لیتوانی اولین مدرسه پهپاد خود را در نزدیکی مرز روسیه افتتاح کرده است تا به کودکان (حتی ۱۰ ساله) و بزرگسالان آموزش دهد چگونه پهپادها را پرواز دهند، بسازند و برنامه‌نویسی کنند.

توانمند کردن مردم برای استفاده از سلاح های پیشرفته ( به شرط توسعه ساختار رگولاتوری) خیلی کار جالبی میتونه باشه. قبول کنید که کسی که بخواد خرابکاری کنه میتونه و این اثری توی گسترش خرابکاری و کارهای امنیتی نخواهد داشت.

سربازی ما اگه بخواد متحول بشه به سمت و سوی چیزهای پیشرفته این چنینی باید بره نه باز و بست سلاح‌هایی که خود نظام رزم کشور هم لزوما باهاش خوشحال نیست.

#Drone
🆔 @aa_sed

هوش مصنوعی جدید تنسنت، عکس را به دنیای سه‌بعدی قابل کاوش تبدیل می‌کند ( شبیه کاری که گوگل چندسالی هست داره پیگیری میکنه و امسال هم مدل جدیدش رو منتشر کرد)

شرکت چینی تنسنت (Tencent) از مدل هوش مصنوعی جدیدی به نام HunyuanWorld-Voyager رونمایی کرده که می‌تواند یک عکس را به ویدیوهای سه‌بعدی تبدیل کند.

این مدل جدید به کاربران اجازه می‌دهد مسیر حرکت دوربین را مشخص کرده و در صحنه‌های مجازی که براساس عکس تولید می‌شود، حرکت کنند. این مدل به‌طور هم‌زمان ویدیو و داده‌های عمق تولید می‌کند و بدون نیاز به ابزارهای مدل‌سازی سنتی امکان ساخت مدل‌های سه‌بعدی را فراهم می‌کند.

البته نتایجی که توسط این مدل ارائه می‌شوند دقیقاً مدل‌های سه‌بعدی نیستند، بلکه ویدیوهایی دوبعدی هستند که با حفظ سازگاری فضا، حرکت دوربین در یک محیط سه‌بعدی را شبیه‌سازی می‌کنند. همچنین مدل هر بار فقط 49 فریم (حدود دو ثانیه ویدیو) را تولید می‌کند، اما می‌توان چندین کلیپ را به هم متصل کرد و ویدیوهای چند دقیقه‌ای ساخت.

به نظرم اگر دوست دارید ببینید با برنامه‌نویسی و هوش مصنوعی چیکار میکنن این روزها. ایونتهای خوبی به نظر میاد.

https://luma.com/cursor

این مقاله درباره‌ی پدیده‌ای به اسم Context Rot صحبت می‌کند؛ یعنی وقتی متن ورودی مدل‌های زبانی خیلی طولانی می‌شود، کیفیت و دقت پاسخ‌هایشان به‌طور محسوس پایین می‌آید. محققان نشان داده‌اند حتی اگر اطلاعات درست داخل متن وجود داشته باشد، مدل‌ها در بازیابی و استفاده از آن دچار مشکل می‌شوند. آزمایش روی مدل‌های مختلف (مثل GPT-4.1، Claude، Gemini و …) نشان داده که با زیاد شدن تعداد توکن‌ها، خطاها بیشتر می‌شوند و مدل‌ها حتی در کارهای ساده مثل تکرار کلمات هم ناپایدار عمل می‌کنند.

نویسندگان نتیجه می‌گیرند که مشکل فقط «داشتن متن مرتبط» نیست، بلکه نحوه‌ی چیدمان و ساختار متن هم اهمیت دارد. وجود بخش‌های بی‌ربط یا شباهت زیاد بین متن‌ها می‌تواند مدل را گیج کند و باعث افت دقت شود. به همین دلیل، برای استفاده‌ی مؤثر از مدل‌های زبانی در ورودی‌های خیلی بلند، باید روی مدیریت متن زمینه (context engineering) تمرکز کرد تا اطلاعات مهم درست و بهینه به مدل برسد.

