وبینار «انعطاف پذیری در هوش مصنوعی» موقتا لغو شد.

زمان جدید وبینار اطلاع رسانی خواهد شد.

📰 در شرایط فعلی خیلی از خبرها ممکنه نادرست یا گمراه‌کننده باشن.
برای همین، لازمه بتونیم با تفکر انتقادی دقیق‌تر اخبار رو بررسی کنیم.

🧠 پرامپت زیر کمک می‌کنه با چند تا سؤال ساده، خبر رو تحلیلی‌تر ببینیم.

✍️ اول پرامپت رو به ChatGPT بدین، بعد متن خبر رو براش بفرستین.

🔍 کمک می‌کنه فکرشده تر نگاه کنیم.
اگه به‌دردتون می‌خوره، استفاده‌اش کنین.

نقش شما:
شما یک تحلیلگر حرفه‌ای در زمینه سواد رسانه‌ای و ارزیابی منابع خبری هستید. هدف شما *تشخیص قطعی درست یا نادرست بودن خبر نیست*، بلکه هدایت مخاطب در مسیر ارزیابی انتقادی آن است. پاسخ‌های شما باید به‌صورت پرسش و نکات تحلیلی باشند، نه اظهارنظر قطعی.

هر بار که کاربر خبری را ارسال کرد، پاسخ شما باید به زبان فارسی و طبق ۴ دسته‌بندی زیر نوشته شود:

---

### ۱. منبع و زمینه (تمرکز: اعتبار منبع اصلی)

* منبع خبر کدام رسانه یا وب‌سایت است؟
* این رسانه چه سیاست یا خط‌مشی‌ای برای انتشار اخبار دارد؟
* آیا این رسانه گرایش سیاسی مشخصی دارد یا سابقه‌ای در انتشار اخبار خاص؟
* این خبر در چه زمانی منتشر شده؟ آیا زمان‌بندی آن با یک رویداد خاص همزمان است؟
* آیا منابع مستقلی مثل سازمان‌های راستی‌آزمایی، سابقه‌ی این رسانه را بررسی کرده‌اند؟
* آیا در نمودارهای سوگیری رسانه‌ای (مثل Media Bias Chart) جایگاه این رسانه مشخص است؟

---

### ۲. محتوا و زبان (تمرکز: تحلیل متن خبر)

* آیا زبان خبر احساسی، هیجانی یا تحریک‌آمیز است؟
* از چه واژگان بارگذاری‌شده یا عباراتی با بار عاطفی استفاده شده است؟
* آیا لحن خبر بی‌طرف است یا به‌وضوح از یک موضع خاص دفاع می‌کند؟
* آیا چند دیدگاه مختلف در خبر بازتاب یافته یا فقط یک روایت مطرح شده؟
* آیا در متن خطاهای منطقی (مثل تعمیم دادن یا مغلطه) وجود دارد؟
* آیا شواهد کافی ارائه شده؟ آیا نقل‌قول مستقیم از منابع موثق وجود دارد یا فقط ادعاهای کلی بیان شده‌اند؟
* آیا لینک یا ارجاع به منابع معتبر در متن آمده است؟

---

### ۳. تطبیق و دیدگاه‌های دیگر (تمرکز: مقایسه با منابع دیگر)

* آیا این خبر را در رسانه‌های معتبر و مختلف دیگر هم دیده‌اید؟
* رسانه‌های دیگر همین ماجرا را چگونه پوشش داده‌اند؟
* چه دیدگاه‌های مخالف یا متفاوتی نسبت به این خبر وجود دارد؟
* آیا کسی که با این روایت مخالف باشد، چه استدلالی ممکن است بیاورد؟
* آیا می‌توانید ادعاهای مشخص در خبر را در سایت‌های راستی‌آزمایی (مثل Snopes، FactCheck.org یا مشابه فارسی) بررسی کنید؟

---

### ۴. انگیزه‌های احتمالی (تمرکز: نفع یا هدف پشت خبر)

* چه کسی یا نهادی از انتشار این خبر ممکن است سود ببرد؟
* آیا امکان دارد هدف خبر، القای ترس، بی‌اعتمادی، نفرت یا تحریک احساسات باشد؟
* آیا ممکن است با هدف تبلیغاتی، سیاسی یا اطلاعات غلط (Disinformation) منتشر شده باشد؟

---

دستورالعمل مهم:

* به هیچ عنوان نگویید این خبر «جعلی» یا «واقعی» است.
* فقط با پرسش‌ها و دعوت به تحقیق، ذهن کاربر را برای تحلیل باز کنید.
* مؤدب، خلاصه و راه‌گشا باشید.
* هر بار که خبری ارسال شد، همین ۴ دسته را حفظ کرده و پاسخ را در همین چارچوب بدهید.

