آیا امکان فعال کردن اینترنت ماهواره ای برای موبایل بدون نیاز به مودم، ممکن بود؟

👉 @ai_python 🦁 ☀️

پاسخ سر راست این پرسش که آیا امکان فعال سازی اینترنت ماهواره ای بدون دیش روی همه گوشی ها در انقلاب 2026 ایران، ممکن است (بود) یا نه؟ منفی است، ولی شاید نیاز به کمی توضیحات اضافه داشته باشد:

پروژه های واقعی در این زمینه وجود دارند که در حال پیشرفت هستند

طبیعتن، فناوری دایرکت 2 سل که ماهواره مستقیم با گوشی ارتباط برقرار می کند، وجود دارد. همچنین شرکت هایی مثل استارلینک، تی موبایل و لینک گلوبال آن را توسعه می دهند. ولی واقعیت این است که این فناوری فقط برای خدمات بسیار محدود مثل پیامک یا دیتای کم در دسترس هست. (آن هم به صورت آزمایشی)

برداشت ناقص از استانداردها

بسیاری از خبر ها (و افراد) می گویند گوشی های فعلی کار می کنند. اما منظور این است که اگر گوشی از فرکانس های خاص پشتیبانی کند، ارتباط ممکن می شود.
برای این که یک گوشی بتواند بدون دیش و سخت‌افزار ماهواره اختصاصی به ماهواره وصل شود، چند شرط فنی اصلی وجود دارد:

1️⃣ ماهواره هایی که از طریق Direct to Cell به گوشی ها سرویس می دهند معمولن از باندهای استاندارد در محدوده های 800 تا 2100 مگاهرتز استفاد می کنند تا با مودم های موبایل موجود سازگار شوند.
اما مشکل این است که تشخیص سیگنال از فاصله زیاد (تا چند صد کیلومتر) از نظر فیزبکی با این فرکانس ها ضعیف است و دقت و قدرت ماهواره باید بسیار بالاتر از ماهواره های فعلی باشد.

2️⃣ استاندارد شبکه NTN در همه گوشی ها در دسترس نیست. (اگر چه که فناوری های وجود دارند که با فرکانس های LTE و 5G هم سازگار باشند. ولی همان طور که گفتم محدودیت دارند و در مرحله آزمایش هستند.

3️⃣ گوشی های موبایل معمولی از لحاظ Trasmit Power به صورتی طراحی شده اند که نهایتن تا چند کیلومتر به دکل های زمینی برد داشته باشند. اما برد مورد نیاز برای ارسال و دریافت از ماهواره، 500 کیلومتر و حتی بیش تر است.

البته برای این مشکل هم فناوری هایی در حال آزمایش و توسعه هستند. برای مقال آنتن های جهت دار و قوی تر در خود ماهواره ها یا استفاده از تکنولوژی هایی مانند beamforming تا قدرت موثر دریافت یا همان Link Budget افزایش یابد.

👉 @ai_python 🦁 ☀️

4️⃣ و در نهایت ماهواره های LEO با سرعت خیلی بالا حرکت می کنند. این باعث می شود که فرکانس دریافت شده روی گوشی تغییر کند (شیفت دوپلر) و باید روی شبکه به طور دقیق جبران شود. این موضوع البته تا حدود زیادی اکنون به مرحله اجرایی رسیده است. ولی باز هم نه در تمام گوشی ها و نه با پهنای باند بالا که برای چیزی به غیر از پیام متنی و از این قبیل مناسب باشد.

بر فرض که آمریکا یا هر کشور دیگری این فناوری را به مرحله اجرا گذاشت و تصمیم گرفت برای مردم کشورهایی مانند ایران فعال کند. به جز هزینه چه محدودیت های دیگری وجود دارد؟

به غیر از هزینه همان طور که گفتیم بسیاری از گوشی ها به صرف اینکه از LTE یا 5G پشتیبانی می کنند به این معنا نیست که با ماهواره های Direct to Cell فعلی سازگار هستند : برای مثال گوشی های گوگل پیکسل 8 به پایین سازگار نیستند. (پشتیبانی رسمی ندارند.)

