⚠️ 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!

📉 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

💠 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

💠 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

💠 اتیوپی و اردن؛ شکل‌گیری همکاری دوجانبه در هوش مصنوعی و تحول دیجیتال 🔹در پی سفر امجد المومنی، سفیر اردن در اتیوپی و نماینده دائم این کشور نزد اتحادیه آفریقا، به مؤسسه هوش مصنوعی اتیوپی، دو کشور درباره توسعه همکاری در حوزه هوش مصنوعی و تحول دیجیتال گفت‌وگو کردند. ▫️ ورکو گاچنا، مدیرکل مؤسسه هوش مصنوعی اتیوپی، در این دیدار گزارشی از فعالیت‌های مؤسسه و طرح‌های فناورانه جاری برای تقویت ظرفیت‌های اتیوپی در حوزه هوش مصنوعی ارائه کرد. ▫️ محورهای اصلی مذاکرات شامل هوش مصنوعی، تحول دیجیتال، توسعه سرمایه انسانی، تبادل دانش و تجربه و انتقال تخصص فنی میان دو کشور بود. ▫️ سفیر اردن ضمن تمجید از پیشرفت اتیوپی، رویکرد این کشور در توسعه هوش مصنوعی و فناوری‌های دیجیتال را امیدوارکننده توصیف کرد و بر علاقه اردن برای تعمیق روابط فناورانه با اتیوپی تأکید کرد. ▫️ همکاری پیشنهادی می‌تواند زمینه‌ای برای اشتراک دانش و تجربه، ارتقای ظرفیت‌های تخصصی و تسریع پذیرش فناوری‌های دیجیتال در هر دو کشور ایجاد کند. 🔺اتیوپی با ایجاد و توسعه یک مؤسسه تخصصی هوش مصنوعی و اردن با پیگیری همکاری در حوزه فناوری‌های نوظهور، در حال تبدیل روابط دیپلماتیک سنتی به شبکه‌های همکاری فناورانه و ظرفیت‌سازی مشترک هستند. در این الگو، «انتقال دانش و تخصص فنی» اهمیت ویژه‌ای دارد؛ زیرا کشورهایی که هنوز در مرحله توسعه ظرفیت‌های بومی AI هستند، می‌توانند به‌جای اتکا صرف به خرید فناوری، از مسیر همکاری جنوب ـ جنوب، تربیت نیروی متخصص و اشتراک تجربه بخشی از شکاف ظرفیت شناختی خود را کاهش دهند. از سوی دیگر، پیوند میان مؤسسه هوش مصنوعی اتیوپی و نمایندگی اردن نزد اتحادیه آفریقا، ظرفیت این همکاری را فراتر از یک رابطه دوجانبه قرار می‌دهد. در صورت تداوم، چنین شبکه‌هایی می‌توانند به شکل‌گیری کریدورهای منطقه‌ای دانش و تخصص هوش مصنوعی در آفریقا و خاورمیانه منجر شوند؛ شبکه‌هایی که در آینده صرفاً مصرف‌کننده فناوری‌های تولیدشده در قدرت‌های بزرگ نخواهند بود، بلکه در تولید، بومی‌سازی و انتقال ظرفیت‌های AI نیز نقش خواهند داشت. 🏷 پیوست خبری 🌐 متاکاگ | فراتر از شناخت

