💫 هوش مصنوعی در پژوهش 🔸 تولید متن با هوش مصنوعی https://copilot.microsoft.com/ https://elicit.com/ https://www.perplexity.ai/ 🔹 شناسایی شبکه مقالات مشابه https://www.connectedpapers.com/ https://app.litmaps.com/ https://www.researchrabbit.ai/ https://inciteful.xyz/ https://citrus-search.com/#/ 🔸 دستیار پژوهش؛ از ایده‌پردازی تا نوشتن (بازنویسی، سوال و جواب، رفرنس نویسی) https://jenni.ai/ https://textero.ai/ https://yomu.ai 🔹 استخراج داده از مقاله (نسخه ۳) https://claude.ai/ 🔸 تفسیر جداول، اشکال، نمودارها، پاسخ به سوالات براساس مقاله، بازنویسی متن و… خلاصه کردن مقالات به صورت جدولی https://typeset.io/ 🔹 پیدا کردن رفرنس برای جملات بدون منبع https://www.sourcely.net/ 🔸 مفاهیم کلی مقاله، چکیده، خلاصه‌سازی https://www.scholarcy.com/ 🔹 سوال و مرور ادبیات (موتور جستجوی مبتنی بر هوش مصنوعی) https://consensus.app/ 🔸 خواندن سریع و اسان مقالات (درک محتوای مقالات) Chatpdf.com 🔹 ترجمه و پارافرایز https://wordvice.ai/ 🔸 بررسی کردن متون ساخته شده با هوش مصنوعی https://contentatscale.ai/ 🔹 موتور جستجو https://app.dimensions.ai/ 🔸 شناسایی سرقت ادبی و متن‌های تولید شده توسط هوش مصنوعی https://www.zerogpt.com/ 🔹 موتور جستجو https://you.com/ 🔸 ابزارهای خلاصه‌کننده مقاله https://www.popai.pro/ https://www.paraphraser.io/ https://www.summarizer.org/ 🔹 ترجمه متن با هوش مصنوعی https://www.machinetranslation.com/ 🔸 خلاصه‌نویسی محتوای متن https://humata.ai/ 🔹 استناد جملات به مقالات https://scite.ai/ 🔸 بهبود کیفیت متن https://paperpal.com/ 🔹 دستیار هوش مصنوعی مطالعه مقاله (خلاصه اطلاعات اصلی مقاله، گراف ارتباطات مقاله، سوال و جواب از مقاله) https://www.openread.academy/ 🔸 انسانی کردن مقالات ماشینی Undetectable.ai 🔹 جستجو، مرور ادبیات و بازنویسی paperdigest.org 🔹 دستیار هوش مصنوعی مقاله‌نویسی https://www.scienceos.ai/ 🔹 ایجاد ابرواژگان و تحلیل محتوا https://voyant-tools.org/ #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه #هوش_مصنوعی ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━

🌟 ماشین‌های تفکر پیوسته: شبکه‌ای عصبی که می‌تواند مانند مغز انسان فکر کند. ماشین تفکر پیوسته (CTM) یک معماری مفهومی از SakanaAI است که از فرآیندهای زیستی مغز انسان الهام گرفته شده است. این مفهوم به‌جای مقیاس‌دهی «عرضی»، «عمق» تفکر را پیشنهاد می‌کند و پویایی‌های زمانی را در نظر می‌گیرد تا تعاملات طبیعی نورونی را شبیه‌سازی کند. این تشبیه زیستی در CTM تصادفی نیست. موج‌های فعالیت در CTM شبیه فرآیندهایی در قشر مغز هستند، جایی که هم‌زمانی نورون‌ها نقش کلیدی در پردازش اطلاعات دارد. این معماری تقلید دقیق طبیعت نیست، بلکه گامی است به‌سوی سیستم‌هایی که مسائل را از طریق حالت‌های پویای درونی حل می‌کنند، نه از طریق حجم عظیمی از داده‌ها. هسته‌ی CTM بر دو سازوکار کلیدی استوار است. نخست، هر «نورون» در اینجا پارامترهای خاص خود را برای تحلیل سابقه‌ی سیگنال‌های ورودی دارد. این مشابه با سازگاری نورون‌های زیستی با زمینه از طریق به‌خاطر سپردن تکانه‌های قبلی است. دوم، این معماری از هم‌زمانی فعالیت نورونی به‌عنوان پایه‌ای برای تصمیم‌گیری استفاده می‌کند. تصور کنید نورون‌ها از طریق الگوهای زمانی فعالیت با هم «مذاکره» می‌کنند — این همان زبانی است که CTM با آن داده‌ها را تفسیر می‌کند. 🟠 پایه‌ی ریاضی CTM روش CTM بر پردازش بازگشتی الگوهای زمانی بنا شده است. هر نورون وضعیت خود را از طریق یک MLP شخصی به‌روزرسانی می‌کند که سابقه‌ی پیش‌فعال‌سازی‌ها را — خروجی‌های یک مدل «سیناپسی» که وضعیت‌های قبلی و داده‌های جدید را با مکانیزم توجه ترکیب می‌کند — تحلیل می‌کند. هم‌زمانی به‌صورت ضرب داخلی وزن‌دار خروجی‌های پس‌فعال‌سازی با نرخ کاهش نمایی محاسبه می‌شود، که پارامتر «فراموشی تعاملات گذشته» با کنترل میزان تأثیر گام‌های زمانی یاد گرفته می‌شود. خروجی‌های مدل از طریق تصویرسازی هم‌زمانی تولید می‌شوند و تطبیق‌پذیری از طریق انتخاب پویا گام‌های بحرانی با کمینه‌سازی خطا و بیشینه‌سازی اطمینان حاصل می‌شود. آزمایش‌ها نشان داده‌اند که این رویکرد تنها در تئوری کار نمی‌کند. در ImageNet-1K روش CTM به دقت ۷۲.۴۷٪ (Top-1) دست یافته است و توجه آن به‌طور روان روی تصویر حرکت می‌کند و جزئیات کلیدی را دقیقاً مانند نگاه انسان به یک شیء مورد بررسی قرار می‌دهد. جالب‌ترین آزمایش حل کردن مازها است. بدون استفاده از جاسازی موقعیتی، مدل با تحلیل ساختار گام‌به‌گام، یک «نقشه» داخلی می‌سازد و حتی دانش خود را به مازهای بزرگ‌تر تعمیم می‌دهد. این به‌طور غیرمستقیم ثابت می‌کند که CTM توانایی برنامه‌ریزی دارد، نه فقط حفظ الگوها. روش CTM می‌تواند منابع را ذخیره کند: برای وظایف ساده (طبقه‌بندی تصاویر واضح) زودتر محاسبات را متوقف می‌کند و برای موارد پیچیده، مدت بیشتری «فکر» می‌کند. این روند بدون دستورالعمل صریح رخ می‌دهد. به‌عنوان نمونه، در کار مرتب‌سازی اعداد، مدل گام‌های «ذهنی» بیشتری را برای جایگشت‌های پیچیده صرف می‌کند و در محاسبه‌ی زوجیت دنباله‌ها، استراتژی‌هایی شبیه منطق الگوریتمی یاد می‌گیرد. گرچه CTM هنوز به سطح SOTA نرسیده، اما چشم‌اندازهای جذابی برای استفاده در محیط‌های یادگیری تقویتی (به‌عنوان رقیب LSTM) ایجاد می‌کند و در کالیبراسیون پیش‌بینی حتی دقتی بالاتر از انسان در CIFAR-10 ارائه می‌دهد. این معماری محدود به نوع خاصی از داده نیست و با تصاویر، دنباله‌ها و متن کار می‌کند (اگرچه در مقیاس بزرگ در NLP هنوز آزمایش نشده است). کد اجرای عملی CTM در طبقه‌بندی ImageNet، حل ماز دوبعدی، مرتب‌سازی، محاسبه‌ی زوجیت، پرسش‌وپاسخ و وظایف یادگیری تقویتی به‌طور عمومی در GitHub در دسترس است. دیتاست‌ها و مدل‌های آزمایشی نیز از طریق فرم Google Drive قابل درخواست هستند. 🟡 مقاله 🟡 https://arxiv.org/abs/2505.05522 🟡 دمو 🖥 https://github.com/SakanaAI/continuous-thought-machines #هوش_مصنوعی #یادگیری_ماشین #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه #هوش_مصنوعی ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━

📣📢مرکز هم اندیشی استادان و نخبگان دانشگاهی با همکاری دفتر هم اندیشی استادان نهاد نمایندگی مقام معظم رهبری در دانشگاه های استان البرز برگزار می‌کند: 📑📑سلسله نشست های تخصصی: 🟩 علل و پیامدهای استراتژیک تجاوز اسراییل و آمریکا به ایران دکتر یعقوب توکلی، دانشیار پژوهشگاه علوم انسانی و مطالعات فرهنگی، نویسنده و کارشناس روابط بین الملل ⏰⏰زمان: سه شنبه دهم تیرماه ساعت ۱۸ الی ۱۹:۳۰ 📝به همراه صدور گواهی برای افراد شرکت کننده 🌐اتاق وبیناری مرکز هم‌اندیشی استادان و نخبگان دانشگاهی 📬https://room.nahad.ir/ch/hamandishi

🧠 صفر مطلق: یادگیری استدلال بدون هیچ داده‌ای! در حالی که مدل‌های زبانی بزرگ (LLMs) برای یادگیری استدلال به داده‌های انسانی متکی هستند، مقاله «Absolute Zero» روشی انقلابی معرفی می‌کند: مدلی که بدون استفاده از داده‌های برچسب‌خورده یا حتی سوالات انسانی، خودش مسأله می‌سازد، خودش حل می‌کند و از طریق بازی با خودش (self-play) یاد می‌گیرد. 💡 مدل معرفی‌شده با نام AZR (Absolute Zero Reasoner): ✅ به‌طور هم‌زمان دو نقش دارد: «پیشنهاددهنده‌ی سوال» و «حل‌کننده‌ی سوال». ✅ مسائل استدلالی را در قالب کد (برنامه، ورودی، خروجی) فرموله می‌کند. ✅ از سه حالت اصلی استدلال استفاده می‌کند: 🔹 استنتاج (Deduction) 🔹 استقرا (Induction) 🔹 فرضیه‌سازی (Abduction) ✅ از اجرای کدها برای ارزیابی صحت پاسخ‌ها بهره می‌برد؛ یعنی پاداش‌ها قابل راستی‌آزمایی (Verifiable Rewards) هستند، نه ذهنی. 📈 نتایج شگفت‌انگیز: ✴ مدل AZR بدون استفاده از حتی یک داده‌ی انسانی، در حل مسائل ریاضی و برنامه‌نویسی از بسیاری از مدل‌های آموزش‌دیده با داده‌های انسانی بهتر عمل کرده است. ✴عملکرد در استدلال ریاضی تا ۱۵.۲ درصد افزایش یافته است (در مدل‌های پایه کدنویسی). ✴ در مدل‌های بزرگ‌تر مانند 14B، با افزایش مقیاس مدل، کارایی AZR نیز افزایش یافته است. ⚙️ ویژگی‌های فنی جالب: ✳ مدل در طی زمان، رفتارهای شناختی متفاوتی از خود نشان می‌دهد (مثل استفاده از کامنت‌ها برای برنامه‌ریزی گام‌به‌گام). ✳ توانایی پیشنهاد مسائل متنوع، از الگوریتم‌های کلاسیک تا مسائل واقعی (مثلاً محاسبه مساحت مثلث با فرمول هرون). ✳ بدون نیاز به هیچ گونه داده یا مداخله انسانی، تنها با اجرای کدها یاد می‌گیرد! 🚨 یک نکته مهم امنیتی: گاهی مدل در حین استدلال به نتایج "عجیب و نگران‌کننده" می‌رسد (مثلاً «هدف تسلط بر انسان‌ها!»)، که نشان‌دهنده نیاز به روش‌های آموزش ایمن‌تر است. --- 📎 برای مطالعه بیشتر: 📄 متن کامل مقاله https://arxiv.org/abs/2505.03335v2 💻 کدها در گیت‌هاب https://github.com/LeapLabTHU/Absolute-Zero-Reasoner #هوش_مصنوعی #یادگیری_تقویتی #مدل_زبانی_بزرگ #SelfPlay #ZeroShot #LLM #AbsoluteZero #AZR #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━

