و یه دکمه پاور؟ ( همینقدر کم توقع :)
#فان #میم
~> @PinkOrca 🩷

~> FLUG

⚙ صحبتی مختصر در مورد گنو/لینوکس، لاگ‌ها و چالش‌هایی که این روزا باهاشون مواجه هستن...

#گنو #لینوکس #اپن_سورس #پادکست #حرف_با_شما
~> @PinkOrca 🩷

چرا دولینگو برای یادگیری زبان مناسب نیست؟
😎 بعد از ۱۰۶ روز استریک و تصمیم برای حذف دولینگو این پست رو می‌فرستم.

دولینگو با بیش از ۵۰۰ میلیون کاربر، یکی از محبوب‌ترین اپلیکیشن‌های یادگیری زبان هستش که از gamification (به شکل خیلی خفنی) برای درگیر کردن کاربرها استفاده می‌کنه. اما این اپ مشکلات جدی‌ای داره که باعث می‌شه نتونه ابزار موثری برای یادگیری زبان باشه.

مشکل اصلی دولینگو اینه که بیش از حد روی گیمیفیکیشن تمرکز کرده. سیستم streak، جمع‌آوری جم، لیدربورد و بقیه المان‌های بازی‌وار باعث می‌شن کاربر به جای تمرکز روی یادگیری، درگیر حفظ استریک و جمع کردن امتیاز بشه. تحقیقات نشون داده که این نوع پاداش‌های بیرونی در درازمدت انگیزه درونی برای یادگیری رو کاهش می‌دن.

از نظر متدولوژی آموزشی، دولینگو از روش‌های قدیمی و ناکارآمد استفاده می‌کنه. تمرین‌ها عمدتاً شامل ترجمه جملات کوتاه و تکراری هستن که باعث نمی‌شن کاربر درک درستی از کانتکست و کاربرد واقعی زبان پیدا کنه. مطالعات زبان‌شناسی نشون دادن که یادگیری موثر زبان نیاز به تعامل واقعی و درک عمیق‌تر از ساختارهای زبانی داره.

سیستم آموزشی دولینگو خطی نیست و کاربر نمی‌تونه مسیر یادگیری رو کاستومایز کنه. گرامر به صورت ضمنی و بدون توضیح کافی آموزش داده می‌شه که برای زبان‌آموزهای جدی کافی نیست. علاوه بر این، تمرین‌های speaking و writing محدود هستن و فیدبک‌های سیستم اغلب سطحی و غیردقیق هستن.

طبق تحقیقات موسسه FSI آمریکا، یادگیری یک زبان خارجی به ۶۰۰ تا ۲۲۰۰ ساعت مطالعه جدی نیاز داره، اما ساختار دولینگو طوری طراحی شده که کاربر فقط روزی ۵-۱۰ دقیقه (یا حتی کمتر) تمرین کنه که برای پیشرفت واقعی کافی نیست.

مشکل دیگه اینه که دولینگو از هوش مصنوعی قدیمی استفاده می‌کنه که نمی‌تونه انعطاف‌پذیری لازم برای درک گونه‌های مختلف جواب‌های درست رو داشته باشه. این باعث می‌شه خیلی وقت‌ها جواب‌های درست کاربر رو اشتباه در نظر بگیره.

#زبان #دولینگو #نوشته #متفرقه
~> @PinkOrca 🩷

خیلی یهویی چند روز پیش زد به سرم سایتمو آپدیت کنم، همون موقع نوشتمش و امشب هم محتواش رو تنظیم کردم. یه چیز استاتیک، ساده و کاملا وانیلا هستش.
https://pinkorca.net
~
https://codeberg.org/PinkOrca/PinkOrca.net
نظرتون؟

پ.ن:
تصویر تزیینی
#پروژه #حرف_با_شما
~> @PinkOrca 🩷

~> YouTubeLM 🖥
☄️ یه ابزار کاربردی برای خلاصه کردن محتوای ویدیوهای یوتیوب به زبان دلخواه (حتی فارسی).
https://youtubelm.com

🔗مرسی از محمدرضای عزیز واسه توسعه دادنش.

پ.ن:
قبلا معرفی و بعد حذفش کرده بودم بخاطر یه مشکلی، ولی تو آپدیت جدید خوب شده.
#معرفی #ترفند
~> @PinkOrca 🩷

🖼️ ترجمه کامل مجوز GPLv3 به فارسی:
https://pinkorca.net/~/gpl-v3-fa.html
🔗 Source | 🔗 GNU.org

حس می‌کنم لازم بود!
#گنو #اپن_سورس #نرم_افزار
~> @PinkOrca 🩷

روز مهندس رو به همه، مخصوصا مهندسان نرم‌افزار تبریک می‌گم😂
#فان
~> @PinkOrca 🩷

داستان جالب پشت پرده خلق ماینکرفت

ماینکرفت، بازی‌ای که امروزه به یکی از بزرگترین پدیده‌های دنیای گیم تبدیل شده، داستان شروعی داره که خیلی‌ها باهاش آشنا نیستن. این داستان با یک برنامه‌نویس سوئدی به نام مارکوس پرسون (با نام مستعار Notch) شروع می‌شه که تصمیم گرفت تو اوقات فراغتش یه پروژه شخصی رو شروع کنه (مثل خیلی از بقیه خفن‌ترینا که با یه پروژه شخصی استارت شدن).

تو سال ۲۰۰۹، مارکوس پرسون که اون موقع تو شرکت King (سازنده Candy Crush) کار می‌کرد، شروع کرد به ساخت یه بازی ساده که از بازی‌هایی مثل Infiniminer و Dwarf Fortress الهام گرفته بود. جالبه بدونید که نسخه اولیه بازی فقط تو ۶ روز ساخته شد! این نسخه اولیه که "Cave Game" نام داشت، خیلی زود به "Minecraft: Order of the Stone" و در نهایت فقط به "Minecraft" تغییر نام داد.

پرسون یه فروم آنلاین به نام TIGSource راه انداخت که از اونجا، آپدیت‌های بازی رو با بازیکن‌ها به اشتراک می‌ذاشت و فیدبک می‌گرفت. نکته جالب اینه که با اینکه بازی هنوز تو مرحله آلفا بود، پرسون تصمیم گرفت اون رو با قیمت ۱۰ یورو بفروشه. کسایی که این نسخه رو می‌خریدن، به همه آپدیت‌های آینده بازی هم دسترسی پیدا می‌کردن.

این استراتژی فوق‌العاده موفق بود و باعث شد تا آخر سال ۲۰۱۰، بیش از ۳۴۰,۰۰۰ نسخه تو مرحله بتا فروخته بشه. درآمد حاصل از این فروش اونقدر زیاد بود که پرسون تونست شرکت خودش، Mojang رو تاسیس کنه.

محبوبیت ماینکرفت خیلی سریع بالا رفت. فقط تو سال ۲۰۱۱، بیش از ۴ میلیون نسخه از بازی فروخته شد. کانال‌های یوتیوب و استریمرها نقش مهمی تو این موفقیت داشتن، چون گیم‌پلی خلاقانه و امکان ساخت چیزای شگفت‌انگیز رو نشون می‌دادن.

یکی از نکات خاص درباره توسعه ماینکرفت اینه که پرسون و تیمش خیلی به فیدبک کامیونیتی اهمیت می‌دادن. به همین خاطر، خیلی از ویژگی‌های بازی براساس درخواست‌های کاربرها اضافه شدن.

تو سپتامبر ۲۰۱۴، یه اتفاق افتاد که خیلی‌ها رو شوکه کرد: مایکروسافت Mojang و حق امتیاز ماینکرفت رو به مبلغ ۲.۵ میلیارد دلار خرید. این یکی از بزرگترین معامله‌های تاریخ صنعت گیم بود.

پرسون بعد از این معامله از Mojang جدا شد و دلیلش رو اینجوری توضیح داد: "این درباره سلامت روانی منه، نه پول. به محض اینکه این معامله انجام بشه، من از برنامه‌نویسی برای عموم دست می‌کشم و به ساختن پروژه‌های کوچیک و جالب ادامه می‌دم."