💠 مصر، به‌سوی حاکمیت زبانی بر هوش مصنوعی عربی؛ «کارناک» وارد مرحله آزمایشی شد 🔹 استارتاپ Karnak Chat در ۲۸ اوت نسخه آزمایشی دستیار گفت‌وگومحور «کارناک» را معرفی کرد؛ سامانه‌ای مبتنی بر یک مدل زبانی بزرگ توسعه‌یافته در مصر که بر توانایی پردازش عربی معیار (MSA) و عربی محاوره‌ای مصری تمرکز دارد. ▫️ این مدل توسط متخصصان مصری در مرکز نوآوری کاربردی (Applied Innovation Center)، وابسته به وزارت ارتباطات و فناوری اطلاعات مصر، توسعه یافته است. تیم توسعه با ارتقای مدل‌های متن‌باز موجود و آموزش آن‌ها بر مجموعه‌ای گزینش‌شده از داده‌ها و اسناد منتشرشده در مصر و جهان عرب، مدل کارناک را ایجاد کرده است. ▫️ کارناک علاوه بر تولید و درک عربی معیار، قادر به پردازش گونه محاوره‌ای مصری نیز طراحی شده و تلاش می‌کند زمینه فرهنگی مصر و جهان عرب را در تولید پاسخ‌ها لحاظ کند. همچنین استفاده از اطلاعات معتبر و قابل‌اعتماد در فرآیند پاسخ‌گویی، از اهداف طراحی آن عنوان شده است. ▫️ هدف پروژه صرفاً ساخت یک چت‌بات نیست؛ کارناک قرار است به‌عنوان لایه پایه برای توسعه مجموعه‌ای از کاربردهای هوش مصنوعی مولد در بخش‌های مختلف مصر و سایر کشورهای عربی مورد استفاده قرار گیرد. ▫️ یکی از مؤلفه‌های کلیدی پروژه، حاکمیت دیجیتال است. نرم‌افزار کارناک و برنامه‌های ساخته‌شده بر پایه آن می‌توانند در صورت نیاز، به‌صورت امن در مراکز داده داخلی سازمان‌ها مستقر شوند؛ موضوعی که کنترل بیشتری بر زیرساخت، داده‌ها و محیط پردازش هوش مصنوعی فراهم می‌کند. ▫️ این رویکرد می‌تواند وابستگی سازمان‌ها به زیرساخت‌های هوش مصنوعی میزبانی‌شده در خارج از کشور را کاهش دهد و هم‌زمان یک پایه بومی برای ساخت سامانه‌هایی متناسب با نیازهای کاربران عرب‌زبان ایجاد کند. ▫️ پروژه کارناک بخشی از برنامه گسترده‌تر مصر برای توسعه ظرفیت‌های بومی هوش مصنوعی از مسیر مرکز نوآوری کاربردی است؛ مرکزی که پیش‌تر نیز مأموریت توسعه سامانه‌های هوش مصنوعی برای حوزه‌هایی همچون کشاورزی، سلامت و آموزش را در چارچوب راهبرد ملی هوش مصنوعی مصر بر عهده داشته است. 🔺مدل‌های عمومی اگرچه می‌توانند عربی را پردازش کنند، اما الزاماً درک یکسانی از تفاوت‌های زبانی و فرهنگی میان عربی معیار و گویش‌های منطقه‌ای ندارند. کارناک با تمرکز هم‌زمان بر عربی معیار و عربی مصری، در واقع در حال حرکت به سمت بومی‌سازی لایه شناختی هوش مصنوعی است؛ یعنی مدلی که نه‌فقط زبان کاربر، بلکه زمینه فرهنگی و اطلاعاتی او را نیز در فرآیند تولید پاسخ لحاظ کند. از سوی دیگر، قابلیت استقرار مدل در مراکز داده داخلی، پروژه را از یک محصول زبانی به یک دارایی زیرساختی نزدیک می‌کند. هرچه کاربردهای چنین مدلی در دولت، آموزش، سلامت و خدمات عمومی گسترش یابد، داده‌های تولیدشده و پردازش‌شده در همان اکوسیستم داخلی باقی می‌مانند و امکان توسعه سامانه‌های تخصصی بر پایه داده‌های بومی افزایش پیدا می‌کند. بنابراین، روند قابل مشاهده در مصر را می‌توان حرکت از مصرف‌کننده مدل‌های عمومی به سمت ساخت یک زنجیره بومی هوش مصنوعی دانست؛ زنجیره‌ای که از مدل زبانی و داده آغاز می‌شود و در نهایت می‌تواند به لایه‌های کاربردی، زیرساختی و حکمرانی هوش مصنوعی امتداد یابد. 🏷 پیوست خبری-تحلیلی 🌐 متاکاگ | فراتر از شناخت

