👉 @MigrationEasy

سباستین کورتز، صدر اعظم سابق اتریش ( بار دوم از ژانویه 2020 تا اکتبر 2021 ) که پس از آغاز تحقیقات قضایی به دلیل فساد مالی او، از سمتش استعفا داده بود، اکنون چند وقتی هست که یک شرکت امنیت سایبری به نام Dream تاسیس کرده است.

👉 @MigrationEasy

اما خبری که دیروز درباره فعالیت های شرکت Dream و یکی از تجربه های موفق آن ها منتشر شد در نوع خودش جالبه :

در واقع شرکت او موفق شده با استفاده از هوش مصنوعی یک حمله سایبری گسترده از سوی ایران را شناسایی کند 👨‍💻 😱

👉 @MigrationEasy

ظاهرن حمله توسط یکی از گروه های هکری وابسته به وزارت اطلاعات ایران انجام شده.

هدف اصلی، نفوذ به ایمیل سفارت عمان در پاریس بوده که از آن برای ارسال بیش از ۱۰۰ ایمیل آلوده به نهادهای دیپلماتیک در سراسر جهان استفاده شده.

🗺 اروپا، به‌ویژه اتریش، از اهداف اصلی این حمله بوده.

به نظر می رسه که این برای اولین بار هست، که یک کمپین سایبری دولتی به‌طور کامل توسط هوش مصنوعی شناسایی شده. اگر اشتباه می گم تصحیحم کنید؟ 🤪

و در نهایت هم این که هدف حمله، جمع‌آوری اطلاعات حساس و تضعیف اعتماد در روابط دیپلماتیک بوده، برآورد شده. اما تا جایی که می دونم جزئیات بیش تری ارائه نشده است.

@ai_python

مدل جدید تولید و ویرایش تصویر به نام Gemini 2.5 Flash Image (که با نام مستعار nano-banana هم شناخته می‌شود) را دیگه کسی نیست که نشناسه. 🍌

@ai_python

با این وجود هنوز بسیار مهمه که قابلیت های کامل مدل های مختلف را بشناسیم. پس مروری خواهیم داشت بر قابلیت های این مدل :

🍌 حفظ ظاهر شخصیت‌ها: می‌تونی ظاهر یک سوژه رو در چند تصویر مختلف حفظ کنی.

🍌 ویرایش هوشمند: امکان تغییر یا اضافه کردن اشیاء به تصویر (inpainting)، گسترش تصویر (outpainting)، و تغییرات هدفمند.

🍌 ترکیب تصاویر: می‌تونی عناصر چند تصویر رو به‌صورت هوشمند در یک تصویر واقعی ترکیب کنی.

🍌 استدلال چندرسانه‌ای: مثلاً می‌تونه دستورالعمل‌های پیچیده روی یک دیاگرام رو دنبال کنه.

@ai_python

👩‍💻 برخی از اپلیکیشن‌های ساخته‌شده با این مدل:

برنامه Past Forward: سفر در زمان با تصاویر.

برنامه Home Canvas: امتحان کردن چیدمان مبلمان.

برنامه Pixshop: ویرایشگر تصویر با هوش مصنوعی.

برنامه GemBooth: تبدیل عکس به سبک کمیک یا نقاشی‌های دوره رنسانس.

با پیشرفت هوش مصنوعی، برادر ناتنی این صنعت نیز، پیشرفت خواهد کرد. (صنعت رباتیک)

👉 @ai_python 🤖

ولی آیا ما برای این پیشرفت آماده ایم؟

برای پاسخ به این سوال با سه موضوع اصلی رو به رو هستیم :

شفافیت یعنی بتوانیم بفهمیم و توضیح دهیم که چرا یک ربات تصمیم خاصی گرفته است.

👉 @ai_python 🤖

قابلیت ردیابی خطاها: وقتی ربات اشتباه می‌کند، باید بتوانیم بفهمیم کدام بخش سیستم باعث آن شده: دوربین، بازوی رباتیک یا مدل تصمیم‌گیری.

👉 @ai_python 🤖

پاسخ گویی : باید مشخص باشد چه کسی مسئول عملکرد ربات است؟! توسعه‌دهنده، سازنده یا کاربر ... ؟ 🤖 🤖

در این مقاله در لینکداین هر سه این مفاهیم بررسی شده اند :

https://www.linkedin.com/pulse/transparency-accountability-generative-ai-robotics-torqueagi-v9iic/

@ai_python

پادکست مصنوعی فارسی، درباره تاریخچه پیدایش پایتون 🐍

👉 @ai_python 🧐


این مقاله محدودیت‌های بنیادی مدل‌های بازیابی مبتنی بر وکتور امبدینگ را بررسی می‌کند، به‌ویژه زمانی که این مدل‌ها با وظایف پیچیده‌تر، مانند استدلال یا پیروی از دستورالعمل‌ها، روبرو می‌شوند.

