پژوهش
AWS معرفی ابزار هوش مصنوعی: Ray Train، EFA و EKS برای آموزش توزیع‌شده
AWS با ادغام Ray Train DLCs و Elastic Fabric Adapter (EFA) بر روی Amazon EKS، امکان آموزش هوش مصنوعی توزیع‌شده را با سرعت و کارایی بالا فراهم می‌کند.
پژوهش
ذهن جمعی و هوش مصنوعی: شکاف میان مغز زنده و اینترنت
دانشمنان استرالیایی ۱۵ کامپیوتر زیستی بر پایه سلول‌های مغز را به شبکه HIVE متصل کردند. این آزمایش آشنای جدیدی در ادغام هوش مصنوعی و بیولوژی ارائه می‌دهد.
پژوهش
هوش مصنوعی با هزاران عامل هوشمند، رازهای داده‌های زیستی را فاش می‌کند
OpenAI و همکارانش با به‌کارگیری هزاران عامل هوش مصنوعی، داده‌های میلیون‌ها سلول مغزی را تحلیل کرده و مسیرهای تازه‌ای برای پژوهش‌های زیستی یافته‌اند.
اخبار
مقیاس‌سازی ذخیره‌سازی هوش مصنوعی برای یک میلیارد کاربر چت‌جی‌پی‌تی
از کتابخانه پایتون تا پلتفرم توزیع‌شده: نگاهی به معماری ذخیره‌سازی OpenAI برای پاسخ‌گویی به ۱ میلیارد کاربر چت‌جی‌پی‌تی و پردازش ۲۲ میلیون درخواست در ثانیه.
پژوهش
هوش مصنوعی: کشف جزئیات نظام‌های پشت‌زمینه در OpenAI
مقاله‌ای جامع در مورد معماری‌های بک‌اند OpenAI است، که به نقش مهندسین سوپرکامپیوتر و تکنیک‌های بهینه‌سازی در سکوهای توزیع‌شده می‌پردازد. نکات کلیدی در مدیریت حافظه، مسیریابی و مقیاس‌پذیری بررسی می‌شود.
آموزش
تسلط بر آموزش توزیع‌شده در هوش مصنوعی با PyTorch DDP و Accelerate
در این مقاله مراحل آموزش توزیع‌شده با PyTorch DDP و ابزارهای Accelerate و Trainer بررسی می‌شود، به‌منظور تسهیل فراگیری توسعه مدل‌های هوش مصنوعی بزرگ.
پژوهش
آموزش مشارکتی مدل‌های زبانی؛ گامی نو در هوش مصنوعی با داوطلبان
روش جدید DeDLOC به داوطلبان امکان می‌دهد تا با اتصال اینترنت، مدل‌های زبانی بزرگ را به صورت مشارکتی آموزش دهند؛ موفقیت در آموزش sahajBERT با ۴۰ داوطلب.
محصولات
هوش مصنوعی با Accelerate: آموزش مدل‌های PyTorch بدون پیچیدگی
کتابخانه Accelerate از Hugging Face به توسعه‌دهندگان امکان می‌دهد اسکریپت‌های خام PyTorch را روی هر دستگاهی با پشتیبانی از آموزش توزیع‌شده و دقت ترکیبی اجرا کنند.
آموزش
آموزش توزیع‌شده مدل‌های هوش مصنوعی BART و T5 برای خلاصه‌سازی با SageMaker
در این مقاله با آموزش توزیع‌شده مدل‌های BART و T5 برای خلاصه‌سازی متن با استفاده از SageMaker آشنا می‌شوید. مراحل راه‌اندازی کاملاً گفته شده است.
مدل‌ها
هوش مصنوعی با RAG و Ray: افزایش سرعت بازیابی متن تا ۲ برابر
با ترکیب RAG و Ray، سرعت بازیابی اسناد در مدل‌های زبانی هوش مصنوعی تا ۲ برابر افزایش یافته و مقیاس‌پذیری تنظیم دقیق توزیع‌شده نیز به‌طور چشمگیری بهبود می‌یابد.