⚡️ گوگل سامانه‌ای ساخت که خودش سازمان می‌یابد — و شاید مسیر ساخت مدل‌ها را عوض کند!
پروژه‌ای به نام TUMIX از تیم Google، به‌گفته‌ی بسیاری، یکی از هیجان‌انگیزترین کارهای هوش مصنوعی امسال است.
---
💡 به‌جای آموزش یک مدل غول‌پیکر دیگر، گوگل سیستمی ساخته که در آن چندین عامل هوشمند (AI agents) هم‌زمان و هماهنگ کار می‌کنند.
هر کدام نقش مخصوص خود را دارند:
یکی کد می‌نویسد 💻
دیگری جست‌وجو می‌کند 🔍
سومی با زبان طبیعی استدلال می‌کند 🧠
همگی به‌صورت مستقل روی یک مسئله کار می‌کنند، سپس پاسخ‌ها را با هم به اشتراک گذاشته، اصلاح کرده و به تصمیم نهایی جمعی می‌رسند.
---
📈 نتیجه:
مدل Gemini 2.5 + TUMIX در آزمون‌های استدلالی تا 17.4٪ بهتر از همه سیستم‌های دیگر عمل کرد،
در حالی که هزینه‌ی استنتاج تقریباً نصف شد!
بدون داده‌ی جدید، بدون آموزش اضافی — فقط با هماهنگی هوشمند میان چند عامل.
---
✨ نکته‌ی جالب: راز موفقیت در بزرگی مدل نیست، بلکه در تنوع است.
گروهی از ۱۵ عامل متفاوت عملکردی بهتر از ۱۵ نسخه‌ی یکسان از “بهترین مدل تکی” داشتند.
و وقتی خود Gemini عامل‌های جدید طراحی کرد، سیستم حتی از قبل هم بهتر شد — یعنی خودتکاملی (self-evolution) در عمل!
---
🧩 این پژوهش نشان می‌دهد:
شاید گام بعدی در تکامل هوش مصنوعی، نه از «تریلیون پارامتر»، بلکه از شبکه‌ای از مدل‌های کوچک و هماهنگ بیاید که یاد می‌گیرند با هم فکر کنند.
📄 جزئیات کامل:
arxiv.org/pdf/2510.01279
@rss_ai_ir
#Google #TUMIX #AIagents #Gemini #AIresearch #Coordination #MultiAgent #ArtificialIntelligence
پروژه‌ای به نام TUMIX از تیم Google، به‌گفته‌ی بسیاری، یکی از هیجان‌انگیزترین کارهای هوش مصنوعی امسال است.
---
💡 به‌جای آموزش یک مدل غول‌پیکر دیگر، گوگل سیستمی ساخته که در آن چندین عامل هوشمند (AI agents) هم‌زمان و هماهنگ کار می‌کنند.
هر کدام نقش مخصوص خود را دارند:
یکی کد می‌نویسد 💻
دیگری جست‌وجو می‌کند 🔍
سومی با زبان طبیعی استدلال می‌کند 🧠
همگی به‌صورت مستقل روی یک مسئله کار می‌کنند، سپس پاسخ‌ها را با هم به اشتراک گذاشته، اصلاح کرده و به تصمیم نهایی جمعی می‌رسند.
---
📈 نتیجه:
مدل Gemini 2.5 + TUMIX در آزمون‌های استدلالی تا 17.4٪ بهتر از همه سیستم‌های دیگر عمل کرد،
در حالی که هزینه‌ی استنتاج تقریباً نصف شد!
بدون داده‌ی جدید، بدون آموزش اضافی — فقط با هماهنگی هوشمند میان چند عامل.
---
✨ نکته‌ی جالب: راز موفقیت در بزرگی مدل نیست، بلکه در تنوع است.
گروهی از ۱۵ عامل متفاوت عملکردی بهتر از ۱۵ نسخه‌ی یکسان از “بهترین مدل تکی” داشتند.
