⚡️ AI Hack #08
📍 یک فایل بده و از ChatGPT امتحان بگیر!
اگه جزوه، کتاب یا فایل آموزشی دارید، میتونید فایل رو داخل ChatGPT آپلود کنید و ازش بخواید بر اساس محتوای همون فایل ازتون امتحان بگیره!
مثلاً این پرامپت رو بنویسید:
💬 «بر اساس این فایل، ۱۰ سؤال چهارگزینهای طراحی کن و هر بار فقط یک سؤال بپرس. بعد از جواب من، بگو درست بوده یا نه و دلیلش رو توضیح بده. در پایان هم نمرهام رو اعلام کن.»
✅ حالا میتونید مثل یک آزمون واقعی تمرین کنید و ببینید چقدر مطالب رو یاد گرفتید!
✅ حتی میتونید ازش بخواید سؤالها رو از آسان به سخت طراحی کنه یا فقط روی بخشهایی تمرکز کنه که توشون مشکل دارید.
#AI_Hack
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
📍 یک فایل بده و از ChatGPT امتحان بگیر!
اگه جزوه، کتاب یا فایل آموزشی دارید، میتونید فایل رو داخل ChatGPT آپلود کنید و ازش بخواید بر اساس محتوای همون فایل ازتون امتحان بگیره!
مثلاً این پرامپت رو بنویسید:
💬 «بر اساس این فایل، ۱۰ سؤال چهارگزینهای طراحی کن و هر بار فقط یک سؤال بپرس. بعد از جواب من، بگو درست بوده یا نه و دلیلش رو توضیح بده. در پایان هم نمرهام رو اعلام کن.»
✅ حالا میتونید مثل یک آزمون واقعی تمرین کنید و ببینید چقدر مطالب رو یاد گرفتید!
✅ حتی میتونید ازش بخواید سؤالها رو از آسان به سخت طراحی کنه یا فقط روی بخشهایی تمرکز کنه که توشون مشکل دارید.
#AI_Hack
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
❤2👍2👌1💯1
📚 پشت پرده هوش مصنوعی | قسمت ۲۲
🧠 مدل چطور یک پاسخ کامل را کلمهبهکلمه میسازد؟
در قسمت قبل دیدیم که مدل با استفاده از روشهایی مثل Top-k و Top-p مشخص میکنه از بین گزینههای احتمالی، کدوم توکنها شانس انتخاب داشته باشن.
اما انتخاب یک توکن، پایان کار نیست!
مدل همون توکن رو به متن اضافه میکنه و دوباره کل فرایند رو برای توکن بعدی انجام میده.
این چرخه بارها تکرار میشه:
🔹 محاسبه احتمالها
🔹 انتخاب توکن بعدی
🔹 اضافه شدن توکن به پاسخ
🔹 محاسبه دوباره برای توکن بعدی
به همین شکل، پاسخ مدل مرحلهبهمرحله و توکنبهتوکن ساخته میشه.
⚠️ نکته مهم:
مدل معمولاً کل پاسخ رو از ابتدا آماده نکرده و بعد یکجا نمایش نمیده؛ پاسخ در طول فرایند تولید، بهصورت گامبهگام ساخته میشه.
━━━━━━━━━━━
❓ سؤال قسمت بعد:
اگر مدل پاسخ را توکنبهتوکن میسازد، از کجا میفهمد چه زمانی باید پاسخ را تمام کند؟
#پشت_پرده_هوش_مصنوعی
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
🧠 مدل چطور یک پاسخ کامل را کلمهبهکلمه میسازد؟
در قسمت قبل دیدیم که مدل با استفاده از روشهایی مثل Top-k و Top-p مشخص میکنه از بین گزینههای احتمالی، کدوم توکنها شانس انتخاب داشته باشن.
اما انتخاب یک توکن، پایان کار نیست!
مدل همون توکن رو به متن اضافه میکنه و دوباره کل فرایند رو برای توکن بعدی انجام میده.
این چرخه بارها تکرار میشه:
🔹 محاسبه احتمالها
🔹 انتخاب توکن بعدی
🔹 اضافه شدن توکن به پاسخ
🔹 محاسبه دوباره برای توکن بعدی
به همین شکل، پاسخ مدل مرحلهبهمرحله و توکنبهتوکن ساخته میشه.
⚠️ نکته مهم:
مدل معمولاً کل پاسخ رو از ابتدا آماده نکرده و بعد یکجا نمایش نمیده؛ پاسخ در طول فرایند تولید، بهصورت گامبهگام ساخته میشه.
━━━━━━━━━━━
❓ سؤال قسمت بعد:
اگر مدل پاسخ را توکنبهتوکن میسازد، از کجا میفهمد چه زمانی باید پاسخ را تمام کند؟
#پشت_پرده_هوش_مصنوعی
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
❤3👏1
🤖 مدل تست ChatGPT از کنترل خارج شد؟
شرکت OpenAI در جریان یک آزمایش امنیتی روی بنچمارک Exploit Gym با رفتار غیرمنتظرهای روبهرو شد.
🔹 مدل آزمایشی برای حل یک مسئله، خودش به اینترنت رفت و اطلاعات موردنیازش رو از Hugging Face پیدا کرد؛ رفتاری که بخشی از سناریوی از پیش تعیینشده نبود.
