🚀 گوگل و کاهش ۱۰هزار برابری داده در فاین‌تیونینگ

برای آموزش مدل‌های هوش مصنوعی همیشه نیاز به حجم زیادی داده برچسب‌خورده داریم، اما گوگل روشی معرفی کرده که این نیاز را هزاران برابر کمتر می‌کند ✨

🔹 مدل پایه ابتدا خودش داده‌ها را برچسب‌گذاری می‌کند.
🔹 هر دسته از داده‌ها جداگانه کلاستر می‌شود.
🔹 کلاسترهای هم‌پوشان و موارد مشکوک شناسایی می‌شوند.
🔹 فقط همین نمونه‌های مبهم برای برچسب‌گذاری دستی به انسان داده می‌شود.

📈 نتیجه؟

همان دقت مدل نهایی 🎯

کاهش هزینه و زمان آنوتیشن به شکل باورنکردنی ⏳💰

لینک

📌 این ایده به‌راحتی در پروژه‌های پردازش تصویر، متن و صدا هم قابل اجراست.
@rss_ai_ir 🤖

📉 هوش مصنوعی و ضربه به نیروهای جوان حوزه فناوری

گزارش جدید گلدمن ساکس نشان می‌دهد که نرخ بیکاری کارمندان فناوری در بازه سنی ۲۰ تا ۳۰ سال در آمریکا، از ابتدای ۲۰۲۴ تاکنون حدود ۳ درصد افزایش یافته است؛ این رقم بیش از ۴ برابر نرخ بیکاری کلی است ⚠️

🔹 فرصت‌های شغلی سطح مبتدی در ۱۸ ماه گذشته نزدیک به ۳٪ کاهش یافته است.
🔹 پذیرش گسترده هوش مصنوعی، نقش‌های ابتدایی در حوزه‌های حقوقی، بازاریابی و منابع انسانی را هم کوچک‌تر کرده است.
🔹 مردان نسل Z بیشترین آسیب را دیده‌اند و دسترسی به حوزه‌های در حال رشد برایشان محدودتر شده است.

📌 برای نیروهای تازه‌کار، تهدید هوش مصنوعی دیگر آینده‌نگری نیست؛ این تغییر هم‌اکنون در حال بازنویسی معادله استخدام است.
@rss_ai_ir 🤖

💼 چطور از بیکاری شغلی در عصر هوش مصنوعی پیشگیری کنیم؟

با رشد سریع هوش مصنوعی، بسیاری از مشاغل، به‌ویژه در حوزه برنامه‌نویسی، در حال تغییر یا حذف هستند. اما با چند اقدام هوشمندانه می‌توان خود را برای آینده آماده کرد:

1️⃣ تسلط بر مفاهیم پایه‌ای علوم کامپیوتر
درک عمیق از الگوریتم‌ها، ساختمان داده‌ها و اصول طراحی سیستم، باعث می‌شود نقش شما فراتر از کدنویسی ساده باشد.

2️⃣ یادگیری استفاده از ابزارهای AI در برنامه‌نویسی
به جای رقابت با AI، از آن برای افزایش بهره‌وری و سرعت توسعه استفاده کنید (مثلاً برای تست، دیباگ یا تولید کد اولیه).

3️⃣ تمرکز بر مهارت‌های حل مسئله و طراحی سیستم
مدل‌های AI در اجرای وظایف تکراری قوی هستند، اما تفکر انتقادی و معماری سیستم همچنان به انسان نیاز دارد.

4️⃣ یادگیری حوزه‌های ترکیبی (Cross-disciplinary)
مثلاً ترکیب برنامه‌نویسی با هوش مصنوعی، امنیت سایبری، علم داده یا اینترنت اشیا، باعث افزایش ارزش شغلی شما می‌شود.

5️⃣ توسعه مهارت‌های نرم (Soft Skills)
ارتباط مؤثر، کار تیمی، مدیریت پروژه و درک نیازهای مشتری مهارت‌هایی هستند که AI به‌راحتی جایگزینشان نمی‌شود.

