School of AI
Открыть в Telegram
هدف ما در این اجتماع کوچک، آموزش و ترویج هوش مصنوعی و افزایش سطح آگاهی و تخصص نسبت به آن است. باشد که دست در دست هم، آیندهی این صنعت را در میهنمان ایران بسازیم. https://www.aparat.com/v/Pmrs8
Больше📈 Аналитический обзор Telegram-канала School of AI
Канал School of AI (@schoolofai) языкового сегмента Фарси является активным участником. Сейчас сообщество объединяет 10 439 подписчиков, занимая 11 419 место в категории Технологии и приложения и 29 621 место в регионе Иран.
📊 Показатели аудитории и динамика
С момента создания невідомо проект демонстрирует стремительный рост, собрав аудиторию из 10 439 подписчиков.
Согласно последним данным от 29 марта, 2026, канал показывает стабильную активность. За последние 30 дней изменение числа участников составило -72, а за последние 24 часа — 0, при этом общий охват остаётся высоким.
- Статус верификации: Не верифицирован
- Уровень вовлечённости (ER): Средний показатель вовлечённости аудитории составляет 0%. В первые 24 часа после публикации контент обычно набирает N/A% реакций от общего числа подписчиков.
- Охват публикаций: В среднем каждый пост получает 0 просмотров. В течение первых суток публикация набирает 0 просмотров.
- Реакции и взаимодействия: Аудитория активно поддерживает контент: среднее количество реакций на один пост — 0.
📝 Описание и контентная политика
Автор описывает ресурс как площадку для выражения субъективного мнения:
“هدف ما در این اجتماع کوچک، آموزش و ترویج هوش مصنوعی و افزایش سطح آگاهی و تخصص نسبت به آن است.
باشد که دست در دست هم، آیندهی این صنعت را در میهنمان ایران بسازیم.
https://www.aparat.com/v/Pmrs8”
Благодаря высокой частоте обновлений (последние данные получены 30 марта, 2026) канал поддерживает актуальность и высокий уровень охвата публикаций. Аналитика показывает, что аудитория активно взаимодействует с контентом, что делает его важной точкой влияния в категории Технологии и приложения.
10 439
Подписчики
Нет данных24 часа
-147 дней
-7230 дней
Архив постов
10 439
بهزودی یک کورس خوب در مورد Agentic Application ها توسط دانشگاه برکلی برگزار خواهد شد.
ثبتنام کنید :)
https://llmagents-learning.org/f24
10 439
تراشههای رایانهای نقش مهمی در پیشرفت هوش مصنوعی داشتهاند، حال نوبت به هوش مصنوعیست که دین خود را ادا کند.
چهارسال پیش، آزالیا میرحسینی در گوگل موفق شد بهکمک یادگیری تقویتی عمیق، روشی برای طراحی چیدمان تراشههای کامپیوتری (chip floorplanning) ابداع کند.
در این روش، ابتدا، یک Grid خالی درنظر گرفته شده و در هر تکرار، یکی از مولفهها (مدارها)، روی آن قرار میگیرد. پاداش نهایی از روی کیفیت چیدمان تراشهی نهایی مشخص میشود. یک شبکهی عصبی گرافی مبتنی بر یال (Edge-based GNN) ارتباط بین مولفهها را یادگرفته و آن را به بخشهای دیگر تعمیم میدهد.
لازم به ذکرست، تمام تراشههای شتابدهی هوش مصنوعی گوگل (TPU) و همینطور Google Axion توسط این روش طراحی شدهاند.
امروز بعد از چهار سال، این مدل، AlphaChip نام گرفت و بهزودی چکپوینت (وزنهای) آن برای استفادهی سایرین دردسترس قرار خواهد گرفت.
بلاگپست:
https://deepmind.google/discover/blog/how-alphachip-transformed-computer-chip-design/
گیتهاب:
https://github.com/google-research/circuit_training/
10 439
تراشههای رایانهای نقش مهمی در پیشرفت هوش مصنوعی داشتهاند، حال نوبت به هوش مصنوعیست که دین خود را ادا کند.
چهارسال پیش، آزالیا میرحسینی در گوگل موفق شد بهکمک یادگیری تقویتی عمیق، روشی برای طراحی چیدمان تراشههای کامپیوتری (chip floorplanning) ابداع کند.
