📍نظریه ی هزینه ی نهایی صفر با ایجنت های هوش مصنوعی به واقعیت تبدیل میشه. 🫡

✅با ویژگی جدید chat gpt که امروز اضافه شده، میتونید هر نرم افزاری رو به هوش مصنوعی اضافه کنید، اهداف اینکار برای کاربر میتونه از خوندن داده های نرم افزار تا اقدام در نرم افزار از طریق هوش مصنوعی و.... باشه.

ما در حال گذار از عصر «اپلیکیشن‌محوری» (App-Centric) به عصر «ایجنت‌محوری» (Agent-Centric) هستیم.

‼️بسیاری از نرم‌افزارهای اشتراکی (SaaS) که کارهای ساده انجام می‌دهند (مثل ابزارهای تبدیل فرمت فایل یا تحلیل‌های ساده آماری)، احتمالاً حذف یا با هوش مصنوعی ادغام می‌شوند. وقتی هوش مصنوعی می‌تواند مستقیماً با دیتابیس صحبت کند (Direct Database Interaction)، دیگر نیازی به لایه‌های میانی نرم‌افزارهای سنتی نیست.

دقایقی پیش، مدل ایجنت محور GPT‑5.2-Codex معرفی و در دسترس قرار گرفت.


https://openai.com/index/introducing-gpt-5-2-codex/

نسخه ی جدید هوش مصنوعی Manus 1.6: Max هم چند ساعت پیش معرفی شد.

https://manus.im/blog/manus-max-release

✅اکستنشن claude در مرورگر chrome که امروز‌ ریلیز شده رو اضافه کنید. به صورت sidebar باز میشه.

دسترسی read/write به همه تب‌ها به صورت همزمان داره و می تونه کد JavaScript در صفحات مرورگر تون اجرا کنه.

⚠️ و البته که صدها استارت آپ با همین اکستشن کشته شدن. خدا رحمتشون کنه ✋🏻


https://support.claude.com/en/articles/12012173-getting-started-with-claude-in-chrome

♾️دیروز ایجنتی متن باز معرفی شده که از انقلاب در ایجنت ها چیزی کم نداره، چندتا از مفاهیمی که آورده رو اینجا میزارم :

۱. معماری ماژولار «هسته استاندارد» (Standardized Core)
در اکثر فریم‌ورک‌ها (مثل AutoGPT)، ایجنت یک توده‌ی درهم‌تنیده از کد و پرامپت است. Shachi مفهوم جداسازی کاملِ توانایی‌های شناختی را معرفی می‌کند:

LLM به مثابه پردازنده: مدل زبانی فقط نقش موتور استدلال را دارد.

حافظه به مثابه دیتابیس: حافظه یک بخش کاملاً مستقل است که می‌تواند بین ایجنت‌های مختلف جابه‌جا شود.

پروفایل (Traits): ویژگی‌های شخصیتی ایجنت به صورت متغیرهای کمی (مثل میزان ریسک‌پذیری) تعریف می‌شوند که روی استدلال تاثیر می‌گذارند.

۲. مفهوم «تناسخ ایجنت» 😳(Agent Reincarnation)
این یکی از عجیب‌ترین و جدیدترین مفاهیم Shachi است. در شبیه‌سازی‌های معمولی، وقتی یک سناریو تمام می‌شود، ایجنت پاک می‌شود. اما در Shachi:

ایجنت می‌تواند در یک محیط (مثلاً قرون وسطی) زندگی کند، تجربیات کسب کند، و سپس با حفظ آن تجربه‌ها در محیط دیگری (مثلاً دنیای مدرن) «متولد» شود.

این مفهوم برای مطالعه انتقال دانش و تجربه در هوش مصنوعی استفاده می‌شود.

۳. شبیه‌سازی «اعتبار خارجی» (External Validity Simulation)
برخلاف ایجنت‌های چت که هدفشان راضی کردن کاربر است، Shachi مفهوم انطباق با واقعیت آماری را دنبال می‌کند.

هدف این نیست که ایجنت حرف‌های قشنگ بزند؛ هدف این است که اگر به ۱۰۰ ایجنت بگوییم «قیمت بنزین گران شد»، واکنش جمعی آن‌ها دقیقاً مشابه واکنش واقعی مردم در جامعه باشد.

این مفهوم ایجنت را از یک «دستیار» به یک «مدل آزمایشگاهی برای پیش‌بینی آینده» تبدیل می‌کند.

۴. حکمرانی و تعاملات چندلایه (Multi-layer Interaction)
در Shachi، مفهوم «محیط به مثابه داور» بسیار جدی است. ایجنت‌ها مستقیماً با هم حرف نمی‌زنند، بلکه از طریق یک محیط واسط (Environment) بر هم اثر می‌گذارند.

این کار باعث می‌شود پدیده‌های «ظهوریافته» (Emergent Behaviors) مثل تشکیل بازار سیاه، تورم یا شورش‌های اجتماعی که در سیستم‌های ساده قابل برنامه‌نویسی نیستند، به صورت خودبه‌خودی در سیستم ظاهر شوند.

