✴️چت‌جی‌پی‌تی در حال آزمایش پشتیبانی از پروتکل MCP برای اتصال به سرویس‌های خارجی ♨️تحولی جدید در راه است: ChatGPT در حال آزمایش پشتیبانی از پروتکل زمینه مدل (MCP) است که به آن امکان می‌دهد به سرویس‌های شخص ثالث متصل شده و از داده‌های آن‌ها به عنوان زمینه استفاده کند. ✅ پروتکل MCP چیست؟ - یک استاندارد متن‌باز برای اتصال مدل‌های هوش مصنوعی به ابزارهای خارجی - به توسعه‌دهندگان اجازه می‌دهد داده‌های شخص ثالث را از طریق MCP در اختیار ChatGPT قرار دهند. - مثال: ChatGPT می‌تواند به Gmail متصل شود و از اطلاعات آن برای انجام وظایف کاربر استفاده کند. ❓چرا MCP مهم است؟ -برای مصرف‌کنندگان عادی: ممکن است کاربردهای محدودی داشته باشد. -برای کسب‌وکارها: یک انقلابی بزرگ محسوب می‌شود، چون شرکت‌ها می‌توانند ابزارهای داخلی خود (مثل CRMها یا پایگاه‌های داده) را مستقیماً به ChatGPT متصل کنند. 🔗جزئیات فنی: - کاربران می‌توانند در بخش تنظیمات اتصال (Connectors)، یک ابزار سفارشی اضافه کنند. - با وارد کردن نام، URL و توضیحات، ChatGPT به API یا نرم‌افزار موردنظر متصل می‌شود. - این قابلیت هنوز در مرحله آزمایش داخلی است، اما احتمالاً به زودی به صورت رسمی معرفی خواهد شد. ❇️اگر این فناوری با موفقیت راه‌اندازی شود، دسترسی هوش مصنوعی به دنیای بیرون را متحول خواهد کرد و ChatGPT را به یک دستیار هوشمندتر و همه‌کاره‌تر تبدیل می‌کند. 📌مشاهده خبر 👣هوش مصنوعی نجم را دنبال کنید با شناسه👈 najm_ac

مقایسه RAG ساده و Agentic RAG: تحول در بازیابی اطلاعات 🛑مشکلات RAG سنتی: - جستجوی محدود: فقط یکبار جستجو و پاسخ‌دهی انجام می‌شود. - عدم پردازش چندمرحله‌ای: عملکرد ضعیف در سوالات پیچیده. - انعطاف‌ناپذیری: ناتوانی در تغییر استراتژی بر اساس نوع سوال. ✅راهکار Agentic RAG: - استفاده از عامل‌های هوشمند در مراحل مختلف. - جستجوی پویا و تکراری برای اطلاعات تکمیلی. - چرخه بازخورد برای بهبود پاسخ‌ها. 📝مراحل Agentic RAG: 1. پالایش سوال (رفع خطاها و ساده‌سازی). 2. تشخیص نیاز اطلاعاتی (آیا داده بیشتری لازم است؟). 3. مسیر پاسخ: - اگر اطلاعات کافی باشد: پاسخ مستقیم. - اگر نباشد: بازیابی از چند منبع (دیتابیس، API، اینترنت). 4. بازبینی نهایی (کنترل کیفیت پاسخ). 5. تکرار چرخه در صورت نیاز. مزایا: ✅ انعطاف‌پذیری بیشتر در سوالات پیچیده. ✅ بازیابی از منابع چندگانه. ✅ کاهش خطاها با بازخورد مستمر. چالش‌ها: 🔴 پیچیدگی سیستم و هزینه بالاتر. 🔴 نیاز به مکانیزم‌های کنترل کیفیت دقیق. 🔴 خطر حلقه‌های بی‌پایان یا مشکلات امنیتی. 🔖نتیجه‌گیری: Agentic RAG با رویکرد پویا و چندعامله، تحولی در سیستم‌های بازیابی ایجاد کرده است، اما نیازمند طراحی دقیق برای بهینه‌سازی عملکرد و امنیت است. این فناوری برای پشتیبانی مشتریان، تحلیل داده‌ها و سیستم‌های توصیه‌گر بسیار کاربردی است. 📌مشاهده مطلب مرتبط 👣هوش مصنوعی نجم را دنبال کنید با شناسه👈 najm_ac

