سلام به همگی
ما همیشه دوست داشتیم به گسترش هوش مصنوعی در کشورمون به اشکال مختلف کمک کنیم و در این راه سعی کردیم از پیشروان. از همین روی از این هفته هر چهارشنبه ساعت ۲۰ در متیس یک دورهمی آنلاین خواهیم داشت و توی اون به مباحث مختلفی در مورد هوش مصنوعی در صنعت و از بعد فنی، بیزینسی و محصولی می‌پردازیم.
چکار می‌کنیم؟

💻 کد می‌زنیم.
🗺 دیزاین سیستم‌ها رو مرور می‌کنیم.
🧠 تجارب توسعه محصول خودمون و مشتری‌ها رو به اشتراک می‌ذاریم.
🧑‍🎓 از اوضاع فرهنگی هوش مصنوعی می‌گیم و کلا هدفمون اینه که کمک کنیم تا شرکت‌ها و افراد بتونن دید روشن‌تری از جنبه‌های مختلف هوش مصنوعی مولد داشته باشن.

👷 طبق عادت شخصی از مباحث آکادمی به دور هستیم مگر در مواردی که ضروری باشه و هدفم اینه که کاملا کاربردی و صنعتی باشه.
در واقع یاد بگیریم چطور می‌شه نرم‌افزارِ خوبِ پول دربیار بسازیم که ارزشی بر پایه هوش مصنوعی در خودش جای داده!
جلسه‌ی اول ممکنه یه ساعت طول بکشه ولی در کل هدفمون اینه که جلسات کوتاه و موثر باشه.
منتظرتون هستم.

کانال تلگرام متیس رو هم خوبه که داشته باشید و دنبال کنید:
@metis_ai_news
لینک کانال: https://t.me/metis_ai_news

به عنوان سخنران اینجا شرکت خواهم کرد، اگر مقاله ای چیزی دارید که چاپ نشده، حتما سابمیت بکنید:

https://www.linkedin.com/posts/meysam-ac_ecai2025-llais2025-callforpapers-activity-7317455205116112896-WTrb?utm_source=share&utm_medium=member_android&rcm=ACoAABIjZvoBtqxa_0zBtulOakWsKLQOVFzfo8I

روز جهانی لحظه ای برای خندیدن باعث حال خوب و خنده هم باشین نه خنده بهم کنار هم باشین
هر کی میخندونتت داره نجاتت میده

اگر میخواید مفهوم «زنجیره تفکر» (Chain of Thought یا CoT) را در زمینه مدل‌های زبانی بزرگ (LLMs) توضیح بده این لینک به شما کمک میکنه
▪️ Chain of Thought

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

🟪و اما OpenAI به‌تازگی سه مدل جدید معرف کرده:

GPT‑4.1،
GPT‑4.1 Mini
GPT‑4.1 Nano

🔷 ویژگی‌های برجسته:

🔸پشتیبانی از ۱ میلیون توکن کانتکست از طریق API
🔸سریع‌تر، هوشمندتر و ارزان‌تر از GPT-4o
🔸نسخه Nano برای اپلیکیشن‌های با تأخیر بسیار پایین و استفاده در Edge

🔷پیشرفت‌های عملکردی:

🔸کدنویسی: ۵۴.۶٪ در SWE-bench (افزایش ۲۱.۴٪ نسبت به GPT-4o)
🔸درک دستورات: ۳۸.۳٪ در MultiChallenge
🔸پردازش طولانی: ۷۲.۰٪ در Video-MME

🔷سایر ویژگی‌ها:

🔸پوشش داده‌های آموزشی تا ژوئن ۲۰۲۴
🔸قابلیت پردازش پروژه‌های بزرگ، کل کدبیس‌ها و اسناد حجیم

📎 اطلاعات بیشتر در مستندات رسمی

🟣@Recomendersystem2023

گوگل ابزار ساخت ویدیو Veo 2 را رایگان در دسترس همه قرار داد

اگر پروژه llama.cpp رو خاطرتون باشه و ازش استفاده کرده باشید الان مدلی جدیدتر و بهتر در حجم بزرگتر برای کار با مدلهای بزرگ ارایه شده که میتونین ازش استفاده کنید.