نویسندگان نشان می‌دهند که تعداد زیرمجموعه‌های اسناد که یک وکتور امبدینگ می‌تواند با توجه به ابعاد Embedding بازگرداند، محدود است.

👉 @ai_python 🧐

برای اثبات این موضوع، آن‌ها یک مجموعه داده واقع‌گرایانه و در عین حال ساده به نام LIMIT ایجاد می‌کنند که مدل‌های پیشرفته فعلی نیز در آن شکست می‌خورند، و تأکید می‌کنند که این محدودیت‌های نظری حتی در تنظیمات عملی نیز وجود دارند.

👉 @ai_python 🧐

نتیجه‌گیری این است که جامعه تحقیقاتی باید به این محدودیت‌ها توجه داشته باشد و روش‌های بازیابی جایگزین، مانند مدل‌های چند برداری، را برای وظایف پیچیده‌تر توسعه دهد.

👉 @ai_python 🧐


لینک ویدیو فارسی توضیحات این مقاله : https://youtu.be/rNEl_tBJ5aE?si=Wg5LUPloe6s3noz2

لینک مقاله در آرشیو :

https://arxiv.org/pdf/2508.21038

👉 @ai_python 💭

بررسی بهبود مدل های زبانی بزرگ در صورت پیش بینی ترتیب توکن ها:

https://www.alphaxiv.org/pdf/2508.19228

👉 @ai_python 💭

لینک ویدیو فارسی خلاصه تولید شده توسط هوش مصنوعی از این مقاله :

https://youtu.be/YhB21n0aDrg?si=KWcMLkxrNh57Sn5W


پادکست مصنوعی فارسی مفصل تر در کانال @navidcasts در خصوص این مقاله موجود است.

این دوره مربوط به مدرک Microsoft Certified: Azure Data Scientist Associate است و برای افرادی طراحی شده که می‌خواهند مهارت‌های علمی داده و یادگیری ماشین را در محیط Azure به‌کار بگیرند. من این دوره رو به همه کسانی که قصد دارن در آینده بازار Cloud باقی بمونن توصیه می کنم :

🎯 هدف دوره :

✍️ طراحی و ایجاد محیط کاری مناسب برای پروژه‌های علم داده

✍️ کاوش و آماده‌سازی داده‌ها

✍️ آموزش مدل‌های یادگیری ماشین و اجرای آزمایش‌ها

✍️ پیاده‌سازی پایپ‌لاین‌ها و آماده‌سازی برای محیط عملیاتی

✍️ استقرار و پایش راهکارهای یادگیری ماشین در مقیاس بزرگ

✍️ بهینه‌سازی مدل‌های زبانی برای ساخت اپلیکیشن‌های هوش مصنوعی با Azure AI

⚡️ در واقع اون بخش مهم این دوره از نظر من اینه : ⚡️

سرویس‌های Azure AI (مثل Azure AI Search و Azure AI Foundry)

توسعه اپلیکیشن‌های (Generative AI) در محیط آژور

و Azure ML Studio


✍️ آزمون و گواهینامه مرتبط :

آزمون DP-100 با مدت زمان ۱۰۰ دقیقه

اعتبار مدرک: ۱۲ ماه، با امکان تمدید رایگان از طریق ارزیابی آنلاین

https://learn.microsoft.com/en-us/credentials/certifications/azure-data-scientist/?practice-assessment-type=certification

👉 @ai_python ✍️

لینک مقاله در آرشیو :

https://arxiv.org/html/2509.01187v1


The paper introduces StoxLSTM, a novel stochastic extension of the xLSTM architecture for time series forecasting. By integrating stochastic latent variables into a state space modeling framework, StoxLSTM captures complex temporal patterns and uncertainties more effectively than traditional models. Extensive experiments across diverse datasets show that it consistently outperforms state-of-the-art baselines in both accuracy and robustness.

👉 @ai_python ✍️

پادکست مصنوعی توضیحات به فارسی :

https://t.iss.one/navidcasts/26

ویدیو با زمان کوتاه تر از پادکست صوتی به صورت خلاصه تر و به فارسی :

https://youtu.be/xN6nFUGeXrk?si=aUGPUomtp_6yMFg1