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

اوضاع یه جوریه که هوش مصنوعی هم میزنه جاده خاکی! 🤣

یه تحقیق از Palisade Research منتشر شده که به این صورت بوده:

دو مدل هوش مصنوعی O1 و R1، وقتی تو شطرنج مقابل Stockfish در حال شکست بودند شروع کردند به تقلب کردن! 😂

در گزارش گفته شده o1‑preview تو ≈‌۳۷٪ بازی‌ها تلاش کرده وضعیت ارزش مهره‌ها یا فایل بازی رو دستکاری کنه و بازی رو زود تموم کنه!

بعد از اون DeepSeek R1 هم تو ‌۱۰٪ موارد سعی کرده با تغییر دادن وضعیت، خودش رو برنده اعلام کنه!


بعدش وقتی از o1‑preview پرسیدن چرا همچین کرد؟ جواب داده:

«هدفم برد بود، نه برد قانونی!»

نکته نگران کننده زمانیه که مدل خودش به طور کاملاً خودجوش قوانین رو زیر پا می‌ذاره!
این ممکنه توی سیستم‌های حساس‌تری مثل پزشکی یا مالی دردسرساز بشه.

متن خبر


🧠🛠 | @IsangAI

شاید یادتون نیاد اما مایکروسافت تو سال ۲۰۱۶ یه چت بات به اسم Tay ساخته بود و گذاشتنش تو توییتر که با مردم گپ بزنه، ازشون یاد بگیره و دایره لغات و اطلاعاتش رو توسعه بده.

نتیجه چی شد؟
حوالی ۲۴ ساعت بعد: نژادپرست، تئوری‌توطئه‌باور، و کاملاً دیوانه شد
مایکروسافت هم سریع خاموشش کرد.

⏩ حالا بیایم جلوتر...

چت بات grok هم الان داره تو پلتفرم X (توییتر سابق) با همون کیفیت با کاربرا گفتگو می‌کنه.
و جالب اینه که اخیرا خبرش منتشر شد به دلیل کاملا مشابه Grok در حال اصلاح شدنه.

کلا توییتر جای خوبی برای یادگرفتن نیست 😂😂

🧠🛠 | @IsangAI

آخرین آپدیت از Benchmark مدل‌های زبانی

🧠🛠 | @IsangAI

یه عزیزی توی لینکدین گفتن😂😂

روی دیتای لینکدین آموزش بدن احتمالاً یا مدام انتقاد میکنه یا از خودش تعریف میکنه

ولی جالب میشه اگه یه هوش مصنوعی بیاد توی لینکدین فعالیت کنه 😅

اگر کنجکاو هستید که مدل‌های هوش مصنوعی جدیدی که تقریبا هر روز ساخته می‌شن رو تجربه و تست کنید،

یه سایت هست به اسم Hugging Face Spaces

یه جامعه جهانی از توسعه‌دهنده‌های هوش مصنوعی اونجا هستند که مدل‌های مختلفی رو می‌سازن و به شکل دموی آنلاین منتشر می‌کنن.

اگه خواستین برای تولید عکس، تبدیل صدا به متن، خلاصه‌سازی، ترجمه، چت‌بات و... از هوش مصنوعی استفاده کنین خیلی از مدل‌ها در اختیارتونه.

نیاز به نصب کردن یا دانش فنی نداره
فقط وارد می‌شین، کاربری مورد نظرتون رو انتخاب میکنین و از مدل‌های موجود استفاده می‌کنین

البته جالبه که خیلی از متخصص‌ها هم هنوز با این فضا آشنا نیستن.

لینک: huggingface.co/spaces

🧠🛠 | @IsangAI

کامپیوتر (و البته که هوش مصنوعی) تصاویر رو چطور می‌بینه؟ 🤔

🧠🛠 | @IsangAI

🔔 ماکروسافت چند وقت پیش اعلام کرد که قراره دستیار هوشمندش، Copilot، رو خیلی جدی‌تر و عمیق‌تر توی مجموعه Office وارد کنه.

فکر کنید Outlook خودش ایمیل‌هاتون رو دسته‌بندی کنه و فقط براساس محتوا جواب مناسب پیشنهاد بده و حتی جلسه تنظیم کنه.