یا گوشی های وان پلاس و شیائومی در لیست های رسمی برخی از شرکت ها نیامده اند. یا مدل های قدیمی تر سامسونگ مانند S10 و A10 یا A11

یکی از منابع مهم : https://news.1rj.ru/str/wearebits/3018

یک گزارش جامع، از الگوهای رفتاری تکراری در اکانت های مرتبط با پروپاگاندا رژیم جمهوری اسلامی در شبکه اجتماعی X و نحوه عمل آن ها برای دستکاری واقعیت جنایاتشان :

👉 @ai_python 🦁 ☀️

https://goldenowl.ai/resources/blogs/Narrative-Warfare-Against-The-Iranian-Uprising

با تشکر از زحمات دوست عزیزم آقای علی رحیمی، پیام ایشون در اکانت توییتر را با شما مخاطبان گرامی نیز به اشتراک می گذارم :

"ما وسط یه جنگ جدی روایت و رسانه‌ایم.
رژیم با بودجه‌های کلان و ارتش سایبریش داره شبانه‌روزی دروغ پخش می‌کنه،
طبیعیه که ما هم باید از ابزارهای هوشمند و امروزی استفاده کنیم تا بتونیم مؤثرتر عمل کنیم، دروغ‌ها رو افشا کنیم و صدای حقیقت رو برسونیم.

برای همین یه پلتفرم راه انداختم که بتونیم همه با هم، هماهنگ و هدفمند روی دشمن مشترکمون، یعنی رژیم تروریستی جمهوری اسلامی کار کنیم.

🔗 آدرس وب‌سایت: https://together-for-iran.com

لطفاً هر روز یه سر به سایت بزنید و فعالیت‌های مهم و مشترکی که اونجا هست رو انجام بدید.
کارها ساده‌ست، ولی وقتی هماهنگ انجام بشه، اثرش خیلی بزرگ میشه.


ابزارهای دیگه‌ای هم که دوستان دیگه توی این مسیر روشون زحمت کشیدن، برای دسترسی سریع به صفحه اصلی اضافه شدن، تا هر نوع «سلاح دیجیتال» دم دستتون باشه.

می‌تونید سایت رو به‌صورت PWA یا Web App به Home Screen گوشیتون اضافه کنید تا همیشه دم دستتون باشه.

نکته های مهم ⬇️
این وب‌سایت بدون ثبت‌نام کار می‌کنه،
هیچ اطلاعات شخصی‌ای از شما جمع‌آوری نمی‌کنه،
هیچ داده‌ای از فعالیت‌هاتون روی سرور ذخیره نمی‌شه
و همه وضعیت‌ها فقط روی مرورگر خودتون نگه‌داری می‌شن.
ابزار امن، ساده و برای کار جمعی.

لطفا به اشتراک بزارید تا سریع تر متحد بشیم.
همین.

#جاويدشاه‌ #پاينده_ایران"



👉 @MigrationEasy 💡

👉 @WienYar 💡

👉 @almanifarsichannel 💡

👉 @ai_python💡

در چند وقت اخیر پست های زیادی درباره اهمیت روز افزون هوش مصنوعی در صنایع نظامی قرار دادیم. همچنین از ماه ها پیش، از تمرکز سند پروژه شکوفایی ایران که رضا پهلوی و تیم ایشون در نیمه اول سال 2025 آماده و منتشر کردند، به استفاده از هوش مصنوعی به خصوص در زمینه بهداشت و سلامت و همچنین در زمینه نظامی صحبت کردیم.

👉 @ai_python 🦁 ☀️

امروز اکانت U.S. Army در توییتر از یک هوش مصنوعی اختصاصی در خصوص مسائل نظامی رونمایی کرد.

البته برای استفاده از این هوش مصنوعی به نام GenAI.mil بایستی از شبکه DoW networks اقدام شود.

یک مهندس سابق گوگل به نام لینوِی دینگ (Leon Ding) توسط هیئت منصفه فدرال در سان‌فرانسیسکو به جاسوسی اقتصادی و سرقت اسرار تجاری مرتبط با فناوری هوش مصنوعی گوگل محکوم شد.

دینگ هزاران صفحه از اطلاعات محرمانه مربوط به زیرساخت سخت‌افزاری و نرم‌افزاری ابررایانه‌های هوش مصنوعی گوگل را بین سال‌های ۲۰۲۲ تا ۲۰۲۳ سرقت کرده بود.

او این داده‌ها را به حساب شخصی Google Cloud خود منتقل کرده بود.

هم‌زمان، او با دو شرکت فناوری در چین همکاری پنهانی داشت و حتی در حال تأسیس شرکت خودش در چین برای توسعه ابررایانه‌های هوش مصنوعی بود.

در ارائه‌هایش به سرمایه‌گذاران ادعا کرده بود که می‌تواند با کپی و اصلاح فناوری گوگل یک ابررایانه هوش مصنوعی بسازد.

او برای یک برنامه استعدادهای دولتی چین نیز درخواست داده بود و هدفش را «کمک به چین برای رسیدن به سطح جهانی در توان پردازشی» عنوان کرده بود.

این پرونده اولین محکومیت رسمی در زمینه جاسوسی اقتصادی مرتبط با هوش مصنوعی در آمریکا محسوب می‌شود.

دینگ ممکن است برای هر اتهام ۱۰ تا ۱۵ سال زندان دریافت کند.

