علم داده (Data Science)

31 October 2026 11:19

‏📚 بیش از ۵۰۰ تقلب‌نامه یادگیری ماشین در یک مخزن گیت‌هاب

‏در مخزن MLCheatSheets بیش از ۵۰۰ تقلب‌نامه (Cheat Sheet) درباره یادگیری ماشین و یادگیری عمیق گردآوری شده است. این منابع مباحث مختلفی از الگوریتم‌های پایه و ریاضیات گرفته تا شبکه‌های عصبی و ترنسفورمرها را پوشش می‌دهند.

‏هر تقلب‌نامه شامل توضیحات تئوری، فرمول‌های مرتبط، نمونه‌کدهای پایتون و نکاتی برای اجرای آن‌ها است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

31 October 2026 10:45

‏🚀 آنتروپیک به بزرگ‌ترین مشتری مالی اسپیس‌ایکس تبدیل شد

‏طبق اسناد مالی اخیر اسپیس‌ایکس و گزارش بلومبرگ، شرکت هوش مصنوعی Anthropic که در گزارش‌ها با نام «مشتری B» ثبت شده، در سه ماهه گذشته حدود ۳۴.۵ درصد از کل درآمد اسپیس‌ایکس را تأمین کرده و سهمی بیشتر از دولت آمریکا در پرداختی‌های این شرکت داشته است.

‏این هزینه‌ها مربوط به پرتاب موشک نیست. آنتروپیک قدرت پردازشی دیتاسنتر ممفیس را از بخش هوش مصنوعی اسپیس‌ایکس (Super Intelligence) اجاره می‌کند. پرونده عرضه عمومی (IPO) آنتروپیک نشان می‌دهد که این شرکت طبق قراردادهایی تا سال ۲۰۲۹، ممکن است تا ۱۲۰.۵ میلیارد دلار در این بخش هزینه کند که از دسامبر به حدود ۳.۱ میلیارد دلار در ماه می‌رسد.

‏بر اساس این اسناد، امکان لغو قرارداد از اوایل سال ۲۰۲۷ با اعلام قبلی ۹۰ روزه وجود دارد. هیچ‌یک از این دو شرکت درباره خبر منتشرشده اظهارنظر نکرده‌اند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

31 October 2026 07:14

‏🤖 معرفی OpenBot؛ جایگزین متن‌باز Grok

‏اگر به ابزارهایی مانند Grok، Muse یا Dot دسترسی ندارید یا ترجیح می‌دهید از سرویس‌های رایگان استفاده کنید، پروژه OpenBot گزینه‌ای متن‌باز برای اجرا روی سیستم شخصی است.

‏این ابزار به شما اجازه می‌دهد دستیارهای هوشمند بسازید و وظایف مختلف را به آن‌ها بسپارید. از مهم‌ترین ویژگی‌های آن می‌توان به موارد زیر اشاره کرد:

‏• امکان اتصال به مدل‌های لوکال و ارزان‌قیمت مانند DeepSeek
‏• قابلیت استفاده از اشتراک مدل‌های تجاری نظیر GPT، Claude و Gemini
‏• اجرای کامل روی ماشین شخصی بدون نیاز به واسطه‌های محدودکننده

‏این پروژه در عمل به عنوان جایگزینی برای Grok Bot توسعه یافته است و به کاربران اجازه می‌دهد بدون هزینه‌های جانبی، گردش‌کارهای خودکار با هوش مصنوعی ایجاد کنند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

31 October 2026 06:19

‏⚡ تغییر نام و ساختار اشتراک‌های Claude

‏شرکت Anthropic نام‌گذاری اشتراک‌های خود را تغییر داده است. اشتراک Max 5x اکنون با نام Max و اشتراک Max 20x با نام Ultra شناخته می‌شوند. هزینه‌ی این طرح‌ها بدون تغییر باقی مانده و به ترتیب ۱۰۰ و ۲۰۰ دلار در ماه است.

‏در کنار این تغییرات، محدودیت ۵ ساعته برای استفاده از مدل‌ها در طرح Ultra برای کاربرانی که احراز هویت شده‌اند، برداشته شده است.

‏نکات مهم این تغییر:
‏* اکثر کاربران فعلی طرح Ultra به شرایط جدید منتقل شده‌اند.
‏* برای کاربران جدید، این محدودیت زمانی همچنان تا زمان تکمیل فرآیند احراز هویت و دریافت تأییدیه از طریق ایمیل باقی می‌ماند.
‏* محدودیت‌های کلی هفتگی برای تمام سطوح اشتراک بدون تغییر باقی مانده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

30 October 2026 17:00

‏🤖 عرضه ابزار Magnific Move برای ویرایش موشن‌گرافیک

‏شرکت Magnific که اکنون زیرمجموعه Freepik است، ابزار جدیدی به نام Magnific Move را برای ساخت و ویرایش موشن‌گرافیک معرفی کرد. این ابزار به کاربران اجازه می‌دهد انیمیشن‌های مربوط به معرفی محصول، لوگو و سایر طرح‌های گرافیکی را صرفاً با دستورات متنی ایجاد کنند.

‏ویژگی اصلی این پلتفرم، امکان ویرایش لایه‌ها با استفاده از زبان طبیعی است؛ به طوری که کاربر می‌تواند پس از ایجاد انیمیشن اولیه، با توصیف تغییرات مورد نظر خود، از هوش مصنوعی بخواهد جزئیات حرکت یا ساختار گرافیک را بازسازی کند.

‏مهم‌ترین قابلیت‌های این ابزار شامل موارد زیر است:
‏* الگوهای آماده برای تبلیغات محصول و تایپوگرافی کینتیک.
‏* قابلیت تولید و ویرایش خودکار زیرنویس.
‏* امکان ایجاد ویدئوهای آموزشی مرحله‌به‌مرحله.
‏* خروجی مستقیم با فرمت MP4.

‏این ابزار همچنین امکان انتقال پروژه‌ها به سایر ابزارهای ویدئویی Magnific برای تغییر سبک بصری را فراهم می‌کند. شرکت سازنده هنوز اطلاعاتی درباره قیمت‌گذاری و طرح‌های اشتراکی این سرویس منتشر نکرده است.

🇮🇷 تلگرام

علم داده (Data Science)

30 October 2026 12:52

‏🤖 معرفی مدل Genie 4 برای شبیه‌سازی دنیای تعاملی

‏گوگل از مدل جدید Genie 4 رونمایی کرد که اکنون از قابلیت‌های صدا و دیالوگ نیز پشتیبانی می‌کند. در این نسخه، کاراکترها توانایی صحبت کردن و واکنش نشان دادن به محیط را دارند و کاربر می‌تواند با استفاده از دستورات متنی (Prompt)، صحنه‌ها را در لحظه تغییر دهد.

‏این مدل نسبت به نسل پیشین خود، بهبودهای قابل‌توجهی در بازنمایی چهره انسان‌ها و شبیه‌سازی فیزیک اشیاء ارائه داده است. برای مدیریت رویدادهای پیچیده، این سیستم به مدل Gemini 1.5 Flash متصل شده است که با تحلیل لحظه‌ای فریم‌ها و بررسی خروجی‌ها، در صورت نیاز برنامه‌ریزی و اصلاحات لازم را انجام می‌دهد.

‏در حال حاضر این مدل تنها برای تست‌کنندگان در دسترس است و جزئیات دقیق قیمت‌گذاری و زمان عرضه عمومی آن اعلام نشده است. دسترسی‌های آتی به مشترکین Google AI Ultra و شرکای تجاری در محیط AI Studio محدود خواهد بود.

‏اطلاعات بیشتر در وبلاگ DeepMind در دسترس است و متقاضیان می‌توانند از طریق فرم انتظار برای دسترسی‌های بعدی ثبت‌نام کنند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

30 October 2026 11:30

🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #10 | 📌 5 آیتم گزارش | 🧾 از 41 پست بررسی‌شده
🕐 چهارشنبه 1405/08/06 ساعت 14:00 تا جمعه 1405/08/08 ساعت 14:00

تاثیر آزادسازی سخت‌افزاری بر سرعت پردازش محلی
آزادسازی ظرفیت تنسورکور کارت‌های مصرفی در لینوکس، هزینه تست و پردازش محلی مدل‌ها را کاهش می‌دهد. این تغییر به توسعه‌دهندگان اجازه می‌دهد بدون سرمایه‌گذاری روی کارت‌های سازمانی، سرعت پیش‌پردازش و فین‌تیون را بالا ببرند. با این حال، ثابت ماندن پهنای باند حافظه باعث می‌شود نرخ تولید توکن در مدل‌های کوانتایزشده تغییر چندانی نکند.

ارزیابی راهکار SLEEP در یادگیری بدون فراموشی
تفکیک فازهای یادگیری و انتقال دانش به بلوک‌های حافظه، امکان به‌روزرسانی مداوم مدل‌ها را بدون دستکاری کل شبکه فراهم می‌کند. این رویکرد ریسک فراموشی فاجعه‌بار را در مواجهه با داده‌های جدید کاهش می‌دهد. البته موفقیت عملی آن نیازمند مدیریت دقیق چرخه رویاسازی و ارزیابی کیفیت نمونه‌های تولیدشده است.

🔬 زیرساخت و مدل‌های باز

بهبود عملکرد کارت‌های GeForce با ابزار gpu-unlock
ابزار gpu-unlock با حذف محدودیت‌های تنسورکور در لینوکس، سرعت پردازش پرامپت و بازآموزی مدل‌ها را افزایش می‌دهد.

معماری SLEEP گوگل برای یادگیری مداوم مدل‌ها
معماری SLEEP با استفاده از بلوک‌های حافظه MoE و فازهای خواب و رویا، امکان یادگیری مداوم را بدون از دست رفتن دانش قبلی فراهم می‌کند.

انتشار مدل متن‌باز Nemotron 3.5 Transcribe انویدیا
مدل ۳۴ میلیارد پارامتری انویدیا با معماری ترکیبی Mamba-2 و MoE برای تبدیل گفتار به متن و تشخیص گوینده منتشر شد.

انتشار مدل متن‌باز Atria Dawn با پنجره متنی ۵۱۲ هزار توکنی
مدل ۷۴۴ میلیارد پارامتری Atria Dawn بر پایه معماری MoE با مجوز MIT برای تعامل چندمرحله‌ای ایجنت‌ها منتشر شد.

دسترسی کلاینت‌های MCP به داده‌های زنده صرافی‌های ایرانی
پروژه اوپن‌سورس iran-crypto-mcp امکان اتصال ابزارهایی مثل Claude و Cursor را به داده‌های ۷ صرافی ایرانی فراهم کرد.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

30 October 2026 09:20

‏📖 دسترسی رایگان به صدها کتاب درسی در NotebookLM

‏گوگل امکان دسترسی مستقیم و رایگان به صدها کتاب درسی را به ابزار NotebookLM اضافه کرد. این کتاب‌ها از ناشرانی مانند OpenStax، S Chand Publishing و Open Textbook Library تامین شده‌اند و کاربران می‌توانند بدون نیاز به بارگذاری فایل، آن‌ها را درون برنامه جستجو و انتخاب کنند.