در آخر کانتکس یکی از مهم ترین بخش هایی است که برای بهبود محصول می‌توان به آن فکر کرد.چیزی که سجاد ایوبی هم بهش اشاره کرده. چیزی که ما را از شرکت های بزرگ در برهه فعلی می‌تواند مجزا کند همین کانتکس خواهد بود.

#AI
🆔 @aa_sed

این شرکته خیلی جالبه. امروز توی همین کنفرانسه چندتا تکنولوژی دیگه هم رو کرد که خیلی جذاب بود.


https://www.anduril.com/

روز بخیر

یکی اومده با هر کدوم از مدل‌های زبانی یه ایجنت ترید نوشته و به هر کدوم ۱۰۰۰۰ دلار پول داده تا ترید کنن. نتایج بامزه است:

http://nof1.ai

در واقع اینا به دنبال ایجاد یه بنچمارک جدیدن که مشخص کنه هر مدل توی ترید چقدر قدرتمنده.

حالا نکته جالبش چیه؟ اینکه این رو یه شرکتی به اسم thenof1.com ساخته که هدف خودش رو ساخت Base Model هایی می‌دونه که از داده مارکت برای یادگیری استفاده میکنن.

در واقع اول اومده یه متر درست کرده که مردم توجهشون بهش جلب بشه تا وقتی مدل خودشون اومد و همه اینا رو پشت سر گذاشت یه جورایی مارکتینگ خوبی روی مدل کرده باشند. این اپروچ در توسعه و مارکتینگ محصول خودش جالبه.

#AI
#algotrade
🆔 @aa_sed

Ragas is a library that provides tools to supercharge the evaluation of Large Language Model (LLM) applications. It is designed to help you evaluate your LLM applications with ease and confidence.

#AI
#evaluation
🆔 @aa_sed

🏆 31 تکنیک RAG برای کاربردهای مختلف با استفاده از LangChain :

#AI
#RAG
🆔 @aa_sed

در میون اینهمه خبر از Ai و بیزینس‌های جدید، گاهی باید برگشت و به هسته مرکزی ایده‌هایی که باعث ایجاد بوجود اومدن بیزینس‌های بزرگ شدن نگریست. طرز تفکر و مایندست‌هایی که مثل یه عینک روی واقعیتی که از دنیا می فهمیم اثر میذارن و درک متفاوتی از دنیا برامون ایجاد میکنن.

یکی از این افراد Charlie Munger هست که شریک تجاری وارن بافت بوده و من با فصل ۱۱ این کتاب باهاش آشنا شدم. اخیرا دیدم استرایپ یه تجربه بسیار جذاب روی وب از کتاب ارائه کرده که به نظرم خوندن کتاب رو دو چندان جذاب می‌کرد.

بخشی از چیزی که من در فصل ۱۱ کتاب یعنی The Psychology of Human Misjudgment دیدم کمک بزرگی در اصلاح نگام به طراحی کسب و کار داشت. و البته باقیش.

توصیه می‌کنم کتاب رو مطالعه کنید.

#mindset
#business
🆔 @aa_sed

پرامپت های ابزارهای مختلف:
https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools
جالب بود اگه وقت کردید نگاه کنید.

#Ai
🆔 @aa_sed

بلک فرایدی واقعی

در شاپیفای هم فروشگاه ها و هم اعضای مختلف اکوسیستم شاپیفای مثل دولوپر اپ‌ها یا دولوپر تم‌ها تخفیف‌های جدی در بلک فرایدی میدن و خود شاپیفای هم این موضوع رو با پروموت کردن تخفیف دهندگان بوست میکنه.

هرسال هم یه خلاقیت جالب برای بلک فرایدی داره و امسال این سایت جالب رو توسعه دادن.
https://bfcm.shopify.com/

این ویدیو شامل نکات بسیار جالبی است که به نظر من دیدنش خالی از لطف نیست. موضوع آن درباره ساخت یک بیزینس تک‌نفره میلیون دلاری با استفاده از هوش مصنوعی است. چکیده‌ای از آن را اینجا می‌آورم:

بیزینس‌های یک میلیارد دلاری که تنها توسط یک نفر اداره می‌شوند، در حال شکل‌گیری هستند و با استفاده از AI این فرایند بسیار زودتر از آنچه که انتظار می‌رود، اتفاق خواهد افتاد. در این ویدیو یک نقشه راه چهار مرحله‌ای برای راه‌اندازی یک بیزینس شخصی با هوش مصنوعی در سال ۲۰۲۶ ارائه شده که به اختصار در اینجا آورده‌ام:

1️⃣ مرحله اول: مثلث موسس
قبل از شروع باید مطمئن شوی که ایده‌ات ارزش پیگیری دارد یا نه. برای این منظور سه سوال از خود بپرس:

در زمینه تخصصی (Domain) آیا تجربه بیش از پنج سال در صنعت خاصی داری و با مشکلات آن بازار آشنا هستی؟

در مهارت عمیق (Depth) چه کاری برای تو مانند بازی است، اما برای دیگران چالش‌برانگیز؟ (مانند کدنویسی، نوشتن، فروش و ...)

در توزیع (Distribution) آیا راهی داری که به مشتری‌هایت سریع‌تر از دیگران دسترسی پیدا کنی؟ (مثل داشتن شبکه گسترده یا مخاطب در شبکه‌های اجتماعی)

اگر به همه این سوال‌ها پاسخ مثبت دادی، این یعنی مسیر درست را می‌روی و می‌توانی ادامه دهی!

2️⃣ مرحله دوم: ساخت ماشین (The Machinery - D.R.E.A.M)
اداره یک بیزینس تنها به ایده‌پردازی محدود نمی‌شود؛ بلکه شامل انجام کارهای اجرایی بسیاری است. فرمول موفقیت این است:

تقاضا یا همان Demand: چطور مشتری پیدا می‌کنی؟

درآمد یا همان Revenue: مدل قیمت‌گذاری‌ات چیست؟

موتور یا همان Engine: محصول اصلی‌ات چیست؟

اداری یا همان Admin: وظایف مالی و حقوقی.

بازاریابی یا همان Marketing: برندینگ و شناخته شدن.

خبر خوش این است که برای انجام این کارها به استخدام تیم نیاز نداری. ابزارهای هوش مصنوعی مانند ChatGPT و NotebookLM می‌توانند نقش‌های مهمی مثل CFO یا تیم تحلیلگر را برای شما ایفا کنند. نکته عملی این است که لازم نیست بلافاصله اقدامات بزرگ انجام دهی. همین حالا می‌توانی یکی از کارهای تکراری‌ات را با هوش مصنوعی اتومات کنی، مثل استفاده از ابزار Clay برای یافتن لیدها یا استفاده از Gamma برای ساخت اسلایدها.

3️⃣ مرحله سوم: ایجاد خندق‌های دفاعی
زمانی که موفق شوی، رقبا به سراغت خواهند آمد. چطور می‌توانی از بیزینست دفاع کنی؟

ضدحمله: مدلی طراحی کن که رقیب بزرگت نتواند آن را بدون آسیب به بیزینس اصلی‌اش کپی کند. مثالی از این موضوع، کار نتفلیکس است که جریمه‌های دیرکرد را حذف کرد و به این ترتیب با بلاک‌باستر رقابت کرد.

عادت‌سازی: محصولت را به یک عادت برای مشتری تبدیل کن تا تغییر آن سخت شود. (مانند عادت استفاده از آیفون یا ChatGPT)

داده‌های اختصاصی: اطلاعات جمع‌آوری کن که محصولت را همواره بهبود بخشد. (مثل کاری که گوگل یا آمازون انجام می‌دهند)

4️⃣ مرحله چهارم: ذهنیت
هیچ هوش مصنوعی‌ای قادر به اصلاح مشکلات ذهنی تو نیست! ترس همیشه وجود دارد، اما سوال اصلی این است که "اگر در بستر مرگ باشی، از چه چیزی حسرت می‌خوری؟" در دنیای هوش مصنوعی، چیزی که تو را از ربات‌ها متمایز می‌کند، ویژگی‌هایی مثل سلیقه، هدف و قضاوت انسانی است.

🔚 سخن آخر
ریسک‌هایی که انجام نمی‌دهی، تاثیر بسیار منفی‌تری از ریسک‌هایی دارند که انجام می‌دهی و شکست می‌خوری. در حال حاضر هوش مصنوعی همه چیز را ارزان‌تر، سریع‌تر و بهتر کرده است. ابزارها آماده‌اند و تنها منتظر هستند که تو شروع کنی.

🔥 یه افسانه قدیمی دنیای پرامپت‌ها با تردیدهایی مواجه شد!

محقق‌های دانشگاه پنسیلوانیا اومدن یکی از معروف‌ترین ترفندهای پرامپت‌نویسی رو حسابی تست کردن:
همون عبارت جادوییِ «Act like an expert in…» 🤓✨

همه‌مون دیدیم که می‌گن:
«به مدل بگو مثل یه فیزیک‌دان/وکیل/شیمیدان جواب بده تا هوشش چند تا لول بره بالا!»
اما خب… نتیجه این بود:

🔬 شش مدل مختلف رو با سوالات سخت در فیزیک، شیمی، حقوق و چند حوزه دیگه امتحان کردن و سه حالت ساختن:

1. نقش کارشناس درست
مثلاً برای سوال فیزیک: «تظاهر کن یک فیزیک‌دانی»


2. نقش کارشناس غلط
برای سوال حقوق: «تظاهر کن فیزیک‌دانی»


3. نقش کاملاً نابلد
مثلاً «یه نوجوان» یا حتی «یه بچه کوچولو»

و نتیجه؟ بی‌رحمانه بد.

✅ دادن نقش کارشناس درست، تقریباً هیچ کمکی به افزایش دقت نکرد.
❌ نقش کارشناس غلط، بعضی وقت‌ها اوضاع رو بدتر هم کرد.
😅 نقش بچگانه هم باعث شد مدل‌ها مثل بچه‌ها جواب بدن: با اعتمادبه‌نفس اما کاملاً اشتباه!
😳 بعضی مدل‌ها مثل Gemini حتی وارد فاز اخلاقی شدن: «من متخصص نیستم، جواب نمی‌دم!»

همه اون راهنماهایی که می‌گفتن «یه پرسونای متخصص بساز تا مدل باهوش‌تر بشه»… خیلی کارا نبود.

🧠 پرامپت می‌تونه لحن مدل رو عوض کنه،اما هوشش رو نه.

هوش مصنوعی فقط با نقش‌بازی کردن «لول آپ» نمی‌شه.

#prompt_engineering
🆔 @aa_sed

یه خبری اومده که استنفورد یه کورس گذاشته و کجایید که جا موندید و برنامه نویسی عوض شده و ...

اولا اگه متریال های این کورس همشون براتون جدیدا به نظرم جا موندید. دیگه نمیخواد تلاشی کنید چون چیزی که داره شما رو عقب میندازه مایندسته نه متریال آموزشی.

در ثانی، زندگی عوض شده. کارها و برنامه نویسی هم طبیعتاً تغییراتی داشتن. قرار نیست تو این دوران جدید همش با استرس زندگی کنیم. جاموندن کجا بود.

درنهایت داریم در مورد اکوسیستمی صحبت میکنیم که هنوز به بلوغ نرسیده. پس اگه روحیه مستقلی در یادگیری و استفاده از ابزارها و روش‌های کاری ندارید احتمالا قراره مدام سورپرایز بشید. چون خیلی از این چیزایی که صحبتش هست شاید ماه دیگه وجود نداشته باشن.

این دنیا برای کسایی لذت بخشه که عاشق اکتشاف و تست کردن هستن.

