eitaa logo
MetaCog I متاکاگ
1.7هزار دنبال‌کننده
2.3هزار عکس
411 ویدیو
245 فایل
MetaCog I متاکاگ فراتر از شناخت از الگوریتم تا انگاره و رفتار، از داده تا استیلا 🔸روایت سیاست‌ها، رویدادها و تحلیل‌های فناورانه مؤثر در حوزه شناخت و ادراک🔸 #هوش_مصنوعی #فناوری #جنگ_شناختی تعامل با متاکاگ: @MetaCognition
مشاهده در ایتا
دانلود
MetaCog I متاکاگ
💠 عملیات نفوذ با هوش مصنوعی؛ شبکه‌ای منتسب به ایران با ۷۹ هزار دنبال‌کننده در آمریکا مختل شد 🔹شرکت Meta اعلام کرده یک شبکه متشکل از ۴ حساب فیسبوک و ۳۱ حساب اینستاگرام را که به گفته این شرکت به بازیگرانی مستقر در ایران مرتبط بوده‌اند، شناسایی و حذف کرده است. این شبکه، مخاطبان آمریکایی را با محتوای سیاسی هدف قرار می‌داد و از حساب‌هایی استفاده می‌کرد که خود را شهروندان عادی آمریکا معرفی می‌کردند. ▫️بر اساس گزارش اختصاصی Axios، برخی حساب‌ها خود را فعال اجتماعی، دانشجو یا طراح گرافیک ساکن شهرهایی مانند واشنگتن، سن‌دیگو و آتلانتا معرفی کرده بودند تا منشأ واقعی فعالیت پنهان بماند. ▫️محتوای منتشرشده عمدتاً شامل میم‌ها و پیام‌هایی درباره سیاست آمریکا، مهاجرت و مناقشه اسرائیل و فلسطین بود و بخشی از این محتوا با استفاده از هوش مصنوعی تولید شده بود. Meta می‌گوید در حال حاضر استفاده از محتوای تولیدشده با AI به بخشی معمول از عملیات نفوذ آنلاین تبدیل شده و تقریباً در هر شبکه نفوذ دولتی که اخیراً مختل کرده، نشانه‌هایی از آن دیده است. ▫️نکته قابل‌توجه، مقیاس اولیه مخاطبان این شبکه است: حدود ۷۹٬۴۰۰ حساب اینستاگرامی دست‌کم یکی از حساب‌های غیرواقعی این شبکه را دنبال می‌کردند. با این حال، Meta میزان دسترسی واقعی عملیات را «متوسط» و میزان تعامل را «معنادار اما محدود» ارزیابی کرده است. ▫️اپراتورها همچنین تلاش کرده‌اند از طریق تگ‌کردن روزنامه‌نگاران و سیاستمداران واقعی و ارسال پیام مستقیم به چهره‌های سیاسی و رسانه‌های مطرح، وارد شبکه واقعی تولید و توزیع محتوا شوند. هدف، ایجاد همکاری محتوایی و رساندن روایت تولیدشده به واسطه‌های معتبر بود؛ اما طبق اعلام Meta، هیچ‌یک از این تلاش‌ها موفق نشد. ▫️برای پنهان‌سازی منشأ جغرافیایی نیز ترافیک عملیات به‌طور انحصاری از طریق سرویس‌های Proxy و Hosting مستقر در آمریکا و کانادا عبور داده می‌شد؛ روشی که تشخیص ارتباط فعالیت‌ها با ایران را دشوارتر می‌کرد. Meta اعلام کرده اطلاعات این عملیات را در اختیار نهادهای مجری قانون آمریکا قرار داده است. 🏷 پیوست خبری 🌐 متاکاگ | فراتر از شناخت
💠 طرح «دگرگونی سازمانی با هوش مصنوعی»
AI Makeover (Mechanism).png
حجم: 3.5M
💎 نمای کلی: ✍️ این طرح شامل ۳ فاز می باشد: 1️⃣ جمع آوری داده (گردش کار، ذهنیت، مرجع) 2️⃣ ساخت و انتشار سیستم (دارای ۳ گزینه عملیاتی داشبورد Agentic OS کلاد، سیستم هیبرید در Hermes Agent، و هارنس با محیط کاربردی ساده) 3️⃣ تعلیم نیروها و نگهداری و آپدیت سیستم
AI Makeover - The Theory.pdf
حجم: 5.5M
📖 نسخه اورجینال و زبان اصلی
AI Makeover - The Theory - FA.pdf
حجم: 3.6M
📖 نسخه ترجمه و خلاصه شده
⚠️ تفاوت AI Makeover (اورجینال متاکاگ) و AI Transformation (تنظیم و بسط داده شده کار آقای Andrew NG) 1️⃣ کار ایشون دارای ۵ فاز بوده و متعلق به سال ۲۰۱۸ بود (هر چند نسخه انتشاری ما کلی سعی کرده بود اونو به روز کنه!) اما کار ما دارای ۳ فاز بوده و متعلق به سال ۲۰۲۶ هست (نگارش ش طوری هست که از چرخه خارج نمیشه با ظهور ابزارها و مدل های جدید!) 2️⃣ در برنامه Andrew NG نیاز به یک مهندس یادگیری ماشین و متخصص داده (درکنار تعدادی متخصص دیگه) داریم. در طرح ما یک AI Power User یا Vibe Coder (کاربلد هوش مصنوعی) کارو راه می ندازه! 3️⃣ طرح Andrew NG کلا انتزاعی تر بود و خیلی چیزها رو دقیق ش رو به شما می سپرد. طرح ما بسیار دقیق و عملی هست و قابل آپدیت و شخصی سازی! 4️⃣ خروجی طرح Andrew NG یک راهبرد هوش مصنوعی بود، در اینجا یک سیستم هست که ۳ تا کار رو انجام میده: 🔷 گردش کار نیرو رو اتومات کرده (حداقل بخش زیادی از اون رو) و پیشرفت کار در سیستم قابل مشاهده ست. 🔷 هر نیرو تعدادی ساب ایجنت داره که حکم زیر دستان او رو ایفا می کنند و هر کدوم یک وظیفه مشخص دارند و این که اونا دارن چکار می کنند رو هم میشه دید! 🔷 یک سیستم یادگیری ماشین هوشمند هم سیستم داره که وصل میشه به یک فولدر داده در سیستم تون و بعد با از استفاده از اونا ورودی بهش بده، خروجی بهتون میده یا حتی نمودار و چارت توصیفی و مقایسه ای رسم می کنه! 5️⃣ طرح ما ۷ تا اسکیل اختصاصی هم داره و کلا از «مهندسی اسکیل» بهره بالایی می بره!
agentic-os-dashboard.html
حجم: 25.5K
📉 این یه نمونه ای از اون داشبورد Agentic OS هست، نسخه بسیار ساده و کلی اون. همه چیزش با قابلیت و امکان آپدیت و تغییر و بهبود هست! 🤔 نظرتون راجع به این طرح که اینجا مقاله نظری ش منتشر شده بود، چیه؟ در کل AI Makeover بهتر بود یا AI Transformation؟ 🆔 @MetaCognition 🌐 متاکاگ | فراتر از شناخت
MetaCog I متاکاگ
💠 مایکروسافت «عَلّام» را جهانی می‌کند؛ ورود هوش مصنوعی عربیِ عربستان به اکوسیستم Copilot 🔹 بر اساس گزارش منتشرشده در ۲۶ اوت ۲۰۲۶، شرکت Humain وابسته به صندوق سرمایه‌گذاری عمومی عربستان (PIF) با Microsoft همکاری می‌کند تا مدل زبانی بزرگ عربی Allam را در اختیار مشتریان جهانی مایکروسافت قرار دهد؛ اقدامی که یک مدل توسعه‌یافته در عربستان را از سطح یک پروژه ملی به کانال توزیع جهانی می‌رساند. ▫️ «عَلّام» با هدف پاسخ‌گویی بهتر به نیاز بیش از ۴۰۰ میلیون عرب‌زبان توسعه یافته و بر درک بهتر گویش‌های منطقه‌ای و زمینه‌های فرهنگی عربی تمرکز دارد؛ حوزه‌ای که به گفته Humain، در موج نخست هوش مصنوعی مولد کمتر مورد توجه قرار گرفته است. ▫️ این مدل که ریشه آن به مدل‌های توسعه‌یافته توسط Saudi Data & AI Authority (SDAIA) بازمی‌گردد، از طریق Microsoft Foundry در دسترس توسعه‌دهندگان و شرکت‌ها قرار خواهد گرفت؛ پلتفرمی که برای ساخت و استقرار برنامه‌ها و عامل‌های هوش مصنوعی استفاده می‌شود. ▫️ Allam همچنین قرار است وارد اکوسیستم Microsoft 365 Copilot شود. در نتیجه سازمان‌ها می‌توانند بر مبنای آن، عامل‌های تخصصی برای وظایف و فرآیندهای کاری خود ایجاد کنند. ▫️ متخصصان Humain و مهندسان مایکروسافت نیز برای شناسایی موارد کاربرد، اتصال مدل به سامانه‌های موجود و انتقال پروژه‌ها از مرحله آزمایش به استقرار در مقیاس بزرگ با مشتریان همکاری خواهند کرد. ▫️ دو شرکت اعلام کرده‌اند که امکان استفاده از این فناوری در سراسر خاورمیانه و آفریقا را نیز بررسی خواهند کرد و همکاری‌های آتی می‌تواند حوزه‌هایی مانند نرم‌افزارهای بهره‌وری، دستگاه‌ها، مدل‌ها، زیرساخت و فروش مشترک را دربرگیرد. 🔺عربستان در اینجا صرفاً در حال تولید یک مدل زبانی برای مصرف داخلی نیست؛ بلکه تلاش می‌کند دارایی زبانی بومی را به یک جزء قابل‌استفاده در زیرساخت جهانی هوش مصنوعی تبدیل کند. اتصال Allam به Microsoft Foundry و Microsoft 365 Copilot، فاصله میان «مدل ملی» و «کاربرد تجاری مقیاس‌پذیر» را کاهش می‌دهد. از منظر فناوری شناختی، این تحول اهمیت دیگری نیز دارد: اگر مدل‌های عربی بومی در ابزارهای کاری، عامل‌های سازمانی و خدمات دیجیتال گسترده شوند، زبان و زمینه فرهنگی عربی مستقیماً وارد لایه تصمیم‌یار و تعامل انسان ـ ماشین سازمان‌ها خواهد شد. در این وضعیت، مزیت رقابتی به میزان حضور یک مدل در جریان واقعی داده، کار و تصمیم‌گیری وابسته می‌شود. هم‌زمان، راهبرد Humain نشان می‌دهد عربستان در حال ساخت یک زنجیره چندلایه است: مدل ← زیرساخت محاسباتی ← پلتفرم توسعه ← عامل‌های هوش مصنوعی ← کاربرد سازمانی. همکاری‌های این شرکت با Nvidia، AMD و Amazon Web Services در کنار توافق جدید با مایکروسافت، این زنجیره را از توسعه مدل به سمت تجاری‌سازی و مقیاس‌گذاری سوق می‌دهد. 🏷 پیوست خبری-تحلیلی 🌐 متاکاگ | فراتر از شناخت
MetaCog I متاکاگ
💠 امارات؛ عبور از «سرمایه‌گذاری در هوش مصنوعی» به سمت حکمرانی عامل‌های هوشمند 🔹 بر اساس گزارش ServiceNow Enterprise AI Maturity Index 2026، امارات متحده عربی در میان بازارهای جاه‌طلب و پیشرو هوش مصنوعی قرار گرفته است. این مطالعه که توسط ThoughtLab و با مشارکت حدود ۴۵۰۰ مدیر و ۲۰۰۰ کارمند در ۱۹ کشور انجام شده، میزان بلوغ سازمان‌ها در به‌کارگیری هوش مصنوعی را بررسی کرده است. ▫️ امارات نسبت به ارزیابی قبلی، ۱۳ امتیاز رشد در شاخص بلوغ هوش مصنوعی داشته است؛ عاملی که گزارش آن را به سیاست‌گذاری بلندمدت، سرمایه‌گذاری و رهبری تنظیم‌گری دولت نسبت می‌دهد. ▫️ ۵۷ درصد سازمان‌های اماراتی از هوش مصنوعی عامل‌محور (Agentic AI) استفاده کرده‌اند؛ بااین‌حال تنها ۷ درصد موفق شده‌اند از این فناوری برای ایجاد گردش‌کارهای کاملاً خودکار استفاده کنند. ▫️ در مقیاس جهانی نیز ۵۹ درصد سازمان‌ها ظرفیت استفاده از Agentic AI را دارند، اما فقط ۹ درصد پیشرفت قابل‌توجهی در ایجاد گردش‌کارهای چندمرحله‌ای و خودمختار داشته‌اند. ▫️ سازمان‌های اماراتی انتظار دارند هوش مصنوعی تا سال ۲۰۲۷ تقریباً یک‌پنجم کل بودجه فناوری اطلاعات آنها را به خود اختصاص دهد. ▫️ گزارش هشدار می‌دهد افزودن هوش مصنوعی به سامانه‌های قدیمی و جزیره‌ای کافی نیست؛ سازمان‌های پیشرو در حال اتصال سامانه‌های قدیمی، داده‌ها، حکمرانی و عامل‌های هوشمند در قالب یک معماری یکپارچه هستند. ▫️ در مقابل، گزارش از مقاومت بیشتر کارکنان عربستان سعودی نسبت به هوش مصنوعی سخن می‌گوید و عواملی مانند محیط‌های کاری ریسک‌گریز، داده‌های جزیره‌ای و هم‌پوشانی ابزارها را از موانع این کشور عنوان می‌کند. 🏷 پیوست خبری 🌐 متاکاگ | فراتر از شناخت