📘 خبر: «FrontierMath» مجموعه‌ای از سخت‌ترین مسائل ریاضیِ حال حاضر است؛ دقیقا همان جایی که مدل‌های بزرگ هوش مصنوعی مجبور می‌شوند توان واقعیِ استدلال و قدرت حل مسئلهٔ خود را نشان دهند.
📊 در تازه‌ترین نتایج، Gemini 3.0 Pro رکورد جدیدی ثبت کرده و حتی از GPT-5 نیز پیشی گرفته است. این عملکرد نشان می‌دهد موج انتظارات از نسل سوم Gemini کاملا منطقی بوده و مدل توانسته است از پسِ چالش‌های سطح Frontier به‌خوبی برآید.
🤔 حالا نگاه‌ها به سمت OpenAI است؛ باید دید پاسخ بعدی آنها در رقابت مدل‌های استدلالی چه خواهد بود و چه نسخه‌ای برای حفظ برتری ارائه می‌کنند.
@rss_ai_ir
#هوش_مصنوعی ⚡️ #ریاضیات #Gemini3 #LLM
📊 در تازه‌ترین نتایج، Gemini 3.0 Pro رکورد جدیدی ثبت کرده و حتی از GPT-5 نیز پیشی گرفته است. این عملکرد نشان می‌دهد موج انتظارات از نسل سوم Gemini کاملا منطقی بوده و مدل توانسته است از پسِ چالش‌های سطح Frontier به‌خوبی برآید.
🤔 حالا نگاه‌ها به سمت OpenAI است؛ باید دید پاسخ بعدی آنها در رقابت مدل‌های استدلالی چه خواهد بود و چه نسخه‌ای برای حفظ برتری ارائه می‌کنند.
@rss_ai_ir
#هوش_مصنوعی ⚡️ #ریاضیات #Gemini3 #LLM
🔥2👏1😁1
🚨 سیاست‌های جدید ChatGPT باعث شده برخی کاربران هنگام گفت‌وگوهای بیش‌ازحد «کودک‌محور» با درخواست تأیید هویت روبه‌رو شوند.
در این روند، سیستم از کاربر می‌خواهد از پاسپورت برای احراز هویت استفاده کند.
⚠️ اگر این تأیید انجام نشود، امکان تعلیق حساب ظرف دو ماه وجود دارد.
این تغییر بخشی از تلاش برای کاهش ریسک سوءاستفاده و مطابقت با قوانین بین‌المللی ایمنی کودکان است.
@rss_ai_ir
#هوش_مصنوعی #ChatGPT #امنیت_دیجیتال
در این روند، سیستم از کاربر می‌خواهد از پاسپورت برای احراز هویت استفاده کند.
⚠️ اگر این تأیید انجام نشود، امکان تعلیق حساب ظرف دو ماه وجود دارد.
این تغییر بخشی از تلاش برای کاهش ریسک سوءاستفاده و مطابقت با قوانین بین‌المللی ایمنی کودکان است.
@rss_ai_ir
#هوش_مصنوعی #ChatGPT #امنیت_دیجیتال
❤4🤬1
🚀 مدل Uni-MoE-2.0-Omni؛ جهش تازه در دنیای مدل‌های اومنی‌مودال
مدلی که مرزهای چندمودالیتی را جابه‌جا کرده و وارد سطح اومنی‌مودالیتی شده است؛ یعنی فهم و تولید هم‌زمان گفتار، متن، تصویر، ویدئو و حتی تعاملات صوتی–تصویری.
✨ نوآوری اصلی
پژوهشگران نشان داده‌اند چگونه می‌توان یک LLM معمولی را به‌صورت تکاملی به یک مدل MoE واقعی تبدیل کرد که همهٔ مدالیته‌ها را یکپارچه پردازش می‌کند.
🧠 معماری مدل
۱) Omnimodality 3D-RoPE + Dynamic-Capacity MoE
• هم‌ترازسازی گفتار، متن، تصویر و ویدئو در ابعاد زمانی–فضایی
• تخصیص پویا و هوشمند محاسبات متناسب با سختی هر وظیفه
۲) Encoder–Decoder عمیقاً ترکیب‌شده
• ورودی و خروجی‌های چندگانه در هر مدالیتی
• تعامل واقعی اومنی‌مودال بین همهٔ حالت‌ها
🛠 فرآیند آموزش
۱) مسیر پیش‌رونده:
Cross-modal alignment → Warm-up → MoE+RL → Generative training
• تبدیل LLMهای فشرده به MoE
• تنها با ۷۵ میلیارد توکن
• همگرایی پایدار، مخصوصاً در مرحله RL
۲) زبان، هستهٔ اصلی تمام وظایف
• همهٔ مدالیته‌ها به تولید زبان نگاشت می‌شوند
• سدهای بین مدالیته‌ها را حذف می‌کند
🎨 توانایی‌ها
✔ تولید و تعامل صوتی
✔ تولید و ویرایش تصویر
✔ درک تصویر و ویدئو
✔ تحلیل صوتی–تصویری
✔ پشتیبانی از ۱۰+ وظیفهٔ چندمودال
🔥 نتایج کلیدی
در ۵۰+ مورد از ۷۶ وظیفه، بهتر از Qwen 2.5 Omni عمل کرده—درحالی‌که ۱.۲ تریلیون توکن مصرف کرده بود:
• درک ویدئو: ۵٪ بهتر
• فهم اومنی‌مودال: ۷٪ بهتر
• Speech-QA: ۴.۳٪ بهتر
• پردازش تصویر: ۷٪ بهتر
🌍 منابع متن‌باز
Model →
https://huggingface.co/collections/HIT-TMG/lychee-uni-moe-20
Code →
https://github.com/HITsz-TMG/Uni-MoE/tree/master/Uni-MoE-2
Homepage →
https://idealistxy.github.io/Uni-MoE-v2.github.io/
@rss_ai_ir
#هوش_مصنوعی #مدل_زبان #اومنی_مودال #MoE
مدلی که مرزهای چندمودالیتی را جابه‌جا کرده و وارد سطح اومنی‌مودالیتی شده است؛ یعنی فهم و تولید هم‌زمان گفتار، متن، تصویر، ویدئو و حتی تعاملات صوتی–تصویری.
✨ نوآوری اصلی
پژوهشگران نشان داده‌اند چگونه می‌توان یک LLM معمولی را به‌صورت تکاملی به یک مدل MoE واقعی تبدیل کرد که همهٔ مدالیته‌ها را یکپارچه پردازش می‌کند.