‏با افزودن این منابع، هوش مصنوعی NotebookLM می‌تواند فصل‌های مختلف را خلاصه کند، متون را توضیح دهد و از محتوای کتاب‌ها پرسش‌وپاسخ و آزمون تمرینی بسازد.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

30 October 2026 08:59

‏⚡ مقایسه Gemini 4 Carbon و Opus 5.5 در رندر سه‌بعدی

‏در یک ارزیابی عملی برای ساخت رندر سه‌بعدی با پرامپت یکسان، مدل Gemini 4 Carbon نسبت به Opus 5.5 با هزینه کمتر و سرعت بالاتری خروجی ارائه کرد.

‏جزئیات عملکرد:
‏• Gemini 4 Carbon: هزینه ۴٫۳۰ دلار و زمان پردازش ۳۲ دقیقه
‏• Opus 5.5: هزینه ۱۴٫۰۰ دلار و زمان پردازش ۱ ساعت و ۲۰ دقیقه

‏تصویر خروجی Gemini 4 Carbon شفاف‌تر بود و سایه‌های رنگین‌کمانی ایجاد کرد، در حالی که تصویر Opus 5.5 در مقایسه با آن کم‌رنگ‌تر شد. بر اساس این تست، Gemini 4 Carbon سه برابر ارزان‌تر و دو برابر سریع‌تر از Opus 5.5 پردازش را انجام داده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

30 October 2026 07:10

‏📊 تحلیل هزینه‌ مدل‌های زبانی در Agent Arena

‏پلتفرم Agent Arena در بررسی عملکرد مدل‌ها، تفاوت ساختاری در کاهش هزینه اجرای تسک‌ها را نشان می‌دهد. بر اساس داده‌های این پلتفرم، مدل GPT-6.1 Sol (Max) با هزینه ۱.۹۱ دلار برای هر تسک، ۸۵ درصد ارزان‌تر از Claude Opus 5.5 با هزینه ۱۲.۵۱ دلار و ۸۷ درصد ارزان‌تر از GPT-6 Astra با هزینه ۱۴.۹۳ دلار عمل می‌کند.

‏این کاهش هزینه در مدل Sol نسبت به مدل‌های رقیب از دو منبع متفاوت تامین می‌شود:

‏* در برابر Astra: مزیت اصلی Sol ناشی از قیمت پایین‌تر هر توکن است.
‏* در برابر Opus: مزیت اصلی مدل ناشی از مصرف کمتر تعداد توکن برای انجام یک تسک مشابه است.

‏Agent Arena با ردیابی واقعی هزینه‌های کاربران، مجموع توکن‌های مصرفی مدل در بخش‌های ورودی، خروجی و cache-read را در قیمت هر توکن ضرب می‌کند تا مشخص شود هر مدل چگونه هزینه‌های عملیاتی را مدیریت می‌کند. اطلاعات بیشتر در سایت Arena.ai قابل مشاهده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

29 October 2026 17:06

‏⚖️ ابزارهای جدید کلاود برای امور حقوقی

‏شرکت Anthropic مجموعه‌ای از ابزارهای آماده تحت عنوان Artifacts را برای استفاده در امور حقوقی به پلتفرم Claude اضافه کرده است. این ابزارها با هدف خودکارسازی بررسی اسناد و تطبیق آن‌ها با استانداردهای قانونی طراحی شده‌اند.

‏مهم‌ترین ابزارهای ارائه‌شده عبارتند از:

‏• Cite check: بررسی مطابقت نقل‌قول‌ها با منابع اصلی و شناسایی شماره صفحات یا ارجاعات نادرست.
‏• Playbook deviation board: شناسایی بندهای قرارداد که با استانداردهای شرکت فاصله دارند.
‏• Tabular review: استخراج اطلاعات کلیدی از قراردادهای متعدد و تبدیل آن‌ها به یک جدول واحد.
‏• Regulatory horizon scan: مرتب‌سازی و نمایش قوانین جدید بر اساس زمان‌بندی و میزان تأثیرگذاری.

‏بخشی از این ابزارها توسط مجموعه‌هایی مانند Harvey، PwC، Goodwin و Foley & Lardner توسعه یافته‌اند. علاوه بر این، ابزارهای تخصصی دیگری برای حوزه‌هایی مانند دعاوی تخلیه ملک نیز در دسترس قرار گرفته است. کاربران می‌توانند با بارگذاری اسناد خود در این محیط‌های تعاملی، از قابلیت‌های تحلیلی این مدل‌ها استفاده کنند.

🇮🇷 تلگرام

علم داده (Data Science)

29 October 2026 14:08

‏انتشار مدل Nemotron 3.5 Transcribe توسط انویدیا

‏انویدیا مدل Nemotron 3.5 Transcribe را به عنوان یک مدل متن‌باز برای تبدیل گفتار به متن منتشر کرد. این مدل از ۴۰ زبان پشتیبانی می‌کند، قادر به ترجمه ۳۱ زبان است و عملیات تشخیص گوینده (Diarization) را برای ۱۳ زبان انجام می‌دهد.