💠 ۲۰۰ هزار حساب، ۲۰۰ بات و یک هدف: شکل‌دهی به افکار عمومی آمریکا علیه AI 🔹 روزنامه The News International با استناد به یافته‌های تیم Global Government Affairs شبکه X گزارش داده است که این پلتفرم حدود ۲۰۰ حساب را درون یک شبکه باتی نزدیک به ۲۰۰ هزار حساب شناسایی کرده که هدف آن، اثرگذاری بر افکار عمومی آمریکا درباره توسعه مراکز داده هوش مصنوعی و پیامدهای انرژی آن عنوان شده است. این حساب‌ها با انتشار محتوای تولیدشده توسط هوش مصنوعی، از جمله کارتون‌هایی که نشان می‌دادند اپراتورهای مراکز داده از رونق AI سود می‌برند اما هزینه‌های برق به خانوارهای عادی منتقل می‌شود، درصدد شکل‌دهی به بحث عمومی درباره سیاست انرژی و توسعه زیرساخت‌های هوش مصنوعی بوده‌اند. ▫️ X اعلام کرده این حساب‌ها می‌توانستند یک «بحث مشروع» درباره سیاست انرژی و هوش مصنوعی آمریکا را دچار اعوجاج کنند؛ بااین‌حال، این شرکت درباره محتوای ۱۹۹٬۸۰۰ حساب دیگر موجود در این شبکه توضیحی ارائه نکرده است. ▫️ این نخستین مورد مشابه نیست. OpenAI نیز در ژوئن از یک عملیات مرتبط با کاربران مستقر در چین خبر داده بود که در آن، محتوای انگلیسی‌زبان پیرامون کارزاری با عنوان داخلی Data Center Bandwagon تولید می‌شد؛ بخشی از این محتوا نیز سیاست تعرفه‌ای آمریکا را هدف قرار می‌داد. ▫️ دست‌کم دو تصویر شناسایی‌شده در گزارش X، ظاهراً با تصاویری که پیش‌تر در گزارش OpenAI منتشر شده بود مطابقت دارد. این مسئله می‌تواند نشانه‌ای از بازتوزیع یک محتوای واحد میان چند پلتفرم باشد؛ یعنی عملیات لزوماً با تولید مداوم محتوای جدید پیش نمی‌رود، بلکه با تکثیر و توزیع مجدد روایت موجود مقیاس می‌گیرد. ▫️ نکته مهم‌تر این است که اصل ادعای مطرح‌شده در این عملیات، یعنی ارتباط میان توسعه مراکز داده و افزایش فشار بر شبکه برق و هزینه انرژی، لزوماً جعلی نیست. بر اساس پژوهش Bloomberg، قیمت برق در نزدیکی مراکز داده طی پنج سال ۲۶۷ درصد افزایش یافته است. Goldman Sachs نیز گزارش کرده قیمت برق نسبت به سال قبل ۶.۹ درصد افزایش داشته؛ رقمی بیش از دو برابر نرخ تورم، درحالی‌که مراکز داده می‌توانند حدود ۴۰ درصد از رشد مصرف برق در این دهه را به خود اختصاص دهند. ▫️ فشار زیرساختی تنها به برق محدود نیست. یک پروژه مرکز داده در میشیگان قرار بود ۱.۴ گیگاوات برق مصرف کند؛ ظرفیتی در مقیاس تولید یک نیروگاه هسته‌ای. در ویرجینیا نیز مراکز داده در سال ۲۰۲۳ حدود ۱.۸۵ میلیارد گالن آب مصرف کردند؛ درحالی‌که این رقم در سال ۲۰۱۹ حدود ۱.۱۳ میلیارد گالن بود. در جورجیا نیز یک مرکز داده پیش از آنکه هزینه مصرف آب آن به مردم تحمیل شود، حدود ۲۹ میلیون گالن آب مصرف کرده بود. 🔺 اگر بازیگری خارجی واقعاً در پس این شبکه قرار داشته باشد، موفقیت عملیات الزاماً به این نیست که مردم را متقاعد کند «مراکز داده بد هستند». کافی است یک نگرانی واقعی، افزایش قیمت برق، مصرف آب، فشار بر شبکه و توزیع نامتوازن منافع اقتصادی AI ــ را شناسایی کرده و آن را با محتوای مصنوعی، حساب‌های جعلی و توزیع هماهنگ، قطبی و سیاسی کند. در چنین وضعیتی، تشخیص عملیات نفوذ بسیار دشوارتر می‌شود؛ زیرا محتوای منتشرشده الزاماً خلاف واقع نیست. مسئله در منشأ، هماهنگی، مقیاس و هدف توزیع آن است. این الگو را می‌توان نوعی «تقویت مصنوعی نارضایتی واقعی» دانست: یک بازیگر خارجی به‌جای ساختن یک شکاف اجتماعی از صفر، شکافی را پیدا می‌کند که پیش‌تر وجود داشته و سپس با شبکه‌های باتی و محتوای مولد، سرعت انتشار و شدت سیاسی‌شدن آن را افزایش می‌دهد. 🏷 پیوست خبری-تحلیلی 🌐 متاکاگ | فراتر از شناخت