🚀 رباتی با طراحی خلاقانه که هیچ‌وقت متوقف نمی‌شود!


@rss_ai_ir
#رباتیک #فناوری #هوش_مصنوعی #طراحی_صنعتی #روبات

📊 چارچوب EfficientLLM به ما یادآوری می‌کنه که در دنیای مدل‌های بزرگ، فقط کیفیت مهم نیست؛ کارایی هم به‌اندازه کافی حیاتی‌ست.

پژوهشگران بیش از ۱۰۰ پیکربندی LLM/VLM رو بررسی کردن و به‌جای تمرکز روی FLOPs تئوریک، معیارهای واقعی مثل مصرف حافظه (VRAM)، تأخیر (Latency) و انرژی رو سنجیدن.

🔑 چند نکته کلیدی:

وقتی حافظه یا سرعت گلوگاه باشه → مکانیزم‌های توجه (Attention) با تعداد کلید/هد کمتر، مصرف VRAM و زمان پاسخ رو به‌شدت کاهش می‌دن.

اگر دقت حرف اول رو می‌زنه → توجه کامل (Full Attention) و موقعیت‌دهی RoPE بهترین انتخاب هستن، اما هزینه‌ی منابع بالاتر خواهد بود.

✳️همچنین MoE (Mixture of Experts) کیفیت رو بدون افزایش زیاد هزینه‌ی محاسباتی بالا می‌بره، ولی VRAM بیشتری نیاز داره و دیپلوی سخت‌تر می‌شه.

در فاین‌تیونینگ:
✳️ مدل‌های کوچک (≈۱–۳B) → LoRA و خانواده‌اش بهترین بازدهی رو دارن.
✳️ مدل‌های بزرگ‌تر (≈۱۴B+) → RSLoRA معمولا برتره.
✳️ اگر چرخه‌های سریع مهم باشه → Freeze لایه‌ها سرعت رو چندبرابر می‌کنه.

در استنتاج:
♻️ کوانتیزه‌سازی تا int4 جهش بزرگی در صرفه‌جویی هزینه/وات/گیگابایت می‌ده، با اندکی افت دقت.
♻️ برای حفظ دقت بالا → bf16 معمولا بهتر از fp16 روی GPUهای مدرن عمل می‌کنه.


📌 جمع‌بندی:

کمبود VRAM → توجه بهینه + موقعیت نسبی + LoRA + int4

نیاز به حداکثر دقت → توجه کامل + RoPE + RSLoRA + bf16

محدودیت Compute → سراغ MoE بروید، اما VRAM رو حساب کنید

چرخه‌های سریع توسعه → Freeze موقت، بعد LoRA/RSLoRA


❓شما بیشتر کجا گیر می‌کنید؟ حافظه، سرعت، انرژی یا دقت؟

@rss_ai_ir
#هوش_مصنوعی #مدل_زبان_بزرگ #بهینه‌سازی #LLM #کارایی

🔴 در پروژه‌های صنعتی هوش مصنوعی، حضور بعضی افراد می‌تواند پروژه را به شکست بکشاند.

🚫 این افراد را در تیم خود استفاده نکنید:

1️⃣ تئوری‌زده‌های صرف: کسانی که فقط مقاله می‌خوانند و مدل می‌سازند، بدون توجه به محدودیت‌های واقعی صنعت مثل سخت‌افزار یا هزینه.
2️⃣ کدنویس‌های بی‌خبر از صنعت: برنامه‌نویس‌هایی که صرفاً به کد نگاه می‌کنند و فرآیند واقعی تولید یا محدودیت سنسورها را نمی‌شناسند.
3️⃣ فریلنسرهای بدون تعهد: افرادی که فقط برای دریافت پول وارد پروژه می‌شوند و بعد از تحویل، سیستم را بدون پشتیبانی رها می‌کنند.
4️⃣ مدیران غیر فنی با توقعات غیرواقعی: کسانی که فقط برای مد بودن به سراغ AI می‌آیند و انتظار دارند ظرف یک ماه کل خط تولید خودکار شود.
5️⃣ افراد تک‌بعدی و منزوی: کسانی که حاضر به تعامل بین‌رشته‌ای نیستند (مثلاً فقط دیتا ساینتیست یا فقط IT).
6️⃣ بی‌توجه به تست و مانیتورینگ: افرادی که فکر می‌کنند پروژه با آموزش مدل تمام می‌شود و نگهداری و پایش در عمل را نادیده می‌گیرند.


