@ai_python

در سال ۲۰۱۲، معماری یادگیری عمیق با دستیابی به عملکرد بی‌سابقه‌ای در چالش تشخیص تصاویر ImageNet (با معماری AlexNet) انقلابی در بینایی ماشین ایجاد کرد. در سال ۲۰۱۶ نیز، AlphaGo موفق شد قهرمان بازی پیچیده Go را شکست دهد، که موفقیتی بزرگ در هوش مصنوعی محسوب می‌شد.

لینک این خبر در سال 2017 در همین کانال : https://www.tgoop.com/ai_python/555

پیشرفت‌هایی مانند AlphaFold (پیش‌بینی ساختار پروتئین)، مدل‌های زبانی مانند GPT-3، و مدل‌های مولد تصویری مانند DALL·E و Stable Diffusion، توجه گسترده‌ای را در میان دانشمندان رشته‌های مختلف جلب کرده‌اند. با وجود سابقه طولانی تحقیقات ریاضی در شبکه‌های عصبی، این دستاوردهای اخیر باعث شده‌اند ریاضیدانان علاقه‌مند شوند تا نظریه‌های دقیق‌تری در مورد یادگیری عمیق ارائه دهند.

@ai_python

در ابتدا، جامعه ریاضی اذعان داشت که دلیل موفقیت این فناوری به خوبی درک نشده و حتی از نظر برخی نظریه‌ها، نباید این سطح از موفقیت ممکن باشد. اما با گذشت زمان، فهم عمیق‌تری از یادگیری عمیق شکل گرفته، هرچند هنوز پرسش‌های بی‌پاسخی وجود دارد.

لینک فایل کامل کتاب در وب سایت arXiv به رایگان :

https://arxiv.org/pdf/2407.18384

افزونه Debug Visualizer در VS Code که با ترسیم گراف، کار را برای دیباگ بسیار آسان تر می کند :

@ai_python

https://www.youtube.com/shorts/3O6BFlOiFRg

@ai_python

نقل قول ها درباره مدل Mistral Small 3.2 و مقایسه آن با Gemma3 از قول کاربران reddit