💳 گوگل پروتکل جدید پرداخت عامل‌ها (AP2) را معرفی کرد

گوگل چارچوبی جهانی به نام AP2 عرضه کرده که به عامل‌های هوش مصنوعی اجازه می‌دهد پرداخت‌ها را به‌صورت امن بین فروشندگان و پلتفرم‌ها انجام دهند.

🔹 دستورهای دیجیتال: هر مرحله شفاف و رسمی است — از Intent Mandate («برایم کفش نایکی سفید پیدا کن») تا Cart Mandate («الان بخر»). این یعنی وضوح کامل در نیت، تأیید و قیمت.

🔹 عامل به‌عنوان وکیل دیجیتال: عامل تنها نقش نماینده شما را دارد، اما معامله به‌طور قانونی بین شما و فروشنده ثبت می‌شود.

🔹 حمایت صنعتی گسترده: بیش از ۶۰ شریک بزرگ از جمله Mastercard، PayPal، Intuit و Salesforce از این طرح پشتیبانی می‌کنند.

⚡️ اگر AP2 به‌طور گسترده پذیرفته شود، می‌تواند به ستون فقرات حقوقی و فنی اقتصاد پرداخت‌های ماشینی تبدیل شود.

@rss_ai_ir

#هوش_مصنوعی #پرداخت_دیجیتال #گوگل #فینتک #AI #پرداخت_ماشینی

🍕 Superpixel Anything (SOTA) —
مدل سوپراپیکسل همه‌کاره 🍕

🔹 SuperPixel Anything Model (SPAM)
یک فریم‌ورک انعطاف‌پذیر برای سگمنتیشن تصاویر است. این مدل ترکیبی از استخراج ویژگی‌های تصویری برای تولید سوپراپیکسل و یک مدل از پیش‌آموزش‌دیده در مقیاس بزرگ است که امکان سگمنتیشن بدون وابستگی به معنا (semantic-agnostic) را فراهم می‌کند. نتیجه: سوپراپیکسل‌هایی که به‌طور دقیق با ماسک‌ها منطبق می‌شوند.

📌 ویژگی‌ها:

♻️تولید سوپراپیکسل‌های سازگار با ساختار تصویر
♻️قابلیت استفاده در کاربردهای مختلف بینایی ماشین
♻️دیتاست و ریپوی متن‌باز برای پژوهشگران



👉 مقاله: arxiv.org/pdf/2509.12791
👉 کد: github.com/waldo-j/spam

@rss_ai_ir

#هوش_مصنوعی #بینایی_ماشین #Superpixel #Segmentation #AI #SOTA

🚀 Claude Code + Figma MCP Server

⛔️حالا دیزاین‌های Figma را می‌توان مستقیم به کد تبدیل کرد! با ادغام جدید Claude Code و Figma MCP Server، توسعه‌دهندگان می‌توانند از طریق ترمینال، طرح‌ها را به کامپوننت‌های آماده تبدیل کنند.

⚙️ نحوه کار:

❌فعال‌سازی MCP سرور در اپ دسکتاپ Figma
❌اتصال به Claude Code تنها با یک دستور ساده


⚠️ اما محدودیت‌ها:

♻️نمی‌تواند کد موجود را آپدیت کند
♻️در فلوهای چندفریمی مشکل دارد
♻️امکان بهبود بصری (Visual Refinement) ندارد
♻️فقط در دسترس توسعه‌دهندگان است، نه طراحان


💡 در مقاله همچنین اشاره شده که Fusion از Builder.io جایگزین قوی‌تری است، چون قابلیت‌های بیشتری دارد:

✅ادیت بصری
✅آپدیت دقیق و جزئی روی کد
✅حتی امکان انتشار مستقیم کد در محیط پروداکشن توسط افراد غیرتوسعه‌دهنده
✅این ادغام بیشتر یک قدم رو به جلو است، اما هنوز فاصله زیادی با ابزارهای کامل‌تر دارد.

@rss_ai_ir

#Claude #Figma #MCP #AI #طراحی #کدنویسی #هوش_مصنوعی #Productivity

🚨 شکستن تاریخ توسط OpenAI در مسابقات جهانی برنامه‌نویسی ICPC!

