‏🍝 سه سال پیشرفت هوش مصنوعی در یک ویدیوی اسپاگتی

‏ویدیوی معروف «ویل اسمیت در حال خوردن اسپاگتی» به یکی از معیارهای غیررسمی ارزیابی کیفیت مدل‌های تولید ویدیو تبدیل شده است. در مارس ۲۰۲۳، مدل Modelscope تلاش کرد این صحنه را بازسازی کند و نتیجه‌ای به‌شدت غریب و غیرطبیعی تحویل داد. حالا در ژوئن ۲۰۲۶، مدل Grok Imagine 1.5 همان پرامپت را با همان ویل اسمیت و همان اسپاگتی اجرا کرده و تفاوت چشمگیری را به نمایش گذاشته است.

‏این مقایسه به‌خوبی نشان می‌دهد که در تنها سه سال، مدل‌های تولید ویدیو (video generation) از خلق صحنه‌های شکسته و غیرقابل‌باور به تولید ویدیوهایی واقع‌گرایانه رسیده‌اند. سرعت این پیشرفت، پتانسیل آینده این فناوری را به‌روشنی نمایان می‌کند.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#ابزار #Grok

‏🧠 میمو کد شیائومی؛ ایجنت با حافظه چهارسطحی

‏شیائومی ایجنت MiMo Code را معرفی کرد؛ عامل هوشمندی که برخلاف GPT و Claude که پس از ۲۰-۳۰ مرحله مسیر را گم می‌کنند، حتی در صدمین ویرایش رشته کار را حفظ می‌کند. حافظه چهارسطحی آن شامل Session (گفتگوی جاری)، Project (گراف وابستگی‌های مخزن)، Global (دانش فریم‌ورک‌ها) و History (آرشیو تلاش‌ها) است. وقتی context پر می‌شود، یک subagent لاگ‌ها را به vector embedding فشرده می‌کند — مانند checkpoint در بازی. هر هفت روز فرآیند پس‌زمینه /dream داده‌های تکراری را پاک می‌کند. نکته کلیدی مکانیزم Goal است: یک subagent مستقل که تکمیل واقعی وظیفه را بررسی می‌کند و اجازه نمی‌دهد ایجنت کد خراب را آماده بپندارد.

‏📖 MiMo Code

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#معرفی #AgentAI

‏🔁 مهندسی حلقه (Loop Engineering): از پرامپت تا سیستم‌های هوشمند خودکار

‏با پیشرفت عامل‌های هوش مصنوعی (AI Agents) در سال ۲۰۲۶، تمرکز از پرامپت‌های صرف به سمت طراحی سیستم‌های چرخه‌ای سوق یافته است. این سیستم‌ها قادر به تفکر مداوم، اجرا، مشاهده، تأیید و تکامل هستند. تفاوت اصلی بین پروژه‌های آماتور و سیستم‌های تولیدی در "مهندسی حلقه" (Harness Engineering) نهفته است، که شامل قابلیت‌هایی مانند کارکرد مداوم برای دقایق یا ساعت‌ها، بازیابی پس از شکست، کنترل هزینه و تشخیص زمان توقف است.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#مقاله #AgentAI

‏👁️‍🗨️ PixelRAG: جستجوی بصری در وب بدون HTML Parsing

‏PixelRAG یک سیستم بازیابی متن‌باز (open-source retrieval system) است که جستجوی بصری در مقیاس وسیع را متحول می‌کند. این سیستم به جای تجزیه HTML و تبدیل صفحه به متن برای RAG (Retrieval-Augmented Generation)، از صفحه وب اسکرین‌شات گرفته و با استفاده از یک مدل بینایی-زبانی (vision-language model)، پاسخ را مستقیماً از پیکسل‌ها استخراج می‌کند. این رویکرد کاملاً فرآیند HTML parsing را دور می‌زند.

