🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #136 | 📌 8 آیتم گزارش | 🧾 از 18 پست بررسی‌شده
🕐 سه‌شنبه 1405/07/14 ساعت 14:00 تا چهارشنبه 1405/07/15 ساعت 14:00
🔎 تحلیل کوتاه
🤖 مدل‌های هوش مصنوعی و بهینه‌سازی
🛡️ امنیت، قانون‌گذاری و کاربرد
🤖 مدل‌ها و ابزارهای هوش مصنوعی
🗂 گزارش #136 | 📌 8 آیتم گزارش | 🧾 از 18 پست بررسی‌شده
🕐 سه‌شنبه 1405/07/14 ساعت 14:00 تا چهارشنبه 1405/07/15 ساعت 14:00
🔎 تحلیل کوتاه
تمرکز آزمایشگاه‌های هوش مصنوعی بر بهینه‌سازی استنتاج و کاهش هزینه‌های عملیاتی افزایش یافته است؛ هم‌زمان، الزامات قانونی برای شفافیت، از جمله افزودن واترمارک به متن‌های تولیدی OpenAI، رویکرد توسعه‌دهندگان را نسبت به امنیت و خروجی‌های مدل تغییر داده است.
🤖 مدل‌های هوش مصنوعی و بهینه‌سازی
معرفی مدل زبانی Beam از ReflectionAI
مدل Beam با ۵۰۱ میلیارد پارامتر و تمرکز بر بهینه‌سازی استنتاج، ۳ تا ۴ برابر کارایی بیشتری نسبت به مدل‌های مشابه ارائه می‌دهد.
🔗 مشاهده پست
انتشار مدل امبدینگ چندوجهی EmbeddingGemma 2
مدل جدید گوگل با حجم کم برای اجرای محلی و جستجوی چندوجهی متن، تصویر و صوت در فضای برداری واحد طراحی شده است.
🔗 مشاهده پست
افزودن قابلیت بینایی به مدل d1 از شرکت Liquid AI
مدل d1 اکنون با پردازش تصویری زیر ۳۰۰ میلی‌ثانیه، هزینه‌های پردازشی کمتری را نسبت به مدل‌های تجاری رقیب ثبت کرده است.
🔗 مشاهده پست
🛡️ امنیت، قانون‌گذاری و کاربرد
هوش مصنوعی و زیرساخت‌های فیزیکی
یادداشت OpenAI بر نقش کلیدی انرژی و منابع فیزیکی در تعیین نرخ واقعی پیشرفت هوش مصنوعی تمرکز دارد.
🔗 ادامه مطلب در سایت
انتشار ۷۲۲ مقاله تخصصی ریاضی توسط OpenAI
OpenAI مقالاتی را منتشر کرده که حاصل حل ۴۰۰۰ مسئله باز ریاضی توسط یک مدل داخلی این شرکت است.
🔗 ادامه مطلب در سایت
🤖 مدل‌ها و ابزارهای هوش مصنوعی
شناسایی دو نیمه‌رسانای Luttinger-compensated توسط هوش مصنوعی برای.
شناسایی دو نیمه‌رسانای Luttinger-compensated توسط هوش مصنوعی برای حافظه‌های نسل بعد.
🔗 مطالعه کامل در سایت
تعویق در انتشار مدل Astra 6.1؛ بررسی رویکرد OpenAI نسبت به امنیت و کنترل
هوش مصنوعی. عرضه مدل Astra 6.1 به دلیل ملاحظات امنیتی و نیاز به کنترل دقیق‌تر رفتار سیستم به تعویق افتاد.
🔗 مطالعه کامل در سایت
بهینه‌سازی طراحی محتوا با ترکیب مدل‌های هوش مصنوعی و Canva Magic Studio
با استفاده از مدل‌های تولید تصویر نظیر GPT-Image و Flux در کنار قابلیت‌های ویرایشی Canva Magic Studio، می‌توان مراحل سنتی طراحی گرافیک.
🔗 جزئیات کامل در سایت
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 یکپارچگی Claude با ابزارهای Google Workspace
مدل هوش مصنوعی Claude اکنون به‌صورت مستقیم در سرویس‌های Google Docs، Sheets و Slides در دسترس است. این قابلیت به کاربر اجازه می‌دهد تا فایل‌های خود را مستقیماً در محیط Claude باز کند.