در فینال مسابقات جهانی برنامه‌نویسی ICPC، سیستم استدلالی (Reasoning) اوپن‌اِی‌آی مقام اول مطلق را کسب کرد و توانست هر ۱۲ مسئله از ۱۲ مسئله را حل کند.

⚡️ نکات مهم:

در تاریخ این رقابت‌ها، هیچ تیم انسانی تا امروز به چنین نتیجه‌ای نرسیده بود.

همه‌چیز کاملاً مطابق قوانین بود: ۵ ساعت زمان، همان قالب استاندارد مسائل و پاسخ‌ها، بدون دخالت انسان.

۱۱ مسئله با اولین ارسال حل شدند، و برای مسئله دوازدهم ۹ بار ارسال انجام شد.

این یک مجموعه از مدل‌ها (Ensemble) بود، نه مدلی که صرفاً برای ICPC آموزش دیده باشد. همین مدل‌ها قبلاً در IMO و IOI هم شرکت کرده بودند.


🥇 مقام دوم (و اول بین انسان‌ها) به تیم دانشجویان دانشگاه دولتی سن‌پترزبورگ رسید؛ آنها ۱۱ مسئله را حل کردند و آخرین پاسخ را فقط ۲ دقیقه مانده به پایان ارسال کردند.
🥇 مدل گوگل هم توانست ۱۰ مسئله از ۱۲ را حل کند و مدال طلا بگیرد.

📌 نتیجه: برای اولین بار در تاریخ، هوش مصنوعی نه‌تنها به پای انسان‌ها در ICPC رسید، بلکه کاری کرد که هیچ انسانی تاکنون نتوانسته بود انجام دهد.

@rss_ai_ir

#هوش_مصنوعی #OpenAI #ICPC #مسابقه #برنامه_نویسی #شبکه_عصبی #آینده

✴️ متا اولین مقاله خودش رو از لَبِ Superintelligence منتشر کرد:

📌 عنوان: REFRAG: Rethinking RAG based Decoding
هدف: افزایش سرعت RAG تا ۳۳ برابر بدون افت کیفیت! 🚀

🔎 ماجرا از کجاست؟
توی RAG اول یه retriever تیکه‌های مرتبط متن (چانک‌ها) رو پیدا می‌کنه، بعد همه‌ی اونها به LLM داده می‌شه. مشکل اینجاست که مدل فقط از بخشی از این چانک‌ها استفاده می‌کنه ولی ما هزینه پردازش همه‌شونو می‌دیم → مصرف منابع بالا + تأخیر زیاد.

🟢 راهکار REFRAG:
به جای توکن‌ها، امبدینگ فشرده‌ی چانک‌ها مستقیماً وارد دیکودر می‌شن.
➕ کوتاه شدن ورودی مدل
➕ کاهش حجم KV-cache
➕ 6–7 برابر افزایش throughput
➕ باز شدن selective بعضی چانک‌ها برای حفظ جزئیات

⚠️ چالش: آموزش این روش پیچیده‌تره و برای کانتکست‌های کوچیک به‌صرفه نیست.

📊 اما نتیجه مهم: Time To First Token تا ۳۳ برابر سریع‌تر و امکان گسترش پنجره‌ی کانتکست به مقیاس خیلی بزرگ.

📄 مقاله کامل: arxiv.org/pdf/2509.01092

@rss_ai_ir
---

#REFRAG #RAG #Meta #AI #LLM #NeuralNetworks

🔍 چطور کدنویسی در یک شرکت FAANG انجام می‌شود (با کمک AI)

یک مهندس نرم‌افزار با بیش از ۱۰ سال تجربه (نیمی در FAANG) توضیح داده که AI کدنویسی کمکی فقط برای دمو یا یادگیری نیست، بلکه واقعاً در تولید کد استفاده می‌شود.

مراحل:
1️⃣ همیشه با یک مدرک طراحی فنی (Technical Design Doc) شروع می‌شود. اینجا معماری، تعاملات با تیم‌های دیگر و جزئیات سیستم مشخص می‌شود.
2️⃣ طراحی باید توسط Senior Engineers بررسی و نقد شود.
3️⃣ اگر تأیید شد، تیم‌ها وارد مستندسازی و توسعه می‌شوند.
4️⃣ در Backlog و Sprint Planning، وظایف به بخش‌های کوچک تقسیم می‌شوند.
5️⃣ در کدنویسی اصلی، AI نقش پررنگ دارد: با Test Driven Development، ابتدا AI تست‌ها را می‌نویسد، سپس توسعه‌دهنده فیچر را می‌سازد.
6️⃣ در Code Review، یک پروسه دو مرحله‌ای وجود دارد؛ AI هم در این مرحله کمک می‌کند.
7️⃣ اگر همه چیز در Staging درست بود، به Production می‌رود.

