🇳🇵 نخست‌وزیر نپال تصمیم گرفته از ChatGPT کمک بگیرد.
هوش مصنوعی پس از تحلیل شرایط، سوشیلا کارکی ۷۳ ساله، قاضی‌القضات پیشین کشور را به عنوان گزینه معرفی کرده است.
✳️به گفته‌ی ChatGPT، او «توانایی جلب اعتماد گروه‌های مختلف و اجرای اصلاحات» را دارد.
@rss_ai_ir
#هوش_مصنوعی #ChatGPT #نپال #تحلیل_سیاسی #AI
هوش مصنوعی پس از تحلیل شرایط، سوشیلا کارکی ۷۳ ساله، قاضی‌القضات پیشین کشور را به عنوان گزینه معرفی کرده است.
✳️به گفته‌ی ChatGPT، او «توانایی جلب اعتماد گروه‌های مختلف و اجرای اصلاحات» را دارد.
@rss_ai_ir
#هوش_مصنوعی #ChatGPT #نپال #تحلیل_سیاسی #AI
👏21🔥19😁19👍18🎉14❤12🥰11🥴2
❓ چطور میشه جلوی «فراموشی فاجعه‌بار» در مدل‌های زبانی بزرگ رو هنگام فاین‌تیونینگ گرفت؟
🧩 مسئله
وقتی مدل روی داده‌های جدید فاین‌تیون میشه، ممکنه دانسته‌های قبلی خودش رو از دست بده. این پدیده به اسم Catastrophic Forgetting شناخته میشه.
🚨 بدتر از اون «کلاپس مدل» هست: زمانی که داده‌های آموزشی شامل متن‌هایی میشه که خود LLM تولید کرده. این باعث میشه داده‌ها تحریف بشن، مثال‌های نادر حذف بشن و خطاها تقویت بشن.
✅ راهکارهای عملی برای جلوگیری:
1️⃣ LoRA / فاین‌تیونینگ پارامتر-موثر
فقط آداپترها آپدیت میشن، نه همه وزن‌ها → دانش پایه حفظ میشه.
2️⃣ Dynamic Replay / Rehearsal
(بازپخش پویا)
به دیتاست جدید، داده‌های پیش‌آموزش اضافه میشه.
معمولاً ۲ تا ۳ برابر بیشتر از داده‌های تخصصی → پس‌زمینه دانشی مدل حفظ میشه.
3️⃣ Dataset Mixing
(ترکیب دیتاست‌ها)
ترکیب داده‌های عمومی + داده‌های دامنه‌ای → مانع از «گیر کردن» مدل در یک حوزه خاص.
4️⃣ Variation Across Epochs
(تنوع بین اپوک‌ها)
در هر اپوک از نمونه‌های متفاوت پیش‌آموزش استفاده میشه → تنوع بالا و کاهش ریسک اورفیت روی دیتای محدود.
📌 جواب کوتاه برای مصاحبه شغلی:
«برای جلوگیری از فراموشی، از LoRA برای فاین‌تیون پارامتر-موثر، بازپخش پویا با نسبت ۱:۲ یا ۱:۳ داده‌های پایه، و تنوع نمونه‌ها بین اپوک‌ها استفاده میشه. این باعث میشه دانش قدیمی حفظ بشه و مدل انعطاف لازم برای یادگیری داده‌های جدید رو داشته باشه».
@rss_ai_ir
#هوش_مصنوعی #LLM #یادگیری_ماشین #فاین_تیونینگ
🧩 مسئله
وقتی مدل روی داده‌های جدید فاین‌تیون میشه، ممکنه دانسته‌های قبلی خودش رو از دست بده. این پدیده به اسم Catastrophic Forgetting شناخته میشه.
🚨 بدتر از اون «کلاپس مدل» هست: زمانی که داده‌های آموزشی شامل متن‌هایی میشه که خود LLM تولید کرده. این باعث میشه داده‌ها تحریف بشن، مثال‌های نادر حذف بشن و خطاها تقویت بشن.
