گاه‌نوشت‌ های علیرضا کاربُر

🐋 خرید ابزار جدید توسط HP خب شرکت تولید کننده این ابزار رو که مدت‌های پیش (همون اوایل رونمایی ChatGPT) معرفی کردم رو شرکت HP خرید ۱۱۶ میلیون دلار و اعلام کرده از یه مدت دیگه هم دستگاه‌های مشتریان قبلی از کار می‌افته. (ویدیو رو ببینید.) 🙂 💙شرکت با سرمایه ۲۳۰ میلیون دلار راه اندازی شده بود و حالا همه چیز (ایده، مالکیت، نرم افزار، سخت افزار و.... ) با قیمت ۱۱۶ میلیون دلار شد برای HP. باید ببینیم HP قراره چکار کنه با این خرید 😏 ارادتمند 💙 ♾ علیرضا کاربُر هستم و اینجا درباره کنجکاوی‌هام پیرامون تکنولوژی و کسب و کار می‌نویسم.

◻️ دستیار هوش مصنوعی با تخصص پزشکی سلام و ارادت🙋🏻‍♂️ 🟢 این موضوع که «آیا هوش مصنوعی قرار است جایگزین انسان بشود» یا «هوش مصنوعی فقط به عنوان یک دستیار در کنار انسان فعالیت خواهد کرد» موضوعی است که خیلی جدی متخصصین رو درگیر کرده، کلی نظریه آینده پژوهانه مطرح شده و هنوز هم پاسخ مناسبی براش نداریم. (اصلا فکر نمیکنم بشه پاسخ دقیقی داد به این موضوع، حداقل فعلا) 🟢 بهرحال در کنار ابزارهای پایه (LLMها و موارد مرتبط) مثل ChatGPT و Google Gemini و Claude و ... خیلی سریع به سمت ابزارهایی که «فقط با یک دسته داده آموزش دیده شدند» داریم میریم. اینطوری تصور کنید که تمام قدرت استدلال و تحلیل و پردازش ChatGPT با موضوع کشاورزی تلفیق بشه و یک متخصص کشاورزی هوش مصنوعی ساخته بشه. یا متخصص حقوق، تاریخ، دین و.... @karborchannel @karborchannel

در یکی از حوزه هایی که خیلی سریع این مسئله ترکیب یک موضوع تخصصی با قدرت هوش مصنوعی خودش رو نشون می‌ده حوزه پزشکی و درمان است. به راحتی میشه تصور کرد که یک ابزاری بوجود بیاد که توان پردازش و تحلیل و تولید محتوی و استدلال رو از بسترهای موسوم به LLM گرفته باشه و با محتوای تخصصی پزشکی و درمان و سلامت هم آموزش دیده باشه.

🟢 سرویس MediSearch رو تازگی دیدم و به نظرم این موضوع رو خوب پوشش داده، البته که هنوز خیلی راه داره تا تبدیل شدن به یک دستیار پزشکی تمام و کمال. خودش هم نوشته : MediSearch is not a substitute for a medical professional 🟢از جمله ایراداتی که به توسعه این نوع محصولات گرفته میشه مسئله Scaleup کردن و رسیدن به یک مدل درآمدی پایدار است. سایت MediSearch فعلا داره از مدل فریمیوم استفاده می کنه و البته که می تونه مدل های درآمدی دیگه ای رو هم استفاده کنه. 🟢 البته مدل هایی که Multimodal که همزمان هم صوت و هم ویدئو و هم تصویر رو پوشش می دهند در این مسیر حتما موفقیت های بیشتری خواهند داشت. اگر فکر می کنید هنوز خیلی راه داریم تا این ابزارها به زندگی و کار در فضای واقعی وارد بشن، ویدئو پست بعدی رو ببینید. 👀 رفقایی که دائم می پرسن به جز نوشتن پوسته برای ChatGPT چه نوع محصولاتی با LLM ها میشه ساخت، به نظرم این پست رو مجدد بخونن و تامل بیشتری روی موضوع Custom LLM داشته باشند. ارادتمند 💙 ♾ علیرضا کاربُر هستم و اینجا درباره کنجکاوی‌هام پیرامون تکنولوژی و کسب و کار می‌نویسم.

🔹 دامنه ai.com به کی رسید ؟ ⬜️ قبلا درباره مالکیت دامنه chat.com یه مطلب نوشتم‌ و حالا درباره دامنه ai.com بگم! ⬜️بنا بر ظواهر این Deepseek چینی قرار نیست از بازی عقب بکشه !

بله ! اومده دامنه دو حرفی ai.com رو گرفته و الان داره ارجاع میشه به سرویس چت دیپ سیک.

⬜️ هر روز اتفاقات جالبتری توی این فضا می‌افته ⚪️ 🔸🔸🔸🔸 پ.ن: چند تا دامنه دو حرفی با پسوند .com می‌شناسید ؟ 🌐به جز fb.com فیسبوک یک دامین dx.com میشناسم که یک فروشگاه اینترنتی درجه یک به نام Deal Extreme بود و متاسفانه تعطیل شد. کلی گجت ازش می‌گرفتیم قدیم 😭

✅ هزاران مدل هوش مصنوعی، همه در یک بستر سلام🙋🏻‍♂️ ⬜️ اینکه یک جایی وجود داشته باشه بتونیم همه مدلها - به همراه بروز نسخه های جدیدشون رو - یکجا داشته باشیم از قابلیت های خیلی خوب سایت Hugging Face هست و حالا

هاگیگ فِیس اومده یک بخش جدید به نام Spaces راه‌اندازی کرده و به ادعای خودش بیش از ۴۰۰,۰۰۰ مدل هوش مصنوعی را در یک مکان جمع‌آوری کرده

⬜️ کار کردن باهاش هم خیلی آسونه(توی ویدیو پیوست پست هم خلاصه‌ش نشون داده شده) : ✔️ ابتدا براساس کاری که میخواید انجام بدید مدل موردنظرتون رو پیدا کنید. ✔️مدل مدنظر رو بدون ثبت‌ نام و کاملاً رایگان تست کنید. ✔️ نکته مهم این که فیلترهای بسیار کاربردی که توی سایت هست برای پیدا کردن بهترین مدلی که کارتون رو انجام میده می‌تونید استفاده کنید. 💠 لینک دسترسی به سرویس Spaces ارادتمند ❤️ ⭐️@karborchannel

💛 نکاتی برای ارائه به سرمایه گذار سلام 🙋🏻‍♂️ ⬜️ قبلا عرض کردم افتخار همراهی دوستان مجموعه شتابدهنده تریگ‌آپ به عنوان منتور در رویداد ادونچر شیراز رو دارم. 🟢طی این چند روز و با مشاهده ارائه آزمایشی 10-12 تا تیم استارتاپی به نظرم رسید در کنار رعایت استانداردهایی که هر رویداد برای ارائه تدوین می کنه، لازم هست یکسری نکات عمومی به تیم ها گوشزد بشه.

