📖 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)

📖 مجله مهندسی اسکیل ✅ کاملا مصور ✅ به زبان انگلیسی

📖 مجله معماری اسکیل ✅ کاملا مصور ✅ به زبان انگلیسی

📖 مجله مهندسی اسکیل ✍️ ترجمه فارسی ⚠️ بحث معماری اسکیل، صرفا اجزای تشکیل دهنده اسکیل بوده و همون مجله مصور بالا، واضح و گویاست و نیازی به ترجمه دیده نشد! 🤔 سوالی اگه دارین، راجع به این مینی دوره، در پی وی می تونین بپرسین: 🆔 @MetaCognition 🌐 متاکاگ | فراتر از شناخت

📚 کتاب سطح حمله شناختی #معرفی_کتاب #هفته_پنجاه‌ونهم 📄 چند خطی از کتاب: می‌توانید در را قفل کنید، اما همچنان ممکن است فریب بخورید تا یک مجرم را آزادانه به خانه‌تان راه دهید. اینجاست که امنیت ذهن به امری ضروری تبدیل می‌شود. ذهن شما قدرتمندترین دارایی‌تان و در عین حال آسیب‌پذیرترین سطح حمله‌تان است. در دنیای امروز که مملو از اطلاعات است، عاملان بد برای ایجاد آسیب نیازی به هک کردن سیستم‌های رایانه‌ای شما ندارند؛ کافی است که سیم‌کشی‌های کهن مغزتان را هک کنند. از کلاهبرداری‌هایی که پس‌انداز یک عمر را می‌برند، تا پروپاگاندایی که ملت‌ها را از هم می‌گسلد، تا اطلاعات نادرست ویروسی که سریع‌تر از حقیقت منتشر می‌شوند نقاط ضعف شناختی ما هر روز هدف گرفته می‌شوند. کتاب «سطح حملهٔ شناختی» با تلفیقی از بینش‌های علوم شناختی، روان‌شناسی، زیست‌شناسی فرگشتی و امنیت سایبری، نشان می‌دهد که چگونه ذهن‌هایمان از طریق سوگیری‌ها، میان‌برهای ذهنی (هیوریستیک‌ها)، قبیله‌گرایی و توهم دستکاری می‌شوند و شما را به ابزارهایی مجهز می‌کند تا این حملات را تشخیص دهید و دفاع‌های خود را تقویت کنید. 🔗 برای دانلود/ خریداری کتاب 🔗 برای مطالعه و اطلاعات بیشتر 🌐 متاکاگ | فراتر از شناخت

