تست‌نویسی در جاوا اسکریپت: از Unit Test تا Integration Test با Jest

/در /توسط

مقدمه

تست‌نویسی یکی از مهم‌ترین بخش‌های توسعه نرم‌افزار است که به بررسی صحت عملکرد کد و اطمینان از عملکرد صحیح آن کمک می‌کند. در این مقاله، به تست‌نویسی در جاوا اسکریپت با استفاده از Jest می‌پردازیم. Jest یک فریم‌ورک تست جاوا اسکریپت قدرتمند است که تمرکز بر روی سه نوع تست Unit، Integration و End-to-End دارد. در ادامه به بررسی هر یک از این انواع تست می‌پردازیم.

Unit Test

در تست‌های Unit، هدف این است که هر بخش کوچکی از کد به صورت جداگانه تست شود تا اطمینان حاصل شود که به درستی عمل می‌کند. برای نوشتن یک Unit Test با Jest، می‌توانید از تابع test() استفاده کنید.


test('adds 1 + 2 to equal 3', () => {
  expect(sum(1, 2)).toBe(3);
});

Integration Test

تست‌های Integration بررسی می‌کنند که چگونه قسمت‌های مختلف کد با یکدیگر تعامل می‌کنند. برای انجام تست‌های Integration با Jest، می‌توانید از توابع beforeEach() و afterEach() برای تنظیم و پاکسازی محیط تست استفاده کنید.


beforeEach(() => {
  // setup
});

afterEach(() => {
  // teardown
});

End-to-End Test

تست‌های End-to-End به بررسی عملکرد کلی سیستم از آغاز تا انتها می‌پردازند. برای انجام این نوع تست، می‌توانید از ابزارهایی مانند Selenium یا Cypress استفاده کنید.

نتیجه‌گیری

در این مقاله به بررسی تست‌نویسی در جاوا اسکریپت از Unit Test تا Integration Test با Jest پرداختیم. استفاده از این فریم‌ورک تست نه تنها به بهبود کیفیت کد شما کمک می‌کند، بلکه زمان و هزینه توسعه نرم‌افزار را نیز کاهش می‌دهد.

تحریر خلاقیت‌تان را با مدل‌ها و ابزارهای جدید رسانه‌ای تولیدی بالا ببرید

/در /توسط

امروز با معرفی مدل‌های جدید رسانه‌ای تولیدی خود، اعلامیه‌ی چند برتری مهم انجام می‌دهیم. این مدل‌ها تصاویر، ویدیوها و موسیقی‌های دلنشینی را ایجاد می‌کنند و هنرمندان را قادر می‌سازند تا تئوری خلاق خود را به واقعیت بپیوندانند. همچنین این مدل‌ها ابزارهای فوق‌العاده‌ای برای همه فراهم می‌کنند تا خود را بیان کنند.

Veo 3: ویدیو، با صدا آشنا شوید

مدل تولید ویدیوی بسیار پیشرفته‌ی ما، Veo 3، نه تنها کیفیت Veo 2 را بهبود می‌بخشد، بلکه برای اولین بار، می‌تواند ویدیوها به همراه صدا ایجاد کند. از صداهای ترافیک در پس‌زمینه‌ی صحنه‌های خیابانی شهر، آواز پرندگان در یک پارک، حتی گفتگوی بین شخصیت‌ها.

Veo 2 Updates: قابلیت‌های جدید ساخته شده با و برای سازنده‌گان فیلم

همانطور که به Veo 3 پیش می‌رویم، قابلیت‌های جدیدی را هم به مدل محبوب Veo 2 اضافه کرده‌ایم که با همکاری با سازندگان و فیلم‌سازان به آن وارد شده‌اند.

Flow: یک ابزار ساخت فیلم هوش مصنوعی طراحی شده برای Veo

Flow یک ابزار ساخت فیلم هوش مصنوعی است که به شما امکان می‌دهد به طور یکپارچه کلیپ‌ها، صحنه‌ها و داستان‌های سینمایی را ایجاد کنید. از طریق استفاده از زبان طبیعی برای توصیف ضربات خود به Flow، مواد اولیه داستان خود را مدیریت نمایید و از Flow برای پیوستن داستان خود به صحنه‌های زیبا بهره ببرید.

Imagen 4: کیفیت خیره‌کننده و تایپوگرافی برتر

مدل Imagen4 ما که آخرین نسخه‌ی آن است، سرعت با دقت را ترکیب می‌کند تا تصاویر خیره‌کننده‌ای ایجاد کند. این مدل دارای وضوح قابل توجه در جزئیات فریبنده، مانند بافت‌های دقیق، قطرات آب و موهای حیوانات، و در دو سبک پویا و واقع‌گرایانه برای ایجاد تصاویر بیشترین کیفیت است.

Lyria 2: ترکیب قدرتمند و کاوش بی‌پایان

در ماه آوریل، دسترسی به Music AI Sandbox که توسط Lyria 2 تغذیه می‌شود، گسترش یافت. Music AI Sandbox به موسیقی‌دانان، تهیه‌کنندگان و آهنگسازان مجموعه‌ای از ابزارهای آزمایشی ارائه می‌دهد که ممکن است ایده‌های خلاق جدیدی را شرارت دهد و به هنرمندان کمک کند تا ایده‌های موسیقی خاص خود را کاوش نمایند.

خلق و همکاری مسئولانه با جامعه خلاق

از زمان راه‌اندازی در سال 2023، SynthID بیش از 10 میلیارد تصویر، ویدیو، فایل صوتی و متن را آب‌نشانه‌گذاری کرده، به کمک بر شناسایی آن‌ها به عنوان تولید‌شده‌ی هوش مصنوعی و کاهش احتمال اطلاعات اشتباه و اشتباه‌نشانی کمک کرده است.

نتیجه‌گیری:
مدل‌های رسانه‌ای تولیدی جدید اعلام شده توسط Google، امکانات و قابلیت‌های بسیار پیشرفته‌ای برای هنرمندان و خالقان به وجود آورده است. از امکان آهنگسازی توسط Lyria 2 تا ابزارهای ساخت فیلم هوش مصنوعی مانند Flow، این مدل‌ها امکانات هیجان‌انگیزی برای ایجاد ایده‌ها و داستان‌های خلاقانه فراهم می‌کنند. همچنین، توجه به مسئولیت اجتماعی و همکاری با جامعه خلاق در توسعه این مدل‌ها از اهمیت بسزایی برخوردار است.

منبع:
این مقاله در اصل در https://blog.google/technology/ai/generative-media-models-io-2025/ منتشر شده است.

گسترش پیش‌بینی سیل‌های مبتنی بر یادگیری ماشین

/در /توسط

آغاز ابتکار پیش‌بینی سیل

در سال 2018، ما ابتکار پیش‌بینی سیل خود را آغاز کردیم تا با ارائه هشدارهای دقیق و دقیق به آنهایی که در معرض خطر قرار دارند، به مبارزه با خسارت‌های ویرانگر از سیل‌ها هر سال کمک کنیم. این کار یک بخش از برنامه بحرانی پاسخ گوگل است که به افراد دسترسی به اطلاعات معتبر و منابع در لحظات حیاتی فراهم می‌کند. برای بیش از دهه، تیم پاسخگویی به بحران ما با کارگران جبهه و اورژانس همکاری کرده و فناوری و برنامه‌هایی توسعه داده است که به مردم کمک می‌کند که در امان، آگاه و در ایمنی باشند.

گسترش دسترسی به پیش‌بینی ما

در سه سال اول، ما برنامه خود را گسترش دادیم تا بیشتر از هند و بنگلادش را پوشش دهیم، با همکاری با کمیسیون مرکزی آب هند و هیئت توسعه آب بنگلادش، مناطقی با حدود ۲۲۰ میلیون نفر را پوشش دادیم و ۴۰ میلیون هشداری که ممکن است جانباز باشند فرستادیم. و در سال ۲۰۲۱، سیستم‌های عملیاتی ما بیشتر گسترش یافت تا منطقه‌ای با بیش از ۳۶۰ میلیون نفر را پوشش دهد. با تکنولوژی بهتر پیش‌بینی سیل، بیش از ۱۱۵ میلیون هشدار ارسال کردیم — که تقریباً سه برابر مقداری است که قبلاً ارسال می‌کردیم.

اهداف پیش‌بینی‌های سیل

هدف ما این است که هشدارها را بیشتر محلی، قابل دسترس، قابل اقدام و دقیق کنیم — اطلاعات بیشتری که ما می‌توانیم در مورد سیل‌های آتی ارائه کنیم، بهتر است که تصمیمات به موقع‌تری را افراد بتوانند بگیرند. بیشتر هشدارهای جهانی سیل فقط اطلاعاتی را در مورد اینکه چقدر رودخانه خواهد افزایش داد (برای مثال ۳۰ سانتیمتر) ارائه می‌دهد که این همیشه به معنای این نیست که افراد بدانند این برای آنها و روستایشان چه معناست. هشدارهای سیل ما نقشه‌های غرق‌آبی را نشان می‌دهند که میزان و عمق سیل را درست روی نقشه‌های گوگل نمایش می‌دهد، بنابراین افراد می‌توانند این اطلاعات حیاتی را به راحتی بیشتری تصویر کنند. مدل غوغای جدید ما و پیشرفت‌هایی در تمام مدل‌ها به ما امکان می‌دهد تا به طور قابل ملاحظه‌ای بزرگ شویم و این اطلاعات را به تعداد بیشتری از افراد ارائه دهیم (و ما نزودی بیشتر در مورد این تکنولوژی اطلاعات را به اشتراک خواهیم گذاشت).

مرکز سیل گوگل

تازه به تازگی به نام “مرکز سیل گوگل” راه‌اندازی کرده‌ایم تا این اطلاعات سیل را به صورت بیشتر محلی‌تر کنیم. این به شما امکان می‌دهد که به نقشه‌های غرق‌آبی ما بزرگنمایی کنید که شامل اطلاعات در مورد همان سیل هستند، و بر روی مناطق بسیار خاص مانند روستا تمرکز یابید. این مرکز سیل اطلاعات همان عمق و میزان سیل در یک فرمت بصری‌تری ارائه می‌دهد که به مردم کمک می‌کند تا به طور فوری وضعیت فعلی و پیش‌بینی‌شده سیل را در منطقه‌شان درک کنند. این وب‌سایت منبع اصلی ما برای اطلاعات پیش‌بینی محلی و بصری است.