✅ بهترین تیم صنعتی ترکیبی است از دیتاساینتیست‌های آشنا به صنعت، مهندسان نرم‌افزار و DevOps، متخصصان صنعتی (Domain Experts) و مدیر پروژه واقع‌بین.

#هوش_مصنوعی #پروژه_صنعتی #مدیریت_پروژه #AI_industrial

🆔 @rss_ai_ir

⚙️ وقتی اتوماسیون شکست می‌خورد و دوباره به انسان‌ها نیاز می‌شود

📉 اجرای هوش مصنوعی در شرکت‌های آمریکا باعث تعدیل نیرو بسیار کمتر از پیش‌بینی‌ها شده است. بر اساس گزارش «روس‌کنگرس»، تنها ۱۴٪ کارکنان شغل خود را از دست داده‌اند، اما ۴۷٪ همچنان از خطر بیکاری به دلیل اتوماسیون نگران هستند.

🤖 تجربه نشان داده است که جایگزینی کامل انسان با هوش مصنوعی همیشه نتیجه مطلوبی ندارد. برای مثال در شرکت Klarna، چت‌بات‌ها نتوانستند خدمات مشتری را به‌خوبی ارائه دهند و شرکت مجبور شد بخشی از کارکنان را بازگرداند. همچنین IBM با معرفی AskHR تقریباً بخش منابع انسانی را حذف کرد، اما بعدها دوباره متخصصانی را برای وظایفی که نیازمند همدلی و تعامل انسانی بودند، استخدام کرد.


#هوش_مصنوعی #اتوماسیون #فناوری #تحول_دیجیتال #صنعتی

🆔 @rss_ai_ir

📸 یک بیلبورد جالب در سان‌فرانسیسکو:

«هوش مصنوعی نمی‌تواند یک فیش‌تاکو را گریل کند»

شرکت Pacific Catch با این شعار تبلیغ کرده که هرچقدر هم AI پیشرفت کند، هنوز بعضی چیزها مثل طعم و مهارت آشپزی انسانی جایگزین‌پذیر نیستند.

ولی خب، سؤال اصلی اینجاست:
⏳ واقعاً کی اولین «ربات تاکو» را خواهیم دید که بتواند همزمان هم ماهی را گریل کند، هم تاکو بپیچد، هم لبخند بزند؟

به نظر شما، ربات‌های آشپزخانه چقدر تا تسخیر فست‌فودها فاصله دارند؟ 🌮🤖

#AI #رباتیک #هوش_مصنوعی #آشپزخانه_هوشمند

@rss_ai_ir

🤖 ربات انسان‌نمای ALLEX معرفی شد

شرکت کره‌ای WIRobotics از ربات انسان‌نمای همه‌منظوره خود رونمایی کرد. این ربات دارای بازوهایی با اصطکاک بسیار پایین و قابلیت بازگردانی نیرو (backdrivable) و همچنین دست‌هایی شبیه انسان است.

🔹 مشخصات فنی چشمگیر:

♻️هر دست دارای ۱۵ درجه آزادی (DOF)
♻️توانایی بلند کردن اجسام بالای ۳۰ کیلوگرم
♻️قدرت بیش از ۴۰ نیوتن در نوک انگشتان


⚡ کره‌جنوبی با این دستاورد نشان داد که نه‌تنها در حوزه ضدپیری، بلکه در رباتیک، بیوتک و تحقیقات سرطان نیز جایگاهی فراتر از انتظار خود پیدا کرده است.

#Humanoid #Robotics #AI #WIRobotics #SouthKorea

⛔️ تازه یک مدل جدید برای ساخت دنیا معرفی شده!

🔗 همچنین WorldLabs ابزاری ساخته که فقط با یک تصویر، یک دنیا کامل سه‌بعدی می‌سازد.

✨ ویژگی‌ها:

♻️جهان‌ها برای همیشه در حافظه ذخیره می‌شوند و جزئیات از بین نمی‌رود.
♻️مبتنی بر 3D Gaussian Splatting (3DGS) است، پس می‌توان صحنه‌ها را با هم ترکیب یا تغییر داد.
♻️برخلاف روش‌های قدیمی، دنیاها مقیاس‌پذیر و قابل ویرایش در زمان واقعی هستند.


📌 فعلاً در حالت بتای خصوصی قرار دارد.

به‌نظرتان آینده‌ی بازی‌سازی و متاورس دقیقاً همین مسیر نیست؟ 🎮🌍

#AI #3D #WorldModel #GenerativeAI #Metaverse #GameTech
@rss_ai_ir

🔹 شرکت Anthropic دسترسی Claude Code را برای کاربران Team و Enterprise فعال کرد.

این نسخه شامل قابلیت‌های مدیریتی تازه است:
⚙️ کنترل‌های ادمین برای مدیریت هزینه
⚙️ تنظیم سیاست‌ها
⚙️ امکانات بیشتر برای مقیاس‌پذیری همراه با رشد مصرف

این تغییر به تیم‌ها کمک می‌کند راحت‌تر کدنویسی مبتنی بر Claude را در مقیاس سازمانی استفاده کنند.

#AI #Claude #Anthropic #Enterprise #Coding

@rss_ai_ir 🪙

🔬 یک نکته تخصصی در مورد CNN:

♻️در معماری‌های مدرن CNN به جای استفاده از پولینگ سنتی (MaxPooling/AvgPooling)، اغلب از stride > 1 در کانولوشن استفاده می‌شود.

📌 چرا؟

✅یادگیری‌پذیری بالاتر: بر خلاف Pooling که یک عمل ثابت و بدون پارامتر است، کانولوشن با stride بزرگ‌تر می‌تواند همزمان هم کاهش ابعاد بدهد و هم ویژگی‌های قابل یادگیری استخراج کند.

✅پایداری گرادیان: استفاده بیش‌ازحد از pooling می‌تواند باعث از دست رفتن اطلاعات ظریف و مشکلات در backpropagation شود.

✅دقت بالاتر در شبکه‌های عمیق: مدل‌هایی مثل ResNet و EfficientNet نشان داده‌اند که حذف یا کاهش pooling و جایگزینی آن با کانولوشن استرایددار (stride convolution) باعث بهبود generalization می‌شود.


⚡ نتیجه: در طراحی CNN برای پروژه‌های صنعتی، به جای اتکا به Pooling‌های متعدد، استفاده از کانولوشن استرایددار هم دقت بالاتر و هم بهینه‌سازی بهتری در حافظه و سرعت به همراه دارد.

@rss_ai_ir
#CNN #DeepLearning #هوش_مصنوعی #بینایی_ماشین #Convolution

🚀 شرکت علی‌بابا از پلتفرم جدید خود با نام Qoder رونمایی کرد؛ یک ابزار عامل‌محور برای کدنویسی که می‌تواند کل چرخه توسعه را از نوشتن کد تا تست و مونتاژ نهایی انجام دهد.

✨ ویژگی‌ها:

🖱 دو حالت کاری:
• Agent Mode → جفت‌برنامه‌نویسی با کنترل کامل
• Quest Mode → کدنویسی خودران از تعریف وظیفه تا تولید نهایی

🖱 توانایی تحلیل عمیق کدبیس‌های بزرگ، معماری و الگوها

🖱 ارائه‌ی راهنمایی هوشمند، مستندسازی خودکار و حافظه بلندمدت برای تطابق با سبک تیم

🖱 انتخاب خودکار بهترین مدل (Claude، Gemini، GPT و …) متناسب با وظیفه


🔓همچنین Qoder هم‌اکنون در Public Preview و به صورت رایگان در دسترس است.

⚡ مرز بین «توسعه‌دهنده انسانی» و «عامل هوش مصنوعی» حالا باریک‌تر از همیشه شده است.

@rss_ai_ir
#Alibaba #Qoder #AI #Coding #AgenticAI #هوش_مصنوعی

🫔 مدل انسان ATLAS؛ دستاورد تازه متا 🫔

شرکت Meta از مدل نوین بدن انسان با نام ATLAS رونمایی کرد؛ مدلی با دقت بالا که بر پایه ۶۰۰ هزار اسکن با وضوح بالا و توسط ۲۴۰ دوربین همگام‌سازی‌شده آموزش دیده است.

🔹 ویژگی‌ها:

* بازسازی سه‌بعدی با جزئیات بسیار بالا
* قابلیت استفاده در انیمیشن، متاورس و واقعیت افزوده
* یادگیری از دیتاست بی‌نظیر با مقیاس عظیم

📌 منابع:

📄 مقاله: [arXiv](https://arxiv.org/pdf/2508.15767)
🌐 پروژه: [ATLAS Project Page](https://jindapark.github.io/projects/atlas/)
💻 کد: به‌زودی منتشر خواهد شد

@rss_ai_ir
#هوش_مصنوعی #متا #ATLAS #مدل_سه‌بعدی #متاورس #بینایی_ماشین

📌 بینایی ماشین در خدمت صنعت

هوش مصنوعی و بینایی ماشین در خطوط تولید دیگر یک انتخاب لوکس نیست، بلکه یک ضرورت است. نمونه‌ی تازه از DeepX نشان می‌دهد چگونه می‌توان با مدل‌های پردازش تصویر، بهره‌وری و ایمنی را چند برابر کرد:

🔹 ردیابی لحظه‌ای اشیا: شناسایی و دنبال‌کردن بطری‌ها و محصولات روی خط تولید.
🔹 تشخیص عیوب: کشف ایراداتی که از چشم انسان پنهان می‌ماند (مانند بطری‌های معیوب ۲۳ و ۲۸).
🔹 اسکن موجودی انبار: شناسایی خودکار جایگاه‌های خالی و پایش لحظه‌ای انبار.
🔹 ردیابی کارکنان: تحلیل حرکات کارکنان برای افزایش ایمنی و جلوگیری از ورود به مناطق خطرناک.

⚡️ این فناوری‌ها نه‌تنها باعث کاهش خطا و افزایش سرعت می‌شوند، بلکه امنیت کارگران و کیفیت محصول را هم تضمین می‌کنند.
@rss_ai_ir
#AI_industrial #ComputerVision #SmartFactory #Industry40

📊 سرعت پیشرفت Grok

طبق آخرین داده‌ها، در دو هفته گذشته اپلیکیشن iOS Grok بیش از ۲۵ بار به‌روزرسانی شده، در حالی که رقبایی مثل ChatGPT، Claude، Gemini و DeepSeek فقط چند آپدیت جزئی داشته‌اند.

⚡ ایلان ماسک در X نوشت:
اگر این نرخ پیشرفت ادامه پیدا کند، شرکت xAI با اختلاف قابل توجهی از دیگر شرکت‌های هوش مصنوعی جلو خواهد زد. به‌روزرسانی‌های اپ تقریباً هم‌تراز با ارتقاءهای داخلی هستند.

به‌نظر می‌رسد استراتژی Grok بر سرعت تکرار و ارائه ویژگی‌های جدید متمرکز است؛ چیزی که می‌تواند آینده رقابت در حوزه چت‌بات‌ها را تغییر دهد.

@rss_ai_ir
#Grok #هوش_مصنوعی #xAI #ElonMusk

✍️ نشخوار علمی با طعم هوش مصنوعی

گاهی اوقات شاهدیم که برخی افراد بدون داشتن پشتوانه علمی عمیق، تنها با کمک هوش مصنوعی و تکرار سطحی مفاهیم، در جمع مدیران و تصمیم‌گیران به‌عنوان «خدای علمی» معرفی می‌شوند. این پدیده چیزی شبیه به نشخوار علمی است: بازگو کردن جملات و مقالات آماده، بدون درک ریشه‌ای و توانایی تحلیل.

⚡ چرا این خطرناک است؟

1️⃣ تصمیم‌گیری‌های اشتباه: وقتی مدیران بر اساس این نمایش‌های سطحی تصمیم بگیرند، پروژه‌ها ممکن است به بیراهه بروند.

2️⃣ ایجاد توهم تخصص: فردی که تنها مصرف‌کننده خروجی هوش مصنوعی است، ممکن است به‌عنوان متخصص شناخته شود، در حالی‌که در عمل توانایی حل مسائل واقعی را ندارد.

3️⃣ اتلاف منابع در صنعت: پروژه‌های نیمه‌کاره، خرید تجهیزات غیرضروری یا انتخاب تکنولوژی‌های نادرست نتیجه مستقیم این توهم علمی است.

4️⃣ تضعیف نیروهای واقعی: متخصصان واقعی که با سال‌ها تجربه و دانش عمیق کار می‌کنند، ممکن است نادیده گرفته شوند و جایگاهشان را افراد سطحی بگیرند.

💡 در نهایت، هوش مصنوعی باید ابزار تقویت تخصص واقعی باشد، نه پرده‌ای برای پنهان کردن بی‌دانشی. اگر صنعت گرفتار این نشخوار علمی شود، نه تنها پیشرفتی رخ نمی‌دهد، بلکه هزینه‌های مالی و زمانی سنگینی نیز به سازمان‌ها تحمیل خواهد شد.

#هوش_مصنوعی #علمی #صنعت #تصمیم_گیری #تکنولوژی #AI #مدیریت
@rss_ai_ir