eitaa logo
نورون | هوش مصنوعی در سلامت
184 دنبال‌کننده
173 عکس
42 ویدیو
23 فایل
رصد تحولات، فهم آینده سلامت تحقیقات پیشرفته هوش مصنوعی نورون ارتباط با مدیر @NeuronRCA
مشاهده در ایتا
دانلود
چین سیستم هوش مصنوعی گسترده ملی را فعال کرد چین شبکه نوری ملی عظیمی را راه‌اندازی کرده که دیتاسنترهای پراکنده در سراسر کشور را به‌قدری سریع و کارآمد به هم متصل می‌کند که مانند یک ابرکامپیوتر واحد عمل کنند. به گفته لیو یونجی، مدیر ارشد پروژه، این شبکه با طول ۱۲۴۳ مایل، توان پردازشی معادل ۹۸ درصد یک دیتاسنتر کامل را ارائه می‌دهد. این اتصال پرسرعت آموزش مدل‌های بزرگ هوش مصنوعی، تحقیقات سنگین رایانشی، تله‌مدیسین و اینترنت صنعتی را به شدت تسریع می‌کند. مثلاً آموزش یک مدل بزرگ زبانی که معمولاً بیش از ۵۰۰ هزار تکرار نیاز دارد، در این شبکه هر تکرار تنها ۱۶ ثانیه طول می‌کشد، در حالی که پیش از این هر تکرار ۲۰ ثانیه بیشتر زمان می‌برد. شبکه جدید بخشی از پروژه آزمایشی «شبکه آینده» (FNTF) است که پس از بیش از یک دهه توسعه، از سوم دسامبر رسماً وارد بهره‌برداری شد. این سیستم همچنین آماده است تا در پروژه ملی «رایانش ایست-دیتا-وست» به کار رود و پردازش داده‌ها را به مناطق غربی غنی از منابع انرژی منتقل کند. 🍂 @NeuronRC
هوش مصنوعی تولید پژوهش علمی را افزایش داد، اما کیفیت را کاهش می‌دهد پژوهشی تازه در نشریه معتبر «ساینس» نشان می‌دهد که استفاده گسترده از ابزارهای هوش مصنوعی اگرچه تولید مقالات علمی را به‌طور چشمگیری افزایش داده، اما هم‌زمان کیفیت علمی بسیاری از این آثار را با چالش جدی مواجه کرده است. 🍂 @NeuronRC
هوش مصنوعی ۳۶۰ هزار گره تاثیرگذار را در ژن‌ها شناسایی کرد محققان نخستین نقشه کامل از چهارگانه های دی ان ای را ابداع کردند که رشته ای از ساختارهای گره مانند است و نقشی بزرگتر در کنترل خاموش و روشن کردن ژن ها دارد 🍂 @NeuronRC
ترجمان اندیشه یونسکو_شماره سوم_هوش مصنوعی و آینده آموزش-1.pdf
حجم: 948.5K
سومین شماره «ترجمان اندیشه یونسکو» منتشر شد این شماره به موضوع «هوش مصنوعی و آینده آموزش» پرداخته و با بررسی اختلالها معضلات و مسیرها» به درک بهتر فرصت ها و تهدیدهای هوش مصنوعی در آموزش کمک میکند. این گزارش به این پرسش بنیادین می پردازد که در جهانی که ماشین ها می توانند تولید کنند پیش بینی کنند و پاسخ دهند انسان چگونه باید بیاموزد بیندیشد و رشد کند. 🍂@NeuronRC
4.4M حجم رسانه بالاست
مشاهده در ایتا
پایانِ دردسرهای نویزگیری و جداسازی صدا با هوش مصنوعی با مدل انقلابی SAM Audio، میتونی فقط با کلیک روی "تصویرِ" یک ساز توی ویدیو یا تایپ کردن اسمش، صدای اون رو مثل آب خوردن از بقیه صداها جدا کنی. این مدل همه‌کاره، رویای تدوین‌گرها و تولیدکننده‌های محتوا رو به واقعیت تبدیل کرده. 🔵 کنترل چندگانه: انتخاب صدا با نوشتن متن، کلیک روی ویدیو یا انتخاب تایم‌لاین. 🔵 تفکیک هوشمند: جداسازی دقیق گفتار، موسیقی و افکت‌های صوتی با یک مدل واحد. 🔵 کاملاً رایگان: انتشار به صورت Open Source همراه با بنچمارک‌های جدید. 🍂@NeuronRC
⚡️ پس‌لرزه‌های توسعه هوش مصنوعی: کارت گرافیک در ژاپن سهمیه بندی شد
📌 بحران جهانی
کمبود حافظه که از بازار رم و SSD گذر کرده و اکنون به بازار کارت‌های گرافیک رسیده است. برخی فروشگاه‌های بزرگ ژاپنی در تأمین کارت‌های گرافیک با حافظه بالا به مشکل خورده‌اند. 📉 فروشگاه مشهور Tsukumo eX در قلب توکیو، فروش کارت گرافیک را سهمیه‌بندی کرده است. طبق قانون جدید، هر مشتری فقط مجاز به خرید یک عدد کارت (مدل‌های ۱۶ گیگابایتی مثل RTX 5060 Ti یا سری Radeon RX 9000) است. بنابر اعلام این این فروشگاه: تأمین کارت‌های مجهز به حافظه با ظرفیت بالا بسیار دشوار شده است. ما در حال حاضر موجودی داریم، اما در شرایطی هستیم که نمی‌دانیم محموله بعدی چه زمانی می‌رسد یا اصلاً خواهد رسید یا خیر. 🤖 مقصر اصلی: جنون هوش مصنوعی قیمت ماژول‌های رم در سال ۲۰۲۵ بیش از ۲۴۶ درصد افزایش یافته و تحلیلگران می‌گویند این وضعیت تا آخر سال ۲۰۲۶ بهبود نمی‌یابد. وقتی غول‌های تکنولوژی درگیر رقابت AI هستند، گیمرها و کاربران عادی باید یا با سخت‌افزارهای فعلی سر کنند یا آماده پرداخت هزینه‌های نجومی باشند. 🍂@NeuronRC
❗️ ساتیا نادلا : در سال ۲۰۲۶ دیگر از اصطلاح «شلخته‌کاریِ هوش مصنوعی» (AI slop) استفاده نکنید نادلا معتقد است هوش مصنوعی در حال عبور از مرحله‌ی کشف و آزمون‌های اولیه به مرحله‌ی گسترش و استفاده‌ی فراگیر است؛ مرحله‌ای که در آن مردم می‌توانند میان «نمایش و هیجان ظاهری» و «ارزش و کارایی واقعی» تفاوت قائل شوند. او مشکل اصلی را «انباشت مدل» (model overhang) می‌داند؛ وضعیتی که در آن توانمندی مدل‌ها با سرعتی بسیار بیشتر از توان تیم‌ها برای استفاده‌ی ایمن و قابل‌اعتماد از آن‌ها در دنیای واقعی پیش می‌رود. نادلا می‌گوید پیشرفت‌های بعدی کمتر از راه بزرگ‌تر کردن مدل‌ها به دست می‌آیند و بیشتر از طریق ساخت سامانه‌هایی پیرامون مدل‌ها؛ مثل استفاده از ابزارها، مدیریت سطح دسترسی‌ها، حافظه، پایش مداوم و حلقه‌های بازخورد دقیق و بسته. در این نگاهِ سیستمی، «اثر ارزیابی» (eval impact) اهمیت دارد، چون لایه‌ی سنجشی است که بررسی می‌کند آیا یک عامل هوشمند واقعاً کار را به‌درستی به پایان رسانده است یا فقط متنی روان و خوش‌ظاهر تولید کرده است. 🍂@NeuronRC
13.3M حجم رسانه بالاست
مشاهده در ایتا
🧠 آراویند سرینیواس، مدیرعامل Perplexity: هوش مصنوعی هنوز به‌تنهایی مسئله‌ای را حل نمی‌کند. همیشه این انسان است که ابتدا سؤال مهم را تشخیص می‌دهد. تا امروز هیچ سیستمی از روی کنجکاوی، یک پرسش بنیادین مطرح نکرده است. آن جرقه‌ی اولیه هنوز انسانی است. هوش مصنوعی می‌تواند حل کند، بهینه‌سازی کند و صحت‌سنجی انجام دهد؛ اما دانستن اینکه «چه چیزی ارزش پرسیدن دارد»، همچنان مزیت اصلی انسان باقی مانده است. 🍂@NeuronRC
به اطلاع پژوهشگران، اساتید، دانشجویان و علاقه‌مندان حوزه هوش مصنوعی می‌رساند، با توجه به درخواست‌های مکرر دریافت‌شده، مهلت ارسال مقالات به اولین کنفرانس ملی مرزهای هوش مصنوعی کاربردی تا تاریخ ۲۰ دی‌ماه تمدید شد. از کلیه پژوهشگران دعوت می‌شود مقالات علمی و پژوهشی خود را مطابق محورهای کنفرانس، از طریق سامانه ارسال مقالات، در بازه زمانی تعیین‌شده ثبت نمایند. 📌 توجه: این تاریخ نهایی بوده و پس از آن امکان تمدید مجدد وجود نخواهد داشت. از طریق این لینک با انجمن ملی هوش مصنوعی ایران در ارتباط باشید. 🍂@NeuronRC
ضرورت تمرکز بر هوش مصنوعی برای مدیریت آب کشور محمدرضا کاویانپور رئیس مؤسسه تحقیقات آب با تأکید بر نقش کلیدی داده و هوش مصنوعی در تصمیم‌سازی‌های کلان، گفت: وزارت نیرو یکی از بخش‌هایی است که بیشترین نیاز را به بهره‌گیری از فناوری‌های نوین، به‌ویژه هوش مصنوعی و داده‌محوری در مدیریت منابع آب و انرژی دارد. 🍂@NeuronRC
روش جدید پژوهشگران دانشگاه تهران برای فهم بهتر داده‌ها توسط هوش مصنوعی تیم پژوهشی دانشکدگان علوم دانشگاه تهران، به نتایج پیشرو در طبقه‌بندی سری‌های زمانی با تمرکز بر معماری «میکسر ماتریسی» و روش «توکن‌سازی» دست یافت. ادامه خبر 🍂@NeuronRC
🧠 جهش بعدی هوش مصنوعی: «حافظه» نه «استدلال» ✅ سام آلتمن، مدیر OpenAI، معتقد است جهش بزرگ بعدی هوش مصنوعی نه در قدرت استدلال، بلکه در «حافظه» است. 🔹 ما فعلاً در «عصر GPT-2» حافظه هستیم! آلتمن معتقد است هوش مصنوعی‌های فعلی در زمینه حافظه بسیار ابتدایی عمل می‌کنند. همان‌طور که GPT-2 در مقایسه با مدل‌های امروزی ضعیف به نظر می‌رسد، حافظه فعلی AI نیز در آینده‌ای نزدیک بسیار «خام» تلقی خواهد شد. 💥 هوش مصنوعی در آینده برخلاف انسان‌ها، حافظه‌ای بی‌نقص خواهد داشت و تمام کلمات، ایمیل‌ها و اسنادی که تا به حال تولید کرده‌اید را با جزئیات کامل به خاطر می‌سپارد تا به یک دستیار شخصی واقعی تبدیل شود. ☀️ ما در حال حاضر در ابتدای این مسیر هستیم، اما در آینده هوش مصنوعی حتی ترجیحات پنهان و سلیقه‌های ناگفته شما را هم درک می‌کند. این یعنی داشتن یک شریک هوشمند که شما را بهتر از خودتان می‌شناسد و بر اساس کل پیشینه زندگی و کارتان، دقیقاً همان چیزی را ارائه می‌دهد که نیاز دارید. 🍂@NeuronRC