🧠 معماری مدل
۱) Omnimodality 3D-RoPE + Dynamic-Capacity MoE
• هم‌ترازسازی گفتار، متن، تصویر و ویدئو در ابعاد زمانی–فضایی
• تخصیص پویا و هوشمند محاسبات متناسب با سختی هر وظیفه
۲) Encoder–Decoder عمیقاً ترکیب‌شده
• ورودی و خروجی‌های چندگانه در هر مدالیتی
• تعامل واقعی اومنی‌مودال بین همهٔ حالت‌ها
🛠 فرآیند آموزش
۱) مسیر پیش‌رونده:
Cross-modal alignment → Warm-up → MoE+RL → Generative training
• تبدیل LLMهای فشرده به MoE
• تنها با ۷۵ میلیارد توکن
• همگرایی پایدار، مخصوصاً در مرحله RL
۲) زبان، هستهٔ اصلی تمام وظایف
• همهٔ مدالیته‌ها به تولید زبان نگاشت می‌شوند
• سدهای بین مدالیته‌ها را حذف می‌کند
🎨 توانایی‌ها
✔ تولید و تعامل صوتی
✔ تولید و ویرایش تصویر
✔ درک تصویر و ویدئو
✔ تحلیل صوتی–تصویری
✔ پشتیبانی از ۱۰+ وظیفهٔ چندمودال
🔥 نتایج کلیدی
در ۵۰+ مورد از ۷۶ وظیفه، بهتر از Qwen 2.5 Omni عمل کرده—درحالی‌که ۱.۲ تریلیون توکن مصرف کرده بود:
• درک ویدئو: ۵٪ بهتر
• فهم اومنی‌مودال: ۷٪ بهتر
• Speech-QA: ۴.۳٪ بهتر
• پردازش تصویر: ۷٪ بهتر
🌍 منابع متن‌باز
Model →
https://huggingface.co/collections/HIT-TMG/lychee-uni-moe-20
Code →
https://github.com/HITsz-TMG/Uni-MoE/tree/master/Uni-MoE-2
Homepage →
https://idealistxy.github.io/Uni-MoE-v2.github.io/
@rss_ai_ir
#هوش_مصنوعی #مدل_زبان #اومنی_مودال #MoE
👍1
🌐 بحث‌های تازه دربارهٔ زمان‌بندی AGI و سناریوی AI-2027
چندی پیش دربارهٔ توان پردازشی لازم برای آموزش Agent 0 و Agent 1 در گزارش AI-2027 صحبت شد و به این نتیجه رسیدیم که سرعت ساخت و راه‌اندازی دیتاسنترها کمی عقب‌تر از پیش‌بینی‌ها است. حالا با انتشار GPT-5.1-Codex-Max، تیم METR دوباره مدت انجام وظایف مهندسی را اندازه‌گیری کرده و نمودار جدید نشان می‌دهد که با پایان ۲۰۲۵، هنوز نشانه‌ای از جهش Agent 0 دیده نمی‌شود—هرچند کیفیت اندازه‌گیری‌شده کاملاً روی روند پیش‌بینی METR قرار دارد.
در فضای توییتر، بسیاری فقط به نمودار نگاه کرده و گمان کرده‌اند جابه‌جایی بازهٔ احتمالی از ۲۰۲۷ به ۲۰۲۸ یا ۲۰۲۹ یعنی «بی‌اعتبار شدن کامل» سناریو. اما اگر متن اصلی را دقیق خوانده باشید، روشن بود که سال ۲۰۲۷ انتخاب «نمادین» برای نمایش امکان‌پذیری سناریو است، نه ادعای قطعیت ریاضی.
نکات کلیدی از توضیحات خود نویسندگان:
🔹 همهٔ نویسندگان در زمان انتشار باور داشتند احتمال ظهور AGI تا پایان ۲۰۲۷ بیش از ۱۰٪ است؛ مد محتمل ۲۰۲۷ یا ۲۰۲۸ بود.
🔹 نویسندهٔ اصلی احتمال تحقق AGI تا پایان ۲۰۲۷ را حدود ۴۰٪ تخمین می‌زد—یعنی حتی پایین‌تر از تخمین میانه.
🔹 دلیل انتخاب ۲۰۲۷ این بود که در ابتدا این سال «میانهٔ پیش‌بینی» نویسندهٔ اصلی بود؛ بعدها با دقیق‌تر شدن تحلیل، میانه به ۲۰۲۸ منتقل شد.
🔹 هدف سناریو هرگز این نبود که «AGI دقیقاً در سال X رخ می‌دهد» بلکه این بود که:
«اگر AGI زودتر از انتظار برسد، شکل واقعی آن چگونه است؟ دولت‌ها چگونه واکنش نشان می‌دهند؟ پیامدهای سیستمی آن چیست؟»
🔹 اکنون میانهٔ جدید نویسندهٔ اصلی حدود ۲۰۳۰ است، ولی مد نویسندگان همچنان کمی زودتر قرار می‌گیرد.
🔹 نسخهٔ جدید مدل پیش‌بینی در راه است؛ پیشرفت کمی کندتر از انتظار بوده و مدل جدید برداشت‌های متفاوتی می‌دهد.
خط اصلی داستان این است:
📌 بحث بر سر «سال دقیق» نیست—بحث دربارهٔ قابلیت وقوع زودهنگام AGI و چگونگی مواجههٔ جامعه و دولت‌ها با آن است.
📌 فاصلهٔ ۲۰۲۷ تا ۲۰۳۰ در مقیاس تحول تمدنی تفاوت چندانی ایجاد نمی‌کند؛ آنچه مهم است آمادگی برای شوک AGI است، نه تقویم.
@rss_ai_ir
#هوش_مصنوعی #AGI #پیش‌بینی #تحلیل_صنعتی #متاورس_فکری
چندی پیش دربارهٔ توان پردازشی لازم برای آموزش Agent 0 و Agent 1 در گزارش AI-2027 صحبت شد و به این نتیجه رسیدیم که سرعت ساخت و راه‌اندازی دیتاسنترها کمی عقب‌تر از پیش‌بینی‌ها است. حالا با انتشار GPT-5.1-Codex-Max، تیم METR دوباره مدت انجام وظایف مهندسی را اندازه‌گیری کرده و نمودار جدید نشان می‌دهد که با پایان ۲۰۲۵، هنوز نشانه‌ای از جهش Agent 0 دیده نمی‌شود—هرچند کیفیت اندازه‌گیری‌شده کاملاً روی روند پیش‌بینی METR قرار دارد.
در فضای توییتر، بسیاری فقط به نمودار نگاه کرده و گمان کرده‌اند جابه‌جایی بازهٔ احتمالی از ۲۰۲۷ به ۲۰۲۸ یا ۲۰۲۹ یعنی «بی‌اعتبار شدن کامل» سناریو. اما اگر متن اصلی را دقیق خوانده باشید، روشن بود که سال ۲۰۲۷ انتخاب «نمادین» برای نمایش امکان‌پذیری سناریو است، نه ادعای قطعیت ریاضی.
نکات کلیدی از توضیحات خود نویسندگان:
🔹 همهٔ نویسندگان در زمان انتشار باور داشتند احتمال ظهور AGI تا پایان ۲۰۲۷ بیش از ۱۰٪ است؛ مد محتمل ۲۰۲۷ یا ۲۰۲۸ بود.
🔹 نویسندهٔ اصلی احتمال تحقق AGI تا پایان ۲۰۲۷ را حدود ۴۰٪ تخمین می‌زد—یعنی حتی پایین‌تر از تخمین میانه.
🔹 دلیل انتخاب ۲۰۲۷ این بود که در ابتدا این سال «میانهٔ پیش‌بینی» نویسندهٔ اصلی بود؛ بعدها با دقیق‌تر شدن تحلیل، میانه به ۲۰۲۸ منتقل شد.
🔹 هدف سناریو هرگز این نبود که «AGI دقیقاً در سال X رخ می‌دهد» بلکه این بود که:
«اگر AGI زودتر از انتظار برسد، شکل واقعی آن چگونه است؟ دولت‌ها چگونه واکنش نشان می‌دهند؟ پیامدهای سیستمی آن چیست؟»
🔹 اکنون میانهٔ جدید نویسندهٔ اصلی حدود ۲۰۳۰ است، ولی مد نویسندگان همچنان کمی زودتر قرار می‌گیرد.
🔹 نسخهٔ جدید مدل پیش‌بینی در راه است؛ پیشرفت کمی کندتر از انتظار بوده و مدل جدید برداشت‌های متفاوتی می‌دهد.
خط اصلی داستان این است:
📌 بحث بر سر «سال دقیق» نیست—بحث دربارهٔ قابلیت وقوع زودهنگام AGI و چگونگی مواجههٔ جامعه و دولت‌ها با آن است.
📌 فاصلهٔ ۲۰۲۷ تا ۲۰۳۰ در مقیاس تحول تمدنی تفاوت چندانی ایجاد نمی‌کند؛ آنچه مهم است آمادگی برای شوک AGI است، نه تقویم.
@rss_ai_ir
#هوش_مصنوعی #AGI #پیش‌بینی #تحلیل_صنعتی #متاورس_فکری
❤2
Media is too big
VIEW IN TELEGRAM
🎥 جمع‌بندی کامل جمنای ۳ — در این ویدئو بررسی می‌کنیم که آیا واقعاً نسخهٔ Gemini 3 Pro از ChatGPT پیشی گرفته یا نه؟
در این آموزش:
✨ مقایسهٔ دقیق توانایی‌ها
⚙️ تست‌های عملی روی نوشتار، تحلیل و کدنویسی
📊 بررسی نقاط قوت و ضعف نسخهٔ جدید
🔍 تحلیل اینکه چرا جمنای ۳ در برخی بنچمارک‌ها رکوردشکنی کرده
اگر می‌خواهید بدانید این مدل در دنیای واقعی چگونه عمل می‌کند، این ویدئو را از دست ندهید.
@rss_ai_ir
#هوش_مصنوعی 🤖 #جمنای۳ #گوگل #ChatGPT #مدل_های_زبان #کدنویسی
در این آموزش:
✨ مقایسهٔ دقیق توانایی‌ها
⚙️ تست‌های عملی روی نوشتار، تحلیل و کدنویسی
📊 بررسی نقاط قوت و ضعف نسخهٔ جدید
🔍 تحلیل اینکه چرا جمنای ۳ در برخی بنچمارک‌ها رکوردشکنی کرده
اگر می‌خواهید بدانید این مدل در دنیای واقعی چگونه عمل می‌کند، این ویدئو را از دست ندهید.
@rss_ai_ir
#هوش_مصنوعی 🤖 #جمنای۳ #گوگل #ChatGPT #مدل_های_زبان #کدنویسی
👌2🔥1🙏1
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 یک نقطهٔ عطف مهم در رباتیک صنعتی؛
شرکت Agility اعلام کرد که ربات انسان‌نمای Digit در عملیات واقعیِ مرکز لجستیک GXO بیش از ۱۰۰ هزار جعبه (totes) را جابه‌جا کرده است.
این خبر دقیقاً چند روز بعد از آن منتشر می‌شود که مدیرعامل Figure پیش‌بینی کرده بود Agility ظرف ۱۲ ماه آینده ورشکست می‌شود — و فقط یک روز پس از اعلام Figure دربارهٔ جابه‌جایی ۹۰ هزار قطعه در کارخانه BMW.
⚙️ رقابت ربات‌های انسان‌نما وارد فاز داغی شده؛ هر شرکت تلاش می‌کند ثابت کند که رباتش نه‌فقط یک دموی آزمایشگاهی، بلکه یک نیروی کار واقعی است.
@rss_ai_ir
#رباتیک #Agility #Digit #Figure #صنعت #AI
شرکت Agility اعلام کرد که ربات انسان‌نمای Digit در عملیات واقعیِ مرکز لجستیک GXO بیش از ۱۰۰ هزار جعبه (totes) را جابه‌جا کرده است.
این خبر دقیقاً چند روز بعد از آن منتشر می‌شود که مدیرعامل Figure پیش‌بینی کرده بود Agility ظرف ۱۲ ماه آینده ورشکست می‌شود — و فقط یک روز پس از اعلام Figure دربارهٔ جابه‌جایی ۹۰ هزار قطعه در کارخانه BMW.
⚙️ رقابت ربات‌های انسان‌نما وارد فاز داغی شده؛ هر شرکت تلاش می‌کند ثابت کند که رباتش نه‌فقط یک دموی آزمایشگاهی، بلکه یک نیروی کار واقعی است.
