‏🤖 انتشار مدل هوش مصنوعی Muse Ember توسط متا

‏شرکت متا مدل جدید و فشرده خود به نام Muse Ember را برای استفاده در وظایف عاملی (Agentic tasks) عرضه کرد. این مدل برای کاربردهایی نظیر فراخوانی ابزارها، تحلیل اسناد حجیم، مسیریابی و نوشتن کدهای برنامه‌نویسی بهینه‌سازی شده است.

‏بر اساس گزارش ارزیابی رسمی، این مدل در نسبت کارایی به قیمت، عملکرد بهتری نسبت به مدل‌های Claude Haiku 3.5 و GPT-4o mini (نسخه‌های پایه) نشان می‌دهد.

‏ویژگی‌های کلیدی Muse Ember:
‏* پشتیبانی از پنجره زمینه (Context Window) یک میلیون توکنی
‏* قابلیت تولید ۵۱۲ هزار توکن در خروجی
‏* قابلیت‌های چندوجهی برای پردازش مستقیم ویدیو، صدا و تصویر
‏* دسترسی از طریق API با شناسه muse-ember-1.0
‏* عرضه در Google Cloud و Oracle Cloud

‏هزینه استفاده از این مدل ۱۰ سنت برای هر میلیون توکن ورودی و ۵۰ سنت برای هر میلیون توکن خروجی تعیین شده است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#Muse_Ember #Agentic_tasks

‏🤖 انتشار مدل Gemini 4 Carbon گوگل

‏گوگل مدل جدید Gemini 4 Carbon را با تمرکز بر برنامه‌نویسی، وظایف علمی و عامل‌های هوشمند (AI Agents) معرفی کرد. این مدل در سه بنچمارک اصلی CursorBench 4.0، Perplexity WANDR و Zapier AutomationBench رتبه نخست را کسب کرده است.

‏علاوه بر بهبود عملکرد، هزینه اجرای وظایف در این مدل نسبت به نزدیک‌ترین رقیب، بیش از ۵۰ درصد کاهش یافته است. گوگل همچنین قابلیت /swarm را برای پلتفرم Antigravity ارائه کرده که امکان فعالیت موازی چندین عامل هوشمند برای نوشتن، بررسی و تست کد را فراهم می‌کند. در حوزه‌های علمی، Carbon توانسته است در آزمایش‌های شناسایی همولوگ‌های پروتئینی، بازدهی را به‌طور میانگین ۴۰ برابر افزایش دهد.

‏هزینه استفاده از API تا ۳۰ نوامبر به ازای هر یک میلیون توکن ورودی ۲ دلار و برای توکن‌های خروجی ۱۰ دلار تعیین شده است که پس از این تاریخ به ترتیب به ۴ و ۲۰ دلار افزایش می‌یابد. دسترسی به این مدل از طریق Google AI Studio و Gemini API امکان‌پذیر است.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#Gemini_4_Carbon #Antigravity

‏🌐 انتشار عمومی منابع آموزشی اندری کارپاتی

‏اندری کارپاتی، از چهره‌های حوزه هوش مصنوعی، تمام منابع دوره‌های آموزشی خود را به‌صورت رایگان در گیت‌هاب منتشر کرد. این مجموعه شامل ۷ پروژه کاربردی است که برای درک سازوکار مدل‌های زبانی بزرگ (LLM) و مفاهیم پایه طراحی شده‌اند:

‏* nn-zero-to-hero: آموزش ساخت شبکه عصبی از پایه.
‏* micrograd: درک ریاضیات و فرایند آموزش هوش مصنوعی با کدنویسی حداقلی.
‏* makemore: ساخت مدلی برای تولید داده‌های جدید بر اساس الگوها.
‏* minbpe: آموزش نحوه تبدیل متن به توکن (Tokenizer).
‏* nanoGPT: آموزش ساخت و آموزش یک مدل GPT اختصاصی.
‏* nanochat: طراحی یک نسخه ساده از ChatGPT.
‏* autoresearch: ساخت ایجنت‌هایی برای اجرای خودکار آزمایش‌های هوش مصنوعی روی GPU.

‏این منابع در مجموع بیش از ۲۸۴ هزار ستاره در گیت‌هاب دریافت کرده‌اند و تمامی ابزارهای لازم برای درک زیرساخت‌های هوش مصنوعی را به‌صورت متن‌باز در اختیار علاقه‌مندان قرار می‌دهند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#Andrej_Karpathy #nanoGPT

🧠 خلاصه تحولات 48 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #17 | 📌 6 آیتم گزارش | 🧾 از 26 پست بررسی‌شده
🕐 دوشنبه 1405/08/18 ساعت 14:00 تا چهارشنبه 1405/08/20 ساعت 14:00

ریسک امنیتی ابزارهای کدنویسی هوش مصنوعی
استفاده از ابزارهای کدنویسی ناشناخته یا فایل‌های اجرایی مرتبط با توسعه مدل‌های هوش مصنوعی می‌تواند به دسترسی غیرمجاز به توکن‌های استقرار و سیستم‌های حساس منجر شود. برای کاهش این ریسک، استفاده از کلیدهای امنیتی سخت‌افزاری به جای روش‌های احراز هویت پیامکی و بازبینی دوره‌ای دسترسی افزونه‌های ویرایشگر کد، اقدامات پیشگیرانه ضروری برای تیم‌های فنی محسوب می‌شود.

🔬 امنیت و مدیریت ایجنت‌ها

نفوذ به سیستم‌ها از طریق ابزارهای کدنویسی
سرقت اطلاعات از طریق ابزارهای آلوده و ضرورت استفاده از Passkey

سیستم توقف اضطراری Control Room
قابلیت OpenAI برای قطع سریع آزمایش‌های هوش مصنوعی در کمتر از ۳۵ ثانیه

🤖 مدل‌های جدید هوش مصنوعی

معرفی Claude Fable 5.2 و Mythos 5.2
افزایش ۳۰ درصدی سرعت توکن و قابلیت ارکستراسیون تا ۱۰۰۰ عامل

عرضه مدل Gemini 4 Carbon گوگل
تمرکز بر برنامه‌نویسی با کاهش ۵۰ درصدی هزینه اجرای وظایف

🛠 منابع فنی و ابزارهای توسعه

ابزار Lattice برای نگارش مقاله با LaTeX
نرم‌افزار محلی با قابلیت اتصال ایجنت‌های کدنویسی و همگام‌سازی دوطرفه

انتشار منابع آموزشی اندری کارپاتی
دسترسی آزاد به ۷ پروژه آموزشی برای درک ساختار مدل‌های زبانی

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

‏راهنمای سریع مفاهیم یادگیری عمیق

‏این راهنما شامل فرمول‌ها و مفاهیم پایه برای درک ساختار شبکه‌های عصبی است. این خلاصه‌ترین موارد برای مرور سریع فنی به شرح زیر است:

‏- نورون مصنوعی و فعال‌سازها: فرمول‌بندی پایه نورون و توابع فعال‌سازی پرکاربرد مانند ReLU، Sigmoid، Tanh و Leaky ReLU.
‏- فرآیند آموزش: مراحل انتشار رو به جلو (Forward)، پس‌انتشار خطا (Backpropagation) و الگوریتم‌های بهینه‌سازی از جمله Gradient Descent و Adam.
‏- توابع هزینه: استفاده از MSE برای رگرسیون و Cross-Entropy برای مسائل دسته‌بندی.
‏- معماری‌های رایج: کاربرد مدل‌های FNN برای داده‌های جدولی، CNN برای تصویر، RNN برای داده‌های متوالی و Transformer در پردازش زبان طبیعی.
‏- تنظیم مدل (Regularization): روش‌های پیشگیری از بیش‌برازش (Overfitting) شامل L1، L2، Dropout و توقف زودهنگام.
‏- ارزیابی: استفاده از ماتریس درهم‌ریختگی (Confusion Matrix) برای محاسبه Accuracy، Precision، Recall و F1 Score.
‏- اَبَرپارامترها: تنظیماتی مانند نرخ یادگیری (Learning rate)، اندازه دسته (Batch size) و تعداد لایه‌ها.

🇮🇷 تلگرام

‏🧠 توابع فعال‌ساز در یادگیری عمیق

‏توابع فعال‌ساز با وارد کردن غیرخطی‌بودن به شبکه عصبی، امکان یادگیری الگوهای پیچیده را فراهم می‌کنند. در ادامه مهم‌ترین این توابع و کاربرد آن‌ها آورده شده است:

‏* Sigmoid: خروجی بین ۰ و ۱ تولید می‌کند و معمولاً در لایه‌های خروجی برای دسته‌بندی دوتایی (Binary) به کار می‌رود.
‏* Tanh: خروجی را بین ۱- و ۱ نگاشت می‌کند و به دلیل مرکزیت در صفر، اغلب عملکرد بهتری نسبت به Sigmoid دارد.
‏* ReLU: مقدار ورودی‌های منفی را صفر می‌کند و برای لایه‌های پنهان به دلیل سادگی و سرعت محاسباتی، انتخاب استانداردی است.
‏* Leaky ReLU: با تخصیص مقدار کوچکی به ورودی‌های منفی، از مشکل مرگ تدریجی نورون‌ها (Dying ReLU) جلوگیری می‌کند.
‏* PReLU: مشابه Leaky ReLU است با این تفاوت که شیب بخش منفی را در حین آموزش یاد می‌گیرد.
‏* Softmax: خروجی‌ها را به صورت توزیع احتمالی (مجموع برابر با ۱) برمی‌گرداند و برای مسائل دسته‌بندی چندکلاسه (Multi-class) استفاده می‌شود.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#ActivationFunctions #Softmax

‏📊 وضعیت سهم ترافیک وب‌سایت‌های هوش مصنوعی مولد

‏داده‌های جدید Similarweb از روند ۱۲ ماهه ترافیک وب‌سایت‌های GenAI تا اکتبر ۲۰۲۶ نشان می‌دهد که سهم بازار این سرویس‌ها دستخوش تغییر شده است.

‏در این دوره، سهم ChatGPT از حدود ۶۷ درصد در نوامبر ۲۰۲۵ به حدود ۵۴ درصد در اکتبر ۲۰۲۶ کاهش یافته است. با این حال، شرکت OpenAI اعلام کرده است که تعداد کاربران هفتگی این پلتفرم از ۱.۲ میلیارد نفر فراتر رفته که نشان می‌دهد کاهش سهم بازار به معنای ریزش مطلق کاربران نیست.

‏در مقابل، رقبای اصلی روند افزایشی داشته‌اند:

‏* Gemini با رشد مستمر، سهم خود را از ۱۵ درصد به ۲۴ درصد رسانده است.
‏* Claude نیز شاهد افزایش سهم بوده و از ۵ درصد به ۸ درصد رسیده است.
‏* سایر سرویس‌ها از جمله Grok، DeepSeek، Perplexity و Copilot سهمی بین ۱ تا ۵ درصد را حفظ کرده‌اند و نوسان چندانی نداشته‌اند.

‏در حال حاضر رقابت در بازار مدل‌های هوش مصنوعی به سمتی رفته است که کاربران برای دسترسی به مدل‌های تخصصی‌تر، میان سرویس‌دهندگان مختلف جابه‌جا می‌شوند.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
تلگرام | بله | ایتا | ارتباط با ما

#Similarweb #GenerativeAI

‏🚀 برنامه اسپیس‌اکس برای استقرار ۶۰۰۰ رک پردازشی در فضا

‏اسپیس‌اکس برای سال ۲۰۲۷ برنامه‌ای جهت استقرار ۶۰۰۰ رک سرور مبتنی بر GPU در فضا طراحی کرده است. این تجهیزات که در قالب پروژه‌ای با ظرفیت عملیاتی مجموع ۱ گیگاوات (۱.۰۵ GW) تعریف شده‌اند، قرار است در ماهواره‌های این شرکت به‌کار گرفته شوند.

‏بر اساس جزئیات منتشر شده، مهم‌ترین ویژگی‌های این برنامه عبارتند از:

‏* سفارش اولیه: ۶۰۰۰ رک مخصوص فضا که معادل ۴۳۲,۰۰۰ واحد GPU است و ارزش سخت‌افزاری آن حدود ۴۲ تا ۴۵ میلیارد دلار تخمین زده می‌شود.
‏* زمان‌بندی: مرحله معرفی محصول جدید (NPI) در مه ۲۰۲۷ و پایان تولید برای آماده‌سازی ماهواره‌های تست در دسامبر ۲۰۲۷ انجام می‌شود.
‏* چشم‌انداز برنامه: در فاز نهایی که شامل ۳۰,۰۰۰ ماهواره است، ظرفیت کل به ۳۰,۰۰۰ رک با ۲.۱۶ میلیون واحد GPU افزایش خواهد یافت. توان عملیاتی نهایی این پروژه در پیک مصرف به ۷.۵ گیگاوات می‌رسد.

‏علاوه بر این زیرساخت فضایی، اسپیس‌اکس در حال گسترش توان پردازشی در مراکز زمینی است و طبق پیش‌بینی SemiAnalysis، ظرفیت توان پردازشی این شرکت ممکن است تا پایان سال آینده به ۱۳ گیگاوات برسد.

🇮🇷 تلگرام