اخبار
جفت کردن داده‌ها با APIها برای آزادسازی ارزش مشتری
راکوتن داده‌ها را با هوش مصنوعی ترکیب می‌کند تا بینش و ارزش مشتری را آشکار کند
کسب‌وکار
هوش مصنوعی در دفاع سایبری: برنامه‌ی جدید حمایت‌کننده‌ی OpenAI
پروژهٔ جدید OpenAI با کمک گرانت‌های امنیت سایبری، ترکیبی از تحقیق نوآورانه و هوش مصنوعی را به جمع پشتیبانان دفاع سایبری می‌پیوندد.
پژوهش
اطلاعات بهتر است وقتی با هم ترکیب شود: نگاه و چشم‌انداز هوش مصنوعی
به بررسی تاریخی و آینده‌نگرانهٔ ادغام داده در هوش مصنوعی می‌پردازیم؛ چه چالش‌ها و فرصت‌هایی برای پژوهش و توسعه مدل‌های Hugging Face وجود دارد؟
اخبار
OpenAI و News Corp اتحادی نوآورانه برای ارتقا تولیدات هوش مصنوعی
پارتنرشیپ چند ساله و جهانی بین OpenAI و News Corp آغاز شد. این همکاری سعی در ادغام هوش مصنوعی تولیدی با خبرهای برتر رسانه‌ای دارد و آینده اخبار را به‌روز می‌کند.
مدل‌ها
هوش مصنوعی گوگل معرفی PaliGemma: مدل جدیدی برای ترکیب تصویر و متن
PaliGemma، هفت‌ام مدل هوش مصنوعی گوگل، درک تصویر و متن را با ترکیب زبان طبیعت می‌کند. در این مقاله، امکانات، دسترسی و نکات فنی این مدل را بررسی می‌کنیم.
پژوهش
هوش مصنوعی در Hugging Face: دیاری‌سازی سریع و دقیق با سرعت بی‌نظیر
سرویس جدید حاشیه‌پرداز در هنجینگ فیس باعث تحول در تشخیص گفتار و دیاری‌سازی می‌شود؛ ترکیب Whisper بر مبنای پیکربندی سفارشی، با افراط درک‌سنجی و تشخیص گفتار همزمان، دقت و سرعت را به حداکثر می‌رساند.
مدل‌ها
هوش مصنوعی Sora: اولین تأملیات و تأثیرش بر خلق آثار هنری
OpenAI با معرفی هوش مصنوعی Sora امکانات نوین برای خلق آثار هنری ارائه می‌دهد؛ ترکیب تصویر، صدا و متن در یک پلتفرم تجربیات خلاقانه برای هنرمندان رقم می‌زند.
اخبار
اعضای جدید هیئت مدیره OpenAI معرفی شدند؛ سام آلتمن بازگشت
OpenAI از پیوستن دکتر سو دزموند-هلمن، نیکول سلیگمن و فیدجی سیمو به هیئت مدیره خبر داد؛ سام آلتمن نیز به ترکیب قبلی بازگشت.
مدل‌ها
SegMoE: چارچوبی نوین برای ترکیب مدل‌های هوش مصنوعی تصویرساز
SegMoE چارچوبی برای ساخت مدل‌های انتشار ترکیبی است که با الهام از Mixtral 8x7b، چند مدل را در یک مدل واحد ادغام می‌کند. با پشتیبانی کامل از Hugging Face و diffusers، ساخت مدل شخصی شما تنها چند دقیقه زمان می‌برد.
مدل‌ها
هوش مصنوعی و Mixture of Experts: چگونگی تغییر پردازش زبان
Mixture of Experts (MoE) به عنوانفرایندهای ترکیبی پیشرفته، با کاهش مصرف حافظه و افزایش سرعت، آیندهٔ مدل‌های زبانی را شکل می‌دهد. مقایسه با مدل‌های چگال، چالش‌ها، نواحی استفاده و راهکارهای بهینه‌سازی را بررسی می‌کنیم.