مجموعه ای از نکات رو شتابدهنده YCombinator خطاب به تیم ها و استارتاپ‌هایی که قصد ارائه و تیم و محصولشون به سرمایه گذار دارن منتشر کرده، این مجموعه رو ترجمه کردم که می تونید از آدرس زیر هم نسخه اصلی و هم ترجمه رو دریافت کنید.

🌐 http://karbor.ir/addvices-for-pitching/ ارادتمند 💟

▶️ پادکست تایم تجربه سلام 🙋🏻‍♂️ اعیاد ماه شعبان بر شما مبارک باشه.💘 ✅ چند روز پیش میهمان پادکست «تایم تجربه» به میزبانی «سید رضا نمازی » از جوانان تازه نفس و نسل جدید اکوسیستم استارتاپی بودم. ⬜️لطف کردن صوت پادکست رو در یوتیوب بارگزاری کردن، افتخار می‌دید که گوش می‌کنید و اگه نظری داشتید همینجا بفرمایید تا صحبت کنیم در موردش. 🌐 از اینجا بشنوید: پادکست تایم تجربه - میهمان : علیرضا کاربُر ارادتمند ❤️

📱 این همه مدل‌ چینی! سلام 🙋🏻‍♂️ 🟢 اگه فکر میکنید فقط یک با یک مدل هوش مصنوعی چینی که از مبنا آموزش دیدن مواجه هستیم باید عرض کنم که نه اصلا این چنین نیست! در حالیکه در آمریکا 5 شرکت بزرگ OpenAI, Anthropic, Google, Meta, xAI آزمایشگاه توسعه مدل های هوش مصنوعی دارند و سرمایه گذاری سنگینی روی این موضوع کردند، اطلاعات حداقل 10 شرکت چینی تا الان منتشر شده که محصولاتشون می تونن وارد مسابقه با مدل های بزرگ بشن. (تصویر پیوست پست رو بینید.) 🟢یک ادعایی درباره روش آموزش مدل DeepSeek مطرح شده مبنی بر اینکه این مدل رفته و از دیتای آموزشی OpenAI به عنوان منبع اصلی استفاده کرده. کمی درباره این موضوع بگم : خب OpenAI با صرف کلی هزینه اومده دیتای موجود در اینترنت رو خونده، باهاش مدل آموزش داده و محصولاتی مثل ChatGPT رو منتشر کرده و یک اشتراک ماهانه 20 دلار هم براش در نظر گرفته. ادعایی که شده اینه که DeepSeek دسترسی پیدا کرده به داده های Train شده‌ی OpenAI و داره اونا رو رایگان عرضه می کنه. خودِ خودِ رابین‌هود 🙄 🟢کشورهای مختلف یکی یکی شروع کردن دارن دسترسی به DeepSeek رو محدود می کنند (ایتالیا و ایرلند)، نیروی دریایی آمریکا هم دسترسی اعضاش رو دیروز بست ولی به نظرم تا جایی که رقابت بین این غولها به نفع مصرف کنندگان باشه همچنان بازی جذاب هست ولی حالا یهو نکنه از اونور بوم بیافتن و به قول پست قبل «زمستان هوش مصنوعی» دوباره شروع بشه.

⬜️ تلاش برای رفع انحصار اتفاق بسیار خوبی است، به نظرم تا چند روز آینده باید منتظر انتشار مدل های هوش مصنوعی بقیه کشورها هم باشیم. ( به نظر میاد هند محتمل ترین کشور باشه. )

ارادت ❤️

😄 شوخی با Deepseek ✌️چندتا از خنده دارترین چیزهایی که این چند روز درباره فعالیت Deepseek شنیدم :

باورم نمیشه حتی ChatGPT هم بخاطر یک هوش‌مصنوعی شغلش رو از دست داد. 😏

تقابل Deepseek با بقیه مدل‌های هوش مصنوعی مولد، تقابل چینی‌های ساکن در وطن با چینی های ساکن آمریکا هست. 🙄

اینقدری که ایرانی‌ها نسبت به فعالیت Deepseek حساس شدند و نگرانند مدیرعامل‌های Nvidia و OpenAI نیستن. 🙄

شبخوش، ستاره بچینید...⭐️

📢 چند نظر شاید نامحبوب پیرامون DeepSeek (قسمت 3): این ها نکاتی هستن که به ذهن خودم رسید و ممکنه درست یا نادرست باشن! ✔️معلوم شد اینکه «میگن برید دنبال کارهای نشدنی، عزم و اراده کنید که انجامشون بدید»، واقعا شدنیست! دیدیم چیزی که واقعا دور از دسترس بود و همه میگفتن هیچکس جز غولهای بزرگ توان پردازش و آموزش سنگین در این حد رو ندارن شدنی شد! ✔️به نظرم هنوز فضای هوش مصنوعی در اقتصاد دنیا توان عوض کردن زمین بازی رو داره. این رو بارها گفتم در نظر بگیرید بعد سالیان سال و شاید قرن ها همه کشورها در یک موضوع اومدن پشت خط شروع یک مسابقه دو، در یک خط قرار گرفتن و همزمان تپانچه شروع مسابقه برای همه شلیک شده. @karborchannel @karborchannel ✔️کاش میشد ما هم مدل هوش مصنوعی ایرانی با همین قدرت و کیفیت بسازیم! نه اینکه ساده لوحانه و از روی جوگیری بگم ها! با سرمایه گذاری درست و بهینه و مهندسی محور (بجای دوست و قوم و خویش محور) میشه! هزینه توسعه DeepSeek یک دهم رقباش هست، درسته که خیلی جذابه ولی همین میزان هم نیازمند سرمایه گذاری هوشمندانه است. ✔️راستش؟ این ماجرای متن باز و با کیفیت بودن یک نگرانی به همراه داره، نگرانم بجای توجه به توسعه مدل های زیربنایی و خلق محصول یا زیرساخت اصیل برخی دوستان برن سراغ ساخت محصولاتی با عناون «برای اولین بار در کشور»، «بهترین هوش مصنوعیِ فلان» و... و با این عناوین برن سراغ گرفتن بودجه از بیت المال!

