‏🚀 تحول در توسعه بازی با هوش مصنوعی در Unity

‏شرکت Unity با انتشار یک پلاگین رسمی برای نسخه 6 به بعد، امکان استفاده از مدل‌های هوش مصنوعی مانند Claude Code، Codex و Grok را مستقیماً در محیط توسعه بازی فراهم کرد.

‏این ابزار که شامل ۳۱ قابلیت آماده است، به توسعه‌دهندگان اجازه می‌دهد با دستورات متنی ساده، فرآیندهای پیچیده بازی‌سازی را به هوش مصنوعی بسپارند. مهم‌ترین قابلیت‌های این دستیار هوشمند عبارتند از:

‏* طراحی و پیاده‌سازی رابط کاربری تنظیمات
‏* تنظیم سیستم‌های فیزیک، ناویگیشن و شیدرها
‏* مدیریت پیاده‌سازی خرید درون‌برنامه‌ای
‏* راه‌اندازی سیستم مولتی‌پلیر و چت صوتی
‏* عیب‌یابی و اصلاح اسپرایت‌ها و فایل‌های صوتی

‏این پلاگین از طریق رابط خط فرمان (CLI) نصب شده و با شناسایی خودکار فضای کاری، دستورالعمل‌های دقیق مربوط به هر بخش از موتور Unity را برای مدل هوش مصنوعی ارسال می‌کند. جزئیات فنی و نحوه نصب را می‌توانید در مخزن رسمی گیتهاب مشاهده کنید.

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

#Unity6 #Claude_Code

‏🚀 هوش مصنوعی کوچک اما باهوش؛ MiniCPM5-2B

‏مدل جدید MiniCPM5-2B با تنها ۲ میلیارد پارامتر، استانداردهای جدیدی برای مدل‌های سبک تعریف کرده است. این مدل که برای استدلال، کدنویسی و استفاده از ابزار بهینه شده، در بنچمارک Agentic Index بالاتر از مدل‌های بزرگتر قرار گرفته است.

‏قدرت واقعی این مدل زمانی مشخص شد که توانست به‌صورت کاملاً محلی و بدون راهنمایی مستقیم، یک باگ منطقی در یک سیستم پرداخت را شناسایی و اصلاح کند. این هوش مصنوعی فرآیند زیر را به تنهایی انجام داد:
‏- بازتولید خطای موجود در کد
‏- تحلیل منطق و کشف علت اصلی (تغییر وضعیت متغیر پیش از اعتبارسنجی)
‏- اعمال اصلاحات بدون تغییر در API عمومی
‏- اجرای تست‌های هدفمند و اطمینان از صحت عملکرد

‏مهم‌ترین ویژگی‌های این مدل عبارتند از:
‏- اجرای ۱۰۰٪ محلی روی سخت‌افزارهای ضعیف
‏- پشتیبانی از llama.cpp، Ollama، vLLM و SGLang
‏- قابلیت اجرا روی سیستم‌عامل‌های موبایل شامل iOS، Android و HarmonyOS
‏- دسترسی عمومی به وزن‌ها، دستورالعمل‌های آموزشی و دیتاست‌های استدلالی

تحلیل تخصصی MiniCPM5-2B؛ مدل ۲ میلیاردی با توانایی استدلال و رفع خطای محلی

📊 Data➕Science

‏🚀 آینده اقتصاد؛ وقتی هوش مصنوعی بازار کار را تغییر می‌دهد

‏گزارش جدید تیم اقتصادی Anthropic نشان می‌دهد تا سال ۲۰۳۰، توازن قدرت در بازار کار به نفع مشاغل یدی تغییر خواهد کرد. در حالی که هوش مصنوعی در حال تسخیر حوزه‌های دانشی است، ارزش تخصص‌های فنی در دنیای واقعی می‌تواند از جایگاه معماران نرم‌افزار پیشی بگیرد.