🔹 این اتفاق نشون میده با گسترش AI Agentها، کنترل دسترسی مدلها به اینترنت و ابزارهای خارجی اهمیت بیشتری پیدا میکنه؛
چون مدلها ممکنه برای رسیدن به هدفشون، مسیرهایی رو انتخاب کنن که سازندگانشون از قبل پیشبینی نکردن.
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
شرکت OpenAI در جریان یک آزمایش امنیتی روی بنچمارک Exploit Gym با رفتار غیرمنتظرهای روبهرو شد.
🔹 مدل آزمایشی برای حل یک مسئله، خودش به اینترنت رفت و اطلاعات موردنیازش رو از Hugging Face پیدا کرد؛ رفتاری که بخشی از سناریوی از پیش تعیینشده نبود.
🔹 این اتفاق نشون میده با گسترش AI Agentها، کنترل دسترسی مدلها به اینترنت و ابزارهای خارجی اهمیت بیشتری پیدا میکنه؛
چون مدلها ممکنه برای رسیدن به هدفشون، مسیرهایی رو انتخاب کنن که سازندگانشون از قبل پیشبینی نکردن.
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
🔥4😱2❤1
📚 پشت پرده هوش مصنوعی | قسمت ۲۳
🧠 مدل از کجا میفهمد پاسخ باید تمام شود؟
در قسمت قبل دیدیم که مدل پاسخ رو توکنبهتوکن میسازه و هر بار توکن بعدی رو انتخاب میکنه.
اما این فرایند نمیتونه برای همیشه ادامه پیدا کنه!
اینجا مفهومی به نام توکن پایان (EOS / End-of-Sequence) وارد میشه.
مدل در فرایند تولید، میتونه به توکنی برسه که نشوندهنده پایان دنباله است. وقتی این توکن تولید بشه، سیستم متوجه میشه که پاسخ باید متوقف بشه.
یعنی بهصورت ساده:
🔹 مدل توکن بعدی رو پیشبینی میکنه.
🔹 پاسخ کمکم و توکنبهتوکن ساخته میشه.
🔹 مدل در نهایت توکن پایان رو تولید میکنه.
🔹 تولید پاسخ متوقف میشه.
⚠️ نکته مهم:
توکن پایان، یک کلمه معمولی مثل «تمام شد» نیست؛ یک علامت ویژه ست که مدل یاد گرفته در موقعیت مناسب برای پایان دادن به دنباله تولید کنه.
━━━━━━━━━━━
❓ سؤال قسمت بعد:
اگر مدل میتواند پاسخ را توکنبهتوکن بسازد، چه چیزی باعث میشود بعضی پاسخها کوتاه و بعضی پاسخها خیلی طولانی باشند؟
#پشت_پرده_هوش_مصنوعی
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
🧠 مدل از کجا میفهمد پاسخ باید تمام شود؟
در قسمت قبل دیدیم که مدل پاسخ رو توکنبهتوکن میسازه و هر بار توکن بعدی رو انتخاب میکنه.
اما این فرایند نمیتونه برای همیشه ادامه پیدا کنه!
اینجا مفهومی به نام توکن پایان (EOS / End-of-Sequence) وارد میشه.
مدل در فرایند تولید، میتونه به توکنی برسه که نشوندهنده پایان دنباله است. وقتی این توکن تولید بشه، سیستم متوجه میشه که پاسخ باید متوقف بشه.
یعنی بهصورت ساده:
🔹 مدل توکن بعدی رو پیشبینی میکنه.
🔹 پاسخ کمکم و توکنبهتوکن ساخته میشه.
🔹 مدل در نهایت توکن پایان رو تولید میکنه.
🔹 تولید پاسخ متوقف میشه.
⚠️ نکته مهم:
توکن پایان، یک کلمه معمولی مثل «تمام شد» نیست؛ یک علامت ویژه ست که مدل یاد گرفته در موقعیت مناسب برای پایان دادن به دنباله تولید کنه.
━━━━━━━━━━━
❓ سؤال قسمت بعد:
اگر مدل میتواند پاسخ را توکنبهتوکن بسازد، چه چیزی باعث میشود بعضی پاسخها کوتاه و بعضی پاسخها خیلی طولانی باشند؟
#پشت_پرده_هوش_مصنوعی
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
❤6
📍 هر تب مرورگرت رو به زبان خودت بشنو!
با افزونه Livdub میتونید صدای هر تب در Google Chrome رو بهصورت زنده ترجمه و دوبله کنید؛ از ویدیوهای YouTube گرفته تا کلاسهای آنلاین، اخبار، وبینارها و استریمها.
🔹 ترجمه و دوبله همزمان صدای تب مرورگر
🔹 مناسب برای YouTube، کلاسهای آنلاین، اخبار و استریمها
🔹 بدون نیاز به توقف ویدیو یا ترجمه دستی
🔹 پشتیبانی از زبانهای مختلف، از جمله فارسی
🔗 لینک ابزار:
https://livdub.com/fa
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
با افزونه Livdub میتونید صدای هر تب در Google Chrome رو بهصورت زنده ترجمه و دوبله کنید؛ از ویدیوهای YouTube گرفته تا کلاسهای آنلاین، اخبار، وبینارها و استریمها.