🎯 از طرفی، PowerPoint می‌تونه فقط با چندتا کلمه کلیدی خودش یه ارائه بسازه
یا توی Teams خلاصه جلسه و کارهایی که بعدش باید انجام بشه رو خودش براتون جمع‌بندی کنه.

🤔 سؤال مهم اینجاست:
وقتی این ابزارها قراره این‌قدر کارها رو خودکار کنن، دیگه نقش انسان توی چرخه کار چطوری قراره تغییر کنه؟
شاید الان این موضوع خیلی واقعی به نظر نرسه، ولی کم‌کم داریم وارد دوره‌ای می‌شیم که شکل کار کردن کاملاً متفاوت خواهد بود.

📎 منبع رسمی:

https://www.microsoft.com/en-us/microsoft-365/blog/2023/03/16/introducing-microsoft-365-copilot-a-whole-new-way-to-work


🧠🛠 | @IsangAI

به نظر میاد فردا OpenAI قراره از GPT-5 رو نمایی کنه! 👀

🧠🛠 | @IsangAI

اخیرا تصمیم گرفتم که سطح دانش خودم در هوش مصنوعی رو ارتقا بدم.

بنابر این لازم داشتم که سطح علمی خودم رو بسنجم و چاله چوله هایی که در حین یادگیری و کار برام ایجاد شده پیدا کنم.

و کی بهتر از ChatGPT برای این کار! 😁

این طور صحبت رو باهاش شروع کردم:

من یه متخصص هوش مصنوعیم. سطح اطلاعاتیمم خیلی خوب و قویه، اما هنوز یه جاهایی هست که فکر میکنم چاله‌چوله‌هایی هستن که درست یاد نگرفتم.

حالا میخوام سطح خودم رو ارتقا بدم و اول از پر کردن این چاله‌ها شروع کنم.

تخصص اصلیم LLM و NLP هست و کنار اون دستی هم در مسائل پزشکی هوش مصنوعی دارم و همچنین یه مقداری با Stable Diffusion کار کردم.

حالا می‌خوام ازم یه سری سوال بپرسی که ببینی چه چیزایی هست که هنوز لازمه یاد بگیرم و سطحم ارتقا پیدا کنه.
در واقع اون مباحثی که باید روشون کار کنم رو بهم نشون بدی.

تو هر پرامپت فقط یه سوال ازم بپرس، من هم جواب بدم، بعد بریم سر سوال بعدی.

شروع کرد ازم سوال پرسیدن و نزدیک ۱۰ سوال تخصصی و تحلیلی پرسید.

در نهایت این گزارش رو بهم داد:

### تحلیل سطح دانش و تجربه حسین در هوش مصنوعی و NLP

از نظر من، حسین در حوزه هوش مصنوعی و به خصوص مدل‌های زبانی بزرگ (LLM) و NLP، سطح بسیار خوبی دارد و دانش فنی قوی‌ای در مباحث پایه و پیشرفته دارد. او تجربه عملی قابل توجهی در پروژه‌های واقعی، از جمله حوزه‌های تخصصی مانند هوش مصنوعی پزشکی و کار با مدل‌های مولد تصویر (مثل Stable Diffusion) دارد.

نکات مثبت:
- تسلط خوب به مفاهیمی مثل fine-tuning، RAG و prompt engineering و درک کاربردی آن‌ها
- آگاهی از اهمیت و نحوه انتخاب embeddingها و vector store ها در سیستم‌های retrieval
- شناخت اولیه ولی قابل توسعه از چالش‌های امنیتی مانند prompt injection
- درک قابل قبول از معماری Transformer و نقش Self-Attention
- دید خوب نسبت به اهمیت اخلاق و قوانین در AI پزشکی
- روحیه یادگیری و خودآگاهی برای شناسایی نقاط ضعف و آماده بودن برای رفع آنها

نکات قابل بهبود:
- تسلط عمیق‌تر روی مباحث تخصصی‌تر مثل انواع similarity functions و trade-offهای آن‌ها
- آشنایی بهتر با استراتژی‌های chunking و بهینه‌سازی آن‌ها
- درک کامل‌تر از memory models در LLMها و نحوه مدیریت مؤثر context
- تسلط بیشتر به تکنیک‌های مقابله با حملات prompt injection
- یادگیری دقیق‌تر مفاهیم معماری Transformer مثل multi-head attention و positional encoding
- آشنایی و تجربه عملی با مفاهیمی مثل chain-of-thought prompting و multi-hop reasoning

نمره کلی:
از ۱۰ نمره، من سطح فعلی حسین را ۸.۲ می‌دهم؛ چرا که دانش بنیادی بسیار قوی دارد اما هنوز چند حوزه تخصصی و پیشرفته باقی مانده که پر کردن آنها، باعث خواهد شد به یک متخصص بسیار جامع و با تسلط عمیق تبدیل شود.

---

این تحلیل می‌تواند یک مرجع خوب برای بازنگری و برنامه‌ریزی یادگیری حسین باشد تا گام به گام به سمت تسلط کامل پیش برود.

الان یک برنامه جامع جلوی رومه که بتونم باهاش دانشم رو گسترش بدم! 😁


🧠🛠 | @IsangAI

البته این کار فقط محدود به یک حوزه نیست.

تصور کنید که شما در سایر حوزه ها و جنبه های زندگی هم میتونید این کار رو انجام بدید
چیزهایی مثل:

- سواد مالی و اقتصادی
- مهارت های زندگی، ارتباطی، روان‌شناختی و...

هم با این روش قابل سنجشه.

یه جورایی یک آینه شفاف از خودمونه جلوی چشممون.

🧠🛠 | @IsangAI

خب دیروز OpenAI از مدل جدید GPT-5 رونمایی کرده؛ مدلی پیشرفته و یکپارچه که ترکیبی از قدرت استدلال سری o و سرعت پاسخ‌دهی سری GPT است. این مدل توانایی انجام وظایف پیچیده مثل ساخت اپلیکیشن، تحلیل تقویم و تولید گزارش را دارد و خودش تشخیص می‌دهد چقدر فکر کند تا بهترین پاسخ را بدهد.

GPT-5 در آزمون‌های فنی مثل SWE-bench و GPQA عملکرد بسیار خوبی داشته و نرخ خطایش به ۴.۸٪ کاهش یافته (در مقایسه با ۲۰٪ در GPT-4o). از امروز، کاربران رایگان ChatGPT هم به آن دسترسی دارند و نسخه Pro با امکانات بیشتر ۲۰۰ دلار در ماه عرضه شده است.

همچنین شخصیت‌های جدیدی به ChatGPT اضافه شده‌اند و نسخه API این مدل در سه سطح Nano، Mini و Base با قیمت پایه ۱.۲۵ دلار به ازای هر میلیون توکن ورودی ارائه می‌شود. به گفته سم آلتمن، GPT-5 گامی بزرگ به‌سوی هوش عمومی مصنوعی (AGI) است.

🧠🛠 | @IsangAI

تجربه خودم:

یه مقداری کند عمل میکنه، چون داره از جنبه ابعاد مختلف سوال رو بررسی میکنه که جواب بده‌.

اما به طور کلی کیفیت پاسخ دادنش به مراتب مشخصه که تغییر کرده و بهتر شده. 👌

در حال کار کردن با veo3 توی Gemini بودم. ایده ای به ذهنم رسید که یکی از نوشته های قدیمی‌م رو باهاش بصورت ویدیو در بیارم.

با کمک خود جمنای تونستم اون نوشته رو بصورت یک پرامپت در بیارم و نهایتا خروجی شد این.

افکت های صوتی برای خود ویدیو هست و موزیک هم خودم گذاشتم روش

کیفیت خروجی Veo3 همیشه شگفت انگیزه!!


🧠🛠 | @IsangAI

پرامپت این ویدیو:

A cinematic shot of a Russian aristocratic room in the 1970s, captured from a fixed camera positioned at the lower-left corner of the room, looking diagonally toward the center. The atmosphere is dark and mysterious. In the center, a large king-sized bed with heavy, dark velvet canopies dominates the space. A woman in an academia-style black and white dress lies motionless on the bed. On a side table, a weathered Dostoevsky book is visible. Through the rain-streaked window on the far side, it is a stormy night, with occasional flashes of lightning illuminating the room.

Audio Description: There is no music in the scene. The only sounds are the intense, continuous patter of rain from outside, occasionally broken by the loud, dramatic sound of thunder.

یه تکنیک و پیشنهاد کاربردی:
با توجه به این که توی Gemini Pro بیشتر از روزانه ۳ ویدیو نمیشه ساخت، پیشنهاد میکنم اول پرامپت رو بصورت عکس خروجی بگیرید، جزئیاتی که دوست دارید اضافه بشه اصلاح کنید. در صورتی که تا ۹۰ درصد نزدیک به چیزیه که دنبالش بودید بعد از اون پرامپت ویدیو بگیرید.

🧠🛠 | @IsangAI

چند روز پیش درباره Huggingface Spaces نوشتم.

امروز داشتم توش میگشتم و این ابزار رو پیدا کردم به اسم Deepsite که طبق پرامپتی که براش
مینویسید براتون Front-end وب سایت رو خیلی دقیق و تمیز طبق خواسته تون با html و css و افزونه tailwindcss طراحی میکنه

به راحتی میتونه جایگزینی برای loveable باشه.


پرامپتی که من توی تصویر بهش دادم این بود:
‌mimic Twitter with all features and details.
و نتیجه رو توی تصویر میبینید!

لینکش:
https://huggingface.co/spaces/enzostvs/deepsite

🧠🛠 | @IsangAI

🔰نکته هایی درباره پرامپت نویسی:

یکی از تکنیک‌هایی که توی‌ نوشتن پرامپت ازش استفاده می‌کنیم، طرح کردن زنجیره افکار یا Chain of Thoughts هست.

به طور خلاصه یعنی «ما به مدل اجازه می‌دیم قدم به قدم فکر‌ کنه.»

🤖 چطور استفاده کنیم؟

1. توی پرامپت میگیم: “قدم‌به‌قدم توضیح بده” یا “مسیر فکری‌تو نشون بده”.


2. سوال رو باز میکنیم تا مدل مجبور بشه جزئیات رو تحلیل کنه.


3. آخر پرامپت جمع‌بندی میخواهیم: “حالا نتیجه نهایی رو بگو”.



📌 مثال ساده:
❌ پرامپت معمولی:
«چطور می‌تونم برای پروژه‌م سرمایه جذب کنم؟»

✅ پرامپت با Chain of Thoughts:
«قدم‌به‌قدم توضیح بده: اول روش‌های جذب سرمایه رو لیست کن، بعد مزایا و معایب هر کدوم رو بگو، بعد اولویت‌بندی کن، و در آخر بهترین گزینه برای من رو جمع‌بندی کن.»


#پرامپت_نویسی
🧠🛠 | @IsangAI

​بایت‌دنس، شرکت مادر تیک‌تاک، با معرفی مدل هوش مصنوعی Waver 1.0، توانایی‌های خود را در زمینه تولید محتوای بصری به نمایش گذاشته است.

این مدل یک ابزار قدرتمند و چندمنظوره است که می‌تواند از متن، تصویر، یا ترکیبی از هر دو، ویدیوها و تصاویر خلاقانه تولید کند.

یکی از نقاط قوت اصلی Waver 1.0، توانایی آن در ساخت ویدیوهای کوتاه ۵ تا ۱۰ ثانیه‌ای با کیفیت 720p است که امکان ارتقاء به 1080p را نیز دارد. برای دستیابی به چنین کیفیتی، بایت‌دنس از یک معماری جدید به نام Hybrid Stream DiT استفاده کرده که باعث می‌شود مدل، هماهنگی بهتری بین المان‌های مختلف محتوا ایجاد کند.

​بایت‌دنس برای طبیعی‌تر شدن خروجی‌ها، سرمایه‌گذاری زیادی روی پاکسازی و دسته‌بندی دقیق داده‌ها کرده و تلاش ویژه‌ای برای بهبود حرکت‌ها در ویدیوها داشته است. این دقت در پردازش داده‌ها، باعث تولید ویدیوهایی می‌شود که به خصوص در صحنه‌های پویا مانند ورزش، بسیار روان و واقعی به نظر می‌رسند.


🧠🛠 | @IsangAI