📈 نتیجه: حدود ۳۰٪ افزایش سرعت از زمان پیشنهاد فیچر تا رسیدن به محیط عملیاتی.

📌 نکته مهم: همیشه با طراحی و معماری شروع کنید، در گام‌های کوچک جلو بروید، و تست‌ها را از همان ابتدا بنویسید.

@rss_ai_ir
#FAANG #AI #کدنویسی #نرم‌افزار #هوش_مصنوعی #مهندسی_نرم‌افزار #TestDrivenDevelopment

🧰 پژوهش مایکروسافت روی MCP و مشکل «تداخل فضای ابزار»

محققان مایکروسافت بررسی کردند که وقتی تعداد ابزارها در Model Context Protocol (MCP) زیاد می‌شود، عامل‌ها (Agents) به‌جای همکاری، مزاحم یکدیگر می‌شوند. این پدیده را Tool-Space Interference نامیدند.

🔎 نشانه‌ها:

✳️منوهای شلوغ با ابزارهای بیش از حد
✳️خروجی‌های بسیار حجیم (صدها هزار توکن)
✳️پارامترهای تو در تو و گیج‌کننده
✳️نام‌های تکراری برای ابزارها
✳️خطاهای مبهم و غیر استاندارد


📉 نتایج پژوهش:

♻️بعضی سرورها تا ۲۵۶ ابزار پیشنهاد می‌دادند (حد بهینه < ۲۰). در این حالت دقت تا ۸۵٪ افت می‌کرد.
♻️یک ابزار به‌طور متوسط ۵۵۷هزار توکن خروجی می‌داد، ۱۶ ابزار دیگر بالای ۱۲۸هزار توکن! این باعث شکست مدل و افت دقت تا ۹۱٪ شد.
♻️پارامترهای ۲۰ لایه‌ای باعث سردرگمی می‌شدند. با ساده‌سازی (flattening) موفقیت ۴۷٪ بیشتر شد.
♻️۷۷۵ نام تکراری در ابزارها شناسایی شد؛ واژه «search» در ۳۲ سرور تکرار شده بود.


⛔️ راهکارهای پیشنهادی مایکروسافت:

✅گروه‌بندی ابزارها در دسته‌های کوچک‌تر
✅کش کردن (cache) طرح‌ها و داده‌ها
✅استفاده از namespace برای نام‌گذاری یکتا
✅محدود کردن حجم خروجی و ساده‌سازی پارامترها
✅استانداردسازی خطاها و مدیریت منابع


📊 نکته جالب: استفاده هوشمندانه از namespace سرعت اجرای وظایف را تا ۴۰٪ افزایش داد.

📌 نتیجه: هرچه تعداد ابزار کمتر، پارامترها ساده‌تر و خروجی‌ها ساختارمندتر باشد، عامل‌ها به‌جای سردرگمی، شروع به همکاری مؤثر می‌کنند.
@rss_ai_ir

Link

#Microsoft #MCP #AI #Agents #هوش_مصنوعی #ابزار #مهندسی_سیستم

❌♻️خب دیگه، همه‌اش بحث المپیاد و مسابقه نباشه

⛔️😁 این بار اوپن‌اِی‌آی فقط در عرض یک ماه به GPT-5-Thinking قابلیتی اضافه کرده که کاربر بتونه مدت زمان تفکر مدل رو خودش انتخاب کنه؛ یعنی مشخص کنه که مدل برای هر سؤال چقدر عمیق و طولانی فکر کنه.

✨ این دقیقاً همون چیزیه که می‌شه اسمش رو گذاشت انقلاب واقعی در دنیای هوش مصنوعی!

@rss_ai_ir

#هوش_مصنوعی #OpenAI #GPT5 #تفکر #نوآوری

😳 ارتش چین با همکاری دانشگاه چونگ‌چینگ پروژه‌ای عجیب اجرا کرده: سگ‌های رباتیکی را به پرتابگر موشک مجهز کرده‌اند.

🔹 در رزمایش اخیر، این ربات‌ها تمام اهداف را با موفقیت مورد اصابت قرار دادند و رسانه‌ها از آن به عنوان یک «موفقیت کامل» یاد کردند.

🔹 چنین فناوری‌هایی بحث‌های جدی درباره امنیت، اخلاق و آینده جنگ‌ها به وجود آورده است.

به قول بعضی‌ها: «روز رستاخیز داره نزدیک میشه...»

@rss_ai_ir
#ربات #ارتش #چین #هوش_مصنوعی #روباتیک

🚀👽 DAM for SAM2 Tracking 👽🚀

🔬 محققان دانشگاه لیوبلیانا ماژول جدیدی به نام Distractor-Aware Memory (DAM) برای SAM2 معرفی کرده‌اند. این ماژول به‌صورت drop-in عمل می‌کند و باعث:

✅کاهش انحراف ردیابی (tracking drift) به سمت عوامل مزاحم (distractors)

✅بهبود توانایی بازتشخیص (redetection) بعد از انسداد شیء (occlusion)


💎 نتیجه؟ DAM4SAM عملکردی بهتر از SAM2.1 داشته و در ۱۰ بنچمارک مختلف SOTA را ثبت کرده است.

📌 منابع:
👉 Paper
👉 Project Page
👉 GitHub Repo

@rss_ai_ir

#AI #ComputerVision #Tracking #SAM2 #DAM4SAM #DeepLearning #SOTA

🎮 کد مایسترو — دستیار هوش مصنوعی برای گیم‌دِو

یک پروژه تازه که می‌شود به آن گفت Cursor برای یونیتی، اما خیلی کامل‌تر:

⚡ قابلیت‌ها:

✅ناوبری در پروژه، آنبوردینگ و مستندسازی با دیاگرام‌ها 📑
✅ریفکتور، بهینه‌سازی و باگ‌فیکس 🛠
✅پورت، مدیریت پلاگین‌ها، معماری و وابستگی‌ها 🎨
✅نوشتن یونیت‌تست و حتی «پاسپورت پروژه» 📊


🔗 اتصال‌ها: Unity Editor، Jira، Figma، Blender، Git، Slack، Notion و غیره.
امکان استفاده در حالت چت یا تقریباً «خودکار» (عامل‌ها).

🛡 امنیت: ایندکسینگ پروژه روی سیستم شما انجام می‌شود؛ فقط درخواست‌ها به LLM فرستاده می‌شوند.

💰 مدل قیمت‌گذاری: پرداخت به‌صورت اعتبار (credits) به‌جای اشتراک‌های پیچیده. فرقی ندارد یک توسعه‌دهنده باشید یا صد نفر. هزینه کمتر از استفاده مستقیم از Claude API.

🎯 پشتیبانی: فعلاً یونیتی و HTML5؛ در آینده Unreal Engine و دیگر موتورهای بازی.

👉 در حال حاضر اعتبار دو برابر در شروع + نسخه آزمایشی رایگان برای تست پروژه‌ها ارائه می‌شود.

🚀 اگر درست کار کند، برای یونیتی‌کارها یک دستیار فوق‌العاده خواهد بود.

@rss_ai_ir

#هوش_مصنوعی #Unity #GameDev #بازیسازی #CodeMaestro

🦠 هوش مصنوعی توانست ویروس‌های قاتل باکتری بسازد

⛔️دانشمندان استنفورد و مؤسسه Arc نشان دادند که مدل‌های زایشی قادرند ژنوم کامل ویروس‌ها را طراحی کنند – و جالب اینکه نسخه‌های سنتز شده واقعاً موفق به آلوده‌کردن باکتری‌ها شدند.

✨ نکات کلیدی:

✅مدل Evo روی ۲ میلیون ژنوم فاژ آموزش دید.

✅به جای تقلید، ترکیب‌های جدیدی از ژن‌ها و توالی‌ها پیشنهاد داد.

✅زنجیره‌های سنتز شده روی E. coli تست شدند و نتیجه همان الگوی کلاسیک عفونت بود (ایجاد لکه روی محیط کشت).


