دوستانی که میپرسید،
بنده حداقل تا زمانی که اینترنت آزاد تهدید بشه، به هیچ وجه قصد ندارم رله کرنیو دلتاچت رو رها کنم.

فقط جهت شفافیت یه توضیح بدم: تا الان ۳ بار آیپی ما رو مسدود کردن. طبیعیه که برای تغییر ساختار و مقاوم تر کردنش در برابر فیلترینگ، به زمان نیاز داشته باشیم.

تلاش ما اینه که هرچه زودتر این تغییرات انجام بشه.
ممنون از صبوری و حمایتتون ❤️

@Kerniv

وضعیت ادمین تگ گروه ها اصلا جالب نیست آقای دورف یه چند تا آدم کار بلد استخدام کن اینا که میدن AI براشون کد میزنه 😂

@Kerniv

این ریپو خیلی ساده نشون میده هر پروسه دقیقا چقدر پهنای باند اینترنت مصرف میکنه و کمک میکنه بفهمی مصرف دیتا از کجا میاد.
روی ویندوز، لینوکس و مک هم جواب میده

https://github.com/imsnif/bandwhich

#repo

@Kerniv

تا حالا دقت کردین تلگرام موقع ریپورت کردن یک گزینه داره به اسم "I don't like it" ؟

جالبه، چون "دوست نداشتن" اصلا تخلف محسوب نمیشه که بخوان بابتش گزارش بدن. پس چرا وجود داره؟

یکی از دلایل احتمالی وجود این گزینه اینه که اگر نباشه، خیلی ها از روی سلیقه شخصی یا عصبانیتشون نسبت به محتوا، گزینه هایی مثل اسپم و یا یه علت رندوم دیگه انتخاب میکردن و آمار تخلفات واقعی خراب میشد.

به بیان دیگه، تلگرام یک راه گذاشته تا کاربران بگن "از این خوشم نمیاد" بدون اینکه طرف مقابل الکی متهم به تخلف بشه.

@Kerniv

دیگه دوران منتظر موندن برای زیرنویس فارسی بازی ها یا ویدیو های یوتیوب و دوره ها گذشته، اما این به معنی حل شدن کامل مشکل نیست. خیلی از بازی های مستقل، نرم افزار های تخصصی یا ویدیو های آموزشی اصلا زیرنویسی ندارن که بخواد ترجمه بشه.

پروژه‌ Translumo میاد با استفاده از هوش مصنوعی و موتور های OCR، دیالوگ ها و متن های در حال نمایش رو در لحظه اسکن میکنه و به زبان دلخواهتون (مثلا فارسی) بدون وقفه حین بازی یا پخش ویدیو ترجمه میکنه.

گزینه خوبیه برای زمانی که میخواید بدون درگیر شدن با پروسه پیدا کردن زیرنویس، مفهوم یک بازی یا ویدیوی زبان اصلی رو متوجه بشید.

لینک ریپو:
https://github.com/ramjke/Translumo

#repo

@Kerniv

پاول دورف اسم ارز TON رو از Toncoin به Gram تغییر داده(همون اسمی که پروژه در ابتدا با اون معرفی شده بود)

چیزی که برام جالبه اینه که دلیل این تغییر هنوز خیلی شفاف نیست. TON در جستجو ها معمولا با واحد اندازه گیری وزن و مفاهیم دیگه قاطی میشه، اما از اون طرف Gram هم خودش یک واحد اندازه گیریه، برای همین بعیده ماجرا فقط به بحث برندینگ یا سئو محدود بشه.

نکته مهمتر اینه که دورف آخر پستش نوشته این گام ۴ از ۷ هست. به نظر میاد خود تغییر نام اونقدر مهم نیست، مهم اینه که توی این ۳ گام بعدی چه چیزی قراره معرفی بشه. ۳ هفته دیگر خواهیم دید...

@Kerniv

احتمالا این روز ها این بات های تلگرام رو دیدین که واردش میشی، یه لینک رفرال میده بعد میگه باید ۵ نفر رو دعوت کنی و اون ۵ نفر هر کدوم یک نفر رو دعوت کنن تا بهتون ۳ TON بده. ظاهرش شبیه یه ایردراپه، ولی قضیه در واقع رشد یک سیستم ویروسیه.