مقاله‌ای با عنوان PRIMA.CPP به معرفی سیستم توزیع‌شده‌ای به نام prima.cpp می‌پردازد که امکان اجرای مدل‌های زبانی بزرگ (LLMs) با مقیاس 70 میلیارد پارامتر را بر روی دستگاه‌های خانگی با منابع محدود فراهم می‌کند.​ با افزایش قدرت سخت‌افزارهای مصرفی و بهبود تکنیک‌های کمیت‌سازی مدل‌ها، اجرای مدل‌های زبانی بزرگ بر روی دستگاه‌های خانگی ممکن شده است. با این حال، راه‌حل‌های موجود هنوز به خوشه‌های GPU، حافظه RAM/VRAM بزرگ و پهنای باند بالا نیاز دارند که فراتر از توانایی‌های یک خوشه خانگی معمولی است. این مقاله به معرفی prima.cpp می‌پردازد که با استفاده از ترکیبی از CPU/GPU، حافظه کم، Wi-Fi و پشتیبانی از پلتفرم‌های مختلف، امکان اجرای مدل‌های بزرگ را بر روی دستگاه‌های خانگی فراهم می‌کند.​ استفاده از mmap برای مدیریت وزن‌های مدل به‌صورت تنبل، که به جلوگیری از خطاهای Out-Of-Memory (OOM) کمک می‌کند. معرفی ساختار موازی‌سازی جدیدی که با پیش‌بارگذاری لایه‌های مدل، زمان بارگذاری از دیسک را پنهان می‌کند و به کاهش تأخیر در تولید توکن کمک می‌کند. پیشنهاد الگوریتمی برای حل مسئله تخصیص لایه‌ها به دستگاه‌ها (Layer-to-Device Assignment) با در نظر گرفتن ناهمگونی در توان محاسباتی، حافظه، دیسک، ارتباطات و سیستم‌عامل.​ در آزمایش‌ها، prima.cpp بر روی یک خوشه خانگی چهار دستگاهی، عملکرد بهتری نسبت به سیستم‌های موجود مانند llama.cpp، exo و dllama در مدل‌های 30B+ نشان داده است.

با استفاده از prima.cpp، مدل‌های پیشرفته‌ای مانند Llama 3، DeepSeek R1، Qwen 2.5 و QwQ قابل اجرا بر روی دستیارهای خانگی شده‌اند، که دسترسی به هوش مصنوعی پیشرفته را برای افراد عادی ممکن می‌سازد.

https://github.com/Lizonghang/prima.cpp

#مقاله

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

بگم ایلتس گرون شد

Google / OpenAI / Anthropic چرخه شرکتهای

برنامه‌نویسان مسلط به زبان Go، بیشترین حقوق درخواستی را در سال ۱۴۰۴ ثبت کردند

🔹بر اساس گزارش «حقوق و دستمزد ۱۴۰۴» جاب‌ویژن، برنامه‌نویسان ارشد مسلط به زبان Go، بالاترین حقوق درخواستی را در میان سایر زبان‌های برنامه‌نویسی ثبت کرده‌اند. این گروه، با رقم ۱۳۶ میلیون تومان در ماه، صدرنشین جدول حقوق درخواستی برنامه‌نویسان هستند.

🔹در رده‌های بعدی، برنامه‌نویسان ارشد Java با ۱۲۸ میلیون تومان، Python با ۱۰۷ میلیون تومان، C#/.NET با ۹۹ میلیون تومان، ++C/C و JavaScript/HTML/CSS هر دو با ۹۷ میلیون تومان و در نهایت PHP با ۷۹ میلیون تومان قرار گرفته‌اند.

🔹مقایسه حقوق درخواستی برنامه‌نویسان ارشد در تهران و سایر شهرها در سال ۱۴۰۴ نشان می‌دهد که برنامه‌نویسان در پایتخت همچنان دستمزدهای بالاتری مطالبه می‌کنند. این اختلاف در برخی زبان‌ها مانند Python به بیش از دو برابر می‌رسد. با این حال، در زبان‌هایی مانند C/C++، Go و HTML/CSS/JavaScript، تفاوتی میان تهران و دیگر شهرها گزارش نشده و حقوق درخواستی در سطحی یکسان باقی مانده است.

#برنامه_نویسی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

📣 مسابقه ورودی کمپ بهاره Fin AI

💻 فرصتی منحصربه‌فرد برای علاقه‌مندان به حوزه FinTech ,Data و هوش‌مصنوعی

💎 این مسابقه می‌تونه دروازه ورود شما به بوت‌کمپ #علوم_داده و #یادگیری_ماشین با چالش‌های واقعی در حوزه بانکداری هوشمند باشه!

🎉 در صورت قبولی توی مسابقه شرکت توی بوت‌کمپ رایگانه.

🖥 در انتها، با توجه به عملکرد افراد در بوت‌کمپ، از نفرات برتر دعوت به استخدام و همکاری می‌شه.

⏳ جمعه ۲۹ فروردین
⏰ ساعت ۱۵:۰۰

👍 ثبت‌نام رایگان :
🔗 https://quera.org/r/4k4z6

➖➖➖➖
#Quera_Contest

توی دنیای هوش مصنوعی، یه شاخه‌ خیلی مهم به اسم «یادگیری تقویتی» (Reinforcement Learning وجود داره. توی این روش، یه مدل یاد می‌گیره که چطور تصمیم بگیره تا به بهترین نتیجه برسه؛ درست مثل یه بازی که بازیکن با آزمون و خطا سعی می‌کنه امتیاز بیشتری بگیره. مدل با گرفتن پاداش یا جریمه از محیط، کم‌کم یاد می‌گیره چه کارهایی درسته و چه کارهایی نه.

حالا «دیوید سیلور» یکی از دانشمندان Google DeepMind یه نکته‌ هیجان‌انگیز رو افشا کرده: «ما یه سیستمی ساختیم که با استفاده از یادگیری تقویتی، تونست خودش الگوریتم‌های یادگیری تقویتی طراحی کنه.» به گفته‌ سیلور، این سیستم که خودش با هوش مصنوعی ساخته شده، از تمام الگوریتم‌های RL که طی سال‌ها توسط انسان‌ها طراحی شده بودن، عملکرد بهتری داشته.

▪️ Is Human Data Enough? With David Silver

پ.ن: بشدت پادکست خوبیه

#ایده_جذاب #پادکست #مقاله #یادگیری_تقویتی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

هوش مصنوعی بیولوژیکی:
دانشمندان موفق شده‌اند هوش مصنوعی را با سلول‌های زنده مغز انسان ترکیب کنند! این سیستم‌ها برخلاف مدل‌های سنتی سیلیکونی، قدرت یادگیری تطبیقی، پردازش موازی و مصرف انرژی فوق‌العاده بهینه دارند.

🔴 چالش‌های فنی:

⚙ پایدارسازی سلول‌های مغزی: نورون‌های زنده نیاز به محیطی خاص برای بقا دارند، و حفظ عملکرد آن‌ها در طولانی‌مدت هنوز یک چالش است.
⚙ ارتباط با سیستم‌های دیجیتال: ایجاد یک واسط کارآمد بین نورون‌های زنده و مدارهای سیلیکونی برای پردازش داده‌ها، پیچیده و دشوار است.
⚙ سرعت پردازش: در حالی که مغز انسان در پردازش‌های خاص برتر است، هنوز مشخص نیست که این سیستم‌ها می‌توانند در محاسبات پیچیده با کامپیوترهای مدرن رقابت کنند یا نه.

⚡ نقدها و نگرانی‌ها:

❌ آگاهی و هویت: اگر این سیستم‌ها به سطحی از شناخت برسند، آیا باید برای آن‌ها حقوقی قائل شد؟
❌ اخلاق زیستی: آیا استفاده از سلول‌های زنده مغز انسان در فناوری قابل قبول است؟

منبع:

https://www.newscientist.com/article/2407768-ai-made-from-living-human-brain-cells-performs-speech-recognition/

#هوش_مصنوعی #بیوتکنولوژی #زیست_شناسی #مقاله@AI_DeepMind #ژنتیک@AI_DeepMind #ایده_جذاب #علوم_پزشکی

🔸 مطالب بیشتر 👇👇

✅ @AI_DeepMind
🔸 @AI_Person

مدل o4 mini هستن ایشون 😂