This media is not supported in your browser
VIEW IN TELEGRAM
مدل Claude اکنون قابلیت حافظه دائمی پیدا کرده است 🧠📌 — درست مثل ChatGPT، می‌تواند تمام گفتگوهای گذشته را به خاطر بسپارد.
🔹 کاربر می‌تواند به‌صورت دستی به یک موضوع قبلی اشاره کند یا مدل خودش آن را پیدا کرده و استفاده کند.
🔹 این ویژگی باعث میشود مکالمه‌ها پیوسته‌تر باشند و نیاز به تکرار اطلاعات کاهش یابد.
به‌نظر می‌رسد این قابلیت مدت‌ها بود که انتظارش می‌رفت و حالا تجربه کار با Claude را یک گام به تعامل طبیعی‌تر نزدیک‌تر می‌کند.
#هوش_مصنوعی 🤖 #Claude 🗣 #مدل_زبان_بزرگ 📚 #حافظه_دائمی 🧠 #چت_بات 💬
@rss_ai_ir 🚀
🔹 کاربر می‌تواند به‌صورت دستی به یک موضوع قبلی اشاره کند یا مدل خودش آن را پیدا کرده و استفاده کند.
🔹 این ویژگی باعث میشود مکالمه‌ها پیوسته‌تر باشند و نیاز به تکرار اطلاعات کاهش یابد.
به‌نظر می‌رسد این قابلیت مدت‌ها بود که انتظارش می‌رفت و حالا تجربه کار با Claude را یک گام به تعامل طبیعی‌تر نزدیک‌تر می‌کند.
#هوش_مصنوعی 🤖 #Claude 🗣 #مدل_زبان_بزرگ 📚 #حافظه_دائمی 🧠 #چت_بات 💬
@rss_ai_ir 🚀
❤16👍14😁12🎉10🔥7🙏1
حصار مجازی 📡 یک مرز امنیتی نامرئی است که با استفاده از حسگرها و فناوری‌های هوشمند، ورود یا خروج غیرمجاز به یک محدوده را شناسایی و گزارش می‌کند — بدون نیاز به حصار فیزیکی یا به‌عنوان مکمل آن.
---
🛠 اجزای اصلی حصار مجازی
1. حسگرها
✳️راداری (Radar) — شناسایی اجسام متحرک حتی در مه، گردوغبار یا تاریکی.
✳️لیزر/لیدار (LiDAR) — ایجاد دیوار نوری دقیق برای تشخیص عبور.
✳️فیبر نوری لرزشی — تشخیص لرزش و برش در مرز فیزیکی.
✳️حسگرهای مادون قرمز (IR) — شناسایی حضور انسان یا حیوان حتی در شب.
2. واحد پردازش و هوش مصنوعی
✳️تحلیل داده‌ها برای تشخیص واقعی بودن تهدید و کاهش هشدارهای کاذب.
✳️طبقه‌بندی نوع هدف (انسان، خودرو، حیوان).
3. سیستم ارتباطی
✳️ارسال هشدار به مرکز کنترل یا اپراتور از طریق شبکه سیمی، بی‌سیم یا اینترنت اشیا (IoT).
4. سیستم هشدار
✳️آژیر، چراغ چشمک‌زن، یا اعلان نرم‌افزاری (SMS، اپلیکیشن).
---
🎯 کاربردها
🏭 صنعت و معدن — حفاظت از محدوده‌های خطرناک یا مناطق ذخیره‌سازی.
🚜 کشاورزی — جلوگیری از ورود حیوانات یا افراد غیرمجاز به مزارع.
🏢 زیرساخت‌های حیاتی — نیروگاه‌ها، فرودگاه‌ها، انبارهای مهم.
🚢 بندرها و تأسیسات دریایی — پایش محدوده ساحلی و اسکله.
---
🔬 مزایا نسبت به حصار فیزیکی
🚀 پوشش گسترده و انعطاف‌پذیر
🌧️ مقاومت در شرایط جوی نامساعد
📉 هزینه نگهداری کمتر
🤝 امکان ترکیب با سیستم‌های دیگر (دوربین، رادار، لیدار)
---
#هوش_مصنوعی 🤖 #حصار_مجازی 🚧 #امنیت 🛡️ #پردازش_تصویر 🖼️ #رادار 📡 #LiDAR
---
🛠 اجزای اصلی حصار مجازی
1. حسگرها
✳️راداری (Radar) — شناسایی اجسام متحرک حتی در مه، گردوغبار یا تاریکی.
✳️لیزر/لیدار (LiDAR) — ایجاد دیوار نوری دقیق برای تشخیص عبور.
✳️فیبر نوری لرزشی — تشخیص لرزش و برش در مرز فیزیکی.
✳️حسگرهای مادون قرمز (IR) — شناسایی حضور انسان یا حیوان حتی در شب.
2. واحد پردازش و هوش مصنوعی
✳️تحلیل داده‌ها برای تشخیص واقعی بودن تهدید و کاهش هشدارهای کاذب.
✳️طبقه‌بندی نوع هدف (انسان، خودرو، حیوان).
3. سیستم ارتباطی
✳️ارسال هشدار به مرکز کنترل یا اپراتور از طریق شبکه سیمی، بی‌سیم یا اینترنت اشیا (IoT).
4. سیستم هشدار
✳️آژیر، چراغ چشمک‌زن، یا اعلان نرم‌افزاری (SMS، اپلیکیشن).
---
🎯 کاربردها
🏭 صنعت و معدن — حفاظت از محدوده‌های خطرناک یا مناطق ذخیره‌سازی.
🚜 کشاورزی — جلوگیری از ورود حیوانات یا افراد غیرمجاز به مزارع.
🏢 زیرساخت‌های حیاتی — نیروگاه‌ها، فرودگاه‌ها، انبارهای مهم.
🚢 بندرها و تأسیسات دریایی — پایش محدوده ساحلی و اسکله.
---
🔬 مزایا نسبت به حصار فیزیکی
🚀 پوشش گسترده و انعطاف‌پذیر
🌧️ مقاومت در شرایط جوی نامساعد
📉 هزینه نگهداری کمتر
🤝 امکان ترکیب با سیستم‌های دیگر (دوربین، رادار، لیدار)
---
#هوش_مصنوعی 🤖 #حصار_مجازی 🚧 #امنیت 🛡️ #پردازش_تصویر 🖼️ #رادار 📡 #LiDAR
👍14😁12🔥11❤10🎉7
تیم MetaAI موفق شد در رقابت بین‌المللی Algonauts 2025 مقام اول را کسب کند 🏆🧠 — این مسابقه بزرگ‌ترین چالش جهانی در زمینه مدل‌سازی واکنش مغز انسان است.
---
🎯 هدف رقابت
ساخت مدلی که بتواند پاسخ fMRI مغز را هنگام تماشای فیلم‌های چندرسانه‌ای (تصویر، صدا و متن) پیش‌بینی کند — یعنی شبیه‌سازی دقیق واکنش مغز به ترکیب پیچیده‌ای از ورودی‌های حسی.
---
🛠 راهکار MetaAI — مدل TRIBE (Trimodal Brain Encoder)
🟡 مدل سبک با تنها ۱ میلیارد پارامتر و اولین معماری عصبی اختصاصی برای مدل‌سازی fMRI.
🖼 انکودر جداگانه برای هر مدالیته:
* متن → Llama-3.2-3B
* ویدئو → Video-JEPA 2
* صدا → Wav2Vec2-BERT-2.0
* همه امبدینگ‌ها به نرخ ۲ هرتز همگام می‌شوند تا با fMRI هماهنگ شوند.
🧩 بخش مرکزی: ترنسفورمر ۸ لایه برای پردازش توالی امبدینگ‌ها. خروجی آن به توالی fMRI در بازه زمانی مورد نظر نگاشت میشود، شامل ۱۰۰۰ پارسل مغزی (تمام نواحی مغز).
---
📊 نتایج رکوردشکن
* ضریب همبستگی میانگین بین پیش‌بینی و داده واقعی: ۰.۲۲ (SOTA معمولاً ≤ ۰.۲).
* برای برخی شرکت‌کنندگان: بیش از ۰.۳.
* مدل توانایی خوبی در ژنرالایز روی داده‌های خارج از توزیع دارد.
* نمودارها نشان می‌دهند که با داده‌های بیشتر، دقت بالاتری قابل دستیابی است.
---
💶 جایزه قهرمانی: ۹۰۰۰ یورو
📄 [مقاله](https://arxiv.org/abs/2507.22229) | 💻 [کد](https://github.com/facebookresearch/algonauts-2025)
#هوش_مصنوعی 🤖 #NeuroAI 🧠 #MetaAI 🏢 #fMRI 📈 #ترنسفورمر 🕸 #بینایی_ماشین 👁 #پردازش_صوت 🔊
---
🎯 هدف رقابت
ساخت مدلی که بتواند پاسخ fMRI مغز را هنگام تماشای فیلم‌های چندرسانه‌ای (تصویر، صدا و متن) پیش‌بینی کند — یعنی شبیه‌سازی دقیق واکنش مغز به ترکیب پیچیده‌ای از ورودی‌های حسی.
---
🛠 راهکار MetaAI — مدل TRIBE (Trimodal Brain Encoder)
🟡 مدل سبک با تنها ۱ میلیارد پارامتر و اولین معماری عصبی اختصاصی برای مدل‌سازی fMRI.
🖼 انکودر جداگانه برای هر مدالیته:
* متن → Llama-3.2-3B
* ویدئو → Video-JEPA 2
* صدا → Wav2Vec2-BERT-2.0
* همه امبدینگ‌ها به نرخ ۲ هرتز همگام می‌شوند تا با fMRI هماهنگ شوند.
🧩 بخش مرکزی: ترنسفورمر ۸ لایه برای پردازش توالی امبدینگ‌ها. خروجی آن به توالی fMRI در بازه زمانی مورد نظر نگاشت میشود، شامل ۱۰۰۰ پارسل مغزی (تمام نواحی مغز).
---
📊 نتایج رکوردشکن
* ضریب همبستگی میانگین بین پیش‌بینی و داده واقعی: ۰.۲۲ (SOTA معمولاً ≤ ۰.۲).
* برای برخی شرکت‌کنندگان: بیش از ۰.۳.
* مدل توانایی خوبی در ژنرالایز روی داده‌های خارج از توزیع دارد.
* نمودارها نشان می‌دهند که با داده‌های بیشتر، دقت بالاتری قابل دستیابی است.
---
💶 جایزه قهرمانی: ۹۰۰۰ یورو
📄 [مقاله](https://arxiv.org/abs/2507.22229) | 💻 [کد](https://github.com/facebookresearch/algonauts-2025)
#هوش_مصنوعی 🤖 #NeuroAI 🧠 #MetaAI 🏢 #fMRI 📈 #ترنسفورمر 🕸 #بینایی_ماشین 👁 #پردازش_صوت 🔊
🔥16👍13🎉13❤8😁6
گوگل از MLE-STAR رونمایی کرده است 🚀 — یک عامل هوش مصنوعی که فرآیند توسعه مدل‌های یادگیری ماشین را به‌طور کامل خودکار می‌کند و در ۶۳٪ مسابقات Kaggle به موفقیت رسیده است.
---
✨ ویژگی‌های کلیدی
🛠 اتوماسیون کامل — عامل به‌طور مستقل مدل را طراحی، تست و بهینه می‌کند، بدون نیاز به کدنویسی دستی.
