برای ابطال دروغ-رسانه ای مشهور که هولوکاست و کشتار یهودیان بدست نازیها موجب تأسیس رژیم صهیونسیتی شد کافی است بدانیم ؛
‏«درسال ۱۸۸۱ میلادی, فلسطین ۴۷۰۰۰۰ سکنه داشته که فقط ۲۵۰۰۰ یهودی بودند. در سال ۱۹۱۴ آمار یهودیان فلسطین به ۸۰۰۰۰ رسید»
‏این واقعیت نشان می دهد حتی پیش از دوره قیمومیت بریتانیا برنامه گسترده مهاجرت یهودیان برای تأسیس رژیم صهیونسیتی به فلسطین برنامه ریزی و با سرعت به اجرا گذاشته شده بود.

Cobalt Tools

ویدئو ، صدا ، گیف ، عکس را از هر سایتی دانلود کنید فقط کافیه لینک شو بدید به این سایت

https://cobalt.tools/


#معرفی_سایت

علی صدری‌نیا در صفحه اینستاگرام خود ماجرای جلسه دادگاه رسایی را شرح داده ماجرای همان توییت دستبوسی ابوموسی اشعری و شکایت رسایی از علی صدری‌نیا

دسته بندی نسل ها

نفوذ سیلیکون ولی فراتر از مرزهای جغرافیایی:
‏
حتی حکومت‌ها دیگر قادر به نظارت و پاسخگو کردن آن نیستند!
‏سلطه این قطب فناوری بر جهان، با پیشرفت هوش مصنوعی، به سطح بی‌سابقه‌ای رسیده است!

‏در سال 2024، سیلیکون ولی با قدرت تمام، جنبش هشداردهندگان در مورد خطرات AI را خاموش کرد.

در حالی که در سال 2023، نگرانی‌ها در مورد خطرات فاجعه‌بار هوش مصنوعی، از جمله احتمال انقراض بشر، از محافل خصوصی به رسانه‌های mainstream و حتی دستورالعمل‌های ریاست جمهوری راه یافت، سال 2024شاهد تغییر روایت بود.

‏مارک اندریسن، از a16z(سرمایه‌گذار در فناوری‌های نوظهور)

با انتشار مقاله‌ای بلند، دیدگاه خوش‌بینانه‌ای از هوش مصنوعی ارائه داد و خواستار توسعه سریع و بدون محدودیت آن شد.
‏این دیدگاه با منافع مالی شرکت‌های فناوری همسو بود و به سرعت مورد استقبال قرار گرفت.
‏سرمایه‌گذاری در هوش مصنوعی در سال 2024 به اوج خود رسید و حتی اخراج موقت سم آلتمن از OpenAI نیز نتوانست این روند را متوقف کند!
‏با روی کار آمدن دونالد ترامپ و مشاوره اندریسن به او، دستورالعمل‌های ایمنی هوش مصنوعی بایدن کنار گذاشته شد و اولویت‌ها به سمت توسعه زیرساخت‌ها و رقابت با چین تغییر جهت داد.

لایحه SB 1047 در کالیفرنیا، که با حمایت چهره‌های برجسته‌ای مانند جفری هینتون و یوشوا بنجیو برای جلوگیری از خطرات فاجعه‌بار هوش مصنوعی ارائه شده بود، با وجود تصویب در مجلس ایالتی، توسط فرماندار گاوین نیوسام وتو شد.

این لایحه به دلیل تمرکز بر ریسک‌های فاجعه‌بار و نادیده گرفتن خطرات دیگر، و همچنین به دلیل مخالفت با هوش مصنوعی متن‌باز، مورد انتقاد قرار گرفت! حتی برخی از سرمایه‌گذاران، مانند وینود کسلا(بنیان‌گذاران سان مایکروسیستمز)، طرفداران این لایحه را بی‌اطلاع از خطرات واقعی AI خواندند.

