درآمد آلفابت(شرکت مادر مجموعه گوگل) در سال ٢٠٢۴ بر اساس مناطق مختلف جهان

هزینه ساخت GTA 6 بیشتر از برج خلیفه! ▪️در حالی که ساخت برج خلیفه با ارتفاع ۸۲۸ متر حدود ۶ سال زمان برده و ۱.۵ میلیارد دلار هزینه داشته، گزارش ها نشان می دهد ساخت GTA 6 با بودجه‌ای بیش از ۲ میلیارد دلار در حال اجراست و توسعه آن بیش از ۸ سال زمان برده است!

🔵 چت‌‏‌بات‌‏‌های هوش مصنوعی، امپراتوری گوگل را تهدید می کنند 🔹خبر بد برای گوگل این است که افراد بسیاری حالا دیگر به جای سرچ در گوگل، از چت بات ها برای دریافت اطلاعات و جواب سوالاتشان استفاده می کنند؛ چون معتقدند که این ابزارها به جای اینکه لیستی از لینک‌‌‌های مرتبط (یا حتی غیرمرتبط) را در اختیارشان بگذارند، پاسخ‌‌‌های دقیق‌‌‌تری به سوالاتشان می‌‌‌دهد به طوری که در زمان هم صرفه‌‌‌جویی می‌‌‌شود. 🔹ابزارهای جست‌‌‌وجوی هوش مصنوعی باعث شده‌‌‌اند جست‌‌‌وجوی این افراد در گوگل بیش از ۹۰ درصد کم شود! 🔹این خبر خوبی برای گوگل نیست؛ آن هم گوگلی که ده‌‌‌ها سال سردمدار بی‌‌‌چون‌‌‌وچرای حوزه‌‌‌ جست‌‌‌وجو بوده و بخش عمده‌‌‌ای از ترافیک اینترنت جهانی را در اختیار داشته و با ارائه‌‌‌ مجموعه‌‌‌ای گسترده از محتوا، امپراتوری تبلیغاتی عظیمی بنا کرده که کسب‌‌‌وکارها برای دیده ‌‌‌شدن و کسب درآمد به آن تکیه دارند. 🔹شرکت مشاوره گارتنر پیش‌‌‌بینی کرده که تا سال ۲۰۲۶، حجم جست‌‌‌وجوی اینترنتی سنتی بیش از ۲۵ درصد کاهش داشته باشد. 🔹شکی نیست که با بهبود مدل‌‌‌های هوش مصنوعی و ادغام داده‌‌‌های آنی، جست‌‌‌وجوی سنتی گوگل به روند نزولی خود ادامه دهد و همین مساله باعث می‌‌‌شود تبلیغ‌‌‌کنندگان در استراتژی‌‌‌های بازاریابی خود تجدیدنظر کنند. 🔹در این شرایط، گروه‌‌‌های تبلیغاتی و استارت‌‌‌آپ‌‌‌های تکنولوژی، به شدت با هم رقابت می‌‌‌کنند تا راه‌‌‌هایی پیدا کنند که به برندها کمک کند احتمال دیده‌‌‌شدنشان در نتایج چت‌‌‌بات‌‌‌های هوش مصنوعی بالا برود. این اتفاق آغاز دوره‌‌‌ای نو از «بهینه‌‌‌سازی موتورهای جست‌‌‌وجو» است. 🔹البته گوگل هم دست روی دست نگذاشته است. این شرکت با قابلیت جدیدی به نام AI Overviews پاسخ‌‌‌های هوش مصنوعی را در جست‌‌‌وجوهای مرورگر ادغام کرده است. https://donya-e-eqtesad.com/fa/tiny/news-4175380

قابل توجه مسئولان و سیاست گذاران فرهنگی کشورمان:امارات یادگیری "هوش مصنوعی" را برای دانش‌آموزان اجباری کرد. 🔹به دستور نخست‌وزیر امارات، درس «هوش مصنوعی» از سال تحصیلی ۲۰۲۵-۲۰۲۶ به برنامه رسمی تمام مدارس دولتی این کشور اضافه می‌شود. قرار است دانش‌آموزان از مقطع راهنمایی با مفاهیم پایه هوش مصنوعی و یادگیری ماشین آشنا شوند و در سال‌های بعدی سراغ کدنویسی، اخلاق AI و پروژه‌های عملی بروند. 🔹برای اجرای این طرح، بیش از ۲۵هزار معلم در حال گذراندن دوره‌های تخصصی هستند و محتوای درسی با همکاری دانشگاه‌ها و بنیادهای تخصصی طراحی شده. این برنامه بخشی از «استراتژی ملی هوش مصنوعی ۲۰۳۱» امارات است؛ جایی که حتی در فرآیند قانون‌گذاری هم از AI استفاده می‌شود. 🔹مسئولان این کشور می‌گویند هدفشان آماده‌سازی نسلی برای آینده‌ای متفاوت است؛ آینده‌ای که به‌جای حفظ‌کردن، خلاقیت، فناوری و تفکر سیستمی در اولویت خواهد بود

افزونه هوش مصنوعی AIWritingCompanion برای فایرفاکس عرضه شد ‏ فایرفاکس افزونه هوش مصنوعی AIWritingCompanion را که توسط یک کاربر ایرانی به نام ‌ iSegar0 توسعه داده شده، در دسترس قرار داد. افزونه یاد شده در صف تأیید دو مرورگر کروم و اج هم هست ‏افزونه یاد شده که با سرویس‌های OpenAI، جمینای، OpenRouter و WebAI‌ کار می‌کند، می‌تواند هر متنی را به انگلیسی یا زبان‌های دیگر ترجمه کند.

💢آینده لایک‌ها در عصر هوش مصنوعی: آیا دکمه لایک منسوخ خواهد شد؟ ✍🏻یادداشت منتشر شده در سایت Wired 🔹لایک‌های شما در شبکه‌های اجتماعی، گنجینه‌ای از داده‌ها درباره رفتار انسانی هستند که مدل‌های هوش مصنوعی می‌توانند از آن بهره ببرند. اما با پیشرفت فناوری، آیا ممکن است هوش مصنوعی بتواند پیش از آنکه کاربران خود از ترجیحاتشان آگاه شوند، آنها را بشناسد؟ 🔸اگرچه لایک‌ها ابزاری برای آموزش هوش مصنوعی محسوب می‌شوند، خود هوش مصنوعی در حال تغییر نحوه‌ی شکل‌گیری لایک‌ها است. پلتفرم‌های اجتماعی نه‌تنها از هوش مصنوعی برای تحلیل داده‌های لایک، بلکه برای پیش‌بینی میزان لایک شدن یک پست نیز استفاده می‌کنند – امری که شاید در نهایت دکمه‌ی لایک را غیرضروری کند. 🔹روند این تغییرات قبلاً نیز مشاهده شده است. برای مثال، هوش مصنوعی می‌تواند پیش‌بینی کند کاربران بیشتر مایل به تماشای کدام ویدیو هستند، که این امر باعث افزایش زمان مشاهده‌ی محتوا شد. 🔸استیو چن، یکی از بنیان‌گذاران یوتیوب، درباره‌ی آینده‌ی دکمه لایک چنین اظهار نظر می‌کند: «گاهی از خود می‌پرسم که اگر هوش مصنوعی به سطحی برسد که بتواند با دقت ۱۰۰ درصد پیش‌بینی کند کاربران چه محتوایی را ترجیح می‌دهند، آیا اصلاً به دکمه‌ی لایک نیازی خواهد بود؟». واقعیت آن است که با پیشرفت فناوری، شاید مفهوم «لایک کردن» جای خود را به روش‌های پیچیده‌تر و دقیق‌تری برای تحلیل ترجیحات کاربران بدهد. 🔹با این حال، لایک ممکن است به دلیل نقشش در تعامل میان سه گروه اصلی—بینندگان، سازندگان محتوا و تبلیغ‌کنندگان—ماندگار بماند. با یک ضربه، یک بیننده نه‌تنها قدردانی و بازخورد خود را به تولیدکننده محتوا منتقل می‌کند، بلکه شواهدی از تعامل خود را نیز به تبلیغ‌کنندگان ارائه می‌دهد. 🔸با این حال، امروزه حجم زیادی از محتوا—اعم از متن و تصویر—که در رسانه‌های اجتماعی محبوب می‌شود، توسط هوش مصنوعی تولید شده است. این مسئله این پرسش را مطرح می‌کند: آیا هدف اولیه‌ی دکمه لایک، یعنی تشویق کاربران به تولید محتوا، همچنان مرتبط خواهد ماند؟ ▪️ظهور اینفلوئنسرهای دیجیتال ساخته‌شده توسط هوش مصنوعی 🔹از سوی دیگر، هوش مصنوعی در حال تولید شخصیت‌های دیجیتالی است که در رسانه‌های اجتماعی طرفداران زیادی دارند. نمونه‌ای از این پدیده، آیتانا لوپز است؛ شخصیتی که زندگی جذابی به‌عنوان یک موسیقیدان و مدل اسپانیایی دارد. حساب اینستاگرام او دارای بیش از ۳۱۰ هزار دنبال‌کننده است و او برای برندهای معروف، از جمله ویکتوریا سیکرت، با هزینه‌ی ۱۰۰۰ دلار برای هر پست تبلیغ می‌کند. اما برخلاف دیگر اینفلوئنسرها، آیتانا نیازی به لباس، غذا یا سرپناه ندارد—زیرا او یک شخصیت کاملاً دیجیتالی است، ساخته‌شده توسط یک آژانس تبلیغاتی. 🔸چنین روندی ممکن است آینده‌ی شبکه‌های اجتماعی را به‌طور اساسی تغییر دهد، جایی که تعاملات درون پلتفرم‌ها نه‌تنها توسط انسان‌ها، بلکه توسط عوامل هوش مصنوعی نیز هدایت می‌شود. 🔹با افزایش تعاملات میان اینفلوئنسرهای دیجیتال و ربات‌های مبتنی بر هوش مصنوعی، ساختار ارتباطات آنلاین در حال تغییر است. اما اگر لایک‌ها دیگر از سوی افراد واقعی نباشند و محتوا نیز توسط انسان‌ها تولید نشود، این تحول چه تأثیری بر آینده‌ی اقتصاد لایک خواهد داشت؟ 🔸در سناریویی که نه‌تنها یادآور فیلم Her است بلکه از آن فراتر می‌رود، اکنون می‌توان اشتراکی خرید که به کاربران امکان می‌دهد با یک "دوست مجازی" در صفحه‌ی چت تعامل کنند. CarynAI نمونه‌ای از این تغییرات است؛ یک نسخه‌ی هوش مصنوعی از اینفلوئنسر آنلاین کارین مارجوری که پیش‌تر در اسنپ‌چت بیش از یک میلیون دنبال‌کننده داشت. 🔹در چنین فضایی، می‌توان آینده‌ای را تصور کرد که در آن بخش بزرگی از لایک‌ها دیگر متعلق به محتوای تولید شده توسط انسان نباشد و حتی توسط افراد واقعی نیز اعطا نشوند. دنیای دیجیتالی ممکن است به فضایی تبدیل شود که در آن سازندگان و مصرف‌کنندگان نیمه‌انسانی و نیمه‌هوش‌مصنوعی با سرعت بالایی با یکدیگر تعامل دارند. 🔸اگر این تغییرات حتی تا حدی محقق شوند، مشکلات تازه‌ای برای حل وجود خواهد داشت از جمله نیاز به شفافیت در مورد اینکه چه کسی (یا چه چیزی) واقعاً پشت هر پست قرار دارد. آیا یک پست واقعاً محبوب است، یا فقط توسط هوش مصنوعی ترویج یافته؟ 🔹به نظر می‌رسد که پلتفرم‌های مختلف به تدریج ابزارهایی را برای افزایش شفافیت توسعه دهند، تا مشخص شود آیا یک لایک از سوی یک انسان واقعی آمده است یا یک عامل هوش مصنوعی. بسته به سیاست هر پلتفرم، این ابزارها ممکن است به درجات مختلف اجرا شوند، اما ضرورت آن‌ها روزبه‌روز آشکارتر می‌شود.

چرا نباید چشم‌بسته به هر وی‌پی‌ان اعتماد کنیم؟ »»آیا می‌دانید بسیاری از وی‌پی‌ان‌ها می‌توانند اطلاعات شخصی شما را جمع‌آوری کنند و حتی به دیگران بفروشند؟ »» خطرات استفاده از وی‌پی‌ان‌های ناشناس و رایگان »تفاوت وی‌پی‌ان‌های معتبر و نامعتبر »نقش تیک تأیید (Verified) گوگل پلی در انتخاب اپلیکیشن » نکات کلیدی برای انتخاب وی‌پی‌ان امن » راهکارهای کاهش ریسک نقض حریم خصوصی https://nooshdaroo.ir/smartphone-security/choose-vpn-wisley

هوش مصنوعی فرمان جنگنده‌های چین را در دست گرفت! چین با کمک هوش مصنوعی DeepSeek نسل جدید جنگنده‌های رادارگریز را طراحی می‌کند و آماده رقابت با غول‌های فناوری غربی است. khabaronline.ir/xnwXH

هوش مصنوعی در آزمون درک تعاملات اجتماعی مردود شد! مطالعه جدیدی در دانشگاه جانز هاپکینز نشان می‌دهد که هوش مصنوعی امروزی در درک و پیش بینی تعاملات اجتماعی در موقعیت‌های مختلف کاملا ناتوان است. این ضعف برای تکنولوژی‌هایی مانند ماشین‌های خودران یا ربات‌هایی که با انسان‌ها تعامل دارند، مشکل بزرگی محسوب می‌شود. به نظر می‌رسد مدل‌های فعلی یک نقطه کور اساسی دارند https://www.shahrsakhtafzar.com/fa/news/technology/55817-ai-cannot-understand-social-behaviour

هذیان‌گویی در مدل‌های جدید بیشتر شده است در حالی که شرکت‌های فناوری و کاربران سراسر جهان به طور فزاینده‌ای از چت‌بات‌ها و ابزارهای هوش مصنوعی برای انجام وظایف مختلف استفاده می‌کنند، گزارشی جدید نشان می‌دهد که نسل جدید مدل‌های هوش مصنوعی نه‌تنها دقیق‌تر نشده‌اند، بلکه در مواردی خطاهای بیشتری دارند. نیویورک تایمز طی گزارشی با اشاره به نمونه‌ای عملی از تاثیر‌گذاری جدی این پدیده بر کاربران و حتی شرکت‌هایی اشاره می‌کند که از هوش مصنوعی برای خودکارسازی وظایف خود کمک می‌گیرند به افزایش میزان هذیان‌گویی در مدل‌های جدید و تبعات احتمالی آن پرداخته است. طبق این گزارش با وجود پیشرفت ابزارهای هوش مصنوعی مولد و توسعه روز افزون این فناوری، مشکل هذیان‌گویی نه تنها برطرف نشده است، بلکه شاهد تشدید این مساله به ویژه در میان مدل‌های استدلال‌گر هستیم https://peivast.com/p/229902

دوره ۱۸ قسمتی رایگان مایکروسافت ؛ آموزش هوش مصنوعی از پایه تا پیشرفته مایکروسافت دوره‌ای رایگان و جامع با عنوان «Generative AI for Beginners» منتشر کرده است که در ۱۸ قسمت، مفاهیم هوش مصنوعی مولد را از سطح مقدماتی تا پیشرفته آموزش می‌دهد. این دوره برای علاقه‌مندان به هوش مصنوعی، توسعه‌دهندگان، دانشجویان و فعالان حوزه فناوری طراحی شده و شامل ویدیوهای آموزشی، مثال‌های کدنویسی با Python و TypeScript، تمرین‌های عملی و منابع تکمیلی است. قسمت ۱: معرفی هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLMs) آشنایی با مفاهیم پایه هوش مصنوعی مولد، نحوه عملکرد مدل‌های زبانی بزرگ و کاربردهای آن‌ها در صنایع مختلف. قسمت ۲: بررسی و مقایسه مدل‌های زبانی مختلف مقایسه انواع مدل‌های زبانی بزرگ، کاربردهای آن‌ها و نحوه انتخاب مدل مناسب برای نیازهای مختلف. قسمت ۳: استفاده مسئولانه از هوش مصنوعی مولد بررسی اصول اخلاقی و مسئولیت‌پذیری در استفاده از هوش مصنوعی مولد و راهکارهای جلوگیری از سوءاستفاده. قسمت ۴: درک اصول مهندسی پرامپت آشنایی با مفاهیم مهندسی پرامپت، اجزای آن و تکنیک‌های بهینه‌سازی دستورات برای دریافت پاسخ‌های بهتر از مدل‌های هوش مصنوعی. قسمت ۵: ساخت پرامپت‌های پیشرفته یادگیری تکنیک‌های پیشرفته در مهندسی پرامپت برای بهبود کیفیت و دقت پاسخ‌های مدل‌های زبانی. قسمت ۶: ساخت اپلیکیشن‌های مولد متن آموزش ساخت برنامه‌های تولید متن با استفاده از کتابخانه OpenAI و مفاهیم مرتبط مانند پرامپت، دما (temperature) و توکن‌ها. قسمت ۷: ساخت اپلیکیشن‌های چت راهنمایی در ساخت و ادغام برنامه‌های چت مبتنی بر هوش مصنوعی و نکات مهم در طراحی و پیاده‌سازی آن‌ها. قسمت ۸: ساخت اپ‌های جستجوی پایگاه داده برداری (Vector Database) آشنایی با مفهوم Embeddings، ایجاد پایگاه داده برداری و پیاده‌سازی جستجوی معنایی در برنامه‌ها. قسمت ۹: ساخت اپلیکیشن مولد تصویر آموزش استفاده از مدل‌های تولید تصویر مانند DALL-E و Midjourney و ساخت برنامه‌های تولید تصویر. قسمت ۱۰: ساخت اپلیکیشن‌های هوش مصنوعی با کد کم بررسی پلتفرم‌های توسعه برنامه با کمترین کدنویسی و استفاده از هوش مصنوعی در آن‌ها. قسمت ۱۱: ادغام برنامه‌های خارجی با فراخوانی تابع آشنایی با مفهوم فراخوانی تابع، کاربردهای آن و نحوه ادغام آن در برنامه‌ها با استفاده از Azure OpenAI. قسمت ۱۲: طراحی UX برای اپلیکیشن‌های هوش مصنوعی بررسی اصول طراحی تجربه کاربری (UX) در برنامه‌های هوش مصنوعی و ایجاد اعتماد و شفافیت در آن‌ها. قسمت ۱۳: ایمن‌سازی اپلیکیشن هوش مصنوعی شناسایی تهدیدها و ریسک‌های مرتبط با سیستم‌های هوش مصنوعی و روش‌های ایمن‌سازی آن‌ها. قسمت ۱۴: چرخه زیست اپلیکیشن هوش مصنوعی مولد بررسی چرخه عمر برنامه‌های هوش مصنوعی مولد و نحوه نگهداری و به‌روزرسانی آن‌ها برای همگام‌سازی با پیشرفت‌های فناوری. قسمت ۱۵: بازیابی نسل افزوده (RAG) و پایگاه داده‌برداری آشنایی با مفهوم RAG، کاربردهای آن و نحوه ادغام آن با پایگاه‌های داده برداری در برنامه‌ها. قسمت ۱۶: مدل‌های متن‌باز و هاگینگ‌فیس بررسی مدل‌های زبانی متن‌باز، مزایای آن‌ها و استفاده از پلتفرم‌هایی مانند Hugging Face و Azure AI Studio. قسمت ۱۷: عامل‌های هوش مصنوعی آشنایی با مفهوم عامل‌های هوش مصنوعی، چارچوب‌های مختلف آن‌ها و کاربردهای متنوع در برنامه‌های هوش مصنوعی. قسمت ۱۸: تنظیم دقیق مدل‌های زبانی بزرگ یادگیری مفهوم تنظیم دقیق (Fine-tuning) مدل‌های زبانی، مزایا، چالش‌ها و نحوه پیاده‌سازی آن‌ها برای بهبود عملکرد مدل‌ها. https://learn.microsoft.com/en-us/shows/generative-ai-for-beginners/ پ.ن: با توجه به اینکه محتواهای ویدئوها به زبان انگلیسی هستند میتوانید از ابزار notebook گوگل برای ترجمه،خلاصه سازی یا تبدیل محتواها به پادکست فارسی استفاده کنید Notebooklm.google.com

تحول در تشخیص سرطان: معجزه نانو و هوش مصنوعی! محققان ایرانی در دانشگاه خواجه نصیرالدین طوسی با طراحی فناوری «آزمایشگاه روی تراشه»، موفق به کاهش زمان تشخیص سلول‌های سرطانی به تنها ۲۰ دقیقه شده‌اند. این فناوری انقلابی نه تنها سرعت تشخیص را افزایش داده، بلکه به بهبود فرایند درمان نیز کمک می‌کند. این سیستم نوین با استفاده از ریزتراشه‌های مهندسی شده و الگوریتم‌های هوش مصنوعی، به تفکیک سلول‌های سرطانی از سالم می‌پردازد. با اعمال نیروی فراصوتی، سلول‌های سرطانی انرژی بیشتری جذب کرده و سریع‌تر شناسایی می‌شوند.