اگر اشتراک کدکس دارید، ظاهراً OpenAI به خاطر آسترا لیمیت ۵ساعته کدکس رو تقریبا ۵۰ درصد افزایش داده #خبر_خوب @REVAYO_IR

برای اینکه بدونید آسترا سطوح مختلف تفکرش چقدر فرق داره، و چقدر کم میشه از quata، یه کاربر اینو پست کرده بود: GPT-6-Astra (Max) VS GPT-6-Astra (Medium) - Simple 3D Sonic Game In Godot Astra on Max took 53 minutes and used 4% of my weekly usage on a Pro x5 Account. Astra on Medium took 25 minutes and used 1% of the weekly usage به عنوان مثال در پلن pro 5x کدکس (100دلاری) آسترا اینو براش وان‌شات کرده بالایی روی تفکر Max که ۵۳ دقیقه طول کشیده و ۴ درصد از لیمیت هفتگی‌اش مصرف شده و پایینی روی medium فقط ۲۵ دقیقه طول کشیده و ۱ درصد از لیمیت هفتگی مصرف شده. #خبر_خوب @REVAYO_IR

🧠 واژه AGI یعنی چی؟! هدف نهایی همه این سرمایه‌گذاری های کلان در AI، رؤیایی هست به نام AGI که شرکت های هوش مصنوعی می‌فروشند. عبارت Artificial General Intelligence یا به اختصار AGI به معنی هوش عمومی مصنوعی‌ست، در مقابل عبارت Artificial Narrow Intelligence یعنی هوش مصنوعی محدود. 🔹 تعریف AGI از زمانی که اولین بار کامپیوتر در جنگ جهانی دوم اختراع شد برای رمزگشایی و محاسبات نظامی ، این عبارت مطرح شد و این سوال شکل گرفت که آیا ماشین می‌تونه مثل انسان فکر کنه ؟! و میشه گفت از زمان اختراع کامپیوتر، آرزوی دیرینه و هدف نهایی تمام دانشمندان علوم کامپیوتر رسیدن به AGI بوده. در تعریف دقیق این عبارت ممکنه اختلاف وجود داشته باشه بین افراد و متخصصین مختلف اما بطور کلی «هوش مصنوعی عمومی» به معنای ماشینی هست که صددرصد توانایی‌های شناختی انسان رو داشته باشه. یعنی مطلقا هر کاری که انسان با قوه عقل و هوش خودش می‌تونه انجام بده بتونه ماشین هم انجام بده، از درک کامل تصویر و حرکت و صدا بگیر (مثل انسان) تا خلاقیت و تفکر علمی و کشف و خلق علوم جدید و ... انسان مهمترین مصداق AGI هست چون از جهت ذهنی خیلی محدودیتی نداره، و بالقوه هر کاری می‌تونه انجام بده و هر چیزی رو می‌تونه بالاخره یاد بگیره و یا کشف کنه، یا اختراع کنه. نکته مهم: وقتی گفته میشه ماشین به سطح AGI برسه، این به معنای انسان‌های معمولی نیست، یعنی باهوش‌ترین انسان‌های ممکن، مثل انیشتین و ابن‌سینا و ... 📆 تاریخچه تا قبل از معرفی معماری transformer (معماری تمام هوش مصنوعی های کنونی از GPT و Gemini و Claude و... ) الگوریتم های این حوزه خیلی محدود بودند. مثلا مدل LSTM فقط برای پردازش خیلی محدود زبان طبیعی (زنجیره کاراکترهای حروف) بود؛ اون هم در حد جملات خیلی کوتاه‌. مدل CNN فقط برای پردازش و بررسی الگو‌های خاص در تصویر. این الگوریتم‌ها در زیرشاخه رشته هوش مصنوعی در علوم کامپیوتر محسوب می‌شدند چون یاد گرفتی بودند نه کد صرف. (یعنی یک مدل پایه نوشته میشد که عملکرد اصلی‌اش پس از train شدن با مقدار زیادی دیتای واقعی ایجاد میشد.) اما اینها اونقدر محدود بودند که مثلا یک مدل CNN با هزاران عکس گربه آموزش داده میشد که فقط تشخیص بده در یک عکس گربه وجود داره یا نه ... خروجی مدل هم میشد صرفا 0 و 1؛ اگر گربه وجود داره 1 و اگر وجود نداره 0 . 💥 تحول بزرگ: Transformer البته بساط این مسخره بازی با اومدن معماری transformer جمع شد. این معماری توسط محقق‌های گوگل در سال 2017 معرفی شد فقط برای ترجمه ماشینی در زیرشاخه پردازش زبان طبیعی هوش مصنوعی؛ معماری که طراحی شده بود تا فقط #معنای_کلمات در جمله رو بهتر درک کنه ... اما سم آلتمن و تیمش در شرکت OpenAI پتانسیل حقیقی‌اش رو زودتر از بقیه فهمیدند و تبدیل شدند به شرکتی که ChatGPT moment رو رقم زد. لحظه‌ای که میشه تاریخ بشر رو به قبل و بعد از اون تقسیم کرد. الان ما معماری داریم که با مقداری تغییر از اون طرح اولیه‌ی transformer، نه تنها زبان طبیعی رو کاملا درک می‌کنه، بلکه می‌تونه همزمان در یک معماری واحد _مثل کورتکس مغز انسان_ پیچیده‌ترین الگوهارو در هر نوع داده ورودی یاد بگیره تا جاییکه می‌تونه تصویر، صدا و ویدیو و زبان طبیعی رو در همون سطح انسان درک و بازتولید کنه. میشه گفت 80 درصد مسیر تا AGI ناگهان طی شد ... ⁉️ پس به AGI رسیدیم؟! تا حدی شاید بشه گفت آره، ولی چون G یعنی Generalش طبق تعریف باید صددرصد هوش عمومی باشه، یعنی تمام توانایی‌های شناختی انسان رو داشته باشه. هنوز معمولا کسی به هوش مصنوعی های کنونی نمیگه AGI، چون برخی توانایی‌های شناختی مهم رو ندارند، مثل 1. هوش فیزیکی (world model) ندارند. طوریکه بتونند از طریق یک بدن رباتیک با دنیای فیزیکی مثل ما تعامل کنند و برنامه‌های بلندمدت مثلا چندساله داشته باشند. 2. حافظه بلند مدت ندارند. مثل ما نمی‌تونند مشاهدات و و تجربیات رو به با حافظه بلند مدت بسپارند و همیشه درحال یادگیری باشند. اصطلاحا Test-Time Training ندارند و در زمان اجرا، پارامترها(≈سیناپس)شون کاملا فریزه، برخلاف ما. 3. هنوز ذاتا یک چت‌بات‌اند یعنی نوبتی (turn-based) هستند، و فقط وقتی کسی یه پرامپت یا پیام بهشون بده، شروع می‌کنند به پردازش اطلاعات تا پایان همون همون turn و دوباره خاموش می‌شن. مثل ما همیشه روشن و درحال ادراک محیط نیستند. 4. خلاقیت حقیقی، یعنی مثلا اگر فقط اطلاعات موجود در زمان انیشتین رو داشت، بتونه قوانین نسبیت رو مثل انیشتین کشف کنه. البته برای اینا ایده‌هایی مطرح شده ولی هنوز در فاز تحقیقاتی هستند و مقیاس‌پذیر بودنشون اثبات‌نشده. مثل ایده Interaction models یا معماری JEPA و معماری Titan برای حافظه. 🚨 روی هر کدوم از معماری‌ها کلیک کنید، برای کسب اطلاعات بیشتر. @REVAYO_IR