🔹 ترجمه و دوبله همزمان صدای تب مرورگر
🔹 مناسب برای YouTube، کلاسهای آنلاین، اخبار و استریمها
🔹 بدون نیاز به توقف ویدیو یا ترجمه دستی
🔹 پشتیبانی از زبانهای مختلف، از جمله فارسی
🔗 لینک ابزار:
https://livdub.com/fa
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
❤3👍1
📚 پشت پرده هوش مصنوعی | قسمت ۲۴
🧠 چرا بعضی پاسخهای مدل کوتاه و بعضی خیلی طولانیاند؟
در قسمت قبل دیدیم که مدل با رسیدن به توکن پایان (EOS) میتونه تولید پاسخ رو متوقف کنه.
اما فقط EOS تعیینکننده طول پاسخ نیست.
در سیستمهای تولید متن، معمولاً یک محدودیت فنی به نام Max Output Tokens هم وجود داره که مشخص میکنه مدل حداکثر چند توکن میتونه در پاسخ تولید کنه.
مثلاً اگر این مقدار محدود باشه، مدل حتی اگه هنوز بخواد پاسخ رو ادامه بده، ممکنه تولید متن متوقف بشه.
بنابراین طول پاسخ میتونه به عوامل مختلفی بستگی داشته باشه:
🔹 درخواست کاربر و میزان جزئیات موردنیاز
🔹 رسیدن به توکن پایان (EOS)
🔹 محدودیت Max Output Tokens
⚠️ نکته مهم:
اگه مدل به محدودیت Max Output Tokens برسه، ممکنه پاسخ قبل از کامل شدن متوقف بشه؛ حتی اگه مدل هنوز اطلاعات بیشتری برای تولید داشته باشه.
━━━━━━━━━━━
❓ سؤال قسمت بعد:
چرا بعضی وقتها پاسخ مدل قبل از کامل شدن جمله یا توضیح، ناگهان قطع میشود؟
#پشت_پرده_هوش_مصنوعی
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
🧠 چرا بعضی پاسخهای مدل کوتاه و بعضی خیلی طولانیاند؟
در قسمت قبل دیدیم که مدل با رسیدن به توکن پایان (EOS) میتونه تولید پاسخ رو متوقف کنه.
اما فقط EOS تعیینکننده طول پاسخ نیست.
در سیستمهای تولید متن، معمولاً یک محدودیت فنی به نام Max Output Tokens هم وجود داره که مشخص میکنه مدل حداکثر چند توکن میتونه در پاسخ تولید کنه.
مثلاً اگر این مقدار محدود باشه، مدل حتی اگه هنوز بخواد پاسخ رو ادامه بده، ممکنه تولید متن متوقف بشه.
بنابراین طول پاسخ میتونه به عوامل مختلفی بستگی داشته باشه:
🔹 درخواست کاربر و میزان جزئیات موردنیاز
🔹 رسیدن به توکن پایان (EOS)
🔹 محدودیت Max Output Tokens
⚠️ نکته مهم:
اگه مدل به محدودیت Max Output Tokens برسه، ممکنه پاسخ قبل از کامل شدن متوقف بشه؛ حتی اگه مدل هنوز اطلاعات بیشتری برای تولید داشته باشه.
━━━━━━━━━━━
❓ سؤال قسمت بعد:
چرا بعضی وقتها پاسخ مدل قبل از کامل شدن جمله یا توضیح، ناگهان قطع میشود؟
#پشت_پرده_هوش_مصنوعی
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
❤2🙏1
📍 ذخیره هوشمند متن جلسات Google Meet با یک افزونه کاربردی!
افزونه Tactiq میتونه صحبتهای جلسه در گوگل میت رو بهصورت زنده به متن تبدیل کنه و صحبتهای هر فرد رو جداگانه ثبت کنه.
🔷 امکانات:
🔹 پشتیبانی از زبان فارسی
🔹 تبدیل زنده صحبتها به متن
🔹 تفکیک صحبتهای افراد
🔹 خروجی گرفتن به صورت PDF و TXT
🔹 امکان ذخیره در Google Drive
برای استفاده، افزونه رو روی مرورگر Chrome نصب کنید، وارد جلسه Google Meet بشید و زبان رو روی Persian / فارسی قرار بدید.
🔗 لینک افزونه:
https://tactiq.io/
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
افزونه Tactiq میتونه صحبتهای جلسه در گوگل میت رو بهصورت زنده به متن تبدیل کنه و صحبتهای هر فرد رو جداگانه ثبت کنه.
🔷 امکانات:
🔹 پشتیبانی از زبان فارسی
🔹 تبدیل زنده صحبتها به متن
🔹 تفکیک صحبتهای افراد
🔹 خروجی گرفتن به صورت PDF و TXT
🔹 امکان ذخیره در Google Drive
برای استفاده، افزونه رو روی مرورگر Chrome نصب کنید، وارد جلسه Google Meet بشید و زبان رو روی Persian / فارسی قرار بدید.
🔗 لینک افزونه:
https://tactiq.io/
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
❤5🙏1
📚 پشت پرده هوش مصنوعی | قسمت ۲۵
🧠 چرا گاهی پاسخ مدل ناگهان وسط جمله قطع میشود؟
در قسمت قبل گفتیم که طول پاسخ میتونه به محدودیت Max Output Tokens بستگی داشته باشه.
اما گاهی ممکنه پاسخ مدل قبل از کامل شدن یک جمله یا توضیح، ناگهان متوقف بشه.