البته که توسعه محصول بر بستر این مدل ها کار بدی نیست ( خود ما هم همین الان چنین محصولاتی داریم) ولی در این شرایط تحریم و وضعیت اقتصادی چشم‌ داشتن به کَندن از بیت المال دور از انصافه

. @karborchannel @karborchannel ✔️سازمان های حمایتگر که وظیفه ذاتی حمایتگری دارند به نظرم دو کار اصلی دارند : 1- ترویج آموزش با کیفیت موضوع هوش مصنوعی (نه صرف آموزش استفاده از ابزارها) از سطوح دبیرستان 2- حمایت مالی و اعتباری از تولیدکنندگان محصولات با کیفیت و اصیل مبتنی بر هوش مصنوعی ✔️ طبیعیه که باید منتظر کلی مدل و فیچر جدید باشیم از DeepSeek یا بقیه بازیگران چینی. همین الان DeepSeek مدل سازنده تصویرش رو معرفی کرده، علی بابای چینی مدل Qwen رو معرفی کرده و احتمالا مدل ها و فیچرهای چینی جدیدی به بازار خواهند بود و رقابت وارد فاز جدیدی شد. ✔️ به نظرم اگه علاقه دارید درباره موضوع «زمستان هوش مصنوعی» جستجو و مطالعه کنید، به قول محمدرضا شعبانعلی شاید این ماجرای DeepSeek مقدمه ای باشه بر این سوال که «مطمئنی این مدل رو ارزونتر نمیشه اجرا کرد؟» و همین تلقی مقدمه تکرار ماجرای «زمستان هوش مصنوعی» باشه. ✔️✔️بخوام بنویسم تا فردا میتونم مطلب اضافه کنم به این لیست، دیگه خسته تون نکنم. ارادتمند. ❤️

📱 درباره DeepSeek (قسمت2) همزمان با فراگیر شدن و عملا ترند شدن مدل هوش مصنوعی DeepSeek (عکس این پست رو ببینید) و غافلگیر شدن شرکت های آمریکایی مثل OpenAI و ... افراد مختلفی در سطوح مختلف پیرامون این مسئله اظهارنظرهایی کردن که با هم چندتاشون رو بررس می‌کنیم :

سم‌آلتمن مدیرعامل OpenAI گفته:«عملکرد این مدل بسیار مخصوصا براساس قیمتی که ارائه می‌ده چشمگیر هست.»

ایلان ماسک مالک ایکس و مدل هوش مصنوعی Grok با تایید پست یک کاربَر که نوشته بود DeepSeek در واقع 50 هزار تراشه NVidia استفاده کرد و نه 2000 تا (منظورش اینه که هزینه های اعلام شده دروغ بوده) گفته:«خب معلومه!» یعنی تایید کرده که با هزینه بسیار کمتر از چیزی که ادعا میشه این مدل ساخته شده.

ترامپ گفته: «این موضوع باید برای حوزه Tech در آمریکا زنگ هشداری باشه. البته به اهمیت رقابت هم اشاره کرده و گفته اگر کاری (منظور همین آموزش ماشین و تحلیل داده ها) رو بشه با قیمت پایین تری انجام داد باید راه ارزونتر رو انتخاب کرد، این انتخاب به نفع ما (تکنولوژی آمریکا) هم هست.

🏮در کنار این اظهارنظرها یک نکته ای که فارغ از مسائل مالی انتشار مدل DeepSeek میشه بهش اشاره کرد اینه که با فرارگیر تر شدن استفاده از DeepSeek و با توجه به نظارت و به نوعی سانسور محتوایی که اون داره انجام میده ممکنه باید منتظر عیان‌تر و عادی‌تر شدن سانسور و عدم ارائه اطلاعاتی که ماشین نمیخواد (بخونید نمیتونه) اون ها رو منتشر کنه باشیم و این طبیعتا خوب نیست. همچنان ادامه دارد.... 😊

📱 و اما Deepseek: سلام و عرض ادب. امیدوارم خوب باشید. ⭐️ ✅اول بگم که دست اندرکاران توسعه Deepseek یه تعداد ریاضی‌دان بودن که شغلشون بهینه کردن الگوریتم‌های معامله آنلاین بوده و پروژه Deepseek یک Side Project بوده برای اوقات فراغتشون. البته که فعلا کل بازار سرمایه و دنیای تکنولوژی رو تحت تاثیر قرار دادن. (بعد باز بگو حد و مشتق و انتگرال کجای زندگی به درد میخوره) ✔️ و اما کمی بررسی فنی : 🟢ببینید در توسعه مدل های هوش مصنوعی یکی از اصلی‌ترین هزینه ها مرتبط هست با فرایند آموزش مدل و شرکت های پیش‌رو در این زمینه مثل OpenAI و Anthropic طبق آمارهای خودشون بیشتر از ۱۰۰ میلیون دلار فقط برای محاسبات خرج می‌کنن(مراکز داده بسیار بزرگ با هزاران GPU چند ده هزار دلاری)

تقریبا در بر همین پاشنه هزینه های سنگین می‌گشت که یک شرکت چینی به نام DeepSeek مدعی شد که مسئله آموزش مدل هوش مصنوعی و محاسبات و ... را با عددی کمتر از 6 میلیون دلار جمع میکنه.

✔️این دوستان اومدن این موارد رو از اول بازبینی کردن:

🟢اولین و جذابترین موضوع : تخصص بجای همه کاره بودن

مدلهای هوش مصنوعی ادعاشون اینه که «همه چیز رو میدونن» حالا متخصصین این شرکت یه چیزی ساختن مثل «یک سیستم تخصص محور» مثلا بجای اینکه یه آدم که هم تاریخ‌دان باشه و هم سیاست بدونه و هم دکتر باشه و هم مهندس و ... فقط در لحظه مدنظر و به ازای سوال ارسالی از متخصص مرتبط استفاده می‌کنه. ⚙️از نظر عدد و رقم بخوایم بگیم در مدل‌های معمول تمام ۱.۸ تریلیون پارامتر در یک لحظه فعال هستند ولی در Deepseek در یک لحظه فقط ۳۷ میلیارد پارامتر فعال داره. خروجی این طرز فکر میشه چی ؟ ✔️هزینه آموزش مدل ها : برای مدلهای سنتی ۱۰۰ میلیون دلار و برای مدل Deepseek نزدیک به ۵ میلیون ✔️تعداد GPUها: برای مدلهای سنتی ۱۰۰ هزار GPU و برای مدل Deepseek فقط ۲ هزار GPU !! ✔️✔️و از نظر هزینه API میتونیم بگیم مدل Deepseek نزدیک به ۹۰ درصد ارزان‌تر از مدلهای معمول شده !