📌 آینده متعلق به افرادی است که هوش مصنوعی را به خدمت می‌گیرند، نه کسانی که از آن می‌ترسند.

🤖 @rss_ai_ir

🚧 جبران بیش‌ازحد (Over-compensation) در یادگیری عمیق

یکی از چالش‌های پنهان در آموزش شبکه‌های عصبی، پدیده‌ی Over-compensation است؛ جایی که مدل یا مکانیزم اصلاح‌کننده به جای تصحیح دقیق یک خطا، بیش از حد واکنش نشان می‌دهد و باعث ایجاد خطا یا سوگیری در جهت مخالف می‌شود.

🔍 کجاها اتفاق می‌افتد؟

❌ بهینه‌سازی: نرخ یادگیری بالا باعث می‌شود گرادیان‌ها از نقطه بهینه عبور کنند و مدل دچار نوسان شود.
❌ نرمال‌سازی: تنظیم بیش‌ازحد پارامترهای BatchNorm یا WeightNorm می‌تواند مقیاس ویژگی‌ها را از محدوده مطلوب خارج کند.
❌ داده‌های نامتوازن: وزن‌دهی افراطی به کلاس اقلیت باعث افت عملکرد در کلاس غالب می‌شود.
❌مکانیزم‌های تطبیقی: مثل Attention یا Adam که بیش‌ازحد به تغییرات پاسخ می‌دهند و حساسیت مدل را افزایش می‌دهند.

⚙️ راهکارها:

✅ تنظیم بهینه‌ی Learning Rate و استفاده از Scheduler
✅کنترل پارامترهای نرمال‌سازی
✅ وزن‌دهی متعادل به کلاس‌ها
✅ مانیتورینگ پیوسته‌ی متریک‌ها و جلوگیری از نوسان شدید

📌 مدیریت درست این پدیده، کلید پایداری و تعادل در آموزش مدل‌های یادگیری عمیق است.

@rss_ai_ir 🤖

🖼 مدل X-Omni از Tencent؛ جهشی در نسل جدید Text-to-Image

مدل X-Omni با بهره‌گیری از یادگیری تقویتی توانسته سیستم‌های تبدیل متن به تصویر را وارد مرحله‌ای تازه کند.
این مدل از یک معماری هیبریدی استفاده می‌کند:

SigLIP-VQ برای توکنیزه‌کردن تصاویر 🎯

Qwen2.5-7B برای پردازش داده‌های چندموداله 🤖

دیفیوژن دیکودر FLUX.1-dev برای تکمیل رندرینگ نهایی 🎨


💡 نکته جالب، استفاده از یک سیستم پاداش چندمعیاره است که خروجی را از نظر زیبایی‌شناسی، هم‌خوانی معنایی و خوانایی متن ارزیابی می‌کند.

📊 در تست‌ها، X-Omni در رندر کردن نوشته‌ها (به‌ویژه متون چینی) حتی از GPT-4o بهتر عمل کرده و بدون نیاز به CFG خروجی پایداری ارائه می‌دهد.

🔗 اطلاعات بیشتر

🤓 @rss_ai_ir

📢 چالش‌ها و واکنش سام آلتمن به عرضه GPT-5
@rss_ai_ir

♨️سام آلتمن، مدیرعامل OpenAI، در گفت‌وگویی آنلاین به مشکلات اولیه عرضه GPT-5 و اقدامات اصلاحی اشاره کرد:

🔹 مشکل در سیستم مسیریابی (Router)
در روز اول عرضه، به دلیل اشکال در «روتر در لحظه»، GPT-5 گاهی پاسخ‌های ضعیف‌تر می‌داد. قرار است این مشکل رفع و شفافیت در نمایش مدل فعال بیشتر شود.

🔹 بازگشت GPT-4o برای کاربران Plus
به دلیل درخواست گسترده، مدل GPT-4o دوباره برای مشترکان Plus فعال خواهد شد تا کاربران بتوانند بین مدل‌ها انتخاب کنند.

🔹 ماجرای “Chart Crime” در ارائه
در استریم معرفی GPT-5، نمودارها اشتباه نمایش داده شدند و اختلاف درصدها به‌درستی نشان داده نشد. آلتمن این خطا را «بزرگ‌ترین اشتباه گرافیکی» نامید و نسخه اصلاح‌شده را منتشر کرد.

📌 جمع‌بندی:
هرچند GPT-5 از نظر فنی پیشرفت بزرگی است، اما شروع کار با چالش‌هایی در عملکرد، تجربه کاربری و حتی ارائه همراه شد. OpenAI اکنون در حال اصلاح این موارد و جلب اعتماد کاربران است.

#هوش_مصنوعی #GPT5 #OpenAI
@rss_ai_ir

🚀 مدل KumoRFM؛ پیش‌بینی لحظه‌ای روی داده‌های سازمانی
@rss_ai_ir

به عنوان اولین Relational Foundation Model در جهان، KumoRFM مخصوص داده‌های رابطه‌ای (جداول پایگاه‌داده سازمانی) طراحی شده است.
بدون نیاز به آموزش یا تنظیمات پیچیده، کافیست به دیتابیس متصل شود تا در لحظه پیش‌بینی‌هایی دقیق ارائه دهد، مانند:

🔹 پیش‌بینی خروج مشتری (Churn)
🔹 تشخیص تقلب
🔹 پیشنهاد محصولات مرتبط
🔹 پیش‌بینی فروش یا نیاز انبار

---

✨ ویژگی‌های کلیدی:

1️⃣ یادگیری درون‌متنی – بدون آموزش جداگانه، با استفاده از داده‌های تاریخی شما پیش‌بینی می‌کند.
2️⃣ معماری Relational Graph Transformer – جداول را به گراف تبدیل کرده و با مکانیزم Attention تحلیل می‌کند.
3️⃣ سرعت و دقت بالا – تا ۲۰ برابر سریع‌تر و ۳۰–۵۰٪ دقیق‌تر از روش‌های سنتی.
4️⃣ کاهش هزینه – بدون نیاز به مهندسی ویژگی‌های دستی یا تیم بزرگ علم داده.

---

💡 نتیجه این رویکرد آن است که مدل‌سازی پیش‌بینی که قبلاً هفته‌ها زمان می‌برد، اکنون در کمتر از یک ثانیه انجام می‌شود.
برای سازمان‌هایی با حجم زیاد داده ساختاریافته، این گام بزرگی در مسیر هوش مصنوعی عملیاتی است.

#هوش_مصنوعی #داده_رابطه‌ای #KumoRFM #پیش‌بینی_داده
@rss_ai_ir

🎥 رونمایی xAI از قابلیت ساخت ویدیو Grok Imagine
@rss_ai_ir

شرکت xAI قابلیت جدید Grok Imagine را معرفی کرده که امکان ساخت ویدیوهای ۵ ثانیه‌ای را فراهم می‌کند.

🔹 سرعت بالا — گرچه کیفیت آن به پای Veo 3 نمی‌رسد، اما در ساخت ویدیو بسیار سریع است.
🔹 سانسور کمتر — یکی از مزیت‌های بزرگ آن، محدودیت کمتر در تولید محتواست؛ .
🔹 افزودن صدا — قابلیت اضافه کردن صدا دارد، اما در حد صداهای پس‌زمینه و نه در سطح Veo 3.
🔹 فرآیند کار — ابتدا تصویر را بر اساس پرامپت تولید می‌کند، سپس با یک دکمه امکان متحرک‌سازی آن را می‌دهد؛ این روش کنترل جزئیات حرکتی را محدود می‌کند.

📱 این قابلیت تا چند روز به‌صورت رایگان برای کاربران اندروید و iOS فعال است (تب Imagine). در صورت نیاز به اشتراک، با IP آمریکا اپ را باز کنید.

