قبلاً در مورد SAM 3 و نسخه‌های سه‌بعدی مثل SAM 3D Objects و SAM 3D Body بحث کردیم...
متا یک قدم جلوتر رفته و استاندارد جدیدی در بین مدل‌های بینایی کامپیوتری ساخته:

قابلیت Segment Anything with Concepts!

نسخه‌ی جدید SAM 3 نه فقط اشیاء رو تشخیص می‌ده، بلکه با پرامپت مفهومی می‌تونی هر چیزی رو با یک عبارت ساده بخش‌بندی کنی؛ از «اتوبوس مدرسه زرد» گرفته تا «بازیکنی با لباس سفید».


مدل می‌تونه بین مفاهیم نزدیک خیلی دقیق تمایز بذاره—حتی در ویدیوهای شلوغ!
این کار با معماری جدید Presence Head انجام می‌شه

زیرساخت مدل:

دیتاست عظیم شامل ۴ میلیون مفهوم

بنچ‌مارک جدید SA-Co با ۲۷۰ هزار مفهوم (۵۰ برابر بزرگ‌تر از قبلی‌ها!)

دو برابر دقیق‌تر از مدل‌های قبلی در بخش‌بندی تصویر و ویدیو

عملکرد نزدیک به ۷۵–۸۰٪ انسان

پردازش یک تصویر شلوغ در فقط ۳۰ میلی‌ثانیه روی GPU H200

مدل ۸۴۸ میلیون پارامتری

📦 مدل‌ها + 📚 کدها + 📊 بنچ‌مارک SA-Co
همه هم روی Hugging Face در دسترسه

مقاله | مدل و دیتاست | دمو

نه بابا هوش مصنوعی قراره دنیارو بگیره.

قابلیت نسبتا جدید infographic در نوت بوک lm

من روی مقاله ی Vision Transformer تست کردم و عکس زیرو داد

https://notebooklm.google.com

اینم از قابلیت Slide deck روی همون مقاله

مینی دوره ساخت هوش مصنوعی شخصی در مرورگر؛ برای معرفی قابلیت جدید مرورگرهاست، چیزی که بدون ابزار اضافی شما را قادر میکنه از LLM داخلی مرورگر سوال بپرسید؛ مثلا فقط با این چند خط کد js تو مرورگر کروم یا اج
البته به شرط داشتن سخت افزار و به روز بودن مرورگر

  //  Create Session: 
  const session = await LanguageModel.create();
  
  //  Define the Question (Prompt)
  const question = "پایتخت ایران کجاست؟ فقط نام شهر را بگو.";

  console.log(`سؤال شما: ${question}`);

  //  Prompt the model:
  const result = await session.prompt(question);

  //  Display the result
  console.log("پاسخ هوش مصنوعی:", result);

ما اصلا فریم ورکی نیاز نیست نصب کنیم، خود مرورگرها اضافه کردند و بیشتر برای کلاینت ساید کارها جذابه...

مثالهاشم اینجاست:

https://jsai.ir/

آگهی شغلی یکی از همراهان کانال، اگر کسی علاقه داشت اقدام کنه:

سلام دوستان عزیز 
من علیرضا مفیدی هستم، فاندر هوشیار ۲۴.
الان یه موقعیت شغلی باز برای نفر مسلط تو زمینه هوش مصنوعی مولد داریم.
اینم آگهی مون هست.

https://jobinja.ir/companies/houshyar24/jobs/twAI

اگه علاقمند هستید خوشحال میشم باهاشون آشنا بشیم و اکه کسی رو میشناسید که تو این زمینه سابقه کار خوب داره و به مباحث مسلط هست، لطفاً این آگهی رو معرفی کنید.

ممنون از شما

Comet is now available to everyone, for free

https://www.perplexity.ai/download-comet

🎉 به مناسبت شب یلدا، به مدت یک هفته تخفیف‌های ویژه و محدود روی دوره‌های تخصصی هوش مصنوعی فعال شده است! 🎉
اعتبار تا 7 دی ماه

کد 50 درصدی دوره مدل‌های زبانی-تصویری (VLM)

COUPON-783AA

کد تخفیف 35 درصدی دوره Graph Neural Network

gnn35

کد تخفیف 60 درصدی دوره LLM

COUPON-9F72B

کد 70 درصدی دوره آموزش جامع یادگیری عمیق(Deep Learning) با Tensorflow و keras

COUPON-306AB

چرخش در مرزهای هوش مصنوعی: دیدگاه Yann LeCun در برابر پارادایم مقیاس‌پذیری "

📌 LeCun موقعیتی عجیب و تقریباً اسطوره‌ای در هوش مصنوعی مدرن دارد: هم از پدران بنیان‌گذار انقلاب یادگیری عمیق است و هم گوهرِ مخالف درون‌گرا و بیانگرِ نقدهای درونی آن. سال‌ها تنها ایستاده بود و از جزیره‌ای که بقیهٔ میدان وانمود می‌کردند وجود ندارد، پرچم قرمزی را تکان می‌داد.
⛔ در حالی که دنیای اصلی هوش مصنوعی با قوانین مقیاس‌پذیری — «مدل‌های بزرگ‌تر، مجموعه‌داده‌های بزرگ‌تر، بهتر در همه چیز» — شتاب گرفت، Yann پیوسته اصرار داشت که مقیاس‌دادن به‌تنهایی ما را به هوش، چه برسد به AGI، نخواهد رساند. پارادایم غالب اشتباه نبود، بلکه ناقص بود: ابزاری قدرتمند برای تشخیص الگو، بله، اما راهی به سمت استدلال، فهم یا خودگردانی نیست.
⚠️ و سال‌ها این پیام برای او چشم‌غرهٔ حرفه‌ای و تمسخر توییتری به همراه داشت. او به‌عنوان «نگهبان قدیمی» تصویر شد که فریاد می‌زند «این تا ابد مقیاس‌پذیر نخواهد بود!» در اتاق‌هایی پر از کسانی که باور داشتند شمار پارامترها سرنوشت است.
🚫 اما هفتهٔ گذشته باد تغییر کرد. Ilya Sutskever — یکی از بنیان‌گذاران OpenAI و از معماران عصر مقیاس‌پذیری — در پادکست Dwarkesh  گفت که مقیاس‌دادن به‌تنهایی ما را به AGI نخواهد رساند و «چیزی حیاتی کم است.» سخنان او بازتاب آن چیزی بود که LeCun  نیم‌دههٔ گذشته از بلندی‌های کوه فریاد می‌زد.
با این حال واکنش‌ها نمی‌توانست متفاوت‌تر باشد. اظهارنظر Ilya کنجکاوی، موافقت و خوش‌بینی برانگیخت. LeCun که از جزیره‌اش تماشا می‌کرد، یک میم را که متقارن‌نبودنِ این استاندارد دوگانه را نشان می‌داد، بازتوئیت کرد.

LeCun از جریان اصلی هوش مصنوعی متفاوت است نه چون پیشرفت را رد می‌کند، بلکه چون آن را متفاوت تعریف می‌کند. جایی که برخی موفقیت را در مقیاس‌پذیری بنچمارک‌ها می‌بینند، او سطحی شدنِ فهم را می‌بیند. جایی که برخی از هوش فرارِ رو به جلو هراس دارند، او از رخوت فکری می‌ترسد. جایی که برخی توابع زیان را بهینه می‌کنند، او می‌پرسد یاد گرفتن بدون گفته‌شدن چه معنا دارد.
در دورهٔ مدل‌های تریلیون-پارامتری، هتروڈوکسیِ LeCun یادآوری می‌کند که آیندهٔ هوش — انسانی یا مصنوعی — ممکن است کمتر به پیش‌بینی و بیشتر به تخیل وابسته باشد. میدان سرانجام به سوی جزیره‌ای که او از ترک‌کردنش امتناع می‌ورزید، در حال رانش است.

✏️ نظر شخصی: توسعه مدل های زبان های بزرگ جنبه تجاری بیشتری پیدا کرده و افزایش آن رقابتی است که دامن رننده ان افرادی ماند سم آلتمن در OPEN AI هستند که فقط به فکر کسب سود بیشتر بدون در نظر گرفتن نظر افرادی مانند یان لکان که دعدعه پیشرفت های علمی دارند. در واقع همیشه در جنگ بین علم و ثروت پیدایش ادیسون ها و تسلا ها را میتوان دید. یان لکان بیشتر