✍ روایت متاکاگ کتاب سطح حمله شناختی 🔹نگاهی تحلیلی به Cognitive Attack Surface، نوشتهٔ کرینکن رولهدر مهندس امنیت سایبری دهه‌هاست که با مفهومی به نام «سطح حمله» (attack surface) سروکار دارند: مجموع نقاطی از یک سامانه که مهاجم می‌تواند از طریق آن‌ها وارد شود، داده استخراج کند یا کنترل سامانه را در دست بگیرد. کوچک نگه‌داشتن این سطح، بستن درگاه‌های زائد، محدودکردن دسترسی‌ها، وصله‌کردن بی‌درنگ نرم‌افزار، از ابتدایی‌ترین اصول امنیت است. اما یک لایه در این معماری همیشه کم‌دفاع‌تر از بقیه مانده: انسانی که پشت صفحه‌کلید نشسته است. قفلِ در را می‌توان محکم بست، ولی اگر ساکن خانه با یک تماس تلفنیِ قانع‌کننده باور کند که باید همان در را به‌روی مهاجم بگشاید، هیچ قفلی کارایی ندارد. کتاب تازه‌ی کرینکن رولهدر، Cognitive Attack Surface، دقیقاً از همین‌جا آغاز می‌کند: ذهن انسان را به‌معنای مهندسیِ دقیق کلمه، سطح حمله‌ای می‌بیند که باید نقشه‌برداری، ارزیابی و تاب‌آور شود. این انتقال واژگان از دنیای مهندسی به قلمرو شناخت، البته ادعایی کاملاً بدیع نیست، هرچند رولهدر آن را با صراحتی بیش از بسیاری از پیشینیانش صورت‌بندی می‌کند. حوزه‌ای که در ادبیات دانشگاهی به «امنیت شناختی» (cognitive security) معروف است، در سال‌های اخیر آثار جدی‌ای منتشر کرده: از کتاب فشرده و نظام‌مند Cognitive Security: A System-Scientific Approach که آسیب‌پذیری‌های شناختی را با ابزار ریاضی و نظریه‌ی بازی صورت‌بندی می‌کند، تا Cognitive Hack: The New Battleground in Cybersecurity که پیش‌تر همین چارچوب را برای حرفه‌ای‌های امنیت سازمانی شرح داده بود. آنچه کتاب رولهدر را از این جریان متمایز می‌سازد، که زاویه‌ی دید نویسنده است: او سه دهه در حکمرانی امنیت سایبری و حفاظت از زیرساخت حیاتی فعالیت کرده و پیش از آن، در دانشگاه تگزاس در آستین، عصب‌شناسی شناختی و روان‌شناسی تکاملی خوانده است. این ترکیب کمیاب مهندس امنیتی که زبان علوم‌اعصاب تکاملی را نیز می‌فهمد، انضباطی به کتاب می‌دهد که در آثار صرفاً روان‌شناختی این حوزه کمتر یافت می‌شود: میل به فهرست‌کردن نظام‌مند آسیب‌پذیری‌ها، به‌جای بسنده‌کردن به توصیف آن‌ها. استدلال مرکزی کتاب بر «عدم تطابق تکاملی» استوار است: بخش عمده‌ی میان‌برهای شناختی ما آنچه روان‌شناسان «اکتشاف‌های ذهنی» (heuristics) می‌نامند برای حل مسائل گروه‌های کوچک و چهره‌به‌چهره‌ی عصر پارینه‌سنگی شکل گرفته، نه برای محیطی که در آن اطلاعات نه کمیاب، بلکه بی‌نهایت فراوان، مهندسی‌شده و غالباً خصمانه است. 🔹اعتماد به آشنایان و مرجعیت‌های شناخته‌شده، در جهانی که هویت و مرجعیت را می‌توان با یک حساب جعلی یا صدایی شبیه‌سازی‌شده بازتولید کرد، دیگر همان کارکرد حفاظتی پیشین را ندارد. «اثبات اجتماعی» این باور که اگر بسیاری چیزی را قبول دارند، پس محتمل است درست باشد در دنیایی که با ربات و رفتار هماهنگ غیرواقعی می‌توان توهم اجماع ساخت، خود به دروازه‌ای برای بهره‌کشی بدل می‌شود. سوگیری اقتدار، اثر تکرار (این پدیده که تکرار یک ادعا، صرف‌نظر از صحت آن، باورپذیریش را بالا می‌برد)، و گرایش به پذیرش اطلاعاتی که با پیش‌فرض‌های ما هم‌خوان است، هرکدام میان‌بری‌اند که در محیط طبیعی کارکرد داشتند و در محیط دیجیتال، به بردار حمله بدل شده‌اند. نکته‌ای که در این کتاب به‌ویژه درخور توجه است، تفکیک آن میان سه دسته‌ی تهدید است که در نوشته‌های عمومی غالباً به‌جای یکدیگر به‌کار می‌روند: کلاه‌برداری، تبلیغات (propaganda) و اطلاعات نادرست. این سه، هرچند از یک منبع مشترک، آسیب‌پذیری‌های شناختی مشترک انسان تغذیه می‌کنند، هرکدام بردار حمله‌ی متفاوتی را نشانه می‌گیرند. کلاه‌برداری در سطح فردی و معامله‌ای عمل می‌کند و بیشتر از فوریت، ترس و طمع بهره می‌گیرد. تبلیغات در سطح گروهی عمل می‌کند و هویت درون‌گروهی و برون‌گروهی را هدف می‌گیرد. اطلاعات نادرست نیز چه سهوی (misinformation) و چه عامدانه (disinformation) از اقتصاد توجه و الگوریتم‌های تقویت‌کننده بهره می‌برد و سوگیری تأییدی را وسیله‌ی گسترشِ خود می‌سازد.

🔹فرانسوا دو کلوزل، در گزارش سال ۲۰۲۰ خود برای نوآوری‌کاووشگاه فرماندهی تبدیل متحد ناتو (ACT Innovation Hub)، جنگ شناختی را ششمین قلمرو نبرد نامید، در کنار زمین، دریا، هوا، فضا و سایبر؛ قلمرویی که در همان گزارش، مغز انسان به‌عنوان میدان نبرد قرن بیست‌ویکم توصیف شده است. آنچه رولهدر در سطح فرد توصیف می‌کند، دقیقاً همان زیربنای روان‌شناختی‌ای‌ست که این قلمرو راهبردی بر آن بنا می‌شود. بازیگری دولتی یا غیردولتی که کارزار شناختی علیه یک جامعه به‌راه می‌اندازد، در مقیاس کلان دقیقاً همان کاری را می‌کند که یک کلاه‌بردار در مقیاس یک قربانی انجام می‌دهد: از همان اکتشاف‌های ذهنی، همان اعتماد به مرجعیت و اثبات اجتماعی، همان حساسیت به فوریت و هویت بهره می‌جوید؛ تنها با منابع، هماهنگی و مقیاسی صنعتی. از این زاویه، کتابی که در نگاهِ نخست به قلمرو روان‌شناسیِ فردی و امنیت شخصی تعلق دارد، در عمل پایه‌ی تحلیلی‌ای فراهم می‌کند که بدونِ آن، بسیاری از مباحث راهبردی درباره‌ی جنگِ شناختی، انتزاعی و بی‌تکیه‌گاه باقی می‌مانند. با این‌همه، استعاره‌ی «سطح حمله»، هرقدر روشنگر، حدی دارد که باید در نظر داشت. یک سرور را می‌توان وصله زد و آسیب‌پذیری‌اش را برای همیشه بست؛ اما پژوهش‌های حوزه‌ی اصلاح سوگیری (debiasing) نشان می‌دهند که آگاهی از یک سوگیری، به‌ندرت در لحظه‌ی تصمیم اثرش را خنثی می‌کند، حتی در میان کارشناسانی که خود همین سوگیری‌ها را مطالعه می‌کنند. از سوی دیگر، بسیاری از همان «آسیب‌پذیری‌ها» اعتماد، وفاداری گروهی، تمکین به مرجعیت مشروع هم‌زمان زیرساخت همکاری اجتماعی و انسجام فرهنگی نیز هستند. 🌐 متاکاگ | فراتر از شناخت

💠 عربستان به سمت «جامعه کاربر هوش مصنوعی» حرکت می‌کند 🔹 Fast Company Middle East در گزارشی از برگزاری «AI Training Hackathon» در عربستان خبر داده است؛ برنامه‌ای آموزشی که با مشارکت Kanz و وزارت منابع انسانی و توسعه اجتماعی عربستان برگزار شد و به گفته برگزارکنندگان، بیش از ۵۱٬۶۹۳ نفر از ۱۷۰ کشور و ۱۴۰ ملیت را جذب کرد. ▫️ این برنامه طی هشت روز و در قالب شش شب آموزش زنده برگزار شد. ۲۴٬۸۱۶ نفر در جلسات زنده شرکت کردند و ۱۴٬۰۷۵ نفر به‌صورت هم‌زمان در یک درس ویدئویی هوش مصنوعی حضور داشتند؛ رقمی که بنا بر اعلام برگزارکنندگان، رکورد گینس «بیشترین حضور هم‌زمان در یک درس ویدئویی هوش مصنوعی» را ثبت کرده است. ▫️ خروجی برنامه صرفاً آموزشی نبود: شرکت‌کنندگان بیش از ۳٬۴۰۰ اپلیکیشن مبتنی بر هوش مصنوعی ساختند و بیش از ۲۱٬۰۰۰ گواهی دریافت کردند. برای شرکت‌کنندگان همچنین پورتفولیوهای آنلاین ایجاد شد تا پروژه‌هایشان در معرض دید کارفرمایان قرار گیرد. ▫️ نکته مهم در طراحی این برنامه، کاهش آستانه فنی ورود به AI بود. شرکت‌کنندگان بدون نیاز به سابقه برنامه‌نویسی و با استفاده از پلتفرم‌های No-Code، ابزارهای هوش مصنوعی، اتوماسیون فرایندها، دستیارهای پژوهشی، ارائه‌ها و محتوای چندرسانه‌ای و راهکارهای کسب‌وکار تولید کردند. ▫️ آموزش به دو زبان عربی و انگلیسی ارائه شد و طیف متنوعی از دانشجویان، کارآفرینان و نیروهای حرفه‌ای را هدف گرفت. در بخش سعودی برنامه نیز بیش از ۱۹ هزار ثبت‌نام صورت گرفت که بیش از ۱۰ هزار نفر از آنها شهروند سعودی بودند. بیش از ۹٬۱۰۰ نفر از داخل عربستان در جلسات زنده حضور داشتند و بیش از ۱٬۹۰۰ پروژه AI تولید کردند. ▫️ شرکت‌کنندگان علاوه بر گواهی‌های صادرشده از سوی وزارت منابع انسانی و توسعه اجتماعی و آکادمی آموزش مداوم Lebanese American University، به یک دوره تکمیلی هوش مصنوعی و گواهی مشترک توسعه‌یافته توسط Google و University of Helsinki نیز دسترسی یافتند. 🔺وقتی هزاران کارمند، دانشجو، کارآفرین و پژوهشگر بتوانند بدون کدنویسی، دستیار پژوهشی بسازند، فرایند کاری را خودکار کنند، محتوا تولید کنند یا داده را تحلیل کنند، AI به یک لایه عمومی از زیرساخت تصمیم‌گیری و تولید تبدیل می‌شود. در این مدل، مسئله تعداد افرادی است که قادرند قابلیت‌های هوش مصنوعی را وارد فرایندهای واقعی کار و زندگی کنند. یک نکته کمتر دیده‌شده نیز در این برنامه وجود دارد: پورتفولیوهای عمومی پروژه‌ها. این سازوکار، آموزش AI را از دریافت گواهی به تولید «شواهد قابل مشاهده از مهارت» منتقل می‌کند و می‌تواند در بلندمدت بر بازار کار، استخدام و شکل‌گیری تقاضای مهارت‌های جدید اثر بگذارد. از سوی دیگر، انتخاب آموزش عربی و انگلیسی نیز معنادار است. اگر عربستان بتواند این الگو را در مقیاس منطقه‌ای تکرار کند، زبان عربی می‌تواند بیش از گذشته به یک لایه کاربردی برای تعامل نیروی کار منطقه با ابزارهای مولد تبدیل شود؛ موضوعی که در آینده رقابت بر سر داده، مدل، محتوا و کاربران عرب‌زبان اهمیت پیدا خواهد کرد. 🏷 پیوست خبری 🌐 متاکاگ | فراتر از شناخت