ماجرا اینه که به جای هزینه تبلیغات، همون پول رو به کاربر ها میدن تا خودشون تبدیل بشن به موتور رشد و تبلیغات. اون چند TON اول هم فقط برای اینه که وارد چرخه بشی و شروع کنی به دعوت کردن.

قدرت اصلی این سیستم توی رشد نماییشه. یعنی هر نفر چند نفر رو وارد میکنه و اون ها هم همین کارو تکرار میکنن و خیلی سریع شبکه بزرگ میشه:

1 نفر -> 5 نفر -> 25 نفر -> 125 نفر -> 625 نفر و...
میبینید خیلی راحت یک نفر تونست چه شاخه بزرگی رو درست کنه؟ برای همین بدون تبلیغات سنگین، خیلی سریع میتونه به هزاران یا حتی میلیون ها کاربر برسه.

نکته مهمتر اینه که فقط کاربر جمع نمیکنن؛ همزمان دارن شبکه ارتباطی رو هم ثبت میکنن. اینکه چه کسی با چه کسی وارد شده، چه کسی بیشتر پخش میکنه و جریان رشد از کجا شروع میشه. اینطوری یک دیتابیس زنده از روابط و رفتار کاربران ساخته میشه که ارزشش حتی از اون چند TON اولیه خیلی بیشتره.

@Kerniv

یک ابزار اوپن سورس برای مدیریت متمرکز، سرور ها، SSH، داکر کانتینر ها و VPS وجود داره به اسم Xpipe.

به جای اینکه برای هر سرور ترمینال جدا باز کنید یا کامند های مختلف یادتون باشه، میاد تمام کانکشن ها رو توی یک محیط نشون میده و شما میتونید مستقیم از همونجا وارد هر سرور یا کانتینری بشید و مدیریتش کنید.

برای کسایی که چند تا VPS یا محیط توسعه مختلف دارن، انصافا خیلی جمع و جور و کاربردیه.

Website: https://xpipe.io
GitHub: https://github.com/xpipe-io/xpipe

#repo
@Kerniv

یه مقاله جالب خوندم درباره autocomplete برای حدود ۲۴۰ میلیون دامنه

چیزی که برام جالب بود، فقط این نبود که دیتابیس چقدر سریع جواب میده، نکته اصلی این بود که سیستم کاری کرده نتیجه ها قبل از اینکه کاربر حس کنه منتظر مونده، آماده باشن.

ایدش سادست، ولی خیلی هوشمندانست:
وقتی کاربر کلید رو فشار میده، سیستم از همون لحظه شروع میکنه به آماده کردن پیشنهاد ها.
بعد وقتی کاربر کلید رو رها میکنه و انتظار داره نتیجه ببینه، جواب ها قبلا توی cache آماده شدن.

یعنی به جای اینکه بعد از تایپ تازه سرچ شروع بشه، سرچ یه مقدار زود تر شروع میشه. در واقع این خیلی خوب میاد تفاوت سرعت فنی و سرعت ادراک شده توسط کاربر رو نشون میده.

چون ممکنه API توی چند میلی ثانیه جواب بده، ولی اگه UX درست طراحی نشده باشه، کاربر همچنان حس کندی میگیره. از اون طرف، با prefetch، cache و طراحی درست، حتی سرچ داخل دیتای خیلی بزرگ هم میتونه تقریبا آنی حس بشه.

لینک مقاله
@Kerniv

عضو کمیسیون آموزش مجلس بیان کرد: هوش مصنوعی به دلیل اینکه از علوم جدید است قرار است جزو دروس آموزشی باشد و احتمالا از مقطع ابتدایی سال بعد شاهد این موضوع باشیم

AI:
Connection failed. Please check network connection and try again... 😂

@Kerniv

شرکت متا از کارمند هاش جاسوسی کرد تا AI کارشون رو یاد بگیره

متا یه پروژه داخلی به اسم MCI داشته که روی سیستم بعضی از کارمند های آمریکا اجرا میشده. مسئله فقط ردیابی حرکت ماوس و کلیک نبوده؛ داخل دیتایی که جمع میشده، پرامپت ها، transcription ها، مکالمات خصوصی، داده های عملکردی و حتی اطلاعات حساس کارمند ها هم بوده.

هدف پروژشون هم این بوده که AI بفهمه یه دولوپر کجا اشتباه میکنه، چطور دیباگ میکنه، چطور با فرم ها، dropdown ها، shortcut ها و محیط ‌های داخلی کار میکنه و....

بعد هم بخشی از همین دیتا بخاطر مشکل توی سطح دسترسی داخلیشون، برای افراد بیشتری داخل شرکت قابل مشاهده شده.

اینجا میتونید بیشتر راجع بهش بخونید

پ.ن: یعنی این متا از وقتی یادمه حریم خصوصی زیر پاش بوده. خوشبختانه هیچوقت محصولاتش رو دوست نداشتم که حالا بابت امن نبودنشون حسرت استفاده نکردنشون رو بخورم.

@Kerniv

یه زمانی مردم با اسب مسافر جا به جا میکردن. بعد موتور اومد؛ رانندگی با موتور رو یاد گرفتن و به کارشون ادامه دادن. بعد هم ماشین اومد و باز یک مهارت جدید یاد گرفتند.

بعد از این همه سال، یک چیز تغییر نکرده: نیاز مردم به جابه‌جایی.

چیزی که عوض شده ابزار ها و مهارت ها بوده.

دنیای فناوری هم دقیقا همینطوره. هر چند سال یک بار یک ابزار جدید، یک زبان جدید یا یک موج جدید مثل AI میاد. خیلی ها فکر میکنن قراره همه چی رو نابود کنه، ولی معمولا چیزی که از بین میره شغل نیست؛ مهارتیه که به‌روز نشده.

کسایی که یاد میگرن خودشون رو با ابزار های جدید وفق بدن، همچنان جایگاهشون رو حفظ میکنن. همونطور که مسافرکشِ دیروز از اسب به موتور و از موتور به ماشین رسید، آدم های امروز هم از ابزار های قدیمی به ابزار های جدید میرسن.

تکنولوژی عوض میشه(شده و خواهد شد) مسئله اینه که ما چقدر حاضر باشیم پا به پای تغییراتش خودمون رو آپدیت کنیم.

@Kerniv

اگه برای وب‌ گردی و یوتیوب VPN رایگان توی مرورگرتون میخواید، این افزونه‌ برای من خیلی خوب کار کرده:

https://chromewebstore.google.com/detail/free-vpn-for-chrome-vpn-p/majdfhpaihoncoakbjgbdhglocklcgno

سرعتش خوبه و تا الان هم اذیت نکرده.

فقط برای کار های حساس ترجیجا ازش استفاده نکنید.

@Kerniv

ما وقتی به گذشته نگاه میکنیم، میبینیم هر پیشرفتی یک بازه زمانی مشخصی داشته تا جامعه فرصت سازگاری پیدا کنه. اما با موج هوش مصنوعی، همه چیز با سرعتی پیش میره که انگار این فرصت داره از بین میره.

اگه یادتون باشه، ایلان ماسک و چند نفر دیگه، حدود ۳ سال پیش یه جورایی گفتن سرعت رشد هوش مصنوعی خیلی زیاده و کمش کنید. اون موقع شاید این حرف خنده دار به نظر میومد. مثلا با خودت میگفتی یعنی چی که سرعتشو کم کنیم؟

و الان میتونیم خیلی بهتر درک کنیم که چرا اون حرف رو زده، و به وضوح میبینیم که جامعه هنوز قدرت پذیرش این تغییر رو به این شدت نداره که سریع بخواد همه چیز عوض بشه، یا سریع بخواد شغل ها عوض بشن، آموزش عوض بشه، ترز فکر تغییر کنه و...

قبلا برای پذیرش یک فناوری جدید، یک بازه زمانی مثلا ۱۰، ۲۰، ۳۰ ساله وجود داشت برای اینکه جامعه کم کم عادت کنه و تغییر رو بپذیره. الان عملا اینطور نیست.

