؟ 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

⚡️ AI Hack #03 📍در Canva با / هر المانی را سریع پیدا کن در Canva لازم نیست برای پیدا کردن ابزارها و المان‌ها وارد منوها شوی. فقط داخل صفحه طراحی، کلید / را بزن. یک جستجوی سریع باز میشه و می‌تونی در همون لحظه: - متن اضافه کنی - آیکون یا شکل پیدا کنی - عکس جستجو کنی - عناصر مختلف طراحی رو وارد کنی 📌 این میانبر باعث میشه بدون گشتن در منوها، خیلی سریع‌تر طراحی رو پیش ببری. 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📚 پشت پرده هوش مصنوعی | قسمت ۵ 🧠 اطلاعات ChatGPT کجا ذخیره میشه؟ در قسمت قبل گفتیم اگر ChatGPT به اینترنت وصل نباشه، باز هم می‌تونه به خیلی از سؤال‌ها پاسخ بده. ⁉️ اما این اطلاعات دقیقاً کجا هستن؟ برخلاف تصور خیلی‌ها، ChatGPT یک پایگاه داده یا پوشه از مقاله‌ها و کتاب‌ها نداره که هنگام پاسخ‌دادن داخلش جستجو کنه. دانشی که در زمان آموزش یاد گرفته، به‌صورت اعداد و وزن‌های میلیاردها پارامتر داخل مدل ذخیره شده. یعنی به‌جای ذخیره کردن متن کتاب‌ها، الگوهای موجود در اونا رو در پارامترهاش یاد گرفته. به همین دلیل: - متن کتاب‌ها رو حفظ نکرده. - نمی‌تونه صفحه‌ای از یک کتاب رو پیدا کنه. - بلکه بر اساس دانشی که در پارامترهایش شکل گرفته، پاسخ تولید می‌کنه. ✅ به این نوع دانش، Parametric Knowledge (دانش پارامتریک) گفته میشه. ⚠️ نکته مهم: دانش پارامتریک ثابت نیست؛ هر بار که نسخه‌ی جدیدی از مدل آموزش داده میشه، این دانش به‌روزرسانی میشه. ━━━━━━━━━━━━━━ ❓ سؤال قسمت بعد: اگر اطلاعات داخل پارامترها ذخیره می‌شود، پس پارامتر دقیقاً چیست؟ 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

👾اگه سوالی از ویدیوهای آموزشی داشتی می تونی تو *«جامعه هوش مصنوعی فیلاگر»* مطرحش کنی🚀 به این گروه وارد شو👇🏻 🟡🟡🟡 👉🏻 @filoger_group دوستان خوب و با مهارت توی قدیمی‌ترین کامیونیتی AI به سوالات شما جواب میدن💜 🧠فیلاگر|جامعه هوش مصنوعی ایران 🆔@filoger_com

🎓 آموزش ۱ | چطور به n8n با نت ملی و با شارژ ریالی دسترسی داشته باشیم؟ اگر می‌خواید ساخت Agentها و Workflowهای هوش مصنوعی رو شروع کنید، اولین قدم دسترسی به n8n هست. 🤖 توی این ویدیو یاد می‌گیرید: ✅ چطور با استفاده از سایت Runflare به سرور n8n متصل بشید. 💡 چند نکته مهم: سرویس معرفی‌شده با اینترنت ملی در دسترسه. اگر امکان شارژ اکانت n8n رو به صورت دلاری نداشته باشید می‌تونید برای ساخت یک سری از ایجنت ها از طریق سایت معرفی شده به سرور n8n ، وصل بشید. اگر هنگام ساخت اپ با خطای کمبود منابع (CPU/RAM) مواجه شدید، معمولاً با حذف پروژه‌های قبلی یا افزایش منابع این مشکل برطرف می‌شه. داخل ویدیو تمام مراحل به‌صورت قدم‌به‌قدم نمایش داده شده تا بتونید بدون دردسر محیط توسعه Agentهای خودتون رو راه‌اندازی کنید. 🚀 🧠فیلاگر|جامعه هوش مصنوعی ایران 🆔@filoger_com

🎁 یه خبر خوب برای کامیونیتیِ هوش مصنوعی در تلگرامِ فیلاگر از این هفته تصمیم گرفتیم آموزش هایی در مورد ساخت Agentهای هوش مصنوعی در قالب پست‌های کوتاه و کاربردی با شما به اشتراک بذاریم. 🤖 توی این مجموعه، نکات مهم، تجربه‌های عملی و ایده‌هایی رو می‌بینید که می‌تونن برای ساخت Agentها و استفاده بهتر از ابزارهای هوش مصنوعی مفید باشن. اگر به یادگیری عملی AI علاقه دارید، جمعه ها پست‌های ما رو از دست ندید. 🚀💜 🧠 فیلاگر |جامعه هوش‌مصنوعی ایران 🆔 @filoger_com

