بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۳۷۴ خبر
محصولات هوش مصنوعی در دسترس: Accelerate مدل‌های عظیم را بر روی Colab اجرا می‌کند Accelerate ابزارنگاری شده توسط Hugging Face می‌تواند مدل‌های بزرگ زبان را بر روی سخت‌افزار محدود مثل Colab اجرا کند. این راهکار منجر به دموکراتیزه‌سازی هوش مصنوعی شد. پژوهش SetFit: راهکار هوش مصنوعی کم‌نمونه بدون prompts، مخصوص تحلیل احساسات SetFit یک چارچوب هوش مصنوعی کم‌نمونه بدون prompts است که با تنها 8 نمونه در هر کلاس، دقتی شبیه به RoBERTa Large روی 3k مثال را به دست می‌دهد. پژوهش هوش مصنوعی پرسرعت: روش شگفت‌انگیز اجرای مدل BLOOM با DeepSpeed و Accelerate در این مقاله، به بررسی روش سریع و کارآمد اجرای مدل بزرگ BLOOM با استفاده از DeepSpeed و Accelerate می‌پردازیم، نکات ایجادی، سخت‌افزار و راهکارهای عملی. پژوهش آموزش مدل زبانی با Megatron‑LM: راهکار سریع برای هوش مصنوعی در GPU می‌توانید با استفاده از چارچوب Megatron‑LM به راحتی مدل‌های زبانی بزرگ را روی چندین GPU آموزش دهید و بهره‌وری را به حداکثر برسانید. پژوهش هوش مصنوعی در هکینگ فیس: فلسفه TensorFlow و امکانات آینده هکینگ فیس با فلسفهٔ TensorFlow، مدل‌ها و توابع پیش‌فرض، امکانات هم‌زمانی با Keras، XLA، و نگرانی برای انتشار جامعهی آزاد، پیشرفت در هوش مصنوعی را سرعت می‌دهد. محصولات هوش مصنوعی در ناحیه خصوصی: راهکار جدید جهانی از هگینگ فیس با دسترسی امن هگینگ فیس با راه‌اندازی Private Hub (اکنون Enterprise Hub) ابزارهای هوش مصنوعی را در محیط امن و انعطاف پذیر برای شرکت‌ها عرضه می‌کند و امکان مدیریت پیشرفته کاربران را فراهم می‌آورد. پژوهش پاسخ هوش مصنوعی در گام‌های NAIRR: توسعهٔ باز و مسئولیت‌پذیر Hugging Face در پاسخ به گزارش NAIRR، حمایت از دسترسی آزاد و مسئولانه به هوش مصنوعی را اعلام کرده؛ راهکارهای متن‌باز برای پیشرفت علمی را بررسی می‌کند. پژوهش هوش مصنوعی در عصری جدید: چالش‌های آموزش شبکه‌های عصبی بزرگ و راهکارهای نوین دست‌یابی به نتایج برتر در هوش مصنوعی نیازمند آموزش شبکه‌های عصبی عظیم است؛ ولی این فرایند با هماهنگی چندین GPU در کلاستر و رسیدن به چالش‌های فنی و پژوهشی همراه است. کسب‌وکار هوش مصنوعی در SaaS: چالش‌ها، فرصت‌ها و راهکارهای کلیدی به‌روز در این بخش از سرگذشت مدیران مشاوره مشروط، در مورد تأثیر هوش مصنوعی بر SaaS، چالش‌های کلیدی، اشتباه‌های رایج در ادغام ML، و چشم‌انداز آینده بحث می‌شود. پژوهش هوش مصنوعی مسئولانه – Margaret Mitchell دربارهٔ اخلاق، تعصب و تنوع در ML Margaret Mitchell در 23 مارس 2022 دربارهٔ چکیدهٔ مسئولیت‌پرداخت در هوش مصنوعی و تأثیر تنوع در تیم‌های یادگیری ماشین صحبت می‌کند. مقاله شامل نکات اخلاقی، تعصب داده و راهکارهای پیشگیری است.