📌 محدودیت‌های استفاده از GPT-5 در چت‌جی‌پی‌تی
@rss_ai_ir

🆓 نسخه رایگان (Free Tier):

✳️ امکان ارسال تا ۱۰ پیام در هر ۵ ساعت
✳️ پس از رسیدن به این سقف، چت‌ها به‌صورت خودکار از نسخه‌ی مینی مدل استفاده می‌کنند
✳️ کاربران رایگان روزانه فقط یک پیام با GPT-5 Thinking می‌توانند ارسال کنند

💳 نسخه پلاس (ChatGPT Plus):

✅ امکان ارسال تا ۸۰ پیام در هر ۳ ساعت
✅ پس از رسیدن به این حد، مدل به نسخه مینی تغییر می‌کند
✅ در صورت انتخاب دستی مدل GPT-5 Thinking (در نسخه پلاس یا تیمی)، تا ۲۰۰ پیام در هفته مجاز است
✅ اگر از سقف هفتگی عبور شود، پیام هشدار ظاهر شده و دیگر امکان انتخاب GPT-5 Thinking وجود نخواهد داشت

🧠 مدل GPT-5 Thinking، نسخه‌ای قدرتمندتر از مدل است که رفتار زنجیره‌ای و محاسبات عمیق‌تر دارد، اما محدودیت استفاده‌ی مشخصی نیز دارد.

#GPT5 #ChatGPT #محدودیت_استفاده #نسخه_پلاس #مدل_مینی #مدل_تفکری #هوش_مصنوعی #OpenAI #chatgpt_limits
@rss_ai_ir

⛏️ با وجود معادن گسترده در ایران، هوش مصنوعی چه کاربردهایی در این صنعت دارد؟
@rss_ai_ir

📍 ایران با دارا بودن صدها معدن فعال در حوزه‌های مس، سنگ‌آهن، طلا، سرب، روی، زغال‌سنگ، بوکسیت و ... ظرفیت بسیار بالایی برای هوشمندسازی فرآیندهای معدنی دارد.

🤖 هوش مصنوعی می‌تواند در این حوزه‌ها تحول ایجاد کند:

🔹 پایش و پیش‌بینی وضعیت تجهیزات:
تحلیل داده‌های سنسورها برای پیش‌بینی خرابی ماشین‌آلات، جلوگیری از توقف خط تولید و کاهش هزینه‌های تعمیرات

🔹 بهینه‌سازی حفاری و آتش‌باری:
مدل‌سازی زمین‌شناسی و ساخت مدل‌های یادگیری ماشین برای طراحی دقیق‌تر انفجارها و حفاری‌های کم‌ریسک‌تر

🔹 بررسی کیفیت سنگ و ماده معدنی:
استفاده از بینایی ماشین و یادگیری عمیق برای دسته‌بندی خودکار سنگ‌ها، تشخیص ناخالصی‌ها و برآورد ارزش اقتصادی

🔹 ایمنی کارگران و ماشین‌آلات:
تشخیص رفتارهای پرخطر با تحلیل ویدیوها، پیش‌بینی تصادفات بین ماشین‌های سنگین با مدل‌های گرافی و رادار

🔹 پیش‌بینی قیمت و تولید:
مدل‌سازی سری‌های زمانی برای پیش‌بینی تولید، مصرف و قیمت جهانی فلزات با هدف تصمیم‌گیری اقتصادی هوشمند

🔹 نقشه‌برداری و مدل‌سازی سه‌بعدی معادن:
استفاده از UAV، LiDAR و هوش مصنوعی برای تولید مدل‌های ۳بعدی از تونل‌ها، شیب‌ معدن و ارزیابی پایداری ساختاری

🔍 فرصت‌های پژوهشی، صنعتی و تجاری در این حوزه بسیار زیاد است — اگر از ظرفیت داده‌ها، تجهیزات و نیروی متخصص استفاده شود، معدن می‌تواند به یکی از هوشمندترین صنایع کشور تبدیل شود.

