🟠 تبلیغات در ChatGPT در راه است؛ شروع یک رقابت جدید با گوگل؟
بر اساس گزارش‌های منتشرشده، OpenAI در حال بررسی و توسعه مدل‌های تبلیغاتی در ChatGPT است؛ مدلی که بیشتر روی «نتیجه‌محوری و تبدیل (Conversion)» تمرکز دارد تا تبلیغات سنتی.
یعنی برندها ممکنه به‌جای نمایش ساده، وارد مرحله‌ای از تعامل مستقیم در گفت‌وگو با کاربر شوند.
🔸 این یعنی چه تغییری در مارکتینگ؟
تبلیغات از بنر و کلیک → به تعامل در گفتگو تبدیل می‌شود
تصمیم خرید ممکن است داخل چت شکل بگیرد
رقابت جدیدی بین گوگل، سئو و AI Search ایجاد می‌شود
برندها باید برای «حضور در پاسخ‌های AI» آماده شوند
اهمیت ماجرا اینجاست :
ChatGPT فقط یک ابزار پاسخ‌دهی نیست؛
در حال تبدیل شدن به یک «محیط تصمیم‌سازی» برای کاربران است.
و ورود تبلیغات به این فضا، می‌تواند مسیر خرید را کاملاً تغییر دهد.
⚠️ بازاریابی آینده یعنی:
حضور در لحظه‌ای که کاربر دارد فکر می‌کند، نه فقط زمانی که جستجو می‌کند.
🔗 منبع
@CodeStorePro
بر اساس گزارش‌های منتشرشده، OpenAI در حال بررسی و توسعه مدل‌های تبلیغاتی در ChatGPT است؛ مدلی که بیشتر روی «نتیجه‌محوری و تبدیل (Conversion)» تمرکز دارد تا تبلیغات سنتی.
یعنی برندها ممکنه به‌جای نمایش ساده، وارد مرحله‌ای از تعامل مستقیم در گفت‌وگو با کاربر شوند.
🔸 این یعنی چه تغییری در مارکتینگ؟
تبلیغات از بنر و کلیک → به تعامل در گفتگو تبدیل می‌شود
تصمیم خرید ممکن است داخل چت شکل بگیرد
رقابت جدیدی بین گوگل، سئو و AI Search ایجاد می‌شود
برندها باید برای «حضور در پاسخ‌های AI» آماده شوند
اهمیت ماجرا اینجاست :
ChatGPT فقط یک ابزار پاسخ‌دهی نیست؛
در حال تبدیل شدن به یک «محیط تصمیم‌سازی» برای کاربران است.
و ورود تبلیغات به این فضا، می‌تواند مسیر خرید را کاملاً تغییر دهد.
⚠️ بازاریابی آینده یعنی:
حضور در لحظه‌ای که کاربر دارد فکر می‌کند، نه فقط زمانی که جستجو می‌کند.
🔗 منبع
@CodeStorePro
Search Engine Land
OpenAI confirms conversion-focused ads are coming to ChatGPT
The latest OpenAI rollout brings ROI-focused campaign optimization and conversion tracking directly into ChatGPT ads.
🥴2
🟠 موج جدید در دنیای AI مارکتینگ
دنیای بازاریابی دیجیتال دارد وارد یه فاز جدید و جدی می شود، دیگه فقط «رتبه گرفتن در گوگل» کافی نیست.
🔹 درحال حاضر یه مفهوم جدید در حال رشد سریع است : Answer Engine Optimization (AEO)
به این معنی که برندها به‌جای اینکه فقط برای گوگل محتوا بسازند، تلاش می‌کنند در جواب‌های هوش مصنوعی دیده بشوند؛ مثل ChatGPT، Gemini و ابزارهای AI جستجو.
🔸 در نتیجه این انتخاب :
سرمایه‌گذاری‌های چند ده میلیون دلاری روی استارتاپ‌های AEO
رشد سریع شرکت‌هایی که روی «AI Visibility» کار می‌کنند.
نزدیک شدن بعضی از این استارتاپ‌ها به ارزش‌گذاری میلیارد دلاری (یونیکورن)
⚠️ به خاطر موج جدید رفتار کاربران، اگر AI برندتان را نشناسد، عملاً دیده نمی‌شوید.
اگر علاقه مند بودید، پیشنهاد میکنم این مقاله را بخوانید.
@CodeStorePro
دنیای بازاریابی دیجیتال دارد وارد یه فاز جدید و جدی می شود، دیگه فقط «رتبه گرفتن در گوگل» کافی نیست.
🔹 درحال حاضر یه مفهوم جدید در حال رشد سریع است : Answer Engine Optimization (AEO)
به این معنی که برندها به‌جای اینکه فقط برای گوگل محتوا بسازند، تلاش می‌کنند در جواب‌های هوش مصنوعی دیده بشوند؛ مثل ChatGPT، Gemini و ابزارهای AI جستجو.
🔸 در نتیجه این انتخاب :
سرمایه‌گذاری‌های چند ده میلیون دلاری روی استارتاپ‌های AEO
رشد سریع شرکت‌هایی که روی «AI Visibility» کار می‌کنند.
نزدیک شدن بعضی از این استارتاپ‌ها به ارزش‌گذاری میلیارد دلاری (یونیکورن)
⚠️ به خاطر موج جدید رفتار کاربران، اگر AI برندتان را نشناسد، عملاً دیده نمی‌شوید.
اگر علاقه مند بودید، پیشنهاد میکنم این مقاله را بخوانید.
@CodeStorePro
Fortune
Exclusive: As AI threatens search, Profound raises $96 million to help brands stay visible | Fortune
The Lightspeed-led round values the 18-month-old startup at $1 billion as marketers race to understand how ChatGPT and other AI systems describe them.
🟠 گوگل، آغاز عصر جدید جستجوی مبتنی بر هوش مصنوعی
گوگل رسماً اعلام کرده جستجو وارد بزرگ‌ترین تغییر خود در بیش از ۲۵ سال گذشته شده است. به‌جای مدل سنتی «جستجو ، لیست لینک‌ها»، حالا کاربران بیشتر با یک سیستم مبتنی بر AI تعامل می‌کنند که می‌تواند سؤال را بفهمد، پاسخ ترکیبی بسازد و حتی کار انجام دهد.
طبق توضیحات رسمی گوگل، سیستم جدید AI Mode با استفاده از مدل‌های Gemini، سؤال‌های پیچیده‌تر و طولانی‌تر را پردازش می‌کند. گوگل می‌گوید میانگین جستجوهای AI Mode تقریباً سه برابر جستجوهای سنتی طولانی‌تر شده‌اند.
🔸 قبلاً کاربر می‌نوشت:
"best laptop for programming"
🔹اما حالا بیشتر شبیه این می‌شود:
"من برنامه‌نویس هستم، لپ‌تاپی می‌خواهم که باتری خوب داشته باشد، سبک باشد و برای توسعه وب و AI مناسب باشد."
AI جواب را تحلیل می‌کند و به‌جای صرفاً نمایش لینک، یک پاسخ ترکیبی و تعاملی می‌سازد.
🔸اثر روی سئو (SEO) ، این تغییر احتمالاً قواعد بازی را عوض می‌کند:
• فقط رتبه گرفتن در صفحه اول کافی نیست
• محتوا باید ساختارمند و قابل فهم برای AI باشد
• اعتبار برند و منبع اهمیت بیشتری پیدا می‌کند
• پاسخ‌های دقیق، تخصصی و مبتنی بر تجربه واقعی ارزش بیشتری می‌گیرند
• «دیده‌شدن توسط AI» ممکن است مهم‌تر از «کلیک گرفتن» شود.
🔸 اثر روی مارکتینگ
گوگل هم‌زمان فرمت‌های تبلیغاتی جدید مبتنی بر Gemini را آزمایش می‌کند تا تبلیغات داخل تجربه AI Search طبیعی‌تر شوند.
بنابراین مارکترها احتمالاً از تمرکز صرف روی «CTR» به سمت این سؤال می‌روند:
«آیا برند ما در پاسخ‌های AI دیده می‌شود؟»
⚠ دوران «۱۰ لینک آبی گوگل» آرام‌آرام به سمت «گفتگو با موتور جستجو» حرکت می‌کند؛ و برای تولیدکننده محتوا، متخصص سئو و برنامه‌نویس‌ها، قوانین بازی در حال بازنویسی شدن است.
منبع خبر
@CodeStorePro
گوگل رسماً اعلام کرده جستجو وارد بزرگ‌ترین تغییر خود در بیش از ۲۵ سال گذشته شده است. به‌جای مدل سنتی «جستجو ، لیست لینک‌ها»، حالا کاربران بیشتر با یک سیستم مبتنی بر AI تعامل می‌کنند که می‌تواند سؤال را بفهمد، پاسخ ترکیبی بسازد و حتی کار انجام دهد.