‏اهمیت این نوآوری در آن است که فرآیند HTML parsing معمولاً اطلاعات زیادی را از بین می‌برد؛ یک parser می‌تواند بیش از ۴۰٪ از محتوای یک صفحه را حذف کند و جداول، نمودارها و چیدمان بصری صفحه را نادیده بگیرد یا تخت کند. PixelRAG صفحه‌ای را که کاربر واقعاً می‌بیند، ایندکس می‌کند.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏🤖 ساخت تیم تحقیقاتی آکادمیک با Claude

‏این راهنما به شما امکان می‌دهد تا با استفاده از مدل زبان بزرگ Claude، یک تیم تحقیقاتی آکادمیک کامل را شبیه‌سازی کنید. این ابزار قدرتمند شامل ۱۳ عامل (agent) و ۸ حالت (mode) برای «تحقیقات عمیق»، ۱۲ عامل و ۱۱ حالت برای نگارش «مقالات آکادمیک»، و ۷ عامل برای «بررسی مقالات آکادمیک» است. همچنین یک پایپ‌لاین ۱۰ مرحله‌ای با قابلیت تأیید ارجاعات (citation verification) ارائه می‌دهد که می‌تواند فرآیند تحقیق و نگارش علمی را متحول کند. این ابزار برای استفاده‌های غیرتجاری رایگان است.

‏🔗 GitHub

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #Claude

‏⚡️ اجرای محلی Gemma 4 26B با قابلیت عامل‌های موازی

‏قابلیت‌های مدل Gemma 4 26B، اکنون به‌صورت محلی (locally) قابل اجراست. این مدل می‌تواند ۱۰ عامل فرعی (sub-agents) را به‌صورت موازی هماهنگ کند تا در عرض چند ثانیه یک گالری هنری SVG کدنویسی کند. با سرعت پردازش بیش از ۱۰۰ توکن بر ثانیه، این امکان فراهم می‌شود تا وظایف پیچیده را به خوبی مقیاس‌بندی کرده یا چت‌بات‌های محلی برای کل تیم‌ها توسعه داد. این پیشرفت توسط Google Gemma ارائه شده است.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #Gemma

‏🧠 تنسورها: گرامر هوش مصنوعی مدرن

‏تنسورها، برخلاف تصور رایج، ریاضیات انتزاعی نیستند؛ بلکه گرامر اصلی هوش مصنوعی مدرن به شمار می‌آیند. یک اسکالر تنها یک عدد است، یک بردار مجموعه‌ای از اعداد در یک خط، و یک ماتریس شبکه‌ای از اعداد. تنسور شکل کلی‌تر این مفاهیم است که اعداد را در ابعاد مختلف سازماندهی می‌کند.

‏تصاویر، ویدئوها، جریان داده حسگرهای ربات، وزن‌های شبکه‌های عصبی و شبیه‌سازی‌های فیزیکی، همگی نمونه‌هایی از تنشورها هستند. یادگیری عمیق (Deep Learning) اساساً ترکیب جبر تنسورها، بهینه‌سازی (Optimization) و قدرت محاسباتی است. با درک تنسورها، هوش مصنوعی دیگر جادویی به نظر نمی‌رسد؛ بلکه به یک ساختار منطقی تبدیل می‌شود که واقعیت را از طریق اعداد، هندسه و تبدیل‌ها به هوشمندی می‌رساند.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #TensorAlgebra

‏🤖 تکامل RAG با هوش مصنوعی عاملی (Agentic RAG)

‏سیستم‌های تولید مبتنی بر بازیابی (RAG) به مدل‌های زبانی بزرگ (LLMs) امکان دسترسی به داده‌های شما را می‌دهند، اما RAG عاملی (Agentic RAG) به آن‌ها قضاوت در مورد چگونگی استفاده از این داده‌ها را می‌بخشد. تفاوت اصلی در نحوه مدیریت عدم قطعیت توسط هر سیستم است. در RAG استاندارد، یک خط لوله ثابت اجرا می‌شود: پرس‌وجو رمزگذاری شده، پایگاه داده برداری جستجو می‌شود، اسناد مشابه بازیابی شده و سپس پاسخی تولید می‌شود. این روش زمانی که پرس‌وجو خوش‌فرم باشد و زمینه مناسب در یک مکان وجود داشته باشد، خوب عمل می‌کند.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #RAG

‏🧠 هشدارهای سایبری: مدل Mythos آنتروپیک سیستم‌های امنیتی آمریکا را در ساعات اولیه هک کرد

‏ژنرال جوشوا راد، رئیس آژانس امنیت ملی (NSA) و فرماندهی سایبری آمریکا، در تاریخ ۱۱ ژوئن اعلام کرد که مدل هوش مصنوعی Mythos شرکت Anthropic، در یک تست کنترل‌شده، توانسته است در عرض چند ساعت نه تنها حفره‌های امنیتی، بلکه زنجیره‌های اکسپلویت (Exploit Chains) را نیز در سیستم‌های طبقه‌بندی‌شده آمریکا کشف کند. این توانایی شگفت‌انگیز، که بسیار سریع‌تر از حد انتظار بود، نگرانی‌های جدی در مورد امنیت سایبری و پتانسیل سوءاستفاده از مدل‌های پیشرفته هوش مصنوعی ایجاد کرده است.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #Anthropic

‏🤖 Codex حالا با همه مدل‌ها کار می‌کند

‏کدکس (Codex) به‌روز شد و امکان اتصال به مدل‌های محلی را فراهم کرد. با استفاده از دستور oss می‌توانید کدکس را به پلتفرم‌های شخص ثالثی مانند Ollama یا LM Studio متصل کنید؛ اگر پارامتر خاصی تعیین نشود، به‌صورت پیش‌فرض به Ollama وصل می‌شود که می‌توان آن را در فایل ‎oss_provider تغییر داد.

‏این قابلیت به توسعه‌دهندگان اجازه می‌دهد تا به‌طور کامل از سرویس‌های ابری جدا شوند و مدل‌های سازگار را روی سخت‌افزار خود اجرا کنند، در نتیجه هزینه‌های اشتراک‌های خارجی حذف می‌شود. همین‌طور می‌توانید از هر شبکه عصبی سازگار بر روی سیستم خود استفاده کنید بدون نیاز به اتصال اینترنتی.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#خبر #DataScience

‏🤖 توسعه ۴۰ دقیقه‌ای: ساخت اپ‌لیکیشن از صفر با لوپ سه‌ایجنت

‏این ویدیو نشان می‌دهد که تیمی از مهندسان می‌توانند در حدود ۴۰ دقیقه یک برنامه کاربردی کامل را به‌صورت چرخه‌ای (Loop) با سه نقش اصلی - پلنر (طرح‌ریزی)، بیلدر (نویسنده کد) و جاج‌کننده (مستندسازی و تست) - بسازند. پلنر ابتدا ساختار کلی محصول را طرح‌ریزی می‌کند، سپس بیلدر کدها را می‌نویسد و در نهایت جاج‌کننده عملکردها را بررسی می‌کند؛ در صورت شناسایی نقص، مرحله پیشین بازگردانده می‌شود تا اصلاح شود. این فرایند تکراری تضمین می‌کند که محصول نهایی تمیز، با کیفیت و بدون خطا تحویل داده می‌شود.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #AgentAI

‏🤖 معرفی سیستم ارکستراسیون عامل Fugu از Sakana AI

‏شرکت Sakana AI سیستم ارکستراسیون عامل (Agent Orchestration) خود با نام Fugu را پس از دو ماه دوره بتا، به صورت عمومی منتشر کرد. این سیستم، که در آوریل معرفی شده بود، یک مدل زبان کوچک (LLM) است که برای فراخوانی و مدیریت سایر LLM‌ها آموزش دیده. Fugu به جای تعریف دستی مکانیزم‌ها و نقش‌ها، به صورت تطبیقی تصمیم می‌گیرد کدام LLM را با چه نقشی و برای چه زیروظایفی فراخوانی کند و در برخی پیکربندی‌ها از Fable 5 نیز پیشی می‌گیرد.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#معرفی #AgentAI

‏🤖 مقایسه GLM 5.2 و Opus 4.8

‏برای مقایسه عملکرد و هزینه GLM 5.2 و Opus 4.8، از هر دو مدل با یک پرامپت یکسان خواسته شد تا یک بازی Backrooms را در قالب HTML تولید کنند.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#گزارش #GLM

‏🐎 معرفی HappyHorse 1.1 از Alibaba

‏Alibaba به‌تازگی نسخه ۱.۱ از مدل تولید ویدیوی خود، HappyHorse را منتشر کرده است. این به‌روزرسانی بهبودهای قابل توجهی در کیفیت ویدیوها به ارمغان آورده است، از جمله حرکات روان‌تر و جزئیات واضح‌تر. همچنین، HappyHorse 1.1 قادر است با استفاده از حداکثر ۹ تصویر مرجع، شخصیت‌های ثابتی را در طول ویدیو حفظ کند که به انسجام بصری کمک شایانی می‌کند.

‏مهم‌ترین نوآوری در این نسخه، قابلیت همگام‌سازی بومی (native) صدای چندزبانه است. این ویژگی به کاربران امکان می‌دهد تا ویدیوهایی با دیالوگ و صدا به زبان‌های مختلف تولید کنند. HappyHorse 1.1 از حالت‌های مختلفی پشتیبانی می‌کند، از جمله text-to-video (تبدیل متن به ویدیو)، image-to-video (تبدیل تصویر به ویدیو) و حالت reference (استفاده از مرجع).

‏ویدیوهای خروجی با HappyHorse 1.1 می‌توانند بین ۳ تا ۱۵ ثانیه طول داشته باشند و با کیفیت 720p یا 1080p تولید شوند که شامل دیالوگ‌ها و جلوه‌های صوتی نیز می‌شوند. این مدل پیشرفته هم‌اکنون از طریق Alibaba Cloud و پلتفرم fal.ai در دسترس قرار گرفته است.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی

‏🚀 یادگیری رایگان هوش مصنوعی از غول‌های فناوری

‏این پست لیستی از منابع آموزشی رایگان هوش مصنوعی را از شرکت‌های پیشرو در این حوزه معرفی می‌کند. این منابع فرصتی عالی برای متخصصان علم داده فراهم می‌کنند تا دانش خود را در زمینه‌های مختلف هوش مصنوعی به‌روز نگه دارند.

‏شرکت‌هایی مانند Anthropic، Google، Meta، NVIDIA، Microsoft، OpenAI، IBM، AWS، DeepLearning.AI و Hugging Face دوره‌ها و آموزش‌های رایگانی را در پلتفرم‌های خود ارائه می‌دهند. این آموزش‌ها طیف وسیعی از موضوعات، از مبانی یادگیری ماشین گرفته تا کاربردهای پیشرفته هوش مصنوعی و ابزارهای تخصصی مانند CUDA را پوشش می‌دهند.

‏برای دسترسی به این منابع، می‌توانید از لینک‌های زیر استفاده کنید:
‏📖 Anthropic
‏📖 Google AI
‏📖 Meta AI Resources
‏📖 NVIDIA CUDA
‏📖 Microsoft Training
‏📖 OpenAI Academy
‏📖 IBM SkillsBuild
‏📖 AWS Skillbuilder
‏📖 DeepLearning.AI
‏📖 Hugging Face Learn
‏🔗 grow.google

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #OpenAI

‏📚 راهنمای جامع تکنیک‌های پیشرفته RAG

‏این کتابچه راهنمایی، بهینه‌سازی سامانه‌های تولید مبتنی بر بازیابی (Retrieval-Augmented Generation یا RAG) را هدف قرار داده است. RAG با اتصال مدل‌های زبانی بزرگ (LLMs) به پایگاه دانش خارجی، دقت و واقع‌گرایی پاسخ‌ها را به طور چشمگیری افزایش می‌دهد. این منبع برای پژوهشگران و توسعه‌دهندگانی که به دنبال ارتقاء عملکرد سیستم‌های RAG و چت‌بات‌های خود هستند، بسیار مفید است.

‏کتاب چهار مرحله کلیدی در فرایند RAG را به تفصیل شرح می‌دهد: نمایه‌سازی (Indexing) شامل پیش‌پردازش داده و استراتژی‌های تقسیم‌بندی (Chunking) برای ساختاردهی و جستجوی بهتر؛ پیش‌بازیابی (Pre-Retrieval) که با استفاده از LLMs به بازنویسی و هدایت هوشمندانه پرسش‌ها می‌پردازد؛ بازیابی (Retrieval) با به‌کارگیری فیلترهای فراداده و جستجوی ترکیبی.

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #RAG

‏📚 راهنمای رایگان MIT برای مفاهیم کلیدی بینایی ماشین

‏موسسه فناوری ماساچوست (MIT) کتابی رایگان در زمینه بینایی ماشین منتشر کرده است که مفاهیم کلیدی این حوزه را پوشش می‌دهد. این راهنما برای علاقه‌مندان به هوش مصنوعی و یادگیری ماشین که به دنبال درک عمیق‌تر بینایی ماشین هستند، بسیار مفید است.

‏🔗 MIT Computer Vision Book

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#آموزش #ComputerVision

‏🏴 تاسوعای حسینی تسلیت باد!

📊 Data➕Science 🇮🇷 — هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#مناسبت #تاسوعا