در این به‌روزرسانی، Claude در پنل کناری فضای کاری گوگل قرار می‌گیرد، محتوای فایل باز را می‌خواند و تغییرات لازم را در همان محل اعمال می‌کند. تمامی ویرایش‌های پیشنهادی پیش از نهایی شدن، توسط کاربر بررسی و تأیید می‌شوند.
#Claude #Google_Workspace
مدل هوش مصنوعی Claude اکنون به‌صورت مستقیم در سرویس‌های Google Docs، Sheets و Slides در دسترس است. این قابلیت به کاربر اجازه می‌دهد تا فایل‌های خود را مستقیماً در محیط Claude باز کند.
در این به‌روزرسانی، Claude در پنل کناری فضای کاری گوگل قرار می‌گیرد، محتوای فایل باز را می‌خواند و تغییرات لازم را در همان محل اعمال می‌کند. تمامی ویرایش‌های پیشنهادی پیش از نهایی شدن، توسط کاربر بررسی و تأیید می‌شوند.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Claude #Google_Workspace
This media is not supported in your browser
VIEW IN TELEGRAM
🍌 انتشار نسخه 2.1 مدل Nano Banana گوگل
گوگل نسخه جدید مدل Nano Banana 2.1 را برای تولید و ویرایش تصاویر عرضه کرد. طبق اعلام این شرکت، عملکرد مدل در تمامی بخش‌ها نسبت به نسخه‌های قبلی بهبود یافته است.
مهم‌ترین تغییرات این نسخه شامل موارد زیر است:
- ارتقای کیفیت طراحی بصری
- بهبود قابلیت ویرایش بر اساس ماسک
- حفظ ثبات سوژه در فریم‌های متوالی
این به‌روزرسانی تنها چند روز پس از انتشار مدل FLUX 3 Image با قابلیت ویرایش مبتنی بر کادر معرفی شده است.
#NanoBanana_2_1 #FLUX_3_Image
گوگل نسخه جدید مدل Nano Banana 2.1 را برای تولید و ویرایش تصاویر عرضه کرد. طبق اعلام این شرکت، عملکرد مدل در تمامی بخش‌ها نسبت به نسخه‌های قبلی بهبود یافته است.
مهم‌ترین تغییرات این نسخه شامل موارد زیر است:
- ارتقای کیفیت طراحی بصری
- بهبود قابلیت ویرایش بر اساس ماسک
- حفظ ثبات سوژه در فریم‌های متوالی
این به‌روزرسانی تنها چند روز پس از انتشار مدل FLUX 3 Image با قابلیت ویرایش مبتنی بر کادر معرفی شده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#NanoBanana_2_1 #FLUX_3_Image
🏢 شرکت‌های برنده آینده: کوچک‌تر، چابک‌تر و با لایه‌های مدیریتی کمتر
توسعه ابزارهای هوش مصنوعی این ایده را تقویت کرده است که برندگان رقابت‌های تجاری در سه سال آینده، دیگر غول‌های سنتی با ساختارهای سازمانی پیچیده و چندلایه نخواهند بود.
با ورود هوش مصنوعی به فرایندهای کاری، پیش‌بینی می‌شود سازمان‌های کوچک‌تر و سریع‌تری که سلسله‌مراتب مدیریتی بسیار کمتری دارند، شانس بیشتری برای موفقیت داشته باشند. اتوماسیون وظایف، افزایش بهره‌وری فردی با کمک دستیارهای هوشمند و سرعت بالا در تصمیم‌گیری، از عوامل اصلی این تغییر ساختار هستند. در این شرایط، توانایی انطباق سریع با بازار جایگزین مزیت ناشی از بزرگ بودن ابعاد شرکت‌ها می‌شود.
#تحول_سازمانی #اتوماسیون_وظایف
توسعه ابزارهای هوش مصنوعی این ایده را تقویت کرده است که برندگان رقابت‌های تجاری در سه سال آینده، دیگر غول‌های سنتی با ساختارهای سازمانی پیچیده و چندلایه نخواهند بود.
