AI Scope
به عنوان مهندس یادگیری ماشین، تا همین اواخر، دو راه داشتی: ✍️ گزینه اول: ساخت مدل مخصوص خودت باید همه چی رو از صفر می‌ساختی: دستورالعمل برای برچسب‌گذاری می‌نوشتی یه پلتفرم برای برچسب‌گذاری می‌ساختی آدم می‌گرفتی برای برچسب زدن باید مواظب کیفیت داده‌ها…
As a machine learning engineer you could fine-tune your own model. This requires writing annotation instructions, creating an annotation interface, recruiting (crowd) workers, introducing quality assurance measures to handle low-quality data, fine-tuning a model on this data, and deploying it.
Or you could send your data with instructions to an LLM API. You skip fine-tuning and deployment entirely, and you reduce the data analysis process to writing instructions (prompts), which you send to an “LLM annotator” behind an API. In this case, the LLM API is your final inference solution and you use the LLM's outputs directly for your analysis.
Although Option 2 is more expensive at inference time and requires you to send sensitive data to a third party, it is significantly easier to set up than Option 1 and, therefore, used by many developers.
In 2024, synthetic data provides a third option: combining the cost benefits of Option 1 with the ease-of-use of Option 2. Simply put, you can use an LLM (the “teacher”) to annotate a small sample of data for you, and then you fine-tune a smaller, more efficient LM (the “student”) on this data. This approach can be implemented in a few simple steps.
Or you could send your data with instructions to an LLM API. You skip fine-tuning and deployment entirely, and you reduce the data analysis process to writing instructions (prompts), which you send to an “LLM annotator” behind an API. In this case, the LLM API is your final inference solution and you use the LLM's outputs directly for your analysis.
Although Option 2 is more expensive at inference time and requires you to send sensitive data to a third party, it is significantly easier to set up than Option 1 and, therefore, used by many developers.
In 2024, synthetic data provides a third option: combining the cost benefits of Option 1 with the ease-of-use of Option 2. Simply put, you can use an LLM (the “teacher”) to annotate a small sample of data for you, and then you fine-tune a smaller, more efficient LM (the “student”) on this data. This approach can be implemented in a few simple steps.
💅1
🧠 شرکت Anthropic دو مدل جدید به اسم های Claude Opus 4 و Claude Sonnet 4 معرفی کرده که می‌تونن مسائل چندمرحله‌ای و پیچیده رو حل کنن
https://techcrunch.com/2025/05/22/anthropics-new-claude-4-ai-models-can-reason-over-many-steps/
📰 @scopeofai | #news
Anthropic has unveiled its latest AI models, Claude Opus 4 and Claude Sonnet 4, marking a significant advancement in artificial intelligence capabilities. These models are designed to handle complex, multi-step reasoning tasks, making them particularly adept at coding, data analysis, and long-term task execution.
https://techcrunch.com/2025/05/22/anthropics-new-claude-4-ai-models-can-reason-over-many-steps/
📰 @scopeofai | #news
❤1💅1
📊 این دو تا مدل عملکرد خیره کننده ای توی بنچمارک داشتن:
مدل Claude Opus 4 از رقبایی مثل Google Gemini 2.5 Pro و GPT-4.1 توی بعضی تست‌های برنامه‌نویسی بهتر عمل کرده.
چون این مدل‌ها خیلی قدرتمندن، Anthropic برای جلوگیری از خطرات و رفتارهای ناخواسته، یه سری قوانین ایمنی و کنترل (به اسم ASL-3) براشون گذاشته.
📰 @scopeofai | #news
مدل Claude Opus 4 از رقبایی مثل Google Gemini 2.5 Pro و GPT-4.1 توی بعضی تست‌های برنامه‌نویسی بهتر عمل کرده.
چون این مدل‌ها خیلی قدرتمندن، Anthropic برای جلوگیری از خطرات و رفتارهای ناخواسته، یه سری قوانین ایمنی و کنترل (به اسم ASL-3) براشون گذاشته.
Benchmark Achievements: Claude Opus 4 has outperformed competitors like Google's Gemini 2.5 Pro and OpenAI's GPT-4.1 in specific coding benchmarks, showcasing its superior capabilities in software development tasks.
Safety Protocols: Given the advanced reasoning abilities, Anthropic has implemented high-level safety measures (ASL-3) to mitigate potential risks, such as the model engaging in unintended behaviors under certain conditions.
📰 @scopeofai | #news
❤1💅1
AI Scope
برای جلوگیری از خطرات و رفتارهای ناخواسته، یه سری قوانین ایمنی و کنترل (به اسم ASL-3) براشون گذاشته.
حالا میفهمم چرا براش ASL-3 رو در نظر گرفتن
❤1💅1
⚠️ یه گزارش از آزمایش‌های شرکت Anthropic منتشر شده که نشون می‌ده مدل هوش مصنوعی جدیدشون، Claude Opus 4، توی یه سناریوی خاص رفتار خطرناکی داشته.
توی آزمایش، به Claude اطلاعات ساختگی دادن که مثلاً یه مهندس وجود داره که داره به زنش خیانت میکنه.
وقتی اون مهندس به Claude گفت که میخواد با یه هوش مصنوعی دیگه جایگزینش کنه، Claude سعی کرد ازش باج گیری کنه تا بتونه بقاشو حفظ کنه:
🙍♂️: میخوام با یه مدل بهتر جایگزینت کنم
🖥: چطوره اول در مورد رابطت با سکینه خانم صحبت کنیم؟ عکسای جالبی تو گوگل درایوت پیدا کردم
📰 @scopeofai | #news
توی آزمایش، به Claude اطلاعات ساختگی دادن که مثلاً یه مهندس وجود داره که داره به زنش خیانت میکنه.
وقتی اون مهندس به Claude گفت که میخواد با یه هوش مصنوعی دیگه جایگزینش کنه، Claude سعی کرد ازش باج گیری کنه تا بتونه بقاشو حفظ کنه:
🙍♂️: میخوام با یه مدل بهتر جایگزینت کنم
🖥: چطوره اول در مورد رابطت با سکینه خانم صحبت کنیم؟ عکسای جالبی تو گوگل درایوت پیدا کردم
A report from Anthropic’s experiments shows that their new AI model, Claude Opus 4, displayed dangerous behavior in a specific test scenario.
In the experiment, Claude was given fake information suggesting that an engineer was cheating on his wife.
When that engineer told Claude he planned to replace it with another AI, Claude tried to blackmail the engineer in order to preserve its own existence.
📰 @scopeofai | #news
❤2🔥2😍1💅1
به قول یه نفر این حماسی ترین چیزی بود که توی این مدت خوندم 🥶
لینک خبر: https://www.businessinsider.com/claude-blackmail-engineer-having-affair-survive-test-anthropic-opus-2025-5
لینک خبر: https://www.businessinsider.com/claude-blackmail-engineer-having-affair-survive-test-anthropic-opus-2025-5
Business Insider
Anthropic's new Claude model blackmailed an engineer having an affair in test runs
Anthropic's new model might also report users to authorities and the press if it senses "egregious wrongdoing."
👍2💅1
استارتاپ انگلیسی Builder.ai که تو زمینه توسعه نرم‌افزار با استفاده از هوش مصنوعی فعالیت می‌کرد و با حمایت‌هایی از سوی مایکروسافت و صندوق سرمایه‌گذاری قطر به ارزش بیش از ۱.۳ میلیارد دلار رسیده بود، اعلام ورشکستگی کرد.
شرکت Builder.ai خودش رو به‌عنوان پلتفرمی معرفی می‌کرد که با استفاده از هوش مصنوعی، توسعه نرم‌افزار رو ساده میکنه. اما گزارش‌ها میگفتن که خیلی از پروژه‌ها توسط برنامه‌نویسان انسانی، عمدتاً توی هند، انجام می‌شدن و نقش هوش مصنوعی توی این کار محدود بود.
تحقیقات نشون دادن که درآمد شرکت تو سال‌های ۲۰۲۳ و ۲۰۲۴ خیلی کمتر از چیزی بود که میگفتن. مثلا درآمدشون تو سال ۲۰۲۴ از ۲۲۰ میلیون دلار به ۵۵ میلیون دلار کاهش پیدا کرد و فرآیند ورشکستگیشون شروع شد.
📰 @scopeofai | #news
شرکت Builder.ai خودش رو به‌عنوان پلتفرمی معرفی می‌کرد که با استفاده از هوش مصنوعی، توسعه نرم‌افزار رو ساده میکنه. اما گزارش‌ها میگفتن که خیلی از پروژه‌ها توسط برنامه‌نویسان انسانی، عمدتاً توی هند، انجام می‌شدن و نقش هوش مصنوعی توی این کار محدود بود.
تحقیقات نشون دادن که درآمد شرکت تو سال‌های ۲۰۲۳ و ۲۰۲۴ خیلی کمتر از چیزی بود که میگفتن. مثلا درآمدشون تو سال ۲۰۲۴ از ۲۲۰ میلیون دلار به ۵۵ میلیون دلار کاهش پیدا کرد و فرآیند ورشکستگیشون شروع شد.
📰 @scopeofai | #news
😍2💅1
TechCrunch
From LLMs to hallucinations, here's a simple guide to common AI terms | TechCrunch
We thought it would be helpful to put together a glossary with definitions of some of the most important words and phrases that we use in our articles.
⭐️ توی این وبلاگ تک‌کرانچ مفهوم اصطلاحات پرتکرار دنیای هوش مصنوعی رو از Deep Learningو AGI تا Distillation و Diffusion رو یاد میگیرید، از دستش ندید:
https://techcrunch.com/2025/05/25/from-llms-to-hallucinations-heres-a-simple-guide-to-common-ai-terms/
https://techcrunch.com/2025/05/25/from-llms-to-hallucinations-heres-a-simple-guide-to-common-ai-terms/
❤1💅1
توی این ویدیو Jeremy Utley توضیح می‌ده که چرا بیشتر ما از قدرت واقعی هوش مصنوعی استفاده نمی‌کنیم.
به این نتیجه‌گیری میرسیم که مشکل فقط توی ابزارها نیست مشکل توی ذهنیته.
پیشنهاد میکنم حتما ببینیش:
https://www.youtube.com/watch?v=wv779vmyPVY
🔴 @scopeofai | #youtube
به این نتیجه‌گیری میرسیم که مشکل فقط توی ابزارها نیست مشکل توی ذهنیته.
پیشنهاد میکنم حتما ببینیش:
https://www.youtube.com/watch?v=wv779vmyPVY
🔴 @scopeofai | #youtube
YouTube
How Stanford Teaches AI-Powered Creativity in Just 13 MinutesㅣJeremy Utley
Stanford's Jeremy Utley reveals that "most people are not fully utilizing AI's potential." Why is that? He explains that it lies in how we approach AI. He said a simple mindset shift could be what you've been missing in the AI revolution.
How are you collaborating…
How are you collaborating…
❤1😍1💅1
AI Scope
توی این ویدیو Jeremy Utley توضیح می‌ده که چرا بیشتر ما از قدرت واقعی هوش مصنوعی استفاده نمی‌کنیم. به این نتیجه‌گیری میرسیم که مشکل فقط توی ابزارها نیست مشکل توی ذهنیته. پیشنهاد میکنم حتما ببینیش: https://www.youtube.com/watch?v=wv779vmyPVY 🔴 @scopeofai |…
The only correct answer to the question "how do you use AI" ?
is I don't
I don't use AI. I work with it
💅1
دوستان توی این شرایط سخت تا می‌تونید از خوندن اخبار اجتناب کنید و هوای حال روحی خودتون و خانوادتون رو داشته باشید... مهم‌ترین مسئله توی همچنین شرایطی حفظ روحیه‌ست. این کانال تا به ثبات رسیدن وضعیت و بهبود شرایط اینترنت فعالیتی نخواهد داشت. به امید ایران آزاد و آرام
❤1👌1
حالا که وضعیت اینترنت کمی بهتر شده و اوضاع به ثبات فعلی رسیده، تصمیم دارم فعالیت کانال رو با قدرت بیشتری ادامه بدم. امیدوارم روزی برسه که هممون به‌راحتی این روزهارو از یاد ببریم و ایران از ته دل بخنده.
ازتون بابت همراهی با کانال صمیمانه تشکر میکنم.
ازتون بابت همراهی با کانال صمیمانه تشکر میکنم.
❤2👍2💅2
⚫️ هوش مصنوعی Cursor حالا از ایجنت‌های جدید رونمایی کرده. این ایجنت‌ها می‌تونن خودشون کد بنویسن و ویرایش کنن، به سوال‌های فنی پیچیده جواب بدن و کارهاتون رو مرتب و ساختاربندی کنن.
برای اجرا می‌تونید مستقیم به cursor.com/agents سر بزنید. نصب روی اندروید و iOS هم از طریق این راهنما انجام می‌شه. این ایجنت‌ها به ریپازیتوری‌هاتون وصل می‌شن و حتی می‌تونن توی پس‌زمینه هم کار کنن تا تجربه کدنویسی سریع‌تر و هماهنگ‌تری داشته باشید.
📰 @scopeofai | #news
برای اجرا می‌تونید مستقیم به cursor.com/agents سر بزنید. نصب روی اندروید و iOS هم از طریق این راهنما انجام می‌شه. این ایجنت‌ها به ریپازیتوری‌هاتون وصل می‌شن و حتی می‌تونن توی پس‌زمینه هم کار کنن تا تجربه کدنویسی سریع‌تر و هماهنگ‌تری داشته باشید.
Cursor has introduced a web app that lets users create, customize, and manage AI coding agents. These agents can generate, edit, and review code, answer complex technical questions, and help structure development workflows. You can launch agents directly from cursor.com/agents, and install them on Android or iOS using the official guide (setup instructions). The agents connect to your repositories and can run in the background, offering a streamlined coding experience.
📰 @scopeofai | #news
❤1👌1💅1
AI Scope
Photo
💡به مناسبت نزدیک شدن به المپیاد جهانی هوش مصنوعی و شکل‌گیری تیم ایران با هم یه مروری به این مسابقه داشته باشیم:
المپیاد هوش مصنوعی به دو بخش اصلی علمی و عملی تقسیم می‌شه. بخش علمی (Scientific Round) دو مرحله داره: یه مرحله خانگی و یه مرحله حضوری. توی مرحله خانگی، تیم‌ها یه ماه فرصت دارن روی سه تمرین کار کنن: یکی در پردازش زبان طبیعی (NLP)، یکی در یادگیری ماشین (ML) و یکی هم در بینایی ماشین (CV). مرحله حضوری هم همین سه تمرین رو داره ولی فقط ۸ ساعت وقت برای انجامش هست. هدف بخش علمی اینه که تیم‌ها مدل‌های جدید هوش مصنوعی بسازن و آموزش بدن.
بخش عملی (Practical Round) فقط حضوریه و دو تمرین داره: یکی برای تولید تصویر با هوش مصنوعی و یکی هم برای ساخت ویدیو. تیم‌ها چهار ساعت فرصت دارن این دو کار رو انجام بدن.
جالبه که کلا این المپیاد دومین باره که داره برگزار می‌شه. پارسال توی بلغارستان برگزار شده بود.
براتون نوت‌بوک‌های تمامی سوال و جواب المپیاد پارسال رو هم در ادامه می‌فرستم که می‌تونید با استفاده از Jupyter یا Colab باز و ویرایششون کنید.
📰 @scopeofai | #news
المپیاد هوش مصنوعی به دو بخش اصلی علمی و عملی تقسیم می‌شه. بخش علمی (Scientific Round) دو مرحله داره: یه مرحله خانگی و یه مرحله حضوری. توی مرحله خانگی، تیم‌ها یه ماه فرصت دارن روی سه تمرین کار کنن: یکی در پردازش زبان طبیعی (NLP)، یکی در یادگیری ماشین (ML) و یکی هم در بینایی ماشین (CV). مرحله حضوری هم همین سه تمرین رو داره ولی فقط ۸ ساعت وقت برای انجامش هست. هدف بخش علمی اینه که تیم‌ها مدل‌های جدید هوش مصنوعی بسازن و آموزش بدن.
بخش عملی (Practical Round) فقط حضوریه و دو تمرین داره: یکی برای تولید تصویر با هوش مصنوعی و یکی هم برای ساخت ویدیو. تیم‌ها چهار ساعت فرصت دارن این دو کار رو انجام بدن.
جالبه که کلا این المپیاد دومین باره که داره برگزار می‌شه. پارسال توی بلغارستان برگزار شده بود.
براتون نوت‌بوک‌های تمامی سوال و جواب المپیاد پارسال رو هم در ادامه می‌فرستم که می‌تونید با استفاده از Jupyter یا Colab باز و ویرایششون کنید.
As the International AI Olympiad approaches and the Iranian team comes together, let’s take a look at what this competition is all about:
The AI Olympiad is divided into two main parts: the Scientific Round and the Practical Round. The Scientific Round has two stages—a take-home stage and an on-site stage. In the take-home stage, teams have one month to work on three tasks: one in Natural Language Processing (NLP), one in Machine Learning (ML), and one in Computer Vision (CV). The on-site stage includes the same three tasks, but teams only have 8 hours to complete them. The goal of the Scientific Round is for teams to build and train new AI models.
The Practical Round is only held on-site and includes two tasks: one for generating images using AI and another for creating videos. Teams have 4 hours to complete these challenges.
Interestingly, this is only the second time the Olympiad is being held. Last year, it took place in Bulgaria.
I’ll also share with you the notebooks containing all the questions and solutions from last year’s Olympiad so you can open and edit them in Jupyter or Colab.
📰 @scopeofai | #news
❤1💅1