Telegram Web Link
Tensorflow(@CVision)
بنابراین بیشتر انرژی مصرفی مغز برای فعالیت‌ های پس زمینه هست، نه فقط برای فکر کردن. مثلا کنترل تنفس، احساسات، حافظه و سایر کارهای ناخودآگاه که حتی متوجهشون نمیشیم. در گذشته، بسیاری از عصب ‌شناسان تمرکز خودشون رو بر عملکردهای فعال و آشکار مغز گذاشته بودن،…
از اونطرف بودجه عظیمی صرف تحقیقات و توسعه سخت افزاری میشه. شرکت هایی مثل انویدیا تمرکز رو گذاشتن روی خلق چیپست های سخت افزاری با پهنای باند بالا چرا؟ چون هر چه اطلاعات سریعتر منتقل شه بهتره.

 اما سرعت انتقال اطلاعات در مغز به ‌طور بهینه خیلی کمتر از چیزیه که انتظار میره.

از نظر تئوری، سرعت نهایی که یه نورون در مغز میتونه فعال شه و اطلاعات رو به نورون کناریش منتقل کنه، حدود ۵۰۰ هرتزه. 

این یعنی نورون‌ ها میتونن تا ۵۰۰ بار در ثانیه سیگنال عصبی تولید و پیام‌ها رو ارسال کنن. اما اگر نورون‌ها واقعا با چنین سرعت بالایی شلیک کنن، سیستم عصبی ما به شدت دچار اشباع و سردرگمی میشه و دیگه نمیتونن پیام‌ها رو به خوبی از همدیگه تشخیص بدن. 

در واقع، نرخ اطلاعات بهینه یعنی سریع ‌ترین سرعتی که نورون‌ها میتونن همچنان پیام ‌های همسایه‌ های خود رو به صورت قابل تشخیص دریافت کنن، نصف این مقداره، یعنی حدود ۲۵۰ هرتز.

https://journals.sagepub.com/doi/10.1097/00004647-200110000-00001

ادامه داره ...
Tensorflow(@CVision)
از اونطرف بودجه عظیمی صرف تحقیقات و توسعه سخت افزاری میشه. شرکت هایی مثل انویدیا تمرکز رو گذاشتن روی خلق چیپست های سخت افزاری با پهنای باند بالا چرا؟ چون هر چه اطلاعات سریعتر منتقل شه بهتره.  اما سرعت انتقال اطلاعات در مغز به ‌طور بهینه خیلی کمتر از چیزیه…
با این حال، نورون‌های ما به طور متوسط فقط با نرخ ۴ هرتز شلیک میکنن، که ۵۰ تا ۶۰ برابر کمتر از این نرخ بهینه برای انتقال اطلاعاته.

 علاوه بر این، بسیاری از انتقال‌های سیناپسی موفقیت‌ آمیز نیستن! یعنی حتی وقتی سیگنال الکتریکی به سیناپس میرسن و آماده آزاد کردن مولکول‌ های پیام‌ رسان شیمیایی به نورون بعدی میشن، تنها ۲۰٪ موارد این انتقال اتفاق میفته و در ۸۰٪ مواقع پیام منتقل نمیشه.

علت این موضوع اینه که ما آدمها به گونه ای تکامل یافتیم که هدفمون بیشینه کردن کل میزان اطلاعات ارسال شده نباشه، بلکه بهینه کردن میزان اطلاعات ارسال شده به ازای انرژی مصرف شده (ATP) باشه.

 ATP 
واحد انرژی در سلول‌ هست و مغز ما سعی میکنه بیشترین تعداد بیت اطلاعات رو با کمترین مصرف انرژی ارسال کنه. در نتیجه، نرخ شلیک بهینه نورون‌ها بر اساس این معیار انرژی، کمتر از ۱۰ هرتزه.

از دیدگاه تکاملی، مغز بزرگ و پیچیده انسان تونسته سطح بی ‌سابقه ‌ای از رفتارهای پیچیده و انعطاف‌پذیر رو به وجود بیاره. چیزی که این روزها کمتر بهش پرداخته میشه و تمرکز شرکت های بزرگ بر روی خلق و ساخت سخت افزار با تعداد هسته های پردازشی بالاتر، حافظه بیشتر و ... شده.
بیل اتکینسون، نابغه برنامه نویسی اپل در سن 74 سالگی فوت کرد.

کارهایی که بیل اتکینسون در اپل انجام داد به خودی خود فوق‌ العاده بود اما دوست دارم به یه نکته کارش اینجا اشاره کنم.

در دهه‌ی ۱۹۸۰، زمانی که بیل اتکینسون در حال طراحی گرافیک و رابط کاربری برای اپل بود، با سخت‌افزاری مواجه بود که قدرت بسیار محدودی داشت، رم‌ هایی با ظرفیت چند کیلوبایت، پردازنده‌هایی با سرعتی به مراتب پایین‌ تر از ساده‌ ترین گوشی‌ های امروزی و فاقد هر گونه پردازنده گرافیکی، اما این موضوع باعث نشد تسلیم شه. به جای تمرکز بر محدودیت های سخت افزاری تمرکز رو بر روی نوآوری الگوریتم گذاشت.

 از دل همین محدودیت‌ها، ابزارهایی مثل MacPaint و HyperCard متولد شدن، شاهکارهایی که تجربه کاربر رو برای همیشه تغییر دادن.

امروز، ما در عصر هوش مصنوعی زندگی می‌کنیم. الگوریتم‌ هایی که قادرن متن تولید کنن، تصاویر بسازن، موسیقی خلق کنن و حتی در کنار انسان فکر کنن. اما محدودیت‌ها هنوز وجود دارن، محدودیت های محاسباتی، مصرف بالای انرژی و ...

محدودیت‌ ها همیشه بودن، اما پیشرفت همیشه از دل محدودیت‌ ها زاده شده.

چه بیل اتکینسون باشی در دهه‌ی ۸۰ میلادی، چه پژوهشگر هوش مصنوعی در سال ۲۰۲۵، آنچه اهمیت داره، طریقه برخورد شما در مواجه با محدودیت‌ هاست.

 اونها میتونن مانع باشن، یا الهام‌ بخش خلاقیت، نوآوری و جهش. از محدودیت ها همون‌طور بهره بگیریم که بزرگان تکنولوژی تاریخ بهره گرفتن: به‌عنوان سوختی برای حرکت، نه زنجیری برای توقف.

استیو جابز جمله معروفی داشت با مضمون زیر:

computers are a bicycle for the mind

اما در عصر مدل‌ های زبانی با میلیاردها پارامتر، باید از خودمون بپرسیم: آیا کامپیوتر هنوز دوچرخه‌ای برای ذهنه، یا به ماشین جنگی‌ تبدیل شده که قدرت محاسباتی رو می‌ بلعه، و از هدف ابتدایش که تقویت خلاقیت انسانی هست فاصله گرفته؟
با chatgptمیتونید عکسای قدیمی خود را رنگی و رتوش کنید،
پرامپت:

Transform this black-and-white image into a realistic colorized version. Pay attention to historical accuracy (if applicable) and natural tones. Enhance details while maintaining the original texture and contrast. Avoid oversaturation and ensure skin tones, landscapes, and objects look lifelike. If the image is old or low-quality, gently restore minor imperfections without altering key features.
🎉 تخفیف ویژه روی دوره‌های هوش مصنوعی مکتب‌خونه (تا ۷۰٪ تخفیف) 🎉
به مدت محدود و ظرفیت محدود

🎓 ۳ دوره‌ی پرطرفدار با کد تخفیف ویژه:

1️⃣ دوره OpenCV با ۶۰٪ تخفیف
🔹 کد تخفیف: COUPON-518f7
🔗 لینک ثبت‌نام: mktb.me/81nt

2️⃣ دوره یادگیری عمیق با ۶۰٪ تخفیف
🔹 کد تخفیف: COUPON-dc73c
🔗 لینک ثبت‌نام: mktb.me/2klm

3️⃣ دوره مبانی هوش مصنوعی و یادگیری ماشین با ۷۰٪ تخفیف
🔹 کد تخفیف: COUPON-8a508
🔗 لینک ثبت‌نام: mktb.me/tcsk

📌 کدها فقط برای تعداد محدودی فعال هستن، پس اگه قصد ثبت‌نام داری، عجله کن!
📤 این فرصت رو با دوستانت به اشتراک بذار 🌟

#هوش_مصنوعی #یادگیری_ماشین #یادگیری_عمیق #بینایی_ماشین #دوره_آموزشی #مکتبخونه #تخفیف_ویژه #کد_تخفیف #آموزش_آنلاین #هوش_مصنوعی_کاربردی #آموزش_رایگان
Tensorflow(@CVision)
با این حال، نورون‌های ما به طور متوسط فقط با نرخ ۴ هرتز شلیک میکنن، که ۵۰ تا ۶۰ برابر کمتر از این نرخ بهینه برای انتقال اطلاعاته.  علاوه بر این، بسیاری از انتقال‌های سیناپسی موفقیت‌ آمیز نیستن! یعنی حتی وقتی سیگنال الکتریکی به سیناپس میرسن و آماده آزاد کردن…
مغز انسان یه شگفتی از نظر بهره‌وری انرژیه. یک گروه از پژوهشگران توی این مقاله این موضوع رو به خوبی نشون دادن.

با حدود ۱۰۰ میلیارد نورون، مغز تنها ۱۲ وات انرژی مصرف می‌کنه، که کمتر از یه لامپ معمولیه. در مقابل، میزان انرژی مورد نیاز برای سامانه‌های هوش مصنوعی بسیار زیاده. بر اساس برآوردهای انجام‌ شده در پروژه‌ مغز آبی سوئیس (Blue Brain Project)، شبیه‌ سازی فرایندهای فکری مغز انسان حدود ۲.۷ میلیارد وات انرژی نیاز داره. این موضوع نشون میده که مغز زیستی ما میلیون‌ها برابر از هوش مصنوعی‌ های کنونی انرژی‌ کارآمدتر هست.

این تفاوت عظیم در مصرف انرژی نشون میده که برای توسعه‌ی یه هوش مصنوعی عمومی (AGI) که بتونه مانند انسان انعطاف‌ پذیر و خلاق فکر کنه، باید چالش‌ های انرژی بزرگی رو پشت سر گذاشت.

اضافه کنم که میزان مصرف انرژی مغز رو میشه بر اساس مقدار انرژی‌ که سوزانده میشه تخمین زد. وات واحد توانه، بنابراین میشه اون رو بر اساس میزان مصرف ATP (مطلب قبلی) در یک بازه‌ی زمانی محاسبه و به وات تبدیل کرد.

https://www.frontiersin.org/journals/artificial-intelligence/articles/10.3389/frai.2023.1240653/full
ایران تسلیت🖤
#موقت

🔴 هشدار امنیتی
مفهوم «فاین‌تیون» یا fine-tuning فقط توی دیپ‌لرنینگ نیست؛ توی جنگ‌ها هم کاربرد داره.
وقتی دشمن فیلم‌ اصابت موشک‌ها رو ببینه، می‌تونه ازشون برای بهبود دقت حملات بعدی استفاده کنه — دقیق‌تر بزنه.
این یادگیری از خطاها، به نفع دشمن تموم می‌شه.
⚠️ لطفاً به‌هیچ‌وجه فیلم یا تصویر از محل اصابت موشک منتشر نکنید.
#موقت

دوستان و مخاطبین محترم ساکن ایران حفظ آرامش روانی در رویداد های این چنینی بسیار حائز اهمیته، خصوصا قرنی که ما در اون زندگی میکنیم که شبکه های اجتماعی به مدد هوش مصنوعی میتونن واقعیت ها رو به سادگی وارونه جلوه بدن.

گروه های موجود در شبکه های اجتماعی برای جذب مخاطب هر کاری انجام میدن عده ای وضعیت رو نرمال و گروهی اوضاع رو به صورت وخیم گزارش میدن، هر دو گروه در حال غلو کردن هستند. در دل بحران‌ ها و جنگ‌ های روایت‌ محور، آنچه به‌ نام «واقعیت» تجربه میشه، بیش از آنکه بازتابی از جهان بیرون باشه، بازسازی‌ درون مغز هاست.

درک ما از جهان نه بر پایه‌ داده‌ های خام حسی، بلکه بر پایه‌ مدل‌ های پیش‌ بینی‌ کننده مغز شکل می‌گیره. مغز دائما حدس میزنه که قراره چه چیزی ببینه، بشنوه یا احساس کنه، و تنها اون بخش از داده‌ها رو پردازش می‌کنه که با پیش‌ بینیش همخوانی نداره.

یعنی بیشتر آنچه "می‌بینیم"، نه نوری هست که به شبکیه می‌تابه، بلکه بازتابیه از مدل‌ های قبلی ذهن. حتی در تاریکی مطلق، وقتی هیچ ورودی حسی‌ وجود نداره، مغز نمایش رو ادامه میده.

این همون سازوکار رویا دیدنه. شب‌ ها که چشم‌ ها بستن و جهان بیرون خاموشه، نمایش ذهن آغاز می‌شه، گاهی دقیق‌ تر، پرجزئیات‌ تر و رنگین‌ تر از واقعیت روزمره.

اما در این بین، ورود هوش مصنوعی به میدان جنگ ادراک، مسئله رو بحرانی‌ تر میکنه. AI نه تنها داده می‌ سازه، بلکه داستان می‌ سازه. تصاویر جعلی، خبرهای ساختگی، و روایاتی که با مهارت به مدل‌ های پیش‌ فرض ذهن ما تزریق میشن، نه برای متقاعد کردن ما، بلکه برای «پیش‌ بینی شدن» در معماری مغزمون.

واقعیت، دیگه اون چیزی نیست که می‌ بینی، بلکه چیزیه که مغزت انتظار داره ببینه و اگه هوش مصنوعی این انتظارات رو بنویسه، دیگه چه کسی واقعیت رو کنترل می‌ کنه.

مراقب آرامش روانی خودتون و خانوادتون باشید
Tensorflow(@CVision)
نقدی که من به مدل های زبانی در این پست داشتم اینه که برای ساخت مدل جهانی واقعی، باید فراتر از زبان صرف بریم و به مفاهیم دیگه ای مانند منطق، تجربه‌ فیزیکی، و نشونه‌ های اجتماعی توجه کنیم به نظر من توانایی استفاده‌ درست و روان از زبان، الزاما به معنای درک عمیق…
 توی این پست در پاسخ در جواب به نقد یکی از مخاطبین گفتم که مدل‌های مبتنی بر زبان (مانند chatgpt) نمیتونن درک واقعی انسان از جهان رو بازسازی کنن، چرا که زبان تنها نشانه‌ هایی آماری هست و ریشه در ساختار فیزیکی نداره. در واقع مدل های زبانی به جهان واژگان تکیه دارن و اونو به غار افلاطون تشیبه کردم.

حالا Fei‑Fei Li به دنبال ساختارشکنی در محدودیت‌ های مدل‌ های زبانی هست. ایشون به همراه تیمش مشغول توسعه نوع جدیدی از مدل‌ های هوش مصنوعی به نام «world models» هست، مدل هایی که بتونن با درک فضایی سه‌ بعدی استدلال، برنامه ریزی و خودشون رو با محیط وفق بدن.

هدف این مدلها ارتقاء هوشمندی از سطح متن و واژه به سطح واقعی و محیط فیزیکی و در نهایت تبدیل به گام بعدی هوش مصنوعی بشر محور هست.

در واقع ایشون در تلاشه تا مدل هوش مصنوعی‌ بسازه که شبیه به مدل ذهنی انسانه، تا یه درک واقعی و انتزاعی از جهان داشته باشه، نه فقط از روی آمار و متن، بلکه بر پایه‌ درک سه‌بعدی و علیت (cause-effect).

https://www.businessinsider.com/world-model-ai-explained-2025-6
Tensorflow(@CVision)
 توی این پست در پاسخ در جواب به نقد یکی از مخاطبین گفتم که مدل‌های مبتنی بر زبان (مانند chatgpt) نمیتونن درک واقعی انسان از جهان رو بازسازی کنن، چرا که زبان تنها نشانه‌ هایی آماری هست و ریشه در ساختار فیزیکی نداره. در واقع مدل های زبانی به جهان واژگان تکیه…
بیایم به یه شکل دیگه نگاه کنیم تا حالا به این موضوع فکر کردین که چطور یه موش حتی اگر در تمام عمرش موش دیگه ای رو ندیده باشه، برای بچه‌ هاش لونه میسازه؟

یا موارد مشابه دیگه مثل یه عنکبوت که تار می‌ تنه، یه کرم ابریشم که پیله میسازه، و یا یه سگ آبی که سد میسازه و ... حتی اگه هیچ‌ کدوم از همنوعانشون هرگز به اونها نشون نداده باشن که چطور این کارهای پیچیده رو انجام میدن.

این سوالات به این معنا نیست که این رفتارها آموخته‌ شده نیستن، بلکه به این معناست که این حیوانات اونها رو در طول یه عمر نیاموختن، بلکه در طول هزاران نسل یاد گرفتن.

تکامل رفتارهای حیوانی در واقع یک فرایند یادگیری محسوب میشه، اما این یادگیری توسط مجموعه گونه انجام میگیره، نه توسط یک فرد، و نتایج این فرایند یادگیری در DNA کد گذاری شدن.

در واقع موجودات زنده مدل‌هایی درونی از جهان و رفتار مناسب در اون رو دارن، که از طریق تکامل شکل گرفته. این مدل‌ ها ممکنه آگاهانه نباشن، ولی وجود دارن و به حیوان اجازه میدن که بدون تجربه قبلی رفتارهایی مؤثر انجام بدن.

در واقع بخش مهمی از هوش، از طریق تجربه جمعی شکل می‌گیره، نه صرفاً تجربه شخصی. مدل‌ های هوش مصنوعی هم باید مدل‌های درونی از جهان داشته باشن، نه فقط آماری و مبتنی بر زبان.
Channel photo updated
🚀 معرفی دستیار صوتی هوشمند 11ai از ElevenLabs

کمپانی ElevenLabs با معرفی 11ai، دستیار صوتی هوشمند خود، گام بزرگی در دنیای هوش مصنوعی برداشته است. این دستیار که بر پایه فناوری Conversational AI و Model Context Protocol (MCP) توسعه یافته، نه تنها به سوالات پاسخ می‌دهد، بلکه می‌تواند اقدامات عملی در ابزارهای روزمره شما انجام دهد. همه تنها با دستورات صوتی! این قابلیت‌ها 11ai را از دستیارهای سنتی مثل الکسا یا گوگل اسیستنت متمایز می‌کند .

🔧 فناوری پیشرفته و یکپارچه‌سازی با ابزارهای کاری و روزمره
دستیار 11ai از MCP برای اتصال به ابزارهایی گوناگون استفاده می‌کند و امکان ایجاد گردش‌های کاری سفارشی را فراهم می‌سازد. همچنین با پشتیبانی از 70+ زبان و تشخیص خودکار زبان، تعاملی طبیعی و چندزبانه را ممکن می‌سازد. این دستیار حتی می‌تواند با لحن‌های مختلف (مثل خنده، زمزمه یا هیجان) صحبت کند، که آن را برای استفاده در محیط‌های حرفه‌ای و شخصی ایده‌آل می‌کند .

این دستیار هم‌اکنون در فاز آلفا قرار دارد و کاربران می‌توانند به صورت رایگان آن را امتحان کنند.

https://elevenlabs.io/blog/introducing-11ai

🌀 @cvision 🌀
🎉 تخفیف ویژه روی دوره‌های هوش مصنوعی مکتب‌خونه (تا ۷۰٪ تخفیف) 🎉
به مدت محدود و ظرفیت محدود

🎓 ۳ دوره‌ی پرطرفدار با کد تخفیف ویژه:

1️⃣ دوره OpenCV با ۶۰٪ تخفیف
🔹 کد تخفیف: COUPON-518f7
🔗 لینک ثبت‌نام: mktb.me/81nt

2️⃣ دوره یادگیری عمیق با ۶۰٪ تخفیف
🔹 کد تخفیف: COUPON-dc73c
🔗 لینک ثبت‌نام: mktb.me/2klm

3️⃣ دوره مبانی هوش مصنوعی و یادگیری ماشین با ۷۰٪ تخفیف
🔹 کد تخفیف: COUPON-8a508
🔗 لینک ثبت‌نام: mktb.me/tcsk

📌 کدها فقط برای تعداد محدودی فعال هستن، پس اگه قصد ثبت‌نام داری، عجله کن!
📤 این فرصت رو با دوستانت به اشتراک بذار 🌟

#هوش_مصنوعی #یادگیری_ماشین #یادگیری_عمیق #بینایی_ماشین #دوره_آموزشی #مکتبخونه #تخفیف_ویژه #کد_تخفیف #آموزش_آنلاین #هوش_مصنوعی_کاربردی #آموزش_رایگان
افشای اطلاعات جدید درباره Gemini توسط گوگل!

 در این ویدیو، Ani Baddepudi، مدیر ارشد محصول رفتار مدل‌های Gemini، در کانال رسمی توسعه‌ دهندگان گوگل اطلاعات تازه‌ ای منتشر کرد.

در گفت‌ و گویی با Logan Kilpatrick (مدیر فعلی Google AI Studio و از اعضای پیشین OpenAI)، به سؤالات مهم و قدیمی کاربران درباره Gemini پاسخ میده:

 سؤالات کلیدی که مطرح شد:

 چرا Gemini از ابتدا به‌ صورت چند رسانه‌ای (Multimodal) طراحی شد؟

 آیا تبدیل تصویر و ویدیو به توکن باعث از بین رفتن اطلاعات می‌شه؟

چرا نسخه ۲.۵ Gemini در درک ویدیو عملکرد فوق‌ العاده‌ای داره؟

و ده‌ ها نکته فنی دیگه

گفت‌ وگو تقریبا به طور کامل بر محور چند رسانه‌ای بودن Gemini می‌ چرخه، از فلسفه طراحی اولیه، تا کاربردهای فعلی و مسیر توسعه آینده

 https://www.youtube.com/watch?v=K4vXvaRV0dw
🔍 معرفی داشبورد LLM Leaderboard از klu.ai

💡 اگر با مدل‌های زبان بزرگ (LLM) سروکار دارید یا علاقه‌مند به مقایسه قدرت و عملکرد مدل‌های مختلف هستید، داشبورد LLM Leaderboard از Klu یک ابزار فوق‌العاده برای شماست.
📊 این داشبورد، یک نمای دقیق و به‌روز از عملکرد مدل‌های مطرح هوش مصنوعی (مثل GPT-4، Claude، Gemini، Mistral و غیره) ارائه می‌دهد. داده‌ها شامل ارزیابی کیفیت پاسخ، دقت، توانایی کدنویسی، استدلال و تطبیق با نیاز کاربران در سناریوهای واقعی هستند.
🧪 ارزیابی‌ها بر پایه تست‌های کاربردی و روزمره طراحی شده‌اند، نه فقط بنچمارک‌های مصنوعی، و شامل تحلیل‌های دسته‌بندی‌شده برای کاربردهای مختلف (مثل برنامه‌نویسی، تحلیل متنی، خلاصه‌سازی و ...) هستند.

⚙️ ویژگی‌های کلیدی: مقایسه‌ لحظه‌ای عملکرد مدل‌ها - امکان فیلتر نتایج بر اساس تسک‌ها - نمایش رتبه‌بندی مدل‌ها بر اساس نوع کاربرد - داده‌های قابل اعتماد با به‌روزرسانی مداوم

🔗 مشاهده داشبورد 🔗

🌀 @cvision 🌀
2025/07/06 22:45:15
Back to Top
HTML Embed Code: