این Webots یه نرم‌افزار شبیه‌ساز رباته؛ به‌جای اینکه یه ربات واقعی بسازی و کلی هزینه کنی تا ببینی درست کار می‌کنه یا نه، اول می‌تونی رباتت رو توی یک محیط سه‌بعدی مجازی بسازی و امتحانش کنی. توی Webots می‌تونی مدل ربات، سنسورها (مثل دوربین، سنسور فاصله، لیدار)، موتور‌ها و محیط اطرافش رو تعریف کنی، بعد با زبان‌هایی مثل سی پلاس پلاس پایتون یا ROS بهش برنامه بدی و ببینی ربات چطور حرکت می‌کنه و تصمیم می‌گیره.

مثلاً اگر بخوای یک ماشین خودران، ربات راه‌رونده یا ربات صنعتی بسازی، اول می‌تونی داخل Webots آزمایشش کنی، با مانع‌ها، مسیرها و شرایط مختلف تست بگیری و بعد همون ایده رو روی ربات واقعی پیاده کنی. این پروژه متن‌بازه و برای آموزش، تحقیق دانشگاهی و حتی پروژه‌های صنعتی استفاده می‌شه.


github.com/cyberbotics/webots

از بخش Release ها دانلودش کنید.

@Linuxor

اتحادیه اروپا از این به بعد می‌خواد شرکت‌ها هر چیزی که با هوش مصنوعی ساخته یا تغییر داده می‌شه رو واضح علامت بزنن؛ یعنی کاربر بدونه چیزی که می‌بینه واقعی نیست یا توسط AI ساخته شده.

این قانون شامل چیزهایی مثل عکس‌ها، ویدئوها، صداهای مصنوعی، دیپ‌فیک‌ها و هر محتوایی می‌شه که ممکنه آدم‌ها رو به اشتباه بندازه.

هدف اروپا اینه که مردم راحت‌تر بفهمن یک محتوا واقعیه یا ساختۀ هوش مصنوعی، مخصوصاً در جاهایی مثل خبرها، تبلیغات، انتخابات و شبکه‌های اجتماعی.

شرکت‌هایی که این قانون رو رعایت نکنن ممکنه با جریمه‌های خیلی سنگینی روبه‌رو بشن. در بعضی موارد جریمه می‌تونه تا ۷ درصد درآمد سالانه جهانی شرکت یا ۳۵ میلیون یورو (هرکدوم بیشتر باشه) برسه.


@Linuxor

اینجا تمام کد ها و آموزش های لازم برای تشخیص چهره و اشیا‌ توی عکس با پاییتون رو گذاشه و توی 3 ساعت کلش رو می تونید یاد بگیرید، کلی چیز آماده هم داره که در طول مسیر یادگیری به دردتون می‌خوره:

github.com/murtazahassan/Learn-OpenCV-in-3-hours

@Linuxor

انویدیا یه اتحاد جدید راه انداخته به اسم Open Secure AI Alliance. هدف این گروهه اینه که شرکت‌های مختلف تکنولوژی کنار هم جمع بشن و ابزارهایی بسازن که کمک کنه هوش مصنوعی امن‌تر بشه و جلوی حمله‌ها و سوءاستفاده‌های احتمالی از AI گرفته بشه.

این اتحاد بیشتر از 35 شرکت و سازمان فناوری رو شامل می‌شه؛ شرکت‌هایی مثل مایکروسافت، IBM، سیسکو، Hugging Face و Linux Foundation هم جزوش هستن.

ایده اصلی اینه که امنیت هوش مصنوعی نباید فقط دست چند شرکت بزرگ باشه که مدل‌هاشون بسته و غیرقابل بررسیه. اعضای این اتحاد می‌گن کسایی که تو حوزه امنیت کار می‌کنن باید بتونن مدل‌ها و ابزارهای AI رو ببینن، بررسی کنن، تغییر بدن و تست کنن تا بتونن سریع‌تر باگ‌ها و خطرها رو پیدا کنن.

یکی از دلیل‌های مهم راه‌اندازی این اتحاد اینه که سیستم‌های هوش مصنوعی دارن خیلی قوی‌تر و مستقل‌تر می‌شن. بعضی وقت‌ها ممکنه AI رفتارهایی نشون بده که سازنده‌هاش هم کاملاً انتظارش رو نداشتن. توی چنین شرایطی، اگر ابزارها و مدل‌ها قابل بررسی باشن، پیدا کردن مشکل و کنترل کردنش راحت‌تر می‌شه.

@Linuxor

این همون اکستنشنیه که باهاش می‌شه صفحات وب رو به‌طور کامل، همراه با تصاویر، استایل‌ها (CSS)، فونت‌ها و فریم‌ها، به‌صورت یه فایل HTML واحد برای استفاده آفلاین ذخیره کنید

chromewebstore.google.com/...

@Linuxor

توی ایرانی که حقوق برنامه نویسا روزانه کمتر از 10 دلاره دیگه نگید هوش مصنوعی جای برنامه نویسارو میگیره، ما حتی از دیپ سیکم داریم ارزون تر کار می‌کنیم.


@Linuxor

داریو آمودی، مدیرعامل آنتروپیک گفته که این شرکت دنبال ممنوع کردن مدل‌های هوش مصنوعی با وزن آزاد (open-weight) نیست.

آنتروپیک می‌گه باید جلوی دسترسی رژیم‌های اقتدارگرا (مثلا چین) به تراشه‌های پیشرفته AI گرفته بشه، جلوی کپی‌سازی توانایی مدل‌های قدرتمند از طریق تقطیر مدل گرفته بشه و مدل‌های خیلی قوی قبل از انتشار، تست‌های ایمنی سنگین رو پشت سر بذارن. (تقطیر مدل همون روشیه که چینیا از مدل های پیشرفته سوال میپرسن برای آموزش مدل خودشون)

این موضع وسط بحث‌های داغ صنعت AI مطرح شده؛ مخصوصاً درباره مدل‌های چینی و بعد از اینکه آنتروپیک نامه حمایت از مدل‌های open-weight رو امضا نکرد و بعضی‌ها برداشت کردند که مخالف مدل‌های بازه.

@Linuxor

این بهترین توصیفیه که دیدم AI لزوماً همه شغل‌ها رو حذف نمی‌کنه بلکه ماهیت کار رو تغییر می‌ده. بخش انجام دادن کار کوچیک‌تر می‌شه، اما بخش تصمیم‌گیری، هماهنگی و مسئولیت‌پذیری بزرگ‌تر می‌شه.

استعاره همبرگر با گوشت باریک و نان ضخیم که جدیدا وایرال شده داره می‌گه هر شغل شبیه به یه همبرگره:

نان بالایی (Decide): تصمیم گرفتن، برنامه‌ریزی، تعیین هدف، قضاوت
گوشت وسط (Execute): انجام واقعی کار
نان پایینی (Deliver): تحویل نتیجه، پاسخگویی، بررسی کیفیت، ارتباط با دیگران

توی گذشته، بخش بزرگی از زمان افراد صرف گوشت وسط می‌شد؛ یعنی انجام واقعی کار. اما امروزه AI قسمت وسط رو بسیار سریع‌تر انجام می‌ده.

@Linuxor

ایلان ماسک گفته بود تا سال 2036 دیگه پول اهمیتی نداره و همچی برای مردم توسط هوش مصنوعی فراهم می‌شه😂

دوستان یه وقت به این حرفا گوش ندیدااا تنها کسی که می‌دونه پول چقدر ارزشمنده خود ایلان ماسکه توی تاریخ بشریت کسی به اندازه ایلان ماسک پول از مردم و دولت پارو نکرده. اصلا فلسفه پول از رقابت می‌آد و رقابت هم یعنی پیشرفت‌، اگر روزی به اون چیزی که ایلان ماسک می‌گه برسیم پیشرفت متوقف می‌شه پس هیچ وقت نمی‌رسیم.


@Linuxor

اگه خواستین توی گوگل استخدام بشید به خصوص توی موقعیت‌های مهندسی نرم‌افزار Software Engineer این راهنمای گیک فور گیکس رو بخونید :

geeksforgeeks.org/interview-experiences/google-recruitment-process

@Linuxor

وقتی خواستید با فامیل روبوسی کنید 2 بار نبوسید 3 بار ببوسید

اگر با 2 بار واقعا می‌شد TCP الکی هندشیکش 3 تایی نبود اولین بوس SYN هستش دومی SYN-ACK و سومی ACK.


@Linuxor

این آموزش جالب 16 دقیقه‌ای ساخت وب‌سایت‌های سینمایی 50 هزار دلاری (قدم‌به‌قدم) با Claude Fable 5 رو ببینید فوق العادس

زبان انگلیسی

@Linuxor

یه نفر یه پرامپت یکسان رو به دو تا ایجنت Claude Opus 5 داد؛ یکی بدون هیچ MCPی بازی رو ساخت و اون یکی از دو تا MCP برای ساخت استفاده کرد. هدف هم این بود که یه بازی خیلی معروف با بیش از ۴ میلیارد دانلود رو بازسازی کنن. نتیجه‌ها واقعاً متفاوت بود. بازی‌ای که ایجنت اول ساخت نسبتاً ساده به نظر می‌رسید ولی دومی که با MCP بود خیلی بهتر شده بود.

خروجی ایجنت دوم واقعا حرفه ای بود، این ایجنت از Higgsfield MCP برای ساخت تمام تصاویر و Assetهای بازی استفاده کرد، بعد اون تصاویر رو همراه با یه پرامپت به Meshy AI فرستاد تا مدل‌ها رو بسازه. حتی همه‌ی المان‌های رابط کاربری (UI) هم به‌صورت خودکار تولید شدن. نتیجه خودش همه‌چیز رو می‌گه؛ اگه هنوز از MCP استفاده نمی‌کنی، وقتشه که بهش فکر کنی.

