https://www.youtube.com/live/XEzRZ35urlk
امشب اگه کاری پیش نیاد مراسم گوگل رو در ساعت ۸:۳۰ پوشش میدیم، اگر اذیت میشید نوتیفیکشنهارو خاموش کنید خیلی خوش میگذره که تو این ساعت همراهمون باشید و اگه تونستید کانال رو به دوستاتون معرفی کنید.
بنظرم امشب گوگل در مورد AI دستاوردهای ویژهای داشته باشه، و فیچر های شگفت انگیز ی از دستیار هوش مصنوعی گوگل شاهد باشیم.
https://www.youtube.com/live/XEzRZ35urlk
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
امشب اگه کاری پیش نیاد مراسم گوگل رو در ساعت ۸:۳۰ پوشش میدیم، اگر اذیت میشید نوتیفیکشنهارو خاموش کنید خیلی خوش میگذره که تو این ساعت همراهمون باشید و اگه تونستید کانال رو به دوستاتون معرفی کنید.
بنظرم امشب گوگل در مورد AI دستاوردهای ویژهای داشته باشه، و فیچر های شگفت انگیز ی از دستیار هوش مصنوعی گوگل شاهد باشیم.
https://www.youtube.com/live/XEzRZ35urlk
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
YouTube
Google Keynote (Google I/O ‘24)
It’s time to I/O! Tune in to learn the latest news, announcements, and AI updates from Google.
To watch this keynote with American Sign Language (ASL) interpretation, please click here:
https://www.youtube.com/watch?v=6rP2rEWsfpM?si=EtDa4cg80T_H9mfz
00:00…
To watch this keynote with American Sign Language (ASL) interpretation, please click here:
https://www.youtube.com/watch?v=6rP2rEWsfpM?si=EtDa4cg80T_H9mfz
00:00…
باشگاه فناوران اطلاعات مکانی
https://www.youtube.com/live/XEzRZ35urlk امشب اگه کاری پیش نیاد مراسم گوگل رو در ساعت ۸:۳۰ پوشش میدیم، اگر اذیت میشید نوتیفیکشنهارو خاموش کنید خیلی خوش میگذره که تو این ساعت همراهمون باشید و اگه تونستید کانال رو به دوستاتون معرفی کنید. بنظرم امشب گوگل…
باشگاه فناوران اطلاعات مکانی
خب خبر خوب اینکه از همین الان #Gemini 1.5 Pro به طور عمومی در دسترس توسعه دهندگان و همچنین کاربران #Gemini #Advanced قرار میگیره 🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
پروژه Astra برای دستیارهای هوش مصنوعی
مدل Imagein# 3 برای تبدیل متن به تصویر معرفی شد که کیفیت و جزئیات تصاویر خیلی پیشرفت کرده.
مدل #Generative Video به نام #Veo# هم معرفی شده
ابزار ساخت موسیقی به نام #Music AI Sandbox
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
مدل Imagein# 3 برای تبدیل متن به تصویر معرفی شد که کیفیت و جزئیات تصاویر خیلی پیشرفت کرده.
مدل #Generative Video به نام #Veo# هم معرفی شده
ابزار ساخت موسیقی به نام #Music AI Sandbox
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
باشگاه فناوران اطلاعات مکانی
پروژه Astra برای دستیارهای هوش مصنوعی مدل Imagein# 3 برای تبدیل متن به تصویر معرفی شد که کیفیت و جزئیات تصاویر خیلی پیشرفت کرده. مدل #Generative Video به نام #Veo# هم معرفی شده ابزار ساخت موسیقی به نام #Music AI Sandbox 🆔 @GITAnet|باشگاه فناوران…
بدلیل کندی نت و قطعی پروکسی بقیه فیچر ها (فیلم ها)به مرور زمان در کانال قرار میگیره
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
https://python.langchain.com/v0.1/docs/integrations/chat/openai/
توسعهدهندگان از همین امروز میتوانند در فریمورک LangChain از مدل GPT-4o از طریق API استفاده کنند.
در این کد نمونه، آدرس یک تصویر به مدل داده شده و از مدل خواسته شده محتوای تصویر را شرح دهد.
https://python.langchain.com/v0.1/docs/integrations/chat/openai/
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
توسعهدهندگان از همین امروز میتوانند در فریمورک LangChain از مدل GPT-4o از طریق API استفاده کنند.
