https://chat.deepseek.com/ دیپ سیک هم باز شده و قابل استفاده است. هیجان عجیبی پیدا کردم . برم یه سوال توپ ازش بکنم ببینم به هوش هست یا خیر؟

دیب سیک هم می دونه که دسترسی ما قطع شده بوده. البته من سوالات دیگه هم ازش کردم. از اغتشاشات هم خبر داشت

به نظرم فقط Deepseek را باز کردند. اونم روی گوشی جواب نداد. تحت وبش فقط کار می کنه. بعد بگید چینی ها بدند!!

برنامه های تغییر آ...ی ... پ.... ی هم کار نمی کنه.

ساختن ویدئو https://ovi.video/ فایل متتنی بهش بدی یا تصویر بهش بدی برات فیلم می سازه. اولش رایگانه، میشه یکی دو تا کار رایگان تولید کرد .. برای تفریح خوبه البته باید صبر کنید #اینترنت به طول کامل باز بشه .. تو این ده دقیقه اخیر ده بار اینترنتم پرید. 🌺کانال را به دوستان خود معرفی کنید🌸. 👉 @Al_Education ❤️

یادم رفت بگم. این سایتی که معرفی کردم چینیه. مواظب باشید نشکنه

یادم رفت بگم نسخه اندروید هم داره

🌺کانال را به دوستان خود معرفی کنید🌸. 👉 @Al_Education با هوش مصنوعی ساخته شده

این هوش مصنوعی اسمش #هوشنگه. در این وانفسای اینترنت، غنیمته.. بایدعضو بشید. نوشته کارهای مختلف می کنه پول نگرفتم برای تبلیغش. واسه دل شما گذاشتم امکانات بیشتر بخواین باید اشتراک بخرید https://hooshang.ai/home 🌺کانال را به دوستان خود معرفی کنید🌸. 👉 @Al_Education ❤️

