‏🏦 هشدار بانک‌های آمریکا درباره اشتراک رمز عبور با ابزارهای AI

‏بانک آمریکا در ایمیلی به مشتریان خود اعلام کرد که هرگز نباید اطلاعات ورود به حساب بانکی خود را در اختیار ابزارهای هوش مصنوعی قرار دهند. این بانک تأکید کرده است که در صورت اشتراک‌گذاری رمز عبور با یک دستیار هوشمند، مسئولیت تمامی تراکنش‌ها و فعالیت‌های انجام‌شده در حساب بر عهده خود مشتری خواهد بود.

‏این تصمیم در پی گسترش استفاده از دستیارهای AI برای مدیریت حساب‌های کاربری اتخاذ شده است. سایر بانک‌های بزرگ نیز رویکردهای محدودکننده‌ای را در پیش گرفته‌اند:

‏* مورگان استنلی: مسدود کردن دسترسی‌ ابزارهای شخص‌ثالث به پلتفرم‌های خود.
‏* جی‌پی‌مورگان و سیتی: اعمال محدودیت‌های سخت‌گیرانه بر عملکرد این‌گونه دستیارها.
‏* چارلز شواب: بلاک کردن دسترسی ابزارهایی نظیر Muse متعلق به متا به حساب‌های مشتریان.

‏به گزارش TechCrunch، روند کلی در سیستم بانکی به سمت ارائه دسترسی‌های صرفاً خواندنی (read-only) به جای دسترسی کامل برای این ابزارها در حال تغییر است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#Bank_of_America #Meta_Muse

‏🚀 آنتروپیک به بزرگ‌ترین مشتری مالی اسپیس‌ایکس تبدیل شد

‏طبق اسناد مالی اخیر اسپیس‌ایکس و گزارش بلومبرگ، شرکت هوش مصنوعی Anthropic که در گزارش‌ها با نام «مشتری B» ثبت شده، در سه ماهه گذشته حدود ۳۴.۵ درصد از کل درآمد اسپیس‌ایکس را تأمین کرده و سهمی بیشتر از دولت آمریکا در پرداختی‌های این شرکت داشته است.

‏این هزینه‌ها مربوط به پرتاب موشک نیست. آنتروپیک قدرت پردازشی دیتاسنتر ممفیس را از بخش هوش مصنوعی اسپیس‌ایکس (Super Intelligence) اجاره می‌کند. پرونده عرضه عمومی (IPO) آنتروپیک نشان می‌دهد که این شرکت طبق قراردادهایی تا سال ۲۰۲۹، ممکن است تا ۱۲۰.۵ میلیارد دلار در این بخش هزینه کند که از دسامبر به حدود ۳.۱ میلیارد دلار در ماه می‌رسد.

‏بر اساس این اسناد، امکان لغو قرارداد از اوایل سال ۲۰۲۷ با اعلام قبلی ۹۰ روزه وجود دارد. هیچ‌یک از این دو شرکت درباره خبر منتشرشده اظهارنظر نکرده‌اند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

‏📉 ریزش شدید سهام شرکت‌های هوش مصنوعی

‏در ۴۸ ساعت گذشته، بازار سهام شرکت‌های بزرگ فناوری شاهد افت قابل‌توجهی بود که ناشی از نگرانی سرمایه‌گذاران نسبت به تراز مالی و هزینه‌های زیرساختی حوزه هوش مصنوعی است. مهم‌ترین تغییرات بازار عبارتند از:

‏* Intel: با کاهش ۳۲.۹ درصدی ارزش سهام، بزرگترین افت روزانه خود در ۴۰ سال اخیر را تجربه کرد. پیش‌بینی درآمد سه‌ماهه چهارم این شرکت ۱.۱ میلیارد دلار کمتر از انتظارات تحلیل‌گران بود.
‏* Google: با وجود رشد درآمد ۲۵ درصدی، جریان نقدی آزاد آن ۹.۱ میلیارد دلار منفی شد که منجر به کاهش ۵۰۰ میلیارد دلاری ارزش بازار این شرکت در یک روز شد.
‏* Amazon: اگرچه درآمد AWS رشد ۳۹ درصدی داشته، اما پیش‌بینی مخارج ۲۲۰ میلیارد دلاری برای زیرساخت‌های هوش مصنوعی و منفی شدن جریان نقدی، فشار فروش را افزایش داده است.

‏سرمایه‌گذاران نگرانند که هزینه‌های کلان در زیرساخت‌های AI هنوز منجر به بازگشت نقدی متناسب نشده باشد. این تردید اکنون به بخش نیمه‌هادی‌ها نیز سرایت کرده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

‏📚 بیش از ۵۰۰ تقلب‌نامه یادگیری ماشین در یک مخزن گیت‌هاب

‏در مخزن MLCheatSheets بیش از ۵۰۰ تقلب‌نامه (Cheat Sheet) درباره یادگیری ماشین و یادگیری عمیق گردآوری شده است. این منابع مباحث مختلفی از الگوریتم‌های پایه و ریاضیات گرفته تا شبکه‌های عصبی و ترنسفورمرها را پوشش می‌دهند.

‏هر تقلب‌نامه شامل توضیحات تئوری، فرمول‌های مرتبط، نمونه‌کدهای پایتون و نکاتی برای اجرای آن‌ها است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

‏🤖 انتشار وزن‌های مدل Mistral Large 4

‏شرکت Mistral وزن‌های مدل جدید خود با نام Large 4 را منتشر کرد. این مدل که حدود یک تریلیون پارامتر دارد، هم‌اکنون از طریق Hugging Face به‌صورت متن‌باز در دسترس قرار گرفته است.

‏تیم سازنده اعلام کرده که پس از سه هفته آموزش تکمیلی پیش از عرضه، توانایی‌های این مدل در حوزه‌های کدنویسی و شناسایی آسیب‌پذیری‌ها بهبود یافته است.

‏علاوه بر دسترسی عمومی به وزن‌ها، تغییراتی در استفاده از سرویس API این مدل اعمال شده که مهم‌ترین آن‌ها به شرح زیر است:

‏- امکان میزبانی محلی (Self-hosting) برای تیم‌هایی که کنترل داده برایشان اولویت دارد.
‏- کاهش محسوس هزینه‌های استفاده از API نسبت به نرخ‌های اولیه تعیین‌شده.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#MistralLarge4 #SelfHosting

‏🤖 ابزارهای متن‌باز برای ساخت ایجنت‌های هوشمند

‏برای طراحی ایجنت‌های هوشمند که توانایی انجام کارهای چندمرحله‌ای، استفاده از ابزارها و حفظ حافظه را دارند، این پروژه‌های گیت‌هاب قابلیت‌های فنی لازم را فراهم می‌کنند:

‏OpenHands: ایجنت برنامه‌نویس برای خودکارسازی وظایف مهندسی و رفع باگ.
‏Browser Use: کنترل مرورگر جهت وب‌گردی، تکمیل فرم‌ها و تعامل با سایت‌ها.
‏Mem0: فراهم‌کردن لایه حافظه بلندمدت برای حفظ زمینه گفتگو بین جلسات مختلف.
‏Composio: اتصال ایجنت‌ها به سرویس‌های خارجی از طریق یکپارچه‌سازی‌های آماده.
‏E2B: ایجاد محیط‌های ایزوله برای اجرای امن کد توسط مدل‌های هوش مصنوعی.
‏LangGraph: ساخت جریان‌های کاری پیچیده و چندمرحله‌ای برای ایجنت‌ها.
‏n8n: اتوماسیون بصری فرآیندها با استفاده از هوش مصنوعی و APIها.
‏Docling: استخراج داده‌های ساختاریافته از اسناد و جداول برای استفاده در مدل‌ها.
‏LiveKit Agents: توسعه دستیارهای صوتی با قابلیت پاسخ‌دهی در لحظه.
‏Open Interpreter: اجرای کد و کنترل سیستم‌عامل محلی با استفاده از زبان طبیعی.