⚡ اهمیت موضوع:
طراحی کل ژنوم یکی از سخت‌ترین چالش‌های زیست‌شناسی است، چون کوچک‌ترین خطا در پروموترها، نواحی کدکننده یا فریم‌های خوانش، موجود را غیرقابل حیات می‌کند.

🔮 کاربردها و نگرانی‌ها:

♻️می‌تواند توسعه فاژتراپی و وکتورهای ژن‌درمانی را سرعت دهد.
♻️اما مقیاس‌دهی به موجودات پیچیده بسیار دشوار است.
♻️یکی از نویسندگان هشدار داده: «این فناوری پتانسیل عظیمی دارد، ولی هرگونه آزمایش روی ویروس‌های خطرناک مثل آبله یا سیاه‌زخم نگرانی‌های جدی ایجاد می‌کند.»


🟢 جزییات بیشتر: MIT Tech Review

@rss_ai_ir
#هوش_مصنوعی #زیست_فناوری #بیوتک #AI #ML #فناوری

😎 عینک‌های جدید Ray-Ban Display از متا معرفی شدند

🔹 متا عینک‌های هوشمند خود را یک پله جلوتر برد و با اضافه‌کردن نمایشگر روی چشم راست، آن‌ها را وارد دنیای AR کرد.
🔹 قیمت این عینک‌ها ۸۰۰ دلار است (نه مثل Quest 2 با ۳۰۰ دلار و نه مثل Apple Vision Pro با ۲۵۰۰ دلار). فروش از ۳۰ سپتامبر شروع می‌شود.

✨ ویژگی‌های کلیدی:

✳️نمایشگر ۹۰ هرتز با روشنایی ۵۰۰۰ نیت و رزولوشن ۶۰۰×۶۰۰ (۴۲ پیکسل در هر درجه میدان دید).
✳️طراحی نمایشگر به‌گونه‌ای است که جلوی دید را نمی‌گیرد و فقط هنگام اعلان‌ها، پیام‌ها، تماس‌ها یا اپ‌ها روشن می‌شود.
✳️دوربین، میکروفون و اسپیکر مثل نسل قبلی Ray-Ban Smart Glasses.
✳️حافظه ۳۲ گیگابایت (برای ضبط ویدیو کمی محدود).
✳️باتری: ۶ ساعت برای عینک و ۱۸ ساعت برای دستبند.
✳️وزن فقط ۶۹ گرم.


🔥 اما نقطه‌ی جذاب ماجرا: دستبند مبتنی بر سیگنال‌های عضلانی (EMG).
این فناوری حاصل خرید شرکت Ctrl Labs توسط متا است. دستبند با خواندن سیگنال‌های عضلات مچ دست، امکان کنترل با حرکات انگشت حتی پشت سر را فراهم می‌کند — بدون نیاز به دوربین.

📹 ویدئوی تست منتشرشده نشان می‌دهد که حتی خود مارک زاکربرگ هنگام معرفی با لحظه‌ی بامزه‌ای مواجه شده است.

🔗 جزییات بیشتر: Meta Ray-Ban Display

@rss_ai_ir
#عینک_هوشمند #متا #واقعیت_افزوده #AR #فناوری #هوش_مصنوعی

🚀 emulsiV —
شبیه‌ساز آنلاین CPU بر پایه RISC-V

⛔️شبیه ساز emulsiV یک شبیه‌ساز آنلاین برای پردازنده‌ی مینیمال Virgule (معماری RISC-V) است که با هدف آموزش و آزمایش طراحی شده.

🔹 امکانات:

♻️نمایش کامل پردازنده: حافظه، ثبات‌ها، دستورالعمل‌ها، دیکودرها و باس‌ها
♻️تنظیم سرعت اجرا — قابلیت اجرای مرحله‌به‌مرحله برای درک بهتر
♻️نمونه‌برنامه‌ها: Hello World، Echo، Bitmap، کار با GPIO و مکان‌نما
♻️خروجی متنی (Text I/O) و گرافیکی (Bitmap output)
♻️امکان نوشتن کد دلخواه و مشاهده‌ی اجرای آن «از درون پردازنده»


✨ چرا مهم است؟

✅آموزش دیداری و ملموس معماری RISC-V
✅ابزار عالی برای دانشجویان و توسعه‌دهندگان سیستم‌عامل و میکرو‌معماری
✅کمک به درک عملکرد پردازنده در پایین‌ترین سطح سخت‌افزاری


