👌 برای داشتن یک دفاع خوب در زمان ارائه پروپوزال صنعتی هوش مصنوعی باید علاوه بر توضیح ایده و کاربرد، روی نحوه ارائه هم کار کنید. یکی از مواردی که امروز بسیار مهم شده و می‌تواند دفاع شما را حرفه‌ای و به‌روز نشان دهد، استفاده از نرم‌افزارهای ارائه پیشرفته و تعاملی است.


---

🔹 نکات کلیدی برای دفاع موفق:

1. شروع قوی: در چند دقیقه اول باید مشکل صنعتی را شفاف و تاثیرگذار بیان کنید (با عدد، آمار یا مثال واقعی).


2. نمایش کاربرد هوش مصنوعی: نشان دهید AI دقیقاً کجا وارد خط تولید یا فرآیند می‌شود (مثلاً کاهش خطای انسانی، پیش‌بینی خرابی تجهیزات، بهینه‌سازی کیفیت).

3. زبان ساده برای مدیران: مدیران صنعتی همیشه فنی نیستند؛ بخش‌های پیچیده را ساده‌سازی کنید.

4. مفهوم ROI و ارزش اقتصادی: بگویید پروژه چطور هزینه را کاهش یا سود را افزایش می‌دهد.

5. نمایش عملی یا دموی کوتاه: حتی یک شبیه‌سازی ساده درک مخاطب را چند برابر می‌کند.

---

🔹 یکی از موارد جدید برای ارائه بهتر:
امروزه می‌توانید از ابزارهایی مثل:

♻️استفاده Pitch.com یا Beautiful.ai برای طراحی اسلایدهای هوشمند و مینیمال

♻️استفاده Canva AI Presentations برای ساخت اسلاید با ورودی متنی و اتوماسیون طراحی

♻️استفاده Tome AI برای ساخت ارائه تعاملی همراه با نمودار و دموهای ویدیویی

♻️استفاده Notion AI + Loom برای ترکیب متن، دیاگرام و ویدئو
---

🔑 نتیجه:
امروز فقط داشتن اسلاید کافی نیست؛ باید ارائه شما شبیه یک داستان تصویری باشد. اگر از نرم‌افزارهای جدید ارائه استفاده کنید، پیام شما برای مدیران صنعتی بسیار تاثیرگذارتر خواهد بود.

@rss_ai_ir

😂 ترکیب خنده‌دار و خفن: Nano Banana + Runway Act 2

📌 سناریو خیلی ساده‌ست:
1️⃣ یه عکس از خودتون بردارید.
2️⃣ بندازیدش توی نانابانانا و هر جور دوست دارید با انوتیشن و ادیت روش «شوخی» کنید 😅 (بزرگ کردن عینک، تغییر استایل، اضافه کردن پس‌زمینه عجیب و …).
3️⃣ خروجی رو بدید به Runway Act 2 برای تبدیل به ویدیو.

🔥 نتیجه: یه ویدیو خفن و فان از خودتون که هیچکس باورش نمی‌شه با دو تا ابزار ساخته شده.

📊@rss_ai_ir

⚠️ تغییرات جدید در سیاست‌های Anthropic برای آموزش Claude

♻️شرکت Anthropic اعلام کرد که از این پس، کاربران خودشان انتخاب می‌کنند که آیا چت‌ها و جلسات کدنویسی‌شان برای آموزش مدل Claude استفاده شود یا نه.

📌 نکات مهم:

♻️در صورت موافقت، داده‌ها می‌توانند تا ۵ سال ذخیره شوند (به‌جای ۳۰ روز).

♻️باید تصمیم‌گیری تا ۲۸ سپتامبر ۲۰۲۵ انجام شود. پذیرش تنظیمات بلافاصله فعال می‌شود.

♻️این قابلیت برای تمام پلن‌های Free، Pro و Max در دسترس است.