#هوش_مصنوعی #صنعت_معدن #بینایی_ماشین #ایمنی_صنعتی #مدل_پیش‌بینی #کاهش_ریسک #حفاری_هوشمند #معدنکاری_دیجیتال #DigitalMining #AI4Mining #AIinIran

@rss_ai_ir

🧠 به‌روزرسانی وزن‌ها در شبکه‌های عصبی گرافی (GNN) 

✳️وقتی با داده‌هایی سروکار داریم که به شکل گراف هستن (گره‌ها و یال‌ها)، مثل شبکه‌های اجتماعی، مولکول‌ها، یا نقشه‌های حمل‌ونقل، برای یادگیری و پیش‌بینی دقیق، باید هم ویژگی هر گره و هم ارتباط بین گره‌ها رو یاد بگیریم. 

✳️یکی از تکنیک‌های کلیدی در این مدل‌ها، فرآیند پیام‌رسانی (Message Passing) و به‌روزرسانی وزن‌هاست. 

---

✨ مراحل کلی کار: 

1️⃣ جمع کردن اطلاعات از همسایه‌ها 
هر گره، پیام‌هایی از گره‌های متصل به خودش دریافت می‌کنه. این پیام‌ها حاوی ویژگی‌ها و وضعیت گره‌های همسایه هستن. 

2️⃣ تجمیع (Aggregation) 
با یک تابع تجمیع (مثل جمع، میانگین یا max) این پیام‌ها رو ترکیب می‌کنیم تا یک نمای کلی از محله‌ی گره بدست بیاد. 

3️⃣ به‌روزرسانی ویژگی‌ها (Update) 
با استفاده از یک تابع به‌روزرسانی (معمولاً یک شبکه عصبی کوچک یا MLP)، ویژگی‌های گره تغییر می‌کنه تا اطلاعات جدید واردش بشه. 

4️⃣ محاسبه خطا و گرادیان (Loss & Gradient) 
پیش‌بینی مدل با مقدار واقعی مقایسه میشه؛ خطا محاسبه و گرادیان‌ها تعیین میشن. 

5️⃣ به‌روزرسانی وزن‌ها (Weight Update) 
وزن‌ها با روش‌هایی مثل Gradient Descent، Adam یا RMSProp تنظیم میشن تا مدل بهتر یاد بگیره. 

---

🔍 مثال ساده برای درک بهتر: 
✳️فرض کن در یک شبکه اجتماعی، هر نفر (گره) اطلاعات خودش رو از دوستانش (همسایه‌ها) می‌گیره. بعد با جمع‌بندی این اطلاعات، پروفایل خودش رو آپدیت می‌کنه. سپس کل شبکه یاد می‌گیره که روابط بین افراد رو بهتر پیش‌بینی کنه (مثلاً پیشنهاد دوست بده). 

---

💡 مزیت این روش: 
- یادگیری روابط پیچیده بین داده‌ها 
- قابلیت تعمیم به گراف‌های بزرگ و متنوع 
- توانایی مدل کردن داده‌های *non-Euclidean* 

---

📌 در عمل: 
در کتابخانه‌هایی مثل PyTorch Geometric یا DGL، این فرآیند به‌صورت خودکار در لایه‌های مثل GCNConv، GraphSAGE یا GATConv پیاده‌سازی شده و کافیست توابع پیام‌رسانی و به‌روزرسانی رو تعریف کنید. 

---

#شبکه_عصبی_گرافی  #هوش_مصنوعی #یادگیری_عمیق #به‌روزرسانی_وزن 
#GraphNeuralNetwork  #GNN  #پیام_رسانی  #گرادیان_کاهشی  #یادگیری_گرافی

⛔️@rss_ai_ir

✊ با GAN Lab، دیگه یادگیری GANها کار یکی دو دقیقه‌ست!


👨🏻‍💻 شبکه‌های مولد تخاصمی یا همون GANها، جزو پیچیده‌ترین و در عین حال جذاب‌ترین مدل‌های یادگیری عمیق به حساب میان. با این حال، درک دقیق نحوه‌ی عملکردشون حتی برای خیلی از حرفه‌ای‌ها هم ساده نیست، چه برسه به کسی که تازه می‌خواد یاد بگیره!

✏️ ابزار GAN Lab یک محیط تعاملی و بصریه که می‌تونی باهاش به‌صورت زنده و داخل مرورگر با GANها کار کنی:
مدل بسازی، آموزش بدی و مرحله‌به‌مرحله خروجی‌ها و پیشرفت رو ببینی. تجربه‌ای شبیه TensorFlow Playground، ولی مخصوص GANها!

