اين داشمون تقریباً همه راه‌های رایگان و نیمه‌رایگان دسترسی به مدل‌های خوب AI رو تست کرده و تجربه اش رو نوشته.
بخونين حال كنين ؛)
https://x.com/mikenevermiss/status/2090300976670425489?s=46

@catartificial

اگه بخوایم با نگاه سيستم عامل و برنامه به مغز نگاه کنیم، هر اتفاقی که برامون می‌افته می‌تونه مثل یه Event باشه؛ چیزی که باعث می‌شه یه سری Callback از قبل تعریف‌شده توی ذهنمون اجرا بشن.

توی CBT كه يه روش درمانى تراپيستا هست یکی از کارهای اصلی اینه که همین زنجیره رو پیدا کنیم: چه Eventای اتفاق افتاد، چه Thoughtای Trigger شد و اون فکر چطور روی احساس و رفتارمون اثر گذاشت.

البته یه فرق اساسی با ديباگ کردن نرم‌افزار وجود داره؛ اینجا ابزار Debug همون خود مغزه. یعنی باید بتونی سیستم فکری خودت رو از بیرون بررسی کنی و تغییرش بدی؛ چیزی که بهش می‌گن Metacognition یا فراشناخت.

@catartificial

یه تئوری بامزه هست که میگه دنیا تقریباً هر ۱۰ سال یه بار یه خارش اساسى ميگيره☠️؛ یه جنگى، ویروسى، بحران اقتصادی، یه چیزی خلاصه. کرونا، بحران مالی، بحران‌های نفتی و… رو که ردیف کنی متوجه ميشى تايم لاين ده ساله واقعا انگار كار ميكنه

حالا اگه نوبت بعدی واقعاً رسیده باشه، من فقط می‌ترسم این بار هوش مصنوعی خودش تصمیم بگیره دنیا رو بخوارونه! 😂

@catartificial

چطور هوش مصنوعى ياد بگيريم؟
قسمت سوم

هوش مصنوعى هميشه درست نميگه!

یکی از مهم‌ترین چیزهایی که باید همون اول درباره AI بدونی اینه که هوش مصنوعی ممکنه با اعتمادبه‌نفس کامل، یه جواب کاملاً اشتباه بهت بده!

ممکنه ازش یه سؤال بپرسی و یه جواب خیلی مرتب، منطقی و حتی با چندتا عدد و منبع تحویلت بده؛ طوری که فکر کنی دیگه هیچ شکی توش نیست ولی مشکل اینجاست که AI لزوماً حقیقت رو نمی‌دونه.

مدل‌های زبانی اساساً برای پیش‌بینی و تولید متن ساخته شدن. یعنی بر اساس چیزهایی که یاد گرفتن، سعی می‌کنن محتمل‌ترین پاسخ رو تولید کنن و گاهی این پاسخ درسته؛ گاهی هم نیست.

مثلاً ممکنه اسم یک کتاب، مقاله، آدم یا حتی یک قابلیت نرم‌افزاری رو بسازه که اصلاً وجود خارجی نداره. به این اتفاق معمولاً می‌گن Hallucination یا توهم هوش مصنوعی.

پس هرچی موضوع مهم‌تره، باید بیشتر بررسیش کنی. مثلا برای یه کپشن اینستاگرام؟ احتمالاً خیلی مهم نیست ولی برای اطلاعات پزشکی، حقوقی، مالی یا تصمیم‌های کاری نباید صرفاً چون AI با اطمینان گفته، باورش کنی.

یه قانون ساده برای شروع: هوش مصنوعى رو مثل یه دستیار باهوش ببین، نه یه منبع حقیقت مطلق.

ازش کمک بگیر، سؤال بپرس، ایده بگیر و کارتو سریع‌تر کن؛ ولی وقتی نتیجه مهمه، خودت هم صحتش رو بررسی کن.

@catartificial

شركت Nvidia گزارش فصلى خودشو منتشر كرده و دوباره جاى خودشو به عنوان ارزشمندترين كمپانى دنيا مستحكم كرد.
٧٠٠ ميليارد دلار بالاتر از اپل🤯

@catartificial

اپل اومده فيچر تبليغاتشو روى Maps خودش فعال كرده و جوك داستان اينجاست كه ما چون تحريميم بهمون نشون نميده، يه بار اين بى صاحاب بدرد خورد😁

@catartificial

آغا اينو نبايد ازش رد شين بايد خيلى جدى بگيرينش. Salesforce و Claude با هم يه محصول معرفى كردن اسمشم رو گذاشتن Claudeforce!

