هوش مصنوعی

الگوریتم‌های هوشمند، ماشین لرنینگ، ابزارهای AI و اتوماسیون

زیرمجموعه‌ها

چرا مهارت‌های عامل‌های هوش مصنوعی عملکرد را بهبود می‌دهند
هوش مصنوعی

چرا مهارت‌های عامل‌های هوش مصنوعی عملکرد را بهبود می‌دهند

یک مطالعهٔ آزمایشی روی 8,135 اجرا نشان می‌دهد مهارت‌ها بیشتر به‌عنوان رویه‌های قابل اجرا عمل می‌کنند تا منبع دانش؛ اما بازیابی مهارت مناسب همچنان چالش اصلی است.

محمد علی ذاکری۳۱ مرداد ۱۴۰۵
مدلسازی جهان ذهنی: چرا مدل‌های صرفاً فیزیکی در پیش‌بینی رفتار انسان ناکام می‌مانند
هوش مصنوعی

مدلسازی جهان ذهنی: چرا مدل‌های صرفاً فیزیکی در پیش‌بینی رفتار انسان ناکام می‌مانند

پژوهشی جدید نشان می‌دهد مدل‌های جهان که حالات ذهنی انسان را نادیده می‌گیرند، در پیش‌بینی رفتار واقعی اشتباه می‌کنند؛ چارچوب MWM و پیاده‌سازی MENTIS این شکاف را پر می‌کنند.

محمد علی ذاکری۳۱ مرداد ۱۴۰۵
aws-bench: بنچمارک متن‌باز آمازون برای ارزیابی عامل‌های هوش مصنوعی در AWS
هوش مصنوعی

aws-bench: بنچمارک متن‌باز آمازون برای ارزیابی عامل‌های هوش مصنوعی در AWS

آمازون وب‌سرویس بنچمارک متن‌باز aws-bench را منتشر کرد تا عامل‌های هوش مصنوعی را در وظایف عملی ابری ارزیابی کند؛ اما فقدان نتایج پایه و نگرانی‌های مربوط به قابل‌اعتماد بودن ارزیابی‌ها همچنان پابرجاست.

محمد ابراهیمی فر۳۱ مرداد ۱۴۰۵
مراکز داده هوش مصنوعی؛ هشدار بیل مک‌کیبن درباره اتحاد غول‌های فناوری و سوخت فسیلی
هوش مصنوعی

مراکز داده هوش مصنوعی؛ هشدار بیل مک‌کیبن درباره اتحاد غول‌های فناوری و سوخت فسیلی

بیل مک‌کیبن هشدار می‌دهد که توسعهٔ سریع مراکز داده، با تکیه بر نیروگاه‌های گازی اختصاصی، انتشار کربن را افزایش و عدالت زیست‌محیطی را تهدید می‌کند.

مهسا خالقی۳۱ مرداد ۱۴۰۵
ان‌ویدیا کلورلیف را با سرمایه‌گذاری چندصد میلیون دلاری برای تقویت زیرساخت مراکز داده پشتیبانی کرد
هوش مصنوعی

ان‌ویدیا کلورلیف را با سرمایه‌گذاری چندصد میلیون دلاری برای تقویت زیرساخت مراکز داده پشتیبانی کرد

ان‌ویدیا با سرمایه‌گذاری چندصد میلیون دلاری در کلورلیف وارد مرحله‌ای جدید از دخالت مستقیم در توسعه زیرساخت مراکز داده شد.

محمد علی ذاکری۳۱ مرداد ۱۴۰۵
Deepseek مدل بینایی V4-Flash-Vision-Exp را منتشر کرد — مدل تجربی چندرسانه‌ای
هوش مصنوعی

Deepseek مدل بینایی V4-Flash-Vision-Exp را منتشر کرد — مدل تجربی چندرسانه‌ای

Deepseek مدل تجربی V4-Flash-Vision-Exp را معرفی کرد؛ نسخه‌ای چندرسانه‌ای که فهم تصویر را به توان متنی اضافه می‌کند و در بنچ‌مارک‌های عامل نزدیک Opus 4.8 عمل می‌کند.

محمد علی ذاکری۳۱ مرداد ۱۴۰۵
Spline V2؛ ویرایشگر سه‌بعدی بازسازی‌شده و واگذاری کنترل به Claude Code
هوش مصنوعی مولد و ابزارها

Spline V2؛ ویرایشگر سه‌بعدی بازسازی‌شده و واگذاری کنترل به Claude Code

Spline V2 با سرور محلی MCP راهی برای ورود عامل‌های کدنویس مثل Claude فراهم کرده تا مستقیماً روی صحنه‌های زنده سه‌بعدی کار و تغییرات را به‌صورت قابل ویرایش ثبت کنند.

محمد ابراهیمی فر۳۰ مرداد ۱۴۰۵
ابزار Browser Use: Anthropic مرورگر را اجرا نمی‌کند — تعامل مبتنی بر ارجاع عناصر
هوش مصنوعی مولد و ابزارها

ابزار Browser Use: Anthropic مرورگر را اجرا نمی‌کند — تعامل مبتنی بر ارجاع عناصر

Anthropic ابزار Browser Use را معرفی کرد که به جای اجرای مرورگر، از ارجاعات ساختاری صفحات برای تعامل با عناصر استفاده می‌کند؛ این رویکرد نیاز به adapter با Playwright یا Puppeteer دارد.

محمد ابراهیمی فر۳۰ مرداد ۱۴۰۵
استریپ و رَمپ؛ آغاز نبرد روتر هوش مصنوعی برای کنترل مسیر و هزینه‌ها
هوش مصنوعی مولد و ابزارها

استریپ و رَمپ؛ آغاز نبرد روتر هوش مصنوعی برای کنترل مسیر و هزینه‌ها

استریپ خرید OpenRouter و رونمایی رَمپ از روتر داخلی همان روز، نقطهٔ شروع رقابتی تازه است: نبرد برای کنترل لایهٔ مسیریابی مدل‌ها که مصرف توکن و هزینه‌ها را تعیین می‌کند.

محمد ابراهیمی فر۳۰ مرداد ۱۴۰۵
GPT-Image-2: تولید مستقیم PNG با پس‌زمینهٔ شفاف
هوش مصنوعی مولد و ابزارها

GPT-Image-2: تولید مستقیم PNG با پس‌زمینهٔ شفاف

OpenAI اکنون در GPT-Image-2 تولید PNG با کانال آلفا را ممکن کرده است؛ قابلیتی که حذف پس‌زمینهٔ پسینی را بی‌نیاز کرده و برای عکس محصول، آیکون و طرح‌های مرچ مفید است.

محمد علی ذاکری۳۰ مرداد ۱۴۰۵
خرید فکتوری مدل پول‌ساید توسط انویدیا؛ قرارداد ۶ میلیارد دلاری و سرمایه‌گذاری ۱ میلیارد دلاری
هوش مصنوعی

خرید فکتوری مدل پول‌ساید توسط انویدیا؛ قرارداد ۶ میلیارد دلاری و سرمایه‌گذاری ۱ میلیارد دلاری

انویدیا با پرداخت 6,000,000,000$ لایسنس «فکتوری مدل» پول‌ساید را به‌دست می‌آورد و 109 مهندس تیم لاگونا را جذب می‌کند؛ همراه با سرمایه‌گذاری 1,000,000,000$.

محمد علی ذاکری۳۰ مرداد ۱۴۰۵
AVO انویدیا: رساندن Claude Opus 5 در ARC‑AGI‑3 از 30.2% به 100% با حافظهٔ پایا و ناظر سیستم
هوش مصنوعی

AVO انویدیا: رساندن Claude Opus 5 در ARC‑AGI‑3 از 30.2% به 100% با حافظهٔ پایا و ناظر سیستم

انویدیا با سیستم AVO توانست Claude Opus 5 را در معیار ARC-AGI-3 از 30.2% به 100% برساند؛ حافظهٔ پایا و ماژول نظارت کلید این موفقیت بودند.

محمد ابراهیمی فر۳۰ مرداد ۱۴۰۵