⬅️ این ابزار با TensorFlow.js ساخته شده و تمام پردازش‌ها مستقیماً روی GPU مرورگر انجام می‌شن. یعنی:

✅ نیازی به نصب هیچ نرم‌افزار یا تنظیمات پیچیده نداری
☑️ فقط یک مرورگر کافیه تا وارد دنیای شگفت‌انگیز GAN بشی!

📌 دسترسی به ابزار: ┌ 🏷 GAN Lab
├ 🌎 Website
└ 🐱 GitHub-Repos

🌐 #یادگیری_عمیق #GAN #شبکه_مولد #DeepLearning #MachineLearning #TensorFlow
🧠 مهندس یادگیری عمیق شوید:
@rss_ai_ir

🔋 چه نوع باتری‌ای برای ربات یا سیستم سخت‌افزاری من مناسب‌تره؟

@rss_ai_ir

⚙️ در طراحی سیستم‌های رباتیکی، پهپادها، سیستم‌های IoT یا سخت‌افزارهای قابل حمل، انتخاب باتری مناسب به اندازه انتخاب میکروکنترلر مهمه! چون عمر، پایداری و عملکرد کل سیستم بهش وابسته‌ست.

🧠 در ادامه با رایج‌ترین نوع باتری‌ها و کاربردهاشون آشنا می‌شیم:

🔹 باتری لیتیوم-یون (Li-ion):
✅ چگالی انرژی بالا
✅ قابل شارژ
✅ رایج در لپ‌تاپ، پهپاد، ربات‌های صنعتی
⚠️ نیازمند مدیریت شارژ/دشارژ دقیق (BMS)

🔹 باتری لیتیوم-پلیمر (Li-Po):
✅ وزن سبک‌تر و ابعاد متنوع
✅ قابلیت تخلیه جریان بالا
✅ مناسب برای ربات‌های پرسرعت، پهپادها، ماشین‌های RC
⚠️ حساس‌تر از Li-ion و نیازمند دقت بیشتر در شارژ

🔹 باتری نیکل-کادمیم (NiCd):
✅ مقاوم در برابر دما و تخلیه بالا
✅ طول عمر زیاد
⚠️ اثر حافظه (memory effect) و وزن بالا
📌 بیشتر در کاربردهای خاص صنعتی

🔹 باتری نیکل-هیدرید فلز (NiMH):
✅ امن‌تر از Li-ion
✅ ظرفیت بیشتر نسبت به NiCd
⚠️ نرخ تخلیه پایین‌تر
📌 قابل استفاده در ربات‌های آموزشی یا ابزارهای ساده

🔹 باتری سرب-اسیدی (Lead-Acid):
✅ قیمت پایین، توان بالا
✅ مناسب برای سیستم‌های بزرگ و سنگین (مثل AGVهای صنعتی)
⚠️ وزن زیاد، چگالی انرژی پایین


🔌 نکات مهم در انتخاب باتری:
ولتاژ موردنیاز سیستم
جریان لحظه‌ای و پیوسته
زمان کاری مورد انتظار
وزن قابل تحمل ربات
شرایط محیطی (دما، لرزش، رطوبت)


📦 اگر ربات شما کوچک، سبک و پرسرعته: معمولاً Li-Po
📦 اگر ایمنی و دوام برات مهم‌تره: معمولاً Li-ion یا NiMH
📦 اگر صنعتی و پرقدرته: معمولاً Lead-Acid یا ترکیبی با BMS


#رباتیک #باتری #سیستم_های_قابل_حمل #سخت_افزار #LiIon #LiPo #NiMH #LeadAcid #ربات_پرتابل #IoT


@rss_ai_ir

🛡 سیستم‌های هوش مصنوعی ضدتصادم؛ دیده‌بان هوشمند ایمنی
@rss_ai_ir

🚧 در محیط‌های صنعتی، معدنی و حمل‌ونقل، یک لحظه بی‌دقتی می‌تواند منجر به حادثه‌ای جدی شود.
اینجاست که سیستم‌های هوش مصنوعی ضدتصادم وارد عمل می‌شوند؛ سامانه‌هایی که با ترکیب حسگرهای دقیق و الگوریتم‌های پیشرفته، خطر را قبل از وقوع شناسایی می‌کنند.

