حالا می‌توانید با Higgsfield ویدئوهای ۱۰ دقیقه‌ای بسازید

شرکت متا از خانواده مدل‌های هوش مصنوعی مرزی خود با نام‌های «Muse Wonder» و «Muse Wonder Full» رونمایی کرد. این مدل‌ها برای انجام وظایف شخصی و حرفه‌ای طراحی شده‌اند و ترکیبی از قابلیت‌های «حافظه فعال» و «تمرکز فعال» را ارائه می‌دهند. این فناوری‌ها در مرکز داده «Prometheus» با مقیاس گیگاواتی آموزش دیده‌اند و از طریق «Meta Model API» و «Muse Code» در دسترس کاربران قرار گرفته‌اند. متا قصد دارد از این مدل‌ها برای حل مسائل حقوقی، مالی و سلامت و همچنین پشتیبانی از برنامه‌نویسی پیشرفته استفاده کند. این عرضه ادامه روند توسعه سیستماتیک و مقیاس‌پذیر متا در حوزه هوش مصنوعی پس از گذشت چهارده ماه از بازسازی زیرساخت‌های این شرکت به شمار می‌رود.

گوگل سیاست‌های محدودیت مصرف سرویس Gemini را از «تعداد درخواست» به «بودجه بار محاسباتی» تغییر داده است. در این سیستم جدید، هر پرامپت بر اساس میزان منابع سخت‌افزاری مصرفی، طول تاریخچه مکالمه و پیچیدگی پردازش، بخشی از سهمیه ۵ ساعته کاربر را اشغال می‌کند. برای نمونه، یک پیام متنی ساده کمتر از یک درصد سهمیه را مصرف می‌کند، در حالی که تحلیل اسناد حجیم می‌تواند تا ۱۵ درصد و قابلیت «تحقیق عمیق» تا ۵۰ درصد از سهمیه را کاهش دهد. این بازنگری با هدف مدیریت بهینه زیرساخت‌های ابری و تفکیک دقیق‌تر سطوح اشتراک انجام شده است. مدل‌های پیشرفته و فرایندهای چندمرحله‌ای بیشترین فشار را به سهمیه کاربران وارد می‌کنند.

شرکت گوگل به طور رسمی از دسترسی کاربران به مدل مرزی جدید خود با نام Gemini 4 Argon خبر داد. این معماری اختصاصی برای وظایف عمیق در حوزه‌های کدنویسی، مالی، حقوق، امنیت سایبری و علوم پایه بهینه‌سازی شده است. مدل آرگون توانسته رتبه نخست را در شاخص Vals Index کسب کند. نرخ رسمی این مدل ۲ دلار به ازای هر یک میلیون توکن ورودی و ۱۰ دلار برای توکن‌های خروجی تعیین شده است. قابلیت جدید Task نیز به جمنای اضافه شده است تا این ابزار را به یک دستیار اجرایی و خودمختار تبدیل کند. این ویژگی امکان اجرای مداوم وظایف در پس‌زمینه و مدیریت همزمان تا ۱۵ تسک مستقل را فراهم می‌کند. گوگل از این مدل در پیچیده‌ترین پروژه‌های مهندسی نرم‌افزار خود بهره برده است.

دانشمندان مؤسسه فناوری ماساچوست یا همان ام‌آی‌تی در مقاله جدیدی که ۹ اکتبر در نشریه پی‌ان‌ای‌اس منتشر شده است، بررسی کرده‌اند که شبکه‌های عصبی مصنوعی چگونه ابزار یادگیری خود را می‌سازند. این پژوهشگران استدلال می‌کنند که معیاری حیاتی برای پذیرش زیستی رویکرد یادگیری در این شبکه‌ها، توانایی آن‌ها در سازماندهی خودران و بدون دخالت مستقیم برنامه‌نویس است. پژوهش نشان می‌دهد که با ارائه دستورالعمل‌های ساده درباره نحوه تغییر اتصالات، واحدهای متصل به صورت تصادفی می‌توانند به شبکه‌ای کارآمد برای پردازش اطلاعات تبدیل شوند. این دستاورد گامی مهم در راستای درک بهتر نحوه یادگیری مغز انسان و توسعه راهبردهای درمانی جدید به شمار می‌رود. دانشمندان تأکید می‌کنند که مغز انسان فاقد طراح بیرونی است و خودش بر اساس قوانین ساده سازماندهی می‌شود. شناخت این قوانین درون‌اتصالی برای توسعه فناوری‌هایی مانند رابط‌های مغز و رایانه کاملاً ضروری است. ارزش یک شبکه عصبی مصنوعی در حوزه علوم اعصاب باید بر اساس میزان توانایی آن در خودسامانی ارزیابی شود.

محمد اطرج، دبیر میز هوش مصنوعی استانداری اصفهان، در رویداد ملی صنایع خلاق «مانوین» اعلام کرد که ماموریت این میز تبدیل اصفهان به قطب هوش مصنوعی کشور است. وی بر توسعه آموزش‌های مهارتی و کاربردمحور تاکید کرد و از چالش میان سطح آشنایی دانش‌آموزان و توانمندی معلمان سخن گفت. اطرج پیشنهاد ایجاد یک صندوق حمایتی برای اعطای تسهیلات اقساطی به فراگیران دوره‌های تخصصی را مطرح کرد. همچنین بخشی راهنما در پلتفرم هوش مصنوعی استان برای معرفی دوره‌ها و آموزشگاه‌ها پیش‌بینی شده است. رویداد ملی «مانوین» از ۲۱ تا ۲۳ مهرماه ۱۴۰۵ در نمایشگاه بین‌المللی اصفهان برگزار می‌شود.