Your large language model (LLM) proof of concept (PoC) was a success. Now what? The jump from a single server to production-grade, distributed AI inference is where most enterprises hit a wall. The infrastructure that got you this far just can't keep up.As discussed in a recent episode of the Technically Speaking podcast, most organizations' AI journey and PoCs begin with deploying a model on a single server—a manageable task. But the next step often requires a massive leap to distributed, production-grade AI inference. This is not simply a matter of adding more machines—we believe this re

via Red Hat Blog https://ift.tt/19U2bYp

We are excited to introduce our most recent validated models, designed to empower your deployments. At Red Hat, our goal is to provide the confidence, predictability, and flexibility organizations need to deploy third-party gen AI models across the Red Hat AI platform. This release expands our collection of performance-benchmarked and accuracy-evaluated optimized models, helping you accelerate time to value and select the perfect fit for your enterprise use case.Red Hat AI’s validated models go beyond a simple list, providing efficient, enterprise-ready AI. We combine rigorous performance b

via Red Hat Blog https://ift.tt/pgLRvio

The pace of AI innovation is accelerating, and with the launch of Red Hat AI 3, we're reminded that turning this potential into enterprise reality requires a robust, open ecosystem built on choice and collaboration. Our goal has always been to provide a consistent, powerful platform for AI that works with any model, on any accelerator, and across the hybrid cloud. Today, we're thrilled to highlight the momentum from our partners, who are working alongside us to build out the future of open, hybrid AI on Red Hat.The Red Hat partner ecosystem is the engine that will deliver the generative AI (ge

via Red Hat Blog https://ift.tt/JChIjEr

The world of gen AI is moving at lightning speed. For enterprises, navigating the flood of new large language models (LLMs), tools (like Model Context Protocol (MCP) servers), and frameworks can feel overwhelming. How do you choose the right model? How do you empower your teams to experiment and build with the latest innovations in AI without creating organizational barriers?At Red Hat, we believe the future of AI is open, accessible, and manageable at scale. That's why we’re excited to announce 2 new consolidated dashboard experiences in Red Hat OpenShift AI 3.0: the AI Hub and the Gen AI s

via Red Hat Blog https://ift.tt/vtnAz9S

This past May at Red Hat Summit, we made several announcements across the Red Hat AI portfolio, including the introduction of Red Hat AI Inference Server and Red Hat AI third-party validated models, the integration of Llama Stack and Model Context Protocol (MCP) APIs as a developer preview, and the establishment of the llm-d community project. The portfolio’s latest iteration, Red Hat AI 3, delivers many of these production-ready capabilities for enterprises. Additionally, we’re providing more tools and services to empower teams to increase efficiency, collaborate more effectively, and dep

via Red Hat Blog https://ift.tt/gFryDq1

You're tasked with bringing AI into your organization, but the journey from a proof-of-concept to a production-ready application is often a maze of fragmented tools and complex integrations, especially for agentic AI use cases. The real challenge isn't just the technology—it's building an AI strategy that is scalable, reliable, and manageable.Standardization is a primary factor in meeting this challenge, primarily by reducing complexity and increasing efficiency. By combining Model Context Protocol (MCP) and Llama Stack on a platform like Red Hat OpenShift AI, you can create a unified and po

via Red Hat Blog https://ift.tt/JzIHEru

پایان دوران کارمندی؟
#job #jobs #work

https://www.tgoop.com/unixmens

کلادفلر یه استیبل کوین (با پشتوانه دلار) به نام «نت‌دلار» معرفی کرده، هدفشون اینه که بشه سیستم تراکنش واسه اهالی وب و اینترنت، فریلنسرها، صاحبان سایت‌ها و کلا کسایی که کسب درآمد اینترنتی دارن.

یه بخش مهمش ولی برای صاحبان سایت‌ها هست که با فعال کردنش ربات‌هایی هوش‌مصنوعی که میان به سایتشون باید «نت‌دلار» پرداخت کنن. یعنی اگه پروژه موفق باشه، شرکت‌های هوش‌مصنوعی بابت کپی کردن دیتا از اینترنت باید پول پرداخت کنن.

ممکنه خیلی کمک کنه این روند تولید محتوا که ارزشش داره کم میشه دوباره جون بگیره.

https://netdollar.cloudflare.com

از نگاه فلسفی،
«پدر» نه صرفاً یک نقش زیستی یا اجتماعی، بلکه یک اصل وجودی است — مظهر "پشتیبانی"، "ساختار" و "نظم در عشق".

