https://www.sciencedirect.com/science/article/pii/S2590005626003826?via%3Dihub

⚠️از این به بعد، Claude  متن‌هاتون رو علامت‌گذاری می‌کنه. حتی اگه فقط ویرایش کرده باشین! داستان از این قراره که شرکت  Anthropic، همون سازنده‌ی Claude، رسماً اعلام کرده مدل‌هاش دیگه متن‌هایی که تولید می‌کنن رو با یه «واترمارک نامرئی» علامت گذاری می‌کنه.  این…⚠️از این به بعد، Claude  متن‌هاتون رو علامت‌گذاری می‌کنه. حتی اگه فقط ویرایش کرده باشین!داستان از این قراره که شرکت  Anthropic، همون سازنده‌ی Claude، رسماً اعلام کرده مدل‌هاش دیگه متن‌هایی که تولید می‌کنن رو بایه «واترمارک نامرئی» علامت گذاری می‌کنه.  این کار رو برای رعایت قوانین جدید شفافیتاتحادیه اروپا انجام دادن، اما نکته‌ی مهم اینه که این علامت‌گذاری فقط مال اروپانیست؛ جهانیه و همه‌جا اعمال می‌شه.▪️حالا دقیقاً چی می‌شه؟وقتی Claude براتون متن می‌نویسه، یه علامت ماشینی (watermark) خیلی ریز و نامرئی رو مستقیم توی خودِ متن جاسازیمیکنه.  شما با چشم نمی‌بینینش، معنای جمله رو خراب نمی‌کنه، کیفیتش هم همون‌طور می‌مونه. ولی وقتی کپی می‌کنین و جای دیگه پیست می‌کنین، این علامت همراهش میره. حتی بعضی وقتا بعد از ویرایش‌های سبک هم هنوز پابرجاست!🔺 برای فایل‌ها و عکس‌ها هم قضیه جداست. اونا رو با متادیتای امضاشده‌ی دیجیتال (استاندارد C2PA) نشونه‌دار می‌کنه تا معلوم بشه این فایل از زیر دست Claude رد شده.▪️ولی بخش واقعاً نگران‌کننده‌ش اینه:فرض کنین خودتون متن رو نوشتین و فقط دادین به Claude که یه کم ویرایش کنه، ترجمه‌ش کنه، خلاصه‌ش کنه یا نگارشش رو بهتر کنه. باز هم ممکنه خروجی نهایی این علامت رو داشته باشه. سیستم فقط می‌فهمه که «این متن از Claude عبور کرده»، نه اینکه لزوماً خودِ Claude نویسنده‌ی اصلیش بود.▪️شرکت Anthropic گفته قراره ابزار تشخیص این علامت‌ها رو در اختیار ناشرها، ژورنال‌های علمی، دانشگاه‌ها و پلتفرم‌ها بذاره. جزئیاتشهنوز نیومده، اما مسیر مشخصه: ردیابی محتواهایی که با هوش مصنوعی تولید یا پردازش شدن، داره خیلی راحت‌تر می‌شه.💡 این موضوع مخصوصاً برای دنیای دانشگاه و پژوهش مهمه. تصور کنین در آینده یه ژورنال یا دانشگاه بتونه علاوه بر ابزارهای تشخیص AI، بررسی کنه که آیا یه متن یا فایل ردپایی از تولید یا پردازش توسط یه مدل هوش مصنوعی داره یا نه.▪️دیگه فقط بحث این نیست که «آیا این متن شبیه نوشته‌ی AI هست؟» بلکه می‌شه پرسید: ؟ « این محتوا کجا و چطور تولید یا پردازش شده؟ » به این مفهوم می‌گن Content Provenance؛ یعنی منشأ و سابقه‌ی تولید محتوا.▪️البته Anthropic تأکید کرده که وجود این علامت به‌معنی اثبات صددرصدی «نویسندگی کامل توسط هوش مصنوعی» نیست و اگه متن رو حسابی بازنویسی کنین، ممکنه علامت ضعیف بشه یا از بین بره. ولی واقعیت اینه که عصر متن‌های کاملاً بدون ردپا، داره کم‌کم تموم می‌شه.🧐 شما چطور با این موضوع برخورد می‌کنین؟ اینو اقدام مثبتی برای شفافیت می‌دونین، یا محدودیتجدیدی برای استفاده‌ی آزاد از ابزارهای هوش مصنوعی؟نظرتون رو بگین.📚 مطالعه بیشتر:🔗 راهنمای رسمی Anthropic درباره نحوه علامت‌گذاری محتوای Claude:How Claude marks AI-generated contentPiko 🐾🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی@onlinebme