✅ راهکارهای عملی برای جلوگیری:
1️⃣ LoRA / فاین‌تیونینگ پارامتر-موثر
فقط آداپترها آپدیت میشن، نه همه وزن‌ها → دانش پایه حفظ میشه.
2️⃣ Dynamic Replay / Rehearsal
(بازپخش پویا)
به دیتاست جدید، داده‌های پیش‌آموزش اضافه میشه.
معمولاً ۲ تا ۳ برابر بیشتر از داده‌های تخصصی → پس‌زمینه دانشی مدل حفظ میشه.
3️⃣ Dataset Mixing
(ترکیب دیتاست‌ها)
ترکیب داده‌های عمومی + داده‌های دامنه‌ای → مانع از «گیر کردن» مدل در یک حوزه خاص.
4️⃣ Variation Across Epochs
(تنوع بین اپوک‌ها)
در هر اپوک از نمونه‌های متفاوت پیش‌آموزش استفاده میشه → تنوع بالا و کاهش ریسک اورفیت روی دیتای محدود.
📌 جواب کوتاه برای مصاحبه شغلی:
«برای جلوگیری از فراموشی، از LoRA برای فاین‌تیون پارامتر-موثر، بازپخش پویا با نسبت ۱:۲ یا ۱:۳ داده‌های پایه، و تنوع نمونه‌ها بین اپوک‌ها استفاده میشه. این باعث میشه دانش قدیمی حفظ بشه و مدل انعطاف لازم برای یادگیری داده‌های جدید رو داشته باشه».
@rss_ai_ir
#هوش_مصنوعی #LLM #یادگیری_ماشین #فاین_تیونینگ
🥰13👏13❤11🔥10👍9😁7🎉4👌1
⚠️ ریسک‌های پروژه‌های هوش مصنوعی در صنعت
هوش مصنوعی می‌تواند تحول بزرگی در صنعت ایجاد کند، اما بدون مدیریت ریسک‌ها، پروژه‌ها ممکن است شکست بخورند. مهم‌ترین ریسک‌ها:
🔹 فنی: داده‌های ناقص و نویزی، مشکلات مقیاس‌پذیری، وابستگی به سنسورها و تغییر شرایط محیطی.
🔹 سازمانی: مقاومت کارکنان، کمبود نیروی متخصص، نبود هماهنگی بین تیم‌ها.
🔹 اقتصادی: هزینه‌های بالا، بازگشت سرمایه نامشخص، وابستگی به سرویس‌های خارجی.
🔹 حقوقی و امنیتی: نقض حریم خصوصی، حملات سایبری، مسئولیت تصمیمات اشتباه.
🔹 ایمنی: خرابی تجهیزات یا خطر برای جان کارکنان در صورت تصمیم غلط AI.
📌 جمع‌بندی: موفقیت در پروژه‌های صنعتی هوش مصنوعی فقط به الگوریتم قوی بستگی ندارد، بلکه به مدیریت دقیق ریسک‌ها هم وابسته است.
@rss_ai_ir
#هوش_مصنوعی #صنعت #مدیریت_ریسک #فناوری #AI #Industry
هوش مصنوعی می‌تواند تحول بزرگی در صنعت ایجاد کند، اما بدون مدیریت ریسک‌ها، پروژه‌ها ممکن است شکست بخورند. مهم‌ترین ریسک‌ها:
🔹 فنی: داده‌های ناقص و نویزی، مشکلات مقیاس‌پذیری، وابستگی به سنسورها و تغییر شرایط محیطی.
🔹 سازمانی: مقاومت کارکنان، کمبود نیروی متخصص، نبود هماهنگی بین تیم‌ها.
🔹 اقتصادی: هزینه‌های بالا، بازگشت سرمایه نامشخص، وابستگی به سرویس‌های خارجی.
🔹 حقوقی و امنیتی: نقض حریم خصوصی، حملات سایبری، مسئولیت تصمیمات اشتباه.
🔹 ایمنی: خرابی تجهیزات یا خطر برای جان کارکنان در صورت تصمیم غلط AI.
