گوگل قراره تو رویداد I/O ۲۰۲۵ که ۲۰ و ۲۱ می (۳۰ اردیبهشت) برگزار میشه، از مدل آپدیت شده Gemini Ultra، پروژه آسترا و ایجنت AI پروژه مارینر رونمایی کنه. [L]

مرورگر کروم حالا PDF‌های اسکن شده رو با OCR می‌خونه (متنش رو استخراج میکنه). [L]

کروم قراره به‌صورت پیش‌فرض بدون اختیارات کامل ادمین اجرا بشه، این کمک میکنه اگه سایت یا اکستنشنی آلوده باشه دسترسی مهمی به سیستم شما نداشته باشه. [L]

نسخه کروم اندروید به‌زودی میتونه کدهای تایید پیامکی (OTP) رو به طور خودکار پر کنه. این قابلیت که الان تو خیلی از اپ‌های اندرویدی هست، قراره به وب‌سایت‌ها هم بیاد. [L]

گوگل تو ثبت پتنت‌های AI تو آمریکا برای اولین بار از IBM جلو افتاده و الان اول هست. [L]

گوگل وان اول فقط برای فضای ذخیره‌سازی بود ولی گوگل بعدا AI رو هم بهش اضافه کرد، به همین دلیل امسال مشترکانش از ۱۰۰ میلیون به ۱۵۰ میلیون نفر رسیدن. این سرویس جدید اضافه شده به گوگل وان اسمش AI Premium هست. [L]

گوگل داره روی قابلیت آزمایشی «Discussions» تو صفحه جستجو کار میکنه که احتمالا هدفشون ساختن چیزی شبیه به ردیت داخل گوگل هست. [L]

یه نسخه از Gemini داره به آیفون‌های چینی میاد، اونجا OpenAI کار نمیکنه و بعضی‌ها نگرانن که این کار ممکنه حریم‌خصوصی افراد رو به خطر بندازه. [L]

🤓 @geekalerts

آنتروپیک میخواد یه نسل جدید از مدل‌هاشو معرفی کنه که توانایی پیدا کردن اشتباهاتون خودشون و اصلاحش رو دارن، این قابلیت تو برنامه‌نویسی هم خیلی کاربردیه و کد تولید شده رو خودکار تست و اصلاح می‌کنه. [L]

آقای جفری هینتون، یکی از پدرخوانده‌های هوش مصنوعی، که سال ۲۰۱۶ گفته بود AI تا ۵ سال دیگه رادیولوژیست‌ها رو بیکار می‌کنه، حالا اعتراف کرده که تحلیلش اشتباه بوده. [L]

متا دو مدل برای تحقیقات مولکولی معرفی کرده، OMol۲۵، بزرگترین دیتاست باز شیمی محاسباتی با بیش از ۱۰۰ میلیون محاسبه مولکولی، و UMA، مدلی که خواص شیمیایی مولکول‌ها رو با سرعت بالا پیش‌بینی می‌کنه. این ابزارها که رایگان هستن، برای کشف دارو و مواد جدید خیلی کاربرد دارن. [L]

شرکت سایت ساز ویکس از Wixel رونمایی کرد، یه ابزار AI هست که یه نسخه رایگان هم داره برای ویرایش عکس و متن همراه با قالب‌های آماده، نمونه فعلیش کانوا هست. [L]

شرکت OpenAI میخواد یه دیتاسنتر ۵ گیگاواتی تو ابوظبی بسازه، مساحتش حدود ۲۶ کیلومتر مربع (بزرگتر از موناکو) و مصرف برقش معادل ۵ راکتور هسته‌ایه، انویدیا هم قراره سخت‌افزارهای پیشرفته مثل Blackwell GB۳۰۰ رو برای این دیتاسنتر تامین کنه. [L]

اپل داره مشکل لهجه انگلیسی مدل‌های AI در زبان‌های دیگه رو حل میکنه. این مدل‌ها اغلب با محوریت انگلیسی طراحی شدن و وقتی به زبان‌های دیگه صحبت می‌کنن، مثلا وقتی به فارسی حرف میزنن اما لهجه انگلیسی دارن. [L]

