اینتل در Computex 2025 رسما از کارت‌های گرافیک حرفه‌ای سری جدید خود با معماری Battlemage (Xe2) رونمایی کرد:


Arc Pro B60
 با ۲۴ گیگابایت حافظه GDDR6 و رابط ۱۹۲ بیتی، تنها با قیمت ۵۰۰ دلار معرفی شده، یه گزینه بسیار مقرون‌ بصرفه برای ایستگاه‌ های کاری در حوزه‌ هوش مصنوعی. 

مدل پایین‌تر یعنی Arc Pro B50 دارای ۱۶ گیگابایت حافظه هست و هنوز قیمت دقیقی نداره، اما انتظار میره با قیمت کمتر از B60 عرضه شه.

همچنین نسخه دوگانه B60 با دو GPU و مجموع ۴۸ گیگ رم برای پردازش‌ های سنگین هوش مصنوعی طراحی شده. این نسخه احتمالاً با قیمتی زیر ۱۰۰۰ دلار وارد بازار خواهد شد.

در شرایطی که NVIDIA و AMD همچنان تمرکز بر بازارهای حرفه‌ای دارن، اینتل با این قیمت‌ گذاری تهاجمی و حافظه‌ های بالا، تلاش میکنه جایگاه جدی‌ تری در بازار GPU های workstation و AI پیدا کنه.


https://youtu.be/Y8MWbPBP9i0?si=wuq5iRl9zWFF0Ret

گوگل به‌ تازگی مدل‌های جدید Gemma 3n رو در  HuggingFace منتشر کرده.

مدل‌های Gemma 3n برای اجرای بهینه روی دستگاه‌هایی با منابع محدود مثل تلفن همراه به صورت محلی طراحی شدن. این مدل‌ ها توانایی دریافت ورودی‌ های چندرسانه‌ای رو دارن به این معنی که میتونن متن، تصویر، ویدیو و صدا رو پردازش و خروجی متنی تولید کنن. این مدل‌ها با داده‌ های ۱۴۰ زبان آموزش دیدن.

مدل‌های Gemma 3n از فناوری "فعال‌ سازی انتخابی پارامترها" استفاده می‌کنن تا نیاز به منابع رو کاهش بدن. این تکنیک باعث میشه مدل فقط بخش‌ هایی از پارامترهاش رو هنگام انجام یک وظیفه فعال کنه. در نتیجه مصرف حافظه کاهش پیدا میکنه، بدون افت قابل توجه در عملکرد.

https://huggingface.co/collections/google/gemma-3n-preview-682ca41097a31e5ac804d57b

🔥🔥🔥Google I/O 2025 - (Live)

https://www.youtube.com/live/o8NiE3XMPrM?si=acuYsEKky78LIO5b

گوگل I/O ۲۰۲۵ تا اینجا:

حالت «AI Mode» در جستجوی گوگل به‌ صورت جهانی در حال گسترشه و ویژگی‌ های هوش مصنوعی بیشتری رو اضافه می‌کنه

Google Beam
 نام جدید پروژه «Starline» هست که کیفیت جلسات مجازی رو بهتر می‌کنه.

عینک‌های هوشمند واقعیت ترکیبی (XR) اندروید در راه هستن، با همکاری برندهایی مثل Warby Parker و Gentle Monster.

قابلیت Gemini به مرورگر Google Chrome اضافه شده!

پاسخ‌ های هوشمند جیمیل از هوش مصنوعی استفاده می‌کنن تا با توجه به محتوای ایمیل‌ها و Google Drive، پیشنهاد بدن.

Google Meet 
امکان ترجمه زنده صحبت‌ها رو با حفظ صدای گوینده از طریق هوش مصنوعی فراهم کرده !

Imagen 4
 کیفیت تصاویر تولیدشده با هوش مصنوعی رو با جزئیات ارتقا داده.

Veo 3 
کیفیت تولید ویدیو با هوش مصنوعی رو بالا برده و صداگذاری و دیالوگ رو اضافه کرده!

Flow
ابزار جدید ویرایش ویدیو با هوش مصنوعیه که با Veo 3 و Imagen 4 هماهنگ میشه.

حالت «Agent Mode» در اپلیکیشن Gemini به هوش مصنوعی اجازه میده کارها رو به‌ صورت خودکار انجام بده

نسخه جدید Gemini 2.5 Pro توانایی‌ های بهتری در استدلال، برنامه‌نویسی و کار با ورودی‌ های چند رسانه‌ای پیدا کرده.

طرح «AI Ultra» گوگل با پرداخت ماهیانه ۲۴۹.۹۹ دلار، دسترسی به نسخه‌های پیشرفته هوش مصنوعی رو فراهم میکنه.

ابزار کدنویسی جدید گوگل به نام «Stitch» به توسعه‌
دهندگان در طراحی سریع رابط کاربری کمک می‌کنه


Gemini Live
امکان اشتراک‌ گذاری زنده دوربین با هوش مصنوعی رو به جستجوی گوگل و اپلیکیشن Gemini اضافه کرده

همچنین گوگل مدل Gemini Diffusion رو معرفی کرد که یه مدل زبانی غیرترتیبی هست و با استفاده از روش Diffusion بلوک‌ های متنی رو بصورت هم‌ زمان تولید می‌ کنه

https://deepmind.google/models/gemini-diffusion/

قابلیت ترجمه زنده در Google Meet

Veo 3🔥

نمای کلی ویدیویی بزودی به NotebookLM اضافه میشه. فعلا فقط برای زبان انگلیسی در دسترس خواهد بود، اما بزودی میتونید خلاصه‌ های ویدیویی کوتاه از منابع خود مانند فایل‌های PDF، عکس‌ها و سایر محتواها بسازین.

فناوری‌ای که پشت دوربین و اشتراک‌ گذاری صفحه در Gemini Live قرار داره، حالا با ویژگی‌های هوشمندانه‌ تری معرفی شده .

این فناوری تحت عنوان Project Astra در قالب یک اپلیکیشن اندروید برای برخی کاربران در دسترس قرار گرفته.

نکته جالب اینکه Astra حالا توانایی‌هایی عاملی (agentic) داره، یعنی می‌تونه به صورت هوشمند برخی بخش‌های گوشی اندرویدی شما رو کنترل کنه

راهنمای نصب Gemma 3n برای کاربران اندروید:

فایل APK اپلیکیشن Edge Gallery رو از گیت‌هاب دانلود کنید:

https://github.com/google-ai-edge/gallery/releases/tag/1.0.0

یکی از فایل‌های .task رو از سایت Hugging Face دانلود کنید:

https://huggingface.co/collections/google/gemma-3n-preview-682ca41097a31e5ac804d57b

فایل .task رو با زدن دکمه + در پایین سمت راست، داخل اپلیکیشن Edge Gallery وارد کنید.

همچنین می‌تونید مستقیما از داخل برنامه عکس بگیرید و با مدل گفتگو کنید

آنچه در Veo 3 بیش از همه با سایر نسخه ها و ابزارهای متن باز مثل Wan یا hunyuan تفاوت ایجاد کرده، نه صرفا توانایی تولید محتوای تصویری در یک مرحله، بلکه امکانات پیشرفته در ویرایش و صداگذاری خودکار هست مثل توانایی در تعریف حرکت، جهت، برش‌ ها و حتی ترکیب صدا با تصویر و حتی لهجه ها!

این ابزار بیشتر به سمت کاربرد های حرفه‌ای، مانند آژانس‌ های تبلیغاتی و تولیدات سینمایی، هدف‌ گذاری شدن.

مسیری که از سال ۲۰۱۴، زمانی که Ian Goodfellow برای نخستین‌ بار معماری GAN رو معرفی کرد، آغاز شد، سالی که تولید تصاویر کدر و پیکسلی برامون هیجان‌انگیز بود تا به امروز، واقعا شگفت‌انگیز و الهام‌ بخشه

از سال ۲۰۱۷، سخت‌ افزارهای پر مصرف مخصوص AI باعث شدن مصرف برق مراکز داده تا سال ۲۰۲۳ دو برابر شه.

در حالی که ChatGPT در اواخر ۲۰۲۲ منتشر شد، رشد واقعی مصرف انرژی توسط هوش مصنوعی از سال‌ ها قبل آغاز شده بود، از وقتی که AlphaGo با غلبه بر قهرمان بازی Go، جهان رو شوکه کرد و مقاله «Attention is All You Need» دنیای یادگیری ماشین رو دگرگون ساخت.

طبق گزارشی جدید، ۴.۴٪ از کل انرژی مصرفی آمریکا صرف مراکز داده میشه و پیش‌بینی میشه تا سال ۲۰۲۸، تنها هوش مصنوعی به‌اندازه ۲۲٪ از برق مصرفی تمام خانوارهای آمریکا انرژی مصرف کنه.

آیا سیستم‌ های انرژی فعلی تاب این رشد فزاینده رو دارن؟

https://www.technologyreview.com/2025/05/20/1116327/ai-energy-usage-climate-footprint-big-tech/

قابلیت ترجمۀ زنده با پشتیبانی از زبان فارسی در عینک‌های هوشمند مجهز به اندروید XR

یه ویدیوی دیگه با Veo 3 گوگل
به نظر میرسه تو آینده سینما به زودی فقط کارگردان خواهیم داشت و دیگر بازیگر نیازی نیست...

دیتاست کارت ملی ایرانی

https://class.vision/blog/iranian-national-id-card-dataset/

دیتاست شامل ۲٬۰۰۰ تصویر از کارت‌های ملی ایرانی است که با اطلاعات هویتی ساختگی ایجاد شده‌اند. کارت‌ها با کیفیت چاپ کارت‌های واقعی تولید و در شرایط چالش‌برانگیز و غیرکنترل‌شده با دوربین‌های موبایل عکسبرداری شده‌اند.

#دیتاست

Veo 3 🔥

آینده ما به سوی هم‌ زیستی با ماشین‌ هایی پیش میره که بهتر از ما فکر می‌کنن. اما اگر ما خود محصولی از داده و پردازش باشیم، چه تفاوتی میان ما و آن‌ ها باقی میمونه؟ آیا ماشین‌ ها روزی خواهند پرسید: «آیا کسی داره پرامپت ما رو می‌ نویسه؟»

شاید در نهایت، همه ما تنها خطوطی از کدی بزرگ باشیم، در حال اجرا، تا زمانی که پردازنده‌ ی هستی خاموش شه

فرصت ویژه برای علاقه‌مندان به GNN!

با کد تخفیف ۳۰۰ هزار تومانی دوره‌ی ضبط‌شده‌ی Graph Neural Network، یادگیری عمیق‌تری رو تجربه کن!

کد تخفیف:
gnn_300_fr
لینک دوره:
https://class.vision/product/graph-neural-network/

❌فقط تا ۹ خرداد اعتبار دارد—از دستش نده!