🔹 پروفینت (PROFINET) چیست؟

✅یک پروتکل صنعتی بر بستر اترنت (Industrial Ethernet) است که توسط Siemens و Profibus & Profinet International (PI) توسعه یافته.

✅برای اتصال تجهیزات اتوماسیون مثل PLCها، سنسورها، عملگرها، HMI و همین‌طور RFID Readerها استفاده می‌شود.

⛔️مزیت اصلی: انتقال داده پرسرعت، Real-Time و سازگاری با تجهیزات صنعتی.

🔹 تجهیز RFID با پروفینت
در کاربردهای صنعتی مثل ردیابی کالا، مدیریت انبار، خط تولید و لجستیک، معمولاً نیاز است RFID Readerها به‌طور مستقیم به سیستم کنترل (مثلاً PLC زیمنس S7) وصل شوند.

✳️اگر RFID Reader از پروتکل PROFINET پشتیبانی کند، مستقیماً مانند یک I/O Device در شبکه PLC دیده می‌شود.

✳️داده‌ها (ID تگ‌ها، وضعیت خواندن/نوشتن و غیره) بدون نیاز به Gateway یا Access Controller اضافی، به PLC منتقل می‌شوند.


🔹 مزایا در RFID

✅ ارتباط مستقیم و استاندارد با PLC (بدون پروتکل‌های واسط اضافی مثل RS232/RS485)
✅ سرعت بالا و Real-Time (مناسب برای خط تولید پرسرعت)
✅ پیکربندی ساده در TIA Portal (خواندن داده‌های RFID مثل ورودی/خروجی عادی PLC)
✅ قابلیت عیب‌یابی و مانیتورینگ راحت در شبکه صنعتی


🔹 نمونه‌های صنعتی

♻️ریدرهای SIMATIC RF200 / RF300 از زیمنس → با PLCهای S7-1200 و S7-1500 از طریق پروفینت یکپارچه می‌شوند.
♻️برندهای دیگر مثل Turck، Balluff، Pepperl+Fuchs هم RFID Readerهایی با پشتیبانی PROFINET دارند.


🔹 مقایسه با روش‌های دیگر اتصال

❌RS232/RS485 →
نیاز به Access Controller و برنامه‌نویسی اضافی دارد.

❌Ethernet TCP/IP
ساده → برای محیط‌های IT خوب است، ولی برای اتوماسیون صنعتی استاندارد نیست.

❌PROFINET →
بهترین انتخاب در صنعت چون مستقیماً با PLCها و سیستم اتوماسیون یکپارچه می‌شود.



⚙️ پس اگر پروژه RFID شما در محیط صنعتی (مثل کارخانه یا معدن) است و کنترل توسط PLC زیمنس یا سازگار با پروفینت انجام می‌شود، حتماً ریدری انتخاب کنید که از PROFINET پشتیبانی کند تا هزینه سخت‌افزار واسط و پیچیدگی نرم‌افزاری کاهش یابد.

#RFID #PROFINET #صنعت۴ #اتوماسیون_صنعتی #PLC #Siemens #Industry40 #IoT #SmartFactory #Automation

@rss_ai_ir

🚀 Ring-mini-2.0
؛ مدل کوچک اما فوق‌العاده قدرتمند!

💡 این مدل با 16B-A1B پارامتر و بهره‌گیری از استراتژی‌های Stable RLVR + RLHF آموزش دیده و کیفیتی پایدار و متعادل در طیف وسیعی از وظایف ارائه می‌دهد.
🧠 در منطق و استدلال، از مدل‌های Dense با همین اندازه عملکرد بهتری دارد.
⚡ سرعت پردازش: بیش از ۳۰۰ توکن در ثانیه (۷ برابر سریع‌تر از مدل‌های Dense مشابه).

🔥 نمونه‌ای دیگر از اینکه چگونه مدل‌های کوچک‌تر «Thinking Models» روزبه‌روز باهوش‌تر و سریع‌تر می‌شوند!

🔗 مشاهده در HuggingFace
@rss_ai_ir

#AI #LLM #RingMini #DeepLearning #OpenSource #MachineLearning #ThinkingModels

🌍 یوتیوب دوبله هوش مصنوعی را برای همه فعال کرد

یوتیوب اعلام کرد طی هفته‌های آینده تمام تولیدکنندگان محتوا می‌توانند برای ویدیوهای خود صداگذاری خودکار به زبان‌های مختلف اضافه کنند. 🎞️ پیش‌تر این قابلیت فقط برای گروه کوچکی از تست‌کنندگان فعال بود.

🔹 دسترسی همگانی به دوبله چندزبانه فراتر از شرکت‌کنندگان پایلوت
🔹 ابزاری برای دسترسی راحت‌تر به مخاطبان جهانی
🔹 بخشی از روند بزرگ‌تر یوتیوب در ادغام ابزارهای هوش مصنوعی

این تغییر می‌تواند نحوه‌ی توزیع محتوا در یوتیوب را متحول کند: موانع زبانی را کاهش دهد و به خالقان کوچک و بزرگ کمک کند تا به مخاطبان بین‌المللی برسند. 🚀

@rss_ai_ir

#یوتیوب #هوش_مصنوعی #دوبله #ویدیو #AI #YouTube

🧠 دستگاه AlterEgo از MIT؛ صحبت بدون صدا

استارتاپ AlterEgo (زیرمجموعه MIT) دستگاهی معرفی کرده که سیگنال‌های عصبی ارسال‌شده به اندام‌های گفتاری را دریافت کرده و آن‌ها را به متن یا فرمان تبدیل می‌کند — بدون اینکه کاربر حتی یک کلمه‌ی شنیدنی بگوید.

🔹 توانایی شناسایی صحبت‌های درونی و ترجمه‌ی آن‌ها در لحظه
🔹 تایپ با سرعت فکر، کنترل اپلیکیشن‌ها بدون دست و حتی برقراری مکالمات بی‌صدا
🔹 هنوز تاریخ عرضه و قیمت مشخص نشده است

اگر این فناوری در مقیاس وسیع جواب بدهد، مرز میان فکر کردن و ارتباط برقرار کردن عملاً محو خواهد شد. 🚀

@rss_ai_ir

#هوش_مصنوعی #MIT #ارتباط #بی‌صدا #NeuroTech #BrainComputerInterface

📸 Vision Transformer (ViT)

✳️مدلی در بینایی ماشین که تصویر را به قطعات کوچک تقسیم کرده و مثل متن، با ترنسفورمر پردازش می‌کند.
✅این روش باعث می‌شود شبکه بتواند وابستگی‌های پیچیده‌ی پیکسل‌ها را درک کرده و در کارهایی مثل طبقه‌بندی، تشخیص اشیاء و تولید تصویر عملکردی بی‌رقیب داشته باشد.

@rss_ai_ir

#VisionTransformer #ViT #AI #DeepLearning #ComputerVision

⚖️ قاضی فدرال جلوی توافق ۱.۵ میلیارد دلاری Anthropic را گرفت

❌ توافقی که قرار بود ادعای بیش از ۵۰۰هزار نویسنده بابت استفاده از کتاب‌های دزدی‌شده در آموزش مدل Claude را حل‌وفصل کند، رد شد.

📚 طبق این توافق هر کتاب مشمول ۳۰۰۰ دلار غرامت می‌شد، اما قاضی ویلیام آلساپ اعلام کرد این قرارداد «حتی نزدیک به تأیید هم نیست» چون:

♻️لیست کامل کتاب‌ها ارائه نشده،
♻️روند ثبت ادعاها شفاف نیست،
♻️اطلاع‌رسانی به نویسندگان کافی نبوده است.


📝 دادگاه ضرب‌الاجل تعیین کرده:

✳️تا ۱۵ سپتامبر لیست کامل کتاب‌ها،
✳️تا ۲۲ سپتامبر نمونه فرم ادعاها،
✳️وگرنه پرونده از دسامبر به سمت محاکمه خواهد رفت.


🔍 این اتفاق نشان می‌دهد که هیچ توافقی در حوزه حق‌کپی‌رایت هوش مصنوعی بدون شفافیت و رضایت صاحبان اثر امکان‌پذیر نیست.

لینک

@rss_ai_ir

#AI #حقوق #کپی_رایت #Anthropic #Claude #هوش_مصنوعی

🔧 تجربه یا علم دانشگاهی؟ کدام در صنعت مهم‌تر است؟

در خط تولید و محیط‌های واقعی، بارها دیده‌ایم که تجربه عملی از صرفاً دانش تئوری دانشگاهی ارزشمندتر است.

👷‍♂️ فردی که سال‌ها کنار دستگاه یا سیستم کار کرده، به ریزه‌کاری‌ها و میان‌بُرهایی مسلط است که هیچ کتاب درسی به شما یاد نمی‌دهد.
📚 در مقابل، دانش دانشگاهی چارچوب علمی و اصولی را فراهم می‌کند که تجربه به‌تنهایی قادر به پوشش کامل آن نیست.

✅ واقعیت این است که در بسیاری از پروژه‌ها باید بپذیریم راه‌حل‌های تجربی یک فرد خبره می‌تواند سریع‌تر و عملی‌تر جواب دهد، حتی اگر ساده‌تر از فرمول‌های آکادمیک به‌نظر برسد.

🔑 اما بهترین نتیجه زمانی حاصل می‌شود که علم + تجربه در کنار هم قرار گیرند:

✅علم مسیر را روشن می‌کند.
✅تجربه از خطا و اتلاف وقت جلوگیری می‌کند.


👨‍🏭 در صنعت، موفق‌ترین تیم‌ها همان‌هایی هستند که هم به دانش تئوری تکیه می‌کنند و هم به تجربه متخصصان عملی احترام می‌گذارند.

#صنعت #تجربه #دانش #مهندسی #مدیریت_دانش #یادگیری #کاربردی #هوش_مصنوعی #صنایع #نوآوری

🚀 Math, Inc.
معرفی کرد: Gauss — عامل خودکار برای فرمال‌سازی ریاضیات

❌شرکت Math, Inc. امروز از عامل هوش مصنوعی جدید خود با نام Gauss رونمایی کرد؛ ابزاری که توانسته است در حدود ۳ هفته فرمال‌سازی کامل قضیه اعداد اول قوی (Strong Prime Number Theorem – PNT) را در زبان رسمی Lean به انجام برساند.

🔹 این چالش نخستین بار در ژانویه ۲۰۲۴ توسط Terence Tao و Alex Kontorovich مطرح شد.

🔹 در ژوئیه ۲۰۲۵، آنها پیشرفت‌هایی در نسخه میانی (Medium PNT) گزارش کردند، اما در بخش‌های مربوط به آنالیز مختلط متوقف ماندند — جایی که Gauss موفق شد آن موانع را برطرف کند.

📂 خروجی پروژه شامل:

✳️حدود ۲۵ هزار خط کد Lean
✳️بیش از ۱۱۰۰ تعریف و قضیه
✳️یک blueprint در LaTeX و مستندات رندر شده

✅همچنین README پروژه تأکید دارد که «بیشتر گزاره‌ها و اثبات‌ها توسط Gauss تولید شده‌اند»، در حالی که بخش‌هایی با کمک هدفمند انسانی ساختاربندی یا بازنویسی شده‌اند.


💡 پروژه از کدهای قبلی PrimeNumberTheoremAnd نیز بهره گرفته است.

🔧 حامی مالی و شریک اصلی: برنامه DARPA expMath

🔗 وبلاگ معرفی
🔗 مخزن GitHub
🔗 دسترسی زودهنگام

#هوش_مصنوعی #ریاضیات #Lean #فرمال‌سازی #PrimeNumberTheorem #DARPA #Gauss

🚀 گامی بزرگ به سوی نانوربات‌های واقعی

محققان دانشگاه Penn State موفق شدند قدمی مهم در توسعه نانوربات‌ها بردارند.

🔬 آن‌ها با استفاده از یک دستگاه میکروسیالی جدید، ذراتی بسیار ریز ساختند که می‌توانند با همدیگر سیگنال رد و بدل کنند و به‌صورت گروهی عمل نمایند — درست مثل مورچه‌ها که برای همدیگر مسیر مشخص می‌کنند.

✳️یک گروه ذرات روی شیب شیمیایی حرکت می‌کرد و ردپایی شیمیایی باقی می‌گذاشت.
✳️گروه دیگر این ردپا را شناسایی کرده و مسیر را دنبال می‌کرد.


✨ این فرآیند ساده به نظر می‌رسد، اما پایه‌ای برای ساخت رُبات‌های نانویی خوشه‌ای و خودسازمانده است.

📌 کاربردهای بالقوه:

♻️شناسایی تومور توسط یک گروه و فراخوانی نانوربات‌های حامل دارو،
♻️رساندن دارو یا مواد مغذی دقیقاً به سلول هدف،
♻️پاکسازی بدن از سموم یا ترمیم بافت‌های آسیب‌دیده.


🔎 پیش‌تر دانشمندان فقط چند ثانیه می‌توانستند این رفتار را مشاهده کنند، اما ابزار جدید Penn State این امکان را می‌دهد که چندین دقیقه رفتار ذرات بررسی شود و آزمایش‌های پیچیده‌تری انجام گیرد.

🌱 الهام این کار از طبیعت گرفته شده: درست مثل زنبورها و مورچه‌ها که با همکاری و تقسیم وظایف به هدف می‌رسند.

این پژوهش هنوز در مراحل ابتدایی است، اما چنین گام‌هایی زیربنای آینده نانورباتیک در پزشکی و علم مواد را شکل می‌دهد.

🔗 جزئیات بیشتر: psu.edu

#Nanobots #NanoTech #AI #MedicalAI #Robotics #PennState
@rss_ai_ir

🤖 سال ۲۰۲۶، سال ربات‌های انسان‌نما خواهد بود!

