✅ هوش مصنوعی در خدمت علم باز؛ کشف ابعاد پنهان استفاده مجدد از داده‌های پژوهشی
پژوهشگران مؤسسه PLOS و شرکت DataSeer با بهره‌گیری از هوش مصنوعی مولد، شاخصی نوین برای سنجش میزان استفاده مجدد از داده‌های پژوهشی توسعه داده‌اند.
هدف این طرح، ارزیابی یکی از مهم‌ترین پیامدهای علم باز، یعنی بازاستفاده از داده‌های علمی در تحقیقات جدید است.
نتایج اولیه نشان می‌دهد که حدود ۴۳ درصد از مقالات علمی مورد بررسی از داده‌های پژوهشی موجود استفاده مجدد کرده‌اند.
این میزان به‌مراتب بیشتر از برآوردهای پیشین مبتنی بر روشهای کتاب‌سنجی سنتی است که معمولاً بین ۹ تا ۱۶ درصد گزارش می‌شد.
پژوهشگران برای این مطالعه بیش از ۴۴۰۰ مقاله منتشرشده در سه‌ماهه نخست سال ۲۰۲۴ را تحلیل کردند.
سامانه هوش مصنوعی به‌گونه‌ای آموزش داده شد که بتواند تشخیص دهد یک مقاله داده جدید تولید کرده یا از داده‌های موجود بهره برده است.
بررسی‌ها نشان داد ۵۹ درصد مقالات داده جدید تولید کرده‌اند و ۴۳ درصد نیز از داده‌های قبلی استفاده کرده‌اند.
بیشترین میزان استفاده مجدد از داده‌ها در علوم اجتماعی و علوم فیزیکی مشاهده شد، در حالی که علوم زیستی بیشترین سهم تولید داده‌های جدید را داشتند.
یافته‌ها همچنین نشان می‌دهد که الگوهای استفاده از داده در مناطق مختلف جهان متفاوت است و برخی تفاوت‌های جغرافیایی قابل توجه وجود دارد.
به باور نویسندگان، روشهای سنتی تاکنون میزان واقعی استفاده مجدد از داده‌های علمی را کمتر از مقدار واقعی برآورد کرده‌اند.
این موضوع نشان می‌دهد که مزایای علم باز و اشتراک‌گذاری داده‌های پژوهشی ممکن است بسیار بیشتر از تصورات پیشین باشد.
محققان امیدوارند این ابزار جدید به سیاست‌گذاران، دانشگاه‌ها و نهادهای تأمین مالی کمک کند تا تأثیر واقعی علم باز را با دقت بیشتری ارزیابی کنند.
Cadwallader, L., Hrynaszkiewicz, I., Sarin, P., & Vines, T. (2026). Measuring research data reuse in scholarly publications using generative artificial intelligence: Open Science Indicator development and preliminary results. PLOS & DataSeer.
https://t.me/UT_Central_Library
پژوهشگران مؤسسه PLOS و شرکت DataSeer با بهره‌گیری از هوش مصنوعی مولد، شاخصی نوین برای سنجش میزان استفاده مجدد از داده‌های پژوهشی توسعه داده‌اند.
هدف این طرح، ارزیابی یکی از مهم‌ترین پیامدهای علم باز، یعنی بازاستفاده از داده‌های علمی در تحقیقات جدید است.
نتایج اولیه نشان می‌دهد که حدود ۴۳ درصد از مقالات علمی مورد بررسی از داده‌های پژوهشی موجود استفاده مجدد کرده‌اند.
این میزان به‌مراتب بیشتر از برآوردهای پیشین مبتنی بر روشهای کتاب‌سنجی سنتی است که معمولاً بین ۹ تا ۱۶ درصد گزارش می‌شد.
پژوهشگران برای این مطالعه بیش از ۴۴۰۰ مقاله منتشرشده در سه‌ماهه نخست سال ۲۰۲۴ را تحلیل کردند.
سامانه هوش مصنوعی به‌گونه‌ای آموزش داده شد که بتواند تشخیص دهد یک مقاله داده جدید تولید کرده یا از داده‌های موجود بهره برده است.