طبق توضیحات رسمی گوگل، سیستم جدید AI Mode با استفاده از مدل‌های Gemini، سؤال‌های پیچیده‌تر و طولانی‌تر را پردازش می‌کند. گوگل می‌گوید میانگین جستجوهای AI Mode تقریباً سه برابر جستجوهای سنتی طولانی‌تر شده‌اند.
🔸 قبلاً کاربر می‌نوشت:
"best laptop for programming"
🔹اما حالا بیشتر شبیه این می‌شود:
"من برنامه‌نویس هستم، لپ‌تاپی می‌خواهم که باتری خوب داشته باشد، سبک باشد و برای توسعه وب و AI مناسب باشد."
AI جواب را تحلیل می‌کند و به‌جای صرفاً نمایش لینک، یک پاسخ ترکیبی و تعاملی می‌سازد.
🔸اثر روی سئو (SEO) ، این تغییر احتمالاً قواعد بازی را عوض می‌کند:
• فقط رتبه گرفتن در صفحه اول کافی نیست
• محتوا باید ساختارمند و قابل فهم برای AI باشد
• اعتبار برند و منبع اهمیت بیشتری پیدا می‌کند
• پاسخ‌های دقیق، تخصصی و مبتنی بر تجربه واقعی ارزش بیشتری می‌گیرند
• «دیده‌شدن توسط AI» ممکن است مهم‌تر از «کلیک گرفتن» شود.
🔸 اثر روی مارکتینگ
گوگل هم‌زمان فرمت‌های تبلیغاتی جدید مبتنی بر Gemini را آزمایش می‌کند تا تبلیغات داخل تجربه AI Search طبیعی‌تر شوند.
بنابراین مارکترها احتمالاً از تمرکز صرف روی «CTR» به سمت این سؤال می‌روند:
«آیا برند ما در پاسخ‌های AI دیده می‌شود؟»
⚠ دوران «۱۰ لینک آبی گوگل» آرام‌آرام به سمت «گفتگو با موتور جستجو» حرکت می‌کند؛ و برای تولیدکننده محتوا، متخصص سئو و برنامه‌نویس‌ها، قوانین بازی در حال بازنویسی شدن است.
منبع خبر
@CodeStorePro
Google
A new era for AI Search
We shared the next step in our journey to bring together the best of a search engine with the best of AI.
🔥3
مایکروسافت در Build 2026 روی «AI Agentها» شرط‌بندی کرد
مایکروسافت در کنفرانس Build 2026 مجموعه‌ای از ابزارها و قابلیت‌های جدید مبتنی بر AI Agentها را معرفی کرد. این شرکت می‌خواهد توسعه نرم‌افزار را از مدل «کدنویسی مستقیم» به سمت مدل «تعریف هدف و واگذاری اجرا به Agentها» هدایت کند.
🔍 تحلیل:
بسیاری از تحلیلگران حوزه فناوری معتقدند مهم‌ترین پیام Build 2026 این بود که نقش برنامه‌نویسان در حال تغییر از «نوشتن کد» به «طراحی، نظارت و ارزیابی خروجی Agentها» است. ابزارهایی مانند GitHub Copilot Agent Mode و فریم‌ورک‌های چندعاملی نیز در همین راستا معرفی یا توسعه یافته‌اند.
📌 چرا مهم است؟
اگر برنامه‌نویس هستید، احتمالاً در سال‌های آینده مهارت‌هایی مانند معماری نرم‌افزار، تحلیل نیازمندی‌ها، Code Review و مدیریت Agentهای هوش مصنوعی اهمیت بیشتری نسبت به صرفاً نوشتن کد خواهند داشت.
🔗 منبع:
Microsoft Build 2026، TechRadar و Reuters
@CodeStorePro
مایکروسافت در کنفرانس Build 2026 مجموعه‌ای از ابزارها و قابلیت‌های جدید مبتنی بر AI Agentها را معرفی کرد. این شرکت می‌خواهد توسعه نرم‌افزار را از مدل «کدنویسی مستقیم» به سمت مدل «تعریف هدف و واگذاری اجرا به Agentها» هدایت کند.
🔍 تحلیل:
بسیاری از تحلیلگران حوزه فناوری معتقدند مهم‌ترین پیام Build 2026 این بود که نقش برنامه‌نویسان در حال تغییر از «نوشتن کد» به «طراحی، نظارت و ارزیابی خروجی Agentها» است. ابزارهایی مانند GitHub Copilot Agent Mode و فریم‌ورک‌های چندعاملی نیز در همین راستا معرفی یا توسعه یافته‌اند.
📌 چرا مهم است؟
اگر برنامه‌نویس هستید، احتمالاً در سال‌های آینده مهارت‌هایی مانند معماری نرم‌افزار، تحلیل نیازمندی‌ها، Code Review و مدیریت Agentهای هوش مصنوعی اهمیت بیشتری نسبت به صرفاً نوشتن کد خواهند داشت.
🔗 منبع:
Microsoft Build 2026، TechRadar و Reuters
@CodeStorePro
🔥3
🟠 اینروزا جمله «Frontend is dying… AI is the new UI» زیاد شنیده میشه.
(با احترام به همه فرانت دولوپر ها)
البته Frontend در حال مرگ نیست؛ در حال تغییر هویته. چون کاربر دیگه دنبال صفحه و دکمه نیست، دنبال «نتیجه» است. UI سنتی (منو، فرم، کلیک) کم‌کم جای خودش را به تعامل مستقیم با AI می‌دهد.
- ورودی‌ها از “کلیک” به “گفتار و Intent” تبدیل شده‌اند.
- در آینده، کاربر با صفحه کار نمی‌کند؛ با هوش سیستم حرف می‌زند.
⚠ Frontend از طراحی صفحه به طراحی تعامل انسان و AI تبدیل می‌شود.
🔸 مهارت کلیدی دیگر فقط UI نیست؛ فهم نیت کاربر است.
بنابراین در نقش جدید توسعه‌دهنده Frontend ، مهارت‌ها تغییر می‌کنند:
1. طراحی تجربه تعامل (Interaction Design)
2. درک رفتار و نیت کاربر (User Intent)
3. کار با مدل‌های AI در سطح محصول
4. طراحی سیستم‌های هیبریدی (UI + AI + Data)
یعنی دارای نقش ترکیبی Product + UX + AI interaction designer است.
📌می‌توانید بحث مربوطه را از Hacker News بخوانید.
@CodeStorePro
(با احترام به همه فرانت دولوپر ها)
البته Frontend در حال مرگ نیست؛ در حال تغییر هویته. چون کاربر دیگه دنبال صفحه و دکمه نیست، دنبال «نتیجه» است. UI سنتی (منو، فرم، کلیک) کم‌کم جای خودش را به تعامل مستقیم با AI می‌دهد.
- ورودی‌ها از “کلیک” به “گفتار و Intent” تبدیل شده‌اند.
- در آینده، کاربر با صفحه کار نمی‌کند؛ با هوش سیستم حرف می‌زند.
⚠ Frontend از طراحی صفحه به طراحی تعامل انسان و AI تبدیل می‌شود.
🔸 مهارت کلیدی دیگر فقط UI نیست؛ فهم نیت کاربر است.
بنابراین در نقش جدید توسعه‌دهنده Frontend ، مهارت‌ها تغییر می‌کنند:
1. طراحی تجربه تعامل (Interaction Design)
2. درک رفتار و نیت کاربر (User Intent)
3. کار با مدل‌های AI در سطح محصول
4. طراحی سیستم‌های هیبریدی (UI + AI + Data)
یعنی دارای نقش ترکیبی Product + UX + AI interaction designer است.
📌می‌توانید بحث مربوطه را از Hacker News بخوانید.
@CodeStorePro
👌2🔥1
🟠 گوگل AI Studio به سمت ساخت اپلیکیشن کامل حرکت می‌کند
مرز بین «نوشتن کد» و «ساخت محصول» هر روز کمتر می‌شود.
گوگل در حال توسعه ابزارهایی است که از داخل AI Studio بتوانند فرایند ساخت نرم‌افزار را از تولید کد فراتر ببرند؛ از ایجاد رابط کاربری و منطق برنامه تا تست، اتصال سرویس‌ها و حتی استقرار.
🔸 قبلاً مسیر توسعه این‌طور بود:
ایده، طراحی، کدنویسی، تست در نهایت انتشار
🔸 اما حالا مسیر جدید در حال شکل‌گیری است:
ایده ، توضیح نیاز ، AI ، محصول اولیه
⚠️ آیا در آینده توسعه‌دهنده‌ها کمتر کد می‌نویسند و بیشتر نقش «طراح سیستم» و «مدیر AI» را خواهند داشت؟
نکته مهم اینجاست که AI سرعت ساخت را بالا می‌برد، اما هنوز کیفیت معماری، امنیت، نگهداری و تصمیم‌های مهندسی به انسان وابسته است.
#Google #AI #Programming #Development
@CodeStorePro
مرز بین «نوشتن کد» و «ساخت محصول» هر روز کمتر می‌شود.