🎁 یه خبر خوب برای کامیونیتیِ هوش مصنوعی در تلگرامِ فیلاگر از این هفته تصمیم گرفتیم آموزش هایی در مورد ساخت Agentهای هوش مصنوعی در قالب پست‌های کوتاه و کاربردی با شما به اشتراک بذاریم. 🤖 توی این مجموعه، نکات مهم، تجربه‌های عملی و ایده‌هایی رو می‌بینید که می‌تونن برای ساخت Agentها و استفاده بهتر از ابزارهای هوش مصنوعی مفید باشن. اگر به یادگیری عملی AI علاقه دارید، جمعه ها پست‌های ما رو از دست ندید. 🚀💜 🧠 فیلاگر |جامعه هوش‌مصنوعی ایران 🆔 @filoger_com

🎬 ابزار جدید و رایگان گوگل برای ساخت ویدیو با هوش مصنوعی: Google Flow گوگل ابزار Flow رو برای تولید فیلم و ویدیو با هوش مصنوعی معرفی کرده. این سرویس از مدل‌های Veo 3 (تولید ویدیو)، Imagen 4 (تولید تصویر) و Gemini (درک و اجرای دستورات) استفاده می‌کنه. امکان ساخت صحنه‌های سینمایی، حفظ شخصیت‌ها بین نماها، کنترل زاویه دوربین، تدوین و ادامه‌دادن شات‌ها رو تنها با پرامپت متنی فراهم می‌کنه. 🔹 چطور استفاده کنیم؟ -وارد سایت https://flow.google شوید. -با حساب Google وارد شوید. -یک پروژه جدید بسازید. -پرامپت متنی یا تصویر مرجع وارد کنید. -مدل Veo رو انتخاب کرده و ویدیو رو تولید کنید. 🔗 ابزار: https://labs.google/fx/tools/flow 🔗 منابع: • معرفی رسمی Flow: https://blog.google/technology/google-labs/google-flow-ai-filmmaking/ • مستندات Google AI: https://ai.google/flow/ 🔗 ویدیو: https://www.youtube.com/watch?v=vN6W1Z8eRMc 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📌 مهم‌ترین اخبار هوش مصنوعی | هفته دوم تیر ۱۴۰۵ از معرفی مدل‌های جدید گوگل و Anthropic تا رقابت داغ چین و xAI؛ مهم‌ترین اتفاقات این هفته را در یک صفحه مرور کنید. 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

🎙 این هفته در دنیای هوش مصنوعی چه گذشت؟ اگر این هفته فرصت دنبال کردن اخبار دنیای هوش مصنوعی رو نداشتید، می تونید مهم‌ترین اتفاقات، معرفی مدل‌های جدید و به‌روزرسانی‌های مهم این هفته رو در ادامه ببینید.👇 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📚 پشت پرده هوش مصنوعی | قسمت ۴ 🌐 اگر ChatGPT به اینترنت وصل نیست، اطلاعاتش رو از کجا میاره یکی از رایج‌ترین تصورها اینه که ChatGPT برای هر سؤال، اینترنت رو جستجو می‌کنه. اما در حالت عادی، این‌طور نیست. - مدل قبل از اینکه در اختیار کاربران قرار بگیره، روی حجم بسیار بزرگی از کتاب‌ها، مقاله‌ها، وب‌سایت‌ها و متن‌های عمومی آموزش می‌بینه. در این فرایند، متن‌ها رو حفظ نمی‌کنه؛ بلکه الگوها، روابط و ساختار زبان رو یاد می‌گیره. - به همین دلیل، وقتی ازش سؤال می‌پرسید، معمولاً پاسخش رو از اینترنت لحظه‌ای پیدا نمی‌کنه؛ بلکه بر اساس دانشی که در زمان آموزش کسب کرده، پاسخ تولید می‌کنه. - به همین دلیل هم ممکنه از رویدادهای جدید، تغییر قوانین یا اخبار تازه اطلاعی نداشته باشه؛ مگر اینکه نسخه‌ای از مدل به ابزار جستجوی وب متصل باشه. ⚠️ نکته مهم: وقتی ChatGPT در بعضی نسخه‌ها به اینترنت متصله، این یک قابلیت جانبیه، نه روشی که خود مدل ذاتاً کار می‌کنه. ━━━━━━━━━━━━━━ ❓ سؤال قسمت بعد: اگر ChatGPT متن‌ها رو حفظ نمی‌کنه، پس دقیقاً چه چیزی رو یاد می‌گیره؟ 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