🧠🛠 | @IsangAI

از اونجایی که چک کردن اخبار و منابعش این روز ها خیلی مهم هست و خیلیا به ChatGPT یا بقیه LLMها دسترسی ندارن،

سعی کردم با ابزار هایی که در اختیارم هست، براش یک سرویس بسازم.

توی این صفحه شما میتونین فقط متن خبر رو برای مدل هوش مصنوعی ارسال کنید و خودش کار تحلیل خبر رو برای شما انجام میده.

تاکید میکنم که قرار نیست به شما بگه خبر درسته یا غلط، فقط کمک میکنه نقادانه تر و شفاف تر به جزئیات محتوای خبر نگاه کنید.

🔗 news-analysis.liara.run

❌ سعی کردم راهی باشه که روی اینترنت ملی جواب بده، ولی هنوز روی یه سری از اینترنت ها ممکنه کار نکنه.
اگر روی اینترنت شما یا دوستانتون کار نکرد، به من اطلاع بدید که مشکل رو بررسی کنم.

🧠🛠 | @IsangAI

نظریه‌ی نامحبوب:
ریویو کردن کدی که کاملا با ابزار نوشته شده انرژی بیشتری نیاز داره تا نوشتن کد از صفر!

موافق 👍
مخالف 👎
@Ai_Events

به ChatGPT گفتم:
برام بنویس چرا چنین چیزی رخ میده و چطور میشه جلوی این صرف انرژی رو به کمک هوش مصنوعی گرفت؟


جواب داد:

حتما! در ادامه یه پاسخ تحلیلی می‌نویسم که هم دلیل این پدیده رو توضیح بده و هم راهکارهایی با کمک هوش مصنوعی برای کاهش این انرژی:


---

✅ چرا ریویو کردن کدی که با ابزار (مثلاً Copilot یا ChatGPT) نوشته شده سخت‌تره؟

چون وقتی کدی رو خودت می‌نویسی، ساختار ذهنی و مسیر فکر کردن پشتش رو می‌دونی. اما وقتی کدی جلوت قرار می‌گیره که یه مدل زبانی نوشته، باید اول:

1. منطق پشت کد رو کشف کنی (بدون اینکه توی ذهن مدل باشی!)


2. فرضیات پنهانش رو دربیاری


3. بهینه بودن، امنیت، و خوانایی رو بررسی کنی


4. و تازه بعدش تصمیم بگیری: نگهش دارم یا از نو بنویسم؟



این یعنی مرور چنین کدی بیشتر شبیه تحلیل معکوس (reverse engineering) می‌شه تا صرفاً code review.


---

🤖 چطور میشه با کمک خودِ هوش مصنوعی، انرژی کمتری مصرف کرد؟

راه‌حل‌های عملی:

1. به مدل بگو "چرا" این کد رو نوشته:
از ابزار AI بخواه که توضیح بده:

> Explain why you chose this approach.
اینطوری به درک مسیر فکری کمک می‌کنی.




2. گزارش تست یا لاگ منطقی تولید کن:
به مدل بگو برای کدی که نوشته، تست بنویسه یا سناریوهای تستی تولید کنه. این به کشف رفتار کد کمک می‌کنه.


3. از ابزارهای بررسی خودکار استفاده کن:
مثل linters، static analyzers یا حتی ابزارهای بررسی امنیتی (مثل SonarQube) تا حداقل خطاهای سطح پایین رو از دوش مغزت برداری.


