-
اشتباه سادهای که به یک اصطلاح علمی جعلی تبدیل شد و حالا هوش مصنوعی دست از سرش برنمیدارد
یک واژه علمی ساختگی به نام «میکروسکوپ الکترونی گیاهی» بهطور اشتباهی وارد مقالات علمی شده و حالا به لطف هوش مصنوعی، در حال گسترش در دنیای علم است. این اصطلاح در واقع نتیجهی یک خطای دیجیتالی در اسکن یک مقاله قدیمی از دهه ۱۹۵۰ است که دو کلمهی بیربط از دو ستون مختلف به اشتباه با هم ترکیب شدهاند.
این خطا وارد دیتابیسهای عظیم آموزش مدلهای هوش مصنوعی شده و از آنجا در پاسخها و حتی مقالات منتشرشده ظاهر میشود.
در بررسیها مشخص شد این اصطلاح ساختگی در مدلهای جدیدی مثل GPT-4 و Claude 3.5 هم وجود دارد و بهسختی میتوان آن را از دادههای آموزشی پاک کرد. این ماجرا نشان میدهد که اشتباهات کوچک میتوانند به «فسیلهای دیجیتالی» تبدیل شوند و برای همیشه در حافظهی اینترنت و هوش مصنوعی باقی بمانند.۱۴۰۴/۱/۳۰ ۰۴:۰۳:۵۴ -
شکاف در قلب هوش مصنوعی؛ OpenAI از تراشههای انویدیا ناراضی شد
OpenAI از عملکرد برخی تراشههای جدید انویدیا، بهویژه در مرحله استنتاج یعنی زمانی که چتبات باید به کاربر پاسخ بدهد، رضایت کامل ندارد و از سال گذشته بهدنبال گزینههای جایگزین رفته است. این موضوع میتواند رابطه دو بازیگر اصلی موج هوش مصنوعی را پیچیدهتر کند. ⚙️
با اینکه انویدیا همچنان در آموزش مدلهای بزرگ AI پیشتاز است، منابع میگویند سرعت پاسخدهی در کاربردهایی مثل کدنویسی برای OpenAI کافی نیست. این شرکت به سختافزاری نیاز دارد که در آینده حدود ۱۰٪ توان پردازشی استنتاجش را تأمین کند. 🤖
در همین دوره، مذاکرات سرمایهگذاری انویدیا در OpenAI که رقم آن تا ۱۰۰ میلیارد دلار مطرح شده بود، ماهها طول کشیده است. همزمان OpenAI با شرکتهایی مثل AMD و استارتاپهایی مانند Cerebras همکاری کرده تا به تراشههایی با حافظه داخلی بیشتر (SRAM) دسترسی پیدا کند؛ تراشههایی که پاسخدهی هوش مصنوعی را سریعتر میکنند. 🚀
انویدیا هرگونه تنش را رد کرده و میگوید همچنان بهترین عملکرد بهازای هزینه را ارائه میدهد.۱۴۰۴/۱۱/۱۶ ۱۱:۳۵:۴۰ -
اینتل با تراشه جدید Panther Lake وارد عصر تازهای از سرعت و قدرت شد!
شش ماه پس از آغاز مدیریت «لیپ-بو تان» برای نوسازی اینتل، این شرکت از پردازنده جدید خود با نام Panther Lake رونمایی کرد. 💻
این تراشه نخستین محصول ساختهشده با فناوری پیشرفته ۱۸A است که در کارخانه آریزونای آمریکا تولید میشود و تا پایان امسال به بازار میآید. 🇺🇸 تان گفت این نسل تازه، آغاز دورهای جدید در دنیای محاسبات است و به بازسازی و نوآوری در اینتل کمک میکند. 🚀
همچنین اینتل از پردازنده سرور Xeon 6+ با همین فناوری رونمایی کرد که اوایل ۲۰۲۶ عرضه خواهد شد. 🖥️ فناوری ۱۸A سرعت پردازش بالاتر، مصرف انرژی کمتر و تراکم بیشتر تراشهها را به همراه دارد و رقابت اینتل را با شرکتهای آسیایی تقویت میکند. ⚙️۱۴۰۴/۷/۲۰ ۰۹:۲۲:۳۳ -
صدای شفاف در سرعت ۳۲۰ کیلومتر؛ فرمول یک روی موج نوآوری Hance
استارتاپ نروژی Hance نرمافزار پردازش صدایی ساخته که بسیار کوچک و سریع است و توجه شرکتهایی مثل Intel و Riedel Communications (تأمینکننده رسمی رادیوهای فرمول یک) را جلب کرده است. این شرکت تنها ۱۰ کارمند دارد، اما توانسته مدلهای پردازش خود را به حجم بسیار پایین ۲۴۲ کیلوبایت برساند. این یعنی پردازش صدا روی همان دستگاه و در لحظه انجام میشود و دیگر نیازی به فضای ابری نیست. 🎧🚀
فناوری Hance میتواند نویز، پژواک و صداهای مزاحم را حذف کند و وضوح صدا را تنها با ۱۰ میلیثانیه تأخیر بالا ببرد. همین باعث شده رادیوهای فرمول یک و حتی بخشهای امنیتی و دفاعی از آن استقبال کنند. همکاری با اینتل هم باعث شده این فناوری روی تراشههای جدید، از جمله «واحدهای پردازش عصبی»، اجرا شود. 💻⚡۱۴۰۴/۷/۱۰ ۰۱:۵۷:۳۴ -
Starcloud اولین مرکز داده مجهز به تراشههای انویدیا را به مدار زمین میفرستد!
شرکتهای فناوری برای حل مشکل مصرف بالای انرژی مراکز داده، به سراغ یک ایده فضایی رفتهاند: ساخت مراکز داده در مدار زمین و حتی روی ماه. استارتاپ Starcloud اعلام کرده در نوامبر اولین مرکز داده فضایی خود را با تراشههای قدرتمند H100 انویدیا به مدار پایین زمین میفرستد؛ جایی که میتواند دادههای ماهوارهای را همانجا پردازش کند و نتیجه را در چند ثانیه به زمین برگرداند. 🤖🛰️
در همین حال، شرکت Lonestar Data Holdings قصد دارد مراکز داده را در نقاط دورتر مثل مدار میان زمین و ماه یا حتی در تونلهای گدازه روی سطح ماه بسازد. این کار علاوه بر ذخیره امنتر اطلاعات، میتواند خطر هک را کاهش دهد. 🌌🔐
مزیت این طرح استفاده از انرژی نامحدود خورشید و سرمای طبیعی فضا برای خنکسازی است که مصرف آب و برق روی زمین را بهشدت کم میکند. اما هزینه بالای پرتاب موشک، آلودگی محیطی و قوانین سختگیرانه همچنان موانع جدی هستند. ✅⚡۱۴۰۴/۶/۹ ۰۱:۰۰:۱۲ -
از ادعای «دانش دکترا» تا خطای ابتدایی؛ چالش دقت GPT-5
OpenAI اخیراً مدل GPT-5 را معرفی کرده و مدعی شده دقت بیشتری دارد و خطاهای کمتری مرتکب میشود، اما آزمایش کاربران چیز دیگری نشان داده است. در یک تست ساده، وقتی از GPT-5 پرسیدند چند ایالت آمریکا حرف «R» دارند، برخی ایالتهای بدون این حرف را هم در فهرست آورد و حتی گاهی با تأیید اشتباهات کاربر، پاسخهای غلط داد. 🤖⚠️
مدلهای دیگر مثل Grok و Gemini هم در همین آزمونها آمار و فهرستهای نادرست ارائه کردند. این نشان میدهد که حتی کارهای ساده هم میتواند برای هوش مصنوعی خطاپذیر باشد، در حالی که شرکتها از آن بهعنوان ابزاری با «دانش در حد دکترا» یاد میکنند. کارشناسان هشدار میدهند اعتماد کامل به این ابزارها، مخصوصاً در مسائل حساس، میتواند عواقب جدی داشته باشد. ✅📉۱۴۰۴/۵/۲۰ ۱۱:۲۰:۵۲ -
Oxmiq Labs وارد رقابت GPUهای هوش مصنوعی شد
استارتاپ Oxmiq Labs به رهبری راجا کادوری، از مدیران سابق اینتل، اعلام کرده که میخواهد فناوری پردازندههای گرافیکی مخصوص هوش مصنوعی را بهصورت مجوزی به شرکتها ارائه دهد و برای این کار ۲۰ میلیون دلار سرمایه جذب کرده است. 💡💰
این فناوری از رباتهای کوچک تا ابررایانههای ابری قابل استفاده است و میتواند برنامههای نوشتهشده برای انویدیا را بدون نیاز به تغییر، روی سختافزارهای دیگر اجرا کند. ✅🔧
Oxmiq میگوید بهجای ساخت تراشههای گرانقیمت، فقط روی طراحی و فروش فناوری تمرکز میکند و هدفش این است که مثل شرکت معروف Arm، به هسته اصلی نسل بعدی پردازندهها تبدیل شود. 🎯📈۱۴۰۴/۵/۱۶ ۱۰:۲۵:۵۸ -
سال 2024 یا 2025؟ هوش مصنوعی گوگل گیج شد!
🤖 ابزارهای هوش مصنوعی مثل Google AI Overviews برای پاسخ به سوالات ساده طراحی شدهاند، اما گاهی اشتباهاتی عجیب میکنند.
📆 طی روزهای اخیر، کاربران گزارش دادند که این ابزار سال فعلی را ۲۰۲۴ اعلام کرده است، نه ۲۰۲۵!
برخی با طنز به این اشتباه واکنش نشان دادند و برخی سوال کردند که آیا گوگل ماشین زمان ساخته است!
🔧 گوگل شب پنجشنبه این باگ را رفع کرد، اما توضیح دقیقی درباره علت آن نداد.
📣 سخنگوی گوگل گفت در حال بهروزرسانی سیستم برای جلوگیری از چنین خطاهایی هستند.
💊 این اولین اشتباه Google AI نیست؛ پیشتر توصیه کرده بود روزی یک سنگ کوچک بخورید یا روی پیتزا چسب بزنید تا پنیر بهتر بچسبد! 🍕
🌍 با وجود این اشتباهات، گوگل میگوید این قابلیت بیش از ۱.۵ میلیارد کاربر در ۱۰۰ کشور دارد و در آمریکا و هند بیش از ۱۰٪ جستجوها را شامل میشود.۱۴۰۴/۳/۱۱ ۱۱:۴۸:۰۴ -
سرگئی برین از پشت پرده اشتباهات Google Glass میگوید
🕶️ سرگئی برین، همبنیانگذار گوگل، در I/O 2025 گفت که در پروژه Google Glass اشتباهات زیادی داشت و از زنجیره تأمین محصولات الکترونیکی مصرفی اطلاع چندانی نداشت! 📉
او حالا با تیمهای قویتر و شرکای باتجربه، دوباره وارد رقابت ساخت عینکهای هوشمند شده و از پیشرفت آن بسیار خوشحال است 🧠 این بار با همکاری شرکتهایی مثل Samsung، Xreal و Warby Parker، پروژه Android XR با پشتیبانی DeepMind و پروژه Astra راهاندازی شده است.🕶️
عینکهای جدید تواناییهایی مثل ترجمه زنده، مسیریابی و پاسخ به سوالات کاربر را دارند و از قدرت هوش مصنوعی مولد بهره میبرند.
برین همچنین اعلام کرد که از بازنشستگی خارج شده و حالا تقریباً هر روز در دفتر اصلی گوگل مشغول پروژههای Gemini از جمله مدل تولید ویدیوی Veo 3 است. 🎬
او خطاب به دانشمندان کامپیوتر گفت: «هیچکس نباید الان بازنشسته باشد؛ همه باید روی هوش مصنوعی کار کنند!» 🤖
برین فشار زیادی به تیمهای Gemini وارد کرده تا گوگل را در رقابت جهانی AI جلو بیندازد و حتی پیشنهاد داده هفتهای ۶۰ ساعت کار، نقطه طلایی بهرهوری است.🧾۱۴۰۴/۳/۱ ۰۳:۵۳:۰۴ -
انویدیا (Nvidia) پلتفرم Lepton را برای اجاره چیپهای هوش مصنوعی معرفی کرد
انویدیا ، یک پلتفرم جدید به نام Lepton معرفی کرده که به شرکتهای ارائهدهنده خدمات ابری اجازه میدهد ظرفیت پردازشی کارتهای گرافیک (GPU) خود را برای دیگران اجاره دهند. این پلتفرم به توسعهدهندگان نرمافزارهای هوش مصنوعی کمک میکند تا بهراحتی قدرت پردازشی مورد نیاز خود را از شرکتهای ابری مانند CoreWeave و Foxconn پیدا و اجاره کنند. ✅
🔹 بنابراین توسعهدهندگان بدون تماس مستقیم با شرکتها میتوانند از یک بازار متمرکز ظرفیت GPU بگیرند.
🔹 شرکتهای بزرگی مثل Microsoft و Amazon هنوز به این پلتفرم نپیوستهاند. 🚫🌐
این حرکت انویدیا، دسترسی به قدرت پردازش هوش مصنوعی را برای همه آسانتر میکند. 🚀۱۴۰۴/۲/۳۰ ۱۱:۲۳:۱۹ -
ابررایانه Cadence؛ سرعت بیسابقه برای صنایع پیشرفته
🚀🌐 شرکت Cadence Design Systems از ابررایانه جدید Millennium M2000 با تراشههای Nvidia Blackwell رونمایی کرد. این ابررایانه با قیمت ۱.۵ میلیون دلار، شبیهسازیها را از چند روز به چند ساعت کاهش میدهد.
✈️ در همکاری با Boeing، تحلیل جریان هوا در هواپیمای 777 که هشت روز طول میکشید، اکنون در کمتر از ۲۴ ساعت انجام میشود. 🧬 و در بیوتکنولوژی، شبیهسازی مولکولها برای کشف داروها از دو روز به چهار دقیقه کاهش یافته است.
این فناوری به شرکتهای بزرگی مانند Apple و Treeline Biosciences کمک میکند سریعتر و دقیقتر طراحی کنند. 🌐🚀۱۴۰۴/۲/۱۹ ۲۰:۰۸:۲۳ -
تراشهای نو با نور؛ امیدی تازه برای کاهش مصرف برق در هوش مصنوعی
استارتاپ آمریکایی Lightmatter از یک تراشهی کامپیوتری جدید به نام Envise رونمایی کرده که به جای استفاده از برق، با نور محاسبات را انجام میدهد. این تراشه میتواند سرعت پردازشهای هوش مصنوعی را بالا ببرد و همزمان مصرف انرژی را کاهش دهد.
برخلاف تراشههای معمولی که با ترانزیستور کار میکنند، این تراشه با ترکیب پرتوهای نور و تحلیل آنها محاسبات را انجام میدهد. تیم Lightmatter موفق شده دقت بالایی را در این روش حفظ کند؛ چالشی که پیشتر جلوی پیشرفت چنین فناوریهایی را گرفته بود.
هرچند این فناوری هنوز در آغاز راه است و تا فراگیر شدن آن حدود ۱۰ سال زمان لازم است، اما به گفته مدیرعامل شرکت، میتواند مسیر تازهای برای آیندهی کامپیوترها و هوش مصنوعی باز کند.۱۴۰۴/۱/۲۳ ۱۳:۱۵:۲۱ -
گوگل نسل جدید تراشه هوش مصنوعی Ironwood را معرفی کرد
گوگل در کنفرانس Cloud Next، تراشه هوش مصنوعی Ironwood را رونمایی کرد. این هفتمین نسل تراشه پردازشی گوگل است که برای اجرای مدلهای هوش مصنوعی طراحی شده و در دو پیکربندی 256 و 9,216 تراشهای عرضه میشود. Ironwood با قدرت پردازشی بالا و کارایی انرژی بهینه، برای پردازش مدلهای هوش مصنوعی در مقیاس بزرگ طراحی شده است.
۱۴۰۴/۱/۲۱ ۱۶:۱۳:۰۶ -
رونمایی IBM از نسل جدید ابرکامپیوتر با قابلیتهای هوش مصنوعی پیشرفته
شرکت IBM نسل جدید ابرکامپیوتر z17 را معرفی کرد که با پردازنده Telum II طراحی شده و قابلیت پردازش 450 میلیارد عملیات هوش مصنوعی در روز را دارد. این سیستم برای بیش از 250 کاربرد هوش مصنوعی مناسب بوده و از کارایی انرژی بالایی برخوردار است. IBM این محصول را پس از پنج سال تحقیق و با نظرسنجی از بیش از 100 مشتری توسعه داده است.
۱۴۰۴/۱/۲۰ ۱۴:۴۶:۵۶ -
معیاری جدید برای سنجش سرعت پردازش هوش مصنوعی
یک گروه تحقیقاتی به نام MLCommons دو معیار جدید برای سنجش سرعت اجرای برنامههای هوش مصنوعی معرفی کرد. این معیارها مشخص میکنند که سختافزارها و نرمافزارهای پیشرفته چقدر سریع میتوانند مدلهای هوش مصنوعی را پردازش کنند.
یکی از این تستها بر اساس مدل Llama 3.1 از شرکت متا طراحی شده و توانایی پردازش سوالات پیچیده و تولید کد را بررسی میکند. در این آزمایش، سرورهای Nvidia با سختافزار جدیدشان تا ۳.۴ برابر سریعتر از نسل قبلی عمل کردند. معیار دوم نیز سرعت عملکرد مدلهای متنباز در شرایط واقعی مانند چتباتها را میسنجد.۱۴۰۴/۱/۱۴ ۲۰:۰۱:۳۲ -
استارتاپ Parasail؛ انقلاب در زیرساخت هوش مصنوعی با رویکردی متفاوت
استارتاپ Parasail مدعی است که توان پردازشی GPUهای ابری آن از کل زیرساخت ابری Oracle بزرگتر است. این شرکت با همکاری دهها تأمینکننده، سختافزارهای قدرتمندی مثل Nvidia H100 و A100 را با هزینهای کمتر از رقبا در اختیار کسبوکارهای هوش مصنوعی قرار میدهد.
بنیانگذاران Parasail معتقدند که برخلاف اینترنت که توسط چند شرکت بزرگ ابری (مثل AWS و Azure) اداره میشود، زیرساخت هوش مصنوعی به سمت یک مدل غیرمتمرکز و منعطف پیش میرود. آنها قصد دارند با ارائه یک پلتفرم یکپارچه، دسترسی آسانتر به GPUها و پردازش هوش مصنوعی را با یک کلیک ممکن کنند.۱۴۰۴/۱/۱۴ ۲۰:۰۱:۲۸ -
سفارش ۱۶ میلیارد دلاری شرکتهای چینی به انویدیا برای تراشههای سرور H20
شرکتهای بزرگ فناوری چین از جمله ByteDance، Alibaba و Tencent در سه ماهه نخست سال جاری، سفارشی بالغ بر ۱۶ میلیارد دلار برای تراشههای سرور H20 انویدیا ثبت کردهاند. این اقدام نشاندهنده افزایش تقاضای شرکتهای چینی برای تجهیزات پیشرفته پردازش هوش مصنوعی است.
۱۴۰۴/۱/۱۴ ۱۸:۵۸:۵۷ -
استارتاپ Retym با جذب 75 میلیون دلار سرمایه به دنبال توسعه تراشههای هوش مصنوعی
استارتاپ Retym در حوزه پردازش سیگنال دیجیتال، موفق به جذب 75 میلیون دلار سرمایه شده است. این شرکت تراشههایی برای انتقال سریع اطلاعات در مراکز داده و زیرساختهای هوش مصنوعی طراحی میکند. Retym با استفاده از فرآیند تولید 5 نانومتری TSMC، در پی ارائه راهکاری برای رفع گلوگاههای ارتباطی در محاسبات هوش مصنوعی است.
۱۴۰۴/۱/۱۲ ۱۸:۴۲:۱۳ -
جهش سهم Arm در بازار پردازندههای مراکز داده با رشد هوش مصنوعی
شرکت Arm پیشبینی میکند که سهم پردازندههایش در بازار CPU مراکز داده تا پایان ۲۰۲۵ از ۱۵٪ به ۵۰٪ برسد. این رشد ناشی از افزایش تقاضا در حوزه هوش مصنوعی و مصرف انرژی کمتر پردازندههای Arm نسبت به Intel و AMD است.
شرکت Arm، برخلاف اینتل و AMD، تراشه تولید نمیکند بلکه فناوری و مجوز طراحی آن را به شرکتهایی مانند آمازون، گوگل، مایکروسافت و انویدیا میفروشد. شرکتهایی مثل آمازون در طراحی پردازندههای اختصاصی خود برای مراکز داده از معماری Arm استفاده کردهاند و این روند در حال گسترش است.۱۴۰۴/۱/۱۲ ۱۵:۲۶:۲۴ -
زاکربرگ: فیلم شبکه اجتماعی، انگیزههای من را اشتباه نشان داد
مارک زاکربرگ در مصاحبهای جزئیات فیلم «شبکه اجتماعی» (Social Media) درباره تأسیس Facebook را نادقیق خواند. او معتقد است فیلم انگیزههای واقعی او را اشتباه نشان داده و برخلاف روایت فیلم، او پیش از راهاندازی شبکه اجتماعی با همسرش در ارتباط بوده است. زاکربرگ همچنین سایت Facemash را بخشی از اشتباهات دوران دانشجویی دانست.
۱۴۰۴/۱/۹ ۲۳:۲۱:۵۵ -
رد درخواست ممنوعیت استفاده از متون موسیقی توسط هوش مصنوعی Anthropic
دادگاه فدرال کالیفرنیا درخواست گروههای موسیقی برای جلوگیری از استفاده Anthropic از متون موسیقی برای آموزش هوش مصنوعی را رد کرد. ناشران موسیقی مدعی بودند این شرکت بدون اجازه از متون آنها استفاده کرده است، اما قاضی این درخواست را فاقد مدارک جدی دانست.
۱۴۰۴/۱/۷ ۱۲:۴۴:۲۴ -
استارتاپ Pruna AI فریمورک فشردهسازی مدلهای هوش مصنوعی را متنباز کرد
استارتاپ Pruna AI، متخصص در فشردهسازی مدلهای هوش مصنوعی، فریمورک بهینهسازی خود را متنباز کرد. این فریمورک از روشهایی مانند کشینگ، برش (pruning)، کوانتایز کردن و تقطیر (distillation) برای کاهش حجم مدلها بدون افت کیفیت استفاده میکند.
ویژگی کلیدی آن امکان ترکیب چندین روش فشردهسازی و ارزیابی کیفیت مدل پس از بهینهسازی است. Pruna AI میگوید این ابزار مانند Hugging Face برای مدلهای ترنسفورمر، استانداردی برای فشردهسازی ایجاد میکند.۱۴۰۴/۱/۱ ۱۲:۳۵:۴۹ -
معرفی نسل جدید پردازنده های گرافیکی انویدیا با پیشرفت های چشمگیر در هوش مصنوعی
شرکت انویدیا در کنفرانس GTC 2025، نسل جدیدی از پردازنده های گرافیکی را معرفی کرد. مهمترین آنها پردازنده Vera Rubin است که در نیمه دوم سال 2026 عرضه خواهد شد و با پردازنده اختصاصی Vera، عملکرد بسیار بالایی در پردازش هوش مصنوعی دارد. این پردازنده با قابلیت 50 پتافلاپس در استنباط هوش مصنوعی، دو برابر نسل قبلی Grace Blackwell عمل می کند.
۱۴۰۳/۱۲/۲۸ ۲۲:۴۹:۵۸ -
انویدیا در آستانه معرفی سیستم تراشه جدید
شرکت Nvidia، غول تراشه های پردازشی با سهم بازار بیش از 90 درصد در بخش آموزش هوش مصنوعی، در کنفرانس سالانه نرمافزاری خود آماده معرفی سیستم تراشه Vera Rubin است. این شرکت در حالی با چالش رقابت در بازار استنباط هوش مصنوعی روبروست که همچنان در تلاش برای حفظ برتری فناوری خود است.
۱۴۰۳/۱۲/۲۷ ۱۵:۳۴:۲۸ -
حذف گزینه پردازش محلی صدا در دستگاههای هوشمند آمازون
آمازون قابلیت پردازش محلی درخواستهای صوتی در دستگاههای Echo را حذف میکند و تمامی ضبطهای صوتی کاربران به فضای ابری این شرکت ارسال خواهد شد. این تصمیم در راستای گسترش قابلیتهای هوش مصنوعی Alexa با استفاده از پردازش ابری اتخاذ شده است.
۱۴۰۳/۱۲/۲۶ ۲۳:۰۹:۳۹ -
صعود سهام شرکتهای محاسبات کوانتومی
سهام شرکتهای محاسبات کوانتومی با پیشبینی درآمد مثبت جهش کرد. پیشبینی شده درآمد فصل جاری بالاتر از انتظارات تحلیلگران خواهد بود. کامپیوترهای کوانتومی با استفاده از مکانیک کوانتوم سرعت و کارایی بیشتری نسبت به کامپیوترهای کلاسیک دارند و در وال استریت توجه زیادی را به خود جلب کردهاند.
۱۴۰۳/۱۲/۲۳ ۲۳:۱۲:۳۴ -
هوش مصنوعی OpenAI در خلق داستان کوتاه؛ تقلید یا خلاقیت؟
شرکت OpenAI با تولید یک مدل هوش مصنوعی برای نویسندگی خلاقانه، نمونه داستانی منتشر کرد که نشان میدهد این سیستم هنوز قادر به درک عمیق احساسات انسانی نیست. متن تولیدی اگرچه از مهارت فنی برخوردار است، اما فاقد عمق و اصالت واقعی است و بیشتر شبیه نوشته یک نوجوان مستعد است. متخصصان معتقدند هوش مصنوعی فعلی تنها قادر به تقلید و بازتولید الگوهای موجود است.
۱۴۰۳/۱۲/۲۳ ۱۹:۱۱:۲۷ -
سرمایهگذاری ۲۵۰ میلیون دلاری در استارتاپ Celestial AI برای پیشرفت فناوری تراشههای هوش مصنوعی
استارتاپ Celestial AI با استفاده از فناوری فوتونیک، راهکاری نوآورانه برای افزایش سرعت ارتباط تراشههای محاسباتی هوش مصنوعی ارائه میدهد. این شرکت با جذب ۲۵۰ میلیون دلار سرمایه جدید، مجموع سرمایههای خود را به ۵۱۵ میلیون دلار رسانده و در رقابت با شرکت Nvidia به دنبال راهکارهای جایگزین در زمینه پهنای باند حافظه است.
۱۴۰۳/۱۲/۲۱ ۱۶:۱۴:۴۴ -
رشد چشمگیر Broadcom با تراشههای هوش مصنوعی
شرکت Broadcom با افزایش تقاضا برای تراشههای اختصاصی هوش مصنوعی، پیشبینی درآمد فصل دوم خود را بالاتر از انتظارات وال استریت اعلام کرد. شرکتهای بزرگ فناوری برای پردازش دادههای حجیم و آموزش مدلهای زبانی پیشرفته، به شدت در حال سرمایهگذاری بر سختافزارهای این شرکت هستند.
۱۴۰۳/۱۲/۱۷ ۰۱:۰۷:۰۳ -
رونمایی Mistral از API جدید OCR برای پردازش اسناد پیچیده
شرکت Mistral یک API جدید OCR معرفی کرد که قادر به تبدیل اسناد پیدیاف به متن با قالببندی مارکداون است. این API چندوجهی میتواند تصاویر و متون پیچیده را شناسایی کرده و در خروجی نهایی حفظ کند. Mistral مدعی است این سرویس از نمونههای مشابه گوگل، مایکروسافت و OpenAI بهتر عمل میکند و برای پردازش اسناد توسط مدلهای زبانی بزرگ طراحی شده است.
۱۴۰۳/۱۲/۱۶ ۲۲:۲۹:۵۶
