تا حداکثر دو روز دیگه میتونید از xerac.ir به o1 دسترسی داشته باشید.
به اضافه چندتا قابلیت باحال
به اضافه چندتا قابلیت باحال
🔥3💩1
Forwarded from Out of Distribution (M S)
تا رسانم بوسهای بر رویِ ماهت یک سحر
نکته جالبی که در مورد openai o1 قابل دیدنه اینه که نسبت به نسخههای قبلی بهتر میتونه شعر فارسی بگه. نسخههای قبلی وزن و عروض رو به خوبی نمیتونستند دربیارن ولی o1 در این مورد خیلی بهتره. هر چند کامل نیست و خیلی جاها هم خراب میکنه ولی در کل بهتر از یک آدم نرمال میتونه شعر بگه و چه بسا o2 یا o3 بتونند فال حافظ و غزل سعدی رو هم بیکار کنند. یک نمونه از خروجیهای شعر o1 رو که هیچ اصلاحی روشون اعمال نشده رو در ادامه میفرستم:
آمدی ای صبحِ روشن، از پسِ شامِ سحر
بردهای خواب از دو چشمم، با نگاهی خیره سر
شوقِ دیدارِ تو دارم، ای نگارِ نازنین
دل شده آشفتهٔ تو، بیقرار و در به در
عشقِ تو آتشفشان است، در دلِ دیوانهام
میکِشد سودای وصلت، هر نفس سوی خطر
در رهت جان میسپارم، ای پری رویِ قمر
تا رسانم بوسهای بر رویِ ماهت یک سحر
با خیالِ وصلِ رویت زندهام در این قفس
چون شکسته بالِ خسته، منتظر بر یک خبر
کاش آید آن زمانی کز لبت نوشم شراب
میشود پایان غمها، میرسد خورشیدِ بر
نکته جالبی که در مورد openai o1 قابل دیدنه اینه که نسبت به نسخههای قبلی بهتر میتونه شعر فارسی بگه. نسخههای قبلی وزن و عروض رو به خوبی نمیتونستند دربیارن ولی o1 در این مورد خیلی بهتره. هر چند کامل نیست و خیلی جاها هم خراب میکنه ولی در کل بهتر از یک آدم نرمال میتونه شعر بگه و چه بسا o2 یا o3 بتونند فال حافظ و غزل سعدی رو هم بیکار کنند. یک نمونه از خروجیهای شعر o1 رو که هیچ اصلاحی روشون اعمال نشده رو در ادامه میفرستم:
آمدی ای صبحِ روشن، از پسِ شامِ سحر
بردهای خواب از دو چشمم، با نگاهی خیره سر
شوقِ دیدارِ تو دارم، ای نگارِ نازنین
دل شده آشفتهٔ تو، بیقرار و در به در
عشقِ تو آتشفشان است، در دلِ دیوانهام
میکِشد سودای وصلت، هر نفس سوی خطر
در رهت جان میسپارم، ای پری رویِ قمر
تا رسانم بوسهای بر رویِ ماهت یک سحر
با خیالِ وصلِ رویت زندهام در این قفس
چون شکسته بالِ خسته، منتظر بر یک خبر
کاش آید آن زمانی کز لبت نوشم شراب
میشود پایان غمها، میرسد خورشیدِ بر
❤7👍1😁1
Forwarded from Silicon Brain | جامعه هوش مصنوعی
جفری هینتون، برنده جایزه نوبل فیزیک!
#جفری_هینتون نوبل فیزیک 2024 رو برای عنوان اکتشافات و ابداعات بنیادی که یادگیری ماشین را با شبکههای عصبی مصنوعی امکانپذیر میکند (ماشین بولتزمن) رو به همراه همکارش جان هاپفیلد برد!
ماشین #بولتزمن (Boltzmann Machine) یک نوع شبکه عصبی تصادفی (stochastic) هست که هدفش پیدا کردن الگوهای پنهان در داده و یادگیری ویژگیهای اصلی یک مجموعه داده ست.
تصویر بالا رو ببینید که چطوری هینتون با اضافه کردن لایه پنهان و تغییر اتصالات نودها در شبکه هاپفیلد، پایه شبکه های عمیق امروزی رو درست کرد.
هینتون سال ۲۰۱۸ به همراه چند محقق دیگر؛ برای کار روی یادگیری عمیق؛ برندهٔ جایزه #تورینگ هم شد.
بزن لایکو براش :)
@silicon_brain | از هوش مصنوعی عقب نمانید
#جفری_هینتون نوبل فیزیک 2024 رو برای عنوان اکتشافات و ابداعات بنیادی که یادگیری ماشین را با شبکههای عصبی مصنوعی امکانپذیر میکند (ماشین بولتزمن) رو به همراه همکارش جان هاپفیلد برد!
ماشین #بولتزمن (Boltzmann Machine) یک نوع شبکه عصبی تصادفی (stochastic) هست که هدفش پیدا کردن الگوهای پنهان در داده و یادگیری ویژگیهای اصلی یک مجموعه داده ست.
تصویر بالا رو ببینید که چطوری هینتون با اضافه کردن لایه پنهان و تغییر اتصالات نودها در شبکه هاپفیلد، پایه شبکه های عمیق امروزی رو درست کرد.
هینتون سال ۲۰۱۸ به همراه چند محقق دیگر؛ برای کار روی یادگیری عمیق؛ برندهٔ جایزه #تورینگ هم شد.
بزن لایکو براش :)
@silicon_brain | از هوش مصنوعی عقب نمانید
❤9👍1
Fusions by Saeed Abhari
عصر هوشمندی آینده رو چطور میبینید؟ سم آلتمن، مدیرعامل OpenAI، در مقالهای از دستاوردهای هوش مصنوعی در آیندهای نزدیک میگه، آیندهای که به گفتهی اون پر از ثروت و رفاه برای همه و البته راه حلی برای چالشهای بزرگ جهان مثل تغییرات اقلیمی هست. ترجمه کامل مقاله…
عصر هوشمندی
در چند دههی آینده، قادر خواهیم بود کارهایی انجام دهیم که برای پدربزرگ و مادربزرگهایمان مانند جادو به نظر میرسید.
این پدیده تازگی ندارد، اما سرعت آن به شکلی بیسابقه افزایش خواهد یافت. انسانها در طول زمان به طور چشمگیری تواناتر شدهاند؛ ما هماکنون میتوانیم کارهایی انجام دهیم که پیشینیان ما آن را غیرممکن میپنداشتند.
ما نه به خاطر تغییرات ژنتیکی، بلکه به دلیل بهرهمندی از زیرساختهای جامعهای که بسیار هوشمندتر و تواناتر از هر یک از ماست، قابلیتهای بیشتری داریم. در واقع، جامعه با مجموعه دانش و تجربیاتش، همچون یک هوش جمعی پیشرفته عمل میکند. نسلهای پیشین ما چیزهای بزرگی ساختند و به دست آوردند. آنها در ساخت پایههای پیشرفت بشری که همه ما از آن بهره میبریم، سهیم بودند. هوش مصنوعی به مردم ابزارهایی برای حل مشکلات دشوار خواهد داد و به ما کمک خواهد کرد تا پایههای جدیدی به این ساختار اضافه کنیم که خودمان به تنهایی نمیتوانستیم آنها را کشف کنیم. داستان پیشرفت ادامه خواهد یافت و فرزندان ما قادر خواهند بود کارهایی انجام دهند که ما نمیتوانیم.
این تحول یک شبه رخ نخواهد داد، اما به زودی میتوانیم با هوش مصنوعیای کار کنیم که به ما کمک میکند دستاوردهای بیشتری نسبت به گذشته داشته باشیم. در نهایت، هر کدام از ما میتوانیم یک تیم هوش مصنوعی شخصی داشته باشیم، متشکل از متخصصان مجازی در زمینههای مختلف که با هم کار میکنند تا تقریباً هر چیزی را که میتوانیم تصور کنیم، خلق کنند. فرزندان ما معلمان مجازی خواهند داشت که میتوانند آموزش شخصیسازی شده در هر موضوعی، به هر زبانی و با هر سرعتی که نیاز دارند، ارائه دهند. میتوانیم ایدههای مشابهی را برای مراقبتهای بهداشتی بهتر، توانایی ایجاد هر نوع نرمافزاری و بسیاری موارد دیگر تصور کنیم.
با این تواناییهای جدید، میتوانیم به سطحی از رفاه مشترک دست یابیم که امروزه غیرقابل تصور به نظر میرسد؛ در آینده، کیفیت زندگی همه میتواند از بهترین استانداردهای امروزی فراتر رود. البته، ثروت به تنهایی برای شادی کافی نیست، اما میتواند به طور معناداری زندگی مردم در سراسر جهان را بهبود بخشد.
این یک نگاه فشرده به تاریخ بشر است: پس از هزاران سال اکتشافات علمی و پیشرفتهای فناوری تجمعی، ما یاد گرفتهایم چگونه شن را ذوب کنیم، برخی ناخالصیها را به آن اضافه کنیم، آن را با دقت حیرتانگیز در مقیاسهای بسیار ریز به تراشههای کامپیوتری تبدیل کنیم، انرژی را از آن عبور دهیم و در نهایت به سیستمهایی برسیم که قادر به ایجاد هوش مصنوعی با قابلیتهای روزافزون هستند.
در چند دههی آینده، قادر خواهیم بود کارهایی انجام دهیم که برای پدربزرگ و مادربزرگهایمان مانند جادو به نظر میرسید.
این پدیده تازگی ندارد، اما سرعت آن به شکلی بیسابقه افزایش خواهد یافت. انسانها در طول زمان به طور چشمگیری تواناتر شدهاند؛ ما هماکنون میتوانیم کارهایی انجام دهیم که پیشینیان ما آن را غیرممکن میپنداشتند.
ما نه به خاطر تغییرات ژنتیکی، بلکه به دلیل بهرهمندی از زیرساختهای جامعهای که بسیار هوشمندتر و تواناتر از هر یک از ماست، قابلیتهای بیشتری داریم. در واقع، جامعه با مجموعه دانش و تجربیاتش، همچون یک هوش جمعی پیشرفته عمل میکند. نسلهای پیشین ما چیزهای بزرگی ساختند و به دست آوردند. آنها در ساخت پایههای پیشرفت بشری که همه ما از آن بهره میبریم، سهیم بودند. هوش مصنوعی به مردم ابزارهایی برای حل مشکلات دشوار خواهد داد و به ما کمک خواهد کرد تا پایههای جدیدی به این ساختار اضافه کنیم که خودمان به تنهایی نمیتوانستیم آنها را کشف کنیم. داستان پیشرفت ادامه خواهد یافت و فرزندان ما قادر خواهند بود کارهایی انجام دهند که ما نمیتوانیم.
این تحول یک شبه رخ نخواهد داد، اما به زودی میتوانیم با هوش مصنوعیای کار کنیم که به ما کمک میکند دستاوردهای بیشتری نسبت به گذشته داشته باشیم. در نهایت، هر کدام از ما میتوانیم یک تیم هوش مصنوعی شخصی داشته باشیم، متشکل از متخصصان مجازی در زمینههای مختلف که با هم کار میکنند تا تقریباً هر چیزی را که میتوانیم تصور کنیم، خلق کنند. فرزندان ما معلمان مجازی خواهند داشت که میتوانند آموزش شخصیسازی شده در هر موضوعی، به هر زبانی و با هر سرعتی که نیاز دارند، ارائه دهند. میتوانیم ایدههای مشابهی را برای مراقبتهای بهداشتی بهتر، توانایی ایجاد هر نوع نرمافزاری و بسیاری موارد دیگر تصور کنیم.
با این تواناییهای جدید، میتوانیم به سطحی از رفاه مشترک دست یابیم که امروزه غیرقابل تصور به نظر میرسد؛ در آینده، کیفیت زندگی همه میتواند از بهترین استانداردهای امروزی فراتر رود. البته، ثروت به تنهایی برای شادی کافی نیست، اما میتواند به طور معناداری زندگی مردم در سراسر جهان را بهبود بخشد.
این یک نگاه فشرده به تاریخ بشر است: پس از هزاران سال اکتشافات علمی و پیشرفتهای فناوری تجمعی، ما یاد گرفتهایم چگونه شن را ذوب کنیم، برخی ناخالصیها را به آن اضافه کنیم، آن را با دقت حیرتانگیز در مقیاسهای بسیار ریز به تراشههای کامپیوتری تبدیل کنیم، انرژی را از آن عبور دهیم و در نهایت به سیستمهایی برسیم که قادر به ایجاد هوش مصنوعی با قابلیتهای روزافزون هستند.
❤1
Fusions by Saeed Abhari
عصر هوشمندی آینده رو چطور میبینید؟ سم آلتمن، مدیرعامل OpenAI، در مقالهای از دستاوردهای هوش مصنوعی در آیندهای نزدیک میگه، آیندهای که به گفتهی اون پر از ثروت و رفاه برای همه و البته راه حلی برای چالشهای بزرگ جهان مثل تغییرات اقلیمی هست. ترجمه کامل مقاله…
این ممکن است مهمترین واقعیت درباره کل تاریخ تا به امروز باشد. احتمال دارد که در چند هزار روز آینده به هوش فوقالعاده پیشرفته دست یابیم؛ شاید بیشتر طول بکشد، اما مطمئنم که به آنجا خواهیم رسید.
چگونه به آستانهی این جهش بزرگ در رفاه رسیدهایم؟
در سه کلمه: یادگیری عمیق موفق شد.
در یک جمله: یادگیری عمیق موفق شد و با افزایش مقیاس، به طور منظم پیشرفت کرد، و ما منابع بیشتری به آن اختصاص دادیم.
واقعاً همین است؛ بشریت الگوریتمی را کشف کرد که میتواند تقریباً هر نوع دادهای را یاد بگیرد. هر چه قدرت محاسباتی و دادههای بیشتری در دسترس باشد، این الگوریتم در کمک به حل مشکلات دشوار بهتر عمل میکند. هر چه بیشتر درباره این موضوع فکر میکنم، عظمت تأثیر آن برایم شگفتانگیزتر میشود.
هنوز چالشهای زیادی پیش رو داریم، اما نباید اجازه دهیم این چالشها ما را از هدف اصلی منحرف کنند. یادگیری عمیق کارآمد است و ما مشکلات باقیمانده را حل خواهیم کرد. نکتهی اصلی این است که هوش مصنوعی با افزایش مقیاس بهتر خواهد شد و این منجر به بهبودهای معناداری در زندگی مردم در سراسر جهان خواهد شد.
مدلهای هوش مصنوعی به زودی به عنوان دستیاران شخصی خودمختار عمل خواهند کرد که وظایف خاصی را برای ما انجام میدهند، مانند هماهنگی مراقبتهای پزشکی. در آیندهای نه چندان دور، سیستمهای هوش مصنوعی آنقدر پیشرفته خواهند شد که به ما در ساخت سیستمهای نسل بعدی و پیشرفت علمی در همه زمینهها کمک میکنند.
فناوری ما را از عصر سنگ به عصر کشاورزی و سپس به عصر صنعتی رساند. از اینجا، پیشرفت به سوی عصر هوشمندی با ترکیبی از قدرت محاسباتی، منابع انرژی و اراده انسانها امکانپذیر میشود.
برای دسترسی عموم به هوش مصنوعی، باید هزینهی محاسبات را کاهش داده و آن را فراگیر کنیم. این امر نیازمند انرژی و تراشههای فراوان است. اگر زیرساخت کافی نسازیم، هوش مصنوعی منبعی بسیار محدود خواهد بود که بر سر آن جنگها درمیگیرد و عمدتاً به ابزاری برای ثروتمندان تبدیل میشود.
باید با خردمندی و در عین حال با اعتقاد راسخ عمل کنیم. ظهور عصر هوشمندی تحولی مهم با چالشهای پیچیده و خطرات بالقوه است. این مسیر بدون چالش نخواهد بود، اما مزایای آن آنقدر عظیم است که وظیفه داریم راهی برای مقابله با خطرات پیش رو پیدا کنیم.
من معتقدم آینده آنقدر درخشان خواهد بود که توصیف آن در حال حاضر دشوار است؛ ویژگی اصلی عصر هوشمندی، رفاه گسترده خواهد بود.
اگرچه این تحول به تدریج رخ خواهد داد، اما دستاوردهای شگفتانگیز - مانند حل مشکل تغییرات اقلیمی، ایجاد مستعمرههای فضایی و کشف قوانین بنیادی فیزیک - در نهایت به امری عادی تبدیل خواهند شد. با هوش تقریباً نامحدود و انرژی فراوان - توانایی تولید ایدههای بزرگ و قدرت تحقق بخشیدن به آنها - میتوانیم به دستاوردهای خارقالعادهای دست یابیم.
با پیشرفت سریع هوش مصنوعی، این نگرانی طبیعی وجود دارد که اگر ماشینها در انجام بسیاری از کارها از ما بهتر شوند، نقش ما چه خواهد بود؟ اما تاریخ نشان داده که انسانها همواره راهی برای سازگاری و یافتن معنا پیدا کردهاند. هوش مصنوعی، در کنار چالشهایش، فرصتهای بیسابقهای برای افزایش رفاه عمومی فراهم میآورد. با خودکارسازی بسیاری از کارهای تکراری، ما فرصت خواهیم داشت تا خلاقیت خود را در زمینههای جدیدی به کار بگیریم. انسانها ذاتاً تمایل به خلق و مفید بودن برای یکدیگر دارند، و هوش مصنوعی به ما اجازه میدهد این تواناییها را به شکلی بیسابقه تقویت کنیم. به عنوان یک جامعه، دوباره در دنیایی رو به گسترش قرار خواهیم گرفت و میتوانیم بر همکاریهایی تمرکز کنیم که برای همه سودمند است.
تصور کنید اگر کسی از صد سال پیش به زمان ما سفر میکرد، چقدر از سطح رفاه و فناوریهای امروزی ما شگفتزده میشد. بسیاری از مشاغل امروزی ما برای او کاملاً ناآشنا و شاید حتی بیمعنی به نظر میرسید. با این حال، ما امروز نه تنها از این مشاغل جدید استقبال میکنیم، بلکه حتی به فکر بازگشت به مشاغل قدیمی مثل فانوسافروزی هم نیستیم. به همین ترتیب، صد سال دیگر، نوادگان ما با شگفتی به زندگی امروز ما نگاه خواهند کرد و از سطح پیشرفت و رفاه خودشان حیرت خواهند کرد. آنها احتمالاً مشغول فعالیتهایی خواهند بود که برای ما قابل تصور نیست، اما این فعالیتها به آنها اجازه میدهد تا از سطح رفاه و کیفیت زندگی بالاتری نسبت به ما بهرهمند شوند. این چرخهی پیشرفت، نوآوری و افزایش رفاه همچنان ادامه خواهد داشت، و ما در آستانهی یکی از هیجانانگیزترین دورههای آن قرار داریم.
چگونه به آستانهی این جهش بزرگ در رفاه رسیدهایم؟
در سه کلمه: یادگیری عمیق موفق شد.
در یک جمله: یادگیری عمیق موفق شد و با افزایش مقیاس، به طور منظم پیشرفت کرد، و ما منابع بیشتری به آن اختصاص دادیم.
واقعاً همین است؛ بشریت الگوریتمی را کشف کرد که میتواند تقریباً هر نوع دادهای را یاد بگیرد. هر چه قدرت محاسباتی و دادههای بیشتری در دسترس باشد، این الگوریتم در کمک به حل مشکلات دشوار بهتر عمل میکند. هر چه بیشتر درباره این موضوع فکر میکنم، عظمت تأثیر آن برایم شگفتانگیزتر میشود.
هنوز چالشهای زیادی پیش رو داریم، اما نباید اجازه دهیم این چالشها ما را از هدف اصلی منحرف کنند. یادگیری عمیق کارآمد است و ما مشکلات باقیمانده را حل خواهیم کرد. نکتهی اصلی این است که هوش مصنوعی با افزایش مقیاس بهتر خواهد شد و این منجر به بهبودهای معناداری در زندگی مردم در سراسر جهان خواهد شد.
مدلهای هوش مصنوعی به زودی به عنوان دستیاران شخصی خودمختار عمل خواهند کرد که وظایف خاصی را برای ما انجام میدهند، مانند هماهنگی مراقبتهای پزشکی. در آیندهای نه چندان دور، سیستمهای هوش مصنوعی آنقدر پیشرفته خواهند شد که به ما در ساخت سیستمهای نسل بعدی و پیشرفت علمی در همه زمینهها کمک میکنند.
فناوری ما را از عصر سنگ به عصر کشاورزی و سپس به عصر صنعتی رساند. از اینجا، پیشرفت به سوی عصر هوشمندی با ترکیبی از قدرت محاسباتی، منابع انرژی و اراده انسانها امکانپذیر میشود.
برای دسترسی عموم به هوش مصنوعی، باید هزینهی محاسبات را کاهش داده و آن را فراگیر کنیم. این امر نیازمند انرژی و تراشههای فراوان است. اگر زیرساخت کافی نسازیم، هوش مصنوعی منبعی بسیار محدود خواهد بود که بر سر آن جنگها درمیگیرد و عمدتاً به ابزاری برای ثروتمندان تبدیل میشود.
باید با خردمندی و در عین حال با اعتقاد راسخ عمل کنیم. ظهور عصر هوشمندی تحولی مهم با چالشهای پیچیده و خطرات بالقوه است. این مسیر بدون چالش نخواهد بود، اما مزایای آن آنقدر عظیم است که وظیفه داریم راهی برای مقابله با خطرات پیش رو پیدا کنیم.
من معتقدم آینده آنقدر درخشان خواهد بود که توصیف آن در حال حاضر دشوار است؛ ویژگی اصلی عصر هوشمندی، رفاه گسترده خواهد بود.
اگرچه این تحول به تدریج رخ خواهد داد، اما دستاوردهای شگفتانگیز - مانند حل مشکل تغییرات اقلیمی، ایجاد مستعمرههای فضایی و کشف قوانین بنیادی فیزیک - در نهایت به امری عادی تبدیل خواهند شد. با هوش تقریباً نامحدود و انرژی فراوان - توانایی تولید ایدههای بزرگ و قدرت تحقق بخشیدن به آنها - میتوانیم به دستاوردهای خارقالعادهای دست یابیم.
با پیشرفت سریع هوش مصنوعی، این نگرانی طبیعی وجود دارد که اگر ماشینها در انجام بسیاری از کارها از ما بهتر شوند، نقش ما چه خواهد بود؟ اما تاریخ نشان داده که انسانها همواره راهی برای سازگاری و یافتن معنا پیدا کردهاند. هوش مصنوعی، در کنار چالشهایش، فرصتهای بیسابقهای برای افزایش رفاه عمومی فراهم میآورد. با خودکارسازی بسیاری از کارهای تکراری، ما فرصت خواهیم داشت تا خلاقیت خود را در زمینههای جدیدی به کار بگیریم. انسانها ذاتاً تمایل به خلق و مفید بودن برای یکدیگر دارند، و هوش مصنوعی به ما اجازه میدهد این تواناییها را به شکلی بیسابقه تقویت کنیم. به عنوان یک جامعه، دوباره در دنیایی رو به گسترش قرار خواهیم گرفت و میتوانیم بر همکاریهایی تمرکز کنیم که برای همه سودمند است.
تصور کنید اگر کسی از صد سال پیش به زمان ما سفر میکرد، چقدر از سطح رفاه و فناوریهای امروزی ما شگفتزده میشد. بسیاری از مشاغل امروزی ما برای او کاملاً ناآشنا و شاید حتی بیمعنی به نظر میرسید. با این حال، ما امروز نه تنها از این مشاغل جدید استقبال میکنیم، بلکه حتی به فکر بازگشت به مشاغل قدیمی مثل فانوسافروزی هم نیستیم. به همین ترتیب، صد سال دیگر، نوادگان ما با شگفتی به زندگی امروز ما نگاه خواهند کرد و از سطح پیشرفت و رفاه خودشان حیرت خواهند کرد. آنها احتمالاً مشغول فعالیتهایی خواهند بود که برای ما قابل تصور نیست، اما این فعالیتها به آنها اجازه میدهد تا از سطح رفاه و کیفیت زندگی بالاتری نسبت به ما بهرهمند شوند. این چرخهی پیشرفت، نوآوری و افزایش رفاه همچنان ادامه خواهد داشت، و ما در آستانهی یکی از هیجانانگیزترین دورههای آن قرار داریم.
❤1
متن زیر که در مورد جوایز نوبل امسال است شاید بی ربط به متن بالا نباشه
پ.ن: متن زیر بازنویسی پست انتشار یافته در نشریه UnHerd است .
https://unherd.com/newsroom/has-the-nobel-prize-cancelled-physics-and-chemistry/
👇
پ.ن: متن زیر بازنویسی پست انتشار یافته در نشریه UnHerd است .
https://unherd.com/newsroom/has-the-nobel-prize-cancelled-physics-and-chemistry/
👇
❤1🥰1
متن انتشار یافته در نشریه UnHerd در باب موضع جوایز نوبل امسال .
شاید فکر کنید که جایزه نوبل فیزیک به یک فیزیکدان تعلق میگیرد. اما امسال اینطور نبود. طبق روال، این جایزه در اوایل هفته گذشته به طور مشترک اهدا شد، اما هر دو برنده، دانشمند کامپیوتر بودند. انگار که مدال طلای دوی ۱۰۰ متر المپیک به یک دوچرخهسوار رسیده باشد!
باید گفت که دو برنده جایزه، جفری هینتون و جان هاپفیلد، در رشته خود بسیار برجسته هستند. با این حال، رشته آنها هوش مصنوعی (AI) است، که معمولاً به عنوان شاخهای از فیزیک در نظر گرفته نمیشود.
بنابراین، این اتفاق مثل سیلی محکمی به صورت فیزیکدانان بود. اما روز بعد، سیلی دوم هم نثار شیمیدانان شد! جایزه نوبل شیمی نیز به طور غافلگیرکنندهای به حوزه علوم کامپیوتر رسید. یکی از سه برنده، دیوید بیکر، سابقهای در بیوشیمی دارد، اما دو نفر دیگر - جان مایکل جامپر و دمیس هاسابیس - از متخصصان برجسته هوش مصنوعی هستند.
آیا این به این معناست که موج بزرگ تبلیغات هوش مصنوعی، نوبل را هم با خود برده است؟ یا اینکه ممکن است اهداکنندگان جایزه معیارهای خود را کمی آسانتر کردهاند تا دستاورد علمی واقعی را به رسمیت بشناسند؟
برای مورد دوم سابقه هم وجود دارد. سومین جایزه نوبل علمی مربوط به فیزیولوژی یا پزشکی است. با این حال، در سال ۱۹۷۳ این جایزه به سه جانورشناس تعلق گرفت: کارل فون فریش، کنراد لورنز و نیکولاس تینبرگن. توصیف کار آنها روی رفتار حیوانات به عنوان فیزیولوژی یا پزشکی کمی سخت به نظر میرسد، بنابراین مشخص است که در آن زمان هم انعطافپذیری وجود داشته است.
به نظر میرسد که سطح مشابهی از انعطافپذیری امسال نیز نشان داده شده است. شکی نیست که هاپفیلد و هینتون از بنیانگذاران یادگیری ماشین هستند. آنها شایسته تقدیر هستند، و با توجه به اینکه جایزه نوبلی برای علوم کامپیوتر وجود ندارد، جایزه نوبل فیزیک باید این وظیفه را انجام میداد.
در مورد جایزه شیمی، کاری که هاسابیس و جامپر در زمینه استفاده از هوش مصنوعی برای پیشبینی ساختار پروتئینها انجام دادهاند، یکی از هیجانانگیزترین تحولات علمی زمانه ماست - آنها نیز شایسته تاج افتخار هستند. با این حال، یک فرد سختگیر ممکن است اعتراض کند که دستاوردهای آنها پیشرفتی برای شیمیدانان است، نه توسط شیمیدانان.
با وجود تمام نبوغ نرمافزار AlphaFold آنها، دانشی که برای ما به دست میآورد، محصول قدرت پردازش کامپیوتر است، نه الهام انسانی. بنابراین، این یک لحظه "اورکا" نیست، نه سیب افتاده بر سر نیوتن، نه سفر داروین با کشتی بیگل، و نه تفکرات انیشتین در دفتر ثبت اختراع سوئیس. بلکه، این علم از طریق شناسایی الگو به صورت خودکار است - کاری که ماشینها به طور غیرقابل تصوری قدرتمندتر، اما به طور نامحدودی کسلکنندهتر از ذهن انسان انجام میدهند.
شاید نکته همین باشد. جوایز نوبل امسال نشانهای از این است که علم انجام شده توسط مغز انسان به حدود طبیعی خود رسیده است. بنابراین، اگر میخواهیم پیشرفت بیشتری داشته باشیم، محاسبات باید بار سنگین را به دوش بکشند. ممکن است میوههای در دسترس کشف علمی قبلاً چیده شده باشد. اگر چنین باشد، هوش مصنوعی ممکن است نردبانی باشد که برای رسیدن به شاخههای بالاتر به آن نیاز داریم.
با این حال، ممکن است عاقلانه باشد که این علم جدید را از علم قدیمی جدا کنیم. بیایید از سیلیکون ولی بخواهیم که یک جایزه نوبل جدید برای علوم کامپیوتر - یا بهتر بگوییم علم توسط کامپیوتر - اختصاص دهد. سپس میتوانیم جوایز تاسیس شده را برای هدف اولیه آنها نگه داریم. هنوز برای کنار گذاشتن الهام به سبک قدیمی زود است - و در هر صورت، این الهام به تشویق نیاز دارد.
شاید فکر کنید که جایزه نوبل فیزیک به یک فیزیکدان تعلق میگیرد. اما امسال اینطور نبود. طبق روال، این جایزه در اوایل هفته گذشته به طور مشترک اهدا شد، اما هر دو برنده، دانشمند کامپیوتر بودند. انگار که مدال طلای دوی ۱۰۰ متر المپیک به یک دوچرخهسوار رسیده باشد!
باید گفت که دو برنده جایزه، جفری هینتون و جان هاپفیلد، در رشته خود بسیار برجسته هستند. با این حال، رشته آنها هوش مصنوعی (AI) است، که معمولاً به عنوان شاخهای از فیزیک در نظر گرفته نمیشود.
بنابراین، این اتفاق مثل سیلی محکمی به صورت فیزیکدانان بود. اما روز بعد، سیلی دوم هم نثار شیمیدانان شد! جایزه نوبل شیمی نیز به طور غافلگیرکنندهای به حوزه علوم کامپیوتر رسید. یکی از سه برنده، دیوید بیکر، سابقهای در بیوشیمی دارد، اما دو نفر دیگر - جان مایکل جامپر و دمیس هاسابیس - از متخصصان برجسته هوش مصنوعی هستند.
آیا این به این معناست که موج بزرگ تبلیغات هوش مصنوعی، نوبل را هم با خود برده است؟ یا اینکه ممکن است اهداکنندگان جایزه معیارهای خود را کمی آسانتر کردهاند تا دستاورد علمی واقعی را به رسمیت بشناسند؟
برای مورد دوم سابقه هم وجود دارد. سومین جایزه نوبل علمی مربوط به فیزیولوژی یا پزشکی است. با این حال، در سال ۱۹۷۳ این جایزه به سه جانورشناس تعلق گرفت: کارل فون فریش، کنراد لورنز و نیکولاس تینبرگن. توصیف کار آنها روی رفتار حیوانات به عنوان فیزیولوژی یا پزشکی کمی سخت به نظر میرسد، بنابراین مشخص است که در آن زمان هم انعطافپذیری وجود داشته است.
به نظر میرسد که سطح مشابهی از انعطافپذیری امسال نیز نشان داده شده است. شکی نیست که هاپفیلد و هینتون از بنیانگذاران یادگیری ماشین هستند. آنها شایسته تقدیر هستند، و با توجه به اینکه جایزه نوبلی برای علوم کامپیوتر وجود ندارد، جایزه نوبل فیزیک باید این وظیفه را انجام میداد.
در مورد جایزه شیمی، کاری که هاسابیس و جامپر در زمینه استفاده از هوش مصنوعی برای پیشبینی ساختار پروتئینها انجام دادهاند، یکی از هیجانانگیزترین تحولات علمی زمانه ماست - آنها نیز شایسته تاج افتخار هستند. با این حال، یک فرد سختگیر ممکن است اعتراض کند که دستاوردهای آنها پیشرفتی برای شیمیدانان است، نه توسط شیمیدانان.
با وجود تمام نبوغ نرمافزار AlphaFold آنها، دانشی که برای ما به دست میآورد، محصول قدرت پردازش کامپیوتر است، نه الهام انسانی. بنابراین، این یک لحظه "اورکا" نیست، نه سیب افتاده بر سر نیوتن، نه سفر داروین با کشتی بیگل، و نه تفکرات انیشتین در دفتر ثبت اختراع سوئیس. بلکه، این علم از طریق شناسایی الگو به صورت خودکار است - کاری که ماشینها به طور غیرقابل تصوری قدرتمندتر، اما به طور نامحدودی کسلکنندهتر از ذهن انسان انجام میدهند.
شاید نکته همین باشد. جوایز نوبل امسال نشانهای از این است که علم انجام شده توسط مغز انسان به حدود طبیعی خود رسیده است. بنابراین، اگر میخواهیم پیشرفت بیشتری داشته باشیم، محاسبات باید بار سنگین را به دوش بکشند. ممکن است میوههای در دسترس کشف علمی قبلاً چیده شده باشد. اگر چنین باشد، هوش مصنوعی ممکن است نردبانی باشد که برای رسیدن به شاخههای بالاتر به آن نیاز داریم.
با این حال، ممکن است عاقلانه باشد که این علم جدید را از علم قدیمی جدا کنیم. بیایید از سیلیکون ولی بخواهیم که یک جایزه نوبل جدید برای علوم کامپیوتر - یا بهتر بگوییم علم توسط کامپیوتر - اختصاص دهد. سپس میتوانیم جوایز تاسیس شده را برای هدف اولیه آنها نگه داریم. هنوز برای کنار گذاشتن الهام به سبک قدیمی زود است - و در هر صورت، این الهام به تشویق نیاز دارد.
❤3
## آیا رباتهای تسلا فقط عروسکهای خیمهشببازیاند؟
مراسم رونمایی We Robot تسلا با خودنمایی نسخه جدید ربات انساننمای آپتیموس همراه بود. این رباتها که در میان جمعیت میچرخیدند، نوشیدنی سرو میکردند و حتی در ایستگاه مترو قدم میزدند، با توانایی صحبت کردنشان همه را متعجب کردند. اما حالا به نظر میرسد این نمایش چشمگیر، بیشتر به یک نمایش سرگرمکننده شباهت داشته تا رونمایی از یک دستاورد فناوری انقلابی!
بررسی دقیقتر ویدئوهای منتشر شده از این رویداد نشان میدهد که حرکات آپتیموس چندان هم خودکار نیست. وبسایت Jalopnik با اشاره به اینکه یک ربات واقعاً خودمختار باید قادر به واکنش آنی به محرکهای مختلف و برقراری ارتباط مستقیم با افراد در محیطهای شلوغ باشد، این سوال را مطرح میکند که آیا اصلا شاهد عملکرد مستقل آپتیموس بودهایم؟
ادامه در کامنت ها
مراسم رونمایی We Robot تسلا با خودنمایی نسخه جدید ربات انساننمای آپتیموس همراه بود. این رباتها که در میان جمعیت میچرخیدند، نوشیدنی سرو میکردند و حتی در ایستگاه مترو قدم میزدند، با توانایی صحبت کردنشان همه را متعجب کردند. اما حالا به نظر میرسد این نمایش چشمگیر، بیشتر به یک نمایش سرگرمکننده شباهت داشته تا رونمایی از یک دستاورد فناوری انقلابی!
بررسی دقیقتر ویدئوهای منتشر شده از این رویداد نشان میدهد که حرکات آپتیموس چندان هم خودکار نیست. وبسایت Jalopnik با اشاره به اینکه یک ربات واقعاً خودمختار باید قادر به واکنش آنی به محرکهای مختلف و برقراری ارتباط مستقیم با افراد در محیطهای شلوغ باشد، این سوال را مطرح میکند که آیا اصلا شاهد عملکرد مستقل آپتیموس بودهایم؟
ادامه در کامنت ها
❤3
Forwarded from Xerac.ir
کاهش هزینه مدلهای OpenAI با قابلیت Prompt Caching
شاید متوجه شده باشید که وقتی توی یک مکالمه کلی پیام رد و بدل کردید، هزینه تولید پیام جدید بیشتر میشه. علتش اینه که مدل برای ایجاد هر پاسخ جدید، همه پیامهای قبلی رو یک دور از اول مرور میکنه تا اگر سوالتون به پیامهای قبلی اشارهای کرده باشه، بتونه بهدرستی اون رو تشخیص بده و پاسخ بده. برای همین تعداد توکنهای مصرفی و هزینه ایجاد پیام جدید به تدریج بیشتر میشه.
اینجاست که پرامپت کشینگ به کار میاد. با این قابلیت، وقتی توی یک مکالمه طولانی (حدود ۵۰۰ کلمه به بالا) پیام جدید بدید، مدل به مدت ۵ دقیقه کل مکالمه قبلی رو حفظ میکنه...این یعنی اینکه اگر مکالمه شما ادامه پیدا کنه و در هر 5 دقیقه حداقل یک پیام بدهید، هزینه مکالمه شما تا 50 درصد کاهش پیدا میکنه.
برای استفاده از این قابلیت نیاز به هیچ کاری نیست و از امروز برای مدلهای OpenAI مثل GPT-4o-mini ،GPT-4 و GPT 4o در زیرک فعال شده!
شاید متوجه شده باشید که وقتی توی یک مکالمه کلی پیام رد و بدل کردید، هزینه تولید پیام جدید بیشتر میشه. علتش اینه که مدل برای ایجاد هر پاسخ جدید، همه پیامهای قبلی رو یک دور از اول مرور میکنه تا اگر سوالتون به پیامهای قبلی اشارهای کرده باشه، بتونه بهدرستی اون رو تشخیص بده و پاسخ بده. برای همین تعداد توکنهای مصرفی و هزینه ایجاد پیام جدید به تدریج بیشتر میشه.
اینجاست که پرامپت کشینگ به کار میاد. با این قابلیت، وقتی توی یک مکالمه طولانی (حدود ۵۰۰ کلمه به بالا) پیام جدید بدید، مدل به مدت ۵ دقیقه کل مکالمه قبلی رو حفظ میکنه...این یعنی اینکه اگر مکالمه شما ادامه پیدا کنه و در هر 5 دقیقه حداقل یک پیام بدهید، هزینه مکالمه شما تا 50 درصد کاهش پیدا میکنه.
برای استفاده از این قابلیت نیاز به هیچ کاری نیست و از امروز برای مدلهای OpenAI مثل GPT-4o-mini ،GPT-4 و GPT 4o در زیرک فعال شده!
❤5👍2🤯1
لینک لوکیشن محل برگزاری رویداد
پارک فناوری پردیس، آمفی تئاتر ساختمان فن بازار رویداد LevelUP
https://g.co/kgs/iHwUv84
پارک فناوری پردیس، آمفی تئاتر ساختمان فن بازار رویداد LevelUP
https://g.co/kgs/iHwUv84
👍6🔥1👏1
ما در زیرک علاوه بر تلاش برای ایجاد دسترسی عمومی و با کیفیت به فناوریهای هوش مصنوعی، آزمایشهای فراوانی رو برای درک بهتر حدود و ثغور این مدلهای هوش مصنوعی و ساخت رابطهای کاربری بهتر انجام میدیم تا بتونیم به قدر خودمون در جهتدهی این فناوری به سمتی که بیشترین رشد رو برای همه ایجاد کنه نقش داشته باشیم.
تصویر بالا مربوط به بهبودهایی هست که در رابط کاربری برای استفاده از O1 mini انجام دادیم. و آزمایشاتی رو برای سنجش توانایی این مدلها در حل مسائل سخت و المپیادی دوره کارشناسی انجام دادیم و نتایج خیرهکننده هستن. این مدلها میتونن مسائل پیچیده رو به شکلی قدم به قدم و با دقت خیلی بالایی حل کنند.
Xerac.ir
تصویر بالا مربوط به بهبودهایی هست که در رابط کاربری برای استفاده از O1 mini انجام دادیم. و آزمایشاتی رو برای سنجش توانایی این مدلها در حل مسائل سخت و المپیادی دوره کارشناسی انجام دادیم و نتایج خیرهکننده هستن. این مدلها میتونن مسائل پیچیده رو به شکلی قدم به قدم و با دقت خیلی بالایی حل کنند.
Xerac.ir
👍2🔥2❤1
هدف اصلی ما در زیرک اینه که عموم مردم رو با فناوریهای جدید هوش مصنوعی بیشتر آشنا کنیم. چرا که قطعاً اتفاقات 2 سال اخیر در هوش مصنوعی ما رو وارد نقطه عطفی از تاریخ کرده. جایی که خیلی از مفاهیمی که بدیهی پنداشته میشده و ملکهی ذهن ماست، و در روزمره به هیچ عنوان دلیلی در بازنگری کردن در اونها نمیبینیم، دستخوش تغییرات فراوان شده. جایی که خیلی از چهارچوبهای اساسی که جامعه بشری با اونها کنترل میشه، امکان تغییر شگرف پیدا کرده و آیندهای رو روبهروی ما قرار داده که دیگه ابزار کافی برای فکر کردن به اون نداریم.
در چنین نقطهای از تاریخ باید هر چه سریعتر خود را برای تغییرات اساسی و پیاپی آماده کنیم. اولین قدم در این راه از نظر ما، در دسترس قرار دادن فناوریهای جدید برای همه افراد جامعه است تا هر چه سریعتر، هیجانهایمان، ترسهایمان و امیدهایمان برای این آینده عجیب تبدیل به کانون گفتوگوی همهی ما به عنوان یک جامعه شود.
پینوشت ۱: امیدواریم وجود چنین مدلهایی خیلی از بهونههامون رو برای مطالعه بهتر و عمیقتر بگیره :)
پینوشت ۲: قاعدتاً دو جور میشه از این مدلها استفاده کرد، یا برای تحویل لحظه آخری تمرینها (که واقعاً توصیه نمیشه، خیلی حیفه که از این همه توان برای همچین کاری استفاده کرد؛ برای تنبلی در حل تمرین همون روشهای کلاسیک رو پیشنهاد میکنیم :) )، یا به عنوان یک دوست خوب که خیلی میتونی توی توضیح موارد سخت و ایده برای حل مسائل مختلف ازش کمک بگیرید. تازه هیچ وقت هم قضاوتمون نمیکنه :)
پی نوشت ۳: در هنگام استفاده از این مدلها همیشه باید حواستون باشه که میتونن خیلی متقاعد کننده چرت و پرت بگن. و فارغ از این که چند بار با حل دقیق مسائل سخت شگفتزده میکنن شما رو، نباید این نکته رو هیچ وقت فراموش کنید
پی نوشت۴:همچنان فکر کردن این مدل ها در زبان انگلیسی بهتره ولی پرسیدن سوال سخت در فارسی هم مانعی نداره.
پی نوشت۵: مدل های خانواده o1 رو در زیرک میتونید زیر قسمت خاص منظوره ها پیدا کنید.
Xerac.ir
در چنین نقطهای از تاریخ باید هر چه سریعتر خود را برای تغییرات اساسی و پیاپی آماده کنیم. اولین قدم در این راه از نظر ما، در دسترس قرار دادن فناوریهای جدید برای همه افراد جامعه است تا هر چه سریعتر، هیجانهایمان، ترسهایمان و امیدهایمان برای این آینده عجیب تبدیل به کانون گفتوگوی همهی ما به عنوان یک جامعه شود.
پینوشت ۱: امیدواریم وجود چنین مدلهایی خیلی از بهونههامون رو برای مطالعه بهتر و عمیقتر بگیره :)
پینوشت ۲: قاعدتاً دو جور میشه از این مدلها استفاده کرد، یا برای تحویل لحظه آخری تمرینها (که واقعاً توصیه نمیشه، خیلی حیفه که از این همه توان برای همچین کاری استفاده کرد؛ برای تنبلی در حل تمرین همون روشهای کلاسیک رو پیشنهاد میکنیم :) )، یا به عنوان یک دوست خوب که خیلی میتونی توی توضیح موارد سخت و ایده برای حل مسائل مختلف ازش کمک بگیرید. تازه هیچ وقت هم قضاوتمون نمیکنه :)
پی نوشت ۳: در هنگام استفاده از این مدلها همیشه باید حواستون باشه که میتونن خیلی متقاعد کننده چرت و پرت بگن. و فارغ از این که چند بار با حل دقیق مسائل سخت شگفتزده میکنن شما رو، نباید این نکته رو هیچ وقت فراموش کنید
پی نوشت۴:همچنان فکر کردن این مدل ها در زبان انگلیسی بهتره ولی پرسیدن سوال سخت در فارسی هم مانعی نداره.
پی نوشت۵: مدل های خانواده o1 رو در زیرک میتونید زیر قسمت خاص منظوره ها پیدا کنید.
Xerac.ir
❤3👍3