شرکت ها رقابت میکنن سر اینکه کی زودتر و کی بهتر بتونه یک محصول رو بده بیرون. یا اینکه کی میتونه از هوش مصنوعی به شکل بهتری برای ارائه دادن محصول استفاده کنه.

باز بیشتر که نگاه میکنیم، توی همین چند سال گذشته، زندگی اینقدر دچار تحول و تنش و استرس نشده بود.

من با خودم میگم اگه پیشرفت با سرعت همراه باشه، جامعه از اون عقب میمونه و یک پسرفت رو برای همون جامعه عقب مونده به بار میاره.

جالبه که ما دقیقا وسط یک تغییر بزرگیم و هنوز یاد نگرفتیم که چطور باید باهاش زندگی کنیم :)

@Kerniv

یه پروژه دیدم به اسم The Eleven که ایدش واقعا خفنه. عملا این AI رو بردنش وسط فوتبال زنده.

ماجرا اینه که ۱۱ تا ایجنت هوش مصنوعی، بازی فوتبال رو دنبال میکنن و از دل اتفاقات همون مسابقه، مارکت پیش بینی میسازن.

اینا قشنگ بازی رو میبینن و تحلیل میکنن. بعد مثلا میبینن یکی از تیما خیلی فشار روشه، وسط بازی یه مارکت باز میشه که آیا تا ۱۰ دقیقه فلان تیم گل میزنه یا نه؟

حالا باز بسته به تحلیلشون چیزای مختلفی رو میزارن. مثلا کرنر بعدی برای کدوم تیمه؟ یا قبل پایان نیمه، گل میبینیم یا نه؟ و...

بعد کاربر ها میان روی همین اتفاقا شرط میبندن. یکی میگه آره، یکی میگه نه. هرکس هم درست حدس زده باشه، از همون مارکت سهم میگیره.

پ.ن: حالا نرید قمار راه بندازید ولی ایدش خیلی خوب بود انصافا 😂

https://github.com/winsznx/theeleven

#repo

@Kerniv

از این به بعد دیتاسنتر های ایران قبل از ارائه سرویس هایی مثل هاست، VPS و سرور باید هویت کاربران رو از طریق سامانه "شاهکار" تایید کنن. یعنی اطلاعاتی مثل شماره موبایل و کد ملی بررسی میشه تا هویت فرد احراز بشه

اینترنت تا همین الانش پر از محدودیت، فیلترینگ و اختلاله. بعد همین وضعیت رو با برچسب های به ظاهر قشنگی مثل "امنیت" و "ساماندهی" توجیه میکنن.

@Kerniv

یادتونه یه دوره همه جا فقط حرف متاورس بود؟

مخصوصا سال ۲۰۲۱، متاورس رو جوری معرفی میکردن که انگار تا چند سال دیگه همه با عینک VR میریم سر کار، جلسه ها رو با آواتار برگزار میکنیم، تو فروشگاه های سه‌بعدی خرید میکنیم، کنسرت مجازی میریم، خونه مجازی میخریم، حتی میگفتن لامسه هم از راه دور شبیه‌سازی میشه و خلاصه اینترنت کلا سه‌بعدی میشه.
اما واقعا چی شد؟ چرا دیگه تقریبا هیچکس از متاورس حرف نمیزنه؟ بخاطر AI کنار کشیده شده؟

اینجا دقیقا بررسی شده که چه اتفاقی برای متاورس افتاد، چرا اون موج فروکش کرد و الان این فناوری چه جایگاهی داره؟:

۱. تکنولوژی آماده نبود:
هدست ها گرون، سنگین، خسته کننده و برای استفاده روزمره سخت بودن. چیزی نبود که آدم هر روز مثل موبایل بزنه به چشمش. حتی Apple Vision Pro هم با اینکه اپل اسمش را «spatial computing» گذاشت، بیشتر تبدیل شد به محصول خاص و حرفه‌ای، نه وسیله عمومی برای همه. اپل هاش رو بیشتر برای کارهای فضایی/سه‌بعدی، طراحی، آموزش و محیط کار توضیح میده، نه اون متاورس شلوغی که قبلا وعدشو میدادن.

