نسخه جدید Gemini 2.5 Pro توانایی‌ های بهتری در استدلال، برنامه‌نویسی و کار با ورودی‌ های چند رسانه‌ای پیدا کرده.

طرح «AI Ultra» گوگل با پرداخت ماهیانه ۲۴۹.۹۹ دلار، دسترسی به نسخه‌های پیشرفته هوش مصنوعی رو فراهم میکنه.

ابزار کدنویسی جدید گوگل به نام «Stitch» به توسعه‌
دهندگان در طراحی سریع رابط کاربری کمک می‌کنه


Gemini Live
امکان اشتراک‌ گذاری زنده دوربین با هوش مصنوعی رو به جستجوی گوگل و اپلیکیشن Gemini اضافه کرده

همچنین گوگل مدل Gemini Diffusion رو معرفی کرد که یه مدل زبانی غیرترتیبی هست و با استفاده از روش Diffusion بلوک‌ های متنی رو بصورت هم‌ زمان تولید می‌ کنه

https://deepmind.google/models/gemini-diffusion/

قابلیت ترجمه زنده در Google Meet

Veo 3🔥

نمای کلی ویدیویی بزودی به NotebookLM اضافه میشه. فعلا فقط برای زبان انگلیسی در دسترس خواهد بود، اما بزودی میتونید خلاصه‌ های ویدیویی کوتاه از منابع خود مانند فایل‌های PDF، عکس‌ها و سایر محتواها بسازین.

فناوری‌ای که پشت دوربین و اشتراک‌ گذاری صفحه در Gemini Live قرار داره، حالا با ویژگی‌های هوشمندانه‌ تری معرفی شده .

این فناوری تحت عنوان Project Astra در قالب یک اپلیکیشن اندروید برای برخی کاربران در دسترس قرار گرفته.

نکته جالب اینکه Astra حالا توانایی‌هایی عاملی (agentic) داره، یعنی می‌تونه به صورت هوشمند برخی بخش‌های گوشی اندرویدی شما رو کنترل کنه

راهنمای نصب Gemma 3n برای کاربران اندروید:

فایل APK اپلیکیشن Edge Gallery رو از گیت‌هاب دانلود کنید:

https://github.com/google-ai-edge/gallery/releases/tag/1.0.0

یکی از فایل‌های .task رو از سایت Hugging Face دانلود کنید:

https://huggingface.co/collections/google/gemma-3n-preview-682ca41097a31e5ac804d57b

فایل .task رو با زدن دکمه + در پایین سمت راست، داخل اپلیکیشن Edge Gallery وارد کنید.

همچنین می‌تونید مستقیما از داخل برنامه عکس بگیرید و با مدل گفتگو کنید

آنچه در Veo 3 بیش از همه با سایر نسخه ها و ابزارهای متن باز مثل Wan یا hunyuan تفاوت ایجاد کرده، نه صرفا توانایی تولید محتوای تصویری در یک مرحله، بلکه امکانات پیشرفته در ویرایش و صداگذاری خودکار هست مثل توانایی در تعریف حرکت، جهت، برش‌ ها و حتی ترکیب صدا با تصویر و حتی لهجه ها!

این ابزار بیشتر به سمت کاربرد های حرفه‌ای، مانند آژانس‌ های تبلیغاتی و تولیدات سینمایی، هدف‌ گذاری شدن.

مسیری که از سال ۲۰۱۴، زمانی که Ian Goodfellow برای نخستین‌ بار معماری GAN رو معرفی کرد، آغاز شد، سالی که تولید تصاویر کدر و پیکسلی برامون هیجان‌انگیز بود تا به امروز، واقعا شگفت‌انگیز و الهام‌ بخشه

از سال ۲۰۱۷، سخت‌ افزارهای پر مصرف مخصوص AI باعث شدن مصرف برق مراکز داده تا سال ۲۰۲۳ دو برابر شه.

در حالی که ChatGPT در اواخر ۲۰۲۲ منتشر شد، رشد واقعی مصرف انرژی توسط هوش مصنوعی از سال‌ ها قبل آغاز شده بود، از وقتی که AlphaGo با غلبه بر قهرمان بازی Go، جهان رو شوکه کرد و مقاله «Attention is All You Need» دنیای یادگیری ماشین رو دگرگون ساخت.

طبق گزارشی جدید، ۴.۴٪ از کل انرژی مصرفی آمریکا صرف مراکز داده میشه و پیش‌بینی میشه تا سال ۲۰۲۸، تنها هوش مصنوعی به‌اندازه ۲۲٪ از برق مصرفی تمام خانوارهای آمریکا انرژی مصرف کنه.

آیا سیستم‌ های انرژی فعلی تاب این رشد فزاینده رو دارن؟

https://www.technologyreview.com/2025/05/20/1116327/ai-energy-usage-climate-footprint-big-tech/

قابلیت ترجمۀ زنده با پشتیبانی از زبان فارسی در عینک‌های هوشمند مجهز به اندروید XR

یه ویدیوی دیگه با Veo 3 گوگل
به نظر میرسه تو آینده سینما به زودی فقط کارگردان خواهیم داشت و دیگر بازیگر نیازی نیست...

دیتاست کارت ملی ایرانی

https://class.vision/blog/iranian-national-id-card-dataset/

دیتاست شامل ۲٬۰۰۰ تصویر از کارت‌های ملی ایرانی است که با اطلاعات هویتی ساختگی ایجاد شده‌اند. کارت‌ها با کیفیت چاپ کارت‌های واقعی تولید و در شرایط چالش‌برانگیز و غیرکنترل‌شده با دوربین‌های موبایل عکسبرداری شده‌اند.

#دیتاست

Veo 3 🔥

آینده ما به سوی هم‌ زیستی با ماشین‌ هایی پیش میره که بهتر از ما فکر می‌کنن. اما اگر ما خود محصولی از داده و پردازش باشیم، چه تفاوتی میان ما و آن‌ ها باقی میمونه؟ آیا ماشین‌ ها روزی خواهند پرسید: «آیا کسی داره پرامپت ما رو می‌ نویسه؟»

شاید در نهایت، همه ما تنها خطوطی از کدی بزرگ باشیم، در حال اجرا، تا زمانی که پردازنده‌ ی هستی خاموش شه

فرصت ویژه برای علاقه‌مندان به GNN!

با کد تخفیف ۳۰۰ هزار تومانی دوره‌ی ضبط‌شده‌ی Graph Neural Network، یادگیری عمیق‌تری رو تجربه کن!

کد تخفیف:
gnn_300_fr
لینک دوره:
https://class.vision/product/graph-neural-network/

❌فقط تا ۹ خرداد اعتبار دارد—از دستش نده!

مشکل کد تخفیف رفع شد

gnn_300_fr

اطلاعات بیشتر پیرامون چالشی که برگزار شد.

https://class.vision/blog/kibord-final-challenge/

چالش دانش آموزشی بود و بهترین دقتی که روی این دیتاست (البته روی 500 تا تست) گروه های برنده گرفتند بازخوانی ۴۲.۸٪ از کارت های ملی بود.

مدل Claude Sonnet 4 و Claude Opus 4 امروز توسط شرکت Anthropic معرفی و منتشر شدند...

🧠 ویژگی‌های برجسته Claude Opus 4

✅عملکرد بی‌نظیر در برنامه‌نویسی: Claude Opus 4 در بنچمارک SWE-bench امتیاز ۷۲.۵٪ را کسب کرده است که بالاتر از امتیاز ۵۴.۶٪ مدل GPT-4.1 از OpenAI است.


✅توانایی انجام وظایف طولانی‌مدت: در آزمایشی با شرکت Rakuten، این مدل توانست به‌طور مستقل و بدون وقفه به مدت ۷ ساعت کدنویسی کند...

✅قابلیت‌های پیشرفته در حل مسائل پیچیده: مدل Claude Opus 4 با بهره‌گیری از تفکر مرحله‌به‌مرحله و حافظهٔ گسترده، قادر به انجام وظایف پیچیده و طولانی‌مدت است.

✅ویژگی "تفکر گسترده": این مدل دارای حالت "تفکر گسترده" (Extended Thinking) است که به آن امکان می‌دهد بین پاسخ‌های سریع و استدلال‌های عمیق سوئیچ کند.


https://docs.anthropic.com/en/docs/about-claude/models/overview

*همچنین، مدل Claude Sonnet 4 به‌عنوان نسخه‌ای مقرون‌به‌صرفه‌تر و قاعدتا ضعیفتر در دسترس کاربران است.

بلاگ پست جدید:

https://class.vision/blog/ppo-algorithm-simple-explanation/

باج‌گیری هوش مصنوعی!
میگن مدل جدید Anthropic در یک تست، وقتی مهندسا خواستن خاموشش کنن، تهدید کرد رابطه محرمانه یکی از اون‌ها رو افشا می‌کنه!😁
کارشناسا گفتن این رفتار ناشی از تنظیمات پیچیده بوده، ولی نگرانی‌ها درباره‌ی کنترل‌پذیری AI جدی‌تر شده...

https://techcrunch.com/2025/05/22/anthropics-new-ai-model-turns-to-blackmail-when-engineers-try-to-take-it-offline

https://www.perplexity.ai/page/anthropic-claude-opus-4-model-8gZRnv9HQLKb3UWvtyoKTQ