شرکت ویندسرف مدل SWE-۱ رو معرفی کرده که برای استفاده مستقیم روی خود گوشی طراحی شده. ساختارش بر پایه ترنسفورمره و می‌تونه ورودی‌های متنی و تصویری رو همزمان پردازش کنه، سرعت پردازشش روی گوشی‌های پرچمدار حدود ۲۵ توکن در ثانیه هست. [L]

به‌زودی به Grok قابلیتی اضافه میشه که میتونید باهاش نقاشی بکشید یا متنی رو بنویسید و بهش بدید، ویژگی Sketchpad میتونه برای گوشی‌ها و تبلت‌ها که نوشتن و کشیدن راحت‌تره مفید باشه. [L]

تیم OpenAI داره روی GPT-۵ کار می‌کنه و هدف اصلیش اینه که ابزارهای مختلفش مثل Codex، Operator و سیستم حافظه رو تو یه محیط واحد بیاره تا کاربرا هی بینشون سوئیچ نکنن. [L]

ساندکلاود بعد از اعتراض کاربرها به خاطر اینکه در قوانینش نوشته بود از دیتاها برای AI استفاده میکنه حالا مجدد قوانینش رو آپدیت کرده و نوشته از دیتاها برای ساخت صدا استفاده نمیکنه و صرفا برای پیشنهاد موسیقی هست. [L]

🤓 @geekalerts

مقاله عدم توجه مدل‌های AI به کلمات منفی

فرض کنید یه رادیولوژیست داره عکس قفسه سینه یه بیمار رو بررسی می‌کنه. می‌بینه بیمار ورم بافت داره اما قلبش بزرگ نیست. برای اینکه سریع‌تر به تشخیص برسه، ممکنه از یه مدل هوش مصنوعی بینایی-زبان (vision-language) کمک بگیره تا گزارش‌های بیماران مشابه رو پیدا کنه. حالا اگه این مدل، کلمه‌ی «نیست» رو درست نفهمه و گزارش‌هایی رو بیاره که هم ورم بافت دارن و هم بزرگی قلب، تشخیص کاملا عوض میشه، چون بزرگی قلب با ورم بافت معمولا نشونه‌ی مشکل قلبیه.

محققان MIT (از جمله کمیل آل محمود و مرضیه قاسمی) توی یه مطالعه جدید متوجه شدن که این مدل‌های VLM، به شدت مستعد اینجور اشتباهات هستن چون کلمات منفی مثل «نه»، «نیست»، «بدون» و کلا مفهوم «نفی» (negation) رو درست درک نمی‌کنن. یعنی نمی‌فهمن که چیزی وجود نداره یا غایبه.

چرا این اتفاق میفته؟

این مدل‌ها با حجم عظیمی از عکس و کپشن‌های مربوط بهشون آموزش می‌بینن. اما این کپشن‌ها معمولا چیزهایی که توی عکس هستن رو توصیف می‌کنن، نه چیزهایی که نیستن. مثلا کسی برای عکس سگی که از روی حصار می‌پره، نمی‌نویسه «سگی در حال پریدن از روی حصار، بدون هلیکوپتر در تصویر» چون دیتای آموزشی مثال‌هایی از نفی نداره، مدل هم یادش نمی‌گیره.

این مدل‌ها یه جورایی کلمات منفی رو نادیده می‌گیرن و فقط روی اشیاء و مفاهیمی که در جمله ذکر شده، تمرکز می‌کنن، انگار که اون کلمه منفی اصلا وجود خارجی نداره.

این مسئله مهمه، مثلا جاهایی که تصمیمات حیاتی گرفته میشه مثل پزشکی (تشخیص بیماری، تجویز دارو) یا کنترل کیفیت در صنعت. اگه مدلی به این سادگی مفهوم «نه» رو نفهمه، نمیشه صد درصد بهش استناد کرد.

🔗 sciencedaily
🤓 @geekalerts