‏ویژگی‌های فنی و کاربردی:
‏- دارای ۳۴ میلیارد پارامتر که ۴.۳ میلیارد آن در لحظه فعال هستند.
‏- معماری ترکیبی شامل Mamba-2، لایه‌های Transformer و Mixture of Experts.
‏- پردازش فایل‌های صوتی تا ۶۰ دقیقه بدون نیاز به استریم زنده.
‏- قابلیت دریافت دستورالعمل‌های خاص در ورودی (مانند استخراج کلمه به کلمه، اصلاح نوشتاری، انتساب به گوینده یا ترجمه).
‏- ثبت نرخ خطای ۵.۳۳٪ در بنچمارک انگلیسی Hugging Face.

‏انویدیا همراه با این مدل، مجموعه داده Granary v2 شامل ۴۶۳ هزار ساعت داده صوتی برای ۴۸ زبان را نیز در دسترس قرار داده است. وزن‌های این مدل تحت لایسنس OpenMDW-1.1 عرضه شده‌اند و برای استفاده عملیاتی، تست‌های انجام‌شده کارایی بالای آن را روی سخت‌افزارهای RTX PRO 6000 نشان می‌دهند. جزئیات بیشتر در گزارش فنی و دموی آنلاین قابل مشاهده است.

علم داده (Data Science)

29 October 2026 11:26

‏🤖 حذف آزمون‌های کدنویسی در فرآیند استخدام Anthropic

‏فلیکس ریزبرگ، مدیر توسعه در شرکت Anthropic اعلام کرد که از ماه اکتبر، فرآیند ارزیابی فنی متقاضیان تغییر کرده و دیگر از آن‌ها آزمون کدنویسی نمی‌گیرد. او دلیل این تصمیم را توانایی مدل‌های هوش مصنوعی مانند Claude در حل تمرین‌های برنامه‌نویسی می‌داند که باعث شده این آزمون‌ها دیگر شاخصی برای سنجش مهارت واقعی داوطلبان نباشند.

‏به گفته ریزبرگ، مدل استخدامی جدید بیشتر بر اساس این اصول استوار است:

‏* بررسی رزومه و پورتفولیو برای یافتن نمونه‌کارهای عملی
‏* ارزیابی سلیقه، درک کاربر و توانایی حل مسئله از پایه
‏* اولویت‌دهی به «اشتیاق» و «انگیزه» به‌جای صرفاً تجربه کاری و تسلط بر فریم‌ورک‌ها

‏او معتقد است که با کاهش هزینه تولید کد، نقش تجربه در ابزارهای فنی کمرنگ شده و مهندسان تازه‌کار که سریعاً نمونه‌کارهای عملی (Prototype) ارائه می‌دهند، موفق‌تر عمل می‌کنند. ریزبرگ پیشنهاد می‌دهد مهندسان به‌جای نوشتن اسناد طولانی، در یک آخر هفته ایده‌های خود را به خروجی ملموس تبدیل کنند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

29 October 2026 09:07

‏🤖 افزایش هزینه‌های امنیتی شرکت‌ها برای باگ‌های کشف‌شده با هوش مصنوعی

‏طبق گزارش The Information، شرکت‌های بزرگ در حال تخصیص بودجه‌های سنگین برای بررسی کدهای خود توسط مدل‌های هوش مصنوعی هستند. برای نمونه، شرکت UiPath برای هر اسکن کد توسط مدل Mythos شرکت Anthropic، مبلغ ۲۵ هزار دلار پرداخت می‌کند.

‏حجم آسیب‌پذیری‌های کشف‌شده نیز به‌شدت افزایش یافته است. به گفته نماینده شرکت Palo Alto Networks، تنها در یک ماه، ۱۲ شرکت موفق به شناسایی بیش از ۳۷ هزار آسیب‌پذیری بالقوه در نرم‌افزارهای متن‌باز شده‌اند، در حالی که آمار جهانی در ماه پیش از آن حدود ۱۵۰۰ مورد بود. البته تمام این موارد لزوماً خطاهای بحرانی یا تأییدشده نیستند.

‏این وضعیت، نیاز شرکت‌ها به نیروی انسانی و منابع جدید را برای تحلیل و رفع مشکلات امنیتی افزایش داده است:

‏* Bank of America: استخدام ۱۰۰۰ پیمانکار برای رسیدگی و رفع مشکلات نرم‌افزاری.
‏* Goldman Sachs: بررسی تخصیص بودجه‌ای معادل یا بیشتر از هزینه‌های ابزارهای برنامه‌نویسی هوش مصنوعی، برای بخش امنیت هوش مصنوعی.

🔗 ادامه مطلب در سایت

🇮🇷 سایت | تلگرام

علم داده (Data Science)

29 October 2026 08:21

‏صدرنشینی Gemini 4 Carbon در شاخص هوش مصنوعی

‏مدل Gemini 4 Carbon در جدیدترین به‌روزرسانی شاخص Artificial Analysis Intelligence با کسب امتیاز ۵۹، در جایگاه نخست قرار گرفت. این مدل که ارتقایافته نسخه Argon محسوب می‌شود، در حال حاضر فاقد API عمومی بوده و تنها برای گروه محدودی از متخصصان امنیت سایبری در دسترس است.

‏همچنین در شاخص Coding Agent که عملکرد مدل‌ها را در بنچمارک‌های برنامه‌نویسی ارزیابی می‌کند، این مدل پس از Claude Opus 5.5 در رتبه دوم جای گرفته است.

‏برخی از مدل‌های برتر در این دو رده‌بندی عبارت‌اند از:

‏* Intelligence Index: Gemini 4 Carbon (۵۹)، Claude Opus 5.5 (۵۸) و GPT-6 Astra (۵۷)
‏* Coding Agent Index: Claude Code - Claude Opus 5.5 (۶۲)، Antigravity CLI - Gemini 4 Carbon (۵۹) و Claude Code - Claude Sonnet 5.5 (۵۹)

‏مدل Gemini 4 Carbon با قیمت ۴ دلار برای استفاده‌های سبک و ۲۰ دلار برای دسترسی کامل معرفی شده است.

🔗 ادامه مطلب در سایت

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

31 October 2026 11:01

‏📉 ریزش شدید سهام شرکت‌های هوش مصنوعی

‏در ۴۸ ساعت گذشته، بازار سهام شرکت‌های بزرگ فناوری شاهد افت قابل‌توجهی بود که ناشی از نگرانی سرمایه‌گذاران نسبت به تراز مالی و هزینه‌های زیرساختی حوزه هوش مصنوعی است. مهم‌ترین تغییرات بازار عبارتند از:

‏* Intel: با کاهش ۳۲.۹ درصدی ارزش سهام، بزرگترین افت روزانه خود در ۴۰ سال اخیر را تجربه کرد. پیش‌بینی درآمد سه‌ماهه چهارم این شرکت ۱.۱ میلیارد دلار کمتر از انتظارات تحلیل‌گران بود.
‏* Google: با وجود رشد درآمد ۲۵ درصدی، جریان نقدی آزاد آن ۹.۱ میلیارد دلار منفی شد که منجر به کاهش ۵۰۰ میلیارد دلاری ارزش بازار این شرکت در یک روز شد.
‏* Amazon: اگرچه درآمد AWS رشد ۳۹ درصدی داشته، اما پیش‌بینی مخارج ۲۲۰ میلیارد دلاری برای زیرساخت‌های هوش مصنوعی و منفی شدن جریان نقدی، فشار فروش را افزایش داده است.

‏سرمایه‌گذاران نگرانند که هزینه‌های کلان در زیرساخت‌های AI هنوز منجر به بازگشت نقدی متناسب نشده باشد. این تردید اکنون به بخش نیمه‌هادی‌ها نیز سرایت کرده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

31 October 2026 10:43

‏🏦 هشدار بانک‌های آمریکا درباره اشتراک رمز عبور با ابزارهای AI

‏بانک آمریکا در ایمیلی به مشتریان خود اعلام کرد که هرگز نباید اطلاعات ورود به حساب بانکی خود را در اختیار ابزارهای هوش مصنوعی قرار دهند. این بانک تأکید کرده است که در صورت اشتراک‌گذاری رمز عبور با یک دستیار هوشمند، مسئولیت تمامی تراکنش‌ها و فعالیت‌های انجام‌شده در حساب بر عهده خود مشتری خواهد بود.

‏این تصمیم در پی گسترش استفاده از دستیارهای AI برای مدیریت حساب‌های کاربری اتخاذ شده است. سایر بانک‌های بزرگ نیز رویکردهای محدودکننده‌ای را در پیش گرفته‌اند:

‏* مورگان استنلی: مسدود کردن دسترسی‌ ابزارهای شخص‌ثالث به پلتفرم‌های خود.
‏* جی‌پی‌مورگان و سیتی: اعمال محدودیت‌های سخت‌گیرانه بر عملکرد این‌گونه دستیارها.
‏* چارلز شواب: بلاک کردن دسترسی ابزارهایی نظیر Muse متعلق به متا به حساب‌های مشتریان.

‏به گزارش TechCrunch، روند کلی در سیستم بانکی به سمت ارائه دسترسی‌های صرفاً خواندنی (read-only) به جای دسترسی کامل برای این ابزارها در حال تغییر است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

31 October 2026 07:04

‏🧠 هوش مصنوعی با الهام از سلول‌های عصبی آزمایشگاهی

‏شرکت Biological Computing Co مدل جدید تولید ویدیو با نام mischief 1 را عرضه کرد. این مدل از داده‌های به‌دست‌آمده از رشد سلول‌های عصبی واقعی روی الکترودها برای بهینه‌سازی پردازش اطلاعات استفاده می‌کند.

‏توسعه‌دهندگان این فناوری را به صورت یک لایه نرم‌افزاری کوچک روی مدل ویدیویی Wan 2.2 پیاده کرده‌اند که حجم آن را کمتر از ۰.۱ درصد افزایش داده است. طبق ادعای شرکت سازنده، این روش سرعت تولید ویدیو را در همان سطح کیفیت، دست‌کم ۵ برابر افزایش می‌دهد.

‏برخی ویژگی‌های این مدل:
‏* تبدیل تصویر به کلیپ‌های ۳ یا ۵ ثانیه‌ای
‏* خروجی با کیفیت 480p یا 720p
‏* هزینه پردازش از نیم سنت به ازای هر ثانیه
‏* دسترسی عمومی از طریق پلتفرم‌های fal و OpenRouter

‏هنوز تست مستقلی برای تایید عملکرد این مدل انجام نشده است. این شرکت قصد دارد در گام‌های بعدی، این رویکرد الهام‌گرفته از سیستم‌های بیولوژیکی را در مدل‌های زبانی و هوش مصنوعی فیزیکی نیز به کار گیرد.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

31 October 2026 06:08

‏🤖 معرفی مدل زبانی Fern با پنجره بافت ۱۰ میلیونی

‏استارتاپ Mirendil که توسط پژوهشگران سابق Anthropic تأسیس شده، مدل Fern 0.1 را با پشتیبانی از پنجره بافت (context window) ۱۰ میلیون توکنی معرفی کرد. این ظرفیت معادل حدود ۲۳ مگابایت کد یا ۵۰۰ هزار خط متن است و برای تحلیل لاگ‌های آموزشی، فعالیت‌های طولانی‌مدت مدل‌های عامل و بررسی داده‌های حجیم طراحی شده است.

‏در بنچمارک‌های فعلی، این مدل فاصله معناداری با رقبای پیشرو دارد. برای نمونه، در Terminal Bench 4.0 امتیاز ۶.۱ را کسب کرده که در مقایسه با Claude Opus یا مدل‌های مشابه، عملکرد ضعیف‌تری محسوب می‌شود. سازندگان اعلام کرده‌اند که این نسخه، یک مدل پایه در مراحل اولیه آموزش است.

‏از نظر فنی، تعداد پارامترهای این نسخه بین ۱۰۰ تا ۵۰۰ میلیارد برآورد شده و این شرکت برنامه‌هایی برای آموزش مدل‌های بزرگتر با ۲ تا ۱۰ تریلیون پارامتر دارد. دسترسی به نسخه اولیه از طریق وب‌سایت Mirendil امکان‌پذیر است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

30 October 2026 15:26

‏🧠 عرضه مدل ویدئویی H3 Flex توسط Pika

‏شرکت Pika مدل ویدئویی متن‌به‌ویدئو جدید خود با نام H3 Flex را منتشر کرد. این مدل که نسخه‌ای بهینه‌شده از MiniMax H3 است، در جایگاه نخست مدل‌های متن‌باز و رتبه هفتم کلی در بنچمارک DesignArena قرار گرفته و عملکردی فراتر از H3 Max و Seedance 2.5 داشته است.

‏تغییرات فنی مهم این مدل عبارتند از:
‏* کاهش مراحل تولید (Inference steps) از ۵۰ به مهم‌ترین مراحل برای افزایش سرعت.
‏* تولید ویدئوهای ۱۵ ثانیه‌ای با صدا در مدت ۷ ثانیه.
‏* پشتیبانی از خروجی با رزولوشن 4K.
‏* ارائه فایل‌های صوتی مجزا برای ویرایش حرفه‌ای.

‏این مدل با کاهش چشمگیر زمان تولید، توانسته است در رتبه‌بندی کیفی از بسیاری از مدل‌های تجاری و پولی پیشی بگیرد.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

30 October 2026 11:55

‏🧠 تازه‌های هوش مصنوعی و علم داده
‏📊 مقایسه عملکرد مدل‌های Claude Opus 4.8 و GPT-5.6 Sol

‏داده‌های تازه از مقایسه عملکرد دو مدل Claude Opus 4.8 و GPT-5.6 Sol نشان می‌دهد که در ۴۵ بنچمارک مشترک، مدل GPT-5.6 Sol در ۲مهم‌ترین موارد پیشتاز بوده است. این در حالی است که Claude Opus 4.8 در ۱۱ مورد برتری داشته و مهم‌ترین موارد نیز به عنوان تساوی عملی ثبت شده است.

‏در بخش تخصصی Agentic Coding که شامل ۱۱ بنچمارک است، نتایج مشابهی به دست آمده است:

‏* پیشتازی GPT-5.6 Sol: در مهم‌ترین موارد
‏* پیشتازی Claude Opus 4.8: در ۳ مورد
‏* تساوی عملی: ۱ مورد

‏طبق گزارش، تساوی عملی به معنای اختلاف امتیاز مطلق ۲ واحد یا کمتر است. در محاسبه شکاف‌های نسبی، امتیازهای مدل Sol به عنوان مخرج در نظر گرفته شده و مقادیر بیش از ۱۰۰ درصد در نمودارها محدود (Capped) شده‌اند. لازم به ذکر است که برخی مقادیر در داده‌های اولیه بدون محدودیت، اختلاف‌های بالایی را نشان می‌دهند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

30 October 2026 09:47

‏🖼️ توضیح تعاملی لایه‌به‌لایه شبکه‌های CNN
‏ابزار CNN Explainer به شما امکان می‌دهد پردازش گام‌به‌گام تصویر توسط شبکه‌های کانولوشنال عصبی (CNN) را مشاهده کنید. می‌توانید تصویر دلخواه خود را بارگذاری کرده و ببینید هر لایه چگونه آن را پردازش می‌کند.

‏این ابزار مراحل زیر را توضیح می‌دهد:
‏- کانال‌های ورودی RGB
‏- کانولوشن (Convolution)
‏- تابع فعال‌سازی ReLU
‏- پولینگ حداکثر (Max Pooling)
‏- نقشه‌های فعال‌سازی (Activation maps)
‏- مسطح‌سازی (Flatten)
‏- تابع Softmax
‏- پیش‌بینی نهایی

‏این ابزار برای درک عمیق‌تر نحوه کار CNNها بسیار مفید است.
‏🔗 CNN Explainer

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

30 October 2026 09:10

‏📊 مقایسه عملکرد Gemini 4 Carbon با Opus 5.5 و GPT-6 Astra

‏در یک آزمون مقایسه‌ای با پرومپت یکسان، عملکرد چند مدل پرچمدار از نظر زمان پردازش و هزینه سنجیده شد.

‏نتایج ثبت‌شده در این تست به این شرح است:
‏• GPT-6 Astra: ۲۲ دقیقه و ۵۴ ثانیه (هزینه: ۳.۲۸ دلار)
‏• Gemini 4 Carbon: ۲۹ دقیقه و ۴۹ ثانیه
‏• Opus 5.5: ۴۳ دقیقه و ۲۱ ثانیه (هزینه: ۹.۲۵ دلار)

‏در این آزمون، مدل GPT-6 Astra سریع‌ترین زمان و کمترین هزینه را ثبت کرد و Gemini 4 Carbon نیز زمان پردازش کوتاه‌تری نسبت به Opus 5.5 داشت.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

30 October 2026 08:46

‏🤖 تخصیص اعتبار API به کاربران اشتراکی OpenAI

‏شرکت OpenAI اعلام کرد که برای کاربران برخی از سطوح اشتراکی، اعتبار ماهیانه API در نظر می‌گیرد. در این طرح، مبلغ پرداختی برای اشتراک در قالب اعتبار (Credit) برای استفاده از API بازگردانده می‌شود.

‏این اعتبار به یک سازمان مشخص در پنل API اختصاص می‌یابد و متقاضیان باید برای فعال‌سازی آن درخواست خود را ثبت کنند.

‏مهم‌ترین موارد تخصیص اعتبار به شرح زیر است:
‏- اشتراک Pro در سطح ۱۰۰ دلار: ۱۰۰ دلار اعتبار ماهیانه
‏- اشتراک Pro در سطح ۲۰۰ دلار: ۲۰۰ دلار اعتبار ماهیانه
‏- اشتراک Pro در سطح ۵۰۰ دلار: ۵۰۰ دلار اعتبار ماهیانه
‏- اشتراک Business Standard: ۲۰ دلار به ازای هر صندلی فعال
‏- اشتراک Business Premium: ۱۰۰ دلار به ازای هر صندلی فعال (با سقف کلی ۵۰۰ دلار برای هر Workspace)

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

29 October 2026 19:33

‏🤖 تقطیر مدل OpenAI Astra در آزمایشگاه‌های چینی

‏نشریه The Information گزارش داده است که آزمایشگاه‌های هوش مصنوعی در چین از مدل Astra متعلق به OpenAI برای آموزش و «تقطیر» (Distillation) مدل‌های جدید خود استفاده کرده‌اند.

‏بر اساس این گزارش، مدل‌های زیر با بهره‌گیری از خروجی‌ها و دانش مدل Astra توسعه یافته‌اند:

‏- مدل Kimi K3.1 Pro محصول شرکت Moonshot AI که هفته گذشته منتشر شد.
‏- مدل DeepSeek V4.1-Flash 1017 که نسخه به‌روزرسانی‌شده در ۱۷ اکتبر است.

‏پیش از این، مدل‌های Claude شرکت Anthropic هدف اصلی فرآیندهای تقطیر در آزمایشگاه‌های چینی بودند. شرکت‌های OpenAI و Anthropic بارها آزمایشگاه‌های Moonshot و DeepSeek را به استفاده غیرمجاز از مدل‌هایشان برای آموزش متهم کرده‌اند، اما این شرکت‌های چینی تاکنون واکنشی به این اتهامات نشان نداده‌اند و در پاسخ به درخواست‌ها برای اظهارنظر نیز پاسخی نداده‌اند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

29 October 2026 14:26

‏📊 سهم ۲۴ درصدی محتوای هوش مصنوعی در وب

‏بر اساس پژوهش جدیدی روی ۵.۱ میلیون صفحه وب، تا آگوست ۲۰۲۶ حدود ۲۴ درصد از صفحات قابل خزش حاوی متن‌های تولید یا ویرایش شده توسط هوش مصنوعی هستند. این میزان تا قبل از سال ۲۰۲۲ تقریباً صفر بود.

‏شتاب تولید این محتوا نیز افزایش یافته است؛ در حالی که رشد آن بین سال‌های ۲۰۲۳ تا ۲۰۲۵ حدود ۴.۶ درصد در سال بود، این رقم اکنون به ۸.۱ درصد رسیده است.

‏مهم‌ترین یافته‌های این تحقیق:
‏* اکثر رشد محتوای هوش مصنوعی مربوط به سایت‌هایی است که لینک‌های ورودی بسیار کمی دارند، در حالی که صفحات پربازدید و معتبر کمترین استفاده را از این متون داشته‌اند.
‏* محتوای انگلیسی بیش از سایر زبان‌ها تحت تأثیر این روند قرار دارد.
‏* دامنه‌های آموزشی (.edu) و دولتی (.gov) به مراتب کمتر از دامنه‌های تجاری (.com) از این نوع محتوا استفاده می‌کنند.

‏تیم پژوهشی دانشگاه واشینگتن و برکلی برای دستیابی به این آمار، از چندین ابزار تشخیص هوش مصنوعی استفاده کرده و نتایج را با اصلاح خطاهای مثبت و منفی کاذب مدل‌ها گزارش کرده‌اند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

29 October 2026 13:46

‏🤖 به‌روزرسانی مدل Drex Max 1.1

‏مدل تصمیم‌گیری جدید Drex Max 1.1 توسط شرکت Nace منتشر شد. این مدل چندوجهی (Multimodal) است و اکنون از پنجره بافت (Context window) با ظرفیت ۲۶۲ هزار توکن پشتیبانی می‌کند.

‏طبق گزارش Nace، این نسخه در مقایسه با مدل قبلی بهبودهایی در تعمیم‌پذیری به داده‌های خارج از توزیع (Out-of-distribution) داشته است. مهم‌ترین تغییرات عملکردی این مدل عبارتند از:

‏- کسب امتیاز ۷۰.۸ در شاخص Decision Index (در مقایسه با ۶۷.۶ نسخه قبل)
‏- تأخیر میانی (Median latency) معادل ۱۷۲ میلی‌ثانیه

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

علم داده (Data Science)

29 October 2026 10:37

مفهوم Harness Engineering در سیستم‌های عملیاتی

‏در پروژه‌های هوش مصنوعی سازمانی، حدود ۸۸ درصد از مدل‌ها به مرحله تولید (Production) نمی‌رسند. مشکل اصلی معمولاً خودِ مدل نیست، بلکه زیرساخت‌های اطراف آن است. در سال ۲۰۲۶، مهارتی به نام Harness Engineering جایگزین «پرامپت‌نویسی» و «مدیریت محتوا» شده است.

‏در واقع Harness (که می‌توان آن را «مجموعه ابزارهای مهارکننده» یا «لایه اجرایی» نامید)، سیستمی است که مدل را به دنیای واقعی متصل می‌کند. این لایه هفت وظیفه حیاتی دارد:

‏• مدیریت ابزارها: مدل نباید مستقیماً به ابزارها دسترسی داشته باشد؛ Harness باید درخواست‌ها را اعتبارسنجی و اجرا کند.
‏• اعتبارسنجی: استفاده از مدل ثانویه برای بررسی خروجی مدل اصلی.
‏• حافظه پایدار: ذخیره محدودیت‌ها و دانش در فایل‌های سیستمی جهت استفاده در نشست‌های بعدی.
‏• مدیریت زمینه (Context): خلاصه کردن تاریخچه برای جلوگیری از هدررفت پنجره متنی.
‏• گاردریل‌ها (Guardrails): بررسی خروجی‌ها بر اساس سیاست‌های رفتاری، داده‌ای و امنیتی.

🔗 ادامه مطلب در سایت

علم داده (Data Science)

29 October 2026 08:46

‏📊 دسترسی به دیتای زنده صرافی‌های ایرانی با پروتکل MCP

‏پروژه iran-crypto-mcp یک سرور اوپن‌سورس است که امکان اتصال کلاینت‌های پشتیبانی‌کننده از پروتکل MCP، نظیر Claude، Cursor و Copilot را به دیتای بازار هفت صرافی ایرانی فراهم می‌کند. این ابزار به کاربران اجازه می‌دهد با پرسش‌های متنی ساده، اطلاعات لحظه‌ای بازار را تحلیل کنند.

‏صرافی‌های تحت پشتیبانی:
‏نوبیتکس، والکس، بیت‌پین، رمزینکس، تبدیل، OMPFinex و اکسیر.

‏مهم‌ترین ابزارهای این سرویس:
‏• مقایسه قیمت لحظه‌ای یک رمزارز در هر ۷ صرافی و محاسبه اسپرد
‏• دریافت تیکر زنده شامل قیمت، رنج ۲۴ ساعته و حجم
‏• نمایش اوردر بوک (تا ۲۰ سطح) و معاملات اخیر
‏• دریافت کندل‌های OHLC از تایم‌فریم ۱۵ دقیقه تا ۱ روز
‏• شناسایی کوین‌های دارای بیشترین رشد یا افت قیمت

‏این پروژه ماهیت «فقط‌خواندنی» دارد و بدون نیاز به API Key یا احراز هویت، تنها از داده‌های عمومی استفاده می‌کند. برای اجرای آن کافی است از دستور uvx iran-crypto-mcp استفاده کنید. این ابزار بخشی از یک مجموعه گسترده‌تر برای تعامل با سرویس‌های ایرانی از طریق MCP است.

🔗 ادامه مطلب در سایت

🇮🇷 سایت | تلگرام

علم داده (Data Science)

29 October 2026 07:51

‏📊 سهم کشورهای جهان از توان محاسباتی هوش مصنوعی

‏گروه پژوهشی Epoch AI در بررسی جدید خود از مبادلات گمرکی تراشه‌های هوش مصنوعی، تفاوت چشمگیری را در توزیع قدرت محاسباتی میان آمریکا و چین گزارش کرده است. بر اساس این داده‌ها، در حالی که چین برای تأمین نیاز خود به تراشه‌های بومی هواوی و Cambricon متکی است، روند دسترسی به سخت‌افزار در آمریکا با سرعت بیشتری در حال افزایش است.

‏مهم‌ترین یافته‌های این گزارش:

‏- ۷۲ درصد از توان محاسباتی جدید جهان در سال ۲۰۲۵ به آمریکا اختصاص یافته است که این رقم در نیمه اول سال ۲۰۲۶ به ۷۸ درصد رسیده است.
‏- مجموع ارزش تراشه‌های وارداتی آمریکا از سال ۲۰۲۲ تا امروز حدود ۲۸۸ میلیارد دلار برآورد شده است.
‏- مجموع ارزش تراشه‌های وارداتی چین در همین بازه زمانی ۵۰.۵ میلیارد دلار گزارش شده است.
‏- سهم چین از ظرفیت محاسباتی جدید جهان در حال حاضر حدود ۱۰ درصد است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما