🚀 ساخت سایت با ChatGPT؛ بدون کدنویسی!

تصور کنید فقط ایده‌تان را برای ChatGPT توضیح بدهید و چند دقیقه بعد، یک سایت آماده و قابل انتشار تحویل بگیرید!

🟢 قابلیت جدید ChatGPT Sites حالا در مرحله بتای عمومی قرار دارد و به کاربران اجازه می‌دهد بدون نیاز به دانش برنامه‌نویسی، ایده‌های خود را به یک تجربه وب واقعی تبدیل کنند.

🔸 کافی است ایده‌تان را به‌صورت متنی توضیح دهید؛ حتی می‌توانید از نمونه‌ها یا پروژه‌های موجود هم کمک بگیرید.

🔸 از وب‌سایت و لندینگ‌پیج گرفته تا وب‌اپلیکیشن و بازی‌های ساده؛ ChatGPT می‌تواند بخش زیادی از فرایند ساخت را انجام دهد.

🔸 بعد از ساخته‌شدن سایت هم می‌توانید آن را بررسی، اصلاح، منتشر و با دیگران به اشتراک بگذارید.

⏱️ نکته جالب اینکه آماده‌سازی سایت بسته به پیچیدگی پروژه ممکن است حدود ۱۰ تا ۱۵ دقیقه زمان ببرد.

💡 یعنی دیگر برای شروع یک پروژه وب، لزوماً لازم نیست از همان ابتدا سراغ کدنویسی بروید؛ کافی است دقیق بدانید چه چیزی می‌خواهید بسازید.

🤖 Muse
؛ دستیار هوش مصنوعی جدید Meta که فقط جواب نمی‌دهد، کار انجام می‌دهد!

متا از Muse رونمایی کرده؛ یک دستیار #هوش_مصنوعی شخصی که برای انجام کارهای روزمره طراحی شده، نه فقط چت کردن و پاسخ دادن به سؤال‌ها.

Muse
می‌تواند با اجازه شما در اینترنت جست‌وجو کند، اطلاعات را بررسی کند و کارهای چندمرحله‌ای را انجام دهد؛ از برنامه‌ریزی سفر و پیدا کردن محصول مناسب گرفته تا مدیریت ایمیل‌ها و انجام بعضی کارهای آنلاین.

🧠 این سرویس با مدل Muse Spark کار می‌کند و هدفش این است که از یک «چت‌بات» معمولی به یک AI Agent تبدیل شود؛ یعنی شما هدف را مشخص می‌کنید و Muse مراحل انجام کار را دنبال می‌کند.

🔐 متا همچنین روی امنیت آن تأکید کرده و Muse را در محیط اختصاصی خودش اجرا می‌کند تا فعالیت‌های Agent کنترل‌شده‌تر باشند.

📱 Muse from Meta

🍎 نسخه iOS:
"دانلود از App Store"

🤖 نسخه Android:
"دانلود از Google Play"

🌐 نسخه وب:
"muse.ai"

⚡️ اگر AI Agentها قرار است نسل بعدی دستیارهای هوشمند باشند، Muse یکی از جدی‌ترین تلاش‌های Meta برای ورود به این حوزه است.

🟠 اگه با Google Flow برای ساخت ویدیو با هوش مصنوعی کار می‌کنید، ممکنه با خطای:

Flow is not available in your country yet

مواجه شده باشید.

یکی از چیزهایی که می‌تونه باعث این خطا بشه، Region مرتبط با اکانت گوگله.

🔸 اول با همون اکانتی که می‌خواید وارد Flow بشید، Region اکانت رو بررسی کنید. اگر کشور اشتباه ثبت شده، می‌تونید از فرم رسمی گوگل برای درخواست تغییر Region استفاده کنید:

https://policies.google.com/country-association-form

🔸 اگر با VPN وارد می‌شید، بهتره IP شما با همون کشوری که انتخاب کردید هماهنگ باشه و مرتب بین کشورهای مختلف جابه‌جا نشید.

⚠️ تغییر Region برای بعضی کاربران مشکل رو حل کرده، اما تضمینی نیست؛ چون دسترسی Flow به کشور پشتیبانی‌شده و شرایط اکانت هم بستگی داره.

لیست کشورهای پشتیبانی‌شده Flow:
https://support.google.com/flow/answer/16353544


کلاً برای ساخت اکانت توی این‌جور سایت‌ها، ترجیحاً از سرویس‌های VPN معتبر با پروتکل‌هایی مثل OpenVPN یا WireGuard استفاده کنید یا سراغ افزونه‌های VPN شناخته‌شده برید.


یه نکته مهم که متأسفانه خیلی‌ها بهش توجه نمی‌کنن، هماهنگی بین IP، مرورگر، زبان سیستم و Time Zoneـه.