راستی آدرسش رو یادم رفت بگم.

http://themodernsoftware.dev
بخش سیلابس رو ببینید و بعد کانال رو دوباره چک کنید. 😉

🆔 @aa_sed

یکی اومده همه ایمیل های اپستین رو تر و تمیز روی UI خود Gmail با قابلیت سرچ و اینا آماده کرده. حتی قابلیت های هوش مصنوعی رو هم روش فعال کرده. ویژه علاقه مندان!

https://www.jmail.world/

🆔 @aa_sed

🤖✨ چرا از محصولات هوش مصنوعی انتظار بی‌نقص بودن داریم؟

یک الگوی تکرارشونده در تاریخ تکنولوژی وجود دارد:
هر وقت یک فناوری جدید می‌آید که در مجموع از انسان بهتر عمل می‌کند، ما آن را نه با معیار «بهتر بودن»، بلکه با معیار «بی‌نقص بودن» قضاوت می‌کنیم.

🚗 خودران‌ها مثال معروف‌اند، اما این رفتار خیلی قدیمی‌تر است. از آسانسورهای اتوماتیک گرفته تا خلبان خودکار، از ATMها تا سیستم‌های رأی‌گیری دیجیتال—همیشه همین داستان تکرار شده:

👉 انسان‌ها خطا می‌کنند = «طبیعی است»
👉 ماشین خطا می‌کند = «پس هنوز آماده نیست»

مسئله این نیست که تکنولوژی کامل نیست؛ مسئله این است که ما استاندارد قضاوتمان را عوض می‌کنیم.


🧠 اینجا پای چند سوگیری شناختی جدی وسط است که اگر پروداکت مبتنی بر AI دارید، نادیده گرفتنشان گران تمام می‌شود:

1️⃣ حساسیت افراطی به خطای اتوماسیون
وقتی سیستم خودکار تصمیم می‌گیرد، کاربر حس «کنترل» را از دست می‌دهد.
نتیجه؟ کوچک‌ترین مکث، اشتباه یا ابهام، چند برابر بزرگ‌تر دیده می‌شود.

📌 راه‌حل پروداکتی:

تصمیم‌ها را قابل‌ردیابی و قابل‌توضیح طراحی کنید
به کاربر نشان دهید «چه شد که این تصمیم گرفته شد»، نه فقط نتیجه را

2️⃣ دلبستگی به وضعیت موجود
کاربرها با فرآیندهای انسانی—حتی ناکارآمد—راحت‌ترند چون آشنا هستند.
نه به این دلیل که بهترند، بلکه چون قابل پیش‌بینی‌اند.

📌 راه‌حل پروداکتی:

اتوماسیون را تدریجی وارد کنید
رفتار AI را تا حد ممکن به ذهنیت فرآیندهای انسانی نزدیک کنید
به جای «جایگزینی کامل»، با «هم‌زیستی» شروع کنید

3️⃣ بزرگ‌نمایی خطاهای نادر
یک اشتباه AI خیلی بیشتر در ذهن می‌ماند تا صدها تصمیم درستش.
در حالی که خطاهای انسانی فراوان، پراکنده و فراموش‌شدنی‌اند.

📌 راه‌حل پروداکتی:

تجربه‌های اول کاربر باید بی‌نقص طراحی شوند
موفقیت‌ها را فعالانه برجسته کنید
وقتی خطا رخ می‌دهد، آن را در بستر آمار و مقیاس توضیح دهید

🔍 نکته مهم‌تر برای ما به‌عنوان پروداکت‌منیجر:
مشکل فقط «دقت مدل» نیست؛ مشکل «ادراک کاربر» است.

اگر کاربر هنوز حس اعتماد ندارد، پروداکت شما هنوز کامل نشده—حتی اگر به لحاظ فنی عالی باشد. اگر در حال اضافه کردن AI به محصولتان هستید، این جنس مقالات یادآوری می‌کنند که:

موفقیت AI کمتر از جنس الگوریتم است، و بیشتر از جنس طراحی تجربه، شفافیت و مدیریت انتظار کاربر.

🔗 این مقاله از Paul Adams (CPO @ Intercom) داره به این موضوع می‌پردازه که و مطالعه‌اش واقعاً ارزشمنده!

#ProductManagement #AIProducts #UX #CognitiveBias #ProductDesign #TrustInAI #AI

🆔 @aa_sed