همکاری با سازمان‌های محلی

همچنین با چندین سازمان کمک محلی مانند فدراسیون جمعیت هلال احمر و صلیب سرخ، جمعیت هلال احمر هند و جمعیت هلال سرخ بنگلادش و یوگانتر همکاری کرده‌ایم تا حتی به افرادی که دسترسی به تلفن‌همراه یا اینترنت ندارند، هشدارها را برسانیم. ما به طور نزدیک با تیم‌های محلی این سازمان‌ها کار کردیم که بین روستاها سفر کردند تا بومیان را آموزش دهند. آموزش شامل توضیحات عمیق‌تر در مورد اینکه چگونه هشدارهای گوگل و نقشه‌های سیل را بخوانند، و همچنین چطور باید عمل کنند و دیگران را پس از صدور هشدار آگاه کنند.

نظر متخصص و نکات کلیدی

این توسعه در حوزه پیش‌بینی سیل مبتنی بر یادگیری ماشین به گوگل کمک می‌کند تا به جوامع در معرض خطر اطلاعات لازم را در زمان مناسب ارائه دهد و بتواند مردم را در برابر خطرات به روز اطلاع‌رسانی نماید. این اقدامات می‌تواند در کاهش خسارات ناشی از سیل‌ها و حفظ امنیت و سلامت جامعه تأثیر گذار باشد. اهداف توسعه‌یافته این برنامه شامل افزایش دسترسی به اطلاعات پیشگیری شده، بیشتر کردن دقت و واکنش‌پذیری هشدارها و تشویق به تصمیم‌گیری‌های به وقت و مؤثر تر است.

منبع:
این مقاله در اصل در https://blog.google/technology/ai/expanding-our-ml-based-flood-forecasting/ منتشر شده است.

پردازش هوش مصنوعی و آینده رهبری علمی

/در /توسط

توانایی‌های هوش مصنوعی در پیشران علم

امروزه پیشرفت‌های فراوانی که توسط هوش مصنوعی فراهم شده است، پیشرفت‌های سلسله‌مراتبی را در زمینه زیست‌شناسی فراهم می‌کند، علم را تحول می‌دهد و جاده‌های ما را ایمن‌تر می‌کند. با این حال، این تنها آغاز است. اگر به طور کامل از این فرصت بهره‌مند شویم، می‌توانیم دوره‌ای جدید از کشف را آغاز کنیم – علم را قادر می‌سازیم تا محققان در زمینه‌های مختلف، مسائلی که قبلاً به غیرقابل حل فکر می‌شدند را به سرعتی که قبلاً غیرممکن می‌نمود احل کنند.

فرصت پیشرفت علم در دوران هوش مصنوعی

هوش مصنوعی قبلاً شروع به فراهم آوردن پیشرفت‌های مهم در علم کرده است – با بسیاری دیگر که در انتظار هستند. این دستگاه، چگونگی اجرای تحقیقات علمی را تغییر داده، فرآیند علمی را به طور چشمگیری شتاب‌بخشی کرده (گاهی اوقات صدها یا حتی هزاران سال تجربه و تحقیق سنتی را به چند ماه یا روز فشرده کرده) و این برای محققان امکان می‌دهد تا به نحوه‌های جدیدی از نگاه کردن به چندین چیز به طور همزمان مشهود شود. هوش مصنوعی همچنین موجب می‌شود که تعداد بیشتری از افراد برای مشارکت در تحقیقات قادر باشند.

دستورالعمل‌های سیاستی برای ساخت آینده علم با هوش مصنوعی

برای استفاده از کامل این پتانسیل بزرگ هوش مصنوعی در علم نیازمند بیشتر از شکستن‌های فناوری، استفاده از یک تلاش مشترک برای ساخت پایه‌های توسعه پایدار است.

زیرساخت – افزایش دسترسی به زیرساخت هوش مصنوعی

بیشتر محققان نیاز به آموزش مدل‌های بزرگ هوش مصنوعی خود ندارند، اما نیاز به دسترسی به منابع جهت تنظیم مدل‌های بزرگ، ایجاد شبیه‌سازی برای تولید داده با کیفیت بالا و آموزش مدل‌های کوچک‌تر هوش مصنوعی بر روی داده‌های تخصصی خود دارند. بدون زیرساخت تشکیل شده برای تحقیقات و توسعه علمی قدرت گرفته از هوش مصنوعی، آن‌ها باید انرژی خود را به هماهنگی منابع محاسباتی، داده و دسترسی به مدل و تسلط بر ابزارهای هوش مصنوعی اختصاص دهند که همه این موارد از فعالیت‌های تحقیقاتی اصلی آن‌ها منحرف می‌کند. به همین دلیل، ضروری است که دولت‌ها زیرساخت‌های لازم را برای ایجاد ابزارهای تحقیقات و منابع هوش مصنوعی برای بیشتر محققان در بیشتر نقاط جهان دسترسی‌پذیرتر کنند. آن‌ها می‌توانند این کار را با ایجاد مراکز ملی منابع هوش مصنوعی برای علوم، مشابه مفهوم مرکز ملی تحقیقات هوش مصنوعی ایالات متحده
(NAIRR)
، که متخصصان هوش مصنوعی برای تحقیقات هوش مصنوعی مصون پر، کیفیت بالا، نرم‌افزار و منابع آموزشی دسترسی‌پذیر می‌کند.

سرمایه گذاری – سرمایه گذاری در علم هوش مصنوعی

کشف‌های علمی نوآورانه معمولاً نیازمند تعهد بلندمدت و سرمایه‌گذاری پافشارانه هستند. در طول سال‌ها، تأمین اعتبار دولتی نقش کلیدی در پشتیبانی از تلاش‌های تحقیقات پایه جسور، تشویق به همکاری میان دانشگاه، صنعت و بخش دولتی، و جذب سرمایه‌گذاری‌های خصوصی اضافی (خارجی یا داخلی) ایفا کرده است. دولت‌ها باید فهرستی از حوزه‌های اولویت‌بندی شده ایجاد کرده و تمرکز اعتبارات خود را به این حوزه‌ها هدایت کنند و همکاری تحقیقی را از طریق چالش‌های عمومی به منظور حل مسائل فوری تشویق کنند. شراکت‌ها و الگوهای جدید پولی از طریق دولت و خصوصی می‌توانند نقش مهمی در تشویق به توسعه یک جامعه فعال و ساخت یک استعداد قوی در علمی و مهندسی ایفا کنند.

نوآوری – پیاده‌سازی چارچوب‌های حقوقی موافق علم و نوآوری

با رقابت هوش مصنوعی جهانی در حال شتاب می‌گیرد، ما باید نوآوری را حمایت کنیم در حالی که چارچوب‌های برنامه‌ریزی برای استفاده‌های بالقوه با خطر شناخته شوند. عدم اطمینان نظارتی نهال گذاری نوآوری را کاهش می‌دهد و موانعی برای محققان و سرمایه‌گذاران خصوصی ایجاد می‌کند. برای پاسخگویی به این مشکل، دولت‌ها باید چارچوب‌های تنظیمی موافق نوآوری را ایجاد کنند که حمایت از استفاده رشدآور و معقول داده‌ها، چارچوب حقوق تنوع‌پذیر، و قوانین هماهنگ حریم خصوصی داشته باشند. سیاست‌های تجاری باید پشتیبانی از جریانات داده ترانس‌مرزی را ارائه دهند، تنوع داده مورد نیاز برای کشف‌های هوش مصنوعی را افزایش دهند.

نتیجه‌گیری

با وجود چالش‌های زیادی که برای حل توسط هوش مصنوعی وجود دارد – و راه‌های بسیاری برای کشورها برای همکاری با یکدیگر در ترویج پیشرفت‌های مهم ایجاد می‌شود. با چارچوب‌های سیاستی و سرمایه‌گذاری مناسب، دولت‌ها می‌توانند با پاک‌کردن مسیر برای محققان، موجب ادامه به پیروزی‌هایی می‌شوند که به سرمایه‌گذاری در آینده روشن تر برای مردم در همه‌جاست.

نکات کلیدی:
– هوش مصنوعی قادر است به پیشرفت‌های چشمگیر در علم دست یابد
– نیاز به چارچوب‌های سیاستی و سرمایه‌گذاری مناسب برای تسریع در پیشرفت علمی با استفاده از هوش مصنوعی است
– همکاری میان کشورها ضروری است برای ایجاد پیشرفت‌های مهم در علم گام با استفاده از هوش مصنوعی

منبع:
این مقاله در اصل در https://blog.google/technology/ai/ai-future-of-scientific-leadership/ منتشر شده است.

ویژگی‌های پیشرفته Flood Hub برای سازمان‌های کمکی و دولت‌ها

/در /توسط

ویژگی‌های پیشرفته Flood Hub برای سازمان‌های کمکی و دولت‌ها

در تاریخ 18 فوریه 2025، از ویژگی‌های پیشرفته جدید Flood Hub برای متخصصان سیل‌ها از جمله نقشه تاریخچه غرقابی و نمای حوضه‌ای استفاده خواهد شد. همچنین این پلتفرم همکاری با سازمان‌های بین‌المللی کمکی مانند Give Directly و شورای نجات بین‌المللی است تا افراد در جوامع تحت تاثیر سیل را حمایت کند.

اهمیت آبگیر گرانده

سیلاب‌ها به جوامع جهانی آسیب می‌رسانند و بسیاری در حال پیگیری پیشرفت‌های بر پایه هوش مصنوعی جهت پیش‌بینی سیل، که امکان تشخیص و پاسخ سریع‌تر و کارآمدتر را فراهم می‌کند، هستند. در چند سال گذشته، Google Research بر روی بهره‌برداری از مدل‌سازی هوش مصنوعی و تصاویر ماهواره ارکانیوس برای شتاب بخشیدن به قابلیت اعتماد بالاتر پیش‌بینی سیل از طریق همکاری با شرکا برای گسترش پوشش برای افراد در جوامع آسیب‌پذیر سراسر جهان تمرکز کرده است.

ویژگی‌های جدید Flood Hub

امروز، ما ویژگی‌های جدید پیشرفته را در Flood Hub معرفی کرده‌ایم که باعث می‌شود متخصصان بتوانند خطر سیل را در یک منطقه داده‌شده از طریق نقشه‌های تاریخ غرقابی درک کنند و بفهمند که چگونه یک پیش‌بینی سیل داده‌شده بر روی Flood Hub ممکن است در یک حوضه رودخانه گسترش پیدا کند. با تصاویر تاریخ غرقابی، کاربران حرفه‌ای Flood Hub می‌توانند مناطق خطر سیل را در روی نقشه با رزولوشن بالا ببینند بدون توجه به یک حادثه سیل فعلی. این برای مواردی مفید است که پیش‌بینی سیل ما شامل نقشه‌های غرقابی لحظه‌ای نباشد یا برای برنامه‌ریزی پیش از کار کمک‌های انساندوستانه.

نقش جدید آلات در Flood Hub

به‌روزرسانی‌های جدید در Flood Hub بیشتر امکاناتی را برای متخصصان سیل در سازمان‌های کمکی، دولت‌ها و گروه‌های تحقیقاتی فراهم می‌کند. به عنوان مثال، یک پنل لایه‌های جدید به کاربران این امکان را می‌دهد که لایه‌های مختلفی را به نقشه اضافه و حذف کنند، امکان می‌دهد هر یک از لایه‌ها را به طور جداگانه بهتر درک کنند، چرا که اطلاعات بیشتری در Flood Hub در دسترس قرار گرفته است. پنل گیج بهبود یافته و راهنمای به‌روز مرکز Flood Hub، توضیحات دقیقی از ویژگی‌ها و توانایی‌های Flood Hub را ارائه می‌دهد، شامل اطلاعات درباره مدل‌های مختلف سیل معرفی شده در اینجا.

پشتیبانی از کمک‌های هوش مصنوعی برای کمک به سیل‌زدگان

ابزارهای پیش‌بینی سیل ما مانند Flood Hub، Floods API و مجموعه داده‌های تاریخی به‌طور اختصاصی طراحی شده‌اند تا از سازمان‌های کمکی، دولتی و تحقیقاتی که می‌توانند از اطلاعات دقیق و بازه زمانی طولانی برای پیش‌بینی سیل استفاده کنند، حمایت کنند. یکی از دلایلی که ما بر روی همکاری با این گروه‌ها تمرکز داریم این است که آن‌ها سیستم‌های عملی را برای ارسال هشدارهای پیشرفته و کمک‌های پیشگیرانه دارند. در طول سال 2024، ما نتایج این تلاش‌ها را از نزدیک از طریق همکاری با Give Directly و سازمان نجات بین‌المللی (IRC) در نیجریه و بنگلادش دیدیم. این همکاری اجازه می‌دهد تا سازمان‌های کمکی از تکنولوژی ما در پاسخ‌شان استفاده کنند و به جوامع کمک کنند تا در برابر سیل‌های آینده مقاوم‌تر شوند.

پشتیبانی از کمک‌های نقدی مبتنی بر هوش مصنوعی در نیجریه

قبلاً پیشرفت‌های ما در همکاری‌های بین‌المللی که از هوش مصنوعی برای آمادگی در مقابل سیل بهره می‌برند، را به اشتراک گذاشتیم. در ژوئن 2024، Google.org تامین‌کننده کمک به Give Directly و شورای نجات بین‌المللی شد تا به ۷،۵۰۰ نفر در نیجریه کمک‌های پولی ارسال کند. GiveDirectly در ایالت کوگی در رود نیجر و IRC در رود بنوه در شرق نیجریه فعالیت می‌کند. GiveDirectly از Flood API گوگل همراه با سیستم‌های اقدام پیشنهادی خود برای دریافت هشدارهای خاص روستاها استفاده کرد و انتقالات پولی را آغاز کرد.

حمایت از خانواده‌های درگیر در بنگلادش

در بنگلادش، جایی که حوضه رودخانه جامونا از سیل مرگبار سالانه رنج می‌برد، GiveDirectly از Flood Hub گوگل برای اجرای عملیات پیش‌بینی‌های مبتنی بر هوش مصنوعی استفاده کرد. قبل از فصل سیل که در امسال ژوئیه اتفاق افتاد، خانواده‌ها در مناطق با خطر بالا پول‌های انتقالی دریافت کردند، که این امر امکان خرید اساسیات و حفاظت از مالکیت‌های خود را فراهم می‌کند.

نگاه به آینده

با گسترش پوشش Flood Hub و بهبود عملکرد آن، ما به توسعه ابزارهای جدید که آمادگی، واکنش و بازیابی در مقابل سیل را در سراسر جهان تقویت می‌کند، متعهد باقی می‌مانیم. هدف ما این است که به سازمان‌های بین‌المللی اجازه دهیم به سرعت عمل کنند و به تقویت امنیت جوامع محلی در برابر بحران‌های اقلیمی کمک کنیم.

نظر کارشناسی و نکات کلیدی

این تلاش‌های همکاری در استفاده از فن آوری برای پیش‌آگهی سیل و رسیدگی به آن نشان می‌دهد که چگونه هوش مصنوعی می‌تواند در کاهش خسارات ناشی از حوادث طبیعی موثر باشد. با اطلاع قبل از وقوع حادثه، خانواده‌ها می‌توانند آماده‌تر باشند و هزینه‌های واکنش به حادثه را کاهش دهند.این همکاری‌ها نشان می‌دهند که تسلط به فناوری و هوش مصنوعی می‌تواند ارزشمند باشد و به کمک جوامع در مواجهه با چالش‌های زمانه کمک کند.

منبع:
این مقاله در اصل در https://blog.google/technology/ai/advanced-flood-hub-features-for-aid-organizations-and-governments/ منتشر شده است.

به روزرسانی‌ها و اخبار رسمی هوش مصنوعی گوگل | وبلاگ گوگل

/در /توسط

گوگل دیپ‌مایند

در مراسم I/O سال 2025، به روزرسانی‌های مدل‌های Gemini 2.5 و Deep Think از نسخه 2.5 Pro را به اشتراک گذاشتیم. Gemini 2.5 از هوش مصنوعی پیشرفته‌تری برخوردار شده است.

اپلیکیشن Gemini

اپلیکیشن Gemini به نسخه‌های شخصی‌تر، فعال‌تر و قدرتمندتری دست یافته است. حالا می‌توانید تصاویر خود را مستقیماً در اپلیکیشن Gemini آپلود و ویرایش کنید. همچنین Gemini Advanced برای دانشجویان با اشتراک Google One AI Premium رایگان است.

تحقیقات

گوگل بیم: پلتفرم ارتباطی ویدیویی ۳D با هوش مصنوعی
چگونگی استفاده از هوش مصنوعی برای انجام تحقیقات علمی با منافع بیشتر در جهان واقعی
جشن یک روز کوانتومی جهان را با این دودل جذاب جشن بگیرید

توسعه‌دهندگان

برجسته‌های صحنه‌های دیالوگ در I/O 2025
ساخت با هوش مصنوعی: برجسته‌هایی برای توسعه‌دهندگان در Google I/O
کدزنی با Gemini تنها بهتر شده است

تمامی آخرین اخبار

پس از بررسی این خبرها و به‌روزآوری‌های اخیر از سوی گوگل در حوزه هوش مصنوعی، می‌توانیم ببینیم که گوگل به سرعت در حال پیشرفت و بهبود محصولات و خدمات هوش مصنوعی خود برای همه‌ی کاربران است. از به‌روزرسانی‌های Gemini 2.5 و اپلیکیشن Gemini تا پلتفرم‌های تحقیقاتی و پشتیبانی از توسعه‌دهندگان، گوگل تلاش می‌کند تا هوش مصنوعی را به افراد همه‌ی زمینه‌ها دسترسی‌پذیر کند و زندگی آن‌ها را ساده‌تر و بهتر کند.

نظر خودم

به نظر من، پیشرفت‌های گوگل در حوزه هوش مصنوعی بسیار جالب و حیرت‌انگیز است. این شرکت به وضوح در راهی قدرتمند برای فعالیت‌های مختلف و کاربردهای متنوع هوش مصنوعی قرار گرفته است و با ارائه راه‌کارها و محصولات جدید، توانایی ارتقاء تجربه کاربران را تقویت می‌کند.

منبع:
این مقاله در اصل در http://blog.google/technology/ai/ منتشر شده است.

تبلیغات شخصی‌سازی شده: محرک رشد و رقابت‌پذیری کسب‌وکارهای اروپایی

/در /توسط

نقش بحرانی تبلیغات دیجیتال شخصی‌سازی در رشد اقتصادی و رقابت‌پذیری

در یک تحقیق جدید که توسط مرکز سیاست اطلاعاتی رهبری (CIPL) بر اساس تحقیقات انجام شده توسط Public First و تامین شده توسط Google درآورده شده است، 86٪ از شرکت‌های کوچک و متوسط ​​در اتحادیه اروپا می‌گویند که رشد کسب‌وکار از تبلیغات دیجیتال شخصی‌سازی می‌آید.

حمایت از رقابت‌پذیری کسب‌وکارهای کوچک

شرکت‌های کوچک و متوسط بر تبلیغات شخصی سازی شده تکیه می کنند تا به مخاطبین خاصی دست یابند، به بازارهای جدیدی گسترش یابند و به صورت مؤثر رقابت کنند. بیش از سه چهارم (76٪) شرکت‌های کوچک و متوسط ​​در اتحادیه اروپا موافقت می‌کنند که تبلیغات شخصی‌سازی به آن‌ها اجازه می دهد با شرکت‌های بزرگ رقابت کنند.

در حال حاضر، تحقیقات نشان می دهد که شرکت Raus با استفاده از کمپین‌های Google که توسط هوش مصنوعی ارائه شده‌اند، توانست با استفاده کم تمامیتی جدید را فراهم کند و با بودجه محدود به میهمانان جدید پتانسیل دسترسی یابد.

حمایت از انتشاردهندگان

تبلیغات شخصی‌سازی شده همچنین به حفظ دسترسی آزاد به محتوا برای کاربران کمک می کند و از انتشاردهندگان هر اندازه‌ای که فضای تبلیغاتی را بر روی وب‌سایت‌های خود می فروشند حمایت می کند.

پیشنهادات خبرگانه

با توجه به گزارش CIPL، مشکلات ناخواسته نیز وجود دارد. تقریباً نیمی از شرکت‌های کوچک و متوسط ​​در اتحادیه اروپا پیش‌بینی می‌کنند که هزینه‌ها را افزایش دهند و 21٪ از آن‌ها حتی می‌ترسند که برای جبران هزینه‌ها و درآمد از بین رفته، تعداد کارکنان را کاهش دهند.

نقش هوش مصنوعی و جلب توجه

تحرکات بدون مسئولیت ، هوش مصنوعی و پیشرفت‌های مبتنی بر داده در تبلیغات می‌تواند رشد اقتصادی اروپا را تسریع دهد.

نظریه خودم

تبلیغات شخصی‌سازی شده زمینه‌ای موثر برای رشد کسب‌وکارها و افزایش رقابت‌پذیری آن‌هاست. با این حال، لازم است که مقررات مناسبی وضع شود تا از استفاده به‌مسئولیت از داده‌ها حمایت شده و بتوانند از اندازه‌گیری تبلیغات استفاده کنند.

نکات کلیدی

– 86٪ از شرکت‌های کوچک و متوسط ​​در اتحادیه اروپا می‌گویند که رشد کسب‌وکار از تبلیغات دیجیتال شخصی‌سازی می‌آید.
– شرکت‌های کوچک و متوسط بر تبلیغات شخصی سازی شده تکیه می کنند تا به مخاطبین خاصی دست یابند، به بازارهای جدیدی گسترش یابند و به صورت مؤثر رقابت کنند.

این مقاله به خوبی نقش بحرانی تبلیغات شخصی‌سازی شده در رشد و رقابت‌پذیری کسب‌وکارها در اروپا را برجسته ساخته است. از آنجایی که شرکت‌های کوچک و متوسط ​​مهمترین راننده‌های تولیدی و رفاه عمومی در اروپا هستند، تبلیغات شخصی‌سازی شده به آن‌ها کمک زیادی در رقابت با شرکت‌های بزرگ می‌کند و به آن‌ها امکان می‌دهد بازاریابی اثربخش متناسب با سرمایه خود داشته باشند.

منبع:
این مقاله در اصل در https://blog.google/technology/ads/personalized-advertising-for-european-businesses/ منتشر شده است.

جلوگیری از Memory Leak در برنامه‌های جاوا اسکریپتی

/در /توسط

معرفی مشکل Memory Leak

اگر تا به حال با برنامه‌نویسی جاوا اسکریپت آشنا هستید، ممکن است با مفهوم Memory Leak آشنا باشید. Memory Leak یکی از مشکلات رایج در برنامه‌های جاوا اسکریپتی است که می‌تواند باعث افزایش مصرف حافظه و کاهش عملکرد برنامه شود. در این مقاله به توضیح دقیقی در مورد جلوگیری از Memory Leak در برنامه‌های جاوا اسکریپتی می‌پردازیم.

علت ایجاد Memory Leak

Memory Leak زمانی ایجاد می‌شود که یک برنامه جاوا اسکریپتی حافظه را اشغال می‌کند اما پس از استفاده از آن، حافظه را آزاد نمی‌کند. به طور ساده، برنامه‌ای که Memory Leak دارد، به طور مداوم حافظه را مصرف می‌کند و به تدریج حافظه آزاد برای برنامه‌های دیگر کاهش می‌یابد.

روش‌های جلوگیری از Memory Leak

برای جلوگیری از Memory Leak در برنامه‌های جاوا اسکریپتی، می‌توانید از روش‌های زیر استفاده کنید:

  • مدیریت حافظه: اطمینان حاصل کنید که حافظه که توسط برنامه شما استفاده می‌شود، پس از استفاده به درستی آزاد شود. این کار را می‌توانید با استفاده از روش‌های مدیریت حافظه مانند garbage collection انجام دهید.
  • استفاده از متغیرهای محلی: برای جلوگیری از Memory Leak، سعی کنید از متغیرهای محلی بجای متغیرهای global استفاده کنید. این کار به شما کمک می‌کند تا حافظه را به درستی مدیریت کنید.
  • پاکسازی حافظه دستی: در برخی موارد، ممکن است نیاز باشد که حافظه را به صورت دستی پاکسازی کنید. این کار به شما کمک می‌کند تا از Memory Leak جلوگیری کنید و عملکرد برنامه را بهبود ببخشید.

مثال عملی

برای روشن‌تر شدن مفهوم Memory Leak، در زیر یک مثال عملی آورده شده است:


function createBigArray() {
  let array = [];
  for (let i = 0; i < 1000000; i++) {
    array.push(i);
  }
  return array;
}

let myArray = createBigArray();

در این مثال، تابع createBigArray یک آرایه بزرگ ایجاد می‌کند اما پس از استفاده از آن، حافظه آزاد نمی‌شود که می‌تواند منجر به Memory Leak شود. برای جلوگیری از این مشکل، می‌توانید پس از استفاده از آرایه، آن را با استفاده از متد splice پاکسازی کنید.

نتیجه گیری

در این مقاله، به بررسی مشکل Memory Leak در برنامه‌های جاوا اسکریپتی پرداختیم و روش‌های جلوگیری از آن را بررسی کردیم. با اعمال این روش‌ها، می‌توانید از Memory Leak جلوگیری کرده و عملکرد برنامه خود را بهبود بخشید. امیدواریم که این مقاله برای شما مفید واقع شده باشد.

کشف ابزارهای هوش مصنوعی جدید برای توسعه دهندگان در Google I/O

/در /توسط

مهمترین ابزارها و به‌روزرسانی‌های جدید برای توسعه‌دهندگان در کنفرانس گوگل آی/او نمایش داده شدند که تجربه ایجاد برنامه‌های هوش مصنوعی پیشرفته را آسان تر می‌کنند. با ما همراه شوید تا به فناوری های نوآورانه که به افزایش حدود ممکنات در دنیای توسعه هوش مصنوعی کمک کرده اند، بپردازیم. با ما همراه شوید تا اطلاعات و به‌روزرسانی های جدید در این حوزه را دنبال کنید!

منبع:
این مقاله در اصل در https://blog.google/technology/developers/ منتشر شده است.

ساخت و مدیریت حافظه (Memory Management) در جاوا اسکریپت

/در /توسط

مقدمه

در جاوا اسکریپت، حافظه از اهمیت بسیاری برخوردار است. ساخت و مدیریت حافظه به عنوان یکی از مهمترین مسائل در توسعه نرم‌افزار، از اهمیت ویژه‌ای برخوردار است. در این مقاله، به بررسی مفاهیم اساسی مرتبط با حافظه در جاوا اسکریپت می‌پردازیم و روش‌های مختلف ساخت و مدیریت حافظه را بررسی خواهیم کرد.

نحوه عملکرد حافظه در جاوا اسکریپت

در جاوا اسکریپت، حافظه به صورت دینامیک مدیریت می‌شود، به این معنی که برنامه‌نویس نیازی به تخصیص یا آزادسازی حافظه به صورت دستی ندارد. جاوا اسکریپت از یک مکانیزم خودکار برای مدیریت حافظه استفاده می‌کند که به آن “Garbage Collection” یا جمع‌آوری زباله می‌گویند.

مفهوم Garbage Collection

در جاوا اسکریپت، Garbage Collection به معنی جمع‌آوری و حذف اشیاء غیرقابل دسترس است که دیگر نیازی به آنها نیست. این عملیات به صورت خودکار انجام می‌شود و برنامه‌نویس نیازی به مدیریت حافظه به صورت دستی ندارد. این ویژگی باعث می‌شود که برنامه‌های جاوا اسکریپت بهترین عملکرد را داشته باشند و از نظر امنیتی نیز بهترین وضعیت را داشته باشند.

نحوه استفاده از حافظه

برای ایجاد متغیر‌ها در جاوا اسکریپت، از کلمه کلیدی var استفاده می‌شود. به عنوان مثال:


var x = 10;
var name = "John";

هنگامی که یک متغیر ایجاد می‌شود و برنامه به پایان می‌رسد، Garbage Collection مسئول حذف آن متغیر از حافظه است. این عملیات به صورت خودکار و بهینه انجام می‌شود تا حافظه به بهترین شکل مدیریت شود.

روش‌های مدیریت حافظه

در جاوا اسکریپت، به منظور بهینه‌سازی مدیریت حافظه، برخی روش‌ها و تکنیک‌ها وجود دارد که برنامه‌نویس می‌تواند از آنها استفاده کند. به عنوان مثال:

  • استفاده از متغیرهای محلی به جای متغیرهای سراسری
  • آزادسازی حافظه به صورت دستی در صورت نیاز
  • استفاده از تکنیک‌های بهینه‌سازی کد برای کاهش مصرف حافظه

نتیجه گیری

در این مقاله، به بررسی مفهوم حافظه و نحوه مدیریت آن در جاوا اسکریپت پرداختیم. Garbage Collection به عنوان یکی از ابزارهای مهم در مدیریت حافظه، برنامه‌نویسان را از بسیاری از مشکلات مربوط به حافظه در برنامه‌های جاوا اسکریپت محافظت می‌کند. با استفاده از روش‌های مناسب برای مدیریت حافظه، برنامه‌نویسان می‌توانند از عملکرد بهتری برخوردار شوند و از مشکلات مربوط به حافظه جلوگیری کنند.