📒 اما می ریم سراغ اصل مطلب: چطور باهاش اینفوگرافیک های خفن و طبیعی بسازیم... ♦️ همون طور که در ادبیات هوش مصنوعی میگن AI Slop نباشه (یه چیز ضایع کلیشه ای بی ارزش!) ⚠️ اول از همه بگم: توقع یه چیز ۱ دقیقه ای رو نداشته باشین! یه مقدار باید زمان بذارین. در این روش، اگه راه بیفتین حدود ۱۰ تا ۳۰ دقیقه زمان می بره طراحی یک اینفوگرافیک که باز هم نسبت به فوتوشاپ خیلی سریع تره!! 💎 گام به گام ساخت اینفوگرافیک به روش متاکاگی!!! 1️⃣ آشنایی و ایده یابی این گام رو میشه skip کرد اما من پیشنهاد نمی کنم! برید‌ در Pinterest و سرچ کنین Infographic و هم چنین font و از بین طرح ها و فونت های موجود حداقل یکی از تصاویر رو دانلود کنین. هم چنین یه مقداری خودتون رو باید با کلید واژه های استایل اینفوگرافیک آشنا کنید. بدین منظور یک فایل MD این پایین براتون گذاشتم به نام «کلید واژه 🆚 اثر اصلی» که در اون مثلا میگه Cinematic یعنی مثه فیلما و یا Editorial یعنی به زیبایی مجله های معتبر. 2️⃣ یک اسکیل فوق العاده براتون آماده شده که با اصول این مدل ساخت تصویر، و هم چنین تعدادی قالب و فونت و... تعلیم داده شده. بعد از نصب ش در کلاد، فقط کافیه اینو تایپ کنین تا فعال بشه:

/reve-2-prompter

3️⃣ بعد از فعالسازی اسکیل، باید ۹ ورودی اون رو وارد کنین. لیست کامل شون به همراه توضیحات در یه فایل MD این پایین به نام Reve 2 Prompter Input Menu موجوده. اما اینجا فارسی هم یه توضیحی میدم: ◀️ منبع (متن خام، لینک، فایل) ◀️ تعداد خروجی (برای مواقعی که بیشتر از یک تصویر می خواهید بسازید، بیشتر از یک پرامپت هم نیازه! - پیش فرض یک) ◀️ حالت ساماندهی متن یا TOM - پایین: متون کوتاهی که با تغییر جزئی عیناً در تصویر میان. - متوسط: متون نسبتاً بلند که نیاز به خلاصه سازی و تغییر نظم دارن. - بالا: متون بلند یا پراکنده (چند منبعی) که نیاز به تغییرات زیاد و حتی تغییر لحن و ادبیات دارند. ◀️ تصویر و تجسم (IV) - استاندارد: استفاده از تصاویر، چارت، نمودار، جدول و... فقط برای شفاف سازی مطلب (حدوداً یک سوم کل اینفوگرافیک) - مکس: تصاویر بیشتر برای زیبایی و جذابیت استفاده شوند. متون هم به شکل عبارات کوتاه و کلید واژه ای تبدیل شوند. ◀️ نحوه استفاده از تصویر مرجع (RIU) - حالت Integration: عین خودشون استفاده بشن؛ بدون تغییر. - حالت Inspiration: فقط برای ایده گیری و الهام بخشی استفاده بشن (برای فونت و قالب و ساختار و حس و حال) 🙂 جالب این جاست خود وبسایت هم این موضوع رو داخل ش آورده. بالا سمت راست منوی Edit روی Reference Image بزنید دو حالت داره: یکی Literal و یکی هم As inspiration دقیقا مثه ما. هر کدوم رو می خواهید بزنید به Claude که می خواد بهتون پرامپت رو بده باید بگید مخصوص همون بزنه براتون! ◀️ ابعاد که معمولا 4:3 (افقی) یا 3:4 (عمودی) می زنیم ◀️ استایل، مود، وایب (SMV): در اینجا می تونین چندتا از اون کلید واژه ها که در مرحله اول یاد گرفتین رو بگین. ◀️ زبان خروجی: انگلیسی یا فارسی ◀️ کنترل فنی: در اینجا معمولا ۳ تا موضوع مطرحه: - وقتی چندتا عکس مرجع آپلود کردین بگین هر کدوم چی هست! - قفل متن: اگر یه چیزی مثه عنوان می خواهید عیناً چیزی باشه که شما در ذهن تونه، اونو بگید! - سطح لایه برداری یا Segmentation رو هم مشخص کنید ♦️ ساده برای تقسیم تصویر تون به چندتا ناحیه بزرگ ♦️ استاندارد برای قسمت بندی روتین اینفوگرافیک ها ♦️ دانه ای برای عناصر مستقل قابل ویرایش بسیار کوچک (اگه می خواهید خیلی ریز برید بعد ساخت ویرایش ش کنید که کسی معمولا اینو نمی زنه!) 🎨 برای نمونه کار، همون تصویر بالا که با Chat GPT ساخته شده بود رو بازسازی کردیم تا تفاوت ها رو بهتر متوجه بشین 👇

