⚡️ اجرای بازی افسانه‌ای DOOM فقط با SQL — داخل دیتابیس CedarDB!

بله درست خواندید! DOOM نه فقط اجرا شده، بلکه حتی مولتی‌پلیر هم دارد و تمام گرافیک آن با ASCII رندر می‌شود. 🎮

هر جزء بازی — از رندر گرفته تا همگام‌سازی بازیکنان — فقط و فقط با کوئری‌های SQL نوشته شده است.

🔗 سورس کد برای علاقه‌مندان به کدنویسی عجیب و خلاق:
👉 github.com/cedardb/DOOMQL

@rss_ai_ir

#SQL #DOOM #Database #Gamedev #ASCII #Nostalgia

در صنعت چرا باید سراغ PLC برویم و نه میکروکنترلر؟ 🤔

🔹 دلیل اول: پایداری و مقاومت بالا در شرایط صنعتی (نویز، دما، گرد و غبار)
🔹 دلیل دوم: سادگی برنامه‌نویسی با زبان‌هایی مثل Ladder که برای تکنسین‌ها آشناست
🔹 دلیل سوم: ماژولار بودن و امکان توسعه با ماژول‌های I/O متنوع
🔹 دلیل چهارم: رعایت استانداردها و ایمنی (SIL, IEC, CE)
🔹 دلیل پنجم: نگهداری آسان توسط اپراتور و تکنسین بدون نیاز به دانش برنامه‌نویسی عمیق
🔹 دلیل ششم: پشتیبانی طولانی‌مدت برندهای معتبر (Siemens، Omron، Schneider و …)

✅ نتیجه:
میکروکنترلر برای پروژه‌های کوچک و محصولات خاص کاربرد دارد، اما در خطوط تولید و محیط‌های صنعتی، PLC انتخاب اصلی است چون پایدار، استاندارد و نگهداری‌اش ساده است.

#اتوماسیون #صنعت #PLC #هوش_مصنوعی #کنترل_فرایند

@rss_ai_ir

🧠 SpikingBrain-7B:
مدل‌های الهام‌گرفته از عصب‌شناسی

✅مدل SpikingBrain-7B معماری‌ای است که از سازوکارهای مغز الهام گرفته و با ترکیب توجه هیبریدی و ماژول‌های MoE (Mixture of Experts) طراحی شده است. این مدل با حداقل داده‌ها عملکرد بالا دارد و برای کلاسترهایی بدون نیاز به کارت‌های NVIDIA بهینه‌سازی شده است؛ همین ویژگی امکان افزایش چشمگیر سرعت آموزش و استنتاج را فراهم می‌کند.

🚀 ویژگی‌های کلیدی:

✳️ادغام توجه هیبریدی و MoE
✳️پشتیبانی از آموزش کم‌هزینه با استفاده از کمتر از ۲٪ داده‌ها
✳️بهینه‌سازی‌شده برای کلاسترهای MetaX
✳️بیش از ۱۰۰ برابر سرعت بیشتر در پردازش توالی‌های طولانی

⛔️ارائه نسخه‌های آماده در HuggingFace و نسخه کوانتیزه‌شده


📌 GitHub: SpikingBrain-7B

#هوش_مصنوعی #مدل_زبان #SpikingBrain #MoE #NeuroAI #DeepLearning #HuggingFace

🔥 انقلاب جدید متا: آموزش هوش مصنوعی بدون داده‌های تازه

لابراتوار Meta Superintelligence روشی نوآورانه به نام Language Self-Play (LSP) معرفی کرده که می‌تواند روند آموزش مدل‌های زبانی بزرگ را متحول کند.

⚠️ مسئله: پیشرفت LLMها تاکنون با مقیاس و یادگیری تقویتی ممکن شده، اما داده‌های تازه و باکیفیت اینترنت به سرعت در حال اتمام است.

📌 راه‌حل: در روش LSP، مدل با خودش وارد رقابت می‌شود و با یک فرآیند بازی درونی (Self-Play) به‌طور مداوم سیاست‌های خود را اصلاح و بهبود می‌دهد.

✅ نتایج: در آزمایش‌ها با Llama-3.2-3B-Instruct، این روش باعث بهبود مهارت‌های پیروی از دستور شد؛ بدون استفاده از داده‌های خارجی و حتی بهتر از فاین‌تیونینگ سنتی.

🔮 اهمیت ماجرا این است که LSP می‌تواند راهی مقیاس‌پذیر و مستقل از داده‌های جدید برای پیشبرد توانایی‌های هوش مصنوعی باشد؛ حتی زمانی که منابع متنی اینترنت به پایان برسند.

Link

@rss_ai_ir

#هوش_مصنوعی #Meta #LLM #SelfPlay #یادگیری_ماشین #نوآوری

💣 بمب خبری: قابلیت ویرایش مستقیم فایل‌ها در Claude

کلود (Anthropic) حالا یک محیط ویژه‌ی کامپیوتری باز می‌کند که می‌تواند اکسل، ورد، پاورپوینت و حتی PDF شما را نه فقط تحلیل، بلکه مستقیماً ویرایش کند!

📊 سناریوهای کاربردی:

✳️مدل مالی در اکسل بسازید: کافیست بگویید «یک فایل بودجه ماهانه با دسته‌بندی درآمد، هزینه و محاسبه خودکار پس‌انداز بساز» → کلود جدول، فرمول و حتی نمودار آماده می‌کند.

✳️گزارش حرفه‌ای تولید کنید: داده‌های CSV بدهید و بخواهید «یک گزارش فصلی فروش با تحلیل روند و پیشنهادها» → خروجی: فایل Word یا PDF با فرمت کامل و نمودار.