بعضی ها پیام دادن میگن مطالب پست ها برامون سنگینه😁 پس من یه توضیحی راجبشون میدم دوست داشتید برید درموردش بخونید🤖🦾

هوش مصنوعی الان خیلی به هوش عمومی انسان نزدیک شده، ولی هنوز برای اینکه واقعاً AGI حساب بشه، باید بتونه مثل انسان از تجربه‌ها یاد بگیره، دنیای واقعی رو بفهمه، حافظه دائمی داشته باشه و خودش دانش جدید کشف کنه. .

•AGI• یعنی هوش مصنوعی‌ای که بتونه مثل یک انسان باهوش، تقریباً هر کار فکری جدیدی رو یاد بگیره و انجام بده؛ نه اینکه فقط برای یک کار خاص ساخته شده باشه! .

بخش دوم - ASI بر اساس پیش‌بینی‌ها، منطقاً چند ماه بعد از رسیدن به AGI، به ASI یا ابرهوش می‌رسیم، چون روند تصاعدی پیشرفت متوقف نمیشه. یعنی سیستمی که در همه‌چیز از تمام انسان‌ها باهوش‌تره، تا حدی که شاید دیگه نتونیم درکش کنیم. قبل از رسیدن به AGI یا ASI، قطعاً از «ASI محدود» عبور می‌کنیم، سیستمی که در بعضی زمینه‌ها از همه انسان‌ها باهوش‌تره، ولی در زمینه‌های دیگه هنوز ضعیف‌تره. میشه گفت الان تقریباً همینجاییم. 🕳️ Singularity مفهوم دیگه‌ای هم در آینده‌پژوهیِ هوش مصنوعی هست به‌نام Singularity، که ریشه‌اش از فیزیکه. در سیاه‌چاله، به نقطه‌ای که قوانین فیزیک بعدش دیگه کار نمی‌کنه، سینگولاریتی میگن، چون هیچ‌جور نمیشه پیش‌بینی کرد بعدش چی میشه. همین واژه رو درباره آینده هم به‌کار می‌برن، به نقطه‌ای که به ASI برسیم و کنترل کامل رشد علم و فناوری هم دست اون بیفته. اونجا رو بهش سینگولاریتی میگن، چون دیگه اصلاً نمیشه گفت جهان بعدش چه شکلی میشه. به‌نظر می‌رسه الان خیلی به این نقطه نزدیکیم ... @REVAYO_IR

متن بالا رو حتما بخونید، خیلی مهمه! برای درک تحولات جهان و دنیا و اینکه به چه سمتی داریم میریم، با این اصطلاحات بعدا کار داریم ...

🚀 الان که مدل تازه‌ی ChatGPT به اسم GPT-6 Astra در کار با نرم‌افزارهای سه‌بعدی و computer use به سطح واقعا جدی رسیده. اگر شغلت یکی از این سه‌تاست، این‌ها ابزارهایی هستن که باید کنارش وصل کنی. 🎮 بازی‌سازی بهترین گزینه معمولا آنریل انجین هست. پیش‌نیازش اینه که هم خود Unreal Engine رو نصب کنی، هم MCP مخصوصش رو وصل کنی. اگه با یونیتی کار می‌کنی، پکیج رسمی MCP for Unity گزینه‌ی توئه، و اگه گودو کار می‌کنی، یک MCP سرور اختصاصی برای گودو هم موجوده. کنار هر کدوم، معمولا BlenderMCP هم لازم میشه، برای ساخت اسِت‌های سه‌بعدی قبل از وارد کردنشون به موتور بازی. 🏛 معماری و طراحی سه‌بعدی ابزار اصلی این حوزه معمولا بلندر هست. پیش‌نیاز کارت، نصب خود Blender و بعد وصل کردن BlenderMCP هست تا آسترا بتونه مستقیم داخل صحنه مدل‌سازی و رندر کنه. 🔧 سخت‌افزار و طراحی مدار سراغ KiCad برو. پیش‌نیازش، نصب KiCad نسخه‌ی ۹ به بالا به همراه پایتون، و بعد وصل کردن KiCad MCP هست. با این ترکیب، اَسترا می‌تونه طرح مدار رو تحلیل کنه، netlist دربیاره، و حتی چیدمان PCB انجام بده. @REVAYO_IR

🚨 نکات مهم: 1. اپلیکیشن مربوطه شغل (مثل Blender) باید روی سیستمتون نصب باشه، چون MCP فقط یه پلاگینه که پل ارتباطی بین مدل و نرم‌افزار میشه، نه جایگزینش. 2. وبسایت یا اپ موبایل ChatGPT هیچ کدوم از این کارهارو قرار نیست انجام بده و فقط برای چت کردن ساخته شده. حتما باید روی کامپیوتر خودتون، نرم‌افزار دسکتاپش رو داشته باشید. 3. یک نرم‌افزار دیگه به نام classic ChatGPT وجود داره در مایکروسافت استور که به هیچ وجه اونو نصب نکنید. اون ورژن قدیمی هست و هیچ کدوم این قابلیت‌هارو نداره. 4. برای استفاده از Astra باید یکی از اشتراک های پولی‌ ChatGPT رو داشته باشید که از ۲۰دلاری شروع میشه؛ ولی اگر بتونید با خودکارسازی کارهاتون، خروجی خودتون ۵ یا ۱۰ برابر کنید، واقعا میرزه 5. پس از اینکه نرم‌افزارهای مورد نیاز نصب کردید، فقط کافیه به خود ChatGPT در حالت work mode بگین "این mcpهارو برای خودت فعال کن"، و برای استفاده هم حتما مدل GPT 6 Astra رو از لیست انتخاب کنید. @REVAYO_IR

قدرت آسترا 🙌🏻🤩واقعا مدل جدیدش خفنه حتما تست کردید نمونه کاراتون و برام بفرستید😎🦾 @REVAYO_MEDIA