📌 جمع‌بندی: موفقیت در پروژه‌های صنعتی هوش مصنوعی فقط به الگوریتم قوی بستگی ندارد، بلکه به مدیریت دقیق ریسک‌ها هم وابسته است.
@rss_ai_ir
#هوش_مصنوعی #صنعت #مدیریت_ریسک #فناوری #AI #Industry
🥰14😁13🔥11❤9👏8👍7🎉6🙏1👌1
This media is not supported in your browser
VIEW IN TELEGRAM
🚤🤖 لذت قایقرانی با پاروهای رباتیک!
🔹 «دیو نیوینسکی» یک قایق خاص ساخته که به جای موتور، از دو بازوی رباتیک Agilex Robotics استفاده می‌کنه. این بازوها با نرم‌افزار اختصاصی، به صورت خودکار پارو می‌زنن.
🎮 در حال حاضر کنترل با دسته‌ی گیم‌پد انجام میشه،
اما هدف نهایی: یک سیستم کاملاً خودران برای پارو زدن!
🌊 ترکیب مهندسی خلاق + رباتیک = آینده حمل‌ونقل آبی هوشمند.
#رباتیک #نوآوری #روبات_خودران #روبات_خدماتی #روباتیک_صنعتی
@rss_ai_ir
🔹 «دیو نیوینسکی» یک قایق خاص ساخته که به جای موتور، از دو بازوی رباتیک Agilex Robotics استفاده می‌کنه. این بازوها با نرم‌افزار اختصاصی، به صورت خودکار پارو می‌زنن.
🎮 در حال حاضر کنترل با دسته‌ی گیم‌پد انجام میشه،
اما هدف نهایی: یک سیستم کاملاً خودران برای پارو زدن!
🌊 ترکیب مهندسی خلاق + رباتیک = آینده حمل‌ونقل آبی هوشمند.
#رباتیک #نوآوری #روبات_خودران #روبات_خدماتی #روباتیک_صنعتی
@rss_ai_ir
👍11🥰11👏10❤9😁9🎉9🔥7🤯1
🚀 Chain-of-Vibes —
همکاری انسان و هوش مصنوعی در کدنویسی
👨💻 به جای اینکه کل یک فیچر را به صورت خودکار به AI بسپاریم، Chain-of-Vibes کار را به بخش‌های کوچک و قابل مدیریت تقسیم می‌کند.
🔹 روند کار:
1. برنامه‌نویس و AI با هم یک نقشه پیاده‌سازی طراحی می‌کنند.
2. همچنین AI هر بخش کوچک را انجام می‌دهد.
3. توسعه‌دهنده در هر مرحله بازخورد و اصلاح می‌دهد.
✨ مزایا:
✅جلوگیری از خطاهای طراحی و تصمیم‌های نادرست AI ⚠️
✅کاهش پیچیدگی و «over-engineering»
✅کنترل بهتر مسیر توسعه، بدون گیر افتادن در rabbit holes
✅در عین حال افزایش بهره‌وری با کمک کدنویسی هوش مصنوعی
⛔️این روش، تعادلی بین قدرت AI و قضاوت انسانی ایجاد می‌کند و برای پروژه‌های پیچیده بسیار کاربردی است.
@rss_ai_ir
#AI #Coding #ChainOfVibes #DevTools #Productivity
همکاری انسان و هوش مصنوعی در کدنویسی
👨💻 به جای اینکه کل یک فیچر را به صورت خودکار به AI بسپاریم، Chain-of-Vibes کار را به بخش‌های کوچک و قابل مدیریت تقسیم می‌کند.
🔹 روند کار:
1. برنامه‌نویس و AI با هم یک نقشه پیاده‌سازی طراحی می‌کنند.
2. همچنین AI هر بخش کوچک را انجام می‌دهد.
3. توسعه‌دهنده در هر مرحله بازخورد و اصلاح می‌دهد.
