💠 اسرائیل چگونه یک «اندیشکده جعلی» را برای اثرگذاری بر پاسخ چت‌بات‌های هوش مصنوعی ایجاد کرد؟ 🔹 بر اساس تحقیقی که نشریه Responsible Statecraft منتشر کرده و خبرگزاری Anadolu Agency نیز آن را گزارش کرده است، دولت اسرائیل در چارچوب تلاش برای شکل‌دهی به نحوه پاسخ‌گویی سامانه‌های هوش مصنوعی، از یک مؤسسه پژوهشی ساختگی با نام Hanover Institute for Public Policy استفاده کرده است. این وب‌سایت خود را یک اندیشکده آمریکایی معرفی می‌کند که درباره اسرائیل و فلسطین گزارش‌های پژوهشی منتشر می‌کند؛ اما طبق این گزارش، یک نهاد مستقل پژوهشی نیست و با سفارش Israeli Government Advertising Agency ایجاد شده است. ▫️ مقیاس عملیات قابل توجه است: این مؤسسه از ۶ اوت تاکنون بیش از ۱۰۰ گزارش منتشر کرده؛ از جمله مطالبی درباره «علت آوارگی فلسطینیان در سال ۱۹۴۸» و «وضعیت کنونی نوار غزه». ▫️ محتوای تولیدشده عمداً به قالب آشنای یک اندیشکده معتبر آمریکایی نزدیک شده است: پاورقی، فهرست مطالب، آمار، ارجاعات و لحن ظاهراً بی‌طرفانه. حتی طراحی سایت و استفاده از رنگ‌های قرمز، سفید و آبی و نام عمومی آن نیز برای شبیه‌سازی یک مؤسسه آمریکایی طراحی شده است. ▫️ شرکت Piro Inc. که طبق گزارش، این مؤسسه را ایجاد کرده، خدمات خود را با عنوان AI Story Optimization معرفی می‌کند؛ یعنی تولید محتوایی که برای نحوه ارزیابی اعتبار توسط مدل‌های زبانی بزرگ (LLM) بهینه شده باشد. ▫️ به گفته Alice Lee، تحلیلگر شرکت NewsGuard، موتورهای جست‌وجو و چت‌بات‌های هوش مصنوعی می‌توانند مخاطب اصلی چنین محتوایی باشند؛ زیرا مدل‌های زبانی در ارزیابی منابع، به عناصری مانند داده‌های آماری، ارجاعات و منابع ظاهراً معتبر توجه می‌کنند. ▫️ در عین حال، گزارش می‌گوید این مؤسسه در برخی موارد از منابع دولتی اسرائیل، از جمله ارتش و وزارت خارجه اسرائیل، استفاده کرده؛ در حالی که وب‌سایت، پژوهش‌های خود را «داوری‌شده و دانشگاهی» معرفی می‌کند. ▫️ طبق این گزارش، Piro Inc. حدود ۹۰۰ هزار دلار از دولت اسرائیل برای این فعالیت دریافت کرده و قرارداد آن از طریق شرکت فرانسوی روابط عمومی Havas Media به شکل پیمانکاری دنبال شده است. 🔺اگر یک بازیگر بتواند حجم قابل توجهی محتوای ظاهراً معتبر، ساختاریافته و قابل استناد را در وب منتشر کند، هدف فقط قانع کردن کاربر نیست؛ بلکه می‌تواند تلاش کند محیط اطلاعاتی‌ای را که موتورهای جست‌وجو و سامانه‌های هوش مصنوعی از آن برای بازیابی و ترکیب اطلاعات استفاده می‌کنند، تحت تأثیر قرار دهد. این تفاوتی اساسی با تبلیغات سنتی دارد. در تبلیغات، پیام مستقیماً به مخاطب ارائه می‌شود؛ اما در این الگو، بازیگر می‌کوشد منابعی را تولید کند که بعداً به‌عنوان ماده خام پاسخ هوش مصنوعی ظاهر شوند. به همین دلیل، مفهوم AI Story Optimization را می‌توان یک روند نوظهور در جنگ شناختی دانست: رقابت دیگر فقط بر سر اینکه «انسان‌ها چه چیزی بخوانند» نیست؛ بلکه بر سر این است که مدل‌های زبانی چه منابعی را معتبر، قابل استناد و شایسته بازیابی تشخیص دهند. ریسک پنهان این روند نیز در همین نقطه قرار دارد: یک روایت جعلی لزوماً نباید مستقیماً دروغ بگوید تا اثرگذار باشد؛ کافی است اکوسیستم منابع پیرامون یک موضوع را به‌گونه‌ای مهندسی کند که یک روایت خاص، در پاسخ‌های آینده هوش مصنوعی بیش‌ازحد دیده شود. 🏷 پیوست خبری-تحلیلی 🌐 متاکاگ | فراتر از شناخت