در نهایت،با وجود افزایش محبوبیت AI و آشکار شدن نقاط ضعف آن‌ها، سال 2024 سالی بود که مفاهیم علمی-تخیلی به واقعیت پیوستند!
‏در حالی که مقابله با AI در2025 نیز ادامه خواهد داشت، ولی به نظر میرسد با وجود حمایت ترامپ،هر چالشی برای AI فقط دست گرمیست!

https://techcrunch.com/2025/01/01/2024-the-year-silicon-valley-stifled-the-ai-doom-movement/

سال ۲۰۲۴ یک سال فوق العاده ای برای هوش مصنوعی بود، با پیشرفت‌های سریع در مدل‌های چندوجهی (multimodal)، توانایی‌های استدلالی، و کاربردهای دنیای واقعی.
‏حالا که وارد سال ۲۰۲۵ می‌شویم، بنظرم هوش مصنوعی یکپارچه‌تر، کارآمدتر و شخصی‌سازی‌شده‌تر خواهد شد و مرزهای جدیدی را جابه‌جا می‌کند. در ادامه پیش‌بینی‌هایم در مورد روندهای کلی توسعه مدل‌های هوش مصنوعی برای سال ۲۰۲۵ را میگم:

‏- چندوجهی بودن در مرکز توجه: مدل‌هایی که قادر به درک و تولید محتوا در چندین قالب مختلف (متن، تصویر، ویدیو، صدا) هستند، به شدت مورد توجه قرار خواهند گرفت. این روند مرز بین مدل‌های مختلف را کم‌رنگ می‌کند.
‏- افزایش کارایی و دسترسی‌پذیری: مدل‌ها فشرده‌تر، سریع‌تر و کم‌مصرف‌تر خواهند شد، که به کاربران و دستگاه‌های بیشتری اجازه می‌دهد از آن‌ها بهره ببرند.
‏- شخصی‌سازی و سفارشی‌سازی: مدل‌ها به‌طور فزاینده‌ای برای کاربردهای خاص و نیازهای فردی تنظیم خواهند شد و برنامه‌های متمرکزتری ایجاد خواهند کرد.
‏

‏- تمرکز بر توضیح‌پذیری و اعتماد: تلاش بیشتری برای فهم نحوه تصمیم‌گیری مدل‌های هوش مصنوعی صورت می‌گیرد که باعث افزایش اعتماد به این سیستم‌ها می‌شود.
‏- ارتقای استدلال و برنامه‌ریزی: مدل‌ها فراتر از تشخیص الگو حرکت کرده و به سمت استدلال و برنامه‌ریزی پیشرفته خواهند رفت، که انجام وظایف پیچیده را ممکن می‌سازد.
‏- پردازش در لبه و هوش مصنوعی روی دستگاه: بخش بیشتری از پردازش هوش مصنوعی مستقیماً روی دستگاه‌ها انجام می‌شود و این امر باعث کاهش تأخیر و بهبود تجربه کاربر خواهد شد.

پیش‌بینی‌های خاص برای انواع مدل‌ها در ۲۰۲۵:
‏۱. مدل‌های زبانی بزرگ (LLMs):
‏- درک پیشرفته‌تر زمینه‌ها: مدل‌ها در درک مکالمات، روایت‌ها و اسناد پیچیده بهتر خواهند شد.
‏- استدلال و منطق بهبود یافته: مدل‌ها توانایی حل مسائل منطقی و اجرای وظایف گام به گام را خواهند داشت.
‏- تخصصی‌سازی بیشتر: مدل‌هایی با تمرکز بر حوزه‌های خاص مانند حقوقی، پزشکی یا مالی توسعه خواهند یافت.
‏- عملکرد چندزبانه بهتر: فاصله عملکرد بین زبان‌های مختلف کاهش یافته و مدل‌ها به ابزارهایی جهانی تبدیل خواهند شد.
‏- ایجنت های هوشمند: مدل‌ها به‌عنوان هسته ایجنت های هوش مصنوعی عمل خواهند کرد که می‌توانند برنامه‌ریزی، اجرا و انطباق با اهداف پیچیده دنیای واقعی را انجام دهند.