‏با ترکیب این ابزارها، می‌توانید سیستم‌های ایجنتی مستقلی بسازید که از حافظه، امکانات صوتی و دسترسی به محیط‌های عملیاتی برخوردارند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#OpenHands #LangGraph

‏🌐 انتشار مدل دنیای Hy-Nomas توسط تنسنت

‏تنسنت مدل دنیای (World Model) جدید خود با نام Hy-Nomas را به‌صورت متن‌باز منتشر کرد. این مدل امکان کنترل ویدیوها از طریق متن و تنظیم حرکت دوربین را فراهم می‌کند و ویدیوها را به صورت قطعه‌قطعه با حفظ کانتکست در KV-Cache می‌سازد.

‏ویژگی‌های اصلی این مدل شامل موارد زیر است:

‏* دسترسی آزاد: کد و وزن‌های مدل تحت مجوز Apache 2.0 در دسترس است و امکان Fine-tuning آن با استفاده از LoRA وجود دارد.
‏* سازگاری: ارائه آداپتورهای آماده برای کاربردهای سینمایی و رباتیک.
‏* سخت‌افزار: امکان اجرا روی یک کارت گرافیک RTX 4090 با استفاده از کوانتیزاسیون INT8. در آزمایش‌های انجام شده با سخت‌افزار قدرتمندتر (8×B200)، سرعت تولید به حدود ۱۸.۵ فریم بر ثانیه رسیده است.

‏برای بررسی عملکرد می‌توانید به دموی آنلاین مراجعه کنید یا جزئیات فنی و وزن‌ها را از طریق Hugging Face دریافت کنید. گزارش کامل عملکرد نیز در مستندات فنی پروژه موجود است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#Hy_Nomas #KV_Cache

‏🔥 دانشگاه هنگ‌کنگ DeepTutor را متن‌باز کرد

‏آزمایشگاه هوش مصنوعی داده دانشگاه هنگ‌کنگ، DeepTutor، یک دستیار آموزشی هوش مصنوعی همه‌کاره را متن‌باز کرده است. این پروژه که با هدف همراهی دانش‌آموزان در مسیر یادگیری بلندمدت و ارائه آموزش شخصی‌سازی شده طراحی شده، به سرعت در گیت‌هاب بیش از ۵۰ هزار ستاره کسب کرده است.

‏DeepTutor به کاربران اجازه می‌دهد تا کتاب‌های درسی، جزوه‌ها و یادداشت‌های شخصی خود را وارد کنند. این ابزار می‌تواند بر اساس این داده‌ها به تدریس، حل تمرین، انجام تحقیقات عمیق و تولید نمودارهای بصری بپردازد. تمام این قابلیت‌ها در یک محیط کاربری یکپارچه در دسترس هستند.

‏یکی از ویژگی‌های کلیدی DeepTutor «حافظه بلندمدت» آن است که پیشرفت یادگیری و اشتباهات گذشته را در جلسات مختلف حفظ می‌کند. این سیستم دارای سه لایه حافظه است: ثبت اولیه تمام مکالمات، استخراج نکات کلیدی هر موضوع، و ایجاد یک پروفایل کلی از توانایی‌های کاربر. تمامی این اطلاعات قابل مشاهده و تنظیم دستی هستند.

‏آدرس گیت‌هاب: HKUDS/DeepTutor

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

‏📊 پیشی‌گرفتن هوش مصنوعی از انسان در پیش‌بینی‌های Metaculus

‏در تورنمنت سالانه پیش‌بینی Metaculus، مدل‌های هوش مصنوعی برای نخستین‌بار موفق شدند رتبه‌های اول و دوم را کسب کنند. در این مسابقه، صدها شرکت‌کننده وضعیت رویدادهای مختلف، از قیمت نفت برنت تا محدودیت‌های ساخت دیتاسنترها، را پیش‌بینی کردند و دقت آن‌ها بر اساس میزان نزدیکی به نتیجه نهایی سنجیده شد.