با ورود هوش مصنوعی به فرایندهای کاری، پیش‌بینی می‌شود سازمان‌های کوچک‌تر و سریع‌تری که سلسله‌مراتب مدیریتی بسیار کمتری دارند، شانس بیشتری برای موفقیت داشته باشند. اتوماسیون وظایف، افزایش بهره‌وری فردی با کمک دستیارهای هوشمند و سرعت بالا در تصمیم‌گیری، از عوامل اصلی این تغییر ساختار هستند. در این شرایط، توانایی انطباق سریع با بازار جایگزین مزیت ناشی از بزرگ بودن ابعاد شرکت‌ها می‌شود.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#تحول_سازمانی #اتوماسیون_وظایف
🚀 عرضه مدل Mistral Large 4 با ۱.۰۵ تریلیون پارامتر
شرکت Mistral AI مدل چندوجهی جدید خود با نام مستعار Le Chonk را در دسترس عموم قرار داد. این مدل MoE با ۱.۰۵ تریلیون پارامتر کل و ۴۹ میلیارد پارامتر فعال در هر توکن، از پنجره متنی ۱ میلیون توکنی پشتیبانی می‌کند و قابلیت دریافت مستقیم تصویر را دارد. این مدل با استفاده از ۳۸۰۰ پردازنده NVIDIA Grace Blackwell آموزش دیده است.
از نظر فنی، در هر توکن تنها ۴.۷ درصد از وزن‌های مدل فعال می‌شوند که باعث شده هزینه سرویس‌دهی برای ۱ میلیون توکن ورودی ۱.۳۶ دلار و خروجی ۴.۱۸ دلار باشد. با این حال، کل وزن‌های مدل باید در حافظه قرار بگیرد.
برخی نتایج ارزیابی مدل:
- امتیاز ۹۳ در Cybench و ۸۲ در CyberGym-E2E
- امتیاز ۶۱.۷ در DeepSWE v1.1
- قرارگیری در میان ۵ مدل برتر شاخص سایبر Artificial Analysis
جزئیات فنی کامل در سایت رسمی Mistral و تحلیل معماری آن در MarkTechPost قابل بررسی است. دسترسی به این مدل از طریق API با نام mistral-large-4 امکان‌پذیر شده است.
#Mistral_Large_4 #Grace_Blackwell
شرکت Mistral AI مدل چندوجهی جدید خود با نام مستعار Le Chonk را در دسترس عموم قرار داد. این مدل MoE با ۱.۰۵ تریلیون پارامتر کل و ۴۹ میلیارد پارامتر فعال در هر توکن، از پنجره متنی ۱ میلیون توکنی پشتیبانی می‌کند و قابلیت دریافت مستقیم تصویر را دارد. این مدل با استفاده از ۳۸۰۰ پردازنده NVIDIA Grace Blackwell آموزش دیده است.
از نظر فنی، در هر توکن تنها ۴.۷ درصد از وزن‌های مدل فعال می‌شوند که باعث شده هزینه سرویس‌دهی برای ۱ میلیون توکن ورودی ۱.۳۶ دلار و خروجی ۴.۱۸ دلار باشد. با این حال، کل وزن‌های مدل باید در حافظه قرار بگیرد.
برخی نتایج ارزیابی مدل:
- امتیاز ۹۳ در Cybench و ۸۲ در CyberGym-E2E
- امتیاز ۶۱.۷ در DeepSWE v1.1
- قرارگیری در میان ۵ مدل برتر شاخص سایبر Artificial Analysis
جزئیات فنی کامل در سایت رسمی Mistral و تحلیل معماری آن در MarkTechPost قابل بررسی است. دسترسی به این مدل از طریق API با نام mistral-large-4 امکان‌پذیر شده است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Mistral_Large_4 #Grace_Blackwell
⚙️ انتشار کتابخانه Rebalancer توسط متا
متا ابزار Rebalancer را به صورت متن‌باز منتشر کرد. این سیستم طی ۹ سال گذشته مسئول تخصیص منابع در زیرساخت‌های این شرکت بوده و روزانه حدود ۴۰ میلیون مسئله تخصیص را در بیش از ۳۰ حوزه مختلف، از جای‌گذاری شاردها تا مسیریابی ترافیک جهانی، حل می‌کند.
