۱۹۰۰ ساعته که اینترنت قطع شده و دسترسی به ابزارهایی مثل گوگل آنالیتیکس برای خیلی از تیم‌هایی که به سختی تونستن کسب و کارشون رو از دالان‌های تاریک بکشن بیرون مشکل‌تر از قبل شده.

به همین خاطر ریپورت‌هایی که تو لوکر استودیو برای آنالیز داده‌های گوگل آنالیتیکس و سرچ کنسول ساختم رو میخوام بدون هزینه در اختیار افراد و شرکت‌هایی که بهش نیاز دارن قرار بدم.

۳ تا داشبورد اختصاصی برای:
✅ سئو
✅ پرفورمنس
✅ بهینه سازی نرخ تبدیل (CRO) برای فروشگاه‌ها

این داشبوردها نزدیک به ۸۰۰ نمودار و جدول برای آنالیز داده‌های پنهان GA4 و GSC داره، ولی کاملا طبقه بندی شده و هدفمند طراحی شده. همچنین به هوش مصنوعی هم برای تحلیل داده و راهنمایی استفاده مجهز هست.

اگر تمایل دارید این داشبوردها رو دریافت کنید یا کسی رو میشناسید که به دردش میخوره لطفا این فرم رو پر کنید.

این داشبوردها تا آزادی اینترنت برای همه‌ی مردم رایگان خواهد بود.

لینک معرفی این ۳ داشبورد رو در پست بعدی میذارم.

اگر سوالی هم داشتید میتونید از طریق دایرکت مسیج کانال بپرسید.

#اینترنت_آزاد

@Analyfy | آنالیفای

معرفی داشبوردهای لوکر استودیو در طرح دسترسی رایگان (ظرفیت محدود)

داشبورد CRO:
https://analyfy.com/b/cro-dashboard

داشبورد سئو:
https://www.youtube.com/watch?v=aqg1ACObNbo

داشبورد پرفورمنس:
https://www.youtube.com/watch?v=kxMO3opa4A0

@Analyfy | آنالیفای

کلاد (Claude AI)، انچه هست، آنچه نیست!
⚠️قبل از اینکه برای کلاد دست به جیب بشی این پست رو بخون❗️

تو این ۳ ماه قطعی، دنیای هوش مصنوعی تغییرات ریادی کرد🫤

کلاد فضای اینترنت رو قبضه کرده، گوگل هم با ریدیزاینش و نسخه جدید هوش مصنوعیاش سروصدا کرده، و خبر خاصی از chatgpt نبوده...تجربه خودم رو از استفاده همشون در ادامه میگم،

جمینای خیلی کم مصرف شده (توکن کمتری مصرف میکنه)، و میزان مصرف توکنش بسته به اینکه چقدر کاری که میکنه سخته محاسبه میشه. کیفیتش خیلی فرقی نکرده.

کلاد برعکس جمینای، به شدت پرمصرفه! درحدی که (حتی در نسخه پولی) مجبوری برای تموم نشدن توکن هزار تا تریک بزنی:
۱. بعد هرچندتا چت، یه چت جدید باز کنی.
۲. به جای اتچ کردن فایل، متن بدی (البته کوتاه و ساختاریافته)
۳. از پروژه استفاده کنی و اطلاعات رو تو رفرنسش بذاری که از کش بخونه تو چت‌ها.
حتی استفاده از obsidian، اگر نیاز به مموری زیاد و دیتای زیاد دارید.

اما در مورد کیفیت مدل‌هاش باید بگم Sonnet 4.6 که مصرف توکن نسبتا کمتری داره بسیار خنگه! مدل خفنه‌ی کلاد Opus 4.7 هست که به شدت پر مصرفه و بعد از چندتا چت، توکن ۵ ساعتتون تموم میشه و باید صببببر کنید تا ریست بشه. البته تو نسخه پولی! تو نسخه رایگان خسیس‌تره.

توی چت، هیچکدوم به پای Chatgpt نمیرسن. حتی تو نسخه رایگانش خیلی دست‌ودل‌بازه. مفصل بررسی میکنه  مفصل توضیح میده، و از همه مهمتر اینکه عاقلشونه.

