هوش مصنوعی و علم داده به فارسی
6.06K subscribers
1.65K photos
435 videos
346 files
1.81K links
🗨 ارتباط با ما (تبلیغات، سوال، پیشنهاد و انتقاد):
📩 @Contact2Mebot

💯 کانال دوم ما:
@Datascientists_Files

💎 در پیام‌رسان بله(آپدیت اتومات):
https://ble.ir/dataplusscience

💡 در پیام‌رسان ایتا(آپدیت اتومات):
https://eitaa.com/DataPlusScience
Download Telegram
هوش مصنوعی در نقش استاد دانشگاه هاروارد

‏دانشکده کسب‌وکار هاروارد (HBS) در اقدامی نوآورانه، نسخه‌های هوش مصنوعی (AI Clones) اساتید خود را برای تعامل با دانشجویان طراحی کرده است. این شبیه‌سازها اکنون در دوره‌های جدید کارآفرینی به کار گرفته می‌شوند تا بنیان‌گذاران استارتاپ‌ها بتوانند در هر ساعتی از شبانه‌روز، مهارت‌های خود را بهبود ببخشند.

‏این پلتفرم آموزشی که در حال حاضر در بیش از ۱۰۰ دانشگاه به‌صورت آزمایشی استفاده می‌شود، کاربردهای کلیدی زیر را برای دانشجویان فراهم کرده است:

‏• تمرین ارائه طرح تجاری (Pitch) به سرمایه‌گذاران
‏• شبیه‌سازی تماس‌های فروش برای تقویت فن بیان
‏• مدیریت جلسات هیئت مدیره در موقعیت‌های حساس

‏هاروارد با این اقدام قصد دارد آموزش‌های تخصصی کارآفرینی خود را از محدوده محدود کلاس‌های حضوری MBA فراتر برده و در مقیاسی جهانی در دسترس قرار دهد. این فناوری نشان‌دهنده آینده‌ای است که در آن آموزش‌های تخصصی با تعاملات هوشمند و شخصی‌سازی‌شده جایگزین روش‌های سنتی می‌شوند.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 تحولی بزرگ در دنیای محاسبات کوانتومی

‏گوگل به‌تازگی با استفاده از تراشه کوانتومی خود، مسئله‌ای را در مدت ۵ ثانیه حل کرده است که حتی قدرتمندترین ابرکامپیوترهای جهان برای پردازش آن به میلیاردها سال زمان نیاز داشتند.

‏ساندار پیچای، مدیرعامل گوگل، تأکید کرده است که این موفقیت نشان می‌دهد مفهوم «تصحیح خطای کوانتومی» اکنون در مقیاس عملیاتی به‌درستی کار می‌کند. این دستاورد علمی عملاً فاصله ما تا دستیابی به کامپیوترهای کوانتومی کاربردی و عمومی را به ۵ تا ۱۰ سال کاهش داده است.

‏این پیشرفت نشان‌دهنده ورود ما به عصر جدیدی از پردازش است که می‌تواند مرزهای فعلی هوش مصنوعی و تحلیل داده را جابه‌جا کند.

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Quantum_Error_Correction #Sycamore
🚀 هوش مصنوعی در کلاس درس؛ فرصت یا تهدید؟

‏استفاده از هوش مصنوعی در نظام‌های آموزشی جهان به سرعت در حال افزایش است، به‌طوری که بخش بزرگی از دانش‌آموزان اکنون برای انجام تکالیف خود به این ابزارها تکیه می‌کنند. اما آیا این فناوری واقعاً به یادگیری عمیق کمک می‌کند؟

‏یک مطالعه جامع بر روی ۲۷ هزار دانش‌آموز نشان می‌دهد که هوش مصنوعی شمشیری دو لبه است:

‏* افزایش بهره‌وری: استفاده از AI نتایج تکالیف را حدود ۲۰٪ بهبود بخشیده و زمان انجام آن‌ها را نیز تا ۲۵٪ کاهش داده است.
‏* افت مهارت‌های تحلیلی: برخلاف بهبود تکالیف، دانش‌آموزانی که از هوش مصنوعی استفاده کرده بودند، در آزمون‌های نهایی ۲۰٪ امتیاز پایین‌تری کسب کردند.