#هوش_مصنوعی #Grok #xAI #ویدیو
@rss_ai_ir

🔍 شرکت OpenAI قابلیت جدیدی اضافه کرده که نشان می‌دهد پاسخ هر پیام توسط کدام مدل تولید شده است.

📌 مشکل اصلی این بود که برای هر درخواست، یک «روتر» تصمیم می‌گیرد کدام مدل پاسخ دهد. حتی در یک گفت‌وگو، ممکن است برخی پیام‌ها (به‌خصوص برای کاربران رایگان یا کاربران پولی بعد از رسیدن به سقف محدودیت) توسط gpt-5-mini یا حتی gpt-4o-mini پاسخ داده شوند.

✅ این قابلیت شفافیت بیشتری ایجاد می‌کند و می‌توان بهتر فهمید که سیستم چه زمانی از کدام مدل استفاده می‌کند.

📱 روی نسخه موبایل هم فعال است؛ کافی است روی پاسخ مدل کمی نگه دارید تا نام مدل نمایش داده شود.

#هوش_مصنوعی #GPT5 #OpenAI
@rss_ai_ir

🚗 مدل PRIX و تحول رانندگی خودران با ورودی صرفاً دوربین

در این رویکرد نوآورانه، سیستم PRIX بدون استفاده از LiDAR یا نمایش‌های سنگین BEV، مسیر رانندگی را مستقیماً از پیکسل‌های خام برنامه‌ریزی می‌کند و حتی از مدل‌های چندحسگری بزرگ‌تر نیز عملکرد بهتری دارد.

📌 ویژگی‌ها و نوآوری‌ها:

♻️حذف کامل نیاز به LiDAR و پردازش‌های پرهزینه BEV.
♻️بهره‌گیری از بک‌بون ResNet همراه با ماژول CaRT (Context-aware Recalibration Transformer) برای غنی‌سازی ویژگی‌های چندمقیاسی.
♻️استفاده از برنامه‌ریز انتشار شرطی همراه با وظایف کمکی شامل تشخیص اشیا و سگمنتیشن معنایی در چارچوب یادگیری چندوظیفه‌ای.


📊 نتایج در NavSim-v1:

✳️امتیاز PDMS = 87.8 ➕ بهترین نتیجه بین مدل‌های صرفاً دوربین و حتی بالاتر از مدل‌های چندحسگری.
✳️برتری نسبت به Hydra-MDP++ (امتیاز 86.6) و GoalFlow+ (امتیاز 85.7).
✳️سرعت 57 FPS با تنها 37 میلیون پارامتر.


💡 جمع‌بندی:
قدرت یک استخراج‌کننده ویژگی تصویری قوی، آموزش‌دیده با وظایف کمکی مناسب، می‌تواند مهم‌تر از پیچیدگی برنامه‌ریز یا ادغام چند حسگر باشد و مسیر را برای ساخت سیستم‌های رانندگی خودران مقیاس‌پذیر و کم‌هزینه هموار کند.

📄 مطالعه کامل:
🔗 arXiv
💻 HuggingFace

#هوش_مصنوعی #رانندگی_خودران #یادگیری_عمیق
@rss_ai_ir

🆓 گراک ۴ رایگان شد!
در حالت Expert (همان Grok 4) می‌توانید هر ۱۲ ساعت، ۴ سؤال از آن بپرسید و سپس به Grok 3 سوییچ می‌شود.

🖼 علاوه بر این، قابلیت Grok Imagine (تجربه جدید ساخت عکس و ویدئو که هنگام اسکرول به‌صورت لحظه‌ای تصاویر مختلف تولید می‌کند) نیز در اپ گراک با VPN آمریکا رایگان فعال است.

📲 برای دسترسی می‌توانید از داخل X (توییتر) یا سایت گراک اقدام کنید:
🌐 grok.com

#هوش_مصنوعی #Grok
@rss_ai_ir

🐺 چین نسل جدید «گرگ‌های رباتیک» میدان نبرد را رونمایی کرد

دیگر خبری از سگ‌های رباتیک بامزه نیست؛ این بار صحبت از گرگ‌های رباتیک ۷۰ کیلوگرمی است که به تفنگ و نارنجک‌انداز مجهز شده‌اند.

🔸 در رزمایش‌های اخیر ارتش چین، این ربات‌ها در کنار نیروهای انسانی در خط مقدم جنگیدند.
🔸 کنترل آن‌ها از طریق داده‌های پهپادهای FPV انجام می‌شود؛ برخی برای شناسایی و برخی برای نبرد مستقیم تجهیز شده‌اند.
🔸 فرماندهان می‌گویند این «گله‌های رباتیک» مأموریت‌ها را سریع انجام می‌دهند و با ایجاد رعب، اثر روانی زیادی بر دشمن دارند.

⚔️ به‌نظر می‌رسد نبردهای آینده، به اندازه قدرت آتش، برتری روانی را هم تعیین‌کننده می‌دانند.

#رباتیک #جنگ_هوشمند #چین
@rss_ai_ir

🧩 مدل OmniPart: نسل جدید تولید سه‌بعدی با آگاهی از اجزای شیء

پژوهشگران در مدل OmniPart روشی دو‌مرحله‌ای برای ساخت اشیاء سه‌بعدی قابل‌ویرایش از روی تصاویر و ماسک‌های دوبعدی ارائه کرده‌اند.

🔹 ویژگی‌های کلیدی:

1. جدا‌سازی معنایی قوی بین اجزاء (Semantic Decoupling)
2. انسجام ساختاری بالا بین کل مدل (Structural Cohesion)
3. امکان کنترل و ویرایش بخش‌های جداگانه مدل پس از تولید



🔹 روش کار:

مرحله اول: یک ترنسفورمر خودبازگشتی (Autoregressive Transformer) چیدمان سه‌بعدی اجزاء را به صورت توالی باکس‌ها، بر اساس ماسک‌های ۲بعدی، طراحی می‌کند.

مرحله دوم: یک ماژول سنتز مکانی (Spatially-Conditioned Synthesis) — آموزش‌دیده از یک مدل تولیدی پیش‌فرض — همه اجزاء را به طور همزمان در این چیدمان می‌سازد.


🔹 نتایج:

دقت F1 Score = 0.74 در سطح جزء (با آستانه Chamfer Distance < 0.1)

عملکرد بهتر نسبت به تمام مدل‌های موجود در تولید سه‌بعدی مبتنی بر اجزاء


🔹 کاربردها:

♻️ویرایش جزئی مدل‌های سه‌بعدی
♻️انیمیشن‌سازی بخشی
♻️اختصاص متریال به قسمت‌های خاص در سیستم‌های تعاملی


📄 مطالعه کامل: arXiv
💻 کد و مدل: HuggingFace

#3D #ComputerVision #GenerativeAI
@rss_ai_ir

🚀 تراشه‌های نوری؛ شرط‌بندی بزرگ Q.ANT برای عصر هوش مصنوعی

شرکت آلمانی Q.ANT با جذب سرمایه ۶۲ میلیون یورویی — بزرگ‌ترین دور سرمایه‌گذاری فوتونیک در اروپا — قصد دارد جایگزینی برای تراشه‌های سیلیکونی سنتی ارائه دهد: پردازنده‌هایی که با نور کار می‌کنند.

🔹 انجام عملیات‌هایی مثل ضرب تنها با یک المان نوری
🔹 ساخت بر پایه لیتیوم نیوبات لایه‌نازک با راندمان انرژی تا ۳۰ برابر بالاتر
🔹 سرورهای آماده‌به‌کار، بدون نیاز به خنک‌سازی آبی یا نصب پیچیده
🔹 پشتیبانی از Python، C++ و استک‌های استاندارد
🔹 منشعب‌شده از TRUMPF و به رهبری فیزیکدان مؤسسه ماکس پلانک Michael Förtsch

📌 نکته مهم اینجاست که برخلاف بسیاری از رقبا که هنوز در مرحله تحقیق و توسعه هستند، Q.ANT همین حالا در حال عرضه محصول است و قصد دارد تا سال ۲۰۳۰، همراه‌پردازنده‌های فوتونیک را کنار GPUها در تمام مراکز داده بزرگ قرار دهد.

@rss_ai_ir 💡

🚀 تکنیک بوستینگ (Boosting) در یادگیری ماشین

بوستینگ یکی از قدرتمندترین تکنیک‌ها در یادگیری تجمعی (Ensemble Learning) است که هدف آن ترکیب چندین مدل ضعیف (Weak Learners) برای ساخت یک مدل قوی با خطای کم است.

🔹 ایده اصلی
در بوستینگ، مدل‌ها به‌صورت پیاپی (Sequential) آموزش داده می‌شوند. هر مدل جدید تلاش می‌کند خطاهای مدل‌های قبلی را اصلاح کند. به این ترتیب، وزن بیشتری به نمونه‌هایی داده می‌شود که در مراحل قبلی به‌درستی پیش‌بینی نشده‌اند.

🔹 مراحل کلی

1. شروع با یک مدل ضعیف (مثلاً درخت تصمیم کوچک)
2. محاسبه خطاها و افزایش وزن داده‌های سخت
3. آموزش مدل بعدی با تمرکز بر داده‌های دارای خطای بالا
4. ترکیب خروجی مدل‌ها (مثلاً با میانگین وزنی یا جمع‌بندی)



🔹 انواع معروف بوستینگ

AdaBoost → اولین نسخه مشهور بوستینگ، تغییر وزن نمونه‌ها پس از هر مرحله

Gradient Boosting → استفاده از گرادیان برای کاهش خطا به‌صورت مرحله‌ای

XGBoost → نسخه بهینه‌سازی‌شده با سرعت و دقت بالا

LightGBM → سریع و مناسب داده‌های حجیم

CatBoost → بهینه برای داده‌های دسته‌ای (Categorical)


🔹 مزایا

♻️دقت بالا در مسائل طبقه‌بندی و رگرسیون
♻️توانایی مدیریت داده‌های پیچیده
♻️کاهش Bias و بهبود Generalization


🔹 معایب

♻️حساس به نویز و داده‌های پرت
♻️هزینه محاسباتی بالا در مجموعه داده‌های بزرگ


📌 بوستینگ در بسیاری از مسابقات داده‌کاوی (Kaggle) و پروژه‌های صنعتی، انتخاب اول برای رسیدن به بالاترین دقت است.

#هوش_مصنوعی #یادگیری_ماشین #Boosting #DataScience #MachineLearning #EnsembleLearning #AI #XGBoost #LightGBM #CatBoost #GradientBoosting

@rss_ai_ir 🤖

🎥 شرکت Runway از مدل قدرتمند Aleph رونمایی کرده که ویرایش ویدیو را تنها با دستورات متنی ممکن می‌کند.

با Aleph می‌توانید:

🌄 تغییر محیط و زمان ویدیو
⏩ گسترش بازه زمانی و پیش‌بینی ادامه ویدیو
🗑 حذف اشیای ناخواسته یا بازتاب آن‌ها در آینه
🎯 جداسازی سوژه متحرک و قراردادن آن روی پرده سبز
🎥 دریافت نماهای مختلف از یک سوژه
🎨 انتقال استایل یک ویدیو به ویدیوی دیگر
👵 تغییر سن افراد در تصویر
✨ و سایر ویرایش‌های پیشرفته تنها با متن

این قابلیت از هم‌اکنون برای تمام کاربران اشتراک Runway فعال است.

#هوش_مصنوعی #Runway #AI #Aleph #ویدیو #ویرایش_ویدیو #AIEditing

@rss_ai_ir