🟢بکارگیری میزان حافظه بسیار کمتر

مدل های پیش از Deepseek (مثل OpenAI و Claude ) مثل این عمل میکنند که انگار هر عدد رو با ۳۲ اعشار می‌نویسن ولی Deepseek گفته: «خب میشه در همون مقدار زمانی اون عدد رو با ۸ رقم اعشار بنویسیم!» و این یعنی «۷۵٪ کاهش در حافظه مورد نیاز برای اجرای مدل‌ها» @karborchannel @karborchannel

🟢 بکارگیری مدل Multi Token:

احتمالا میدونید که مدل های هوش مصنوعی‌های قدیمی مثل یه بچه ابتدایی مطالب رو بخش بخش می‌خونن: یعنی مثلا در فارسی اینطوری «آن....مرد....با..... اسب.....آمد.» ✔️حالا دوستان Deepseek اومدن به این فکر کردن که:«خب چطوره که کل جمله رو یکجا بخونیم؟» نتیجه؟ وقعا حیرت انگیز بود!! :« سرعت پردازش نزدیک به ۲ برابر و دقت نزدیک به ۹۰٪» و این سرعت و‌ دقت در زمانی که سیستم در حال پردازش و تحلیل میلیاردها کلمه هست نتیجه‌ بی نظیری داره، تا امروز البته!

🟢متنِ باز در جلو چشمانِ همه

در پس این همه مسئله، قشنگی ماجرا اینه که همه چیز این سرویس متن باز هست! رایگان و عمومی در اختیار همه. این یعنی من و شما هم به راحتی میتونیم‌ (با یک سیستم Gaming) مدل هوش مصنوعی Run کنیم و روی سرور خودمون داشته باشیمش. (درباره این موضوع در پست بعد مینویسم مجدد)

🟢 توسعه با زیرساخت رقیب و تکیه بر تکنولوژی بومی

به میاد که DeepSeek اومده برای آموزش مدل‌هاش از سخت افزار شرکت Nvidia (ظاهرا Nvidia H800 ) استفاده کرده و برای اجرای مدل ها (یعنی Inference) داره از تراشه‌های جدید داخلی چینی یعنی Huawei 910C، استفاده می‌کنه! این یعنی مسیر رو برای خودشون بلند مدت و با چاشنی رقابت سنگین ترسیم کردند.

🟢کوچک و چابک

نکته آخر کل تیم Deepseek حدود ۲۰۰ نفر هستن. مقایسه کنید با اندازه تیم‌های هوش مصنوعی ایکس، متا و .... این ها مهمترین عواملی بودن که به یکباره DeepSeek رو بر سر زبان ها انداختند، البته که رقبا مواضعی نسبت به این موضوع گرفتن که در پست های بعد بهشون می پردازم. در آخر این جمله رو از یکی از دوستان توییتر نقل قول کنم: @karborchannel @karborchannel

«غول بهره‌وری از چراغ جادو اومده بیرون. دیگه نمی‌تونی برگردی به دورانی که هی سخت‌افزار اضافه کنی. به نظر می‌رسه این لحظه از اونهاست که بعدا به عنوان نقطه عطف بهش نگاه می‌کنیم. درست مثل موقع‌هایی که PCها کامپیوتر‌های بزرگ‌ رو از رده خارج کردن، یا محاسبات ابری همه‌ چیز رو تغییر داد. هوش مصنوعی قراره باز هزینه بسیار کمتر، و به مقدار بیشتری در دسترس قرار بگیره.»

------------- ببخشید طولانی شد، سعی کردم خلاصه بنویسم.🙈 این مطلب برداشت آزادی هست از این رشته توییت ها به همراه چند مطلب دیگه. https://x.com/Dorialexander/status/1884167945280278857 https://x.com/morganb/status/1883686162709295541 ادامه دارد 👀 ارادت ☕️❤️ @karborchannel

💘 درباره Deepseek سلام 🙋‍♂🙋‍♀ عیدتون مبارک 💖 انشالله همیشه در پناه رحمة للعالمین باشید. 💘 هرجا میری و صحبت میشه میگن درباره Deepseek چرا چیزی نمی‌نویسی ؟ ◻️راستش کارکرد این کانال بیشتر از اینکه برای نوشتن و انتشار مطلب باشه، بیشتر فیلتر و انتشار مطالبی هست که بقیه کمتر درباره‌ش حرف میزنن. 💠 انشالله یکی دو مطلب پیرامون این سرویس جدید که کلی سر و صدا کرده می‌نویسم. ارادتمند 💖

⚠️ کارهای ممنوع در جلسه مصاحبه شغلی 🟢مصاحبه شغلی یکی از مهم‌ترین مراحل در مسیر دستیابی به شغل مورد نظر شماست. این فرآیند فرصتی است تا توانایی‌ها و شایستگی‌های خود را به نمایش بگذارید. اما اشتباهات کوچک یا رفتارهای نامناسب می‌توانند شما را از رسیدن به این هدف بازدارند. به مناسبت انتشار آگهی دعوت به همکاری برای شرکت در ادامه، به برخی از رایج‌ترین اشتباهات در مصاحبه شغلی می‌پردازیم و راه‌حل‌هایی برای جلوگیری از آن‌ها ارائه می‌دهیم:

5 رفتار نادرست که موفقیت در مصاحبه شغلی را تهدید می‌کنند :

1- بی‌توجهی به شناخت شرکت و موقعیت شغلی:

وقتی بدون اطلاعات کافی درباره شرکت یا شرح شغل وارد مصاحبه شوید، پیام واضحی به مصاحبه‌کننده می‌دهید: «من واقعاً به این موقعیت اهمیت نمی‌دهم.» بنابراین قبل از مصاحبه، حتماً درباره شرکت تحقیق کنید؛ وب‌سایت، شبکه‌های اجتماعی، ماموریت‌ها، ارزش‌ها و شرح شغل را مطالعه کنید و با دید کامل نسبت به شرکت (و حتی مدیران آن) به جلسه مصاحبه بروید.

2- برقراری ارتباط غیرحرفه‌ای:

شیوه ارتباط شما می‌تواند تاثیر بسیاری بر نتیجه مصاحبه داشته باشد. اگر بیش از حد پرخاشگر یا سرد و بی‌تفاوت باشید، احتمالاً تاثیر منفی بر جای خواهید گذاشت. سعی کنید با اعتماد به نفس، مودبانه و با رویکردی حرفه‌ای صحبت کنید. مثال: فرض کنید مصاحبه‌کننده از شما سوال ساده‌ای مثل «چرا این شغل را انتخاب کردید؟» می‌پرسد و شما با لحن عصبی بگویید: «خب مشخصه دیگه، چون به پول نیاز دارم!» این برخورد می‌تواند شانس شما را به شدت کاهش دهد.

