اقای Aleksandr Zhadan در سال 2021 چند وقت بعد از قطع رابطه با دوست دخترش، برای پیدا کردن دوست دختر جدید وارد اپ دوستیابی تیندر شد و بعد از اینکه تلاش چند ساعته اون برای لایک و مسیج دادن به جایی نرسید، تصمیم گرفت این پروسه رو خودکار کنه.

در نتیجه با مدل هوش مصنوعی GPT-2 شرکت OpenAI برنامه ای ساخت که دخترهایی که ویژگیهایی مدنظرش رو دارن رو لایک کنه، برای اونها مشابه اقای Zhadan پیام بفرسته به جای ایشون با اونها مکالمه داشته باشه.

این برنامه حتی امکان پیشنهاد قرار حضوری و ثبت اون در تقویم گوگل اقای Zhadan رو هم داشت اما خالی از باگ نبود. مثلا یک بار به یک دختر پیشنهاد یک پیاده روی طولانی در جنگل رو داد و یک بار به دختر دیگه ای گفته بود که در قرار حضوری شکلات و گل میاره اما چون اقای Zhadan از محتوای چتهای اخیر این برنامه رو چک نکرده بود دست خالی رفته بود که باعث دلخوری اون دختر شد که ایشون به مرور زمان باگهای اون رو برطرف کرد و برای دقت بالاتر و مکالمات عمیقتر اون رو به مدلهای جدیدتر از جمله GPT-3.5 ارتقا داد.

این برنامه در مجموع با 5,239 دختر مکالمه داشته و 100 قرار حضوری برای اقای Zhadan تنظیم کرده که از این 5 هزار نفر، در اواخر سال 2022 به دختری به نام Karina Vyalshakaeva میرسه که در نهایت با اون ازدواج میکنه.

در این رابطه اخیر اقای Zhadan این برنامه رو تغییر میده که بیشتر کمک دست اون در رابطه فعلی باشه و به اون کمک کنه و ایده اولیه پیشنهاد ازدواج به خانوم Vyalshakaeva رو هم این برنامه به ایشون میده.

خانوم Vyalshakaeva بعد از چند ماه بودن در این رابطه از این برنامه باخبر میشه ولی از اون عصبانی نمیشه بلکه شوکه میشه. ایشون گفته که مکالمات اولیه صرفا برای اشنایی بوده و این برنامه در اون خوب عمل کرده. اقای Zhadan هم وقت زیادی صرف سفارشی کردن این برنامه کرده بنابراین از نظر اون چنین کاری منطقی بوده. در نهایت فاکتور مهم برای ایشون ارتباطات در دنیای واقعی هست که برای اون عالی بوده.

شرکت Match Group مالک تیندر در واکنش به این شیوه دوستیابی نه تنها مخالفتی نکرده بلکه گفته معتقد هست که هوش مصنوعی ابزار خوبی برای بهبود اشنایی و دوستیابی هست و حتی این شرکت در اینده ابزارهای مختلفی مبتنی بر هوش مصنوعی هم عرضه خواهد کرد.

🔎 gizmodo.com

📍 @TechTube

شرکت OpenAI از پیشرفته ترین مدل هوش مصنوعی خودش با نام Sora رونمایی کرده که مدلی برای ساخت ویدیو هست.

این مدل امکان تولید ویدیوهای واقع گرایانه، با صحنه هایی پیچیده، کاراکترهای متعدد، همراه امکان تعیین جهت حرکت و دقت در جزییات رو تنها با توصیف متنی مهیا میکنه.

برخلاف مدلهای ساخت ویدیوی فعلی که ویدیوهای تولید شده توسط اونها در حد چند ثانیه هستن، مدل Sora امکان تولید ویدیوهای طولانی تا یک دقیقه رو داره.

همچنین از مدلهای فعلی در زمینه یکپارچگی صحنه پیشرفته تره و میتونه حرکت کاراکترها و اشیای مختلف رو با دقت خوبی نسبت به همدیگه در صحنه حفظ کنه.

علاوه بر ساخت ویدیو با استفاده از ورودی متنی، این مدل امکان گسترش طول یک ویدیو، پر کردن زمان خالی بین فریم ها و همچنین متحرک کردن یک تصویر رو هم داره.

در حال حاضر این مدل در حال ازمایش توسط تیم OpenAI هست و در اینده در اختیار برخی هنرمندان و تولیدکنندگان محتوا قرار خواهد گرفت و زمان عرضه عمومی اون مشخص نیست ولی به دلیل مشکلات سواستفاده از اون حالا حالاها نباید منتظر اون باشیم.

🔎 technologyreview

📍 @TechTube

یک مقاله علمی در ژورنال معتبر Frontiers به دلیل استفاده از عکسهای ساخته شده با هوش مصنوعی در کانون توجه ها قرار گرفته.

این مقاله که در حوزه سلولهای بنیادی چند روز پیش پس از تایید داوران در این ژورنال منتشر شد، حاوی عکسهای مختلف ساخته شده با هوش مصنوعی هست که جالبترین اونها عکسی از اجزای داخلی یک موشه که الت بزرگی داره و صرفا ظاهر علمی داره ولی با واقعیت لزوما مطابق نیست!

هنوز مشخص نیست به چه نحوی عکسهای این مقاله که از قضا خود نویسندگان هم در این مقاله اشاره کرده بودن با میدجرنی ساخته شدن، توسط داوران این مجله به تایید رسیده. اما مسئولان ژورنال Frontiers به دلیل واکنشهای گسترده در شبکه های اجتماعی به این عکسها، این مقاله رو از سایت برداشتن و یک پرونده برای بررسی این موضوع باز کردن.

🔎 arstechnica

📍 @TechTube

گوگل از نسخه 1.5 هوش مصنوعی Gemini Pro رونمایی کرده که دارای context window هست که تا 1 میلیون توکن گسترده باشه!

به Context Window میشه مثل حافظه کوتاه مدت نگاه کرد و کوچک بودن اون باعث میشه نتونین متن های طولانی رو به هوش مصنوعی بدین و همچنین جواب هوش مصنوعی هم تابع این محدودیت هست که نتیجه اون عدم امکان فهم متون طولانی و حتی نصفه موندن جوابهای هوش مصنوعی هست.

تا پیش از این هوش مصنوعی Claude با 200 هزار توکن (هر 100 توکن تقریبا معادل 75 کلمه انگلیسی هست)، دارای بزرگترین Context Window در بین مدلهای مطرح بود. نسخه 1.0 جمنای هم Context Windowی 32 هزار توکنی داشت.

ولی حالا Context Window جمنای با نسخه 1.5 افزایش قابل توجهی داشته و این هوش مصنوعی حالا مثلا میتونه PDFی با بیش از 400 صفحه، 11 ساعت فایل صوتی، 30 هزار خط کد، 700 هزار کلمه متن و غیره رو پردازش کنه و سوالات مختلف کاربر در مورد اونها رو با دقت بالایی جواب بده.

از جمله قابلیتهای جالب این Context Window بالا امکان پردازش ویدیوهایی تا 1 ساعت هست و مثلا کاربر میتونه از این مدل بپرسه صحنه ای که اون رو نقاشی کشیده در چه ثانیه ای از ویدیو ظاهر میشه!

این مدل جدید در حال حاضر در دسترس افراد و شرکتهای خاصی هست و در اینده در اختیار افراد بیشتری قرار خواهد گرفت. گوگل حتی در حال ازمایش مدلی از جمنای هست که میتونه تا 10 میلیون توکن رو هم پردازش کنه!

🔎 blog.google

📍 @TechTube