⚠️از این به بعد، Claude  متن‌هاتون رو علامت‌گذاری می‌کنه. حتی اگه فقط ویرایش کرده باشین!داستان از این قراره که شرکت  Anthropic، همون سازنده‌ی Claude، رسماً اعلام کرده مدل‌هاش دیگه متن‌هایی که تولید می‌کنن رو بایه «واترمارک نامرئی» علامت گذاری می‌کنه.  این کار رو برای رعایت قوانین جدید شفافیتاتحادیه اروپا انجام دادن، اما نکته‌ی مهم اینه که این علامت‌گذاری فقط مال اروپانیست؛ جهانیه و همه‌جا اعمال می‌شه.@onlinebme

📱 گوشی شما زمان رو دو بار ازتون می‌دزده! ⏳ بار اول، همان لحظه: چون متوجه نمیشیم چقدر زمان گذشته. 🧠 بار دوم، در حافظه: چون وقتی به عقب نگاه می‌کنیم، چیز مشخصی برای چسبیدن به آن یک ساعت نداریم. و حتی عجیب‌تر... @onlinebme📱 گوشی شما زمان رو دو بار ازتون می‌دزده!فرض کنید صبح گوشی رو فقط برای چک کردن یه پیام برمیدارید...یه ویدئو می‌بینید، بعد یکی دیگه، یه خبر، یه پست، یه استوری...سرتون رو که بلند می‌کنید، می‌بینید یک ساعت گذشته! 😐حالا از خودتون می‌پرسید: «من توی این یک ساعت دقیقاً چی کار کردم؟»و عجیب اینجاست که خیلی وقت‌ها جواب مشخصی ندارید. همه‌چیز یه جور مبهمه.🔺این فقط یه حس شخصی نیست.🔬پژوهش‌ها درباره ادراک زمان و رسانه‌های دیجیتال نشون میدن که وقتی شدیداً درگیر محتوای دیجیتال می‌شیم، توجه ما مدام از یک محرک به محرک بعدی منتقل می‌شه. مغز برای دنبال کردن این جریان بی‌پایان محتوا انرژی و توجه زیادی مصرف می‌کنه و در نتیجه، توجه کمتری برای دنبال کردن گذر زمان باقی می‌مونه.یعنی یک ساعت واقعاً سریع‌تر نگذشته؛ ما فقط کمتر متوجه گذشتنش شدیم.حتی جالب‌تر اینکه در یک مطالعه، وقتی افراد خودشان محتوای بعدی را انتخاب می‌کردند، کم‌برآورد کردن زمان شدیدتر از زمانی بود که فقط همان محتوا را به ‌صورت منفعلانه تماشا می‌کردند.اما قسمت عجیب‌تر ماجرا بعداً اتفاق می‌افته!شب که میشه و میخواید روزتون رو مرور کنید، مغز برای ساختن یک تصویر از گذشته به نقاط عطف حافظه تکیه میکنه.·▪️ یه گفت‌وگوی خوب·▪️ یه پیاده ‌روی·▪️ یه غذای خوب با دوستتون·▪️ یه اتفاق جالباین‌ها تبدیل میشن به لنگرهایی که روزمون رو در حافظه نگه میدارن.اما یک ساعت اسکرول کردن چی؟ده‌ها و شاید صدها محتوای کاملاً متفاوت...خبر، طنز، تبلیغ، گربه، ورزش، سیاست، یک ویدئو، یک دستور غذا...آنقدر متنوع و پراکنده که در نهایت ممکنه هیچ‌کدوم تبدیل به یک خاطره مشخص نشن.و اینجاست که گوشی میتونه زمان رو دو بار از ما بدزده:⏳ بار اول، همان لحظه: چون متوجه نمیشیم چقدر زمان گذشته.🧠 بار دوم، در حافظه: چون وقتی به عقب نگاه می‌کنیم، چیز مشخصی برای چسبیدن به آن یک ساعت نداریم.و حتی عجیب‌تر...گاهی لازم نیست اصلاً گوشی رو دستتون گرفته باشید.برخی پژوهش‌ها نشون داده‌اند که صرف حضور گوشی هوشمند روی میز، حتی وقتی خاموش و صفحه‌اش رو به پایینه، می‌تونه با عملکرد توجه تداخل داشته باشه.اما شاید مهم‌ترین بخش این داستان این باشه:🧠 ما لزوماً خاطرات کمتری پیدا نمی‌کنیم؛ داریم خاطرات کم‌رنگ‌تری می‌سازیم.هر روز حجم بسیار زیادی از محتوای دیجیتال وارد زندگی ما میشه. تجربه‌های زیادی داریم، اما بخش زیادی از آن‌ها ممکنه هیچ وقت به یک «نقطه عطف» در حافظه تبدیل نشن.💡خبر خوب؟ این اتفاق قابل تغییر دادنه.شاید گاهی گوشی رو بذاریم توی اتاق دیگه.گاهی چند ساعت بدون صفحه‌ نمایش داشته باشیم.و شاید از همه مهم‌تر، به جای اینکه همیشه دنبال محتوای بیشتر باشیم، کمی بیشتر در همان چیزی که داریم تجربه می‌کنیم بمانیم.چون شاید مشکل این نباشه که زندگی‌مون اتفاقات کمی داره.شاید فقط باید به مغزمون فرصت بدیم اتفاقات مهم رو ثبت کنه...📚 مطالعه بیشتر:msense.de/posts/your-phone-steals-time-tw… 🐾🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی@onlinebme

📱 گوشی شما زمان رو دو بار ازتون می‌دزده!⏳ بار اول، همان لحظه: چون متوجه نمیشیم چقدر زمان گذشته.🧠 بار دوم، در حافظه: چون وقتی به عقب نگاه می‌کنیم، چیز مشخصی برای چسبیدن به آن یک ساعت نداریم.و حتی عجیب‌تر...@onlinebme

سلام اقای دکتر وقتتون بخیر مقاله من هم چاپ شد خواستم ازتون تشکر کنم راهنمایی ها و دوره های شما نبود من هیچوقت نمیتونست این مسیر رو شروع کنم.یه دنیا تشکر برای لطف و محبتتون

این پژوهش یک مدل یادگیری عمیق ترکیبی با نام ResSPNet برای احراز هویت افراد بر اساس سیگنال‌های EEG ارائه می‌کند. در این مدل، شبکه  SPCNN ویژگی‌های زمانی و مکانی سیگنال خام EEG را استخراج می‌کند و شبکه ResNet-101 نیز ویژگی‌های فرکانسی را از تصاویر طیف‌نگار حاصل از تبدیل STFT یاد می‌گیرد. سپس این ویژگی‌ها با یکدیگر ترکیب می‌شوند تا فرایند احراز هویت با دقت و اطمینان بیشتری انجام شود.برای افزایش کاربردپذیری سیستم، تعداد کانال‌های EEG از ۲۲ کانال به ۶ کانال کاهش یافته است. مدل با ۲۲ کانال به F-score  برابر با ۹۸٫۸ درصد و با ۶ کانال منتخب به ۹۶٫۱ درصد رسید؛ بنابراین، با افت اندک عملکرد، پیچیدگی و هزینه سیستم کاهش یافت.