⚖️ مارک زاکربرگ در دادگاه پرونده «اعتیاد به شبکه‌های اجتماعی» شهادت داد.

جزئیات این خبر را در پست بعدی بخوانید. 👇🏽📱

🌐 @PyVision

بر اساس گزارشی از Wired،
مارک زاکربرگ(Mark Zuckerberg) مدیرعامل شرکت Meta در دادگاهی درباره پرونده مرتبط با «اعتیاد به شبکه‌های اجتماعی» شهادت داده است.

🔺️ این دادگاه به پرونده‌ای مربوط می‌شود که در آن خانواده‌ها و شاکیان مدعی هستند پلتفرم‌های متعلق به Meta، از جمله فیس‌بوک و اینستاگرام، باعث ایجاد رفتارهای اعتیادآور در نوجوانان شده‌اند و به سلامت روان آن‌ها آسیب رسانده‌اند.

● مارک زاکربرگ در برابر وکلا درباره نحوه طراحی و عملکرد الگوریتم‌های پلتفرم‌های Meta مورد پرسش قرار گرفت.
● تمرکز دادگاه بر این بود که آیا طراحی این شبکه‌های اجتماعی به‌گونه‌ای انجام شده که کاربران، به‌ویژه نوجوانان، را به استفاده طولانی‌مدت و وابستگی تشویق می‌کند یا خیر.
● در این جلسه به موضوعاتی مانند توصیه محتوا (Content Recommendation)، الگوریتم‌های نمایش پست‌ها و تأثیر آن‌ها بر رفتار کاربران اشاره شد.
🔺️ وکلای شاکیان تلاش کردند نشان دهند که Meta از اثرات منفی احتمالی این طراحی‌ها آگاه بوده است.
● شرکت Meta اعلام کرده که ابزارهای ایمنی و کنترل والدین را توسعه داده و به بهبود سیاست‌های خود ادامه داده است.

⭕️ این پرونده یکی از مهم‌ترین چالش‌های حقوقی صنعت فناوری در سال‌های اخیر محسوب می‌شود.
در این دادگاه، نه‌تنها عملکرد یک شرکت، بلکه نقش طراحی الگوریتم‌ها در شکل‌دهی رفتار کاربران، به‌ویژه نوجوانان، زیر ذره‌بین قرار گرفته است. نتیجه این پرونده می‌تواند بر سیاست‌گذاری‌های آینده در حوزه شبکه‌های اجتماعی و مسئولیت پلتفرم‌ها تأثیرگذار باشد.

📌 لینک خبر:
🔘 www.wired.com


#️⃣ #شبکه‌های_اجتماعی #مارک_زاکربرگ #فناوری #اخبار_فناوری
#SocialMedia #MarkZuckerberg #Meta #TechNews #DigitalWellbeing #Wired #PyVision

🌐 @PyVision

🔥 چالش 🔥

❓ خروجی کد زیر چیست؟

a = [[1, 2], [3, 4]]
b = a[:]

b[0][0] = 99

print(a)
print(b)

⏰ مهلت ارسال پاسخ: ساعت ۲۳
📩 پاسخ فقط در پی‌وی ادمین:
🆔️ @its_poryaa
🎁 جایزه: ۵۰ هزار تومان شارژ همراه

🎯 بین پاسخ‌های صحیح قرعه‌کشی خواهد شد.

⛔ ارسال در کانال = حذف
⛔️ ویرایش پاسخ = حذف
⛔ هر نفر فقط یک پاسخ

🌐 @PyVision

⏳ کم‌تر از ۳۰ دقیقه تا پایان چالش!🔥

🎁 جایزه: ۵۰ هزار تومان شارژ همراه

⏰ مهلت نهایی: ساعت ۲۳
📩 پاسخ فقط در پی‌وی:
🆔 @its_poryaa

اگر حتی شک دارید، شانس تان را امتحان کنید،
شاید برنده بعدی باشید! 😉🏆

🌐 @PyVision

🏁 پایان

زمان شرکت در چالش به پایان رسید.
از همه عزیزانی که شرکت کردند سپاسگزارم 🙏🏽

✅ پاسخ صحیح:

[[99, 2], [3, 4]]
[[99, 2], [3, 4]]

🎯 تا دقایقی دیگر، بین پاسخ‌های صحیح قرعه‌کشی انجام خواهد شد
و برنده اعلام می‌شود 🏆

همراه باشید... 🔥

🌐 @PyVision

✅ و اما نتیجه‌ی چالش

از بین شرکت‌کنندگان،
دو نفر پاسخ صحیح ارسال کردند 👏🏽

🏆 برنده‌ی چالش ما:
👤 @Rezak_8383

🎁 جایزه: ۵۰ هزار تومان شارژ همراه 💳

سپاس از مشارکتتان 🙏 🔥

🌐 @PyVision

📼 میتوانید فرآیند انجام قرعه‌کشی را در ویدئو مشاهده کنید.

🌐 @PyVision

🇮🇷 پیشنهاد ایران در حوزه مدل‌های زبانی بزرگ (LLM) در ISO ثبت شد.

جزییات این خبر را در پست بعد بخوانید.👇🏽

🌐 @PyVision

🔹️ رئیس پژوهشگاه ارتباطات و فناوری اطلاعات اعلام کرد پیشنهاد ایران در زمینه استانداردسازی هوش مصنوعی و مدل‌های زبانی بزرگ (Large Language Models – LLMs) به‌عنوان یک ردیف «نقشه راه عملیاتی» در International Organization for Standardization (ISO) به ثبت رسیده است.

به گزارش روابط عمومی پژوهشگاه ارتباطات و فناوری اطلاعات، این پیشنهاد بر سه محور اصلی تمرکز دارد:

▫️ چارچوب‌های ارزیابی (Evaluation Frameworks)
▫️ اخلاق فناوری (AI Ethics)
▫️ تعامل‌پذیری مدل‌های زبانی (LLM Interoperability)

این طرح پس از رایزنی‌های بین‌المللی و دریافت بازخورد مثبت از کشورهای عضو ISO، وارد مرحله «نقشه راه عملیاتی مقدماتی» شده است؛ مرحله‌ای که زمینه بلوغ فنی و شکل‌گیری اجماع جهانی برای تدوین استانداردهای آینده را فراهم می‌کند.

🔹️ اظهارات رئیس پژوهشگاه
محمدحسین شیخی، رئیس پژوهشگاه ارتباطات و فناوری اطلاعات، با اشاره به اهمیت این اقدام اظهار داشت ثبت رسمی این پیشنهاد در ISO صرفاً یک موفقیت اداری نیست، بلکه نشانه حضور فعال ایران در فرآیند شکل‌دهی به چارچوب‌های فنی فناوری‌های نوظهور است.

وی تأکید کرد مدل‌های زبانی بزرگ، «قلب تپنده هوش مصنوعی مدرن» هستند و مشارکت در تدوین استانداردهای این حوزه می‌تواند نقش مؤثری در تضمین منافع ملی در مسیر تحول دیجیتال ایفا کند.

✅️ این پیشنهاد که پیش‌تر به‌عنوان طرح اولیه ارائه شده بود، اکنون با مشارکت فعال کشورهای عضو و تأیید نوآوری‌های فنی آن، وارد مرحله‌ای شده که می‌تواند در تنظیم‌گری بین‌المللی هوش مصنوعی نقش‌آفرین باشد.