۵. ارزیابی از طریق «تست‌های تورینگ جمعی»
به جای اینکه بپرسند «آیا این ایجنت هوشمند است؟»، Shachi مفهوم جدیدی را مطرح می‌کند: «آیا رفتار جمعی این ایجنت‌ها با داده‌های تاریخی همخوانی دارد؟»

آن‌ها سناریوهای واقعی (مثل جنگ‌های تجاری) را به ایجنت‌ها می‌دهند و خروجی را با واقعیت تاریخ مقایسه می‌کنند تا دقت «شخصیت‌پردازی» ایجنت را بسنجند.

۶. زندگی در جهان های موازی😳(Living in Multiple Worlds) : بررسی اینکه یک ایجنت اگر همزمان در چندین سناریوی مختلف باشد، چگونه تصمیم می‌گیرد.


مخزن این ایجنت 👇👇👇

https://github.com/SakanaAI/shachi/

📝نظر ادمین : ایجنت های قبل از این رو فراموش کنید، مفاهیمی که اینجا معرفی شده پایه های ایجنت هایی هستند که پیچیده ترین سیستم ها رو با هزینه ی خیلی پایین و دقت بالا در سریعترین زمان ممکن پیشبینی میکنند و مرزهای علم رو جابجا میکنند.

📢شرکت Anthropic استاندارد Agent Skills را باز منتشر کرد.

شرکت Anthropic چارچوب Agent Skills را به صورت استاندارد باز (open standard) منتشر کرد که اجازه می‌ده ایجنت‌ها مهارت‌های تخصصی رو به اشتراک بذارن و در پلتفرم‌های مختلف (مثل Microsoft، OpenAI و Atlassian) استفاده بشن.

این حرکت رقابت رو شدیدتر می‌کنه و به سمت اکوسیستم باز ایجنت‌ها می‌ره.

مدل جدید ویرایش عکس شرکت علی بابا به اسم منتشر شد.

مدل جدید ویرایش عکس شرکت علی بابا به اسم Qwen-Image-Layered منتشر شد.


۱. قابلیت اصلی: تجزیه تصویر به لایه‌ها (Layered Decomposition)
مهم‌ترین ویژگی این مدل این است که می‌تواند یک تصویر تخت (مثل یک عکس معمولی JPG) را بگیرد و آن را به چندین لایه مجزا با فرمت RGBA (لایه همراه با شفافیت یا Transparency) تبدیل کند. چیزی شبیه به لایه‌هایی که در فتوشاپ می‌بینیم، اما به صورت کاملاً خودکار.

۲. ویرایش‌پذیری بالا (Inherent Editability)
وقتی یک تصویر به لایه‌های مختلف (مثلاً سوژه، پس‌زمینه، متن و اشیاء دیگر) تقسیم می‌شود، شما می‌توانید:

تغییر رنگ: بدون دست خوردن به بقیه تصویر، فقط رنگ لباس یک نفر یا رنگ یک شیء خاص را تغییر دهید.

تغییر مکان و اندازه: یک شیء را در تصویر جابجا کنید یا اندازه آن را بدون دفرمه شدن بقیه تصویر تغییر دهید.

حذف و جایگزینی: یک لایه را کلاً حذف کنید (مدل جای خالی آن را در لایه پشتی پر می‌کند) یا آن را با چیز دیگری جایگزین کنید.

۳. ویژگی‌های فنی متمایز
تعداد لایه‌های متغیر: برخلاف مدل‌های قبلی، این مدل محدود به تعداد لایه خاصی نیست و می‌تواند بسته به پیچیدگی تصویر، آن را به ۳ تا ۸ لایه یا بیشتر تقسیم کند.

تجزیه بازگشتی (Recursive Decomposition): شما می‌توانید یکی از لایه‌های تولید شده را دوباره به مدل بدهید تا آن را هم به قطعات ریزتر تقسیم کند (مثلاً یک لایه «انسان» را به لایه‌های «لباس»، «چهره» و غیره تقسیم کند).

حفظ ثبات: چون ویرایش فقط روی یک لایه فیزیکی انجام می‌شود، بقیه بخش‌های تصویر کاملاً ثابت می‌مانند و مشکلاتی مثل بهم ریختگی پس‌زمینه هنگام ویرایش سوژه پیش نمی‌آید.

۴. کاربردها
صنعت طراحی: طراحان می‌توانند تصاویر ساخته شده توسط هوش مصنوعی را به راحتی به فایل‌های قابل ویرایش (مثل خروجی برای فتوشاپ یا حتی پاورپوینت) تبدیل کنند.

تولید محتوا: تغییر سریع المان‌های یک پوستر یا عکس تبلیغاتی بدون نیاز به بازطراحی کامل.