---

🔍 چطور کار می‌کنند؟

1. حسگرها: استفاده از دوربین، لیدار، رادار یا UWB برای پایش محیط.
2. بینایی ماشین (Computer Vision): پردازش تصویر یا داده حسگر برای شناسایی اشیا، انسان‌ها یا موانع.
3. یادگیری عمیق (Deep Learning): تحلیل رفتار و پیش‌بینی مسیر حرکت اجسام.
4. هشدار یا اقدام ایمن‌ساز: اعلام هشدار صوتی/تصویری یا حتی توقف خودکار دستگاه.

---

⚙️ نمونه کاربردها:

* 🚜 جلوگیری از برخورد ماشین‌آلات سنگین در معادن.
* 🚂 پیشگیری از تصادم قطارها در خطوط ریلی.
* 🚗 سیستم‌های ایمنی پیشرفته خودروها (ADAS).
* 🏭 ایمنی جرثقیل‌های سقفی و تجهیزات جابه‌جایی بار.

---

🤖 چرا هوش مصنوعی؟
برخلاف سیستم‌های سنتی، AI می‌تواند:

* تشخیص دقیق‌تر در شرایط سخت (گردوغبار، مه، نور کم)
* پیش‌بینی برخورد پیش از رسیدن به نقطه خطر
* کاهش آلارم‌های کاذب با یادگیری از داده‌های محیط واقعی

---

🔗 آینده ایمنی صنعتی به سمت سیستم‌های ضدتصادم هوشمند حرکت می‌کند؛ جایی که ماشین‌ها نه‌تنها می‌بینند، بلکه می‌فهمند و پیش‌بینی می‌کنند.

#هوش_مصنوعی #ایمنی #بینایی_ماشین #ضدتصادم #یادگیری_عمیق #AI #MachineVision
@rss_ai_ir

🧠 توضیح تخصصی:

✅در تحلیل سیگنال‌های زیستی مانند ECG، ویژگی‌های مکانی (الگوهای شکل موج) و وابستگی‌های زمانی (ترتیب و فاصله بین موج‌ها) هر دو اهمیت بالایی دارند.
✅شبکه کانولوشنی نقش استخراج‌کننده ویژگی‌های مکانی را دارد، مثل شناسایی شکل موج QRS یا موج P، و LSTM با داشتن حافظه داخلی، روابط زمانی را مدل می‌کند، مانند تغییر ریتم قلب در بازه‌های زمانی مختلف.
این ترکیب باعث افزایش دقت و پایداری در تشخیص آریتمی نسبت به استفاده مجزای هر یک از این شبکه‌ها می‌شود.

🤖 رونمایی ENGINEAI از ربات انسان‌نمای SAO2
@rss_ai_ir

شرکت ENGINEAI از نسل جدید ربات انسان‌نمای خود با نام SAO2 پرده‌برداری کرد — مدلی سبک، فشرده و هوشمند که به‌عنوان همدمی تعاملی برای کاربران جوان طراحی شده است.

💰 قیمت پایه: ¥38,500 (تقریباً ۵٬۳۰۰ دلار)

📏 مشخصات کلیدی:
▪️ قد: حدود ۱.۲۵ متر
▪️ وزن: ۲۵ کیلوگرم
▪️ ۲۶ + ۲ درجه آزادی (شامل مفاصل انگشتان)
▪️ بهره‌مند از مدل زبانی LLM داخلی
▪️ اسپیکرهای با کیفیت صوتی بالا
▪️ دو دوربین HD برای بینایی دقیق و هوشمند

🔗 این ربات با طراحی جمع‌وجور و قابلیت‌های پیشرفته‌اش، گزینه‌ای مناسب برای آموزش، سرگرمی، گفت‌وگو و همراهی در زندگی روزمره به شمار می‌آید.

#ENGINEAI #ربات_انسان‌نما #هوش_مصنوعی #رباتیک #همدم_هوشمند
@rss_ai_ir

در یک خط تولید، روش‌های Anomaly Detection زمانی بیشترین ارزش را دارند که بخواهیم به‌صورت خودکار و بلادرنگ، شرایط غیرعادی یا خارج از الگو را شناسایی کنیم — حتی اگر آن حالت‌ها به‌طور مشخص برچسب‌گذاری نشده باشند.