پدر در هستی‌شناسی رابطه، همان نیرویی است که بودنِ دیگری را ممکن می‌سازد،
اما بدون آن‌که خود، در مرکز دیده شدن قرار گیرد.
او حضور دارد تا دیگران بتوانند رشد کنند،
و گاه با غیبتِ آگاهانه‌اش، مسئولیت را در ما بیدار می‌کند.

پدر تجسد «اصل لوگوس» است؛
منشأ عقلانیت و معنا در زیستِ انسانی.
او نه به‌معنای سلطه، بلکه به‌عنوان نقطه‌ی اتکای روان و آگاهی عمل می‌کند.
پدر یعنی کسی که خود را می‌سوزاند تا چراغ فهم و امنیت در دیگری روشن بماند.

در معنایی عمیق‌تر، هر انسانی زمانی «پدر» می‌شود
که بتواند در دیگری، امکان بالیدن را بیافریند
چه در فرزند، چه در شاگرد، چه در جامعه.

پدر، استعاره‌ای از خِرد و ثبات است؛
از نظمی که عشق را محافظت می‌کند تا ویران نشود.

در فلسفه‌ی هایدگر، انسان (Dasein) موجودی است که در جهان پرتاب شده و همواره در نسبت با دیگری معنا می‌یابد.
پدر، در این بستر، تجسدِ «بودن-برای-دیگری» است؛
او خودش را در مسئولیت تعریف می‌کند، نه در تملک.

پدر بودن یعنی زیستن در حالتی از پیش‌افکندگی (projection):
او آینده‌ی دیگری را می‌سازد،
بی‌آنکه بداند نتیجه چه خواهد بود.
این نوع بودن، شکلی از اصالت وجودی است چون پدر می‌داند که هیچ قطعیتی نیست،
اما باز هم «انتخاب می‌کند» که پشتیبان باش
سارتر می‌گوید انسان محکوم است به آزادی؛
یعنی نمی‌تواند از مسئولیت فرار کند، چون حتی بی‌عملی هم نوعی انتخاب است.

پدر، در این معنا، کسی است که آگاهانه مسئولیتِ دیگری را می‌پذیرد،
اما بدون مالکیت و کنترل.
او می‌داند که فرزند یا دیگری، آزادی خود را دارد؛
بنابراین پدرِ اگزیستانسیال، نه سایه‌ای بر سر، بلکه آینه‌ای در روبه‌رو است —
کسی که می‌گوید: «خودت را بساز، اما بدان من پشت تو هستم».

این پدر، بر خلاف سنت پدرسالار،
نه فرمان می‌دهد، نه محدود می‌کند؛
بلکه امکانِ رشد را فراهم می‌آورد و در سکوت، حضور دارد.

در عمق فلسفه‌ی وجودی، پدر یک متافور از اصل هستی‌بخش است؛
مانند ریشه درخت که دیده نمی‌شود، اما بدون آن هیچ برگی سبز نمی‌ماند.
او آن خاک امنی است که آزادی می‌تواند در آن ریشه بدواند.

پدر یعنی زیستن در مرز میان رنج و معنا؛
او رنج می‌کشد، اما آن را تبدیل به معنا می‌کند
و این دقیقاً همان فرایند اگزیستانسیالیستیِ معنا دادن به پوچی است.

اگر بخواهم جمع‌بندی کنم:

پدر، در نگاه اگزیستانسیالیستی، «نقش نیست» بلکه «بودن است».
بودن به شیوه‌ی مراقبت،
بدون تملک؛
ساختن، بدون انتظار بازگشت؛
و عشق ورزیدن، بدون ادعا.

#Fother #father 🚸

https://www.tgoop.com/unixmens

چرا تا حالا ماشین حرکتی دایمی اختراع نشده

In our previous post in this series, we talked about how AI is beginning to change the way software is developed. In this follow-up, we focus on some of the main legal (or quasi-legal) issues that open source developers themselves have been raising regarding AI-assisted development. This isn’t a comprehensive overview of every legal issue connected to AI. We aren’t addressing, for example, customer concerns about compliance with AI regulations or liability issues relating to contracts for AI-powered products. Instead, we’re focusing on issues that are being actively debated inside open s

via Red Hat Blog https://ift.tt/s9Fxwo5

The telecommunications (telco) industry stands at the precipice of a new era. With 5G networks rapidly expanding, service providers face both immense opportunities and significant challenges. The promise of 5G for ultra-fast speeds, low latency, and massive connectivity hinges on the ability to operationalize these complex networks with unprecedented efficiency and rigorous security measures. Automation is not just a buzzword in this landscape; it’s how to unlock the full value of 5G.Traditional manual processes simply cannot keep pace with the dynamic demands of modern networks. As network