❌ اگر نمی‌خواهید داده‌ها استفاده شوند:

هنگام نمایش pop-up کافیست تومبلر را روی Off بگذارید.

اگر اشتباهاً پذیرفتید، مسیر Settings → Privacy → Privacy Settings → Help improve Claude را باز کنید و گزینه را خاموش کنید.


ℹ️ توجه:

✳️می‌توانید هر زمان تصمیم‌تان را تغییر دهید، اما تنظیمات جدید فقط روی داده‌های آینده اعمال می‌شود. داده‌های قبلی حذف نمی‌شوند.

✳️این تغییرات فقط مربوط به کاربران عادی (Consumer Plans) است و شامل Claude for Work، Gov، Education و API (Bedrock, Vertex AI) نمی‌شود.

✳️در اپلیکیشن، یک pop-up با دکمه بزرگ Accept ظاهر می‌شود که تومبلر آن به‌طور پیش‌فرض روشن است.


⛔️همچنین Anthropic تاکید کرده که داده‌های حساس را فیلتر یا ماسک می‌کند و اطلاعات کاربران را نمی‌فروشد.

🔗 جزئیات بیشتر: anthropic.com/news/updates-to-our-consumer-terms

#Claude #هوش_مصنوعی #حریم_خصوصی

@rss_ai_ir

🎥 ویدئو‌سازی همزمان با Krea.ai

استارتاپ Krea ثبت‌نام در لیست انتظار برای قابلیت جدید تولید ویدئو در زمان واقعی را آغاز کرد.

⚡ مشخصات:

♻️نرخ فریم بیش از ۱۲ فریم بر ثانیه
♻️ورودی می‌تواند شامل پرامپت متنی، تصویر، اسکرین‌شات یا حتی وبکم باشد
♻️خروجی: ویدئویی که تقریباً به‌صورت همزمان ساخته می‌شود


🖌️ شاید یادتان باشد که Krea اولین تیمی بود که قابلیت نقاشی زنده یا همان تولید تصویر همزمان را معرفی کرد (همزمان با Vizcom). حالا یک گام فراتر رفته و با استفاده از چیزی شبیه به «مدل جهان» توانسته یک زیررندر زنده از آنچه کاربر می‌خواهد ایجاد کند.

🔗 جزئیات بیشتر: krea.ai/blog/announcing-realtime-video

📌 به نظر می‌رسد این قابلیت بتواند انقلابی در طراحی، بازی‌سازی و تولید محتوا به وجود بیاورد.

#ویدئو #هوش_مصنوعی #Realtime #AI #GenerativeAI

@rss_ai_ir

🌈 ردیابی سه‌بعدی چندنما (Multi-View 3D Tracking) 🌈

🔹 پروژه MVTracker به‌عنوان اولین سیستم داده‌محور برای ردیابی نقاط سه‌بعدی دلخواه در چندین دوربین معرفی شد. این روش امکان ردیابی دقیق اشیاء و نقاط را از زوایای مختلف فراهم می‌کند.

📊 دسترسی‌ها:
👉 مقاله (arXiv)
👉 پروژه
👉 مخزن کد (Repo)

#AI #ComputerVision #3DTracking #هوش_مصنوعی #بینایی_ماشین

@rss_ai_ir

🌊 مدوزای سایبورگ؛ ربات زنده اعماق دریا 🪼

ایده‌ی استفاده از حیوانات به‌عنوان ربات چیز تازه‌ای نیست (مثلاً سوسک‌های کنترل‌شده)، اما این بار نوبت مدوزاست! پژوهشگران در آزمایشگاه Dabiri Lab موفق شدند حرکت این موجودات دریایی را با تحریک نورون‌های ساده‌ی آن‌ها کنترل کنند و آن‌ها را به ربات‌های زیردریایی زنده تبدیل نمایند.