در این روش، ابتدا، یک Grid خالی درنظر گرفته شده و در هر تکرار، یکی از مولفهها (مدارها)، روی آن قرار میگیرد. پاداش نهایی از روی کیفیت چیدمان تراشهی نهایی مشخص میشود. یک شبکهی عصبی گرافی مبتنی بر یال (Edge-based GNN) ارتباط بین مولفهها را یادگرفته و آن را به بخشهای دیگر تعمیم میدهد.
لازم به ذکرست، تمام تراشههای شتابدهی هوش مصنوعی گوگل (TPU) و همینطور Google Axion توسط این روش طراحی شدهاند.
امروز بعد از چهار سال، این مدل، AlphaChip نام گرفت و بهزودی چکپوینت (وزنهای) آن برای استفادهی سایرین دردسترس قرار خواهد گرفت.
بلاگپست:
https://deepmind.google/discover/blog/how-alphachip-transformed-computer-chip-design/
گیتهاب:
https://github.com/google-research/circuit_training/blob/main/docs/PRETRAINING.md
10 439
کد پیادهسازیشدهی تعدادی از مدلهای self-supervised learning پرکاربرد که توسط بهروز جان آذرخلیلی منتشر شدهست.
https://github.com/behroozazarkhalili/SSL
10 439
اگر تا الان سعی کرده باشید که یکی از VLM ها مثل PaliGemma یا Florence-2 یا Qwen2-VL رو روی دادههای خودتون فاینتیون کنید، میدونید که به این سادگیها هم نیست!
پکیج maestro اومده که این مشکل رو حل کنه و فاینتیونکردن مدلهای چندوجهی رو سادهتر کنه.
گیتهاب:
https://github.com/roboflow/multimodal-maestro
نوتبوک:
https://colab.research.google.com/github/roboflow/multimodal-maestro/blob/develop/cookbooks/maestro_florence2_object_detection.ipynb
10 439
یک بلاگپُست بسیار خوب در مورد طراحی مقیاسپذیر معماری سامانههای AI
https://huyenchip.com/2024/07/25/genai-platform.html
10 439
مجلهی مشهور TIME نام ایلان ماسک، موسس شرکتهای Tesla و SpaceX و Neuralink و همبنیانگذار OpenAI را از لیست ۱۰۰ چهرهی تاثیرگذار در دنیای AI حذف کرد 😂
بااینحال اسکارلت جانسون، هنرپیشهی فیلمهای هالیوودی و صداپیشهی فیلم Her همچنان در این لیست قرار دارد. 🤔
بسیاری این تصمیم رو ناشی از سوگیریهای سیاسی این مجله و مرتبط با حمایتهای اخیر ماسک از Trump عنوان کردهاند.
10 439
اگر علاقهمند به مدلهای VLM هستید، بهاحتمال زیاد طی روزهای اخیر در مورد دو مدل جدید و قدرتمند Qwen2-VL و LLaVa-OneVision که مبتنی بر مدل زبانی Qwen2 اند شنیدهاید.
مدل Qwen2-VL در دو نسخهی ۲ و ۷ میلیاردی (و بهزودی ۷۲ میلیاردی) توسط گروه Alibaba و تحت لیسانس Apache 2.0 بهصورت اوپن-سورس منتشر شده و عملکرد قابلتوجهی در تسکهایی مثل OCR و Object Tagging و Keyword Generation و Image Classification و Object Detection از خود نشان دادهست.
مدل LLaVa-OneVision (نسل جدیدِ LLaVa-NeXT) در سه سایز ۵۰۰ میلیونی، ۷ میلیاردی و ۷۲ میلیاردی و تحت لیسانس CC BY NC 4.0 (قابل استفاده برای اهداف غیرِتجاری) منتشر شده و بهخصوص در تسکهای ویدئویی عملکرد چشمگیری داشتهست. این مدل بهکمک تکنیک anyres-9 قادرست تصاویر با هر رزولوشنی را با جزییات کافی پردازش کند.
قدرت فهم ویدئو در این دو مدل روی بنچمارک Video-MME در این جدول بررسی شدهست.
10 439
AlphaProteo generates novel proteins for biology and health research
https://deepmind.google/discover/blog/alphaproteo-generates-novel-proteins-for-biology-and-health-research/
10 439
گوگل نامِ TensorFlow Lite را به LiteRT تغییر داد.
درابتدا، TFLite نسخهای سبک از مدلهای تنسورفلو برای اجرا روی دستگاههای موبایل بود.
اما در ادامه تبدیل به یک runtime عمومی برای اجرای مدلهای یادگیری ماشین نوشتهشده توسط TensorFlow و Keras و Pytorch و JAX برروی دستگاههای Edge از جمله موبایلهای اندرویدی و iOS و همینطور Embedded Devices شد.