بررسی‌ها نشان داد ۵۹ درصد مقالات داده جدید تولید کرده‌اند و ۴۳ درصد نیز از داده‌های قبلی استفاده کرده‌اند.
بیشترین میزان استفاده مجدد از داده‌ها در علوم اجتماعی و علوم فیزیکی مشاهده شد، در حالی که علوم زیستی بیشترین سهم تولید داده‌های جدید را داشتند.
یافته‌ها همچنین نشان می‌دهد که الگوهای استفاده از داده در مناطق مختلف جهان متفاوت است و برخی تفاوت‌های جغرافیایی قابل توجه وجود دارد.
به باور نویسندگان، روشهای سنتی تاکنون میزان واقعی استفاده مجدد از داده‌های علمی را کمتر از مقدار واقعی برآورد کرده‌اند.
این موضوع نشان می‌دهد که مزایای علم باز و اشتراک‌گذاری داده‌های پژوهشی ممکن است بسیار بیشتر از تصورات پیشین باشد.
محققان امیدوارند این ابزار جدید به سیاست‌گذاران، دانشگاه‌ها و نهادهای تأمین مالی کمک کند تا تأثیر واقعی علم باز را با دقت بیشتری ارزیابی کنند.
Cadwallader, L., Hrynaszkiewicz, I., Sarin, P., & Vines, T. (2026). Measuring research data reuse in scholarly publications using generative artificial intelligence: Open Science Indicator development and preliminary results. PLOS & DataSeer.
https://t.me/UT_Central_Library
Telegram
کتابخانه مرکزی دانشگاه تهران
وب سايت کتابخانه مرکزی:
Library.ut.ac.ir
آدرس:
خیابان انقلاب، خیابان ۱۶ آذر، داخل پردیس مرکزی دانشگاه تهران، کتابخانه مرکزی، مرکز اسناد و تامین منابع علمی.
Library.ut.ac.ir
آدرس:
خیابان انقلاب، خیابان ۱۶ آذر، داخل پردیس مرکزی دانشگاه تهران، کتابخانه مرکزی، مرکز اسناد و تامین منابع علمی.
✴️ روی دیگر انقلاب هوش مصنوعی؛ خطراتی که آینده بشر را به تأمل وامی‌دارد
گزارش تحلیلی منتشرشده در وب‌سایت Built In، ضمن تأکید بر ظرفیت‌های تحول‌آفرین هوش مصنوعی، نسبت به پیامدهای ناخواسته و مخاطرات فزاینده این فناوری هشدار می‌دهد. نویسندگان معتقدند که در کنار فرصت‌های بی‌سابقه، هوش مصنوعی می‌تواند به یکی از پیچیده‌ترین چالش‌های اجتماعی، اقتصادی و اخلاقی عصر حاضر تبدیل شود. از مهم‌ترین خطرات شناسایی‌شده می‌توان به حذف مشاغل بر اثر خودکارسازی، گسترش دیپ‌فیک‌ها و دستکاری افکار عمومی، نقض حریم خصوصی، سوگیری الگوریتمی و تعمیق نابرابری‌های اجتماعی اشاره کرد.
این گزارش نشان می‌دهد که الگوریتم‌های غیرشفاف و فاقد قابلیت توضیح‌پذیری، ممکن است تصمیم‌هایی اتخاذ کنند که دلایل آن برای کاربران و حتی توسعه‌دهندگان روشن نباشد. همچنین، استفاده گسترده از هوش مصنوعی در شبکه‌های اجتماعی، زمینه را برای انتشار اطلاعات نادرست و تأثیرگذاری بر انتخابات و افکار عمومی فراهم کرده است. از سوی دیگر، توسعه تسلیحات خودمختار، افزایش جرایم سایبری، نقض حقوق مالکیت فکری و سوءاستفاده از آثار خلاقانه، از دیگر نگرانی‌های جدی مطرح‌شده در این گزارش هستند.
نویسندگان همچنین به پیامدهای کمتر مورد توجه این فناوری اشاره می‌کنند؛ از جمله وابستگی شناختی کاربران به ابزارهای مولد، تضعیف مهارت‌های تفکر انتقادی، آسیب‌های روانی ناشی از تعامل افراطی با چت‌بات‌ها و تأثیرات زیست‌محیطی ناشی از مصرف گسترده انرژی و آب در مراکز داده. به باور آنان، آینده هوش مصنوعی نه صرفاً به پیشرفت فنی، بلکه به کیفیت حکمرانی، مقررات‌گذاری و توسعه سواد هوش مصنوعی وابسته است. در نهایت، این گزارش تأکید می‌کند که چالش اصلی، توقف نوآوری نیست؛ بلکه بهره‌گیری مسئولانه، شفاف و انسان‌محور از فناوری است تا منافع آن در خدمت رفاه عمومی قرار گیرد، نه تشدید مخاطرات جهانی.
این گزارش یادآور می‌شود که آینده هوش مصنوعی، بیش از آنکه به توانایی ماشین‌ها وابسته باشد، به تصمیم‌های انسانی درباره نحوه طراحی، استفاده و نظارت بر این فناوری بستگی دارد؛ تصمیم‌هایی که می‌توانند آن را به ابزاری برای پیشرفت یا منشأ بحران‌های نوظهور تبدیل کنند.
Thomas, M., & Rodriguez, A. (2026, January 28). 18 risks and dangers of artificial intelligence (AI). Built In. Retrieved from https://builtin.com/artificial-intelligence/risks-of-artificial-intelligence
https://t.me/UT_Central_Library
گزارش تحلیلی منتشرشده در وب‌سایت Built In، ضمن تأکید بر ظرفیت‌های تحول‌آفرین هوش مصنوعی، نسبت به پیامدهای ناخواسته و مخاطرات فزاینده این فناوری هشدار می‌دهد. نویسندگان معتقدند که در کنار فرصت‌های بی‌سابقه، هوش مصنوعی می‌تواند به یکی از پیچیده‌ترین چالش‌های اجتماعی، اقتصادی و اخلاقی عصر حاضر تبدیل شود. از مهم‌ترین خطرات شناسایی‌شده می‌توان به حذف مشاغل بر اثر خودکارسازی، گسترش دیپ‌فیک‌ها و دستکاری افکار عمومی، نقض حریم خصوصی، سوگیری الگوریتمی و تعمیق نابرابری‌های اجتماعی اشاره کرد.
این گزارش نشان می‌دهد که الگوریتم‌های غیرشفاف و فاقد قابلیت توضیح‌پذیری، ممکن است تصمیم‌هایی اتخاذ کنند که دلایل آن برای کاربران و حتی توسعه‌دهندگان روشن نباشد. همچنین، استفاده گسترده از هوش مصنوعی در شبکه‌های اجتماعی، زمینه را برای انتشار اطلاعات نادرست و تأثیرگذاری بر انتخابات و افکار عمومی فراهم کرده است. از سوی دیگر، توسعه تسلیحات خودمختار، افزایش جرایم سایبری، نقض حقوق مالکیت فکری و سوءاستفاده از آثار خلاقانه، از دیگر نگرانی‌های جدی مطرح‌شده در این گزارش هستند.
نویسندگان همچنین به پیامدهای کمتر مورد توجه این فناوری اشاره می‌کنند؛ از جمله وابستگی شناختی کاربران به ابزارهای مولد، تضعیف مهارت‌های تفکر انتقادی، آسیب‌های روانی ناشی از تعامل افراطی با چت‌بات‌ها و تأثیرات زیست‌محیطی ناشی از مصرف گسترده انرژی و آب در مراکز داده. به باور آنان، آینده هوش مصنوعی نه صرفاً به پیشرفت فنی، بلکه به کیفیت حکمرانی، مقررات‌گذاری و توسعه سواد هوش مصنوعی وابسته است. در نهایت، این گزارش تأکید می‌کند که چالش اصلی، توقف نوآوری نیست؛ بلکه بهره‌گیری مسئولانه، شفاف و انسان‌محور از فناوری است تا منافع آن در خدمت رفاه عمومی قرار گیرد، نه تشدید مخاطرات جهانی.
این گزارش یادآور می‌شود که آینده هوش مصنوعی، بیش از آنکه به توانایی ماشین‌ها وابسته باشد، به تصمیم‌های انسانی درباره نحوه طراحی، استفاده و نظارت بر این فناوری بستگی دارد؛ تصمیم‌هایی که می‌توانند آن را به ابزاری برای پیشرفت یا منشأ بحران‌های نوظهور تبدیل کنند.
Thomas, M., & Rodriguez, A. (2026, January 28). 18 risks and dangers of artificial intelligence (AI). Built In. Retrieved from https://builtin.com/artificial-intelligence/risks-of-artificial-intelligence
https://t.me/UT_Central_Library
Built In
18 Dangers of Artificial Intelligence (AI) | Built In
Dangers of artificial intelligence include bias, job losses, increased surveillance, lack of transparency, lack of data privacy, large-scale targeted fraud, growing inequality, psychological harm and more.
عید غدیر در دوره پهلوی به عنوان یک مناسبت مذهبی در دربار مورد توجه بود و گاه در کنار جشن های ملی، از مقامات روحانی و لشکری برای این مراسم دعوت می شد. اصطلاحاتی مانند "سلام تشرف" در متون رسمی آن دوره برای دعوت به حضور در برابر شاه کاربرد داشته است.
#معرفی_منابع
#منابع_غیر_کتابی
https://t.me/UT_Central_Library
#معرفی_منابع
#منابع_غیر_کتابی
https://t.me/UT_Central_Library
Forwarded from کتاب کست هوشمند کتابخانه مرکزی و مرکز اسناد دانشگاه تهران (lib.ut.ac)
Audio
کتاب سرمایه‌گذار هوشمند (The Intelligent Investor) اثر بنیامین گراهام، اصول سرمایه‌گذاری ارزشی را تبیین کرده و بر تفاوت بنیادین میان سرمایه‌گذاری هوشمندانه و رفتارهای نوسان‌گیرانه تأکید می‌کند. او به خوانندگان می‌آموزد که موفقیت در بازار سرمایه بیش از آنکه به بهره هوشی بالا وابسته باشد، نیازمند انضباط عاطفی و داشتن یک چارچوب فکری مستحکم برای تصمیم‌گیری است. محتوای این فصول بر اهمیت حاشیه امنیت، تحلیل دقیق کسب‌وکار و محافظت از دارایی در برابر تورم و نوسانات ناگهانی بازار تمرکز دارد. زویک نیز با ارائه تفسیرهای مدرن، نشان می‌دهد که چگونه استراتژی‌های کلاسیک گراهام همچنان در برابر حباب‌های مالی و بحران‌های اقتصادی معاصر کارآمد هستند. در نهایت، این منابع راهنمایی عملی برای دستیابی به اهداف مالی بلندمدت از طریق تفکر انتقادی و کنترل رفتارهای هیجانی ارائه می‌دهند.
@KETABCAST_AI_LIB_UT_AC
@KETABCAST_AI_LIB_UT_AC
Forwarded from کتاب کست هوشمند کتابخانه مرکزی و مرکز اسناد دانشگاه تهران (lib.ut.ac)
Audio
کتاب «طبقهبندی علوم در ایران و اسلام: از ایران باستان تا عصر حاضر» نوشته فرزانه قنادی نژاد و غلامرضا حیدری در سال 1398 منتشر شده است. در این اثر، نخست تاریخ علم در ایران باستان و دسته‌بندی‌های ارائه شده از علوم در این دوره شرح داده شده است. عمده‌‌ترین بخش کتاب، به طرح دیدگاه اندیشمندان دوره‌‌ی اسلامی در خصوص توصیف آنها از علوم مختلف و تقسیم‌‌بندی آنها بر اساس رویکرد ویژه‌‌ی هر دانشمند اختصاص یافته است. در واقع، برای هر دانشمند، ابتدا به بیان مختصری از شرح حال، خصوصیات عصر نویسنده، آرا، اندیشه و آثار او پرداخته شده و پس از آن به نظام طبقهبندی علوم از دیدگاه هر دانشمند و در نهایت در بحثی تحلیلی به خصوصیات هر طرح طبقهبندی، نگرش فکری هر دانشمند نسبت به چگونگی دستهبندی خود از علوم مختلف و تعیین جایگاه هر علم در میان علوم دیگر پرداخته شده است. در پایان نیز در یک جمع‌‌بندی کلی به رویکرد کلی دانشمندان دوره‌‌ی اسلامی، روشهای مختلف استفاده شده و ملاک‌‌های آنها در دستهبندی علوم در این دوره و خصوصیات مشترک میان آنها اشاره شده است.
@KETABCAST_AI_LIB_UT_AC
@KETABCAST_AI_LIB_UT_AC
Forwarded from کتاب کست هوشمند کتابخانه مرکزی و مرکز اسناد دانشگاه تهران (A.B)
Audio
عنوان کتاب: Digital Technology and the Practices of Humanities Research
مولف: Jennifer Edmond
ناشر: Open Book Publishers
سال انتشار: 2020
این منابع به بررسی تحول روشهای پژوهش و نشر در علوم انسانی تحت تأثیر فناوری‌های دیجیتال می‌پردازند. متن اصلی استدلال می‌کند که اگرچه ابزارهای نوین باعث تغییر در نحوه تولید دانش شده‌اند، اما ساختارهای سنتی اعتباربخشی مانند کتاب‌ها و مقالات همچنان بر فضای آکادمیک حاکم هستند. نویسندگان بر این باورند که گذار از قالب‌های چاپی به دیجیتال با چالش‌هایی در زمینه‌های داوری تخصصی، بایگانی منابع و همکاری‌های میان‌رشته‌ای روبروست. در این میان، نقش دروازه‌بانان علم شامل ناشران و ارزیابان در پذیرش قالب‌های نوظهور نظیر پایگاه‌های داده و نرم‌افزارها نقشی حیاتی تلقی می‌شود. در نهایت، این آثار بر ضرورت بازنگری در معیارهای ارزش‌گذاری علمی برای هماهنگی با واقعیت‌های عصر دیجیتال تأکید می‌کنند. این مجموعه تلاش دارد تا پیوندی میان سنت‌های پژوهشی علوم انسانی و امکانات نوآورانه زیرساخت‌های مدرن ایجاد کند.
@KETABCAST_AI_LIB_UT_AC
مولف: Jennifer Edmond
ناشر: Open Book Publishers
سال انتشار: 2020
این منابع به بررسی تحول روشهای پژوهش و نشر در علوم انسانی تحت تأثیر فناوری‌های دیجیتال می‌پردازند. متن اصلی استدلال می‌کند که اگرچه ابزارهای نوین باعث تغییر در نحوه تولید دانش شده‌اند، اما ساختارهای سنتی اعتباربخشی مانند کتاب‌ها و مقالات همچنان بر فضای آکادمیک حاکم هستند. نویسندگان بر این باورند که گذار از قالب‌های چاپی به دیجیتال با چالش‌هایی در زمینه‌های داوری تخصصی، بایگانی منابع و همکاری‌های میان‌رشته‌ای روبروست. در این میان، نقش دروازه‌بانان علم شامل ناشران و ارزیابان در پذیرش قالب‌های نوظهور نظیر پایگاه‌های داده و نرم‌افزارها نقشی حیاتی تلقی می‌شود. در نهایت، این آثار بر ضرورت بازنگری در معیارهای ارزش‌گذاری علمی برای هماهنگی با واقعیت‌های عصر دیجیتال تأکید می‌کنند. این مجموعه تلاش دارد تا پیوندی میان سنت‌های پژوهشی علوم انسانی و امکانات نوآورانه زیرساخت‌های مدرن ایجاد کند.
@KETABCAST_AI_LIB_UT_AC
https://news.ut.ac.ir/fa/news/53882/
با اهدای یکصد نسخه خطی جدید توسط دفتر نجف حضرت آیت‌الله العظمی سیستانی (حفظه الله) به کتابخانه مرکزی و مرکز اسناد دانشگاه تهران، گنجینه نسخ خطی این کتابخانه تقویت شد.
با اهدای یکصد نسخه خطی جدید توسط دفتر نجف حضرت آیت‌الله العظمی سیستانی (حفظه الله) به کتابخانه مرکزی و مرکز اسناد دانشگاه تهران، گنجینه نسخ خطی این کتابخانه تقویت شد.
Media is too big
VIEW IN TELEGRAM
## 🚨 تکان‌دهنده: جعبه ناهار(Lunch Box) ۱,۴۹۹ دلاری لیسا سو، غول هوش مصنوعی ۴ هزار دلاری انویدیا را نابود کرد!
لیسا سو، مدیرعامل AMD، روی صحنه آمد، یک کامپیوتر کوچک به اندازه یک ظرف غذای مسافرتی (ناهارباکس) را در یک دست گرفت و یک مدل هوش مصنوعی ۲۳۵ میلیارد پارامتری را به صورت زنده اجرا کرد.
بدون نیاز به دیتاسنتر. بدون نیاز به ابری. بدون نیاز به اجاره کردن پردازنده گرافیکی (GPU).
تراشه درون این دستگاه، AMD Ryzen AI Max+ 395 است.
این اولین تراشه با معماری x86 است که در آن CPU و GPU از یک حافظه مشترک استفاده می‌کنند؛ یعنی تا ۱۲۸ گیگابایت حافظه یکپارچه (Unified Memory).
همین یک انتخاب در طراحی است که همه چیز را تغییر می‌دهد.
یک کارت گرافیک RTX 5090 به شما ۳۲ گیگابایت حافظه ویدئویی (VRAM) می‌دهد. یک کارت 4090 به شما ۲۴ گیگابایت می‌دهد. اما این جعبه کوچک، بیش از سه برابر هر کدام از آنها را در شاسی و بدنه‌ای به شما می‌دهد که می‌توانید آن را در یک کوله‌پشتی حمل کنید.
در پردازش استنتاجی (Inference) مدل DeepSeek R1، تراشه AMD توانست کارت گرافیک Nvidia RTX 5080 را با بیش از ۳ برابر سرعت بیشتر شکست دهد. یک کامپیوتر رومیزی به اندازه یک کتاب جیبی ضخیم، از یک کارت گرافیک مجزا که بیش از هزار دلار قیمت دارد، در یک حجم کاری واقعیِ هوش مصنوعی جلو زد!
### حالا هزینه‌های اشتراک خود را حساب کتاب کنید:
* سرویس Claude Code Max ماهیانه ۲۰۰ دلار است.
* سرویس ChatGPT Pro یک ۲۰۰ دلار دیگر است.
* سرویس Cursor حدود ۲۰ دلار است.
* سرویس Gemini هم ۲۰ دلار است.
این یعنی سالانه ۵,۲۸۰ دلار از حساب شما خارج می‌شود، آن هم قبل از اینکه حتی یک چیز کوچک ساخته باشید!
نسخه ۱۲۸ گیگابایتی این دستگاه با قیمتی در حدود ۲,۳۹۹ دلار شروع می‌شود. با این نرخ هزینه، این دستگاه در کمتر از یک سال پول خود را درمی‌آورد و پس از آن کاملاً رایگان برایتان کار می‌کند.
کافی است Ollama را نصب کنید. مدل Qwen3 235B را دانلود کنید. ابزار Claude Code را به localhost متصل کنید. همان رابط کاربری که قبلاً استفاده می‌کردید. هیچ داده‌ای از دستگاه شما خارج نمی‌شود. هیچ هزینه‌ای به ازای هر درخواست پرداخت نمی‌کنید. و دیگر خبری از محدودیت سرعت (Throttling) در ساعت ۳ صبح—وقتی که بالاخره وقت پیدا کرده‌اید چیزی بسازید—نیست.
> وکلای حقوقی دیگر نگران این نیستند که OpenAI با فایل‌هایشان چه می‌کند. برنامه‌نویسان دیگر چشمشان به شمارشگر توکن‌ها خشک نمی‌شود. و بنیان‌گذاران استارتاپ‌ها دیگر نمونه‌های اولیه خود را به خاطر ترس از قبض‌های سنگین پردازش ابری رها نمی‌کنند.
