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

این ویدیو برای افرادی که قصد دارن در آینده در اکوسیستم مایکروسافت، سرویس های هوش مصنوعی ارائه بدن، بسیار مهم هست. ( یا در حال حاضر ارائه می دن)


👉 @ai_python ✍️

مواردی که پوشش داده شده :
💬 Agent Factory

💭 Model Router

💬 Microsof Defender for AI Services

https://youtu.be/a0byEIaDi8U?si=7f91KCQJucqzVUuj