♨️طرح ملی هوش مصنوعی ✅اهداف کلان: - قرار گرفتن ایران در بین ۱۰ کشور برتر جهان در حوزه هوش مصنوعی (طبق تأکید رهبری) - توسعه هوش مصنوعی قابل اعتماد، پایدار و همسو با ارزش‌های اسلامی-ایرانی - مقابله با استعمار شناختی-تکنیکی و وابستگی به فناوری خارجی 🔍ساختار حاکمیتی: 1. شورای ملی راهبری هوش مصنوعی - رئیس: رئیس‌جمهور - اعضا: وزیران مرتبط (ارتباطات، علوم، دفاع و...)، نمایندگان مجلس، نهادهای حاکمیتی - وظیفه: سیاستگذاری کلان و نظارت بر اجرای طرح 2. سازمان ملی هوش مصنوعی - زیر نظر رئیس‌جمهور - وظایف: - توسعه لایه بنیادین (الگوریتم‌ها، مدل‌های زبانی، زیرساخت‌ها) - تسهیل لایه کاربست (کاربردهای عملی در صنعت و خدمات) - هماهنگی بین‌المللی و نمایندگی ایران در مجامع جهانی 3. مرکز ملی راهبری و توسعه هوش مصنوعی - واحدهای تخصصی: - پژوهش‌های سطح بالا (ابعاد فلسفی، اجتماعی، فنی) - برنامه‌ریزی راهبردی (تدوین نقشه راه) - تحقیق و توسعه فناوری (پیاده‌سازی پروژه‌های کلیدی) ✴️اقدامات محوری: - تأسیس صندوق ملی توسعه هوش مصنوعی با سرمایه اولیه ۱۰۰ هزار میلیارد ریال - معافیت‌های مالیاتی برای شرکت‌های فعال در حوزه هوش مصنوعی - تسهیل واردات سخت‌افزارهای تخصصی هوش مصنوعی - ایجاد کارگروه تبادل داده‌های ملی برای توسعه مدل‌های هوش مصنوعی 📌مشاهده خبر 👣هوش مصنوعی نجم را دنبال کنید با شناسه👈 najm_ac

✅معرفی Graphiti: سرور MCP برای افزودن حافظه شبه‌انسانی به عامل‌های هوش مصنوعی 🔸سیستمی برای ساخت گراف‌های دانش آگاه از زمان (Temporally-aware Knowledge Graphs) که به عامل‌های شما حافظه پویا می‌بخشد. 🔥 قابلیت‌های کلیدی: - به‌روزرسانی آنی و افزایشی (بدون نیاز به پردازش دسته‌ای) - مدل دو-زمانه → پرس‌وجوهای دقیق بر اساس مقطع زمانی خاص - جستجوی ترکیبی زیر ثانیه‌ای (معنایی + BM25 + گراف) - تعریف موجودیت‌های سفارشی با مدل‌های ساده Pydantic - مقیاس‌پذیر برای حجم سازمانی با قابلیت ورود موازی داده‌ها 🛠 کاربردها: - ادغام با Claude/Cursor برای افزودن لایه حافظه پیشرفته - ایجاد تعاملات هوشمندانه‌تر با حفظ زمینه تاریخی - مدیریت مجموعه‌داده‌های بزرگ سازمانی 🌟 مزایا: ✅ ۱۰۰% محلی و متن‌باز ✅ عملکرد بلادرنگ ✅ پشتیبانی از پرس‌وجوهای زمانی دقیق 🔻این پروژه تحولی در ایجاد عامل‌های هوش مصنوعی با حافظه پایدار و شبه‌انسانی ایجاد می‌کند! 📌جهت مشاهده در گیت‌هاب کلیک کنید 👣هوش مصنوعی نجم را دنبال کنید با شناسه👈 najm_ac

🔸معرفی SongGen: انقلابی در تولید موسیقی با هوش مصنوعی! 🎵 اولین مدل متنبازِ تولید آهنگ کامل (وکال + موزیک) فقط با یک توضیح متنی! ✨ ویژگیهای منحصربه فرد SongGen: - وکالِ واضح و باکیفیت با فناوری X-Codec - هماهنگی بین وکال و موزیک (بهصورت موازی یا درهمتنیده) - متنباز و رایگان - مناسب برای همه، از مبتدی تا حرفهای - عملکرد بهتر نسبت به رقبا (مثل MusicGen و Stable Audio)، بهویژه در وضوح صدا و تطابق با متن 📌جهت مشاهده در گیت‌هاب کلیک کنید 👣هوش مصنوعی نجم را دنبال کنید با شناسه👈 najm_ac

