مایکروسافت Windows AI Foundry رو معرفی کرده، یه پلتفرم یکپارچه برای توسعه‌دهنده‌ها تا اپلیکیشن‌های هوش مصنوعی که روی خود دستگاه اجرا میشن رو راحت‌تر بسازن. [L]

مایکروسافت زیرسیستم ویندوز برای لینوکس (WSL) رو اوپن‌سورس کرده و کدش رو روی گیت‌هاب گذاشته. به کاربرای ویندوز اجازه میده توزیع‌های لینوکس رو مستقیم اجرا کنن. [L]

گوگل یه قابلیت جدید به اسم Stream Realtime به AI Studio اضافه کرده که به مدل‌های Gemini اجازه پردازش هم‌زمان تصویر، ویدیو و صدا رو میده، یعنی gemini دیگه میتونه دنیای واقعی رو به صورت لحظه‌ای درک کنه، احتمالا اخبار بیشتر ازش توی Google I/O بیاد. [L]

مایکروسافت پروژه متن‌باز NLWeb رو معرفی کرده که به توسعه‌دهنده‌ها اجازه میده با چند خط کد، رابط چت و جستجوی مبتنی بر هوش مصنوعی رو به وب‌سایتشون اضافه کنن. این سیستم از داده‌های خود سایت و مدل AI دلخواه استفاده می‌کنه. [L]

انویدیا و مایکروسافت دارن با همکاری هم روی کامپیوترهای RTX AI، استفاده از هوش مصنوعی روی ویندوز ۱۱ رو ساده‌تر می‌کنن. انویدیا کتابخونه TensorRT for RTX رو بازطراحی کرده که با Windows ML هماهنگ شده و عملکرد AI روی این کامپیوترها رو بیش از ۵۰ درصد سریع‌تر کرده. [L]

استارتاپ ژاپنی ساکانا اِی‌آی یه مدل جدید به اسم CTM معرفی کرده که مثل مغز انسان هست، یعنی پردازش اطلاعات رو بر اساس زمان انجام می‌ده و به تاریخچه فعالیت نورون‌هاش توجه می‌کنه. اوپن‌سورس و قابل استفاده هست. [L]

مایکروسافت اج الان میتونه ترجمه کامل فایل‌های PDF با یک کلیک به بیش از ۷۰ زبان رو انجام بده، کوپایلوت چت هم می‌تونه فایل‌های آفیس آنلاین رو خلاصه و تحلیل کنه. [L]

مایکروسافت پلتفرم Discovery رو برای تحقیقات علمی معرفی کرده. این نتیجه همکاری‌های جدیدش با انویدیا هست. [L]

مایکروسافت چندایجنت (multi-agent) رو معرفی کرده که به ایجنت‌های مختلف اجازه می‌ده با هم همکاری کنن و کارهای پیچیده انجام بدن. [L]

گیت‌هاب کوپایلوت حالا یه ایجنت داره که می‌تونه به صورت ناهمزمان کدها رو تست، مشکلات رو پیدا و اصلاح کنه و حتی پول ریکوئست باز کنه. این ایجنت تو مخزن کد شما می‌چرخه و مراحل کارش رو هم به‌روز می‌کنه. از MCP هم پشتیبانی میکنه. [L]

گوگل دیپ‌مایند از AlphaEvolve، هوش مصنوعی که خودش الگوریتم‌های کامپیوتری جدید ابداع و در زیرساخت گوگل پیاده‌سازی می‌کنه، رونمایی کرد. این AlphaEvolve تونسته ۰.۷٪ از منابع محاسباتی جهانی گوگل رو آزاد کنه و حتی رکورد ۵۶ ساله ضرب ماتریس رو شکسته. [L]

ربات برنامه‌نویسی jules گوگل، که با مدل جمنای ۲.۵ پرو کار می‌کنه، از تست خصوصی خارج شده و به صورت جهانی در نسخه بتا با ۵ کار رایگان روزانه برای هر کاربر با اکانت گوگل در دسترسه. می‌تونه کارهایی مثل به‌روزرسانی کتابخانه‌ها، بازنویسی کد و حل مشکلات پروژه رو با تحلیل ساختار فایل‌ها و تاریخچه پروژه انجام بده و تغییرات رو به شکل پول ریکوئست در گیت‌هاب ارائه کنه. [L]

اپل روی یه نسخه از Siri کار کرده که میگن خروجی در حد ChatGPT داره و مدیرهای داخلی اپل دارن تلاش میکنن امکان دسترسی به جستجوی وب رو بهش اضافه کنه و جایگزین سیری فعلی بشه. [L]

تا امروز حدود ۱۰۰ نفر تو دنیا از ایمپلنت‌های مغزی برای ارتباط با کامپیوتر استفاده می‌کنن، مثل نیورالینک و انتظار میره این عدد تو ۱۲ ماه آینده دو برابر بشه و به حدود ۲۰۰ نفر برسه. [L]

مایکروسافت داره پشتیبانی از پروتکل Model Context Protocol یا MCP (که توسط Anthropic ساخته شده) رو به ویندوز ۱۱ اضافه می‌کنه. [L]

گیت‌هاب یه ایجنت کدنویسی برای کوپایلوت معرفی کرده که می‌تونه باگ‌ها رو رفع کنه، قابلیت جدید به کد اضافه کنه و مستندات رو بهبود بده. این ایجنت تو یه ماشین مجازی کار می‌کنه و تغییراتش رو برای بازبینی ارائه میده. همچنین گیت‌هاب، نسخه VS Code کوپایلوت رو اوپن‌سورس کرده. [L]

🤓 @geekalerts

گوگل یه پلن اشتراک به اسم Google AI Ultra معرفی کرده که هزینش سالی ۳۰۰۰ دلار هست. این پلن مثل یه بلیط VIP برای هوش مصنوعی گوگل هست و برای کاربرای حرفه‌ای مثل محقق‌ها، توسعه‌دهنده‌ها و تولیدکننده‌های محتوا طراحی شده که به حداکثر عملکرد و جدیدترین ویژگی‌ها نیاز دارن.

در کنار بالاترین سقف استفاده از ابزارهای گوگل، سرعت دسترسی سریع‌تر، مشترکانش اولین گروهی هستن که ویژگی‌های جدید رو دریافت میکنن، دسترسی زودهنگام به مدل Veo 3 و همچنین مدل جدید Deep Think 2.5 Pro رو داره. چیزهای دیگه مثل ۳۰ ترابایت فضای ذخیره سازی و اشتراک یوتیوب پریمیوم رو هم داره، کاربرای جدید هم برای ۳ ماهه اول ۵۰ درصد تخفیف میگیرن.

پلن قبلی یعنی AI Premium هم اسمش به Google AI Pro تغییر کرده و یه سری مزایای اضافه هم پیدا می‌کنه. مثل دسترسی زودهنگام به Flow با Veo 2 و Gemini در کروم.

#GoogleIO

🔗 androidauthority
🤓 @geekalerts

جمنای لایو (Gemini Live) برای همه کاربران اندروید و iOS رایگان شد، همون ویژگی هست که با دوربین گوشیتون محیط اطراف رو به جمنای نشون میدید و بعد ازش سوال میکنید. نقطه قوتش اینه که می‌تونه با چیزایی که روی صفحه گوشیتون هم هست تعامل داشته باشه.

گوگل گفته در هفته‌های آینده، جمنای لایو بیشتر با زندگی روزمره ترکیب میشه. مثلا می‌تونه رویداد به تقویم گوگل اضافه کنه، به گوگل مپس دسترسی داشته باشه و با بقیه بخش‌های اکوسیستم گوگل تعامل کنه.

#GoogleIO

🔗 theverge
🤓 @geekalerts

گوگل میخواد به Gemini ویژگی Agent Mode اضافه کنه. با این قابلیت، شما می‌تونید یه کاری رو به Gemini بسپارید اون به نمایندگی از شما میره و انجامش میده. پیچای تو یه مثال میگه، مثلا دو نفر دنبال آپارتمان تو تگزاس می‌گردن. این ایجنت می‌تونه از سایت‌هایی مثل Zillow آگهی پیدا کنه و در صورت نیاز از پروژه مارینر برای تنظیم فیلترهای خاص استفاده کنه. یه نسخه آزمایشی ازش هم به‌زودی برای مشترکان فعال میشه.

همزمان پروژه مارینر که یه جور دستیار هوش مصنوعیه و می‌تونه به جای شما تو وب جستجو کنه، حالا تا ۱۰ تا کار رو همزمان مدیریت میکنه. یه قابلیت جدید هم بهش اضافه شده به اسم یاد بده و تکرار کن (Teach and Repeat). یعنی شما یه بار یه کاری رو بهش نشون میدی، و اون یاد می‌گیره که چطور کارهای مشابه رو در آینده انجام بده. پیچای گفته پروژه مارینر تابستون امسال به طور گسترده‌تری در دسترس قرار می‌گیره.

#GoogleIO

🔗 theverge
🤓 @geekalerts

شرکت Xreal داره روی یه عینک واقعیت توسعه‌یافته (XR) مبتنی بر اندروید کار می‌کنه که اسم رمز پروژه هم آئورا هست. این عینک با همکاری ایکس‌ریل، گوگل و کوالکام ساخته میشه.

پروژه آئورا که یه دستگاه XR با قابلیت دیدن محیط اطراف (OST) هست، قراره با استفاده از چیپست کوالکام، تخصص ایکس‌ریل در سیستم‌های بصری و اندروید XR گوگل، ایکس‌ریل رو به رقباش نزدیک‌تر کنه و یه دستگاه محاسبات فضایی کامل‌تر از قبل ارائه بده. از روی تصاویر میشه دید که دوربین داخلی داره، به نظر میرسه از همون تکنولوژی نمایشگر دوچشمی عینک‌های دیگه ایکس‌ریل بهره می‌بره.

با اینکه جزئیات زیادی از آئورا مثل قیمت و تاریخ عرضه هنوز اعلام نشده ولی میتونه بازار این تکنولوژی رو تغییر بده، توی نمایشگاه AWE در ژوئن هم اطلاعات بیشتری ازش میاد.

#GoogleIO

🔗 techradar
🤓 @geekalerts

گوگل میت داره ترجمه همزمان مکالمه رو میگیره، یعنی مثلا شما فارسی حرف میزنید ولی طرف مقابل به زبون خودش (مثلا انگلیسی) میشنوه، این فرایند در لحظه انجام میشه. برای ترجمه هم از Gemini استفاده میکنه و حتی سعی میکنه لحن و حالت بیانتون رو هم مثل خودتون انجام بده.

گوگل یه دمو هم نشون داده که یه نفر انگلیسی صحبت می‌کنه و همکارش اسپانیایی. به محض اینکه قابلیت ترجمه Gemini فعال میشه، گوگل میت صحبت‌های هر کدوم رو با همون حس و حال و لحن خودش، برای اون یکی به زبان خودش دوبله می‌کنه.

فعلا این قابلیت می‌تونه بین انگلیسی و اسپانیایی ترجمه کنه، ولی گوگل گفته به زودی (در هفته‌های آینده) زبان‌های ایتالیایی، آلمانی و پرتغالی هم بهش اضافه میشن. این ویژگی همین الان داره برای مشترکین فعال میشه و اواخر امسال هم برای کسب‌وکارها و شرکت‌ها میاد.

#GoogleIO

🔗 theverge
🤓 @geekalerts

گوگل یه تکنولوژی جدید به اسم گوگل بیم (Google Beam) معرفی کرده که با هوش مصنوعی، تماس‌های تصویری رو به تجربه‌ای سه‌بعدی و واقعی تبدیل می‌کنه، از مجموعه ۶ دوربین برای تصویربرداری از زوایای مختلف استفاده می‌کنه. هوش مصنوعی این تصاویر رو در لحظه ترکیب و یک مدل سه‌بعدی زنده از فرد می‌سازه.

ردیابی حرکات سر با دقت میلی‌متری و ویدیو با سرعت ۶۰ فریم بر ثانیه ارائه میشه. نکته مهمش اینه که برای دیدن این تصویر سه‌بعدی، نیازی به عینک یا تجهیزات خاصی نیست، چون از نمایشگر مخصوص میدان نوری (light field display) استفاده می‌کنه.

هدفش اینه که حس و حالی شبیه سیستم‌های ارتباطی هولوگرافیک ایجاد کنه، اما در اندازه واقعی و کاملاً طبیعی. اچ‌پی جزئیات بیشتری از این پلتفرم رو تو نمایشگاه InfoComm در ماه ژوئن ارائه میده. گوگل با شرکت‌های دیگری مثل زوم هم همکاری می‌کند. اولین دستگاه‌های بیم اواخر سال ۲۰۲۵ برای کاربران در دسترس قرار میگیره.

#GoogleIO

🔗 cnet
🤓 @geekalerts

قابلیت «پاسخ‌های هوشمند» جیمیل به کمک Gemini دیگه فقط از همون ایمیلی که بازه اطلاعات نمی‌گیره، بلکه می‌تونه از کل ایمیل‌های تو اینباکس و حتی فایل‌های گوگل درایوتون اطلاعات رو استخراج کنه تا جواب‌های کامل‌تر و مرتبط‌تری پیشنهاد بده. این پاسخ‌ها می‌تونن لحن و سبک شما رو هم تشخیص بدن، مثلا اگه به مدیرتون ایمیل می‌زنید، رسمی‌تر جواب میده و اگه به دوستتون، خودمونی‌تر.

این پاسخ‌ها اول به زبان انگلیسی تو ماه جولای به صورت آلفا داخل Google Labs میان و انتظار میره تو سه‌ماهه سوم امسال عمومی بشن. این نسخه پولی خواهد بود و جزو پلن‌های Workspace و Google One AI Premium ارائه میشه، ولی شاید در آینده برای کاربرای رایگان هم فعال بشه.

جمنای قراره تو مدیریت اینباکس جیمیل هم کمک کنه، مثلا با قابلیت «پاکسازی اینباکس» می‌تونید ازش بخواید ایمیل‌های نخونده از یه فرستنده خاص رو حذف کنه. یا وقتی می‌خواید جلسه بذارید، جمنای زمان‌های خالی تقویمتون رو برای پیشنهاد دادن نشون میده. چیزای دیگه مثل ترجمه همزمان مکالمه تو گوگل میت، آواتارهای هوش مصنوعی تو Google Vids، و اینکه جمنای موقع کمک به نوشتن تو گوگل داکس بتونه از اسناد لینک‌شده هم اطلاعات بگیره.

#GoogleIO

🔗 theverge
🤓 @geekalerts

مدل جدید تولید عکس گوگل Imagen 4 معرفی شد

ایمجن ۴ عکس‌هایی با جزئیات خیلی دقیق‌تر، نورپردازی غنی‌تر و ایرادات کمتر تولید می‌کنه.این مدل تو نمایش بافت‌های خیلی ریز مثل پشم و موی حیوانات، پارچه و قطرات آب پیشرفت کرده. یه پیشرفت اساسی هم روی نوشتن متن داخل عکس‌ها داره. تا رزولوشن 2K هم پشتیبانی می‌کنه.

از همین الان توی اپ خود جمنای و پلتفرم Vertex AI در دسترس هست، مثل قبل، عکس‌هایی که با ایمجن ۴ ساخته میشن، واترمارک SynthID دارن. گوگل گفته که قراره یه نسخه fast از ایمجن ۴ هم به زودی عرضه کنه که تا ۱۰ برابر سریع‌تر از ایمجن ۳ عکس میسازه.

#GoogleIO

🔗 androidauthority
🤓 @geekalerts

مدل تولید ویدیو Veo 3 گوگل به شکل رسمی معرفی شد

جدیدترین مدل گوگل برای ساخت ویدیو، یعنی Veo 3 می‌تونه همزمان با ساخت ویدیو، براش موسیقی متن، افکت‌های صوتی و حتی دیالوگ هم تولید کنه، می‌تونید به Veo 3 یه دستور بدید که شخصیت‌ها و محیط رو توصیف کنه و حتی دیالوگ‌ها رو با توضیحی درباره اینکه چطور باید به نظر برسن، پیشنهاد بدید.

برای کاهش خطر دیپ‌فیک دیپ‌مایند از تکنولوژی واترمارکینگ اختصاصی خودش به اسم SynthID استفاده می‌کنه تا نشانگرهای نامرئی رو تو فریم‌هایی که Veo 3 تولید می‌کنه، جاسازی کنه.

#GoogleIO

🔗 techcrunch
🤓 @geekalerts

گوگل نسل جدید موتور جستجوی خود را در دسترس قرار داد

گوگل AI Mode رو از این هفته برای همه کاربران تو آمریکا فعال می‌کنه. این قابلیت اجازه میده سوالای پیچیده و چند قسمتی بپرسید. یه سری قابلیت جدید هم براش معرفی کرده مثل جستجوی عمیق (Deep Search)، وقتی یه سوال پیچیده می‌پرسید، AI Mode اون رو به چند موضوع فرعی تقسیم می‌کنه تا جواب بده.

می‌تونه ده‌ها یا حتی صدها سوال کوچیک‌تر مطرح کنه تا جواب شما رو بده و لینک منابع رو هم در اختیارتون میذاره. گوگل میگه اینجوری می‌تونید تو چند دقیقه یه گزارش کامل و مستند بگیرید.

جستجوی زنده (Search Live) که اواخر تابستون میاد می‌تونید بر اساس چیزی که دوربین گوشیتون در لحظه می‌بینه سوال بپرسید. این از گوگل لنز پیشرفته‌تره چون می‌تونید با ویدیو و صدا مکالمه تعاملی داشته باشید.

نتایج جستجو هم بر اساس جستجوهای قبلی شما و با وصل کردن بقیه سرویس‌های گوگل شخصی‌سازی میشه. مثلا اگه جیمیل‌تون وصل باشه، از روی ایمیل رزرو هتل می‌فهمه کی و کجا سفر میرید و رویدادهای اون شهر رو تو همون تاریخ بهتون پیشنهاد میده. گوگل گفته هر وقت بخواید می‌تونید این اتصال رو قطع یا وصل کنید.

#GoogleIO

🔗 techcrunch
🤓 @geekalerts

هوش‌مصنوعی طراح رابط کاربری Stitch توسط گوگل معرفی شد

گوگل استیچ (Stitch) رو معرفی کرد و کارش اینه که به توسعه‌دهنده‌ها کمک کنه تا ایده‌های اولیه‌شون برای طراحی رابط کاربری رو خیلی سریع به طرح‌های کاربردی و آماده برای استفاده تو اپلیکیشن تبدیل کنن.

این ابزار که با Gemini 2.5 Pro کار می‌کنه و به صورت آزمایشی تو Google Labs در دسترسه، می‌تونه با گرفتن دستورات متنی و تصاویر تو چند دقیقه طرح‌های رابط کاربری پیچیده و کد فرانت‌اند آماده تحویل بده. راستی میشه به فیگما هم خروجی گرفت.


#GoogleIO
https://stitch.withgoogle.com/

🔗 techcrunch
🤓 @geekalerts

سعی کنید کد هاتون رو خیلی ساده بزنید!
فکر نکنید با نوشتن کلاس های مختلف، اینترفیس و.... کدتون خیلی خفن میشه!
هر چی ساده تر و قابل مفهومی تر، کد بهتر
همیشه سعی کنید جوری کد بزنید که برنامه نویس بعدی بره دنبالتون بگرده و تو ذهنش بگه عجب برنامه نویس خوبی بوده!

#tip #نکته

📱 @MilwadKhosravi

مسکات لینوکس 🔰 امروز ۲۹ ساله شد🥳


@SohrabContents