پژوهش
هوش مصنوعی در عمل: چگونگی تبدیل ترانسفورمرها به ONNX با Optimum
با راهنمایی جامع از Hugging Face Optimum، این مقاله به بررسی چگونگی تبدیل مدل‌های ترانسفورمر به فرمت ONNX می‌پردازد؛ نکات کلیدی، مزایا و دستورات عملی را برای پیاده‌سازی سریع و بهینه در محیط‌های تولیدی معرفی می‌کند.
پژوهش
هوش مصنوعی: تکامل با مدل‌های عظیم و آینده‌ی نوین
مقاله‌ای جامع دربارهٔ نقش مدل‌های بزرگ در تحول هوش مصنوعی، عملکردشان و چشم‌اندازهای آینده، با تمرکز بر پیشرفت‌ها و چالش‌های تکنولوژیک.
سخت‌افزار
Intel و Hugging Face شتاب بردند شتاب سخت‌افزاری هوش مصنوعی برای همه
هنوز که مدل‌های تبدیل‌کننده دگرگون می‌شوند، همکاری میان Intel و Hugging Face ابزار جدیدی برای شتاب‌دهی و کاهش تاخیر در پردازشی هوش مصنوعی ارائه می‌دهد. این همکاری به‌وسیله کتابخانه Optimum در دسترس قرار گرفته است.
کسب‌وکار
هوش مصنوعی در مالی: تأثیر، چالش و چشم‌انداز آینده در صنعت مالی
هوش مصنوعی در صنعت مالی باعث بهبود تصمیم‌گیری، کاهش ریسک، و سرعت پردازش می‌شود؛ اما چالش‌های داده ناپایدار و نیاز به تخصص مالی مانع پیشرفت است.
پژوهش
نقد‌نویسی هوش مصنوعی، مهارتی نو برای کشف و بهینه‌سازی ضعف‌های خلاصه
OpenAI با مدل‌های «نقد‌نویسی» هوش مصنوعی، به‌صورت خودکار عیوب در خلاصه‌های متن را تشخیص می‌دهد؛ این فناوری مقیاس‌پذیر، نقش مهمی در نظارت انسانی بر سیستم‌های پیچیده ایفا می‌کند.
پژوهش
هوش مصنوعی در دنیای تصویرسازی: معرفی مدل آبا annotated diffusion
مدل Diffusion، یکی از پیشرفته‌ترین روش‌های تولید تصویر، با کدهای آزاد و توضیحات کاربردی در وبلاگ استارتاپ هوش مصنوعی معرفی شد. این مدل چطور خاصیت تزریق نویز را برای خلق تصاویر خیره‌کننده به کار می‌گیرد؟
پژوهش
هوش مصنوعی جدید، مدل‌ها را به بیان ابهام‌ها می‌آموزد
OpenAI مدل‌های زبانی را آموزش می‌دهد تا در پاسخ‌ها، میزان اطمینان خود را به صورت کلمات طبیعی بگویند، گامی نوین در تعامل انسان و ماشین؛ این امکان باعث می‌شود تا سیستم‌های تصمیم‌گیری دقت بالاتری یابند.
پژوهش
هوش مصنوعی روی IPU: Graphcore و Hugging Face معرفی مدل‌های نوین
Graphcore و Hugging Face با گسترش لاین اپتیموم، ده مدل نوآور در حوزه NLP، Speech و Vision را بهینه برای پردازشگرهای IPU عرضه می‌کنند؛ در این مطلب به جزئیات می‌پردازیم.
پژوهش
TAPEX: پیش‌آموزشی هوشمند بر روی جدول‌ها بدون داده واقعی
تشریح دستاویزی TAPEX که در آن پیش‌آموزش مدل‌های هوش مصنوعی بر روی جدول‌ها بدون نیاز به داده واقعی انجام می‌شود، نشان می‌دهد ویرایش الگوریتمی مبتنی بر اصول منحصر به فرد توانمندی در پاسخ به سوالات پایگاه‌داده را به‌طور قابل‌ملاحظه تقویت می‌کند.
پژوهش
هوش مصنوعی و پیشرفت‌های تغییر اقلیم: مصاحبه با ساشا لوسیونی
ساشا لوسیونی، محقق علوم ماشین در هوفینگ فیس، درباره تأثیرات اخلاقی و اقلیمی مدل‌های هوش مصنوعی، رسم گام‌های پایدار و همکاری با سازمان‌های محیط‌زیست صحبت می‌کند.