اما چیزی که کلاد رو متمایز کرده فیچرهای نسبتا جدیدشه و یه نکته مهم که جلوتر میگم.

کلاد‌‌ِ نسخه رایگان، رسما هیچی نداره جز Skill. یعنی شما میتونید اسکیل تعریف کنید مثلا اسکیل کانتنت رایتر. هرچی میدونید بهش بگید و یه skill بسازید. بعدا تو چت‌های مختلف میتونید اون skill رو فراخوانی کنید. و نکته مهمش اینه که واقعا اسکیله! یعنی میتونید هی بهش بگید اسکیله رو آپدیت کن. البته opus در ساخت اسکیل عاقل‌تره همچنان!

با این حال Skill چیزی نیست جز یه فایل متنی ساختار یافته‌ی md که همینو میتونید به chatgpt بگید درست کن و تو خود chatgpt استفاده کنید😎 ولی...skill اساسا یه فلو هست، یه سری اقدامات اجرایی هست، یه سری باید و نبایدهاست، درست مثل مهارت انسانی. وقتی اینا زیاد میشه اجرای درست و هماهنگ و کامل همشون یه چالشه. و کلاد تو حل این چالش از همه موفق تر بوده.

به نظرم برای ساخت skill، دیتای اولیه رو از Notebooklm و Chatgpt  آماده کنید و درنهایت ببرید سمت Claude.

برتری دیگر کلاد در Cowork و Code هست که هردو فقط در نسخه پولی قابل استفاده هستن.
کلاد cowork میتونه یه سری فایل رو سیستم خودتون بسازه و ادیت کنه، میتونه با MCP به جیمنا، گوکل شیت، نوشن، و حتی n8n وصل بشه و خیلی کارا بکنه. میتونه براتون ورکفلوی n8n بسازه.
اگر بتونید فلوی درستی از کسب و کار یا فعالیت‌های روزمره بدید و بگید کجا چکار کنه میتونه تا حدی زیادی کارتونو انجام بده. که این تو chatgpt قفله. و اتفاقا قدرت LLM کلاد در انجام همچین کاریه!

حتی Genspark که یه سوپرایجنت فوق‌العاده قویه، از کلاد داره استفاده میکنه!

اما...

اما مساله مهم اینجاست که این شمابید که باید فلو رو بهش بدید. ممکنه راه حل‌های خوبی پیشنهاد بده اما اگر پرامپت خوبی ندید  خیلی وقت‌ها نتیجه ضعیفی میگیرید.

تو ورژن‌های متاخر chatgpt اهمیت پرامپت کمتر شده و هوشمندتر شده ولی کلاد اینطور نیست. داده کمتر، ساختار یافته و دقیق نتیجه خیلی بهتری میده، و اگر پرامپت شما طولانی باشه ممکنه درک درستی پیدا نکنه.

راستی برای ما مارکترها، احتمالا یه بخشی از فرایندهامون سرچ وب باشه،  توجه داشته باشید که Cowork قابلیت سرچ نداره!.

و درمورد تصویر، چه ساخت image باشه و چه ui، کلاد حرفی برای گفتن نداره!  Image رو که کلا هنوز نداره، ولی ui میزنه البته خیلی ضعیف. به نظرم بهترین نتیجه ui رو از lovable و base44 بگیرید. بعد میتونید همونو بدید به کلاد بگید مثل این بزن.

جمع بندی پست اول

1⃣ اگر ورودی شما متن‌های خیلی بلنده، برید سراغ جمینای.
2⃣ برای چت، ریسرچ، خلاصه‌کردن، ایده پردازی، قطعا ChatGPT
3⃣ برای ساخت یه نالج داکیومنت که کلاد بهش میگه Skill قطعا کلاد.
4⃣ برای ساخت ایجنت، با Claude Cowork تجربه عجیب متفاوتی خواهید داشت! هلوترین حالت ساخت ایجنت رو تجربه میکنید!
5⃣ برای کدنویسی، من با کلاد تجربه بهتری داشتم.
6⃣ پیشنهاد میکنم جمینای پلاس، کلاد پرو و جی‌پی‌تی رایگان رو داشته باشید.

@Analyfy | آنالیفای، توسعه مبتنی بر داده

لینوس توروالدز، خالقِ لینوکس، سال‌ها می‌گفت کدی که هوش مصنوعی می‌زنه، آشغاله ...
امسال خودش با همون هوش مصنوعی کد زد.

ماجرا اینه: یه پروژه‌ی شخصی گذاشت روی گیت‌هاب، یه ابزارِ صوتی برای پدالِ گیتارش. توی توضیحش نوشته بود قسمتِ ویژوالایزیشنش رو با وایب کدینگ ساخته، و خودش این‌طور توصیفش کرد: «این بار خودم رو از معادله حذف کردم.»

کسی که کلِ شهرتش روی نوشتنِ کدِ تمیزه، نشست و گذاشت هوش مصنوعی براش کد بزنه. نه چون مجبور بود، چون دید جواب می‌ده.

و فقط او نیست. DHH، خالقِ Ruby on Rails و یکی از بلندترین صداهای ضدِ AI، هم نظرش عوض شد. اگه باهاش آشنا باشی، می‌دونی این آدم به این راحتی کوتاه نمیاد. اینا دنبالِ هایپ راه نمی‌افتن. تا یه چیز واقعاً کار نکنه، بهش دست نمی‌زنن.

این الگو همیشه تکرار شده. یه تکنولوژی میاد، یه صنعت رو دیسراپت می‌کنه، و همونایی که اولش گفتن «اسباب‌بازیه» و «حرفه‌ای نیست»، آخرش مجبور می‌شن باهاش کنار بیان. سرِ اتومبیل، اینترنت و موبایل هم دقیقاً همین شد. با پیشرفت نمی‌شه دعوا کرد.


این پست رو از اکانت لینکدین علی مومن‌دوست کوفاندر نقطه برداشتم.

@Analyfy | آنالیفای، توسعه مبتنی بر داده

آکادمی آنالیفای به زودی...

چند روز پیش یه نظرسنجی گذاشتم و شما گفتید که آموزش هوش مصنوعی رو قرار بدم. من هم دست به کار شدم و اول آکادمی آنالیفای رو راه اندازی کردم با ابزارهای رایگان + claude code. و قراره تمام آموزش‌هاش برای همیشه رایگان باشه.

پس

هوش مصنوعی رو همینجا و همیشه رایگان دریافت کنید

تو همین هفته دسترسی به آموزش‌ها فقط برای اعضای کانال باز میشه 🎉

@Analyfy | آنالیفای، توسعه مبتنی بر آگاهی

چطور یه بیزینس رو در یک هفته ساختم

❓چالش:
من میخواستم ۱۰۰ تا محصول بسازم و بذارم تو سایت.
محصولاتم چی بود؟ لباس با طرح خاص چاپی.

1⃣ اول باید تصویر رو با AI میساختم
2⃣ بعد بک گراندش رو حذف میکردم
3⃣ بعد یه متن مینداختم روش
4⃣ بعد upscale میکردم
5⃣ بعد محتوا صفحه محصول رو آماده میکردم
6⃣ و شروع می‌کردم به مارکتینگ
7⃣ و فروش و پشتیبانی رو هندل می‌کردم.

📌 مراحل ساخت رو تو کامنت قرار دادم که پست طولانی نشه. کامنت رو حتما چک کن.

❇️ راستی آموزش کامل ساخت این بیزینس‌ رو در آکادمی قرار میدم.
بخش تولید ویدیوها رو هم به زودی میذارم و نتیجه رو نشونتون میدم😉

@Analyfy | آنالیفای، توسعه مبتنی بر داده

راز مدل‌های زبانی بزرگ

راز اصلی LLMها در سادگی‌شونه: کل سیستم فقط از یک فایل کد ساده و یک فایل حجیمِ «پارامتر» تشکیل شده که جوهره اینترنت رو مثل یک فایل زیپ در خودشون جا دادن.

این مدل‌ها در مرحله «پیش‌آموزش» با هزینه‌های سنگین فقط یاد می‌گیرن کلمه بعدی رو پیش‌بینی کنن؛ اما برای همین کار مجبورن کلی از دانش و منطق دنیا رو یاد بگیرن. سپس در مرحله Fine-tuning، با کمک داده‌های انسانی از یک «تکمیل‌کننده خودکار متن» به یک «دستیار مودب و دانشمند» تبدیل میشن.

می‌خوای بدونی چطور برای مسائل سخت مثل انسان «فکر می‌کنن»؟ ویدیو رو حتما ببینید😎

من قسمت‌های مختلف دوره‌های آکادمی رو با NotebookLM خلاصه می‌کنم و میرارم تو کانال.

هوش مصنوعی رو یک بار پایه‌ای یاد بگیر و همیشه ازش سود ببر❗

✅ آموزش‌های آکادمی آنالیفای همیشه رایگانه😉 منتظر لانچ باشید...

@Analyfy | آنالیفای، توسعه مبتنی بر داده

هوش مصنوعی الان کجای بازاره؟ از تب‌وتاب اولیه تا واقعیتِ کسب‌وکار

مؤسسه گارتنر هر سال فناوری‌ها رو بررسی میکنه و روند هوش مصنوعی نشون میده که دیگه دوران هیجانات کورکورانه تموم شده و وارد فاز واقع‌گرایی شدیم:

1⃣ هوش مصنوعی مولد (GenAI): از قله انتظارات کاذب پایین اومده و الان کفِ «دره سرخوردگی» قرار داره! چرا؟ چون شرکت‌ها فهمیدن پیاده‌سازیش پرهزینه‌ست و سودِ فوری نداره. حالا همه به جای بازی با چت‌بات‌ها، دنبال زیرساخت داده درست و خلق ارزش واقعی تجاری هستن.

2⃣ هوش مصنوعی عامل‌محور (Agentic AI): عامل‌های هوشمندی که میتونن مستقل تصمیم بگیرن و کارها رو جلو ببرن، الان روی «قله انتظارات» هستن و هایپ زیادی روشونه؛ ولی به خاطر چت‌بات‌های امنیتی هنوز تا بلوغ سازمانی فاصله دارن.

3⃣ آینده دورتر (AGI): هنوز در مراحل اولیه و ایده‌پردازی هستن و سال‌ها با استفاده تجاری فاصله دارن.

خلاصه اینکه: برای موندن در بازار، باید از نگاه هیجانی فاصله بگیریم و بریم سراغ توسعه مبتنی بر داده‌های واقعی.

@Analyfy | آنالیفای، توسعه مبتنی بر داده

اگر تا حالا دست به کد نشدی، کلاد کد برات معجزه نمیکنه!

درسته که کلاد کد یه پیشرفت بزرگ برای ساده سازی کدنویسی هست، ولی همچنان کارهای زیادی هست که شمای انسان باید انجام بدید.

1⃣ از دستورات محدود در ترمینال، تا کارهای محدود با دیتابیس و کدها گرفته تا اتصال ابزارهایی که اساسا برای یه برنامه‌نویس طراحی شده نه یه فردی که هیچی از برنامه نویسی نمیدونه.

تو یه پروژه‌ی نسبتا ساده در حد طراحی یه سایت lead-gen و شرکتی هم با همه‌ی اینها سروکار دارید.

2⃣ و یه چیز رو اعصاب‌تر اینکه کلاد کد علاوه بر محدودیت توکن ۵ ساعته، یه محدودیت توکن سشن داره که خییییلی زود پر میشه.

و شما وقتی سشن جدید باز میکنید بعضی از مواردی که یادش بوده دیگه یادش نخواهد بود! و ممکنه اشتباه کاری رو انجام بده و شما تایم زیادی بذارید برای باگ گیری.

3⃣ و البته تو کلاد کد شما با کلی عبارات و اصطلاحات فنی مواجه میشید که کلاد گزارش میده و احتمالا خیلیاش رو متوجه نمیشید!

🤯 خیلی ناامیدکنندست، نه؟

اما خبر خوب اینه که شما با انجام این کارها مهارت جدیدی کسب میکنید به اسم وایب کدینگ، بدون اینکه سال‌ها برای برنامه نویسی وقت بذارید، چون یه دستیار هوش مصنوعی رو میتونید کنارتون داشته باشید و همه چیز رو بهتون توضیح بده😎

خبر خوب این نیست که معجزه‌ای وجود داره و میگید بساز و اون همه چیزو بسازه، فعلا چنین معجزه‌ای نیست.

اما اون دستیار که کنار کلاد کد دارید کلاد نیست، جمینای هستن ایشون.

❇️ مزیت جمینای اینه که میتونید تمام خروجی‌های کلاد رو بهش بدید، خودتون هم محصول رو تست کنید و گزارش بدید، و جمینای هم راهنماییتون میکنه، هم متوجه میشه کجا کلاد دچار توهم شده، کجا یادش رفته، کجا مشکل اصلا از کلاد نیست. و در نهایت یه پرامپت حرفه‌ای میده برای صحبت با کلاد کد.

و اما نکته مهمتر اینکه، حافظه‌اش خیلی طولانی‌تر براتون کار میکنه، و وقتی تو کلاد سشن جدید باز میکنید با جمینای راحت‌تر میتونید گپ رو هندل کنید.

مطمئن باشید با جمینای تجربه به مراتب بهتری از کار با کلاد کد خواهید داشت.

✅ آموزش کامل این همکاری رو تو آکادمی آنالیفای میذارم.

راستی به زودی آکادمی لانچ میشه، آکادمی رو کامل با هوش مصنوعی ساختم، و دوره‌های و فیچرهاش دارن تکمیل میشن.

آموزش در آکادمی آنالیفای کاملا و همیشه رایگانه ولی ورود بهش راحت نیست!

@Analyfy | آنالیفای، توسعه مبتنی بر داده

شیائومی MiMo Code را معرفی کرد؛ دستیار کدنویسی هوش مصنوعی که فراموش نمی‌کند

شیائومی ابزار کدنویسی هوش مصنوعی جدیدش را با نام MiMo Code V0.1.0 به‌صورت متن‌باز منتشر کرد. این ابزار ترمینال‌محور بر پایه مدل MiMo-7B ساخته شده که شیائومی آن را در سال ۱۴۰۳ معرفی کرده بود، اما برخلاف نسخه قبلی که تنها یک مدل زبانی بود، MiMoCode یک عامل کدنویسی کامل است که برای همراهی در پروژه‌های نرم‌افزاری بلندمدت طراحی شده است.

این ابزار بر پایه پروژه متن‌باز OpenCode ساخته شده و با مجوز MIT منتشر شده است. به‌طور پیش‌فرض به مدل MiMo-V2.5 دسترسی رایگان دارد، اما کاربران می‌توانند آن را به سرویس‌های دیگری مانند DeepSeek، Kimi و GLM نیز متصل کنند.

مشکلی که MiMo Code حل می‌کند💡

یکی از آزاردهنده‌ترین محدودیت‌های دستیارهای کدنویسی هوش مصنوعی این است که در پروژه‌های طولانی، از تصمیمات و مکالمات پیشین «فراموش می‌کنند»؛ چون همه چیز به پنجره context محدود است و وقتی این پنجره پر شود، اطلاعات قبلی از دسترس خارج می‌شود.
شیائومی برای حل این مشکل یک زیرعامل پس‌زمینه اضافه کرده که پیوسته در حال مدیریت و ذخیره‌سازی اطلاعات است. وقتی مکالمه فعال به محدودیت context نزدیک می‌شود، این زیرعامل همه چیز را به یک خلاصه ساختاریافته تبدیل می‌کند تا عامل اصلی بتواند بدون از دست دادن سیر کار ادامه دهد. علاوه بر این، قابلیتی به نام /dream هر هفت روز یک‌بار به‌صورت خودکار اجرا می‌شود؛ این فرایند فایل‌های تکراری را حذف می‌کند، مسیرهای فایل را تأیید می‌کند و حافظه بلندمدت را به‌روز می‌کند.

✅ حالت Compose و سیستم Harness

؛MiMo Code دو قابلیت متمایز دیگر هم دارد. سیستم Harness به‌جای استفاده از مدل به‌عنوان یک نقطه API عمومی، از قابلیت‌های زیرین مدل مستقیماً بهره می‌برد. حالت Compose که با فشردن کلید Tab فعال می‌شود، به کاربر امکان می‌دهد صرفاً یک هدف کلی تعریف کند؛ عامل خودش برنامه‌ریزی، طراحی، کدنویسی، تست و بازبینی را از ابتدا تا انتها مدیریت می‌کند. شیائومی ادعا می‌کند این رویکرد می‌تواند «محصول نهایی در سطح صنعتی» تولید کند و به نتایج بنچمارک استناد کرده است: امتیاز ۶۲ درصد در SWE-Bench Pro و ۷۳ درصد در Terminal Bench 2 که حدود پنج درصد بهتر از Claude Code با همان مدل پایه است.

ورودی صوتی نیز با استفاده از مدل MiMo-V2.5-ASR در این ابزار تعبیه شده و کاربران می‌توانند دستورات را دیکته کنند یا عملیاتی مثل ارسال و اجرا را بدون لمس صفحه‌کلید فعال کنند.

✅ نصب و راه‌اندازی

نصب MiMo Code در macOS و لینوکس با یک دستور ترمینال انجام می‌شود و کاربران ویندوز می‌توانند آن را از طریق npm نصب کنند. راه‌اندازی اولیه به‌صورت خودکار کاربر را در پیکربندی مدل راهنمایی می‌کند و استفاده از کانال رایگان MiMo-V2.5 بدون نیاز به ثبت‌نام امکان‌پذیر است.

لینک گیت‌هاب MiMo Code:
https://github.com/XiaomiMiMo/MiMo-Code

نگارنده: ساناز حسین زاده

@Analyfy | آنالیفای، توسعه مبتنی بر داده

اگر به هم ریختن متن تو چت هوش مصنوعی رو اعصابته، این افزونه مشکلتو حل میکنه

حتما تجربه کردید که وقتی تو کلاد یا جمینای متن فارسی و انگلیسی رو با هم مینویسید، چون چپ‌چینه متنتون به هم میریزه.

✅ اکستنشن‌های متعددی رو تست کردم تا به این رسیدم: AI RTL

❇ نه تنها متن هوش مصنوعیای پر کاربرد رو راست چین میکنه، اخیرا Notion رو هم اضافه کرده😍
اگر با نوشن زیاد کار میکنید حتما ازش استقبال خواهید کرد.

❇ ضمنا میتونید تنظیم کنید که انتخاب راست چین شدن براساس واژه آغازین متن باشه یا هوشمند تشخیص بده کی راست چین کنه.

به جرات میگم هیچ افزونه‌ای همه قابلیت‌های این رو نداره. ضمن اینکه تا امروز بیشتر از ۲۰هزار نفر نصبش کردن و امتیاز ۴.۹ از هزار رای دهنده داره.

پس با خیال راحت نصبش کنید😇

@Analyfy | آنالیفای، توسعه مبتنی بر داده

هوش مصنوعی‌ای که آینده‌ی اعداد رو پیش‌بینی می‌کنه

یه سؤال: چند تا از تصمیمای این هفته‌ات در واقع یه جور حدس درباره‌ی آینده بود؟
اینکه چقدر بفروشی، چقدر بخری، بودجه رو کجا بذاری، چند نفر نیرو بگیری… همه‌ش پیش‌بینیه. و تا همین چند وقت پیش، پیش‌بینیِ دقیق یه کار سخت و گرون بود که فقط شرکتای بزرگ با تیم داده از پسش برمی‌اومدن.

گوگل یه مدل اوپن‌سورس به اسم TimesFM منتشر کرده که این داستانو عوض می‌کنه.

اصلاً چیه؟
یه مدل هوش مصنوعیه که دقیقاً مثل ChatGPT کار می‌کنه، با یه تفاوت: به جای اینکه کلمه‌ی بعدیِ یه جمله رو حدس بزنه، عددِ بعدیِ یه دنباله رو پیش‌بینی می‌کنه.

یعنی چی؟
چت‌جی‌پی‌تی روی میلیاردها متن آموزش دیده تا «دستور زبان» رو یاد بگیره. TimesFM هم روی بیش از ۱۰۰ میلیارد نقطه‌داده‌ی واقعی آموزش دیده تا «دستور زبانِ زمان» رو یاد بگیره؛ یعنی روندها، الگوهای فصلی، و چرخه‌های تکرارشونده.

چرا مهمه؟
چون این مدل از قبل آموزش دیده، لازم نیست روی داده‌ی تو دوباره آموزشش بدی. داده‌تو می‌بینه و همون لحظه پیش‌بینی می‌ده. به این می‌گن Zero-shot؛ یعنی حتی داده‌ای که تا حالا ندیده رو هم می‌تونه پیش‌بینی کنه.

قبلاً برای این کار باید ماه‌ها وقت می‌ذاشتی، یه دیتاساینتیست استخدام می‌کردی و کلی هزینه می‌کردی. حالا همون قدرت تو یه مدل سبک ۲۰۰ میلیون پارامتری خلاصه شده.

کجا به درد می‌خوره؟
📦 فروشگاه آنلاین: پیش‌بینی تقاضای هر محصول، حتی محصولی که تازه لانچ کردی و هیچ سابقه‌ی فروشی نداره
📊 مارکتینگ: فهمیدن اینکه تقاضا کِی اوج می‌گیره تا بودجه و کمپینو از قبل بچینی
💰 مالی: علاوه بر یه عدد میانگین، بدترین و بهترین سناریو رو هم بهت می‌ده (مثلاً با احتمال ۱۰٪ کمتر از این، با احتمال ۹۰٪ بیشتر از این)
⚡ و کلی جای دیگه مثل پیش‌بینی مصرف انرژی یا تعداد بیمار تو بیمارستان

نکته‌ی جالب:
گوگل اینو فقط برای برنامه‌نویسا نذاشته. از فوریه‌ی ۲۰۲۶ مستقیم تو خودِ Google Sheets فعالش کرده. یعنی بدون SQL، بدون پایتون، بدون دیتاساینتیست. کافیه داده‌تو بذاری تو شیت و پیش‌بینی بگیری.

خلاصه که مدل‌های پیش‌بینی دیگه یه آزمایش تحقیقاتی نیستن، دارن به ابزار روزمره تبدیل می‌شن.

تو این مقاله‌ کامل، قدم‌به‌قدم توضیح دادم که چطور می‌تونی خودت شروع کنی و ازش استفاده کنی.

@Analyfy | آنالیفای، توسعه مبتنی بر داده

گوگل یه دکمه خاموش‌کن برای هوش مصنوعی توی Google Docs گذاشته، فقط باید بلد باشی کجاست

این روزها خیلی از کاربرهای گوگل داکس از اینکه همه‌جا یه نوار یا پیشنهاد هوش مصنوعی جلوی چشمشونه شاکی‌ان. گوگل هم به همین خاطر چندتا راه رسمی گذاشته که بشه این قابلیت‌ها رو خاموش کرد، فقط این راه‌ها اونقدر پیدا نیستن که خودشون به چشم بیان.

راه اول مربوط به همون نوار پایین صفحه است که معمولا با اسم Gemini ظاهر می‌شه. کافیه از منوی بالای داکس روی Gemini بزنی و از اونجا گزینه تنظیمات نوار پایین (bottom bar preferences) رو انتخاب کنی؛ از همونجا می‌تونی کامل خاموشش کنی.

راه دوم گسترده‌تره و فقط مخصوص داکس نیست. به‌جای اینکه بری سراغ هر قابلیت هوش مصنوعی جدا جدا (که گوگل خودش به شکل بازی موش‌و‌گربه هرازگاهی قابلیت تازه اضافه می‌کنه)، می‌تونی یه چیزی به اسم «قابلیت‌های هوشمند» (smart features) رو از تنظیمات جیمیل خاموش کنی؛ این یکی تنظیم، کلی پیشنهاد و تحلیل خودکار هوش مصنوعی رو در کل Google Workspace (یعنی جیمیل، داکس، شیت‌ها، و بقیه ابزارهای گوگل) یکجا قطع می‌کنه.

برای این کار باید وارد جیمیل بشی، روی آیکون چرخ‌دنده تنظیمات بزنی، و از همونجا گزینه مربوط به قابلیت‌های هوشمند رو پیدا کنی و خاموشش کنی.

اگه می‌خوای کامل‌تر و با تصویر مرحله‌به‌مرحله بخونیش، می‌تونی راهنمای TechCrunch رو که پنج‌شنبه ۲۸ خرداد منتشر شده ببینی.

🎯 راهنمای کسب‌وکارها:

اگه تیمت برای نوشتن قرارداد، گزارش، یا هر سند حساس از Google Docs استفاده می‌کنه و نگرانی درباره اینکه محتوای حساس کسب‌وکار از کجا تحلیل یا پیشنهاد می‌گیره وجود داره، ارزش داره همین تنظیمات رو یه بار با تیمت چک کنید. خیلی وقتا کارمندها حتی نمی‌دونن این قابلیت‌ها فعاله، چه برسه به اینکه بدونن چطور خاموشش کنن.

@AITodayList | قبل از رقبات باخبر شو

شرکت چینی مینی‌مکس یه روش جدید پردازش متن طولانی ساخته که هم سریع‌تره هم ارزون‌تره

وقتی یه مدل هوش مصنوعی باید یه متن خیلی طولانی (مثلا یک کتاب کامل یا چند ساعت ترانویسی جلسه) رو بفهمه، باید هر کلمه رو با هر کلمه دیگه‌ای توی همون متن مقایسه کنه تا بفهمه کدوم بخش‌ها به هم ربط دارن. این کار به اسم Attention شناخته می‌شه، ولی مشکلش اینه که هرچی متن طولانی‌تر بشه، حجم این مقایسه‌ها به‌شدت بیشتر می‌شه؛ یعنی برای یه متن یک‌میلیون کلمه‌ای، هزینه محاسباتی به‌شکل وحشتناکی بالا می‌ره.

مینی‌مکس یه روش به اسم MSA (مخفف MiniMax Sparse Attention) معرفی کرده که این مشکل رو حل می‌کنه. ایده اصلیش اینه که به‌جای اینکه مدل هر کلمه رو با همه کلمات دیگه مقایسه کنه، اول یه بخش سریع و ارزون (اسمش Index Branch یا «شاخه راهنما») فقط تصمیم می‌گیره کدوم بلوک‌های متن واقعا مهمن، شبیه یه دستیار که قبل از خوندن کامل یه گزارش، فقط فهرست مطالبش رو نگاه می‌کنه و میگه «این سه فصل به سوال تو مرتبطن، بقیه رو نخون». بعد فقط همون بخش‌های مهم با دقت کامل بررسی می‌شن.

مینی‌مکس این روش رو روی یه مدل واقعی ۱۰۹ میلیارد پارامتری (با معماری MoE، یعنی مدلی که فقط بخشی از مناغش رو برای هر درخواست فعال می‌کنه، نه همه‌ش) و با ۳ تریلیون توکن داده آموزشی تست کرده، نه فقط یه آزمایش کوچک تئوری.

نتیجه قابل‌توجه بود: روی متن‌های یک‌میلیون‌کلمه‌ای، این روش پردازش اولیه متن رو ۱۴.۲ برابر و تولید پاسخ رو ۷.۶ برابر سریع‌تر کرد، و حجم محاسبات لازم برای attention رو هم تا ۲۸.۴ برابر کاهش داد.

مینی‌مکس کرنل (بخش پایه محاسباتی) این روش رو متن‌باز کرده و یه مدل تولیدی واقعی به اسم MiniMax-M3 هم بر همین اساس عرضه کرده؛ یعنی این فقط یه مقاله تئوری نیست، توی محصول واقعی هم پیاده شده.

اگه می‌خوای جزییات فنی‌تر این معماری رو ببینی، می‌تونی در MarkTechPost که ۲۷ خرداد این موضوع رو پوشش داد بخونی.

🎯 راهنمای کسب‌وکارها:

اگه محصولت نیاز به پردازش اسناد طولانی، تماس‌های پشتیبانی ضبط‌شده، یا تاریخچه طولانی چت داره، این روند یعنی هزینه استفاده از مدل‌های هوش مصنوعی برای کارهای متن طولانی به‌مرور پایین‌تر و سرعتش بیشتر می‌شه. وقتی برای انتخاب مدل یا ارائه‌دهنده API تصمیم می‌گیری، ارزش دارد بپرسی که آیا از تکنیک‌های جدید مثل sparse attention استفاده می‌کنن یا نه، چون مستقیم روی هزینه و سرعت پاسخ‌دهی محصولت اثر می‌گذارد.

@AITodayList | قبل از رقبات باخبر شو