>
هوش مصنوعی خصوصی و محلی، تازه تبدیل به چیزی شده است که یک فرد عادی هم می‌تواند مالک آن باشد.
https://x.com/i/status/2066305081444876410
🔻ویدیو کلیپ همراه با زیر نویس فارسی است.
@BetweenDichotomies
لیسا سو، مدیرعامل AMD، روی صحنه آمد، یک کامپیوتر کوچک به اندازه یک ظرف غذای مسافرتی (ناهارباکس) را در یک دست گرفت و یک مدل هوش مصنوعی ۲۳۵ میلیارد پارامتری را به صورت زنده اجرا کرد.
بدون نیاز به دیتاسنتر. بدون نیاز به ابری. بدون نیاز به اجاره کردن پردازنده گرافیکی (GPU).
تراشه درون این دستگاه، AMD Ryzen AI Max+ 395 است.
این اولین تراشه با معماری x86 است که در آن CPU و GPU از یک حافظه مشترک استفاده می‌کنند؛ یعنی تا ۱۲۸ گیگابایت حافظه یکپارچه (Unified Memory).
همین یک انتخاب در طراحی است که همه چیز را تغییر می‌دهد.
یک کارت گرافیک RTX 5090 به شما ۳۲ گیگابایت حافظه ویدئویی (VRAM) می‌دهد. یک کارت 4090 به شما ۲۴ گیگابایت می‌دهد. اما این جعبه کوچک، بیش از سه برابر هر کدام از آنها را در شاسی و بدنه‌ای به شما می‌دهد که می‌توانید آن را در یک کوله‌پشتی حمل کنید.
در پردازش استنتاجی (Inference) مدل DeepSeek R1، تراشه AMD توانست کارت گرافیک Nvidia RTX 5080 را با بیش از ۳ برابر سرعت بیشتر شکست دهد. یک کامپیوتر رومیزی به اندازه یک کتاب جیبی ضخیم، از یک کارت گرافیک مجزا که بیش از هزار دلار قیمت دارد، در یک حجم کاری واقعیِ هوش مصنوعی جلو زد!
### حالا هزینه‌های اشتراک خود را حساب کتاب کنید:
* سرویس Claude Code Max ماهیانه ۲۰۰ دلار است.
* سرویس ChatGPT Pro یک ۲۰۰ دلار دیگر است.
* سرویس Cursor حدود ۲۰ دلار است.
* سرویس Gemini هم ۲۰ دلار است.
این یعنی سالانه ۵,۲۸۰ دلار از حساب شما خارج می‌شود، آن هم قبل از اینکه حتی یک چیز کوچک ساخته باشید!
نسخه ۱۲۸ گیگابایتی این دستگاه با قیمتی در حدود ۲,۳۹۹ دلار شروع می‌شود. با این نرخ هزینه، این دستگاه در کمتر از یک سال پول خود را درمی‌آورد و پس از آن کاملاً رایگان برایتان کار می‌کند.
کافی است Ollama را نصب کنید. مدل Qwen3 235B را دانلود کنید. ابزار Claude Code را به localhost متصل کنید. همان رابط کاربری که قبلاً استفاده می‌کردید. هیچ داده‌ای از دستگاه شما خارج نمی‌شود. هیچ هزینه‌ای به ازای هر درخواست پرداخت نمی‌کنید. و دیگر خبری از محدودیت سرعت (Throttling) در ساعت ۳ صبح—وقتی که بالاخره وقت پیدا کرده‌اید چیزی بسازید—نیست.
> وکلای حقوقی دیگر نگران این نیستند که OpenAI با فایل‌هایشان چه می‌کند. برنامه‌نویسان دیگر چشمشان به شمارشگر توکن‌ها خشک نمی‌شود. و بنیان‌گذاران استارتاپ‌ها دیگر نمونه‌های اولیه خود را به خاطر ترس از قبض‌های سنگین پردازش ابری رها نمی‌کنند.
>
هوش مصنوعی خصوصی و محلی، تازه تبدیل به چیزی شده است که یک فرد عادی هم می‌تواند مالک آن باشد.
https://x.com/i/status/2066305081444876410
🔻ویدیو کلیپ همراه با زیر نویس فارسی است.
@BetweenDichotomies