HP G11
قیمت سرور HP Gen 10 | مشخصات و خرید سرور اچ پی g10
خرید سرور hp g9 | قیمت سرور اچ پی G9
HP G8
هوش مصنوعی ایرانی چیست؟ معرفی ۱۰ سرویس و پروژه، کاربردها، مقایسه و زیرساخت موردنیاز
از دستیارهای فارسی و پردازش گفتار تا مدل‌های زبانی، تولید تصویر، تحلیل داده و کاربرد هوش مصنوعی در کسب‌وکارهای ایرانی. در این مقاله علاوه بر معرفی نمونه‌ها، بررسی می‌کنیم برای اجرای هوش مصنوعی روی سرور شخصی چه سخت‌افزاری لازم است.
راهنمای انتخاب برای کاربران، توسعه‌دهندگان، مدیران فناوری اطلاعات و سازمان‌هایی که به دنبال راهکارهای هوش مصنوعی فارسی هستند.
هوش مصنوعی ایرانی چیست؟
هوش مصنوعی ایرانی به مجموعه‌ای از محصولات، خدمات، پژوهش‌ها و مدل‌های یادگیری ماشین گفته می‌شود که توسط تیم‌های ایرانی توسعه یافته‌اند یا برای پاسخ به نیازهای کاربران فارسی‌زبان و بازار ایران بومی‌سازی شده‌اند.
این محصولات می‌توانند شامل مدل‌های زبانی فارسی، سامانه‌های تبدیل گفتار به متن، دستیارهای هوشمند، ابزارهای تولید محتوا، تحلیل تصویر و پلتفرم‌های ارائه خدمات هوش مصنوعی باشند.
چرا هوش مصنوعی فارسی اهمیت دارد؟
زبان فارسی ویژگی‌هایی مانند نیم‌فاصله، ساختارهای صرفی، تفاوت نوشتار رسمی و محاوره‌ای، واژگان تخصصی و تنوع لهجه دارد. بنابراین عملکرد مناسب یک مدل روی متن انگلیسی لزوماً به معنی عملکرد مشابه آن روی فارسی نیست.
در بسیاری از پروژه‌ها، کیفیت داده آموزشی فارسی، ارزیابی مدل روی نمونه‌های واقعی و توانایی درک اصطلاحات محلی اهمیت بیشتری از صرفاً بزرگ بودن تعداد پارامترها دارد.
انواع هوش مصنوعی مورد استفاده در ایران
پردازش زبان طبیعی
تحلیل متن، خلاصه‌سازی، استخراج اطلاعات، پاسخ به سؤال و جست‌وجوی معنایی.
هوش مصنوعی صوتی
تبدیل گفتار به متن، تبدیل متن به گفتار، پردازش تماس و فرمان صوتی.
بینایی ماشین
تشخیص اشیا، بررسی تصویر، کنترل کیفیت و تحلیل ویدئو.
مدل‌های زبانی بزرگ
تولید متن، مکالمه، کدنویسی، تحلیل اسناد و ساخت دستیار سازمانی.
یادگیری ماشین
پیش‌بینی تقاضا، کشف الگو، امتیازدهی و طبقه‌بندی داده‌ها.
هوش مصنوعی مولد
تولید تصویر، صدا، ویدئو و محتوای متنی بر اساس ورودی کاربر.
معرفی ۱۰ نمونه از سرویس‌ها، پروژه‌ها و کاربردهای هوش مصنوعی ایرانی
فهرست زیر یک رتبه‌بندی قطعی از بهترین شرکت‌های ایران نیست. نمونه‌ها از نظر ماهیت و کاربرد با یکدیگر متفاوت‌اند: برخی محصول قابل استفاده هستند، برخی پروژه پژوهشی‌اند و برخی کاربرد فناوری در یک صنعت را نشان می‌دهند.
ویرا؛ دستیار و ابزارهای هوش مصنوعی فارسی
ویرا یکی از نام‌های شناخته‌شده در حوزه خدمات هوش مصنوعی برای کاربران فارسی‌زبان است. سرویس‌های این دسته می‌توانند امکاناتی مانند گفت‌وگوی هوشمند، تولید محتوا و پردازش صوت را در یک محیط کاربری ارائه دهند.
برای ارزیابی چنین سرویسی، کیفیت پاسخ فارسی، سرعت پردازش، امکانات خروجی گرفتن از داده‌ها و سیاست حفظ حریم خصوصی اهمیت دارد.
AvalAI؛ خدمات مدل‌های هوش مصنوعی و API
پلتفرم‌های ارائه‌دهنده API به توسعه‌دهندگان کمک می‌کنند قابلیت‌های مدل‌های زبانی و سایر ابزارهای AI را به نرم‌افزارها، وب‌سایت‌ها و سامانه‌های سازمانی متصل کنند.
در انتخاب این خدمات باید محدودیت درخواست‌ها، هزینه مصرف، مدل‌های در دسترس، پایداری سرویس و نحوه مدیریت اطلاعات ارسالی بررسی شود.
PersianMind؛ پژوهش در مدل‌های زبانی فارسی
PersianMind نمونه‌ای از تلاش‌های پژوهشی برای توسعه و سازگارکردن مدل‌های زبانی با زبان فارسی است. چنین پروژه‌هایی برای بررسی کیفیت درک زبان فارسی، تولید متن و توسعه مدل‌های بومی اهمیت دارند.
مدل‌های پژوهشی الزاماً محصول تجاری آماده استفاده نیستند. پیش از استقرار باید مجوز، نیاز سخت‌افزاری، کیفیت خروجی و محدودیت‌های مدل بررسی شود.
درنا؛ نمونه‌ای از توسعه مدل‌های زبانی فارسی
مدل‌های زبانی فارسی مانند خانواده درنا برای توسعه کاربردهایی نظیر چت‌بات، تحلیل متن و دستیارهای تخصصی قابل بررسی هستند.
در استفاده سازمانی، باید نسخه دقیق مدل، شرایط مجوز، معماری، طول متن قابل پردازش و منابع موردنیاز برای اجرا بررسی شوند.
ابزارهای ایرانی تولید تصویر و محتوا
سرویس‌های فارسی تولید تصویر به کاربران اجازه می‌دهند با وارد کردن توضیحات متنی، تصویر تبلیغاتی، محتوای شبکه اجتماعی، طرح اولیه محصول یا تصاویر آموزشی بسازند.
برای مقایسه این ابزارها باید کیفیت خروجی، توانایی تولید متن فارسی در تصویر، سرعت، هزینه و حقوق استفاده تجاری از محتوای تولیدشده را بررسی کرد.
هوش مصنوعی در تحلیل تصاویر پزشکی
یادگیری عمیق می‌تواند در بخش‌هایی از تحلیل تصاویر پزشکی، اولویت‌بندی بررسی‌ها، تشخیص الگوهای تصویری و پشتیبانی از تصمیم‌گیری متخصصان کاربرد داشته باشد.
این بخش از مقاله قبلی با عنوان «ساینا» معرفی شده بود؛ اما بدون مستندات فنی معتبر نمی‌توان قابلیت‌های تشخیص MRI، سرطان یا پیشنهاد درمان را به یک محصول مشخص نسبت داد.
هوش مصنوعی در تحلیل کلان‌داده سازمانی
تحلیل داده‌های فروش، رفتار مشتریان، موجودی انبار، مصرف انرژی و اطلاعات عملیاتی از کاربردهای مهم یادگیری ماشین است.
برای مثال، یک شرکت می‌تواند از مدل‌های پیش‌بینی برای تخمین تقاضای کالا استفاده کند. دقت چنین مدلی به کیفیت داده، روش ارزیابی و تغییرات بازار وابسته است.
در مقاله قبلی نام «فراهوش» در این حوزه آمده بود. هنگام انتخاب محصول واقعی، امکانات و نتایج آن باید از مستندات ارائه‌دهنده بررسی شود.
شاهکار؛ سامانه تطبیق اطلاعات هویتی
سامانه شاهکار برای تطبیق اطلاعات هویتی و شماره تلفن همراه در فرایندهای احراز هویت استفاده می‌شود.
باید میان این سامانه و فناوری‌های هوش مصنوعی مانند تشخیص چهره، تشخیص زنده‌بودن تصویر و تحلیل رفتار تفاوت قائل شد.
شاهکار به‌خودی‌خود یک مدل تشخیص چهره یا سامانه یادگیری عمیق نیست. بااین‌حال، ممکن است در یک فرایند احراز هویت در کنار سایر فناوری‌ها استفاده شود.
روبیکا؛ نمونه‌ای از پلتفرم‌های دیجیتال ایرانی
پلتفرم‌های رسانه‌ای بزرگ می‌توانند از فناوری‌هایی مانند سیستم پیشنهاد محتوا، دسته‌بندی اطلاعات، تحلیل رفتار کاربران و شناسایی محتوای نامناسب بهره ببرند.
روبیکا یک پلتفرم دیجیتال ایرانی است، اما برای ادعای استفاده از الگوریتم یا مدل هوش مصنوعی مشخص، باید به مستندات رسمی آن قابلیت استناد کرد.
تپسی؛ کاربرد تحلیل داده در حمل‌ونقل
پلتفرم‌های حمل‌ونقل اینترنتی با مسائل پیچیده‌ای مانند تخمین زمان رسیدن خودرو، پیش‌بینی تقاضا، قیمت‌گذاری و تخصیص سفر مواجه هستند.
یادگیری ماشین و بهینه‌سازی می‌توانند در حل این مسائل مورد استفاده قرار گیرند. بااین‌حال، جزئیات الگوریتم‌های اختصاصی هر شرکت باید از منابع رسمی آن بررسی شود.
جدول مقایسه نمونه‌های هوش مصنوعی ایرانی
برای انتخاب درست، بهتر است ابتدا نوع محصول و مسئله‌ای که حل می‌کند مشخص شود.
| نمونه | حوزه | مخاطب اصلی | نکته مهم |
|---|---|---|---|
| ویرا | دستیار فارسی | کاربران و کسب‌وکارها | امکانات نسخه فعلی بررسی شود. |
| AvalAI | دسترسی به مدل‌ها و API | توسعه‌دهندگان | هزینه و سیاست داده اهمیت دارد. |
| PersianMind | مدل زبانی فارسی | پژوهشگران | مجوز و کیفیت مدل بررسی شود. |
| درنا | مدل زبانی | توسعه‌دهندگان AI | نسخه و نیاز GPU اهمیت دارد. |
| ابزارهای تولید تصویر | هوش مصنوعی مولد | تولیدکنندگان محتوا | کیفیت فارسی و حقوق خروجی مهم است. |
| AI پزشکی | بینایی ماشین | مراکز درمانی | اعتبارسنجی و مجوز ضروری است. |
| تحلیل داده سازمانی | یادگیری ماشین | شرکت‌ها | کیفیت داده تعیین‌کننده است. |
| شاهکار | تطبیق هویت | سرویس‌های احراز هویت | به‌خودی‌خود مدل AI نیست. |
| روبیکا | رسانه دیجیتال | کاربران عمومی | قابلیت‌های AI نیازمند مستندات است. |
| تپسی | حمل‌ونقل | کاربران و رانندگان | الگوریتم‌های داخلی باید تأیید شوند. |
پردازش زبان فارسی چگونه کار می‌کند؟
یکی از مهم‌ترین کاربردهای هوش مصنوعی ایرانی، پردازش زبان طبیعی یا NLP است. در این حوزه، سیستم تلاش می‌کند ساختار و معنای متن را برای انجام وظایفی مانند جست‌وجو، خلاصه‌سازی و پاسخ‌گویی پردازش کند.
چالش‌های پردازش زبان فارسی
وجود نیم‌فاصله، تفاوت حروف فارسی و عربی، شکل‌های مختلف نوشتن کلمات، اصطلاحات محاوره‌ای و کمبود داده‌های تخصصی باکیفیت از چالش‌های مهم NLP فارسی هستند.
برای مثال، یک دستیار فروش سرور باید بتواند تفاوت عبارت‌های «رم سرور»، «RAM HPE» و «حافظه سرور اچ پی» را درک کند و به محصول مناسب برسد.
۷ کاربرد مهم هوش مصنوعی در کسب‌وکارهای ایرانی
۱. پشتیبانی مشتریان
پاسخ به سؤالات متداول، دسته‌بندی درخواست‌ها و ارجاع موارد پیچیده به کارشناس انسانی.
۲. تحلیل فروش
شناسایی الگوهای خرید، پیش‌بینی تقاضا و کمک به مدیریت موجودی.
۳. مدیریت اسناد
استخراج اطلاعات از قراردادها، فاکتورها و فایل‌های سازمانی.
۴. بازاریابی
تولید پیش‌نویس محتوا، تحلیل کمپین‌ها و دسته‌بندی مخاطبان.
۵. کنترل کیفیت
استفاده از بینایی ماشین برای بررسی تصاویر و تشخیص الگوهای غیرعادی.
۶. امنیت اطلاعات
تحلیل رویدادها، کشف رفتارهای غیرعادی و اولویت‌بندی هشدارها.
۷. دستیار دانش سازمانی
جست‌وجو و پاسخ‌گویی بر اساس اسناد داخلی با رعایت سطح دسترسی کاربران.
برای اجرای هوش مصنوعی ایرانی چه سروری لازم است؟
بسیاری از سازمان‌ها ترجیح می‌دهند مدل‌های هوش مصنوعی را روی زیرساخت اختصاصی خود اجرا کنند. این رویکرد می‌تواند کنترل بیشتری بر محل نگهداری داده‌ها، دسترسی کاربران و پیکربندی سیستم فراهم کند.
انتخاب سرور به اندازه مدل، نوع پردازش، تعداد کاربران همزمان، سرعت پاسخ موردنیاز و بودجه بستگی دارد.
تصویر ۴: دیاگرام اختصاصی و متحرک از معماری مفهومی اجرای مدل AI روی سرور.
نقش قطعات سرور در اجرای هوش مصنوعی
CPU
آماده‌سازی داده، اجرای سیستم‌عامل، مدیریت درخواست‌ها و پردازش‌های CPU محور.
GPU
شتاب‌دهی محاسبات موازی، استنتاج مدل‌های بزرگ و برخی فرایندهای آموزش.
RAM
نگهداری داده‌های فعال، سرویس‌های نرم‌افزاری، کش و بخش‌هایی از مدل.
SSD
ذخیره مدل‌ها، مجموعه‌داده‌ها، فایل‌های موقت و دسترسی سریع به اطلاعات.
چه مدل سرور HPE برای AI مناسب است؟
| سرور | کاربرد قابل بررسی | نکته مهم |
|---|---|---|
| DL380 Gen9 | آزمایش مدل‌های سبک و پروژه‌های آموزشی | محدودیت‌های توان، PCIe و GPU بررسی شود. |
| DL380 Gen10 | استنتاج و پردازش سازمانی با GPU سازگار | نوع GPU، رایزر و خنک‌سازی تعیین‌کننده است. |
| DL380 Gen11 | زیرساخت جدیدتر برای بارهای پردازشی و AI | سازگاری دقیق GPU و کانفیگ الزامی است. |
| DL380 Gen12 | بررسی پلتفرم‌های جدیدتر سازمانی | مشخصات و گزینه‌های GPU به SKU وابسته‌اند. |
برای اجرای مدل‌های هوش مصنوعی چه GPU انتخاب کنیم؟
یکی از مهم‌ترین معیارها در انتخاب کارت گرافیک AI، ظرفیت حافظه VRAM است. البته پهنای باند حافظه، توان محاسباتی، نوع دقت عددی و پشتیبانی نرم‌افزاری نیز اهمیت دارند.
| GPU | VRAM | کاربرد قابل بررسی |
|---|---|---|
| NVIDIA T4 | 16GB | استنتاج سبک و برخی مدل‌های کوچک‌تر |
| NVIDIA A100 | 40GB / 80GB | آموزش و استنتاج مدل‌های محاسباتی |
| NVIDIA L40S | 48GB | هوش مصنوعی مولد و استنتاج |
| NVIDIA RTX 6000 Ada | 48GB | پردازش حرفه‌ای و توسعه مدل |
| NVIDIA H100 NVL | 94GB برای هر GPU | بارهای کاری سنگین مدل‌های زبانی |
آیا GPU با حافظه بیشتر همیشه بهتر است؟
خیر. ظرفیت حافظه تنها یکی از معیارهای انتخاب است. برای مثال، دو کارت با VRAM مشابه ممکن است از نظر پهنای باند، توان محاسباتی، مصرف برق و قابلیت‌های نرم‌افزاری تفاوت زیادی داشته باشند.
اجرای مدل 7B یا 8B چقدر حافظه می‌خواهد؟
مصرف حافظه به نوع مدل، دقت عددی، روش Quantization، طول Context، تعداد درخواست‌های همزمان و موتور استنتاج وابسته است.
بنابراین نمی‌توان صرفاً بر اساس تعداد پارامترها، مقدار دقیق VRAM موردنیاز یک پروژه را تعیین کرد. پیش از خرید GPU بهتر است مدل موردنظر روی سخت‌افزار مشابه بنچمارک شود.
هوش مصنوعی ابری بهتر است یا سرور اختصاصی؟
انتخاب بین API ابری و استقرار مدل روی سرور اختصاصی به حجم درخواست‌ها، حساسیت داده، بودجه، نیروی فنی و نیاز به کنترل زیرساخت بستگی دارد.
هوش مصنوعی ابری
راه‌اندازی سریع‌تر، نیاز کمتر به مدیریت سخت‌افزار و پرداخت بر اساس مدل تجاری ارائه‌دهنده از مزیت‌های احتمالی آن است.
در مقابل، هزینه مصرف، وابستگی به سرویس خارجی و سیاست نگهداری داده باید بررسی شود.
هوش مصنوعی روی سرور اختصاصی
کنترل بیشتر بر محیط اجرا، امکان سفارشی‌سازی و استقرار در شبکه داخلی از مزیت‌های احتمالی آن است.
در مقابل، خرید تجهیزات، مصرف برق، نگهداری، امنیت و مدیریت نرم‌افزار بر عهده سازمان خواهد بود.
۵ نکته امنیتی مهم
- اطلاعات محرمانه را بدون بررسی سیاست داده وارد سرویس عمومی نکنید.
- برای دستیارهای متصل به اسناد داخلی، سطح دسترسی کاربران را اعمال کنید.
- کلیدهای API و اطلاعات ورود را در کد سمت مرورگر قرار ندهید.
- خروجی مدل را پیش از استفاده در تصمیم‌های حساس بررسی کنید.
- برای استقرار اختصاصی، برنامه به‌روزرسانی، مانیتورینگ و نسخه پشتیبان داشته باشید.
آینده هوش مصنوعی در ایران
توسعه هوش مصنوعی در ایران به عواملی مانند دسترسی به داده‌های باکیفیت، نیروی متخصص، زیرساخت پردازشی، سرمایه‌گذاری و امکان ارزیابی علمی مدل‌ها وابسته است.
یکی از فرصت‌های مهم، توسعه مدل‌ها و سرویس‌هایی است که نیازهای واقعی کاربران فارسی‌زبان را بهتر پوشش دهند؛ از جمله پردازش اسناد سازمانی، خدمات مشتریان، آموزش و تحلیل داده.
چالش‌های توسعه هوش مصنوعی ایرانی
زیرساخت محاسباتی
هزینه GPU، برق، خنک‌سازی و نگهداری از عوامل مهم هستند.
داده آموزشی
کیفیت، تنوع، مجوز استفاده و حفظ حریم خصوصی داده‌ها اهمیت دارد.
ارزیابی مدل
مدل‌ها باید روی مجموعه آزمون معتبر فارسی و کاربردهای واقعی ارزیابی شوند.
توسعه محصول
تبدیل یک مدل پژوهشی به سرویس پایدار سازمانی نیازمند مهندسی و پشتیبانی است.
چگونه بهترین هوش مصنوعی ایرانی را انتخاب کنیم؟
به‌جای انتخاب صرفاً بر اساس شهرت یک سرویس، ابتدا کاربرد خود را مشخص کنید.
| نیاز شما | نوع راهکار مناسب | معیار انتخاب |
|---|---|---|
| تولید محتوای فارسی | دستیار زبانی | کیفیت نگارش و صحت پاسخ |
| ساخت تصویر تبلیغاتی | مدل تولید تصویر | کیفیت خروجی و مجوز تجاری |
| پشتیبانی خودکار | چت‌بات متصل به دانش سازمان | دقت پاسخ و امکان ارجاع به انسان |
| توسعه نرم‌افزار | API مدل‌های هوش مصنوعی | مستندات، هزینه و پایداری |
| پردازش اسناد محرمانه | مدل اختصاصی یا خودمیزبان | امنیت و کنترل دسترسی |
| اجرای مدل روی GPU | سرور محاسباتی سازگار | VRAM، توان، RAM و عملکرد |
سؤالات متداول درباره هوش مصنوعی ایرانی
بهترین هوش مصنوعی ایرانی کدام است؟
پاسخ به کاربرد بستگی دارد. برای تولید متن، ساخت تصویر، توسعه API و اجرای مدل اختصاصی ممکن است محصولات متفاوتی مناسب باشند. بهتر است کیفیت خروجی و شرایط سرویس را در یک آزمون واقعی مقایسه کنید.
آیا هوش مصنوعی ایرانی رایگان است؟
بعضی سرویس‌ها امکان استفاده محدود یا آزمایشی دارند و برخی بر اساس اشتراک یا میزان مصرف هزینه دریافت می‌کنند. قیمت و شرایط باید در وب‌سایت رسمی سرویس بررسی شود.
آیا مدل‌های فارسی را می‌توان روی سرور شخصی اجرا کرد؟
برخی مدل‌های دارای وزن قابل دریافت را می‌توان با رعایت مجوز روی سخت‌افزار شخصی یا سازمانی اجرا کرد. مقدار RAM و VRAM موردنیاز به نسخه و تنظیمات مدل بستگی دارد.
آیا برای هوش مصنوعی حتماً GPU لازم است؟
خیر. بعضی مدل‌ها و وظایف روی CPU نیز اجرا می‌شوند، اما GPU مناسب می‌تواند بسیاری از پردازش‌های موازی را شتاب دهد.
آیا سرور HPE DL380 Gen10 برای هوش مصنوعی مناسب است؟
این سرور برای برخی کاربردهای AI قابل بررسی است، اما باید مدل GPU، توان پاور، رایزر، خنک‌سازی و سازگاری رسمی پیکربندی مشخص شود.
تفاوت هوش مصنوعی ایرانی با مدل فارسی چیست؟
یک سرویس ایرانی ممکن است از مدل‌های موجود استفاده کند و رابط یا زیرساخت بومی ارائه دهد. در مقابل، مدل فارسی به مدلی اشاره دارد که برای پردازش زبان فارسی آموزش دیده یا سازگار شده است.
آیا شاهکار یک هوش مصنوعی است؟
شاهکار سامانه تطبیق اطلاعات هویتی است و نباید آن را با مدل‌های تشخیص چهره یا یادگیری عمیق یکسان دانست.
برای خرید سرور هوش مصنوعی چه چیزی مهم‌تر است؟
مدل و بار کاری موردنظر باید ابتدا مشخص شود. سپس GPU، ظرفیت VRAM، RAM، پردازنده، ذخیره‌سازی، شبکه و خنک‌سازی انتخاب شوند.
جمع‌بندی: مسیر توسعه هوش مصنوعی ایرانی
هوش مصنوعی ایرانی تنها به چت‌بات‌های فارسی محدود نمی‌شود. این حوزه شامل مدل‌های زبانی، پردازش گفتار، بینایی ماشین، تحلیل داده و توسعه محصولات هوشمند سازمانی است.
برای انتخاب راهکار مناسب، باید بین محصول نهایی، مدل پژوهشی، سرویس API و کاربرد الگوریتم‌های هوشمند تفاوت قائل شد.
همچنین سازمان‌هایی که قصد اجرای مدل‌ها روی زیرساخت اختصاصی دارند، باید پیش از خرید تجهیزات، نیاز محاسباتی و امنیتی پروژه را ارزیابی کنند.
برای اجرای هوش مصنوعی به سرور اختصاصی نیاز دارید؟
برای بررسی سرورهای HPE ProLiant، انتخاب پردازنده، حافظه، ذخیره‌سازی و کارت گرافیک مناسب پروژه‌های هوش مصنوعی، مدل‌های مختلف سرور HP را در ماهان شبکه ایرانیان بررسی کنید.
مشاهده قیمت و خرید سرور HP راهنمای خرید RAM سرور بررسی پردازنده سرور HP
من همزمان دارم از gapgpt.app و ivira.ai و hamdast.com استفاده میکنم چون خیلی از مدل ها رو توی این یکی هست که توی اون یکی نیست . ولی در کل راضی هستم و مرسی از وبلاگ خوبتون .در کل که من هنوز دارم اکانت خارجی ها رو هم میگیرم
بسیار ممنون که سایت ما رو برای مطالعه انتخاب کردید مقاله هم اپدیت شد میتونید دوباره مطالعه کنید.