✅استاندارد باز agentskills الان توسط این هوش مصنوعی ها پشتیبانی میشه .

https://agentskills.io/home

✅رباتیک Vibe Coding بخش ۳

یک شبیه‌سازی ساختم که در آن دو ربات برای انجام یک کار با هم همکاری می‌کنند.
طراحی با Nano Banana Pro، ساخته شده با Gemini 3

این مدل از ویدیوهای انفجاری محصولات رو میتونید با استفاده از هوش مصنوعی در کمتر از ۵ دقیقه و رایگان درست کنید.🙌

✅ هفته ی گذشته مدل FunctionGemma که مدل کوچک ۲۷۰ میلیون پارامتری برای کنترل دستگاه‌های موبایل است، منتشر شد.

منبع

‼️این مدل، روند هوش مصنوعی رو به نوعی مشخص میکنه که بزودی باید شاهد پیاده سازی مدل های هوش مصنوعی روی تلفن های همراه بدون نیاز به اینترنت باشیم.

#حقوق
#قانون_هوش_مصنوعی
#lawAI

✅پیشنهاد کار تا ۱۸۰ هزار دلار سالیانه و گزارش فعالیت سالیانه موسسه ی قانون هوش مصنوعی اتحادیه ی اروپا :


۱. رویدادهای برگزار شده
موسسه LawAI در تابستان گذشته سه رویداد مهم برای متخصصان، حقوقدانان و دانشجویان برگزار کرده است:

موسسه تابستانی حقوق و هوش مصنوعی (ژوئیه - واشنگتن دی‌سی): بررسی چالش‌های حقوقی هوش مصنوعی، مسئولیت مدنی، بیمه و کنترل صادرات.

کارگاه هوش مصنوعی قانون‌مدار (اوایل اوت): تمرکز بر طراحی سیستم‌های هوش مصنوعی عاملی (Agentic) که بتوانند قوانین را رعایت کنند.

مجمع کمبریج (اواسط اوت): گردهمایی متخصصان برای بحث درباره قوانین اتحادیه اروپا (AI Act) با حضور بیش از ۲۰۰ شرکت‌کننده.

۲. پژوهش‌ها و انتشارات اخیر
تیم‌های مختلف این موسسه مقالات و تحلیل‌های جدیدی منتشر کرده‌اند:

تیم حقوق و سیاست‌گذاری آمریکا: مقاله‌ای درباره توقف موقت (Moratorium) قوانین ایالتی هوش مصنوعی و تحلیل فرمان اجرایی جدید.

تیم حقوق اتحادیه اروپا: آماده‌سازی تفسیری بر قانون مدل‌های هوش مصنوعی همه منظوره (GPAI) برای اوایل سال آینده.

تیم مرزهای حقوقی (Legal Frontiers): انتشار مقالاتی درباره «حکمرانی خودکار» (Automated Governance) و تحقیقاتی پیرامون هوش مصنوعی قانون‌مدار.

۳. فرصت‌های همکاری و شغلی (بسیار مهم)
این بخش جذاب‌ترین قسمت برای متقاضیان است. دو فرصت اصلی معرفی شده که مهلت ثبت‌نام هر دو ۳۰ ژانویه ۲۰۲۶ است:

الف) فلوشیپ پژوهشی تابستانی ۲۰۲۶ (Summer Research Fellowship):

مدت زمان: ۱۰ هفته در تابستان.

برای چه کسانی؟ دانشجویان تحصیلات تکمیلی حقوق (JD, LLM)، دانشجویان دکترا و پژوهشگران.

مکان:

تیم آمریکا: دورکاری (با احتمال دفتر در واشنگتن یا برکلی).

تیم اروپا و مرزهای حقوقی: حضوری در کمبریج، انگلستان (یا دورکاری).

حقوق: ۱۵۰۰ تا ۲۴۰۰ دلار در هفته (بسته به سابقه و موقعیت).

ب) موقعیت شغلی پژوهشگر (Research Fellow / Senior Research Fellow):

نوع کار: تمام‌وقت و دائمی.

حقوق:

پژوهشگر عادی: ۱۱۵,۰۰۰ تا ۱۵۰,۰۰۰ دلار در سال.

پژوهشگر ارشد: ۱۲۵,۰۰۰ تا ۱۸۰,۰۰۰ دلار در سال.

شرایط: داشتن سابقه حقوقی (در شرکت‌های حقوقی، دانشگاه یا دولت).

۴. معرفی پژوهشگران برتر (Spotlight)
در انتهای متن، برای نمونه به چند نفر از پژوهشگران موفق سال ۲۰۲۵ اشاره شده است:

الکس جامپر (Alex Jumper): پژوهشگر تیم آمریکا با سابقه کار در وزارت خارجه و دادگاه‌های فدرال.

مادالینا نیکولای (Madalina Nicolai): پژوهشگر تیم اروپا با تمرکز بر ریسک‌های سیستماتیک و قانون هوش مصنوعی اروپا.

هنری تامپسون (Henry Thompson): استاد اقتصاد که روی اقتصادِ هوش مصنوعی‌های سرکش (Rogue AI) تحقیق کرده است.

https://law-ai.org/