بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۱۳۰۴ خبر
پژوهش سرعت آموزش مدل‌های هوش مصنوعی ۳۵% سریعتر با Optimum+ONNX Runtime حکیمی‌ترین مدل‌های هوش مصنوعی با تمهیدات Optimum و ONNX Runtime، در مدت زمان کمتر از قبل به دقت و سرعت بیشتری آموزش می‌یابند. ایده‌های جدید در این حوزه در آینده نزدیک چالش‌های بزرگی را حل می‌کنند. پژوهش هوش مصنوعی: رازهای ساخت ربات گفتگوی کارآمد و کارا در عصر دیجیتال این مقاله به بررسی تکنیک‌های کلیدی ربات گفتگوی هوش مصنوعی می‌پردازد؛ مثل RLHF، IFT، CoT و Red team. راهکارهای باز و متن‑باز برای بهتر کردن آن‌ها در عصر دیجیتال را بررسی می‌کنیم. پژوهش هوش مصنوعی در تولید سه‌بعدی بازی: جدیدترین راهکارهای طراحی 3D در Unity در این مقاله به بررسی استفاده از هوش مصنوعی در تولید دارایی‌های سه‌بعدی برای بازی‌های Unity می‌پردازیم، از مدل‌های متن-به-تصویر تا پیاده‌سازی‌های عملی. مدل‌ها هوش مصنوعی در تصویر: معرفی Mask2Former و OneFormer برای تقسیم‌بندی در این مقاله دو مدل پیشرفته Mask2Former و OneFormer را معرفی می‌کنیم که با مستندسازی متن باز، راه‌حل جامع تقسیم‌بندی تصویر را پیشرفته‌تر می‌سازند. پژوهش هوش مصنوعی در اوج: PaddlePaddle وارد هاب Hugging Face به شد پروژه PaddlePaddle از بی‌دود در سال 2016، اکنون به هاب Hugging Face پیوست و این ادغام باعث دسترسی آسان‌تر به مدل‌های پیش‌آموزش دیده در حوزه‌های متن، تصویر، صدا و ویدئو می‌شود. سخت‌افزار هوش مصنوعی در سرورهای Intel Sapphire Rapids: 2 برابری سرعت یادگیری ماشین سرورهای جدید Intel Sapphire Rapids با دستورات ویژه‌ی متریس پیشرفته، یادگیری عمیق در PyTorch را دو برابری سرعت می‌کنند. در این مقاله، به تفصیل بهینه‌سازی‌های IPEX و CCL پرداخته می‌شود. پژوهش هوش مصنوعی Point‑E: ساخت ابجکت‌های سه‌بعدی از متن به‌سرعت OpenAI با معرفی Point‑E مدل جدیدی را ارائه می‌کند که بر اساس متن، ابجکت‌های سه‌بعدی پوینت‌کلاوید ایجاد می‌کند. این فناوری می‌تواند صنعت طراحی را متحول سازد. محصولات مدل جدید ادغام متن OpenAI: هوش مصنوعی با قدرت بالا و هزینه کمتر OpenAI مودل ادغام متن جدید را معرفی کرده که عملکرد بالا، هزینه کمتر و سادگی در استفاده را ترکیب می‌کند؛ برای توسعه‌دهندگان مزیت‌های فراوانی دارد. پژوهش هوش مصنوعی در برابر تعصب: راهکارهای جامع برای توسعه اخلاقی معرفی تعصبات در یادگیری ماشین و راهکارهای متعدد برای کاهش آن از مرحله تعریف تا پیاده‌سازی، با تمرکز بر مسئولیت‌پذیری و شفاف‌سازی در پروژه‌های هوش مصنوعی. پژوهش هوش مصنوعی با یادگیری تقویتی از بازخورد انسانی: رویکرد جدید شکاف‌زن مقاله‌ای در شبکه هوش مصنوعی ارائه می‌دهد که چگونگی ترکیب یادگیری تقویتی با بازخورد انسانی برای بهبود مدل‌های زبانی و افزایش شفافیت را نشان می‌دهد.