🔍 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

😂 هوش مصنوعی داره از کنترل خارج میشه... فقط امیدوارم طرف ChatGPT Pro داشته باشه 🤣

@rss_ai_ir

#AI #هوش_مصنوعی #ChatGPT #Pro #طنز

🎥 Ray3 —
❌ مدل جدید تولید ویدئو از Luma AI

⛔️این اولین مدل reasoning برای ویدئو است؛ مدلی که فقط تولید نمی‌کند، بلکه می‌فهمد: تحلیل می‌کند، خودش را اصلاح می‌کند و خروجی‌هایی در سطح استودیو ارائه می‌دهد.
✅امکان تست رایگان با Dream Machine وجود دارد.

🔥 ویژگی‌های Ray3:

Draft Mode —
♻️ساخت سریع صحنه و سپس خروجی در کیفیت 4K HDR.

Reasoning —
♻️درک زبان و دستورات بصری، طراحی منطق حرکت و ترکیب‌بندی، «تفکر» درباره‌ی آنچه تولید می‌شود.

Visual Annotations —
♻️کشیدن فلش یا دایره روی فریم کافیست تا مدل جهت حرکت دوربین یا شیء را بفهمد.

♻️فیزیک و رئالیسم — شبیه‌سازی حرکت، جمعیت، آناتومی، نور، بازتاب، و Motion Blur.

HDR Video —
♻️ خروجی ۱۰، ۱۲ و ۱۶ بیت HDR با رنگ‌های زنده، جزئیات در سایه‌ها و روشنایی‌ها، و امکان خروجی EXR برای پست‌پروداکشن.


⚡️ نکات برجسته:

✳️سرعت و هزینه تولید ویدئو ۵ برابر بهتر شده.
✳️مناسب برای هنرمندان و کارگردانان: تست ایده‌ها در لحظه و ارتقا تا سطح تولید حرفه‌ای.
✳️خروجی‌ها کیفیت بسیار بالایی دارند.


🟠 جزییات بیشتر:
lumalabs.ai/ray3

@rss_ai_ir

#Ray3 #LumaAI #هوش_مصنوعی #ویدئو #AIVideo #GenerativeAI #ReasoningAI

🧩 ردیابی سه‌بعدی نقاط با MVTracker

✅ابزار MVTracker ابزاری نوآورانه برای ردیابی نقاط سه‌بعدی با داده‌های چند دوربینه است. این مدل قابلیت ادغام نماهای مختلف را در یک ابر نقاط سه‌بعدی واحد دارد و با استفاده از kNN correlation ارتباطات فضایی-زمانی را به‌خوبی مدیریت می‌کند.

🚀 ویژگی‌های کلیدی:

✳️اولین راهکار تخصصی برای ردیابی نقاط 3D از چند زاویه.
✳️استفاده از ترنسفورمرها برای بهبود تدریجی مسیرهای ردیابی.
✳️پشتیبانی از تنظیمات متنوع دوربین‌ها بدون نیاز به بهینه‌سازی جداگانه برای هر سکانس.
✳️آماده برای استفاده سریع از طریق PyTorch Hub.


📌 سورس‌کد در گیت‌هاب:
github.com/ethz-vlg/mvtracker

@rss_ai_ir
#هوش_مصنوعی #بینایی_ماشین #python #3DTracking #PyTorch #ML

🗣️ داریو آمودی (مدیرعامل Anthropic):
«۷۰ تا ۹۰ درصد کدی که در Anthropic نوشته می‌شود، توسط Claude تولید می‌شود.

وقتی ۳ یا ۶ ماه پیش این حرف را زدم، خیلی‌ها فکر کردند یعنی قرار است ۷۰ تا ۹۰ درصد مهندسان نرم‌افزار اخراج شوند. اما واقعیت این است که آن ۱۰ درصد باقی‌مانده هنوز می‌نویسند – انسان‌ها عملاً تبدیل شده‌اند به مدیران سیستم‌های هوش مصنوعی.»

@rss_ai_ir

#Anthropic #Claude #هوش_مصنوعی #AI #برنامه_نویسی #اتوماسیون

🤖 تسلا Optimus واقعاً شگفت‌انگیزه! نحوه حرکتش الان خیلی نرم، دقیق و شبیه انسانه؛ بدون اون لرزش‌های عجیب که حس غیرطبیعی می‌داد. این یعنی رباتیک صنعتی رسماً وارد قلمرو علمی‌تخیلی شده.

ما داریم به چشم می‌بینیم که خودِ کار در زمان واقعی داره اتوماسیون میشه. 🤯

@rss_ai_ir

#Tesla #Optimus #ربات #هوش_مصنوعی #اتوماسیون #SciFi

🌍📊 OmniWorld:
مجموعه‌داده چندمنظوره برای مدل‌سازی 4D

✳️مجموعه OmniWorld یک مجموعه‌داده عظیم و چندوجهی است که برای مدل‌سازی 4D طراحی شده و حوزه‌هایی چون بازسازی هندسی و تولید ویدئو را پوشش می‌دهد. این دیتاست، دامنه‌ها و فرمت‌های متنوعی را در بر می‌گیرد و چندوجهی بودن غنی را تضمین می‌کند.

🚀 ویژگی‌های کلیدی:

✅بیش از 4000 ساعت داده، 600 هزار توالی و 300 میلیون فریم
✅منابع متنوع: شبیه‌سازها، ربات‌ها، انسان‌ها و اینترنت
✅کیفیت بالای برچسب‌گذاری برای مدل‌سازی 4D و تولید ویدئو


📌 GitHub: OmniWorld

@rss_ai_ir

#OmniWorld #هوش_مصنوعی #مدل_سازی #GenerativeAI #Dataset #4D