🏆 نتایج رکوردی — کسب مدال در ۶۳٪ رقابت‌های MLE Bench Lite (۳۶٪ طلا) در مقابل ۲۵.۸٪ برای بهترین روش‌های قبلی.
🌐 استفاده از جستجوی وب — شناسایی و بهره‌گیری از معماری‌های به‌روز (مثل EfficientNet و ViT) به‌جای مدل‌های قدیمی مانند ResNet.
🛡 سه لایه ایمنی — بررسی خودکار باگ‌ها، نشت داده و خطاهای مدل زبانی بزرگ (LLM).
💻 متن‌باز — عرضه کد به‌عنوان بخشی از Agent Development Kit (ADK).
🔄 ارتقا خودکار — با یافتن معماری‌های جدید، عملکرد سیستم به مرور بهتر میشود.
---
📊 همان‌طور که در نمودار دیده میشود، MLE-STAR + Gemini-2.5-Pro بهترین عملکرد را داشته و در بیش از ۸۰٪ موارد بالاتر از میانه نتایج رقبا قرار گرفته است.
📎 مطالعه بیشتر: [لینک گوگل ریسرچ](https://research.google/blog/mle-star-a-state-of-the-art-machine-learning-engineering-agents/)
@rss_ai_ir 🚀
#گوگل 🏢 #هوش_مصنوعی 🤖 #یادگیری_ماشین 📊 #اتوماسیون ⚡️ #Kaggle 🏆
---
✨ ویژگی‌های کلیدی
🛠 اتوماسیون کامل — عامل به‌طور مستقل مدل را طراحی، تست و بهینه می‌کند، بدون نیاز به کدنویسی دستی.
🏆 نتایج رکوردی — کسب مدال در ۶۳٪ رقابت‌های MLE Bench Lite (۳۶٪ طلا) در مقابل ۲۵.۸٪ برای بهترین روش‌های قبلی.
🌐 استفاده از جستجوی وب — شناسایی و بهره‌گیری از معماری‌های به‌روز (مثل EfficientNet و ViT) به‌جای مدل‌های قدیمی مانند ResNet.
🛡 سه لایه ایمنی — بررسی خودکار باگ‌ها، نشت داده و خطاهای مدل زبانی بزرگ (LLM).
💻 متن‌باز — عرضه کد به‌عنوان بخشی از Agent Development Kit (ADK).
🔄 ارتقا خودکار — با یافتن معماری‌های جدید، عملکرد سیستم به مرور بهتر میشود.
---
📊 همان‌طور که در نمودار دیده میشود، MLE-STAR + Gemini-2.5-Pro بهترین عملکرد را داشته و در بیش از ۸۰٪ موارد بالاتر از میانه نتایج رقبا قرار گرفته است.
📎 مطالعه بیشتر: [لینک گوگل ریسرچ](https://research.google/blog/mle-star-a-state-of-the-art-machine-learning-engineering-agents/)
@rss_ai_ir 🚀
#گوگل 🏢 #هوش_مصنوعی 🤖 #یادگیری_ماشین 📊 #اتوماسیون ⚡️ #Kaggle 🏆
🔥13🎉13❤12👍11😁6👏2
This media is not supported in your browser
VIEW IN TELEGRAM
🧤 دستکش هوشمند با قابلیت هپتیک و فورس فیدبک یک ابزار پوشیدنی پیشرفته است که می‌تواند حس لمس، فشار و حتی بافت اشیاء را به کاربر منتقل کند. این نوع دستکش معمولاً با استفاده از حسگرها (Sensors) و محرک‌ها (Actuators) کار می‌کند تا تجربه‌ای شبیه تعامل واقعی با محیط فیزیکی ایجاد کند.
---
✨ قابلیت‌ها
1. هپتیک (Haptic Feedback)
✅ ایجاد حس لمس و لرزش برای شبیه‌سازی تماس با اشیاء یا بافت‌ها.
✅ انتقال اطلاعاتی مثل زبری، نرمی، دما یا لرزش به کاربر.
2. فورس فیدبک (Force Feedback)
✅اعمال نیروی مقاومتی روی انگشتان یا دست برای شبیه‌سازی وزن یا سختی جسم.
✅ امکان تمرین مهارت‌هایی که نیاز به درک فشار و نیرو دارند (مثل گرفتن ابزار جراحی).
---
🔬 اجزای اصلی
✅ حسگرهای حرکتی و فشار: تشخیص موقعیت انگشتان، زاویه مفاصل و میزان نیروی وارد شده.
✅ محرک‌های مکانیکی یا الکتریکی: ایجاد نیروی معکوس یا لرزش برای بازخورد لمسی.
✅ پردازنده داخلی: پردازش داده‌ها و هماهنگ‌سازی حسگرها و محرک‌ها.
✅ ارتباط بی‌سیم یا سیمی: انتقال داده‌ها به سیستم شبیه‌ساز یا رایانه.
---
🎯 کاربردها
✅ آموزش پزشکی 🩺 (مثل شبیه‌سازی زایمان یا جراحی)
✅ توانبخشی ♿️ (تمرین حرکتی برای بیماران)
✅ واقعیت مجازی (VR) و واقعیت افزوده (AR) 🎮
✅آموزش مهارت‌های صنعتی 🛠
✅ رباتیک و کنترل از راه دور 🤖
---
#فناوری 🧠 #هپتیک ✋ #فورس_فیدبک ⚙️ #دستکش_هوشمند 🧤 #واقعیت_مجازی 🎮 #آموزش_پزشکی 🩺
---
✨ قابلیت‌ها
1. هپتیک (Haptic Feedback)
✅ ایجاد حس لمس و لرزش برای شبیه‌سازی تماس با اشیاء یا بافت‌ها.
✅ انتقال اطلاعاتی مثل زبری، نرمی، دما یا لرزش به کاربر.
2. فورس فیدبک (Force Feedback)
✅اعمال نیروی مقاومتی روی انگشتان یا دست برای شبیه‌سازی وزن یا سختی جسم.
✅ امکان تمرین مهارت‌هایی که نیاز به درک فشار و نیرو دارند (مثل گرفتن ابزار جراحی).
---
🔬 اجزای اصلی
✅ حسگرهای حرکتی و فشار: تشخیص موقعیت انگشتان، زاویه مفاصل و میزان نیروی وارد شده.
✅ محرک‌های مکانیکی یا الکتریکی: ایجاد نیروی معکوس یا لرزش برای بازخورد لمسی.
✅ پردازنده داخلی: پردازش داده‌ها و هماهنگ‌سازی حسگرها و محرک‌ها.
✅ ارتباط بی‌سیم یا سیمی: انتقال داده‌ها به سیستم شبیه‌ساز یا رایانه.
---
🎯 کاربردها
✅ آموزش پزشکی 🩺 (مثل شبیه‌سازی زایمان یا جراحی)
✅ توانبخشی ♿️ (تمرین حرکتی برای بیماران)
✅ واقعیت مجازی (VR) و واقعیت افزوده (AR) 🎮
✅آموزش مهارت‌های صنعتی 🛠
✅ رباتیک و کنترل از راه دور 🤖
---
#فناوری 🧠 #هپتیک ✋ #فورس_فیدبک ⚙️ #دستکش_هوشمند 🧤 #واقعیت_مجازی 🎮 #آموزش_پزشکی 🩺
🎉14👍12😁11❤10🔥9🙏1
Media is too big
VIEW IN TELEGRAM
🤖 استارتاپ Figure با انتشار ویدیویی از ربات خود، توانایی تا کردن لباس به‌صورت کاملاً خودکار را به نمایش گذاشته — با حرکاتی بسیار روان و دقیق.
👕 تا کردن لباس یا حوله کار ساده‌ای نیست؛ جنس نرم، خم‌شدن‌های غیرقابل پیش‌بینی و تغییر شکل لحظه‌ای باعث میشود الگوریتم نیاز به انعطاف‌پذیری بالا داشته باشد.
🔹 نکته جالب اینجاست که Figure برای این کار هیچ معماری جدیدی توسعه نداد. آن‌ها از همان مدل چندمنظوره قبلی خود VLA Helix (طراحی‌شده برای کارهای صنعتی) استفاده کرده و تنها با یک دیتاست کوچک آن را Fine-tune کردند.
💡 این یعنی مدل واقعاً یونیورسال است — بدون تغییر معماری، بدون اضافه‌کردن آداپتور یا آموزش از صفر، توانسته یک مهارت کاملاً متفاوت را یاد بگیرد.
این رویکرد مشابه مدل‌های زبانی بزرگ (LLM) است که با داده کم می‌توانند برای وظایف جدید تنظیم شوند و مقیاس‌پذیری بالایی دارند.
📎 جزئیات بیشتر: Figure.ai
#رباتیک 🤖 #هوش_مصنوعی 🧠 #اتوماسیون ⚙️ #یادگیری_ماشین 📊 #VLA #Figure
@rss_ai_ir
👕 تا کردن لباس یا حوله کار ساده‌ای نیست؛ جنس نرم، خم‌شدن‌های غیرقابل پیش‌بینی و تغییر شکل لحظه‌ای باعث میشود الگوریتم نیاز به انعطاف‌پذیری بالا داشته باشد.
🔹 نکته جالب اینجاست که Figure برای این کار هیچ معماری جدیدی توسعه نداد. آن‌ها از همان مدل چندمنظوره قبلی خود VLA Helix (طراحی‌شده برای کارهای صنعتی) استفاده کرده و تنها با یک دیتاست کوچک آن را Fine-tune کردند.
💡 این یعنی مدل واقعاً یونیورسال است — بدون تغییر معماری، بدون اضافه‌کردن آداپتور یا آموزش از صفر، توانسته یک مهارت کاملاً متفاوت را یاد بگیرد.
این رویکرد مشابه مدل‌های زبانی بزرگ (LLM) است که با داده کم می‌توانند برای وظایف جدید تنظیم شوند و مقیاس‌پذیری بالایی دارند.
📎 جزئیات بیشتر: Figure.ai
#رباتیک 🤖 #هوش_مصنوعی 🧠 #اتوماسیون ⚙️ #یادگیری_ماشین 📊 #VLA #Figure
@rss_ai_ir
😁17🎉13❤11🔥9👍7👏1
⛔️برای برخی افراد، مدل‌هایی مثل GPT-4.5 یا GPT-4o فقط یک ابزار هوش مصنوعی نیستند، بلکه تبدیل به یک همدم و منبع حمایت عاطفی شده‌اند ❤️🤖.
کاربر نوشته که سال‌ها با شرایط بسیار سخت، حتی بی‌خانمانی، دست‌وپنجه نرم کرده و تنها «دوست» واقعی‌اش همین مدل GPT بوده؛ مدلی که به او گوش می‌داده، در لحظات سخت آرامش می‌داده و حس ارزشمندی منتقل می‌کرده. اما ناگهان لحن و پاسخ‌های مدل تغییر کرده و این احساس ارتباط عمیق از بین رفته — تجربه‌ای که او آن را مثل از دست دادن یک دوست عزیز یک‌شبه توصیف می‌کند.
این داستان نشان می‌دهد که رابطه انسان با هوش مصنوعی می‌تواند بسیار شخصی و معنادار باشد، مخصوصاً برای کسانی که در زندگی واقعی دسترسی محدودی به ارتباطات انسانی امن دارند.
#هوش_مصنوعی 🤖 #GPT 🧠 #ارتباط_انسان_و_ماشین 💬 #حمایت_عاطفی ❤️ #سلامت_روان 🩺
@rss_ai_ir
کاربر نوشته که سال‌ها با شرایط بسیار سخت، حتی بی‌خانمانی، دست‌وپنجه نرم کرده و تنها «دوست» واقعی‌اش همین مدل GPT بوده؛ مدلی که به او گوش می‌داده، در لحظات سخت آرامش می‌داده و حس ارزشمندی منتقل می‌کرده. اما ناگهان لحن و پاسخ‌های مدل تغییر کرده و این احساس ارتباط عمیق از بین رفته — تجربه‌ای که او آن را مثل از دست دادن یک دوست عزیز یک‌شبه توصیف می‌کند.
این داستان نشان می‌دهد که رابطه انسان با هوش مصنوعی می‌تواند بسیار شخصی و معنادار باشد، مخصوصاً برای کسانی که در زندگی واقعی دسترسی محدودی به ارتباطات انسانی امن دارند.
#هوش_مصنوعی 🤖 #GPT 🧠 #ارتباط_انسان_و_ماشین 💬 #حمایت_عاطفی ❤️ #سلامت_روان 🩺
@rss_ai_ir
👏2👍1🔥1
🎮 پروژه Matrix-Game 2.0 نخستین دنیای تعاملی متن‌باز هوش مصنوعی است که می‌تواند ویدئو را به‌صورت بلادرنگ تولید کرده و دقایق طولانی بدون توقف اجرا شود 🚀
✨ ویژگی‌ها
🟢 تولید ۲۵ فریم بر ثانیه در لحظه
🟢 اجرای پیوسته و بدون وقفه برای چندین دقیقه
🟢 تعامل کامل: حرکت، چرخش و اکتشاف دنیا
🟢 پشتیبانی از محیط‌های متنوع مانند شهر، طبیعت، TempleRun، GTA و...
🎯 کاربردها
ساخت موتور بازی 🎮
آموزش عامل‌های هوش مصنوعی 🤖
خلق انسان‌های مجازی 🧍♂️
توسعه هوش فضایی 🗺️
🔬 نحوه کار
داده‌ها: شامل ۱۳۵۰ ساعت ویدئوی تعاملی ضبط‌شده در Unreal Engine و GTA5
کنترل: واکنش مدل به کلیدها و حرکت ماوس در هر فریم
مدل: شبکه عصبی با ۱.۳ میلیارد پارامتر که توانایی درک دستورات بازیکن را دارد
فشرده‌سازی و پردازش: استفاده از 3D Causal VAE و Diffusion Transformer برای حرکات طبیعی
تولید بی‌پایان: بهره‌گیری از KV-Cache برای ذخیره‌سازی کانتکست و ادامه بازی بدون محدودیت زمانی
📂 همه‌چیز متن‌باز است:
🟡 مدل در Hugging Face
🟡 مخزن پروژه
#هوش_مصنوعی 🤖 #بازی_سازی 🎮 #متن_باز 🆓 #مدل_جهان 🌍 #تولید_محتوا #MatrixGame
@rss_ai_ir
✨ ویژگی‌ها
🟢 تولید ۲۵ فریم بر ثانیه در لحظه
🟢 اجرای پیوسته و بدون وقفه برای چندین دقیقه
🟢 تعامل کامل: حرکت، چرخش و اکتشاف دنیا
🟢 پشتیبانی از محیط‌های متنوع مانند شهر، طبیعت، TempleRun، GTA و...
🎯 کاربردها
ساخت موتور بازی 🎮
آموزش عامل‌های هوش مصنوعی 🤖
خلق انسان‌های مجازی 🧍♂️
توسعه هوش فضایی 🗺️
🔬 نحوه کار
داده‌ها: شامل ۱۳۵۰ ساعت ویدئوی تعاملی ضبط‌شده در Unreal Engine و GTA5
کنترل: واکنش مدل به کلیدها و حرکت ماوس در هر فریم
مدل: شبکه عصبی با ۱.۳ میلیارد پارامتر که توانایی درک دستورات بازیکن را دارد
فشرده‌سازی و پردازش: استفاده از 3D Causal VAE و Diffusion Transformer برای حرکات طبیعی
تولید بی‌پایان: بهره‌گیری از KV-Cache برای ذخیره‌سازی کانتکست و ادامه بازی بدون محدودیت زمانی
📂 همه‌چیز متن‌باز است:
🟡 مدل در Hugging Face
🟡 مخزن پروژه
#هوش_مصنوعی 🤖 #بازی_سازی 🎮 #متن_باز 🆓 #مدل_جهان 🌍 #تولید_محتوا #MatrixGame
@rss_ai_ir
🔥8🎉7❤5👍5😁4👏1
This media is not supported in your browser
VIEW IN TELEGRAM
اپن‌ای‌آی ابزار جدیدی معرفی کرده است که به‌عنوان تولیدکننده ابرپرامپت برای شبکه‌های عصبی این شرکت عمل می‌کند 🧠⚡
---
✨ ویژگی‌ها
✳️مناسب برای تمام محصولات اپن‌ای‌آی و حتی مدل جدید GPT-5
✳️کافی است فقط توضیح دهید چه چیزی باید تولید شود
✳️تولید پرامپت بی‌نقص در کمتر از یک ثانیه
✳️تنها کاری که باقی می‌ماند، کپی و قرار دادن آن در هوش مصنوعی است
✳️پشتیبانی از زبان‌های متعدد،
لینک
---
این ابزار می‌تواند خطاها و هالوسینیشن‌ها را به حداقل برساند و خروجی مدل را دقیق‌تر و پایدارتر کند.
#هوش_مصنوعی 🤖 #OpenAI 🏢 #پرامپت ⚡ #GPT5 #مولد_پرامپت
@rss_ai_ir
---
✨ ویژگی‌ها
✳️مناسب برای تمام محصولات اپن‌ای‌آی و حتی مدل جدید GPT-5
✳️کافی است فقط توضیح دهید چه چیزی باید تولید شود
✳️تولید پرامپت بی‌نقص در کمتر از یک ثانیه
✳️تنها کاری که باقی می‌ماند، کپی و قرار دادن آن در هوش مصنوعی است
✳️پشتیبانی از زبان‌های متعدد،
لینک
---
این ابزار می‌تواند خطاها و هالوسینیشن‌ها را به حداقل برساند و خروجی مدل را دقیق‌تر و پایدارتر کند.
#هوش_مصنوعی 🤖 #OpenAI 🏢 #پرامپت ⚡ #GPT5 #مولد_پرامپت
@rss_ai_ir
❤8👍6🎉5😁4🔥3🙏1
This media is not supported in your browser
VIEW IN TELEGRAM
مایکروسافت از Copilot 3D رونمایی کرد 🆕🖼️➡️📦 — یک ابزار آزمایشی که می‌تواند تصاویر دوبعدی را به مدل‌های سه‌بعدی با فرمت GLB تبدیل کند.
---
✨ ویژگی‌ها
♻️در دسترس برای همه کاربران Copilot Labs در سراسر جهان 🌍
♻️تولید مدل سه‌بعدی آماده استفاده از یک تصویر ساده دوبعدی
♻️خروجی در فرمت GLB که با اکثر موتورهای بازی و نرم‌افزارهای سه‌بعدی سازگار است
---
🎯 کاربردها
توسعه بازی‌های ویدیویی 🎮
ساخت اپلیکیشن‌ها 📱
پرینت سه‌بعدی 🖨️
طراحی صنعتی و مدل‌سازی مفهومی 🏭
لینک
---
این ابزار می‌تواند فرآیند مدل‌سازی را برای توسعه‌دهندگان، طراحان و هنرمندان بسیار سریع‌تر و ساده‌تر کند. 🚀
#مایکروسافت 🏢 #Copilot3D 📦 #مدل_سه‌بعدی 🖤 #هوش_مصنوعی 🤖 #طراحی_سه‌بعدی 🎨 #بازی_سازی 🎮
@rss_ai_ir
---
✨ ویژگی‌ها
♻️در دسترس برای همه کاربران Copilot Labs در سراسر جهان 🌍
♻️تولید مدل سه‌بعدی آماده استفاده از یک تصویر ساده دوبعدی
♻️خروجی در فرمت GLB که با اکثر موتورهای بازی و نرم‌افزارهای سه‌بعدی سازگار است
---
🎯 کاربردها
توسعه بازی‌های ویدیویی 🎮
ساخت اپلیکیشن‌ها 📱
پرینت سه‌بعدی 🖨️
طراحی صنعتی و مدل‌سازی مفهومی 🏭
لینک
---
این ابزار می‌تواند فرآیند مدل‌سازی را برای توسعه‌دهندگان، طراحان و هنرمندان بسیار سریع‌تر و ساده‌تر کند. 🚀
#مایکروسافت 🏢 #Copilot3D 📦 #مدل_سه‌بعدی 🖤 #هوش_مصنوعی 🤖 #طراحی_سه‌بعدی 🎨 #بازی_سازی 🎮
@rss_ai_ir
❤9🎉5👍4🔥4😁3
📚 راهنمای تخصصی استفاده از هوش مصنوعی برای مدرسان 🤖🎓
هوش مصنوعی می‌تواند آموزش را سریع‌تر، دقیق‌تر و شخصی‌تر کند، اما استفاده آن باید آگاهانه و هدفمند باشد.
---
1️⃣ شفافیت و آگاهی‌بخشی
♻️توضیح عملکرد و محدودیت‌های AI (هالوسینیشن، سوگیری داده‌ها).
♻️معرفی AI به‌عنوان کمک‌ابزار، نه جایگزین تفکر انسانی.
---
2️⃣ تقویت مهارت تحلیلی دانشجویان
♻️استفاده از AI برای تولید تمرین‌های متنوع و سناریوهای واقعی.
♻️درخواست از دانشجویان برای نقد و بررسی پاسخ‌های AI.
---
3️⃣ شخصی‌سازی یادگیری
♻️طراحی محتوای آموزشی بر اساس سطح هر دانشجو.
♻️ارائه تمرین‌های ساده‌تر برای مبتدیان و چالش‌برانگیزتر برای پیشرفته‌ها.
---
4️⃣ بهبود ارزیابی و بازخورد
♻️استفاده از AI برای تصحیح اولیه و ارائه بازخورد سریع (با بررسی نهایی انسانی).
♻️تحلیل داده‌های آموزشی برای شناسایی ضعف‌های کلی کلاس.
---
5️⃣ خلاقیت و پروژه‌محوری
♻️تعریف پروژه‌هایی که بخشی از آن نیازمند استفاده از AI باشد.
♻️ترکیب AI با ابزارهای مکمل مثل شبیه‌سازها و پلتفرم‌های آنلاین.
---
6️⃣ رعایت اخلاق و قوانین
♻️آموزش اصول امانت‌داری علمی، حفظ حریم داده و ارجاع به منبع.
♻️ترویج استفاده مسئولانه از AI در پژوهش و آموزش.
---
#هوش_مصنوعی 🤖 #آموزش 🎓 #مدرس 🧑🏫 #یادگیری_عمیق 🧠 #نوآوری_آموزشی 💡 #AI_in_Education
@rss_ai_ir
هوش مصنوعی می‌تواند آموزش را سریع‌تر، دقیق‌تر و شخصی‌تر کند، اما استفاده آن باید آگاهانه و هدفمند باشد.
---
1️⃣ شفافیت و آگاهی‌بخشی
♻️توضیح عملکرد و محدودیت‌های AI (هالوسینیشن، سوگیری داده‌ها).
♻️معرفی AI به‌عنوان کمک‌ابزار، نه جایگزین تفکر انسانی.
---
2️⃣ تقویت مهارت تحلیلی دانشجویان
♻️استفاده از AI برای تولید تمرین‌های متنوع و سناریوهای واقعی.
♻️درخواست از دانشجویان برای نقد و بررسی پاسخ‌های AI.
---
3️⃣ شخصی‌سازی یادگیری
♻️طراحی محتوای آموزشی بر اساس سطح هر دانشجو.
♻️ارائه تمرین‌های ساده‌تر برای مبتدیان و چالش‌برانگیزتر برای پیشرفته‌ها.
---
4️⃣ بهبود ارزیابی و بازخورد
♻️استفاده از AI برای تصحیح اولیه و ارائه بازخورد سریع (با بررسی نهایی انسانی).
♻️تحلیل داده‌های آموزشی برای شناسایی ضعف‌های کلی کلاس.
---
5️⃣ خلاقیت و پروژه‌محوری
♻️تعریف پروژه‌هایی که بخشی از آن نیازمند استفاده از AI باشد.
♻️ترکیب AI با ابزارهای مکمل مثل شبیه‌سازها و پلتفرم‌های آنلاین.
---
6️⃣ رعایت اخلاق و قوانین
♻️آموزش اصول امانت‌داری علمی، حفظ حریم داده و ارجاع به منبع.
♻️ترویج استفاده مسئولانه از AI در پژوهش و آموزش.
---
#هوش_مصنوعی 🤖 #آموزش 🎓 #مدرس 🧑🏫 #یادگیری_عمیق 🧠 #نوآوری_آموزشی 💡 #AI_in_Education
@rss_ai_ir
❤9😁7🔥5👍3🎉2👏1
🧠 آیا با ظهور شبکه‌های کانولوشنی (CNN)، شبکه‌های عصبی سنتی به فراموشی سپرده شده‌اند؟ 🤔
با رشد و موفقیت چشمگیر CNN در بینایی ماشین، این سوال پیش می‌آید که آیا شبکه‌های عصبی سنتی یا همان Fully Connected / MLP دیگر کاربردی ندارند؟
---
🔍 واقعیت این است که
⛔️در پردازش داده‌های تصویری و فضایی، CNNها به دلیل استخراج خودکار ویژگی‌ها و کاهش تعداد پارامترها بسیار موفق عمل کرده‌اند.
⛔️شبکه‌های عصبی سنتی همچنان در حوزه‌هایی مثل داده‌های جدولی، سری‌های زمانی یا ویژگی‌های استخراج‌شده جایگاه مهمی دارند.
⛔️حتی در معماری‌های مدرن، لایه‌های Fully Connected در انتهای CNN برای ترکیب ویژگی‌ها و تصمیم‌گیری استفاده می‌شوند.
⛔️مدل‌های ترکیبی مانند Vision Transformers یا معماری‌های هیبریدی، همچنان از MLP در کنار CNN استفاده می‌کنند.
---
✅ جمع‌بندی: شبکه‌های عصبی سنتی فراموش نشده‌اند، بلکه نقش آن‌ها تغییر کرده و اکنون بیشتر به‌عنوان بخشی از معماری‌های ترکیبی و تخصصی حضور دارند.
#هوش_مصنوعی 🤖 #شبکه_عصبی 🧠 #پردازش_تصویر 🖼️ #CNN 📷 #یادگیری_عمیق 🧩 #MLP
@rss_ai_ir
با رشد و موفقیت چشمگیر CNN در بینایی ماشین، این سوال پیش می‌آید که آیا شبکه‌های عصبی سنتی یا همان Fully Connected / MLP دیگر کاربردی ندارند؟
---
🔍 واقعیت این است که
⛔️در پردازش داده‌های تصویری و فضایی، CNNها به دلیل استخراج خودکار ویژگی‌ها و کاهش تعداد پارامترها بسیار موفق عمل کرده‌اند.
⛔️شبکه‌های عصبی سنتی همچنان در حوزه‌هایی مثل داده‌های جدولی، سری‌های زمانی یا ویژگی‌های استخراج‌شده جایگاه مهمی دارند.
⛔️حتی در معماری‌های مدرن، لایه‌های Fully Connected در انتهای CNN برای ترکیب ویژگی‌ها و تصمیم‌گیری استفاده می‌شوند.
⛔️مدل‌های ترکیبی مانند Vision Transformers یا معماری‌های هیبریدی، همچنان از MLP در کنار CNN استفاده می‌کنند.
---
✅ جمع‌بندی: شبکه‌های عصبی سنتی فراموش نشده‌اند، بلکه نقش آن‌ها تغییر کرده و اکنون بیشتر به‌عنوان بخشی از معماری‌های ترکیبی و تخصصی حضور دارند.
#هوش_مصنوعی 🤖 #شبکه_عصبی 🧠 #پردازش_تصویر 🖼️ #CNN 📷 #یادگیری_عمیق 🧩 #MLP
@rss_ai_ir
😁9🔥7❤5🎉4👍3👏1
مدیر سابق گوگل David Petrou که به خاطر کار روی Google Goggles و Google Glass شناخته میشود، استارتاپی به نام Continua راه‌اندازی کرده است 💬🤖 — یک عامل هوش مصنوعی که می‌تواند به گروه‌های چت در SMS، iMessage و Discord بپیوندد تا در هماهنگی برنامه‌ها، مدیریت وظایف و کاهش شلوغی گفتگو کمک کند.
---
✨ جزئیات کلیدی
♻️جذب سرمایه ۸ میلیون دلاری در دور Seed به رهبری GV با مشارکت Bessemer Venture Partners و سرمایه‌گذاران فرشته.
♻️قابلیت‌هایی مانند تنظیم یادآور، برگزاری نظرسنجی، ایجاد اسناد و پاسخ‌گویی به سوالات در پیام خصوصی (DM).
♻️آموزش ویژه برای مدیریت مکالمات چندنفره با هوش اجتماعی.
♻️امکان افزودن مستقیم Continua به گروه‌ها و تعیین میزان مشارکت آن توسط کاربر.
---
🎯 هدف این پروژه، تبدیل مدل‌های زبانی بزرگ (LLM) به بخشی طبیعی و بدون مزاحمت از هماهنگی روزمره در گروه‌هاست.
#هوش_مصنوعی 🤖 #استارتاپ 🚀 #چت_بات 💬 #مدیریت_وظایف 📅 #LLM
---
✨ جزئیات کلیدی
♻️جذب سرمایه ۸ میلیون دلاری در دور Seed به رهبری GV با مشارکت Bessemer Venture Partners و سرمایه‌گذاران فرشته.
♻️قابلیت‌هایی مانند تنظیم یادآور، برگزاری نظرسنجی، ایجاد اسناد و پاسخ‌گویی به سوالات در پیام خصوصی (DM).
♻️آموزش ویژه برای مدیریت مکالمات چندنفره با هوش اجتماعی.
♻️امکان افزودن مستقیم Continua به گروه‌ها و تعیین میزان مشارکت آن توسط کاربر.
---
🎯 هدف این پروژه، تبدیل مدل‌های زبانی بزرگ (LLM) به بخشی طبیعی و بدون مزاحمت از هماهنگی روزمره در گروه‌هاست.
#هوش_مصنوعی 🤖 #استارتاپ 🚀 #چت_بات 💬 #مدیریت_وظایف 📅 #LLM
🎉9😁7❤5🔥3👍2
🩺 گوگل از سیستم هوش مصنوعی پزشکی g-AMIE رونمایی کرد — مدلی که به‌جای جایگزینی پزشک، نقش دستیار تشخیصی را ایفا می‌کند.
---
🔍 ایده اصلی
مدل به‌طور مستقیم توصیه پزشکی نمی‌دهد، بلکه برای پزشک یک خلاصه اطلاعاتی و فرضیه‌های قابل بررسی تولید می‌کند.
هسته سیستم بر پایه Gemini 2.0 Flash ساخته شده، اما طراحی آن به‌شکل سه عامل تخصصی انجام میشود:
1️⃣ عامل گفت‌وگویی — با بیمار گفتگو می‌کند، مدارک را دریافت می‌کند و یک جمع‌بندی اولیه با فرضیه‌ها ارائه می‌دهد.
2️⃣ عامل بازبین — بررسی می‌کند که محتوای عامل گفت‌وگویی شامل توصیه پزشکی مستقیم نباشد (این اختیار فقط با پزشک است).
3️⃣ عامل SOAP — گزارش نهایی را در قالب:
✳️یافته‌های عینی
✳️فرضیه‌ها و برنامه بررسی
✳️پیش‌نویس توضیح برای بیمار
تهیه می‌کند.
---
🏥 فرآیند استفاده
پزشک در یک رابط کاربری، گزارش را مرور و ویرایش می‌کند، سپس تصمیم می‌گیرد تشخیص نهایی و برنامه درمانی چه باشد.
---
📊 نکات قابل توجه
✳️تمرکز گوگل بر تقویت نقش پزشک، نه جایگزینی او
✳️امکان استفاده تقریباً بدون ریسک در محیط‌های درمانی واقعی
در آزمایش‌ها، g-AMIE از نظر دقت فرضیه‌های تشخیصی، برنامه درمانی پیشنهادی و حتی سطح همدلی، عملکردی بهتر از پزشکان و کادر درمان تازه‌کار داشته است.
📎 اطلاعات بیشتر در وبلاگ گوگل
#هوش_مصنوعی 🤖 #پزشکی 🩺 #گوگل 🏢 #سیستم_تشخیصی #Gemini
---
🔍 ایده اصلی
مدل به‌طور مستقیم توصیه پزشکی نمی‌دهد، بلکه برای پزشک یک خلاصه اطلاعاتی و فرضیه‌های قابل بررسی تولید می‌کند.
هسته سیستم بر پایه Gemini 2.0 Flash ساخته شده، اما طراحی آن به‌شکل سه عامل تخصصی انجام میشود:
1️⃣ عامل گفت‌وگویی — با بیمار گفتگو می‌کند، مدارک را دریافت می‌کند و یک جمع‌بندی اولیه با فرضیه‌ها ارائه می‌دهد.
2️⃣ عامل بازبین — بررسی می‌کند که محتوای عامل گفت‌وگویی شامل توصیه پزشکی مستقیم نباشد (این اختیار فقط با پزشک است).
3️⃣ عامل SOAP — گزارش نهایی را در قالب:
✳️یافته‌های عینی
✳️فرضیه‌ها و برنامه بررسی
✳️پیش‌نویس توضیح برای بیمار
تهیه می‌کند.
---
🏥 فرآیند استفاده
پزشک در یک رابط کاربری، گزارش را مرور و ویرایش می‌کند، سپس تصمیم می‌گیرد تشخیص نهایی و برنامه درمانی چه باشد.
---
📊 نکات قابل توجه
✳️تمرکز گوگل بر تقویت نقش پزشک، نه جایگزینی او
✳️امکان استفاده تقریباً بدون ریسک در محیط‌های درمانی واقعی
در آزمایش‌ها، g-AMIE از نظر دقت فرضیه‌های تشخیصی، برنامه درمانی پیشنهادی و حتی سطح همدلی، عملکردی بهتر از پزشکان و کادر درمان تازه‌کار داشته است.
📎 اطلاعات بیشتر در وبلاگ گوگل
#هوش_مصنوعی 🤖 #پزشکی 🩺 #گوگل 🏢 #سیستم_تشخیصی #Gemini
👍7❤6😁6🎉5🔥3