✨ مزایا:
✅جلوگیری از خطاهای طراحی و تصمیم‌های نادرست AI ⚠️
✅کاهش پیچیدگی و «over-engineering»
✅کنترل بهتر مسیر توسعه، بدون گیر افتادن در rabbit holes
✅در عین حال افزایش بهره‌وری با کمک کدنویسی هوش مصنوعی
⛔️این روش، تعادلی بین قدرت AI و قضاوت انسانی ایجاد می‌کند و برای پروژه‌های پیچیده بسیار کاربردی است.
@rss_ai_ir
#AI #Coding #ChainOfVibes #DevTools #Productivity
🔥16😁12👏11🎉9❤8👍7🥰5
This media is not supported in your browser
VIEW IN TELEGRAM
📚 Oboe –
هوش مصنوعی آموزشی شخصی‌ساز
⛔️مدیر سابق اسپاتیفای پلتفرم Oboe را معرفی کرده است؛ یک ابزار رایگان مبتنی بر AI که می‌تواند برای شما برنامه‌ی آموزشی کاملاً شخصی‌سازی‌شده بسازد — رقیبی جدی برای دوره‌های آنلاین.
🔹 تنها با یک پرامپت، یک ساعت یادگیری ساختارمند روی هر موضوعی (از فیزیک تا تغذیه) دریافت می‌کنید.
🔹 خروجی‌ها: خلاصه‌ها، پادکست‌ها، مقالات تصویری، فلش‌کارت‌ها و آزمون‌های کوتاه.
🔹 تمرکز بر سازگار شدن با سبک یادگیری شما، نه صرفاً ارائه اطلاعات خام.
🔹 خیلی‌ها آن را رقیب قدرتمندتری نسبت به Google NotebookLM می‌دانند.
✨ پلتفرم Oboe یادگیری فردی را به یک تجربه‌ی کاملاً شخصی و پویا تبدیل می‌کند و آینده‌ای را نوید می‌دهد که در آن مربیان AI جایگزین آموزش‌های سنتی شوند.
@rss_ai_ir
#AI #EdTech #Oboe #SelfLearning #NotebookLM #CryptoInsider
هوش مصنوعی آموزشی شخصی‌ساز
⛔️مدیر سابق اسپاتیفای پلتفرم Oboe را معرفی کرده است؛ یک ابزار رایگان مبتنی بر AI که می‌تواند برای شما برنامه‌ی آموزشی کاملاً شخصی‌سازی‌شده بسازد — رقیبی جدی برای دوره‌های آنلاین.
🔹 تنها با یک پرامپت، یک ساعت یادگیری ساختارمند روی هر موضوعی (از فیزیک تا تغذیه) دریافت می‌کنید.
🔹 خروجی‌ها: خلاصه‌ها، پادکست‌ها، مقالات تصویری، فلش‌کارت‌ها و آزمون‌های کوتاه.
🔹 تمرکز بر سازگار شدن با سبک یادگیری شما، نه صرفاً ارائه اطلاعات خام.
🔹 خیلی‌ها آن را رقیب قدرتمندتری نسبت به Google NotebookLM می‌دانند.
✨ پلتفرم Oboe یادگیری فردی را به یک تجربه‌ی کاملاً شخصی و پویا تبدیل می‌کند و آینده‌ای را نوید می‌دهد که در آن مربیان AI جایگزین آموزش‌های سنتی شوند.
@rss_ai_ir
#AI #EdTech #Oboe #SelfLearning #NotebookLM #CryptoInsider
🎉15👏11👍10🔥10😁10❤8🥰8
This media is not supported in your browser
VIEW IN TELEGRAM
🦠 رهگیری سلول با هوش مصنوعی – بدون نیاز به داده‌های برچسب‌خورده! 🦠
پژوهشگران دانشگاه RWTH یک چارچوب نوآورانه برای Cell Tracking معرفی کرده‌اند که با ترکیب مدل Segment Anything 2 (SAM2) در پایپ‌لاین رهگیری، می‌تواند هر سلول را به‌صورت Zero-Shot بخش‌بندی و رهگیری کند 🚀
🔹 نیازی به داده‌های آموزشی اختصاصی ندارد.
🔹 دقت بالا در شناسایی و دنبال‌کردن سلول‌ها در ویدیوهای میکروسکوپی.