مثلاً اگه IP شما مربوط به یه کشور باشه ولی زبان و Time Zone دستگاه چیز دیگه‌ای رو نشون بده، ممکنه بعضی سرویس‌ها این عدم تطابق رو به‌عنوان یکی از سیگنال‌های تشخیص موقعیت در نظر بگیرن.

پس تا جای ممکن این موارد رو با لوکیشن IP هماهنگ نگه دارید.

🚀 Meta
دوباره مدل Muse Spark را ارتقا داد؛ نسخه 1.3 منتشر شد!

متا از Muse Spark 1.3 رونمایی کرده؛ مدلی که این بار تمرکز ویژه‌ای روی کدنویسی و انجام وظایف چندمرحله‌ای دارد.

🔹 طبق اعلام متا، Muse Spark 1.3 در مقایسه با نسخه 1.2:

• حدود ۲۵٪ توکن کمتر مصرف می‌کند
• حدود ۲۰٪ Tool Call کمتری انجام می‌دهد
• در کارهای کدنویسی عملکرد سریع‌تر و کارآمدتری دارد
• در وظایف طولانی و چندمرحله‌ای، بهتر می‌تواند دستورها و محدودیت‌های کاربر را حفظ کند. 

📊 نکته جالب‌تر، عملکرد این مدل در بنچمارک‌هاست؛ Muse Spark 1.3 در برخی ارزیابی‌ها به جمع مدل‌های قدرتمند بازار نزدیک شده و همین موضوع رقابت Meta با دیگر شرکت‌های بزرگ AI را جدی‌تر می‌کند.

💰 قیمت‌گذاری هم تغییر نکرده و متا همچنان دو سطح دسترسی را ارائه می‌دهد؛ یکی با حفظ حریم خصوصی بیشتر و دیگری با اجازه استفاده از داده‌ها برای بهبود مدل.

🔓 متا همچنین اعلام کرده که انتشار نسخه Open Weights در نقشه راه قرار دارد؛ هرچند هنوز مشخص نیست این انتشار دقیقاً مربوط به کدام نسخه خواهد بود. 

🎬 هوش مصنوعی حالا می‌تونه یک پخش زنده ویدیویی بسازه که همون لحظه کارگردانی‌اش کنید!

شرکت fal نسخه جدید H3 Max Director رو معرفی کرده؛ مدلی که به‌جای ساخت چند کلیپ جداگانه، یک ویدیوی پیوسته و زنده تولید می‌کنه و اتفاقات قبلی، شخصیت‌ها و فضای صحنه رو در طول پخش به خاطر می‌سپاره.

🔹 جذاب‌ترین بخش ماجرا اینه که می‌تونید در حین پخش، پرامپت رو تغییر بدید و مسیر اتفاقات رو همان لحظه عوض کنید؛ بدون اینکه ویدیو متوقف یا از اول ساخته بشه.

🔹 صدا هم همزمان با تصویر تولید می‌شه و می‌تونه شامل دیالوگ، افکت‌های صوتی و موسیقی باشه.

📺 نمونه واقعی این فناوری رو می‌شه در fal.live دید؛ جایی که بیننده‌ها انتخاب می‌کنن در ادامه چه اتفاقی بیفته و مدل، داستان رو بر اساس انتخاب آن‌ها جلو می‌بره.

💰 قیمت فعلی:
▫️ هر ثانیه: ۰٫۰۲ دلار
▫️ حداقل هزینه هر جلسه: ۱٫۲۰ دلار برای ۶۰ ثانیه
▫️ بعد از ۱۴ سپتامبر: ۰٫۰۸ دلار در هر ثانیه
▫️ جلسات عمومی فعلاً حداکثر ۲ دقیقه هستند و زمان‌های طولانی‌تر برای برخی پروژه‌های تأییدشده فعال می‌شوند.

🚀 Astra
به Codex رسید!

به‌نظر می‌رسه OpenAI عرضه Astra در Codex رو برای کاربران Pro شروع کرده و این مدل به‌تدریج در حال فعال‌شدن برای این کاربران است.

🔹 Astra مدل جدید OpenAI است که تمرکز ویژه‌ای روی انجام وظایف پیچیده، کار با کامپیوتر، کدنویسی و اجرای مستقل‌تر وظایف دارد.

🔹 عرضه Astra از ابتدا مرحله‌ای بوده و کاربران Pro جزو گروه‌هایی هستند که دسترسی آن‌ها در حال گسترش است.

🔥 حالا با ورود Astra به Codex، باید دید این مدل در محیط واقعی توسعه نرم‌افزار چقدر می‌تونه عملکرد Codex رو بهتر کنه.

برای شما هم Astra داخل Codex فعال شده؟ 👀

🎨 OpenAI
حالا ChatGPT Images 2.5 را منتشر کرد؛ ویرایش تصاویر حالا دقیق‌تر شده!

OpenAI
نسخه جدید ChatGPT Images 2.5 را منتشر کرده؛ اما تمرکز اصلی این آپدیت فقط روی زیباتر شدن تصاویر نیست، بلکه روی کنترل بیشتر هنگام ویرایش است.

🔹 مهم‌ترین تغییر، ویرایش دقیق‌تر تصاویر است؛ یعنی وقتی چند بار پشت سر هم درخواست تغییر می‌دهید، مدل بهتر می‌تواند بخش موردنظر را تغییر دهد و سایر قسمت‌های تصویر را دست‌نخورده نگه دارد.

🔹 قابلیت جدید Sketch هم اضافه شده؛ می‌توانید یک طرح ساده و حتی یک نقاشی دست‌وپا‌شکسته بکشید و ChatGPT آن را به یک تصویر کامل تبدیل کند. ✏️➡️🎨

🔹 Templates هم برای کارهای رایج مثل ساخت پوستر، لوگو، تصاویر محصول و اینفوگرافیک در دسترس قرار گرفته تا لازم نباشد هر بار پرامپت را از صفر بنویسید.

⚡️ سرعت تولید هم بهتر شده و OpenAI می‌گوید Images 2.5 می‌تواند تصاویر را تا ۵۰٪ سریع‌تر از Images 2.0 تولید کند.

🤖 در API هم دو نسخه از مدل ارائه شده؛ یک نسخه پیشرفته‌تر و یک نسخه سبک‌تر برای استفاده‌های ساده‌تر.

🤯 OpenAI
ادعا می‌کند یکی از سخت‌ترین مسائل ریاضی تاریخ را حل کرده!

OpenAI
می‌گوید هوش مصنوعی این شرکت توانسته مسئله ناویر–استوکس (Navier–Stokes) را حل کند؛ یکی از ۷ مسئله هزاره که نزدیک به یک قرن ذهن ریاضی‌دان‌ها را درگیر کرده است.

🔹 برای این کار، یک مدل داخلی که طبق ادعای OpenAI از GPT-6 Astra قدرتمندتر است، به حدود ۱۰ هزار Agent همزمان دسترسی داشته.

⏱️ این Agentها طی تنها ۸۸ ساعت روی مسئله کار کردند و در مجموع حدود ۱۳۰ میلیارد توکن تولید شد.

بعد از آن، GPT-6 Astra طی ۱۷ ساعت دیگر، اثبات به‌دست‌آمده را در Lean رسمی‌سازی و بررسی کرده است.

📐 نتیجه ادعایی مدل چیست؟

به‌طور خلاصه، این اثبات نشان می‌دهد که در شرایط خاص، یک جریان سیال سه‌بعدی که در ابتدا کاملاً نرم است می‌تواند در زمانی محدود به یک تکینگی (Singularity) برسد، در حالی که انرژی کل همچنان محدود باقی می‌ماند.

🔥 اگر این نتیجه پس از بررسی مستقل جامعه ریاضی تأیید شود، با یکی از مهم‌ترین دستاوردهای تاریخ هوش مصنوعی در ریاضیات روبه‌رو خواهیم بود.

🧬 Google DeepMind
نقشه ۹ میلیارد تغییر ژنتیکی را با AI ساخت!

DeepMind
یک قدم بزرگ دیگر در استفاده از هوش مصنوعی برای درک DNA برداشته است.

ابزار جدید AlphaGenome Atlas تقریباً ۹ میلیارد تغییر تک‌حرفی ممکن در DNA انسان را بررسی کرده و پیش‌بینی می‌کند هرکدام از آن‌ها چه اثری می‌توانند روی عملکرد سلول داشته باشند.

🔹 AlphaGenome
می‌تواند توالی‌هایی تا حدود ۱ میلیون جفت‌باز را تحلیل کند و اثر تغییرات DNA را روی مواردی مثل بیان ژن، RNA Splicing، کروماتین و تنظیم فعالیت ژن‌ها پیش‌بینی کند.

🔹 اهمیت ماجرا اینجاست که حدود ۹۸٪ ژنوم انسان مستقیماً پروتئین کد نمی‌کند؛ اما همین بخش‌های غیرکُدکننده می‌توانند در تنظیم ژن‌ها و بیماری‌ها نقش داشته باشند.

🔹 به‌جای اینکه دانشمندان مجبور باشند میلیاردها تغییر احتمالی را یکی‌یکی بررسی کنند، AlphaGenome می‌تواند تغییرات مهم‌تر را اولویت‌بندی کند و سرنخ‌هایی درباره ارتباط آن‌ها با بیماری‌ها بدهد.

🤖🎨 به Astra یک ربات، قلم‌مو و دوربین دادند؛ نتیجه واقعاً عجیب بود!

یک نفر به Astra یک ربات مجهز به دوربین و یک قلم‌مو داد و از آن خواست در دنیای واقعی، پل گلدن گیت را نقاشی کند.

اما نکته جالب اینجاست که Astra فقط دستور اجرای یک حرکت از پیش تعیین‌شده را دریافت نکرده بود؛ بلکه خودش باید نحوه کنترل ربات را یاد می‌گرفت.

🔹 با استفاده از دوربین، محیط و نتیجه کارش را مشاهده می‌کرد.

🔹 حرکت‌های مختلف را امتحان می‌کرد و در تلاش‌های بعدی، عملکردش به‌تدریج بهتر می‌شد.

🔹 یعنی مدل عملاً وارد یک چرخه شد:

مشاهده 👀 → اقدام 🤖 → بررسی نتیجه → اصلاح → تلاش دوباره

🔥 این دقیقاً همان چیزی است که وقتی درباره AI Agentهای دنیای واقعی صحبت می‌کنیم، جذاب می‌شود؛ مدلی که فقط متن تولید نمی‌کند، بلکه می‌تواند محیط را ببیند، با یک ابزار فیزیکی تعامل کند و از نتیجه اقداماتش برای بهبود عملکرد استفاده کند.

🤯 اگر چنین قابلیت‌هایی مقیاس‌پذیر شوند، فاصله بین «هوش مصنوعی داخل کامپیوتر» و ربات‌های واقعاً خودمختار می‌تواند خیلی کمتر شود.

🤯 Meta
می‌خواهد AI را از «چت کردن» به «انجام دادن» برساند!

متا در حال ارتقای Muse است؛ یک AI Agent شخصی که قرار است به‌جای اینکه فقط به سؤال‌ها جواب بدهد، واقعاً کارها را برای شما انجام دهد.

🔹 رزرو سفر ✈️
🔹 ارسال ایمیل 📩
🔹 پر کردن فرم‌ها 📝
🔹 مذاکره برای کاهش بعضی هزینه‌ها 💰
🔹 خرید آنلاین 🛒
🔹 و حتی ادامه دادن کارها بعد از اینکه اپلیکیشن را می‌بندید!

Muse برای انجام این کارها در یک کامپیوتر ابری امن و اختصاصی فعالیت می‌کند؛ محیطی که Agent در آن می‌تواند سایت‌ها و ابزارهای مختلف را مثل یک کاربر واقعی کنترل کند.

🧠 این Agent همچنین می‌تواند کانتکست کارها را به خاطر بسپارد، قدم بعدی را خودش تشخیص دهد و بدون اینکه برای هر مرحله دوباره به آن دستور بدهید، کار را جلو ببرد.

💬 جالب‌تر اینکه قرار است Muse از طریق WhatsApp هم قابل استفاده باشد.

👓 و طبق اعلام Meta، مقصد بعدی این فناوری عینک‌های هوشمند AI است؛ یعنی شاید در آینده به‌جای باز کردن اپلیکیشن‌ها، فقط به عینکتان بگویید چه کاری انجام شود.

🤖🧪 Hugging Face
یک AI Agent ساخته که خودش آزمایش‌های Machine Learning را انجام می‌دهد!
دیگر لازم نیست برای شروع یک پروژه ML، از صفر مدل، دیتاست و تنظیمات آموزش را پیدا کنید.
Hugging Face، ML Intern
را به چت‌بات خود اضافه کرده؛ یک Agent که می‌تواند تقریباً کل چرخه یک آزمایش یادگیری ماشین را بر اساس توضیح متنی شما انجام دهد.
🔹 کافی است ایده یا مسئله‌تان را توضیح دهید و Agent را فعال کنید.
بعد از آن ML Intern خودش:
🔎 مدل‌ها و دیتاست‌های مناسب را در Hugging Face Hub، GitHub و وب پیدا می‌کند.
💻 منابع محاسباتی موردنیاز را تخمین می‌زند و قبل از شروع، یک بودجه مشخص تعیین می‌کند که از آن فراتر نمی‌رود.
🧹 داده‌ها را آماده می‌کند و آموزش مدل را اجرا می‌کند.
📊 روند آموزش را از طریق یک داشبورد اختصاصی زیر نظر می‌گیرد.
📦 وزن‌های نهایی مدل را دوباره روی Hugging Face Hub قرار می‌دهد.
📝 گزارش آزمایش را تولید می‌کند و در نهایت یک دموی تعاملی برای مدل می‌سازد.
🔥 نکته مهم اینجاست که ابزار برای افرادی طراحی شده که لزوماً تجربه تخصصی در Machine Learning ندارند.