🖥 همین حالا در مرورگر تست کنید:
👉 emulsiV Online

#RISC_V #شبیه‌ساز #پردازنده #سیستم_عامل #معماری #آموزش #CPU #emulsiV

📊 صرفه‌جویی در آموزش مدل‌های زبانی بزرگ (LLM) با روش MIT

✅پژوهشگران MIT و MIT-IBM Watson AI Lab راهنمایی منتشر کرده‌اند که نشان می‌دهد چگونه می‌توان با طراحی درست قوانین مقیاس‌گذاری (Scaling Laws)، هزینه و زمان آموزش LLM را به‌طور چشمگیری کاهش داد.

🔍 یافته‌های کلیدی:

♻️کافی است تنها ۵ مدل با اندازه‌های مختلف آموزش داده شوند تا بتوان دقت مدل بزرگ را پیش‌بینی کرد.

♻️۱۰ میلیارد توکن اول معمولاً داده‌های پر سر و صدایی دارند و ارزش چندانی در آموزش ندارند — می‌توان از آن‌ها صرف‌نظر کرد.
♻️می‌توان یک مدل بزرگ را فقط با ۳۰٪ داده‌ها آموزش داد و بر اساس منحنی به‌دست‌آمده، نتیجه‌ی نهایی را تخمین زد.


✨ مزایا:

✳️کاهش چشمگیر هزینه‌های تست و آزمایش
✳️امکان پیش‌بینی دقیق نتایج بدون صرف میلیون‌ها دلار برای آموزش کامل
✳️سرعت‌بخشی به فرآیند توسعه و تحقیق روی مدل‌های زبانی بزرگ


📎 جزییات بیشتر:
👉 MIT News

@rss_ai_ir
#هوش_مصنوعی #LLM #یادگیری_ماشین #پژوهش #MIT #Scaling_Laws

🔹 ربات‌های صنعتی، خدماتی و آموزشی به نمایش گذاشته شدند.

🔹 بازدیدکنندگان توانستند از نزدیک با آخرین دستاوردهای مهندسی رباتیک روسیه آشنا شوند.

🔹 هدف اصلی برگزاری این مراسم، نمایش توانمندی‌ها در زمینه اتوماسیون، هوش مصنوعی و آینده صنعت است.

روسیه نشان داد که در مسیر توسعه رباتیک و فناوری‌های نوین، گام‌های جدی برمی‌دارد. 💪


@rss_ai_ir

#رباتیک #هوش_مصنوعی #فناوری #روسیه #اتوماسیون

🧬 Biostate AI
و شروع بتای K-Dense برای تحقیقات طول عمر

شرکت Biostate AI نسخه بتای K-Dense را معرفی کرده است؛ یک پلتفرم چندعاملی هوش مصنوعی که چرخه تحقیقات زیستی را از سال‌ها به چند روز کاهش می‌دهد. این سیستم همین حالا در همکاری با David Sinclair از هاروارد، منجر به یک دستاورد تازه در مطالعات ضدپیری شده است.

🔹 تسریع تحقیقات:
ا K-Dense با ترکیب AlphaFold، پایگاه‌داده‌های انتخاب‌شده و چندین مدل زبانی بزرگ، خطاهای توهمی را حذف کرده و حتی در بِنچمارک BixBench عملکردی بهتر از GPT-5 نشان داده است.

🔹 دستاورد اولیه:
در عرض چند هفته یک ساعت رونویسی پیری (transcriptomic aging clock) ساخته شد؛ چیزی که قبلاً ماه‌ها زمان می‌برد. این مدل، برنامه‌های زیستی مرحله‌ایِ پیری را آشکار کرده است.

🔹 زیرساخت:
همچنین K-Dense روی Google Cloud Gemini 2.5 Pro اجرا می‌شود و به‌عنوان یک موتور پژوهشی AI-first برای زیست‌شناسی طراحی شده است.

✅اگر این نتایج تأیید شوند، K-Dense می‌تواند به ستون فقرات تحقیقات نسل بعدی طول عمر تبدیل شود و ما را یک گام دیگر به سمت سرعت گریز طول عمر (longevity escape velocity) نزدیک‌تر کند. 🚀

#AI #Biotech #Longevity #هوش_مصنوعی #پیری #زیست_شناسی #تحقیقات