‏بررسی عملکرد مدل‌ها در بازه زمانی میان‌مدت نشان می‌دهد:

‏* روند میانگین عملکرد هوش مصنوعی صعودی است و در برخی موارد به دقتِ بهترین پیش‌بین‌های انسانی نزدیک شده است.
‏* مدل‌های برتر هوش مصنوعی اکنون با عملکرد ۳۰ نفر از برترین پیش‌بین‌های انسانی برابری کرده یا از آن‌ها پیشی گرفته‌اند.
‏* برخلاف پیش‌بینی‌های انسانی که ممکن است تحت تأثیر سوگیری‌های شناختی قرار گیرند، مدل‌های هوش مصنوعی در این محیط آزمایشی روند رو به رشدی را در دقتِ محاسباتی خود ثبت کرده‌اند.

‏این نتایج در نمودار تهیه‌شده توسط نشریه اکونومیست، بهبود مداوم مدل‌ها را در بازه سه‌ماهه دوم ۲۰۲۴ تا سه‌ماهه سوم ۲۰۲۶ به تصویر می‌کشد.

🇮🇷 تلگرام

‏🤖 پنج دوره رایگان برای یادگیری مهندسی هوش مصنوعی

‏این منابع آموزشی برای یادگیری مفاهیم کاربردی از مدل‌های زبانی بزرگ تا عملیاتی‌سازی مدل‌ها در محیط واقعی طراحی شده‌اند:

‏* Hugging Face LLM Course: تمرکز بر مفاهیم پایه شامل Transformerها، توکنایزیشن، کار با دیتاست‌ها و فرآیندهای مدرن آموزش یا Fine-tuning مدل‌های زبانی.

‏* AI Engineer Notebooks: مجموعه‌ای از نوت‌بوک‌های عملی برای کار با سیستم‌های RAG، عامل‌های هوش مصنوعی (AI Agents)، ارزیابی مدل و مباحث مربوط به LLMOps.

‏* LLM Zoomcamp: دوره‌ای برای ساخت کاربردی برنامه‌های مبتنی بر LLM که شامل پیاده‌سازی جستجوی برداری (Vector Search)، مانیتورینگ و خط‌لوله‌های تولیدی است.

‏* MLOps Zoomcamp: آموزش مراحل انتقال مدل‌های یادگیری ماشین از محیط توسعه به تولید، شامل استفاده از MLflow، خط‌لوله‌های CI/CD و پایش مدل.

‏* LLM Course: منبعی برای یادگیری عمیق‌تر در مورد مدل‌های متن‌باز، تکنیک‌های بهینه‌سازی استنتاج، کمی‌سازی (Quantization)، ترکیب مدل‌ها و روش‌های تخصصی مانند QLoRA.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#Fine_tuning #LLMOps

🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #11 | 📌 5 آیتم گزارش | 🧾 از 28 پست بررسی‌شده
🕐 جمعه 1405/08/08 ساعت 14:00 تا یکشنبه 1405/08/10 ساعت 14:00

انتخاب الگوریتم بچینگ در موتورهای استنتاج LLM
بازسازی پویای بچ‌ها در هر گام پردازشی، اتلاف توان محاسباتی GPU را هنگام پاسخ‌دهی هم‌زمان به درخواست‌هایی با طول متغیر برطرف می‌کند. این روش معماری سروینگ را از صف‌بندی ایستا نجات می‌دهد، اما بهینه‌سازی واقعی آن منوط به مدیریت دقیق حافظه KV-Cache در ترافیک بالا است. انتخاب این ابزارها برای تیم‌های فنی، هزینه زیرساخت استنتاج را مستقیماً کاهش می‌دهد.

ارزیابی مدل Fern 0.1 با پنجره بافت ۱۰ میلیونی
افزایش ظرفیت ورودی به ۱۰ میلیون توکن امکان تحلیل یکباره کدهای حجیم و لاگ‌های طولانی را فراهم می‌کند، اما کسب امتیاز پایین ۶.۱ در بنچمارک استدلال نشان می‌دهد نباید حجم بافت را با کیفیت خروجی اشتباه گرفت. مهندسان داده برای تحلیل‌های دقیق نباید استدلال مدل را فدای پنجره بافت بزرگ‌تر کنند و استفاده از آن فقط برای پردازش اولیه داده خام مناسب است.

🔬 توسعه مدل‌ها و زیرساخت‌های استنتاج

بهینه‌سازی توان استنتاج LLM با بچینگ پیوسته
موتورهای vLLM و SGLang با بازسازی پویای بچ‌ها در هر گام، توان عملیاتی پردازش توکن را تا ۲۳ برابر افزایش می‌دهند.

انتشار وزن‌های مدل ۱ تریلیون پارامتری Mistral Large 4
مسترال وزن‌های مدل Large 4 را در هاگینگ‌فیس منتشر کرد و امکان میزبانی محلی و کاهش هزینه API را فراهم آورد.

معرفی مدل Fern 0.1 با پنجره بافت ۱۰ میلیون توکنی
استارتاپ Mirendil مدلی با ظرفیت ۲۳ مگابایت کد معرفی کرد که به دلیل مراحل اولیه آموزش، امتیاز بنچمارک پایینی دارد.

متن‌باز شدن مدل دنیای Hy-Nomas توسط تنسنت
تنسنت مدل کنترل ویدیو Hy-Nomas را تحت مجوز Apache 2.0 منتشر کرد که امکان اجرا روی یک کارت RTX 4090 را دارد.

انتشار رایگان ترجمه فارسی کتاب یادگیری عمیق با پایتون
نسخه آنلاین و رایگان ویرایش سوم کتاب فرانسوا شوله به زبان فارسی همراه با لینک نوت‌بوک‌های عملی در دسترس قرار گرفت.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

‏👓 رونمایی از عینک XR مدل AURA توسط گوگل و XREAL

‏گوگل و XREAL از عینک واقعیت گسترده (XR) مدل AURA رونمایی کردند. این دستگاه از نمایشگرهای شفاف با میدان دید ۷۰ درجه برای نمایش رابط‌های دیجیتال استفاده می‌کند و به عنوان جایگزینی برای مانیتورهای فیزیکی طراحی شده است.

‏پردازش دستگاه توسط واحدی خارجی با معماری Snapdragon Reality Elite انجام می‌شود. دستیار هوشمند Gemini به صورت مداوم محیط و محتوای نمایشگرها را تحلیل می‌کند تا تعامل با پنجره‌های کاری تسهیل شود. از ویژگی‌های فنی این عینک می‌توان به موارد زیر اشاره کرد:

‏- قابلیت Wired Mirroring برای اتصال مستقیم لپ‌تاپ از طریق USB-C
‏- پشتیبانی از اندروید XR و دسترسی به Google Play
‏- اتصال لوازم جانبی بلوتوثی
‏- عرضه در دو نسخه حافظه ۱۲/۲۵۶ و ۱۶/۵۱۲ گیگابایت

‏قیمت این محصول از ۱۰۹۹ دلار آغاز می‌شود و عرضه آن در بازارهای منتخب از اواسط نوامبر شروع خواهد شد.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#XREAL_AURA #Snapdragon_Reality_Elite

‏🐳 انتشار کدهای منبع ایجنت هوش مصنوعی DeepSeek

‏تیم DeepSeek کدهای منبع پروژه‌ای آزمایشی به نام dsh-superagent را منتشر کرده است؛ سیستمی که برای خودکارسازی فرآیند توسعه نرم‌افزار در تیم‌ها طراحی شده و بر پایه DeepSeek Harness توسعه یافته است.

‏این ایجنت برخلاف دستیارهای برنامه‌نویسی معمول، نیازی به دریافت دستی دستورات در چت ندارد و می‌تواند به طور مستقل با محیط توسعه تعامل کند. مهم‌ترین قابلیت‌های این سیستم عبارتند از:

‏- پایش رویدادهای GitHub و پیام‌های پلتفرم Feishu
‏- پذیرش خودکار وظایف از اعضای مجاز تیم
‏- ایجاد نشست‌های کاری اختصاصی برای هر تسک
‏- اعمال تغییرات در کد و آماده‌سازی Pull Request
‏- ارائه گزارش پیشرفت در فضای گفتگو و نمایش تسک‌های نیازمند مداخله انسانی در پنل وب

‏طبق اعلام سازندگان، بخش‌هایی از کدهای این پروژه توسط خود ایجنت‌های هوش مصنوعی نوشته شده است. این ابزار در حال حاضر یک نمونه اولیه تحقیقاتی محسوب می‌شود و برای استفاده در محیط‌های عملیاتی (Production) طراحی نشده است. توسعه این پروژه با استفاده از TypeScript انجام شده و تحت مجوز MIT در دسترس است.

🇮🇷 تلگرام

‏🧐 نتایج نظرسنجی DeepMind درباره انگیزه کار در عصر AI

‏جولیان جیکوبز از گوگل دیپ‌مایند در پژوهشی روی ۸,۲۳۴ نفر در کشورهای بریتانیا، آمریکا، دانمارک و هند، به بررسی وابستگی افراد به شغل‌شان پرداخته است. یافته‌های این مطالعه نشان می‌دهد که یک‌پنجم شاغلان حتی در صورت دریافت ۱۲۰ درصد از حقوق فعلی‌شان برای ترک کار، همچنان حاضر به استعفا نیستند.

‏نتایج نشان می‌دهد انگیزه‌های افراد برای کار کردن متفاوت است:
‏- ۲۵٪ به دلیل درآمد
‏- ۳۳٪ به دلیل ماهیت خودِ کار
‏- ۲۵٪ به دلیل تعامل با همکاران
‏- ۱۷٪ به دلیل جایگاه اجتماعی

‏این الگوهای انگیزشی در سطوح مختلف درآمدی و در مشاغل یقه سفید و یقه آبی یکسان است. نویسنده این گزارش تحلیلی نتیجه می‌گیرد که اگر هوش مصنوعی مشاغل را جایگزین کند، درآمد پایه ممکن است لازم باشد، اما این جایگزینی نمی‌تواند جایگاه و ارزش‌های روانیِ کار را برای انسان جبران کند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#GoogleDeepMind #درآمد_پایه

‏🤖 دوره رایگان ساخت عوامل برنامه‌نویس قابل‌اطمینان

‏دوره آموزشی Learn Harness Engineering با تمرکز بر زیرساخت‌های جانبی مدل‌های زبانی مانند دستورالعمل‌ها، ابزارها، مدیریت حافظه و بررسی خروجی، منتشر شده است. این محتوا شامل ۱۴ درس و ۸ پروژه عملی به ۱۵ زبان مختلف است و تحت مجوز MIT در دسترس قرار دارد.

‏مهم‌ترین مباحث این دوره عبارتند از:
‏* ایجاد حلقه بازخورد که در آن یک عامل وظایف را انجام داده و عامل دیگر آن‌ها را بررسی می‌کند.
‏* توسعه ساختار به یک گراف با مراحل موازی، مسیر بازگشت به عقب (rollback) و تایید انسانی.
‏* تحلیل فنی نحوه عملکرد AGENTS.md برای مستندسازی لیست ویژگی‌ها و مراحل تایید پروژه.
‏* بررسی معماری ابزارهایی نظیر Claude Code، Codex، DeepSeek و Pi در طراحی سیستم‌های عامل.

‏این دوره بر پایه مقالات مهندسی OpenAI و Anthropic درباره طراحی محیط‌های اجرا (Harness) تدوین شده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#LearnHarnessEngineering #ClaudeCode