تا حالا فکر کردی اگه با یه هوش مصنوعی که تو سال 1930 زندگی می‌کنه حرف بزنی، چی میشه؟

مدل Talkie-1930 دقیقاً همینه؛ یه مدل زبانی 13 میلیارد پارامتری که فقط روی متن‌های قبل از سال 1931 آموزش دیده. یعنی نه اینترنت رو می‌شناسه، نه جنگ جهانی دوم رو دیده و نه هیچ اتفاق مدرنی براش وجود داره. یه چت‌بات که انگار واقعاً از دل اون دوره اومده و با همون طرز فکر جواب می‌ده:


huggingface.co/spaces/multimodalart/talkie-1930


@Linuxor

اقا من فوتبال بازی نمی‌کنم ولی توی یکی از پروژه هام به همچین نموداری برخوردم میخوام یه توضیحی بهتون بدم چون این یه نمودار ساده اصلا نیستش اولش منم فکر میکردم سادس ولی خیلی جالبه!

من برای مقایسه مقاله ها مثل بالا پنج تا ویژگی ازش داشتم که هرکدوم بین 0 تا 100 بود اولش خواستم برای اینکه بفهمم در کل مقاله وضعیتش چطوریه همه ویژگی های یه مقاله رو ضرب کنم بعد این عدد رو بین مقالات رو مقایسه کنم بعد دیدم یه سری ویژگی ها هست که مجاور هم هستن و مهم هستن پس ضرب اصلا خوب در نمیاره بجاش مساحت وسط نمودار عنکبوتی رو مقایسه کردم

توی این نمودار عنکبوتی اگه مساحت وسط رو اگه مقایسه کنید دارید به ویژگی های مجاور اهمیت میدید مثلا سرعت و دریبل کنار هم هستن، چون یه وینگر اگه هم سریع باشه و هم دریبل‌زن، ارزشش خیلی بیشتر از داشتن فقط یکی از این دو هستش.


@Linuxor

گوگل با کمک هوش مصنوعی داره پیدا کردن و درست کردن باگ‌های امنیتی کروم رو سریع‌تر می‌کنه. این ابزارهای هوشمند می‌تونن کدهای کروم رو بررسی کنن، مشکل‌های امنیتی مخفی رو پیدا کنن و حتی برای برطرف کردنشون راهکار بدن. هدف اینه که فاصله بین پیدا شدن یه مشکل و منتشر شدن آپدیت امنیتی کمتر بشه.

این استفاده از هوش مصنوعی باعث شده گوگل بتونه تعداد زیادی از حفره‌های امنیتی کروم رو قبل از تبدیل شدن به تهدیدهای جدی شناسایی و رفع کنه. فقط در یک ماه، 370 آسیب‌پذیری از جمله 7 مورد حیاتی برطرف شده و این روند باعث شده تعداد اصلاحات امنیتی گوگل از مجموع چندین به‌روزرسانی قبلی هم بیشتر بشه.

این کار نشون می‌ده آینده امنیت نرم‌افزار بیشتر به همکاری آدم‌ها و هوش مصنوعی وابسته است. البته گوگل هنوز تأکید می‌کنه که بررسی انسانی لازمه تا مطمئن بشن این تغییرات درست کار می‌کنن و مشکل جدیدی ایجاد نمی‌کنن.

@Linuxor

یه خبر خوب و یه خبر بد

گوگل اندروید نه چندان خیلی آزاد رو داره تبدیل می‌کنه به IOSی که نمی‌شه از هرجایی چیزی روش نصب کرد! برای مقابله با بدافزارها و اپلیکیشن‌های کلاهبرداری، سیستم جدیدی معرفی کرده که در اون توسعه‌دهندگان باید
هویت واقعی خودشونو تأیید کنن.
اپلیکیشن‌های خودشونو پیش گوگل گوگل ثبت کنن.
در صورت انتشار خارج از گوگل‌پلی نیز اطلاعات برنامه رو توی Android Developer Console ثبت کنن.