امروزه ماینکرفت با بیش از ۲۳۸ میلیون نسخه فروخته شده، پرفروش‌ترین بازی تاریخ هستش. این بازی به پلتفرم‌های مختلف مثل موبایل، کنسول‌ها و حتی VR راه پیدا کرده و بازیکن‌های فعال ماهانه‌اش به بیش از ۱۴۰ میلیون نفر می‌رسه.

جالبه بدونید که ماینکرفت به‌خاطر ارزش آموزشیش، تو مدارس سراسر دنیا استفاده می‌شه و حتی یه نسخه مخصوص آموزشی به نام Minecraft: Education Edition هم داره.

ماینکرفت مسیری رو طی کرد که هیچکس (حتی خود پرسون) هم فکرشو نمی‌کرد... بدون بودجه تبلیغاتی عظیم و با معرفی توسط خود مردم. انقدر رشد کرد و رو پاپ‌کالچر تاثیر گذاشت که امروزه همه جا می‌شه اثرش رو دید.
#بازی #بیوگرافی #فکت
~> @PinkOrca 🩷

~> Telethon

تلتون یک کتابخونه پایتونه که برای ساخت تلگرام کلاینت استفاده می‌شه. این کتابخونه با MTProto 2.0 کار می‌کنه که پروتکل اختصاصی تلگرامه.

نصبش با pip install telethon انجام می‌شه و برای شروع کار باید api_id و api_hash رو از سایت my.telegram.org بگیرین. این کلیدها برای احراز هویت کلاینت لازمن.

تلتون از async/await پشتیبانی می‌کنه و سینتکس کدنویسیش پایتونیکه. برای ذخیره سشن‌ها از StringSession یا SQLiteSession استفاده می‌کنه که باعث می‌شه نیاز نباشه هر بار لاگین کنین.

این کتابخونه می‌تونه ایونت‌های مختلف تلگرام رو هندل کنه و به شما اجازه می‌ده با API تلگرام کار کنین. البته باید به محدودیت‌های تلگرام هم توجه داشته باشین.

من به عنوان کسی که برنامه‌نویس پایتون نیست، نسبت به بقیه کتابخونه‌ها بیشتر دوسش دارم و معمولا ازش برای کارهای شخصی استفاده می‌کنم.

برای مطالعه مستندات و شروع به کار باهاش می‌تونین به [این صفحه] مراجعه کنین.
#برنامه_نویسی #نوشته #معرفی
~> @PinkOrca 🩷

~> Nim

‏Nim یک زبان برنامه‌نویسی سیستمی و کامپایلری هستش که در سال ۲۰۰۸ با نام Nimrod توسط Andreas Rumpf طراحی شد.

سینتکسی شبیه Python داره اما کدهاش به C کامپایل می‌شن و سرعت اجرای نزدیک به C دارن.
- یه Hello world تو نیم:
echo "Hello, World!"

کامپایلر Nim از یک رویکرد چند مرحله‌ای استفاده می‌کنه. اول کد رو به AST تبدیل می‌کنه، بعد اون رو به C می‌بره و در نهایت با استفاده از کامپایلرهای C مثل GCC یا Clang به کد باینری تبدیل می‌کنه. این زبان علاوه بر C، می‌تونه به ++C،‏ Objective-C، ‏JavaScript و WebAssembly هم کامپایل بشه.

یه سیستم تایپ قوی و استاتیک داره و از type inference هم پشتیبانی می‌کنه. این زبان از مفاهیم برنامه‌نویسی مدرن مثل generics،‏ pattern matching و multi-methods پشتیبانی می‌کنه. سیستم ماکروی Nim خیلی قدرتمنده و اجازه می‌ده در زمان کامپایل کد رو تغییر بدیم.

از نظر مدیریت حافظه، Nim چند گزینه داره. می‌تونه از garbage collector استفاده کنه یا با ARC (که در نسخه ۲.۰ اضافه شد) کار کنه. همچنین می‌شه memory management رو دستی انجام داد. این انعطاف‌پذیری باعث می‌شه برنامه‌نویس‌ها بتونن بین پرفورمنس و راحتی یکی رو انتخاب کنن.

پکیج‌منیجر رسمی Nim، ‏Nimble نام داره و از فرمت ‎.nimble برای تعریف dependency ها استفاده می‌کنه. این پکیج‌منیجر می‌تونه پکیج‌ها رو مستقیماً از GitHub و دیگر مخازن git نصب کنه.

کتابخونه استاندارد Nim شامل ماژول‌های متنوعی برای کار با فایل‌ها، شبکه، regex،‏ JSON و concurrent programming هستش. همچنین کتابخونه‌های third-party زیادی برای گرافیک (SDL2)، وب (Jester)، image processing و cryptography وجود دارن.

یکی از ویژگی‌های جالب Nim، سیستم Effect system هستش که به کامپایلر اجازه می‌ده side effects توابع رو در زمان کامپایل چک کنه. این سیستم می‌تونه خطاهای مربوط به I/O یا exception ها رو زودتر پیدا کنه.

🔗 منابع برای یادگیری Nim

#برنامه_نویسی #نرم_افزار #نوشته
~> @PinkOrca 🩷

~> Animation vs. Coding
💯 خیلی باحال بود پیشنهاد می‌کنم ببینید.
💥 بهتره از یوتیوب تماشا کنید.

🔗 نسخه ریاضیش
#برنامه_نویسی #انیمیشن
~> @PinkOrca 🩷

✅ تو این ویدیو چند تا ChatBot مختلف رو تست کردم تا ببینم هرکدوم چه عملکردی دارن.
🪓 چرا؟ چون چند تا ویدیو دیدم (تو جاهای مختلفی) که با یه پرامپتی اینا رو مقایسه می‌کردن و به نظرم واقعی نمیومد با توجه به تجربه خودم... حالا همون پرامپت رو خودمم تست می‌کنم.

🔧 پرامپت:
Write an HTML program that simulates a ball bouncing inside a spinning hexagon, with gravity and friction affecting its movement, ensuring realistic bounces off the rotating walls.

🏆 بهترین عملکرد رو Claude داشت با اختلاف فاحش،
بعدش ChatGPT رو حالت reasoning. البته از هر چند بار درخواست یه بار ممکنه خوب در بیاد، مثلا تو همین ویدیو که تست کردم ChatGPT مثل تست‌های قبلی حداقل کارایی هم نداشت و چون شرایط همشون برابر بود فرصت دوباره ندادم اینجا.
هرچند Claude هم تو یه تست قبل از رکورد ویدیو بهتر از این بود! (اینم شانس مایه(🙃) تو ویدیو همگی داغون می‌شن) بقیشون هم چنگی به دل نمی‌زدن...
بدترین خروجی هم DeepSeek R1 داشت که چندین دقیقه داشت فکر می‌کرد و خروجی نمی‌داد (با خودش کلنجار می‌رفت) و در نهایت بیخیالش شدم قبل از اینکه شب بشه :)

خروجی‌ها:
chat.deepseek.com -> 0:02
copilot.microsoft.com -> 0:16
chatgpt.com -> 0:27
grok.com -> 0:35
chat.jabirproject.org -> 0:42
gemini.google.com -> 0:54
chat.mistral.ai/chat -> 1:08

این ۲ مورد رو از پرامپت تا اجرا می‌تونید تو ویدیو ببینید، لحظه اجرا:
ChatGPT (reasoning) -> 2:25
Claude 3.7 sonnet -> 3:48


‼️ مدل‌هایی که برای همشون استفاده شده، بهترین مدل در دسترسشون بوده، مثلا برای grok که خوب هم نبود زیاد، مدل grok 3 بود (آخرین مدلش) و بقیه هم به همین شکل...
📌 فایل‌های خروجی همشون رو تو کامنت اول می‌فرستم. هیچ فایلی ادیت نشده جز مرتب‌سازی (Ctrl+Shift+i).
💢 این پست هیچکدوم از مدل‌های مطرح رو زیر سوال نمی‌بره، صرفا مقایسه خروجی‌هاست به شکل واقعی و با توجه به همچین پرامپت ترند شده‌ای که خودشم جای کار داره!
#هوش_مصنوعی
~> @PinkOrca 🩷

~> import antigravity

👩‍💻 این یه ایستراگ تو پایتونه که با اجراش یه کمیک xkcd باز می‌شه. (اگه آشنایی ندارید، xkcd یه وب کمیک معروف علمی-فانه که Randall Munroe اون رو درست کرده.)
💥 تو این کمیک خاص (شماره ۳۵۳) یه نفر با import کردن ماژول antigravity پرواز می‌کنه! Guido van Rossum (خالق پایتون) این شوخی رو تو پایتون 3.0 اضافه کرده.😎
(تو ویدیو بهتون نشون دادم چطوریه)
🔗 موزیک
#فان #برنامه_نویسی #پایتون
~> @PinkOrca | آزاد بیندیشیم 🩷

~> Oblivion

دوستان زیادی می‌پرسن از کدوم VPN استفاده کنیم این روزا... به نظر من یکی از گزینه‌های خوب Oblivion هستش. نتیجه تلاش عده‌ای از برنامه‌نویسای دلسوز ایرانی و بر پایه تکنولوژی WARP کلادفلر. برای هر سیستم‌عاملی در دسترسه، رایگان و اپن‌سورسه و کیفیتش خوبه!

برای رفع تحریم‌ها و حل خیلی از مشکلات تو جاهایی که یکم حساسیت هست به IP، می‌تونید از حالت گول استفاده کنید (که اگه اشتباه نکنم یه warp in warp هستش) و رو آلمانش معمولا کیفیت خوبی داره.
حواستون هم باشه رو حالت tun بذاریدش که کل سیستم رو تانل کنه، وگرنه صرفا پروکسیه.

خیلی برای من هم عجیبه که الان دارم معرفیش می‌کنم، چون همیشه فکر می‌کردم که همه می‌‌شناسنش و نیازی به معرفی نداره... ولی امروز تو گروه متوجه شدم که خیلیا آشنایی نداشتن یا نمی‌دونستن ورژن لینوکسش هم هست...

خودم از AUR نصبش کردم (oblivion-desktop-bin) و شما می‌تونید با توجه به سیستم‌عامل خودتون نسخه مناسب رو دانلود و نصب کنید.

🔗 ریلیز‌ها | 🔗 readme فارسی
#معرفی #شبکه
~> @PinkOrca | آزاد بیندیشیم 🩷

🤔 از کجا می‌تونیم دامنه اینترنتی با کریپتو و بدون احراز هویت واقعی بخریم؟!
☕️ porkbun.com
✅ همینطور که از تصویر مشخصه، تخفیف‌های خوبی هم برای اولین ثبت هر دامنه وجود داره و با چیزی حدود ۱ دلار می‌تونید دامنه سفارش بدید!
#معرفی
~> @PinkOrca | آزاد بیندیشیم 🩷

⤴️ Better Call Saul

🔥اگه Breaking Bad رو دیدین، و دنبال یه #سریال جذاب و با کیفیت دیگه هستید، پیشنهاد می‌کنم Better Call Saul رو حتما تماشا کنید.
یه اسپین‌آف که به نظر من از سریال اصلی هم بهتر بوده. از هر نظر عالی.
بیشتر از این توضیح نمی‌دم، اگه کنجکاوید در موردش یه سرچ مشکل رو حل می‌کنه.

⭐️ از کجا دانلود کنیم؟
کلی وب‌سایت دانلود فیلم و سریال هستن ولی یه سایتی که دوستمون ممد به شکل اپن‌سورس توسعه داده، یکی از پیشنهادات اصلی منه که توش می‌تونید کلی فیلم و سریال رو از منابع مختلف بدون سانسور دانلود و تماشا کنید.
https://BoxMovie.github.io

#معرفی #فیلم #اپن_سورس
~> @PinkOrca | آزاد بیندیشیم 🩷

🟢 سال گذشته برام سال خاصی بود، می‌تونم یه نقطه عطف در نظر بگیرمش...
دانشگاه رفتم، گواهینامه گرفتم، کلی چیز جدید یاد گرفتم، تصمیم گرفتم سیبیل بذارم(😂)، کارای زیادی کردم و از همه مهم‌تر: تونستم ادامه بدم!