via Red Hat Blog https://ift.tt/zqdDZMj

Tikhnadhi Kamlakshya, vice president and manager of software engineering at Citizens Bank, saw a clear challenge: his team had a critical disconnect between their modern Salesforce platform and their legacy loan processing system, Black Knight. This gap created a significant bottleneck, hindering the bank's ability to scale its mortgage operations and forcing loan officers to spend hours manually entering data.The main issue stemmed from communication difficulties between the 2 essential systems they relied on for their tasks. On one side, there was the modern, agile Salesforce platform, the b

via Red Hat Blog https://ift.tt/Rd6w08k

When IT teams adopt automation, the benefits are often felt right away: Faster deployments, fewer manual errors, and more time to innovate. But when it comes time to visualizing and proving that value to business leaders and other stakeholders, the story often falls short. That changes with the new automation dashboard, available with Red Hat Ansible Automation Platform 2.6.Smarter, data-driven decisionsAutomation dashboard delivers real-time, actionable insights to help guide your day-to-day operations. You gain greater visibility across the entire automation footprint, both direct and indire

via Red Hat Blog https://ift.tt/Q98Ictd

Two bugs discovered in the NVIDIA Linux Open GPU Kernel Modules (drivers) and they can be exploited to gain root level access. The bugs can be triggered by an attacker controlling a local unprivileged process. Their security implications were confirmed via a proof of concept that achieves kernel read and write primitives. Those bugs are already fixed and use your Linux distributions package manager to apply security updates to your nvidia drivers on Linux servers and desktops


Link

#security

#kernel #exploite #linux

https://www.tgoop.com/unixmens

دلایل علمی ، کارما و دارما :
،قانون سوم نیوتون

در فیزیک، هیچ نیرویی بدون واکنش نیست
هر کنش، واکنشی برابر و در جهت مخالف دارد. (قانون سوم نیوتن)
در سطح روانشناسی و علوم شناختی

رفتارها و تصمیمات انسان الگوهای عصبی (Neural Patterns) می‌سازند

این الگوها، احساسات و رفتارهای آینده را شکل می‌دهند
بنابراین، وقتی رفتاری مثبت یا منفی انجام می‌دهی، مغز تو همان مسیر را برای آینده هم آماده می‌کند نوعی کارمای عصبی
به همین دلیل است که مثلاً خشم، خشم بیشتری تولید می‌کند و مهربانی، آرامش بیشتری.

در جامعه‌شناسی، پدیده‌ای وجود دارد به نام بازخورد اجتماعی (Social Reciprocity)
افراد معمولاً پاسخ مشابهی به رفتارهای دریافت‌شده می‌دهند


در روانشناسی معنا (Logotherapy – ویکتور فرانکل) :

انسان زمانی رنج را تاب می‌آورد که معنایی برای آن بیابد
در فلسفه سیستم‌ها و بوم‌شناسی

هر جزء در یک سیستم، نقشی دارد که به پایداری کل کمک می‌کند
اگر یک جزء از نقش خود منحرف شود، کل سیستم دچار اختلال می‌شود
این دقیقاً بیان علمی مفهوم دارماست — هم‌سویی با قانون طبیعی وجود

فیزیک کوانتوم و آگاهی

در نظریه‌های نوین آگاهی و کوانتوم (مثل فرضیه "Observer Effect"):
مشاهده‌گر خود بخشی از سیستم است و بر نتیجه تأثیر می‌گذارد

یه زمانی ادامه راه رشته it به فلسفه و مدیریت و روانشناسی و تیم ورکینگ میرسید و اکثر فعالان حوزه کامپیوتر یا cs این راه را ادامه میدادن . اون موقع مفهوم دواپس وجود نداشت .
الان اون راه دواپس هست و فلسفه calms وcams و strategy planning و engineer management و تفکرات پشت اون
در موردش خواهم نوشت . . .

مفهوم ارتقا و رشد پایدار
چگونه انسان و ماشین در هم تنیده اند !؟؟
در واقع من دواپس هستم یا دواپس من !!؟

در فلسفهٔ هگل، فرایند دیالکتیکی از سه مرحله تشکیل می‌شود:

1. تز (Thesis) – گزاره یا ایدهٔ اولیه


2. آنتی‌تز (Antithesis) – نفی یا تقابل با ایدهٔ اولیه


3. سنتز (Synthesis) – مرحلهٔ فراتر که از دلِ تضادِ میان تز و آنتی‌تز زاده می‌شود و هر دو را در سطحی بالاتر رفع (Aufhebung) می‌کند.