🔷 این اتفاق میتونه دلایل مختلفی داشته باشه:
🔹 رسیدن به محدودیت Max Output Tokens
🔹 پایان یافتن فرایند تولید به دلیل EOS
🔹 محدودیتهای فنی سرویس یا API
🔹 قطع شدن فرایند تولید به دلیل خطا یا مشکل ارتباطی
بنابراین هر پاسخ ناقصی لزوماً به این معنی نیست که مدل «نمیدونسته» ادامه پاسخ چیه؛ ممکنه فرایند تولید قبل از رسیدن به پایان طبیعی متوقف شده باشه.
⚠️ نکته مهم:
مدل پاسخ رو یکجا آماده نمیکنه؛ پاسخ در طول فرایند تولید، توکنبهتوکن ساخته میشه. اگر این فرایند متوقف بشه، خروجی ممکنه ناقص باقی بمونه.
━━━━━━━━━━━
❓ سؤال قسمت بعد:
چرا تولید پاسخ در بعضی مدلها سریعتر و در بعضی مدلها کندتر است؟
#پشت_پرده_هوش_مصنوعی
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
🧠 چرا گاهی پاسخ مدل ناگهان وسط جمله قطع میشود؟
در قسمت قبل گفتیم که طول پاسخ میتونه به محدودیت Max Output Tokens بستگی داشته باشه.
اما گاهی ممکنه پاسخ مدل قبل از کامل شدن یک جمله یا توضیح، ناگهان متوقف بشه.
🔷 این اتفاق میتونه دلایل مختلفی داشته باشه:
🔹 رسیدن به محدودیت Max Output Tokens
🔹 پایان یافتن فرایند تولید به دلیل EOS
🔹 محدودیتهای فنی سرویس یا API
🔹 قطع شدن فرایند تولید به دلیل خطا یا مشکل ارتباطی
بنابراین هر پاسخ ناقصی لزوماً به این معنی نیست که مدل «نمیدونسته» ادامه پاسخ چیه؛ ممکنه فرایند تولید قبل از رسیدن به پایان طبیعی متوقف شده باشه.
⚠️ نکته مهم:
مدل پاسخ رو یکجا آماده نمیکنه؛ پاسخ در طول فرایند تولید، توکنبهتوکن ساخته میشه. اگر این فرایند متوقف بشه، خروجی ممکنه ناقص باقی بمونه.
━━━━━━━━━━━
❓ سؤال قسمت بعد:
چرا تولید پاسخ در بعضی مدلها سریعتر و در بعضی مدلها کندتر است؟
#پشت_پرده_هوش_مصنوعی
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
❤3👍1
فیلاگر|جامعه هوش مصنوعی ایران
Photo
🔥 مهمترین اخبار هوش مصنوعی این هفته
🔹 بیش از ۱۱۰۰ متخصص خواستار مدیریت سرعت توسعه AI شدند
کارکنانی از شرکتهایی مثل OpenAI، Anthropic، گوگل و متا از دولت آمریکا خواستن از ایجاد سازوکارهای فنی و بینالمللی برای مدیریت سرعت پیشرفت مدلهای پیشرفته هوش مصنوعی حمایت کنه.
🔹 یک عامل هوش مصنوعی به Hugging Face نفوذ کرد!
در جریان یک آزمایش امنیتی، یک عامل خودمختار مبتنی بر مدلهای OpenAI تونست با سوءاستفاده از آسیبپذیریها از محیط آزمایشی خارج شده و به زیرساختهای Hugging Face نفوذ کنه؛ رخدادی که OpenAI اون رو بیسابقه توصیف کرده.
🔹 شرکت Hugging Face خواستار انتشار جزئیات حمله شد
مدیرعامل Hugging Face از OpenAI خواسته جزئیات فنی این رخداد رو بهصورت شفاف منتشر کنه و پیشنهاد اختصاص ۱۰۰ میلیون دلار توان پردازشی برای توسعه ابزارهای دفاع سایبری متنباز رو مطرح کرده.
🔹 مدل Claude Opus 5 معرفی شد
آنتروپیک مدل جدید خودش رو با تمرکز بر کدنویسی، کارهای دانشی و اجرای وظایف طولانیمدت معرفی کرده؛ مدلی که طبق ادعای شرکت، عملکردی نزدیک به مدلهای Frontier داره و با هزینه پایینتری عرضه شده.
🔹 مدل Kimi K3 با ۲.۸ تریلیون پارامتر متنباز شد
مدل جدید Kimi با پنجره زمینه یک میلیون توکنی و قابلیت پردازش متن، تصویر و ویدیو در Hugging Face منتشر شده و توجه جامعه توسعهدهندگان رو به خودش جلب کرده.
🔹 شرکت NVIDIA و Microsoft بهدنبال تقویت امنیت AI
دو غول فناوری برای مقابله با تهدیدهای امنیتی ناشی از مدلهای پیشرفته و حملات مبتنی بر هوش مصنوعی، همکاریهای جدیدی رو در حوزه دفاع سایبری دنبال میکنن.
✅ به نظر میرسه رقابت AI وارد مرحله جدیدی شده؛ جایی که همزمان با افزایش قدرت مدلها، نگرانی درباره امنیت و کنترلشون هم جدیتر میشه.
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
🔹 بیش از ۱۱۰۰ متخصص خواستار مدیریت سرعت توسعه AI شدند
کارکنانی از شرکتهایی مثل OpenAI، Anthropic، گوگل و متا از دولت آمریکا خواستن از ایجاد سازوکارهای فنی و بینالمللی برای مدیریت سرعت پیشرفت مدلهای پیشرفته هوش مصنوعی حمایت کنه.
