DeepMind AI Expert
14.8K subscribers
1.3K photos
388 videos
121 files
2.28K links
مقالات کاربردی هوش مصنوعی در پایتون، علوم پزشکی، علوم انسانی، علوم اعصاب و...
دوره های آموزشی از دانشگاه های بزرگ و موسسات انلاین
@ffarzaddh
پژوهشگران هوش مصنوعی ایران

تبادلات پیام بدید
Download Telegram
👍355👎1🕊1🆒1
This media is not supported in your browser
VIEW IN TELEGRAM
یک #چت_بات فوق العاده عالی در حیطه #پزشکی معرفی شد علمکردی عالی داره برای استفاده از این چت بات میتونین از طریق chatgpt استفاده کنین این چت بات با دقت 92 درصد در صدر چت بات های پزشکی هستش
▪️ Official website
▪️ MediSearch Review: A Medical AI Search Engine for Patients, Clinicians & Medical Writers

جالبه بدونید این ابزار موفق شد توی آزمون‌های سختگیرانه مجوز پزشکی آمریکا نمره خیره‌کننده 94.2 از 100 رو به دست بیاره و حالا یکی از محصولات مورد تایید در این حوزه‌ست.

#علوم_پزشکی #مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
10👍6
🚨 NEW: OpenAI JUST released new courses on OpenAI Academy and it’s 100% FREE.

They launched courses for devs, creators, teachers & professionals.



Here are top AI courses you don’t want to miss. [Bookmark-worthy ] 👇

https://x.com/heyshrutimishra/status/1907135047565770908?s=19


1. For developers: Build smarter, faster AI tools from scratch.

You’ll learn:

• Function Calling & Agents
• Fine-Tuning (incl. GPT-4o Mini)
• Real-Time Apps & Structured Outputs
• Advanced Reasoning & Evals
• Model Distillation & Recommendations

✏️✏️✏️✏️✏️
2. ChatGPT at work: Master ChatGPT for productivity, data, and research.

Covers:

• Smart search + data analysis
• Prompt engineering
• GPTs at work

✏️✏️✏️✏️✏️
3. Sora Tutorials: Learn to create cinematic videos with AI

You’ll learn:

• Storyboarding, looping & remixing
• Recutting & blending videos

✏️✏️✏️✏️✏️

4. K–12 educators: Teach safety and creativity with AI in classrooms

Topics:

• Prompting for teachers
• AI in K–12
• Classroom-friendly AI tips
👍93
Tessa-T1: A dedicated React reasoning model.

Built on Qwen2.5-Coder-3B-Instruct but specifically fine-tuned to understand web UI concepts and output working React code.

To run it locally, click Use this model button in @huggingface and select Jan.

https://huggingface.co/bartowski/Tesslate_Tessa-T1-3B-GGUF
👍52
توسعه رایانش کوانتومی، به‌ویژه با رسیدن به تراشه‌هایی با مقیاس میلیون کیوبیتی، می‌تونه مرز بین واقعیت و شبیه‌سازی رو به‌طور کامل محو کنه. قدرت پردازش در این سطح، به ما اجازه می‌ده نه‌تنها قوانین فیزیکی جهان رو با دقتی بی‌سابقه شبیه‌سازی کنیم، بلکه شرایط شکل‌گیری حیات و حتی تکامل ذهن و هوشیاری رو هم بازسازی کنیم. در چنین جهانی، موجوداتی خلق می‌شن که درست مثل ما فکر می‌کنن، احساس دارن، قوانین خودشون رو کشف می‌کنن و درک‌شون از واقعیت، چیزی جز آنچه براشون طراحی شده نخواهد بود.

چالش اصلی این نیست که آیا می‌تونیم چنین جهانی بسازیم، بلکه اینه که کِی این اتفاق می‌افته و با چه کیفیتی. اگر به نقطه‌ای برسیم که شبیه‌سازی‌ها از لحاظ جزئیات، عمق فیزیکی و پیچیدگی ذهنی با جهان واقعی تفاوتی نداشته باشن، اون‌وقت هر مرزی بین واقعیت پایه و واقعیت شبیه‌سازی‌شده از بین می‌ره. در اون شرایط، حتی خود ما هم نمی‌تونیم مطمئن باشیم که در کدوم لایه از این زنجیره بی‌پایان قرار داریم: واقعیت یا شبیه‌سازی؟

این آینده‌نگری نه‌تنها یک سناریوی علمی، بلکه یک مسئله فلسفی عمیق هم هست. اگر جهان‌های شبیه‌سازی‌ شده قابلیت تولید مثل و خلق شبیه‌سازی‌های جدید رو پیدا کنن، عملا چیزی که ما بهش واقعیت می‌گیم، به یکی از میلیاردها شبیه‌سازی تبدیل می‌شه که در سلسله‌مراتب نامحدودی از جهان‌های درون جهان ساخته شدن. در این نقطه، حتی تعریف واقعیت هم بازتعریف می‌شه و چیزی جز محصول پردازش اطلاعات نخواهد بود.

در نهایت، آینده تکنولوژی کوانتومی و هوش مصنوعی، ما رو با یک دوگانگی بزرگ روبه‌رو می‌کنه: آیا با رسیدن به درک کامل از قوانین طبیعت و ذهن، به خالقانی در دنیایی از شبیه‌سازی‌های زنده تبدیل می‌شیم؟ یا در میانه این مسیر، متوجه می‌شیم که خودمون از ابتدا بخشی از یک شبیه‌سازی عظیم‌تر بودیم؟ شاید هر دو. این آینده، هم هیجان‌انگیز و هم تا حدی ترسناکه چون مفهوم واقعیت برای همیشه تغییر خواهد کرد.

▪️ Digital quantum simulation of cosmological particle creation with IBM quantum computers
▪️ Quantum Computing for Inflationary, Dark Energy and Dark Matter Cosmology


#کوانتوم‌ #شبیه_سازی #پردازش_کوانتومی #هوش_مصنوعی #فیزیک #مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
👍12🔥62👎1
Big news! 🎉 Colab now officially supports Julia runtimes! These runtimes are pre-installed with key packages like CSV, DataFrames, Makie, Plots, and others to take advantage of GPU and TPU

https://x.com/GoogleColab/status/1907954522976383410?s=19
👍31
Forwarded from Daily Laily
آیا AI می‌تونه توی دانشگاه‌ها وارد بشه؟

تا حالا مدل‌های زبانی بیشتر توی کارهای ساده‌تری مثل چت کردن یا تحلیل متن استفاده می‌شدن. اما حالا Anthropic داره Claude for Education رو معرفی می‌کنه، یه ابزار جدید برای دانشگاه‌ها که می‌خواد آموزش رو به‌طور کلی متحول کنه.

پیش از این، وقتی دانشجویی سوالی داشت یا نیاز به کمک توی پروژه‌ای داشت، باید می‌رفت دنبال منابع مختلف، می‌خوند و تلاش می‌کرد به جواب برسه. حالا با Claude, اون می‌تونه از Learning Mode استفاده کنه. یعنی به‌جای فقط گرفتن جواب، این مدل از دانشجو سوال می‌پرسه، مفهوم رو توضیح می‌ده و بهش کمک می‌کنه درک بهتری از موضوع پیدا کنه.

این رو هم در نظر بگیرین که Claude به دانشگاه‌ها این امکان رو می‌ده که داده‌هاشون رو آنالیز کنن و حتی ایمیل‌های تکراری رو به صورت خودکار جواب بدن. این یعنی یه قدم جلوتر از همیشه.

تیم Anthropic حتی با دانشگاه‌هایی مثل Northeastern و London School of Economics هم قراردادهایی بسته تا این ابزار رو در سطح دانشگاه به کار ببرن. برای کسانی که در حال کار روی AI برای آموزش هستن، این حرکت می‌تونه شروعی برای تحولی بزرگ توی این حوزه باشه.

اما سوال اینجاست: آیا این روشی که AI وارد آموزش بشه واقعاً به نفع دانشجوهاست؟ یا ممکنه باعث بشه که ما از تفکر انتقادی فاصله بگیریم؟ هنوز مشخص نیست، ولی می‌تونیم مطمئن باشیم که Claude قراره تاثیر زیادی توی این مسیر بذاره.
🔥16👍10👌1
Forwarded from @machinelearningnet (Dr Sasan Barak)
موسسه فیلدز که اصولا بخاطر مدال افتخار ریاضی به دکتر مریم میرزاخانی میشناسیمش، سمینارهای جالبی درباره ریاضیات مالی هم برگزار میکنه و خوشبختانه همگی در یوتیوب بارگزاری میشه.

این لینک بالای ۳۰ تا پرزنت برای سمینارهای کوانت فاینانس اش هست که واقعا بار آموزشی بالایی داره 👍👌

بین پرزنت ها یه ویدئو درباره دیپ هجینگ با RL هست که خود پرفسور هال پرزنت میکنه💥، ویدیوهای دیگه ای درباره قیمت گذاری اپشن، بهینه سازی پرتفولیو ، آنالیز تریدها و لیبل گذاری تریدرها توسط رگولاتور ( پرزنت استاد اکسفورد) هستن، که برای این اخر هفته ای میشه نگاه کرد و لذت برد ...


پ.ن.۱. این یکی از playlist های فاینانس اش هست، چند تا پلی لیست فاینانس دیگه هم داشت،

پ.ن.۲. البته بعضی از پرزنت ها خیلی ریاضی محض میشه از سطح دانش من فراتره،🙈☺️

پ.ن.۳. هنوز ai در حوزه ریاضی مالی خیلی تعطیله :)
@machinelearningnet2
👍61🆒1
Forwarded from Linux & OpenSource
وقتی AI بر دنیا تسلط پیدا کنه
دیگه اهمیت نداره که از ChatGPT تشکر کردید انتهای هر پیام یا نه: ))))
@uselinux
👍19👎132🆒2
Linux & OpenSource
وقتی AI بر دنیا تسلط پیدا کنه دیگه اهمیت نداره که از ChatGPT تشکر کردید انتهای هر پیام یا نه: )))) @uselinux
این کانال تلگرامی یکی از دوستان خیلی خوبمه در حیطه لینوکس و بلاکچین فعالیت داره و کارهای زیادی انجام داده دوست داشتین عضو شین
👍5👎51
آنتروپیک اومده یه تکنیک اسکن مغزی روی LLMها پیاده کرده که بدون اینکه LLM متوجه بشه پروسه Reasoning رو مانیتور میکنه. جالبه که وقتی از خودش می‌پرسی چطور فلان نتیجه‌گیری رو کردی یه چیز دیگه بهت میگه! جالب‌تر اینکه درک ما از #هوش‌_مصنوعی اشتباهه و صرفا لغت بعدی رو پیش‌بینی نمیکنه!

https://www.techspot.com/news/107347-finally-beginning-understand-how-llms-work-no-they.html

#مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
🆒13👍91
اکانت رایگان OpenAI برای دانشجویان آمریکا و کانادا برای مدت دوماه استفاده عرضه شد علاقمندان میتونین استفاده کنین
https://chatgpt.com/students

#علوم_پزشکی #مقاله #ایده_جذاب

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
👍2🆒1
مقاله‌ای با عنوان «Chapter-Llama» به ارائه روشی نوین برای تقسیم ویدئوهای طولانی به بخش‌های معنایی و تولید عناوین متناظر می‌پردازد. این روش با استفاده از مدل‌های زبانی بزرگ (LLMs) و ترکیب رونوشت‌های گفتاری و کپشن‌های تصویری، عملکرد قابل‌توجهی در فصل‌بندی ویدئوهای یک‌ساعته نشان داده است.​

▪️ Chapter-Llama: Efficient Chaptering in Hour-Long Videos with LLMs

#مقاله #ایده_جذاب #پردازش_تصویر #فیلم

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
👌42👍1
This media is not supported in your browser
VIEW IN TELEGRAM
مقاله‌ای با عنوان «LATTE-MV» به ارائه سیستمی برای بازسازی #سه‌_بعدی بازی‌های تنیس روی میز از ویدئوهای تک‌چشمی و توسعه کنترلی آگاه از عدم‌قطعیت برای پیش‌بینی اقدامات حریف می‌پردازد. این سیستم با پردازش حدود ۵۰ ساعت ویدئوی بازی، بیش از ۷۳٬۰۰۰ تبادل را استخراج کرده و با استفاده از مدل‌های #ترنسفورمر، دینامیک بازی را می‌آموزد. در #شبیه‌_سازی‌ ها، این روش نرخ بازگشت توپ را از ۴۹.۹٪ به ۵۹.۰٪ بهبود داده است.​

▪️ LATTE-MV: Learning to Anticipate Table Tennis Hits from Monocular Videos

#مقاله #ایده_جذاب #ورزش #تنیس #رباتیک

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
3🔥1
llama4
Multi-image
Superior text and visual intelligence
Class-leading 10M context window
17B active params x 16 experts, 109B total params



llama.com/llama4

https://x.com/jeethu/status/1908590731284873407?s=19
👍82
New deepseek Paper+Model:

DeepSeek-GRM models automatically generate judging principles and critiques without needing a human in the loop to achieve better reward scaling with inference-time compute.

Open-source model coming!🧵

https://x.com/ZainHasan6/status/1908036982577504508?s=19
👍3
#مقاله زیر به بررسی کاربرد #یادگیری_فعال (Active Learning) در پیش‌بینی ساختار سه‌بعدی پروتئین‌ها می‌پردازد و الگوریتمی جدید به نام DEWDROP را برای این منظور معرفی می‌کند. پیش‌بینی دقیق ساختار پروتئین‌ها، به‌ویژه آن‌هایی که در داده‌های آموزشی فعلی کمتر حضور دارند، بسیار دشوار است. مقاله با معرفی یک استراتژی یادگیری فعال نوین، تلاش می‌کند با استفاده مؤثرتر از داده‌های دارای برچسب، کارایی مدل‌های پیش‌بینی را افزایش دهد.

▪️ Active Learning for Protein Structure Prediction

#علوم_پزشکی #ژنتیک #ایده_جذاب #زیست_شناسی

🔸 مطالب بیشتر 👇👇

@AI_DeepMind
🔸 @AI_Person
👍4🆒1