مدل بنیادین Florence-2 که یک مدل چندوجهی بینایی-زبان بسیار سبک و اوپن-سورس است، توسط Microsoft معرفی شد.

معماری ساده‌ی این مدل تغییر خاصی نسبت به نسخه‌ی قبل نکرده و متشکل از یک DaViT به عنوان کدگذار بینایی، یک BERT به عنوان کدگذار نوشتار و یک کدگشای مبتنی بر ترنسفورمرست.

این مدل قادر به انجام بیش از ۱۰ تسک مختلف در زمینه‌ی بینایی رایانه از جمله image captioning و object detection و grounding و segmentation و OCR است.

این مدل در دو نسخه‌ی base (۲۳۰ میلیون پارامتر) و large (۷۷۰ میلیون پارامتر) منتشر شده که هر دو مناسب اجرا روی دستگاه‌های لبه و موبایل‌ها هستند.

قابلیت بالای این مدل به خاطر مجموعه‌داده‌ی آموزشی حجیم آن به نام FLD-5B شامل ۱۲۶ میلیون تصویر و ۵/۴ میلیارد انوتیشن‌ست.


بلاگ‌پست معرفی:
https://blog.roboflow.com/florence-2/

مقاله:
https://arxiv.org/pdf/2311.06242

دمو:
https://huggingface.co/spaces/gokaygokay/Florence-2

نوت‌بوک:
https://colab.research.google.com/?ref=blog.roboflow.com#fileId=https%3A//huggingface.co/microsoft/Florence-2-large/blob/main/sample_inference.ipynb

اگر مایل‌ید در کنار بجِ Open in Colab در صفحه‌ی وب یا فایل README خود، از بجِ Open in Studio نیز استفاده کنید، از تکه‌کد زیر استفاده کرده و آدرس نوت‌بوک خود را در آن درج کنید:

<a target="_blank" href="https://lightning.ai/new?repo_url=https%3A%2F%2Fgithub.com%2Fxei%2Frecommender-system-tutorial%2Fblob%2Fmain%2Frecommender_system_tutorial.ipynb">
  <img src="https://pl-bolts-doc-images.s3.us-east-2.amazonaws.com/app-2/studio-badge.svg" alt="Open in Studio" />
</a>

ابزار Studio جایگزینی برای Google Colab است که توسط Lightning.ai معرفی شده و نسبت به آن مزایایی دارد. از جمله:
- کارت گرافیک رایگان
- فضای ذخیره‌سازی مانا، دائمی و رایگان
- محیط و ماشین مجازی مانا که بدون درخواست مستقیم کاربر، از بین نمی‌رود.
- قابلیت اجرای کد در پس‌زمینه به‌صورت نامحدود
- قابلیت یکپارچه‌سازی با VSCode و Data Spell و PyCharm و …

https://lightning.ai/
https://lightning.ai/badge

مدل زبانی Claude 3.5 Sonnet توسط Anthropic معرفی شد.
این مدل علاوه بر ارزان‌تر بودن (۳ دلار به ازای هر یک میلیون توکن ورودی و ۱۵ دلار به ازای هر یک میلیون توکن خروجی) دو برابر سریع‌تر از Claude 3 Opus است. بنابراین برای تسک‌های پیچیده مثل خدمات مشتریان یا multi-step workflows مناسب‌ترست.
همچنین این مدل برای تسک‌های بینایی مثل تحلیل نمودار به‌تر از سایر مدل‌های مشابه عمل می‌کند.

https://www.anthropic.com/news/claude-3-5-sonnet


این مدل به‌سادگی با فریم‌ورک LangChain یک‌پارچه شده‌ست.

https://python.langchain.com/v0.2/docs/integrations/chat/anthropic/

آقای Ilya Sutskever که به‌تازگی از OpenAI جدا شده، اعلام کرد که استارتاپ هوش مصنوعی خودش را با نام SSI یا Safe Superintelligence و با هدف ساخت هوش مصنوعی‌های ایمن، تاسیس می‌کند.

ایشان از به‌ترین و فعال‌ترین پژوهش‌گران هوش مصنوعی‌اند که از ابتدای انقلاب دیپ‌لرنینگ تا الان تاثیرهای شگرفی در این حوزه گذاشته‌ند.

◀️ ایشان از سازندگان شبکه‌ی AlexNet اند که سبب شروع انقلاب دیپ‌لرنینگ در سال ۲۰۱۲ و جهشی در زمینه‌ی بینایی رایانه شد.
◀️ ایشان از توسعه‌دهندگان اصلی الگوریتم‌ sequence-to-sequence و همچنین مکانیزم Attention اند که جهشی در زمینه‌ی پردازش زبان و هم‌چنین پایه‌ی اصلی ترنسفورمرها و مدل‌های امروزی هوش مصنوعی‌ست.
◀️ ایشان از رهبران و توسعه‌دهندگان مدل‌های GPT-2 و GPT-3 اند.
◀️ ایشان از بنیان‌گذاران OpenAI در سال ۲۰۱۵ و هم‌چنین دانش‌مند ارشد (Chief AI Scientist) این شرکت در زمان توسعه‌ی ChatGPT بوده‌اند.
◀️ ایشان از نویسندگان فریم‌ورک TensorFlow در شرکت Google Brain بوده‌اند.
◀️ ایشان از مخترعان اصلی AlphaGo بودند که برای اولین بار در جهان توانست قهرمان این بازی را شکست دهد.

استارتاپ آمریکایی Instacart که درزمینه‌ی فروش مواد غذایی فعال‌ست، از الگوریتم ساده‌ی quantile regression برای پیش‌بینی زمان تحویل سفارش (ETA) استفاده می‌کند.

پیاده‌سازی سامانه‌ی ETA یکی از اصلی‌ترین مسائل فروش‌گاه‌های اینترنتی‌ست. اگر علاقه دارید که با جزییات سامانه‌ی ETA شرکت Instacart آشنا شید، بلاگ‌پست زیر رو مطالعه کنید.

https://tech.instacart.com/how-instacart-delivers-on-time-using-quantile-regression-2383e2e03edb

در طراحی و پیاده‌سازی سامانه‌های نرم‌افزاری، داده‌ها در بیشتر مواقع داخل پایگاه‌های داده‌ و به‌صورت ساختارمند (Structured) ذخیره می‌شوند. اما گاهی به داده‌هایی بی‌ساختار (Unstructured) مثل پرونده‌های نوشتاری یا صفحات وب دسترسی داریم که شامل اطلاعات باارزشی‌ برای عمل‌کرد سامانه‌اند. در این صورت، یکی از رویکرد‌های مرسوم، استخراج اطلاعات باارزش از داخل این داده‌های بی‌ساختار و ذخیره‌ی آن‌ها در قالب‌های ساختارمند مانند گراف‌ست.

مثلا به کمک روش‌های NER (شناسایی موجودیت‌های نام‌دار)، موجودیت‌های مورد بحث در نوشتار را استخراج کرده و به عنوان راس‌های یک گراف دانش (Knowledge Graph) ثبت می‌کنیم. سپس به کمک روش‌های RE (استخراج رابطه)، روابط بین این موجودیت‌ها را استخراج و به عنوان یال‌های گراف دانش در نظر می‌گیریم. گراف نهایی شامل همه‌ی موجودیت‌های مورد بحث در متن و روابط بین آن‌ها خواهد بود. این داده‌ی گرافی ساختارمند را می‌توان در پایگاه‌های داده‌ی گرافی مثل Neo4j ذخیره کرد. از کاربردهای مهم گراف دانش می‌توان به Graph RAG اشاره کرد.

پیشرفت‌های اخیر مدل‌های زبانی بزرگ، آن‌ها را به یکی از کاراترین ابزارها برای ساخت گراف دانش از طریق استخراج موجودیت‌ها و روابط بین آن‌ها تبدیل کرده‌ست.

بلاگ‌پست زیر جزییات این فرآیند (ساخت گراف دانش از روی نوشتار به کمک LLM ها) را شرح می‌دهد.
https://neo4j.com/developer-blog/construct-knowledge-graphs-unstructured-text/

بلاگ‌پست زیر نیز، استفاده از فریم‌ورک LangChain و پایگاه داده‌ی Neo4j برای این منظور را به‌صورت عملی شرح می‌دهد.
https://blog.langchain.dev/enhancing-rag-based-applications-accuracy-by-constructing-and-leveraging-knowledge-graphs/

بعد از این همه پیش‌رفت در زمینه‌ی هوش مصنوعی، زمان اون رسیده که کاربرد این پیشرفت‌ها رو در ابزارهای مدرن برای زندگی روزمره تجربه کنیم.

گجت DentalMonitoring به کمک دوربین گوشی تلفن همراه شخصی و مدل‌های هوش مصنوعی، وضعیت دندان‌های شما رو در طول زمان پایش می‌کنه و مشکلات پیش روی دندان‌ها و لثه‌های شما رو پیش‌بینی کرده و در زودترین زمان به‌تون اطلاع می‌ده.

دقت این ابزار برای تشخیص بیماری‌های دهان و دندان ۸۹ درصد گزارش شده‌ست.

https://dentalmonitoring.com/

یکی از پرسش‌هایی که عزیزان زیادی در رابطه با in-context learning می‌‌پرسند، این‌ست که اطلاعات context را در ابتدای پرامپت درج کنند، یا انتهای پرامپت و یا در میانه؟!

💭 یادآوری: منظور از in-context learning این‌ست که اطلاعات جدیدی که LLM در هنگام آموزش، ندیده را داخل پرامپت درج کرده تا مدل با درنظر گرفتن آن اطلاعات، پاسخ دقیق‌تری را برگرداند. مثلا در مکانیزم RAG بر اساس پرسش اصلی کاربر، مستندات و پرونده‌های مرتبط را پیدا کرده و همراه با پرسش اصلی،‌ به عنوان ورودی، به مدل می‌دهیم.

پژوهشی که توسط دانشمندان دانشگاه استنفورد و برکلی انجام شده، نشان می‌دهد که درج Context های طولانی در میانه‌ی پرامپت، باعث ازدست‌رفتن اطلاعات می‌شود و لازم‌ست این اطلاعات نه در میانه، بلکه در ابتدا یا انتهای پرامپت درج شوند.

https://arxiv.org/pdf/2307.03172

امروز، زادروز دانشمند برجسته‌ی علوم رایانه و هوش مصنوعی، الن تورینگ است.

کسی که ماشین تورینگ‌ش، پایه‌ی رایانه‌های امروزی و آزمون تورینگ‌ش، یکی از به‌ترین روش‌های ارزیابی سامانه‌های هوش‌مند شد.

کسی که با کدگشایی ماشین انیگما توانست ورق را در جنگ جهانی دوم به نفع متفقین برگرداند.

کسی که در نهایت به خاطر گرایشات جنسی‌اش تحت فشار و هورمون-درمانی اجباری قرار گرفت و به‌طرز ناراحت‌کننده‌ای دچار مرگ زودهنگام شد.

🔔خبر جذاب برای علاقه‌مندان به کار پژوهشی🔔

با فرارسیدن تابستان، و بنابر درخواست عده‌ی زیادی از دوستانِ علاقه‌مند، تصمیم گرفتیم چند پروژه‌ی پژوهشی داغ در حوزه‌های مختلف هوش مصنوعی تعریف کرده و طی یک هم‌کاری تیمی منسجم، فشرده و برنامه‌ریزی‌شده، تا انتهای تابستان، این پروژه‌ها را به انجام رسانده و در قالب مقالاتی در ژورنال‌ها و سمینارهای معتبر جهانی به چاپ رسانیم.

موضوع دقیق پژوهش‌ها بعد از تشکیل تیم‌ها و بر اساس تخصص و علایق افراد مشخص خواهد شد، اما همگی موضوعاتی به‌روز در زمینه‌ی هوش مصنوعی و کاربردهای آن خواهند بود.

هر تیم شامل ۲ تا ۵ نفر و یک لیدر خواهد بود که با کمک هم روی یک موضوع مشخص و برنامه‌ریزی‌شده، کار خواهند کرد. اعضای هر تیم طی یک جلسه‌ی ثابت هفتگی، با یک‌دیگر هم‌گام شده و در آن جلسه، تسک‌های خود به همراه منتورشیپ لازم را دریافت کرده و نتایج کار خود را ارائه می‌دهند. با توجه به فشرگی زمان و برای حفظ کیفیت کار، افرادی که نتوانند با تیم هم‌گام شده و تسک‌های خود را انجام دهند، جایگزین خواهند شد و نام افرادی که در انجام تسک‌های خود موفق باشند، در لیست نویسندگان مقالات قرار خواهد گرفت.

همه‌ی افراد علاقه‌مند، فارق از سابقه و رشته و مدرک تحصیلی، در صورتی که توانایی‌های لازم (مثل آشنایی با روش تحقیق، مفاهیم پایه‌ی هوش مصنوعی و شبکه‌های عصبی، تسلط به برنامه‌نویسی پایتون و …) و حداقل ۱۰ ساعت زمان در هفته را دارند می‌توانند به عنوان هم‌کار پژوهشی اپلای کنند. اما لازم به ذکرست که ظرفیت پذیرش محدود است و اولویت با افرادی‌ست که توان پژوهشی بالاتری دارند.

برای هم‌کاران پژوهشی، حقوق و مزایای مالی در نظر گرفته نشده ولی در انتها، نام افراد، در لیست نویسندگان مقالات درج خواهد شد و همین‌طور، این افراد می‌توانند از این‌جانب، توصیه‌نامه‌ برای پذیرش تحصیلی یا کاری دریافت کنند. البته اگر پروژه‌ای قوی پیش برود و موفق به دریافت سرمایه یا گرنت شود، همه‌ی اعضای تیم از آن بهره‌مند خواهند شد.

اگر به تحقیق و پژوهش در زمینه‌ی هوش مصنوعی علاقه‌مندید و یا در حال برنامه‌ریزی برای پذیرش تحصیلی یا موقعیت شغلیِ پژوهشی اید و جدیت، تخصص و زمان کافی را دارید، حداکثر تا ۱۵ تیر درخواست خود را از طریق لینک زیر ثبت کنید.

https://forms.gle/v2burqrQCLuXLXTW7

دانلود اپلیکیشن ChatGPT برای کاربران macOS

https://persistent.oaistatic.com/sidekick/public/ChatGPT_Desktop_public_latest.dmg

توجه: این اپلیکیشن فعلا فقط برای مک‌هایی که پردازنده‌ی Apple Silicon دارند، منتشر شده و روی پردازنده‌های Intel کار نمی‌کند.



پی‌نوشت ۱: لینک دانلود ChatGPT برای آیفون:
https://apps.apple.com/us/app/chatgpt/id6448311069

پی‌نوشت ۲: لینک دانلود ChatGPT برای اندروید
https://play.google.com/store/apps/details?id=com.openai.chatgp

همون‌طور که می‌دونید، خروجی مدل‌های زبانی، همیشه مطابق انتظار شما نیست، به ویژه زمانی که کاربر شما سعی در دورزدن مدل داشته باشد.

بنابراین همیشه در پیاده‌سازی اپلیکیشن‌های مبتنی بر مدل‌های زبانی، از ایزاری مثل Guardrails استفاده کنید.

این ابزار، پرامپت ورودی را بررسی کرده و در صورت مشکوک‌بودن، خارج‌از‌بحث بودن، مخرب‌بودن و … آن را به LLM نمی‌فرستد. از طرفی، خروجی LLM را هم بررسی کرده تا از سالم‌بودن پاسخ، رعایت ساختار و … مطمئن شود.

https://github.com/guardrails-ai/guardrails?tab=readme-ov-file

⚠️⚠️ توجه: مطمئنا این پست همون چیزیه که خیلی از عزیزان دنبالش‌اند ⚠️⚠️

هوش مصنوعی خیلی سریع داره رشد می‌کنه جوری که:
خیلی‌ها نمی‌دونن از کجا شروع کنن و در کدوم مسیر ادامه بدن!
نمی‌دونن کدوم کورس/کتاب قدیمیه و دیگه به درد نمی‌خوره و کدوم رو باید ببینن!
نمی‌دونن کدوم مقاله مهمه که بخونن و کدوم مقاله دیگه به‌روز نیست!

حالا Ilya Sutskever که یکی از به‌ترین و پرکارترین پژوهش‌گرهای هوش مصنوعی‌ست، یک لیست ۲۷تایی از کورس‌ها، کتاب‌ها، پست‌ها و مقاله‌های مهم آماده کرده که به اعتقاد ایشان (که از ستون‌های AI اند) مسلط‌شدن به این ۲۷ مورد، باعث می‌شه شما به ۹۰ درصد چیزهایی که در AI امروز مهم‌اند، مسلط شوید.

این یک مسیر شفاف و عالی به‌خصوص برای دانشجویانی‌ست که تازه وارد این مسیر شده‌اند.

https://arc.net/folder/D0472A20-9C20-4D3F-B145-D2865C0A9FEE

حال که بحث به درس هوش‌مصنوعی دوره‌ی کارشناسی رسید، به یکی از پرسش‌هایی که عزیزان زیادی می‌پرسند هم پاسخ بدم.

برای کنکور ارشد هوش مصنوعی، به‌ترین منبع چیست؟!

پرسش‌های هوش‌مصنوعی در کنکور کارشناسی ارشد، از ۹ فصل نخست ویرایش سوم کتاب Artificial Intelligence: A Modern Approach نوشته‌ی Russel & Norvig طرح می‌شوند.

به‌ترین منبع برای مطالعه‌ی سوالات کنکوری، کتاب “حل مسائل هوش مصنوعی” نوشته‌ی استاد رامین رهنمون و مشاهده‌ی ویدئوهای آموزشی ایشان در یوتیوب است.

https://www.youtube.com/@rrahnamon/videos