مدل‌های زبان-بینایی (VLMs):
‏- ادغام یکپارچه متن و تصویر: درک دقیق‌تر صحنه‌ها، شناسایی اشیا و پاسخ به سؤالات بر اساس اطلاعات بصری.
‏- ویرایش و خلق بصری تعاملی (interactive): امکان ویرایش تصاویر و ویدیوها با دستورات زبان طبیعی (مانند "گربه‌ای با کلاه اضافه کن" یا "شخص را از پس‌زمینه حذف کن").
‏- استدلال بصری دقیق‌تر: تفسیر روابط فضایی، درک زمینه‌های تصویری و انجام وظایف استدلالی پیچیده.
‏- کاربرد در رباتیک و سیستم‌های خودکار: کمک به ناوبری، دستکاری اشیا و درک محیط‌های پیچیده.
‏- تحلیل و توضیح ویدیو: خلاصه‌سازی ویدیوها، تولید زیرنویس و درک محتوای پیچیده ویدیویی.

مدل‌های صوتی: (اکثر این کاربردها همین الان هم هست ولی خوب خیلی بهتر و راحت تر میشه.)
‏- تشخیص و تولید گفتار پیشرفته: بهبود دقت تشخیص گفتار حتی در محیط‌های پر سر و صدا و تولید صدایی طبیعی‌تر.
‏- تحلیل پیشرفته صوتی: شناسایی رویدادهای صوتی، استخراج ویژگی‌های صوتی و درک تن عاطفی گفتار.
‏- ساخت و ویرایش موسیقی: تولید موسیقی اصلی در ژانرهای مختلف، ویرایش آهنگ‌ها و خلق صداهای سفارشی.
‏- ترجمه و رونویسی لحظه‌ای (Real-Time Translation & Transcription): ترجمه و رونویسی صوت به‌صورت لحظه‌ای برای رفع موانع زبانی.

مدل‌های ویدیویی:
‏- تولید ویدیوهای واقعی‌تر: بهبود قابل توجه در ایجاد محتوای ویدیویی واقعی و قانع‌کننده.
‏- ویرایش ویدیو پیشرفته: امکان افزودن یا حذف اشیا، تغییر سبک‌ها و ایجاد جلوه‌های ویژه.
‏- تحلیل ویدیو پیشرفته: تفسیر صحنه‌های پیچیده، درک رویدادها و ردیابی اشیا در طول زمان.
‏- محتوای ویدیویی شخصی‌سازی شده: ایجاد پیشنهادات ویدیویی شخصی‌سازی شده برای کاربران.
/مهدی الله‌یاری

نگاهی به سوابق محمود احمدی نژاد

-استاندار اردبیل
-چهل و دومین شهردار تهران
-ششمین رئیس‌جمهور ایران

نگاهی به سوابق حسن روحانی

-نمایندهٔ مجلس شورای اسلامی
دوره‌های ۱، ۲، ۳، ۴ و ۵
-نایب‌رئیس اول مجلس شورای اسلامی
-نخستین دبیر شورای عالی امنیت ملی
-مشاور رئیس‌جمهور در امور امنیت ملی
-عضو حقیقی مجمع تشخیص مصلحت نظام
-مشاور رئیس‌جمهور
-رئیس مرکز تحقیقات استراتژیک
-نمایندهٔ مجلس خبرگان رهبری
دوره‌های ۳، ۴ و ۵
-هفتمین رئیس‌جمهور ایران

مسعود پزشکیان
-رئیس دانشگاه علوم پزشکی تبریز
-وزیر بهداشت، درمان و آموزش پزشکی
-نایب‌رئیس اول مجلس شورای اسلامی
-نمایندهٔ مجلس شورای اسلامی
دوره‌های هشتم، نهم، دهم، یازدهم و دوازدهم

‏ژنرال فرانک مک کنزی فرمانده سابق سنتکام در کتاب «نقطه ذوب: فرماندهی عالی و جنگ در قرن بیست و یکم» که تازه منتشر شده شب ترور سردار سلیمانی رو از اتاق فرماندهی عملیات روایت کرده:

‏"از جوانی که به سنتکام پیوستم، دیدم که بوش و اوباما نتوانستند با سلیمانی مقابله کنند. بنابراین از آغاز فرماندهی‌ام در مارس ۲۰۱۹ درصدد حذف او بودم. دریافتم که سیا و شرکای منطقه‌ای ما نیز قبلاً در کاخ سفید برای حذف او لابی کردند ولی طرح‌های آن‌ها عملیاتی نبود یا هزینه سیاسی بالایی داشت.

‏از ابتدای فرماندهی‌ام تا دسامبر ۲۰۱۹ کتائب حزب‌الله ۱۹ بار پایگاه‌های ما در عراق را هدف قرار داد که حمله‌ای در در ۲۷ دسامبر به جراحت ۴ سرباز و مرگ ۱ پیمانکار انجامید. پنتاگون طرح‌هایی برای پاسخ خواست. ما آن زمان درصدد حذف افسر نیروی قدس در یمن بودیم. علاوه بر این، کشتی جاسوسی ساویز هم به عنوان پاسخ، مطرح شد.

‏من گفتم اهداف مرتبط با کتائب در عراق را بزنیم. این اهداف شامل ۴ سایت و ۳ حامی کتائب ازجمله سلیمانی بود. پیشنهاد از طریق مایک‌میلی رییس ستاد ارتش به اسپر وزیر دفاع منتقل و با ۴ هدف لجستیکی موافقت شد.

‏از آنجایی که می دانستم رئیس جمهور خیلی علاقمند به (هدف گرفتن) سلیمانی است، روز شنبه عصر ویرایش نهایی گزارشی را که توضیح می داد اگر او را هدف بگیریم بعدا چه اتفاقی خواهد افتاد انجام دادم.

‏تردیدی نبود که او یک هدف معتبر و باارزش است و فقدانش تصمیم گیری برای ایران را بسیار دشوارتر می سازد. این اقدام همچنین نشانه ای قوی از اراده آمریکا بود که در طی سال های متمادی در تعاملات ما با ایران جای خالی آن احساس می شد.

‏اما من به شدت نگران نحوه واکنش ایران بودم. این حمله می توانست یک تاثیر بازدارنده داشته باشد یا موجب یک اقدام تلافی جویانه عظیم گردد. پس از بررسی دقیق جوانب، من معتقد بودم که آنها پاسخ خواهند گفت، اما احتمالا نه با یک اقدام جنگی؛ که سال ها نگرانش بوده ایم.

‏اما آنها جایگزین های زیادی در اختیار داشتند که توسل به آنها می توانست برای ما دردناک باشد. من گزارش را برای وزیر دفاع فرستادم. در این گزارش هدف گرفتن سلیمانی را توصیه نکرده بودم، اما ریسک های چنین اقدامی را بر شمرده بودم.

‏صبح روز ۳۱ دسامبر به مقر سنتکام رفتم، یعنی روزی که امیدوار بودیم حمله انجام شود. دو مانیتور غول پیکر روی دیوار نصب شده بود. یکی تصاویر سیاه و سفید مخابره شده از پهپادها را نشان می داد و دیگری حرکت صدها هواپیما از جمله هواپیماهای غیرنظامی عبوری از آسمان ایران و عراق را رصد می کرد.

‏بالاخره سلیمانی از منزل خارج و سوار هواپیما شد. هواپیما در ساعت ۹:۴۵ دقیقه صبح از زمین بلند شد. اما وقتی نزدیک بغداد رسید، فرود نیامد و از ارتفاع ۳۰ هزار پایی شهر بغداد عبور کرد. من به همراه میلی و اسپر در اتاق عملیات داشتیم وضعیت را تماشا می کردیم.

‏یک نفر در پنتاگون از من پرسید:
‏«می توانی در آسمان این هواپیما را ساقط کنی؟» بدون تصمیم گیری در مورد اجرای دستور با فرمانده پایگاه هوایی‌مان در قطر تماس گرفتم و پرسیدم آیا اگر دستور صادر شود می توانید این کار را انجام دهید؟ او به سرعت پاسخ داد و ما دو جنگنده را در پشت سر این هواپیما به هوا بلند کردیم.