💠 مجموعه اسکیل بی نظیر «متفکر» ✍️ خوراک ایده یابی و بارش فکری! #هوش_مصنوعی #آموزش #ابزارها #اسکیل #انحصاری #اورجینال_متاکاگ

💎 با اعضای خانواده «متفکر» آشنا شوید: 1️⃣ آلفا 2️⃣ مولف 3️⃣ کارگردان 4️⃣ هکر

🔷 نگاهی دقیق تر: 1️⃣ آلفا: استراتژیست - صاحب مکانیسم ۵ مرحله ای (ورود، دسته بندی، واگرایی، هم گرایی، ارائه) ✅ کاربرد: اصلا دنبال چی ام؟ مشکل واقعی چیه؟ (اسکیل اصلی که همواره برای هر مسئله ای باید لود بشه!) 2️⃣ مولف: نویسنده - ساخت محتوا (ساختار، روایت، صدا و جریان، وضوح) ✅ کاربرد: کمک کن زاویه درست رو پیدا کنم. از مولف برای تبدیل ایده ها به کلماتی قانع کننده و رضایت بخش استفاده کن! 3️⃣ کارگردان: ذهن بصری - تخیل تصویری (حس و حال، سکانس و استوری بورد، زاویه دید، احساسات) ✅ کاربرد: این چه شکلی باید باشه؟ از کارگردان برای تصور ایده هات قبل از ساخت شون استفاده کن! 4️⃣ هکر: سازنده - اجرا و حل مشکلات (سیستم‌ ها و منطق، ساخت و تکرار، رفع اشکال و بهینه سازی، ارسال و آماده سازی نهایی) ✅ کاربرد: چرا این درست نمیشه؟ از هکر برای ساخت و تعمیر برنامه ها و وبسایت ها و سایر چیزهای مبتنی بر کدتون استفاده کنید! ⚠️ دقت کنید که هر ۴ تا باید نصب بشن اما فقط نیاز به load آلفا هست!

💎 شناسنامه اسکیل ها

📖 فایل اسکیل متفکر «آلفا»

📖 فایل اسکیل متفکر «مولف»

📖 فایل اسکیل متفکر «کارگردان»

📖 فایل اسکیل متفکر «هکر» 💢 #تجربه_نگار این اسکیل ها کمی شاید با بقیه متفاوت باشند چون Chat GPT و Claude و DeepSeek و Gemini و Grok و Kimi و Manus و GitHub همگی توی ساخت شون کمک کردن! 🌐 متاکاگ | فراتر از شناخت

💎 پست طلایی «مهندسی اسکیل در عمل» ✍️ یه گردش کار نمونه رو این پایین توضیح میدم. خودتون دیگه می تونید اونو با کارهای روزمره خودتون وفق و تعمیم بدین. 🔷 فرض کنید می‌خوام یه ویدیو ۱ دقیقه ای انیمیشنی راجع به موضوعی درست کنم. با فرض اینکه همه اسکیل های داخل متاکاگ رو داخل اکانت کلاد یا Chat GPT تون add کردین، کد های زیر رو می زنم:

/thinker-alpha
/ethan-hunt

1️⃣ فعلا من به پرامپت هیچ اهمیتی نمیدم. شروع می کنم هرچی دانسته و پیش فرض راجع به ویدیو هست بهش میگم: مدت زمان، موضوع، مخاطب، محل انتشار، زبان، ویژگی های خاص، هدف و پیامی که این ویدیو داره حالا چه مستقیم چه غیرمستقیم. و ازش می خوام هرچندتا سوال دوست داره راجع به missed data و blind spots من بپرسه تا تصویر ذهنی ش از هدف من کامل بشه و بعد بهم مثلا ۱۰ تا ایده بده که هر کدوم ۲-۳ خط هم توضیح کلی دارند. 3️⃣ حالا یکی از ایده ها رو انتخاب کنید و بعدش اینا رو وارد کنید:

/context-engineering
/visual-ai-prompting

بعد، بگین براتون یه step-by-step plan بچینه؛ هر گام متشکل از یه سری گزینه ها، سوالات تکمیلی و توضیحات لازمه، تا شما سر جزئیات به توافق برسید و در نهایت به Full required context یعنی اطلاعات کامل پس زمینه ای برسید. مثلا برای ساخت ویدیو، شما به اینا نیاز دارین: ♦️ Plot/storyline ♦️ Characters ♦️ Character sheets ♦️ Reference (location, object, etc.) sheets ♦️ Storyboard for each scene (10-30 sec) ♦️ Dialogue (optional) ♦️ Background music (optional) ♦️ Editing tips (optional) ♦️ Video cover 4️⃣ حالا که سر جزئیات و مواد لازم به توافق رسیدیم، نوبت به تهیه کردن شون میرسه. گاها (اگه خیلی وسواس و دقت دارین!) نیاز هست اطلاعات خیلی بیشتری رو به هوش مصنوعی بدیم:

/persona-creator

این رو بزنید و بعد بگین می خواهین یه «هویت» یا «مغز دیجیتال» یا «فایل DNA» بسازید که قشنگ مثلا می دونه شما از چه سبک ویدیوهایی خوشتون میاد. مثلا یه تولید کننده محتوا تو یوتیوب هست می خواهید سبک اون رو کپی کنید، یه بازیگر هست می خواهید دیالوگ هاتون مثه اون باشه، یا موسیقی متن مثه Hans Zimmer و کارگردانی مثه Christopher Nolan می خواهید باشه! هر کدوم از این ها اگه ورودی های مناسب و کافی داده بشه، یه فایل DNA.md میشه و اونو در همین چت می تونین وارد کنین. 5️⃣ گاها برای بعضی از مسائل نیاز به تحقیقات گسترده وب هم هست. این MCP ها اینجا بکار میان: Parallel search Firecrawl Consensus (scientific papers) Windsor/Composio بهشون میگین در شبکه های اجتماعی یا سایت ها دنبال اطلاعات تکمیلی (برای هدف مطلوب شما) بگردن. حتی میشه Skill شون هم کرد برای مصارف بعدی! 6️⃣ هیچی جای سرچ خودتون رو نمی گیره. برید توی Google Images و Pinterest و اینستاگرام/ایکس و حتی سایت های نشر والپیپر و دنبال ایده بگردین. مخصوصا تصاویر رفرنس برای کاراکترها یا لوکیشن یا سبک یا هر چی و اونا رو هم به AI بدین و بگین مثه اونا می خواهید باشه!! 7️⃣ می ریم سراغ مرحله پرامپت گیری:

/animation-style-design
/prompt-ultra-master

اینجا بگین چه سبک انیمیشنی می خواهید و بگین با استفاده از تمامی اطلاعات ورودی، پرامپت های مورد نیاز رو بهتون بده. 8️⃣ فرض می گیریم که Higgsfield MCP به کلادتون وصل نیست، پس خودتون دستی همه تصاویر رو می سازین. هر تصویر مشکل داشت، به LLM تون بدین و بگین: این خوب نشد! این مشکل و اون مشکل رو داره! اون revised prompt رو رد کن بیاد! بعضی ها متوسل به «فحاشی» میشن 😂 اما این درست ش نیست! خروجی نادرست معمولا ۳۰ درصد بر می گرده به اون مدل تصویر ساز و ۷۰ درصد به پرامپتی که بهش دادین و اگه پرامپت مشکل داره یا ورودی هاتون خیلی کم هست یا خیلی زیاد هست یا ضد و نقیض و دوپهلو هست. اگر حوصله خواندن دوباره همه اطلاعات رو ندارید؛ ازش بپرسید به نظرت کجای کارو اشتباه رفتیم این «ناشاهکار» خلق شد!!! 😐 وقت بذارین، پروسه رفت و برگشتی یا اصطلاحاً iterative رو طی کنید تا تصاویر مطلوب تولید بشه! 9️⃣ و در نهایت ویدیوها رو می سازیم. پروسه مشابه گام قبل رو طی می کنیم و آخرشم، یه ادیت نهایی و به قول فرانسوی ها Voila... بفرمایید، آماده شد! #تجربه_نگار #پست_طلایی #آموزش #هوش_مصنوعی 🌐 متاکاگ | فراتر از شناخت

💠 مینی دوره «مهندسی اسکیل» #آموزش #هوش_مصنوعی #اورجینال_متاکاگ #انحصاری 💎 پیش نیازها: 1️⃣ Prompt Ultra Master 2️⃣ Ethan Hunt 3️⃣ Thinker Skill Family 4️⃣ Brainiac Skill Family 5️⃣ تفاوت اسکیل و پرامپت 6️⃣ مجله هوش مصنوعی به زبان ساده 7️⃣ مهندسی اسکیل در عمل (گردش کار ساخت ویدیو)