♨️هوش مصنوعی و چشمانداز "بهشت رسانهای": فرصتها و چالشهای فرهنگی سعیدرضا عاملی، عضو شورای عالی انقلاب فرهنگی در همایش ملی هوش مصنوعی، فرهنگ و رسانه با اشاره به قابلیتهای تحول آفرین این فناوری، از امکان خلق "بهشت رسانهای" سخن گفت؛ فضایی آرمانی که با ترکیب واقعیت مجازی، متاورس و فناوریهای نوین، بازنمایی آرمانهای الهی و فرهنگی را ممکن میسازد. 🔍 چهار مؤلفه کلیدی پیوند هوش مصنوعی و رسانه: 1. رسانه ریاضی 2. ادغام فراگیر 3. خلاقیت مولد 4. سیالیت زمان مجازی ✅ سه فرصت کلیدی هوش مصنوعی برای فرهنگ و رسانه: 1. تبدیل آرمانهای الهی به واقعیت رسانه ای 2. گذار از رسانه تبعیض آمیز به رسانه عدالت محور 3. طراحی رسانه هوشمند بر اساس الگوریتم های ارزش محور ⚠️ سه چالش بزرگ پیش رو: 1. سوءاستفاده شیطانی: - امکان طراحی هوش مصنوعی برای نفوذ به سیستمهای حساس (مثل بانکداری یا حکمرانی). 2. انسانزدایی از مشاغل: - پیشبینی حذف ۲۰ تا ۳۰ درصد مشاغل و تهدید فعالیتهای مبتنی بر نیت انسانی. 3. طبیعت زدایی از فرهنگ: - خطر جایگزینی کامل ارتباطات انسانی با ماشین و گسست زیستی-فرهنگی 📌متن کامل خبر 👣هوش مصنوعی نجم را دنبال کنید با شناسه👈 najm_ac

♨️معرفی Adjoint Sampling: الگوریتم یادگیری جدید برای مدل‌های مولد مبتنی بر پاداش عددی 🔗توسعه‌یافته توسط FAIR (آزمایشگاه هوش مصنوعی فیسبوک) 🔴 قابلیت‌های کلیدی: ✅ آموزش مدل‌های مولد (Generative Models) با استفاده از پاداش‌های عددی (Scalar Rewards) ✅ الگوریتم مقیاس‌پذیر مبتنی بر مبانی نظری پیشرفته ✅ کاربرد در تحقیقات آینده برای توسعه روش‌های نمونه‌برداری کارآمد 🚀 چرا این الگوریتم مهم است؟ - بهبود کارایی در آموزش مدل‌های مولد - پتانسیل تبدیل شدن به پایه‌ای برای روش‌های نمونه‌برداری مقیاس‌پذیر - کاهش هزینه محاسباتی نسبت به روش‌های سنتی 📌 منابع برای محققان - مطالعه مقاله - دریافت مدل - دانلود کد 👣هوش مصنوعی نجم را دنبال کنید با شناسه👈 najm_ac

♨️عربستان ۶۰۰ میلیارد دلار سرمایه‌گذاری در حوزه هوش مصنوعی آمریکا انجام می‌دهد 🔹عربستان سعودی به تازگی اعلام کرد که ۶۰۰ میلیارد دلار در آمریکا سرمایه‌گذاری خواهد کرد و هوش مصنوعی (AI) در کانون این برنامه قرار دارد. چرا این خبر مهم است؟ ➡️ هوش مصنوعی به یک مسئله ژئوپلیتیک تبدیل شده است. ➡️ عربستان فقط به نوشتن چک بسنده نمی‌کند، بلکه می‌خواهد در تصمیم‌گیری‌های استراتژیک نقش داشته باشد. ♦️برخی از معاملات کلیدی: - ۲۰ میلیارد دلار از سوی شرکت DataVolt برای ساخت مراکز داده هوش مصنوعی و زیرساخت‌های انرژی در سراسر آمریکا. - ۸۰ میلیارد دلار توافق فناوری با غول‌های صنعت، از جمله: - گوگل - اوراکل - AMD - Salesforce 🔻این برنامه در جریان یک نشست مشترک آمریکا و عربستان در ریاض اعلام شد که میزبان چهره‌هایی مانند ایلان ماسک، سم آلتمن و جنسن هوانگ (مدیران تسلا، OpenAI و انویدیا) بود. 📌مشاهده خبر 👣هوش مصنوعی نجم را دنبال کنید با شناسه👈najm_ac