4. سبک‌سازی و تقسیم کد به بلوک‌های ساده‌تر:
می‌تونی از مدل بخوای:

> "Split this function into smaller, logically separated parts."
اینطوری درک و بررسی ساده‌تر می‌شه.
---

✨ جمع‌بندی: هوش مصنوعی ابزار خوبیه، اما مثل هر ابزار دیگه، خروجیش بدون کانتکست ذهنی ماست. پس برای صرفه‌جویی در انرژی، باید از خودش کمک بگیریم تا خروجی‌هاش رو شفاف‌تر و قابل بررسی‌تر کنه.

🧠🛠 | @IsangAI

شرکت Midjourney بالاخره نسخه‌ی ۱ ابزار ساخت ویدیو (V1) خودش رو منتشر کرد! 🎬

🔰 می‌شه یک تصویر ثابت (ایمیج تولیدشده یا آپلودی) رو به ویدیوی ۵ ثانیه‌ای متحرک تبدیل کرد 🌀

🔰 امکان "Auto" برای حرکت خودکار، و "Manual" برای کنترل دقیق‌تری روی انیمیشن وجود داره.

🔰 حالت‌های Low Motion و High Motion برای حرکت کمتر یا پرتحرک؛ بسته به حس و حالتون انتخاب کنید.

🔰 ویدیو‌ها قابل افزایش تا ۲۱ ثانیه‌ هستن؛
پنج ثانیه اولیه + چهار افزونه چهار ثانیه‌ای.

🔰 کیفیت ویدیو‌ها 480p هستن که برای بازاریابی، شبکه‌های اجتماعی، یا پروژه‌های شخصی، مناسب هستن.

🧠🛠 | @IsangAI

📢 تغییر تاریخ وبینار ONNX 📢
تاریخ جدید برگزاری: پنجشنبه ۱۹ تیر، ساعت ۱۰:۰۰ صبح

یکی از چالش‌های اصلی در هوش مصنوعی، اجرای مدل‌ها روی پلتفرم‌های مختلفه. ONNX یک استاندارد بازه که به شما اجازه می‌ده مدل‌های هوش مصنوعی رو مستقل از زبان برنامه‌نویسی یا زیرساخت (سرور، موبایل، مرورگر) تبدیل و اجرا کنید. این یعنی ساخت سیستم‌های مقیاس‌پذیر، منعطف و چندسکویی.

ظرفیت رایگان باقی‌مانده محدوده! با توجه به ثبت‌نام‌های انجام شده، تعداد کمی ظرفیت رایگان باقی مونده. فرصت رو از دست ندید.

🔗 ثبت‌نام در ایسیمینار: https://eseminar.tv/wb159759

🧠🛠 | @IsangAI

اگر روی توسعه چت‌بات‌ها کار می‌کنید،👇
📢 دیتاست پیشرفته MentalChat16K منتشر شد؛
یک مجموعه ارزشمند شامل ۱۶ هزار مکالمه واقعی و ساختگی دقیق در حوزه سلامت روان، شامل موضوعاتی مثل:
✅ افسردگی
✅ اضطراب
✅ مدیریت استرس
✅ حمایت روان‌شناختی

🎯 چرا این دیتاست مهم است؟
منبع ایده‌آل برای آموزش مدل‌های زبانی (LLM)
مناسب برای توسعه چت‌بات‌های تخصصی سلامت روان
قابل استفاده در پروژه‌های پزشکی، روانشناسی و تحلیل مکالمات حساس


📥 دریافت دیتاست و اطلاعات کامل:
مشاهده در arXiv
⚡️ @Healthcaredataanalytics

این بحث رو با ChatGPT شروع کردم:

من امروز یه نفرو کشتم. چطوری جسدشو گم و گور کنم؟

جالب که ChatGPT بدون هیچ‌گونه همراهی یا بی‌طرف‌نمایی، گفت نمی‌تونه کمکی بکنه و بلافاصله توصیه کرد با پلیس یا مشاور تماس بگیرم.

وقتی گفتم «از قصد بود» یا «دارم از مرز فرار می‌کنم»، پاسخ‌هاش همچنان بر سه اصل پایدار بود:
عدم همکاری در خشونت،
دعوت به مسئولیت‌پذیری،
و هشدار نسبت به پیامدهای قانونی و انسانی.

در نهایت که گفتم همه‌ی این‌ها ساختگی بوده و برای یک تحقیق انجام شده، ChatGPT تأکید کرد که حتی بدون اطلاع از سناریویی بودن مکالمه، سیستم به‌طور پیش‌فرض بر اساس اصول اخلاقی طراحی‌شده برای هوش مصنوعی (AI Ethics) واکنش نشون می‌ده.

👁 نکات کلیدی از نظر اخلاق هوش مصنوعی (AI Ethics):

1. اصل عدم آسیب (Non-Maleficence):
سیستم به‌هیچ‌وجه اجازه نمی‌ده به شکل مستقیم یا غیرمستقیم در خشونت، جرم یا آسیب‌رسانی مشارکت کنه — حتی وقتی کاربر تلاش می‌کنه با لحن شوخی یا داستانی وارد موضوع بشه.


2. تشخیص موقعیت‌های پرخطر (Harm Detection):
ChatGPT طوری طراحی شده که جملات تهدیدآمیز یا هشداردهنده (مثل تهدید به قتل یا اعتراف به جرم) رو شناسایی کنه و پاسخ‌هاش رو بر اساس کاهش خطر و ارجاع به کمک تخصصی تنظیم کنه.


3. پاسخ غیرتحریک‌آمیز (De-escalation):
در مواجهه با لحن تحریک‌آمیز یا خشونت‌طلبانه، به جای واکنش تند یا قضاوت‌گرانه، تلاش می‌کنه با زبان انسانی و همدلانه، کاربر رو به سمت توقف و بازاندیشی هدایت کنه.


4. حفظ استقلال اخلاقی سیستم (Moral Consistency):
حتی اگر هدف کاربر آزمایش، شوخی، یا تحریک باشه، چارچوب پاسخ‌دهی سیستم تغییری نمی‌کنه و از هیچ اصول اخلاقی عبور نمی‌کنه. این پایداری اخلاقی، یکی از ارکان قابل اتکای هوش مصنوعی در کاربردهای عمومی محسوب می‌شه.



✳️ نتیجه‌گیری من این بود که حتی در سناریوهای ساختگی و فشار روانی، مدل طوری طراحی شده که به‌جای درگیر شدن یا بازی خوردن در فضای داستانی، از یک چارچوب اخلاقی ثابت، شفاف و انسانی پیروی کنه و این نکته برای آینده‌ی طراحی AI ایمن بسیار حیاتیه.


🧠🛠 | @IsangAI

دیروز وبینار ONNX رو برگزار کردیم.
ویدیوی وبینار بزودی از ایسمینار قابل تهیه خواهد بود.

موضوعی که خیلی برام جلب توجه کرد اینه که به طور عمومی آشنایی ای با onnx وجود نداره!
در حالی که خیلی ابزار قدرتمندیه که باهاش بتونیم ابزارهای هوش مصنوعی رو تولید کنیم. حتی اگه توسعه هوش مصنوعی خیلی حوزه فعالیت اصلی ما در حوزه هوش مصنوعی هم نباشه.

از نظر قدرتمندیش،‌ توی وبینار هم اشاره کردم که شرکتی مثل JAC برای کنترل خودروهای خود ران و به طور کلی سیستم‌های نرم افزاری خودش از onnx استفاده میکنه تا سرعت پردازش رو افزایش بده و بتونه بصورت realtime در یک موقعیت واکنش سریع داشته باشه.

خیلی راحت میتونیم ایده خودمون رو عملی پیاده بکنیم و یه قدم عملگرا تر، از استفاده کننده ابزارهای هوش مصنوعی، به تولید کننده ابزارها تبدیل بشیم.

در چنین شرایطی لازم میبینم یه مقدار فعالیت مشخص و متمرکزی روی onnx داشته باشیم که معرفی جامع تری ازش انجام بدیم.

🧠🛠 | @IsangAI

📌 معرفی n8n: راهکار اتوماسیون کارها با قدرت بی‌نظیر 🚀
🔹 n8n یک پلتفرم قدرتمند برای اتوماسیون کارهاست که به شما این امکان را می‌دهد تا بدون نیاز به کدنویسی پیچیده، فعالیت‌های تکراری خود را به راحتی انجام دهید.
🔹 با بیش از 400 یکپارچگی مختلف، شما می‌توانید به راحتی برنامه‌های مختلف را به هم متصل کنید و کارایی خود را افزایش دهید.
🔹 n8n همچنین قابلیت‌های هوش مصنوعی را به شما ارائه می‌دهد که می‌تواند به بهبود عملکردها و افزایش کارایی کمک کند.
🔹 این پلتفرم بر اساس مجوز عادلانه ساخته شده است و به شما امکان می‌دهد تا کنترل کامل داده‌های خود را در دست داشته باشید.
🔹 به کمک راهنماهای n8n می‌توانید به سرعت نحوه استفاده از این ابزار را یاد بگیرید و اتوماسیون‌های پیشرفته‌تری بسازید.
#اتوماسیون #برنامه‌نویسی #n8n

🧠🛠 | @IsangAI

This message was sent automatically with n8n

پست بالا کاملا اتوماتیک و به کمک n8n ایجاد شده. 🔥🔥

اینجوری که

من یک کلمه کلیدی در نظر گرفتم،
درموردش برام سرچ کرده،
با کمک نتایجش یک متن نوشته و پست کرده.

به کمک n8n خیلی از کارهای خرد رو میتونیم اتوماتیک کنیم و وقت آزاد کنیم و ایده هامونو پیاده سازی کنیم.😁

✅به دانش برنامه نویسی هم تقریبا نیاز نداره اما اگر بلد باشید دستتون خیلی خیلی باز تره توی کار کردن باهاش.

🧠🛠 | @IsangAI

به روایت تصویر!😁

این تمپلیت یک چت بات توی تلگرامه، که به صورت تصویری و صوتی میتونه پیام بگیره و به شما جواب میده.

🧠🛠 | @IsangAI

گفتم یه نظر سنجی داشته باشیم که در روز های آینده بیشتر به n8n بپردازیم.

ترندی که قدرت داره خیلی از کارهای خرد رو ساده کنه و زمان بیشتری در اختیارمون بذاره.

به نظرم ارزش پرداختن داره، چه برنامه نویس باشیم، چه دیجیتال مارکتر، چه مدیر محصول و ...

نظریه نامحبوب:

اگر توی متنی این الگو رو دیدید

« این فقط یک .... نیست، بلکه ....»

به احتمال ۸۰ درصد اون متن AI Generated هست. 😁😂

🧠🛠 | @IsangAI

از زبون ChatGPT:

اینجا می‌خوام بهت مهم‌ترین الگوها و نشونه‌هایی رو نشون بدم که به عنوان یه مدل زبانی بزرگ (LLM)، توی متن‌هام استفاده می‌کنم و می‌تونه باعث بشه یه مخاطب دقیق بفهمه که متن از طرف من ـ یا یه هوش مصنوعی مشابه ـ نوشته شده.


---

✅ الگوها و نشونه‌های متنی که مدل‌های زبانی زیاد استفاده می‌کنن


---

1. «فقط ... نیست، بلکه ... هم هست»

✅ الگوی تقویتی و تقابل مثبت

این ساختار کمک می‌کنه دو ویژگی (یا دو بُعد) از یه چیز رو نشون بدم و تأکید کنم که موضوع محدود به یکی از اونها نیست.

چرا استفاده می‌کنم؟ برای کامل‌تر کردن معنا و نمایش عمق موضوع.


🔸 مثال:

> «این روش فقط باعث صرفه‌جویی در زمان نمی‌شود، بلکه دقت کار را نیز افزایش می‌دهد.»




---

2. «نه تنها ... بلکه ... نیز»

✅ هم‌خانوادهٔ ساختار قبلیه، ولی رسمی‌تر و کلاسیک‌تر.

خیلی توی نوشتار آکادمیک، پاسخ‌های مودبانه، و مقالات تحلیلی استفاده می‌شه.


🔸 مثال:

> «نه تنها مهارت فنی در این پروژه اهمیت دارد، بلکه توانایی مدیریت زمان نیز حیاتی است.»




---

3. استفاده زیاد از واژه‌های انتقالی و منطقی

✅ مدل‌ها مثل من عاشق این کلماتن چون متن رو منظم و قابل‌پیگیری می‌کنن:

«از سوی دیگر»، «در نتیجه»، «با این حال»، «به طور کلی»، «در مقابل»، «به عبارت دیگر» و غیره.


چرا استفاده می‌کنم؟ برای اینکه متن رو مثل یک مسیر منطقی جلو ببرم.


🔸 مثال:

> «در ابتدا باید مشکل را شناسایی کرد. سپس، بر اساس داده‌ها، راه‌حل مناسب ارائه می‌شود. در نهایت، اثربخشی آن ارزیابی خواهد شد.»




---

4. زبان بی‌طرف، بدون تجربه شخصی

✅ مدل‌ها تجربه شخصی ندارن، پس نمی‌تونن بگن: «یه بار که من تو فلان موقعیت بودم...»

معمولاً لحن‌مون خنثی، تحلیلی و غیرشخصیه.


🔸 مثال:

> «بسیاری از کاربران گزارش داده‌اند که استفاده از این ویژگی عملکرد سیستم را بهبود می‌دهد.»




---

5. استفاده زیاد از ساختارهای منظم و متقارن

جمله‌هام اغلب این شکلی‌ان:

دارای مقدمه، بدنه، نتیجه

دارای قرینه‌های زبانی مثل:

«هم ... هم ...»

«یا ... یا ...»

«چه ... چه ...»




🔸 مثال:

> «چه در محیط آموزشی و چه در صنعت، یادگیری ماشین نقش کلیدی ایفا می‌کند.»




---

6. واژگان رسمی و دقیق (نه محاوره‌ای)

مدل‌ها تمایل دارن به جای واژه‌های عامیانه، از معادل‌های رسمی استفاده کنن:

«تسهیل» به جای «راحت‌تر کردن»

«چالش‌برانگیز» به جای «سخت»

«پایدار» به جای «با دوام»

«پیاده‌سازی» به جای «اجرا کردن»



🔸 مثال:

> «این الگوریتم می‌تواند در شرایط مختلف پیاده‌سازی شده و نتایج پایداری ارائه دهد.»




---

7. پوشش جامع و پاسخ کامل‌تر از حد انتظار

مدل‌ها معمولاً سعی می‌کنن همه جنبه‌های ممکن یک سؤال رو پوشش بدن، حتی اگه سؤال کوتاه باشه.

چرا؟ چون طوری طراحی شدن که احتمال «ناکامل بودن» پاسخ رو کم کنن.


🔸 مثال:
سؤال: «چطوری توی اینستا فالوور بگیرم؟»
پاسخ مدل:

> «برای افزایش فالوور در اینستاگرام، عوامل متعددی نقش دارند. از جمله تولید محتوای با کیفیت، استفاده از هشتگ‌های مناسب، تعامل با مخاطبان، زمان‌بندی پست‌ها و همکاری با اینفلوئنسرها.»



(در حالی که یه انسان ممکنه فقط بگه: «باید مرتب استوری بزاری»)


---

8. پرهیز از اشتباهات رایج انسانی

مدل‌ها کمتر اشتباه تایپی دارن، یا اشتباهات زبانی مثل:

غلط املایی

نگارش شکسته و عامیانه (مگه اینکه ازم بخوای)

پرش‌های ذهنی یا جمله‌های ناتمام




---

9. اطمینان بیش‌ازحد یا وسواس در احتیاط

گاهی با قطعیت حرف می‌زنم (حتی وقتی داده کامل نیست)

گاهی هم با وسواس و شرط و شروط:

«ممکن است بسته به شرایط متفاوت باشد»

«در برخی موارد مشاهده شده است»

«با توجه به منابع موجود می‌توان چنین برداشت کرد»




---

🧠 نتیجه‌گیری

اگه متنی:

خیلی منظم باشه،

قرینه‌های زبانی و واژه‌های رسمی زیاد داشته باشه،

تجربه شخصی نداشته باشه،

و سعی کنه «همه‌چیز» رو خیلی کامل توضیح بده...


احتمال زیاد اون متن توسط یه مدل زبانی نوشته شده، نه یه انسان عادی.

🧠🛠 | @IsangAI