🔹 انتشار کد منبع برای جامعه‌ی علمی 💙
📖
📄 مقاله:
https://arxiv.org/pdf/2509.09943
💻 کد منبع:
https://github.com/zhuchen96/sam4celltracking
@rss_ai_ir
#AI #BioAI #CellTracking #SAM2 #DeepLearning #BiomedicalResearch
پژوهشگران دانشگاه RWTH یک چارچوب نوآورانه برای Cell Tracking معرفی کرده‌اند که با ترکیب مدل Segment Anything 2 (SAM2) در پایپ‌لاین رهگیری، می‌تواند هر سلول را به‌صورت Zero-Shot بخش‌بندی و رهگیری کند 🚀
🔹 نیازی به داده‌های آموزشی اختصاصی ندارد.
🔹 دقت بالا در شناسایی و دنبال‌کردن سلول‌ها در ویدیوهای میکروسکوپی.
🔹 انتشار کد منبع برای جامعه‌ی علمی 💙
📖
📄 مقاله:
https://arxiv.org/pdf/2509.09943
💻 کد منبع:
https://github.com/zhuchen96/sam4celltracking
@rss_ai_ir
#AI #BioAI #CellTracking #SAM2 #DeepLearning #BiomedicalResearch
🔥15🎉12👍10🥰8😁8👏6❤3🤔1
This media is not supported in your browser
VIEW IN TELEGRAM
🪄 Higgsfield
دوباره غافلگیر کرد: Fashion Factory
حالا می‌توانید در چند مرحله ساده یک فوتوشوت حرفه‌ای بسازید:
👤 ساخت کاراکتر
🌆 انتخاب پس‌زمینه
📸 تولید اولین ست عکس
👗 آپلود لباس دلخواه
✨ زدن روی «پیرایش» → و یک آلبوم کامل در همان لباس جدید تحویل بگیرید!
🔧 «هیگزها» مرتب فیچرهای قدیمی‌شان را در قالب مینی‌محصولات تازه بسته‌بندی می‌کنند.
❌ ولی حیف که نسخه رایگان برای تست وجود نداره.
🔗 تست کنید:
Higgsfield Fashion Factory
@rss_ai_ir
#AI #FashionTech #GenerativeAI #هگزفیلد
دوباره غافلگیر کرد: Fashion Factory
حالا می‌توانید در چند مرحله ساده یک فوتوشوت حرفه‌ای بسازید:
👤 ساخت کاراکتر
🌆 انتخاب پس‌زمینه
📸 تولید اولین ست عکس
👗 آپلود لباس دلخواه
✨ زدن روی «پیرایش» → و یک آلبوم کامل در همان لباس جدید تحویل بگیرید!
🔧 «هیگزها» مرتب فیچرهای قدیمی‌شان را در قالب مینی‌محصولات تازه بسته‌بندی می‌کنند.
❌ ولی حیف که نسخه رایگان برای تست وجود نداره.
🔗 تست کنید:
Higgsfield Fashion Factory
@rss_ai_ir
#AI #FashionTech #GenerativeAI #هگزفیلد
🔥16🎉14👍11❤9😁7🥰6👏4
📸 HunyuanImage 2.1 –
دردسرهای تست مدل تصویری تنسنت
✅یکی از کاربران تجربه‌اش از تست HunyuanImage-2.1 در رزولوشن 2048×2048 را به اشتراک گذاشته:
⚡ نتیجه اولیه:
✳️خیلی کند ⏳
✳️کیفیت خروجی نسبت به زمان محاسبه، ارزشمند نیست 😕
🔹 مسائل اصلی:
✳️مدل بسیار حجیم است و از چندین ماژول (denoiser، refiner، reprompter و ...) تشکیل شده.
✳️حتی روی کارت H100 هم با CPU offloading اجرای آن به شدت کند می‌شود.
✳️نیاز به 200 گیگابایت RAM (60GB روی GPU + 140GB روی CPU) داشت!
🔹 تجربه اجرا:
✳️بارگذاری مدل‌ها حدود ۳ دقیقه طول می‌کشد.