نوآوری اصلی این ابزار در جدا کردن مشخصات مسئله از حل‌کننده (Solver) است. کاربر اشیا، مخازن، محدودیت‌ها و اهداف را تعریف می‌کند و سیستم آن را به یک گراف عبارتی تبدیل کرده و با استفاده از جستجوی محلی موازی یا حل‌کننده‌های MIP مانند Gurobi یا HiGHS حل می‌کند.
در مقیاس‌های بسیار بزرگ که مدل‌های MIP به دلیل پیچیدگی محاسباتی کارایی ندارند، متا از جستجوی محلی استفاده می‌کند که سرعت آن به میلیون‌ها حرکت در ثانیه می‌رسد. طبق داده‌های تولیدی، زمان حل برای ۲۶۵ هزار شیء در ۳.۲ هزار مخزن حدود ۱۲ ثانیه است و در مسائل بزرگتر با بیش از یک میلیون شیء، زمان میانگین به ۱۷۱ ثانیه می‌رسد.
جزئیات فنی بیشتر را می‌توانید در بلاگ مهندسی متا یا مقاله منتشر شده در OSDI 2024 مطالعه کنید.
🇮🇷 سایت | تلگرام
متا ابزار Rebalancer را به صورت متن‌باز منتشر کرد. این سیستم طی ۹ سال گذشته مسئول تخصیص منابع در زیرساخت‌های این شرکت بوده و روزانه حدود ۴۰ میلیون مسئله تخصیص را در بیش از ۳۰ حوزه مختلف، از جای‌گذاری شاردها تا مسیریابی ترافیک جهانی، حل می‌کند.
نوآوری اصلی این ابزار در جدا کردن مشخصات مسئله از حل‌کننده (Solver) است. کاربر اشیا، مخازن، محدودیت‌ها و اهداف را تعریف می‌کند و سیستم آن را به یک گراف عبارتی تبدیل کرده و با استفاده از جستجوی محلی موازی یا حل‌کننده‌های MIP مانند Gurobi یا HiGHS حل می‌کند.
در مقیاس‌های بسیار بزرگ که مدل‌های MIP به دلیل پیچیدگی محاسباتی کارایی ندارند، متا از جستجوی محلی استفاده می‌کند که سرعت آن به میلیون‌ها حرکت در ثانیه می‌رسد. طبق داده‌های تولیدی، زمان حل برای ۲۶۵ هزار شیء در ۳.۲ هزار مخزن حدود ۱۲ ثانیه است و در مسائل بزرگتر با بیش از یک میلیون شیء، زمان میانگین به ۱۷۱ ثانیه می‌رسد.
جزئیات فنی بیشتر را می‌توانید در بلاگ مهندسی متا یا مقاله منتشر شده در OSDI 2024 مطالعه کنید.
🇮🇷 سایت | تلگرام
❤1
طراحی سیستم‌های Agentic: تفاوت Loop و Graph
بسیاری از توسعه‌دهندگان، سیستم‌های مبتنی بر ایجنت (Agent) را با چرخه‌های تکرار (Loop) اشتباه می‌گیرند. در حالی که یک Loop برای بهبود کیفیت یک واحد کاری به کار می‌رود، Graph ساختار کلی پروژه، ترتیب اجرا و نحوه تعامل واحدها را مشخص می‌کند.
به جای نظارت دستی بر تک‌تک مراحل ایجنت، این اصول را در معماری سیستم خود لحاظ کنید:
* ساختار Loop: شامل چهار بخش تولید، بررسی (Check)، اصلاح و تکرار تا رسیدن به نتیجه مطلوب است. نکته کلیدی این است که «بررسی» باید پیش از هر چیز تعریف شود تا برنامه بتواند در صورت خطا، کار را متوقف کند.
* ساختار Graph: شامل گره‌ها (واحد کاری) و یال‌ها (وابستگی‌ها) است. اشتباه رایج، تبدیلِ توالیِ زمانی به وابستگی است. اگر گام بعدی به خروجی گام قبلی نیاز ندارد، نباید با آن زنجیره شود.
* بازگشت برای یادگیری: دو مسیر بازگشت وجود دارد؛ اصلاح (کوتاه) برای رفع خطای فعلی، و یادگیری (بلند) که نتیجه تأییدشده را به عنوان یک قید جدید به ابتدای سیستم می‌فرستد تا از تکرار همان خطا در آینده جلوگیری شود.