🔹 سرعت توسعه و سرمایه‌گذاری در ربات‌های انسان‌نما به اوج رسیده است.
🔹 غول‌های فناوری و استارتاپ‌ها به رقابت برای ساخت ربات‌های کاربردی در صنعت، خدمات و حتی زندگی روزمره پرداخته‌اند.
🔹 از خط تولید کارخانه‌ها تا خانه‌ها، ربات‌های انسان‌نما آماده‌اند که جای خود را در کنار انسان‌ها باز کنند.

📊 آینده‌ای نزدیک که در آن تعامل انسان و ربات بخشی طبیعی از زندگی خواهد شد.

@rss_ai_ir

#هوش_مصنوعی #رباتیک #ربات_انسان‌نما #آینده

🎥 یک سخنرانی جذاب از TED که شاید از دست داده باشید!

✅این ویدیو مربوط به یکی از هم‌بنیان‌گذاران مدل‌های استدلالی در OpenAI است. هرچند ضبط آن حدود ۶ ماه پیش منتشر شده و خود سخنرانی نزدیک به ۸ ماه قدمت دارد، اما هنوز هم پر از نکات تازه و ارزشمند است.

⛔️اگر به درک عمیق‌تر از روند شکل‌گیری مدل‌های استدلالی و آینده‌ی آن‌ها علاقه دارید، دیدن این ویدیو را از دست ندهید 👇


🔗 https://youtu.be/MG9oqntiJKg

@rss_ai_ir

#هوش_مصنوعی #LLM #استدلال #TED

🏓 ربات دانشگاه برکلی رکورد زد!

🔹 پژوهشگران دانشگاه کالیفرنیا، برکلی رباتی به نام HITTER معرفی کردند که توانست در بازی تنیس‌روی‌میز، توپ را ۱۰۶ بار پیاپی به انسان برگرداند — دقت و هماهنگی در حد یک بازیکن حرفه‌ای!

🔹 سیستم کنترل این ربات دو لایه است:
1️⃣ لایه بالا: پیش‌بینی محل فرود توپ و محاسبه نوع ضربه.
2️⃣ لایه پایین: تبدیل محاسبات به حرکات نرم دست و پا.

🔹 ربات HITTER با سرعت واکنش تا ۵ متر بر ثانیه قادر به پاسخ‌گویی به سرویس‌های غیرقابل‌پیش‌بینی است و در ریتم واقعی بازی، عملکردی خستگی‌ناپذیر دارد.

این دستاورد نشان می‌دهد که ربات‌ها می‌توانند در محیط‌های پویا و سریع — جایی که تا دیروز مختص انسان بود — وارد شوند. 🚀

@rss_ai_ir

#هوش_مصنوعی #رباتیک #یادگیری_ماشین #صنعت #آینده

🎬 Lucy

تازه‌ترین محصول تیم Decart.ai معرفی شد: генератор ویدیویی Lucy که سرعت بالایی دارد و توجه زیادی جلب کرده است.

🔹 نسخه اصلی با ۱۴ میلیارد پارامتر عرضه شده (نسخه سبک‌تر ۵B هم وجود دارد).
🔹 سرعت: تولید یک ویدئو ۵ ثانیه‌ای در حدود ۱۲ ثانیه — ادعا ۶ ثانیه است، اما همین هم در مقایسه عالی محسوب می‌شود.
🔹 کیفیت خروجی: ۷۲۰p
🔹 طول ویدئو: فعلاً در Fal.ai فقط ۵ ثانیه (برخی منابع از ۱۰ ثانیه خبر داده‌اند).
🔹 هزینه: ۰.۰۸ دلار به ازای هر ثانیه تولید

💡 نکته مهم: این مدل اپن‌سورس نیست و فعلاً فقط روی Fal.ai در دسترس است.
اگر بخواهیم با Wan مقایسه کنیم، تفاوت سرعت قابل توجه است (۱۲ ثانیه در مقابل ۶۸ ثانیه)، اما در کیفیت هنوز جای بحث وجود دارد.

👾 جالب اینکه Decart.ai اخیراً Mirage (ژنراتور ریل‌تایم دنیاها) و Oasis 2.0 (ژنراتور دنیای Minecraft) را هم معرفی کرده بود — نشانه‌ای که احتمالاً مسیر آینده ترکیب «ژنراتورهای دنیا» و «ژنراتورهای ویدیو» خواهد بود (مشابه Veo و Genie از گوگل).

🔗 تست در Lucy Playground
🔗 معرفی رسمی: Decart.ai
@rss_ai_ir

---

#Lucy #AI #VideoGeneration #Decart #FalAI #GenerativeAI #cgevent