نکته جالب اینجاست که هوش مصنوعی «دیپسیک»، پروژهای فرعی از شرکت چینی High-Flyer است که با استفاده از پردازندههای گرافیکی اضافه از پروژه اصلی ساخته شده است!
شرکت چینی High-Flyer تیمی از افراد بسیار باهوش با پیشزمینه قوی ریاضی دارد که بر معاملهگری (ترید کردن) و ماینینگ تمرکز دارد./TheZoomit
#هوش_مصنوعی
@LDplus
شرکت چینی High-Flyer تیمی از افراد بسیار باهوش با پیشزمینه قوی ریاضی دارد که بر معاملهگری (ترید کردن) و ماینینگ تمرکز دارد./TheZoomit
#هوش_مصنوعی
@LDplus
برقراااری عزززیییز... !
یادتونه ۱روزی کل اینستاگرام ویدئوهای ایشون بود؟
- حالا کجاست -
وقتی میگیم #برندشخصی اعتبار هست و نه صرفا میزان شهرت
منظور همینه
چون همونقدری ک زود تِرند میشی ، اوج میگیری و...
همونقدرم سریع افول میکنی و فراموش میشی
اما امثال علی دایی ها نه فراموش میشن و نه عادی [ برند با شهرت متفاوته ]/IranBranding
#روابط_اجتماعی #روابط_شغلی #روابط_خانوادگی #برند_شخصی
@LDplus
یادتونه ۱روزی کل اینستاگرام ویدئوهای ایشون بود؟
- حالا کجاست -
وقتی میگیم #برندشخصی اعتبار هست و نه صرفا میزان شهرت
منظور همینه
چون همونقدری ک زود تِرند میشی ، اوج میگیری و...
همونقدرم سریع افول میکنی و فراموش میشی
اما امثال علی دایی ها نه فراموش میشن و نه عادی [ برند با شهرت متفاوته ]/IranBranding
#روابط_اجتماعی #روابط_شغلی #روابط_خانوادگی #برند_شخصی
@LDplus
👍4
دیپسیک هزینه train یا آموزش دادن مدلی که ساخته رو ۵.۶ میلیون دلار اعلام کرده نه هزینه ساخت این مدلرو. یکی از دلایلی که این هزینه برای مدلهای پیشرو مثل GPT و Gemini زیاد هست اینه که مدلها به حجم زیادی از نیروی انسانی برای آموزش دادن نیاز دارن، در کنار اینکه بخش بزرگی از دیتاهای مورد نیاز خودشون رو خریداری میکنن.
دیپسیک اما تونسته از GPT-4o و مدلهای بزرگ برای آموزش دادن ۲ مدل خودش یعنی R1 و V3 استفاده کنه و این دلیلی هست که تونستن هزینههای آموزش دادن مدل خودشون رو کاهش بدن. یکی از دلایلی که وقتی روزهای اول از دیپسیک سوال میشد تورو کی ساخته و جواب میداد OpenAI هم همین موضوع هست./geekalerts
reddit
#هوش_مصنوعی
@LDplus
دیپسیک اما تونسته از GPT-4o و مدلهای بزرگ برای آموزش دادن ۲ مدل خودش یعنی R1 و V3 استفاده کنه و این دلیلی هست که تونستن هزینههای آموزش دادن مدل خودشون رو کاهش بدن. یکی از دلایلی که وقتی روزهای اول از دیپسیک سوال میشد تورو کی ساخته و جواب میداد OpenAI هم همین موضوع هست./geekalerts
#هوش_مصنوعی
@LDplus
Reddit
From the OpenAI community on Reddit
Explore this post and more from the OpenAI community
👍1
یه توییت انگلیسی بود که نوشته بود باورپذیر نیست که حتّی ChatGPT هم شغلش رو بخاطر هوشمصنوعی از دست داد./توییتر Mostafa
#هوش_مصنوعی #لبخند
@LDplus
#هوش_مصنوعی #لبخند
@LDplus
🤔1
ایلان ماسک: با درخواست ترامپ، فضانوردان گیرافتاده در ISS را به زمین برمیگردانیم
دونالد ترامپ، رئیسجمهور آمریکا، با انتشار پستی در شبکه اجتماعی Truth از صحبت با ایلان ماسک و اسپیسایکس برای بازگرداندن دو فضانورد گیرافتاده در ایستگاه فضایی بینالمللی (ISS) خبر داد.
ایلان ماسک هم در واکنش به این گفته ترامپ، با انتشار پستی در ایکس نوشت:
خردادماه فضاپیمای استارلاینر #بوئینگ دو فضانورد ناسا بهنامهای «بوچ ویلمور» و «سونیتا ویلیامز» را به ایستگاه فضایی بینالمللی برد. درحالیکه این مأموریت قرار بود تنها ۸ روز طول بکشد، بهخاطر مشکلات پیشآمده، حالا چندین ماه است که این دو فضانورد در ISS به سر میبرند./Digiato
@LDplus
دونالد ترامپ، رئیسجمهور آمریکا، با انتشار پستی در شبکه اجتماعی Truth از صحبت با ایلان ماسک و اسپیسایکس برای بازگرداندن دو فضانورد گیرافتاده در ایستگاه فضایی بینالمللی (ISS) خبر داد.
ایلان ماسک هم در واکنش به این گفته ترامپ، با انتشار پستی در ایکس نوشت:
«رئیسجمهور آمریکا از #اسپیس_ایکس خواسته که دو فضانورد گیرافتاده در ISS را سریعاً به خانه بازگرداند. چنین کاری را انجام خواهیم داد. وحشتناک است که دولت بایدن آنها را برای مدت طولانی آنجا رها کرد.»
خردادماه فضاپیمای استارلاینر #بوئینگ دو فضانورد ناسا بهنامهای «بوچ ویلمور» و «سونیتا ویلیامز» را به ایستگاه فضایی بینالمللی برد. درحالیکه این مأموریت قرار بود تنها ۸ روز طول بکشد، بهخاطر مشکلات پیشآمده، حالا چندین ماه است که این دو فضانورد در ISS به سر میبرند./Digiato
@LDplus
مدلهای AI مثل ChatGPT توانایی تصمیم گیری ندارن و چیزی جز پیدا کردن ارتباط و الگو بین کلمات نیستن، توی هر زبانی هم چت کنید دنبال الگو کلمات تو همون زبان و دیتای موجود تو اون زبان هستن. به همین خاطر سوالهایی که جواب قطعی ندارن پرسیدنشون از ابتدا اشتباه هست.
Soroush Ahmadiتوییتر
#هوش_مصنوعی
@LDplus
Soroush Ahmadiتوییتر
#هوش_مصنوعی
@LDplus
👍1
دانشمندان می گویند که مولکول درخشان جدیدی که توسط هوش مصنوعی ساخته شده است، ۵۰۰ میلیون سال زمان میبرد تا در طبیعت تکامل یابد
یک مدل هوش مصنوعی پروتئین جدیدی ایجاد کرده است که پژوهشگران می گویند اگر طبیعت توان تولید چنین چیزی داشت، ۵۰۰ میلیون سال زمان میبرد تا در طبیعت تکامل یابد.
بر اساس یک پژوهش تازه، یک مدل هوش مصنوعی نیم میلیارد سال تکامل مولکولی را برای ایجاد کد یک پروتئین ناشناخته قبلی شبیهسازی کرده است. به گفته محققان، این پروتئین درخشان، که مشابه پروتئین های موجود در چتر دریایی و مرجان ها است، ممکن است به توسعه داروهای جدید کمک کند.
پروتئینها یکی از اجزای سازنده زندگی هستند و عملکردهای مختلفی را در بدن انجام می دهند، مانند عضله سازی و مبارزه با بیماری ها. پروتئین شبیه سازی شده، به نام esmGFP، تنها به عنوان کد کامپیوتری وجود دارد، اما شامل طرح اولیه یک نوع پروتئین فلورسنت سبز است که تا پیش از این ناشناخته بود. در طبیعت، پروتئین های فلورسنت سبز به گونهای از چتر دریایی و مرجان ها درخشش ویژهای میدهند.
دنباله حروفی که دستورالعمل ساخت esmGFP را بیان می کند تنها ۵۸٪ شبیه به نزدیک ترین پروتئین فلورسنت شناخته شده است، که یک نسخه تغییر یافته توسط انسان از پروتئین موجود در شقایق های دریایی حباب دار (Entacmaea quadricolor) است - موجودات دریایی رنگارنگ که به نظر می رسد که آنها حباب هایی در انتهای شاخک های خود دارند.
بقیه توالی بیهمتا است و برای تکامل به ۹۶ جهش ژنتیکی مختلف نیاز دارد. طبق این پژوهش، تکامل طبیعی این تغییرات بیش از ۵۰۰ میلیون سال زمان برده است.
پژوهشگران شرکتی به نام EvolutionaryScale در یک پژوهش پیشچاپ سال گذشته از esmGFP و مدل هوش مصنوعی مورد استفاده برای ایجاد آن، ESM3، رونمایی کردند.
دانشمندان مستقل اکنون این یافته ها را که در ۱۶ ژانویه در مجله Science منتشر شده است، بررسی کردهاند.
دانشمندان در حال حاضر پروتئین های طبیعی را ویرایش کرده و پروتئینهای تازهای را برای اهداف مختلف مهندسی میکنند. به عنوان مثال، پروتئینهای فلورسنت سبز به طور گسترده در آزمایشگاههای تحقیقاتی استفاده می شوند. کد ژنتیکی آنها اغلب به انتهای دیگر توالیهای DNA اضافه میشود تا پروتئینهایی را که کدگذاری میکنند سبز کنند. این به دانشمندان اجازه می دهد تا به راحتی پروتئینها و فرآیندهای سلولی را ردیابی کنند.
تیفانی تیلور، زیست شناس تکاملی در دانشگاه باث در بریتانیا که در این تحقیق شرکت نداشت در تحلیل خود نوشت که مدل های هوش مصنوعی مانند ESM3 نوآوریهایی را در مهندسی پروتئین که تکامل توانش را ندارد، امکان پذیر می کند. با این حال، او همچنین گفت که ادعای پژوهشگران در مورد شبیهسازی ۵۰۰ میلیون سال تکامل تنها بر روی پروتئینهای منفرد متمرکز است و مراحل متعدد انتخاب طبیعی را که در نهایت زندگی را ایجاد میکنند، در نظر نمیگیرد.
تیلور میگوید: «مهندسی پروتئین مبتنی بر هوش مصنوعی جذاب است، اما نمیتوانم باور کنم که روزی میتوانیم از فرآیندهای پیچیدهای که میلیونها سال انتخاب طبیعی انجام داده است، پیشی بگیریم.»/سام آریامنش ofoghroydadd
#هوش_مصنوعی #زیست_شناسی
@LDplus
یک مدل هوش مصنوعی پروتئین جدیدی ایجاد کرده است که پژوهشگران می گویند اگر طبیعت توان تولید چنین چیزی داشت، ۵۰۰ میلیون سال زمان میبرد تا در طبیعت تکامل یابد.
بر اساس یک پژوهش تازه، یک مدل هوش مصنوعی نیم میلیارد سال تکامل مولکولی را برای ایجاد کد یک پروتئین ناشناخته قبلی شبیهسازی کرده است. به گفته محققان، این پروتئین درخشان، که مشابه پروتئین های موجود در چتر دریایی و مرجان ها است، ممکن است به توسعه داروهای جدید کمک کند.
پروتئینها یکی از اجزای سازنده زندگی هستند و عملکردهای مختلفی را در بدن انجام می دهند، مانند عضله سازی و مبارزه با بیماری ها. پروتئین شبیه سازی شده، به نام esmGFP، تنها به عنوان کد کامپیوتری وجود دارد، اما شامل طرح اولیه یک نوع پروتئین فلورسنت سبز است که تا پیش از این ناشناخته بود. در طبیعت، پروتئین های فلورسنت سبز به گونهای از چتر دریایی و مرجان ها درخشش ویژهای میدهند.
دنباله حروفی که دستورالعمل ساخت esmGFP را بیان می کند تنها ۵۸٪ شبیه به نزدیک ترین پروتئین فلورسنت شناخته شده است، که یک نسخه تغییر یافته توسط انسان از پروتئین موجود در شقایق های دریایی حباب دار (Entacmaea quadricolor) است - موجودات دریایی رنگارنگ که به نظر می رسد که آنها حباب هایی در انتهای شاخک های خود دارند.
بقیه توالی بیهمتا است و برای تکامل به ۹۶ جهش ژنتیکی مختلف نیاز دارد. طبق این پژوهش، تکامل طبیعی این تغییرات بیش از ۵۰۰ میلیون سال زمان برده است.
پژوهشگران شرکتی به نام EvolutionaryScale در یک پژوهش پیشچاپ سال گذشته از esmGFP و مدل هوش مصنوعی مورد استفاده برای ایجاد آن، ESM3، رونمایی کردند.
دانشمندان مستقل اکنون این یافته ها را که در ۱۶ ژانویه در مجله Science منتشر شده است، بررسی کردهاند.
دانشمندان در حال حاضر پروتئین های طبیعی را ویرایش کرده و پروتئینهای تازهای را برای اهداف مختلف مهندسی میکنند. به عنوان مثال، پروتئینهای فلورسنت سبز به طور گسترده در آزمایشگاههای تحقیقاتی استفاده می شوند. کد ژنتیکی آنها اغلب به انتهای دیگر توالیهای DNA اضافه میشود تا پروتئینهایی را که کدگذاری میکنند سبز کنند. این به دانشمندان اجازه می دهد تا به راحتی پروتئینها و فرآیندهای سلولی را ردیابی کنند.
تیفانی تیلور، زیست شناس تکاملی در دانشگاه باث در بریتانیا که در این تحقیق شرکت نداشت در تحلیل خود نوشت که مدل های هوش مصنوعی مانند ESM3 نوآوریهایی را در مهندسی پروتئین که تکامل توانش را ندارد، امکان پذیر می کند. با این حال، او همچنین گفت که ادعای پژوهشگران در مورد شبیهسازی ۵۰۰ میلیون سال تکامل تنها بر روی پروتئینهای منفرد متمرکز است و مراحل متعدد انتخاب طبیعی را که در نهایت زندگی را ایجاد میکنند، در نظر نمیگیرد.
تیلور میگوید: «مهندسی پروتئین مبتنی بر هوش مصنوعی جذاب است، اما نمیتوانم باور کنم که روزی میتوانیم از فرآیندهای پیچیدهای که میلیونها سال انتخاب طبیعی انجام داده است، پیشی بگیریم.»/سام آریامنش ofoghroydadd
#هوش_مصنوعی #زیست_شناسی
@LDplus
Science
Simulating 500 million years of evolution with a language model
More than 3 billion years of evolution have produced an image of biology encoded into the space of natural proteins. Here, we show that language models trained at scale on evolutionary data can generate functional proteins that are far away from known ...
👌1