‏تلاش می کردیم بدانیم که آیا این پرواز چارتری است یا تجاری. در نهایت مشخص شد که پرواز تجاری است و با حداقل ۵۰ سرنشین با تاخیر زیاد به مقصد دمشق پرواز کرده است. بلافاصله به میلی توصیه کردم که نباید آن را هدف بگیریم. او هم موافقت کرد و جنگنده ها مجددا به آشیانه برگشتند. عملیات در یمن نیز به تعویق افتاد.

‏اما تصمیم رئیس جمهور همچنان پابرجا بود. نشانه هایی وجود داشت که سلیمانی در ۳۶ ساعت آینده از دمشق به بعداد برخواهد گشت. ما همچنان یک فرصت دیگر داشتیم.

‏روز دوم ژانویه سلیمانی دوباره در دمشق سوار هواپیما شد و ما در مقر سنتکام در تمپا تحرکات او را زیر نظر داشتیم. پرواز یک پرواز تجاری بود. هواپیما در ساعت ۴:۳۵ دقیقه بعد از ظهر به وقت آمریکا در فرودگاه بغداد به زمین نشست که به وقت محلی اندکی قبل از نیمه شب بود.

‏هوا ابری بود. پهپادهای ام کیو ۹ برای بهبود سطح دید در ارتفاع پایین پرواز می کردند و برای اینکه دیده نشوند یا صدایشان شنیده نشود باید فاصله خود با هدف را حفظ می کردند. در ساعت ۴:۴۰ دقیقه تایید کردیم که سلیمانی در حال پایین آمدن از پله هاست. قبلا دستور حمله به تیم عملیات داده شده بود.

‏دو خودرو بعد از سوار کردن سلیمانی با سرعت از هواپیما دور شدند. همه نگاه ها به مانیتورهای بزرگ دوخته شده بود. کسی حرف نمی زد. و بعد ناگهان یک نور بزرگ سفید کل صفحه را پر کرد. تکه های خودروی سلیمانی به هوا پرتاب شدند. بعد از یک یا دو ثانیه، خودروی اسکورت هم هدف قرار گرفت.

‏هیچ کس خوشحالی نمی کرد.

فقط و فقط سکوت بود که فضا را پر کرده بود و ما داشتیم خودروهای در حال سوختن را تماشا می کردیم. یک دقیقه بعد، ما مجددا حمله کردیم و ۸ شلیک دیگر انجام دادیم. عملیات به نظر موفقیت آمیز بود، اما هنوز نمی توانستیم آن تایید کنیم.

‏به زودی مشخص شد که سلیمانی را زده ایم. ساعت حدود ۹ شب به خانه رسیده بودم، که اولین گزارش های خبری در این باره منتشر شد. تنها آن موقع بود که فرصت فکر کردن درباره آنچه رخ داده بود را پیدا کردم."
‏The Melting Point: High Command and War in the 21st Century.

‏«مکنزی درس این ترور برای آمریکا را این می‌داند که "خطر تشدید اجتناب‌ناپذیر، اما قابل کنترل است". امری که نشان می‌دهد تضعیف بازدارندگی چه پیامدهایی برای امنیت ملی خواهد داشت.»/جنلی

‏از DeepSeek-V3 بگیم که یه مدل با هزینه کم به حساب میاد.
‏یه آزمایشگاه چینی این مدل رو توی ۲ ماه با ۵.۵ میلیون دلار ساخته که میشه مقایسه کرد با آموزش GPT-4o با ۱۰۰ میلیون دلار هزینه.
‏در واقع میشه یه مدل AI اوپن‌سورس ترکیبی و (Mixture-of-Experts یا MoE). یعنی به جای یه مدل بزرگ که همه‌کاره باشه، میان چند تا مدل «تخصصی» کوچیکتر میسازن که با هم کار میکنن.

‏با ۱۴.۸ تریلیون توکن آموزش داده شده، از تکنیک‌های جدیدی مثل Multi-Head Latent Attention (MLA) استفاده کردن.

‏برای توضیح این تکنیک باید به اصل «مفهوم توجه» یا همون Attention توی مدل‌های زبانی نگاه کنیم.
‏در مدل‌های زبانی، «توجه» یه مکانیزمه که به مدل اجازه میده تا روی کلمات مهم‌تر تمرکز کنه و کلمات کم‌اهمیت‌تر رو نادیده بگیره. این بهش کمک میکنه ارتباط کلمات رو بیشتر بفهمه و جواب بهتری بده.