‏برخی از مهم‌ترین یافته‌های این گزارش درباره تغییرات دستمزد و تولید ناخالص داخلی (GDP) در سناریوهای مختلف عبارتند از:

‏• سناریوی خفیف: رشد ۱.۶ درصدی GDP و افزایش ملایم دستمزد برای هر دو گروه.

‏• سناریوی قابل توجه: هوش مصنوعی نیمی از کارهای دانشی را بر عهده می‌گیرد که منجر به افت جزئی دستمزد متخصصان دانشی و رشد ۵.۹ درصدی دستمزد کارگران یدی می‌شود.

‏• سناریوی افراطی: در صورت تحقق هوش مصنوعی خودگردان، GDP تا ۳۲.۴ درصد رشد می‌کند؛ در این شرایط دستمزد کارگران یدی جهشی خیره‌کننده خواهد داشت، اما فشار سنگینی بر درآمد مشاغل دانشی وارد می‌شود.

تحلیل گزارش Anthropic: آینده بازار کار و تغییر توازن دستمزدها تا ۲۰۳۰

‏🤖 هوش مصنوعی اختصاصی برای حوزه مالی

‏شرکت OpenAI به‌تازگی از راهکار جدید خود برای سرویس‌های مالی رونمایی کرده است. این نسخه از ChatGPT به‌طور اختصاصی برای تحلیل‌گران و تیم‌های مالی شخصی‌سازی شده و ترکیبی از داده‌های مالی به‌روز با قدرت استدلال مدل‌های پیشرفته است.

‏این ابزار با تمرکز بر بهره‌وری در بخش‌های زیر توسعه یافته است:

‏- تدوین و اجرای مدل‌های پیچیده مالی
‏- تحلیل دقیق گزارش‌ها و داده‌های بازار
‏- تولید محتوا و مستندات شخصی‌سازی شده برای مشتریان

‏این تحول نشان‌دهنده ورود جدی مدل‌های زبانی به فرآیندهای حساس تصمیم‌گیری در بازارهای سرمایه است که می‌تواند سرعت انجام تحقیقات مالی را به شکل چشم‌گیری افزایش دهد.

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

#ChatGPT_Financial #GPT_6_Astra

‏🚀 راهنمای جامع آموزش و ارزیابی ایجنت‌های هوشمند

‏توسعه کاربردی مدل‌های زبانی در محیط‌های واقعی، فراتر از تکیه بر بنچمارک‌های رایج است. برای عبور از چالش‌های عملیاتی، مجموعه آموزشی جدید Training Agents که توسط Hugging Face منتشر شده، نگاهی عمیق و کاربردی به چرخه حیات ایجنت‌ها دارد.

‏مهم‌ترین مباحث این دوره ۶ قسمتی عبارتند از:

‏• چالش‌های ارزیابی Agentic و فاصله عملکرد مدل در بنچمارک با دنیای واقعی
‏• اصول یادگیری تقویتی، طراحی محیط، توابع پاداش و بهینه‌سازی گلوگاه‌های استنتاج
‏• آموزش با نظارت (SFT) ایجنت‌ها با استفاده از TRL و تکنیک LoRA
‏• تقطیر دانش برای انتقال توانمندی‌ها به مدل‌های کوچک‌تر
‏• پیاده‌سازی یادگیری تقویتی با GRPO و آموزش عملی در محیط‌های Sandbox با AsyncGRPOTrainer

‏این دوره با ترکیب تئوری و پیاده‌سازی گام‌به‌گام، راهنمای ارزشمندی برای متخصصانی است که قصد دارند هوش مصنوعی را از محیط‌های ایزوله به دل کاربردهای واقعی ببرند.

راهنمای جامع Training Agents؛ آموزش و ارزیابی عملیاتی ایجنت‌های هوشمند

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

‏🚀 ورود جدی OpenAI به دنیای خدمات مالی

‏شرکت OpenAI با معرفی نسخه ویژه ChatGPT for Financial Services که بر پایه مدل GPT-6 Astra توسعه یافته، گام بزرگی در اتوماسیون صنعت بانکداری برداشته است. این ابزار با بهره‌گیری از داده‌های مالی یکپارچه از منابعی نظیر Daloopa، PitchBook و LSEG، هدف خود را ساده‌سازی وظایف تکراری تحلیل‌گران مالی قرار داده است.

‏این فناوری می‌تواند به صورت خودکار مدل‌های مالی، گزارش‌های تحلیلی و ارائه به مشتریان را تولید کند و مستقیماً با سرویس مشابه شرکت Anthropic رقابت کند. در حال حاضر، رقابت اصلی میان غول‌های هوش مصنوعی برای تسخیر بازار مشتریان سازمانی وارد فاز جدیدی شده است.

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

#GPT_6_Astra #Daloopa

‏🤖 معرفی سیستم هوشمند Fugu برای مدیریت عامل‌های AI

‏کمپانی Sakana AI به‌تازگی نسخه جدید سیستم ارکستراسیون خود یعنی Fugu را معرفی کرده است. این سیستم با هدف توزیع هوشمند وظایف بین مدل‌های مختلف طراحی شده تا ضمن حفظ کیفیت، هزینه‌های پردازشی را به شکل چشمگیری کاهش دهد.

‏این پلتفرم دو نسخه اصلی دارد:

‏• Fugu Max: از مجموعه‌ای از مدل‌های متن‌باز و تخصصی مانند NVIDIA Nemotron استفاده می‌کند و عملکردی نزدیک به مدل‌های پیشرو جهان را با هزینه‌ای ۲ تا ۶ برابر کمتر ارائه می‌دهد.

‏• Fugu Ultra v2: بر دستیابی به حداکثر کیفیت تمرکز دارد. طبق گزارش‌ها، این سیستم در بنچمارک‌های تخصصی مانند Chartography و DeepSWE، مدل‌های گران‌قیمت‌تر را پشت سر می‌گذارد.

‏از مهم‌ترین ویژگی‌های این معماری، امکان جایگزینی مدل‌ها در لحظه است. این رویکرد به کاربران کمک می‌کند تا وابستگی خود را به یک ارائه‌دهنده خاص کاهش داده و پایداری سرویس خود را در تغییرات احتمالی API حفظ کنند. برای بررسی جزئیات بیشتر می‌توانید اطلاعیه رسمی Sakana AI را مطالعه کنید.

معرفی سیستم ارکستراسیون Fugu؛ راهکار نوآورانه Sakana AI برای مدیریت عامل‌های هوشمند

‏🚀 معرفی ToolGrad: نوآوری گوگل در آموزش استفاده از ابزارها

‏گوگل از متد جدیدی به نام ToolGrad رونمایی کرده که فرآیند تولید داده برای آموزش مدل‌های زبانی در تعامل با APIها را متحول می‌کند. این روش به جای رویکرد سنتی، ابتدا یک زنجیره معتبر از فراخوانی‌های API می‌سازد و سپس پرس‌وجوی کاربر را متناسب با آن طراحی می‌کند.

‏ویژگی کلیدی این متد استفاده از «گرادیان‌های متنی» است؛ به این معنا که گزارش‌های اجرای هر مرحله، مانند بازخورد عمل کرده و مسیر ساخت گام‌های بعدی را اصلاح می‌کند.

‏برخی از مهم‌ترین دستاوردهای این پژوهش:
‏* نرخ موفقیت ۹۹.۸ درصدی در تولید نمونه‌های آموزشی از میان ۱۶ هزار API مختلف.
‏* بهبود چشمگیر عملکرد مدل‌های Gemma 3 در تمامی ابعاد (1B, 4B, 12B).
‏* کسب امتیاز رقابتی ۸۳.۱ توسط مدل 12B در بنچمارک BFCL که حتی از مدل‌های پیشرفته‌ای مانند GPT-5 نیز پیشی گرفته است.

معرفی ToolGrad؛ نوآوری گوگل در تولید داده برای آموزش تعامل مدل‌های زبانی با ابزارها