نام جدید، بیانگر ویژن جدید این محصولست.
https://developers.googleblog.com/en/tensorflow-lite-is-now-litert/?linkId=10850223
10 439
واترمارکینگ در مدلهای GenAI
واترمارکینگ در GenAI به نشانهگذاریهایی درون محتوای تولیدشده (متن، تصویر، ویدئو، موسیقی و …) گفته میشود که از نگاه ما پنهان ولی در نگاه ماشین آشکار باشند.
مثلا گوگل در محصولات GenAI خود از ابزاری بهنام SynthID استفاده کرده و محتوای تولیدشده را واترمارک میکند.
بنابراین بهعنواننمونه شما در مواجهه با یک تصویر در بخش جستوجوی گوگل، میتوانید با مراجعه به قسمت about this image واترمارک آن را بررسی کنید. یا با مراجعه به سایتهایی مثل ZeroGPT انسانی بودن یک متن را بررسی کنید.
روش عملکرد واترمارک در LLM ها بهاینصورتست که:
میدانیم، مدل زبانی، در هر لحظه، توکن بعدی را بهصورت یک توزیع احتمال روی واژهنامه، پیشبینی میکند. ابزارهای واترمارکینگ، این توزیع احتمال را جوریکه به دقت، صحت و خلاقیت متن آسیبی نرسد، تغییر میدهند. بهاینصورت، حتی در یک متن سهجملهای نیز تعداد قابل توجهی واترمارک وجود دارد که از نگاه ما پنهانست ولی ابزارهایی مانند SynthID یا ZeroGPT آنرا آشکار میکنند.
https://deepmind.google/technologies/synthid/
10 439
مایکروسافت ابزاری بهنام AutoGen Studio را منتشر کرده که به پژوهشگران حوزهی Multi Agent Systems اجازه میدهد بدون کدنویسی (فقط با drag-n-drop) یک سامانهی چندعامله مبتنی بر GenAI را بهعنوان پروتوتایپ و بهسادگی چند کلیک پیادهسازی کنند.
pip install autogenstudio
autogenstudio ui -- port 8081
10 439
پارادایم TAG یا Table-augmented Generation توسط پژوهشگران دانشگاه برکلی و استنفورد معرفی شده و برای تبدیل کوئری متنی به کد SQL روی دیتابیس استفاده میشود.
گیتهاب:
https://github.com/TAG-Research/TAG-Bench
مقاله:
https://arxiv.org/pdf/2408.14717v1
10 439
Repost from آموزش دانشکده کامپیوتر
«دستیاری درس برنامه سازی پیشرفته»
https://forms.gle/RJZT18X6PfeN6kNAA
10 439
اگه در حال طراحی یک AI Agent برای … هستید،
دست نگه دارید!
طراحی Agent تون رو به Agent جدید بچههای دانشگاه UBC و آزمایشگاههای Vector و CIFAR بسپارید.
https://arxiv.org/pdf/2408.08435
10 439
پژوهش جدید و جالب از تیم پروفسور Manning - دانشگاه استنفورد
Recurrent Neural Networks Learn to Store and Generate Sequences
using Non-Linear Representations
https://arxiv.org/pdf/2408.10920
10 439
Repost from AI DeepMind
ورکشاپ #Diffusion_Models در #NeurIPS_2023
این ورکشاپ حدود 8 ساعت هست، در قسمت Schedule میتونید بخش دلخواه از ورکشاپ را ببینید:
https://neurips.cc/virtual/2023/workshop/66539
لینک زیر لیست سایر ورکشاپ های NeurIPS 2023 هست:
https://neurips.cc/virtual/2023/events/workshop
#منابع #ورکشاپ #کنفرانس #دیفیوژن #NeurIPS
🔸 مطالب بیشتر 👇👇
✅ @AI_DeepMind
🔸 @AI_Person
10 439
دوستان عزیزی که محتوای کانال رو در رسانههای خودتون، بهجای فروارد، کپی میکنید،
نوش جونتون،
اگه هدفتون رسوندن دانش و اخبار به مخاطبه،
دمتون هم گرم،
نیازی به cite و کردیت نیست.
اما دیگه حداقل زیرش کپیرایت خودتون رو نزنید 😄
لینکهای وسط پُست هم خیلی مهماند، پاکشون نکنید 😕
پینوشت: اسم کانال رو شطرنجی نکردم که کردیت لازم به کانالی که تصویر ازش برداشت شده، حفظ شه 🤭