📌 لینک خبر:
🔘 www.itrc.ac.ir

#️⃣ #هوش_مصنوعی #مدل_زبانی #استانداردسازی #فناوری
#PyVision #ArtificialIntelligence #ISO #AIStandards #LLM #DigitalTransformation

🌐 @PyVision

🔸️ برای یادگیری بینایی ماشین، کتابخانه‌ OpenCV یکی از ابزارهای پایه و ضروری است.
از پردازش تصویر تا آماده‌سازی داده برای مدل‌های یادگیری عمیق.
در این پست به‌صورت دقیق و مستند با این کتابخانه‌ی کلیدی آشنا خواهیم شد. 👇🏽

🌐 @PyVision

📘 معرفی کتابخانه OpenCV
(Open Source Computer Vision Library)


⭐ OpenCV

🔷️ کتابخانه OpenCV چیست؟
یک کتابخانه‌ی متن‌باز (Open Source) برای پردازش تصویر و بینایی ماشین است که نخستین‌بار توسط شرکت Intel توسعه داده شد و امروزه توسط جامعه متن‌باز (OpenSource Community) و بنیاد OpenCV توسعه داده می‌شود.

🔹️این کتابخانه به زبان ++C نوشته شده اما رابط‌های رسمی (Language Bindings) برای:
● Python
● C++
● Java
ارائه می‌دهد و در سیستم‌عامل‌های مختلف (Windows, Linux, macOS, Android) قابل استفاده است.

🔹️بر اساس مستندات رسمی OpenCV، این کتابخانه بیش از ۲۵۰۰ الگوریتم بهینه‌شده برای کاربردهای بینایی ماشین ارائه می‌دهد.

🔹️مهم‌ترین قابلیت‌ها:

1️⃣ پردازش پایه تصویر
● خواندن و ذخیره تصویر و ویدئو
● تغییر اندازه (Resize)
● برش (Cropping)
● تبدیل فضای رنگ (RGB ↔ Gray ↔ HSV)

2️⃣ فیلترگذاری و بهبود تصویر
● Gaussian Blur
● Median Filtering
● Histogram Equalization

3️⃣ تشخیص ویژگی‌ها (Feature Detection)
● تشخیص لبه (Canny Edge Detection)
● تشخیص گوشه (Harris Corner)
● استخراج نقاط کلیدی (SIFT / ORB)

4️⃣ تشخیص شیء و چهره (روش‌های کلاسیک)
● Haar Cascade Classifier
● Template Matching


🔹 کتابخانهOpenCV در عصر Deep Learning
اگرچه امروزه بسیاری از سیستم‌های پیشرفته بر پایه شبکه‌های عصبی عمیق ساخته می‌شوند (مانند CNN و Vision Transformer)،
اما OpenCV همچنان نقش کلیدی دارد:

● پیش‌پردازش داده‌های تصویری قبل از آموزش مدل
● آماده‌سازی و Augmentation تصاویر
● اجرای سریع پردازش‌های بلادرنگ (Real-time)
● اتصال مدل‌های آموزش‌دیده به سیستم‌های عملیاتی

■ در واقع OpenCV اغلب در کنار فریم‌ورک‌هایی مانند PyTorch و TensorFlow استفاده می‌شود.


🔹 چرا یادگیری OpenCV مهم است؟

چرا که:
● پایه‌ی درک عملی پردازش تصویر است
● فهم الگوریتم‌های کلاسیک CV را تقویت می‌کند
● برای پروژه‌های صنعتی سبک و بلادرنگ (Real-time) بسیار کاربردی است
● نقطه شروع مناسب برای ورود به حوزه بینایی ماشین محسوب می‌شود

🔹️ جایگاه OpenCV در بینایی ماشین

❇️پردازش تصویر
⬅️ استخراج ویژگی
⬅️ آماده‌سازی داده
⬅️ اتصال به مدل‌های یادگیری عمیق
⬅️ استقرار در سیستم واقعی
■ کتابخانه OpenCV معمولاً در مراحل اولیه و عملیاتی مورد استفاده قرار می‌گیرد.

📌 منابع:
🔘 OpenCV Documentation
🔘 IBM — Computer Vision Overview
🔘 Stanford University

#️⃣ #بینایی_ماشین #پردازش_تصویر #هوش_مصنوعی
#ComputerVision #OpenCV #ImageProcessing #AI #DeepLearning

🌐 @PyVision