سم آلتمن به openAI بازگشت

Large language models, explained with a minimum of math and jargon

https://bit.ly/3DMeixz

ویدئوهای ضبط‌شده از کلاس دیپ‌لرنینگ دکتر علی قدسی استاد دانشگاه واترلو

https://youtube.com/playlist?list=PLehuLRPyt1HxuYpdlW4KevYJVOSDG3DEz&si=4eeCBn8S25oaDJbF

یان لکان :
حیوانات و انسان‌ها خیلی سریع با مقادیر بسیار کمتری از داده‌های آموزشی نسبت به سیستم‌های هوش مصنوعی فعلی بسیار باهوش می‌شوند. LLM های کنونی بر روی داده های متنی آموزش دیده اند که خواندن آن برای انسان 20000 سال طول می کشد. و هنوز، آنها یاد نگرفته اند که اگر A همان B است، پس B همان A است. انسان ها با داده های آموزشی نسبتاً کمی بسیار باهوش تر از آن می شوند. حتی کورویدها، طوطی‌ها، سگ‌ها و اختاپوس‌ها خیلی خیلی سریع باهوش‌تر می‌شوند و تنها ۲ میلیارد نورون و چند تریلیون «پارامتر» دارند. پول من روی معماری های جدیدی است که می توانند به اندازه حیوانات و انسان ها کارآمد یاد بگیرند. استفاده از داده های متنی بیشتر (مصنوعی یا غیر مصنوعی) یک توقف موقت است که به دلیل محدودیت های رویکردهای فعلی ما ضروری است. رستگاری در استفاده از داده های حسی است، به عنوان مثال. ویدئویی که دارای پهنای باند بالاتر و ساختار داخلی بیشتری است. مجموع داده های بصری دیده شده توسط یک کودک 2 ساله بزرگتر از مقدار داده های مورد استفاده برای آموزش LLM است، اما هنوز هم بسیار معقول است. 2 سال = 2x365x12x3600 یا تقریباً 32 میلیون ثانیه. ما 2 میلیون فیبر عصبی نوری داریم که هر کدام تقریباً ده بایت در ثانیه حمل می کنند. این در کل 6E14 بایت است. حجم داده برای آموزش LLM معمولاً 1E13 توکن است که حدود 2E13 بایت است. این ضریب 30 است. نکته مهم این است که چیزهای بیشتری برای یادگیری از ویدیو وجود دارد تا از متن، زیرا زیرا افزونه بیشتری دارد. و در مورد ساختار جهان چیزهای زیادی به شما می گوید.

Introducing Pika 1.0, the idea-to-video platform that brings your creativity to life.

https://pika.art

Keras 3.0 is released!

https://x.com/fchollet/status/1729512791894012011?s=46

گفتگوی کامل جفری هینتون و فی فی لی که چند وقت پیش در قالب مستر کلاس AI Founders توسط Radical Ventures توی تورنتو کانادا برگزار شد:

https://youtu.be/E14IsFbAbpI?si=qtvNVG3eqDO-nUWW

شرکت متا یه ابزار معرفی کرده به نام Seamless که ترجمه در لحظه ویدئو رو برای شما انجام میده! یعنی شما اینطرف مثلا فارسی صحبت می‌کنی، مخاطب داره ویدئوی شما رو میبینه که به انگلیسی صحبت می‌کنید!

احساسات و هیجانات (غم، شادی، نگرانی و ...) رو هم در نظر می‌گیره!

آنلاین تستش کنید:
https://seamless.metademolab.com/


🙏Thanks to: @Ai_Events

چهارمین دوره‌ی رویداد هوش مصنوعی امیرکبیر

⏱ زمان برگزاری از ۱۵ لغایت ۲۵ آذرماه

🎖 در صورت حضور در هر کدام از ارائه ها و کارگاه ها،گواهی مجازی حضور در آن ارائه و کارگاه به شخص شرکت کننده اعطا خواهد شد.

👁 اطلاعات بیشتر و ثبت نام در سایت رویداد:
🌐 https://aaiss.ir 🌐
💬 @ceitssc
@aaiss_aut
〰️〰️〰️〰️〰️
این کانال با هدف آگاه سازی از رویدادهای مرتبط با هوش مصنوعی نظیر همایش، کنفرانس، ورک‌شاپ و کلاس  تشکیل شده است.

@eventai

Reinforcement learning explained :)

https://youtu.be/UIZAiXYceBI?si=uiGoMb-ReT4syYy9

در این ویدیو قابلیتهایی از مدل هوش مصنوعی جدید گوگل، با نام جمینای را می بینید.
این مدل که در سه نسخه Nano ،Pro و Ultra منتشر شده طبق آمار گوگل نسبت به GPT4 مدل قدرتمندتری است.
از جمله این مقایسه ها، برتری 3.6% این مدل نسبت به GPT4 در بنچمارک MMLU یا Massive Multitask Language Understanding می باشد.

آغاز عصر جدیدی از هوش مصنوعی در گوگل است: عصر جمینی، مدیرعامل گوگل

*این مدل، رقیبی قدرتمند برای ChatGPT است.
*جمینی برخلاف سایر مدل‌های هوش مصنوعی، برای تشخیص، درک و ترکیب انواع مختلف اطلاعات از جمله متن، تصویر، صدا، ویدیو و کد آموزش دیده.

*گوگل ۳ نسخه آموزش داده: «جمینی نانو» که به‌صورت آفلاین در دستگاه‌های اندرویدی اجرا می‌شود. «جمینی پرو» که به‌زودی بسیاری از خدمات هوش مصنوعی گوگل را تامین می‌کند و از امروز در گوگل بارد است. «جمینی اولترا» که قدرتمندترین مدل زبانی بزرگ است که گوگل تاکنون ایجاد کرده.

* جمینی فعلاً به زبان انگلیسی در دسترس است.

۱۶ آذر روز دانشجو، روز قلم‌های سازنده، فکرهای خلاق و اندیشه‌های نو بر دانشجویان عزیز کانال گرامی باد.

اگر ویدیو را در یوتیوب ندیدید

مقاله Gemini

تبدیل در لحظه پرامپت به عکس به کمک SDXL Turbo با رابط کاربری ComfyUI که به صورت لوکال پیاده سازی شده

🙏Thanks to: @DevTwitter

در حال حاضر روی این دوره روی مکتب خونه تخفیف ۴۵ درصد فعال است.

مشاهده دوره

Memba :Linear-Time Sequence Modeling with Selective State Spaces
پایان سلطه‌ی ترنسفورمرها ؟؟

paper : https://arxiv.org/abs/2312.00752