خب حالا اگر NPC واقعا فکر کنه چی؟

تا اینجا دیدیم که خیلی از NPCهای بازی‌ها با چیزهایی مثل Behavior Tree کار می‌کنند.
یعنی سازنده از قبل مشخص کرده و یه سری شروط منطقی وجود داره.

اگر لازم نباشه تمام این رفتارها را از قبل برای NPC تعریف کنیم چی؟

اینجاست که پروژه‌هایی مثل SIMA از Google DeepMind میان وسط.

خب SIMA مخفف اینه:
Scalable Instructable Multiworld Agent

نسخه‌ی اول در سال 2024 معرفی شد و هدفشون این بود که یک Agent بتونه در محیط‌های مختلف بازی، محیط رو ببینه و با دستور زبان طبیعی کارهایی انجام بده.

اما در نوامبر 2025، گوگل نسخه‌ی جدیدی به نام SIMA 2 معرفی کرد.

مدل SIMA 2 با مدل‌های Gemini ترکیب شده و فقط منتظر دستور نیست.

میتونه ببینه، هدف رو بفهمه و استدلال کنه و تصمیم بگیره تا عملی انجام بده.

می‌شه یک هدف کلی‌تر بهش بدیم و Agent خودش سعی کنه بفهمه برای رسیدن به این هدف چه کارهایی باید انجام بده.

حتی DeepMind گوگل میگه SIMA 2 می‌تونه با کاربر گفتگو کنه و در طول تعامل، عملکرد خودش رو بهتر کنه.

البته این به معنی این نیست که بازی‌های امروزی الگوی Behavior Tree رو کنار بذارند.

الگوهای Behavior Tree، FSM، Utility AI و سیستم‌های مشابه هنوز ابزارهای بسیار مهمی برای ساخت رفتارهای قابل‌کنترل NPC ها هستند خصوصا در دنیای رباتیک.

مدل SIMA از اون دست پروژه‌هایی هست که دنیای گیم به سمتش میره.
و احتمالا در آینده اگر گیم بزنیم با کارکترها میتونیم صحبت کنیم، هر شخص متفاوت و پشت کارکتر یک مغز واقعی Ai باشه.

#BehaviorTree
#GameAI
#NPCAI

@mathloopinfinite

این مکالمه بین «هاول» و «سوفی» صفر تا صد با مدل جدید Gemini 3.8 Flash TTS گوگل رندر شده.
​تفاوت وحشتناک این نسل با تمام مدل‌های قبلی اینه که دیگه فقط یه متن‌خوان رباتیک نیست؛ عمق فرکانس صدا، کنترل لرزش حنجره موقع بغض، مکث‌های سنگین و بازیگری خط‌به‌خط روی دیالوگ‌ها انجام میده.
​این مدل مستقیما توکن‌های صوتی را در سطح هسته نورونی خود درک و رندر می‌کند.
به همین دلیل وزن احساسی، تمپو، لرزش تار صوتی و حتی نفس کشیدن‌ها مستقیما با معنای واژه‌ها گره می‌خورند.

این مدل می‌تواند متن‌های طولانی را بدون افت کیفیت به پادکست صوتی تبدیل کند.

در گوگل استودیو میتونید این مدل رو تست و استفاده کنید.

برای اینکه قدرت شگفت‌انگیز مدل رو عمیقا تست کنید با زبان انگلیسی انجامش بدید.

پ. ن: چون با گوشی ضبط کردم نویز محیط با صدا قاطی شده.

#Gemini #TTS


@mathloopifinite

می‌خوای لینوکس شروع کنی از صفر؟🐧

یه سایت خیلی بامزه هست به اسم Labex که می‌تونید پله به پله و از صفر صفر، لینوکس پایه رو شروع کنید. چیز جالب‌تر اینه که اصلا نیازی به بوت کردن لینوکس روی ماشین مجازی سیستمتون ندارید! خود سایت ترمینال آنلاین فراهم کرده که برای کاربران عادی، ۳ بار می‌تونید بازش کنید، در صورتی که پرمیوم باشید این محدودیت رو ندارید. یه دستیار ai هم هست کمکتون و بهتون میگه چیکار کنید، اگر به مشکل خوردید می‌تونید ازش بپرسید، و بعد از انجام دستورات در ترمینال خودش بررسی می‌کنه که همه رو یه دور تمرین کرده باشید. اگر اشتباه کنید راهنمایی می‌کنه. البته این تنها دوره این سایت نیست و کلی مطالب دیگه می‌تونید در این سایت ببینید و یاد بگیرید.
شما هم اگر سایت‌ها و منابع جالبی می‌شناسید تو کامنت بگید👇🥸
#معرفی_سایت
#Linux
@mathloopinfinite

مقایسه‌ای کوتاه بین HolyC و Cpp❗️

شاید کنجکاو شده باشید که بدونید تری دیویس در زبان ساختگی خودش چه ویژگی‌های رو اعمال کرده‌🥸 بریم ببینیم!

