🚀 خیز بزرگ DeepSeek با تراشههای Huawei
بر اساس گزارش Bloomberg، شرکت DeepSeek قصد دارد یکی از بزرگترین کلاسترهای هوش مصنوعی چین را با استفاده از ۱۶۰ هزار شتابدهنده Huawei Ascend 950DT در مغولستان داخلی راهاندازی کند. این اقدام گامی مهم برای کاهش وابستگی به سختافزارهای خارجی در بخش استنتاج مدلها محسوب میشود، هرچند آموزش مدلها فعلاً همچنان بر پایه Nvidia باقی میماند.
مشخصات فنی کلیدی شتابدهنده Ascend 950DT شامل موارد زیر است:
- حافظه HBM با ظرفیت 144 گیگابایت
- پهنای باند حافظه 4 ترابایت بر ثانیه
این اعداد در مقایسه با Nvidia H200 که دارای 141 گیگابایت حافظه و 4.8 ترابایت بر ثانیه پهنای باند است، نشاندهنده نزدیک شدن عملکرد سختافزار هواوی به نسل Hopper انویدیا است. اگرچه این شباهت در مشخصات کاغذی لزوماً به معنای خروجی عملیاتی یکسان نیست، اما رقابت جدی چین برای خودکفایی در زیرساختهای محاسباتی را به وضوح نشان میدهد.
گسترش زیرساخت هوش مصنوعی DeepSeek با سفارش ۱۶۰ هزار تراشه Huawei
#DeepSeek #Ascend_950DT
بر اساس گزارش Bloomberg، شرکت DeepSeek قصد دارد یکی از بزرگترین کلاسترهای هوش مصنوعی چین را با استفاده از ۱۶۰ هزار شتابدهنده Huawei Ascend 950DT در مغولستان داخلی راهاندازی کند. این اقدام گامی مهم برای کاهش وابستگی به سختافزارهای خارجی در بخش استنتاج مدلها محسوب میشود، هرچند آموزش مدلها فعلاً همچنان بر پایه Nvidia باقی میماند.
مشخصات فنی کلیدی شتابدهنده Ascend 950DT شامل موارد زیر است:
- حافظه HBM با ظرفیت 144 گیگابایت
- پهنای باند حافظه 4 ترابایت بر ثانیه
این اعداد در مقایسه با Nvidia H200 که دارای 141 گیگابایت حافظه و 4.8 ترابایت بر ثانیه پهنای باند است، نشاندهنده نزدیک شدن عملکرد سختافزار هواوی به نسل Hopper انویدیا است. اگرچه این شباهت در مشخصات کاغذی لزوماً به معنای خروجی عملیاتی یکسان نیست، اما رقابت جدی چین برای خودکفایی در زیرساختهای محاسباتی را به وضوح نشان میدهد.
گسترش زیرساخت هوش مصنوعی DeepSeek با سفارش ۱۶۰ هزار تراشه Huawei
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#DeepSeek #Ascend_950DT
🚀 راهنمای جامع استفاده از GPT-6 Astra در API
کمپانی OpenAI بهتازگی مستندات جدیدی برای کار با مدل
مهمترین ویژگیهای این مدل عبارتند از:
- Async tool calling: امکان ادامه پردازش و استدلال همزمان با اجرای ابزارهای خارجی.
- Mid-turn steering: قابلیت تغییر دستورالعملها در حین انجام یک وظیفه طولانی بدون نیاز به شروع مجدد.
- Dynamic reasoning: تنظیم سطح استدلال در میانه گفتگو با حفظ کش.
- پشتیبانی بومی از Computer use و ارکستراسیون چندعامله (multi-agent).
به دلیل بهینگی در مصرف توکن، هزینه نهایی انجام بسیاری از وظایف با وجود قیمت بالاتر توکن، کاهش یافته است. برای شروع کار و مطالعه جزئیات فنی، میتوانید به مستندات رسمی OpenAI مراجعه کنید.
راهنمای جامع GPT-6 Astra API: نوآوریها و نکات مهاجرت برای توسعهدهندگان
#gpt_6_astra #Async_tool_calling
کمپانی OpenAI بهتازگی مستندات جدیدی برای کار با مدل
gpt-6-astra منتشر کرده است که قابلیتهای پیشرفتهای را برای توسعهدهندگان فراهم میکند. این مدل با تمرکز بر اجرای وظایف پیچیده و تعامل بهتر با ابزارهای خارجی طراحی شده است.مهمترین ویژگیهای این مدل عبارتند از:
- Async tool calling: امکان ادامه پردازش و استدلال همزمان با اجرای ابزارهای خارجی.
- Mid-turn steering: قابلیت تغییر دستورالعملها در حین انجام یک وظیفه طولانی بدون نیاز به شروع مجدد.
- Dynamic reasoning: تنظیم سطح استدلال در میانه گفتگو با حفظ کش.
- پشتیبانی بومی از Computer use و ارکستراسیون چندعامله (multi-agent).
به دلیل بهینگی در مصرف توکن، هزینه نهایی انجام بسیاری از وظایف با وجود قیمت بالاتر توکن، کاهش یافته است. برای شروع کار و مطالعه جزئیات فنی، میتوانید به مستندات رسمی OpenAI مراجعه کنید.
راهنمای جامع GPT-6 Astra API: نوآوریها و نکات مهاجرت برای توسعهدهندگان
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#gpt_6_astra #Async_tool_calling
📊 گزارش سالانه دیتاک: تحلیل دادههای «سال بقا»
مجموعه دیتاک گزارش جدید خود را با عنوان «سال بقا» منتشر کرده است. این گزارش جامع، حاصل بررسی و تحلیل دادههای رفتار کاربران، کسبوکارها و برندهای ایرانی در یک بازه ۱۵ ماهه (سال ۱۴۰۴ و بهار ۱۴۰۵) است که یکی از متفاوتترین دورههای فضای دیجیتال ایران را به تصویر میکشد.
اگر به تحلیل دادههای شبکههای اجتماعی و شناخت دقیقتر رفتار مخاطبان ایرانی علاقهمندید، میتوانید گزارش کامل «سال بقا» دیتاک را مطالعه کنید.
#دیتاک #سال_بقا
مجموعه دیتاک گزارش جدید خود را با عنوان «سال بقا» منتشر کرده است. این گزارش جامع، حاصل بررسی و تحلیل دادههای رفتار کاربران، کسبوکارها و برندهای ایرانی در یک بازه ۱۵ ماهه (سال ۱۴۰۴ و بهار ۱۴۰۵) است که یکی از متفاوتترین دورههای فضای دیجیتال ایران را به تصویر میکشد.
اگر به تحلیل دادههای شبکههای اجتماعی و شناخت دقیقتر رفتار مخاطبان ایرانی علاقهمندید، میتوانید گزارش کامل «سال بقا» دیتاک را مطالعه کنید.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#دیتاک #سال_بقا
هوش مصنوعی و علم داده به فارسی
🌐 تحول پیشبینی وضع هوا با هوش مصنوعی هوش مصنوعی مرزهای جدیدی را در علم هواشناسی ترسیم کرده است. مدل جدید WeatherNext 3 که توسط تیم Google DeepMind توسعه یافته، توانایی فوقالعادهای در تحلیل دادههای جوی پیدا کرده است. جزئیات معماری، قابلیتها و محدودیتهای…
🌦 معرفی WeatherNext 3؛ دقیقترین مدل پیشبینی آبوهوا
گوگل دیپمایند از مدل هواشناسی جدید WeatherNext 3 رونمایی کرد. این مدل بر پایه معماری Functional Generative Network توسعه یافته و طبق ارزیابیهای مستقل سرویس Brightband، در حال حاضر دقیقترین مدل پیشبینی آبوهوای جهان است.
در این نسخه با حذف شبیهسازیهای فیزیکی سنگین، مدل مستقیماً دادههای جریانی ماهوارههای زمینآهنگ و ایستگاههای زمینی را پردازش میکند. این رویکرد چرخه تولید پیشبینی جدید را به یک ساعت کاهش داده و وضوح مکانی دما و رطوبت را به ۵ در ۵ کیلومتر رسانده است که ۵ برابر دقیقتر از نسخه قبلی است.
مهمترین ویژگیهای این مدل:
• کاهش تا ۶۰ درصدی خطای پیشبینی بارندگی با آموزش روی رادارهای ماهوارهای و دادههای ناسا
• ارائه متغیرهای کاربردی برای انرژیهای تجدیدپذیر مانند سرعت باد در ارتفاع ۱۰۰ متری و تابش خورشیدی
• دسترسی به دادهها از طریق BigQuery و Cloud Storage و ادغام مستقیم در گوگل مپس و Gemini
معرفی WeatherNext 3؛ دقیقترین مدل هوش مصنوعی گوگل در پیشبینی آبوهوا
گوگل دیپمایند از مدل هواشناسی جدید WeatherNext 3 رونمایی کرد. این مدل بر پایه معماری Functional Generative Network توسعه یافته و طبق ارزیابیهای مستقل سرویس Brightband، در حال حاضر دقیقترین مدل پیشبینی آبوهوای جهان است.
در این نسخه با حذف شبیهسازیهای فیزیکی سنگین، مدل مستقیماً دادههای جریانی ماهوارههای زمینآهنگ و ایستگاههای زمینی را پردازش میکند. این رویکرد چرخه تولید پیشبینی جدید را به یک ساعت کاهش داده و وضوح مکانی دما و رطوبت را به ۵ در ۵ کیلومتر رسانده است که ۵ برابر دقیقتر از نسخه قبلی است.
مهمترین ویژگیهای این مدل:
• کاهش تا ۶۰ درصدی خطای پیشبینی بارندگی با آموزش روی رادارهای ماهوارهای و دادههای ناسا
• ارائه متغیرهای کاربردی برای انرژیهای تجدیدپذیر مانند سرعت باد در ارتفاع ۱۰۰ متری و تابش خورشیدی
• دسترسی به دادهها از طریق BigQuery و Cloud Storage و ادغام مستقیم در گوگل مپس و Gemini
معرفی WeatherNext 3؛ دقیقترین مدل هوش مصنوعی گوگل در پیشبینی آبوهوا
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 رونمایی از GPT-6 Astra: طلوع عصر AGI
انتشار گزارشهای جدید از مدل
بر اساس نتایج منتشر شده، این مدل در بنچمارکهای بسیار دشوار نتایج خیرهکنندهای کسب کرده است:
• کسب امتیاز 97.6% در بنچمارک
• دستیابی به دقت 98.6% در
• ثبت عملکرد فوقالعاده 74.1% در بنچمارک
• کسب امتیاز کامل 100% در
این مدل ابتدا از طریق برنامه
معرفی GPT-6 Astra؛ جهش خیرهکننده بهسوی هوش مصنوعی عمومی (AGI)
#GPT_6_Astra #FrontierMath
انتشار گزارشهای جدید از مدل
GPT-6 Astra، جامعه هوش مصنوعی را شگفتزده کرده است. گریگ براکمن، همبنیانگذار OpenAI، این مدل را آغازگر واقعی دوران AGI میداند.بر اساس نتایج منتشر شده، این مدل در بنچمارکهای بسیار دشوار نتایج خیرهکنندهای کسب کرده است:
• کسب امتیاز 97.6% در بنچمارک
FrontierMath Tier 4 v2 که پیچیدهترین تست ریاضی برای مدلهای زبانی است.• دستیابی به دقت 98.6% در
ARC-AGI-3.• ثبت عملکرد فوقالعاده 74.1% در بنچمارک
DeepSWE v1.1.• کسب امتیاز کامل 100% در
ExploitBench.این مدل ابتدا از طریق برنامه
Daybreak در دسترس قرار میگیرد و پس از آن در قالب API و اشتراک کاربران Plus عرضه خواهد شد. قیمتگذاری توکنهای این مدل مشابه مدل Fable تعیین شده است. تواناییهای خیرهکننده در حل مسائل مهندسی و ریاضی نشاندهنده جهشی بزرگ در مدلهای استدلالی است.معرفی GPT-6 Astra؛ جهش خیرهکننده بهسوی هوش مصنوعی عمومی (AGI)
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#GPT_6_Astra #FrontierMath
🚀 نگاهی به توانمندیهای خیرهکننده GPT-6
مدل جدید GPT-6 بهتازگی معرفی شد و تجربه کار با آن به معنای واقعی کلمه متفاوت است. این مدل برخلاف نسخههای پیشین، به جای ارائه پاسخهای طولانی و خستهکننده، بسیار دقیق و مختصر عمل میکند.
یکی از ویژگیهای مبهوتکننده این مدل، درک عمیق آن از خروجی نهایی پیش از اجرای کد است؛ گویی مدل قبل از اینکه کدی را بنویسد، فضای نهایی و نتیجه را در ذهن خود مجسم کرده است.
مهمترین توانمندیهای این هوش مصنوعی:
- بازسازی محیطهای سهبعدی از روی عکس و ویدیوهای ساده: این مدل میتواند با تحلیل چند تصویر، نقشهای دقیق از یک فضای واقعی تولید کند که حتی برای طراحی مراحل بازی نیز قابل استفاده است.
- استخراج هوشمند بافتها: مدل بهطور خودکار اجزای موجود در تصاویر مانند پردهها یا تابلوها را تشخیص داده و برای بازسازی صحنه به بهترین شکل در جایگاه درست قرار میدهد.
- سرعت خیرهکننده در تحلیل و اجرا: تنها با چند پرامپت ساده، مدل قادر است مفاهیم پیچیده بصری را به مدلهای سهبعدی کاربردی تبدیل کند.
#GPT_6 #بازسازی_سه_بعدی
مدل جدید GPT-6 بهتازگی معرفی شد و تجربه کار با آن به معنای واقعی کلمه متفاوت است. این مدل برخلاف نسخههای پیشین، به جای ارائه پاسخهای طولانی و خستهکننده، بسیار دقیق و مختصر عمل میکند.
یکی از ویژگیهای مبهوتکننده این مدل، درک عمیق آن از خروجی نهایی پیش از اجرای کد است؛ گویی مدل قبل از اینکه کدی را بنویسد، فضای نهایی و نتیجه را در ذهن خود مجسم کرده است.
مهمترین توانمندیهای این هوش مصنوعی:
- بازسازی محیطهای سهبعدی از روی عکس و ویدیوهای ساده: این مدل میتواند با تحلیل چند تصویر، نقشهای دقیق از یک فضای واقعی تولید کند که حتی برای طراحی مراحل بازی نیز قابل استفاده است.
- استخراج هوشمند بافتها: مدل بهطور خودکار اجزای موجود در تصاویر مانند پردهها یا تابلوها را تشخیص داده و برای بازسازی صحنه به بهترین شکل در جایگاه درست قرار میدهد.
- سرعت خیرهکننده در تحلیل و اجرا: تنها با چند پرامپت ساده، مدل قادر است مفاهیم پیچیده بصری را به مدلهای سهبعدی کاربردی تبدیل کند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#GPT_6 #بازسازی_سه_بعدی
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 نسل جدید ویدیوهای هوش مصنوعی با H3 Max
تیم Fal نسخه جدید مدل H3 Max را معرفی کرده است که دیگر خبری از چسباندن کلیپهای کوتاه به هم نیست. این مدل یک جریان ویدیویی پیوسته و یکپارچه تولید میکند و به خوبی حافظه و جزئیات صحنه را حفظ میکند.
قابلیت هیجانانگیز این نسخه، امکان تغییر پرامپت در لحظه است؛ یعنی میتوانید حین پخش، مسیر داستان یا اکشن ویدیو را به صورت زنده هدایت کنید. برای مشاهده این فناوری در عمل، میتوانید به پلتفرم زنده Fal سر بزنید و تعامل کاربران با این پخش بیانتها را ببینید.
مهمترین نکات درباره این مدل:
• مدل H3 Max به صورت API برای توسعهدهندگان در دسترس قرار گرفته است.
• جلسات عمومی فعلاً به دو دقیقه محدود شدهاند تا کیفیت و پایداری حفظ شود.
• هزینههای استفاده از این سرویس بر اساس زمان تعیین شده و با توجه به مدل قیمتگذاری، بهتر است پیش از شروع پروژههای طولانی، زمانبندی دقیقی داشته باشید.
این جهش تکنولوژیک، آینده تلویزیون و تولید محتوای زنده را دگرگون خواهد کرد.
#H3_Max #Fal_AI
تیم Fal نسخه جدید مدل H3 Max را معرفی کرده است که دیگر خبری از چسباندن کلیپهای کوتاه به هم نیست. این مدل یک جریان ویدیویی پیوسته و یکپارچه تولید میکند و به خوبی حافظه و جزئیات صحنه را حفظ میکند.
قابلیت هیجانانگیز این نسخه، امکان تغییر پرامپت در لحظه است؛ یعنی میتوانید حین پخش، مسیر داستان یا اکشن ویدیو را به صورت زنده هدایت کنید. برای مشاهده این فناوری در عمل، میتوانید به پلتفرم زنده Fal سر بزنید و تعامل کاربران با این پخش بیانتها را ببینید.
مهمترین نکات درباره این مدل:
• مدل H3 Max به صورت API برای توسعهدهندگان در دسترس قرار گرفته است.
• جلسات عمومی فعلاً به دو دقیقه محدود شدهاند تا کیفیت و پایداری حفظ شود.
• هزینههای استفاده از این سرویس بر اساس زمان تعیین شده و با توجه به مدل قیمتگذاری، بهتر است پیش از شروع پروژههای طولانی، زمانبندی دقیقی داشته باشید.
این جهش تکنولوژیک، آینده تلویزیون و تولید محتوای زنده را دگرگون خواهد کرد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#H3_Max #Fal_AI
🚀 هوش مصنوعی اختصاصی برای امنیت سایبری
استفاده از مدلهای متنباز برای تحلیل آسیبپذیری و تست نفوذ بهصورت آفلاین، تحولی بزرگ در امنیت ایجاد کرده است. این مدلها بدون نیاز به اینترنت و روی سختافزارهای معمولی اجرا میشوند. مهمترین مدلهای بهینه عبارتند از:
* VulnLLM-R-7B: پیشرو در شناسایی باگهای منطقی و تحلیل جریان کد.
* Foundation-Sec-8B: قدرتمند در استدلال چندمرحلهای برای تهدیدات امنیتی.
* CyberSecQwen-4B: گزینهای سریع و سبک برای بررسی سریع کدها.
* Meta-SecAlign-8B: ایمن در برابر تزریق دستورات (Prompt Injection).
برای اجرای این مدلها کافیست از Ollama استفاده کنید تا نسخههای کوانتایز شده (GGUF) را بهراحتی روی لپتاپ خود اجرا کرده و پروژههای امنیتیتان را بهصورت کاملاً محلی و بدون وابستگی به فضای ابری پیش ببرید.
بهترین مدلهای هوش مصنوعی متنباز برای امنیت سایبری و تست نفوذ آفلاین
#VulnLLM #Ollama
استفاده از مدلهای متنباز برای تحلیل آسیبپذیری و تست نفوذ بهصورت آفلاین، تحولی بزرگ در امنیت ایجاد کرده است. این مدلها بدون نیاز به اینترنت و روی سختافزارهای معمولی اجرا میشوند. مهمترین مدلهای بهینه عبارتند از:
* VulnLLM-R-7B: پیشرو در شناسایی باگهای منطقی و تحلیل جریان کد.
* Foundation-Sec-8B: قدرتمند در استدلال چندمرحلهای برای تهدیدات امنیتی.
* CyberSecQwen-4B: گزینهای سریع و سبک برای بررسی سریع کدها.
* Meta-SecAlign-8B: ایمن در برابر تزریق دستورات (Prompt Injection).
برای اجرای این مدلها کافیست از Ollama استفاده کنید تا نسخههای کوانتایز شده (GGUF) را بهراحتی روی لپتاپ خود اجرا کرده و پروژههای امنیتیتان را بهصورت کاملاً محلی و بدون وابستگی به فضای ابری پیش ببرید.
بهترین مدلهای هوش مصنوعی متنباز برای امنیت سایبری و تست نفوذ آفلاین
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#VulnLLM #Ollama
🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #107 | 📌 8 آیتم گزارش | 🧾 از 16 پست بررسیشده
🕐 یکشنبه 1405/06/15 ساعت 14:00 تا دوشنبه 1405/06/16 ساعت 14:00
🔎 تحلیل کوتاه
🚀 نسل جدید مدلهای پیشرفته
🧠 معماریها و رویکردهای نوین
🛡️ زیرساخت و امنیت سیستمهای هوشمند
🗂 گزارش #107 | 📌 8 آیتم گزارش | 🧾 از 16 پست بررسیشده
🕐 یکشنبه 1405/06/15 ساعت 14:00 تا دوشنبه 1405/06/16 ساعت 14:00
🔎 تحلیل کوتاه
گزارشهای اخیر نشان میدهند که رونمایی از GPT-6 Astra با جهش در بنچمارکهای استدلالی همراه بوده و همزمان تأثیر مدل Astra بر تسریع برنامههای توسعه به وضوح نمایان شده است. با این حال، همچنان چالشهای بنیادینی وجود دارد؛ به طوری که برخی محققان دستیابی به هوش عمومی را نیازمند گذار به سیستمهای چندحسی و فراتر از مدلهای زبانی میدانند.
🚀 نسل جدید مدلهای پیشرفته
رونمایی از GPT-6 Astra با نتایج خیرهکننده
مدل جدید OpenAI با کسب امتیازهای استثنایی در بنچمارکهای دشوار ریاضی و منطقی معرفی شد. رونمایی از GPT-6 Astra با نتایج خیرهکننده
🔗 مشاهده پست
انتشار مستندات فنی و قابلیتهای API مدل GPT-6 Astra
امکانات پیشرفته استدلال پویا و اجرای همزمان ابزارهای خارجی در مستندات جدید ارائه شد. انتشار مستندات فنی و قابلیتهای API مدل GPT-6 Astra
🔗 مشاهده پست
تسریع ششماهه پروژههای OpenAI با مدل Astra
افزایش کارایی و بهرهوری تیمهای داخلی OpenAI زمان عرضه محصولات بزرگ را جلو انداخت.
🔗 جزئیات کامل در سایت
🧠 معماریها و رویکردهای نوین
معرفی مدل HRM-Text با معماری بازگشتی سلسلهمراتبی
مدل یک میلیاردی شرکت Sapient با تکیه بر استدلال در فضای پنهان و هزینه بسیار کم توسعه یافت. معرفی مدل HRM-Text با معماری بازگشتی سلسلهمراتبی
🔗 مشاهده پست
نقش هوش عمومی بصری در دستیابی به AGI
بررسی لزوم گذار به درک مستقیم بصری جهان فراتر از قابلیتهای سنتی مدلهای زبانی بزرگ.
🔗 مطالعه کامل در سایت
رونمایی از مدل ویدئویی پیوسته H3 Max
تولید جریان ویدئویی یکپارچه با امکان هدایت زنده و تغییر پرامپت در حین پخش توسط تیم Fal.
🔗 مشاهده پست
🛡️ زیرساخت و امنیت سیستمهای هوشمند
راهاندازی کلاستر عظیم هوش مصنوعی DeepSeek با تراشههای هواوی
طرح استفاده از ۱۶۰ هزار شتابدهنده برای استنتاج مدلها در راستای کاهش وابستگی به سختافزار خارجی. راهاندازی کلاستر عظیم هوش مصنوعی DeepSeek با تراشههای هواوی
🔗 مشاهده پست
توسعه مدلهای متنباز اختصاصی برای امنیت سایبری
معرفی مدلهای آفلاین بهینهشده برای تحلیل آسیبپذیری و تست نفوذ روی سختافزارهای معمولی. توسعه مدلهای متنباز اختصاصی برای امنیت سایبری
🔗 مشاهده پست
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
This media is not supported in your browser
VIEW IN TELEGRAM
🚀 تخمین عمق دقیق در شرایط آبوهوایی مختلف
مدل جدید Weather-Conditioned Depth Anything که توسط محققان دانشگاه Texas A&M توسعه یافته، استانداردهای جدیدی را در زمینه تخمین عمق (Depth Estimation) با مقاومت بالا در برابر شرایط جوی ناپایدار تعیین کرده است.
این مدل با استفاده از ترکیبی هوشمندانه از دادههای واقعی و مصنوعی، موفق شده است ویژگیهای آبوهوایی را بهطور مستقل از محتوای صحنه استخراج کند. این فناوری گام بزرگی برای بهبود دقت سیستمهای بینایی ماشین در محیطهای باز و شرایط جوی دشوار محسوب میشود.
مهمترین موارد برای بررسی بیشتر:
- مقاله علمی منتشر شده
- مخزن کد (Repository) تحت لایسنس Apache
- بررسی و تحلیل فنی مدل
#WeatherConditionedDepthAnything #DepthEstimation
مدل جدید Weather-Conditioned Depth Anything که توسط محققان دانشگاه Texas A&M توسعه یافته، استانداردهای جدیدی را در زمینه تخمین عمق (Depth Estimation) با مقاومت بالا در برابر شرایط جوی ناپایدار تعیین کرده است.
این مدل با استفاده از ترکیبی هوشمندانه از دادههای واقعی و مصنوعی، موفق شده است ویژگیهای آبوهوایی را بهطور مستقل از محتوای صحنه استخراج کند. این فناوری گام بزرگی برای بهبود دقت سیستمهای بینایی ماشین در محیطهای باز و شرایط جوی دشوار محسوب میشود.
مهمترین موارد برای بررسی بیشتر:
- مقاله علمی منتشر شده
- مخزن کد (Repository) تحت لایسنس Apache
- بررسی و تحلیل فنی مدل
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#WeatherConditionedDepthAnything #DepthEstimation
🎭 راهنمای تخصصی انتقال احساسات در ویدیوهای هوش مصنوعی
بیشتر آموزشهای تولید ویدیو با هوش مصنوعی بر تنظیمات دوربین و نور تمرکز دارند، اما قلب یک ویدیوی تاثیرگذار، توانایی شخصیت در انتقال «احساسات واقعی» است.
برای بهبود خروجیهای خود در مدلهایی مثل Seedance 2.5، میتوانید از وبسایت Seedance Emotion Direction استفاده کنید. این ابزار شامل ۲۵ سناریوی مختلف بازیگری است که به شما کمک میکند با کپی کردن پرامپتهای دقیق، واکنشهای انسانی را به مدلهای هوش مصنوعی تزریق کنید.
مهمترین احساسات بررسی شده در این مجموعه:
• شادی و خنده: شبیهسازی حرکات انفجاری عضلات صورت و تکانهای شانه.
• شوک: باز شدن ناگهانی چشمها و منجمد شدن چهره در لحظه ناباوری.
• وحشت: ترکیب کشیدگی دهان با تنفسهای سریع و کمعمق.
• خشم: نمایش لحظه از دست رفتن کنترل.
• انزجار: اجرای تکنیک عقبنشینی کامل از سوژه.
• گریه: فروپاشی کامل آرامش دراماتیک چهره.
با استفاده از این جزئیات در پرامپتنویسی، ویدیوهای شما از حالت مصنوعی خارج شده و به واقعگرایی نزدیکتر خواهند شد.
بیشتر آموزشهای تولید ویدیو با هوش مصنوعی بر تنظیمات دوربین و نور تمرکز دارند، اما قلب یک ویدیوی تاثیرگذار، توانایی شخصیت در انتقال «احساسات واقعی» است.
برای بهبود خروجیهای خود در مدلهایی مثل Seedance 2.5، میتوانید از وبسایت Seedance Emotion Direction استفاده کنید. این ابزار شامل ۲۵ سناریوی مختلف بازیگری است که به شما کمک میکند با کپی کردن پرامپتهای دقیق، واکنشهای انسانی را به مدلهای هوش مصنوعی تزریق کنید.
مهمترین احساسات بررسی شده در این مجموعه:
• شادی و خنده: شبیهسازی حرکات انفجاری عضلات صورت و تکانهای شانه.
• شوک: باز شدن ناگهانی چشمها و منجمد شدن چهره در لحظه ناباوری.
• وحشت: ترکیب کشیدگی دهان با تنفسهای سریع و کمعمق.
• خشم: نمایش لحظه از دست رفتن کنترل.
• انزجار: اجرای تکنیک عقبنشینی کامل از سوژه.
• گریه: فروپاشی کامل آرامش دراماتیک چهره.
با استفاده از این جزئیات در پرامپتنویسی، ویدیوهای شما از حالت مصنوعی خارج شده و به واقعگرایی نزدیکتر خواهند شد.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
🚀 جهش بزرگ به سوی AGI با قدرت ۱۰۰ هزار GPU
جنسن هوانگ، مدیرعامل انویدیا، در تازهترین اظهارات خود درباره آینده هوش مصنوعی، رسیدن به AGI (هوش مصنوعی عمومی) را یک واقعیت نزدیک میداند. بر اساس اطلاعات منتشر شده، مدل جدید GPT-6 Astra بر روی زیرساختی عظیم متشکل از بیش از ۱۰۰ هزار واحد پردازنده گرافیکی NVIDIA Grace Blackwell آموزش دیده است.
هوانگ مسیر پیشرفت این حوزه را از ChatGPT به o1 و اکنون به Astra در یک بازه زمانی ۴ ساله بسیار خیرهکننده توصیف کرده است. مهمترین نکات این تحول عبارتند از:
• ثبت رکورد استفاده از ۱۰۰ هزار سیستم NVIDIA NVLink72 برای آموزش یک مدل واحد.
• گذار سریع از مدلهای متنی به سیستمهای پیشرفته با قابلیت استدلال.
• اعلام رسمی ورود به عصر AGI توسط رهبران صنعت.
• برنامهریزی برای گسترش مقیاس زیرساخت و استفاده از ۴۰۰ هزار GPU در نسل بعدی آموزش مدلها.
این مقیاس عظیم پردازشی نشان میدهد که رقابت برای توسعه هوش مصنوعی جامع وارد فاز جدیدی شده است که در آن قدرت محاسباتی حرف اول را میزند.
دستیابی به AGI با مدل GPT-6 Astra؛ قدرتنمایی زیرساختهای انویدیا
📊 Data➕Science
جنسن هوانگ، مدیرعامل انویدیا، در تازهترین اظهارات خود درباره آینده هوش مصنوعی، رسیدن به AGI (هوش مصنوعی عمومی) را یک واقعیت نزدیک میداند. بر اساس اطلاعات منتشر شده، مدل جدید GPT-6 Astra بر روی زیرساختی عظیم متشکل از بیش از ۱۰۰ هزار واحد پردازنده گرافیکی NVIDIA Grace Blackwell آموزش دیده است.
هوانگ مسیر پیشرفت این حوزه را از ChatGPT به o1 و اکنون به Astra در یک بازه زمانی ۴ ساله بسیار خیرهکننده توصیف کرده است. مهمترین نکات این تحول عبارتند از:
• ثبت رکورد استفاده از ۱۰۰ هزار سیستم NVIDIA NVLink72 برای آموزش یک مدل واحد.
• گذار سریع از مدلهای متنی به سیستمهای پیشرفته با قابلیت استدلال.
• اعلام رسمی ورود به عصر AGI توسط رهبران صنعت.
• برنامهریزی برای گسترش مقیاس زیرساخت و استفاده از ۴۰۰ هزار GPU در نسل بعدی آموزش مدلها.
این مقیاس عظیم پردازشی نشان میدهد که رقابت برای توسعه هوش مصنوعی جامع وارد فاز جدیدی شده است که در آن قدرت محاسباتی حرف اول را میزند.
دستیابی به AGI با مدل GPT-6 Astra؛ قدرتنمایی زیرساختهای انویدیا
📊 Data➕Science
هوش مصنوعی و علم داده به فارسی
🚀 جهش بزرگ به سوی AGI با قدرت ۱۰۰ هزار GPU جنسن هوانگ، مدیرعامل انویدیا، در تازهترین اظهارات خود درباره آینده هوش مصنوعی، رسیدن به AGI (هوش مصنوعی عمومی) را یک واقعیت نزدیک میداند. بر اساس اطلاعات منتشر شده، مدل جدید GPT-6 Astra بر روی زیرساختی عظیم متشکل…
🚀 هزینه نجومی آموزش هوش مصنوعی GPT-6 Astra
ساخت مدل GPT-6 Astra دیگر شبیه به توسعه نرمافزارهای معمولی نیست؛ این پروژه بیشتر به یک ماموریت فضایی چند میلیارد دلاری شباهت دارد که برآوردها نشان میدهد هزینه نهایی توسعه آن از مرز ۱.۵ میلیارد دلار عبور کرده است.
ابعاد شگفتانگیز توسعه این ابرمدل شامل موارد زیر است:
🔹 بهکارگیری ۱۰۰ هزار کارت گرافیک Blackwell: آموزش این مدل روی قویترین پردازندههای گرافیکی دنیا حدود ۳ ماه زمان برده که معادل ۲۴۰ میلیون ساعت کار بیوقفه تراشههاست.
🔹 هزینه سرسامآور دیتاسنترها: اجاره این ابرکامپیوترها در فضای ابری بیش از ۱.۲ میلیارد دلار هزینه روی دست توسعهدهندگان گذاشته است.
🔹 ارتشی از متخصصان گرانقیمت: طراحی معماری و آمادهسازی دادهها توسط نخبهترین دانشمندان داده و مهندسان هوش مصنوعی با دستمزدهای سالانه چند میلیون دلاری انجام شده است.
🔹 مصرف انرژی در مقیاس شهری: مصرف مداوم ۱۴۰ مگاوات برق (مجموعاً بیش از ۳۵۰ گیگاواتساعت) که معادل تامین انرژی همزمان صدها هزار خانه مسکونی است.
رقابت در لبه فناوری هوش مصنوعی دیگر کار استارتاپهای کوچک نیست؛ این زمین بازی اکنون در انحصار غولهای چند هزار میلیارد دلاری است که میتوانند بودجهای در ابعاد تولید ناخالص داخلی یک کشور کوچک را فقط پای آموزش یک مدل بگذارند.
#GPT_6_Astra #Blackwell
ساخت مدل GPT-6 Astra دیگر شبیه به توسعه نرمافزارهای معمولی نیست؛ این پروژه بیشتر به یک ماموریت فضایی چند میلیارد دلاری شباهت دارد که برآوردها نشان میدهد هزینه نهایی توسعه آن از مرز ۱.۵ میلیارد دلار عبور کرده است.
ابعاد شگفتانگیز توسعه این ابرمدل شامل موارد زیر است:
🔹 بهکارگیری ۱۰۰ هزار کارت گرافیک Blackwell: آموزش این مدل روی قویترین پردازندههای گرافیکی دنیا حدود ۳ ماه زمان برده که معادل ۲۴۰ میلیون ساعت کار بیوقفه تراشههاست.
🔹 هزینه سرسامآور دیتاسنترها: اجاره این ابرکامپیوترها در فضای ابری بیش از ۱.۲ میلیارد دلار هزینه روی دست توسعهدهندگان گذاشته است.
🔹 ارتشی از متخصصان گرانقیمت: طراحی معماری و آمادهسازی دادهها توسط نخبهترین دانشمندان داده و مهندسان هوش مصنوعی با دستمزدهای سالانه چند میلیون دلاری انجام شده است.
🔹 مصرف انرژی در مقیاس شهری: مصرف مداوم ۱۴۰ مگاوات برق (مجموعاً بیش از ۳۵۰ گیگاواتساعت) که معادل تامین انرژی همزمان صدها هزار خانه مسکونی است.
رقابت در لبه فناوری هوش مصنوعی دیگر کار استارتاپهای کوچک نیست؛ این زمین بازی اکنون در انحصار غولهای چند هزار میلیارد دلاری است که میتوانند بودجهای در ابعاد تولید ناخالص داخلی یک کشور کوچک را فقط پای آموزش یک مدل بگذارند.
📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما
#GPT_6_Astra #Blackwell
Telegram
هوش مصنوعی و علم داده به فارسی
DataPlusScience | هوش مصنوعی و علم داده به فارسی
اخبار، تحلیل، آموزش و ابزارهای کاربردی
🌐 DataPlusScience.ir
📩 ارتباط با ما: @Contact2Mebot
📂 کانال فایلها: @Datascientists_Files
💎 بله: ble.ir/dataplusscience
💡 ایتا: eitaa.com/DataPlusScience
اخبار، تحلیل، آموزش و ابزارهای کاربردی
🌐 DataPlusScience.ir
📩 ارتباط با ما: @Contact2Mebot
📂 کانال فایلها: @Datascientists_Files
💎 بله: ble.ir/dataplusscience
💡 ایتا: eitaa.com/DataPlusScience
❤2
🚀 تحول تحقیقات با ایجنتهای هوشمند در OpenAI
کمپانی OpenAI در گزارشی تازه از شتابدهی به تحقیقات علمی توسط ایجنتهای خود خبر داده است. طبق این مستندات، آنها توانستهاند به هدف خود برای ایجاد یک «دستیار پژوهشگر خودکار» برسند.
برخی از مهمترین نکات این گزارش:
* افزایش چشمگیر هزینهکرد: محققان این شرکت روزانه مبالغ قابلتوجهی را صرف استفاده از API ایجنتها میکنند؛ بهطوری که هزینه روزانه برای کاربران پرمصرف به بیش از ۷۰۰۰ دلار رسیده است.
* سبقت گرفتن از انسان: در حال حاضر به ازای هر روز کاریِ یک محقق، بیش از ۳ روز کاری توسط ایجنتها انجام میشود.
* رشد بازدهی: میزان تولید خروجی (تعداد توکنها) در تیم تحقیقاتی نسبت به سایر بخشها ۱۲۴ برابر رشد داشته است.
* سرعت کدنویسی: میزان تغییرات در خطوط کد توسط مشارکتکنندگان، نسبت به سال ۲۰۲۵، بیش از ۷ برابر افزایش یافته است.
OpenAI معتقد است که ما در حال حرکت به سمت خودبهبوددهی بازگشتی (RSI) هستیم و شفافیت در این مسیر برای جوامع علمی یک ضرورت است.
چگونه ایجنتهای تحقیقاتی OpenAI سرعت پژوهش را به شدت افزایش دادهاند؟
کمپانی OpenAI در گزارشی تازه از شتابدهی به تحقیقات علمی توسط ایجنتهای خود خبر داده است. طبق این مستندات، آنها توانستهاند به هدف خود برای ایجاد یک «دستیار پژوهشگر خودکار» برسند.
برخی از مهمترین نکات این گزارش:
* افزایش چشمگیر هزینهکرد: محققان این شرکت روزانه مبالغ قابلتوجهی را صرف استفاده از API ایجنتها میکنند؛ بهطوری که هزینه روزانه برای کاربران پرمصرف به بیش از ۷۰۰۰ دلار رسیده است.
* سبقت گرفتن از انسان: در حال حاضر به ازای هر روز کاریِ یک محقق، بیش از ۳ روز کاری توسط ایجنتها انجام میشود.
* رشد بازدهی: میزان تولید خروجی (تعداد توکنها) در تیم تحقیقاتی نسبت به سایر بخشها ۱۲۴ برابر رشد داشته است.
* سرعت کدنویسی: میزان تغییرات در خطوط کد توسط مشارکتکنندگان، نسبت به سال ۲۰۲۵، بیش از ۷ برابر افزایش یافته است.
OpenAI معتقد است که ما در حال حرکت به سمت خودبهبوددهی بازگشتی (RSI) هستیم و شفافیت در این مسیر برای جوامع علمی یک ضرورت است.
چگونه ایجنتهای تحقیقاتی OpenAI سرعت پژوهش را به شدت افزایش دادهاند؟
⚡ ابزار TeamAI برای مدیریت هوش مصنوعی در تیمها
شرکت تنسنت ابزاری کاربردی به نام TeamAI-CLI را منتشر کرده که مانند یک «حافظه اشتراکی» برای ایجنتهای هوش مصنوعی عمل میکند. این ابزار مهارتها، قوانین، مستندات و تجربههای تیم را در یک مخزن Git متمرکز میکند تا همه ایجنتها به دانش بهروز دسترسی داشته باشند.
مهمترین قابلیتهای این ابزار:
- مدیریت تغییرات از طریق Merge Request برای حفظ استانداردها.
- بهروزرسانی خودکار دانش ایجنتها پس از هر تغییر.
- اولویتبندی راهکارهای موفق و پرکاربرد در حافظه مدل.
- قابلیت جستجوی دانش در کل پروژهها و کدهای سازمانی.
- پشتیبانی از محبوبترین ابزارها مانند Claude Code، Cursor و Codex.
برای شروع کافی است دستور زیر را اجرا کنید:
سپس با تعریف یک مخزن Git اشتراکی، دسترسی تیم به استانداردهای فنی و حل باگهای پیچیده را همگامسازی کنید. استفاده از این ابزار باعث میشود دانش تولید شده توسط یک توسعهدهنده، بلافاصله به استانداردی برای تمام اعضای تیم تبدیل شود.
ابزار TeamAI-CLI: حافظه اشتراکی برای هماهنگی ایجنتهای هوش مصنوعی در تیمها
شرکت تنسنت ابزاری کاربردی به نام TeamAI-CLI را منتشر کرده که مانند یک «حافظه اشتراکی» برای ایجنتهای هوش مصنوعی عمل میکند. این ابزار مهارتها، قوانین، مستندات و تجربههای تیم را در یک مخزن Git متمرکز میکند تا همه ایجنتها به دانش بهروز دسترسی داشته باشند.
مهمترین قابلیتهای این ابزار:
- مدیریت تغییرات از طریق Merge Request برای حفظ استانداردها.
- بهروزرسانی خودکار دانش ایجنتها پس از هر تغییر.
- اولویتبندی راهکارهای موفق و پرکاربرد در حافظه مدل.
- قابلیت جستجوی دانش در کل پروژهها و کدهای سازمانی.
- پشتیبانی از محبوبترین ابزارها مانند Claude Code، Cursor و Codex.
برای شروع کافی است دستور زیر را اجرا کنید:
npm install -g teamai-cliسپس با تعریف یک مخزن Git اشتراکی، دسترسی تیم به استانداردهای فنی و حل باگهای پیچیده را همگامسازی کنید. استفاده از این ابزار باعث میشود دانش تولید شده توسط یک توسعهدهنده، بلافاصله به استانداردی برای تمام اعضای تیم تبدیل شود.
ابزار TeamAI-CLI: حافظه اشتراکی برای هماهنگی ایجنتهای هوش مصنوعی در تیمها