گوگل در حال توسعه ابزارهایی است که از داخل AI Studio بتوانند فرایند ساخت نرم‌افزار را از تولید کد فراتر ببرند؛ از ایجاد رابط کاربری و منطق برنامه تا تست، اتصال سرویس‌ها و حتی استقرار.
🔸 قبلاً مسیر توسعه این‌طور بود:
ایده، طراحی، کدنویسی، تست در نهایت انتشار
🔸 اما حالا مسیر جدید در حال شکل‌گیری است:
ایده ، توضیح نیاز ، AI ، محصول اولیه
⚠️ آیا در آینده توسعه‌دهنده‌ها کمتر کد می‌نویسند و بیشتر نقش «طراح سیستم» و «مدیر AI» را خواهند داشت؟
نکته مهم اینجاست که AI سرعت ساخت را بالا می‌برد، اما هنوز کیفیت معماری، امنیت، نگهداری و تصمیم‌های مهندسی به انسان وابسته است.
#Google #AI #Programming #Development
@CodeStorePro
🔥3
🟠 هشدار امنیتی مهم: نفوذ به پروژه‌های اوپن‌سورس مایکروسافت در GitHub
🔸مایکروسافت اعلام کرده که دسترسی به ده‌ها پروژه متن‌باز خود را در GitHub به‌طور موقت قطع کرده است. دلیل این اقدام، بررسی یک رخنه امنیتی است که طی آن مهاجمان موفق شده‌اند کدهای مخرب را در برخی پروژه‌ها تزریق کنند؛ بدافزاری که به نظر می‌رسد با هدف سرقت رمزهای عبور (Password-Stealing Malware) طراحی شده است.
🔹طبق گزارش‌ها، این آلودگی می‌تواند توسعه‌دهندگان و کاربرانی را که از این ریپازیتوری‌ها استفاده می‌کردند، در معرض خطر جدی قرار دهد. تیم امنیتی مایکروسافت در حال بررسی دامنه کامل این حمله و میزان نفوذ آن است.
❗ این اتفاق یک بار دیگر نشان می‌دهد حتی پروژه‌های بزرگ و معتبر هم در اکوسیستم اوپن‌سورس می‌توانند هدف حملات زنجیره تأمین (Supply Chain Attack) قرار بگیرند، جایی که مهاجم به‌جای حمله مستقیم به کاربران، وارد زنجیره توسعه نرم‌افزار می‌شود.
⚠ مایکروسافت تأکید کرده بررسی‌ها ادامه دارد و فعلاً دسترسی به برخی مخازن تا زمان اطمینان از پاکسازی کامل محدود خواهد ماند.
منبع خبر
@CodeStorePro
🔸مایکروسافت اعلام کرده که دسترسی به ده‌ها پروژه متن‌باز خود را در GitHub به‌طور موقت قطع کرده است. دلیل این اقدام، بررسی یک رخنه امنیتی است که طی آن مهاجمان موفق شده‌اند کدهای مخرب را در برخی پروژه‌ها تزریق کنند؛ بدافزاری که به نظر می‌رسد با هدف سرقت رمزهای عبور (Password-Stealing Malware) طراحی شده است.
🔹طبق گزارش‌ها، این آلودگی می‌تواند توسعه‌دهندگان و کاربرانی را که از این ریپازیتوری‌ها استفاده می‌کردند، در معرض خطر جدی قرار دهد. تیم امنیتی مایکروسافت در حال بررسی دامنه کامل این حمله و میزان نفوذ آن است.
❗ این اتفاق یک بار دیگر نشان می‌دهد حتی پروژه‌های بزرگ و معتبر هم در اکوسیستم اوپن‌سورس می‌توانند هدف حملات زنجیره تأمین (Supply Chain Attack) قرار بگیرند، جایی که مهاجم به‌جای حمله مستقیم به کاربران، وارد زنجیره توسعه نرم‌افزار می‌شود.
⚠ مایکروسافت تأکید کرده بررسی‌ها ادامه دارد و فعلاً دسترسی به برخی مخازن تا زمان اطمینان از پاکسازی کامل محدود خواهد ماند.
منبع خبر
@CodeStorePro
👍3
۶ روش افزایش فالوور اینستاگرام (اثبات شده)۲۰۲۵
آیا می‌خواهید پیج اینستاگرامتان رشد کند و فالوورهای واقعی جذب کنید؟
بسیاری از کاربران تلاش می‌کنند فالوور جذب کنند، اما با استفاده از روش‌های غیرطبیعی، تنها اکانت‌های غیرفعال یا ربات به پیجشان اضافه می‌شوند. برای افزایش فالوور اینستاگرام باید راهکارهایی به‌کار بگیرید که هم مخاطب انسانی جذب کنند و هم الگوریتم اینستاگرام آنها را تقویت کند.
🔴 در این مقاله از بلاگ کداستورپرو، با ۶ روش اثبات‌شده و به‌روز آشنا می‌شوید که به شما کمک می‌کنند فالوور واقعی و فعال جذب کنید .
@CodeStorePro
آیا می‌خواهید پیج اینستاگرامتان رشد کند و فالوورهای واقعی جذب کنید؟
بسیاری از کاربران تلاش می‌کنند فالوور جذب کنند، اما با استفاده از روش‌های غیرطبیعی، تنها اکانت‌های غیرفعال یا ربات به پیجشان اضافه می‌شوند. برای افزایش فالوور اینستاگرام باید راهکارهایی به‌کار بگیرید که هم مخاطب انسانی جذب کنند و هم الگوریتم اینستاگرام آنها را تقویت کند.
🔴 در این مقاله از بلاگ کداستورپرو، با ۶ روش اثبات‌شده و به‌روز آشنا می‌شوید که به شما کمک می‌کنند فالوور واقعی و فعال جذب کنید .
@CodeStorePro
🔥3
🟠 مدل زبانی بزرگ (LLM) چیست، برای کسب‌وکار شما چه کاربردی دارد؟
امروزه یکی از مهم‌ترین فناوری‌های هوش مصنوعی که خیلی سریع در حال تغییر دادن دنیای کسب‌وکارهاست، مدل‌های زبانی بزرگ (LLM) هستند.
🔸 به زبان ساده، LLMها سیستم‌هایی هستند که با حجم بسیار زیادی از داده‌های متنی آموزش دیده‌اند و می‌توانند زبان انسان را بفهمند، تولید کنند و حتی تحلیل کنند.
🔸 اما LLMها فقط یک تکنولوژی پیشرفته نیستند؛ بلکه به ابزارهای عملی برای رشد کسب‌وکار تبدیل شده‌اند.
🔹 در این مقاله می توانید نحوه استفاده کسب‌وکارها از LLM را مطالعه کنید.
https://codestorepro.com/blog-llm-chist-va-che-karbardi-baray-kasbokarha-darad/
⚠️ درنظر داشته باشید LLMها در حال تبدیل شدن به یکی از پایه‌های اصلی تحول دیجیتال هستند؛ چیزی شبیه یک «دستیار هوشمند دائمی» برای کسب‌وکارها.
@CodeStorePro
امروزه یکی از مهم‌ترین فناوری‌های هوش مصنوعی که خیلی سریع در حال تغییر دادن دنیای کسب‌وکارهاست، مدل‌های زبانی بزرگ (LLM) هستند.
🔸 به زبان ساده، LLMها سیستم‌هایی هستند که با حجم بسیار زیادی از داده‌های متنی آموزش دیده‌اند و می‌توانند زبان انسان را بفهمند، تولید کنند و حتی تحلیل کنند.
🔸 اما LLMها فقط یک تکنولوژی پیشرفته نیستند؛ بلکه به ابزارهای عملی برای رشد کسب‌وکار تبدیل شده‌اند.
🔹 در این مقاله می توانید نحوه استفاده کسب‌وکارها از LLM را مطالعه کنید.
https://codestorepro.com/blog-llm-chist-va-che-karbardi-baray-kasbokarha-darad/
⚠️ درنظر داشته باشید LLMها در حال تبدیل شدن به یکی از پایه‌های اصلی تحول دیجیتال هستند؛ چیزی شبیه یک «دستیار هوشمند دائمی» برای کسب‌وکارها.
@CodeStorePro
👌3
به‌روزرسانی جدید تلگرام منتشر شد: بازگشت به ساعت‌های هوشمند تا قالب‌بندی پیشرفته پیام در بات‌ها
شرکت تلگرام در جدیدترین به‌روزرسانی خود، نسخه‌های اختصاصی اپلیکیشن خود را برای ساعت‌های هوشمند اپل واچ و پلتفرم Wear OS منتشر کرده و مجموعه‌ای از قابلیت‌های پیشرفته را برای بات‌ها و مدیران گروه‌ها فراهم آورده است.
🔸 انتشار اپلیکیشن برای ساعت‌های هوشمند
در این به‌روزرسانی، کاربران اپل واچ و ساعت‌های مبتنی بر Wear OS امکان مدیریت کامل چت‌ها، ارسال پیام‌های متنی و صوتی، ارسال استیکر، مشاهده محتوای رسانه‌ای و خواندن پیام‌های طولانی را مستقیماً از روی مچ دست خود خواهند داشت.
