👉 @ai_python

پادکست مصنوعی فارسی تولید شده از پست اخیر ما در خصوص Train دو مدل Voxtral

ایرادات تلفظی که در این فایل می شنوید اگر چه که زیاد نیستند و سعی کردیم فایل رو با بالاترین کیفیت Generate کنیم، ولی به دلیل تولید این فایل با استفاده از هوش مصنوعی هستند. 👨‍💻

👾 جامع‌ترین دوره هوش مصنوعی ایران (هدیه ۵.۵۰۰.۰۰۰ تومانی)

 💯 اگه علاقمندید هوش‌مصنوعی رو تخصصی یاد بگیرید و در همین حوزه مشغول به کار بشید، الان بهترین فرصته!

ویژگی‌های دوره:
🟪 240 ساعت آموزش پروژه محور
🟪 ارائه مدرک معتبر
🟪 اساتید بین‌المللی
🟪 فرصت استخدام و کارآموزی و امریه

🎁 با تخفیف ۷۰ درصدی به ارزش ۵٫۵۰۰٫۰۰۰ تومان در سومین دوره جایزه سالانه هوش‌مصنوعی ایران (iAAA) نام کنید.

🎉 کد تخفیف 70 درصدی: gift70 ➡️

⚠️ همین الان ثبت نام کنید:

🌐 B2n.ir/es4040 👈
🔸راه‌های ارتباطی:
📞 02191096992
📩 @iaaa_event
🔸کانال اطلاع رسانی:
💬 @iaaa_ai

➖➖➖➖➖➖➖

@ai_python

کتابِ فهم Deep Learning نسخه 2025 یکی از کتاب های جامع و کاربردی برای دانشجویان است که نسخه اصلی به رایگان قابل دانلود هست.

@ai_python

اما جذاب ترین بخش داستان اینه که به Colab بسیاری از مثال ها و کدهای مربوط می تونید به راحتی از طریق وب سایت مربوط به کتاب دسترسی داشته باشید 😍 :

https://udlbook.github.io/udlbook/

این کتاب که توسط انتشارات MIT Press منتشر شده است، تا این لحظه 509 هزار بار دانلود شده است. 📕

@ai_python

طرح اقدام هوش مصنوعی (AI Action Plan) دونالد ترامپ که در 23 ژوئیه 2025 رونمایی شد، یک برنامه جامع برای تقویت جایگاه آمریکا در رقابت جهانی هوش مصنوعی است. این طرح در پاسخ به فرمان اجرایی ترامپ در ژانویه 2025 تدوین شده که هدف آن حذف موانع برای رهبری آمریکا در زمینه هوش مصنوعی بود.

@ai_python

طرح بر سه رکن اصلی استوار است:

تسریع در نوآوری

این بخش بر حذف مقررات دست‌وپاگیر فدرال و ایالتی برای توسعه هوش مصنوعی تمرکز دارد. هدف این است که شرکت‌های فناوری با آزادی بیشتری به توسعه فناوری‌های هوش مصنوعی بپردازند، بدون اینکه با محدودیت‌های نظارتی بیش‌ازحد مواجه شوند.

@ai_python

ساخت زیرساخت‌های هوش مصنوعی

این رکن شامل ساده‌سازی فرآیند صدور مجوز برای ساخت مراکز داده و افزایش ظرفیت تولید انرژی برای پشتیبانی از نیازهای محاسباتی بالای هوش مصنوعی است. این طرح به‌ویژه بر کاهش محدودیت‌های زیست‌محیطی تأکید دارد تا ساخت‌وساز سریع‌تر انجام شود.


رهبری در دیپلماسی و امنیت بین‌المللی

بله! شاید تعجب کنید ... ولی :

این بخش بر ترویج صادرات فناوری‌های هوش مصنوعی آمریکایی به کشورهای متحد و ایجاد استانداردهای جهانی مبتنی بر فناوری‌های آمریکایی تمرکز دارد. همچنین هدف آن جلوگیری از نفوذ چین در این حوزه است.

@ai_python

طرح اقدام شامل بیش از 90 اقدام سیاستی است که قرار است طی شش ماه تا یک سال اجرا شوند. همچنین، ترامپ سه فرمان اجرایی مرتبط امضا کرده که بر صادرات فناوری هوش مصنوعی، حذف "جهت‌گیری‌های ایدئولوژیک"! در سیستم‌های هوش مصنوعی، و تسریع در ساخت زیرساخت‌ها تمرکز دارند.