✳️تبدیل بین فرمت‌ها: از ورد به پاورپوینت، از PDF به اکسل یا ترکیب چند فایل در یک خروجی → همه با یک درخواست.

✳️استخراج داده از PDF: جداول یا فرم‌ها را از PDF بیرون بکشد، در اکسل بچیند و نمودار آماده کند.

✳️تحلیل پیچیده: داده‌ی خام بدهید، کلود برایتان مدل ML بسازد، پیش‌بینی انجام دهد و گزارش نهایی (با متریک‌ها) تحویل دهد.


⚡️ این یعنی چیزی فراتر از یک دستیار نوشتاری → یک دستیار واقعی برای داده و اسناد.

📌 فعلاً در پلن Enterprise/Teams فعال است، ولی به‌زودی برای Pro هم می‌آید. باید در مسیر زیر فعال شود:
Settings > Features > Experimental

🎥 نمونه‌ی ویدئو: YouTube

@rss_ai_ir

#Claude #Anthropic #AI #Automation #OfficeAI #هوش_مصنوعی

📸 یک پروژه‌ی جالب در حوزه یادگیری ماشین

محققان روشی پیدا کردند که تنها با بررسی الگوی محو شدن (Blur) پس‌زمینه در عکس‌ها، می‌توانند تشخیص دهند آن عکس با کدام گوشی گرفته شده است.

🔍 نکته‌ی کلیدی: هر گوشی هوشمند، حتی وقتی از الگوریتم‌های مشابه استفاده می‌کند، الگوی محوی مخصوص به خود را در تصاویر ثبت می‌کند.

📌 یافته‌ها:

فعلاً باید برای هر مدل گوشی یک مدل ML جداگانه آموزش داده شود.

اما در تئوری، همین حالا هم می‌توان بررسی کرد که آیا دو عکس از یک دستگاه ثبت شده‌اند یا خیر.

این موضوع می‌تواند در حوزه‌های امنیت سایبری، پزشکی قانونی دیجیتال و تحلیل متادیتای تصویر کاربرد داشته باشد.


📖 جزئیات بیشتر و دمو در سایت پروژه:
👉 https://blur-fields.github.io/

کد نیز به‌زودی منتشر خواهد شد.

@rss_ai_ir
#هوش_مصنوعی #پردازش_تصویر #ML #Forensics #AI_industrial_news

🔥 WFGY 2.0 —
موتور استدلال معنایی برای LLMها (MIT)

هدف این پروژه‌ی متن‌باز کاهش هذیان‌ها (hallucinations) و خطاهای منطقی در سیستم‌های مبتنی بر RAG / LLM است؛ مخصوصاً در شرایطی مثل:

✳️متن‌های OCR با خطای زیاد،
✳️شرایط Semantic drift (وقتی پاسخ از سؤال منحرف می‌شود)،
✳️شرایط Ghost matches (جایی که یک بخش ظاهراً مرتبط به نظر می‌آید، ولی درواقع بی‌ربط است).


🚧 در اغلب روش‌ها خطاها فقط بعد از تولید پاسخ نهایی شناسایی می‌شوند.
اما در WFGY، منطق کاملاً برعکس است:
اگر مدل ببیند که استدلال‌ها «کج» شده‌اند یا از مسیر اصلی خارج شده، فرآیند را متوقف می‌کند یا مسیر دیگری انتخاب می‌کند و تنها زمانی پاسخ می‌دهد که وضعیت پایدار باشد.

🛡 نویسندگان این روش را یک «فایروال معنایی» (semantic firewall) می‌نامند.


---

📌 امکانات کلیدی:

♻️شامل نقشه‌ای از ۱۶ خطای رایج LLM: از جست‌وجوی اشتباه داده‌ها و افت منطق گرفته تا «فراموشی» یا اختلاط نقش عامل‌ها.
♻️برای هر خطا، یک راه‌حل متنی ساده پیشنهاد شده است.
♻️بدون نیاز به SDK — کافی است دستورالعمل‌ها را مستقیم در پرامپت وارد کنید.


🟢 شاخص‌های اصلی برای ارزیابی کیفیت استدلال:

✅شاخصΔS (drift): آیا معنی از یک مرحله به مرحله بعد خیلی دور شده یا نه.
✅شاخصλ (convergence): آیا منطق به سمت پاسخ نهایی همگرا می‌شود یا در حلقه می‌چرخد.
✅شاخص Coverage: آیا داده‌ها و شواهد کافی در نظر گرفته شده‌اند یا خیر.


📊 نتایج تست: پایداری خروجی تا ۹۰–۹۵٪ افزایش یافته (در مقایسه با ۷۰–۸۵٪ در روش‌های سنتی).

📂 گیت‌هاب:
github.com/onestardao/WFGY
---
@rss_ai_ir

#هوش_مصنوعی #LLM #OpenSource #Reasoning #PromptEngineering #Hallucinations

جالب بود! 🌟

مقاله یک گنجینه‌ی پر از پرامپت و ایده برای Nano Banana داره، مخصوصاً برای طراحی‌های غیرمعمول. خیلی‌ها رو میشه مستقیماً با مدل‌های مشابه هم استفاده کرد.

🔗 لینک: Awesome Nano Banana Images

💡 چند نکته برای استفاده بهتر:

♻️پرامپت‌ها را کپی کن و فقط سوژه‌ها را تغییر بده، چون ساختار و تنظیمات خوب چیده شدن.

♻️ببین پرامپتی که انتخاب می‌کنی چقدر ورودی تصویر می‌خواد و مدل با چند عکس جواب بهتری می‌ده.

⛔️تنظیمات وضوح تصویر و بالانس رنگ رو حتماً تست کن تا نتیجه نهایی خوب در بیاد.

@rss_ai_ir

#NanoBanana #پرامپت #AI #تولید_تصویر #خلاقیت