Channel
@aiif_channel
On this record: Topic · Growth · Engagement · Posts · Citations · Cite this entry
1,623subscribers
+806 since we began measuring on 6 August 2026
Risers and fallers across the register · movement among entries of 1,000–3,162.
| Telegram ID | -1003518687115 |
|---|---|
| Type | Channel |
| Username | @aiif_channel |
| Created | Between 1 December 2025 and 27 May 2026 — estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 6 August 2026 |
| Last confirmed live | 29 September 2026 |
| Measurements held | 11 |
| Confirmed unchanged | 1 time, most recently 29 September 2026 |
| On Telegram | t.me/aiif_channel |
Technology — a classification, not a measurement. An on-box language model (Qwen3.6-35B-A3B-FP8, prompt version 1) read this channel’s own recent posts on 18 September 2026 and assigned it the closest of 31 fixed categories, at 99% confidence. This is a model’s judgement about what the channel is likely to be about, not a fact this register measured the way a subscriber count or a view count is measured — it can be revised on a later pass, and it carries no weight anywhere else on this page. How this classification works, and why it has no browse page of its own yet.
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 29 Sept 2026, 23:38 | 1,623 | +431 |
| 16 Sept 2026, 02:21 | 1,192 | +59 |
| 12 Sept 2026, 03:01 | 1,133 | +12 |
| 7 Sept 2026, 20:21 | 1,121 | +58 |
| 2 Sept 2026, 23:36 | 1,063 | +56 |
| 30 Aug 2026, 12:45 | 1,007 | +34 |
| 23 Aug 2026, 03:36 | 973 | +94 |
| 14 Aug 2026, 17:47 | 879 | +43 |
| 7 Aug 2026, 03:38 | 836 | +19 |
| 6 Aug 2026, 15:19 | 817 | no change |
| 6 Aug 2026, 03:36 | 817 | first reading |
19 posts held, back to 27 May 2026 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 page of Telegram’s post history, 20 posts per page.
Nothing published in the last 30 days. ERR and ER are rolling 30-day measures, so there is nothing to compute — we hold 19 posts for this entry, the most recent from 6 August 2026. An engagement rate over an empty window would be a number about nothing.
اولین گام همکاری شرکت نساجی نفیس‌نخ و کارخانه هوش‌مصنوعی ایران برای حل مسائل صنعت نساجی با کمک هوش‌مصنوعی، با برگزاری هکاتون «پل سوم» آغاز می‌شود. در این همکاری تلاش کرده‌ایم یکی از چالش‌های واقعی صنعت را، با استفاده از داده‌های واقعی، به مسئله‌ای برای نوآوری تبدیل کنیم. موضوع هکاتون سوم، توسعه یک دستیار هوشمند یکپارچه‌سازی و تحلیل تعاملات مشتریان است. شرکت‌کنندگان به مجموعه‌ای از داده‌های واقعی شامل اطلاعات فروش، …
RFS 106 | AI-First Philanthropy Intelligence Platform هر سال منابع مالی بزرگی صرف فعالیت‌های خیریه و مسئولیت اجتماعی شرکت‌ها می‌شود، اما هنوز پاسخ به یک سؤال مهم ساده نیست: «این منابع دقیقاً چه تغییری ایجاد کرده‌اند؟» در RFS 106 به‌دنبال ساخت پلتفرمی AI-First هستیم که داده‌های خیریه‌ها، پروژه‌ها، کمپین‌ها و حامیان را یکپارچه و تحلیل کند؛ پلتفرمی که بتواند اثر اجتماعی را اندازه‌گیری کند، رفتار اهداکنندگان را پیش‌بین…
📢 همکاری کارخانه هوش‌مصنوعی ایران و مؤسسه مردم‌نهاد مهرگیتی اکوسیستم نیکوکاری و مسئولیت اجتماعی شرکت‌ها هر سال منابع قابل‌توجهی را برای حل مسائل اجتماعی به کار می‌گیرد؛ اما بسیاری از این فرآیندها همچنان با روش‌های سنتی، داده‌های پراکنده و گزارش‌های توصیفی مدیریت می‌شوند. در همین راستا، مؤسسه مردم‌نهاد مهرگیتی یکی از مسائل واقعی خود را در قالب پروژه 100RFS با کارخانه هوش‌مصنوعی ایران به اشتراک گذاشته است تا زمینه تو…
هکاتون پل سوم از راه رسید 🚀 «مساله‌ی واقعی از دل صنعت» در کارخانه هوش‌مصنوعی ایران با همکاری نساجی نفیس‌نخ "دستیار هوشمند یکپارچه‌سازی و تحلیل تعاملات مشتریان (B2B CRM)" در این هکاتون، داده‌های واقعی در اختیار تیم‌ها قرار می‌گیرد؛ از اطلاعات فروش و CRM گرفته تا گزارش‌های متنی کارشناسان، سوابق شکایات و درخواست‌های توسعه محصول. هدف این است که با استفاده از هوش‌مصنوعی و مدل‌های زبانی (LLMs)، تصویری یکپارچه از هر مشتر…
بازرسی ۱۰۰٪ محصولات در خطوط مدرن تولید دارو با تکیه بر نیروی انسانی عملاً ممکن نیست؛ در حالی که کیفیت، انطباق با GMP و مستندسازی دقیق، مستقیماً با سلامت مصرف‌کننده و توان صادراتی شرکت‌ها گره خورده است. در این ویدیو، فاطمه قیداری، مدرس دانشگاه و سرپرست پروژه ویرایش ژنوم شرکت کارا یاخته، RFS شماره 088 از پروژه 100RFS را معرفی می‌کند؛ فرصتی برای ساخت یک راهکار AI-First در حوزه بینایی ماشین، کنترل کیفیت و بازرسی هوشمند …
هکاتون پل دوم با موضوع دستیار هوشمند تحلیل و بهینه‌سازی پروموشن‌های فروش، با همکاری کارخانه ساسان از صنایع غذایی دینا و روی مسئله واقعی و دیتاهای واقعی این صنعت، آخر این هفته در فضای کار اشتراکی زاویه برگزار خواهد شد. فرصت ثبت‌نام در این هکاتون به اتمام رسیده و به زودی امکان ثبت‌نام در هکاتون پل سوم را خواهید داشت. @aiif_channel
هکاتون پل دوم در کارخانه هوش‌مصنوعی ایران "دستیار هوشمند تحلیل و بهینه‌سازی پروموشن‌های فروش" «مساله‌ی واقعی از دل صنعت» در هکاتون «پل دوم»، داده‌های واقعی و ناشناس‌سازی‌شده فروش، قیمت، تخفیف‌ها و کمپین‌های گذشته یک صنعت در اختیار شرکت‌کنندگان قرار می‌گیرد تا با استفاده از هوش‌مصنوعی، راهکارهایی برای تحلیل اثر واقعی پروموشن‌ها بر فروش و سودآوری و پیشنهاد سناریوهای مؤثرتر برای کمپین‌های آینده توسعه دهند. 🏆 جایزه نق…
در کنار صنعت و جنس مسئله، هر RFS به یک یا چند حوزه مسئله هم متصل است؛ حوزه‌هایی مثل زنجیره تأمین، منابع انسانی، سلامت، امنیت و ریسک، محصول و تجربه دیجیتال و ده‌ها حوزه دیگر که از نیازهای واقعی کسب‌وکارها شکل گرفته‌اند. تفاوت مهم اینجاست که برخلاف صنعت یا جنس مسئله، هر RFS می‌تواند همزمان چند حوزه را پوشش دهد. به همین دلیل، اگر از زاویه تخصصی خودتان به دنبال فرصت‌ها هستید؛ مثلاً در داده و تحلیل، حقوقی و انطباق، محصول…
علاوه بر صنعت، هر RFS را بر اساس جنس مسئله هم دسته‌بندی کرده‌ایم؛ چون خیلی وقت‌ها، آنچه اهمیت دارد خودِ مسئله است، نه صنعتی که در آن اتفاق افتاده. از فروش و رشد گرفته تا عملیات، از دارایی‌های فیزیکی تا داده و تصمیم‌گیری، از منابع انسانی و استعداد تا خلاقیت و محتوا؛ هر RFS دقیقاً به یک جنس مسئله متصل است. یعنی می‌توانید بر اساس مهارت، تجربه یا علاقه‌تان مسیر خودتان را در 100RFS پیدا کنید؛ چه به حل چالش‌های عملیاتی ع…
برای شناسایی بیش از ۱۰۰ مسئله واقعی از دل بازار، به سراغ ۲۳ صنعت مختلف رفتیم؛ از اقتصاد متداول تا اقتصاد دیجیتال، از صنایع باسابقه تا حوزه‌های نوظهور، از صنایع معدنی تا فناوری اطلاعات، از فولاد و فلزات تا فین‌تک و بیمه. هر یک از این RFSها از یک مسئله واقعی شکل گرفته‌اند و مالک مشخصی دارند؛ مالکی که آماده است سرمایه، داده و امکانات مورد نیاز را در اختیار استارت‌آپی قرار دهد که بتواند مسئله را با کمک هوش‌مصنوعی حل کند…
شبانه چهارم: تب آینه «شبانه» بهانه‌ای‌ست برای به نظاره نشستن آدم‌هایی که در ایران تغییری ایجاد کرده‌اند. «تب آینه» روایتی است از مواجهه با گذشته، در لحظه‌ای که اسناد، تصاویر و خاطرات پراکنده، تلاش می‌کنند به شکلی از روایت تبدیل شوند. این مستند از دل زندگی دکتر غلامعلی عبیدی آغاز می‌شود اما به‌سرعت از مرز یک زندگی‌نامه عبور کرده و به سراغ سازوکارهایی می‌رود که حافظه، روایت و تاریخ را شکل می‌دهند. فیلم نشان می‌دهد که…
هر RFS (Request for Startup) سندی است که یک مسئله واقعی را با جزئیات کامل توصیف می‌کند؛ از بازار هدف، ابعاد اقتصادی و ذی‌نفعان گرفته تا چالش‌های موجود، فرصت‌های خلق ارزش و ظرفیت راه‌اندازی یک استارت‌آپ پیرامون آن مسئله. در حال حاضر می‌توانید بخش «توصیف مسئله» و «فرصت استارت‌آپی» بیش از ۱۰۰ RFS را در سایت مطالعه کنید. اگر علاقه‌مندید یک مسئله واقعی را به یک استارت‌آپ مبتنی بر هوش مصنوعی تبدیل کنید، فرم پیوستن به 100R…
Showing the 12 most recent of 19 posts we hold for @aiif_channel. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
Republished by
Channels on the register that have forwarded this channel's posts into their own feed.
Republished by 65 registered channels. The 48 listed are the ones that have forwarded the most posts; the rest are counted here but not each listed.
Built only from forwarded posts we have actually read, on both sides. Coverage is early and deliberately incomplete: a missing link means we have not read the post that would prove it, never that the relationship does not exist. Counts are distinct forwarded posts observed, so they only ever go up as we read more.
Named by 47 registered channels — every channel on the register whose own posts have named this one, by its current username or any other username it currently holds, merged from two separately captured readings of the same fact so a namer caught by only one of them is not missed and a namer both caught is not counted twice. A username this channel has since dropped is not matched — that handle may belong to someone else now, and crediting today’s namer to yesterday’s owner would misattribute it. The 24 listed below are the most frequent namers; the rest are counted above but not each listed.
Named by
Channels on the register whose posts name this channel's handle.
Names
Channels on the register whose handles appear in this channel's posts.
A mention is a weaker signal than a forward and is counted separately for that reason — naming a channel is not republishing it, and a handle in a post body is easy to place deliberately. The post counts beside each row below are distinct posts in which the handle appeared, from posts we have read on both sides — the “Named by N registered channels” figure above is a different count, of distinct NAMING CHANNELS rather than posts, and is not the sum of the rows under it.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 29 September 2026 — this entry's latest reading, not the date you are reading this.
“کارخانه هوش‌مصنوعی ایران” (@aiif_channel), 1,623 subscribers as measured 29 September 2026. Telegram Register, tgregister.com/channel/aiif_channel.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.