این طرح به‌طور خاص بر حذف "جهت‌گیری‌های لیبرال" در مدل‌های هوش مصنوعی تأکید کرده و خواستار آن شده که مدل‌های زبانی بزرگ مورد استفاده دولت فدرال "عاری از سوگیری‌های ایدئولوژیک" باشند.👀📞

حالا چرا پلنتیر (Palantir) از این طرح خوشحال است؟

شرکت پلنتیر، که در زمینه تحلیل داده‌های بزرگ و هوش مصنوعی فعالیت می‌کند، از این طرح به شدت استقبال کرده است. در پستی در شبکه X در تاریخ 23 ژوئیه 2025، پلنتیر اعلام کرد که این طرح "کد منبع قرن بعدی آمریکا" را نوشته و از حمایت خود از آن خبر داد. دلایل خوشحالی پلنتیر می‌تواند شامل موارد زیر باشد:

کاهش مقررات: پلنتیر که به شدت در قراردادهای دولتی، به‌ویژه در بخش‌های دفاعی و امنیتی، فعال است، از کاهش مقررات و ساده‌سازی فرآیندها سود می‌برد. این امر به آن‌ها امکان می‌دهد پروژه‌های خود را سریع‌تر و با هزینه کمتری پیش ببرند.

@ai_python


تمرکز بر زیرساخت‌ها: پلنتیر به زیرساخت‌های محاسباتی قوی برای تحلیل داده‌های کلان وابسته است. طرح اقدام با تسهیل ساخت مراکز داده و افزایش دسترسی به انرژی، به شرکت‌هایی مانند پلنتیر کمک می‌کند تا ظرفیت‌های خود را گسترش دهند.


ترویج فناوری آمریکایی: پلنتیر به‌عنوان یک شرکت آمریکایی که در رقابت با رقبای جهانی (به‌ویژه چین) قرار دارد، از سیاست‌های ترویج صادرات فناوری‌های هوش مصنوعی و ایجاد استانداردهای جهانی مبتنی بر فناوری آمریکایی بهره‌مند می‌شود. این موضوع می‌تواند بازارهای جدیدی برای محصولات پلنتیر باز کند.

@ai_python


حمایت از ارزش‌های محافظه‌کارانه: پلنتیر، که بنیان‌گذارانش (مانند پیتر تیل) از حامیان برجسته دونالد ترامپ هستند، با تأکید طرح بر حذف "جهت‌گیری‌های لیبرال" در هوش مصنوعی هم‌راستا است. این موضوع می‌تواند به پلنتیر کمک کند تا در قراردادهای دولتی که به مدل‌های "بی‌طرف" نیاز دارند، موقعیت بهتری کسب کند. مثلن شاید با دولت های اروپایی؟ 👻


روابط نزدیک با دولت ترامپ: ❤️ پلنتیر از روابط نزدیک با دولت ترامپ، از جمله از طریق افرادی مانند دیوید ساکس (مشاور ارشد هوش مصنوعی و کریپتو در کاخ سفید) که از حامیان قدیمی پلنتیر است، سود می‌برد. این روابط می‌تواند به قراردادهای بیشتر و نفوذ قوی‌تر در سیاست‌گذاری منجر شود.

با این حال، طرح با انتقاداتی نیز مواجه شده است. برخی منتقدان، از جمله موسسه AI Now، معتقدند که این طرح بیش از حد به نفع شرکت‌های بزرگ فناوری مانند پلنتیر و به ضرر منافع عمومی است. آن‌ها هشدار داده‌اند که کاهش مقررات زیست‌محیطی و عدم توجه به مسائل ایمنی و تبعیض در هوش مصنوعی می‌تواند پیامدهای منفی برای جامعه داشته باشد.

خلاصه که اینطوریا!

راستی لینک طرح اینجاست : https://www.ai.gov/action-plan

ولی اگر حوصله ندارید بخونیدش اما براتون مهمه در طی روزهای آینده یک پادکست مصنوعی فارسی ازش تهیه می کنیم و در کانال ai_python قرار می دیم. :)

@ai_python

دکتر سوفیا یانگ از شرکت MistralAI در پستی در X اعلام کرده که آن‌ها یک مطالعه جامع و بی‌سابقه انجام داده‌اند تا تأثیرات زیست‌محیطی مدل‌های زبان بزرگ خود را بررسی کنند. هدف این مطالعه نه‌تنها ارزیابی اثرات خودشان، بلکه کمک به ایجاد استاندارد جهانی برای مسئولیت‌پذیری زیست‌محیطی در حوزه هوش مصنوعی است. 🌳🌲

@ai_python

🔍 نتایج کلیدی مطالعه برای مدل Mistral Large 2 (تا ژانویه ۲۰۲۵ و پس از ۱۸ ماه استفاده):

انتشار گازهای گلخانه‌ای: ۲۰٫۴ هزار تن CO₂e

@ai_python
مصرف آب: ۲۸۱٬۰۰۰ متر مکعب 💦

کاهش منابع طبیعی: ۶۶۰ کیلوگرم Sb eq (واحد استاندارد برای تحلیل کاهش منابع)

لینک مطالعه : https://mistral.ai/news/our-contribution-to-a-global-environmental-standard-for-ai

عصر مدل‌های DiffusionLM 👨‍💻🙄

@ai_python

مدل‌های DiffusionLM (مدل‌های زبانی مبتنی بر انتشار) ممکن است جایگزین مدل‌های Autoregressive (AR) شوند، به‌ویژه در شرایطی که داده‌ها محدود هستند.

🔍 نکات کلیدی:

کارایی بهتر در شرایط کم‌داده: اگر محدودیت اصلی شما داده باشد (نه قدرت پردازش یا FLOPs)، مدل‌های Diffusion عملکرد بهتری دارند.

@ai_python

استفاده مجدد از داده‌ها:

داده‌های یکسان می‌توانند تا ۱۰۰ بار (epoch) برای آموزش مدل‌های Diffusion استفاده شوند، در حالی که مدل‌های AR فقط حدود ۴ بار از همان داده‌ها استفاده می‌کنند.

یادگیری عمیق‌تر:

مدل‌های DiffusionLM توانایی یادگیری بسیار بیشتری از داده‌های محدود دارند.

📊 نتیجه‌گیری:

این یافته‌ها نشان می‌دهند که در سناریوهایی با داده‌های محدود، مدل‌های DiffusionLM می‌توانند بسیار مؤثرتر باشند و شاید آینده‌ی مدل‌های زبانی را تغییر دهند.

@ai_python

لینک آلفاشیو : https://www.alphaxiv.org/abs/2507.15857

@ai_python

ایلان ماسک در پستی در شبکه اجتماعی X توضیح داده که به دلیل قوانین مربوط به ممنوعیت صادرات داده‌ها، تسلا در چین بدون استفاده از داده‌های محلی آموزشی موفق شده عملکرد بسیار خوبی در سیستم‌های کمک‌راننده (ADAS) داشته باشد.

@ai_python

ممنوعیت صادرات داده‌ها:

در چین، داده‌های جمع‌آوری‌شده از خودروها (مثل تصاویر دوربین‌ها، موقعیت مکانی، و اطلاعات رانندگی) اجازه خروج از کشور را ندارند. این یعنی تسلا نمی‌تواند از داده‌های واقعی چینی برای آموزش مدل‌های هوش مصنوعی‌اش استفاده کند.

@ai_python

موفقیت بدون داده محلی: با وجود این محدودیت، تسلا توانسته در تست‌های رسانه‌های چینی عملکرد بهتری نسبت به برندهای داخلی مثل هواوی و شیائومی داشته باشد.

@ai_python

تسلا برای جبران نبود داده‌های واقعی، از شبیه‌سازهای پیشرفته و مسیرهای تست اختصاصی استفاده می‌کند تا داده‌های مصنوعی تولید کند و مدل‌هایش را آموزش دهد.

ایلان ماسک در پستش به دستیابی کامل به شش سناریوی کلیدی در تست‌های ADAS اشاره کرده است. و گفته ما به دنبال 6 از 6 هستیم و نه کم تر از آن. این 6 سناریو عبارتند از : رانندگی در شب، در بزرگراه، در شهر، در شرایط بارانی و دوتای دیگه که الان حضور ذهن ندارم. 😅 شما اگر می دونید کامنت بذارید که پست کامل بشه.

🚗 🚘 چرا این موضوع مهم است؟

نشان می‌دهد تسلا در توسعه هوش مصنوعی رانندگی خودکار به سطحی رسیده که حتی بدون داده‌های محلی، می‌تواند عملکردی بهتر از رقبا داشته باشد.

استفاده از شبیه‌سازها به عنوان منبع داده، روشی نوآورانه برای عبور از محدودیت‌های قانونی است.

@ai_python

رقابت در بازار چین برای خودروهای برقی و هوشمند بسیار شدید است، و این موفقیت برای تسلا یک دستاورد بزرگ محسوب می‌شود.

@ai_python

در این ویدئو، مدل هوش مصنوعی جدید گوگل، Alpha Earth Foundations، معرفی شده است. این مدل سطح کره زمین 🌎 را بر اساس شباهت شرایط سطحی نقشه برداری می کند و به سرعت الگوهای منحصر به فرد اکوسیستم ها را شناسایی می کند.

@ai_python

در نتیجه، نقشه برداری جهانی که قبلاً ماه‌ها تا سال‌ها طول می‌کشید، اکنون در عرض چند دقیقه انجام می‌شود. این فناوری از طریق Google Earth Engine برای سال‌های ۲۰۱۷ تا ۲۰۲۴ در دسترس است و به دانشمندان و محققان کمک می‌کند تا به سوالاتی درباره پراکندگی حیوانات و ردپای 🐾 توسعه انسانی پاسخ دهند.

@ai_python


این پیشرفت می‌تواند ابزارهای بهتری برای مقابله با چالش‌های بزرگی مانند پیش‌بینی آتش‌سوزی، مدیریت منابع آب و حفاظت از اکوسیستم‌های در معرض خطر فراهم کند و همه اینها را بسیار سریع‌تر و ارزان‌تر انجام دهد.

X