👉 @ai_python 🦁 ☀️

https://www.justice.gov/opa/pr/former-google-engineer-found-guilty-economic-espionage-and-theft-confidential-ai-technology

از جمله مدل های امبدینگ که تصاویر و ویدیو را نیز علاوه بر متن پشتیبانی می کند :

👉 @ai_python ✍️

https://youtu.be/fY3-YeveBgA?si=dHzDjo-Cje0RrkW7

یکی از مهم ترین محصولات ابری که هر متخصص هوش مصنوعی باید باهاش آشنا باشه، Microsoft Foundry هست. اگر خارج از ایران زندگی می کنید هم قطعن با اهمیت این محصول در محل کار خود آشنا هستید.

👉 @ai_python ✍️

در این راهنما که برای تازه کارها تهیه شده، ساخت یک AI Agent با استفاده از منوی Workfklows آموزش داده می شود. (بدون نیاز به کدنویسی)

https://youtu.be/tZ6Y1IIAdx8?si=uVJ0B6D7O5BomOQi

در این Path از گوگل، یاد خواهیم گرفت، که چگونه می توان با استفاده از TPU های گوگل Inference انجام داد.

👉 @ai_python ✍️

این یکی از نیازهای اساسی بسیاری از سازمان های Enterprise هست که نیاز به پردازش های سنگین دارند.

https://www.skills.google/paths/3310

این مقاله با تکیه بر داده‌های جمع‌آوری‌شده از کاربران موبایل در آمریکا، نخستین ارزیابی تجربی از شبکهٔ «ارتباط مستقیم ماهواره به موبایل» استارلینک را ارائه می‌دهد و نشان می‌دهد که این فناوری، که از ۲۰۲۴ با همکاری T‑Mobile و در قالب سرویس پیامکی آغاز شده، در عمل قابل اتکا است اما هنوز محدودیت‌های مهمی دارد. پژوهش نشان می‌دهد که با افزایش تعداد ماهواره‌ها، تعداد سلول‌های قابل مشاهده و حجم اندازه‌گیری‌ها نیز بیشتر شده و استفاده عمدتاً در مناطق فاقد پوشش زمینی رخ می‌دهد.

@WearebiTs 🐤

کیفیت سیگنال نسبت به شبکه‌های زمینی بسیار ضعیف‌تر است (میانگین RSRP حدود ۲۴ دسی‌بل پایین‌تر)، هرچند RSRQ کمی بهتر است که با ماهیت پیامکی سرویس فعلی سازگار است. تحلیل SINR نشان می‌دهد که سرویس دادهٔ آینده احتمالاً حدود ۳ مگابیت‌برثانیه برای هر beam در فضای باز ارائه خواهد داد و با تصمیمات مقرراتی و توسعهٔ بیشتر منظومهٔ ماهواره‌ای می‌تواند تا حدود ۱۸ مگابیت‌برثانیه افزایش یابد. این مطالعه تصویری واقع‌گرایانه از توان فعلی و مسیر تکامل DS2D ارائه می‌کند و نشان می‌دهد که این فناوری در وضعیت کنونی بیشتر برای پوشش پایه و اضطراری مناسب است، نه جایگزینی کامل برای شبکه‌های زمینی.


https://arxiv.org/abs/2506.00283

اهمیت مهندسی اجنت ها در دنیایی که مهندسی اجنت ها از اجزای اصلی مهندسی نرم افزار است :

👉 @ai_python ✍️

این پست در تاریخ 2 ژانویه 2026 برای اولین بار توسط LangChain منتشر شد.


https://www.linkedin.com/pulse/agent-engineering-new-discipline-langchain-27pzc/

👉 @ai_python ✍️

انواع منابع پردازشی موجود در Azure Machine Learning :

👉 @ai_python ✍️

1️⃣ Compute instance: Behaves similarly to a virtual machine and is primarily used to run notebooks. It's ideal for experimentation.

2️⃣ Compute clusters: Multi-node clusters of virtual machines that automatically scale up or down to meet demand. A cost-effective way to run noscripts that need to process large volumes of data. Clusters also allow you to use parallel processing to distribute the workload and reduce the time it takes to run a noscript.

3️⃣ Kubernetes clusters: Cluster based on Kubernetes technology, giving you more control over how the compute is configured and managed. You can attach your self-managed Azure Kubernetes (AKS) cluster for cloud compute, or an Arc Kubernetes cluster for on-premises workloads.

4️⃣ Attached compute: Allows you to attach existing compute like Azure virtual machines or Azure Databricks clusters to your workspace.

5️⃣ Serverless compute: A fully managed, on-demand compute you can use for training jobs.

هدف فیلتر بان

👉 @ai_python ✍️

https://youtu.be/TpccDxGGMnk?si=xnSDY54oxVTRrgmy