Webtagr - ملخصات الأخبار التكنولوجية

نموذج R1 مفتوح المصدر يهز عالم الذكاء الاصطناعي: تطوير متسارع!

2025-01-26

تشهد بيئة الذكاء الاصطناعي طفرةً هائلةً مع ظهور نماذج جديدة. يضاهي نموذج الاستنتاج مفتوح المصدر R1 من DeepSeek أداء نموذج o1 المغلق المصدر من OpenAI، لكن بتكلفة أقل بكثير، مما أحدث صدمةً في القطاع. يُثبت R1 صحة منهجيات OpenAI o1 و o3، ويكشف عن اتجاهات جديدة: انخفاض أهمية ما قبل التدريب، وظهور قوانين تحجيم وقت الاستنتاج، وتصغير حجم النماذج، وقوانين تحجيم التعلم المعزز، وقوانين تحجيم تقطير النماذج، وكلها تُسارع من وتيرة تطوير الذكاء الاصطناعي. إن طبيعة R1 مفتوحة المصدر تُشعل المنافسة بين الولايات المتحدة والصين، وتبرز الآثار الجيوسياسية الهائلة للتقدم السريع في الذكاء الاصطناعي.

(timkellogg.me)

الذكاء الاصطناعي نموذج استنتاج

صعود خردة الذكاء الاصطناعي: كيفية مقاومته والربح منه

2025-01-26

يلاحظ المدون بن كونجدون انتشار المحتوى منخفض الجودة الذي يولده الذكاء الاصطناعي، والذي يطلق عليه "خردة الذكاء الاصطناعي"، على الإنترنت. وعلى الرغم من أنه قد يبدو مقنعًا للوهلة الأولى، إلا أن الفحص الدقيق يكشف عن طبيعته النمطية وعدم أصالة محتواه. وهو يحذر من نسخ ولصق المحتوى الذي يولده الذكاء الاصطناعي مباشرة، ويقترح على المبدعين استخدام أدوات الذكاء الاصطناعي كمساعد، ولكن مع التحرير الدقيق والحفاظ على أسلوب شخصي فريد. كما يقترح أن إنشاء محتوى عالي الجودة وبناء علامة تجارية شخصية أمران أساسيان للبقاء قادرًا على المنافسة في عصر الذكاء الاصطناعي، بل إن التأثير على مجموعات بيانات تدريب الذكاء الاصطناعي يمكن أن يُشكل اتجاه الذكاء الاصطناعي في المستقبل.

(benjamincongdon.me)

الذكاء الاصطناعي

مهندس البرمجيات الأول الذي يدعي أنه مدعوم بالذكاء الاصطناعي يفشل فشلاً ذريعاً في الاختبارات الواقعية

2025-01-26

أخفق برنامج Devin، الذي يُروّج له على أنه أول مهندس برمجيات قائم على الذكاء الاصطناعي، في تلبية التوقعات في التقييمات الحديثة. فعلى الرغم من ادعاءاته ببناء وتنفيذ التطبيقات من البداية إلى النهاية وإصلاح الأخطاء تلقائيًا، لم ينجح Devin إلا في 3 مهام من أصل 20 مهمة. وجد المُختبرون أن Devin يعاني من مشاكل في المهام البسيطة، حيث يعلق في طرق مسدودة تقنيًا ويحاول حلولًا مستحيلة. وبالرغم من تجربة المستخدم المُحسّنة التي يقدمها، إلا أن نجاحه النادر وميلُه لإضاعة الوقت في أهداف غير قابلة للتحقيق يُبرزان حدود تقنية الذكاء الاصطناعي الحالية، ويُثيران مخاوف بشأن الضجيج الإعلامي المُبالغ فيه حول أدوات الذكاء الاصطناعي.

(www.theregister.com)

الذكاء الاصطناعي مهندس برمجيات ذكاء اصطناعي نتائج الاختبار

رموز شاذة في DeepSeek: كتالوج للأعطال

2025-01-25

اكتشف باحث مجموعة من "الرموز الشاذة" في نموذج اللغة الكبير مفتوح المصدر DeepSeek-V3 و r1. هذه الرموز، عند إدخالها، تجعل النموذج يُظهر سلوكًا غريبًا، مثل استبدال الكلمات برموز Unicode غير عادية أو اختصارات أو رموز تعبيرية. قام الباحث باختبار كل رمز من مفردات DeepSeek بشكل منهجي، مع تحديد و تصنيف هذه الأعطال. بعض الرموز، المسماة "الرموز المجزأة"، تُظهر فقط شذوذًا في سياقات محددة. رموز أخرى، مثل "Nameeee" و "EDMFunc"، تُنتج باستمرار استبدالات غريبة. "Nameeee" ينتج غالبًا كلمات أو رموزًا مرتبطة بـ "M"، بينما يفضل "EDMFunc" الكلمات التي تبدأ بـ "H" والأسماء اليابانية. تم العثور أيضًا على العديد من الرموز الشاذة غير الإنجليزية، بشكل أساسي من السيبواانو ولغات الفلبين الأخرى. الرموز الخاصة مثل "<｜end of thinking｜>" قد تُعطل وظائف النموذج بشكل أكبر. هذه الأبحاث تقدم رؤى قيّمة حول آلية عمل نماذج اللغة الكبيرة و تُمهد الطريق لأبحاث مستقبلية.

(outsidetext.substack.com)

الذكاء الاصطناعي رموز شاذة

بناء دماغ من السيليكون: مستقبل علم الأعصاب

2025-01-25

يستخدم باحثون في جامعة كاليفورنيا في سان فرانسيسكو الذكاء الاصطناعي وتقنيات التصوير العصبي المتطورة لبناء "دماغ من السيليكون" يحاكي نشاط الدماغ البشري. من خلال دمج بيانات من تقنيات مسح الدماغ المختلفة (مثل التصوير بالرنين المغناطيسي الوظيفي ومسبارات النيوروبكسل)، بالإضافة إلى بيانات النصوص والكلام والسلوك، يقومون بإنشاء شبكة عصبية اصطناعية تُقلد أنماط نشاط الدماغ البشري. يُعد هذا البحث واعدًا في إحداث ثورة في واجهات الدماغ والحاسوب، مما يتيح أجهزة تُعيد القدرة على الكلام أو الحركة دون الحاجة إلى معايرة مكثفة، وفتح طرق جديدة لتشخيص وعلاج الاضطرابات النفسية العصبية. كما يتم النظر في الاعتبارات الأخلاقية، مثل خصوصية البيانات واحتمال إساءة الاستخدام.

(magazine.ucsf.edu)

الذكاء الاصطناعي واجهات الدماغ والحاسوب

DeepSeek-R1: تحفيز قدرة التفكير في نماذج اللغات الكبيرة من خلال التعلم المعزز

2025-01-25

تقدم DeepSeek-AI نماذجها من الجيل الأول للتفكير، DeepSeek-R1-Zero و DeepSeek-R1. يُظهر DeepSeek-R1-Zero، وهو نموذج تم تدريبه من خلال التعلم المعزز (RL) على نطاق واسع بدون ضبط دقيق مُشرف (SFT) كخطوة أولية، قدرات تفكير ملحوظة. من خلال RL، يظهر DeepSeek-R1-Zero بشكل طبيعي العديد من سلوكيات التفكير القوية والمثيرة للاهتمام. ومع ذلك، فإنه يواجه تحديات مثل سوء القابلية للقراءة، وخلط اللغات. لمعالجة هذه المشكلات وتعزيز أداء التفكير أكثر، نقدم DeepSeek-R1، الذي يتضمن تدريبًا متعدد المراحل وبيانات بدء التشغيل البارد قبل RL. يحقق DeepSeek-R1 أداءً مُقارِباً لأداء OpenAI-o1-1217 في مهام التفكير. لدعم مجتمع البحث، نُصدر DeepSeek-R1-Zero و DeepSeek-R1 وستة نماذج كثيفة (1.5B، 7B، 8B، 14B، 32B، 70B) مُقطّرة من DeepSeek-R1 بناءً على Qwen و Llama كمصدر مفتوح.

(arxiv.org)

الذكاء الاصطناعي القدرة على التفكير

لماذا يحتاج فريق منتجات الذكاء الاصطناعي الخاص بك إلى قائد جودة للذكاء الاصطناعي؟

2025-01-25

يبرز نجاح Help Scout الحاجة المُلحة إلى "قائد جودة للذكاء الاصطناعي" داخل فرق منتجات الذكاء الاصطناعي. يُسد هذا الدور الفجوة بين الخبرة في المجال وتطوير الذكاء الاصطناعي، ويُشغله عادةً خبراء في المجال يتعلمون بعد ذلك مهارات الذكاء الاصطناعي التوليدي مثل هندسة المطالبات والتقييم. تتضمن المسؤوليات مراجعة بيانات الإنتاج، وتحديد معايير التقييم، وإدارة مجموعات بيانات الاختبار، وتحسين المطالبات، وتدريب أعضاء الفريق. يُسرّع هذا الدور من وقت طرح المنتج في السوق، ويزيد الثقة في مقاييس الأداء، ويُقلص دورات التغذية الراجعة. حتى بدون خبرة في الذكاء الاصطناعي التوليدي، يمكن للخبراء في المجال الذين يتمتعون بفهم عميق لاحتياجات العملاء، ومهارات حل المشكلات بشكل منهجي، ومهارات اتصال قوية، أن يُبدعوا في هذا المنصب.

(freeplay.ai)

الذكاء الاصطناعي جودة الذكاء الاصطناعي فرق الذكاء الاصطناعي خبرة المجال

نادي أرسنال لكرة القدم يبحث عن مهندس أبحاث في مجال الذكاء الاصطناعي ليثور ثورة في تحليلات كرة القدم

2025-01-25

يبحث نادي أرسنال لكرة القدم عن مهندس أبحاث عالي الكفاءة لاستخدام الذكاء الاصطناعي والتعلم العميق في تحليلات كرة القدم المتطورة. يجب أن يتمتع المرشح المناسب بخبرة في تقنيات التعلم العميق (نماذج المحولات، و نماذج الانتشار، إلخ)، وأن يتعامل مع مجموعات بيانات متنوعة (صور، وفيديوهات، ونصوص)، وأن يتعاون مع مهندسي البرمجيات، ومصممي واجهة المستخدم، ومحللي كرة القدم لإنشاء تطبيقات فعالة. توفر هذه الوظيفة فرصة للمساهمة في جوانب مختلفة من النادي، من تجنيد اللاعبين إلى التحضير للمباريات، ودفع النجاح في الملعب من خلال نهج قائم على البيانات.

(careers.arsenal.com)

الذكاء الاصطناعي تحليلات كرة القدم

TinyZero: إطلاق العنان لقدرات الاستدلال في نماذج اللغات الكبيرة بتكلفة منخفضة

2025-01-25

يُظهر مشروع TinyZero كيفية تزويد نماذج اللغات الكبيرة (LLMs) بقدرات التحقق الذاتي والبحث بتكلفة منخفضة، باستخدام تقنية التعلم المعزز. تم بناء المشروع على veRL، ويجري تجارب باستخدام سلسلة نماذج Qwen2.5، ويوفر تعليمات مفصلة حول التثبيت وإعداد البيانات والتدريب. حتى النماذج الأصغر حجمًا يمكنها تحقيق استنتاجات متطورة. يُبرز المشروع جدوى تعزيز LLMs من خلال تقنية التعلم المعزز، مما يوفر نهجًا جديدًا لبحث الذكاء الاصطناعي ذي الكفاءة من حيث التكلفة.

(github.com)

الذكاء الاصطناعي ذكاء اصطناعي منخفض التكلفة

Onit: مساعد الدردشة بالذكاء الاصطناعي المحلي الخاص بك

2025-01-24

Onit هو مساعد دردشة يعمل بالذكاء الاصطناعي مفتوح المصدر ويعمل على سطح المكتب الخاص بك! يشبه ChatGPT Desktop، ولكنه مع وضع محلي ودعم لمقدمي نماذج متعددين (Anthropic، وGoogle AI، وxAI، وما إلى ذلك). يمكن اعتباره مشابهًا لـCursor Chat، ولكنه متاح في كل مكان على جهاز الكمبيوتر الخاص بك، وليس فقط في IDE الخاص بك. تشمل الميزات الرئيسية الوضع المحلي (عبر Ollama)، ودعم مقدمي نماذج متعددين (OpenAI، وAnthropic، وxAI، وما إلى ذلك)، وتحميل الملفات، وسجل الدردشة، واختصارات قابلة للتخصيص. تشمل الخطط المستقبلية السياق التلقائي، وRAG المحلي، والاكتتاب التلقائي المحلي. يُعطي Onit الأولوية للوصول الشامل، وحرية المورد، ونهجًا محليًا أولًا، وقابلية للتخصيص، وقابلية للتوسيع.

(github.com)

الذكاء الاصطناعي مساعد ذكاء اصطناعي الوضع المحلي دعم نماذج متعددة

الفيزياء تكشف عن نقاط تحول حاسمة في مباريات الشطرنج

2025-01-24

حلل الفيزيائي مارك بارثيليمي أكثر من 20000 مباراة شطرنج من المستوى الأعلى باستخدام رسوم بيانية للتفاعل للكشف عن نقاط تحول حاسمة. معالجة الشطرنج كنظام معقد، قام بقياس "مركزية الوساطة" و "نقاط هشاشة" قطع الشطرنج للتنبؤ بنتائج اللعبة. ترتفع نقاط هشاشة القطع الرئيسية حوالي ثمانية حركات قبل نقطة تحول حرجة وتبقى مرتفعة لمدة 15 حركة تقريبًا بعد ذلك، مما يكشف عن نمط عالمي بين اللاعبين والافتتاحات. توفر هذه الدراسة رؤى جديدة حول الديناميات المعقدة للشطرنج وتوفر مسارات جديدة للذكاء الاصطناعي والتعلم الآلي.

(arstechnica.com)

الذكاء الاصطناعي أنظمة معقدة

بناء مستقبل أفضل مع "الخيال المعقول"

2025-01-24

تقترح هذه المقالة نهجًا جديدًا يسمى "الخيال المعقول" لمعالجة المشكلات العالمية من خلال بناء روايات معقولة تربط بين حاضرنا ومستقبل مرغوب فيه. ويجادل الكاتب بأن المشاركة الجماعية في سد الثغرات في هذه الروايات يمكن أن تحول الخيال إلى واقع. هذه العملية تشبه شكلًا من أشكال التنبؤ والإبداع الجماعي، والذي يمكن أن يستخدم أدوات رياضية مثل نظرية الفئات التطبيقية. وتستخدم المقالة منصة افتراضية، FutureForge، لتوضيح كيف يمكن أن تشجع اللعب والآليات التحفيزية على مشاركة أوسع، مما يؤدي في النهاية إلى مستقبل أفضل.

(topos.institute)

الذكاء الاصطناعي التنبؤ بالمستقبل نظرية الفئات التطبيقية الإبداع التعاوني

واجهة مستخدم الويب المفتوحة: تبسيط الوصول إلى نماذج اللغات الكبيرة

2025-01-23

واجهة مستخدم الويب المفتوحة هي مشروع مفتوح المصدر يهدف إلى تبسيط تفاعل المستخدم مع نماذج اللغات الكبيرة (LLMs). فهي توفر واجهة رسومية سهلة الاستخدام، مما يسمح حتى للمستخدمين غير التقنيين بالوصول بسهولة إلى قدرات LLMs القوية، مثل إنشاء النصوص وترجمة اللغات والإجابة على الأسئلة. بدون الحاجة إلى عمليات سطر أوامر معقدة أو معرفة بالبرمجة، تقلل واجهة مستخدم الويب المفتوحة من عتبة الدخول إلى LLMs، مما يفتح عالم الذكاء الاصطناعي لجمهور أوسع.

(polychat.co)

الذكاء الاصطناعي واجهة رسومية

واجهة برمجة تطبيقات Anthropic Claude تتضمن الآن ميزة الاقتباسات للحصول على إجابات قابلة للتحقق

2025-01-23

أطلقت شركة Anthropic ميزة الاقتباسات الجديدة لواجهة برمجة تطبيقات Claude، والتي تتيح له الاستشهاد بجمل ومقاطع محددة من مستندات المصدر ضمن استجاباته. وهذا يحسن بشكل كبير من قابلية التحقق والموثوقية لنواتج Claude. تتراوح التطبيقات من تلخيص المستندات والأسئلة والأجوبة المعقدة إلى دعم العملاء، مما يوفر دقة وكفاءة أعلى مع تقليل خطر الهلوسة في الذكاء الاصطناعي. وقد أبلغ المستخدمون الأوائل مثل Thomson Reuters و Endex عن تحسينات كبيرة في الدقة وسير العمل.

(www.anthropic.com)

الذكاء الاصطناعي ذكاء اصطناعي موثوق

إمتحان البشرية الأخير: معيار جديد للذكاء الاصطناعي

2025-01-23

نشرت Scale AI ومركز سلامة الذكاء الاصطناعي (CAIS) نتائج "إمتحان البشرية الأخير"، وهو مقياس جديد صمم لاختبار حدود معرفة الذكاء الاصطناعي. مع أكثر من 3000 سؤال على مستوى الخبراء في مجالات متنوعة، كشف الامتحان أن حتى أكثر نماذج الذكاء الاصطناعي تطوراً (مثل GPT-4 وClaude 3.5 وGemini 1.5) أجابت بشكل صحيح على أقل من 10٪ من الأسئلة. وهذا يبرز الثغرات الكبيرة في قدرات التفكير المعقد. ويعالج المقياس مشكلة "تشبع المقاييس"، حيث تتفوق النماذج في الاختبارات الموجودة ولكنها تواجه صعوبة مع المشاكل الجديدة. وسيتم نشر مجموعة البيانات علنًا لدفع البحث وتطوير الذكاء الاصطناعي، مما يوفر رؤى قيّمة حول الحالة الراهنة والاتجاه المستقبلي للذكاء الاصطناعي.

(scale.com)

الذكاء الاصطناعي مقياس الذكاء الاصطناعي

أخطاء الذكاء الاصطناعي: على عكس الأخطاء البشرية، يصعب التنبؤ بها

2025-01-23

على عكس الأخطاء البشرية، فإن أخطاء نماذج اللغة الكبيرة (LLMs) عشوائية، وغير مجمعة، ويتم ارتكابها بثقة عالية. يستكشف هذا المقال الخصائص الفريدة لأخطاء LLMs ويقترح استراتيجيتين: تصميم LLMs أكثر تشابهًا مع البشر، وبناء أنظمة جديدة لتصحيح الأخطاء. تركز الأبحاث الحالية على تقنيات مثل التعلم المعزز مع التغذية الراجعة البشرية، وطرق مثل طرح الأسئلة المتكررة لتحسين موثوقية الذكاء الاصطناعي. على الرغم من أن بعض غرائب LLMs تعكس السلوك البشري، إلا أن ترددها وشدتها تتجاوز بكثير معدلات الخطأ البشري، مما يتطلب استخدامًا حذرًا لأنظمة صنع القرار بالذكاء الاصطناعي، وحصر تطبيقها في المجالات المناسبة.

(www.schneier.com)

الذكاء الاصطناعي

DeepSeek V3: أداء متميز بموارد محدودة

2025-01-23

النموذج الجديد V3 من DeepSeek، والذي تم تدريبه على 2048 وحدة معالجة رسوميات H800 فقط - وهو جزء صغير من الموارد التي تستخدمها شركات عملاقة مثل OpenAI - يعادل أو يتجاوز GPT-4 و Claude في العديد من المعايير. تكلفة تدريبه البالغة 5.5 مليون دولار أقل بكثير من التكلفة المقدرة لـ GPT-4 والتي تبلغ 40 مليون دولار. هذا النجاح، الذي كان مدفوعًا جزئيًا بمراقبة الصادرات الأمريكية التي تحد من الوصول إلى وحدات معالجة الرسوميات المتطورة، يبرز إمكانات الابتكار المعماري وتحسين الخوارزميات مقارنة بقدرة الحوسبة البحتة. إنها حجة مقنعة على أن قيود الموارد يمكن أن تؤدي، بشكل متناقض، إلى تحقيق تقدم ثوري في تطوير الذكاء الاصطناعي.

(www.vincentschmalbach.com)

الذكاء الاصطناعي تدريب نماذج الذكاء الاصطناعي قيود وحدة معالجة الرسوميات كفاءة الحوسبة

أتمتة كتالوج مجموعتي من ألعاب الفيديو باستخدام الذكاء الاصطناعي: تحليل معمق

2025-01-23

يستخدم الكاتب أحدث نموذج للذكاء الاصطناعي مفتوح المصدر، وهو Qwen2-VL Instruct، لتصنيف مجموعته من ألعاب الفيديو تلقائيًا من خلال التقاط الصور. يفصل المقال العملية برمتها، من التقاط الصور وتحميلها إلى تحديد الألعاب، واستخراج البيانات، وحفظها. كما يتعمق في اختيار النموذج، والتوازن بين دقة الصورة ووقت الحساب، وتأثير اتجاه الصورة على النتائج. ويختار الكاتب دقة 762 × 762 بكسل كدقة مثالية، ويخطط لكتابة مقال لاحق حول مطابقة الألعاب التي تم تحديدها مع البيانات الواقعية.

(medium.com)

الذكاء الاصطناعي

أساسيات نماذج اللغة الكبيرة: كتاب جديد يفك شفرة المفاهيم الأساسية

2025-01-23

صدر كتاب جديد بعنوان "أساسيات نماذج اللغة الكبيرة". وبدلاً من السعي لتغطية شاملة للتكنولوجيات المتطورة، يتعمق الكتاب في المفاهيم الأساسية لنماذج اللغة الكبيرة. وهو منظم في أربعة فصول تغطي التدريب المسبق، والنماذج التوليدية، وتقنيات المطالبات، وأساليب المحاذاة، ويستهدف الكتاب طلاب الجامعات والمحترفين والممارسين في معالجة اللغة الطبيعية والمجالات ذات الصلة. وهو بمثابة مرجع قيم لأي شخص مهتم بنماذج اللغة الكبيرة.

(arxiv.org)

الذكاء الاصطناعي

الضغط غير الخاسر لمعرّفات المتجهات يعزز بحث أقرب الجيران التقريبي

2025-01-23

يُقدّم الباحثون مخطط ضغط غير خاسر لمعرّفات المتجهات لمعالجة ارتفاع تكلفة تخزين المؤشرات في بحث أقرب الجيران التقريبي. باستغلال حقيقة أن ترتيب المعرّفات غير ذي صلة في العديد من هياكل المؤشرات، واستخدام أنظمة الأرقام غير المتناظرة أو أشجار الموجات، يحقق الأسلوب ضغطًا يصل إلى 7 أضعاف لمعرّفات المتجهات دون التأثير على الدقة أو وقت تشغيل البحث. يؤدي هذا إلى تقليل حجم المؤشر بنسبة 30٪ لمجموعات البيانات التي تبلغ حجمها مليارًا. علاوة على ذلك، يمكن لهذه المقاربة أيضًا ضغط أكواد المتجهات المكمّمة بشكل غير خاسر عن طريق استغلال عدم الأمثل في خوارزمية التكميم الأصلية.

(arxiv.org)

الذكاء الاصطناعي بحث أقرب الجيران التقريبي ضغط المتجهات الضغط غير الخاسر

حل مشكلات علوم الحوسبة باستخدام الذكاء الاصطناعي: الشبكات العصبية المُعلّمة بالفيزياء (PINNs)

2025-01-22

تتناول هذه المقالة استخدام الشبكات العصبية المُعلّمة بالفيزياء (PINNs) لحل المشكلات الصعبة في علوم الحوسبة، وخاصة المعادلات التفاضلية الجزئية (PDEs). تتغلب الشبكات العصبية المُعلّمة بالفيزياء على قيود الطرق العددية التقليدية من خلال دمج القوانين الفيزيائية مباشرة في دالة الخسارة للشبكة العصبية. هذا يعالج مشاكل مثل نقص البيانات، والتكلفة الحسابية العالية، وضعف التعميم. تشرح المقالة PDEs، والمشتقات الجزئية، وتُظهر تطبيق PINNs باستخدام معادلة الحرارة ثنائية الأبعاد، مع تغطية بنية الشبكة، وتحديد دالة الخسارة، والتدريب. تُظهر النتائج أن PINNs تُنمذج انتشار الحرارة بدقة وكفاءة، مما يوفر أداة قوية لمجموعة متنوعة من التحديات العلمية والهندسية.

(mertkavi.com)

الذكاء الاصطناعي المعادلات التفاضلية الجزئية

تشغيل نماذج اللغات الكبيرة (LLMs) المحلية في متصفحك: مقدمة BrowserAI

2025-01-22

BrowserAI هو مشروع مفتوح المصدر يسمح لك بتشغيل نماذج اللغات الكبيرة (LLMs) محليًا داخل متصفحك. مع إعطاء الأولوية للخصوصية، تتم جميع عمليات المعالجة على جهازك، مما يلغي تكاليف الخادم والبنية التحتية المعقدة. وهو يدعم نماذج متعددة، بما في ذلك تلك من MLC و Transformers، مستفيدًا من WebGPU للحصول على استنتاج سريع للغاية. تتيح واجهة برمجة التطبيقات (API) البسيطة للمطورين دمج إنشاء النصوص، والتعرف على الكلام، وتحويل النص إلى كلام بسهولة. العديد من النماذج مدعومة بالفعل، مع وجود خارطة طريق تحدد التحسينات المستقبلية، مثل قدرات RAG المتقدمة وميزات المؤسسات.

(github.com)

الذكاء الاصطناعي

Infinigen: مُولّد لا نهائي للمشاهد ثلاثية الأبعاد ذات الواقعية العالية

2025-01-22

طُوّر بواسطة مختبر برينستون للرؤية والتعلم، Infinigen هو مُولّد إجرائي للمشاهد ثلاثية الأبعاد، مبني على Blender ومتوفر مجانًا بموجب ترخيص BSD 3-Clause. يُولّد هذا البرنامج اختلافات لا نهائية من المشاهد ثلاثية الأبعاد عالية الجودة باستخدام قواعد رياضية عشوائية، مُتحكمًا بكل شيء من الهياكل الكبيرة إلى التفاصيل الدقيقة. يُولّد Infinigen تلقائيًا تعليقات توضيحية لمهام متنوعة في مجال رؤية الحاسوب، مثل التدفق البصري وتقدير العمق، مما يجعله مثاليًا لبحوث رؤية الأبعاد الثلاثة. وتركيزه على الهندسة الحقيقية يضمن بيانات دقيقة.

(infinigen.org)

الذكاء الاصطناعي توليد المشاهد ثلاثية الأبعاد رؤية الحاسوب

انتباه المنتج التنسوري: كل ما تحتاجه

2025-01-22

عادةً ما يتطلب توسيع نطاق نماذج اللغات للتعامل مع تسلسلات الإدخال الأطول ذاكرات تخزين كبيرة للقيمة الرئيسية (KV)، مما يؤدي إلى زيادة كبيرة في استهلاك الذاكرة أثناء الاستدلال. تقترح هذه الورقة انتباه المنتج التنسوري (TPA)، وهي آلية انتباه جديدة تستخدم التحلل التنسوري لتمثيل الاستعلامات والمفاتيح والقيم بشكل مضغوط، مما يقلل بشكل كبير من حجم ذاكرة التخزين المؤقت KV أثناء الاستدلال. من خلال تحليل هذه التمثيلات إلى مكونات منخفضة الرتبة سياقية (التحليل السياقي) ودمجها بسلاسة مع RoPE، يحسن TPA جودة النموذج مع الحفاظ على كفاءة الذاكرة. بناءً على TPA، يقدم المؤلفون محول انتباه المنتج التنسوري (T6)، وهي بنية نموذج جديدة لنمذجة التسلسل. تُظهر التقييمات التجريبية المكثفة على مهام نمذجة اللغة أن T6 يتفوق على نماذج Transformer القياسية بما في ذلك MHA وMQA وGQA وMLA عبر العديد من المقاييس، بما في ذلك الارتباك ومجموعة من معايير التقييم المعروفة. بشكل ملحوظ، تسمح كفاءة ذاكرة TPA بمعالجة تسلسلات أطول بكثير تحت قيود موارد ثابتة، مما يعالج تحديًا رئيسيًا للقياس في نماذج اللغات الحديثة. الكود متوفر.

(arxiv.org)

الذكاء الاصطناعي انتباه المنتج التنسوري نموذج اللغة كفاءة الذاكرة

الرئيس التنفيذي لشركة جولدمان ساكس: إدارة موظفي الذكاء الاصطناعي سيكون التحدي في عام 2025

2025-01-22

يتنبأ ماركو أرجينتي، الرئيس التنفيذي لشركة جولدمان ساكس، بأن إدارة موظفي الذكاء الاصطناعي ستكون تحديًا كبيرًا في عام 2025. ستنضج نماذج الذكاء الاصطناعي للتعامل مع المهام المعقدة، مما يؤدي إلى فرق هجينة من البشر والذكاء الاصطناعي. هذا سيتطلب من قسم الموارد البشرية في الشركة إدارة كل من الموارد البشرية والموارد الآلية، بما في ذلك إمكانية "فصل" موظفي الذكاء الاصطناعي. كما يتوقع أرجينتي أن تكون نماذج الذكاء الاصطناعي الرائدة مشابهة لخريجي الدكتوراه الذين يمتلكون معرفة متخصصة في الصناعة، وذلك بفضل التطورات في توليد البيانات المعززة بالاسترجاع والضبط الدقيق. علاوة على ذلك، فإن تقارب الذكاء الاصطناعي والروبوتات سيسمح للذكاء الاصطناعي بفهم العالم المادي والتفاعل معه بشكل أفضل.

(www.zdnet.com)

الذكاء الاصطناعي إدارة موظفي الذكاء الاصطناعي اتجاهات الذكاء الاصطناعي توقعات جولدمان ساكس

Hunyuan3D 2.0 من تينسنت: توليد أصول ثلاثية الأبعاد عالية الدقة

2025-01-21

تكشف تينسنت عن Hunyuan3D 2.0، وهو نظام متطور لتركيب نماذج ثلاثية الأبعاد واسعة النطاق ينتج أصولًا ثلاثية الأبعاد عالية الدقة ذات ملمس. يتكون من مكونين رئيسيين: نموذج توليد الأشكال واسع النطاق Hunyuan3D-DiT، ونموذج توليد القوام واسع النطاق Hunyuan3D-Paint. يتفوق النظام على نماذج أحدث التقنيات الحالية من حيث تفاصيل الهندسة، ومواءمة الشروط، وجودة الملمس. منصة سهلة الاستخدام، Hunyuan3D-Studio، تبسط التلاعب والرسوم المتحركة. رمز الاستنتاج والنماذج المدربة مسبقًا متاحة الآن كمصدر مفتوح، ويمكن الوصول إليها عبر Hugging Face والموقع الرسمي.

(github.com)

الذكاء الاصطناعي توليد 3D نماذج الانتشار

ثورة في الملاحة بفضل الذكاء الاصطناعي: نظام "Bearings Only" يتغلب على تحدي قياس المسافة

2025-01-21

نظام الذكاء الاصطناعي "Bearings Only" الذي طورته جوجل ديب مايند، يُبحر بشكل مستقل باستخدام معلومات الاتجاه فقط (اتجاه الهدف). هذا يلغي الاعتماد التقليدي على قياسات المسافة، متفوقًا في البيئات المعقدة التي تفتقر إلى بيانات المسافة، مثل استكشاف أعماق البحار أو الفضاء. من خلال التعلم من مجموعات بيانات الاتجاه الضخمة، يتنبأ الذكاء الاصطناعي بموقع الهدف ويخطط للمسارات، ما يُحدث ثورة في ملاحة المركبات البحرية واستكشاف الفضاء. هذه التقنية تُظهر إمكانات الذكاء الاصطناعي التي تتجاوز الملاحة، مُقترحةً تطبيقات جديدة في بيئات صعبة.

(bearingsonly.net)

الذكاء الاصطناعي الملاحة

DeepSeek R1 يُهزم OpenAI O1 في مجال التمويل: انتصار للذكاء الاصطناعي الصيني

2025-01-21

أظهرت اختبارات مباشرة حديثة بين DeepSeek R1 و OpenAI O1 في التطبيقات المالية فوزًا حاسمًا لـ DeepSeek R1. تجاوز نموذج الذكاء الاصطناعي الصيني عرض OpenAI بشكل كبير في المقاييس الرئيسية، مما يبرز إنجازًا كبيرًا في قدرات الذكاء الاصطناعي الصيني في قطاع التمويل. وقد حظيت هذه النتيجة باهتمام كبير، مما يشير إلى هيمنة الصين المتزايدة في المشهد العالمي للذكاء الاصطناعي.

(nexustrade.io)

الذكاء الاصطناعي الذكاء الاصطناعي المالي

الذكاء الاصطناعي: الحوسبة السحابية القادمة؟

2025-01-21

تُرسم هذه المقالة تشبيهاً بين ازدهار الذكاء الاصطناعي الحالي وموجة الحوسبة السحابية قبل 20 عاماً. يُجادل الكاتب بأن الذكاء الاصطناعي، وخاصة نماذج اللغات الكبيرة (LLMs)، يُظهر إمكانات هائلة، لكن مسار تطوره لا يزال غير مؤكد، تماماً كما في الأيام الأولى للحوسبة السحابية، حيث لم تتحقق العديد من التوقعات. يُشير الكاتب إلى أن نجاح الذكاء الاصطناعي يعتمد على التعلم العميق، والموارد الحاسوبية القوية، ومجموعات البيانات الضخمة، لكنه يواجه أيضاً تحديات مثل حجم النموذج، واستهلاك الطاقة، وتحيز البيانات، ومسائل حقوق النشر. ويقترح أن الاتجاه المستقبلي للذكاء الاصطناعي قد يتجاوز التوقعات الحالية، ويتطلب دمج أبحاث من مجالات مثل علم الإدراك لفهم وتطبيق الذكاء الاصطناعي بشكل أكثر شمولية.

(bitmasonsllc.blogspot.com)

الذكاء الاصطناعي

خلايا المفهوم: اللبنات الأساسية للذاكرة؟

2025-01-21

اكتشف علماء الأعصاب "خلايا المفهوم" في الدماغ والتي تنشط لأفكار محددة، بغض النظر عن كيفية تقديم هذه الفكرة (صورة، نص، كلام، إلخ). هذه الخلايا لا تستجيب فقط للصور؛ بل تمثل مفاهيم مجردة، ولها دور حاسم في تكوين الذاكرة. تشير الأبحاث إلى أن خلايا المفهوم تترابط لتشكيل شبكات ذاكرة معقدة. هذا الاكتشاف يتحدى علم الأعصاب التقليدي، ويقدم رؤى جديدة حول آليات الذاكرة والإدراك البشري. وقد قوبل اكتشاف هذه الخلايا، التي سميت في البداية "خلايا جينيفر أنيستون"، بالشك، لكن الأبحاث اللاحقة عززت أهميتها.

(www.quantamagazine.org)

الذكاء الاصطناعي خلايا المفهوم

Category: الذكاء الاصطناعي