⚪️ با وجود تلخی‌ها و شیرینی‌های یک سال گذشته، اگه بخوام براش یه اسمِ مشخص انتخاب کنم، «سال از دست دادن‌ها» می‌تونه عنوان خوبی باشه. سالی بود که من دوستان خوبی رو از دست دادم، از دوستی که صمیمی‌ترین بود واسم تو ۵ سال گذشته تا دوستان جدید و ارزشمند دیگه...

🔴 پارسال عدد سال رو خودمونی گفتم، تو از این پست خوشگلا(⭐️)، الان هم درستش این بود که بگم سال ۲۵۸۴، ولی چون گیک هستیم:
سال ۴۰۴، امیدوارم توش مشکلات برای هممون not found بشن، و اوضاع ایران هم بهبود پیدا کنه.

👑 نوروزتان پیروز ♥️
✍ پینک اورکا.

~> @PinkOrca | آزاد بیندیشیم 🩷

🖼️ IranBSD
یه گروه ایرانی با تمرکز بر BSD :
@IranBSD_org
پس از عضویت این پست رو مطالعه کنید
#معرفی
~> @PinkOrca | آزاد بیندیشیم 🩷

~> Sesame CSM

خلاصه برای تنبل‌ها (TL;DR خودمون)⬇️
اگه یه AI بامزه می‌خواین که برای مکالمه انگلیسی به شکل انسان‌گونه برید سراغش،
این جالبه، امتحانش کنید:
https://www.sesame.com/research/crossing_the_uncanny_valley_of_voice

مدل Conversational Speech Model ‏(CSM) شرکت Sesame یک سیستم هوش مصنوعی برای تولید صدای طبیعی و پر احساس در مکالمات هستش. برخلاف سیستم‌های گفتاری سنتی که فقط متن رو با لحن خنثی می‌خونن، CSM می‌تونه مکالمات واقعی‌تر ایجاد کنه و با توجه به زمینه گفتگو، لحن مناسب رو انتخاب کنه. ( باهاش ۶ دقیقه حرف زدم و حس کردم یه دوست انگلیسی‌زبانه... :)

از نظر فنی، این مدل از ترنسفورمرها برای یادگیری چندوجهی استفاده می‌کنه که تاریخچه مکالمه رو هم در نظر می‌گیره. برخلاف سیستم‌های قبلی که معمولاً دو مرحله‌ای هستن، CSM یک مدل تک‌مرحله‌ای هستش که کارایی و بیان احساسات رو بهبود می‌ده.

ساختار مدل شامل دو ترنسفورمر هستش:
- یک بکبون چندوجهی که متن و صدا رو پردازش می‌کنه
- یک دیکودر صوتی که جزئیات ظریف صدا رو بازسازی می‌کنه

این مدل در سه اندازه (Tiny،‏ Small و Medium) ارائه شده که بزرگترین نسخه‌اش، بکبون 8 میلیارد پارامتری و دیکودر 300 میلیون پارامتری داره. در تست‌های ذهنی، وقتی مخاطبان بدون داشتن زمینه قبلی به صداها گوش می‌دادن، تفاوتی بین صدای انسان واقعی و صدای تولیدشده توسط CSM قائل نبودن، اما وقتی زمینه گفتگو هم ارائه می‌شد، صدای انسان واقعی رو ترجیح می‌دادن.

محدودیت‌های فعلی این مدل اینه که عمدتاً روی زبان انگلیسی آموزش دیده و هنوز نمی‌تونه به‌طور کامل از دینامیک‌های پیچیده مکالمات انسانی مثل نوبت‌گیری، مکث‌ها و ریتم محاوره تقلید کنه.

🔗 در Hugging Face
مرسی از دوستمون برای معرفی🩷
#معرفی #هوش_مصنوعی
~> @PinkOrca | آزاد بیندیشیم 🩷