@rss_ai_ir
#رباتیک #Agility #Digit #Figure #صنعت #AI
😁2👍1🔥1
🌟 فریم‌ورک جدید RL برای آموزش مدل‌های MoE از تیمی که Chatbot Arena را ساخته است
فریم‌ورک Miles توسط گروه LMSYS ORG معرفی شد؛ همان تیمی که پروژهٔ معروف slime را ساخته بود. اگر توسعه‌های اپن‌سورس را دنبال می‌کنید، می‌دانید slime یک ابزار فوق‌سبک برای پست‌تریـن است—و حتی برای GLM-4.6 هم استفاده شد.
✅همچنین Miles همان مسیر را ادامه می‌دهد، اما این بار با تمرکز بر آموزش مقیاس‌بالا برای معماری‌های MoE و پشتیبانی از بارهای سنگین در محیط‌های سازمانی.
⚙️ نکات فنی
• معماری بر پایهٔ True On-Policy؛ یعنی صفر شدن فاصلهٔ رفتاری بین مدل در حالت آموزش و حالت اجرا
• استفاده از Flash Attention 3، کتابخانه DeepGEMM و هسته‌های Thinking Machines Lab در کنار torch.compile
• پشتیبانی از Speculative Decoding همراه با آموزش آنلاین مدل پیش‌نویس—رویکردی که باعث می‌شود مدل draft دقیقاً با سیاست مدل اصلی حرکت کند
• افزایش سرعت تولید متن تا ۲۵٪ در مراحل پایانی آموزش
🧩 پایداری سیستم
• جلوگیری از کرش‌های غیرضروری OOM؛ اهمیت ویژه برای محیط‌های سازمانی که «هر گیگابایت یعنی هزینه»
• اصلاح مشکلات مصرف حافظه در FSDP
• وعدهٔ پشتیبانی از آموزش چندمُدی، سازگاری با SGLang v2 و نسخهٔ پیشرفته‌تر Speculative Decoding
📄 مقاله
🖥️ GitHub
@rss_ai_ir
#AI #ML #RL #MoE #LMSYS #Miles
فریم‌ورک Miles توسط گروه LMSYS ORG معرفی شد؛ همان تیمی که پروژهٔ معروف slime را ساخته بود. اگر توسعه‌های اپن‌سورس را دنبال می‌کنید، می‌دانید slime یک ابزار فوق‌سبک برای پست‌تریـن است—و حتی برای GLM-4.6 هم استفاده شد.
✅همچنین Miles همان مسیر را ادامه می‌دهد، اما این بار با تمرکز بر آموزش مقیاس‌بالا برای معماری‌های MoE و پشتیبانی از بارهای سنگین در محیط‌های سازمانی.
⚙️ نکات فنی
• معماری بر پایهٔ True On-Policy؛ یعنی صفر شدن فاصلهٔ رفتاری بین مدل در حالت آموزش و حالت اجرا
• استفاده از Flash Attention 3، کتابخانه DeepGEMM و هسته‌های Thinking Machines Lab در کنار torch.compile
• پشتیبانی از Speculative Decoding همراه با آموزش آنلاین مدل پیش‌نویس—رویکردی که باعث می‌شود مدل draft دقیقاً با سیاست مدل اصلی حرکت کند
• افزایش سرعت تولید متن تا ۲۵٪ در مراحل پایانی آموزش
🧩 پایداری سیستم
• جلوگیری از کرش‌های غیرضروری OOM؛ اهمیت ویژه برای محیط‌های سازمانی که «هر گیگابایت یعنی هزینه»
• اصلاح مشکلات مصرف حافظه در FSDP
• وعدهٔ پشتیبانی از آموزش چندمُدی، سازگاری با SGLang v2 و نسخهٔ پیشرفته‌تر Speculative Decoding
📄 مقاله
🖥️ GitHub
@rss_ai_ir
#AI #ML #RL #MoE #LMSYS #Miles
Media is too big
VIEW IN TELEGRAM
🚀 آیندهٔ یادگیری ماشین از اینجا شروع می‌شود!
در این ویدئو به یکی از جذاب‌ترین پیشرفت‌های اخیر گوگل پرداخته می‌شود؛ سرویسی که بسیاری آن را پایان دورهٔ قدیمی Cursor و شروع نسل تازهٔ ابزارهای هوش مصنوعی برای برنامه‌نویسی و تولید دانش می‌دانند.
🌌 اینکه «Antigravity» حالا با ترکیب موتورهای زبانی جدید گوگل، فضایی کاملاً تازه برای یادگیری، ساخت پروژه‌های آموزشی، تولید محتوا و حتی کدنویسی هوشمند ایجاد کرده است.
🔍 در این آموزش با موارد زیر آشنا می‌شوید:
• ویژگی‌های نسخهٔ جدید ابزارهای هوش مصنوعی گوگل
• تفاوت عملکرد با Cursor و ابزارهای مشابه
• نحوهٔ استفادهٔ کاربردی برای توسعه‌دهندگان، پژوهشگران و دانشجویان
• نمایش عملی قابلیت‌ها در یک محیط واقعی کاری
اگر به‌دنبال ابزارهای رایگان اما قدرتمند برای یادگیری، برنامه‌نویسی و تولید محتوا هستید، این ویدئو را از دست ندهید.
@rss_ai_ir
#هوش_مصنوعی #گوگل #آموزش #AI #Gemini
در این ویدئو به یکی از جذاب‌ترین پیشرفت‌های اخیر گوگل پرداخته می‌شود؛ سرویسی که بسیاری آن را پایان دورهٔ قدیمی Cursor و شروع نسل تازهٔ ابزارهای هوش مصنوعی برای برنامه‌نویسی و تولید دانش می‌دانند.
🌌 اینکه «Antigravity» حالا با ترکیب موتورهای زبانی جدید گوگل، فضایی کاملاً تازه برای یادگیری، ساخت پروژه‌های آموزشی، تولید محتوا و حتی کدنویسی هوشمند ایجاد کرده است.
🔍 در این آموزش با موارد زیر آشنا می‌شوید:
• ویژگی‌های نسخهٔ جدید ابزارهای هوش مصنوعی گوگل
• تفاوت عملکرد با Cursor و ابزارهای مشابه
• نحوهٔ استفادهٔ کاربردی برای توسعه‌دهندگان، پژوهشگران و دانشجویان
• نمایش عملی قابلیت‌ها در یک محیط واقعی کاری
اگر به‌دنبال ابزارهای رایگان اما قدرتمند برای یادگیری، برنامه‌نویسی و تولید محتوا هستید، این ویدئو را از دست ندهید.