تفاوت‌هایی که تری به سلیقه خودش ایجاد کرد:
۱.چاپ متن: در cpp برای یه چاپ ساده نیاز داریم که کلی پیش نیاز بنویسیم( include و main) و در نهایت cout. اما تری کار خودش رو خیلی راحت کرد، برای چاپ کردن یه متن فقط کافیه اون رو تو کوتیشین بنویسی!

#include <iostream>
using namespace std;
int main()
{
cout<<"Kyumars is Panjereh fan"<<endl;
return 0;
}

حالا در HolyC:

"Kyumars is Panjereh fan\n";

۲.حذف پرانتز‌های اضافی
فرض کنیم یه تابع داریم که هیچ آرگومان ورودی‌ای نداره، خب توی cpp در هر صورت اون پرانتز خالی رو می‌ذاریم، اما به نظر تری این کار بیهوده بود، پس حذفش کرد.

Function();

و حالا HolyC:

Function;

۳.نوع داده‌ها:
در HolyC اسم متغیر‌ها دقیقاً همون تعداد بیت‌های حافظه‌ست:

I8 a; //عدد صحیح ۸ بیتی=char
I32 m; //عدد صحیح ۳۲ بیتی=int
I64 i; //متغیر صحیح ۶۴ بیتی
F64 f; //عدد اعشاری=double

یه تغییر دیگه که تری اعمال کرد این بود که بجای استفاده void برای وقتی که توابع خروجی نداشتن، U0 رو استفاده کرد( مخفف Unsigned 0-bit).
همچنین یه سری ویژگی‌های cpp رو هم نگه داشت، مثلا برای مدیریت خطا از همون try-catch میشه استفاده کرد، و یا برای توابع میشه تو خود آرگومان مقدار پیش فرض اعمال کرد:

U0 function(I32 y=13)
{
//etc...
}

⌨️کامپایل شدن HolyC:

در سیستم عامل TempleOS، محیط سیستم عامل و کامپایل خیلی یکپارچه‌ست و به سخت افزار خیلی نزدیکه، بخاطر همین دسترسی خداگونه به Holyc میده و یه اشتباه ناجور توی کد ممکنه به سیستم عامل برسه و کلاً TempleOS کرش کنه. جالبی اینجاست که تری این ویژگی‌ها رو عمدی ایجاد می‌کرد!
معرفی تری دیویس
#Terry_Davis
#HolyC
#ComputerHistory
#OS
@mathloopinfinite

🧠 جهشی جدید در ریاضیات با کمک مدل Muse Spark؛ پنج مسئله باز، پنج پاسخ جدید

دوروز پیش شرکت Meta از انتشار مجموعه‌ای شامل 6 مقاله پژوهشی خبر داد که در تهیه آن‌ها مدل هوش مصنوعی Muse Spark در حالت Thinking مستقیما با ریاضی‌دانان همکاری کرده است.

بر اساس گزارش Meta، این همکاری به نتایج جدیدی برای 5 مسئله ریاضیاتی باز منجر شده؛ مسائلی در حوزه‌هایی مانند:

🔹 احتمال و ریاضیات ابعاد بالا
🔹 معادلات دیفرانسیل و فروپاشی موجی
🔹 نظریه گروه‌ها
🔹 بهینه‌سازی
🔹 نظریه اعداد و هندسه p-adic
🔹 جبرهای غیرشرکتی

از میان این نتایج، یکی به مسئله‌ای درباره فروپاشی در زمان متناهی برای نوعی معادله شرودینگر غیرخطی مربوط است؛ مسئله‌ای که از سال ۲۰۱۵ باز مانده بود.

در مورد دیگری، مدل در پیدا کردن یک مثال نقض برای یک حدس در نظریه گروه‌ها نقش داشت. در یک پژوهش دیگر نیز یک مثال نقض سه‌بعدی برای یک حدس در جبرهای تکاملی پیدا شد.

ریاضی‌دانان مسئله‌ها را انتخاب و مسیر پژوهش را هدایت کردند و نتایج و اثبات‌های تولیدشده توسط مدل نیز بررسی و اصلاح شدند. حتی برخی از نتایج، به‌صورت مستقل توسط پژوهشگران دیگر نیز به دست آمده بودند.

با این حال، اهمیت ماجرا در چیز دیگری‌ست: Muse Spark ظاهرا توانسته از نقش حل‌کننده تمرین فراتر برود و در پژوهش ریاضی واقعی، در تولید ایده، اثبات، یافتن مثال نقض و فرمول‌بندی نتایج مشارکت کند.

📅 تاریخ انتشار رسمی: ۲ اکتبر ۲۰۲۶

🔗 لینک خبر Meta:

https://research.meta.ai/blog/solving-open-research-problems-together


#AIResearch
#Mathematics

@mathloopinfinite