‏حالا MLA میاد با جنبه‌های مختلفی به متن نگاه میکنه و سعی میکنه اهمیت کلمات رو متوجه بشه، مثلا یه بار ممکنه به روابط گرامری نگاه کنه، یه بار به معنی کلمات نگاه کنه و ...
‏خروجی میشه درک بیشتر و مصرف کمتر GPU و منابع محاسباتی.

‏طراحی و آموزش این مدل هم روی چیپ NVIDIA H800 بوده که میشه یه مدل ارزون و محدود از H100 برای بازارهای تحریمی مثل چین.

‏از ویژگی‌هاش توانایی پردازش تا ۱۲۸۰۰۰ توکن در یه ورودی که برای کارهایی مثل بررسی اسناد قانونی و تحقیقات دانشگاهی خیلی خوبه. ین مدل ۶۷۱ میلیارد پارامتر داره، اما گفته میشه فقط ۳۷ میلیاردش برای انجام هر کار فعال میشه.

‏تو آزمون‌های مختلف با مدل‌های دیگه مثل Claude-3.5، GPT-4o، Qwen2.5 و Llama3.1 مقایسه شده و عملکرد خوبی داشته. به خصوص تو ریاضیات و کدنویسی، تو آزمون‌هایی مثل MATH-500 و LiveCodeBench از رقباش بهتر بوده. همچنین تو کارهایی که نیاز به درک متن‌های طولانی داره خیلی خوبه.

آماده کردن محیط برنامه نویسی از جمله کارهای مهمی هست که هر دولوپر یا برنامه نویس کلی براش وقت میذاره، چون که قراره دائما باهاش کار کنه. این ریپو یک template درست کرده و قدم به قدم توضیح میده که چطور محیط پایتون را با استفاده از VS code و داکر با هم آماده کنید. یکبار set up میکنید و دیگه راحت میشید. البته میشه برای زبان های دیگه هم تغییرش داد و ازش استفاده کرد./مهدی الله‌یاری

https://github.com/RamiKrispin/vscode-python

تذکر مجلس به پزشکیان در باب موضوع درگاه پتلفرم‌های رمزارز

مهدی طغیانی، نایب‌رئیس کمیسیون اقتصادی مجلس:
🔹تجربه روزهای گذشته نشان داد که محدودیت‌های اعمال شده تاثیری بر مدیریت نرخ ارز نداشته است.
🔹دستور دهید بانک مرکزی علاوه بر رفع محدودیت کامل از درگاه‌ها و حساب‌های سکوهای بومی تبادل رمزدارایی، از تحت فشار گذاشتن کسب و کارهای بومی به نفع سکوهای خارجی خودداری نماید

مثل اینکه بعد از انتشار گزارش فرهیختگان در رابطه با حضور موساد در پیام‌رسان ایتا، کانال فرهیختگان در ایتا محدود شده و اجازه فعالیت ندارد.

هر پلتفرمی قوانین و مقررات خاص خود را دارد و ساخت حساب کاربری به منزله پذیرش این قوانین است. طبق بند ۶ قوانین ایتا، گزارش فرهیختگان به برند تجاری ایتا آسیب رسانده و بر این اساس، طبق قانون محدود شده است.

چیزی که پزشکیان از آن بطور سرزده بازدید کرده، هرچه هست، ⁧ مدرسه⁩ نیست؛ صرفا محلی است برای نگهداری صبح تا ظهر تعدادی نوجوان مظلوم و بی‌پناه... به تعدادی نیمکت فَکَسنی و یک مقوا رنگی روی دیوار و دو عدد جالباسی مدرسه نمی‌توان گفت. گرچه یک میلیون دانش‌آموز از همین هم محرومند.
‏ انقلابی که با شعار ایران را مدرسه کنیم آغاز شد، امروز سرانه مدرسه را خرج اَتِینای انواع رنگ و وارنگ تعدادی قرارگاه و شورای عالی و دفاتر حفظ و نشر و ترویج و تبلیغ و راهپیمایی و اخیرا موکب‌داری و... کرده و حالا کفیر به ته دیگ خورده است.