در این کد نمونه، آدرس یک تصویر به مدل داده شده و از مدل خواسته شده محتوای تصویر را شرح دهد.
https://python.langchain.com/v0.1/docs/integrations/chat/openai/
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔴 فرصت مشاوره رایگان با موضوع :
برنامه نویسی GIS (۳ نفر)
ارزیابی ایده های استارتاپی( ۲ ایده)
تامین سرمایه و تجاری سازی محصولات و خدمات GIS# پایه (۳ نفر)
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
برنامه نویسی GIS (۳ نفر)
ارزیابی ایده های استارتاپی( ۲ ایده)
تامین سرمایه و تجاری سازی محصولات و خدمات GIS# پایه (۳ نفر)
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
This media is not supported in your browser
VIEW IN TELEGRAM
یک اسکرین شات از بازی به چت جی پی تی دادن و گفتن این بازی رو کد بزنه...نتیجه رو خودتون ببینید.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔴 خستگی تصمیم چیست؟ کمال گراها این مطلب را حتما بخوانند...
■همانگونه که «عضلات» ما بعد از کار کردن زیاد، خسته میشوند، «مغز» نیز بعد از تصمیمگیریهای متعدد در طول روز، دچار خستگی میشود که به آن، خستگی تصمیم (Decision fatigue) میگویند.
□ما مدام در حال تصمیمگیری هستیم و با هر تصمیمی، یکقدم به «خستگی تصمیم» نزدیک میشویم. هر چند همهی تصمیمها بزرگ و حیاتی نیستند ولی هر کدامشان، به سهم خود بخشی از انرژی مغزمان را میگیرند مثل:
▪︎انتخاب بین دو نوع خمیردندان برای مسواک صبحگاهی؛
▪︎تصمیمگیری دربارهی اینکه امروز چه بپوشم؛
▪︎انتخاب موسیقی؛
▪︎تصمیمگیری دربارهی نحوهی برخورد با خطای فرزند
▪︎انتخاب بین چند گزینه برای سرمایهگذاری و مهاجرت و...
●نکتهی جالب توجه اینکه ما بعضی تصمیمگیریها را عرفاً تصمیمگیری نمیدانیم. مثلاً برای بالا رفتن از یک برج که دارای ۳ آسانسور است، وقتی دکمهی یکی از آنها را میفشاریم، در واقع، تصمیم گرفتهایم، هر چند که آن را در زمرهی تصمیمات روزانه نیاوریم.
○افرادی که کار و زندگیشان به گونهای است که باید مدام تصمیم بگیرند، بیش از بقیه در معرض «خستگی تصمیم» قرار دارند.
■در یک تحقیق در آمریکا، تعدادی قاضی که باید دربارهی عفو زندانیان تصمیمگیری میکردند، مورد بررسی قرار گرفتند. مشخص شد که آنها در ابتدای روز، پروندهها را بهتر بررسی میکنند و افراد بیشتری را مشمول عفو میدانند، ولی هر چه به پایان روز نزدیک میشوند، افراد کمتری را عفو میکنند. پروندهها تقریباً یکسان بودند و قضات نیز ثابت. آنچه در ساعات پایانی روز تغییر کرده بود، پدیدار شدن حالت «خستگی تصمیم» بود که هنگام صبح وجود نداشت.
□رولف دوبلی در کتاب «هنر خوب زندگی کردن» میگوید: وقتی مغز بهخاطر تصمیمگیریهای متعدد خسته میشود، معمولاً سر راستترین تصمیمات را میگیرد که عمدتاً هم «بدترین» است.
●چه کنیم؟
▪︎وقتی از مارک زاکربرگ بنیانگذار فیسبوک پرسیدند چرا همیشه یکنوع تیشرت میپوشی؟ پاسخ داد: نمیخواهم هر روز صبح درگیر تصمیمگیری دربارهی اینکه کدام لباس را بپوشم باشم! او با اینکار در واقع، یکی از تصمیمات صبحگاهیاش را حذف و انرژی آن را برای تصمیمگیریهای مهمتر کاری، ذخیره میکند.
▪︎خانم آنگلا مرکل صدر اعظم سابق آلمان هم از این روش استفاده میکرد و اکثراً یکنوع لباس میپوشید.
▪︎استیو جابز بنیانگذار اپل نیز همینگونه بود.
■برای اینکه «خستگی تصمیم» دیرتر رخ بدهد، تا حد امکان خود را در معرض تصمیمگیریهای کماهمیت قرار ندهیم. راهش این است که دربارهی برخی چیزها، یک تصمیم ثابت بگیریم. بهعنوان مثال، بهجای اینکه هر روز تصمیم بگیریم امروز چه غذایی درست کنیم، یک برنامهی هفتگی یا ماهانه تدوین کنیم.
