هر کتابی که امروز به دست یک کودک برسد فردا می‌تواند آینده یک جامعه را تغییر دهد. ساختن کتابخانه در یک روستا فقط ساختن یک کتابخانه نیست بلکه ساختن امید آگاهی و فرصت برای نسلی است که می‌تواند آینده ایران را بسازند.

اینجا ببینید
https://t.iss.one/AI_DeepMind/3788

امیدوارم طلاهاتون‌رو نفروخته باشید گفتم ریپلای بزنم بگم بینم چکار کردید.

آفرهای فیلترشکن ویژه کانال برای شرایط عادی یک ماهه مناسب برای تمام وب سایتهای هوش مصنوعی و ...

50 گیگ 220 تومن
70 گیگ 350 تومن
100 گیگ 470 تومن
200 گیگ 550 تومن
300 گیگ 680 تومن

و IP ثابت امریکا، ترکیه، آلمان یک ماهه

30 گیگ 950
50 گیگ 1500
100 گیگ 2800

برای تهیه بهم پیام بدید
@Farzadh1h

با نصب افزونه زیر تو گوگل کروم میتونید فیلم های یوتوب بصورت دوبله فارسی رایگان تماشا کنید تست شده


دانلود افزونه
https://chromewebstore.google.com/detail/egoacpkbpnnjfebaadejafadmocfhenp


اموزش راه اندازی
https://www.youtube.com/watch?v=KGU9qHHGN-k

سایت دریافت api key
https://aistudio.google.com/api-keys

نیازمند ایپی امریکا

آیا قطع دسترسی پیوسته/همیشگی به اینترنت موبایل برای یک دوره دو هفته‌ای می‌تواند تمرکز، سلامت روان و احساس رضایت از زندگی شخصی را بهبود دهد؟

چرا حال افراد بهتر شد؟
مطالعه نشان داد قطع اینترنت موبایل باعث شد افراد:
زمان بیشتری در دنیای آفلاین بگذرانند، از جمله:
معاشرت حضوری
ورزش
حضور در طبیعت
انجام سرگرمی‌ها
کتاب خواندن
همزمان:
مصرف رسانه‌ای کمتر شد.
ارتباط اجتماعی بیشتر شد.
احساس self-control بیشتر شد.
خواب کمی افزایش یافت.
بیشترین تغییر مربوط به زمان آفلاین و self-control بود.
افرادی که در ابتدا FoMO ترس از دست دادن اتفاقات و تجربه‌های دیگران بیشتری داشتند، از قطع اینترنت موبایل از نظر سلامت روان و رضایت از زندگی بیشتر سود بردند.
افرادی با علائم بیشتر ADHD نیز در توجهی که خودشان گزارش می‌کردند بهبود بیشتری نشان دادند؛ ولی برای آزمون عینی توجه پایدار چنین تفاوتی مشاهده نشد.

▪️ Blocking mobile internet on smartphones improves sustained attention, mental health, and subjective well-being

#مقاله #روانشناسی_بالینی #روانشناسی


☑️ @AI_DeepMind
✅ @AI_Person

۱۵ مقاله‌ای که هر مهندس هوش مصنوعی باید مطالعه کند.

1. Attention Is All You Need (Transformers)

2. LoRA: Low-Rank Adaptation of Large Language Models

3. PEFT (Parameter-Efficient Fine-Tuning) Scaling Down to Scale Up: A Guide to Parameter-Efficient Fine-Tuning

4. An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale (Vision Transformer)

5. Auto-Encoding Variational Bayes (VAE)

6. Generative Adversarial Networks (GANs)

7. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

8. High-Resolution Image Synthesis with Latent Diffusion Models

9. Retrieval-Augmented Generation (RAG)

10. Language Models are Few-Shot Learners (GPT-3)

11. Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity

12. Learning to summarize from human feedback (RLHF)

13. LLaMA: Open and Efficient Foundation Language Models

14. RoFormer: Enhanced Transformer with Rotary Position Embedding

15. InstructGPT: Training language models to follow instructions with human feedback

مطالعه مقاله هایی که دانش پایه‌ای شما را از #الگوریتمها ی #هوش_مصنوعی افزایش میدهد.

#مقاله #منابع #پردازش_زبان_طبیعی #مدل_زبانی #یادگیری_تقویتی


☑️ @AI_DeepMind
✅ @AI_Person

📊 هوش تجاری (BI)، یعنی تبدیل دیتا به تصمیم، نه فقط ساخت گزارش.

