📝 #هوش_مصنوعی مانند مغز انسان به یاد میآورد و یاد میگیرد
براساس مطالعهای که به تازگی منتشر شده است، #مدلهای هوش مصنوعی مولد میتوانند مانند مغز انسان به یاد بیاورند و تفکر کنند.
مطالعه دانشگاه سیتی لندن (UCL) نشان میدهد که چگونه هوش مصنوعی مولد نقش حافظه را در یادگیری و برنامهریزی ذهنی را نشان میدهد.
در یک مطالعه ویژه که توسط بنیاد ولکام (Wellcome) تأمین مالی شد، محققان دانشگاه سیتی لندن (UCL) از یک برنامه هوش مصنوعی برای #شبیهسازی روشی که مغز ما اطلاعات را جذب و به خاطر میآورد، استفاده کردند.
حافظه انسان نقش مهمی در فرآیندهای شناختی مختلف ایفا میکند، مانند کمک به توانایی ما برای یادگیری در مورد جهان، احیای تجربیات گذشته و ساخت سناریوهای کاملا جدید برای تخیل و برنامه ریزی.
النور اسپنز (Eleanor Spens)، نویسنده اصلی این مطالعه میگوید: پیشرفتهای اخیر در شبکههای مولد مورد استفاده در هوش مصنوعی نشان میدهد که چگونه میتوان اطلاعات را از تجربه استخراج کرد تا بتوانیم یک تجربه خاص را به خاطر بیاوریم و همچنین به طور انعطافپذیر تصور کنیم که تجربههای جدید چگونه میتواند باشد.
@science_ai
✍گوگل بارد یا سرویس #هوش_مصنوعی Bard یک سرویس مبتنی بر #چت و #گفتگوهای چند مرحلهای است که کاربردهای زیادی در #تولید #محتوا، #کدنویسی و… دارد.
🟣بازار داغ هوش مصنوعی و تاثیر آن بر زندگی انسانها باعث شد، کمپانیهای بزرگ دنیا با سرمایهگذاریهای هنگفت سعی در تصاحب بازار هوش مصنوعی داشته باشند.
🟣شرکت #مایکروسافت با سرمایه گذاری در شرکت OpenAI و ارایه chatgpt توانست پیشتاز دراین حوزه شود ولی به فاصله چند ماه شرکت گوگل با ارایه سرویس هوش مصنوعی گوگل بارد خیلی سریع وارد رقابت با چت جی پی تی شد.
🟣بارد یک هوش مصنوعی مبتنی بر #چت است که بر اساس مدل زبانی برنامههای گفتگو (LaMDA) کار میکند. گوگل بارد با استفاده از پردازش زبان طبیعی (NLP) و یادگیری ماشینی (ML) و معماری شبکه عصبی گوگل، مکالمات انسانی را #شبیهسازی میکند.
🔴 در واقع، گوگل بارد بر اساس گفتوگوهای چند نوبتی است، یعنی مکالماتی که در آن پاسخ به سوال فعلی وابسته به سوال قبلی است. بنابراین، یک چت ادامهدار است که در هر سوال نیازی به تکرار اطلاعات نیست و مانند گفتگوی دو انسان طبیعی است.
@science_ai
✍دانشمند ارشد ایجنتهای #هوش_مصنوعی انویدیا میگوید تا حدود 3 سال دیگر انقلابی مشابه عرضه ChatGPT در حوزه رباتیک اتفاق خواهد افتاد.
🟣دکتر «لینکسی جیم فن»، دانشمند ارشد تحقیقات و ایجنتهای هوش مصنوعی انویدیا، اخیراً در پستی در صفحه شخصی خود در ایکس پیشبینی کرده است که بهجز #مدلهای زبانی بزرگ (LLM)، #رباتیک مهمترین مبحث سال 2024 باشد.
🟣 او همچنین میگوید که تا حدود 3 سال دیگر لحظهای مشابه عرضه #ChatGPT در حوزه ایجنتهای فیزیکی هوش مصنوعی رقم خواهد خورد.به باور این مدیر انویدیا، سال 2024 بهعنوان اولین سالی در تاریخ ثبت میشود که نبرد بزرگ علیه این پارادوکس شروع خواهد شد.
🟣البته رسیدن به نتیجه بلافاصله نخواهد بود و به اندکی زمان نیاز است. جیم فن میگوید در سال 2023 دیدیم که #مدلها و #پلتفرمهای بنیادی آینده میتوانند چه پتانسیلهایی برای حوزه رباتیک داشته باشند.
🗣جیم فن میگوید #سیستم Isaac انویدیا حالا میتواند واقعیت را 1000 برابر سریعتر #شبیهسازی کند.
@science_ai
✍ناکارآمدی مدل تولیدکننده #تصویر Sora باعث ناکارآمدی آن در فهم چگونگی کار دنیای فیزیکی و #شبیهسازی کارآمد آن خواهد شد.
🟣هفته گذشته، OpenAI با معرفی مدل #هوش_مصنوعی Sora که براساس #متن میتواند #ویدئو بسازد، بحثهای فراوانی را ایجاد کرد.
🟣اما «یان لیکان» (Yann Lecun)، دانشمند ارشد هوش مصنوعی که هماکنون در #متا مشغول به فعالیت است، عقیده دارد این همه هیجان برای مدل متن به ویدیو هیچوپوچ است و این مدل در تحقق اهداف ادعاشده توسط OpenAI شکست میخورد.
🔴بهطور خلاصه، لیکان از این ادعای OpenAI انتقاد کرده است که Sora در نهایت ساخت «شبیهسازهای همهمنظوره از دنیای فیزیکی» را ممکن میکند.
🗣او میگوید که رویکرد OpenAI برای ساخت یک «شبیهساز دنیا» مطلقاً اشتباه است.کمپانی متا در یک پست بلاگ اعلام کرده که «برخلاف رویکردهای تولیدگر که تلاش میکنند هر پیکسل گمشدهای را پر کنند، V-JEPA این انعطاف را دارد که اطلاعات پیشبینیناپذیر را حذف کند، که تمرین و کارایی نمونه را بین ۱٫۵ تا ۶ برابر بهبود میدهد.»
https://eitaa.com/science_ai