□یا یک مدیر میتواند جلسات خود را فقط در روزهای چهارشنبه برگزار کند و هر که از او وقت بخواهد، بهجای اینکه فکر کند و دربارهی زمان جلسه با او تصمیم بگیرد، روز چهارشنبه را با او وعده کند. یا یک پدر روز خاصی را در هفته، برای بیرون بردن بچهها در نظر بگیرد و...
●تصمیمات مهم را «صبح» بگیریم. یادمان باشد که هر چه از روز میگذرد، به «خستگی تصمیم» بیشتر نزدیک میشویم. وقتی گزینههای قابل انتخاب برای تصمیمگیری زیادتر باشد، «خستگی تصمیم» نیز بیشتر میشود.
○اگر برای خرید کاغذ دیواری به خیابانی که بورس کاغذ دیواری است برویم، در دهها فروشگاه، صدها طرح میبینیم و تعدد گزینهها ما را سردرگم میکند. در واقع ما بعد از دیدن دهها طرح اولیه، دچار «خستگی تصمیم» میشویم و بعد از مدتی یکی از طرحها را نه از سر شوق که به خاطر «خستگی تصمیم» و گریز از ادامهی این روند انتخاب میکنیم.
■یکی از راههای مواجههی منطقی با تعدد گزینهها، این است که بهجای آنکه مثلاً ۱۲ گزینه را یکجا بررسی کنیم و به یکی برسیم، آنها را به چند گروه کوچکتر تقسیم کنیم و سه تا سه تا بررسی کنیم تا به انتخاب نهایی برسیم.
□وقتی دچار «خستگی تصمیم» هستیم تصمیم نگیریم؛ فرصتی به مغز دهیم تا خود را بازسازی کند.
●انسانهای کمالگرا که میخواهند بهترین خروجی را داشته باشند، بیش از بقیه دچار خستگی تصمیم میشوند.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
■همانگونه که «عضلات» ما بعد از کار کردن زیاد، خسته میشوند، «مغز» نیز بعد از تصمیمگیریهای متعدد در طول روز، دچار خستگی میشود که به آن، خستگی تصمیم (Decision fatigue) میگویند.
□ما مدام در حال تصمیمگیری هستیم و با هر تصمیمی، یکقدم به «خستگی تصمیم» نزدیک میشویم. هر چند همهی تصمیمها بزرگ و حیاتی نیستند ولی هر کدامشان، به سهم خود بخشی از انرژی مغزمان را میگیرند مثل:
▪︎انتخاب بین دو نوع خمیردندان برای مسواک صبحگاهی؛
▪︎تصمیمگیری دربارهی اینکه امروز چه بپوشم؛
▪︎انتخاب موسیقی؛
▪︎تصمیمگیری دربارهی نحوهی برخورد با خطای فرزند
▪︎انتخاب بین چند گزینه برای سرمایهگذاری و مهاجرت و...
●نکتهی جالب توجه اینکه ما بعضی تصمیمگیریها را عرفاً تصمیمگیری نمیدانیم. مثلاً برای بالا رفتن از یک برج که دارای ۳ آسانسور است، وقتی دکمهی یکی از آنها را میفشاریم، در واقع، تصمیم گرفتهایم، هر چند که آن را در زمرهی تصمیمات روزانه نیاوریم.
○افرادی که کار و زندگیشان به گونهای است که باید مدام تصمیم بگیرند، بیش از بقیه در معرض «خستگی تصمیم» قرار دارند.
■در یک تحقیق در آمریکا، تعدادی قاضی که باید دربارهی عفو زندانیان تصمیمگیری میکردند، مورد بررسی قرار گرفتند. مشخص شد که آنها در ابتدای روز، پروندهها را بهتر بررسی میکنند و افراد بیشتری را مشمول عفو میدانند، ولی هر چه به پایان روز نزدیک میشوند، افراد کمتری را عفو میکنند. پروندهها تقریباً یکسان بودند و قضات نیز ثابت. آنچه در ساعات پایانی روز تغییر کرده بود، پدیدار شدن حالت «خستگی تصمیم» بود که هنگام صبح وجود نداشت.
□رولف دوبلی در کتاب «هنر خوب زندگی کردن» میگوید: وقتی مغز بهخاطر تصمیمگیریهای متعدد خسته میشود، معمولاً سر راستترین تصمیمات را میگیرد که عمدتاً هم «بدترین» است.
●چه کنیم؟
▪︎وقتی از مارک زاکربرگ بنیانگذار فیسبوک پرسیدند چرا همیشه یکنوع تیشرت میپوشی؟ پاسخ داد: نمیخواهم هر روز صبح درگیر تصمیمگیری دربارهی اینکه کدام لباس را بپوشم باشم! او با اینکار در واقع، یکی از تصمیمات صبحگاهیاش را حذف و انرژی آن را برای تصمیمگیریهای مهمتر کاری، ذخیره میکند.
▪︎خانم آنگلا مرکل صدر اعظم سابق آلمان هم از این روش استفاده میکرد و اکثراً یکنوع لباس میپوشید.
▪︎استیو جابز بنیانگذار اپل نیز همینگونه بود.
■برای اینکه «خستگی تصمیم» دیرتر رخ بدهد، تا حد امکان خود را در معرض تصمیمگیریهای کماهمیت قرار ندهیم. راهش این است که دربارهی برخی چیزها، یک تصمیم ثابت بگیریم. بهعنوان مثال، بهجای اینکه هر روز تصمیم بگیریم امروز چه غذایی درست کنیم، یک برنامهی هفتگی یا ماهانه تدوین کنیم.
□یا یک مدیر میتواند جلسات خود را فقط در روزهای چهارشنبه برگزار کند و هر که از او وقت بخواهد، بهجای اینکه فکر کند و دربارهی زمان جلسه با او تصمیم بگیرد، روز چهارشنبه را با او وعده کند. یا یک پدر روز خاصی را در هفته، برای بیرون بردن بچهها در نظر بگیرد و...
●تصمیمات مهم را «صبح» بگیریم. یادمان باشد که هر چه از روز میگذرد، به «خستگی تصمیم» بیشتر نزدیک میشویم. وقتی گزینههای قابل انتخاب برای تصمیمگیری زیادتر باشد، «خستگی تصمیم» نیز بیشتر میشود.
○اگر برای خرید کاغذ دیواری به خیابانی که بورس کاغذ دیواری است برویم، در دهها فروشگاه، صدها طرح میبینیم و تعدد گزینهها ما را سردرگم میکند. در واقع ما بعد از دیدن دهها طرح اولیه، دچار «خستگی تصمیم» میشویم و بعد از مدتی یکی از طرحها را نه از سر شوق که به خاطر «خستگی تصمیم» و گریز از ادامهی این روند انتخاب میکنیم.
■یکی از راههای مواجههی منطقی با تعدد گزینهها، این است که بهجای آنکه مثلاً ۱۲ گزینه را یکجا بررسی کنیم و به یکی برسیم، آنها را به چند گروه کوچکتر تقسیم کنیم و سه تا سه تا بررسی کنیم تا به انتخاب نهایی برسیم.
□وقتی دچار «خستگی تصمیم» هستیم تصمیم نگیریم؛ فرصتی به مغز دهیم تا خود را بازسازی کند.
●انسانهای کمالگرا که میخواهند بهترین خروجی را داشته باشند، بیش از بقیه دچار خستگی تصمیم میشوند.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
مصطفی سلیمان، مدیراجرایی بخش هوش مصنوعی شرکت مایکروسافت، ویدئویی از محصول جدید مایکروسافت (Copilot + PCs) منتشر کرد که درواقع یک رایانهی شخصی دارای شتابدهندهی هوشمصنوعی + سیستمعامل ویندوز + یک نسخهی لوکال از Copilot است که به همهی بخشهای رایانه دسترسی دارد.
نسخهی جدید Microsoft Copilot مبتنی بر GPT-4o بوده و قابلیت شنیدن، دیدن و صحبتکردن درلحظه را دارد،
نسل جدیدی از رایانههای شخصی (Personal Computers) موسوم به هوش شخصی (Personal Intelligence) در راهاند.
پ ن: یک چیزی تو مایه های سیستم عامل فیلم Her هست.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
نسخهی جدید Microsoft Copilot مبتنی بر GPT-4o بوده و قابلیت شنیدن، دیدن و صحبتکردن درلحظه را دارد،
نسل جدیدی از رایانههای شخصی (Personal Computers) موسوم به هوش شخصی (Personal Intelligence) در راهاند.
پ ن: یک چیزی تو مایه های سیستم عامل فیلم Her هست.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔴 واژهی AI Agent (عامل هوشمصنوعی) واژهایست که علاقهمندان به AI این روزها زیاد باهاش روبهرو میشن. بنابراین در این پست به توضیح این مفهوم میپردازیم.
این مفهوم جدید نیست و پیشتر با عنوان Intelligent Agent در هوش مصنوعی بررسی میشد. اخیرا این مفهوم شکل و شمایل مدرنتری به خود گرفته و تحت نام AI Agent پوستاندازی کردهست.
در تعریف قدیمی، Intelligent Agent سامانهای (نرمافزاری یا سختافزاری یا ترکیبی) است که محیط (Environment) پیرامون خود را از طریق حسگرها (Sensors) ها، مشاهده و درک کرده (Perception)، بر اساس یک هدفی که برای او تعریف شده (Agent Goal) و اجرای یک برنامهی تصمیمگیری (Agent Function) عملی (Action) را از میان اعمال ممکن انتخاب کرده و توسط عملگرهای خود (Actuators) آن عمل را در محیط انجام میدهد. انجام آن عمل در محیط، وضعیت (State) را تغییر داده و تمامی این مراحل در یک حلقه، تکرار میشوند تا درنهایت عامل به هدف خود برسد.
این مفهوم، از ابتدا یک ایدهی مناسب برای مدلکردن سامانههای هوشمند مثل انواع روباتها، اتومبیلهای خودران، برنامههای هوش مصنوعی و … بود.
با پیدایش مدلهای بنیادین مثل LLM ها، دنیای نرمافزار هم دچار انقلاب شده و علاقه به توسعهی نرمافزارها، سرویسها و دستیارهای هوشمند و خودمختار افزایش یافتهست.
در توسعهی نرمافزار کلاسیک، همهیکارها روی دوش توسعهدهنده است، توسعهدهنده، هدف برنامه رو مشخص میکند، این هدف رو به تعدادی task کوچکتر میشکند، خروجی هر task را مشخص میکند و منطق ترتیب انتخاب task ها را در برنامه مینویسد.
با همهگیرشدن LLMها، خیلی از برنامهها LLM-powered شدند، در این برنامهها همچنان توسعهدهنده هدف برنامه رو مشخص میکند، این هدف رو به تعدادی task کوچکتر میشکند و منطق ترتیب انتخاب task ها را در برنامه مینویسد. اما خروجی هر task بر اساس یک پرامپت ورودی به یک LLM به دست میآید.
این سبک طراحی و توسعهی محصول، خیلی سریع جای خود رو به RAG-based application ها داد. در اپلیکیشنهای RAG، برای یافتن خروجی هر task فقط به دانشی که LLM موقع آموزش دیدهست بسنده نمیشود و دانش بهروزتر و کاملتری همراه با پرامپت به LLM داده میشود تا با توجه به آن دانش، خروجی task را مشخص کند.
با افزایش توان استدلال LLM ها، منطق اجرایی برنامهها نیز به LLM ها سپرده شد (توسعه نرمافزارهای مبتنی بر Chain و Router). به عبارت دیگر توسعهدهنده، هدف برنامه رو مشخص میکند و این هدف رو به تعدادی task کوچکتر میشکند، اما خروجی هر task و منطق ترتیب انتخاب task ها توسط LLM انجام میشود.
و اما ترند این روزها در توسعهی سرویسهای نرمافزاری ظاهرا به سمت AI Agent ها در حرکتست. در این نرمافزارها، توسعهدهنده، فقط هدف برنامه رو مشخص میکند، یک LLM سعی میکند آن هدف را بررسی و درک کرده، آن را به دنبالهای از task های کوچک و قابل دسترسی بشکند، با توجه به هدف، و اطلاعات جانبی که از محیط (پایگاههای دادهای، RAG، فایلها، سرچ، APIها و …) دریافت میکند، منطق و اولویت اجرای این task ها را مشخص کرده و در نهایت به ابزارها و Actuator های مربوطه دستور انجام task را میدهد. این عمل در یک حلقه، تکرار شده تا AI Agent به هدف خود برسد.
مثلا یک چتبات خدمات مشتریان را در نظر بگیرید که intent ها و action ها از قبل برای آن مشخص نشده و این عامل، طی تعامل با مشتری، با چرخیدن در پایگاههای داده و مستندات و بهصورت خودمختار اقدام به رفع مشکل میکند.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
این مفهوم جدید نیست و پیشتر با عنوان Intelligent Agent در هوش مصنوعی بررسی میشد. اخیرا این مفهوم شکل و شمایل مدرنتری به خود گرفته و تحت نام AI Agent پوستاندازی کردهست.
در تعریف قدیمی، Intelligent Agent سامانهای (نرمافزاری یا سختافزاری یا ترکیبی) است که محیط (Environment) پیرامون خود را از طریق حسگرها (Sensors) ها، مشاهده و درک کرده (Perception)، بر اساس یک هدفی که برای او تعریف شده (Agent Goal) و اجرای یک برنامهی تصمیمگیری (Agent Function) عملی (Action) را از میان اعمال ممکن انتخاب کرده و توسط عملگرهای خود (Actuators) آن عمل را در محیط انجام میدهد. انجام آن عمل در محیط، وضعیت (State) را تغییر داده و تمامی این مراحل در یک حلقه، تکرار میشوند تا درنهایت عامل به هدف خود برسد.
این مفهوم، از ابتدا یک ایدهی مناسب برای مدلکردن سامانههای هوشمند مثل انواع روباتها، اتومبیلهای خودران، برنامههای هوش مصنوعی و … بود.
با پیدایش مدلهای بنیادین مثل LLM ها، دنیای نرمافزار هم دچار انقلاب شده و علاقه به توسعهی نرمافزارها، سرویسها و دستیارهای هوشمند و خودمختار افزایش یافتهست.
در توسعهی نرمافزار کلاسیک، همهیکارها روی دوش توسعهدهنده است، توسعهدهنده، هدف برنامه رو مشخص میکند، این هدف رو به تعدادی task کوچکتر میشکند، خروجی هر task را مشخص میکند و منطق ترتیب انتخاب task ها را در برنامه مینویسد.
با همهگیرشدن LLMها، خیلی از برنامهها LLM-powered شدند، در این برنامهها همچنان توسعهدهنده هدف برنامه رو مشخص میکند، این هدف رو به تعدادی task کوچکتر میشکند و منطق ترتیب انتخاب task ها را در برنامه مینویسد. اما خروجی هر task بر اساس یک پرامپت ورودی به یک LLM به دست میآید.
این سبک طراحی و توسعهی محصول، خیلی سریع جای خود رو به RAG-based application ها داد. در اپلیکیشنهای RAG، برای یافتن خروجی هر task فقط به دانشی که LLM موقع آموزش دیدهست بسنده نمیشود و دانش بهروزتر و کاملتری همراه با پرامپت به LLM داده میشود تا با توجه به آن دانش، خروجی task را مشخص کند.
با افزایش توان استدلال LLM ها، منطق اجرایی برنامهها نیز به LLM ها سپرده شد (توسعه نرمافزارهای مبتنی بر Chain و Router). به عبارت دیگر توسعهدهنده، هدف برنامه رو مشخص میکند و این هدف رو به تعدادی task کوچکتر میشکند، اما خروجی هر task و منطق ترتیب انتخاب task ها توسط LLM انجام میشود.
و اما ترند این روزها در توسعهی سرویسهای نرمافزاری ظاهرا به سمت AI Agent ها در حرکتست. در این نرمافزارها، توسعهدهنده، فقط هدف برنامه رو مشخص میکند، یک LLM سعی میکند آن هدف را بررسی و درک کرده، آن را به دنبالهای از task های کوچک و قابل دسترسی بشکند، با توجه به هدف، و اطلاعات جانبی که از محیط (پایگاههای دادهای، RAG، فایلها، سرچ، APIها و …) دریافت میکند، منطق و اولویت اجرای این task ها را مشخص کرده و در نهایت به ابزارها و Actuator های مربوطه دستور انجام task را میدهد. این عمل در یک حلقه، تکرار شده تا AI Agent به هدف خود برسد.
مثلا یک چتبات خدمات مشتریان را در نظر بگیرید که intent ها و action ها از قبل برای آن مشخص نشده و این عامل، طی تعامل با مشتری، با چرخیدن در پایگاههای داده و مستندات و بهصورت خودمختار اقدام به رفع مشکل میکند.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
YouTube Summarizer
تبدیل کلیپ یوتیوب به مقاله
سرویسی که در آن میتوانید هر لینک یک ویدیو در YouTube وارد کنید، فقط با یک کلیک - و در عرض یک دقیقه یک توضیح متن فشرده ساختاریافته با تمام نکات اصلی ویدیو را دریافت خواهید کرد.
کاملا رایگان
حتی میتونید کلیپهای بلند مدت هم بهش بدید
یک سرویس رویایی هست بنظرم
https://chatwith.tools/youtube-summarizer
#معرفی_سایت
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
تبدیل کلیپ یوتیوب به مقاله
سرویسی که در آن میتوانید هر لینک یک ویدیو در YouTube وارد کنید، فقط با یک کلیک - و در عرض یک دقیقه یک توضیح متن فشرده ساختاریافته با تمام نکات اصلی ویدیو را دریافت خواهید کرد.
کاملا رایگان
حتی میتونید کلیپهای بلند مدت هم بهش بدید
یک سرویس رویایی هست بنظرم
https://chatwith.tools/youtube-summarizer
#معرفی_سایت
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔴پیوند سر انسان حدود یک دهه دیگر ممکن میشود
🔹اگر بخواهیم ادعای استارتاپ BrainBridge را باور کنیم، در آنچه بیشتر شبیه صحنه آغازین فیلمهای علمی-تخیلی و ترسناک به نظر میرسد، عملیات پیوند سر انسان که جراحان رباتیک انجامش میدهند، میتواند طی یک دهه وارد بیمارستانها شود!
🔹این زاییده فکر «هاشم الغیلی»، زیستشناس مولکولی ساکن برلین، است که به فیلمساز، تهیهکننده، نویسنده و اطلاعرسان علمی تبدیل شده است. شاید او را از ٢٠٢٢ به یاد داشته باشید، زمانی که تولد نوزاد با رحم مصنوعی را پیشنهاد داده بود.
🔹آخرین سرمایهگذاری او، BrainBridge، قصد دارد برای حفظ وضعیت مغز، درحالیکه یک سر به بدن اهداکننده سازگار پیوند زده میشود، از سیستمهای رباتیک پرسرعت استفاده کند.
🔹الغیلی میخواهد عملهای پیوند تمام سروصورت را انجام دهد تا به افرادی که ناتوانی شدیدی دارند، روحیه بدهد. الگوریتمهای هوش مصنوعی این جراحی را هدایت میکنند. بسیاری از بازوهای رباتیک برای برداشتن سر و اتصال آن به تنه جدید هدایت میشوند و نخاع، اعصاب و رگهای خونی را دوباره به هم وصل میکنند.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔹اگر بخواهیم ادعای استارتاپ BrainBridge را باور کنیم، در آنچه بیشتر شبیه صحنه آغازین فیلمهای علمی-تخیلی و ترسناک به نظر میرسد، عملیات پیوند سر انسان که جراحان رباتیک انجامش میدهند، میتواند طی یک دهه وارد بیمارستانها شود!
🔹این زاییده فکر «هاشم الغیلی»، زیستشناس مولکولی ساکن برلین، است که به فیلمساز، تهیهکننده، نویسنده و اطلاعرسان علمی تبدیل شده است. شاید او را از ٢٠٢٢ به یاد داشته باشید، زمانی که تولد نوزاد با رحم مصنوعی را پیشنهاد داده بود.
🔹آخرین سرمایهگذاری او، BrainBridge، قصد دارد برای حفظ وضعیت مغز، درحالیکه یک سر به بدن اهداکننده سازگار پیوند زده میشود، از سیستمهای رباتیک پرسرعت استفاده کند.
🔹الغیلی میخواهد عملهای پیوند تمام سروصورت را انجام دهد تا به افرادی که ناتوانی شدیدی دارند، روحیه بدهد. الگوریتمهای هوش مصنوعی این جراحی را هدایت میکنند. بسیاری از بازوهای رباتیک برای برداشتن سر و اتصال آن به تنه جدید هدایت میشوند و نخاع، اعصاب و رگهای خونی را دوباره به هم وصل میکنند.
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔴 اکستنش کارآمد مایکروسافت برای Vscode برای کارهای Data Science
اگر تجربه کار کردن با csv رو داشته باشید و بخواهید یه کار تحلیلی دم دستی بکنید احتمالا مستقیم میرید سراغ notebook. حالا یا jupyter رو مستقیم توی بروزر اجرا کنید یا توی vscode هی باید کد روی dataframe های پاندا بزنی مخصوصا جایی باشه کد زدنه واقعا اهمیت نداشته باشه و خروجی تحلیل موردی شما اهمیت بیشتری داشته. مثلا وقتی که بخواهید unique_count مقادیر هر ستون رو بگیرید. یا مثلا سریعتر بتونم چندتا چیز رو با هم فیلتر کنم و درگیر نوشتن کوئری روی Dataframe نشم خیلی بهتره.
این اکستنش مایکروسافت
Data Wrangler
باهاش کار کردن واقعا لذت بخشه و سرعت کار رو بالا میبره مجبور نیستی روی چیزی که دوست نداری تمرکز کنی و فقط روی نتیجه تمرکز میکنیی.
جالبش اینکه هم روی سلولهای Jupyter کار میکنه یعنی میتونید با کد pandas تغییرات مد نظر رو بدید و دیتافریم حاصل رو میگیره و روی تحلیل اولیه میزنه و هم روی فایل CSV رو با ابزارهای تحلیلی باز میکنه و از عملیاتهایی که انجام میده کد تولید میکنه.
https://github.com/microsoft/vscode-data-wrangler
#DataScience
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
اگر تجربه کار کردن با csv رو داشته باشید و بخواهید یه کار تحلیلی دم دستی بکنید احتمالا مستقیم میرید سراغ notebook. حالا یا jupyter رو مستقیم توی بروزر اجرا کنید یا توی vscode هی باید کد روی dataframe های پاندا بزنی مخصوصا جایی باشه کد زدنه واقعا اهمیت نداشته باشه و خروجی تحلیل موردی شما اهمیت بیشتری داشته. مثلا وقتی که بخواهید unique_count مقادیر هر ستون رو بگیرید. یا مثلا سریعتر بتونم چندتا چیز رو با هم فیلتر کنم و درگیر نوشتن کوئری روی Dataframe نشم خیلی بهتره.
این اکستنش مایکروسافت
Data Wrangler
باهاش کار کردن واقعا لذت بخشه و سرعت کار رو بالا میبره مجبور نیستی روی چیزی که دوست نداری تمرکز کنی و فقط روی نتیجه تمرکز میکنیی.
جالبش اینکه هم روی سلولهای Jupyter کار میکنه یعنی میتونید با کد pandas تغییرات مد نظر رو بدید و دیتافریم حاصل رو میگیره و روی تحلیل اولیه میزنه و هم روی فایل CSV رو با ابزارهای تحلیلی باز میکنه و از عملیاتهایی که انجام میده کد تولید میکنه.
https://github.com/microsoft/vscode-data-wrangler
#DataScience
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
GitHub
GitHub - microsoft/vscode-data-wrangler
Contribute to microsoft/vscode-data-wrangler development by creating an account on GitHub.
🔴 ایلان ماسک : من یک «آدم فضایی» هستم😐
🔹ایلان ماسک بهتازگی در جریان حضورش در رویداد ویوا تک (Viva Tech) در پاریس گفت که یک «بیگانه» (Alien) است و «کسی او را باور نمیکند».
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔹ایلان ماسک بهتازگی در جریان حضورش در رویداد ویوا تک (Viva Tech) در پاریس گفت که یک «بیگانه» (Alien) است و «کسی او را باور نمیکند».
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔴 موقعیت دکتری در سوئیس
آخرین مهلت برای درخواست ها 1 ژوئن 2024
دانشگاه زوریخ
سطح دوره: دکتری
ملیت: (دانشجویان در سراسر جهان)
موضوعات:
علوم ارتباطات، علوم کامپیوتر، علوم داده، علوم انسانی دیجیتال
https://jobs.uzh.ch/offene-stellen/doctoral-position-research-assistant-3-6-yrs-in-computational-communication-science-prof-dr-jing-zeng/d740f3da-0027-4b01-a982-81d773b428ff
#فرصت_تحصیلی #اپلای
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
آخرین مهلت برای درخواست ها 1 ژوئن 2024
دانشگاه زوریخ
سطح دوره: دکتری
ملیت: (دانشجویان در سراسر جهان)
موضوعات:
علوم ارتباطات، علوم کامپیوتر، علوم داده، علوم انسانی دیجیتال
https://jobs.uzh.ch/offene-stellen/doctoral-position-research-assistant-3-6-yrs-in-computational-communication-science-prof-dr-jing-zeng/d740f3da-0027-4b01-a982-81d773b428ff
#فرصت_تحصیلی #اپلای
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
یکی از معرفی های جذاب گوگل در گوگل آی او امسال این ابزار برای ریسرچرا بود که باهاش می تونید پیپرهای آکادمیک رو به یه گفت و گوی صوتی تبدیل کنید 😍😍😍
https://illuminate.withgoogle.com/
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
https://illuminate.withgoogle.com/
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
چیت شیت الگوریتم های ماشین لرنینگ به همراه راهنمای آن در مدیوم :
https://medium.com/dataflair/beat-the-heat-with-machine-learning-cheat-sheet-365c25bd1c3
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
https://medium.com/dataflair/beat-the-heat-with-machine-learning-cheat-sheet-365c25bd1c3
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی