بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۱۱۱ خبر
محصولات هوش مصنوعی در گرافیک: NSS توان‌مندی تسریع آپسکالینگ مدرن نرم‌افزار Neural Super Sampling (NSS) شرکت آرم، با استفاده از الگوریتم‌های یادگیری ماشین، پردازش گرافیکی را در دستگاه‌های موبایل کاهش می‌دهد و کیفیت تصویر را دو برابر می‌کند. پژوهش هوش مصنوعی باعث حل ۱۰۰ برابر سریع‌تر تهدیدهای دیجیتال می‌شود استخراج الگوریتم‌های GPT‑4.1 و OpenAI o3 توسط Outtake، انتظارات را در شناسایی و رفع تهدیدهای سایبری ارتقا می‌دهد؛ تجربه‌ای که سریع‌تر از پیشرفت‌های گذشته است. کسب‌وکار هوش مصنوعی در Indeed: الگوریتم‌های OpenAI چگونه شغل مناسب را پیدا می‌کند OpenAI همراه با Indeed، با بهره‌گیری از هوش مصنوعی، به میلیون‌ها نفر کمک می‌کند تا شغل مناسب خود را در ثانیه پیدا کنند. پژوهش هوش مصنوعی: خوشگذرینه تخصیص منابع برای fine-tuning Llama 2 70B در پایتورچ Fine‑tuning مدل Llama‑2 70B را با PyTorch FSDP در هستهٔ هوش مصنوعی هدف‌گذاری کرده‌ایم. از طریق واریس‌های سفارشی، چالش‌های سخت‌افزاری و الگوریتم‌های تقسیم پارامترها به‌صورت دقیق در SLURM، به‌حرفه‌ای مدل را آموزش می‌دهیم. آموزش کلاس عملی Q‑لرننج در هوش مصنوعی: مراحل، مثال و مفاهیم کلیدی آموزش جامع Q‑لرننج، یکی از الگوریتم‌های قدرتمند یادگیری تقویتی در هوش مصنوعی؛ با توضیح نکات کلیدی، تفاوت‌های سیاست‌های on‑policy و off‑policy، و یک مثال واقعی. پژوهش پیشرفت الگوریتم‌ها؛ کاهش ۴۴ برابری نیاز محاسباتی هوش مصنوعی تحلیل جدید OpenAI نشان می‌دهد پیشرفت الگوریتم‌ها هر ۱۶ ماه نیاز محاسباتی مدل‌های هوش مصنوعی را نصف می‌کند و ۴۴ برابر کمتر از ۲۰۱۲ انرژی لازم است. پژوهش هوش مصنوعی: الگوریتم‌های کشف گزینه‌ی متغیری در یادگیری تقویتی الگوریتم‌های کشف گزینه‌ی متغیری، رویکردی نوین در یادگیری تقویتی، با استفاده از اصول احتمالاتی برای بهبود کارایی و بهره‌وری در رباتیک و بازی‌های پیچیده، پیشرفت چشم‌گیری دارد. پژوهش هوش مصنوعی در رقابت Retro: نتایج تازه و پیشرفت الگوریتم‌های یادگیری OpenAI در اولین دور Retro Contest، نتایج اولیه‌ای از الگوریتم‌های یادگیری گذشته‌نگر ارائه داد؛ تحلیل دستاوردها و چشم‌اندازهای آینده برای آیندهٔ فناوری. پژوهش هوش مصنوعی در چالش Retro Contest: انتقال یادگیری و تعمیم در RL چالش Retro Contest از OpenAI، امتحان قدرت تعمیم الگوریتم‌های یادگیری تقویتی از تجربه‌های پیشین، با تمرکز بر یادگیری انتقال، آینده هوش مصنوعی را شکل می‌دهد. پژوهش حملات هوش مصنوعی: بهینه‌سازی GAN با استفاده از انتقال مطلوب OpenAI با بهره‌گیری از انتقال مطلوب، ماهیت الگوریتم‌های GAN را بهبود بخشید؛ از همبستگی کماند کاهش می‌یابد و کیفیت تصاویر ارتقا می‌یابد.