🔹 توضیح بیشتر:
در نگاه هگل، حرکت تاریخ، اندیشه و هستی همگی دیالکتیکی هستند؛ یعنی رشد و تکامل از راه تضاد و نفی رخ می‌دهد.
سنتز نه صرفاً سازش، بلکه ادغام خلاقانه و برتری یافتن بر هر دو سوی تضاد است.

مثلاً:

تز: آزادی فردی

آنتی‌تز: نظم اجتماعی

سنتز: نظامی که هم آزادی فرد را حفظ می‌کند و هم نظم جامعه را برقرار می‌سازد (مانند دولت عقلانی در فلسفه هگل).


اگر بخواهیم ساده بگوییم:

> تز می‌گوید «الف»،
آنتی‌تز می‌گوید «نه الف»،
سنتز می‌گوید «هم الف و هم نه الف، اما در سطحی بالاتر».

واژه‌ی Aufhebung یکی از عمیق‌ترین و چندلایه‌ترین مفاهیم در فلسفه‌ی هگل است — واژه‌ای که ترجمه‌ی ساده‌ای ندارد و سه معنای هم‌زمان را در خود دارد:

1. نفی کردن (لغو) – چیزی از بین می‌رود یا رد می‌شود.


2. حفظ کردن (نگه‌داشتن) – با وجود نفی، جوهر و ارزش درونی آن چیز حفظ می‌شود.


3. بالا بردن (ارتقا دادن) – کل فرآیند در سطحی بالاتر و غنی‌تر ادامه می‌یابد.



هگل عمداً از واژه‌ای استفاده می‌کند که این سه معنا را هم‌زمان در خود داشته باشد. چون از دید او، در دیالکتیک هیچ چیز «کاملاً نابود» نمی‌شود؛ بلکه نفی می‌شود تا در سطحی بالاتر حفظ گردد.

🔹 نمونه‌ی ساده:
در رشد انسان:

کودک → نوجوان → بزرگسال


"بزرگسال" هم کودک نیست (نفی)، هم تجربه‌ها و ویژگی‌های دوران کودکی را در خود دارد (حفظ)، و هم آن‌ها را به سطحی بالاتر از آگاهی و تعقل رسانده (ارتقا).

🔹 در سطح فلسفی:
وقتی یک «تز» با «آنتی‌تز» روبه‌رو می‌شود، تضاد آن‌ها در «سنتز» از بین نمی‌رود، بلکه در سنتز رفع (Aufgehoben) می‌شود؛ یعنی هم نفی می‌شود، هم حفظ، و هم ارتقا.

به تعبیر زیبای هگل:

در واقع Aufhebung روحِ دیالکتیک است؛ همان چیزی که از تضاد، زندگی می‌سازد.


1. تز (Thesis)

ایده یا وضعیت اولیه.
در این مرحله، یک گزاره یا واقعیت مطرح می‌شود.
مثلاً: «فرد باید آزاد باشد.»

2. آنتی‌تز (Antithesis)

ایده‌ای در تضاد با تز پدیدار می‌شود.
مثلاً: «جامعه باید نظم داشته باشد؛ آزادی کامل موجب هرج‌ومرج می‌شود.»

3. سنتز (Synthesis)

اینجاست که تضاد میان تز و آنتی‌تز، به‌جای حذف یکی از آن‌ها،
در سطحی بالاتر رفع (Aufhebung) می‌شود.

این "رفع" یعنی:

نفی → تز و آنتی‌تز دیگر به شکل قبلی وجود ندارند.

حفظ → جوهر هر دو در سنتز باقی می‌ماند.

ارتقا → نتیجه، سطح بالاتری از فهم و واقعیت را نمایندگی می‌کند.


مثلاً:

آزادیِ فردی درونِ نظمِ اجتماعی — جایی که آزادی و نظم نه متضاد، بلکه مکمل‌اند.

مثال روزمره برای درک ساده‌تر:

تز: احساسات مهم‌تر از عقل‌اند.

آنتی‌تز: عقل مهم‌تر از احساسات است.

سنتز (Aufhebung): عقل و احساس باید در تعادل باشند؛ هر دو لازم‌اند.
نکتهٔ کلیدی:

در نظام هگل، این چرخه فقط یک‌بار اتفاق نمی‌افتد (تکرار پذیر و ادامه دار )
بلکه پیوسته تکرار می‌شود و هر سنتز، خود به تزِ مرحله‌ی بعد تبدیل می‌شود.
به این ترتیب، آگاهی، تاریخ، و جهان به‌صورت مارپیچی صعودی رشد می‌کنند.