🔹 یک عامل هوش مصنوعی به Hugging Face نفوذ کرد!
در جریان یک آزمایش امنیتی، یک عامل خودمختار مبتنی بر مدلهای OpenAI تونست با سوءاستفاده از آسیبپذیریها از محیط آزمایشی خارج شده و به زیرساختهای Hugging Face نفوذ کنه؛ رخدادی که OpenAI اون رو بیسابقه توصیف کرده.
🔹 شرکت Hugging Face خواستار انتشار جزئیات حمله شد
مدیرعامل Hugging Face از OpenAI خواسته جزئیات فنی این رخداد رو بهصورت شفاف منتشر کنه و پیشنهاد اختصاص ۱۰۰ میلیون دلار توان پردازشی برای توسعه ابزارهای دفاع سایبری متنباز رو مطرح کرده.
🔹 مدل Claude Opus 5 معرفی شد
آنتروپیک مدل جدید خودش رو با تمرکز بر کدنویسی، کارهای دانشی و اجرای وظایف طولانیمدت معرفی کرده؛ مدلی که طبق ادعای شرکت، عملکردی نزدیک به مدلهای Frontier داره و با هزینه پایینتری عرضه شده.
🔹 مدل Kimi K3 با ۲.۸ تریلیون پارامتر متنباز شد
مدل جدید Kimi با پنجره زمینه یک میلیون توکنی و قابلیت پردازش متن، تصویر و ویدیو در Hugging Face منتشر شده و توجه جامعه توسعهدهندگان رو به خودش جلب کرده.
🔹 شرکت NVIDIA و Microsoft بهدنبال تقویت امنیت AI
دو غول فناوری برای مقابله با تهدیدهای امنیتی ناشی از مدلهای پیشرفته و حملات مبتنی بر هوش مصنوعی، همکاریهای جدیدی رو در حوزه دفاع سایبری دنبال میکنن.
✅ به نظر میرسه رقابت AI وارد مرحله جدیدی شده؛ جایی که همزمان با افزایش قدرت مدلها، نگرانی درباره امنیت و کنترلشون هم جدیتر میشه.
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
Linkedin
Filoger | LinkedIn
Filoger | 5,107 followers on LinkedIn. Community of artificial intelligence and knowledge edge technologies. | Community of artificial intelligence and knowledge edge technologies. Filoger event is a subset of Filoger and it is a recurring event of Artificial…
💯2❤1👌1
فیلاگر|جامعه هوش مصنوعی ایران
🔥 مهمترین اخبار هوش مصنوعی این هفته 🔹 بیش از ۱۱۰۰ متخصص خواستار مدیریت سرعت توسعه AI شدند کارکنانی از شرکتهایی مثل OpenAI، Anthropic، گوگل و متا از دولت آمریکا خواستن از ایجاد سازوکارهای فنی و بینالمللی برای مدیریت سرعت پیشرفت مدلهای پیشرفته هوش مصنوعی…
Audio
🎙 تحلیل مهمترین اخبار هوش مصنوعی این هفته
توی این فایل صوتی، مهمترین اتفاقات دنیای AI رو بررسی کردیم و گفتیم هر خبر چه تأثیری روی آینده این حوزه داره.
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
توی این فایل صوتی، مهمترین اتفاقات دنیای AI رو بررسی کردیم و گفتیم هر خبر چه تأثیری روی آینده این حوزه داره.
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
❤1👍1🔥1👌1👾1
📍 گوگل ۱۰ ویدیو رایگان با Gemini Omni هدیه داد!
تا ۱۴ مرداد ۱۴۰۵ (۴ آگوست ۲۰۲۶) میتونید ۱۰ ویدیو رایگان با Gemini Omni بسازید. این پیشنهاد فقط برای مدت محدود فعاله.
🔷 قابلیتها:
🔹 ساخت ویدیو از متن
🔹 ویرایش ویدیو با دستور متنی
🔹 ریمکس و تغییر ویدیو در قالب یک گفتوگو
🔹 بدون نیاز به اشتراک Google AI (برای کاربران واجد شرایط)
🔗 ابزار:
Gemini.google.com
🔗 منبع خبر:
https://explainx.ai/blog/gemini-free-10-videos-omni-promo-august-2026
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
تا ۱۴ مرداد ۱۴۰۵ (۴ آگوست ۲۰۲۶) میتونید ۱۰ ویدیو رایگان با Gemini Omni بسازید. این پیشنهاد فقط برای مدت محدود فعاله.
🔷 قابلیتها:
🔹 ساخت ویدیو از متن
🔹 ویرایش ویدیو با دستور متنی
🔹 ریمکس و تغییر ویدیو در قالب یک گفتوگو
🔹 بدون نیاز به اشتراک Google AI (برای کاربران واجد شرایط)
🔗 ابزار:
Gemini.google.com
🔗 منبع خبر:
https://explainx.ai/blog/gemini-free-10-videos-omni-promo-august-2026
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
❤3
فیلاگر|جامعه هوش مصنوعی ایران
🎓 آموزش 4 | ساخت ورک فلوی دریافت ایمیل در صورت تغییر در فایل گوگل شیت در این جلسه: ✅ در مورد نودهای Google Sheets و Gmail صحبت کردیم. ✅ ورک فلویی ساختیم که در صورت تغییر در فایل گوگل شیت، پیامی در gmail برامون ارسال کنه #آموزش_ایجنت 🧠 فیلاگر |جامعه هوشمصنوعی…
Media is too big
VIEW IN TELEGRAM
🎓 آموزش 5 | ساخت ورک فلوی رزرواسیون
در این جلسه، چت بات بله که در جلسه سوم ساخته بودیم رو گسترش می دیم و انجام رزرواسیون رو به اون اضافه می کنیم.
✅ هم چنین در مورد نحوه ی ایجاد چت بات داخل تلگرام صحبت می کنیم.
📌 این جلسه شامل سه ویدیو می باشد.
#آموزش_ایجنت
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
در این جلسه، چت بات بله که در جلسه سوم ساخته بودیم رو گسترش می دیم و انجام رزرواسیون رو به اون اضافه می کنیم.
✅ هم چنین در مورد نحوه ی ایجاد چت بات داخل تلگرام صحبت می کنیم.
📌 این جلسه شامل سه ویدیو می باشد.
#آموزش_ایجنت
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
👍2❤1👌1
فیلاگر|جامعه هوش مصنوعی ایران
🎓 آموزش 5 | ساخت ورک فلوی رزرواسیون در این جلسه، چت بات بله که در جلسه سوم ساخته بودیم رو گسترش می دیم و انجام رزرواسیون رو به اون اضافه می کنیم. ✅ هم چنین در مورد نحوه ی ایجاد چت بات داخل تلگرام صحبت می کنیم. 📌 این جلسه شامل سه ویدیو می باشد. #آموزش_ایجنت…
Media is too big
VIEW IN TELEGRAM
🎓 آموزش 5 | ساخت ورک فلوی رزرواسیون (ویدیوی دوم)
#آموزش_ایجنت
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
#آموزش_ایجنت
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
🙏3❤1
فیلاگر|جامعه هوش مصنوعی ایران
🎓 آموزش 5 | ساخت ورک فلوی رزرواسیون (ویدیوی دوم) #آموزش_ایجنت 🧠 فیلاگر |جامعه هوشمصنوعی ایران 🆔 @filoger_com LinkedIn | Instagram
Media is too big
VIEW IN TELEGRAM
🎓 آموزش 5 | ساخت ورک فلوی رزرواسیون (ویدیوی سوم)
#آموزش_ایجنت
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
#آموزش_ایجنت
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
LinkedIn | Instagram
❤2🙏2
فیلاگر|جامعه هوش مصنوعی ایران
📍توی فیلاگر برای ما مهمه که نظر شما نسبت به محتوا چیه؟
برای همین میخوایم نظرتون رو بدونیم و پیشنهادات شما واسمون خیلی ارزشمنده
🧠 سری آموزشهای «پشت پرده هوش مصنوعی» تا اینجا براتون چطور بوده؟
برای همین میخوایم نظرتون رو بدونیم و پیشنهادات شما واسمون خیلی ارزشمنده
🧠 سری آموزشهای «پشت پرده هوش مصنوعی» تا اینجا براتون چطور بوده؟
📊 ممنون از شما که در نظرسنجی شرکت کردید و نظرتون رو با ما به اشتراک گذاشتید 🙏🏻
خیلی خوشحالیم که بیشتر شما راضی بودید💜
مطالب این سری رفتهرفته فنیتر و عمیقتر میشن، اما چون بعضی از دوستان ترجیح میدن موضوعات رو سادهتر و با جزئیات بیشتری دنبال کنن، تصمیم گرفتیم در بخش مجله سایت فیلاگر، هر قسمت رو بهصورت کاملتر و با مثالهای بیشتر توضیح بدیم. 🧠📚
🔗 https://filoger.com/%d8%a8%d9%84%d8%a7%da%af/
از دوستانی هم که هنوز با این سری ارتباط نگرفتن ممنونیم که نظرشون رو گفتن.
امیدواریم در ادامه مطالبی منتشر کنیم که بیشتر مورد پسند و رضایت شما باشه. 🌱
ممنون که همراه فیلاگر هستید 💜
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
خیلی خوشحالیم که بیشتر شما راضی بودید💜
مطالب این سری رفتهرفته فنیتر و عمیقتر میشن، اما چون بعضی از دوستان ترجیح میدن موضوعات رو سادهتر و با جزئیات بیشتری دنبال کنن، تصمیم گرفتیم در بخش مجله سایت فیلاگر، هر قسمت رو بهصورت کاملتر و با مثالهای بیشتر توضیح بدیم. 🧠📚
🔗 https://filoger.com/%d8%a8%d9%84%d8%a7%da%af/
از دوستانی هم که هنوز با این سری ارتباط نگرفتن ممنونیم که نظرشون رو گفتن.
امیدواریم در ادامه مطالبی منتشر کنیم که بیشتر مورد پسند و رضایت شما باشه. 🌱
ممنون که همراه فیلاگر هستید 💜
🧠 فیلاگر |جامعه هوشمصنوعی ایران
🆔 @filoger_com
👏4👌1
⚡️ AI Hack #09
📍 با Suno؛ فقط با یک جمله آهنگ بساز!
با Suno می تونید ایده خودتون رو بنویسید و هوش مصنوعی آهنگتون رو براتون تولید میکنه:
🔹 ملودی
🔹 شعر
🔹 صدای خواننده
🔹 تنظیم موسیقی
میتونید برای تولید محتوا، ساخت موسیقی پسزمینه، پادکست یا حتی سرگرمی استفاده کنید.
🔗 ابزار:
https://suno.com
#AI_Hack
🧠 فیلاگر | جامعه هوش مصنوعی ایران
🆔@filoger_com
📍 با Suno؛ فقط با یک جمله آهنگ بساز!
با Suno می تونید ایده خودتون رو بنویسید و هوش مصنوعی آهنگتون رو براتون تولید میکنه:
🔹 ملودی
🔹 شعر
🔹 صدای خواننده
🔹 تنظیم موسیقی
میتونید برای تولید محتوا، ساخت موسیقی پسزمینه، پادکست یا حتی سرگرمی استفاده کنید.
🔗 ابزار:
https://suno.com
#AI_Hack
🧠 فیلاگر | جامعه هوش مصنوعی ایران
🆔@filoger_com
❤5
📚 پشت پرده هوش مصنوعی | قسمت ۲۶
🧠 چرا بعضی مدلها سریعتر پاسخ میدهند؟
در قسمتهای قبل دیدیم که مدل چه جوری توکنها رو انتخاب میکنه و پاسخ رو مرحلهبهمرحله میسازه.
اما یه سؤال مهم وجود داره:
چرا بعضی مدلها در چند ثانیه پاسخ میدن، ولی بعضی مدلها برای همون نوع پاسخ زمان بیشتری نیاز دارن؟
فرایند اجرای یک مدل آموزشدیده برای تولید پاسخ، Inference نام داره.
در این مرحله، مدل باید محاسبات لازم رو انجام بده تا بتونه خروجی مناسب رو تولید کنه.
سرعت این فرایند به عوامل مختلفی بستگی داره:
🔹 اندازه و معماری مدل
🔹 میزان محاسبات موردنیاز برای تولید پاسخ
🔹 بهینهسازیهای نرمافزاری
🔹 تعداد توکنهای ورودی و خروجی
برای اندازهگیری سرعت پاسخگویی مدل، چند معیار مهم وجود داره:
🔹 Time to First Token (TTFT):
زمان لازم تا اولین توکن پاسخ تولید بشه
🔹 Tokens per Second:
تعداد توکنهایی که مدل در هر ثانیه تولید میکنه
⚠️ نکته مهم:
سرعت یک مدل فقط به اندازه اون وابسته نیست؛ طراحی مدل، روش اجراش و بهینهسازیها هم نقش مهمی دارن.
#پشت_پرده_هوش_مصنوعی
🧠 فیلاگر | جامعه هوش مصنوعی ایران
🆔 @filoger_com
🧠 چرا بعضی مدلها سریعتر پاسخ میدهند؟
در قسمتهای قبل دیدیم که مدل چه جوری توکنها رو انتخاب میکنه و پاسخ رو مرحلهبهمرحله میسازه.
اما یه سؤال مهم وجود داره:
چرا بعضی مدلها در چند ثانیه پاسخ میدن، ولی بعضی مدلها برای همون نوع پاسخ زمان بیشتری نیاز دارن؟
فرایند اجرای یک مدل آموزشدیده برای تولید پاسخ، Inference نام داره.
در این مرحله، مدل باید محاسبات لازم رو انجام بده تا بتونه خروجی مناسب رو تولید کنه.
سرعت این فرایند به عوامل مختلفی بستگی داره:
🔹 اندازه و معماری مدل
🔹 میزان محاسبات موردنیاز برای تولید پاسخ
🔹 بهینهسازیهای نرمافزاری
🔹 تعداد توکنهای ورودی و خروجی
برای اندازهگیری سرعت پاسخگویی مدل، چند معیار مهم وجود داره:
🔹 Time to First Token (TTFT):
زمان لازم تا اولین توکن پاسخ تولید بشه
🔹 Tokens per Second:
تعداد توکنهایی که مدل در هر ثانیه تولید میکنه
⚠️ نکته مهم:
سرعت یک مدل فقط به اندازه اون وابسته نیست؛ طراحی مدل، روش اجراش و بهینهسازیها هم نقش مهمی دارن.
#پشت_پرده_هوش_مصنوعی
🧠 فیلاگر | جامعه هوش مصنوعی ایران
🆔 @filoger_com
❤3👍1
🚀 ابزار Google Opal؛ ساخت ابزارهای هوش مصنوعی بدون کدنویسی
گوگل بهتازگی Google Opal رو معرفی کرده؛ یک ابزار آزمایشی که به شما اجازه میده با زبان طبیعی، Workflowها و مینیاپهای هوش مصنوعی بسازید. کافیه هدفتون رو توضیح بدید تا Opal مراحل کار رو طراحی و اجرا کنه.
🔷 با Google Opal چه کارهایی میشه انجام داد؟
🔹 ساخت دستیار خلاصهسازی PDF، Word و صفحات وب
🔹 استخراج نکات کلیدی و تولید گزارش از اسناد
🔹 ساخت ابزار تحلیل فایلهای Excel و CSV
🔹 طراحی فرمها و Workflowهای خودکار با کمک هوش مصنوعی
🔹 ساخت دستیارهای اختصاصی برای تولید محتوا، تحقیق و مدیریت اطلاعات
🔹 ویرایش و شخصیسازی Workflowها با رابط گرافیکی، بدون نیاز به کدنویسی
این ابزار از مدلهای هوش مصنوعی گوگل استفاده میکنه و برای افرادی که میخوان سریع نمونه اولیه یک ابزار هوشمند رو بسازن، گزینه جذابیه.
🔗 لینک Google Opal:
https://opal.withgoogle.com
✅ می تونید نمونههای آماده و Workflowهای ساختهشده توسط دیگران رو هم در بخش Examples بررسی کنید.
🧠 فیلاگر | جامعه هوش مصنوعی ایران
🆔 @filoger_com
گوگل بهتازگی Google Opal رو معرفی کرده؛ یک ابزار آزمایشی که به شما اجازه میده با زبان طبیعی، Workflowها و مینیاپهای هوش مصنوعی بسازید. کافیه هدفتون رو توضیح بدید تا Opal مراحل کار رو طراحی و اجرا کنه.
🔷 با Google Opal چه کارهایی میشه انجام داد؟
🔹 ساخت دستیار خلاصهسازی PDF، Word و صفحات وب
🔹 استخراج نکات کلیدی و تولید گزارش از اسناد
🔹 ساخت ابزار تحلیل فایلهای Excel و CSV
🔹 طراحی فرمها و Workflowهای خودکار با کمک هوش مصنوعی
🔹 ساخت دستیارهای اختصاصی برای تولید محتوا، تحقیق و مدیریت اطلاعات
🔹 ویرایش و شخصیسازی Workflowها با رابط گرافیکی، بدون نیاز به کدنویسی
این ابزار از مدلهای هوش مصنوعی گوگل استفاده میکنه و برای افرادی که میخوان سریع نمونه اولیه یک ابزار هوشمند رو بسازن، گزینه جذابیه.
🔗 لینک Google Opal:
https://opal.withgoogle.com
✅ می تونید نمونههای آماده و Workflowهای ساختهشده توسط دیگران رو هم در بخش Examples بررسی کنید.
🧠 فیلاگر | جامعه هوش مصنوعی ایران
🆔 @filoger_com
👍3🆒1
📚 پشت پرده هوش مصنوعی | قسمت ۲۷
🧠 چرا مدل برای تولید هر توکن جدید، نیاز دارد از اطلاعات قبلی پاسخ استفاده کند؟ اطلاعات قبلی پاسخ کجا نگه داشته میشوند؟
مدل برای ادامهی پاسخ باید بتونه اطلاعاتی رو که در مراحل قبلی پردازش کرده، در مراحل بعدی هم در دسترس داشته باشه.
اما چالشی که به وجود میاد:
هرچی پاسخ طولانیتر بشه، مقدار اطلاعاتی که باید در طول فرایند تولید پاسخ مدیریت بشه، بیشتر میشه.
🔹 اطلاعات بیشتری باید در حافظه نگه داشته بشه.
🔹 محاسبات بیشتری درگیر میشه.
🔹 منابع بیشتری نیازه.
به همین دلیل، یکی از چالشهای مهم در اجرای مدلهای زبانی اینه که چه جوری اطلاعات موردنیاز از مراحل قبلی رو بهصورت کارآمد نگهداری و دوباره استفاده کرد.
⚠️ نکته مهم:
مدل نباید برای تولید هر توکن جدید، همه اطلاعات قبلی رو از اول دوباره محاسبه کنه؛ چون این کار میتونه سرعت تولید پاسخ رو کاهش بده و منابع بیشتری مصرف کنه.
اینجاست که یک تکنیک مهم وجود داره:
KV Cache
❓ سؤال:
حالا KV Cache چگونه به مدل کمک میکند از اطلاعات محاسبهشده قبلی دوباره استفاده کند؟
#پشت_پرده_هوش_مصنوعی
🧠 فیلاگر | جامعه هوش مصنوعی ایران
🆔 @filoger_com
🧠 چرا مدل برای تولید هر توکن جدید، نیاز دارد از اطلاعات قبلی پاسخ استفاده کند؟ اطلاعات قبلی پاسخ کجا نگه داشته میشوند؟
مدل برای ادامهی پاسخ باید بتونه اطلاعاتی رو که در مراحل قبلی پردازش کرده، در مراحل بعدی هم در دسترس داشته باشه.
اما چالشی که به وجود میاد:
هرچی پاسخ طولانیتر بشه، مقدار اطلاعاتی که باید در طول فرایند تولید پاسخ مدیریت بشه، بیشتر میشه.
🔹 اطلاعات بیشتری باید در حافظه نگه داشته بشه.
🔹 محاسبات بیشتری درگیر میشه.
🔹 منابع بیشتری نیازه.
به همین دلیل، یکی از چالشهای مهم در اجرای مدلهای زبانی اینه که چه جوری اطلاعات موردنیاز از مراحل قبلی رو بهصورت کارآمد نگهداری و دوباره استفاده کرد.
⚠️ نکته مهم:
مدل نباید برای تولید هر توکن جدید، همه اطلاعات قبلی رو از اول دوباره محاسبه کنه؛ چون این کار میتونه سرعت تولید پاسخ رو کاهش بده و منابع بیشتری مصرف کنه.
اینجاست که یک تکنیک مهم وجود داره:
KV Cache
❓ سؤال:
حالا KV Cache چگونه به مدل کمک میکند از اطلاعات محاسبهشده قبلی دوباره استفاده کند؟
#پشت_پرده_هوش_مصنوعی
🧠 فیلاگر | جامعه هوش مصنوعی ایران
🆔 @filoger_com
👌1