في حالات نادرة، وعند الاقتراب من لحظة الموت, قد يستعيد المرضى الذين يعانون من إصابات خطيرة أو فشل في الأعضاء لحظة قصيرة من الوضوح الذهني المفاجئ. ويطلق الأطباء على هذه الظاهرة اسم الصفاء الذهني النهائي، وهي زيادة غامضة ومؤقتة في الوعي تحدث قبل أن يتوقف الجسم
عن العمل.
وقد تم الإبلاغ عن هذه الظاهرة لدى أشخاص يعانون من أمراض تنكسية، وإصابات شديدة، وحالات حرجة. فبعضهم يبدأ بالكلام بوضوح بعد أيام من الصمت, بينما يصبح آخرون يقظين للحظات رغم تدهور حالتهم الجسدية.
ويعتقد العلماء أن ذلك قد يكون ناتجًا عن دفعة أخيرة من النواقل العصبية أو عن انهيار بعض الدوائر الدماغية المثبطة، مما يسمح للعقل بأن «يظهر الى السطح >>للمرة الاخيرة
وغالبًا ما تكون هذه اللحظات مؤثرة ومليئة بالمشاعر المتناقضة؛ فهي تمثل اتصالًا أخيرًا قبل الوداع، وتذكيرًا بأن الوعي قد يومض للحظة عند الحدود
الفاصلة بين الحياة والموت.
موقع TV garden
التلفزيون المباشر من جميع أنحاء العالم.
👉 https://t.co/z7JpgmW4lu
استكشف القنوات حسب البلد أو الموضوع وشاهد ما يُبث الآن من أي مكان في الكرة الأرضية.
🚨 الطالب الأمريكي هذا سوّى شيء خطير جدًا بالذكاء الاصطناعي..😮
شوف وش سوّى وخلى 3 أجهزة تشتغل مكانه وهو نايم!
القصة بدأت يوم اشترى آيباد وماك ميني بـ2,200 دولار، وربطهم بالماك بوك حقه.
3 أجهزة على مكتب واحد، لدرجة إن زملاءه في السكن حسبوه يعدين عملات رقمية. 😂
📌 احفظ البوست فورًا عشان ما يضيع منك!
لكن الصدمة كانت الصباح…
ضبط نظام الأتمتة ونام.
ولما صحى، لقى النظام:
- عالج مئات العملاء المحتملين
- كتب إيميلات مخصصة لكل عميل
- سجّل البيانات داخل نظام إدارة العملاء
- وكل هذا بدون ما يلمس أي شيء
الفريق اللي كان يسوي نفس الشغل قبله كان يكلفه 7,000 دولار شهريًا.
هو دفع 2,200 دولار مرة وحدة.
والأغرب؟
في العالم حوالي 360 مليون شركة، و310 مليون منها لسه تدفع للناس مقابل شغل تقدر الآلات تسويه بشكل أفضل.
واللي يعرفون يستخدمون الذكاء الاصطناعي ويبنون أنظمة زي كذا عددهم قليل جدًا.
الفرصة الحقيقية مو إنك تستخدم الذكاء الاصطناعي وبس…
الفرصة إنك تعرف تبني أنظمة تخلي الذكاء الاصطناعي يشتغل بدالك.
لايك وفولو عشان يوصلك كل جديد عن الذكاء الاصطناعي.
WTF Broooooooo???? .... This feels like a goldmine for vibe coders 🌋
It's a collection of free UI prompts for things like hero sections, pricing pages, auth screens, bento grids, dashboards, and more.
You can copy a prompt and give it to your AI coding agent to generate better-looking, less generic UI without having to describe every design detail yourself.
Perfect if you build websites with AI and want your UIs to stand out :)
Follow me for more amazing Coding, AI & Web Development insights 💎
We finally cracked it!
We built an open-source video editor that turns every edit into code.
I got tired of agents:
→ Losing context
→ Giving me outputs I couldn’t modify
So we flipped it:
→ Code is the new database.
Introducing PhoneLLM, an open model for voice agents.
GPT 5.6 Terra performance on typical voice agent tasks at 1/3 the latency and 1/18 the cost.
For voice agents, we need models that are both very low latency and very good at tool calling and instruction following.
There's a trade-off here, and we often have to compromise on either latency or capability when building voice agents. With PhoneLLM (and the training and data stack that made this model possible) we're fixing this problem.
For the last couple of years, most of the effort in frontier model development has gone towards leveraging test-time compute. Which is awesome! Models of all shapes and sizes are available that perform really, really well ... if you have "thinking" turned on for your model.
But if you need your agent to respond at voice conversation speed, you can't use thinking models.
PhoneLLM is a full-weights fine-tune of NVIDIA Nemotron Nano 30B. We trained on a wide range of real-world telephone and customer support use cases. The training focused on taking the excellent Nano 30B base capabilities and teaching the model to do typical voice agent tasks with thinking disabled.
The results are really good: accurate tool calling and concise, on-topic responses in long conversations.
And fast: TTFAT measured server-side is <100ms if you run PhoneLLM on a lightly loaded B200. :-)
But seriously, when we characterize model latency, we do it with full, end-to-end, batched request simulations using real Pipecat voice agent pipelines.
You can serve more than 80 concurrent agents on a single B200 with P95 end-to-end TTFAT <600ms. Including network overhead. That's an LLM cost-per-minute around $0.0025. (1/4 of a cent.) At a latency lower than any third-party API offers today.
More details about this model, including weights on @huggingface, how to spin it up with one click on Modal, and a starter project repo you can clone, are in the thread ...
هذا الموديل ممتاز للي يشتغلون على بناء الوكلاء الصوتيين .. يمنحك أداءً يوازي GPT 5.6 Terra في المهام الصوتية المعتادة، ولكن بـ 1/3 زمن الاستجابة، و 1/18 من التكلفة!
زمن الاستجابة الأولي (TTFAT) من جهة الخادم أقل من 100 مللي ثانية على شريحة B200 بحمل خفيف.
اثبت كفائته في الاختبارات:
• تشغيل أكثر من 80 وكيل متزامن على شريحة B200 واحدة.
• زمن الاستجابة النهائي P95 أقل من 600ms (شاملاً تأخير الشبكة).
عيبه انه يدعم الانجليزية فقط
معضلة بناء وكلاء الصوت انحلت رسمياً اليوم.. الكشف عن نموذج PhoneLLM المفتوح 🔥
نموذج ذكاء اصطناعي يقدم أداءً ينافس أقوى النماذج العالمية (مثل GPT 5.6 Terra) في المهام الصوتية، ولكن بـ ثلث الزمن وعُشر التكلفة بـ 18 مرة!
كيف تم تحقيق هذا الإنجاز التقني الضخم؟ إليك التفصيل العميق: 👇🧵