3- بیان پاسخ‌های گنگ و نامرتبط:

پاسخ‌های مبهم یا فاقد مثال‌های مشخص می‌توانند نشان‌دهنده ضعف در انتقال مهارت‌ها و تجربه‌های شما باشند. برای هر سوالی که مطرح می‌شود، از تجربیات گذشته خود مثال بیاورید و دستاوردهای مشخصی را توضیح دهید. مثلا اگر از شما بپرسند: «چه تجربه‌ای در مدیریت پروژه دارید؟» و شما بگویید: «یک بار توی دانشگاه پروژه گروهی داشتیم.» این پاسخ مبهم است و ارزش واقعی تجربه شما را نشان نمی‌دهد. بهتر است بگویید: «در دانشگاه پروژه‌ای گروهی داشتیم که مدیریت تقسیم کار، پیگیری پیشرفت اعضا و تحویل به‌موقع آن با من بود.»

4- عدم آشنایی کامل با رزومه خود !!!!:

یکی از رایج‌ترین اشتباهات، نداشتن تسلط کامل بر رزومه خودتان است. شاید تعجب کنید! ولی موارد زیادی بوده که در جلسه مصاحبه، متقاضی شغل مثلا فراموش کرده در فلان شرکت یا فلان پروژه درگیر بوده. شما باید بتوانید تمام بخش‌های رزومه را به وضوح توضیح دهید و از آن به‌عنوان ابزاری برای اثبات توانایی‌های خود استفاده کنید. مثلا فرض کنید در رزومه نوشته‌اید که در یک شرکت به‌عنوان کارآموز فعالیت داشته‌اید. اگر از شما بپرسند: «چه مسئولیت‌هایی داشتید؟» و شما جواب بدهید: «راستش دقیق یادم نمیاد!» این پاسخ می‌تواند تاثیر منفی بگذارد.

5- عدم طرح سوال در پایان مصاحبه:

معمولا مصاحبه‌کننده در پایان مصاحبه یک چنین جمله ای را بیان می کند : «سوالی دارید؟»، «موضوعی مونده که درباره‌ش صحبت کنیم؟» و شما چیزی برای گفتن ندارید، ممکن است این پیام را منتقل کنید که علاقه یا کنجکاوی کافی نسبت به موقعیت ندارید. مثلا اگر بگویید: «نه، سوالی ندارم، چیز خاصی نیست.» مصاحبه‌کننده ممکن است تصور کند این شغل برای شما جذاب نیست. در عوض، می‌توانید بپرسید: «چالش اصلی این موقعیت شغلی چیست؟» یا مثلا «شما چه مسیری برای رشد و ارتقا همکاران چیدید؟»

🔺راهکارهای بیشتر برای درخشش در مصاحبه شغلی

✔️از زبان بدن مثبت استفاده کنید. صاف بنشینید، لبخند بزنید و تماس چشمی داشته باشید. ✔️وقت‌شناس باشید. حضور به‌موقع در محل مصاحبه نشان‌دهنده احترام به زمان مصاحبه‌کننده است. ✔️لباس مناسب بپوشید که با فرهنگ سازمانی شرکت هم‌خوانی داشته باشد. در یک کلام موفقیت در مصاحبه شغلی تنها به توانایی‌های فنی و مهارت‌های شما بستگی ندارد؛ بلکه به نحوه ارائه این توانایی‌ها و اجتناب از اشتباهات رایج نیز مرتبط است. با آمادگی کافی، برقراری ارتباط موثر و داشتن نگرش مثبت می‌توانید به مصاحبه‌کننده نشان دهید که بهترین گزینه برای این موقعیت شغلی هستید. پس قبل از ورود به مصاحبه، تمام جزئیات را مرور کنید و با اعتماد به نفس قدم بردارید. انشالله همیشه موفق باشید. ❤️ ————————————- باتشکر از آقا رضا جعفری که متن اصلی این مطلب رو از ایشون قرض گرفتم.

💛 دعوت به همکاری توسعه دهنده و برنامه‌نویس سلام و ارادت 🙋🏻‍♂️ 👩‍💻 ما در شرکت رهاورد صبح وصال درگیر مجوعه ای از پروژه های تحت وب، تحلیل داده و (اخیرا) هوش مصنوعی هستیم و برای توسعه فعالیت ها تمایل به اضافه کردن 2 یا 3 نفر همکار جدید (Mid-Level , Senior) داریم. 💎شرایط احراز 💠برنامه‌نویسی بک‌اند: تسلط به ASP.NET Core، طراحی و پیاده‌سازی APIهای Restful 💠برنامه‌نویسی فرانت‌اند: تجربه کار با React.js و ابزارهای مرتبط 💠آشنایی با پایگاه داده‌ها و بهینه‌سازی کوئری‌ها (SQL Server) 💠توانایی کار تیمی، حل مسئله و مدیریت زمان 🔔ویژگی‌های شخصیتی 💠جدیت و پیگیری امور تا رسیدن به نتیجه نهایی 💠توانایی تعامل سازنده با مشتریان و هم‌تیمی‌ها 📥 اگر فکر می‌کنید ممکنه بتونیم همکاری با کیفیتی رو رقم بزنیم، رزومه و سوابقتون رو از طریق لینک «سامانه ای-استخدام» ارسال بفرمایید. ✍️ توضیحات پیرامون شرایط همکاری( ساعت کار و حق الزحمه و مزایا و... در آگهی استخدام درج شده. ارادتمند. 💘

🐋تحلیل مدل‌های مبتنی بر تصویر و ویدئو در گزارش هوش مصنوعی ۲۰۲۴ (قسمت سوم) سلام و عرض ادب 🙋🏻‍♂️ 🟢پیش از این در دو پست اینجا و اینجا تحلیل های کوتاهی پیرامون گزارش سایت https://artificialanalysis.ai پیرامون روند طی شده در سال 2024 در حوزه هوش مصنوعی خدمتتون ارائه کردم و در این پست به تحلیل مدل های مبتنی بر تصویر و ویدئو در گزارش ۲۰۲۴ Artificial Analysis می پردازم. 🟢گزارش ۲۰۲۴ Artificial Analysis نشان‌دهنده پیشرفت‌های شگرف در حوزه مدل‌های تولید تصویر و ویدئو است. این بخش از فناوری هوش مصنوعی مولد، از تولید تصاویر خلاقانه و واقعی گرفته تا ایجاد ویدئوهای سفارشی، تحول چشمگیری در صنایع مختلف ایجاد کرده است. ✔️مدل‌های تولید تصویر و ویدئو، بخشی از انقلابی در هوش مصنوعی مولد هستند که فرصت‌های بی‌نظیری برای خلاقیت و بهره‌وری فراهم کرده‌اند. این پیشرفت‌ها، با کاهش هزینه‌ها و افزایش کیفیت، نقش کلیدی در آینده صنایع مختلف خواهند داشت. 💠@karborchannel