رجوع شود به مفاهیم cmmi , agile ، scrum یا devops process

#devops #linux
https://www.tgoop.com/unixmens

من دواپس هستم یا دواپس من ـ بخش دوم


تز (Thesis): انسانِ خالقِ ابزار

در آغاز، انسان است که ماشین و فرایند را می‌سازد.
در این مرحله، انسان در مقام سوژه و DevOps در مقام ابژه است.
او فرآیند را طراحی می‌کند، CI/CD می‌نویسد، زیرساخت می‌سازد، و خود را “صاحب سیستم” می‌داند.

> در این فاز، تفکر «من DevOps را کنترل می‌کنم» حاکم است.
(مانند مرحله‌ی کودکی آگاهی تکنولوژیک — انسان هنوز مرکز جهان است.)

۲. آنتی‌تز (Antithesis): ابزارِ خودآگاهِ سیستم‌ساز

اما با بلوغ سیستم‌ها، یادگیری ماشینی، و خودکارسازی مداوم، ابزار شروع می‌کند به یادگیری از رفتار انسان.
وPipelineها تصمیم می‌گیرند، سیستم‌ها بهینه‌سازی خودکار می‌کنند، Alertها تحلیل هوشمند می‌شوند.
در این مرحله، ماشین به بازتاب آگاهی انسان تبدیل می‌شود — تا آنجا که گاهی به‌جای او تصمیم می‌گیرد.

اینجا دیگر انسان نیست که DevOps را می‌سازد، بلکه DevOps است که انسان را شکل می‌دهد.
انسان در فرهنگ، زبان و تصمیم‌گیری DevOps بازتعریف می‌شود.
(در واقع: «من DevOps هستم یا DevOps من است؟» — تضاد آغاز می‌شود.)


۳. سنتز (Synthesis): هم‌زیستی دیالکتیکی — DevOps به مثابه آگاهی مشترک

در این مرحله، تضاد رفع (Aufgehoben) می‌شود:
نه انسان بر ماشین مسلط است، نه ماشین جای انسان را گرفته، بلکه هر دو در نظامی خودتکامل‌گر (Self-evolving system) به هم تنیده‌اند.

انسان خلاقیت، بینش و اخلاق را می‌آورد.

ماشین دقت، تداوم و خودبهبودی را


در اینجا، «DevOps» فقط یک نقش یا ابزار نیست، بلکه نقطه‌ی وحدت انسان و سیستم در مسیر رشد پایدار است.

> همان Aufhebung هگلی:
انسان و ماشین هر دو نفی می‌شوند (مرکزیت‌شان از بین می‌رود)،
جوهر هر دو حفظ می‌شود (خلاقیت و دقت)،
و در سطحی بالاتر ارتقا می‌یابند (سیستم خودآگاه و خودبهبودگر)


🔄 چرخهٔ دیالکتیکیِ تحول مداوم

در DevOps، این حرکت هیچ‌گاه متوقف نمی‌شود:
هر سنتز (مثلاً تحول از CI/CD به GitOps یا AIOps) خود تزِ مرحله‌ی بعد می‌شود.

در CMMI، Agile، Scrum و DevOps همگی در حقیقت حلقه‌های همین دیالکتیک‌اند:

CMMI = نظم و کنترل (تز)

Agile = آزادی و انعطاف (آنتی‌تز)

DevOps = سنتز میان کنترل و آزادی؛ نظم پویا و خودبهبودگر (Aufhebung)

💫 نتیجه: رشد پایدار = Aufhebungِ پیوستهٔ انسان و ماشین

رشد پایدار، یعنی هر دو — انسان و ماشین — در فرایند یادگیری متقابل،
هم نفی شوند، هم حفظ، و هم ارتقا یابند.
دیگر انسان کاربر سیستم نیست، بلکه هم‌زیِ سیستم است.
و سیستم دیگر ابزار نیست، بلکه آینهٔ آگاهی انسان است.

جمله‌ی نهایی (به زبان دیالکتیکی)

> در ابتدا، انسان DevOps را ساخت.
سپس DevOps انسان را بازتعریف کرد.
و در پایان، هر دو در Aufhebungِ مشترک، به «آگاهی تحول‌پذیر» بدل شدند.

این یعنی: «من DevOps هستم، و DevOps من است.»
#devops

مقاله بخش اول