در صنعت چرا باید سراغ PLC برویم و نه میکروکنترلر؟ 🤔

🔹 دلیل اول: پایداری و مقاومت بالا در شرایط صنعتی (نویز، دما، گرد و غبار)
🔹 دلیل دوم: سادگی برنامه‌نویسی با زبان‌هایی مثل Ladder که برای تکنسین‌ها آشناست
🔹 دلیل سوم: ماژولار بودن و امکان توسعه با ماژول‌های I/O متنوع
🔹 دلیل چهارم: رعایت استانداردها و ایمنی (SIL, IEC, CE)
🔹 دلیل پنجم: نگهداری آسان توسط اپراتور و تکنسین بدون نیاز به دانش برنامه‌نویسی عمیق
🔹 دلیل ششم: پشتیبانی طولانی‌مدت برندهای معتبر (Siemens، Omron، Schneider و …)

✅ نتیجه:
میکروکنترلر برای پروژه‌های کوچک و محصولات خاص کاربرد دارد، اما در خطوط تولید و محیط‌های صنعتی، PLC انتخاب اصلی است چون پایدار، استاندارد و نگهداری‌اش ساده است.

#اتوماسیون #صنعت #PLC #هوش_مصنوعی #کنترل_فرایند

@rss_ai_ir

🧠 SpikingBrain-7B:
مدل‌های الهام‌گرفته از عصب‌شناسی

✅مدل SpikingBrain-7B معماری‌ای است که از سازوکارهای مغز الهام گرفته و با ترکیب توجه هیبریدی و ماژول‌های MoE (Mixture of Experts) طراحی شده است. این مدل با حداقل داده‌ها عملکرد بالا دارد و برای کلاسترهایی بدون نیاز به کارت‌های NVIDIA بهینه‌سازی شده است؛ همین ویژگی امکان افزایش چشمگیر سرعت آموزش و استنتاج را فراهم می‌کند.

🚀 ویژگی‌های کلیدی:

✳️ادغام توجه هیبریدی و MoE
✳️پشتیبانی از آموزش کم‌هزینه با استفاده از کمتر از ۲٪ داده‌ها
✳️بهینه‌سازی‌شده برای کلاسترهای MetaX
✳️بیش از ۱۰۰ برابر سرعت بیشتر در پردازش توالی‌های طولانی

⛔️ارائه نسخه‌های آماده در HuggingFace و نسخه کوانتیزه‌شده


📌 GitHub: SpikingBrain-7B

#هوش_مصنوعی #مدل_زبان #SpikingBrain #MoE #NeuroAI #DeepLearning #HuggingFace

🔥 انقلاب جدید متا: آموزش هوش مصنوعی بدون داده‌های تازه

لابراتوار Meta Superintelligence روشی نوآورانه به نام Language Self-Play (LSP) معرفی کرده که می‌تواند روند آموزش مدل‌های زبانی بزرگ را متحول کند.

⚠️ مسئله: پیشرفت LLMها تاکنون با مقیاس و یادگیری تقویتی ممکن شده، اما داده‌های تازه و باکیفیت اینترنت به سرعت در حال اتمام است.

📌 راه‌حل: در روش LSP، مدل با خودش وارد رقابت می‌شود و با یک فرآیند بازی درونی (Self-Play) به‌طور مداوم سیاست‌های خود را اصلاح و بهبود می‌دهد.

✅ نتایج: در آزمایش‌ها با Llama-3.2-3B-Instruct، این روش باعث بهبود مهارت‌های پیروی از دستور شد؛ بدون استفاده از داده‌های خارجی و حتی بهتر از فاین‌تیونینگ سنتی.

🔮 اهمیت ماجرا این است که LSP می‌تواند راهی مقیاس‌پذیر و مستقل از داده‌های جدید برای پیشبرد توانایی‌های هوش مصنوعی باشد؛ حتی زمانی که منابع متنی اینترنت به پایان برسند.

Link

@rss_ai_ir

#هوش_مصنوعی #Meta #LLM #SelfPlay #یادگیری_ماشین #نوآوری

💣 بمب خبری: قابلیت ویرایش مستقیم فایل‌ها در Claude

کلود (Anthropic) حالا یک محیط ویژه‌ی کامپیوتری باز می‌کند که می‌تواند اکسل، ورد، پاورپوینت و حتی PDF شما را نه فقط تحلیل، بلکه مستقیماً ویرایش کند!

📊 سناریوهای کاربردی:

✳️مدل مالی در اکسل بسازید: کافیست بگویید «یک فایل بودجه ماهانه با دسته‌بندی درآمد، هزینه و محاسبه خودکار پس‌انداز بساز» → کلود جدول، فرمول و حتی نمودار آماده می‌کند.

✳️گزارش حرفه‌ای تولید کنید: داده‌های CSV بدهید و بخواهید «یک گزارش فصلی فروش با تحلیل روند و پیشنهادها» → خروجی: فایل Word یا PDF با فرمت کامل و نمودار.

✳️تبدیل بین فرمت‌ها: از ورد به پاورپوینت، از PDF به اکسل یا ترکیب چند فایل در یک خروجی → همه با یک درخواست.

✳️استخراج داده از PDF: جداول یا فرم‌ها را از PDF بیرون بکشد، در اکسل بچیند و نمودار آماده کند.

✳️تحلیل پیچیده: داده‌ی خام بدهید، کلود برایتان مدل ML بسازد، پیش‌بینی انجام دهد و گزارش نهایی (با متریک‌ها) تحویل دهد.


⚡️ این یعنی چیزی فراتر از یک دستیار نوشتاری → یک دستیار واقعی برای داده و اسناد.

📌 فعلاً در پلن Enterprise/Teams فعال است، ولی به‌زودی برای Pro هم می‌آید. باید در مسیر زیر فعال شود:
Settings > Features > Experimental

🎥 نمونه‌ی ویدئو: YouTube

@rss_ai_ir

#Claude #Anthropic #AI #Automation #OfficeAI #هوش_مصنوعی

📸 یک پروژه‌ی جالب در حوزه یادگیری ماشین

محققان روشی پیدا کردند که تنها با بررسی الگوی محو شدن (Blur) پس‌زمینه در عکس‌ها، می‌توانند تشخیص دهند آن عکس با کدام گوشی گرفته شده است.

🔍 نکته‌ی کلیدی: هر گوشی هوشمند، حتی وقتی از الگوریتم‌های مشابه استفاده می‌کند، الگوی محوی مخصوص به خود را در تصاویر ثبت می‌کند.

📌 یافته‌ها:

فعلاً باید برای هر مدل گوشی یک مدل ML جداگانه آموزش داده شود.

اما در تئوری، همین حالا هم می‌توان بررسی کرد که آیا دو عکس از یک دستگاه ثبت شده‌اند یا خیر.

این موضوع می‌تواند در حوزه‌های امنیت سایبری، پزشکی قانونی دیجیتال و تحلیل متادیتای تصویر کاربرد داشته باشد.


📖 جزئیات بیشتر و دمو در سایت پروژه:
👉 https://blur-fields.github.io/

کد نیز به‌زودی منتشر خواهد شد.

@rss_ai_ir
#هوش_مصنوعی #پردازش_تصویر #ML #Forensics #AI_industrial_news

🔥 WFGY 2.0 —
موتور استدلال معنایی برای LLMها (MIT)

هدف این پروژه‌ی متن‌باز کاهش هذیان‌ها (hallucinations) و خطاهای منطقی در سیستم‌های مبتنی بر RAG / LLM است؛ مخصوصاً در شرایطی مثل:

✳️متن‌های OCR با خطای زیاد،
✳️شرایط Semantic drift (وقتی پاسخ از سؤال منحرف می‌شود)،
✳️شرایط Ghost matches (جایی که یک بخش ظاهراً مرتبط به نظر می‌آید، ولی درواقع بی‌ربط است).


🚧 در اغلب روش‌ها خطاها فقط بعد از تولید پاسخ نهایی شناسایی می‌شوند.
اما در WFGY، منطق کاملاً برعکس است:
اگر مدل ببیند که استدلال‌ها «کج» شده‌اند یا از مسیر اصلی خارج شده، فرآیند را متوقف می‌کند یا مسیر دیگری انتخاب می‌کند و تنها زمانی پاسخ می‌دهد که وضعیت پایدار باشد.

🛡 نویسندگان این روش را یک «فایروال معنایی» (semantic firewall) می‌نامند.


---

📌 امکانات کلیدی:

♻️شامل نقشه‌ای از ۱۶ خطای رایج LLM: از جست‌وجوی اشتباه داده‌ها و افت منطق گرفته تا «فراموشی» یا اختلاط نقش عامل‌ها.
♻️برای هر خطا، یک راه‌حل متنی ساده پیشنهاد شده است.
♻️بدون نیاز به SDK — کافی است دستورالعمل‌ها را مستقیم در پرامپت وارد کنید.


🟢 شاخص‌های اصلی برای ارزیابی کیفیت استدلال:

✅شاخصΔS (drift): آیا معنی از یک مرحله به مرحله بعد خیلی دور شده یا نه.
✅شاخصλ (convergence): آیا منطق به سمت پاسخ نهایی همگرا می‌شود یا در حلقه می‌چرخد.
✅شاخص Coverage: آیا داده‌ها و شواهد کافی در نظر گرفته شده‌اند یا خیر.


📊 نتایج تست: پایداری خروجی تا ۹۰–۹۵٪ افزایش یافته (در مقایسه با ۷۰–۸۵٪ در روش‌های سنتی).

📂 گیت‌هاب:
github.com/onestardao/WFGY
---
@rss_ai_ir

#هوش_مصنوعی #LLM #OpenSource #Reasoning #PromptEngineering #Hallucinations

جالب بود! 🌟

مقاله یک گنجینه‌ی پر از پرامپت و ایده برای Nano Banana داره، مخصوصاً برای طراحی‌های غیرمعمول. خیلی‌ها رو میشه مستقیماً با مدل‌های مشابه هم استفاده کرد.

🔗 لینک: Awesome Nano Banana Images

💡 چند نکته برای استفاده بهتر:

♻️پرامپت‌ها را کپی کن و فقط سوژه‌ها را تغییر بده، چون ساختار و تنظیمات خوب چیده شدن.

♻️ببین پرامپتی که انتخاب می‌کنی چقدر ورودی تصویر می‌خواد و مدل با چند عکس جواب بهتری می‌ده.

⛔️تنظیمات وضوح تصویر و بالانس رنگ رو حتماً تست کن تا نتیجه نهایی خوب در بیاد.

@rss_ai_ir

#NanoBanana #پرامپت #AI #تولید_تصویر #خلاقیت

🤖 ربات‌ها دیگر فقط در فیلم‌های علمی‌تخیلی نیستند؛ همین حالا کنار ما در صنعت و زندگی روزمره حضور دارند. آینده‌ای که دیروز رویا بود، امروز جلوی چشم ماست!


@rss_ai_ir
#هوش_مصنوعی #روباتیک #فناوری #AI #Robotics

😮 اتفاقی تاریخی: آلبانی اولین کشوری شد که یک هوش مصنوعی را به‌عنوان وزیر منصوب کرد!

این شبکه عصبی حالا رسماً عضو کابینه است — بدون هویت حقوقی، بدون امضا و البته بدون مسئولیت کیفری.

📌 وظیفه‌اش؟ مدیریت خریدهای دولتی برای حذف کامل عامل انسانی:
— فساد
— رشوه
— پولشویی
— فشارها و رانت‌ها

برای اولین بار در تاریخ، یک هوش مصنوعی نه فقط ابزار، بلکه بازیگر فعال در اداره یک کشور شده است.

🤯 شاید عجیب به نظر برسد، اما این می‌تواند سرآغاز تحولی باشد که مرزهای سنتی سیاست و فناوری را از بین می‌برد.
و برخی می‌گویند: «پایان تمدن انسانی از آلبانی شروع شد...»
@rss_ai_ir

#هوش_مصنوعی #سیاست #آلبانی #AI #DigitalGovernment

🚨 چرا بسیاری از پروژه‌های هوش مصنوعی در صنعت شکست می‌خورند؟

1️⃣ مسئله واقعی تعریف نمی‌شود، فقط شعار «AI بیاوریم»!
2️⃣ داده‌ها ناقص، پر از نویز یا بی‌کیفیت هستند.
3️⃣ زیرساخت سخت‌افزاری/نرم‌افزاری کافی وجود ندارد.
4️⃣ مدیران انتظار معجزه فوری دارند.
5️⃣ مدل با فرآیندهای عملیاتی ادغام نمی‌شود.
6️⃣ کمبود نیروی متخصص و همکاری میان‌رشته‌ای.
7️⃣ نبود KPI و معیار موفقیت شفاف.

✨ موفقیت وقتی حاصل می‌شود که پروژه از مسئله واقعی شروع شود، با داده درست آموزش ببیند و در فرآیند تولید ادغام گردد.

@rss_ai_ir
#هوش_مصنوعی #صنعت #مدیریت #AI

🐸 وقتی API گرون باشه، خلاقیت میاد وسط!

خیلی از ماها برای تست کردن ریسرچ ایجنت‌ها از Tavily API استفاده می‌کنیم، اما مشکلش اینه که حسابی خرج روی دست آدم می‌ذاره.
یکی از دولوپرها برای همین یه هک جالب زده:

🔧 SearXNG (موتور جستجوی متن‌باز)
+ آداپتور اختصاصی
👉 نتیجه؟ یه جایگزین drop-in برای Tavily، فقط کافیه base_url رو عوض کنید!

📌 مزایا:

💸 رایگان به جای $$$

🔒 حریم خصوصی کامل

♾️ بدون محدودیت درخواست

🌍 وب‌اسکرپینگ آماده برای ریسرچ ایجنت‌ها (raw_content با bs4)

🔎 بیش از ۷۰ موتور جستجو زیر کاپوت (بینگ هم بلافاصله بلاک شد 😂)

حتی جواب سوالاتی مثل «پیش‌بینی قیمت بیت‌کوین ۲۰۲۶» رو پیدا می‌کنه!


🚀 استارت سریع:

git clone https://github.com/vakovalskii/searxng-docker-tavily-adapter
docker compose up -d
# حالا API روی localhost:8000 فعاله

🟢 نتیجه: به جای خرج‌های صد دلاری برای تست، می‌تونید با ۵ دلار هزینه سرور در ماه، ایجنت‌ها رو شبانه‌روزی تست کنید!

🔗 گیت‌هاب:
vakovalskii/searxng-docker-tavily-adapter

#OpenSource #AI #ResearchAgents #SearXNG #Tavily

@rss_ai_ir

⚡ تسلا از Megablock رونمایی کرد — نسل جدید سیستم ذخیره‌سازی انرژی

🔹 ماژول آماده میان‌ولتاژ
🔹 ظرفیت: 20 مگاوات‌ساعت AC با طول عمر 25 سال (بیش از 10,000 سیکل)
🔹 محل تولید: هیوستون
🔹 عملکرد پایدار در شرایط سخت از °40- تا °60+
🔹 نصب تا 23٪ سریع‌تر و 40٪ ارزان‌تر نسبت به نسل قبلی
🔹 امکان نصب 1 گیگاوات‌ساعت در فقط 20 روز کاری
🔹 چگالی بالا: تا 248 مگاوات‌ساعت AC در هر یک جریب زمین

🚚 اولین تحویل‌ها از نیمه دوم ۲۰۲۶ آغاز می‌شوند.

@rss_ai_ir

#Tesla #انرژی #ذخیره_انرژی #CleanTech #تجدیدپذیر #Megablock

🤖 ربات‌ها هر روز هوشمندتر و کارآمدتر می‌شوند؛ از کارخانه‌ها تا خانه‌ها، آرام‌آرام جای خود را در زندگی ما باز می‌کنند. آینده، دنیای همکاری انسان و ماشین است.

@rss_ai_ir

#هوش_مصنوعی #روباتیک #فناوری #AI #Robotics

✨ استارتاپ Thinking Machines به رهبری میرا موراتی به‌طور غیرمنتظره بلاگ تحقیقاتی خودش رو با نام Connectionism راه‌اندازی کرده و اولین مقاله هم منتشر شده.

🔹 انتخاب نام Connectionism بی‌دلیل نیست؛ در دهه ۸۰ میلادی شاخه‌ای از هوش مصنوعی با همین نام به مطالعه شباهت شبکه‌های عصبی و مغز زیستی می‌پرداخت.

📌 اولین مقاله بلاگ موضوعی عمیق و کمتر دیده‌شده رو بررسی می‌کنه: تکرارپذیری (Determinism) در پاسخ‌های مدل‌های زبانی بزرگ (LLM).

🔑 نکات اصلی مقاله:

✳️می‌دونیم پاسخ‌های LLM ذاتاً تصادفی هستن، چون انتخاب توکن بعدی فقط بر اساس بیشترین احتمال نیست و هایپرپارامتر "دمـا" (Temperature) تعیین می‌کنه چقدر خروجی متنوع یا ثابت باشه.

✳️حتی وقتی دما = 0 باشه (یعنی باید همیشه خروجی یکسان باشه)، باز هم مدل‌ها جواب‌های مختلف تولید می‌کنن.

✳️دلیل این موضوع برخلاف تصور رایج (محاسبات موازی GPU) چیز دیگه‌ایه: تغییر اندازه batch هنگام پردازش درخواست‌های همزمان کاربران.

✳️وقتی batch تغییر می‌کنه، ترتیب و بهینه‌سازی محاسبات در GPU هم تغییر می‌کنه و همین باعث اختلافات جزئی در مقادیر می‌شه. این اختلافات می‌تونن در نهایت انتخاب توکن رو عوض کنن و مسیر خروجی کاملاً متفاوت بشه.


🛠 تیم TM راه‌حلی برای این مشکل ارائه کرده: طراحی batch-invariant kernels که باعث می‌شه نتایج حتی با تغییر اندازه batch هم پایدار بمونن.

💡 این برای کاربران عادی شاید مهم نباشه، اما در حوزه‌هایی مثل دیباگ مدل‌ها، تست Alignment و امنیت یک قابلیت کلیدی محسوب می‌شه.

🔗 جزئیات کامل همراه با فرمول‌ها و کد در بلاگ رسمی:
👉 thinkingmachines.ai/blog/defeating-nondeterminism-in-llm-inference

#AI #LLM #Determinism #Connectionism #ThinkingMachines #میرا_موراتی
@rss_ai_ir

🐙 ویدیوهای انسان‌محور با دقت بالا 🐙

محققان دانشگاه Tsinghua و شرکت ByteDance فریم‌ورک جدیدی به نام HuMo معرفی کردند؛ سیستمی یکپارچه برای تولید ویدیوهای انسان با کیفیت بالا که ویژگی‌های زیر رو داره:

🔹 تولید ویدیو از روی پرامپت متنی
🔹 حفظ یکپارچگی سوژه در فریم‌های مختلف
🔹 حرکت‌های هماهنگ‌شده با صدا (Audio-Driven Motion)
🔹 کنترل‌پذیری و جزئیات ظریف در خروجی

📌 فریم ورک HuMo می‌تونه از ورودی‌های چندحالته (متن، تصویر، صدا) ویدیوهای طبیعی و روان تولید کنه.
📌 سورس‌کد با لایسنس Apache 2.0 منتشر شده و به راحتی قابل استفاده و توسعه است.

🔗 لینک‌ها:

👉 Paper
👉 Project
👉 Repo

#HuMo #VideoGeneration #AI #DeepLearning #Tsinghua #ByteDance