🔹 ویژگی‌ها و مزایا:

🧠 مدوزا سیستم عصبی مرکزی یا گیرنده درد ندارد؛ بنابراین از نظر اخلاقی آسیب نمی‌بیند.

⚡️ هزینه‌ی اکتشاف به شدت کاهش می‌یابد؛ می‌توان به‌جای میلیون‌ها دلار صرف تجهیزات، از این موجودات طبیعی بهره برد.

📊 هدف اصلی: جمع‌آوری داده‌های محیطی (دما، فشار، شوری و غیره) در اعماق اقیانوس.


🔹 چالش‌ها:

♻️مدوزاها می‌توانند حمل بارهای علمی نسبتاً سنگین را انجام دهند.
♻️اما در حال حاضر بیشتر حرکتشان عمودی است؛ چون مرکز جرم تغییر می‌کند و کنترل جانبی هنوز نیاز به پیشرفت دارد.
♻️این پروژه می‌تواند آینده‌ی اکتشاف اقیانوس‌ها را متحول کند؛ دسترسی به اعماق را برای گروه‌های تحقیقاتی کوچک و کم‌بودجه هم ممکن می‌سازد.
و البته… دیدن تصاویر این مدوزاهای سایبورگ در حال شنا واقعاً چشم‌نواز است ✨

📎 جزئیات بیشتر: LA Times

#هوش_مصنوعی #روباتیک #مدوزا #اکتشاف_دریایی #بیوهیبرید

@rss_ai_ir

🏓 ربات پینگ‌پنگ‌باز برکلی 🤖

مهندسان دانشگاه UC Berkeley یک ربات انسان‌نما معرفی کردند که توانست در بازی تنیس‌روی‌میز ۱۰۶ ضربه‌ی متوالی را بدون خطا برگرداند! 🔥

این ربات کاملاً خودمختار عمل می‌کند (بدون کنترل از راه دور):

🔹 پیش‌بینی هوشمند: مسیر توپ را محاسبه می‌کند و بهترین نقطه، زمان و سرعت ضربه را تعیین می‌کند.
🔹 کنترل یادگیری تقویتی (RL): برنامه‌ی حرکتی را به حرکت‌های هماهنگ دست‌ها و پاها تبدیل می‌کند و تعادل ربات را هنگام ضربه حفظ می‌کند.
🔹 یادگیری از ویدئوهای واقعی: حرکات طبیعی و شبیه انسان‌اند، نه خشک و رباتیک.
🔹 سرعت بالا: حلقه‌ی کنترلی در کمتر از یک ثانیه بسته می‌شود، به همین دلیل ربات می‌تواند رالی‌های طولانی و بدون خطا اجرا کند.


این پیشرفت می‌تواند آینده‌ی ورزش‌های رباتیک و آموزش هوشمند را متحول کند. 🎯
@rss_ai_ir

#رباتیک #هوش_مصنوعی #ورزش #Berkeley #PingPong

📉 شوک بازار کار؛ بیکاری جوانان در حوزه نرم‌افزار و خدمات مشتری

🔹 در ابتدا تصور می‌شد افزایش بیکاری میان توسعه‌دهندگان نرم‌افزار ناشی از استخدام بیش‌ازحد در سال‌های قبل است.
🔹 اما داده‌های جدید نشان می‌دهد موضوع فراتر از این است: بخش‌هایی مانند Junior Software Developers (22–25 ساله) و خدمات مشتری بیشترین ضربه را خورده‌اند.
🔹 اشتغال جوانان توسعه‌دهنده نرم‌افزار نسبت به اوج سال ۲۰۲۲ حدود ۲۰٪ کاهش یافته، در حالی که برای گروه‌های سنی بالاتر روند استخدام همچنان صعودی است.
🔹 الگوی مشابهی در خدمات مشتری دیده می‌شود؛ حوزه‌ای که به شدت در معرض جایگزینی با هوش مصنوعی قرار دارد.