@rss_ai_ir
#هوش_مصنوعی #گوگل #آموزش #AI #Gemini
👍1👏1👌1
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 همکاری بزرگ: ربات‌های تحویل Starship وارد شبکه Uber می‌شوند!
اوبر ایتز و شرکت Starship Robots رسماً اعلام کردند که برای استقرار ربات‌های تحویل با سطح خودران Level 4 در چندین کشور همکاری می‌کنند:
🇬🇧 بریتانیا → از سال ۲۰۲۵
🇪🇺 اروپا → از سال ۲۰۲۶
🇺🇸 آمریکا → از سال ۲۰۲۷
📦 این ناوگان تا امروز:
❎بیش از ۹ میلیون تحویل انجام داده
❎بیش از ۲۰۰ میلیون عبور از محیط واقعی را مدیریت کرده
❎با ۲۷۰۰ ربات فعال در ۲۷۰ موقعیت کار می‌کند
❇️از دسامبر امسال، این ربات‌ها وارد شبکه لجستیکی اوبر می‌شوند و در شهر لیدز انگلستان تحویل‌های زیر ۳۰ دقیقه در مسیرهای تا ۲ مایل را به‌طور کاملاً خودمختار انجام می‌دهند.
✅این یعنی «خودران واقعی» — نه تبلیغ، نه دموی نمایشی، بلکه فعالیت سودآور و مقیاس‌پذیر در شهرهای واقعی.
در حالی که دنیا درباره ربات‌های انسان‌نما یا چرخ‌دار بحث می‌کند، Starship کاری را انجام می‌دهد که واقعاً اهمیت دارد:
اجرای میلیون‌ها مأموریت واقعی برای آموزش هوش مصنوعی در محیط‌های پیش‌بینی‌ناپذیر شهری.
@rss_ai_ir 🚀🤖
#ربات #رباتیک #خودرانی #هوش_مصنوعی #فناوری #اوبر #UberEats
#ربات_تحویل #اتوماسیون #اکوسیستم_هوشمند #AI
اوبر ایتز و شرکت Starship Robots رسماً اعلام کردند که برای استقرار ربات‌های تحویل با سطح خودران Level 4 در چندین کشور همکاری می‌کنند:
🇬🇧 بریتانیا → از سال ۲۰۲۵
🇪🇺 اروپا → از سال ۲۰۲۶
🇺🇸 آمریکا → از سال ۲۰۲۷
📦 این ناوگان تا امروز:
❎بیش از ۹ میلیون تحویل انجام داده
❎بیش از ۲۰۰ میلیون عبور از محیط واقعی را مدیریت کرده
❎با ۲۷۰۰ ربات فعال در ۲۷۰ موقعیت کار می‌کند
❇️از دسامبر امسال، این ربات‌ها وارد شبکه لجستیکی اوبر می‌شوند و در شهر لیدز انگلستان تحویل‌های زیر ۳۰ دقیقه در مسیرهای تا ۲ مایل را به‌طور کاملاً خودمختار انجام می‌دهند.
✅این یعنی «خودران واقعی» — نه تبلیغ، نه دموی نمایشی، بلکه فعالیت سودآور و مقیاس‌پذیر در شهرهای واقعی.
در حالی که دنیا درباره ربات‌های انسان‌نما یا چرخ‌دار بحث می‌کند، Starship کاری را انجام می‌دهد که واقعاً اهمیت دارد:
اجرای میلیون‌ها مأموریت واقعی برای آموزش هوش مصنوعی در محیط‌های پیش‌بینی‌ناپذیر شهری.
@rss_ai_ir 🚀🤖
#ربات #رباتیک #خودرانی #هوش_مصنوعی #فناوری #اوبر #UberEats
#ربات_تحویل #اتوماسیون #اکوسیستم_هوشمند #AI
❤1👍1🔥1
🤖 انقلابی در رباتیک: دیپ‌مایند مدیر سابق Boston Dynamics را به خدمت گرفت!
دیپ‌مایند رسماً Aaron Saunders، مدیر ارشد فناوری سابق Boston Dynamics و یکی از چهره‌های اصلی پشت ربات‌های Atlas و Spot را برای رهبری بخش مهندسی سخت‌افزار استخدام کرد.
🎯 هدف چیست؟
ساختن یک مغز واحد برای همه ربات‌ها — تبدیل Gemini به یک سیستم‌عامل واقعی برای رباتیک.
چیزی شبیه Android برای ربات‌ها:
یک هوش واحد → هزار بدن مختلف!
🔧 وقتی یک «مغز مشترک» روی انواع ربات‌ها از انسان‌نما تا ربات‌های انبارداری قابل اجرا باشد، رباتیک از مرحله نمونه‌سازی به یک اکوسیستم تجاری واقعی وارد می‌شود.
تصور کنید:
۱۰ شرکت مختلف، ربات‌های انسان‌نما تولید کنند که همه یک زبان شناختی مشترک دارند. هم‌افزایی، مقیاس‌پذیری و سرعت توسعه به‌طور انفجاری افزایش پیدا می‌کند.
@rss_ai_ir
---
🔖 هشتگ‌ها
#هوش_مصنوعی #رباتیک #DeepMind #Gemini #BostonDynamics #ربات_انسان‌نما #سیستم_عامل_رباتیک #اندروید_ربات‌ها #AI #Robotics
دیپ‌مایند رسماً Aaron Saunders، مدیر ارشد فناوری سابق Boston Dynamics و یکی از چهره‌های اصلی پشت ربات‌های Atlas و Spot را برای رهبری بخش مهندسی سخت‌افزار استخدام کرد.
🎯 هدف چیست؟
ساختن یک مغز واحد برای همه ربات‌ها — تبدیل Gemini به یک سیستم‌عامل واقعی برای رباتیک.
چیزی شبیه Android برای ربات‌ها:
یک هوش واحد → هزار بدن مختلف!
🔧 وقتی یک «مغز مشترک» روی انواع ربات‌ها از انسان‌نما تا ربات‌های انبارداری قابل اجرا باشد، رباتیک از مرحله نمونه‌سازی به یک اکوسیستم تجاری واقعی وارد می‌شود.
تصور کنید:
۱۰ شرکت مختلف، ربات‌های انسان‌نما تولید کنند که همه یک زبان شناختی مشترک دارند. هم‌افزایی، مقیاس‌پذیری و سرعت توسعه به‌طور انفجاری افزایش پیدا می‌کند.
@rss_ai_ir
---
🔖 هشتگ‌ها
#هوش_مصنوعی #رباتیک #DeepMind #Gemini #BostonDynamics #ربات_انسان‌نما #سیستم_عامل_رباتیک #اندروید_ربات‌ها #AI #Robotics
👍1🔥1👏1
Media is too big
VIEW IN TELEGRAM
📌 کارگاه هوش مصنوعی در ارتوپدی
@rss_ai_ir 🚀🤖
در این ویدئوی آموزشی، نگاهی تخصصی و کاربردی داریم به نقش هوش مصنوعی در تشخیص، تحلیل و تصمیم‌سازی در حوزه ارتوپدی — از پردازش تصویر و تحلیل سیگنال گرفته تا مدل‌های پیش‌بینی و سیستم‌های کمک‌تشخیصی.
👨⚕️ سخنرانان کارگاه:
🧑🏫 دکتر مهناز آقانوندی
• عضو هیئت علمی مرکز تحقیقات پردازش تصویر و سیگنال در پزشکی، دانشگاه علوم پزشکی اصفهان
• سرپرست کارگروه بین‌الملل و بازار شورای راهبری هوش مصنوعی دانشگاه علوم پزشکی اصفهان
🧑⚕️ دکتر مهدی هادیان
• متخصص ارتوپدی
• عضو هیئت علمی دانشگاه علوم پزشکی اصفهان
• سرپرست انجمن دانشجویی ارتوپدی دانشگاه علوم پزشکی اصفهان
📚 این کارگاه توسط آکادمی Med-AI شبکه نخبگان ایران برگزار شده است.
---
🔖 @rss_ai_ir
#هوش_مصنوعی #پزشکی #ارتوپدی #AI #پردازش_تصویر #سیگنال
#MedAI #دانشگاه_علوم_پزشکی #آموزش #کلینیک_هوشمند #ارتوپدی_دیجیتال
@rss_ai_ir 🚀🤖
در این ویدئوی آموزشی، نگاهی تخصصی و کاربردی داریم به نقش هوش مصنوعی در تشخیص، تحلیل و تصمیم‌سازی در حوزه ارتوپدی — از پردازش تصویر و تحلیل سیگنال گرفته تا مدل‌های پیش‌بینی و سیستم‌های کمک‌تشخیصی.
👨⚕️ سخنرانان کارگاه:
🧑🏫 دکتر مهناز آقانوندی
• عضو هیئت علمی مرکز تحقیقات پردازش تصویر و سیگنال در پزشکی، دانشگاه علوم پزشکی اصفهان
• سرپرست کارگروه بین‌الملل و بازار شورای راهبری هوش مصنوعی دانشگاه علوم پزشکی اصفهان
🧑⚕️ دکتر مهدی هادیان
• متخصص ارتوپدی
• عضو هیئت علمی دانشگاه علوم پزشکی اصفهان
• سرپرست انجمن دانشجویی ارتوپدی دانشگاه علوم پزشکی اصفهان
📚 این کارگاه توسط آکادمی Med-AI شبکه نخبگان ایران برگزار شده است.
---
🔖 @rss_ai_ir
#هوش_مصنوعی #پزشکی #ارتوپدی #AI #پردازش_تصویر #سیگنال
#MedAI #دانشگاه_علوم_پزشکی #آموزش #کلینیک_هوشمند #ارتوپدی_دیجیتال
👍3🙏1👌1
🌟 LLM Council:
وقتی یک «شورای مدل‌های زبانی» به جای یک مدل به شما جواب می‌دهد!
آندری کارپاتی دوباره برگشته و این‌بار با یک پروژه جالب به نام LLM Council — ایده‌ای که پاسخ‌دهی را از سطح یک مدل، به سطح شورای مشورتی از مدل‌های هوش مصنوعی ارتقا می‌دهد.
ایده ساده اما قدرتمند است:
به‌جای اینکه سؤال شما فقط توسط یک مدل پاسخ داده شود، مجموعه‌ای از مدل‌ها پاسخ می‌دهند، یکدیگر را نقد می‌کنند و در نهایت یک مدل به‌عنوان «رئیس شورا» پاسخ نهایی را می‌سازد.
🔹 روند کار چگونه است؟
🟢 مرحله ۱: جمع‌آوری نظرها
سؤال شما از طریق OpenRouter برای چندین مدل به‌صورت جداگانه ارسال می‌شود.
هر مدل یک پاسخ مستقل تولید می‌کند و پاسخ‌ها در تب‌های مجزا قابل مشاهده‌اند.
🟢 مرحله ۲: ریتینگ و نقد علمی
هر مدل پاسخ‌های سایر مدل‌ها را بررسی و به‌صورت ناشناس ارزیابی می‌کند تا سوگیری ایجاد نشود.
مدل‌ها پاسخ‌ها را از نظر دقت و عمق تحلیل رتبه‌بندی می‌کنند.
🟢 مرحله ۳: خروجی نهایی
یک «مدل رئیس شورا» همه نتایج را دریافت کرده و آنها را در قالب یک پاسخ واحد، دقیق و ترکیبی ارائه می‌دهد.
---
⚠️ برای استفاده از این سیستم نیاز به کلید API OpenRouter دارید.
مزیت خوبش این است که چند مدل رایگان هم در OpenRouter وجود دارد.
📌 Github:
https://github.com/karpathy/llm-council
@rss_ai_ir
---
🔖 هشتگ‌ها
#هوش_مصنوعی #مدل_زبانی #LLMCouncil #OpenRouter #AI #ML #کارپاتی #Github #LLM #هوش_تولیدی
وقتی یک «شورای مدل‌های زبانی» به جای یک مدل به شما جواب می‌دهد!
آندری کارپاتی دوباره برگشته و این‌بار با یک پروژه جالب به نام LLM Council — ایده‌ای که پاسخ‌دهی را از سطح یک مدل، به سطح شورای مشورتی از مدل‌های هوش مصنوعی ارتقا می‌دهد.
ایده ساده اما قدرتمند است:
به‌جای اینکه سؤال شما فقط توسط یک مدل پاسخ داده شود، مجموعه‌ای از مدل‌ها پاسخ می‌دهند، یکدیگر را نقد می‌کنند و در نهایت یک مدل به‌عنوان «رئیس شورا» پاسخ نهایی را می‌سازد.
🔹 روند کار چگونه است؟
🟢 مرحله ۱: جمع‌آوری نظرها
سؤال شما از طریق OpenRouter برای چندین مدل به‌صورت جداگانه ارسال می‌شود.
هر مدل یک پاسخ مستقل تولید می‌کند و پاسخ‌ها در تب‌های مجزا قابل مشاهده‌اند.
🟢 مرحله ۲: ریتینگ و نقد علمی
هر مدل پاسخ‌های سایر مدل‌ها را بررسی و به‌صورت ناشناس ارزیابی می‌کند تا سوگیری ایجاد نشود.
مدل‌ها پاسخ‌ها را از نظر دقت و عمق تحلیل رتبه‌بندی می‌کنند.
🟢 مرحله ۳: خروجی نهایی
یک «مدل رئیس شورا» همه نتایج را دریافت کرده و آنها را در قالب یک پاسخ واحد، دقیق و ترکیبی ارائه می‌دهد.
---
⚠️ برای استفاده از این سیستم نیاز به کلید API OpenRouter دارید.
مزیت خوبش این است که چند مدل رایگان هم در OpenRouter وجود دارد.
📌 Github:
https://github.com/karpathy/llm-council
@rss_ai_ir
---
🔖 هشتگ‌ها
#هوش_مصنوعی #مدل_زبانی #LLMCouncil #OpenRouter #AI #ML #کارپاتی #Github #LLM #هوش_تولیدی
👍2❤1👏1
This media is not supported in your browser
VIEW IN TELEGRAM
🤖💥 شکایت جنجالی علیه Figure AI: ربات انسان‌نما با توانایی «خرد کردن جمجمه»؟
یک اتفاق پرحاشیه در دنیای رباتیک!
«رابرت گروئندل»، مهندس ارشد ایمنی محصول در شرکت Figure AI، علیه این شرکت در دادگاه فدرال کالیفرنیا شکایت کرده است. او ادعا می‌کند پس از گزارش خطرات ایمنی ربات‌ها، به‌صورت تلافی‌جویانه اخراج شده.
🔍 مهم‌ترین ادعاهای مطرح‌شده در شکایت:
مهندس هشدار داده بود که ربات انسان‌نمای شرکت دارای قدرتی خطرناک است؛ تا حدی که «قادر به خرد کردن جمجمه انسان» میباشد.
در یک حادثه، یکی از ربات‌ها دچار اشکال شد و روی درب یک یخچال فولادی، خراشی حدود ۶ میلی‌متر ایجاد کرد.
✅طبق ادعا، شرکت از "نقشه راه ایمنی" به‌عنوان ابزار جذب سرمایه و افزایش ارزش‌گذاری استفاده کرده، اما بعداً اجرای آن را تضعیف کرده است.
❌ارزش Figure AI بین سال‌های 2024 تا 2025 حدود ۳۹ میلیارد دلار افزایش یافت؛ این شکایت درست در دوران رشد سریع و توجه رسانه‌ای مطرح شده.
⛔️این پرونده می‌تواند تأثیرهای جدی روی موج فعلی ربات‌های انسان‌نما بگذارد — جایی که ایمنی، اعتماد عمومی و شفافیت بیش از هر زمان دیگری اهمیت دارد.
@rss_ai_ir
#ربات #روباتیک #هوش_مصنوعی
#FigureAI #ربات_انسان‌نما #ایمنی_ربات
#فناوری #تکنولوژی #روبات_صنعتی
#اتوماسیون #مهندسی_ربات
#AI #MachineLearning #RobotSafety
#HumanoidRobot #SafetyEngineering
#اخبار_هوش_مصنوعی #اخبار_تکنولوژی
یک اتفاق پرحاشیه در دنیای رباتیک!
«رابرت گروئندل»، مهندس ارشد ایمنی محصول در شرکت Figure AI، علیه این شرکت در دادگاه فدرال کالیفرنیا شکایت کرده است. او ادعا می‌کند پس از گزارش خطرات ایمنی ربات‌ها، به‌صورت تلافی‌جویانه اخراج شده.
🔍 مهم‌ترین ادعاهای مطرح‌شده در شکایت:
مهندس هشدار داده بود که ربات انسان‌نمای شرکت دارای قدرتی خطرناک است؛ تا حدی که «قادر به خرد کردن جمجمه انسان» میباشد.
در یک حادثه، یکی از ربات‌ها دچار اشکال شد و روی درب یک یخچال فولادی، خراشی حدود ۶ میلی‌متر ایجاد کرد.
✅طبق ادعا، شرکت از "نقشه راه ایمنی" به‌عنوان ابزار جذب سرمایه و افزایش ارزش‌گذاری استفاده کرده، اما بعداً اجرای آن را تضعیف کرده است.
❌ارزش Figure AI بین سال‌های 2024 تا 2025 حدود ۳۹ میلیارد دلار افزایش یافت؛ این شکایت درست در دوران رشد سریع و توجه رسانه‌ای مطرح شده.
⛔️این پرونده می‌تواند تأثیرهای جدی روی موج فعلی ربات‌های انسان‌نما بگذارد — جایی که ایمنی، اعتماد عمومی و شفافیت بیش از هر زمان دیگری اهمیت دارد.
@rss_ai_ir
#ربات #روباتیک #هوش_مصنوعی
#FigureAI #ربات_انسان‌نما #ایمنی_ربات
#فناوری #تکنولوژی #روبات_صنعتی
#اتوماسیون #مهندسی_ربات
#AI #MachineLearning #RobotSafety
#HumanoidRobot #SafetyEngineering
#اخبار_هوش_مصنوعی #اخبار_تکنولوژی
😱1🥴1😐1
This media is not supported in your browser
VIEW IN TELEGRAM
🧪 معرفی EfficientSAM3 – نسل تازه مدل‌های سبک و قدرتمند در سگمنتیشن
دانشگاه بریستول خانواده‌ی EfficientSAM3 را معرفی کرده است؛ مجموعه‌ای از مدل‌های سبک و پرسرعت که با روش نوآورانه‌ی Progressive Hierarchical Distillation (PHD) آموزش دیده‌اند.
در این روش، توانایی‌های مدل بزرگ SAM3 به مدل‌های کوچک‌تر منتقل می‌شود؛ نتیجه‌ی آن:
🔹 دقت بالا
🔹 سرعت بیشتر
🔹 مناسب برای دستگاه‌های کم‌قدرت و کاربردهای صنعتی
کد پروژه هم‌زمان با انتشار رسمی SAM3 در راه است.
🔗 Paper: arxiv.org/pdf/2511.15833
🔗 Project: simonzeng7108.github.io/efficientsam3/
🔗 Repo: github.com/SimonZeng7108/efficientsam3
@rss_ai_ir
---
#هوش_مصنوعی #سگمنتیشن #ComputerVision
#EfficientSAM3 #SAM3 #دیپ_لرنینگ
#AI #ML #VisionModels #PHD
#مدل_سبک #مدل_کارا #پردازش_تصویر
دانشگاه بریستول خانواده‌ی EfficientSAM3 را معرفی کرده است؛ مجموعه‌ای از مدل‌های سبک و پرسرعت که با روش نوآورانه‌ی Progressive Hierarchical Distillation (PHD) آموزش دیده‌اند.
در این روش، توانایی‌های مدل بزرگ SAM3 به مدل‌های کوچک‌تر منتقل می‌شود؛ نتیجه‌ی آن:
🔹 دقت بالا
🔹 سرعت بیشتر
🔹 مناسب برای دستگاه‌های کم‌قدرت و کاربردهای صنعتی
کد پروژه هم‌زمان با انتشار رسمی SAM3 در راه است.
🔗 Paper: arxiv.org/pdf/2511.15833
🔗 Project: simonzeng7108.github.io/efficientsam3/
🔗 Repo: github.com/SimonZeng7108/efficientsam3
@rss_ai_ir
---
#هوش_مصنوعی #سگمنتیشن #ComputerVision
#EfficientSAM3 #SAM3 #دیپ_لرنینگ
#AI #ML #VisionModels #PHD
#مدل_سبک #مدل_کارا #پردازش_تصویر
🙏2❤1🕊1
🎬 پشت‌صحنه‌سازی با نانابانانا؛ وقتی مدل خودش تبدیل به کارگردان می‌شود
✳️این روزها یک «ترفند» دربارهٔ نانابانانا (Gemini 3 Pro Image) حسابی دست‌به‌دست می‌شود:
یک عکس می‌دهید و می‌گویید «پشت‌صحنه‌اش را بساز» — و مدل همان لحظه صحنه‌ای می‌سازد با پردهٔ سبز، نورها، اپراتورها، مانیتور کارگردان و حتی کابل‌های صحنه.
اما این فقط ۱۰٪ توانایی واقعی بانانا است.
✳️مدل به‌طور شگفت‌انگیزی دربارهٔ سینما و ویدئوپرو–داکشن اطلاعات دارد — از جنس نورها و نوع کی‌لایت گرفته تا دیفیوزر، فاصلهٔ کانونی، موقعیت دوربین، راکِر، ISO، عمق میدان و حتی اصطلاحات نورپردازی حرفه‌ای.
بنابراین می‌توانید هر فریم از فیلم، تبلیغ یا حتی ویدئوی عروسی را آپلود کنید و بگویید:
و بانانا:
📌 جای دقیق دوربین را می‌زند
📌 نوع نورها را حدس می‌زند
📌 فلش و برچسب می‌گذارد
📌 حتی دیاگرام کامل نورپردازی رسم می‌کند
نتیجه؟
✅کلاس‌های فیلمبرداری از شدت استرس عرق سرد می‌کنند، تیم‌های Previz به فکر فرو رفته‌اند، و نورپردازها احتمالاً امروز کمی بیشتر می‌نوشند.
⛔️بخشی از خروجی‌ها کاملاً دقیق نیستند، اما نکتهٔ مهم اینجاست:
مدل معمولاً ستاپ کلی نور را درست تشخیص می‌دهد.
و این یعنی یک ابزار فوق‌العاده برای فیلمسازها، تبلیغات‌چی‌ها، CG artists و حتی دانشجویان سینما.
@rss_ai_ir
#هوش_مصنوعی #نانابانانا #Gemini #تولید_محتوا #فیلمسازی #پشت_صحنه #نورپردازی #ویدئوپرو_داکشن #AI #سینما #PreViz #ImageToImage #مولتی‌مودال #GoogleAI #مدل_تولیدی
✳️این روزها یک «ترفند» دربارهٔ نانابانانا (Gemini 3 Pro Image) حسابی دست‌به‌دست می‌شود:
یک عکس می‌دهید و می‌گویید «پشت‌صحنه‌اش را بساز» — و مدل همان لحظه صحنه‌ای می‌سازد با پردهٔ سبز، نورها، اپراتورها، مانیتور کارگردان و حتی کابل‌های صحنه.
اما این فقط ۱۰٪ توانایی واقعی بانانا است.
✳️مدل به‌طور شگفت‌انگیزی دربارهٔ سینما و ویدئوپرو–داکشن اطلاعات دارد — از جنس نورها و نوع کی‌لایت گرفته تا دیفیوزر، فاصلهٔ کانونی، موقعیت دوربین، راکِر، ISO، عمق میدان و حتی اصطلاحات نورپردازی حرفه‌ای.
بنابراین می‌توانید هر فریم از فیلم، تبلیغ یا حتی ویدئوی عروسی را آپلود کنید و بگویید:
generate a realistic behind the scene for this film scene, show me where the camera and lights are placed, use arrows to label each light, what type, what settings
و بانانا:
📌 جای دقیق دوربین را می‌زند
📌 نوع نورها را حدس می‌زند
📌 فلش و برچسب می‌گذارد
📌 حتی دیاگرام کامل نورپردازی رسم می‌کند
نتیجه؟
✅کلاس‌های فیلمبرداری از شدت استرس عرق سرد می‌کنند، تیم‌های Previz به فکر فرو رفته‌اند، و نورپردازها احتمالاً امروز کمی بیشتر می‌نوشند.
⛔️بخشی از خروجی‌ها کاملاً دقیق نیستند، اما نکتهٔ مهم اینجاست:
مدل معمولاً ستاپ کلی نور را درست تشخیص می‌دهد.
و این یعنی یک ابزار فوق‌العاده برای فیلمسازها، تبلیغات‌چی‌ها، CG artists و حتی دانشجویان سینما.
@rss_ai_ir
#هوش_مصنوعی #نانابانانا #Gemini #تولید_محتوا #فیلمسازی #پشت_صحنه #نورپردازی #ویدئوپرو_داکشن #AI #سینما #PreViz #ImageToImage #مولتی‌مودال #GoogleAI #مدل_تولیدی
👍3🔥1👏1