بازه باز
توی هوش مصنوعی رباتیک و ادراک محیطی سریع، خصوصا تو پهپادها، هواپیماها و... یه نوع مدل هوش مصنوعی وجود داره تحت عنوان هوش مصنوعی جهشی، SNNs
هوش مصنوعی های بزرگ یا همون llm ها،
24 ساعته فعالن در حال کارن، و ترنسفورمرها همیشه در حال فعالیتن
اما SNN ها ذاتا خاموشن تا وقتی ریکوئست بیاد و ظرف چند هزارم ثانیه پالس شلیک کنن
24 ساعته فعالن در حال کارن، و ترنسفورمرها همیشه در حال فعالیتن
اما SNN ها ذاتا خاموشن تا وقتی ریکوئست بیاد و ظرف چند هزارم ثانیه پالس شلیک کنن
بازه باز
هوش مصنوعی های بزرگ یا همون llm ها، 24 ساعته فعالن در حال کارن، و ترنسفورمرها همیشه در حال فعالیتن اما SNN ها ذاتا خاموشن تا وقتی ریکوئست بیاد و ظرف چند هزارم ثانیه پالس شلیک کنن
بخوام مثال بزنم چطوریه،
این مدلها در لحظه میتونن پردازش کنن، و خیلی انرژی به شدت پایینی مصرف میکنن.
مثلا مغز انسان رو در نظر بگیرید
برای دیدن و شنیدن انرژی خاصی نمیبره و ناخودآگاه فعاله.
و SNN ها هم همین شکلیان
این مدلها در لحظه میتونن پردازش کنن، و خیلی انرژی به شدت پایینی مصرف میکنن.
مثلا مغز انسان رو در نظر بگیرید
برای دیدن و شنیدن انرژی خاصی نمیبره و ناخودآگاه فعاله.
و SNN ها هم همین شکلیان
بازه باز
بخوام مثال بزنم چطوریه، این مدلها در لحظه میتونن پردازش کنن، و خیلی انرژی به شدت پایینی مصرف میکنن. مثلا مغز انسان رو در نظر بگیرید برای دیدن و شنیدن انرژی خاصی نمیبره و ناخودآگاه فعاله. و SNN ها هم همین شکلیان
کاربردش مثلا توی رهگیری موشکهاست.
توی این جور مواقع، یک مدل سنگین به کار نمیاد
نیازمند مدل دقیق و سریعه
و SNN میاد وسط
در میکروثانیه هم پردازش میکنه هم پالس ریکوئست میفرسته
مثلا میکارن تو دوربین، اگر مثلا مگس از جلوش رد شد، پالس رو شلیک کنه
توی این جور مواقع، یک مدل سنگین به کار نمیاد
نیازمند مدل دقیق و سریعه
و SNN میاد وسط
در میکروثانیه هم پردازش میکنه هم پالس ریکوئست میفرسته
مثلا میکارن تو دوربین، اگر مثلا مگس از جلوش رد شد، پالس رو شلیک کنه
بازه باز
کاربردش مثلا توی رهگیری موشکهاست. توی این جور مواقع، یک مدل سنگین به کار نمیاد نیازمند مدل دقیق و سریعه و SNN میاد وسط در میکروثانیه هم پردازش میکنه هم پالس ریکوئست میفرسته مثلا میکارن تو دوربین، اگر مثلا مگس از جلوش رد شد، پالس رو شلیک کنه
خلاصه چیز جالبیه
علت اینکه توی مدل های بزرگ نمیارنش، بخاطر چالش های ریاضی در یادگیری وسیعه، که شدنی نیست.
ولی در رباتیک و کارای سرعتی شاهکاره
حتی تو تراشههایی که تو چشم نابینایان میذارن قابل استفاده هست.
هم بهینه هم سریع و پردازش لحظهای
علت اینکه توی مدل های بزرگ نمیارنش، بخاطر چالش های ریاضی در یادگیری وسیعه، که شدنی نیست.
ولی در رباتیک و کارای سرعتی شاهکاره
حتی تو تراشههایی که تو چشم نابینایان میذارن قابل استفاده هست.
هم بهینه هم سریع و پردازش لحظهای
بازه باز
خلاصه چیز جالبیه علت اینکه توی مدل های بزرگ نمیارنش، بخاطر چالش های ریاضی در یادگیری وسیعه، که شدنی نیست. ولی در رباتیک و کارای سرعتی شاهکاره حتی تو تراشههایی که تو چشم نابینایان میذارن قابل استفاده هست. هم بهینه هم سریع و پردازش لحظهای
شبکههای پالسی کلا با یک بار دیدن و تجربه یاد میگیرن.
مثلا وقتی دستمون به کتری آبجوش میخوره مغز یاد میگیره دیگه دست نزنه.
شبکههای پالسی مثل SNN ها اینجورین.
مثلا وقتی دستمون به کتری آبجوش میخوره مغز یاد میگیره دیگه دست نزنه.
شبکههای پالسی مثل SNN ها اینجورین.
👍1
دنیای کامپیوتر خیلی بزرگه
یه سری حوزهها دست نخوردن، در سطح تحقیقاتیان
شاید یه روز حوزه برنامه نویسی وب از بین بره یا کلا خیلی حوزهها که تا الان پابرجا بودن
ولی حوزه جدید زیاد میاد.
اونقدر که بمونی کدوم سمت بری.
یه سری حوزهها دست نخوردن، در سطح تحقیقاتیان
شاید یه روز حوزه برنامه نویسی وب از بین بره یا کلا خیلی حوزهها که تا الان پابرجا بودن
ولی حوزه جدید زیاد میاد.
اونقدر که بمونی کدوم سمت بری.
👍3
بازه باز
دنیای کامپیوتر خیلی بزرگه یه سری حوزهها دست نخوردن، در سطح تحقیقاتیان شاید یه روز حوزه برنامه نویسی وب از بین بره یا کلا خیلی حوزهها که تا الان پابرجا بودن ولی حوزه جدید زیاد میاد. اونقدر که بمونی کدوم سمت بری.
هرچقدر ساخت یک چیز برای انسان ارزونتر بشه
جاهطلبی انسان هزاران برابر برای ساخت سیستمهای پیچیدهتر رشد میکنه.
و به مثابه این ناگزیر کلی رشته جدید میاد.
جاهطلبی انسان هزاران برابر برای ساخت سیستمهای پیچیدهتر رشد میکنه.
و به مثابه این ناگزیر کلی رشته جدید میاد.
👍3
بازه باز
هرچقدر ساخت یک چیز برای انسان ارزونتر بشه جاهطلبی انسان هزاران برابر برای ساخت سیستمهای پیچیدهتر رشد میکنه. و به مثابه این ناگزیر کلی رشته جدید میاد.
ابزار جدید، مسئله جدید پدید میآورد.
حتی اگر روزی به ابرهوش برسیم
بازم بنظرم تمام حوزهها توسط ماشین بلعیده نمیشن
100 سال پیش کی فکر میکرد چیزی به نام برنامه نویسی وب بیاد
هیچ واژهای براش نداشتن.
و 10 سال دیگه برای مسائل جدید ما الان واژه نداریم.
حتی اگر روزی به ابرهوش برسیم
بازم بنظرم تمام حوزهها توسط ماشین بلعیده نمیشن
100 سال پیش کی فکر میکرد چیزی به نام برنامه نویسی وب بیاد
هیچ واژهای براش نداشتن.
و 10 سال دیگه برای مسائل جدید ما الان واژه نداریم.
👍3
بازه باز
ابزار جدید، مسئله جدید پدید میآورد. حتی اگر روزی به ابرهوش برسیم بازم بنظرم تمام حوزهها توسط ماشین بلعیده نمیشن 100 سال پیش کی فکر میکرد چیزی به نام برنامه نویسی وب بیاد هیچ واژهای براش نداشتن. و 10 سال دیگه برای مسائل جدید ما الان واژه نداریم.
خلاصه داریم میریم تو فضاهای بکر و جالب.
🔥2
Ⓚⓛⓑ
جرا از واقعیت تلخ میخوای فرار کنی مدل به قدری رشد میکنه که دیگه نیازی به انسان و خلاقیتش نداره
اگر میخوای با ai مسابقه بدیم که باختیم.
انسان فقط خلاقیت نیست، این ایده مضحک قیاس رو از ذهنمون بیرون کنیم.
من از افقی حرف میزنم که هنوز دیده نمیشه.
اساسا ساختار ادراکی براش نداریم.
انسان فقط خلاقیت نیست، این ایده مضحک قیاس رو از ذهنمون بیرون کنیم.
من از افقی حرف میزنم که هنوز دیده نمیشه.
اساسا ساختار ادراکی براش نداریم.
👍2
بازه باز
اگر میخوای با ai مسابقه بدیم که باختیم. انسان فقط خلاقیت نیست، این ایده مضحک قیاس رو از ذهنمون بیرون کنیم. من از افقی حرف میزنم که هنوز دیده نمیشه. اساسا ساختار ادراکی براش نداریم.
این طرز تفکر خلاقیت همیشه مال انسانه،
انسان رو از بدو تولد شبیه یه کارمند کائنات فرض کرده؛ کارمندی که اگر تسک روزانه رو از دستش بگیری، روی دست آفرینش باد میکنه
انسان رو از بدو تولد شبیه یه کارمند کائنات فرض کرده؛ کارمندی که اگر تسک روزانه رو از دستش بگیری، روی دست آفرینش باد میکنه
بازه باز
این طرز تفکر خلاقیت همیشه مال انسانه، انسان رو از بدو تولد شبیه یه کارمند کائنات فرض کرده؛ کارمندی که اگر تسک روزانه رو از دستش بگیری، روی دست آفرینش باد میکنه
دقیقا اینجوریه:
ارزش تو دقیقا مساویه با کارایی، فایده و محصولی که تولید میکنی.
این حرفا مال موجودیه که خودش رو مثل آچار فرانسه یکبارمصرف میدیده.
ارزش تو دقیقا مساویه با کارایی، فایده و محصولی که تولید میکنی.
این حرفا مال موجودیه که خودش رو مثل آچار فرانسه یکبارمصرف میدیده.
بازه باز
دقیقا اینجوریه: ارزش تو دقیقا مساویه با کارایی، فایده و محصولی که تولید میکنی. این حرفا مال موجودیه که خودش رو مثل آچار فرانسه یکبارمصرف میدیده.
اگر ماشینی بیاد که تمام بارهای عقلانی، منطقی و فکری رو برداره، فاجعه رخ نداده؛
برای اولین بار در تاریخ، انسان مجبور نیست برای اثبات ارزش خودش بدوئه و خودش رو با خروجی کارهاش امتیاز بده.
به نظر من داستان درونی تازه جالب میشه.
برای اولین بار در تاریخ، انسان مجبور نیست برای اثبات ارزش خودش بدوئه و خودش رو با خروجی کارهاش امتیاز بده.
به نظر من داستان درونی تازه جالب میشه.
👍2
بازه باز
اگر ماشینی بیاد که تمام بارهای عقلانی، منطقی و فکری رو برداره، فاجعه رخ نداده؛ برای اولین بار در تاریخ، انسان مجبور نیست برای اثبات ارزش خودش بدوئه و خودش رو با خروجی کارهاش امتیاز بده. به نظر من داستان درونی تازه جالب میشه.
فکر کن بشر چند قرنه خودش رو شبیه ماشین فرموله کرده،
و حالا که ماشین واقعی اومده، نگران شده که شاید دیگه نتونه مثل یک ماشین پردازشگر زندگی کنه.
🗿
و حالا که ماشین واقعی اومده، نگران شده که شاید دیگه نتونه مثل یک ماشین پردازشگر زندگی کنه.
🗿
👍1
این مدل jev
که اومده هم معماری جالبی داره
https://typesafe.ai/blog/introducing-system-one-models-and-jev
که اومده هم معماری جالبی داره
https://typesafe.ai/blog/introducing-system-one-models-and-jev
بازه باز
این مدل jev که اومده هم معماری جالبی داره https://typesafe.ai/blog/introducing-system-one-models-and-jev
این llm نیست صرفا مدل تصمیم گیریه
مثل یک روتر گیت عمل میکنه
مثل یک روتر گیت عمل میکنه
بازه باز
این llm نیست صرفا مدل تصمیم گیریه مثل یک روتر گیت عمل میکنه
مثلا llm ها توکن به توکن میرن جلو
ولی jev کامل این مرحله حذف کرده
اصلا جواب بهتون نمیده، چت نمیکنه کد نمیزنه
فقط بر اساس باینری و کارهای ریاضی تصمیم نرمافزاری میگیره
بیشتر بدرد معماری ایجنتیک میخوره.
سرعتش بینظیره.
ولی jev کامل این مرحله حذف کرده
اصلا جواب بهتون نمیده، چت نمیکنه کد نمیزنه
فقط بر اساس باینری و کارهای ریاضی تصمیم نرمافزاری میگیره
بیشتر بدرد معماری ایجنتیک میخوره.
سرعتش بینظیره.
بازه باز
مثلا llm ها توکن به توکن میرن جلو ولی jev کامل این مرحله حذف کرده اصلا جواب بهتون نمیده، چت نمیکنه کد نمیزنه فقط بر اساس باینری و کارهای ریاضی تصمیم نرمافزاری میگیره بیشتر بدرد معماری ایجنتیک میخوره. سرعتش بینظیره.
طبق چیزی که استارتاپش گفته،
برپایه RLCD اموزش دادن.
که مخفف یادگیری تقویتی از تصمیمهای کالیبره شدهست.
یعنی مدل جریمه میشه اگر خطا کنه،
و درصدها و روتری که فیکس میکنه توی ریاضی قابل اتکاست.
برپایه RLCD اموزش دادن.
که مخفف یادگیری تقویتی از تصمیمهای کالیبره شدهست.
یعنی مدل جریمه میشه اگر خطا کنه،
و درصدها و روتری که فیکس میکنه توی ریاضی قابل اتکاست.
بازه باز
طبق چیزی که استارتاپش گفته، برپایه RLCD اموزش دادن. که مخفف یادگیری تقویتی از تصمیمهای کالیبره شدهست. یعنی مدل جریمه میشه اگر خطا کنه، و درصدها و روتری که فیکس میکنه توی ریاضی قابل اتکاست.
مدل های کلاسیفر کلاسیک یه لایه خطی ثابت با تعداد مشخصی کلاس در انتهای کلاسیفر دارن.
اگر من مثلا بیام کلاس جدیدی فور کنم بهش
مدل کار نمیکنه باید لایه اخر عوض کنم دوباره کل مدل فاین تیون بشه.
اگر من مثلا بیام کلاس جدیدی فور کنم بهش
مدل کار نمیکنه باید لایه اخر عوض کنم دوباره کل مدل فاین تیون بشه.