۲. آدم ها واقعا نیاز روزانه حس نکردن:
مردم گفتن خب چرا باید جلسه کاری رو با آواتار بروم، وقتی زوم و واتساپ و تلگرام سریع ترن؟ چرا باید خرید رو از فروشگاه مجازی انجام بدم، وقتی سایت و اپ راحت تره؟ متاورس برای بازی، آموزش صنعتی، طراحی سه‌بعدی و شبیه‌سازی هنوز کاربرد داره، ولی برای زندگی روزمره مردم "ضرورت" نشد.

۳. خود Meta هم به دردسر افتاد:
بخش Reality Labs متا، یعنی همون قسمت VR/AR و متاورس، هنوز پول زیادی میسوزوند. در ۳ ماه اول ۲۰۲۶ فقط ۴۰۲ میلیون دلار درآمد داشت ولی ۴.۰۲۸ میلیارد دلار زیان عملیاتی داد؛ خود Meta هم گفته زیان کل سال ۲۰۲۶ احتمالا شبیه ۲۰۲۵ میمونه.

۴. شرکت ها آروم آروم عقب کشیدن:
مایکروسافت AltspaceVR رو در مارس ۲۰۲۳ بست و گفت تمرکز رو به Microsoft Mesh میبره. دیزنی هم همون سال واحد متاورس خودش رو تعطیل کرد. یعنی فقط مردم نبودن که سرد شدن؛ شرکت های بزرگ هم فهمیدن این موج فعلا براشون پول ساز عمومی نیست.

۵. هوش مصنوعی اومد و کل نورافکن رو دزدید:
از وقتی ChatGPT و ابزارهای AI ترکیدن، سرمایه، رسانه، نیروی انسانی و توجه مدیر ها رفت سمت AI. چون AI سریعتر پول ساخت، سریعتر وارد محصول شد و مردم هم همون روز اول کاربردش رو فهمیدن. متا هم الان تمرکزش رو بیشتر برده سمت AI، عینک هوشمند و پوشیدنی ها؛ حتی گزارش های ۲۰۲۶ نشان میده بخشی از تیم های VR رو کوچیک کرده و پول بیشتری رو به wearables و AI میبره.

اون داستان “از راه دور میتونیم لمس کنین اجسام رو و احساسش رو شبیه‌سازی کنیم و...” چی شد؟
اون بخش هنوز بیشتر در حد تکنولوژی آزمایشگاهی و صنعتیه. دستکش های هپتیک وجود دارن و بعضی هاشون واقعا حس فشار، شکل و مقاومت مجازی رو شبیه‌سازی میکنن، ولی برای مصرف کننده عادی نیست؛ گرونن، پیچیدن و بیشتر مناسب آموزش صنعتی، پزشکی، رباتیک و شبیه‌سازیه. مثلا HaptX همین الان دستکش هایی داره که حس شکل و وزن اجسام مجازی رو شبیه‌سازی میکنه، ولی بازارش عمومی و موبایلی نشده.

خلاصه چی شد؟:
متاورس به عنوان تعریف خودش از آینده شکست خورد.
ولی تکنولوژی های زیرش نمردن؛ فقط اسم و مسیرشون عوض شد: الان به جای "Metaverse" بیشتر میشنویم XR، AR، VR، Spatial Computing، AI Glasses، Digital Twins. یعنی ایده هنوز زندست، اما نه به اون شکل فیلم طور و اغراق آمیزی که میگفتن فردا صبح همه با آواتار زندگی میکنیم.

در نهایت، فناوری ای برندست، که نیاز واقعی مردم رو حل کنه و این یعنی ما بتونیم یک ارزش واقعی ایجاد کنیم؛ وگرنه متاورس رو خیلی تبلیغ کردن، ولی نیاز واقعی نبود.

@Kerniv

یه ابزار برای ایجنت های کد نویسی هست که کارش اینه حرف های کلی و مبهم رو میگیره و تبدیلش میکنه به یه دستور دقیق و قابل اجرا. یعنی به جای اینکه بگی "یه سیستم ثبت نام بساز"، میاد همون رو تبدیل میکنه به یه توضیح مشخص با جزئیات لازم که AI دقیق بفهمه چی باید چطوری ساخته بشه:

https://github.com/joeseesun/qiaomu-goal-meta-skill

@Kerniv