این خبر جالبی برای اندرویدی که همیشه آزاد بود و ‌می‌تونستیم از هرجایی APK نصب کنیم نیست اما خبر خوب ماجرا اینه اعلام کرده دستگاه‌های اندرویدی موجود در کشورهای تحت تحریم آمریکا (Sanctioned Countries) از جمله ایران و کوبا، از اجرای سیستم جدید Android Developer Verification مستثنا خواهند بود.

@Linuxor

یکی از بزرگ ترین مخزن های Loading برای وب

نکته خوبشون اینه انمیشین اضافی ندارن و CSS خامن و خودشون خیلی سریع لود می‌شن

css-loaders.com/spinner

@Linuxor

می‌دونستین اپل یه SDK (مجموعه ابزار برای برنامه‌نویس‌ها) به اسم RoomPlan داره که با استفاده از دوربین و سنسور LiDAR آیفون/آیپد، می‌تونه فقط با اسکن کردن، نقشه سه‌بعدی کل خونه رو بسازه.

یعنی شما با گوشی داخل خونه راه می‌ری و برنامه:

دیوارها رو تشخیص می‌ده، اتاق‌ها رو می‌شناسه، درها و پنجره‌ها رو پیدا می‌کنه، حتی بعضی وسایل مثل مبل و میز رو هم تشخیص می‌ده، و در نهایت یک مدل سه‌بعدی از خانه تولید می‌کنه.

developer.apple.com/augmented-reality/roomplan

@Linuxor

این ابزار می‌تونه هر لینکی از هرجایی بهش بدید دانلودش کنه

کاملاً رایگان، متن‌باز و بدون تبلیغات.

github.com/averygan/reclip

@Linuxor

فوربز گزارش داده که استارتاپ‌های مبتنی بر عامل‌های هوش مصنوعی (AI Agents) دارن به انتخاب اول بنیان‌گذارهای انفرادی تبدیل می‌شن. دلیلش هم اینه که هزینه استفاده از ابزارهای هوش مصنوعی به‌شدت پایین اومده و حالا یک نفر می‌تونه با پرداخت ماهانه $300 تا $500 کاری رو انجام بده که قبلاً به یک تیم کامل با هزینه $80,000 تا $120,000 در ماه نیاز داشت.

به همین خاطر، الان بیشتر از یک‌سوم استارتاپ‌های جدید فقط یک بنیان‌گذار دارن؛ در حالی که این عدد در سال 2017 فقط 17% بود. هوش مصنوعی هم با انجام کارهایی مثل کدنویسی، تولید محتوا و پشتیبانی مشتری، هزینه‌ها رو حدود 95% تا 98% کمتر از نیروی انسانی کرده و راه‌اندازی کسب‌وکار رو برای افراد مستقل خیلی ساده‌تر کرده.

@Linuxor

اینو ببینید دیروز ساخته شده تمام اندام های داخلی بدن رو به صورت سه بعدی نشون می‌ده، هوش مصنوعی واقعا داره به جاهای عجیبی می‌ره

تست آنلاین :
anatomy-livid.vercel.app

سورس کد :
github.com/thebuggeddev/anatomy

از سورس کدش کلی ایده می‌تونید برای پروژه های خودتون بگیرید.

@Linuxor

اگه خواستین ببینید پایتون چقدر بلدید سایت سیمپل‌لرن 150 تا سوال با جواب داره برید ببینید کدوماشو می‌تونید جواب بدید برای تمرین قبل از مصاحبه هم خوبه :

www.simplilearn.com/python-interview-questions-article

همه سوالاش واقعا خوبن پس اگه به چیزی رسیدید و بلد نبودید نگید این چه چرتو پرتیه برید یادش بگیرید توی آینده به احتمال زیاد بهش بر می‌خورید.