🔸 قالب‌بندی پیشرفته متن در بات‌ها
بات‌های تلگرام اکنون قادر به ارسال پیام‌هایی با قالب‌بندی ساختاریافته شامل جداول، نقل‌قول‌های تو در تو، چک‌لیست‌ها، بخش‌های تاشو، پانویس‌ها، فرمول‌های ریاضی و رسانه‌های درون‌خطی هستند. همچنین حداکثر طول مجاز هر پیام ارسالی از سوی بات‌ها به ۳۲,۷۶۸ کاراکتر افزایش یافته است.
🔸 ربات‌های هوش مصنوعی برای مدیریت گروه‌ها
مدیران گروه‌ها اکنون می‌توانند ربات‌های مجهز به هوش مصنوعی را با عنوان «نگهبانان هوش مصنوعی» (AI Guardians) به عنوان ادمین منصوب کنند. این ربات‌ها قادرند فرآیند بررسی، تأیید و رد درخواست‌های عضویت را به صورت خودکار انجام دهند و از طریق مینی‌اپلیکیشن‌ها، کاربران پیش از پیوستن به گروه را احراز هویت کنند.
🔸 قابلیت افزودن لینک در نظرسنجی‌ها
در قابلیت دیگر این به‌روزرسانی، گزینه‌های نظرسنجی اکنون امکان دریافت لینک‌های قابل کلیک را دارند. این ویژگی به سازندگان نظرسنجی اجازه می‌دهد برای هر گزینه رأی‌گیری، اطلاعات زمینه‌ای یا منابع خارجی مرتبط ارائه دهند.
مارا در تلگرام دنبال کنید
🆔@CodeStorePro
شرکت تلگرام در جدیدترین به‌روزرسانی خود، نسخه‌های اختصاصی اپلیکیشن خود را برای ساعت‌های هوشمند اپل واچ و پلتفرم Wear OS منتشر کرده و مجموعه‌ای از قابلیت‌های پیشرفته را برای بات‌ها و مدیران گروه‌ها فراهم آورده است.
🔸 انتشار اپلیکیشن برای ساعت‌های هوشمند
در این به‌روزرسانی، کاربران اپل واچ و ساعت‌های مبتنی بر Wear OS امکان مدیریت کامل چت‌ها، ارسال پیام‌های متنی و صوتی، ارسال استیکر، مشاهده محتوای رسانه‌ای و خواندن پیام‌های طولانی را مستقیماً از روی مچ دست خود خواهند داشت.
🔸 قالب‌بندی پیشرفته متن در بات‌ها
بات‌های تلگرام اکنون قادر به ارسال پیام‌هایی با قالب‌بندی ساختاریافته شامل جداول، نقل‌قول‌های تو در تو، چک‌لیست‌ها، بخش‌های تاشو، پانویس‌ها، فرمول‌های ریاضی و رسانه‌های درون‌خطی هستند. همچنین حداکثر طول مجاز هر پیام ارسالی از سوی بات‌ها به ۳۲,۷۶۸ کاراکتر افزایش یافته است.
🔸 ربات‌های هوش مصنوعی برای مدیریت گروه‌ها
مدیران گروه‌ها اکنون می‌توانند ربات‌های مجهز به هوش مصنوعی را با عنوان «نگهبانان هوش مصنوعی» (AI Guardians) به عنوان ادمین منصوب کنند. این ربات‌ها قادرند فرآیند بررسی، تأیید و رد درخواست‌های عضویت را به صورت خودکار انجام دهند و از طریق مینی‌اپلیکیشن‌ها، کاربران پیش از پیوستن به گروه را احراز هویت کنند.
🔸 قابلیت افزودن لینک در نظرسنجی‌ها
در قابلیت دیگر این به‌روزرسانی، گزینه‌های نظرسنجی اکنون امکان دریافت لینک‌های قابل کلیک را دارند. این ویژگی به سازندگان نظرسنجی اجازه می‌دهد برای هر گزینه رأی‌گیری، اطلاعات زمینه‌ای یا منابع خارجی مرتبط ارائه دهند.
مارا در تلگرام دنبال کنید
🆔@CodeStorePro
🔥3
⚠️ یک باگ بحرانی در Check Point VPN زیر حمله باج‌افزارها
محققان امنیتی اعلام کردند گروه باج‌افزاری Qilin از یک آسیب‌پذیری Zero-Day در محصولات VPN شرکت Check Point Software Technologies سوءاستفاده کرده است.
این آسیب‌پذیری به مهاجم اجازه می‌دهد بدون احراز هویت وارد شبکه سازمانی شود و دسترسی کامل بگیرد.
سازمان امنیت سایبری آمریکا (CISA) تنها ۳ روز به سازمان‌ها فرصت داده تا سیستم‌ها را Patch کنند.
⚠ امنیت API و زیرساخت شبکه، فقط وظیفه تیم امنیت نیست.
@CodeStorePro
محققان امنیتی اعلام کردند گروه باج‌افزاری Qilin از یک آسیب‌پذیری Zero-Day در محصولات VPN شرکت Check Point Software Technologies سوءاستفاده کرده است.
این آسیب‌پذیری به مهاجم اجازه می‌دهد بدون احراز هویت وارد شبکه سازمانی شود و دسترسی کامل بگیرد.
سازمان امنیت سایبری آمریکا (CISA) تنها ۳ روز به سازمان‌ها فرصت داده تا سیستم‌ها را Patch کنند.
⚠ امنیت API و زیرساخت شبکه، فقط وظیفه تیم امنیت نیست.
@CodeStorePro
😢2👍1
*📢 تغییر بزرگ در الگوریتم اینستاگرام:*
کاربران حالا می‌توانند به اینستاگرام بگویند چه ببیند و چه نبیند
متا در جدیدترین به‌روزرسانی اینستاگرام، قابلیتی به نام «Your Algorithm» را به صفحه اصلی (Main Feed) اضافه کرده است. این ویژگی از ۱۰ ژوئن ۲۰۲۶ به‌طور کامل در دسترس کاربران قرار گرفته است.
▫️ کنترل مستقیم بر الگوریتم
کاربران می‌توانند فهرست موضوعاتی که اینستاگرام فکر می‌کند به آن علاقه دارند را مشاهده، ویرایش و حتی حذف کنند. برای مثال، می‌توانند مشخص کنند که موضوع «ورزش» را بیشتر یا «آشپزی» را کمتر ببینند.
▫️ نقش مدل‌های زبانی بزرگ (LLM)
به گفته Adam Mosseri (رئیس اینستاگرام)، این تحول به لطف LLMها امکان‌پذیر شده است. این مدل‌ها خوشه‌های محتوا را تحلیل کرده و آنها را به زبانی قابل فهم برای انسان توصیف می‌کنند.
▫️ تأثیر بر کسب‌وکارها و تبلیغ‌دهندگان
تحلیلگران eMarketer هشدار داده‌اند که این تغییر میدان رقابت را سخت‌تر می‌کند. دیگر نمی‌توان فقط به الگوریتم پیش‌فرض اعتماد کرد؛ کاربران حالا خودشان تعیین می‌کنند چه محتوایی ببینند.
@CodeStorePro
کاربران حالا می‌توانند به اینستاگرام بگویند چه ببیند و چه نبیند
متا در جدیدترین به‌روزرسانی اینستاگرام، قابلیتی به نام «Your Algorithm» را به صفحه اصلی (Main Feed) اضافه کرده است. این ویژگی از ۱۰ ژوئن ۲۰۲۶ به‌طور کامل در دسترس کاربران قرار گرفته است.
▫️ کنترل مستقیم بر الگوریتم
کاربران می‌توانند فهرست موضوعاتی که اینستاگرام فکر می‌کند به آن علاقه دارند را مشاهده، ویرایش و حتی حذف کنند. برای مثال، می‌توانند مشخص کنند که موضوع «ورزش» را بیشتر یا «آشپزی» را کمتر ببینند.
▫️ نقش مدل‌های زبانی بزرگ (LLM)
به گفته Adam Mosseri (رئیس اینستاگرام)، این تحول به لطف LLMها امکان‌پذیر شده است. این مدل‌ها خوشه‌های محتوا را تحلیل کرده و آنها را به زبانی قابل فهم برای انسان توصیف می‌کنند.
▫️ تأثیر بر کسب‌وکارها و تبلیغ‌دهندگان
تحلیلگران eMarketer هشدار داده‌اند که این تغییر میدان رقابت را سخت‌تر می‌کند. دیگر نمی‌توان فقط به الگوریتم پیش‌فرض اعتماد کرد؛ کاربران حالا خودشان تعیین می‌کنند چه محتوایی ببینند.
@CodeStorePro
👌2👍1
Forwarded from کدمنتا | Codementa
چرا گاهی «بدتر» برنده می‌شود؟
در دنیای نرم‌افزار، همیشه بهترین و کامل‌ترین طراحی پیروز نیست. ریچارد گابریل مفهومی به نام «بدتر، بهتر است» را مطرح کرد که توضیح می‌دهد چرا محصولات ساده‌تر و سریع‌تر، حتی باکیفیت پایین‌تر، اغلب موفق‌تر از رقبای ایده‌آل‌گرای خود می‌شوند.
کلید موفقیت در اینجا رسیدن زودهنگام به بازار و سادگی در پیاده‌سازی است. کاربران به محصول عادت می‌کنند و تغییر به گزینه‌های بهتر برایشان سخت می‌شود. نمونه‌های معروف آن، پیروزی یونیکس بر رقبای پیچیده‌تر و زبان C بر لیسپ است.
این مفهوم، نگرشی واقع‌بینانه برای درک چرایی موفقیت فناوری‌ها به ما می‌دهد.
در صورت تمایل مقاله Worse is Better از Richard P. Gabriel را مطالعه فرمائید.
#توسعه_نرم‌افزار #مدیریت_فناوری #یادگیری_برنامه‌نویسی
@CodeMenta
در دنیای نرم‌افزار، همیشه بهترین و کامل‌ترین طراحی پیروز نیست. ریچارد گابریل مفهومی به نام «بدتر، بهتر است» را مطرح کرد که توضیح می‌دهد چرا محصولات ساده‌تر و سریع‌تر، حتی باکیفیت پایین‌تر، اغلب موفق‌تر از رقبای ایده‌آل‌گرای خود می‌شوند.
کلید موفقیت در اینجا رسیدن زودهنگام به بازار و سادگی در پیاده‌سازی است. کاربران به محصول عادت می‌کنند و تغییر به گزینه‌های بهتر برایشان سخت می‌شود. نمونه‌های معروف آن، پیروزی یونیکس بر رقبای پیچیده‌تر و زبان C بر لیسپ است.
این مفهوم، نگرشی واقع‌بینانه برای درک چرایی موفقیت فناوری‌ها به ما می‌دهد.
در صورت تمایل مقاله Worse is Better از Richard P. Gabriel را مطالعه فرمائید.
#توسعه_نرم‌افزار #مدیریت_فناوری #یادگیری_برنامه‌نویسی
@CodeMenta
🔥2
🟠شرکت Microsoft برای نجات GitHub از بحران، به دامان Amazon پناه برد!
با افزایش بی‌سابقه استفاده از ابزارهای هوش مصنوعی در کدنویسی، حجم فعالیت‌های توسعه‌دهندگان به طرز چشمگیری رشد کرده و سرویس‌های ابری را با چالش جدی مواجه کرده است.
پیش‌بینی می‌شود در سال ۲۰۲۶، Commits ها به رکورد ۱۴ میلیارد خواهند رسید؛ در حالی که این رقم در سال ۲۰۲۵ تنها ۱ میلیارد بود.
طبق گزارش اختصاصی Business Insider ، مایکروسافت برای مدیریت فشار عظیم بر روی سرویس گیت‌هاب، ناچار شده از رقیب سنتی خود یعنی آمازون وب سرویس (AWS) کمک بگیرد!
بحران اینجاست، این رشد انفجاری، منجر به ده‌ها قطعی گسترده در گیت‌هاب در سال جاری شده و حتی میچل هاشیموتو، بنیانگذار هشیکورپ، آن را «محلی نامناسب برای کارهای جدی» خوانده است.
سخنگوی مایکروسافت در این باره گفته: «ما در حال تسریع انتقال به Azure و بررسی استراتژی چند-ابری برای تضمین ظرفیت آینده و انعطاف‌پذیری لازم هستیم.»
@CodeStorePro
با افزایش بی‌سابقه استفاده از ابزارهای هوش مصنوعی در کدنویسی، حجم فعالیت‌های توسعه‌دهندگان به طرز چشمگیری رشد کرده و سرویس‌های ابری را با چالش جدی مواجه کرده است.
پیش‌بینی می‌شود در سال ۲۰۲۶، Commits ها به رکورد ۱۴ میلیارد خواهند رسید؛ در حالی که این رقم در سال ۲۰۲۵ تنها ۱ میلیارد بود.
طبق گزارش اختصاصی Business Insider ، مایکروسافت برای مدیریت فشار عظیم بر روی سرویس گیت‌هاب، ناچار شده از رقیب سنتی خود یعنی آمازون وب سرویس (AWS) کمک بگیرد!
بحران اینجاست، این رشد انفجاری، منجر به ده‌ها قطعی گسترده در گیت‌هاب در سال جاری شده و حتی میچل هاشیموتو، بنیانگذار هشیکورپ، آن را «محلی نامناسب برای کارهای جدی» خوانده است.
سخنگوی مایکروسافت در این باره گفته: «ما در حال تسریع انتقال به Azure و بررسی استراتژی چند-ابری برای تضمین ظرفیت آینده و انعطاف‌پذیری لازم هستیم.»
هزینه‌های سرمایه‌ای مایکروسافت در سال ۲۰۲۶ به ۱۹۰ میلیارد دلار خواهد رسید، اما تاخیر در پروژه‌های دیتاسنتر، آنها را به سمت رقبا کشانده است.
@CodeStorePro
🔥1🥴1
عنوان: ۵ تکنیک طلایی پرامپت نویسی که پاسخ هوش مصنوعی را متحول می‌کند .
آیا تا به حال شده از ChatGPT یا Claude سوالی بپرسید، اما جواب آنقدر عمومی و بی‌ربط باشد که به کارتان نیاید؟ مشکل از شما نیست؛ مشکل از «نحوه سوال پرسیدن» است. مهندسی پرامپت یعنی هنر گفتگو با هوش مصنوعی برای گرفتن دقیق‌ترین و کاربردی‌ترین پاسخ.
در این پست، ۵ تکنیک عملی را یاد می‌گیرید که بلافاصله کیفیت خروجی را بهبود می‌بخشد.
▫️ تکنیک اول: نقش تعیین کنید (Role Prompting)
به هوش مصنوعی بگویید چه کسی باشد. این کار زمینه پاسخ را مشخص می‌کند.
❌ پرامپت ضعیف:
«توضیح بده بک لینک چیست.»
✅ پرامپت قوی:
«تو به عنوان یک متخصص سئو با ۱۰ سال سابقه، مفهوم بک لینک را برای یک مدیر بازاریابی تازه‌کار توضیح بده. از مثال واقعی استفاده کن و سه اشتباه رایج را هم بگو.»
نتیجه: پاسخ تخصصی‌تر، ساختاریافته و متناسب با سطح مخاطب.
▫️ تکنیک دوم: قالب خروجی را مشخص کنید
هوش مصنوعی حدس نمی‌زند شما چه قالبی می‌خواهید. دقیق بگویید.
❌ پرامپت ضعیف:
«برنامه مطالعه زبان انگلیسی بنویس.»
✅ پرامپت قوی:
«یک برنامه مطالعه ۳۰ روزه برای تقویت مکالمه انگلیسی بنویس. قالب خروجی به صورت جدول باشد با ستون‌های: روز، موضوع، زمان مطالعه، منبع پیشنهادی. در انتها یک جمع‌بندی ۳ خطی اضافه کن.»
نتیجه: خروجی قابل استفاده فوری، بدون نیاز به ویرایش ساختاری.
▫️ تکنیک سوم: مثال بزنید (Few-Shot Prompting)
با دادن مثال، مسیر پاسخ را هدایت کنید.
❌ پرامپت ضعیف:
«چند تیتر جذاب برای محصول جدیدم بنویس.»
✅ پرامپت قوی:
«من یک محصول جدید به نام "قهوه انرژی‌زا بدون قند" دارم. لطفاً ۵ تیتر تبلیغاتی با سبک زیر بنویس:
مثال ۱: "با هر فنجان، ۴ ساعت انرژی بدون اضطراب"
مثال ۲: "طعم قهوه، انرژی دویدن، بدون پشیمانی قند"
حالا خودت ۵ تیتر مشابه با همین لحن و ساختار بنویس.»
نتیجه: تیترهایی هماهنگ با سبک مورد نظرتان.
▫️ تکنیک چهارم: زنجیره تفکر (Chain of Thought)
برای مسائل پیچیده، از هوش مصنوعی بخواهید قدم‌به‌قدم فکر کند.
❌ پرامپت ضعیف:
«آیا باید در اینستاگرام یا لینکدین تبلیغ کنم؟»
✅ پرامپت قوی:
«می‌خواهم تصمیم بگیرم بین اینستاگرام و لینکدین برای تبلیغ یک دوره آموزش برنامه‌نویسی. لطفاً قدم‌به‌قدم تحلیل کن:
۱. مخاطب هدف هر پلتفرم را مشخص کن.
۲. هزینه به ازای هر کلیک را مقایسه کن.
۳. نرخ تعامل را بررسی کن.
۴. در نهایت بر اساس سه معیار بالا یک نتیجه نهایی بده.»
نتیجه: پاسخ شفاف با استدلال منطقی، نه یک نظر کلی.
مارا در تلگرام دنبال کنید
🆔@CodeStorePro
آیا تا به حال شده از ChatGPT یا Claude سوالی بپرسید، اما جواب آنقدر عمومی و بی‌ربط باشد که به کارتان نیاید؟ مشکل از شما نیست؛ مشکل از «نحوه سوال پرسیدن» است. مهندسی پرامپت یعنی هنر گفتگو با هوش مصنوعی برای گرفتن دقیق‌ترین و کاربردی‌ترین پاسخ.
در این پست، ۵ تکنیک عملی را یاد می‌گیرید که بلافاصله کیفیت خروجی را بهبود می‌بخشد.
▫️ تکنیک اول: نقش تعیین کنید (Role Prompting)
به هوش مصنوعی بگویید چه کسی باشد. این کار زمینه پاسخ را مشخص می‌کند.
❌ پرامپت ضعیف:
«توضیح بده بک لینک چیست.»
✅ پرامپت قوی:
«تو به عنوان یک متخصص سئو با ۱۰ سال سابقه، مفهوم بک لینک را برای یک مدیر بازاریابی تازه‌کار توضیح بده. از مثال واقعی استفاده کن و سه اشتباه رایج را هم بگو.»
نتیجه: پاسخ تخصصی‌تر، ساختاریافته و متناسب با سطح مخاطب.
▫️ تکنیک دوم: قالب خروجی را مشخص کنید
هوش مصنوعی حدس نمی‌زند شما چه قالبی می‌خواهید. دقیق بگویید.
❌ پرامپت ضعیف:
«برنامه مطالعه زبان انگلیسی بنویس.»
✅ پرامپت قوی:
«یک برنامه مطالعه ۳۰ روزه برای تقویت مکالمه انگلیسی بنویس. قالب خروجی به صورت جدول باشد با ستون‌های: روز، موضوع، زمان مطالعه، منبع پیشنهادی. در انتها یک جمع‌بندی ۳ خطی اضافه کن.»
نتیجه: خروجی قابل استفاده فوری، بدون نیاز به ویرایش ساختاری.
▫️ تکنیک سوم: مثال بزنید (Few-Shot Prompting)
با دادن مثال، مسیر پاسخ را هدایت کنید.
❌ پرامپت ضعیف:
«چند تیتر جذاب برای محصول جدیدم بنویس.»
✅ پرامپت قوی:
«من یک محصول جدید به نام "قهوه انرژی‌زا بدون قند" دارم. لطفاً ۵ تیتر تبلیغاتی با سبک زیر بنویس:
مثال ۱: "با هر فنجان، ۴ ساعت انرژی بدون اضطراب"
مثال ۲: "طعم قهوه، انرژی دویدن، بدون پشیمانی قند"
حالا خودت ۵ تیتر مشابه با همین لحن و ساختار بنویس.»
نتیجه: تیترهایی هماهنگ با سبک مورد نظرتان.
▫️ تکنیک چهارم: زنجیره تفکر (Chain of Thought)
برای مسائل پیچیده، از هوش مصنوعی بخواهید قدم‌به‌قدم فکر کند.
❌ پرامپت ضعیف:
«آیا باید در اینستاگرام یا لینکدین تبلیغ کنم؟»
✅ پرامپت قوی:
«می‌خواهم تصمیم بگیرم بین اینستاگرام و لینکدین برای تبلیغ یک دوره آموزش برنامه‌نویسی. لطفاً قدم‌به‌قدم تحلیل کن:
۱. مخاطب هدف هر پلتفرم را مشخص کن.
۲. هزینه به ازای هر کلیک را مقایسه کن.
۳. نرخ تعامل را بررسی کن.
۴. در نهایت بر اساس سه معیار بالا یک نتیجه نهایی بده.»
نتیجه: پاسخ شفاف با استدلال منطقی، نه یک نظر کلی.
مارا در تلگرام دنبال کنید
🆔@CodeStorePro
👌1
Forwarded from کدمنتا | Codementa
نه! خودت یاد بگیر کدبنویسی😐
البته این چیزیه که AI گفت!
در اتفاقی جالب و کمی طعنه‌آمیز، دستیار برنامه‌نویسی هوش مصنوعی Cursor AI وسط کار یک توسعه‌دهنده، ناگهان از ادامه نوشتن کد خودداری کرد!
پیام AI این بود:
"من نمی‌توانم این کد را برایت بنویسم؛ چون این یعنی انجام دادن کار خودت. بهتر است خودت منطق برنامه‌نویسی را یاد بگیری."
بله… انگار AI هم کم‌کم داره تبدیل میشه به همون منتور سخت‌گیری که میگه:
«اول خودت فکر کن، بعد سوال بپرس!» 😂
البته از AI هم کمک نگیر!
این اتفاق دوباره یه سوال مهم رو مطرح کرد:
آیا ابزارهای AI قراره جای برنامه‌نویس‌ها رو بگیرن… یا فقط تبدیل بشن به یک هم‌تیمی برای توسعه سریع‌تر؟
یک چیز مشخصه:
هنوز هم فهمیدن کد از تولید کد مهم‌تره.
#Programming #AI #CursorAI #CodingLife #DeveloperHumor
منبع خبر : arstechnica.com
@CodeMenta
البته این چیزیه که AI گفت!
در اتفاقی جالب و کمی طعنه‌آمیز، دستیار برنامه‌نویسی هوش مصنوعی Cursor AI وسط کار یک توسعه‌دهنده، ناگهان از ادامه نوشتن کد خودداری کرد!
پیام AI این بود:
"من نمی‌توانم این کد را برایت بنویسم؛ چون این یعنی انجام دادن کار خودت. بهتر است خودت منطق برنامه‌نویسی را یاد بگیری."
بله… انگار AI هم کم‌کم داره تبدیل میشه به همون منتور سخت‌گیری که میگه:
«اول خودت فکر کن، بعد سوال بپرس!» 😂
البته از AI هم کمک نگیر!
این اتفاق دوباره یه سوال مهم رو مطرح کرد:
آیا ابزارهای AI قراره جای برنامه‌نویس‌ها رو بگیرن… یا فقط تبدیل بشن به یک هم‌تیمی برای توسعه سریع‌تر؟
یک چیز مشخصه:
هنوز هم فهمیدن کد از تولید کد مهم‌تره.
#Programming #AI #CursorAI #CodingLife #DeveloperHumor
منبع خبر : arstechnica.com
@CodeMenta
👍2
⚠️ آیا «Vibe Coding» آینده برنامه‌نویسی است یا یک ریسک بزرگ؟
این روزها مفهومی به نام Vibe Coding به‌سرعت در دنیای توسعه نرم‌افزار در حال گسترش است؛ روشی که در آن توسعه‌دهنده به جای نوشتن مستقیم کد، صرفاً با دادن دستورهای متنی به هوش مصنوعی، برنامه تولید می‌کند.
اما گزارش جدید Ars Technica یک سوال جدی مطرح کرده:
آیا اتکای بیش از حد به AI بدون درک واقعی کد، در حال تبدیل شدن به یک تهدید برای کیفیت نرم‌افزارهاست؟
نگرانی اصلی اینجاست:
کدی که توسط AI تولید می‌شود ممکن است در ظاهر درست کار کند، اما در لایه‌های عمیق‌تر مشکلاتی مثل:
• آسیب‌پذیری‌های امنیتی
• بدهی فنی (Technical Debt)
• کاهش توانایی توسعه‌دهنده در Debug و نگهداری سیستم
• وابستگی بیش از حد به ابزارهای هوشمند
هوش مصنوعی سرعت توسعه را بالا می‌برد؛
اما هنوز یک اصل تغییر نکرده:
جمله‌ای که همیشه میگیم:
شاید آینده توسعه نرم‌افزار با AI گره خورده باشد،اما مهندسی واقعی همچنان نیازمند درک، تحلیل و تصمیم‌گیری انسانی است.
#AI
#SoftwareEngineering #VibeCoding #DeveloperMindset
@CodeStorePro
این روزها مفهومی به نام Vibe Coding به‌سرعت در دنیای توسعه نرم‌افزار در حال گسترش است؛ روشی که در آن توسعه‌دهنده به جای نوشتن مستقیم کد، صرفاً با دادن دستورهای متنی به هوش مصنوعی، برنامه تولید می‌کند.
اما گزارش جدید Ars Technica یک سوال جدی مطرح کرده:
آیا اتکای بیش از حد به AI بدون درک واقعی کد، در حال تبدیل شدن به یک تهدید برای کیفیت نرم‌افزارهاست؟
نگرانی اصلی اینجاست:
کدی که توسط AI تولید می‌شود ممکن است در ظاهر درست کار کند، اما در لایه‌های عمیق‌تر مشکلاتی مثل:
• آسیب‌پذیری‌های امنیتی
• بدهی فنی (Technical Debt)
• کاهش توانایی توسعه‌دهنده در Debug و نگهداری سیستم
• وابستگی بیش از حد به ابزارهای هوشمند
هوش مصنوعی سرعت توسعه را بالا می‌برد؛
اما هنوز یک اصل تغییر نکرده:
جمله‌ای که همیشه میگیم:
برنامه‌نویسی فقط تولید کد نیست، بلکه فهمیدن منطق پشت آن است.
شاید آینده توسعه نرم‌افزار با AI گره خورده باشد،اما مهندسی واقعی همچنان نیازمند درک، تحلیل و تصمیم‌گیری انسانی است.
#AI
#SoftwareEngineering #VibeCoding #DeveloperMindset
@CodeStorePro
👍2
پیش‌بینی جرایم با هوش مصنوعی؛ گامی دیگر به سوی تحقق «Person of Interest» در دنیای واقعی
محققان از توسعه مدلی جدید از هوش مصنوعی خبر داده‌اند که قادر است وقوع جرایم را با دقتی چشمگیرتر از بسیاری از روش‌های موجود پیش‌بینی کند. این دستاورد، که شباهت‌های قابل‌توجهی با فناوری نمایش داده‌شده در سریال معروف «Person of Interest» دارد، نویدبخش تحولی اساسی در حوزه مدیریت امنیت شهری است.
▫️ معماری فنی مدل
این سیستم با ترکیب چندین تکنیک پیشرفته یادگیری ماشین طراحی شده است. معماری مدل شامل شبکه عصبی کانولوشن گرافی برای شناسایی روابط میان مکان‌های مختلف، معماری ترنسفورمر برای تشخیص الگوهای زمانی در فعالیت‌های مجرمانه، و شبکه مولد رقابتی همراه با رمزگذار خودکار تغییرپذیر برای بهبود عملکرد و کاهش خطاهای آموزشی است.
▫️ نتایج آزمایش‌ها
آزمایش‌های انجام‌شده بر روی داده‌های تاریخی چندین شهر آمریکا از جمله لس‌آنجلس و سیاتل نشان می‌دهد که این مدل در پیش‌بینی سرقت به دقت ۸۶.۳ درصد دست یافته است. این رقم در مقایسه با بهترین الگوریتم‌های رقیب که دقتی معادل ۸۳.۲ درصد دارند، پیشرفتی قابل‌توجه محسوب می‌شود.
▫️ کاربردهای عملی
به گفته محققان، چنین فناوری‌هایی می‌توانند در آینده به نیروهای انتظامی کمک کنند تا منابع و نیروهای خود را هدفمندتر مدیریت کرده و مناطق دارای ریسک بالاتر را سریع‌تر شناسایی کنند.
▫️ محدودیت‌ها و چالش‌ها
این سیستم همچنان با محدودیت‌هایی مواجه است. به گزارش پژوهشگران، عملکرد مدل در مناطقی که داده‌های تاریخی کافی در دسترس نیست یا سابقه ثبت جرم چندانی ندارند، با کاهش دقت روبرو می‌شود.
▫️ چشم‌انداز آینده
تیم تحقیقاتی قصد دارد در مراحل بعدی از تکنیک «انتقال یادگیری» استفاده کند تا مدل بتواند دانش به‌دست‌آمده از یک منطقه را برای پیش‌بینی در سایر مناطق نیز به کار گیرد. این رویکرد می‌تواند دقت پیش‌بینی را در مناطقی با داده‌های محدود به طور قابل‌توجهی افزایش دهد.
▫️ وضعیت فعلی
این فناوری در حال حاضر در مرحله پژوهشی قرار دارد و مقاله مرتبط با آن در نشریه معتبر «International Journal of Innovative Computing and Applications» منتشر شده است. با این حال، کاربرد عملی آن در مدیریت امنیت شهری نیازمند توسعه و آزمایش‌های بیشتری است.
مارا در تلگرام دنبال کنید
🆔@CodeStorePro
محققان از توسعه مدلی جدید از هوش مصنوعی خبر داده‌اند که قادر است وقوع جرایم را با دقتی چشمگیرتر از بسیاری از روش‌های موجود پیش‌بینی کند. این دستاورد، که شباهت‌های قابل‌توجهی با فناوری نمایش داده‌شده در سریال معروف «Person of Interest» دارد، نویدبخش تحولی اساسی در حوزه مدیریت امنیت شهری است.
▫️ معماری فنی مدل
این سیستم با ترکیب چندین تکنیک پیشرفته یادگیری ماشین طراحی شده است. معماری مدل شامل شبکه عصبی کانولوشن گرافی برای شناسایی روابط میان مکان‌های مختلف، معماری ترنسفورمر برای تشخیص الگوهای زمانی در فعالیت‌های مجرمانه، و شبکه مولد رقابتی همراه با رمزگذار خودکار تغییرپذیر برای بهبود عملکرد و کاهش خطاهای آموزشی است.
▫️ نتایج آزمایش‌ها
آزمایش‌های انجام‌شده بر روی داده‌های تاریخی چندین شهر آمریکا از جمله لس‌آنجلس و سیاتل نشان می‌دهد که این مدل در پیش‌بینی سرقت به دقت ۸۶.۳ درصد دست یافته است. این رقم در مقایسه با بهترین الگوریتم‌های رقیب که دقتی معادل ۸۳.۲ درصد دارند، پیشرفتی قابل‌توجه محسوب می‌شود.
▫️ کاربردهای عملی
به گفته محققان، چنین فناوری‌هایی می‌توانند در آینده به نیروهای انتظامی کمک کنند تا منابع و نیروهای خود را هدفمندتر مدیریت کرده و مناطق دارای ریسک بالاتر را سریع‌تر شناسایی کنند.
▫️ محدودیت‌ها و چالش‌ها
این سیستم همچنان با محدودیت‌هایی مواجه است. به گزارش پژوهشگران، عملکرد مدل در مناطقی که داده‌های تاریخی کافی در دسترس نیست یا سابقه ثبت جرم چندانی ندارند، با کاهش دقت روبرو می‌شود.
▫️ چشم‌انداز آینده
تیم تحقیقاتی قصد دارد در مراحل بعدی از تکنیک «انتقال یادگیری» استفاده کند تا مدل بتواند دانش به‌دست‌آمده از یک منطقه را برای پیش‌بینی در سایر مناطق نیز به کار گیرد. این رویکرد می‌تواند دقت پیش‌بینی را در مناطقی با داده‌های محدود به طور قابل‌توجهی افزایش دهد.
▫️ وضعیت فعلی
این فناوری در حال حاضر در مرحله پژوهشی قرار دارد و مقاله مرتبط با آن در نشریه معتبر «International Journal of Innovative Computing and Applications» منتشر شده است. با این حال، کاربرد عملی آن در مدیریت امنیت شهری نیازمند توسعه و آزمایش‌های بیشتری است.
مارا در تلگرام دنبال کنید
🆔@CodeStorePro
👍2
عنوان: «زباله‌کاری» در کمین سازمان‌ها؛ چگونه هوش مصنوعی به زوال دانش سازمانی دامن می‌زند؟
پژوهشی مشترک از آزمایشگاه رسانه‌های اجتماعی دانشگاه استنفورد و BetterUp Labs که نتایج آن در مجله کسب‌وکار هاروارد منتشر شده، هشداری جدی دربارهٔ پیامدهای استفادهٔ بی‌رویه از هوش مصنوعی مولد در محیط‌های کاری مطرح کرده است. این پژوهش، پدیده‌ای نوظهور به نام «زباله‌کاری» (Workslop) را شناسایی کرده که به تدریج بهره‌وری، اعتماد و دانش جمعی سازمان‌ها را تخریب می‌کند.
▫️ «زباله‌کاری» چیست؟
«زباله‌کاری» به خروجی‌هایی از هوش مصنوعی اطلاق می‌شود که ظاهری آراسته و حرفه‌ای دارند؛ اسلایدهایی زیبا، گزارش‌هایی مفصل یا خلاصه‌هایی که به نظر می‌رسد کار را به پایان رسانده‌اند. اما در باطن، فاقد دقت، عمق و زمینه‌های لازم برای پیشبرد مؤثر یک پروژه هستند. در حقیقت، این خروجی‌ها بار سنگین تفکر و بازبینی را از دوش تولیدکننده برداشته و بر دوش گیرندهٔ آن می‌گذارند.
▫️ ابعاد هشداردهندهٔ آماری
یافته‌های این پژوهش که بر روی ۱,۱۵۰ کارمند تمام‌وقت آمریکایی انجام شده، ابعاد این بحران را آشکار می‌سازد:
۴۰ درصد از کارمندان در ماه گذشته با این پدیده مواجه شده‌اند.
به طور میانگین، ۱۵.۴ درصد از کل محتوای دریافتی در محیط کار را «زباله‌کاری» تشکیل می‌دهد.
هر نمونه «زباله‌کاری» به طور میانگین ۲ ساعت زمان برای اصلاح نیاز دارد.
این امر هزینه‌ای معادل ۱۸۶ دلار به ازای هر کارمند در ماه ایجاد کرده و برای یک شرکت ۱۰,۰۰۰ نفری، زیانی سالانه بالغ بر ۹ میلیون دلار به همراه دارد.
▫️ از زوال دانش تا سایش اعتماد
این پدیده فراتر از یک مسئلهٔ صرفاً اقتصادی است و پیامدهای عمیق‌تری بر ساختار دانش و سرمایهٔ انسانی سازمان دارد:
زوال دانش سازمانی: واگذاری بی‌رویهٔ وظایف تفکری به هوش مصنوعی، مهارت‌های فردی و دانش جمعی کارکنان را به تدریج تضعیف می‌کند.
فرسایش اعتماد: دریافت «زباله‌کاری» باعث بروز احساسات منفی مانند خشم (۵۳%) ، سردرگمی (۳۸%) و احساس توهین (۲۲%) در افراد می‌شود. نزدیک به نیمی از کارمندان، همکاری که چنین خروجی‌هایی تولید می‌کند را غیرقابل اعتماد دانسته و ۴۲ درصد او را کم‌اعتمادتر و ۳۷ درصد او را کم‌هوش‌تر ارزیابی می‌کنند.
▫️ راهکارهای مهار بحران
پژوهشگران برای جلوگیری از فراگیر شدن این پدیده، راهکارهایی را به رهبران سازمانی پیشنهاد می‌کنند:
تعیین چارچوب‌های مشخص: به جای توصیهٔ کلی «استفاده از هوش مصنوعی»، باید برای هر نوع کار، کاربردهای مجاز و استانداردهای کیفی مشخصی تعریف کرد.
ترویج تفکر «خلبان»: کارکنان باید تشویق شوند تا از هوش مصنوعی به عنوان همیاری برای افزایش توانایی‌های خود استفاده کنند، نه به عنوان ابزاری برای دور زدن فرآیندهای تفکری.
الگوسازی توسط مدیران: رهبران سازمان باید خود، الگوی استفادهٔ هدفمند از هوش مصنوعی باشند و استانداردهای کیفی را به وضوح تبیین کنند.
🔗 منبع:
Harvard Business Review / BetterUp Labs / Stanford Social Media Lab
ما را در تلگرام دنبال کنید .
🆔@CodeStorePro
پژوهشی مشترک از آزمایشگاه رسانه‌های اجتماعی دانشگاه استنفورد و BetterUp Labs که نتایج آن در مجله کسب‌وکار هاروارد منتشر شده، هشداری جدی دربارهٔ پیامدهای استفادهٔ بی‌رویه از هوش مصنوعی مولد در محیط‌های کاری مطرح کرده است. این پژوهش، پدیده‌ای نوظهور به نام «زباله‌کاری» (Workslop) را شناسایی کرده که به تدریج بهره‌وری، اعتماد و دانش جمعی سازمان‌ها را تخریب می‌کند.
▫️ «زباله‌کاری» چیست؟
«زباله‌کاری» به خروجی‌هایی از هوش مصنوعی اطلاق می‌شود که ظاهری آراسته و حرفه‌ای دارند؛ اسلایدهایی زیبا، گزارش‌هایی مفصل یا خلاصه‌هایی که به نظر می‌رسد کار را به پایان رسانده‌اند. اما در باطن، فاقد دقت، عمق و زمینه‌های لازم برای پیشبرد مؤثر یک پروژه هستند. در حقیقت، این خروجی‌ها بار سنگین تفکر و بازبینی را از دوش تولیدکننده برداشته و بر دوش گیرندهٔ آن می‌گذارند.
▫️ ابعاد هشداردهندهٔ آماری
یافته‌های این پژوهش که بر روی ۱,۱۵۰ کارمند تمام‌وقت آمریکایی انجام شده، ابعاد این بحران را آشکار می‌سازد:
۴۰ درصد از کارمندان در ماه گذشته با این پدیده مواجه شده‌اند.
به طور میانگین، ۱۵.۴ درصد از کل محتوای دریافتی در محیط کار را «زباله‌کاری» تشکیل می‌دهد.
هر نمونه «زباله‌کاری» به طور میانگین ۲ ساعت زمان برای اصلاح نیاز دارد.
این امر هزینه‌ای معادل ۱۸۶ دلار به ازای هر کارمند در ماه ایجاد کرده و برای یک شرکت ۱۰,۰۰۰ نفری، زیانی سالانه بالغ بر ۹ میلیون دلار به همراه دارد.
▫️ از زوال دانش تا سایش اعتماد
این پدیده فراتر از یک مسئلهٔ صرفاً اقتصادی است و پیامدهای عمیق‌تری بر ساختار دانش و سرمایهٔ انسانی سازمان دارد:
زوال دانش سازمانی: واگذاری بی‌رویهٔ وظایف تفکری به هوش مصنوعی، مهارت‌های فردی و دانش جمعی کارکنان را به تدریج تضعیف می‌کند.
فرسایش اعتماد: دریافت «زباله‌کاری» باعث بروز احساسات منفی مانند خشم (۵۳%) ، سردرگمی (۳۸%) و احساس توهین (۲۲%) در افراد می‌شود. نزدیک به نیمی از کارمندان، همکاری که چنین خروجی‌هایی تولید می‌کند را غیرقابل اعتماد دانسته و ۴۲ درصد او را کم‌اعتمادتر و ۳۷ درصد او را کم‌هوش‌تر ارزیابی می‌کنند.
▫️ راهکارهای مهار بحران
پژوهشگران برای جلوگیری از فراگیر شدن این پدیده، راهکارهایی را به رهبران سازمانی پیشنهاد می‌کنند:
تعیین چارچوب‌های مشخص: به جای توصیهٔ کلی «استفاده از هوش مصنوعی»، باید برای هر نوع کار، کاربردهای مجاز و استانداردهای کیفی مشخصی تعریف کرد.
ترویج تفکر «خلبان»: کارکنان باید تشویق شوند تا از هوش مصنوعی به عنوان همیاری برای افزایش توانایی‌های خود استفاده کنند، نه به عنوان ابزاری برای دور زدن فرآیندهای تفکری.
الگوسازی توسط مدیران: رهبران سازمان باید خود، الگوی استفادهٔ هدفمند از هوش مصنوعی باشند و استانداردهای کیفی را به وضوح تبیین کنند.
🔗 منبع:
Harvard Business Review / BetterUp Labs / Stanford Social Media Lab
ما را در تلگرام دنبال کنید .
🆔@CodeStorePro
👍3
جدیدا داریم یک کار خفن انجام میدیم و مشتاق فیدبک ها و انرژی های شماییم!
می‌خوام امروز کانال خودمون یعنی کدمنتا رو بهتون معرفی کنم.
اگر تازه داری با برنامه نویسی آشنا میشی و هنوز خیلی از مباحث برنامه نویسی برات گنگ و مبهمه، ما اینجا قراره درباره مباحث به روز برنامه‌نویسی حرف بزنیم، چیزایی که واقعاً توی بازار کار امروز به کار میاد و خیلی‌ها هنوز درگیرش نشدن یا ازش جا موندن.
هدفمون اینه که توی کدمنتا، همیشه یه قدم جلوتر از خیلی‌ها باشی و بدون هیچ حاشیه‌ای، با جدیدترین روندها و متدهای برنامه‌نویسی آشنا بشی.
پس اگه دوست داری همیشه به‌روز باشی و از آخرین تحولات دنیای کدزنی جا نمونی، یا اگر تازه داری برنامه نویسی یادمیگیری و تازه با دنیای برنامه نویسی اشنا شدی ، کدمنتا دقیقاً همون جاییه که باید عضو بشی.
اگر تمایل داشتی عضو شو و به جمع ما بیا:
🆔 @CodeMenta
به امید دیدن شما در کدمنتا! 💻✨
می‌خوام امروز کانال خودمون یعنی کدمنتا رو بهتون معرفی کنم.
اگر تازه داری با برنامه نویسی آشنا میشی و هنوز خیلی از مباحث برنامه نویسی برات گنگ و مبهمه، ما اینجا قراره درباره مباحث به روز برنامه‌نویسی حرف بزنیم، چیزایی که واقعاً توی بازار کار امروز به کار میاد و خیلی‌ها هنوز درگیرش نشدن یا ازش جا موندن.
هدفمون اینه که توی کدمنتا، همیشه یه قدم جلوتر از خیلی‌ها باشی و بدون هیچ حاشیه‌ای، با جدیدترین روندها و متدهای برنامه‌نویسی آشنا بشی.
پس اگه دوست داری همیشه به‌روز باشی و از آخرین تحولات دنیای کدزنی جا نمونی، یا اگر تازه داری برنامه نویسی یادمیگیری و تازه با دنیای برنامه نویسی اشنا شدی ، کدمنتا دقیقاً همون جاییه که باید عضو بشی.
اگر تمایل داشتی عضو شو و به جمع ما بیا:
🆔 @CodeMenta
به امید دیدن شما در کدمنتا! 💻✨
🔥3