✳️تولید تصویر ۲K روی H100 حدود ۱ دقیقه.
✳️اجرای refiner یا rewrite (بازنویسی پرامپت) زمان را تا ۵ دقیقه افزایش می‌دهد.
✳️خروجی در بهترین حالت کمی بهتر از Qwen Image است، اما نه خیلی متفاوت.
🔹 نقاط قوت:
✅ درک عالی پرامپت
✅ عملکرد خوب در تولید متن روی تصویر، مناظر، انیمه و آبستره‌ها
🔹 نقاط ضعف:
❌ سرعت بسیار پایین
❌ مدیریت حافظه ناکارآمد (CPU ↔ GPU swapping)
❌ کیفیت نه‌چندان خاص روی تصاویر انسان
❌ خروجی کمی «سوخته» یا بیش از حد اشباع
📌 نویسنده جمع‌بندی می‌کند که فعلاً ادامه دادن با این مدل ارزش وقت ندارد و باید منتظر ادغام با ComfyUI و بهبود مدیریت حافظه بود.
🔗 کد و جزئیات در گیت‌هاب
#هوش_مصنوعی #تنسنت #تولید_تصویر #HunyuanImage #مدل_دیفیوژن #مولد_تصویر #پردازش_تصویر #کامفی #GPU #AI_Models #ImageGeneration
دردسرهای تست مدل تصویری تنسنت
✅یکی از کاربران تجربه‌اش از تست HunyuanImage-2.1 در رزولوشن 2048×2048 را به اشتراک گذاشته:
⚡ نتیجه اولیه:
✳️خیلی کند ⏳
✳️کیفیت خروجی نسبت به زمان محاسبه، ارزشمند نیست 😕
🔹 مسائل اصلی:
✳️مدل بسیار حجیم است و از چندین ماژول (denoiser، refiner، reprompter و ...) تشکیل شده.
✳️حتی روی کارت H100 هم با CPU offloading اجرای آن به شدت کند می‌شود.
✳️نیاز به 200 گیگابایت RAM (60GB روی GPU + 140GB روی CPU) داشت!
🔹 تجربه اجرا:
✳️بارگذاری مدل‌ها حدود ۳ دقیقه طول می‌کشد.
✳️تولید تصویر ۲K روی H100 حدود ۱ دقیقه.
✳️اجرای refiner یا rewrite (بازنویسی پرامپت) زمان را تا ۵ دقیقه افزایش می‌دهد.
✳️خروجی در بهترین حالت کمی بهتر از Qwen Image است، اما نه خیلی متفاوت.
🔹 نقاط قوت:
✅ درک عالی پرامپت
✅ عملکرد خوب در تولید متن روی تصویر، مناظر، انیمه و آبستره‌ها
🔹 نقاط ضعف:
❌ سرعت بسیار پایین
❌ مدیریت حافظه ناکارآمد (CPU ↔ GPU swapping)
❌ کیفیت نه‌چندان خاص روی تصاویر انسان
❌ خروجی کمی «سوخته» یا بیش از حد اشباع
📌 نویسنده جمع‌بندی می‌کند که فعلاً ادامه دادن با این مدل ارزش وقت ندارد و باید منتظر ادغام با ComfyUI و بهبود مدیریت حافظه بود.
🔗 کد و جزئیات در گیت‌هاب
#هوش_مصنوعی #تنسنت #تولید_تصویر #HunyuanImage #مدل_دیفیوژن #مولد_تصویر #پردازش_تصویر #کامفی #GPU #AI_Models #ImageGeneration
🎉37🥰35👍34❤32🔥31👏31😁21
⚡️ الکساندر موردوینتسِف، پژوهشگر گوگل، سیستم‌های دیجیتالی بر پایه اتوما‌تا سلولی ساخته است؛ جایی که هر سلول فقط با همسایه‌هایش تعامل دارد.
🧩 این Neural Cellular Automata قادرند:
✅خودبه‌خود به شکل‌های مشخص مونتاژ شوند.
✅بعد از تخریب، دوباره بازسازی شوند.