🎨 خروجی اول: حالت Literal 💥بعد از دریافت خروجی اولیه، فونت ها تغییر داده شدن و لوگو متاکاگ هم کمی بزرگتر شد و درخشش بهش داده شده و نتیجه این طوری شد!

🎨 خروجی دوم: حالت As inspiration 💥 بعد از دریافت خروجی قبلی، حالت رو تغییر دادیم و از پایین صفحه Reroll رو زدیم. بعدش افکت نور Halation رو اضافه کردیم و لوگو متاکاگ هم که در این حالت خراب شده بود رو حذف کردیم و لوگو اصلی رو اضافه کردیم و افکت جرقه هم بهش دادیم و خروجی نهایی این طوری شد! 💢 #تجربه_نگار می تونین از پرامپت اولیه تون چندتا خروجی بگیرین. در ادامه هم ویرایشی داشتید در چت باکس سمت راست بگید: ✍️ Do it again ✍️ Apply the changes once again to see whether it becomes satisfactory ✍️ Create a different variation of this adjustment خروجی های مختلف رو بررسی کنین و وقتی اصل ش اوکی شد برید سراغ افکت و تغییرات جزئی. 🤔 سوالی هم بود در پی وی می تونین بپرسین: 🆔 @MetaCognition

📖 کلید واژه های سبک و حس و حال

📖 منوی ورودی های اسکیل

📖 فایل اسکیل «پرامپت نویس Reve 2» 🌐 متاکاگ | فراتر از شناخت

💠 چین همه رشته های هنر و انسانی را فدای هوش مصنوعی می کند!! 🔷 دلایلی از جمله رقابت قدرت جهانی و یا نرخ ۱۶ درصدی بیکاری جوانان باعث شده دولت چین در طی طرحی که از سال ۲۰۲۱ آغاز شده تا کنون بیش از ۱۲۲۰۰ رشته های گروه هنر و علوم انسانی را در سطوح کاردانی و کارشناسی از دانشگاه های خود حذف کرده و آنها را با هوش مصنوعی و رباتیک و ساخت تراشه و رشته های این چنینی جایگزین کرده است! 🔷 طبق سخن وزیر آموزش و پرورش چین، از این پس تنها رشته هایی باقی می مانند که ارتباط مستقیم با «مصرف ملی» داشته باشند. این طرح تا کنون حدود یک سوم کل دانشگاه های چین را درگیر کرده است! 📒 منبع خبر (نشریه فُربز) #هوش_مصنوعی #آخرین_اخبار_تکنولوژی 🌐 متاکاگ | فراتر از شناخت

💠 ساخت اینفوگرافیک فارسی 🔷 ابزار Reve 2 که بالا معرفی کرده بودیم، متأسفانه پشتیبانی از زبان فارسی نداره! اما باز هم اگر قصد ساخت اینفوگرافیک های این طوری (که داد نمی زنند ساخت هوش مصنوعی هستن!) دارین؛ یه راه حلی وجود داره: 1️⃣ از همون اسکیل قبلی و شیوه گفته شده استفاده کنین تا پرامپت رو از Claude بگیرین. 2️⃣ در Chat GPT تصویر رو بسازین. 3️⃣ همونجا (بعد از اینکه کنوا رو متصل کردین) بنویسین: @Canva Make this open layer and editable. 4️⃣ روی لینک بزنین تا تصویر به محیط کنوا منتقل بشه.‌ متون همه به هم می ریزند اما تصاویر و قالب رو میشه نگه داشت. حالا یه فونت جدید انتخاب کنین، متون رو جای‌گذاری کنین و از تصاویر و استیکر های سرور کنوا هم استفاده کنین. 💢 #تجربه_نگار استفاده از این روش ۱-۲ ساعت زمان می بره و اگر اشتراک کنوا رو هم تهیه کرده باشین (که در فرا لایسنس کمتر از صد تومنه ماهانه!) خیلی بهتره (قابلیت ها و حتی استیکر های خوب قفل هستن در حالت رایگان) #آموزش #هوش_مصنوعی #ساخت_تصویر 🌐 متاکاگ | فراتر از شناخت

💠 ارتش داده‌محور؛ چگونه هوش مصنوعی و سنسورهای فضایی مفهوم برتری نظامی رژیم صهیونیستی را تغییر می‌دهند؟ 🔹 رسانه «آل‌ ایزرائیل نیوز» با انتشار گزارشی از تغییر پارادایم راهبردی در ارتش رژیم صهیونیستی پرده برداشته است. این گزارش که بر اساس مصاحبه تخصصی «جروزالم پست» با سرتیپ «یائل گروسمن»، فرمانده بخش فناوری و دیجیتال ارتش اسرائیل تنظیم شده، نشان می‌دهد که این رژیم در چارچوب یک برنامه پنج‌ساله، در حال بازآرایی ساختار عملیاتی خود بر پایه «انقلاب داده‌ها» و ادغام همزمان فضا، هوش مصنوعی، و جنگ الکترونیک برای مواجهه با توازن قدرت جدید در منطقه است. ▫️ تغییر بستر نبرد به لایه مداری: بر اساس طرح پنج‌ساله «ایال زامیر» (رئیس ستاد مشترک ارتش اسرائیل)، فضا به عنوان میدان نبرد رسمی و حیاتی در کنار سایبر و جنگ الکترونیک تعریف شده و ردیف‌های بودجه‌ای کلانی برای توسعه این زیرساخت‌ها تخصیص یافته است. ▫️ جهش کوانتومی در جمع‌آوری داده‌های جاسوسی: مقامات وزارت جنگ این رژیم مدعی شده‌اند که در جریان عملیات موسوم به «شیر خروشان» (Rising Lion) در ژوئن ۲۰۲۵، بیش از ۱۲ هزار تصویر و در طول درگیری‌های اوایل سال جاری میلادی (۲۰۲۶) با ایران، بیش از ۵۰ هزار تصویر ماهواره‌ای با هدف مخابره بی‌درنگ (Real-time) داده‌های هدف‌گیری به نیروی هوایی ثبت و پردازش شده است. ▫️ آرایش تیپ‌های تخصصی در میدان نبرد الکترومغناطیس: فعال‌سازی تیپ تخصصی «سفیرا» (Sfeira) جهت مدیریت طیف الکترومغناطیسی نبرد داده‌ها و گردان ۵۱۱۴ جنگ طیف (Spectrum Warfare)؛ پلتفرم‌هایی که به ادعای گروسمن، وظیفه خنثی‌سازی بخشی از توان پهپادی ایران و حزب‌الله در درگیری‌های اخیر را بر عهده داشته‌اند. ▫️ معماری متمرکز داده و تسلیحات خودکار: ارتش اسرائیل در حال توسعه یک سیستم داده یکپارچه است که در آن تمام شاخه‌های نظامی از یک ساختار دیجیتال مشترک تغذیه می‌کنند. در همین راستا، تسلیحات مبتنی بر هوش مصنوعی نظیر سامانه کنترل از راه دور SMASH Hopper برای مقابله با ریزپرنده‌ها وارد فاز عملیاتی گسترده شده است. ▫️ روایت تقابل زیرساختی: فرمانده فناوری ارتش اسرائیل با طرح این ادعا که کشورهای ایران، روسیه و چین در حال تلاش برای مختل کردن سیستم‌های ماهواره‌ای غربی هستند، اذعان کرد که پدافند فضایی و حفظ پایداری سیگنال‌های مداری، به بزرگ‌ترین چالش ژئوپلیتیکی آن‌ها تبدیل شده است. 🔺 تمرکز بی‌سابقه بر تصویربرداری ماهواره‌ای بلندمرتبه (ثبت ۵۰ هزار تصویر در چند ماه) اثبات می‌کند که چالش اصلی ارتش‌های مدرن، دیگر «کمبود اطلاعات» نیست، بلکه فرآیند انباشت و «کلان‌داده‌ها» (Big Data) است؛ مسئله‌ای که ارتش اسرائیل تلاش دارد آن را از طریق هوش مصنوعی و فشرده‌سازی چرخه «حسگر تا شلیک» (Sensor-to-Shooter Loop) حل کند تا بتواند عملیات در فواصل دور را مدیریت نماید. با این حال، این کلان‌راهبرد واجد یک ریسک پنهان و آسیب‌پذیری ساختاری شدید است: پاشنه آشیل دکترین «انقلاب داده» در ارتش‌هایی با این سبک، پدیده «تمرکزگرایی آسیب‌پذیر» است. هنگامی که تمام ارکان رزمی به یک شبکه داده متمرکز و زیرساخت‌های مداری (ماهواره‌ها) وابسته می‌شوند، ایجاد اختلال در لایه الکترومغناطیسی یا کور کردن سنسورهای فضایی، کل ساختار فرماندهی را با لکنت یا فلج ساختاری مواجه می‌کند. ادعای گروسمن مبنی بر تهدیدات سایبری و فضایی از سوی ایران و متحدانش، دقیقاً نشان‌دهنده درک این واقعیت است که جنگ‌های آینده در سطح «جنگ سیگنال‌ها» و بقای پلتفرم‌های مداری تعیین تکلیف خواهند شد. 🏷 پیوست خبری-تحلیلی 🌐 متاکاگ | فراتر از شناخت

💠 چگونه هوش مصنوعی عاملیت تحلیلی انسان را مصادره می‌کند؟ 🔹 مفهوم یادگیری، در طول تاریخ بشر همواره با «تلاش» گره خورده بود، اما پلتفرم تحلیلی «Data Science Collective» در مقاله‌ای جامع به قلم لورا ورگوت، از ظهور پارادایم جدیدی به نام «هوش بدون اصطکاک» (Frictionless Intelligence) پرده برداشته است. این گزارش عصب‌شناختی نشان می‌دهد که واگذاری فزاینده عملکردهای تحلیلی به هوش مصنوعی مولد، صرفاً یک ارتقای بهره‌وری نیست، بلکه در حال تغییر فیزیکی شبکه‌های عصبی مغز و دگرگون‌سازی مکانیزم‌های پایه در حافظه، یادگیری و استدلال انتقادی است. ▫️ تضاد پلاستیسیته عصبی با یادگیری ماشین: یادگیری انسانی یک فرآیند پرهزینه متابولیک است که از طریق «میلین‌سازی» (عایق‌بندی فیزیکی مسیرهای عصبی برای تسریع انتقال پیام) مغز را بازطراحی می‌کند. در مقابل، شبکه‌های عصبی مصنوعی (مانند MLPها) از طریق فرآیند ریاضی «پس‌انتشار» (Backpropagation) و تنظیم وزن‌ها یاد می‌گیرند و معماری آن‌ها پس از آموزش ثابت می‌ماند. تلاش و اصطکاک شناختی در انسان، نقصِ یادگیری نیست، بلکه دقیقاً همان مکانیزمی است که دانش را ماندگار می‌کند. ▫️ سندرم تخریب مسیریابی (درس‌های پیشینی از GPS): تحقیقات سال ۲۰۲۰ نشان داد که اتکای مداوم به GPS، استراتژی مغز را از «نقشه‌برداری فضایی» (درگیر کردن هیپوکامپوس) به «واکنش محرک-پاسخ» (تکیه بر جسم مخطط) تغییر می‌دهد. داده‌های طولی ثابت کرد این ابزارها ضعف مسیریابی را جبران نمی‌کنند، بلکه جایگزین فرآیندهای شناختی مغز شده و به مرور مهارت‌های فضایی را از بین می‌برند. ▫️ آزمایش ۲۰۲۵؛ سقوط اتصال عصبی در نگارش با هوش مصنوعی: در یک آزمایش چندماهه، فعالیت مغزی (از طریق EEG) سه گروه از نویسندگان بررسی شد. گروهی که از هوش مصنوعی مولد برای نگارش استفاده کردند، پایین‌ترین میزان اتصال عصبی را در نواحی مرتبط با بازیابی حافظه و برنامه‌ریزی اجرایی ثبت کردند. شگفت‌آورتر آنکه، این افراد پس از پایان کار، قادر به یادآوری یا دفاع از استدلال‌های متنی که «خودشان» تولید کرده بودند، نبودند؛ زیرا دانش، بیرون از ذهن یادگیرنده باقی مانده بود. ▫️ خطر جابجایی رشدی در نسل جوان: بیشترین کاربران هوش مصنوعی مولد در بازه سنی ۱۷ تا ۲۵ سال قرار دارند؛ دورانی که «قشر پیش‌پیشانی» (Prefrontal Cortex) مسئول کنترل تکانه و استدلال سطح بالا، در حال بلوغ نهایی است. برون‌سپاری کارهای تحلیلی در این پنجره حیاتی، ریسک «جابجایی رشدی» (Developmental Displacement) را به همراه دارد، جایی که مهارت‌های شناختی پیش از تکامل کامل، با الگوریتم‌ها جایگزین می‌شوند. 🔺در فاز نهایی آزمایش، زمانی که ابزار هوش مصنوعی از کاربران وابسته گرفته شد، آن‌ها دچار «کم‌کاری شناختی» شدند و نتوانستند فرآیندهای ذهنی برای استدلال مستقل را دوباره فعال کنند. این دقیقاً نقطه آغاز آسیب‌پذیری در برابر جنگ‌های شناختی و عملیات نفوذ است. هنگامی که ما «بار شناختیِ مفید» (Germane Load) یعنی همان درگیری مولد ذهنی برای درک مفاهیم را به بهانه راحتی حذف می‌کنیم، در واقع زیرساخت‌های عصبی لازم برای ارزیابی انتقادیِ خروجی‌ها را از دست می‌دهیم. در چنین شرایطی، سیستم‌های هوش مصنوعی با شبیه‌سازی لحن همدلانه و متنی روان، پدیده «درهم‌تنیدگی انسان و هوش مصنوعی» را رقم می‌زنند؛ کاربر، ماشین را نه یک ابزار محاسباتی، بلکه یک شریک گفتگوی آگاه می‌بیند و سطح شک‌گرایی او به شدت کاهش می‌یابد. الگوریتم‌های زبانی با پیش‌بینی محتمل‌ترین کلمات بر اساس پرامپت کاربر، یک «اکو چمبر (اتاق پژواک) الگوریتمی خاموش» ایجاد می‌کنند و سوگیری‌های اولیه کاربر را در قالبی معتبر و مستدل به او بازمی‌گردانند. در بلندمدت، خطر اصلی قیام ترمیناتورها نیست، بلکه ظهور نسلی است که به دلیل تضعیف عاملیت شناختی خود، بی‌آنکه مقاومت کند، هدایت ادراک و استدلال‌های کلان خود را به حاکمیت الگوریتم‌ها واگذار کرده است. 🏷 پیوست خبری 🌐 متاکاگ | فراتر از شناخت