أسرع طريقة لعمل حلوى تشيرو بالشيكولاتة بطعم لذيذ زي المحلات
تاريخ النشر: 27th, August 2023 GMT
تشيرو بالشيكولاتة تعد من الحلويات الشهية والمحببة للجميع، تشيرو بالشكيولاته هي حلوى خفيفة تشبه بلح الشام ، لكنها أخف في عجينتها، يتم تناولها مقلية ويضاف عليها عادة الشيكولاته ، ونقدم فيما يلي أسهل طريقة لعمل تشيرو بالشيكولاتة.
طريقة عمل تشيرو بالشيكولاتة
المقادير:
- 1 كوب دقيق
- 1 كوب ماء
- 1 كوب شكولاتة مذابة
- ¾ كوب سكر
- 1 بيض
- 1 معلقة كبيرة زبدة
- 1 معلقة كبيرة فانيليا
- 1 معلقة صغيرة قرفة
- زيت للقلي
طريقه التحضير:
لتحضير العجين، ضعي كوب من الماء في قدر على النار ثم أضيفي الزبدة وحركي حتى تذوب الزبدة ثم أضيفي الدقيق وحركي حتى تتشكل لديك عجينة متماسكة.
ارفعي العجينة عن النار ثم أضيفي البيضة مع التحريك ثم أضيفي الفانيلا السائلة.
ضعي العجينة بكيس الكريمة الخاص بزيين الحلويات.
سخني زيت القلي وابدأي بقلي قطع من العجينة حتى يتحول لونها للذهبي الفاتح.
اخلطي السكر مع القرفة المطحونة ومرري قطع العجين المقلية بالخليط.
اصنعي ثقباً بحبات العجينة، واحشيها بصوص الشكولاتة السائلة وقدميها.
المصدر: صدى البلد
كلمات دلالية: الشكولاتة حلويات دقيق بلح الشام
إقرأ أيضاً:
ثورة في توليد الصور بالذكاء الاصطناعي.. أداة جديدة أسرع 9 مرات وتعمل على هاتفك
تمكن باحثون من معهد ماساتشوستس للتكنولوجيا (MIT) وشركة NVIDIA من تطوير أداة جديدة لتوليد الصور تعتمد على الذكاء الاصطناعي، تمتاز بسرعة فائقة وجودة عالية مع استهلاك أقل للطاقة، ويمكن تشغيلها محليًا على أجهزة الحاسوب المحمولة أو الهواتف الذكية.
الأداة الجديدة التي تحمل اسم HART (اختصارًا لـ Hybrid Autoregressive Transformer) تمثل دمجًا مبتكرًا بين تقنيتين شائعتين في هذا المجال: النماذج التوليدية التسلسلية (autoregressive) ونماذج الانتشار (diffusion). حيث تعتمد HART على النموذج التسلسلي لرسم الصورة بشكل سريع وإجمالي، ثم تستخدم نموذج الانتشار صغير الحجم لتوضيح التفاصيل الدقيقة وتحسين جودة الصورة.
اقرأ أيضاً.. الذكاء الاصطناعي يهدد مستقبل التصوير الفوتوغرافي
السرعة والكفاءة
وتتميز HART بقدرتها على إنتاج صور تضاهي أو تتفوق على الصور التي تولدها نماذج الانتشار المتقدمة، لكنها تفعل ذلك بسرعة أكبر بنحو تسع مرات، مع تقليل استهلاك الموارد الحاسوبية بنسبة تصل إلى 31% مقارنةً بأحدث النماذج. ويكفي أن يدخل المستخدم وصفًا نصيًا بسيطًا لتقوم الأداة بتوليد الصورة المطلوبة.
ويُتوقع أن تفتح هذه التقنية آفاقًا واسعة في عدة مجالات، مثل تدريب السيارات الذاتية القيادة في بيئات افتراضية واقعية، وتصميم مشاهد غنية لألعاب الفيديو، وحتى مساعدة الروبوتات على إتمام مهام معقدة في العالم الحقيقي.
يقول الباحث هاوتيان تانغ، المؤلف المشارك في الدراسة: "تمامًا كما يرسم الفنان لوحة من خلال تحديد الشكل العام أولًا، ثم يعود لإضافة التفاصيل الدقيقة بضربات فرشاة صغيرة، هذا ما تفعله HART بالضبط".
أخبار ذات صلة
تحسين الجودة
وقد واجه الباحثون تحديات أثناء تطوير الأداة، خاصة في كيفية دمج نموذج الانتشار بطريقة تكمّل عمل النموذج التسلسلي دون أن تؤدي إلى تراكم الأخطاء. وخلصوا إلى أن أفضل طريقة هي استخدام نموذج الانتشار فقط في المرحلة النهائية لمعالجة التفاصيل الدقيقة.
ومن أبرز ما يميز HART أنها تعتمد بشكل أساسي على نموذج تسلسلي مشابه للنماذج اللغوية الكبيرة (LLMs) مثل ChatGPT، مما يسهل دمجها مستقبلاً مع نماذج توليدية متعددة الوسائط تجمع بين الرؤية واللغة، وهو ما يمهد الطريق لتطبيقات جديدة مثل شرح خطوات تركيب قطعة أثاث بالصوت والصورة.
مستقبل HART
ويطمح الفريق البحثي إلى تطوير HART مستقبلًا ليشمل مجالات أوسع مثل توليد الفيديوهات والتنبؤ بالأصوات، مستفيدين من قابلية الأداة للتوسع والعمل عبر وسائط متعددة.
وقد تم تمويل هذا البحث من قبل عدة جهات منها مختبر MIT-IBM Watson للذكاء الاصطناعي، ومركز MIT وAmazon Science Hub، وبرنامج MIT لتقنيات الذكاء الاصطناعي، ومؤسسة العلوم الوطنية الأمريكية، كما تبرعت NVIDIA بالبنية التحتية اللازمة لتدريب النموذج.
إسلام العبادي(أبوظبي)