🔸پژوهشگران آزمایشگاه یادگیری ربات در Imperial College London روشی جدید به نام MT3 ارائه کرده‌اند که به یک بازوی رباتیک اجازه می‌دهد ۱۰۰۰ وظیفه مختلفِ دستکاری اشیا را در کمتر از یک روز یاد بگیرد. هر وظیفه فقط با یک نمایش انسانی آموزش داده می‌شود و ربات بلافاصله پس از همان نمایش قابل استفاده است، بدون نیاز به آموزش اضافی یا داده‌های حجیم.

ایده اصلی MT3:

تقسیم حرکت ربات به دو مرحله
استفاده از بازیابی نمونه

مزایا:

یادگیری سریع و کم‌هزینه از نظر داده
رفتار قابل توضیح و قابل اعتماد
جلوگیری از انجام حرکاتی که قبلاً به ربات آموزش داده نشده‌اند

این تحقیق نشان می‌دهد آموزش گسترده ربات‌ها بدون دیتاست‌های عظیم هم امکان‌پذیر است.

🔸دمیس هسابیس، مدیرعامل Google DeepMind، توی مصاحبهٔ جدیدش که دیروز منتشر شده، دربارهٔ «حباب هوش مصنوعی» صحبت کرده.

🔻به‌گفتهٔ او، بعضی از استارتاپ‌های هوش مصنوعی که ارزش‌گذاری‌شون به ده‌ها میلیارد دلار رسیده، به‌شدت بیش‌ازحد گران‌قیمت هستن و احتمالاً یه اصلاح جدی در راهه.

🔻هسابیس می‌گه هوش مصنوعی در کوتاه‌مدت بیش‌ازحد بزرگ‌نمایی شده، اما در میان‌مدت و بلندمدت هنوز اون‌قدر که باید قدرش دونسته نشده. به نظرش، توی بخش‌هایی از اکوسیستم—به‌خصوص استارتاپ‌های مرحلهٔ بذری (Seed) که قبل از اثبات هر چیزی با ارزش‌گذاری‌های چند ده میلیاردی سرمایه جذب می‌کنن—واقعاً یه «حباب AI» وجود داره که پایدار نیست.

🔻با این حال، اون بین این وضعیت و شرکت‌های بزرگ فناوری تفاوت قائل می‌شه و می‌گه در بیگ‌تک‌ها پشت این ارزش‌گذاری‌ها کسب‌وکار واقعی وجود داره، هرچند موفقیت نهایی همچنان به نحوهٔ اجرا بستگی داره. از نظرش، رونق‌ها و اصلاح‌ها برای فناوری‌های تحول‌آفرین کاملاً طبیعی هستن؛ درست شبیه چرخه‌هایی که قبلاً برای اینترنت و موبایل دیدیم.

🔸ابزار Teachable Machine یه ابزار آنلاین و رایگان از گوگله که کمک می‌کنه بدون بلد بودن برنامه‌نویسی، خیلی راحت مدل‌های هوش مصنوعی بسازی. تو این سایت می‌تونی با استفاده از عکس، صدا یا ویدیو به سیستم آموزش بدی تا چیزهای مختلف رو تشخیص بده. همه‌چیز خیلی ساده و مرحله‌به‌مرحله انجام می‌شه و در نهایت هم می‌تونی از مدلت تو پروژه‌های مختلف، سایت یا اپلیکیشن استفاده کنی. مناسب دانش‌آموزا، دانشجوها و هرکسی که دوست داره وارد دنیای هوش مصنوعی بشه.

با این ابزار اینجا کار کنین

گروهی از پژوهشگران ایده‌ی جالبی مطرح کرده‌اند:

به‌جای اینکه بپرسیم «هوش مصنوعی چقدر باهوش است؟»، بهتر است بپرسیم:
«هوش مصنوعی تا چه حد می‌تواند یک کار طولانی را از ابتدا تا انتها، بدون کمک انسان، انجام دهد؟»

یعنی معیار سنجش را «طول و پیچیدگی کاری که هوش مصنوعی می‌تواند کامل کند» قرار داده‌اند.

یکی از یافته‌های آنها در این بررسی این بوده که سرعت رشد هوش مصنوعی طی شش سال گذشته به صورت نمایی رشد کرده (که البته این را همه می‌دانیم و چیز عجیبی نیست).

اما آنها نشان داده‌اند که در حال حاضر توانایی هوش مصنوعی در انجام کارهای طولانی (در حوزه مهندسی نرم‌افزار) تقریبا هر ۷ ماه دو برابر می‌شود!

منبع

این شرکت‌ها با وجود عمر کوتاهشان، برخی حتی تنها چند ماه،‌ به ارزش‌هایی در حد صدها میلیارد دلار رسیده‌اند؛ ثروتی که حتی شاهان، حاکمان و سیاستمداران نیز با تصاحب یک کشور نمی‌توانند آن را به‌طور امن در اختیار بگیرند. با این حال، این شرکت‌ها بدون ادعای مالکیت از سوی دیگران و با حداقل تهدید، به ثروتی افسانه‌ای دست یافته‌اند.

🔸فانکشن گما ؛ ایجنت هوش مصنوعی گوگل که مستقیم روی گوشی اجرا می‌شود

🔻گوگل به‌تازگی FunctionGemma را منتشر کرده؛ یک مدل جمع‌وجور که کاملاً آفلاین روی موبایل اجرا می‌شود و فرمان صوتی را بدون هیچ ارتباطی با کلود، به عمل واقعی سیستمی تبدیل می‌کند.

🔻فانکشن گما چیست؟
مدل ۲۷۰ میلیون پارامتری بهینه‌شده برای موبایل

کاملاً خصوصی؛ هیچ داده‌ای از گوشی خارج نمی‌شود

تبدیل زبان طبیعی به دستور اجرایی سیستم

بدون سرور و بدون تأخیر شبکه

🔻چطور کار می‌کند؟
شما صحبت می‌کنید
مدل نیت شما را روی خود گوشی تحلیل می‌کند
به توابع سیستمی تبدیل می‌کند
دستور فوراً اجرا می‌شود
مثال:
«جان را با شماره 555-1234 به مخاطبین اضافه کن» مخاطب ذخیره می‌شود، بدون اینترنت.

چرا مهم است؟
دستیارهای معمولی وابسته به کلود هستند
فانکشن‌گما با تأخیر حدود ۰.۳ ثانیه روی دستگاه اجرا می‌شود
حتی بدون آنتن هم کار می‌کند
حریم خصوصی به‌صورت پیش‌فرض رعایت شده

🔻چه کارهایی می‌تواند انجام دهد؟
تنظیم آلارم و یادآور
ساخت رویداد تقویم
کنترل خانه هوشمند
مسیریابی محلی
ثبت فعالیت‌های ساده

🔻یک نکته فنی کوتاه
۲۷۰ میلیون پارامتر
دقت حدود ۸۵٪ بعد از فاین‌تیون
مصرف باتری بسیار کم برای استفاده روزمره
این فقط یک دستیار نیست؛ نشانه‌ی یک تغییر بزرگ است:
مدل‌های کوچک و محلی می‌توانند سریع‌تر، امن‌تر و کاربردی‌تر از مدل‌های بزرگ کلودی باشند.

🔸گوگل می‌خواد با قابلیت جدید Lecture Mode توی ابزار NotebookLM، کلاً دنیای یادداشت‌برداری رو عوض کنه. این ویژگی جدید، برعکس اون خلاصه‌های صوتی کوتاه قبلی، میاد جزوه‌ها و اسنادت رو تبدیل می‌کنه به یه درس صوتی پیوسته و کامل؛ دقیقاً انگار یه استاد هوش مصنوعی نشسته تو خونه داره بهت درس می‌ده. خودت می‌تونی منابع رو انتخاب کنی و بگی کلاست تا ۳۰ دقیقه طول بکشه. هنوز جزئیات دقیقش و اینکه چه زبونایی رو ساپورت می‌کنه معلوم نیست، ولی این قابلیت می‌تونه NotebookLM رو تبدیل کنه به یه آموزشگاه شخصی خیلی خفن.

🔸این ویدئو در مورد دیدگاه لری پیج (خالق گوگل) در مورد یادگیری مدیریت کسب‌وکار از طریق خواندن کتاب‌ها به جای مدارک دانشگاهی هست. خلاصه‌اش اینه:

🔻پیج می‌گه مدارک رو باید گذاشت توی کوزه و آبش رو خورد و به جاش کتاب بخونید. اون مدیریت رو از طریق خوندن کتاب‌های زیاد یاد گرفته.

مثال می‌زنه که موقع تغییر نام گوگل به آلفابت، سه تا کتاب در مورد نام‌گذاری خونده و خودش رو متخصص دونسته (با طعنه).

این رویکرد رو به ایلان ماسک هم نسبت می‌ده که طراحی موشک و آسترودینامیک رو از کتاب خوندن و حرف زدن با آدم‌های باهوش یاد گرفته.

پیام اصلی: استارت‌آپ‌ها پر از مشکل هستن و بهترین راه حل، مطالعه عمیق و هدفمند کتاب‌هاست. این کار مدارک گرون و زمان‌بر مثل MBA رو به چالش می‌کشه و مزیت رقابتی ایجاد می‌کنه.

در نهایت، خودآموزی عمیق رو به عنوان یک "سلاح تهاجمی" توصیف می‌کنه که اجازه می‌ده مشکلات رو سریع حل کنی، در حالی که دیگران درگیر آموزش‌های رسمی هستن.

🔸طی سال های 2011 تا 2016 «هوش مصنوعی» Visual Media Reasoning توسط DARPA ساخته شد که بر روی تحلیل عکس‌ها و ویدیوهای بدون ساختار (مثلاً از مخالفان یا تروریست‌ها) تمرکز داشت تا اطلاعات مفیدی مانند «چه کسی/چه چیزی/کجا/کی» استخراج کند!

منبع

🔸ژاپن جدیدا با موفقیت سیستمی رو ازمایش کرد که در فضا برق تولید می‌کند و آن را به صورت بی‌سیم به زمین منتقل می‌کند. پنل‌های خورشیدی که در مدار قرار گرفته‌اند، انرژی را جمع‌آوری کرده و با استفاده از انتقال مایکروویو به یک ایستگاه زمینی ارسال می‌کنند. انرژی مایکروویو پس از دریافت در زمین، دوباره به برق قابل استفاده تبدیل می‌شود. این نشان می‌دهد که می‌توان برق را فراتر از سیاره برداشت و بدون کابل‌های فیزیکی یا حمل سوخت تحویل داد.

🔻هدف این آزمایش ارسال حدود ۱ کیلووات برق از مدار به زمینی در یک مسافت نسبتاً کوتاه است — برق کافی برای روشن کردن یک وسیله کوچک خانگی به مدت کوتاه.

🔻این آزمایش هنوز در مرحلهٔ اثبات مفهوم (proof-of-concept) است و هنوز به مرحلهٔ تجاری یا عملیاتی کامل نرسیده.

حالا که فصل امتحاناته؛
مبادا از NotebookLM غافل بشید.
منابع رو بهش میدید (پی‌دی‌اف، لینک و...) حتی به فارسی
بعد شروع کنین باهاش چت کردن و پرسیدن
اسلاید/خلاصه/مایندمپ/چارت/پادکست
حتی فیلم آموزش/پرزنتیشن درست می‌کنه!

منبع

🔸پایان عصر فالوورها: الگوریتم‌ها چگونه قوانین شبکه‌های اجتماعی را تغییر دادند؟

🔻در شبکه‌های اجتماعی امروز، تعداد فالوورها دیگر معیار اصلی موفقیت نیست و قواعد بازی عوض شده است.

🔻با تسلط کامل الگوریتم‌ها بر پلتفرم‌ها، دیده‌شدن محتوا شکل تازه‌ای پیدا کرده و داشتن فالوورهای زیاد دیگر تضمین نمی‌کند که محتوا حتماً به مخاطبان نمایش داده شود. امبر ونز باکس، مدیرعامل LTK، این تغییر را تأیید می‌کند و می‌گوید الگوریتم‌ها نقش اصلی را در توزیع محتوا به‌عهده گرفته‌اند.

🔻جک کانته، مدیرعامل Patreon، سال‌ها قبل چنین وضعیتی را پیش‌بینی کرده بود. حالا اینفلوئنسرها و استریمرها مجبورند برای حفظ جایگاه خود، رویکردها و استراتژی‌های جدیدی را امتحان کنند و صرفاً به تعداد دنبال‌کننده تکیه نکنند.

🔻در همین حال، تحقیقات دانشگاه نورث‌وسترن نشان می‌دهد اعتماد کاربران به تولیدکنندگان محتوا در سال جاری ۲۱ درصد افزایش یافته است. این موضوع نشانه‌ای از حرکت تدریجی از تمرکز بر کمیت فالوورها به سمت کیفیت تعامل و ارتباط واقعی با مخاطب است.

🔻برای هماهنگ شدن با این شرایط جدید، روش‌هایی مثل کلیپ‌سازی و تولید محتوای کوتاه و هدفمند رواج پیدا کرده‌اند. این روش‌ها به تولیدکنندگان کمک می‌کنند بدون وابستگی به تعداد فالوورها، هم نظر الگوریتم‌ها را جلب کنند و هم به مخاطبان جدید برسند.

🔸مهارتهای اصلی مورد نیاز تا سال ۲۰۳۰

این نمودار بر اساس داده‌های مجمع جهانی اقتصاد نشان می‌دهد که بازار کار در حال عبور از «دوران تخصص صرف» به «دوران ترکیب انسان و فناوری» است. مهارت‌هایی که تا دیروز مزیت رقابتی بودند، امروز به پیش‌نیاز تبدیل شده‌اند و آنچه افراد را متمایز می‌کند، توانایی تفکر، یادگیری و سازگاری مداوم است.

🔻مهارتهای اصلی تا سال ۲۰۳۰ (در حال حاضر جزء مهارتهای هسته هستند و انتظار میرود اهمیت بیشتری پیدا کنند)
هوش مصنوعی و کلان داده
سواد فناوری
کنجکاوی و یادگیری مادام‌العمر
مدیریت استعداد
تفکر خلاق
پایداری، انعطاف و چابکی
رهبری و تاثیر اجتماعی
تفکر تحلیلی
انگیزه و خویش آگاهی
تفکر سیستمی

🔻مهارتهای در حال ظهور (در حال حاضر ضروری نیستند اما انتظار میرود که بهره‌گیری از آنها بیشتر شود.)

شبکه و امنیت شبکه
حفاظت و مسولیت پذیری زیست محیطی
طراحی و تجربه کاربر

🔻مهارتهای پایدار (مهارتهایی که در حال حاضر مهم هستند اما انتظار رشد در آنها نیست)
همدردی و گوش دادن فعالانه
خدمات مشتری و سرویس
مدیریت منابع و عملیات

🔻مهارتهای خارج از تمرکز آینده
برنامه‌نویسی
بازاریابی و رسانه
آموزش و منتورینگ
کنترل کیفیت
چندزبانگی
شهروندی جهانی
توانایی پردازش حسی
مهارتهای دستی
استقامت و دقت فیزیکی
خواندن، نوشتن و ریاضیات

🔸امنیت شغلیِ کارهای یدی (یقه‌آبی) هم دیگه تضمین شده نیست. نگاهی دقیق به ظرافتِ عملکرد ربات‌های "کایبر لبز" در انجام کارهای دستی بندازید؛ واقعاً دیوانه‌کننده‌ست!»

🚗 وقتی اژدهای چینی از تسلا سبقت گرفت!

داستان صعود خیره‌کننده BYD در بازار خودروهای برقی

سال ۲۰۲۵ برای بازار خودروهای برقی یک سال معمولی نبود؛ یک نقطه عطف واقعی بود. جایی که BYD موفق شد در فروش خودروهای تمام‌برقی، از Tesla جلو بزند.

شرکت BYD در این سال حدود ۲.۲۶ میلیون خودروی تمام‌برقی فروخت، در حالی که تحویل‌های سالانه تسلا نزدیک به ۱.۶۴ میلیون دستگاه گزارش شد.

اما داستان BYD فقط به «تمام‌برقی»‌ها ختم نمی‌شود. این شرکت در مجموع خودروهای انرژی نو (NEV) مسافری، به عدد چشمگیر ۴.۵ میلیون دستگاه رسید. فروش خارج از چین هم رکورد زد: بیش از یک میلیون خودرو در سال، با رشد سال‌به‌سال ۱۵۰ درصدی. عددی که نشان می‌دهد BYD دیگر فقط یک بازیگر داخلی نیست.

راز موفقیت BYD بیشتر از هر چیز، ترکیب حجم تولید و قیمت‌گذاری تهاجمی است. بازار چین وارد یک جنگ قیمتی جدی شد و BYD عملاً ضرب‌آهنگ را تندتر کرد. قیمت شروع بعضی مدل‌ها مثل Seagull تا حوالی ۵۵ هزار یوان پایین آمد و بقیه خودروسازها ناچار شدند واکنش نشان بدهند.

برگ برنده بعدی، باتری و تکنولوژی است. BYD با سرمایه‌گذاری سنگین روی باتری Blade با شیمی LFP، روی ایمنی، دوام و پایداری حرارتی مانور می‌دهد؛ باتری‌ای که هم چرخه شارژ بالاتری دارد و هم در بحث ایمنی، امتیاز مهمی محسوب می‌شود.
نکته کلیدی دیگر، پوشش دادن سلیقه‌های مختلف است. BYD در کنار خودروهای تمام‌برقی، فروش بالایی در پلاگین‌هیبریدها دارد؛ بیش از ۲.۲ میلیون دستگاه در سال ۲۰۲۵. همین موضوع باعث شده مشتری‌هایی که هنوز با شارژ و سفر طولانی راحت نیستند هم وارد دنیای خودروهای برقی شوند.

