• هوش مصنوعی Grok قابلیت تشخیص تصاویر را به دست آورد

    شرکت xAI قابلیت جدید Grok Vision را برای هوش مصنوعی Grok معرفی کرد که به کاربران اجازه می‌دهد با استفاده از دوربین تلفن همراه، اشیا، متون و محیط‌های اطراف خود را اسکن و درباره آنها سوال بپرسند. این قابلیت در حال حاضر برای کاربران iOS در دسترس است و به زودی برای اندروید نیز عرضه خواهد شد.

    ۱۴۰۴/۲/۴ ۰۳:۴۲:۵۹

  • پلیس رباتیک در جشن سال نو تایلند؛ ناظر بی‌خواب با چشمان هوشمند

    پلیس تایلند در جشن سال نو از یک ربات به نام «AI Police Cyborg 1.0» رونمایی کرد که با دوربین‌های ۳۶۰ درجه، تشخیص چهره، تحلیل رفتار، شناسایی اسلحه و دسترسی به تصاویر پهپادها و دوربین‌های مداربسته، طراحی شده تا امنیت مراسم‌ها را حفظ کند. این ربات می‌تواند چهره‌ها و رفتارهای مشکوک را تشخیص دهد و حتی آب‌پاش را از اسلحه واقعی تشخیص دهد.
    این ربات به مرکز فرماندهی استان متصل است و هدف اصلی آن کمک به کنترل جمعیت در رویدادهای بزرگ اعلام شده. اما برخی نگران‌اند که از این فناوری برای کنترل فعالان سیاسی استفاده شود، به‌ویژه با توجه به سابقه پلیس تایلند در برخورد با معترضان.
    هرچند قابلیت‌های پیشرفته‌ای برای این ربات تبلیغ شده، اما فعلاً حتی حرکتی از آن دیده نشده و مانند نمونه‌های مشابه در کشورهای دیگر، احتمال دارد کارایی زیادی نداشته باشد.

    ۱۴۰۴/۲/۲ ۲۱:۵۵:۵۷

  • نتفلیکس با درآمد بالاتر از انتظارات، چشم‌انداز مثبتی را ترسیم کرد

    نتفلیکس (Netflix) سرویس پخش آنلاین محتوا در گزارش مالی سه‌ماهه اول سال، درآمدی بالاتر از پیش‌بینی‌های تحلیلگران کسب کرد. این شرکت با انتشار سریال‌های جدید و افزایش تعداد مشترکان، درآمد ۱۰.۵۴ میلیارد دلاری را محقق ساخت.

    ۱۴۰۴/۱/۳۰ ۰۴:۱۴:۰۰

  • رباتاکسی‌های Waymo به ابزار جدید پلیس برای تحقیقات تبدیل شدند

    پلیس لس‌آنجلس برای اولین بار از تصاویر ضبط شده توسط خودروهای خودران Waymo در تحقیقات جنایی استفاده کرده است. این اتفاق نشان می‌دهد که خودروهای بدون راننده به منبع جدیدی برای جمع‌آوری شواهد تصویری تبدیل شده‌اند. Waymo تأکید کرده که اطلاعات را تنها با حکم قانونی در اختیار پلیس قرار می‌دهد.

    ۱۴۰۴/۱/۲۹ ۱۷:۵۲:۵۰

  • LiveKit استارتاپی که زیرساخت ارتباطات صوتی و تصویری را متحول می‌کند

    لایو کیت (LiveKit) پلتفرمی متن‌باز برای انتقال زنده صدا و تصویر بدون قطعی است که در محصولاتی مانند صدای ChatGPT و ۲۵٪ تماس‌های ۹۱۱ آمریکا استفاده می‌شود.
    این استارتاپ که از سال ۲۰۲۱ فعالیت خود را آغاز کرده، حالا بیش از ۵۰۰ مشتری و ۱۰۰ هزار توسعه‌دهنده دارد و شرکت‌هایی مثل اسپاتیفای، مایکروسافت و متا از آن استفاده می‌کنند.
    این پلتفرم با جذب ۴۵ میلیون دلار سرمایه جدید، قصد دارد زیرساخت ابری مخصوص ارتباطات مبتنی بر هوش مصنوعی بسازد و خدمات خود را توسعه دهد.

    ۱۴۰۴/۱/۲۶ ۱۱:۵۲:۲۷

  • بروزرسانی جدید واتساپ؛ از تماس تصویری باکیفیت‌تر تا اسکن اسناد و خلاصه پیام‌های صوتی

    واتساپ در جدیدترین بروزرسانی خود چندین قابلیت جدید به بخش‌های چت، تماس و کانال‌ها اضافه کرده است. از این پس، در گروه‌ها می‌توان دید چه کسانی آنلاین هستند، نوتیفیکیشن‌ها را فقط برای پیام‌های مهم تنظیم کرد، و در تماس تصویری روی آیفون ، بزرگ‌نمایی (زوم) انجام داد.
    کاربران آیفون همچنین می‌توانند با استفاده از گزینه جدید، اسناد خود را اسکن و ارسال کنند.
    در تماس‌های تصویری، کیفیت افزایش یافته و قطع شدن یا فریز شدن تصویر کمتر خواهد شد. همچنین امکان ایجاد رویداد (event) در چت‌های دو نفره، پاسخ به دعوت‌ها با گزینه “شاید”، افزودن همراه و زمان پایان رویداد فراهم شده است.

    در بخش کانال‌ها نیز، ادمین‌ها می‌توانند ویدیوهای کوتاه ضبط و منتشر کنند، کد QR مخصوص بسازند، و خلاصه نوشتاری پیام‌های صوتی را برای دنبال‌کنندگان ارسال کنند.

    ۱۴۰۴/۱/۲۲ ۱۹:۰۶:۲۶

  • گوگل امکان پرسیدن سوال از روی عکس را به موتور جستجوی خود اضافه کرد

    گوگل در نسخه آزمایشی موتور جستجوی جدید خود با نام AI Mode، قابلیتی را فعال کرده که کاربران می‌توانند از طریق عکس‌هایی که می‌گیرند یا آپلود می‌کنند، سوالات پیچیده بپرسند.
    این ویژگی که با کمک فناوری Google Lens کار می‌کند، می‌تواند کل محتوای تصویر را تحلیل کند؛ مثلاً تشخیص دهد چه اشیایی در تصویر هستند، چه رنگ و جنسی دارند، و چگونه کنار هم قرار گرفته‌اند.

    به‌عنوان نمونه، اگر از کتابخانه‌تان عکس بگیرید و بپرسید: «اگه از این کتاب‌ها خوشم اومده، چه کتاب‌های مشابهی پیشنهاد می‌کنی؟» این سیستم کتاب‌ها را شناسایی می‌کند و پیشنهادهایی برایتان می‌آورد. همچنین می‌توانید سوال‌های بعدی بپرسید، مثل اینکه «کدومشون حجم کمتری داره؟»

    این قابلیت اکنون در اختیار کاربران بیشتری قرار گرفته و رقیبی برای سرویس‌هایی مثل ChatGPT Search و Perplexity محسوب می‌شود.

    ۱۴۰۴/۱/۱۹ ۲۱:۴۸:۵۴

  • رونمایی Midjourney از مدل هوش مصنوعی جدید V7 با قابلیت‌های پیشرفته

    میدجرنی، سرویس تولید تصویر هوش مصنوعی، مدل جدید V7 را معرفی کرد که با معماری متفاوت و قابلیت شخصی‌سازی، کیفیت تصاویر را به طور چشمگیری بهبود بخشیده است. این مدل در دو نسخه Turbo و Relax با سرعت بالاتر و قابلیت ایجاد تصاویر با جزئیات دقیق‌تر طراحی شده و در مرحله آلفا قرار دارد.

    ۱۴۰۴/۱/۱۶ ۰۹:۳۴:۴۹

  • موفقیت چشمگیر قابلیت تولید تصویر OpenAI در ChatGPT

    OpenAI با راه‌اندازی قابلیت تولید تصویر در ChatGPT، موفق به جذب 130 میلیون کاربر و تولید 700 میلیون تصویر در کمتر از یک هفته شده است. این قابلیت جدید که توانایی تولید تصاویر واقع‌گرایانه با سبک استودیو Ghibli را دارد، با استقبال بی‌سابقه‌ای مواجه شده اما زیرساخت‌های شرکت را تحت فشار قرار داده است.

    ۱۴۰۴/۱/۱۵ ۱۹:۰۴:۳۰

  • افزایش کاربران ChatGPT و چالش‌های ظرفیتی OpenAI

    شرکت OpenAI با افزایش چشمگیر کاربران ChatGPT به ویژه در بخش تولید تصویر، با چالش‌های ظرفیتی مواجه شده است. سام آلتمن مدیرعامل شرکت اعلام کرد که در یک ساعت، یک میلیون کاربر جدید به پلتفرم اضافه شده و این موضوع منجر به تأخیر در انتشار محصولات و کندی سرویس خواهد شد.

    ۱۴۰۴/۱/۱۳ ۱۹:۴۶:۴۲

  • موج جهانی هوش مصنوعی با سبک انیمیشن استودیو Ghibli

    پلتفرم هوش مصنوعی ChatGPT با ایجاد قابلیت تولید تصاویر با سبک انیمیشن استودیو Ghibli، رکورد جذب کاربر را شکست. این روند ویروسی باعث افزایش 11 درصدی دانلود اپلیکیشن و رسیدن کاربران فعال هفتگی به بیش از 150 میلیون نفر شد. با این حال، این موضوع سوالاتی درباره نقض احتمالی حقوق کپی رایت را نیز مطرح کرده است.

    ۱۴۰۴/۱/۱۳ ۱۷:۴۳:۰۲

  • هوش مصنوعی OpenAI تولید تصویر را برای همه کاربران آزاد کرد

    OpenAI تولید تصویر با مدل GPT-4o را برای تمام کاربران رایگان کرد. این سرویس پیش از این فقط برای کاربران پولی در دسترس بود. مدیرعامل شرکت اعلام کرد که کاربران رایگان می‌توانند روزانه سه تصویر تولید کنند. استقبال گسترده از این سرویس باعث فشار بر سرورهای شرکت شده است.

    ۱۴۰۴/۱/۱۳ ۱۰:۲۴:۴۶

  • محدودیت در سرویس تولید تصویر OpenAI به دلیل ترافیک بالا

    شرکت OpenAI با حجم بالای درخواست برای سرویس تولید تصویر Sora مواجه شده است. این شرکت به دلیل ترافیک سنگین، تولید تصویر را برای کاربران جدید موقتاً متوقف کرده و کارکنان آن در تلاش برای حفظ کیفیت سرویس هستند.

    ۱۴۰۴/۱/۱۲ ۲۰:۴۷:۳۴

  • تأثیر کیفیت صدا در قضاوت افراد در جلسات آنلاین

    پژوهشی در دانشگاه ییل نشان می‌دهد کیفیت صدای افراد در تماس‌های تصویری، تأثیر مستقیمی بر قضاوت دیگران درباره آنها دارد. محققان دریافتند استفاده از میکروفون با کیفیت پایین می‌تواند شانس استخدام، برقراری ارتباط عاطفی و اعتبار فردی را کاهش دهد. این تأثیر صرف نظر از جنسیت و لهجه، در تمامی آزمایش‌ها مشهود بود.

    ۱۴۰۴/۱/۱۱ ۱۱:۰۴:۱۵

  • هوش مصنوعی OpenAI با قابلیت تولید تصاویر در سبک انیمیشن استودیو Ghibli جنجال برانگیز شد

    قابلیت تولید تصویر جدیدی در ChatGPT به‌تازگی معرفی شده و کاربران با آن تصاویر زیادی در سبک استودیوی انیمیشن‌سازی Ghibli ایجاد کرده‌اند. این موضوع بحث‌های نقض کپی‌رایت را دوباره مطرح کرده است.
    طبق نظر کارشناسان، سبک هنری به‌طور صریح تحت حفاظت کپی‌رایت نیست، اما اگر مدل‌های هوش مصنوعی برای تقلید از این سبک، روی آثار دارای حق نشر آموزش داده شده باشند، ممکن است نقض قانون محسوب شود.
    چندین شرکت بزرگ، از جمله نیویورک تایمز، قبلاً از OpenAI و سایر شرکت‌های هوش مصنوعی به دلیل استفاده از محتوای دارای حق نشر بدون مجوز شکایت کرده‌اند. بااین‌حال، هنوز دادگاه‌ها در مورد قانونی بودن این روش تصمیم نگرفته‌اند.

    ۱۴۰۴/۱/۸ ۱۱:۲۹:۲۸

  • تأخیر در ارائه قابلیت‌های تولید تصویر ChatGPT برای کاربران رایگان

    مدیرعامل OpenAI اعلام کرد که راه‌اندازی ویژگی‌های تولید تصویر ChatGPT برای کاربران رایگان به تعویق افتاده است. تقاضا برای این قابلیت بسیار بیشتر از پیش‌بینی شرکت بوده و در حال حاضر این امکان تنها برای کاربران اشتراک Pro، Plus و Teams در دسترس است.

    ۱۴۰۴/۱/۸ ۰۲:۳۲:۱۶

  • قابلیت جدید تولید تصویر در ChatGPT با مدل GPT-4o

    شرکت OpenAI قابلیت جدید تولید و ویرایش تصاویر را برای ChatGPT معرفی کرد. این قابلیت جدید با مدل GPT-4o امکان ایجاد تصاویر دقیق‌تر و با جزئیات بیشتر را فراهم می‌کند و در حال حاضر برای کاربران اشتراک Pro در دسترس است و به زودی برای سایر کاربران منتشر خواهد شد.

    ۱۴۰۴/۱/۷ ۰۱:۱۴:۴۸

  • بهبود قابلیت تماس تصویری Discord برای گیمرها

    دیسکورد با بروزرسانی جدید سیستم Overlay خود، امکان مشاهده تصویر دوستان در حین بازی را بدون کاهش کیفیت اجرای بازی فراهم کرده است. این قابلیت جدید اجازه می‌دهد کاربران ویجت‌های تماس تصویری را در هر نقطه از صفحه بازی تنظیم کنند و همزمان با بازی کردن، دوستان خود را مشاهده نمایند.

    ۱۴۰۴/۱/۶ ۲۰:۴۳:۱۴

  • راه‌اندازی قابلیت تولید تصویر توسط شرکت هوش مصنوعی ایلان ماسک

    شرکت هوش مصنوعی xAI متعلق به ایلان ماسک، قابلیت تولید تصویر را به رابط برنامه‌نویسی خود اضافه کرد. مدل «grok-2-image-1212» می‌تواند با دریافت یک عنوان، تا ۱۰ تصویر در هر درخواست تولید کند. هر تصویر با قیمت ۰.۰۷ دلار عرضه می‌شود و شرکت در تلاش برای کسب درآمد و جذب سرمایه ۱۰ میلیارد دلاری است.

    ۱۴۰۳/۱۲/۲۹ ۲۱:۵۵:۲۴

  • هوش مصنوعی محلی در جیب شما با اپلیکیشن HuggingSnap

    استارتاپ Hugging Face اپلیکیشن جدید HuggingSnap را برای iOS منتشر کرد که با استفاده از هوش مصنوعی محلی، قادر به توصیف محیط پیرامون دوربین آیفون بدون اتصال به اینترنت است. این اپلیکیشن با مدل بینایی smolvlm2، اشیا، متون و صحنه‌ها را در بصورت لحظه ای شناسایی می‌کند و برای کاربردهای مختلف مانند خرید، سفر و مطالعه مناسب است.

    ۱۴۰۳/۱۲/۲۹ ۲۰:۰۹:۱۸

  • استارتاپ Stability AI یک مدل هوش مصنوعی جدید برای تبدیل تصاویر به ویدیوهای واقعی رونمایی کرد

    استارتاپ Stability AI مدل هوش مصنوعی Stable Virtual Camera را معرفی کرد که قادر است تصاویر دوبعدی را به ویدیوهای با عمق و پرسپکتیو واقعی تبدیل کند. این مدل می‌تواند از یک یا چند تصویر، نماهای جدیدی با زوایای دوربین مختلف ایجاد کند و ویدیوهایی با مسیرهای متنوع دوربین تولید نماید. نسخه تحقیقاتی فعلی این مدل با محدودیت‌هایی در کیفیت تصاویر انسان و حیوانات همراه است.

    ۱۴۰۳/۱۲/۲۹ ۱۵:۰۵:۳۷

  • تنسنت با معرفی مدل‌های هوش مصنوعی جدید، قابلیت تبدیل متن و تصویر به محیط سه‌بعدی را ارائه داد

    شرکت تنسنت (Tencent)، غول فناوری چینی، پنج مدل متن‌باز هوش مصنوعی را برای تولید تصاویر سه‌بعدی معرفی کرد. این مدل‌ها با فناوری Hunyuan3D-2.0 می‌توانند ظرف ۳۰ ثانیه تصاویر سه‌بعدی با کیفیت بالا تولید کنند. این اقدام در راستای رقابت شرکت‌های چینی با شرکت‌های آمریکایی در حوزه هوش مصنوعی تولیدی است.

    ۱۴۰۳/۱۲/۲۸ ۱۳:۵۹:۵۹

  • پایان عمر اسکایپ؛ مایکروسافت سرویس تماس محبوب را تعطیل می‌کند

    مایکروسافت رسماً اعلام کرد که سرویس اسکایپ پس از 23 سال فعالیت در تاریخ 5 می 2025 تعطیل خواهد شد. کاربران می‌توانند اطلاعات خود را به Microsoft Teams منتقل کنند یا از سرویس‌های جایگزین مانند Google Meet، Zoom، Webex و Discord استفاده کنند. هر یک از این پلتفرم‌ها امکانات متفاوتی برای تماس تصویری و گروهی ارائه می‌دهند.

    ۱۴۰۳/۱۲/۲۵ ۲۱:۲۱:۱۹

  • استارتاپ Bria؛ تولید تصاویر هوش مصنوعی با محتوای مجوزدار

    استارتاپ Bria یک راهکار نوین برای تولید تصاویر هوش مصنوعی ارائه می‌دهد که با خریداری تصاویر از شرکای مختلف مانند Getty Images، مدل‌های تولید محتوای خود را آموزش می‌دهد. این شرکت با هدف ایجاد یک اکوسیستم مالکیت معنوی، راهکاری برای تولید محتوای تصویری متنوع و قانونی ارائه می‌دهد و موفق شده ۴۰ میلیون دلار سرمایه جذب کند.

    ۱۴۰۳/۱۲/۲۳ ۱۴:۵۰:۳۴

  • هوش مصنوعی سونی در بازی‌ها؛ از NPC های مصنوعی تا بهبود کیفیت تصویر

    سونی در حال آزمایش کاربردهای هوش مصنوعی در صنعت بازی است. این شرکت از یک سو به دنبال بهبود کیفیت تصویر در PlayStation 5 Pro با فناوری AI Upscaling است و از سوی دیگر در حال توسعه شخصیت‌های بازی با هوش مصنوعی است. نمونه آزمایشی شخصیت Aloy با استفاده از مدل‌های مختلف هوش مصنوعی نشان می‌دهد که این فناوری هنوز در مراحل اولیه توسعه قرار دارد و با چالش‌های جدی مواجه است.

    ۱۴۰۳/۱۲/۲۲ ۰۰:۲۵:۰۰

  • گلیمر به دنبال پیشرفت در تصویربرداری پزشکی با هوش مصنوعی

    استارتاپ فرانسوی Gleamer با هدف توسعه تحلیل تصاویر پزشکی با هوش مصنوعی، دو شرکت Pixyl و Caerus Medical را خریداری کرد. این شرکت که از سال 2017 فعالیت می‌کند، راه‌حل‌های هوش مصنوعی برای رادیولوژیست‌ها ارائه می‌دهد و تاکنون 35 میلیون آزمایش را پردازش کرده است. هدف اصلی گلیمر بهبود دقت تشخیصی در تصویربرداری پزشکی با استفاده از مدل‌های هوش مصنوعی تخصصی است.

    ۱۴۰۳/۱۲/۲۱ ۱۱:۱۶:۵۴

  • فاجعه هوش مصنوعی در بازسازی سریال‌های کلاسیک

    شرکت Carsey-Werner با استفاده از هوش مصنوعی اقدام به بازسازی سریال‌های کلاسیک مانند Roseanne و A Different World کرده که نتیجه آن تخریب کیفیت تصویری و ایجاد تصاویری نامطلوب است. این بازسازی باعث تغییرات عجیب در چهره بازیگران، متون و جزئیات تصاویر شده و کیفیت اصلی سریال‌ها را از بین برده است.

    ۱۴۰۳/۱۲/۱۶ ۲۲:۱۹:۳۸

  • قابلیت‌های جدید گوگل پیکسل؛ از هوش مصنوعی تا پیام‌های اضطراری ماهواره‌ای

    گوگل در جدیدترین به‌روزرسانی پیکسل، قابلیت‌های هوش مصنوعی و امنیتی جدیدی را معرفی کرد. پیکسل استودیو اکنون می‌تواند تصاویر انسانی تولید کند، اپلیکیشن پیام‌ها قابلیت شناسایی پیام‌های کلاهبرداری را دارد و کاربران پیکسل ۹ می‌توانند از پیام‌رسانی ماهواره‌ای در مناطق فاقد پوشش سلولی استفاده کنند.

    ۱۴۰۳/۱۲/۱۴ ۲۰:۵۱:۳۱

  • رونمایی Cohere از مدل هوش مصنوعی چندزبانه Aya Vision با قابلیت‌های پیشرفته

    استارتاپ Cohere مدل هوش مصنوعی چندزبانه Aya Vision را معرفی کرد که قادر به انجام وظایف متعدد مانند توصیف تصاویر، پاسخگویی به سوالات، ترجمه متن و تولید خلاصه در 23 زبان است. این مدل در دو نسخه 32B و 8B عرضه شده و با استفاده از داده‌های مصنوعی آموزش دیده، عملکردی بهتر از مدل‌های هم اندازه خود دارد.

    ۱۴۰۳/۱۲/۱۴ ۲۰:۴۰:۲۰

  • ادغام سورا در چت‌جی‌پی‌تی و توسعه قابلیت‌های تولید محتوای تصویری

    شرکت OpenAI قصد دارد ابزار تولید ویدیوی هوش مصنوعی سورا را به تدریج در اپلیکیشن چت‌جی‌پی‌تی ادغام کند. این شرکت همچنین برنامه‌هایی برای گسترش قابلیت‌های سورا در تولید تصاویر و ویدیوها دارد و احتمالاً این ویژگی جدید می‌تواند کاربران را به ارتقای اشتراک پریمیوم تشویق کند.

    ۱۴۰۳/۱۲/۱۱ ۰۱:۴۷:۴۸
نمایش بیشتر