🎯 اگر می‌خوای وارد مسیر شغلی Business Intelligence بشی، باید بتونی KPI بسازی و خروجی کارت رو برای تصمیم‌گیری توضیح بدی.

📈 توی «مینی‌کمپ هوش تجاری کوئرا» با SQL ،Power BI ،DAX ،ETL ،Data Modeling و Data Storytelling کار می‌کنی و پروژه‌هایی می‌سازی که برای رزومه و مصاحبه قابل ارائه‌ان.

🤩 بدون پیش‌نیاز.

💳 امکان پرداخت در اقساط بلندمدت

❗️آخرین فرصت ثبت‌نام

✔️ ثبت‌نام اولیه رایگان:
🔗 quera.org/r/xj1qm

با ثبت نام 30 روز دسترسی رایگان به چت بات هارو میده

https://www.aiqbee.com/free-trial

☑️ @AI_DeepMind
✅ @AI_Person

یک چای مهمون کن

https://daramet.com/farzaddd

روز جهانی چپ دست ها هستش گفتم بهتون تبریک بگم

این مقاله درباره‌ی VisualClaw است؛ یعنی یک عامل چندوجهی/بینایی‌ـ‌زبانی که برای دنیای واقعی طراحی شده: ویدئوی زنده را می‌بیند، فقط فریم‌های مهم را به مدل می‌فرستد، از تجربه‌های قبلی یاد می‌گیرد، و به‌مرور برای کاربر شخصی‌سازی می‌شود.

ایده‌ی اصلی مقاله این است که VLMها یا مدل‌های vision-language برای کارهای ویدئویی خیلی قوی شده‌اند، اما در استفاده‌ی واقعی سه مشکل دارند: پردازش فریم‌های زیاد و پرامپت‌های طولانی گران و کند است؛ عامل بعد از استقرار معمولاً ثابت می‌ماند و از شکست‌هایش یاد نمی‌گیرد؛ و بنچمارک‌های رایج ویدئو-QA معمولاً فقط جواب دادن به سؤال را می‌سنجند، نه انجام کار واقعی در یک workspace با فایل، ابزار، و شواهد تصویری.

نکته‌ی جالب این است که VisualClaw وزن‌های مدل اصلی را تغییر نمی‌دهد. یعنی مثلاً از Gemini 3 Flash یا GPT-5.2 به‌عنوان مدل frozen استفاده می‌کند، اما با حافظه، skill bank، انتخاب فریم، و evolution بیرونی باعث می‌شود عملکرد عامل بهتر شود. این برای کاربردهایی مثل عینک هوشمند، دستیار شخصی تصویری، یا agentهای دنیای واقعی مهم است، چون نمی‌توان همیشه همه‌ی ویدئو را کامل به مدل فرستاد.

روش فشرده‌سازی ویدئو در مقاله ساده ولی کاربردی است: سیستم ابتدا با perceptual hash فریم‌های تکراری را حذف می‌کند، بعد با یک encoder سبک ۱۲۸بعدی روی CPU تغییرات صحنه را می‌سنجد، و بعد با adaptive change gate تصمیم می‌گیرد کدام فریم واقعاً ارزش ارسال به cloud VLM را دارد. این یعنی سیستم لازم ندارد کل ویدئو را از قبل داشته باشد؛ می‌تواند روی stream زنده و نامحدود کار کند.

برای skill bank هم مقاله از مدل hot/cold injection استفاده می‌کند. مهارت‌های خیلی مرتبط با سؤال به‌صورت کامل وارد پرامپت می‌شوند؛ این‌ها بخش hot هستند. بقیه‌ی مهارت‌ها فقط با نام و توضیح کوتاه معرفی می‌شوند؛ این‌ها بخش cold هستند. هدف این است که با بزرگ شدن بانک مهارت‌ها، پرامپت خیلی طولانی و گران نشود.

▪️ VisualClaw: A Real-Time, Personalized Agent for the Physical World

#مقاله #علوم_پزشکی #هوش_مصنوعی #یادگیری_تقویتی #مدل_مولد #بینایی_ماشین #بینایی_زبانی

☑️ @AI_DeepMind
✅ @AI_Person

🤖 انتشار Grok 4.6

شرکت xAI مدل جدید Grok 4.6 را منتشر کرد؛ مدلی که تمرکز ویژه‌ای روی عامل‌های هوش مصنوعی، برنامه‌نویسی و انجام وظایف طولانی و چندمرحله‌ای دارد. xAI می‌گوید عملکرد آن در برخی ارزیابی‌ها با مدل‌های پیشرفته‌ای مانند GPT-5.6 Sol و Claude Fable 5 قابل مقایسه است.