🟣 سوال شما در خصوص ادعای #هوش_مصنوعی [چت بات] تماماً ایرانی»؛ واقعیت فنی چیست؟ 👈 در این پخش صحبت های ما در قالب چند پیام بارگزاری می شود ؛ بررسی فنی ادعای «هوش مصنوعی تماماً ایرانی» در ماه‌های اخیر به خصوص در زمان هایی که عمده مردم دنبال پلتفرم های خارجی جایگزین هستند ، برخی شرکت‌ها و نهادهای داخلی ادعای توسعه «هوش مصنوعی کاملاً ایرانی» یا «رقیب بومی ChatGPT» را مطرح کرده‌اند. این ادعاها در حالی بیان می‌شود که توسعه سامانه‌های هوش مصنوعی زبانی در سطح مدل‌های مرزی (Frontier Models) نیازمند مجموعه‌ای از پیش‌نیازهای #فنی، #داده‌ای، #زیرساختی و #انسانی است که تنها در اختیار تعداد محدودی از #بازیگران_جهانی قرار دارد. در این پیام تیم ما تلاش می کند با رویکردی علمی، غیرسیاسی و مبتنی بر واقعیت‌های فنی، امکان‌پذیری این ادعاها را بررسی کرده و میان «تولید فناوری»، «بومی‌سازی» و «مصرف فناوری» تمایز قائل شود. ۱. منظور از «هوش مصنوعی هم‌سطح ChatGPT چیست؟» سامانه‌هایی مانند ChatGPT، Claude، Gemini یا DeepSeek صرفاً یک نرم‌افزار یا چت‌بات نیستند، بلکه نتیجه سال‌ها پژوهش، سرمایه‌گذاری و توسعه در مقیاس صنعتی‌اند. این سامانه‌ها در دسته مدل‌های زبانی مرزی (Frontier LLMs) قرار می‌گیرند که ویژگی‌های زیر را دارند: * آموزش از صفر (Pre-training) روی حجم عظیمی از داده‌های متنی چندزبانه * استفاده از معماری‌های پیشرفته (Dense یا Mixture-of-Experts) * آموزش با صدها تا هزاران GPU نسل جدید (A100 / H100) * بهینه‌سازی رفتاری با RLHF در مقیاس وسیع * ارزیابی مستمر در سطح بین‌المللی بنابراین، مقایسه هر سامانه‌ای با ChatGPT مستلزم برخورداری از زیرساختی هم‌تراز در این ابعاد است. ۲. مؤلفه‌های فنی لازم برای توسعه یک LLM مرزی توسعه یک مدل زبانی بزرگ و هم‌سطح ChatGPT یا DeepSeek نیازمند مجموعه‌ای از مؤلفه‌های فنی پیچیده است که هر کدام به تنهایی چالش‌برانگیز و هزینه‌بر است: ۱. مدل در مقیاس مرزی: مدل باید از نظر تعداد پارامتر و پیچیدگی معماری در سطح مدل‌های frontier باشد. این شامل مدل‌های Dense با ده‌ها میلیارد پارامتر یا معماری‌های Mixture-of-Experts است که توانایی پردازش و تولید زبان طبیعی با کیفیت بالا را دارند. ۲. دیتاست چندزبانه و تمیز: آموزش چنین مدلی نیازمند حجم بسیار زیادی از داده‌های متنی متنوع، پاک‌سازی شده و به‌روز است. داده‌ها باید نماینده زبان‌ها، حوزه‌های مختلف و سبک‌های نوشتاری متنوع باشند تا مدل توانایی درک و تولید متن در مقیاس جهانی را داشته باشد. ۳. زیرساخت GPU پیشرفته و در مقیاس بزرگ: برای Pre-training و Fine-tuning، هزاران واحد GPU نسل جدید (مانند NVIDIA A100 یا H100) در خوشه‌های عظیم مورد نیاز است. این زیرساخت‌ها علاوه بر توان محاسباتی، به شبکه داخلی سریع و مدیریت ذخیره‌سازی عظیم نیز نیاز دارند. ۴. آموزش با RLHF در مقیاس صنعتی: مدل‌های frontier معمولاً با روش «تقویت یادگیری از بازخورد انسانی» (RLHF) بهینه می‌شوند. این فرآیند نیازمند تیم انسانی بزرگ برای تولید داده‌های ارزیابی، جمع‌آوری بازخورد، و اجرای چرخه‌های بهینه‌سازی طولانی است. ۵. تیم تحقیقاتی و مهندسی پایدار: توسعه و نگهداری چنین مدلی به تیمی از پژوهشگران و مهندسان تمام‌وقت با تخصص‌های متعدد نیاز دارد، از علم داده و یادگیری ماشین پیشرفته گرفته تا DevOps در مقیاس Hyperscale ۶. اتصال آزاد به اینترنت و اکوسیستم جهانی: مدل باید بتواند داده‌ها را به‌روزرسانی کرده، با منابع جهانی همگام شود، و ارزیابی‌ها و تست‌های Red Teaming بین‌المللی را پشت سر بگذارد. بدون این اتصال، مدل از نظر دانش روز و کیفیت پاسخ‌دهی به سرعت عقب می‌ماند. نبود حتی یکی از این مؤلفه‌ها مانع تولید مدل هم‌سطح می‌شود؛ در ایران، تقریباً همه این مؤلفه‌ها غایب‌اند. ادامه دارد 👇👇👇👇 🌺کانال را به دوستان خود معرفی کنید🌸. 👉 @Al_Education ❤️