البته مسیر ۲۰۲۶ ساده نیست. طبق گزارش رویترز، رشد BYD در ۲۰۲۵ کندترین رشد پنج سال اخیرش بوده و حالا شرکت نگاه جدی‌تری به بازارهای خارجی دارد؛ حتی هدف فروش تا ۱.۶ میلیون خودرو خارج از چین در سال ۲۰۲۶ مطرح شده.
در این مسیر، سیاست و تعرفه هم نقش پررنگی دارند؛ از عوارض ضدیارانه اتحادیه اروپا روی خودروهای برقی ساخت چین گرفته تا بحث‌های گاه‌وبی‌گاه درباره تعیین «حداقل قیمت».

جمع‌بندی ساده است: BYD با شعار و هیجان جلو نیامده؛ با مقیاس تولید، قیمت‌گذاری جسورانه و تمرکز روی صادرات جلو زده.

🔸 وقتی ذهن جای دست‌ها را می‌گیرد؛
کنترل ربات‌ها فقط با فکر

🔻برای اولین‌بار، یک بیمار با آسیب شدید نخاعی در چین توانسته در دنیای واقعی و روزمره، چند ربات مختلف را فقط با استفاده از یک ایمپلنت مغزی کنترل کند. این بیمار سه سال است که از گردن به پایین کاملاً فلج شده.

🔻با کمک رابط مغز–رایانه (BCI)، او می‌تواند کارهایی انجام دهد که تا همین چند سال پیش شبیه داستان‌های علمی‌–تخیلی بود: سفارش آنلاین غذا، فرستادن یک سگ رباتیک برای تحویل گرفتن سفارش، انجام کارهای دیجیتال پول‌ساز و حتی جابه‌جایی در محله با کمک سامانه‌های رباتیک.

🔻تفاوت بزرگ این پروژه با نمونه‌های قبلی در یک نکته کلیدی است؛ این سیستم فقط در آزمایشگاه کار نمی‌کند، بلکه در زندگی روزمره و شرایط واقعی پایدار و قابل اعتماد است.

🔻این پیشرفت، گامی جدی برای آینده رابط‌های مغز–رایانه است؛ آینده‌ای که در آن افراد دچار فلج شدید می‌توانند استقلال عملی پیدا کنند و حضور فعال‌تری در کار و زندگی اجتماعی داشته باشند.

🔸سه موضوع مهم از منظر ناوال راویکانت:

کجا زندگی کنیم؟
انتخاب شهر یا کشوری که در آن زندگی می‌کنی؛ جایی که روی شغل، روابط اجتماعی، سبک زندگی و رضایت کلی از زندگی تأثیر عمیق دارد.

با چه کسی وارد رابطه شویم؟
انتخاب شریک عاطفی یا همسر؛ رابطه‌ای که می‌تواند سال‌ها از زندگی تو را شکل بدهد و روی سلامت روان، رشد فردی و خوشبختی‌ات اثر مستقیم دارد.

چه کاری انجام دهیم؟ (شغل یا مسیر حرفه‌ای)
انتخاب شغل یا مسیر شغلی؛ کاری که هر روز زمان و انرژی‌ات را می‌گیرد و روی درآمد، هویت، یادگیری و آینده‌ات اثر می‌گذارد.

منبع

https://mraei.com/the-widening-ai-value-gap/

آینده متعلق به ۵٪ شرکت‌های AI-First است

🔸جمع‌بندی خیلی کوتاه
- آن ۵٪ موفق، AI را استراتژی کسب‌وکار می‌دانند نه صرفاً تکنولوژی
ـ روی جریان‌های کاری و P&L تمرکز دارند
- سریع مقیاس می‌کنند
ـ و انسان، داده و تکنولوژی را هم‌زمان جلو می‌برند
به همین دلیل هر سال از بقیه جلوتر می‌افتند و شکاف ارزش را عمیق‌تر می‌کنند

جهت مطالعه جزئیات روی لینک کلیک کنید

🔸من به شرکتهایی که مشاوره هوش مصنوعی می‌دم همیشه این ۳ تشخیص رو در نظر دارم:

1️⃣ اینکه AI واسه این شرکت اصلاً لازم هست یا نه؟

2️⃣ اینکه مشکل «داده» است یا «فرآیند»؟

3️⃣ اینکه مشکل «انسان» است یا «تکنولوژی»؟