📌 زمان‌های مناسب برای استفاده از Anomaly Detection در خط تولید:

---

1️⃣ وقتی داده‌های برچسب‌خورده کمیاب یا گران هستند

✳️ اگر نمونه‌های «معیوب» یا «خراب» بسیار کم باشند (مثلاً در تولید قطعات صنعتی با کیفیت بالا، تعداد خطاها کم است).
✳️ مدل‌های طبقه‌بندی سنتی به داده‌های متعادل نیاز دارند، اما Anomaly Detection می‌تواند فقط با داده‌های نرمال آموزش ببیند و هر چیز غیرعادی را شناسایی کند.

---

2️⃣ وقتی شرایط غیرعادی متنوع و پیش‌بینی‌ناپذیر هستند

✳️ نقص‌ها ممکن است شکل‌های مختلفی داشته باشند که از قبل همه را نمی‌توان تعریف کرد (مثل انواع ترک‌ها، تغییرات رنگ، الگوهای سطح غیرمنتظره).
✳️ روش Anomaly Detection الگوهای کلی «وضعیت سالم» را یاد می‌گیرد و هر انحراف را پرچم می‌کند.

---

3️⃣ برای پایش بلادرنگ تجهیزات و فرآیندها

✳️در مانیتورینگ حسگرها (دمـا، فشار، ارتعاش، جریان برق موتور و...) می‌توان الگوهای نرمال عملکرد را یاد گرفت و هر تغییر غیرعادی را سریع شناسایی کرد.
✳️ مثال: افزایش ناگهانی ارتعاش در موتور نوار نقاله → احتمال خرابی بلبرینگ.

---

4️⃣ وقتی نیاز به کاهش توقف خط تولید دارید

✳️ شناسایی سریع شرایط غیرعادی قبل از وقوع خرابی کامل، باعث نگهداری پیشگیرانه (Predictive Maintenance) می‌شود.
✳️ این کار هزینه توقف تولید و تعمیرات اضطراری را کاهش می‌دهد.

---

5️⃣ در کنترل کیفیت (Quality Control) با داده‌های تصویری یا سنسوری

✳️ بررسی محصولات با دوربین یا اسکنر (بینایی ماشین) و شناسایی قطعاتی که ظاهرشان با الگوهای یادگرفته‌شده متفاوت است.
✳️ مثال: سیستم بینایی ماشین برای تشخیص «صفحات مس ریجکت» که در داده آموزش به ندرت وجود دارند.

---

💡 خلاصه:
اگر خط تولید شما داده سالم زیاد ولی داده معیوب کم دارد، یا نقص‌ها شکل‌های غیرقابل پیش‌بینی دارند، یا می‌خواهید پایش بلادرنگ داشته باشید، Anomaly Detection انتخاب ایده‌آل است.

#هوش_مصنوعی #AnomalyDetection #کیفیت #نگهداری_پیشگیرانه #بینایی_ماشین #صنعت۴
@rss_ai_ir

🚀 مدل Seed Diffusion؛ معماری متفاوتی از ByteDance در تولید زبان
@rss_ai_ir

شرکت ByteDance، توسعه‌دهنده‌ی TikTok، از یک مدل زبانی جدید به نام Seed Diffusion رونمایی کرده که برخلاف مدل‌های متداول، متن را به‌صورت کامل و هم‌زمان تولید می‌کند — همانند روش‌هایی که در مدل‌های تولید تصویر مانند Midjourney دیده می‌شود.

ویژگی‌های مهم این مدل عبارتند از:
🔸 تولید متن به‌صورت کل‌نگر و نه توکن‌به‌توکن
🔸 دستیابی به سرعتی فراتر از ۲هزار توکن در ثانیه (۵.۴ برابر سریع‌تر از مدل‌های استاندارد)
🔸 عملکرد بهتر در مقایسه با مدل‌های گوگل و Inception Labs در بسیاری از آزمون‌های مرجع
🔸 امکان تست رایگان از طریق پلتفرم Seed Studio

این معماری نوین نشان می‌دهد که ByteDance با قدرت وارد رقابت در حوزه مدل‌های زبانی شده و چشم‌اندازی متفاوت برای آینده‌ی تولید متن ارائه کرده است.