و وقتی خود Gemini عامل‌های جدید طراحی کرد، سیستم حتی از قبل هم بهتر شد — یعنی خودتکاملی (self-evolution) در عمل!
---
🧩 این پژوهش نشان می‌دهد:
شاید گام بعدی در تکامل هوش مصنوعی، نه از «تریلیون پارامتر»، بلکه از شبکه‌ای از مدل‌های کوچک و هماهنگ بیاید که یاد می‌گیرند با هم فکر کنند.
📄 جزئیات کامل:
arxiv.org/pdf/2510.01279
@rss_ai_ir
#Google #TUMIX #AIagents #Gemini #AIresearch #Coordination #MultiAgent #ArtificialIntelligence
❤3👏1👀1
This media is not supported in your browser
VIEW IN TELEGRAM
🧠 Perplexity
حالت جدید آموزش تعاملی زبان را معرفی کرد
مجموعه Perplexity حالت تازه‌ای برای یادگیری زبان اضافه کرده که چت‌بات هوش مصنوعی آن را به یک مدرس تعاملی تبدیل می‌کند — ابزاری که به کاربران کمک می‌کند در لحظه دایره لغات خود را گسترش دهند و گرامر را بهتر بفهمند.
🔸 این قابلیت در خود چت کارت‌های آموزشی (فلش‌کارت) با لغات جدید، تلفظ صحیح و جملات نمونه تولید می‌کند.
🔸 کاربران همچنین می‌توانند در همان گفتگو سؤالات گرامری بپرسند یا درخواست توضیح بدهند.
🔸 حالت جدید هم‌اکنون در نسخه‌های iOS و وب فعال است و استفاده از Perplexity را فراتر از جست‌وجو و تحقیق گسترش می‌دهد.
⛔️همچنین Perplexity حالا خود را به‌عنوان ترکیبی از موتور دانش و مربی شخصی زبان معرفی می‌کند.
📊 @rss_ai_ir
#AI #Perplexity #LanguageLearning #EdTech #Chatbot #ArtificialIntelligence
حالت جدید آموزش تعاملی زبان را معرفی کرد
مجموعه Perplexity حالت تازه‌ای برای یادگیری زبان اضافه کرده که چت‌بات هوش مصنوعی آن را به یک مدرس تعاملی تبدیل می‌کند — ابزاری که به کاربران کمک می‌کند در لحظه دایره لغات خود را گسترش دهند و گرامر را بهتر بفهمند.
🔸 این قابلیت در خود چت کارت‌های آموزشی (فلش‌کارت) با لغات جدید، تلفظ صحیح و جملات نمونه تولید می‌کند.
🔸 کاربران همچنین می‌توانند در همان گفتگو سؤالات گرامری بپرسند یا درخواست توضیح بدهند.
🔸 حالت جدید هم‌اکنون در نسخه‌های iOS و وب فعال است و استفاده از Perplexity را فراتر از جست‌وجو و تحقیق گسترش می‌دهد.
⛔️همچنین Perplexity حالا خود را به‌عنوان ترکیبی از موتور دانش و مربی شخصی زبان معرفی می‌کند.
📊 @rss_ai_ir
#AI #Perplexity #LanguageLearning #EdTech #Chatbot #ArtificialIntelligence
❤2
مدل GPT-5 تنها ۵۸ درصد به AGI نزدیک است 🧠
۲۸ آزمایشگاه بزرگ و تأثیرگذار در حوزه‌ی هوش مصنوعی گرد هم آمده‌اند تا سرانجام تعریف دقیقی از AGI (هوش عمومی مصنوعی) ارائه دهند — و این نخستین پژوهش علمی است که این مفهوم را به‌صورت کمّی تبیین می‌کند. در میان نویسندگان مقاله، نام یوشوا بنجیو (Yoshua Bengio)، یکی از پدران هوش مصنوعی نیز دیده می‌شود.
💡 تعریف AGI (کوتاه اما پرمغز):
> مفهوم AGI یعنی سامانه‌ای از هوش مصنوعی که می‌تواند در گستره (versatility) و عمق (proficiency) توانایی‌های شناختی، با یک انسان بالغ تحصیل‌کرده قابل مقایسه باشد.
---
🔬 اما چطور می‌توان آن را اندازه‌گیری کرد؟
پژوهشگران از یک مدل شناخته‌شده در روان‌سنجی به نام مدل Cattell–Horn–Carroll (CHC) استفاده کردند — مدلی که هوش انسان را به ۱۰ توانایی شناختی اصلی تقسیم می‌کند:
1. دانش عمومی و عقل سلیم
2. درک و نگارش متن
3. ریاضیات
4. حل مسائل جدید و استدلال منطقی
5. حافظه‌ی کوتاه‌مدت
6. حافظه‌ی بلندمدت و یادگیری
7. بازیابی و استخراج دانش
8. درک و خلق تصاویر
9. درک گفتار و موسیقی
10. سرعت پردازش اطلاعات
بر اساس این شاخص‌ها، پژوهشگران هم انسان و هم مدل‌های زبانی را ارزیابی کردند.
---
📊 نتایج:
اول GPT-4: تنها ۲۷٪ از AGI
دوم GPT-5: حدود ۵۸٪ از AGI
✅یعنی GPT-5 اکنون بیش از نیمی از پروفایل شناختی یک انسان بالغ تحصیل‌کرده را دارد — پیشرفتی چشمگیر، اما هنوز راه درازی تا دستیابی به هوش عمومی کامل در پیش است.
---
⚠️ نقاط ضعف GPT-5:
♻️حافظه‌ی بلندمدت
♻️درک دیداری و شنیداری
♻️سرعت واکنش
♻️تفکر انعطاف‌پذیر
---
⛔️به‌نظر می‌رسد این تعریف عینی، علمی و قابل‌اندازه‌گیری است — قطعاً بسیار بهتر از تعریف شرکت‌هایی مانند OpenAI و Microsoft، که AGI را به‌سادگی "هوشی که سالانه ۱۰۰ میلیارد دلار سود تولید کند" 💀 توصیف کرده‌اند!
#هوش_مصنوعی #AGI #GPT5 #یوشوا_بنجیو #یادگیری_ماشین #AI #ArtificialIntelligence
۲۸ آزمایشگاه بزرگ و تأثیرگذار در حوزه‌ی هوش مصنوعی گرد هم آمده‌اند تا سرانجام تعریف دقیقی از AGI (هوش عمومی مصنوعی) ارائه دهند — و این نخستین پژوهش علمی است که این مفهوم را به‌صورت کمّی تبیین می‌کند. در میان نویسندگان مقاله، نام یوشوا بنجیو (Yoshua Bengio)، یکی از پدران هوش مصنوعی نیز دیده می‌شود.
💡 تعریف AGI (کوتاه اما پرمغز):
> مفهوم AGI یعنی سامانه‌ای از هوش مصنوعی که می‌تواند در گستره (versatility) و عمق (proficiency) توانایی‌های شناختی، با یک انسان بالغ تحصیل‌کرده قابل مقایسه باشد.
---
🔬 اما چطور می‌توان آن را اندازه‌گیری کرد؟
پژوهشگران از یک مدل شناخته‌شده در روان‌سنجی به نام مدل Cattell–Horn–Carroll (CHC) استفاده کردند — مدلی که هوش انسان را به ۱۰ توانایی شناختی اصلی تقسیم می‌کند:
1. دانش عمومی و عقل سلیم
2. درک و نگارش متن
3. ریاضیات
4. حل مسائل جدید و استدلال منطقی
5. حافظه‌ی کوتاه‌مدت
6. حافظه‌ی بلندمدت و یادگیری
7. بازیابی و استخراج دانش
8. درک و خلق تصاویر
9. درک گفتار و موسیقی
10. سرعت پردازش اطلاعات
بر اساس این شاخص‌ها، پژوهشگران هم انسان و هم مدل‌های زبانی را ارزیابی کردند.
---
📊 نتایج:
اول GPT-4: تنها ۲۷٪ از AGI
دوم GPT-5: حدود ۵۸٪ از AGI
✅یعنی GPT-5 اکنون بیش از نیمی از پروفایل شناختی یک انسان بالغ تحصیل‌کرده را دارد — پیشرفتی چشمگیر، اما هنوز راه درازی تا دستیابی به هوش عمومی کامل در پیش است.
---
⚠️ نقاط ضعف GPT-5:
♻️حافظه‌ی بلندمدت
♻️درک دیداری و شنیداری
♻️سرعت واکنش
♻️تفکر انعطاف‌پذیر
---
⛔️به‌نظر می‌رسد این تعریف عینی، علمی و قابل‌اندازه‌گیری است — قطعاً بسیار بهتر از تعریف شرکت‌هایی مانند OpenAI و Microsoft، که AGI را به‌سادگی "هوشی که سالانه ۱۰۰ میلیارد دلار سود تولید کند" 💀 توصیف کرده‌اند!
#هوش_مصنوعی #AGI #GPT5 #یوشوا_بنجیو #یادگیری_ماشین #AI #ArtificialIntelligence
🤖 MiniMax-M2 —
نسل جدید مدل‌های MoE از سری MiniMax
مدل MiniMax-M2 نقطه‌ی عطفی در بهینه‌سازی هوش مصنوعی است:
با ۲۳۰ میلیارد پارامتر (که تنها ۱۰ میلیارد از آن‌ها فعال‌اند)، این مدل ترکیبی از قدرت مدل‌های بزرگ LLM و کارایی بالا برای کاربردهای عامل‌محور (Agentic) و برنامه‌نویسی است ⚙️
---
🔹 ویژگی‌های کلیدی
🧠 هوش در سطح جهانی:
بر اساس گزارش Artificial Analysis، مدل MiniMax-M2 عملکردی درخشان در ریاضیات، علوم، برنامه‌نویسی و استدلال چندمرحله‌ای دارد.
در شاخص هوش کلی، در رتبه‌ی #۱ بین مدل‌های متن‌باز قرار گرفته است.
💻 کدنویسی هوشمند:
برای کل چرخه توسعه طراحی شده — از ویرایش فایل تا تست و تصحیح خودکار کد.
در آزمون‌های Terminal-Bench و SWE-Bench نتایج عالی گرفته و در IDE و CI/CD بسیار مؤثر عمل می‌کند.
🧩 توانایی‌های عامل‌محور (Agentic):
توانایی برنامه‌ریزی و اجرای زنجیره‌های پیچیده‌ی اقدامات از طریق shell، مرورگر، retrieval و code runner دارد.
در آزمون BrowseComp به‌خوبی منابع سخت‌دسترس را پیدا کرده و پس از خطاها بدون از دست دادن رشته استدلال ادامه می‌دهد.
⚙️ معماری ترکیبی:
♻️همچنین MiniMax-M2 بر پایه‌ی GPT-OSS ساخته شده و از Full Attention و Sliding Window Attention (SWA) به‌صورت هم‌زمان استفاده می‌کند.
♻️این ترکیب باعث می‌شود مدل هم دید کلی داشته باشد و هم روی بخش‌های نزدیک تمرکز کند — تعادل بین حافظه‌ی طولانی و دقت محلی.
♻️هر سر attention نرمال‌سازی مستقل (RMSNorm) دارد، و پارامترهای RoPE در بخش‌های مختلف متفاوت‌اند، که منجر به پایداری و انعطاف بالا می‌شود.
---
🚀 نتیجه:
همچنین MiniMax-M2 استاندارد جدیدی برای عامل‌های هوشمند و برنامه‌نویسی خودکار است —
هوشمندتر، سریع‌تر و اقتصادی‌تر از مدل‌های مشابه.
🔗 https://huggingface.co/MiniMaxAI/MiniMax-M2
@rss_ai_ir
#AI #MiniMax #LLM #ArtificialIntelligence #Benchmarks #AgenticAI #Coding
نسل جدید مدل‌های MoE از سری MiniMax
مدل MiniMax-M2 نقطه‌ی عطفی در بهینه‌سازی هوش مصنوعی است:
با ۲۳۰ میلیارد پارامتر (که تنها ۱۰ میلیارد از آن‌ها فعال‌اند)، این مدل ترکیبی از قدرت مدل‌های بزرگ LLM و کارایی بالا برای کاربردهای عامل‌محور (Agentic) و برنامه‌نویسی است ⚙️
---
🔹 ویژگی‌های کلیدی
🧠 هوش در سطح جهانی:
بر اساس گزارش Artificial Analysis، مدل MiniMax-M2 عملکردی درخشان در ریاضیات، علوم، برنامه‌نویسی و استدلال چندمرحله‌ای دارد.
در شاخص هوش کلی، در رتبه‌ی #۱ بین مدل‌های متن‌باز قرار گرفته است.
💻 کدنویسی هوشمند:
برای کل چرخه توسعه طراحی شده — از ویرایش فایل تا تست و تصحیح خودکار کد.
در آزمون‌های Terminal-Bench و SWE-Bench نتایج عالی گرفته و در IDE و CI/CD بسیار مؤثر عمل می‌کند.
🧩 توانایی‌های عامل‌محور (Agentic):
توانایی برنامه‌ریزی و اجرای زنجیره‌های پیچیده‌ی اقدامات از طریق shell، مرورگر، retrieval و code runner دارد.
در آزمون BrowseComp به‌خوبی منابع سخت‌دسترس را پیدا کرده و پس از خطاها بدون از دست دادن رشته استدلال ادامه می‌دهد.
⚙️ معماری ترکیبی:
♻️همچنین MiniMax-M2 بر پایه‌ی GPT-OSS ساخته شده و از Full Attention و Sliding Window Attention (SWA) به‌صورت هم‌زمان استفاده می‌کند.
♻️این ترکیب باعث می‌شود مدل هم دید کلی داشته باشد و هم روی بخش‌های نزدیک تمرکز کند — تعادل بین حافظه‌ی طولانی و دقت محلی.
♻️هر سر attention نرمال‌سازی مستقل (RMSNorm) دارد، و پارامترهای RoPE در بخش‌های مختلف متفاوت‌اند، که منجر به پایداری و انعطاف بالا می‌شود.
---
🚀 نتیجه:
همچنین MiniMax-M2 استاندارد جدیدی برای عامل‌های هوشمند و برنامه‌نویسی خودکار است —
هوشمندتر، سریع‌تر و اقتصادی‌تر از مدل‌های مشابه.
🔗 https://huggingface.co/MiniMaxAI/MiniMax-M2
@rss_ai_ir
#AI #MiniMax #LLM #ArtificialIntelligence #Benchmarks #AgenticAI #Coding
❤3
💰 مایکروسافت رسماً سهم خود در OpenAI را تثبیت کرد — توافقی به ارزش ۱۳۵ میلیارد دلار!
🔹 بر اساس اعلام رسمی، مایکروسافت اکنون مالک ۲۷٪ از سهام OpenAI است که ارزش آن حدود ۱۳۵ میلیارد دلار برآورد می‌شود.
🔹 همچنین، OpenAI متعهد شده است ۲۵۰ میلیارد دلار از خدمات Azure را در سال‌های آینده خریداری کند. ☁️
🤝 طبق توافق، تا زمانی که هوش مصنوعی عمومی (AGI) به‌طور رسمی توسط کمیسیون مستقل تأیید نشده،
مایکروسافت شریک انحصاری ابری و API برای تمام مدل‌ها و محصولات OpenAI باقی می‌ماند.
⚙️ پس از ظهور AGI، این انحصار پایان می‌یابد، اما مایکروسافت حقوق مالکیت و بهره‌برداری از تمام فناوری‌های پیش از AGI را برای همیشه حفظ خواهد کرد.
🔗 منبع رسمی:
Next Chapter of Microsoft & OpenAI Partnership
@rss_ai_ir
#OpenAI #Microsoft #AGI #AI #LLM #Azure #ArtificialIntelligence
🔹 بر اساس اعلام رسمی، مایکروسافت اکنون مالک ۲۷٪ از سهام OpenAI است که ارزش آن حدود ۱۳۵ میلیارد دلار برآورد می‌شود.
🔹 همچنین، OpenAI متعهد شده است ۲۵۰ میلیارد دلار از خدمات Azure را در سال‌های آینده خریداری کند. ☁️
🤝 طبق توافق، تا زمانی که هوش مصنوعی عمومی (AGI) به‌طور رسمی توسط کمیسیون مستقل تأیید نشده،
مایکروسافت شریک انحصاری ابری و API برای تمام مدل‌ها و محصولات OpenAI باقی می‌ماند.
⚙️ پس از ظهور AGI، این انحصار پایان می‌یابد، اما مایکروسافت حقوق مالکیت و بهره‌برداری از تمام فناوری‌های پیش از AGI را برای همیشه حفظ خواهد کرد.
🔗 منبع رسمی:
Next Chapter of Microsoft & OpenAI Partnership
@rss_ai_ir
#OpenAI #Microsoft #AGI #AI #LLM #Azure #ArtificialIntelligence
🔥3👍2👏1
This media is not supported in your browser
VIEW IN TELEGRAM
🎥 مصاحبه‌ای فوتورئالیستی با یک کودک ۸ ساله‌ی مصنوعی
پرامپت:
«کودکی ۸ ساله با چهره‌ای غمگین در حال مصاحبه است. او می‌داند که ساخته‌ی هوش مصنوعی است و از این موضوع ناراحت است. به پرسش‌های مصاحبه‌گر خردمندانه اما کودکانه پاسخ می‌دهد: “چه احساسی دارد که یک هوش مصنوعی باشی؟” پس‌زمینه آبی تیره.»
نتیجه؟
به‌نظر می‌رسد مرز “دره‌ی وهم‌انگیز” رسماً پشت سر گذاشته شده است.
احساس، غم، و حتی درک هستی — همه در چهره‌ی یک تصویر ساخته‌شده توسط هوش مصنوعی.
📽 ساخته‌شده با:
Sora 2, Kling, Nano Banana, Krea, Artlist, Resolve
📌 جزئیات و ویدیو کامل در
https://www.linkedin.com/feed/update/urn:li:activity:7385712069519646720/
@rss_ai_ir
#هوش_مصنوعی #AI #Sora #Kling #NanoBanana #artificialintelligence #cg
پرامپت:
«کودکی ۸ ساله با چهره‌ای غمگین در حال مصاحبه است. او می‌داند که ساخته‌ی هوش مصنوعی است و از این موضوع ناراحت است. به پرسش‌های مصاحبه‌گر خردمندانه اما کودکانه پاسخ می‌دهد: “چه احساسی دارد که یک هوش مصنوعی باشی؟” پس‌زمینه آبی تیره.»
نتیجه؟
به‌نظر می‌رسد مرز “دره‌ی وهم‌انگیز” رسماً پشت سر گذاشته شده است.
احساس، غم، و حتی درک هستی — همه در چهره‌ی یک تصویر ساخته‌شده توسط هوش مصنوعی.
📽 ساخته‌شده با:
Sora 2, Kling, Nano Banana, Krea, Artlist, Resolve
📌 جزئیات و ویدیو کامل در
https://www.linkedin.com/feed/update/urn:li:activity:7385712069519646720/
@rss_ai_ir
#هوش_مصنوعی #AI #Sora #Kling #NanoBanana #artificialintelligence #cg
❤1😢1