@Linuxor

اگه خواستین یه چیزی دیزاین کنید نشینید فکر کنید برید از بقیه طرح ها الهام بگیرید، این سایته کلی طرح داره می‌تونید ازش الهام بگیرید :

collectui.com

@Linuxor

خبر فوری

آسترا، هوش مصنوعی جدید OpenAI، تونسته 10 مسئله‌ی قدیمی و حل‌نشده‌ی ریاضی رو حل کنه؛ از جمله اولین ساختار صریح یک گروه غیرصوفی. جالب‌تر اینکه کل این کار با هزینه‌ای حدود 2000 دلار انجام شده.

راه‌حل‌هایی که ارائه داده، فقط ایده‌های خام نیستن؛ همگی تأیید شدن و روی گیت‌هاب منتشر شدن. این دستاوردها حوزه‌های مختلفی مثل علوم کامپیوتر نظری و پیچیدگی مدارهای حسابی رو پوشش می‌دن.

بین این نتایج، رد حدس صلبیت کانز (Connes's rigidity conjecture) و حل مسئله‌ی 183 پاول اردوش (Paul Erdős) هم دیده می‌شه؛ مسائلی که سال‌ها جزو چالش‌های جدی ریاضی بودن.

این اتفاق می‌تونه یه نقطه‌ی عطف برای استدلال علمی با هوش مصنوعی باشه؛ چون نشون می‌ده AI داره از حل مسئله‌های معمولی عبور می‌کنه و وارد مرحله‌ی کشف‌های واقعی علمی می‌شه.

@Linuxor

اگه به هک و امنیت علاقه دارید این پست هکرنون رو بخونید درباره امنیت مدل های هوش مصنوعیه

چون Prompt Injection شبیه SQL Injection نیست که با یک تکنیک استاندارد بشه اونو کاملاً حذف کرد. این حمله از نحوه‌ی کار خود LLMها هستش پس هیچ فیلتر جادویی وجود نداره. راهکار واقعی، طراحی سیستم با فرض اینه که مدل ممکنه هر لحظه فریب بخوره.

این مقاله مفاهیمی مثل «مثلث مرگبار»، «قانون دو»، الگوی Dual-LLM سایمون ویلیسون، سیستم CaMeL گوگل دیپ‌مایند و شش الگوی طراحی از یه مقاله سال 2025 رو معرفی می‌کنه:

hackernoon.com/you-cannot-filter-your-way-out-of-prompt-injection


@Linuxor

خیلیا براشون سواله شایان اویس‌قرن، ایرانی‌ای که مدال آباکوس گرفت، دقیقا چیکار کرد؟

اول بگم مدال آباکوس یکی از معتبرترین جایزه‌ها توی حوزه ریاضیات علوم کامپیوتره. شایان مسئله فروشنده دوره‌گرد (TSP) رو حل نکرد؛ چون این مسئله هنوز حل نشده. کاری که کرد این بود که بعد از چند دهه، یک روش تقریبی برای حل این مسئله رو کمی بهتر کرد.

شاید بگید خب یه بهبود کوچیک چرا مهمه؟ چون TSP یکی از سخت‌ترین مسائل محاسباتیه. با زیاد شدن تعداد شهرها، تعداد مسیرهای ممکن به شکل وحشتناکی زیاد میشه و پیدا کردن بهترین مسیر خیلی سخت میشه.

بهبود همین روش‌های تقریبی می‌تونه روی کلی حوزه مثل طراحی تراشه، مهندسی، شبکه‌ها و بهینه‌سازی اثر بذاره. ارزش کار شایان اینه که یه قدم کوچیک، مرز دانش رو توی یکی از سخت‌ترین مسائل کامپیوتر جلوتر برده.


@Linuxor

احتمالا خیلی هاتون با اکوسیستم skills که vercel ساخته اشنا باشید.

skills.sh

هرکسی میتونه اسکیل خودشو بسازه بذاره github و اگر ساحتار اسکیل منطبق بر چهارچوب ارائه شده توسط vercel باشه همه میتونن دسترسی داشته باشن و استفاده کنن.