⚡ AI Hack #02 📍 نقش‌های آماده برای Claude Code با GStack بیشتر کاربران برای هر کار، یک پرامپت جدید می‌نویسن، اما استفاده از GStack می تونه این روند رو تغییر بده. این مجموعه متن باز، نقش‌ها (Roles) و اسلش‌کامندهای آماده‌ای در اختیار Claude Code قرار می‌ده تا بدون شروع از صفر، متناسب با وظیفه موردنظر عمل کنه. 🔷 مثلاً میشه اون رو در نقش: - مدیر فنی - طراح - QA - بازبین کد - مدیر انتشار قرار داد تا خروجی‌ها ساختاریافته‌تر و منسجم‌تر باشن. ✅ پروژه GStack فقط به Claude Code محدود نیست و از چندین ابزار برنامه‌نویسی مبتنی بر هوش مصنوعی هم پشتیبانی می‌کنه. 🔗 مخزن رسمی GitHub پروژه GStack: https://github.com/garrytan/gstack?utm_source=chatgpt.com 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📚 پشت پرده هوش مصنوعی| قسمت ۳ 🧠 چرا ChatGPT گاهی با اطمینان اطلاعات اشتباه می‌ده؟ در قسمت قبل گفتیم که ChatGPT هدفش «پیدا کردن حقیقت» نیست؛ بلکه محتمل‌ترین ادامه متن رو تولید می‌کنه. حالا سؤال اینجاست: پس چرا گاهی با اطمینان کامل، اطلاعات نادرست می‌ده؟ این پدیده رو Hallucination (توهم) می‌نامند. یعنی مدل به‌جای اینکه بگه «نمی‌دانم»، گاهی بر اساس الگوهایی که یاد گرفته، پاسخی می‌سازه که از نظر نگارشی و منطقی کاملاً طبیعی به نظر می‌رسه؛ اما از نظر واقعیت، اشتباهه. به همین دلیل ممکنه: - یک منبعی رو نقل کنه که اصلاً وجود نداره. - تاریخ یا عددی رو اشتباه بیان کنه. - نام افراد یا رویدادها رو با هم ترکیب کنه. ⚠️ نکته مهم: توهم به معنی «دروغ گفتن» نیست. مدل قصد فریب نداره؛ فقط در حال پیش‌بینی محتمل‌ترین توکن بعدیه و گاهی این پیش‌بینی با واقعیت منطبق نیست. به همین دلیل، هرچه موضوع حساس‌تر یا تخصصی‌تر باشد، حتماً باید پاسخ‌ها را از منابع معتبر بررسی و راستی‌آزمایی کرد. ━━━━━━━━━━━━━━ ❓ سؤال قسمت بعد: اگر ChatGPT به اینترنت وصل نیست، اطلاعاتش رو از کجا میاره؟ 🧠 فیلاگر | جامعه هوش مصنوعی ایران 🆔 @filoger_com

📚 پشت پرده هوش مصنوعی | قسمت ۲ 🧠 اگر ChatGPT فقط توکن بعدی رو پیش‌بینی می‌کنه، پس چرا جواب‌هاش شبیه استدلاله؟ وقتی می‌گیم ChatGPT فقط «توکن بعدی» رو پیش‌بینی می‌کنه، ممکنه این سؤال پیش بیاد: پس چرا بعضی پاسخ‌ها این‌قدر منطقی به نظر می‌رسن؟ - واقعیت اینه که مدل در زمان آموزش، میلیاردها نمونه متن دیده؛ از کتاب‌ها گرفته تا کدها و گفت‌وگوهایی که در آن‌ها انسان‌ها استدلال کردن. - در نتیجه، ChatGPT خودِ فرایند فکر کردن رو انجام نمی‌ده؛ بلکه الگوهای زبانیِ استدلال رو یاد گرفته و هنگام پاسخ، اون الگوها رو بازتولید می‌کنه. - به همین دلیل، پاسخ‌هاش گاهی کاملاً شبیه فکر کردن به نظر می‌رسن؛ اما این به معنی داشتن ذهن، یا درک واقعی نیست. ⚠️ نکته مهم: ممکنه یک پاسخ کاملاً منطقی و قانع‌کننده به نظر برسه، اما در واقع اشتباه باشه. چون هدف مدل، کشف حقیقت نیست؛ بلکه تولید محتمل‌ترین ادامه متن بر اساس الگوهاییه که در آموزش دیده. ━━━━━━━━━━━━━━ ❓ سؤال بعد: اگر ChatGPT الگوهای زبانی رو این‌قدر خوب یاد گرفته، پس چرا گاهی با اطمینان کامل اطلاعات اشتباه تولید می کنه؟ (Hallucination) 🧠فیلاگر|جامعه هوش مصنوعی ایران 🆔@filoger_com

⚡️ AI Hack #01 🔍 جستجوی هوشمندتر در Perplexity با Focus بیشتر کاربران در Perplexity فقط سؤالشون رو می‌نویسن و جستجو رو شروع می‌کنن. اما یک قابلیت کاربردی به نام Focus وجود داره که به شما اجازه می‌ده منبع جستجو رو محدود کنید. مثلاً می‌تونید انتخاب کنید که فقط در: - مقالات علمی - Reddit - صفحات وب - ویدئوها - منابع دانشگاهی - جستجو کنه 🔺 چرا مهمه؟ اگر دنبال یک مقاله علمی هستید، لازم نیست نتایج وب، وبلاگ‌ها یا شبکه‌های اجتماعی رو هم بررسی کنید. با انتخاب Focus، پاسخ‌ها هدفمندتر و مرتبط‌تر میشن. 📌 نتیجه: با یک تغییر کوچک، کیفیت و دقت نتایج Perplexity به‌طور محسوسی بهتر میشه. 🧠فیلاگر|جامعه هوش مصنوعی ایران 🆔@filoger_com