بازگشت به چت هما هما وبلاگ
اخبار زنده هوش مصنوعی
۱۱ خبر
محصولات اپل با SynthID واترمارک نامرئی، تصویرهای AI را در آیفون شناسایی می‌کند اپل در بروزرسانی iOS 27.2، تصاویر ویرایش‌شده با هوش مصنوعی را با واترمارک نامرئی SynthID مجهز کرد؛ این فناوری بدون کاهش کیفیت، امکان شناسایی محتویات مصنوعی را حتی در صورت برش یا فشرده‌سازی فراهم می‌کند. اخبار هوش مصنوعی: سهم حافظه شرکت X پیش‌بینی پارابولیک ۳۰ اکتبر تحلیلگران The Motley Fool پیش‌بینی می‌کنند سهم حافظه شرکت X در ۳۰ اکتبر به شتاب پارابولیک دست خواهد یافت، جایی که تقاضای فشرده‌سازی داده‌های هوش مصنوعی در حال افزایش است. پژوهش نام‌گذاری در قبرستان هوش مصنوعی: بررسی هفت استارتاپ شکست‌خورده یک فهرست جامع از استارتاپ‌ها و پروژه‌های هوش مصنوعی که نتوانستند بازار را فتح کنند، از دلیل‌های شکست تا نکات یادگیری مهم برای سرمایه‌گذاران و توسعه‌دهندگان. پژوهش کالبدشکافی هوش مصنوعی: چگونه هوش مصنوعی را سریع‌تر کنیم؟ در این مقاله به بررسی تکنیک‌های کاهش حجم مدل‌های هوش مصنوعی، از جمله knowledge distillation می‌پردازیم و تاثیر آن بر آینده AI را تحلیل می‌کنیم. مدل‌ها دو تنظیم API که نمرات هوش مصنوعی در ARC-AGI-3 را سه برابر کرد با فعال‌سازی دو تنظیم ساده در API، کارایی و دقت هوش مصنوعی در حل مسائل دشوار ARC-AGI-3 سه برابر شد. سخت‌افزار هوش مصنوعی در هافینگ فیس: بهبود کارایی فشرده‌سازی Parquet هه‌افینگ فیس با استفاده از تکنیک Content‑Defined Chunking، پارکت‌های خود را به‌صورت بهینه‌تری دوده‌اند و احتیاط در فضای ذخیره‌سازی را کاهش داده. در این مقاله، جزئیات این بهبود را بررسی می‌کنیم. پژوهش بهینه‌سازی دیتاست‌های روباتیک با رمزگذاری ویدئو: هوش مصنوعی بدون پیچیدگی مدیریت دیتاست روباتیک با رمزگذاری ویدئو، هزینه ذخیره‌سازی را تا 95٪ کاهش می‌دهد و سرعت پردازش را ارتقا می‌بخشد؛ این نوآوری در پژوهش‌های هوش مصنوعی راهنمایی استاندارد می‌شود. پژوهش هوش مصنوعی و آزمایش ناکام «Infini‑Attention»؛ چرا هنوز تلاش کنیم؟ استخراج و آزمایش مدل Infini‑Attention نشان داد که فشرده‌سازی حافظه مدل در طول زمینه طولانی باعث کاهش عملکرد می‌شود؛ این مقاله به بررسی دلایل این شکست و نگاهی به راه‌های جایگزین می‌پردازد. مدل‌ها هوش مصنوعی: معرفی Würstchen، مدل تولید تصویر بسیار سریع و نوآور Würstchen، مدل جدید انتشار داده‌ها، با فشرده‌سازی ۴۲ برابر، امکان تولید تصاویر با کیفیت بالا در ثانیه‌های کمی را فراهم می‌کند، به‌علاوه در فریمورک Diffusers به آسانی یکپارچه می‌شود. پژوهش هوش مصنوعی سریع‌تر؛ Optimum و Pipelineهای Transformers با ONNX در این مقاله، بررسی می‌شود چطور با Optimum و ONNX Runtime می‌توان اجرای مدل‌های Transformer را تسریع کرد؛ تبدیل، بهینه‌سازی، فشرده‌سازی و بررسی عملکرد.