🔹 الهام از «بازی زندگی» (Game of Life):
در نسخه کلاسیک، قوانین از قبل مشخص می‌شوند و ما فقط نتیجه را تماشا می‌کنیم.
اما اینجا برعکس است: ابتدا هدف (شکل) تعیین می‌شود، سپس قوانین به‌گونه‌ای آموزش داده می‌شوند که سلول‌ها خودشان به آن شکل برسند.
⚙️ تغییرات کلیدی:
1. حالات پیوسته – سلول فقط روشن/خاموش نیست، می‌تواند نیمه‌فعال باشد.
2. متغیرهای پنهان – هر سلول حافظه یا «حالت درونی» دارد.
3. به‌روزرسانی ناهمگام – سلول‌ها هم‌زمان تغییر نمی‌کنند، مثل زندگی واقعی.
💡 کاربردها:
پزشکی 🏥: مدل‌سازی بافت‌های خودترمیم‌شونده.
رباتیک 🤖: ازدحام ربات‌ها که بدون کنترل مرکزی ساختار بسازند.
مواد هوشمند 🧱: آجرها یا قطعاتی که خود را با محیط وفق دهند.
محاسبات جدید 💻: معماری‌های توزیع‌شده و کم‌مصرف.
🔬 محدودیت‌ها:
♻️فعلاً در حد تصاویر و شکل‌هاست، نه موجودات زنده‌ی پیچیده.
♻️نیاز به آموزش خاص برای بازسازی پس از آسیب دارد.
♻️انتقال این ایده به سلول‌های واقعی یا ربات‌ها ساده نیست.
📌 اهمیت:
این مدل‌ها نشان می‌دهند که محاسبه و زندگی دو روی یک سکه‌اند.
در حالی‌که طبیعت بدون هدف تکامل می‌یابد، اتوما‌تا برای یک مأموریت آموزش داده می‌شوند.
🟢 متن کامل در Quanta Magazine:
https://www.quantamagazine.org/self-assembly-gets-automated-in-reverse-of-game-of-life-20250910/
@rss_ai_ir
#هوش_مصنوعی #یادگیری_ماشین #زیست_شناسی #شبکه_عصبی #تکاملی #رباتیک #محاسبات_آینده
@rss_ai_ir
🧩 این Neural Cellular Automata قادرند:
✅خودبه‌خود به شکل‌های مشخص مونتاژ شوند.
✅بعد از تخریب، دوباره بازسازی شوند.
🔹 الهام از «بازی زندگی» (Game of Life):
در نسخه کلاسیک، قوانین از قبل مشخص می‌شوند و ما فقط نتیجه را تماشا می‌کنیم.
اما اینجا برعکس است: ابتدا هدف (شکل) تعیین می‌شود، سپس قوانین به‌گونه‌ای آموزش داده می‌شوند که سلول‌ها خودشان به آن شکل برسند.
⚙️ تغییرات کلیدی:
1. حالات پیوسته – سلول فقط روشن/خاموش نیست، می‌تواند نیمه‌فعال باشد.
2. متغیرهای پنهان – هر سلول حافظه یا «حالت درونی» دارد.
3. به‌روزرسانی ناهمگام – سلول‌ها هم‌زمان تغییر نمی‌کنند، مثل زندگی واقعی.
💡 کاربردها:
پزشکی 🏥: مدل‌سازی بافت‌های خودترمیم‌شونده.
رباتیک 🤖: ازدحام ربات‌ها که بدون کنترل مرکزی ساختار بسازند.
مواد هوشمند 🧱: آجرها یا قطعاتی که خود را با محیط وفق دهند.
محاسبات جدید 💻: معماری‌های توزیع‌شده و کم‌مصرف.
🔬 محدودیت‌ها:
♻️فعلاً در حد تصاویر و شکل‌هاست، نه موجودات زنده‌ی پیچیده.
♻️نیاز به آموزش خاص برای بازسازی پس از آسیب دارد.
♻️انتقال این ایده به سلول‌های واقعی یا ربات‌ها ساده نیست.
📌 اهمیت:
این مدل‌ها نشان می‌دهند که محاسبه و زندگی دو روی یک سکه‌اند.
در حالی‌که طبیعت بدون هدف تکامل می‌یابد، اتوما‌تا برای یک مأموریت آموزش داده می‌شوند.
🟢 متن کامل در Quanta Magazine:
https://www.quantamagazine.org/self-assembly-gets-automated-in-reverse-of-game-of-life-20250910/
@rss_ai_ir
#هوش_مصنوعی #یادگیری_ماشین #زیست_شناسی #شبکه_عصبی #تکاملی #رباتیک #محاسبات_آینده
@rss_ai_ir
🥰42👍41👏41🎉38🔥37❤35😁33
🛸 قرص جوانی برای مغز؟ شرط‌بندی سم آلتمن روی طول عمر
سم آلتمن (مدیرعامل OpenAI) با استارتاپ Retro Biosciences وارد مرحله جدیدی از پروژه ضدپیری خود شد. این شرکت در حال آماده‌سازی نخستین آزمایش انسانی برای دارویی است که هدفش جوان‌سازی مغز است.
💊 داروی کاندید: RTR242
این دارو تلاش می‌کند فرآیند طبیعی «اتوفاژی» (سیستم بازیافت سلولی) را دوباره فعال کند؛ همان سیستمی که مواد سمی و پروتئین‌های مضر مرتبط با آلزایمر و پیری را پاکسازی می‌کند.
🌎 طرح آزمایش:
مرحله اول آزمایش‌های ایمنی تا اواخر ۲۰۲۵ در استرالیا آغاز می‌شود. آلتمن تاکنون ۱۸۰ میلیون دلار روی Retro سرمایه‌گذاری کرده است.
🚀 چشم‌انداز بزرگ‌تر:
همچنین Retro علاوه بر این دارو، روی درمان‌های سلول‌های بنیادی برای بیماری‌های خون و سیستم عصبی مرکزی هم کار می‌کند. هدف نهایی: افزودن دست‌کم ۱۰ سال زندگی سالم‌تر به عمر انسان.
اگر این پروژه موفق شود، نه‌تنها روند پیری کند می‌شود، بلکه می‌تواند تعریف ما از هوشیاری و شادابی در سالمندی را دگرگون کند.
@rss_ai_ir
#طول_عمر #سم_آلتمن #پیری #زیست_فناوری #سلامت_مغز
لینک
سم آلتمن (مدیرعامل OpenAI) با استارتاپ Retro Biosciences وارد مرحله جدیدی از پروژه ضدپیری خود شد. این شرکت در حال آماده‌سازی نخستین آزمایش انسانی برای دارویی است که هدفش جوان‌سازی مغز است.
💊 داروی کاندید: RTR242
این دارو تلاش می‌کند فرآیند طبیعی «اتوفاژی» (سیستم بازیافت سلولی) را دوباره فعال کند؛ همان سیستمی که مواد سمی و پروتئین‌های مضر مرتبط با آلزایمر و پیری را پاکسازی می‌کند.
🌎 طرح آزمایش:
مرحله اول آزمایش‌های ایمنی تا اواخر ۲۰۲۵ در استرالیا آغاز می‌شود. آلتمن تاکنون ۱۸۰ میلیون دلار روی Retro سرمایه‌گذاری کرده است.
🚀 چشم‌انداز بزرگ‌تر:
همچنین Retro علاوه بر این دارو، روی درمان‌های سلول‌های بنیادی برای بیماری‌های خون و سیستم عصبی مرکزی هم کار می‌کند. هدف نهایی: افزودن دست‌کم ۱۰ سال زندگی سالم‌تر به عمر انسان.
اگر این پروژه موفق شود، نه‌تنها روند پیری کند می‌شود، بلکه می‌تواند تعریف ما از هوشیاری و شادابی در سالمندی را دگرگون کند.
@rss_ai_ir
#طول_عمر #سم_آلتمن #پیری #زیست_فناوری #سلامت_مغز
لینک
🥰18❤16🔥16👍15🎉13👏9😁8