🟣 بخش دوم پاسخ| سوال شما در خصوص ادعای «هوش مصنوعی[چت بات] تماماً ایرانی»؛ #واقعیت_فنی چیست؟ 👈 در ادامه باید به سوالات دیگری بپردازیم: ۳. «هوش مصنوعی ایرانی» در عمل به چه معناست؟ آنچه امروز غالباً با عنوان «هوش مصنوعی ایرانی» معرفی می‌شود، معمولاً در یکی از دسته‌های زیر قرار می‌گیرد: ۱. محدودیت در Fine-tune روی مدل‌های متن‌باز خارجی (مانند LLaMA، Mistral یا Qwen) ۲. استفاده غیرمستقیم از APIهای خارجی با واسط بومی ۳. پیاده‌سازی یک رابط کاربری (Wrapper) روی سرویس‌های خارجی ۴. چت‌بات‌های قاعده‌محور یا مبتنی بر NLP کلاسیک ۵. مدل‌های کوچک فارسی‌محور برای کاربردهای محدود (PoC) این رویکردها از نظر مهندسی نرم‌افزار قابل‌قبول و حتی مفید هستند، اما تولید مدل زبانی مرزی محسوب نمی‌شوند. ۴. تمایز مفهومی مهم: تولید، بومی‌سازی، مصرف برای شفافیت علمی، باید میان سه مفهوم تفکیک قائل شد: * هوش مصنوعی بومی (Indigenous AI): طراحی، آموزش و کنترل کامل مدل از صفر * هوش مصنوعی بومی‌سازی‌شده (Localized AI): استفاده از مدل خارجی با تنظیم، داده یا استقرار داخلی * هوش مصنوعی مصرفی (Consumer AI): استفاده مستقیم یا غیرمستقیم از سرویس خارجی اکثر پروژه‌های داخلی حداکثر در دسته دوم قرار می‌گیرند، در حالی که در تبلیغات، خود را در دسته اول معرفی می‌کنند. ۵. مسئله APIها و وابستگی پنهان بررسی‌های فنی نشان می‌دهد بسیاری از سامانه‌های موسوم به «AI ایرانی»: * مستقیماً یا غیرمستقیم به APIهای خارجی وابسته‌اند * یا مدل‌های خارجی را بدون تغییر بنیادین Deploy کرده‌اند * یا فاقد امکان ادامه فعالیت در صورت قطع دسترسی خارجی‌اند این وابستگی، اگر شفاف اعلام نشود، می‌تواند ریسک‌های جدی ایجاد کند: * توقف ناگهانی سرویس * آسیب به امنیت داده و عدم ضمانت از حفاظت اطلاعات داده کاربردان ( این بخش یکی از مهم ترین موارد در کشور ما هست ، به طور مثال در برخی از کلاس هایی که می روم می بینم در برخی از سازمان ها و نهاد های دولتی یا نهاد های نظامی اعلام می‌کنند از فلان ابزار هوش مصنوعی که ایرانی هست استفاده می‌کنند و مطالب طبقه بندی مجموعه خودشان را برای تحلیل یا راحت تر کردن کار خودشان در پروسه های اداری مثل تنظیم کردن متن نامه ، اعلام ماموریت های تخصصی و بومی سازی اسناد طبقه بندی شده سازمان برای زیر مجموعه های خود و... در بستر این پلتفرم ها بارگزاری می‌کنند. ) * وابستگی راهبردی پنهان ۶. آیا ساخت ChatGPT ایرانی ممکن است؟ 🔶 از منظر نظری و علمی: بله؛ هیچ مانع ذاتی وجود ندارد. 🔶 از منظر عملی در شرایط فعلی ایران: بسیار بعید است ، به علت وجود دلایل زیر: ۱. داده * محدودیت دسترسی به وب جهانی * کمبود دیتای متنوع و به‌روز * فقدان زیرساخت RLHF انسانی ۲. زیرساخت * هزینه بسیار بالا * محدودیت واردات سخت‌افزار * کمبود GPU پیشرفته ۳. سرمایه انسانی * مهاجرت گسترده متخصصان * نبود پروژه‌های تحقیقاتی بلندمدت * تمرکز بر پروژه‌های نمایشی کوتاه‌مدت ۴. اتصال جهانی * عدم مشارکت در اکوسیستم بین‌المللی * نبود ارزیابی و Red Teaming خارجی ۷. جمع‌بندی نهایی در پاسخ به سوالات شما : آنچه امروز در ایران تحت عنوان «هوش مصنوعی» تبلیغ می‌شود، در اغلب موارد: * مصرف‌کننده فناوری است، نه تولیدکننده آن * بیشتر مهندسی روایت است تا مهندسی مدل * بیشتر بر رابط کاربری تمرکز دارد تا هوشمندی واقعی این به معنای بی‌ارزش بودن تلاش‌های داخلی نیست؛ بلکه مسئله اصلی اغراق در ادعا و مخدوش شدن مرز واقعیت فنی است. 🔔 در عصر الگوریتم‌ها، هوش مصنوعی صرفاً یک ابزار فناورانه نیست، بلکه ضریب‌دهنده قدرت شناختی، رسانه‌ای و سیاسی است. در چنین شرایطی، شفافیت فنی و صداقت علمی نه یک انتخاب، بلکه یک ضرورت راهبردی است. ادامه دارد 👇👇👇👇 🌺کانال را به دوستان خود معرفی کنید🌸. 👉 @Al_Education ❤️