⭕️ تصاحب ۲۰ میلیارد دلاری Groq توسط انویدیا

گزارش‌ها حاکی از آن است که انویدیا در اقدامی استراتژیک برای تثبیت جایگاه خود در بازار سخت‌افزار هوش مصنوعی، استارتاپ رقیب خود Groq را خریداری کرده است.

👈🏻 شرکت Groq (با حرف q): یک شرکت سخت‌افزاری است که تراشه‌های فوق‌سریع (LPU) برای پردازش هوش مصنوعی می‌سازد. تمرکز آنها روی سرعت استنتاج (Inference) است .

✍🏻 نکات کلیدی:

🔹 ارزش معامله: این توافق با مبلغ خیره‌کننده ۲۰ میلیارد دلار انجام شده است.

🔸 فناوری: انویدیا با این خرید به فناوری LPUهای فوق‌سریع Groq برای پردازش‌های استنتاجی (Inference) دست می‌یابد.

🔹 تاثیر بازار: حذف یکی از جدی‌ترین رقبای انویدیا و یکپارچه‌سازی بیشتر اکوسیستم تراشه‌های AI.

🧠 @NovinAIplus

⭕️ ساخت موزیک فارسی با کیفیت استودیویی با هوش مصنوعی Suno

🔹تا حالا فکر کردید بدون اینکه خواننده باشید یا حتی یک ساز بلد باشید، بتونید یه آهنگ حرفه‌ای بسازید؟ 🤯 توی این ویدیو قراره با هوش مصنوعی دنیای موسیقی رو زیر و رو کنیم! این ابزار قدرتمند میتونه فقط با گرفتن یک متن ساده، یک موزیک کامل فارسی (با کلام، ملودی و تنظیم حرفه‌ای) براتون بسازه. از موسیقی سنتی ایرانی تا رپ :)

🔗 لینک ویدیو در یوتیوب

👈🏻 نمونه های موسیقی های تولید شده 👉🏻


#هوش_مصنوعی #موسیقی #Suno

🧠 @NovinAIplus

دوقلوی پشمی خودت رو ببین! 😁

🔹نگاه کنید چطور یک عکس واقعی به یک عروسک نمدی فوق‌العاده بامزه تبدیل شده! تمام جزئیات چهره، مو و لباس با ظرافت و با استفاده از الیاف پشمی بازسازی شده‌اند. یک اثر هنری گرم و نرم که کاملاً شبیه به تصویر اصلیه.

Recreate this exact image as a cute handmade needle-felted doll. Keep the same pose, clothes, and hair color. Render it with a realistic soft wool texture, fuzzy fabric details, black button eyes, and blushing cheeks. High-quality macro photography style.

🧠 @NovinAIplus

🤖 میسترال روی قابلیت ساخت Workflow کار می‌کند

🔸میسترال ای‌آی (Mistral AI) در حال آزمایش یک ابزار جدید «Workflow Builder» است که به کاربران اجازه می‌دهد فرآیندهای پیچیده و چندمرحله‌ای را به صورت بصری و خودکار طراحی کنند.

نکات کلیدی:
🔹 طراحی بصری: این ابزار به سبک Agent-Builder طراحی شده و امکان زنجیر کردن مراحل، افزودن منطق شرطی (Branching Logic) و استفاده مجدد از جریان‌های کاری را فراهم می‌کند.

🔸 اتصالات (Connectors): بخش جدیدی برای مدیریت یکپارچه ابزارها و اتصالات خارجی اضافه شده که می‌توان از آن‌ها به عنوان بلوک‌های سازنده در پروژه‌های مختلف استفاده کرد.

🔹 کاربرد تیمی: این قابلیت برای تیم‌هایی که با وظایف تکراری مثل پردازش اسناد، پشتیبانی مشتری و استخراج داده سروکار دارند، بسیار کاربردی خواهد بود.

🧠 @NovinAIplus

⭕️ مردم واقعاً با چت‌جی‌پی‌تی چه می‌کنند؟

تیم تحقیقاتی OpenAI با همکاری اقتصاددانان هاروارد، ۱.۵ میلیون مکالمه را بررسی کردند تا بفهمند کاربران دقیقاً چه استفاده‌ای از این هوش مصنوعی می‌کنند و نتایج جالبی به دست آمد.

✍🏻 نکات کلیدی:

🔹 بیش از ۷۵ درصد استفاده‌ها صرفاً برای «راهنمایی گرفتن»، «کسب اطلاعات» و «نوشتن متن» است و عملاً جایگزین جستجوهای روزمره گوگل شده است.

🔸 برخلاف تصور، تنها ۳۰ درصد کاربردها مربوط به کارهای حرفه‌ای و شغلی است و بقیه موارد کاملاً شخصی هستند.

🔹 شکاف جنسیتی از بین رفته است؛ خانم‌ها (بیشتر برای نوشتن و کمک عملی) اکنون بخش بزرگی از کاربران را تشکیل می‌دهند، در حالی که آقایان بیشتر به دنبال کارهای فنی و مالتی‌مدیا هستند.

🔸 وابستگی کاربران به این ابزار بسیار بالاست؛ طبق این تحقیق، کاربران آمریکایی اعلام کرده‌اند که باید حداقل ۹۸ دلار دریافت کنند تا حاضر شوند تنها یک ماه قید استفاده از ChatGPT را بزنند.

🔗 منبع: NBER

🧠 @NovinAIplus

🤝 همکاری بزرگ متا و Manus: آینده‌ی هوش مصنوعی در دستان «ایجنت‌ها»

متا در اقدامی غافلگیرکننده، استارتاپ سنگاپوری «Manus» را با قراردادی چند میلیارد دلاری تصاحب کرد. این خرید نشان‌دهنده‌ی چرخش بزرگ متا از «چت‌بات‌های گفتگو‌محور» به سمت «ایجنت‌های خودمختار» است که می‌توانند کارهای پیچیده را مستقلاً انجام دهند.

✍🏻 نکات کلیدی:
🔹 فراتر از چت‌بات: مدل‌های Manus برخلاف هوش مصنوعی‌های معمولی، فقط حرف نمی‌زنند؛ بلکه مانند یک «کارمند دیجیتال» کارهایی مثل تحلیل سهام، برنامه‌ریزی سفر، و حتی بررسی رزومه‌ها را به صورت خودکار انجام می‌دهند.

🔸 رشد خیره‌کننده: استارتاپ Manus تنها در ۸ ماه به درآمد سالانه ۱۰۰ میلیون دلار رسید که در تاریخ شرکت‌های نرم‌افزاری بی‌سابقه است.

🔹 تمرکز بر کسب‌وکارها: این خرید جایگاه متا را در بازار هوش مصنوعی سازمانی محکم می‌کند و ابزارهایی واقعی برای اتوماسیون اداری در اختیار شرکت‌ها قرار می‌دهد.

🔸 ادغام و استقلال: متا اعلام کرده که Manus همچنان به عنوان یک سرویس مستقل فعالیت خواهد کرد، اما فناوری آن به زودی به واتس‌اپ، اینستاگرام و عینک‌های هوشمند متا نیز اضافه می‌شود. L

🧠 @NovinAIplus

🚀 سورپرایز سال نو: نسخه ۱۰ برابر ارزان‌تر Flux 2 توسط Fal منتشر شد

پلتفرم Fal.ai در آستانه سال نو میلادی، نسخه اختصاصی و بهینه‌سازی شده خود از مدل تصویرساز Flux 2 را با عملکردی خیره‌کننده عرضه کرد.

نکات کلیدی:

🔹 هزینه کمتر: این نسخه ۱۰ برابر ارزان‌تر از مدل استاندارد Flux 2 است.

🔸 کارایی بالا: با ۶ برابر بهره‌وری بیشتر، تصاویر را در کسری از ثانیه تولید می‌کند.

🔹 تکنولوژی: استفاده از یک آداپتور LoRA سبک روی مدل پایه Flux 2 [dev] برای حفظ کیفیت.

🔸 دسترسی: این مدل به صورت Open-Weight (وزن‌های باز) برای استفاده توسعه‌دهندگان منتشر شده است.

🧠 @NovinAIplus

وقتی شب امتحانه و انقدر مطلب سنگینه که رفیقت مجبوره از این تکنیک استفاده کنه 😁😂 🐴📚

⭕️ اتصال ChatGPT به برنامه‌ها بدون نصب پلاگین یا برنامه (فتوشاپ, اسپاتیفای و...)

🔹تصور کنید به ChatGPT بگید "این عکس رو توی فتوشاپ باز کن و ادیت کن" یا "یه پلی‌لیست غمگین توی اسپاتیفای برام بساز" و اون خودش انجام بده! 😲 با این قابلیت، ChatGPT به نرم‌افزارهای محبوب شما (مثل فتوشاپ، کنوا، و...) متصل میشه و کارها رو با سرعت نور انجام میده.

🔗 لینک ویدیو در یوتیوب

#هوش_مصنوعی #اپ #chatgpt

🧠 @NovinAIplus

🧪 آیا هوش مصنوعی واقعاً می‌تواند دانشمند باشد؟

یک مقاله جدید بدون هیاهو به یکی از مهم‌ترین سوالات دنیای فناوری پاسخ داده است: آیا مدل‌های زبانی بزرگ واقعاً توانایی «کشف علمی» دارند یا فقط خوب حرف می‌زنند؟ این تحقیق به جای سوالات تکراری، مدل‌ها را در یک چرخه کامل علمی واقعی به چالش کشیده است.

نکات کلیدی و نتایج شوکه‌کننده:

🔹 محققان مدل‌ها را در چرخه کامل کشف علمی (فرضیه ⬅️ آزمایش ⬅️ مشاهده ⬅️ بازنگری) و در علومی مثل زیست‌شناسی و فیزیک با داده‌های ناقص و نویزی تست کردند.

🔸 نتیجه نشان داد که مدل‌های زبانی در «پیشنهاد فرضیه» عالی هستند، اما در مراحل بعدی یعنی آزمایش و نتیجه‌گیری به شدت شکننده و ضعیف عمل می‌کنند.

🔹 مدل‌ها تمایل دارند داده‌ها را با الگوهای سطحی تطبیق دهند (Overfit) و حتی وقتی شواهد مستقیماً فرضیه آن‌ها را رد می‌کند، به سختی حاضر می‌شوند اشتباه خود را بپذیرند یا فرضیه را رها کنند.

🔸 آن‌ها همبستگی را با علیت اشتباه می‌گیرند و چون برای «محتمل بودن» و «راضی کردن مخاطب» آموزش دیده‌اند، وقتی آزمایش شکست می‌خورد، شروع به ساختن توضیحات توهمی می‌کنند تا منطقی به نظر برسند.

🔹 نکته عجیب اینجاست که نمرات بالا در بنچمارک‌های مشهور هوش مصنوعی، هیچ همبستگی خاصی با توانایی کشف علمی ندارد؛ برخی مدل‌های بسیار قوی در تست‌های استاندارد، در این آزمون‌های علمی و تکرارپذیر کاملاً شکست خوردند.

🔸 پیام اصلی مقاله این است که «هوش علمی» با «هوش زبانی» تفاوت دارد. علم واقعی نیاز به استدلال علی، حافظه دقیق و توانایی گفتنِ «اشتباه کردم» دارد؛ تا زمانی که مدل‌ها این ویژگی‌ها را نداشته باشند، ادعای وجود «دانشمندان هوش مصنوعی» نابه‌هنگام است.

🔗 منبع: دانشگاه اوهایو، تورونتو

🧠 @NovinAIplus

📢 خلاصه‌سازی هوشمند مطالب تلگرام با شبکه Cocoon

تلگرام در اولین به‌روزرسانی سال ۲۰۲۶، قابلیت خلاصه‌سازی پست‌های کانال‌ها و صفحات Instant View را با استفاده از هوش مصنوعی برای تمام کاربران فعال کرده است.

ویژگی‌های کلیدی:

🔹 استفاده از مدل‌های متن‌باز شبکه غیرمتمرکز Cocoon برای تحلیل و خلاصه کردن متن‌ها.

🔸 رمزنگاری کامل درخواست‌ها برای تضمین حریم خصوصی و امنیت داده‌های کاربران.

🔹 دسترسی عمومی به این قابلیت برای همه کاربران (بدون محدودیت پریمیوم).

🧠 @NovinAIplus

⭕️ رونمایی xAI از اشتراک‌های تجاری و سازمانی Grok

شرکت xAI طرح‌های جدید Business و Enterprise را با هدف ارائه امنیت بیشتر و ابزارهای مدیریتی پیشرفته برای تیم‌ها و سازمان‌ها راه‌اندازی کرد.

🔹 طرح بیزنس: هزینه ۳۰ دلار ماهانه برای هر کاربر، شامل فضای کاری اختصاصی، محدودیت‌های بالاتر نرخ استفاده و تضمین عدم استفاده از داده‌ها برای آموزش مدل.

🔸 یکپارچگی با ابزارها: امکان اتصال به گوگل درایو برای جستجو و استناد به فایل‌ها، به همراه قابلیت اشتراک‌گذاری امن گفتگوها میان اعضای تیم.

🔹 طرح سازمانی (Enterprise): ویژگی‌های امنیتی پیشرفته‌تر مانند ورود یکپارچه (SSO)، همگام‌سازی دایرکتوری (SCIM) و رمزنگاری اختصاصی داده‌ها.

🔸 مدل‌های قدرتمند: دسترسی به مدل‌های پیشرفته Grok 3 و Grok 4 برای کاربران این طرح‌ها فراهم شده است.

🧠 @NovinAIplus

⭕️ راه‌حل DeepSeek برای مشکل ۱۰۰ میلیون دلاری آموزش هوش مصنوعی

دیپ‌سیک (DeepSeek) با انتشار مقاله‌ای جدید، تکنیک نوآورانه‌ای به نام mHC را معرفی کرده که یکی از پرهزینه‌ترین چالش‌های آموزش مدل‌های زبانی بزرگ را حل می‌کند.


🔹 تکنیک mHC با افزودن قیدهای ریاضی به جریان‌های پردازش موازی، از کرش کردن و ناپایداری پرهزینه در طول آموزش جلوگیری می‌کند.

🔸 تست‌های انجام شده روی مدل‌های مختلف نشان‌دهنده بهبود ۷.۲ درصدی در استدلال پیچیده و ۶.۹ درصدی در درک مطلب است.

🔹 این روش با وجود افزایش چشمگیر کارایی و پایداری، تنها حدود ۶.۷ درصد به زمان آموزش اضافه می‌کند.

🔸 انتشار این مقاله توسط بنیان‌گذار شرکت، احتمالا مقدمه‌ای برای معرفی مدل پرچمدار جدید دیپ‌سیک پیش از سال نوی چینی است.

🧠 @NovinAIplus