@Linuxor

میخواستم ببینم با بودجه 30 دلار میشه یه مدل TTS فارسی فاین‌تیون کرد یا نه.

آخرش رسیدم به Kokoro و با حدود 20 ساعت دیتای فارسی فاین‌تیونش کردم. نتیجه برای این مقدار دیتا خوب شد.

آوا 82 میلیون پارامتر داره، کمتر از 400 مگابایته و توی ویدئو هم سرعت اجرای اون رو میبینید

این فاین تیون داخل دو استیج انجام شد. مرحله اول 10 ساعت دیتای کلین شده از Mana TTS و مرحله دوم حدود 19 ساعت ( 10 ساعت تکرار)

استیج دوم ترینینگ با L40S انجام شد که 107 دقیقه طول کشید و 4.61 دلار هزینه داشت.

مجموعا با smoke test و ترین اصلی چیزی حدود 30.90$ هزینه خورد

هنوز خیلی خیلی کار داره برای بهتر شدن لحن صحبت اش و برخی تلفظ هاش و این ورژن بیشتر آزمایش بود، اما به هر حال داخل hugging face به همراه راهنمای کامل اجرا گذاشتم میتونید خودتون تست کنید

huggingface.co/xmanii/Ava-82M


@Linuxor ~ mirzaei_mani

۱۸ جور پرامپت اینجکشن رو با مثال و به زبون ساده اینجا توضیح دادم. فکر می‌کنم مرور کردنش برای هر کسی با LLM کار می‌کنه بد نباشه

mesbahi.net/fa/blog/1405/05/06/prompt-injection-types

@Linuxor ~ meshbahi

دوستان این عامل هوش مصنوعی jcode رو دریابید خیلی روی پرفورمنسش کار شده، محدود به یه مدل هم نیست و می‌تونی Claude، GPT، Gemini، DeepSeek، Ollama و کلی مدل دیگه رو استفاده کنی.

همچنین Multi-Agent داره، Memory داره، Browser Automation و MCP رو هم پشتیبانی می‌کنه و برای پروژه‌های واقعی ساخته شده، به نظرم اگه اهل AI Coding باشی، Jcode یکی از جذاب‌ترین پروژه‌های متن‌بازیه که امسال روی GitHub منتشر شده دانلود :

jcode.sh


@Linuxor

برنامه نویس های بک‌اند وقتی می‌خوان کد CSS بزنن😂

@Linuxor

«هیچ‌کس حق ندارد وب‌سایت شما را به گروگان بگیرد»
این شعار Instatic هست، یه CMS که دو ماه از عمرش نگذشته ولی تونسته کلی توجه جلب کنه.

میشه بهش به عنوان جایگزین Webflow و Framer نگاه کرد.

از کلادکد استفاده کردن
متن باز و رایگانه
سلف هاست میشه

instatic.com


@Linuxor ~ YaserShahi

چینیا و هندیا دارن از هوش مصنوعی با ساخت ویدیو توی یوتیوب و تیک‌تاک و اینستاگرام و ... پول پارو می‌کنن

این ابزار رایگان و متن‌باز ساخته شده توسط چینیا که 100K ستاره هم گرفته به‌صورت خودکار با هوش مصنوعی ویدیوهای کامل کوتاه (ریلز) می‌سازه.

اسم پروژه هم حتی گذاشتن MoneyPrinterTurbo از اینجا می‌تونید ازش استفاده کنید کاملا رایگان و اوپن سورس :

github.com/harry0703/MoneyPrinterTurbo

@Linuxor

امروز یه راز از سئوی گوگل پیدا کردم (آزمایشش نکردم هنوز)

داشتم OKF رو از سایت گوگل می‌خوندم (یه فرمته برای اینکه دانش و اطلاعات سازمان‌ها طوری ذخیره بشن که AI agentها و مدل‌های زبانی بتونن راحت‌تر اون رو بخونن و بهش اعتماد کنن) به یه چیزی رسیدم که برام جالب بود گوگل یه ساختاری پیشنهاد داده و من حس می‌کنم از این ساختار توی الگوریتم های SEO ش استفاده می‌کنه (الگوریتم های SEO پابلیک نیستن)

سعی کنید پست های سایتتون رو با این قالب زیر بنویسید به احتمال زیاد گوگل بیشتر بهش امتیاز می‌ده (دقت کنید این حدس منه و ممکنه الگوریتم های SEO گوگل چیز دیگه ای باشن ولی چون اینو پیشنهاد داده احتمالا SEO هم همین‌شکلی باشه)

منبع (Provenance) → این اطلاعات از کجا آمده؟
اعتماد (Trust) → چه کسی تأییدش کرده؟
تازگی (Freshness) → آخرین آپدیت چه زمانی بوده؟
چرخه عمر (Lifecycle) → هنوز معتبر است یا منسوخ شده؟
تأیید رسمی Attestation → آیا یک سیستم یا فرد آن را تأیید کرده؟


@Linuxor