🎮 تحلیل مدل‌های تولید تصویر

🟢پیشرفت در کیفیت تصاویر: مدل‌های تولید تصویر در سال ۲۰۲۴ جهش بزرگی در دقت، واقع‌گرایی و تطابق با درخواست‌ها (Prompt Adherence) داشته‌اند. ▪️برجسته ترین مدل های تولید تصویر : مدل Recraft V3: با امتیاز ELO ۱۱۶۱، به‌عنوان دقیق‌ترین مدل شناخته شد. مدل Flux 1.1 [Pro]: با امتیاز ۱۱۲۸، توانست در تولید تصاویر واقعی و خلاقانه پیشتاز باشد. مدل MidJourney V6.1: مدل محبوب دیگری که در طراحی گرافیکی و خلاقیت مورد توجه قرار گرفته است. 🟢نمودار پیشرفت: نمودارهای کیفیت ELO نشان می‌دهند که مدل‌های تولید تصویر از نیمه دوم سال ۲۰۲۴ به بعد، پیشرفت بی‌سابقه‌ای داشته‌اند، مدل‌های منتشر شده در بازه زمانی 3Q24 تا 4Q24 (پاییز و زمستان 2024) توانستند کیفیت مدل‌های قبلی را با اختلاف زیاد پشت سر بگذارند و عامل اصلی در این پیشرفت استفاده از داده‌های با کیفیت بالا و تکنیک‌های بهینه‌سازی، بوده است. 🟢ویژگی‌های نوآورانه: تولید تصاویر واقعی: مدل‌های جدید توانسته‌اند تصاویری با جزئیات خیره‌کننده و واقع‌گرایانه تولید کنند. کاربردهای گسترده: از طراحی محصول گرفته تا تولید محتوا، این مدل‌ها در بسیاری از صنایع تأثیرگذار بوده‌اند.

👀 تحلیل مدل‌های تولید ویدئو

🟢توسعه در مدل‌های ویدئویی: مدل‌های تولید ویدئو در سال ۲۰۲۴ توانستند با ترکیب قابلیت‌های هوش مصنوعی در متن و تصویر، ویدئوهایی با کیفیت بالا و واقع‌گرایانه تولید کنند. ▪️برجسته ترین مدل‌های تولید ویدئو براساس پرامپت در سال 2024: مدل OpenAI Sora: این مدل در اواخر سال ۲۰۲۴ با امتیاز ELO ۱۱۴۷ معرفی شد و به دلیل تطابق بالا با درخواست‌ها، مورد توجه قرار گرفت. مدل Kling 1.5 (Kuaishou): مدلی با امتیاز ۱۱۲۹ که در تولید ویدئوهای خلاقانه و حرفه‌ای برجسته است. مدل Genmo Mochi 1: توانسته در ترکیب ویدئو با داده‌های متنی و تصویری عملکرد خوبی ارائه دهد. 🟢نمودار پیشرفت: نمودارهای مربوط به مدل‌های ویدئویی نشان‌دهنده رقابت شدید در نیمه دوم سال ۲۰۲۴ هستند، مدل‌هایی مانند Sora و Kling توانسته‌اند در مدت کوتاهی فاصله خود را با مدل‌های قبلی کاهش دهند و اصلی ترین عامل این رشد استفاده از شبکه‌های عصبی چندوجهی و تکنیک‌های پردازش توالی (Sequence Processing) بوده است. 🟢کاربردهای عملی: ویدئوهایی که به کمک این ابزارها ساخته می شوند امکان ساخت محصول در حوزه های مختلفی ویدئو بسازند. بعنوان مثال : تبلیغات و بازاریابی: تولید ویدئوهای تبلیغاتی با قابلیت تطابق با نیازهای برندها. آموزش و یادگیری: تولید محتوای آموزشی و ویدئوهای توضیحی با کیفیت بالا. سرگرمی و تولید محتوا: ایجاد ویدئوهای کوتاه برای رسانه‌های اجتماعی و پلتفرم‌های استریمینگ. 💠@karborchannel 💠@karborchannel

👁 چشم‌انداز آینده مدل‌های تصویر و ویدئو

🟢ترکیب چندوجهی: مدل‌های آینده نه تنها متن و تصویر، بلکه صدا و داده‌های چندرسانه‌ای را نیز ترکیب خواهند کرد، مثلا مدل‌هایی که می‌توانند داستانی را بر اساس متن تعریف کرده و همزمان تصاویر و ویدئوهای مرتبط تولید کنند. 🟢واقع‌گرایی بیشتر: مدل‌های جدیدتر به سمت تولید تصاویر و ویدئوهایی حرکت می‌کنند که نه تنها خلاقانه هستند، بلکه به‌سختی از محتوای واقعی قابل تشخیص‌اند. 🟢دسترسی برای کسب‌وکارهای کوچک: کاهش هزینه‌های استفاده از این مدل‌ها، فرصت‌های بیشتری برای استارتاپ‌ها و تولیدکنندگان محتوا فراهم خواهد کرد. 🟢مدل‌های باز: مدل‌های باز با بهبود مستمر، به یکی از گزینه‌های اصلی برای توسعه‌دهندگان و تولیدکنندگان محتوا تبدیل خواهند شد. 🔸 انشالله در چند پست بعد، نکات دیگری که برداشت خودم از این گزارش هست رو منتشر می کنم. ارادتمند 💘 💠@karborchannel

🔸 رویداد جذب سرمایه در فارس 💟 با افتخار در این رویدار به عنوان منتور در خدمت دوستان هستم. ✅ اگر استارتاپی دارید و در مسیر جذب سرمایه هستید، فرصت خوبی هست برای عرضه ایده و محصولتون.

✅حوزه های سرمایه‌گذاری:

هوش مصنوعی و هوشمندسازی صنایع آموزش مجازی امنیت غذایی شهر هوشمند سلامت و سالمندی گردشگری فین‌تک بازی و رسانه های دیجیتال حمل‌ونقل و لجستیک انرژی و بهینه‌سازی مصرف ارادتمند 💘

🚀 اگر ایده نوآورانه‌ای دارید یا به دنبال جذب سرمایه برای رشد کسب‌وکارتان هستید، این رویداد مختص شماست. 👈🏻 تریگ‌آپ و هاب‌ شیراز به عنوان برگزار‌کنندگان این رویداد بزرگ در محدوده فارس، بوشهر، هرمزگان و کهگیلویه و بویراحمد فرصتی را فراهم کرده‌اند تا کارآفرینان جسور بتوانند ایده‌های خود را در حضور داوران و سرمایه گذاران معتبر ارائه دهند. 💡این رویداد به تیم‌های استارتاپی این امکان را می‌دهد تا پس از گذراندن مراحل مختلف در رویدادی حضوری به معرفی کسب‌وکار خود بپردازند، با سرمایه‌گذاران ارتباط برقرار کرده و برای ادامه مسیر رشد و توسعه ایده نوآورانه خود جذب سرمایه کنند. 🌱 فقط تا 10 بهمن‌ماه فرصت دارید طرح و ایده خودتان را ثبت کنید. رویداد نهایی در شهر شیراز برگزار خواهد شد. 💘 🌐از اینجا ثبت‌نام کنید‌: https://trigate.ir/adventure-shiraz 👨‍💻

⚙️ تحلیل شرکت‌های پیشرو حوزه GenAI در گزارش 2024 (قسمت دوم) سلام 🙋🏻‍♂️ قرار شد طی چند پست گزارش جذاب artificialanalysis.ai رو با هم بررسی کنیم، در این پست بریم سراغ خلاصه ای از فعالیت های شرکت های فعال حوزه GenAI 🔎در سال ۲۰۲۴، رقابت بین شرکت‌های پیشرو در حوزه هوش مصنوعی مولد به اوج خود رسید. هر کدام از این شرکت‌ها با تمرکز بر استراتژی‌ها و تکنولوژی‌های منحصر‌به‌فرد خود توانستند جایگاه خود را در بازار تثبیت یا ارتقا دهند. OpenAI و Google همچنان پیشتاز بازار هستند، اما شرکت‌هایی مانند Meta، Anthropic و Mistral با مدل‌های باز و اقتصادی، توانسته‌اند رقابت را به سطح جدیدی برسانند. در پست (فِرِسته) به تحلیل دقیق‌تر و مفصل شرکت‌های اصلی و نقش آن‌ها در این رقابت می‌پردازیم، البته که همچنان توصیه میکنم خودتان فایل را دانلود و بررسی کنید. 💠@karborchannel

1.شرکت OpenAI

✔️ نوآوری‌ها و دستاوردها: مدل‌های جدید: OpenAI با معرفی مدل‌هایی مانند GPT-4 Turbo و نسخه پیش‌نمایش o1-mini موفق به ارائه قابلیت‌های پیشرفته‌تر در کنار کاهش هزینه‌ها شد. هزینه و کیفیت: نسخه o1-mini با کیفیتی نزدیک به GPT-4 صد برابر ارزان‌تر است، که نشان‌دهنده تمرکز OpenAI بر دسترسی گسترده‌تر به هوش مصنوعی است. چندوجهی‌سازی: OpenAI در حال توسعه مدل‌هایی است که متن، تصویر، و صوت را در کنار هم پردازش می‌کنند، و این رویکرد را به استاندارد جدیدی در صنعت تبدیل کرده است. ✔️ چشم‌انداز: شرکت OpenAI به لطف شبکه‌ای گسترده از کاربران و پشتیبانی زیرساختی قوی، همچنان به عنوان رهبر بازار شناخته می‌شود. اما رقابت از سوی شرکت‌های دیگر، نیاز به نوآوری مستمر دارد.

2. شرکت Google

✔️ نوآوری‌ها و دستاوردها: مدل‌های Gemini: گوگل با معرفی Gemini 1.5 و Gemini 2.0 نشان داد که نه‌تنها در حوزه متن بلکه در چندوجهی‌سازی نیز قدرت رقابت بالایی دارد. یکپارچگی در زنجیره ارزش: گوگل با کنترل کامل از تولید سخت‌افزار (TPUها) تا توسعه مدل‌ها، بالاترین سطح هماهنگی و بهینه‌سازی را در محصولات خود ارائه می‌دهد. قابلیت‌های بلندمدت: توسعه پنجره‌های متنی بلندتر (تا ۲ میلیون توکن) و استفاده از تکنیک‌های پیشرفته مانند RoPE به مدل‌های گوگل امکان پردازش حجم بالای داده را داده است. ✔️چشم‌انداز: گوگل به عنوان شرکتی که تمام زنجیره ارزش را در اختیار دارد، در موقعیتی قوی قرار دارد تا به رقابت در سطح جهانی ادامه دهد.

3.شرکت Meta (فیس‌بوک)

✔️نوآوری‌ها و دستاوردها: مدل‌های باز: مدل‌های Llama 3.1 و Llama 3.3 نشان‌دهنده استراتژی متا برای تمرکز بر مدل‌های متن باز است که برای کاربران بیشتری قابل دسترس باشند. کاهش هزینه: مدل‌های متا توانسته‌اند کیفیت بالا را با هزینه پایین‌تر ارائه دهند، که باعث محبوبیت آن‌ها در میان توسعه‌دهندگان مستقل شده است. بهره‌وری داده‌ها: استفاده از داده‌های بهینه و تکنیک‌های تقطیر دانش به این شرکت امکان داده تا مدل‌هایی سبک‌تر اما قدرتمند تولید کند. ✔️چشم‌انداز: متا در تلاش است با توسعه مدل‌های باز و اقتصادی، سهم بیشتری از بازار را تصاحب کند. این استراتژی می‌تواند متا را به یکی از بازیگران کلیدی در دسترس‌سازی فناوری تبدیل کند. 💠@karborchannel

4. شرکت Anthropic

✔️نوآوری‌ها و دستاوردها: تمرکز بر امنیت: Anthropic با مدل‌هایی مانند Claude 3.5 Sonnet به دنبال ایجاد مدل‌های قابل اعتماد و ایمن‌تر برای کاربران است. کاربردهای خاص: مدل‌های این شرکت در حوزه‌هایی مانند پردازش زبان طبیعی (NLP) و استدلال چندمرحله‌ای بسیار موفق عمل کرده‌اند. چشم‌انداز: استراتژی تمرکز بر امنیت و اخلاق در توسعه مدل‌ها، Anthropic را به شرکتی برجسته برای استفاده در صنایع حساس مانند پزشکی و حقوقی تبدیل کرده است.

5.شرکت Mistral

✔️نوآوری‌ها و دستاوردها: مدل‌های باز و اقتصادی: مدل‌هایی مانند Mistral Large 2 با هدف ارائه کیفیت بالا با کمترین هزینه طراحی شده‌اند. تمرکز بر توسعه‌دهندگان مستقل: این شرکت با ارائه ابزارهای مناسب برای استارتاپ‌ها و تیم‌های کوچک، محبوبیت زیادی کسب کرده است. ✔️چشم‌انداز: شرکت Mistral با تمرکز بر مدل‌های باز و قابل دسترس، رقیبی جدی برای شرکت‌های بزرگتر خواهد بود.

6.مجموعه Alibaba و دیگر شرکت‌های آسیایی

✔️نوآوری‌ها و دستاوردها: مدل‌های جدید: مدل‌های Qwen 2.5 و دیگر پروژه‌های علی‌بابا نشان‌دهنده رشد سریع آسیا در این حوزه است. تمرکز بر بازارهای منطقه‌ای: این شرکت‌ها به‌ویژه در بازارهای آسیایی با ارائه خدمات محلی و مدل‌های بومی‌سازی شده، مزیت رقابتی دارند. ✔️چشم‌انداز: شرکت‌های آسیایی با تمرکز بر بازارهای محلی و توسعه سریع فناوری، در حال افزایش سهم خود در بازار جهانی هستند. 🔸 انشالله در چند پست بعد، نکات دیگری که برداشت خودم از این گزارش هست رو منتشر می کنم. ارادتمند 💘 💠@karborchannel

🐋بررسی گزارش تحلیلی مدل‌های هوش مصنوعی مولد در سال ۲۰۲۴ (قسمت اول) سلام و ارادت 🙋‍♂ ایام میلاد امیرالمومنین (ع) و روز مرد و پدر رو خدمتتون تبریک میگم. 💥 🔻پیش از این، وب‌سایت https://artificialanalysis.ai که کار تحلیل و رتبه بندی مدل های هوش مصنوعی مولد را انجام می‌دهد در این پست معرفی کرده بودم. این وب سایت در انتهای سال 2024 میلادی یک گزارش تحلیلی از روندها، پیشرفت‌ها و چشم‌انداز هوش مصنوعی مولد در سال ۲۰۲۴ براساس داده‌محور ارائه و وضعیت مدل‌های زبان، مدل‌های تصویر و صدا، و همچنین روندهای قیمتی و کیفی این حوزه را تحلیل کرده است. این گزارش جامع، نه‌تنها پیشرفت‌های OpenAI بلکه حرکت دیگر بازیگران اصلی مانند Meta، Google، و Mistral را در رقابت‌های تکنولوژیکی به تصویر می‌کشد. @karborchannel @karborchannel 🧠ضمن دعوت به دانلود و مطالعه مفصل این گزارش طی چند پست قصد دارم نگاهی به نکات برجسته این گزارش داشته باشم. 🐋ترندهای اصلی هوش مصنوعی مولد در ۲۰۲۴:

ظهور مدل‌های چندوجهی (Multimodal AI):

مدل‌های جدید با قابلیت پردازش ترکیبی متن، تصویر، صدا و ویدیو توانسته‌اند پا را از فقط پردازش متن فراتر گذاشته و با قابلیت پردازش همزمان چند نوع محتوی به حوزه های مختلف علوم مثل پزشکی ، تجارت الکترونیک، تبلیغات وارد شوند. 🔸مثلا در حوزه پزشکی امکان تحلیل تصاویر رادیولوژی در کنار داده های بیمار به راحتی امکانپذیر شده است و یا در تجارت الکترونیک (فروشگاههای آنلاین) توضیح محصول، در کنار فیلم و تصویر آن در فرمت های مدنظر تولید و تدوین می شود. 🔹پیش‌بینی می شود مدل‌های چندوجهی به سرعت جای خود را در صنعت باز خواهند کرد و به ویژه در یادگیری ماشین و اتوماسیون فرآیندها نقش کلیدی ایفا کنند.

افزایش پنجره‌های متنی بلندتر:

⬜️مدل‌ها اکنون می‌توانند تا ۱۲۸k توکن (و حتی ۲ میلیون توکن در برخی موارد) پردازش کنند. این قابلیت باعث شده کاربردهای پیچیده‌ای مانند تحلیل اسناد طولانی، مدل‌های حقوقی، و گزارش‌های چندبخشی امکان‌پذیر شوند، امکان بررسی متون طولانی و پیچیده، فهم و تحلیل متون و ارائه استدلال مبتنی بر متون طولانی از جمله نکات مهمی است که در مدل های پردازش متن مورد توجه هستند. تصور کنید مجموعه قوانین یک موضوع خاص که طی سالیان سال مصوب شده اند را به مدل بدهیم و انتظار داشته باشیم تناقض ها، ایرادات و مشکلات مرتبط با این مجموعه قوانین را ارائه نماید.

کاهش شکاف میان مدل‌های متن باز و اختصاصی:

⬜️مدل‌های متن باز مانند Llama 3.1 و Mistral Large به سرعت در حال رسیدن به سطح مدل‌های اختصاصی هستند، این پیشرفت به کاربران اجازه می‌دهد تا با هزینه کمتر از مدل‌های پیشرفته بهره‌مند شوند. بکارگیری مدل های متن باز در پروژه های هوش مصنوعی نیز مسیری است که تازه در ابتدای آن هستیم و برای شرکت ها و استارتاپ ها راه حل های جذابی برای خلق ارزش ارائه می دهد.

تمرکز بر کیفیت داده‌ها:

⬜️استفاده از داده‌های باکیفیت و متنوع نقش کلیدی در موفقیت مدل‌های جدید دارد. شرکت‌هایی مانند Microsoft از این استراتژی برای تقویت مدل‌های کوچک‌تر بهره می‌برند.

افزایش سرعت و کاهش هزینه‌ها:

⬜️در کنار افزایش کیفیت، هزینه‌های پردازش مدل‌ها به شدت کاهش یافته است، مدل‌های کوچکتر با بهره‌وری بالاتر، فرصت‌های بیشتری برای استارتاپ‌ها و کسب‌وکارهای کوچک برای بکارگیری مدل ها در پروژه ها فراهم کرده‌اند. 💧بررسی این گزارش رو طی چند پست ادامه خواهم داد، انشالله. ارادتمند ❤️