من اما میخوام بهتون یک اسکیل خاص رو معرفی کنم به اسم find-skills که از اسمش معلومه کمک میکنه به جای نصب تک تک اسکیل ها خود مدل بتونه tool_calling بهتری انجام بده و اسکیل مشخص رو پیدا کنه.

ادرسش اینجاس:

skills.sh/vercel-labs/skills/find-skills

روی پروژه یا به شکل گلوبال میتونید نصب کنید.

روی هرمس ترکیب برنده رو میده به شما چرا که خود هرمس سیستم skill_discovery بسیار خوبی داره اما روی اسکیل های نصب شده و فعال و این اسکیل به شما کمک میکنه بیرون اکوسیستم اسکیل داخلی هرمس اسکیل جدیدی پیدا کنید و بهش اضافه کنید و حالا شما هم internal_discovery دارین و هم external_discovery.

@Linuxor ~ Thatssoheil

من که شغلی ندارم هوش مصنوعی بگیرتش، منتظرم یه شغل ایجاد کنه برم توش.


@Linuxor

آمازون در حال سرمایه‌گذاری عظیمی روی هوش مصنوعی هستش (بیش از 200 میلیارد دلار سرمایه‌گذاری برنامه‌ریزی‌شده)، اما به گفته جف بزوس، مزیت رقابتی واقعی این شرکت نه توی فناوری‌های جدیده، بلکه تمرکز بر چیزهایی است که هرگز تغییر نمی‌کنن مثلا‌:

مشتری‌ها همیشه قیمت پایین‌تر می‌خواهند.
همیشه تحویل سریع‌تر را ترجیح می‌دهند.
همیشه انتخاب‌های بیشتر را دوست دارند.

جف بزوس معتقده شرکت‌هایی که روی نیازهای دائمی مشتریان تمرکز کنن، حتی توی دوران تحول‌های بزرگی مثل هوش مصنوعی نیز مزیت رقابتی خودشونو حفظ خواهند کرد.

دوستان این خیلی نکته مهمیه ها جف بزوس خیلی خوب می‌دونه نیاز های اصلی انسان هیچ وقت تغییر نمی‌کنن و روی اونا تمرکز می‌کنه بجای اینکه بچسبه به چیز های جدید تست نشده.


@Linuxor

بزرگ‌ترین مشکل تست پروژه اینه که معمولاً بعضی سناریوها از یادت میرن؛ همون‌هایی که بعداً تبدیل به باگ میشن.

برای حل همین مشکل، یکی از بچه ها به اسم سبحان یه Prompt متن‌باز منتشر کرده که سورس پروژه رو تحلیل می‌کنه و بی‌نهایت سناریوی تست فارسی و انگلیسی در قالب ( عمل + انتظار ) با استایل چک لیست داخل یک فایل HTML تولید می‌کنه. کافیه مرحله‌به‌مرحله تست‌ها رو اجرا کنی و ببینی آیا نتیجه‌ی مورد انتظار رخ می‌ده یا نه.

github.com/sobhanrajabi31/test-scenario-prompts

@Linuxor

برگای آدم می‌ریزه ببینید چه شطرنج سه بعدی با هوش مصنوعی ساختن توسعه دهندش می‌گه فقط توی 2 ساعت ساختتش!

تست آنلاین :
medieval-3d-chess.rork.app

سورس کد :
github.com/alexngdev99/rork-medieval-3d-chess

@Linuxor

وقتی یه مدل روی لپ تاپ خودت بالا آوردی و ازش سوال می‌پرسی

@Linuxor

این سایتم ‌خیلی قشنگه برای تازه کار هایی که توی ساخت وبسایت مشکل چیدمان سایتشون رو دارن، اکثر چیدمان های رایج رو پوشش می‌ده

سایت اصلی :
flexboxlabs.netlify.app

سورس کد سایت (خواستین ببینید خود این سایته چطوری طراحی شده) :
github.com/prazzon/flexbox-labs

@Linuxor