یعنی قوی‌ترین مدل استدلال الان داره روی قوی‌ترین CRM دنیا کار می‌کنه. اونم نه به‌صورت پلاگین، بلکه با دیتای زنده، قوانین کسب‌وکار و گاورننس خود سلزفورس.ویدیو معرفی هم که بزرگوار اجرا کرده.

چيكار كردن؟ اومدن ٣٧ تا مهارت فروش ساختن، از جمله آماده‌سازی جلسه، بررسی سلامت معامله، آپدیت پایپ‌لاین، نوشتن ایمیل و اکشن گرفتن.

من خيلى وقته دارم ميگم ایجنت وقتی ارزشمند میشه که به سیستم واقعی وصل باشه، نه اینکه فقط قشنگ حرف بزنه.

‏برا بيزنساى کوچیک و متوسط هم پیام روشنه، آینده کار این نیست که ده تا تب باز کنی، آینده اینه که ایجنت روی دیتای واقعی‌ تو بشینه و کار رو جلو ببره.

‏اگه هنوز هوش مصنوعی رو فقط برای نوشتن کپشن يا نامه ادارى و اين چيزا می‌بینی، این پست رو دوباره بخون!

@catartificial

آغا می‌دونستین تلفظ world-wide-web از www سریع تر و کوتاه تره؟🤓

@catartificial

آغا نكنين اينكارو به حضرت عباس
داداش هر جا تو پیجای خارجی دیدی نوشته این مدل رو میشه لوکال اجرا کرد نيا به من بگو پس چرا تو اينكارو نميكنى؟ نه كه نخوام، نميشه!!!

چون لوکال اونا یعنی حداقل ۱۲۸ گیگ RAM،
لوکال ما یعنی لپ‌تاپ رو روشن کن ببینیم اصلاً بالا میاد یا نه :))

@catartificial

‏يه پرامپت خيلى برگ ريزون برای minimax h3
‏میتونی مثل این فيلمه برا خودت موشن گرافیک درست کنی.
پرامپت رو كپى كن كلمات خودت رو جايگزين كن:
https://nimaaksoy.com/prompts/flat-motion-graphics-title-open

@catartificial

‏ماجرا از اين قراره كه چند وقت پیش آلمان تصمیم گرفت توی یکی از مناطق برلین دوربین‌های نظارتی AI نصب کنه تا رفتار مردم رو زیر نظر بگیره و ميدونين كه سیستماى هوش مصنوعی برا پیدا کردن ما دنبال فرم کلی بدن و تناسب اعضا میگردن.

‏حالا یه هنرمند اسكل آلمانی به اسم Simon Weckert اومده یه لباس ۸۸ دلاری با طرح‌های هاوایی و رنگ‌های جیغ ساخته که شما رو از دید این دوربین‌ها مخفی می کنه.

طرح عجیب لباس اين دوستمون همون لایه اول پردازش رو مختل می‌کنه و سیستم گیج میشه و نمی‌تونه دست و پا و سر رو به عنوان یک انسان واحد تشخیص بده.

@catartificial

‏بچه ها رفتن الكامپ الان زنگ زدم كه چه خبر و چطوريه وضعيت؟ ميگن داش تو سالن ۸ که معمولا بهترین سالنشه، آنتن موبایل نداشتيم و نوسرویس میداده، برگااام😐 بعد توی سالن ۵ هم غرفه وزارت نیرو برق نداشته😂

اوصيكُم به جمع كردن پول و بازديد از جيتكس، الكامپ ديگه بدرد آزار ميخوره

@catartificial

بچه ها اين ويدئو رو ميشه اينطورى ساخت

توليد عكس نامحدود از اين لينك:
labs.google/fx/tool/flow

سیستم پرامپت: لینک فایل

اگه هم گوگل فلو ندارى ميتونى رايگان از اين وبسايت استفاده كنى:
ads.tiktok.com/creative/creativestudio

ويدئوهاى رايگان خوبى ميسازه ميتونى هفته اى ٤٠٠ تا Credit هم استفاده كنى

@catartificial

System Prompt

سم آلتمن: برای ساختن چیزهای بزرگ، باید روی یک مسیر برای مدت طولانی متمرکز بمونی.


@catartificial

این بچه پولداریی که میرن ورزش
فکر میکنن دارن زندگیشون از صفر میسازن
کپشن میزنن نصیحت میکنن خیلی باحالن😁

‏این دقیقاً از اون ابزاراییه که برای Claude Code و Codex کم بود

‏ریپو رو لوکال ایندکس می‌کنه و سرچ معنایی+BM25+ripgrep رو از طریق MCP به ایجنت میده؛ یعنی به‌جای حدس زدن و باز کردن کلی فایل، سریع‌تر بخشی که نیازه رو پیدا می‌کنه و توکن کمتری هدر میده
‏(توی Cursor سیستم مشابه‌ش هست)
https://x.com/qwendevs/status/2095157452904018263?s=46

@catartificial

کسایی که با وب (ری اکت نیتیو) برای گوشی های اندروید و IOS برنامه می‌نویسين، احتمالاً با این مشکل برخوردید که کاربر یه عملیات سنگین مثل آپلود، اکسپورت یا پردازش تعداد زیادی فایل رو شروع می‌کنه، ولی با رفتن اپ به بکگراند ممکنه کار متوقف بشه. این کتابخونه دقیقاً برای همین سناریو ساخته شده.

این کتابخونه برای iOS 26+ از BGContinuedProcessingTask و برای Android از WorkManager و Foreground Service استفاده می‌کنه تا کارهای طولانی‌ای که کاربر شروع کرده، تا جای ممکن بعد از خروج از اپ هم ادامه پیدا کنن.

نکته جذابش اینه که فقط task رو اجرا نمی‌کنه؛ progress هم به سیستم‌عامل گزارش میشه. روی iOS می‌تونه از Live Activity استفاده کنه و روی Android هم ongoing notification داشته باشه؛ حتی امکان cancel کردن task هم وجود داره:

github.com/mahdidavoodi7/react-native-continued-task

@catartificial

اینم پروژه جالبیه یه سیستم بینایی ماشین برای اینه که از روی ویدیوی دوربین مداربسته معمولی + تصویر ماهواره‌ای همون محل، یه جور Digital Twin سه‌بعدی از ترافیک بسازه.

یعنی مثلاً یه دوربین بالای یه چهارراه داری. سیستم ماشین‌ها و آدم‌ها رو توی ویدیو تشخیص میده، حرکتشون رو Track می‌کنه، بعد سعی می‌کنه موقعیتشون رو روی نمای ماهواره‌ای همون چهارراه بندازه و برای هر وسیله اطلاعاتی مثل موقعیت، جهت حرکت، سرعت و bounding box سه‌بعدی بسازه:

github.com/duy-phamduc68/TrafficLab-3D

@catartificial

این در واقع یه مجموعه Skill برای Coding Agentها هستش که Matt Pocock ساخته. اگر با چیزهایی مثل Claude Code، Codex، Cursor یا Agentهای برنامه‌نویسی کار می‌کنی، موضوعش خیلی به‌دردبخوره.

فرض کن به Agent می‌گی: فلان قابلیت رو به پروژه اضافه کن. Agent ممکنه مستقیم بره سراغ کدنویسی و بعد از 30 دقیقه یه چیزی تحویلت بده که technically کار می‌کنه، ولی اصلاً چیزی نباشه که واقعاً می‌خواستی. Matt اومده یه سری دستورالعمل و workflow آماده نوشته که به Agent می‌گه:

قبل از کدنویسی دقیقاً بفهم مسئله چیه
سوال‌های درست از کاربر بپرس
اول تست بنویس
مرحله‌به‌مرحله پیاده‌سازی کن
موقع Debug کردن حدس نزن و منظم جلو برو
معماری پروژه رو بررسی کن
کار بزرگ رو به Ticketهای کوچیک‌تر تقسیم کن
قبل از commit کد رو Review کن
اصطلاحات و Domain پروژه رو مستند نگه دار

در اصل هوش جدیدی به مدل اضافه نمی‌کنه؛ بیشتر داره نحوه کار کردن Agent رو منظم می‌کنه. خود ریپو هم دقیقاً روی همین ایده تأکید داره: Skillها فایل‌های کوچیک و قابل تغییر هستن که می‌تونی متناسب با پروژه خودت دستکاریشون کنی:

github.com/mattpocock/skills

@catartificial