⚠️ به بیان ساده، تقاضا برای نیروهای تازه‌وارد در این صنایع تقریبا از بین رفته است.
داریو آمودئی نیز پیش‌تر نسبت به این موج بیکاری هشدار داده بود.

@rss_ai_ir

#بیکاری #بازارکار #هوش_مصنوعی #AI #Software #CustomerService

📌 خبر مهم از Anthropic

🔻 شرکت Anthropic رسماً اعلام کرده که قصد دارد مدل‌های خود (مثل Claude) را روی داده‌های کاربران هم آموزش دهد. این داده‌ها شامل تاریخچه چت‌ها و سشن‌های کدنویسی می‌شود.

🗓️ همه کاربران تا تاریخ ۲۸ سپتامبر ۲۰۲۵ باید تصمیم بگیرند که آیا اجازه استفاده از داده‌هایشان برای آموزش داده شود یا خیر.

🔑 جزئیات مهم:

♻️به صورت پیش‌فرض ❌ داده‌های شما استفاده نمی‌شوند. برای اشتراک‌گذاری باید حتماً روی گزینه Accept کلیک کنید.

♻️این سیاست فقط شامل چت‌های جدید یا دوباره شروع‌شده می‌شود. داده‌های قدیمی مشمول آن نخواهند بود.

♻️اگر قبول کنید، داده‌هایتان می‌توانند تا ۵ سال ذخیره شوند.

♻️این تغییر فقط برای کاربران عادی (Free, Pro, Max) اعمال می‌شود. API، Claude for Work، Gov و Education شامل آن نیستند.

♻️همچنین Anthropic تأکید کرده که کاربران حق انتخاب دارند و داده‌های حساس فیلتر یا ماسک می‌شوند.


⚡️ جمع‌بندی: این موضوع دیر یا زود اتفاق می‌افتاد، اما حداقل Anthropic به‌طور شفاف اطلاع‌رسانی کرده و به کاربران اختیار داده است.

🔗 متن کامل خبر

#AI_news #Claude #Anthropic #حریم_خصوصی

@rss_ai_ir

🚀 معرفی Environments Hub؛ فروشگاه باز برای RL-Agents

🔹 شرکت Prime Intellect اولین پلتفرم باز برای ساخت و استفاده از محیط‌های یادگیری تقویتی (RL Environments) را معرفی کرد.

🌍 محیط RL همان دنیای مجازی‌ای است که قوانین و سیستم پاداش آن تعریف می‌شود تا عامل‌ها در آن آموزش ببینند.

✍️ مشکل اصلی اینجاست: ساخت یک محیط واقعی و پیچیده برای آموزش، بسیار پرهزینه است. مثلاً برای آموزش یک عامل برنامه‌نویس نیاز به:

✳️محیط شبیه‌سازی شده IDE با کامپایلر و دیباگر
✳️تعریف دقیق Reward Function
✳️ابزارهای مانیتورینگ و پایپ‌لاین آموزش
✳️مجموعه داده‌های واقعی و Edge-caseهای متعدد
✳️چنین چیزی در آزمایشگاه‌های بزرگ میلیون‌ها دلار هزینه دارد و در اوپن‌سورس تقریباً مشابهی وجود نداشت.

⚡ حالا Environments Hub این مشکل را حل می‌کند:

♻️اولین و تنها استور باز برای محیط‌های آماده RL
♻️شامل محیط‌هایی برای آموزش عامل‌های برنامه‌نویس، ریاضی‌دان، گیمر و بسیاری حوزه‌های دیگر
♻️کاهش چشمگیر هزینه و زمان توسعه RL


💡 آندری کارپاتی هم این حرکت را به شدت تحسین کرده و آن را یک تغییر بازی (Game Changer) در توسعه عامل‌ها دانسته است.

🔗 خودتان ببینید: Environments Hub

#هوش_مصنوعی #RL #یادگیری_تقویتی #AI_industrial_news #Agents

@rss_ai_ir