🇮🇷 سایت | تلگرام
بسیاری از توسعه‌دهندگان، سیستم‌های مبتنی بر ایجنت (Agent) را با چرخه‌های تکرار (Loop) اشتباه می‌گیرند. در حالی که یک Loop برای بهبود کیفیت یک واحد کاری به کار می‌رود، Graph ساختار کلی پروژه، ترتیب اجرا و نحوه تعامل واحدها را مشخص می‌کند.
به جای نظارت دستی بر تک‌تک مراحل ایجنت، این اصول را در معماری سیستم خود لحاظ کنید:
* ساختار Loop: شامل چهار بخش تولید، بررسی (Check)، اصلاح و تکرار تا رسیدن به نتیجه مطلوب است. نکته کلیدی این است که «بررسی» باید پیش از هر چیز تعریف شود تا برنامه بتواند در صورت خطا، کار را متوقف کند.
* ساختار Graph: شامل گره‌ها (واحد کاری) و یال‌ها (وابستگی‌ها) است. اشتباه رایج، تبدیلِ توالیِ زمانی به وابستگی است. اگر گام بعدی به خروجی گام قبلی نیاز ندارد، نباید با آن زنجیره شود.
* بازگشت برای یادگیری: دو مسیر بازگشت وجود دارد؛ اصلاح (کوتاه) برای رفع خطای فعلی، و یادگیری (بلند) که نتیجه تأییدشده را به عنوان یک قید جدید به ابتدای سیستم می‌فرستد تا از تکرار همان خطا در آینده جلوگیری شود.
🇮🇷 سایت | تلگرام
❤1
🔎 بهینه‌سازی مصرف حافظه در مدل‌های Looped
مدل‌های Looped LM با عبور دادن توکن‌ها از یک بلوک لایه‌های تکراری، عمق مدل را بدون افزایش تعداد پارامترها افزایش می‌دهند. مشکل اصلی این ساختار، مصرف بالای حافظه به دلیل انباشت
محققان با مشاهده اینکه وضعیت درونی مدل در تکرارهای نهایی تقریباً ثابت می‌ماند، روشی برای نگهداری فقط کلیدها و مقادیر نهایی ابداع کردند. نتایج این رویکرد به شرح زیر است:
* کاهش ۳ برابری نیاز به حافظه
* افزایش سرعت پردازش پرامپت (Prefill) تا ۱.۷۹ برابر.
* بهبود ۲ برابری در سرعت آموزش RL.
در مدل ۱.۶ میلیارد پارامتری، مدل Looped با ۴ بلوک، عملکردی در سطح مدل‌های ۵ میلیارد پارامتری معمولی نشان می‌دهد. برای بررسی جزئیات فنی و پیاده‌سازی، کد و چک‌پوینت‌ها در گیت‌هاب این پروژه و مقاله آن در arXiv در دسترس است.
#Looped_LM #KV_cache
مدل‌های Looped LM با عبور دادن توکن‌ها از یک بلوک لایه‌های تکراری، عمق مدل را بدون افزایش تعداد پارامترها افزایش می‌دهند. مشکل اصلی این ساختار، مصرف بالای حافظه به دلیل انباشت
KV-cache در هر تکرار بود. محققان با مشاهده اینکه وضعیت درونی مدل در تکرارهای نهایی تقریباً ثابت می‌ماند، روشی برای نگهداری فقط کلیدها و مقادیر نهایی ابداع کردند. نتایج این رویکرد به شرح زیر است:
* کاهش ۳ برابری نیاز به حافظه
KV-cache برای رسیدن به عملکردی مشابه مدل‌های ۱۲ بلوکی.* افزایش سرعت پردازش پرامپت (Prefill) تا ۱.۷۹ برابر.
* بهبود ۲ برابری در سرعت آموزش RL.
در مدل ۱.۶ میلیارد پارامتری، مدل Looped با ۴ بلوک، عملکردی در سطح مدل‌های ۵ میلیارد پارامتری معمولی نشان می‌دهد. برای بررسی جزئیات فنی و پیاده‌سازی، کد و چک‌پوینت‌ها در گیت‌هاب این پروژه و مقاله آن در arXiv در دسترس است.
🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما
#Looped_LM #KV_cache
❤1