‏نتیجه‌گیری مهم این است که هوش مصنوعی می‌تواند ابزاری قدرتمند برای افزایش بهره‌وری باشد، اما جایگزینی برای تفکر نیست. آینده آموزش نه در حذف فناوری، بلکه در تقویت مهارت‌های حیاتی مانند تفکر انتقادی و استفاده مسئولانه از هوش مصنوعی نهفته است تا یادگیری سطحی جایگزین دانش عمیق نشود.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#یادگیری_عمیق #تفکر_انتقادی
🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #94 | 📌 6 آیتم گزارش | 🧾 از 15 پست بررسی‌شده
🕐 شنبه 1405/05/31 ساعت 14:00 تا دوشنبه 1405/06/02 ساعت 14:00

🎨 ابزارهای خلاقانه و تولید ویدیو

تیم BFL از مدل ارتقای کیفیت ویدیوی جدید خود بر پایه معماری FLUX 3 رونمایی کرد که قادر است ویدیوها را به صورت یکپارچه و تا وضوح ۱۴.۴ مگاپیکسل بهینه‌سازی کند.
🔗 مشاهده پست

شرکت MiniMax ابزار هوشمند MiniMax Design را برای تولید خودکار ویدیو معرفی کرد که تمام مراحل کار از سناریونویسی تا تدوین و صداگذاری را بر پایه مدل H3 انجام می‌دهد.
🔗 مشاهده پست


🦾 دستاوردهای سخت‌افزاری و رباتیک

گوگل با استفاده از تراشه کوانتومی خود مسئله‌ای را در ۵ ثانیه حل کرد که حل آن برای ابرکامپیوترها میلیاردها سال طول می‌کشید؛ این دستاورد گامی بزرگ برای تصحیح خطای کوانتومی است.
🔗 مشاهده پست

ربات انسان‌نمای Tiangong Ultra در جریان مسابقات پکن با ثبت زمان ۹.۳۹ ثانیه در دو ۱۰۰ متر، رکورد بی‌سابقه‌ای در دوومیدانی ربات‌ها ثبت کرد.
🔗 مشاهده پست


📈 روندها و سرمایه‌گذاری‌های صنعت هوش مصنوعی

تحلیل‌ها نشان می‌دهد سال ۲۰۲۶ سال مدل‌های مبتنی بر ایجنت خواهد بود و در حال حاضر ایجنت‌های هوشمند در مصرف توکن‌های پردازشی از کاربران انسانی پیشی گرفته‌اند.
🔗 مشاهده پست

شرکت انویدیا با سرمایه‌گذاری ۷ میلیارد دلاری روی استارتاپ Poolside وارد رقابت جدی در حوزه مدل‌های با وزنِ‌باز شده است که شامل جذب متخصصان و لایسنس فناوری می‌شود.
🔗 مشاهده پست


📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
1
📊 ردپای هوش مصنوعی در سبک نوشتار وب

‏رشد محتوای تولید شده توسط هوش مصنوعی، اثر انگشت خاصی را در متون وب به‌جا گذاشته است. طبق تحلیل‌های Pew Research، با مقایسه وضعیت اینترنت امروز نسبت به سال ۲۰۲۳، الگوهای نگارشی زیر افزایش چشمگیری داشته‌اند:

‏• استفاده از خط تیره (Em dash) حدود دو برابر شده است.
‏• کاربرد ویرگول آکسفورد (Oxford comma) بیش از ۶۳ درصد افزایش یافته است.
‏• برخی واژگان محبوب مدل‌های زبانی مانند "delve"، "interplay" و "testament" بیش از دو برابر در متون تکرار می‌شوند.
‏• ساختارهای تقابلی منفی (مانند "نه تنها X، بلکه Y") نزدیک به سه برابر رشد داشته‌اند.