📊 منبع: Crypto Insider

#مدل_زبانی #هوش_مصنوعی #SeedDiffusion #ByteDance #AI
@rss_ai_ir

⚡️ مدل‌های زبانی GPT-OSS با فرمت GGUF توسط تیم Unsloth بهینه‌سازی و منتشر شدند
@rss_ai_ir

تیم توسعه‌دهنده Unsloth دو نسخه از مدل‌های GPT-OSS با ۲۰ و ۱۲۰ میلیارد پارامتر را به فرمت GGUF تبدیل کرده و با رفع برخی ایرادات، کیفیت استنتاج (Inference) آن‌ها را به‌طور قابل توجهی افزایش داده‌اند.


---

📌 پیکربندی پیشنهادی برای اجرا:

🔹 مدل با ۲۰ میلیارد پارامتر در حالت دقت کامل، تنها به ۱۴ گیگابایت حافظه رم نیاز دارد و با سرعتی بیش از ۱۰ توکن بر ثانیه اجرا می‌شود.

🔹 مدل ۱۲۰ میلیاردی نیز با حدود ۶۴ گیگ رم، خروجی بالای ۴۰ توکن بر ثانیه ارائه می‌دهد.

🔸 حتی در سیستم‌هایی با ۶ گیگ رم و بدون GPU هم امکان اجرا وجود دارد، اما سرعت استنتاج پایین‌تر خواهد بود.


---

📈 در صورت استفاده از کارت گرافیک، عملکرد مدل‌ها به‌مراتب بهتر خواهد بود.
برخی تست‌ها با GPU قدرتمند H100 نشان داده‌اند که سرعت خروجی به بیش از ۱۴۰ توکن بر ثانیه می‌رسد که حتی از ChatGPT نیز سریع‌تر است.


---

🧠 روش‌های قابل استفاده برای اجرا:

اجرای مستقیم با ابزار llama.cpp

نرم‌افزارهای رابط مانند LM Studio

محیط‌های تعاملی مانند Open WebUI


📌 مدل ۲۰B در عین سبک بودن، عملکردی نزدیک به مدل‌هایی مانند o3-mini دارد و برای سیستم‌های ضعیف‌تر بسیار مناسب است.


---

🔧 نسخه‌هایی با دقت ۴ بیت و ۱۶ بیت نیز آماده شده‌اند.
نسخه ۴ بیتی حتی قابلیت فاین‌تیون روی کارت‌های گرافیک با ۲۴ گیگابایت VRAM را دارد.

📄 مستندات کامل برای نصب و آموزش، توسط تیم Unsloth منتشر شده و گام‌به‌گام مراحل راه‌اندازی را توضیح داده است.

منابع:
لینک 1

لینک 2

#مدل_زبانی #هوش_مصنوعی #GPT_OSS #Unsloth #GGUF #LLM

@rss_ai_ir

📊 چطور یک جزئیات قدیمی در قوانین رأی‌گیری، بازار پیش‌بینی را برای Google برنده کرد؟
@rss_ai_ir

در بازار پیش‌بینی Polymarket، سؤال این بود که «کدام شرکت تا پایان آگوست بهترین مدل هوش مصنوعی را خواهد داشت؟»
تا قبل از دیروز، شانس پیروزی در این بازار با OpenAI بود. اما ناگهان پس از انتشار نتایج LMArena**، کفه ترازو به‌طور کامل به نفع Google سنگین شد — و این ربطی به کیفیت واقعی مدل‌ها در ارائه GPT-5 نداشت.

---

🔍 **چرا این اتفاق افتاد؟

❇️معیار «بهترین مدل» در این بازار بر اساس امتیاز LMArena تعیین می‌شود، جایی که کاربران بین پاسخ دو مدل، یکی را انتخاب می‌کنند.
❇️نکته مهم: در این بازار از نسخه بدون Style Control استفاده می‌شود. یعنی مدل‌ها بابت پاسخ‌های طولانی، فرمت‌بندی‌شده و با بولد/لیست جریمه نمی‌شوند.
❇️ در این حالت، امتیاز Gemini 2.5 Pro گوگل و GPT-5 تقریباً برابر شد (۱۴۷۱ در برابر ۱۴۶۲ — اختلاف آماری ناچیز).
❇️طبق قوانین، در صورت مساوی شدن امتیاز، نام شرکت برنده به ترتیب الفبا انتخاب می‌شود. Google قبل از OpenAI قرار می‌گیرد.

---

📈 نتیجه:
بازار عملاً به این سؤال تقلیل یافت: «آیا OpenAI می‌تواند در ۲۳ روز آینده آپدیتی بدهد که در نسخه بدون Style Control از Gemini جلو بزند؟»
اگر جواب «نه» باشد، Google برنده است — حتی اگر در ارزیابی پیش‌فرض (با Style Control) OpenAI جلوتر باشد.

---

💡 این نمونه‌ای جالب است از اینکه در بازارهای پیش‌بینی، جزئیات قوانین و روش ارزیابی می‌تواند از کیفیت واقعی محصول مهم‌تر باشد.

#هوش_مصنوعی #بازار_پیش‌بینی #Google #OpenAI #LMArena
@rss_ai_ir

آکادمی هوش‌یار برگزار می‌کند:

🎯 چطور مدل‌های زبانی (LLM) را به داده‌های بروز و سطح وب متصل کنیم؟

🔸آموزش ساخت اپلیکیشن‌های Agentic با استفاده از LangGraph و ابزار واترکرال

🔸یادگیری نحوه‌ی مشارکت حرفه‌ای در پروژه‌های Open Source

📍 ویژه برنامه‌نویسان مبتدی و پیشرفته، علاقه‌مندان به هوش مصنوعی و توسعه اپ‌های LLM محور

🔍 در این وبینار یاد می‌گیرید:

▫️چطور یک مدل زبانی را به اینترنت و داده‌های لحظه‌ای وصل کنید؟

▫️چطور از فریم‌ورک قدرتمند LangGraph برای ساخت اپ‌های Agentic استفاده کنید؟

▫️واترکرال چیست و چه کمکی به تغذیه مدل‌های زبانی با داده‌های وب می‌کند؟

▫️چطور اولین کانتریبیوشن حرفه‌ای خودتان را در یک پروژه‌ی Open Source ثبت کنید؟

🎙 با حضور دو متخصص بین‌المللی:

🔹 دکتر علیرضا مفیدی
دانشمند ارشد داده در R&D شرکت TSBC،
دکترای MBA از دانشگاه مونترال، DBA از دانشگاه لیون فرانسه

🔹 مهندس امیرمحسن عصاران
مهندس ارشد نرم‌افزار در Verisk آلمان،
هم‌بنیان‌گذار ابزار واترکرال

🗓 زمان : دوشنبه بیستم مرداد ۱۴۰۴، ساعت ۱۹

🎟 ثبت‌نام رایگان:

🔗 لینک ثبت نام

📌 همین حالا ثبت‌نام کنید❕

🎙️ قابلیت صوتی پیشرفته ChatGPT به‌صورت رایگان در دسترس قرار گرفت
@rss_ai_ir

در به‌روزرسانی جدید، حالت صوتی چت‌جی‌پی‌تی با نام ChatGPT Voice معرفی شده و قرار است از تاریخ ۹ سپتامبر به‌عنوان دستیار صوتی پیش‌فرض در اپلیکیشن فعال شود.

📌 در این نسخه، ویژگی‌هایی پیشرفته در دسترس کاربران قرار گرفته است:
🔹 ۹ صدای طبیعی و انسان‌مانند
🔹 امکان استفاده از دوربین دستگاه برای دیدن محیط اطراف
🔹 قابلیت نمایش صفحه (Screen Sharing) و پاسخ به سؤالات بر اساس آنچه می‌بیند

🧠 همچنان این دستیار صوتی از مدل GPT-4o پشتیبانی می‌کند و فعلاً اطلاعاتی درباره‌ی زمان ارائه‌ی نسخه مبتنی بر GPT-5 منتشر نشده است.


#هوش_مصنوعی #GPT4o #دستیار_صوتی #ChatGPT_Voice

@rss_ai_ir