کلید رمزنگاری RSA برای اولین بار شکسته شد!

یه تیم تحقیقاتی چینی تونستن با کامپیوترای کوانتومی شرکت D-Wave روشای رمزنگاری‌ مثل RSA و AES رو که برای محافظت از اطلاعات حساس استفاده می‌کنیم رو بشکنن.
خبر خیلی مهمیه که باید همه توجه کنیم بهش

اینا با استفاده از تکنولوژی کوانتومی تونستن یه عدد 50 بیتی RSA رو رمزگشایی کنن یعنی این رمزنگاری ها دیگه اونقدرا امن نیستن. قبلاً می‌گفتن چند دهه طول می‌کشه تا این کامپیوترای کوانتومی قوی بشن، ولی حالا معلوم شده زودتر از اونی که فکر می‌کردیم ممکنه سیستمامونو به خطر بندازن.
نکته مهم اینه که هکرها حتی الان اگه نتونن اطلاعاتو رمزگشایی کنن، ممکنه الان اطلاعاتو بدزدن و بذارن برای آینده که کامپیوترای کوانتومی بتونن راحت رمزگشایی‌شون کنن.

به طور کلی دیگه زمان زیادی برای تعلل نیست و باید سریع‌تر روش های رمزگذاری جدیدی ابداع بشه تا اطلاعاتمون از دست نره!
حالا واسه اینکه بدونیم چقدر این دو روش رمزنگاری اهمیت داره کاربرداشو بدونیم:

کاربردهای RSA:
تو پیام‌رسان‌ها یا ارسال ایمیل‌های حساس. تأیید هویت کاربران یا سرویس‌ها.
مثلاً امضای دیجیتال که ثابت می‌کنه یک پیام یا سند از طرف فرستنده اصلی ارسال شده.


کاربردهای AES:
رمزنگاری فایل‌ها، تو پروتکل‌هایی مثل VPN، Wi-Fi WPA2/WPA3، و TLS که برای رمزنگاری داده‌های در حال انتقال استفاده میشه. محافظت از اطلاعات حساس دیتابیس ها، رمزنگاری پیام‌ها تو اپلیکیشن‌هایی مثل WhatsApp، پرداخت تراکنش‌های بانکی
بلاگ

@silicon_brain |از هوش مصنوعی عقب نمانید

یه ایده‌ی خلاقانه به نام GraphRAG برای تقویت توانایی‌ LLMها

یکی از چالش‌های کلیدی در مدل‌های زبانی بزرگ (LLM) استفاده از آن‌ها برای حل مسائل فراتر از داده‌های آموزش است. به‌منظور برآورده شدن این هدف، تیم تحقیقاتی مایکروسافت GraphRAG را معرفی کرده که به‌عنوان یک تکنیک پیشرفته
برای بهبود عملکرد Retrieval-Augmented Generation (RAG) استفاده می‌شود.

ویژگی‌های کلیدی GraphRAG:

ایجاد گراف دانش توسط LLM: این روش به‌صورت خودکار گرافی از موجودیت‌ها و روابط موجود در داده‌های خصوصی تولید می‌کند.

خوشه‌بندی معنایی: با ایجاد ساختارهای معنایی سلسله‌مراتبی، داده‌ها به خوشه‌هایی معنادار تقسیم‌بندی می‌شوند که امکان پیش‌خلاصه‌سازی اطلاعات را فراهم می‌کند.

افزایش دقت بازیابی: با استفاده از گراف تولید شده، GraphRAG محتوای مرتبط‌تری را برای ورود به پنجره زمینه LLM فراهم می‌آورد و پاسخ‌های دقیق‌تری تولید می‌کند.

پشتیبانی از پرسش‌های پیچیده: این تکنیک توانایی پردازش سوالاتی که نیاز به تجمیع
اطلاعات پراکنده یا تحلیل تم‌های کلان دارند را افزایش می‌دهد.

📊 عملکرد: در یک آزمایش با داده‌های خبری پیچیده، GraphRAG توانسته مفاهیم
کلیدی مانند فعالیت‌های سیاسی و نظامی مرتبط با "Novorossiya" را با دقت بالا شناسایی کند. این نتایج، بهبود چشمگیری را نسبت به روش‌های RAG پایه (که عملکرد آن‌ها صرفا با استفاده از فاصله وکتور سوال و جواب است) نشان داد که معمولاً در اتصال اطلاعات پراکنده ناکام بودند.

🔗 مزایای GraphRAG:

منبع‌نگاری دقیق: هر پاسخ به داده‌های اصلی مرتبط است و امکان تأیید صحت اطلاعات را فراهم می‌کند.

تحلیل کل‌نگر داده‌ها: خوشه‌بندی معنایی امکان شناسایی تم‌های اصلی و پاسخ‌دهی به سوالات کلی‌تر را بهبود می‌بخشد.

تطبیق با داده‌های خصوصی: این روش برای داده‌هایی که مدل‌های LLM به آن‌ها آموزش ندیده‌اند، مانند اسناد تجاری یا داده‌های اختصاصی سازمانی، ایده‌آل است.

مطالعه‌ی مقاله کامل

بخوانید: RAG چیست؟

بخوانید: LLM چیست؟


@Ai_Events

یادگیری ماشین در یک نگاه

 رگرسیون خطی

رابطه بین متغیر وابسته و مستقل رو با یک معادله خطی مدل‌سازی می‌کنه.

 رگرسیون لجستیک

مناسب برای مسائل دسته‌بندی (binary classification)
احتمال اینکه یک نمونه به یک کلاس خاص تعلق داشته باشه رو تخمین می‌زنه.

درخت تصمیم

داده‌ها رو براساس مقادیر ویژگی‌های ورودی به زیرمجموعه‌ها تقسیم می‌کنه.
بصری‌سازی و تفسیرش راحته

Random Forest

از چندین درخت تصمیم استفاده می‌کنه.
با میانگین‌گیری از چند درخت، Overfitting رو کاهش میده

‏ SVM

بهترین ابرصفحه برای جدا کردن کلاس‌های مختلف رو پیدا می‌کنه.
در فضاهای با ابعاد بالا بسیار مؤثره.

 نزدیک‌ترین همسایه‌ (k-NN)

همسایه‌های نزدیک رو میذاره توی یک خوشه. ممکنه محاسبات زیادی نیاز داشته باشه.

 K-Means

داده‌ها رو براساس شباهت ویژگی‌ها به k خوشه تقسیم می‌کنه.

Naive Bayes

برای دسته‌بندی متن و فیلتر کردن اسپم خیلی کاربردیه.

 شبکه‌های عصبی

الگوها رو توی داده‌ها شناسایی می‌کنن.
پایه یادگیری عمیق و پردازش زبان طبیعی هست.

Gradient Boosting

چند مدل ضعیف رو ترکیب می‌کنه تا یک مدل پیش‌بینی قوی بسازه.

@silicon_brain|از هوش مصنوعی عقب نمانید‏

اوپن‌ای‌آی تو روز اول از رویداد "12 Days of OpenAI" نسخه کامل مدل o1 رو معرفی کرد. که جایگزین نسخه پیش‌نمایش (Preview ) قبلی تو ChatGPT شده.

یه اشتراک جدید به اسم ChatGPT Pro معرفی کرده. ماهی 200 دلار قیمت داره و بیشتر برای کاربرهایی طراحی شده که نیاز به قدرت پردازشی بالا یا موارد استفاده پیچیده دارن.

ویژگی‌های مدل o1
مدل o1 نسبت به نسخه پیش‌نمایش، خطاها رو 34 درصد کمتر کرده، مخصوصاً توی مسائل پیچیده دنیای واقعی. می‌تونه تصاویر رو پردازش کنه، مثل تحلیل نمودارها، دیاگرام‌ها، یا عکس‌های توضیحات‌دار

کاربرهای Pro می‌تونن بدون محدودیت از مدل‌های o1، GPT-4o، o1-mini، و ابزارهای پیشرفته صوتی استفاده کنن. این نسخه پیشرفته‌تر، یه کانتکست ویندوی 128k داره و توی مسائل سخت‌تر، پایداری بیشتری ارائه میده. توی بنچمارک‌های فنی، 80 درصد دقت تو ریاضیات (AIME)، رتبه 75 درصدی تو کدنویسی (Codeforces)، و 74 درصد دقت توی علم (GPQA Diamond) رو به دست آورده.

وقتی تو حالت o1 Pro کار می‌کنید، یه نوار پیشرفت نمایش داده میشه و اگر پردازش زمان‌بر باشه، نوتیفیکیشن دریافت می‌کنید.

@silicon_brain | از هوش مصنوعی عقب نمانید

ایلان ماسک چت‌بات Grok رو رایگان کرده و حالا همه می‌تونن ازش استفاده کنن. کاربرای عادی که حق اشتراک ندارن هم می‌تونن هر دو ساعت، تا ۱۰ پیام به Grok بفرستن.

این چت‌بات که پارسال توسط تیم xAI معرفی شد، یه دستیار هوشمنده که علاوه بر کارایی، یه حس شوخ‌طبعی خاص هم داره! ویژگی تبدیل متن به تصویر هم از آگوست به Grok اضافه شده.

ماسک از همون اول قصد داشت با فناوری‌های هوش مصنوعی مثل OpenAI رقابت کنه، و Grok رو با تأکید روی سرعت یادگیری و تعامل طبیعی‌تر طراحی کرده. حالا باید دید این چت‌بات می‌تونه سهمی از بازار چت‌بات‌های محبوب رو بگیره یا نه!

x.com/i/grok

@silicon_brain | از هوش مصنوعی عقب نمانید

تو یک Python Engineer نیستی.
تو یک مهندس بینایی کامپیوتری نیستی.
تو یک مهندس GenAI مثل GPT یا DALL-E نیستی.
تو یک مهندس یادگیری تقویتی نیستی.
تو یک متخصص TensorFlow، PyTorch یا Transformers نیستی

تو یک مهندس هوش مصنوعی هستی.
بعضی وقتا ذهنمون بایاس میشه و خودمونو به یک تکنولوژی یا فریم‌ورک‌ خاصی محدود می‌کنیم، مهندس‌های هوش مصنوعی با مسائلی که حل می‌کنن، سیستم‌هایی که می‌سازن و تاثیری که در دنیای واقعی می‌ذارن شناخته می‌شن، نه با فریم‌ورک‌هایی مثل TensorFlow یا PyTorch و .... که استفاده می‌کنن.

وقتی خودتو با ابزارها تعریف می‌کنی، رشد خودت رو محدود می‌کنی. ابزارها عوض می‌شن، ولی توانایی حل مسئله تو همیشه ثابت می‌مونه. صنعت سریع پیشرفت می‌کنه. ابزارهایی که امروز محبوبن، فردا از مد می‌افتن. ولی توانایی تطبیق با شرایط و مهارت‌های حل مسئله همیشه تو رو متمایز می‌کنه.

پس سعی کن خودتو با ابزارها و تکنیک‌ها لیبل نزنی.
تو یک مهندس هوش مصنوعی هستی و این یعنی تو یک حل‌کننده مسئله هستی با هر روش و ابزار و تکنولوژی که بشه
این موضوع برای مهندس نرم افزار هم کاملا برقراره

@silicon_brain | از هوش مصنوعی عقب نمانید

شرکت OpenAI بالاخره قابلیت چت ویدیویی با ChatGPT رو فعال کرده! حالا کاربرا میتونن علاوه بر مکالمه صوتی، دوربین گوشی‌شون رو هم روشن کنن و سوژه‌ها رو به ChatGPT نشون بدن تا این هوش مصنوعی بتونه بهتر و دقیق‌تر نظر بده.

تازه یه قابلیت جذاب دیگه هم اضافه شده؛ اشتراک‌گذاری صفحه گوشی! یعنی می‌تونین محتوای صفحه‌تون رو با ChatGPT به اشتراک بذارین و اون با دیدن صفحه، توی انجام کارای مختلف بهتون کمک کنه.

یه سورپرایز ویژه کریسمس هم دارن؛ صدای بابانوئل اضافه شده! حالا می‌تونین با تم زمستونی، مکالمه صوتی با بابانوئل داشته باشین و حس و حال تعطیلات رو تجربه کنین.
این امکانات از امروز برای اپلیکیشن موبایل ChatGPT فعال شدن و قراره توی چند روز آینده برای همه کاربرای اشتراک پلاس و پرو قابل استفاده بشه.

@silicon_brain | از هوش مصنوعی عقب

اجرای Llama با ۸ میلیارد پارامتر رو گوشی! آفلاین و Inference روی دیوایس
تو این پست یه توضیحی در موردش دادم

@silicon_brain I از هوش مصنوعی عقب نمانید

پیش‌بینی مدیرعامل Hugging Face از آینده فیلد هوش مصنوعی تا ۲۰۲۵

1- اولین اعتراض بزرگ عمومی علیه هوش مصنوعی شکل می‌گیره.
2- یه شرکت بزرگ به خاطر تأثیر AI، نصف یا حتی بیشتر ارزش بازارش رو از دست می‌ده.
3- حداقل ۱۰۰ هزار ربات هوشمند شخصی پیش‌فروش می‌شه.
4- چین توی رقابت هوش مصنوعی پیشتاز می‌شه، مخصوصاً توی AI متن‌باز.
5- پیشرفت‌های فوق‌العاده‌ای توی کاربرد AI توی بیولوژی و شیمی اتفاق می‌افته.
6-رشد اقتصادی و شغل‌سازی در AI. کلی فرصت شغلی جدید توی اکوسیستم AI به وجود میاد.

پیش‌بینی‌های سال قبلش:
1- یه سری از شرکت‌های پرسروصدای هوش مصنوعی یا ورشکست شدن یا با قیمت پایین فروخته شدن (مثل Inflexion و AdeptAI).
2- مدل‌های زبانی متن‌باز با مدل‌های انحصاری رقابت کردن (مثل QWQ و چند مدل دیگه).
3- پیشرفت‌های بزرگ توی هوش مصنوعی:
موفقیت زیاد توی حوزه ویدیو.
پیشرفت کمتر از انتظار توی سری‌های زمانی، بیولوژی و شیمی.
4- بحث درباره هزینه‌های هوش مصنوعی:
توجه به هزینه‌های مالی بالا رفت.
توجه به مسائل محیط‌زیستی کمتر شد.
5- رسانه‌های معروف AI‌ محور ساخته شدن (مثل NotebookLM گوگل).
@silicon_brain | از هوش مصنوعی عقب نمانید