‏به‌نظر می‌رسد مدل‌های زبانی در حال تغییر دادن استانداردهای رایج نوشتاری در فضای مجازی هستند.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Oxford_comma #Em_dash
1
🚀 معرفی Turbovec: جستجوی برداری سریع‌تر با TurboQuant

‏کتابخانه Turbovec یک ابزار جدید برای جستجوی برداری است که بر پایه الگوریتم فشرده‌سازی TurboQuant گوگل توسعه یافته است. این کتابخانه که با زبان Rust نوشته شده، امکانات فوق‌العاده‌ای برای مدیریت حجم عظیم داده‌ها فراهم می‌کند.

‏مهم‌ترین ویژگی‌های این ابزار:
‏* کاهش حجم چشمگیر: فشرده‌سازی وکتورها تا ۱۶ برابر نسبت به حالت استاندارد FP32 بدون کاهش محسوس در دقت (Recall).
‏* سرعت بالاتر از FAISS: در بنچمارک‌های انجام شده، این ابزار در حالت ۴-بیتی تا ۳.۵ برابر سریع‌تر از FAISS عمل می‌کند.
‏* مدیریت پویا: عدم نیاز به آموزش اولیه ایندکس و امکان اضافه کردن وکتورها به‌صورت لحظه‌ای.
‏* پشتیبانی از فریم‌ورک‌ها: ارائه آداپتورهای آماده برای استفاده در LangChain، LlamaIndex و سایر ابزارهای محبوب.
‏* ذخیره‌سازی بهینه: ذخیره‌سازی اینکریمنتال روی دیسک که باعث می‌شود عملیات ثبت تغییرات تنها در چند میلی‌ثانیه انجام شود.

📚 مطالعه با جزئیات بیشتر
1
⚡️ ورود شیائومی به بازار سخت‌افزارهای هوش مصنوعی

‏شرکت شیائومی به‌تازگی از نمونه اولیه کامپیوتر هوش مصنوعی خود با نام Xiaomi AI Cube رونمایی کرده است. این دستگاه به‌عنوان رقیبی مستقیم برای NVIDIA DGX Spark طراحی شده و هدف آن اجرای محلی و بدون نیاز به فضای ابری مدل‌های بزرگ زبانی است.

‏مهم‌ترین ویژگی‌های فنی این سخت‌افزار عبارتند از:

‏* معماری سه هسته‌ای: بهره‌گیری از چیپ‌های اختصاصی Xuanjie شامل O3، O100 و D100 برای پردازش‌های هماهنگ.
‏* مدیریت هوشمند مدل‌ها: پشتیبانی هم‌زمان از مدل‌های ۱۲۰ میلیارد پارامتری (120B) و مدل‌های سبک ۳ میلیارد پارامتری (3B) با قابلیت سوییچ خودکار برای بهینه‌سازی سرعت و دقت.
‏* طراحی مهندسی: استفاده از بدنه آلومینیومی با طراحی CNC دقیق که امکان ارائه ۱۵۰ وات عملکرد پایدار را فراهم می‌کند.

‏این اقدام شیائومی در جهت خودکفایی زیرساختی، دقیقاً همان مسیری است که پیش‌تر تحلیلگران حوزه سخت‌افزار درباره کاهش وابستگی به تراشه‌های آمریکایی پیش‌بینی کرده بودند. این کامپیوتر می‌تواند نقطه عطفی برای استقرار سریع و ایمن مدل‌های AI در مقیاس محلی باشد.

📊 DataScience
1
🌐 تبدیل داده‌های شهری به گراف با کتابخانه City2Graph

‏اگر در حوزه یادگیری ماشین روی داده‌های مکانی فعالیت می‌کنید، کتابخانه جدید City2Graph ابزاری کاربردی برای شماست. این کتابخانه پایتونی به شما کمک می‌کند داده‌های پیچیده شهری، از جمله ساختمان‌ها، معابر و مسیرهای حمل‌ونقل عمومی را به گراف‌های ناهمگون (Heterogeneous Graphs) تبدیل کنید.

‏ویژگی کلیدی این ابزار، ایجاد پل ارتباطی میان GeoPandas و PyTorch Geometric است. با استفاده از این کتابخانه می‌توانید داده‌های جغرافیایی را مستقیماً در مدل‌های یادگیری ماشین مبتنی بر گراف به کار بگیرید و تحلیل‌های شهری دقیق‌تری انجام دهید.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#City2Graph #HeterogeneousGraphs
1
🚀 معرفی Palomar: پلتفرم راستی‌آزمایی اثبات‌های ریاضی

‏با افزایش تولید اثبات‌های ریاضی توسط مدل‌های هوش مصنوعی، تایید صحت این نتایج به چالشی بزرگ تبدیل شده است. برای حل این مشکل، Palomar به عنوان یک مرجع معتبر برای ریاضیاتِ فرمالیزه‌شده در زبان Lean راه‌اندازی شده است.

‏این ابتکار که با همکاری ICARM شکل گرفته، تضمین می‌کند که ادعاهای ریاضی با اثبات‌های نوع‌بندی‌شده مطابقت دارند. برای ثبت یک اثر در این سامانه، ارائه موارد زیر الزامی است:

‏- فایل Challenge: برای شرح خوانای نتایج در Lean.
‏- ماژول Solution: شامل اثبات کامل مسئله.
‏- فایل formalization.yaml: برای توصیف غیررسمی و ثبت متادیتای نتایج.

‏فرآیند تایید در دو مرحله انجام می‌شود. ابتدا ابزار Comparator صحت منطقی اثبات را بررسی کرده و سپس یک مدل زبانی، تطابق معنایی توصیف‌های متنی با اثبات‌های فرمال را تایید می‌کند. فرقی نمی‌کند اثبات توسط انسان انجام شده باشد یا هوش مصنوعی؛ آنچه اهمیت دارد دقت علمی است.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Palomar #Lean_prover
🚀 تحولی در سرعت هوش مصنوعی با Groq 3 LPX

‏ان‌ویدیا به تازگی از شتاب‌دهنده جدید Groq 3 LPX رونمایی کرده است که برای پلتفرم Vera Rubin طراحی شده و استانداردهای جدیدی را در تولید توکن تعریف می‌کند.

‏طبق گزارش‌های Artificial Analysis، این سیستم در اجرای مدل Gemma 4 31B با کانتکست ۱۰۰ هزار توکن، به نرخ خیره‌کننده ۳۴۰۰ توکن بر ثانیه دست یافته است. این عملکرد، سریع‌ترین رکورد ثبت‌شده برای این مدل محسوب می‌شود.

‏مهم‌ترین ویژگی‌های این فناوری عبارتند از:
‏• بهبود ۴ برابری در زمان پاسخ‌دهی (Latency) نسبت به پلتفرم‌های جایگزین.
‏• بهینه‌سازی ویژه برای AI Agentها و پردازش‌های حساس به تاخیر.
‏• افزایش ۳۵ برابری عملکرد در سناریوهای تعاملی بالا در مقایسه با مدل پایه.
‏• حفظ بازدهی انرژی (TPS per MW) در سطوح بالای تعامل کاربری.

‏این شتاب‌دهنده در ابتدا از طریق سرویس Token Factory در پلتفرم Nebius در دسترس قرار می‌گیرد و به زودی به زیرساخت‌های اصلی Groq نیز اضافه خواهد شد. این پیشرفت مسیر را برای تجربه کاربری بسیار روان‌تر در سرویس‌های هوش مصنوعی هموار می‌کند.

📚 مطالعه با جزئیات بیشتر

📊 DataScience
1
📊 برتری معنادار انویدیا در بهره‌وری هزینه‌ها

‏گزارش اخیر SemiAnalysis نشان می‌دهد که انویدیا در مقایسه با سخت‌افزار AMD، تا پنج برابر بهره‌وری هزینه‌ای بهتری ارائه می‌دهد. این ارزیابی بر اساس نرخ ۱۵۰ توکن بر ثانیه برای هر کاربر انجام شده است.

‏نکات کلیدی این بررسی عبارتند از:

‏* نرم‌افزار و بهینه‌سازی: در شرایط فعلی و با وضعیت نرم‌افزاری فعلی AMD، انویدیا همچنان پیشتاز است.
‏* تحلیل اقتصادی: داده‌ها حاکی از آن است که حتی اگر سخت‌افزار AMD به صورت رایگان ارائه شود، هزینه‌های جاری نظیر مرکز داده و مصرف انرژی باعث می‌شود تا استفاده از انویدیا همچنان برای هر توکن خروجی، ارزان‌تر تمام شود.
‏* معیار سنجش: این مقایسه بر مبنای GLM 5.3 SGLang و با تمرکز بر هزینه‌های عملیاتی در سناریوهای واقعی دنیای امروز انجام شده است.

‏این گزارش بار دیگر اهمیت اکوسیستم نرم‌افزاری در کنار سخت‌افزار را برای کاهش هزینه‌های استنتاج مدل‌های هوش مصنوعی یادآوری می‌کند.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#SGLang #SemiAnalysis
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 هوشمندتر شدن ChatGPT در macOS

‏قابلیت‌های جدید ChatGPT در سیستم‌عامل مک به سطح تازه‌ای رسیده و حالا این ابزار می‌تواند مستقیماً با اپلیکیشن Messages شما تعامل داشته باشد. این تغییر به معنای مدیریت هوشمندتر مکالمات روزمره است.

‏مهم‌ترین قابلیت‌های این به‌روزرسانی عبارتند از:

‏• دسترسی و مدیریت پیام‌ها: پیدا کردن چت‌های قدیمی، خلاصه‌سازی گفتگوها و پیشنهاد پاسخ‌های متنی برای شما.
‏• ارسال مستقیم: امکان نوشتن و ارسال پیام از داخل محیط چت‌جی‌پی‌تی.
‏• یکپارچگی با تقویم: شناسایی رویدادها مانند تاریخ تولدها در متن پیام و ثبت خودکار آن‌ها در تقویم یا یافتن زمان‌های خالی برای جلسات.
‏• تشخیص اسپم: شناسایی و علامت‌گذاری پیام‌های مشکوک برای مدیریت بهتر فضای گفتگو.

‏این تحول باعث می‌شود مدل‌های زبانی از ابزاری صرفاً برای تولید متن، به دستیارانی فعال تبدیل شوند که در جریان امور روزمره شما نقش ایفا می‌کنند.

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#ChatGPT #macOS
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #95 | 📦 8 پست
🕐 دوشنبه 1405/06/02 ساعت 14:00 تا سه‌شنبه 1405/06/03 ساعت 14:00

⚙️ سخت‌افزار و زیرساخت‌های هوش مصنوعی

شیائومی از کامپیوتر هوش مصنوعی Xiaomi AI Cube با معماری سه هسته‌ای اختصاصی رونمایی کرد. این دستگاه برای اجرای محلی و بدون نیاز به فضای ابری مدل‌های بزرگ زبانی طراحی شده است.
🔗 مشاهده پست

شتاب‌دهنده جدید Groq 3 LPX با دستیابی به سرعت خیره‌کننده ۳۴۰۰ توکن بر ثانیه در مدل Gemma 4، رکوردی تازه در زمینه سرعت تولید توکن در پلتفرم Vera Rubin ثبت کرده است.
🔗 مشاهده پست

گزارش SemiAnalysis نشان می‌دهد انویدیا به دلیل بهینه‌سازی‌های نرم‌افزاری، تا پنج برابر بهره‌وری هزینه‌ای بهتری نسبت به سخت‌افزارهای AMD در پردازش توکن‌ها ارائه می‌دهد.
🔗 مشاهده پست


🛠 ابزارهای توسعه و تحلیل داده

کتابخانه Turbovec مبتنی بر الگوریتم TurboQuant، امکان فشرده‌سازی وکتورها تا ۱۶ برابر را فراهم کرده و سرعت جستجوی برداری را بدون افت دقت به شکل چشمگیری افزایش می‌دهد.
🔗 مشاهده پست

کتابخانه پایتونی City2Graph برای متخصصان داده‌های مکانی، امکان تبدیل ساختمان‌ها و معابر شهری به گراف‌های ناهمگون و اتصال ابزارهای GeoPandas به PyTorch Geometric را فراهم می‌کند.
🔗 مشاهده پست

پلتفرم Palomar با همکاری ICARM برای تایید صحت اثبات‌های ریاضی تولید شده توسط هوش مصنوعی و انطباق آن‌ها با ریاضیات فرمالیزه‌شده در زبان Lean راه‌اندازی شد.
🔗 مشاهده پست


📱 هوش مصنوعی در کاربردهای روزمره

تحلیل‌های Pew Research نشان می‌دهد تولید محتوا توسط هوش مصنوعی، الگوهای نگارشی وب را تغییر داده و استفاده از خط تیره، ویرگول آکسفورد و واژگان خاص را به‌شدت افزایش داده است.
🔗 مشاهده پست

به‌روزرسانی جدید ChatGPT در مک، تعامل مستقیم با اپلیکیشن Messages را ممکن کرده است. این ابزار اکنون می‌تواند چت‌ها را خلاصه کرده و پاسخ‌های متنی پیشنهاد دهد.
🔗 مشاهده پست


📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
📉 کاهش قابل‌توجه هزینه‌های استفاده از API مدل GPT-5.6

‏شرکت OpenAI به‌تازگی در یک به‌روزرسانی مهم، تعرفه‌های استفاده از مدل GPT-5.6 را کاهش داده است. این تغییرات که از همین لحظه اعمال شده، شامل موارد زیر است:

‏• کاهش ۲۰ درصدی هزینه ورودی (Input) که به ۴ دلار برای هر میلیون توکن رسیده است.
‏• کاهش ۳۳ درصدی هزینه خروجی (Output) که اکنون به ۲۰ دلار برای هر میلیون توکن کاهش یافته است.

‏این تعرفه‌های جدید حداقل تا تاریخ ۲۱ نوامبر ثابت باقی خواهند ماند. تحلیلگران معتقدند این اقدام همزمان با اخبار مربوط به عرضه اولیه سهام Anthropic، نشان‌دهنده رقابت فشرده میان غول‌های حوزه هوش مصنوعی برای جذب توسعه‌دهندگان بیشتر است. این کاهش قیمت فرصت مناسبی برای بهینه‌سازی هزینه‌های پروژه‌های مبتنی بر مدل‌های زبانی بزرگ فراهم می‌کند.

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#GPT_5 #Anthropic
1
📈 رشد نجومی OpenRouter و عصر آژانس‌های هوش مصنوعی

‏پلتفرم OpenRouter با رشد خیره‌کننده‌ای مواجه شده است؛ حجم پردازش هفتگی توکن‌های آن از ۱۰ میلیارد در ژانویه ۲۰۲۴ به بیش از ۹۰ تریلیون توکن در اوت ۲۰۲۶ رسیده است.

‏بر اساس گزارش Menlo Ventures، مهم‌ترین دلایل این رشد انفجاری عبارتند از:

‏• سهم بالای آژانس‌های هوش مصنوعی: از اوایل سال ۲۰۲۶، عامل‌های هوشمند (Agents) بیشتر از کاربران عادی توکن تولید و مصرف می‌کنند.
‏• مصرف توکن بیشتر: هر درخواست آژانس هوشمند به‌طور میانگین ۱۵ برابر بیشتر توکن مصرف می‌کند؛ زیرا شامل فرآیندهای استدلال، فراخوانی ابزارها و اجرای چرخه‌های متوالی است.
‏• نرخ رشد مداوم: حجم توکن‌های این پلتفرم تقریباً هر ۱۱ هفته دو برابر شده است که معادل نرخ سالانه بیش از ۴.۵ کوآدریلیون توکن است.

📚 مطالعه با جزئیات بیشتر

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
1
Media is too big
VIEW IN TELEGRAM
🚀 انتقال دیتاسنترهای هوش مصنوعی به فضا توسط اسپیس‌اکس

‏شرکت SpaceX در حال برنامه‌ریزی برای انتقال زیرساخت‌های پردازشی هوش مصنوعی به مدار زمین است. این پروژه با نام Starmind شناخته می‌شود و قرار است با استفاده از معماری Vera Rubin شرکت NVIDIA، ماهواره‌هایی مجهز به دیتاسنترهای واقعی در فضا مستقر شوند.

‏هر ماهواره شامل ۷۲ پردازنده گرافیکی Rubin و ۳۶ پردازنده مرکزی Vera در رک‌های اختصاصی SpaceX است که بسیار سبک‌تر و بهینه‌تر از سیستم‌های رایج طراحی شده‌اند. این ماهواره‌ها انرژی خود را از خورشید تأمین کرده و نتایج پردازش‌ها را از طریق لینک‌های لیزری Starlink به زمین مخابره می‌کنند.

‏مهم‌ترین نکات این پروژه:
‏- استفاده از رک‌های فوق‌بهینه با قابلیت به‌کارگیری در زمین و فضا.
‏- انحصار کامل همکاری با NVIDIA برای توسعه این زیرساخت.
‏- هدف‌گذاری برای مقیاس‌پذیری توان پردازشی Grok از ۲ گیگاوات به ۱۰ گیگاوات.
‏- پرتاب اولین ماهواره Starmind در سه‌ماهه چهارم سال ۲۰۲۷.

‏این تحول می‌تواند مسیر توسعه هوش مصنوعی را به شکلی بنیادین تغییر دهد و محدودیت‌های انرژی و فضا را برای مدل‌های بزرگ به چالش بکشد.

📊 DataScience
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 رکورد خیره‌کننده ربات انسان‌نما در پرش طول

‏دنیای رباتیک شاهد یک جهش بزرگ در عملکردهای فیزیکی است. تیم Tianjiao در دومین دوره از بازی‌های جهانی ربات‌های انسان‌نما در پکن موفق شد با ربات خود رکورد پرش طول ۷.۹۷ متری را به ثبت برساند و مدال طلا را از آن خود کند.

‏نکته قابل تامل اینجاست که این عملکرد تنها ۰.۹۸ متر با رکورد جهانی پرش طول مردان (۸.۹۵ متر توسط مایک پاول) فاصله دارد. این پیشرفت زمانی شگفت‌انگیزتر می‌شود که بدانیم بهترین رکورد ثبت‌شده برای ربات‌های انسان‌نما در سال ۲۰۲۵ تنها ۱.۲۵ متر بوده است. این دستاورد، گام بزرگی در بهبود تعادل، قدرت پردازش و هماهنگی حرکتی در سیستم‌های هوشمند است.

📊 DataScience 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما


#Team_Tianjiao #ربات_انسان_نما
Forwarded from شانزدهمین کارآموزی همراه اول
📢 آغاز ثبت‌نام شانزدهمین دوره کارآموزی همراه اول

مسیر شغلی خود را با تجربه در معتبرترین شرکت‌های حوزه ICT بسازید.

🎯 کارآموزی همراه اول یک دوره ۴ ماهه، با هدف افزایش #تجربه و #مهارت #دانشجویان و #فارغ‌التحصیلان جویای کار است.

💎 مزایای دوره کارآموزی:
💼 فرصت #استخدام در گروه همراه اول
💰 پرداخت #حقوق + #بیمه در طول دوره کارآموزی
🏅 کسب تجربه در معتبرترین شرکت‌های حوزه ICT
انتخاب از بین ۱۲۰+ موقعیت شغلی متنوع (امکان ارسال درخواست در۳ موقعیت شغلی)

🗓️ مهلت ثبت‌نام: تا ۱۴ شهریور ماه ۱۴۰۵
⚠️ ظرفیت محدود (پیش از تکمیل موقعیت‌ها ثبت‌نام کنید!)


🌐 برای «ثبت‌نام رایگان» و مشاهده موقعیت‌های کارآموزی روی لینک زیر بزنید:

🔗 https://l.hamrah.academy/8c1

@hamrah_academy | آکادمی همراه اول