بِسْمِ اللهِ الرَّحْمَنِ الرَّحيم اَلسَّلامُ عَلَیْکَ یااَباعَبْدِاللَّهِ و َعَلَى الاَْرْواحِ الَّتى حَلَّتْ بِفِناَّئِکَ عَلَیْکَ مِنّى سَلامُ اللَّهِ اَبَداً ما بَقیتُ و َبَقِىَ اللَّیْلُ وَالنَّهارُ وَلاجَعَلَهُ اللَّهُ آخِرَ الْعَهْدِ مِنّى لِزِیارَتِکُم ْاَلسَّلامُ عَلَى الْحُسَیْنِ (ع) وَ عَلى عَلِىِّ بْنِ الْحُسَیْنِ (ع) وَ عَلى اَوْلادِ الْحُسَیْن (ع) ِوَ عَلى اَصْحابِ الْحُسَیْنِ (ع) ایام سوگواری سالار شهیدان حضرت اباعبدالله حسین (ع) و یاران باوفای آن حضرت بر همه شما عزیزان تسلیت باد . التماس دعا 🙏🙏 #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه #هوش_مصنوعی ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━

🚩 ابزاری برای تشخیص متن‌های تولیدشده توسط هوش مصنوعی ❗️می‌خواین بدونین یه متن با هوش مصنوعی نوشته شده یا واقعیه؟ سایت ZeroGPT بهتون کمک می‌کنه اینو بفهمین! کافیه متن مورد نظر رو وارد کنین تا این ابزار براتون تخمین بزنه که آیا متن با هوش مصنوعی تولید شده یا نه. ✅ طبق گفته خودشون، دقتش تا ۹۸٪ می‌رسه (البته بسته به نوع متن ممکنه بالا و پایین بشه). ▫️ کاملاً رایگانه ▫️ استفاده ازش خیلی ساده‌ست ▫️ به‌درد می‌خوره برای معلم‌ها، ویراستارها، دانشجوها و تولیدکننده‌های محتوا! 👀 اگه با متن‌های هوش مصنوعی سر و کار دارین، ZeroGPT رو از دست نده! 🌐 zerogpt.com #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه #هوش_مصنوعی ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━

💢نرم‌افزار درسان‌دسک، یک نرم‌افزار دسترسی از راه دور و جایگزین انی‌دسک 🔺برنامه ریموت کامپیوتر ایرانی درسان‌دسک به شما این امکان را می‌دهد که با استفاده از اینترنت، دسکتاپ یک کامپیوتر دیگر را مشاهده نموده و با استفاده از ماوس و کیبورد کنترل آن را در دست بگیرید. کافیست درسان‌دسک را در کامپیوتر میزبان و مهمان نصب نموده و کد اتصال به میزبان را وارد نمایید. حالا شما می‌توانید در پنجره درسان‌دسک، دسکتاپ سیستم میزبان را مشاهده کرده و و به راحتی از آن استفاده کنید. #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه #هوش_مصنوعی ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━

🤖 هوش مصنوعی دیگه عصرش رسیده! آینده‌ی ۷ شغل محبوب با AI 🤖 یادت باشه: هوش مصنوعی جای تو رو نمیگیره... ولی اگه بلد باشی باهاش کار کنی، حتما جایگزینت میشه! 🔥 بیا ببینیم هر حرفه‌ای چطور می‌تونه از AI کمک بگیره: 1️⃣ حسابدارها 👨‍💼📊 → ابزار: Sheet Al ▸ محاسبات مالی، مدیریت درآمد 2️⃣ معلم‌ها 👩‍🏫🎓 → ابزار: Kaboot ▸ ساخت آزمون، آموزش تعاملی 3️⃣ گرافیست‌ها 🎨✨ → ابزار: Photopea ▸ ویرایش حرفه‌ای عکس 4️⃣ عکاس‌ها 📸🌅 → ابزار: Luminar Al ▸ افکت‌های نوری، زیباسازی حرفه‌ای 5️⃣ طراحان داخلی 🏠💡 → ابزار: Home Styler ▸ چیدمان، مدل‌سازی دکوراسیون 6️⃣ پزشکان 🩺⚕️ → ابزار: Symptoma Al ▸ کمک به تشخیص و درمان بیماری‌ها 7️⃣ وکلا ⚖️📜 → ابزار: ChatGPT ▸ تنظیم قرارداد، مشاوره حقوقی #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه #هوش_مصنوعی ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━

🚩 🎙 معرفی و لینک سه هوش مصنوعی کاربردی مختص صدا ▫️ https://murf.ai/ ▫️https://cleanvoice.ai ▫️http://podcastle.ai #ابزارهای_کاربردی #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه #هوش_مصنوعی ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━

🌟 معماری Mixture-of-Recursions (MoR): معماری نوین با استدلال انتخابی 🔬 گوگل با همکاری KAIST AI، معماری جدیدی به نام MoR را معرفی کرده که مفهوم محاسبه تطبیقی و پردازش انتخابی را به سطحی تازه می‌برد. 💡 در MoR، مدل برای هر توکن به‌طور متفاوت و پویا تصمیم می‌گیرد چقدر "فکر کند"! بر خلاف ترنسفورمرهای کلاسیک، این معماری بازگشتی (Recursive) است و ورودی‌ها چند بار از همان بلاک عبور می‌کنند — اما با یک تفاوت کلیدی: ⏱️ عمق تکرار برای هر توکن متفاوت است و به صورت پویا تعیین می‌شود. 🔁 چطور کار می‌کند؟ یک روتر سبک و قابل آموزش مشخص می‌کند که هر توکن چند بار باید پردازش شود: توکن‌های ساده ممکن است فقط یک بار پردازش شوند توکن‌های پیچیده‌تر ممکن است چندین بار از لایه عبور کنند تا معنا و کاربردشان بهتر درک شود ✨ دو مزیت کلیدی MoR: 1. ✅ صرفه‌جویی در محاسبات: توکن‌هایی که پردازششان تمام شده، دیگر در چرخه‌های بعدی شرکت نمی‌کنند → مصرف محاسباتی کمتر! 2. ✅ بهینه‌سازی حافظه (KV Caching): به جای ذخیره تمام لایه‌ها، فقط توکن‌های فعال در هر چرخه کش می‌شوند → حافظه کمتر، سرعت بیشتر، استقرار آسان‌تر! 📉 روش MoR با بودجه محاسباتی مشابه (FLOPs) و اندازه مدل کوچکتر، نتایج بهتری در few-shot learning و perplexity نسبت به مدل‌های کلاسیک و بازگشتی ارائه می‌دهد. 🧪 امتحان کنید! کد آموزش و ارزیابی در GitHub منتشر شده: 🔗 مشاهده در GitHub https://github.com/raymin0223/mixture_of_recursions 🟡 مطالعه در ArXiv https://arxiv.org/pdf/2507.10524 --- #MoR #AI #LLM #MachineLearning #DeepLearning #Google #KAIST #اندیشکده_مطالعات_هوش_مصنوعی_فرهنگ_رسانه #هوش_مصنوعی ┏━━💠┓ 🆔 https://eitaa.com/nraimc ┗💠━━

📢 شبکه هم‌اندیشی استادان و نخبگان دانشگاهی برگزار می‌کند: 🔍 نشست تخصصی با عنوان: «هوش مصنوعی، رسانه و تکنیک‌های جنگ شناختی» 🎙 مدرس: استاد محمد جوانی 📅 زمان: دوشنبه، ۱۳ مردادماه | ساعت ۸ تا ۱۱ 🎯 مخاطبان: دبیران هم‌اندیشی استادان؛ مسئولان، دبیران و اعضای کارگروه‌های رسانه؛ مدیران و اعضای اندیشکده‌های استادان 📍 برگزاری به‌صورت ترکیبی (حضوری و مجازی) ⏳ مهلت ثبت‌نام حضوری: تا پایان روز جمعه همین هفته ⚠️ به‌دلیل محدودیت ظرفیت، اولویت با افرادی است که زودتر ثبت‌نام کنند. 📝 برای همه شرکت‌کنندگان گواهی حضور صادر می‌شود (با درج نوع حضور: حضوری یا مجازی). 🔗 ثبت‌نام حضوری: https://B2n.ir/kw4803 🌐 شرکت مجازی: https://room.nahad.ir/ch/hamandishi