در تمام این سال‌ها که کیک بودجه را در دالان‌های دولت و مجلس تقسیم می‌کردند مدرسه و نوجوان، و نه حتی معلمان، هیچ صدایی در هیچ نهادی نداشتند و هر سال سهم کمتری گرفتند و سکوت کردند.
‏اما معلمان چون در انتخابات حق رأی دارند و بکار می‌آیند وضعیت بهتری داشته‌اند.
‏

جالب‌تر اینکه درحالیکه رییس‌جمهور کارگروه ویژه‌ای برای محرومیت‌زدایی از آموزش و پرورش تهران تشکیل داده، عده‌ای دیگر از مدیران آپ به فکر نقد کردن ملک‌های خوش قواره مدارس به اسم ⁧ #مولدسازی⁩ و محرومیت‌زایی مضاعف هستند!
‏(استان تهران جزو سه استان محروم کشور از نظر مدرسه و کلاس است)

املاک و مدارس آپ، آخرین میراث نوجوانان و از معدود مستغلات باقی‌مانده با کاربری عمومی در شهرها هستند. برخی با عناوین دهن‌پرکنی مثل مولدسازی بدنبال هاپولی کردن این مزیت استراتژیک آپ هستند.
‏هرگونه مولدسازی و واگذاری باید در جهت استفاده بیشتر و بهتر دانش‌آموزان باشد./مرتضی کیا

مدل AI پیشرفته در تشخیص پاندمی ها با دقت بزرگترین آزمایشگاه های جهان!

‏دانشگاه USC کالیفرنیا و متخصصان AI، با معرفی METAGENE-1،گامی بزرگ در جهت پیشگیری از پاندمی ها برداشته اند.

‏ این مدل بنیادی متاژنومیک پیشرفته‌ با 7bپارامتر به صورت متن‌باز منتشر شد. این مدل انقلابی، با توانایی تجزیه و تحلیل بیش از 1.5 تریلیون جفت باز DNA و RNA از نمونه‌های فاضلاب، نویدبخش تحولی عظیم در زمینه تشخیص پاتوژن‌ها در مقیاس جهانی و کاهش خطر پاندمی‌ها در عصر زیست‌شناسی نمایی است.
‏مدل METAGENE-1، یک مدل ترانسفورماتور خودبازگشتی است که بر روی داده‌های عظیمی از نمونه‌های فاضلاب انسانی آموزش داده شده است.
‏این داده‌ها با استفاده از روش‌های پیشرفته توالی‌یابی متاژنومیک (نسل بعدی) پردازش و توالی‌یابی شده‌اند.
‏هدف اصلی این مدل، کمک به وظایفی در حوزه‌های نظارت زیستی، پایش پاندمی و تشخیص پاتوژن‌های انسانی است.

نتایج اولیه نشان می‌دهد که METAGENE-1 در معیارهای مختلف ژنومی و ارزیابی‌های جدید با تمرکز بر تشخیص پاتوژن‌های انسانی، عملکردی در سطح برترین‌های جهان ارائه می‌دهد و پتانسیل فوق‌العاده‌ای برای کاربردهای متاژنومیک متنوع دارد.

این دستاورد بزرگ، گامی مهم در جهت حفاظت از بشریت در عصر زیست‌شناسی و هوش مصنوعی محسوب می‌شود و با ارائه ابزارهای قدرتمند برای تشخیص زودهنگام و پیشگیری از شیوع بیماری‌های عفونی، آینده‌ای امن‌تر را برای جامعه جهانی ترسیم می‌کند.

کد منبع، مقاله پژوهشی و مدل آموزش‌دیده METAGENE-1 از طریق پلتفرم‌های GitHub و Hugging Face در دسترس عموم قرار گرفته است.

‏منابع و اطلاعات بیشتر:

‏Github: ⁦ github.com/metagene-ai⁩
‏Hugging Face: ⁦ huggingface.co/metagene-ai⁩
‏Paper: