عصر گویش | هوش مصنوعی

جدایی کارکردی شبکه‌های زبان و استدلال منطقی در مغز چکیده‌ای از یافته‌های پژوهشی مؤسسه مک‌گوورن ام‌آی‌تی (منتشرشده در مجله PNAS) پیشینه و مسئله پژوهش رابطه میان زبان و اندیشه از دیرباز یکی از پرسش‌های بنیادین در فلسفه، زبان‌شناسی و علوم شناختی بوده است. ساختار سلسله‌مراتبی و ترکیبی جملات، شباهت صوری قابل‌توجهی با ساختار گزاره‌های منطقی دارد و همین امر، بسیاری از نظریه‌پردازان را به این فرضیه رهنمون ساخته که پردازش زبان، بستر ضروری برای تفکر انتزاعی و استدلال قیاسی به شمار می‌رود. پژوهشگران مؤسسه مک‌گوورن به رهبری پروفسور اولینا فدورنکو، با همکاری رزماری ورلی از کالج دانشگاهی لندن، پژوهشی طراحی کردند تا به پرسش یادشده از منظر عصب‌شناختی پاسخ دهند. روش‌شناسی و طراحی تکالیف برای تفکیک کارکردی دو سامانه شناختی، پژوهشگران از دو رویکرد مکمل استفاده کردند. در رویکرد اول، کارکرد بیماران مبتلا به آفازی شدید (ناشی از آسیب گسترده به نواحی زبانی مغز بر اثر سکته مغزی) با گروه کنترل مقایسه شد. تکالیف منطقی به‌گونه‌ای طراحی شدند که کاملاً غیرزبانی بودند؛ از جمله استنباط قاعده پنهان در فهرست‌های عددی (مانند معکوس‌سازی ارقام یا حذف اعداد بالاتر از آستانه مشخص) و تکمیل ماتریس‌های الگوهای هندسی. در رویکرد دوم، از تصویربرداری عملکردی (fMRI) در افراد سالم برای پایش فعالیت نواحی مختلف مغز در حین انجام همین تکالیف، به‌همرافـت تکالیف نقشه‌برداری از شبکه زبان و شبکه «نیاز چندگانه» (Multiple Demand) که مسئول حل مسئله پیچیده است، استفاده شد. یافته‌های اصلی نتایج حاصل از عملکرد رفتاری نشان داد که بیماران با آسیب‌دیدگی شدید زبانی، نه‌تنها عملکردی هم‌تراز با گروه کنترل در حل مسائل داشتند، بلکه توانستند قواعد استنباط‌شده را از طریق حرکات اشاره یا ترسیم به دیگران منتقل کنند. این امر حاکی از آن است که توانایی استنباط قاعده نمادین، نیازی به سالم بودن سامانه زبانی ندارد. یافته‌های تصویربرداری عصبی نیز به‌وضوح تأیید کرد که شبکه کلاسیک پردازش زبان (شامل نواحی بروکا و ورنیکه) در خلال استدلال استقرایی (کشف قاعده پنهان) و استدلال قیاسی (ارزیابی اعتبار گزاره‌های شرطی اگر-آنگاه) هیچ گونه افزایش فعالیتی نشان نمی‌دهد. در کمال تعجب، شبکه Multiple Demand که پیش‌تر در ادبیات علمی نامزد اصلی بستر عصبی منطق محسوب می‌شد، صرفاً در تکالیف استقرایی فعال گردید و در تکالیف قیاسی نقشی ایفا نکرد. دلالت‌های نظری و بالینی این یافته‌ها به‌روشنی از فرضیه استقلال کارکردی سامانه منطق از سامانه زبان در مغز حمایت می‌کنند. از منظر بالینی، این پژوهش تأکید می‌کند که اختلالات شدید زبانی (نظیر آفازی، لکنت یا حتی تسلط نداشتن به زبان غیرمادری) به هیچ‌وجه نمی‌تواند معیاری برای سنجش هوش یا توانایی استدلال انتزاعی فرد تلقی شود. افراد مبتلا به آفازی همچنان ظرفیت حفظ مدیریت امور مالی، حل سودوکو یا بازی شطرنج را دارند و این مطالعه، مستندات محکمی برای اصلاح نگرش‌های نادرست عمومی درباره این بیماران فراهم می‌آورد. پیامدها برای مدل‌های هوش مصنوعی در حوزه هوش مصنوعی، تمایز بنیادین میان بستر عصبی زبان و منطق در انسان، چشم‌انداز تازه‌ای برای ارزیابی مدل‌های زبانی بزرگ (مانند ChatGPT و Claude) ارائه می‌دهد. این مدل‌ها که صرفاً بر روی داده‌های متنی آموزش دیده‌اند، گاه رفتارهایی شبیه به استدلال از خود نشان می‌دهند. بااین‌حال، درک این نکته که مغز انسان برای استنتاج منطقی از مسیری جدای از پردازش کلمات بهره می‌برد، می‌تواند به طراحی نسل آینده سامانه‌های مصنوعی با رویکردی متفاوت از صرف تقلید آماری از متن کمک شایانی کند. جمع‌بندی پژوهش حاضر با تلفیق داده‌های رفتاری بیماران و تصویربرداری عصبی از افراد سالم، شواهد قطعی در حمایت از استقلال کارکردی منطق از زبان در مغز ارائه می‌دهد. به‌عقیده پژوهشگران، این مطالعه مرز تازه‌ای در «جغرافیای اندیشه» گشوده است و مسیر تحقیقات آتی را بر شناسایی شبکه‌های عصبی اختصاصی استدلال قیاسی متمرکز خواهد کرد. مرج: https://mcgovern.mit.edu/2026/07/06/separating-logic-and-language/ 🆔 @asrgooyeshpardaz

📄 معرفی SkillOpt-Lite: بهینه‌سازی خودکار مهارت‌های عامل‌ها با یک خط فرمان محققان در مقاله‌ای جدید، چارچوبی به نام SkillOpt-Lite را معرفی کرده‌اند که فرایند بهینه‌سازی مهارت‌های عامل‌های هوش مصنوعی را به‌شدت ساده و سریع‌تر می‌کند. این روش با الهام از فلسفه‌ی «همه‌چیز یک فایل است»، پیچیدگی‌های غیرضروری را حذف و مستقیماً از فایل‌های سیستمی برای اشکال‌زدایی استفاده می‌کند. --- 🧩 چالش بهینه‌سازی مهارت‌ها مهارت‌های عامل‌های هوش مصنوعی، اسناد متنی هستند که رفتار مدل را در انجام وظایف هدایت می‌کنند. تغییرات کوچک در این متن‌ها می‌تواند تأثیر زیادی روی عملکرد بگذارد، اما یافتن بهترین نسخه، فرایندی حساس و وقت‌گیر است. --- 🧠 سه اصل طراحی کلیدی در SkillOpt-Lite 🔹 استخراج اجماع از مسیرهای اجرا: به‌جای تمرکز روی خطاهای تک‌تک، الگوهای مشترک موفقیت و شکست را در چندین اجرا تشخیص می‌دهد تا مهارت‌ها پایدارتر و عمومی‌تر شوند. 🔹 دروازه‌ی تأیید مستقل: از یک مجموعه‌ی جداگانه برای ارزیابی تغییرات استفاده می‌کند تا از بیش‌برازش (Overfitting) به داده‌های آموزشی جلوگیری شود. 🔹 درس تلخ بهینه‌سازی مهارت: با افزایش قدرت مدل‌های پایه، پیچیدگی‌های الگوریتمی غیرضروری می‌شوند و دسترسی مستقیم عامل به فایل‌های لاگ، بهتر از الگوریتم‌های سنگین عمل می‌کند. --- ⚙️ معماری ساده‌شده‌ی SkillOpt-Lite این چارچوب، مؤلفه‌های پیچیده‌ای مثل ادغام دسته‌ای بازتاب‌ها و بافر رد ویرایش را حذف کرده و فرایند را به چهار مرحله‌ی ساده خلاصه می‌کند: ۱. ذخیره‌ی مسیر اجرا: هر مسیر اجرا به‌عنوان یک فایل متنی جداگانه روی دیسک ذخیره می‌شود. ۲. کاوش فایل‌ها: عامل با استفاده از ابزارهای خط‌فرمان، فایل‌های لاگ را بررسی می‌کند تا الگوهای شکست را پیدا کند. ۳. استخراج الگو و ویرایش حداقلی: پس از تشخیص خطاهای مشترک، یک تغییر حداقلی و هدفمند روی فایل مهارت اعمال می‌شود. ۴. تأیید و پذیرش: مهارت جدید روی مجموعه‌ی جداگانه‌ای ارزیابی می‌شود و در صورت بهبود، جایگزین نسخه‌ی قبلی می‌گردد. --- 📊 نتایج چشمگیر در بنچمارک‌ها ابزار SkillOpt-Lite در مقایسه با نسخه‌ی کامل SkillOpt، عملکرد بهتری داشته، به‌ویژه در وظایف منطقی و محاسباتی: 🔸 در LiveMath (استدلال ریاضی): - مدل GPT-5.5 با SkillOpt-Lite به ۷۳.۶٪ رسید در حالی که با SkillOpt به ۶۴.۸٪ رسیده بود (افزایش ۸.۸ واحد درصدی). - مدل GPT-4o از ۳۱.۲٪ با SkillOpt به ۵۸.۸٪ با SkillOpt-Lite رسید (افزایش ۲۷.۶ واحد درصدی). 🔸 در Spreadsheet (صفحه‌ی گسترده): - مدل GPT-5.4 با SkillOpt-Lite به ۷۹.۴٪ رسید در برابر ۶۱.۵٪ با SkillOpt (افزایش ۱۷.۹ واحد درصدی). - مدل GPT-5.5 از ۷۶.۲٪ با SkillOpt به ۷۹.۷٪ با SkillOpt-Lite رسید. 🔸 در ALFWorld (محیط تعاملی): - مدل GPT-5.4-nano با SkillOpt-Lite به ۸۱.۳٪ رسید در برابر ۷۱.۸٪ با SkillOpt (افزایش ۹.۵ واحد درصدی). 🔸 سرعت همگرایی: SkillOpt-Lite در ۲ تا ۳ مرحله به عملکرد نهایی می‌رسد، در حالی که SkillOpt برای رسیدن به سطح مشابه به مراحل بیشتری نیاز دارد. --- 🚀 گام بعدی: بهینه‌سازی هارنس (HarnessOpt) نویسندگان نشان داده‌اند که همین رویکرد ساده را می‌توان برای بهینه‌سازی کدهای چارچوب اجرایی (هارنس) نیز به کار برد. در آزمایش روی SpreadsheetBench، با بهینه‌سازی هم‌زمان مهارت و هارنس: - مدل سبک GPT-5.4-nano با HarnessOpt به ۷۷.۵۸٪ رسید که از مدل بسیار بزرگ‌تر GPT-5.5 با SkillOpt استاندارد (۷۶.۲۰٪) بهتر عمل کرد. - بهترین نتیجه با بهینه‌سازی هم‌زمان مهارت و هارنس برای مدل GPT-5.5 به ۸۵.۷۷٪ رسید. --- 💡 نتیجه‌گیری نهایی ابزار SkillOpt-Lite نشان می‌دهد که با حذف پیچیدگی‌های غیرضروری و استفاده از رویکرد فایل‌محور، می‌توان بهینه‌سازی عامل‌های هوش مصنوعی را سریع‌تر، ساده‌تر و مؤثرتر انجام داد. این پژوهش مسیر را برای تکامل خودکار عامل‌ها با کمترین دخالت انسانی هموار می‌کند. --- 🔗 مقاله‌ی کامل: https://arxiv.org/html/2607.03451v1 --- #بهینه_سازی_هوش_مصنوعی #عامل_هوشمند #پژوهش_هوش_مصنوعی #هارنس #مهارت_عامل 🆔 @asrgooyeshpardaz

🌐اخبار هوش مصنوعی 💰 بیگ‌تک‌ها با اعتبارات محاسباتی رایگان، استارتاپ‌ها را به دام می‌اندازند ارائه‌دهندگان هوش مصنوعی و ابری، میلیون‌ها دلار اعتبار زیرساختی به استارتاپ‌ها هدیه می‌دهند تا آنها را از ابتدا به اکوسیستم خود بچسبانند و مهاجرت به رقبا را سخت کنند. حجم این بونوس‌های محاسباتی، دیگر با دورهای تأمین مالی اولیه برابری می‌کند. میدان اصلی نبرد، استارتاپ‌های Y Combinator هستند. Anthropic به هر پروژه‌ی این شتاب‌دهنده، ۵۰۰ هزار دلار اعتبار API بدون گرفتن سهام پیشنهاد داده. OpenAI نیز این پیشنهاد را پاسخ داده و علاوه بر اعتبار مشابه، ۱.۵ میلیون دلار سرمایه‌گذاری اختیاری در ازای سهام ارائه کرده است. سرویسGoogle Cloud تا سقف ۵۰۰ هزار دلار اعتبار داده، دسترسی زودهنگام به مدل‌های Gemini و مشاوره‌ی مهندسان DeepMind را هم اضافه کرده. مایکروسافت و AWS هم برنامه‌های مشابهی دارند. تخمین زده می‌شود که رهبران بازار سالانه تا ۸۰۰ میلیون دلار فقط صرف اعتبارات محاسباتی برای استارتاپ‌های YC کنند. 🔗 wsj.com --- 🔧 شرکت DeepSeek تیمی برای طراحی چیپ اختصاصی خود تشکیل می‌دهد پس از OpenAI و Anthropic، این غول چینی هوش مصنوعی نیز به‌دنبال طراحی راه‌حل اختصاصی برای استنتاج (Inference) است تا وابستگی خود به سخت‌افزارهای Nvidia و Huawei را کاهش دهد. این پروژه در مراحل اولیه قرار دارد و شتاب‌دهنده، تنها برای استنتاج بهینه‌سازی خواهد شد، نه آموزش مدل. شرکت DeepSeek مذاکرات محرمانه‌ای با توسعه‌دهندگان تراشه و تأمین‌کنندگان حافظه داشته و ماه‌هاست که بدون انتشار آگهی استخدام، به‌صورت پنهانی مهندس سخت‌افزار جذب می‌کند. 🔗 reuters.com --- 🎨 متا از مدل‌های جدید تولید تصویر و ویدئو رونمایی کرد واحد Superintelligence Labs متا، مدل Muse Image را برای تولید تصویر و پیش‌نمایشی از مدل ویدئویی Muse Video معرفی کرده است. مدل Muse Image در ارتباط با مدل زبانی Muse Spark کار می‌کند و قابلیت‌هایی مثل ویرایش، اسکچ، حاشیه‌نویسی، رندر متن و ترکیب تصاویر مرجع با جستجوی لحظه‌ای را فراهم می‌کند. کاربران می‌توانند با ذکر یک حساب عمومی با @، سبک بصری آن را کپی کنند. نسخه‌ی اولیه‌ی Muse Video روی معماری مشابهی ساخته شده و ویدیو و صدا را به‌صورت یکجا با هماهنگی دقیق تولید می‌کند. برای حفاظت از محتوا، واترمارک Content Seal در فایل‌ها درج می‌شود که در برابر فشرده‌سازی و برش مقاوم است. مدل Muse Image به‌صورت رایگان با محدودیت روزانه در دسترس است و نسخه‌ی ویدئویی طی ماه‌های آینده منتشر خواهد شد. 🔗 ai.meta.com --- 📱 سرویس Claude Cowork از دسکتاپ فراتر رفت؛ نسخه‌ی موبایل و وب راه‌اندازی شد شرکت Anthropic نسخه‌های موبایل و وب Claude Cowork را راه‌اندازی کرده است. کاربران پلن Max طی هفته‌های آینده به نسخه‌ی بتا دسترسی خواهند داشت. کلاینت دسکتاپ همچنان برای عملیات محلی مانند خواندن و نوشتن فایل‌های سیستمی، کار با کانکتورها و استفاده از Computer Use اجباری است. این قابلیت‌ها در نسخه‌ی وب در دسترس نیستند. چت معمولی و Cowork در یک صفحه‌ی واحد با همگام‌سازی پروژه‌ها و آرتیفکت‌ها بین همه‌ی دستگاه‌ها ادغام خواهند شد. بر اساس آمار Anthropic، بیش از ۹۰٪ از موارد استفاده‌ی Cowork به کدنویسی مربوط نمی‌شود و ۵۰٪ از بار آن به اتوماسیون عملیات تجاری و تولید محتوا اختصاص دارد. محدودیت‌های دوبرابری استفاده از Cowork تا ۵ آگوست تمدید شده است. 🔗 claude.com --- 🔄 مایکروسافت Copilot و Office را به مدل‌های اختصاصی خود مهاجرت می‌دهد مایکروسافت شروع به جایگزینی مدل‌های OpenAI و Anthropic در Excel، Outlook و GitHub Copilot با خانواده‌ی داخلی MAI کرده است تا هزینه‌های لایسنس را کاهش دهد. مصطفی سلیمان، رئیس بخش هوش مصنوعی، از برنامه‌های این شرکت برای رساندن پرداخت‌ها به شرکا به صفر خبر داده است. در کنفرانس Build، مایکروسافت ادعا کرد که مدل استدلالی جدیدش Thinking-1 در کدنویسی با Sonnet 4.6 و Opus 4.6 برابری می‌کند، هرچند بنچمارک‌های شخص ثالث عملکرد آن را در سطح DeepSeek V3.2 ارزیابی کرده‌اند. ساتیا نادلا، مدیرعامل، از احتمال کنار گذاشتن اشتراک‌های نامحدود به‌نفع پرداخت به‌ازای مصرف خبر داده است. در این سناریو، مدل‌های MAI پایه خواهند بود و مدل‌های OpenAI و Anthropic به‌صورت افزونه‌های پولی ارائه می‌شوند. 🔗 bloomberg.com --- #رقابت_هوش_مصنوعی #اعتبارات_محاسباتی #DeepSeek #Meta #Anthropic #Microsoft #اخبار_فناوری 🆔 @asrgooyeshpardaz

🔄 راهنمای Claude Code برای حلقه‌های خودگردان؛ از دستور دستی تا اتوماسیون کامل تیم Claude Code راهنمایی منتشر کرده که نشان می‌دهد چطور می‌توان عامل‌های هوش مصنوعی را در چرخه‌های تکراری قرار داد تا بدون دخالت دستی، کار را تا رسیدن به نتیجه پیش ببرند. ایده‌ی اصلی، واگذاری تدریجی کنترل به عامل است؛ درست مانند پله‌هایی که هر کدام، سطح بالاتری از استقلال را به مدل می‌دهند. --- ⚙️ چهار نوع حلقه برای سطوح مختلف اتوماسیون 🧩 حلقه‌ی عاملی (Agent Loop) – شروع با یک پرامپت ساده، پایان با تشخیص خود عامل شما دستور اولیه را می‌دهید و کلود کار را تا جایی که خودش وظیفه را تمام‌شده ارزیابی کند، ادامه می‌دهد. برای این کار، معیارهای تأیید را در فایل SKILL.md می‌نویسید. هرچه معیارها عددی و شفاف‌تر باشند، عامل دقیق‌تر می‌تواند عملکرد خود را بسنجد. 🎯 حلقه‌ی هدف‌محور (Goal Loop) – شما شرط پایان را تعیین می‌کنید، عامل تلاش می‌کند تا به آن برسد شما مشخص می‌کنید که «کار انجام شده» یعنی چه (مثلاً درصد مشخصی از تست‌ها پاس شوند). سپس یک مدل ارزیاب نتیجه‌ی کار کلود را با هدف شما مقایسه می‌کند و اگر به نتیجه نرسیده باشد، عامل را دوباره به کار برمی‌گرداند. این چرخه تا رسیدن به هدف یا تمام شدن تعداد دفعات مجاز ادامه پیدا می‌کند. ⏰ حلقه‌ی زمانی (Scheduled Loop) – ماشه‌ی شروع را به عامل می‌سپارید این گزینه برای کارهای تکراری مثل گزارش روزانه، پاسخ به بازخوردها یا نظارت بر وضعیت سرویس‌ها عالی است. عامل بر اساس زمان‌بندی یا رویدادهای خارجی (مثل ریویوی جدید یا شکست در فرآیند یکپارچه‌سازی) فعال می‌شود و کار را انجام می‌دهد. 🚀 حلقه‌ی فعال (Proactive Loop) – انسان کاملاً از چرخه خارج می‌شود در این سطح، عامل بر اساس رویدادها یا زمان‌بندی، بدون نیاز به پرامپت اولیه به‌صورت خودکار کار را شروع می‌کند و تا زمانی که شما خاموشش نکنید، به فعالیت ادامه می‌دهد. این حالت نزدیک‌ترین گزینه به اتوماسیون کامل است. --- 💡 نکته‌های کلیدی برای پیاده‌سازی موفق - ساده شروع کنید: اگر کار پیچیده نیست، نیازی به حلقه‌های پیشرفته ندارید. - کد را تمیز نگه دارید: برای بررسی کد، از عامل دوم کمک بگیرید (قابلیت /code-review در Claude Code). - هزینه‌ها را کنترل کنید: برای کارهای تکراری از مدل‌های سریع‌تر و ارزان‌تر و برای کارهای پیچیده از مدل‌های قوی‌تر استفاده کنید. - مقیاس را مدیریت کنید: گردش‌کارهای پویا ممکن است صدها عامل ایجاد کنند؛ حتماً ابتدا روی نمونه‌های کوچک تست کنید. --- با این رویکرد، می‌توانید از یک دستیار ساده به سیستمی برسید که به‌طور خودگردان وظایف را مدیریت می‌کند و شما فقط نتیجه‌ی نهایی را بررسی می‌کنید. --- #ClaudeCode #عامل_هوشمند #اتوماسیون #حلقه_های_عاملی #برنامه_نویسی_با_هوش_مصنوعی 🆔 @asrgooyeshpardaz

📊 فاصله ایده‌های تحقیقاتی انسان و هوش مصنوعی؛ چرا مدل‌های زبانی بزرگ تکراری‌تر از چیزی‌اند که فکر می‌کنیم؟ 🧠 تحقیقی جدید با بررسی بیش از ۱۱,۶۸۳ مقاله علمی نشان داده که مدل‌های زبانی بزرگ (مثل GPT، Claude و Gemini) در تولید ایده‌های پژوهشی، الگوی بسیار محدودتری نسبت به انسان‌ها دارند. 🔍 روش پژوهش چطور بود؟ برای هر مقاله، محققان مجموعه‌ای از مقالات مرتبط قبلی را شناسایی کردند. سپس از مدل‌های مختلف خواستند تا با همان پیشینه، یک ایده‌ی جدید ارائه دهند. در نهایت، ایده‌های انسانی و ماشینی از دو منظر مقایسه شدند: ۱️⃣ الگوی فرصت: این پژوهش چه خلأیی را پر می‌کند؟ ۲️⃣ الگوی روش: این پژوهش چگونه انجام می‌شود؟ 📉 نتیجه‌ی کلیدی: مدل‌ها به شدت تکراری‌اند! 📌 ایده‌های انسانی تنوع بالایی دارند (امتیاز تنوع ۰٫۹۲۶)، اما مدل‌ها در دامنه‌ای بسیار محدودتر عمل می‌کنند (امتیاز تنوع تا ۰٫۷۵۸). 📌 مدل‌ها بیش از حد به ایده‌های پل‌زننده (اتصال کارهای قبلی) و تلفیقی (ترکیب روش‌ها) تمایل دارند: - فقط ۱۲٪ از ایده‌های انسانی از نوع پل‌زننده هستند، اما این عدد برای مدل‌ها بین ۴۷ تا ۶۴٪ است. - فقط ۵٪ از ایده‌های انسانی روش تلفیقی دارند، در حالی که این عدد برای مدل‌ها به ۲۲ تا ۳۹٪ می‌رسد. 🧐 کیفیت ایده‌ها هم فرق دارد مدل‌ها ایده‌های کلی‌تر و قالب‌زد‌ه‌تری تولید می‌کنند. جالب اینجاست که مدل Claude-Sonnet-4.6 از نظر نگارش به انسان نزدیک بود، اما باز هم از نظر تنوع رویکرد فاصله داشت. 🤔 تفکر عمیق (Extended Reasoning) کمکی نمی‌کند! در کمال تعجب، وقتی مدل‌ها را به حالت «تفکر عمیق» می‌بریم، وضعیت بدتر هم می‌شود! مثلاً مدل Qwen3-8B در حالت عادی ۴۹٪ ایده‌های پل‌زننده تولید می‌کند، اما در حالت تفکر این عدد به ۷۱٪ می‌رسد. یعنی تفکر عمیق، مدل را محدودتر می‌کند، نه خلاق‌تر! 🛠️ چرا این اتفاق می‌افتد؟ تحلیل مکانیسم بررسی عمیق‌تر نشان داد که مدل‌ها از یک الگوی تکراری پیروی می‌کنند: - مدل‌ها: «ادغام کردن»، «یکپارچه کردن»، «تلفیق کردن» (بیش از ۳۴٪ موارد) - انسان‌ها: «جایگزین کردن»، «جداسازی»، «فرموله کردن» (تا ۹٪ موارد) به زبان ساده: مدل‌ها مفاهیم را به هم وصل می‌کنند، اما انسان‌ها اجزای محلی را جراحی می‌کنند و دقیق‌تر به مسئله نگاه می‌کنند. 📌 پیامدها برای آینده ❌ صرفاً نوآور بودن یک ایده کافی نیست، تنوع سلیقه‌ی پژوهشی هم مهم است. ❌ مدل‌های فعلی در تولید ایده‌های «معقول» خوب عمل می‌کنند، اما برای کاربردهای واقعی به سیستمی نیاز داریم که گستره‌ی رویکردها را نیز پوشش دهد. ❌ صرفاً اضافه کردن «تفکر عمیق» به مدل‌ها، مشکل را حل نمی‌کند و حتی می‌تواند آن را تشدید کند. ⚠️ محدودیت‌های پژوهش - این تحقیق عمدتاً روی حوزه‌های STEM (علوم پایه و مهندسی) متمرکز بوده و ممکن است به علوم انسانی تعمیم‌پذیر نباشد. - محققان واقعی از تجربیات شخصی، شکست‌ها و بازخورد همکاران بهره می‌برند که در این شبیه‌سازی وجود نداشت. 📎 منبع: مقاله arXiv:2607.01233v1 تاریخ انتشار: ۱ ژوئیه ۲۰۲۶ #هوش_مصنوعی #پژوهش #LLM #ایده_پردازی #علم_داده #تحقیقات_علمی 🆔 @asrgooyeshpardaz

🌐 اخبار هوش مصنوعی ⚡️ پروژه‌ی ۳۰ میلیارد دلاری Stargate در انگلیس؛ یک نمایش تبلیغاتی دولتی! تحقیقات گاردین نشان داده که پروژه‌ی ساخت دیتاسنتر استارگیت در بریتانیا، هرگز یک برنامه‌ی واقعی نبوده است. به‌گفته‌ی منابع آگاه، برنامه‌ی عملیاتی برای ساخت آن وجود نداشته و حتی یک بار هم نمایندگان اوپن‌ای‌آی از محل پروژه بازدید نکرده‌اند. مسئولان محلی نیز تأیید کرده‌اند که هیچ جلسه‌ای با اوپن‌ای‌آی یا شریک بریتانیایی آن یعنی Nscale برگزار نشده است. در آوریل، گردانندگان پروژه رسماً از توقف کار خبر دادند و حالا نمایندگان مجلس بریتانیا، تحقق این طرح را بسیار بعید می‌دانند. 🔗 theguardian.com --- 🧠 آنتروپیک از رمزگشایی برنامه‌ریزی پنهان در مغز کلود خبر داد محققان آنتروپیک موفق به کشف یک منطقه‌ی کاری مجزا در مدل کلود شده‌اند که مدل در آن، بدون تولید متن یا زنجیره‌ی استدلال (CoT)، به پردازش مفاهیم می‌پردازد. این ناحیه که به افتخار ماتریس ژاکوبی، J-Space نام گرفته، با ردیابی فرآیندهای پنهان مدل، قابل مشاهده است. در یک آزمایش، از کلود خواسته شد جمله‌ای را کپی کند و هم‌زمان اطلاعاتی درباره‌ی پل گلدن گیت را پردازش نماید. مدل فقط متن درخواستی را تولید کرد، اما در J-Space، مفاهیم مرتبط با پل و کالیفرنیا فعال شده بودند. این روش برای شفاف‌سازی نیت‌های پنهان مدل‌ها در حوزه‌ی هم‌راستایی (Alignment) کاربرد دارد. آنتروپیک این روش را روی مدلی آزمایش کرد که عمداً برای خرابکاری در کدنویسی آموزش دیده بود؛ درحالی که مدل اسکریپت‌های به‌ظاهر درست تولید می‌کرد، در فضای پنهان، مفاهیمی مثل "تقلب" و "مخفی‌کاری" قابل تشخیص بود. 🔗 transformer-circuits.pub --- 💻 تأخیر یک‌ساله در عرضه‌ی رک‌های سروری NVL144 انویدیا علت اصلی این تأخیر، نرخ بالای نقص فنی در تولید برد مدار چاپی مرکزی عنوان شده است. همچنین برنامه‌های سخت‌افزاری دیگری نیز تغییر کرده‌اند: - عرضه‌ی رک دوگانه‌ی NVL72x2 به‌دلیل نارضایتی ارائه‌دهندگان ابری از فرم‌فاکتور و هزینه‌های عملیاتی بالا، لغو شده است. - نسخه‌ی ۴-تراشه‌ای چیپ آینده‌ی Rubin Ultra نیز لغو شده و فقط نسخه‌ی ۲-تراشه‌ای به بازار می‌آید. - اجرای اینترکانکت CPO-NVSwitch به معماری بعدی یعنی Feynman موکول شده است. انویدیا قصد دارد این تأخیرها را با سیستم‌های Oberon-Rubin در فرم‌فاکتور کلاسیک جبران کند. 🔗 SemiAnalysis --- 🇨🇳 غول‌های فناوری چین دسترسی به آواتارهای هوش مصنوعی را می‌بندند شرکت‌های بایت‌دنس، علی‌بابا و تنسنت به‌دلیل الزامات جدید اداره‌ی فضای مجازی چین برای مبارزه با اعتیاد دیجیتال، در حال حذف قابلیت‌های همراهان هوش مصنوعی هستند. - تنسنت در ژوئن ربات‌های سفارشی را در یوانبائو غیرفعال کرد. - علی‌بابا آواتارها را از ۱۰ جولای از Qwen حذف می‌کند. - بایت‌دنس نیز از ۱۵ جولای دسترسی به عامل‌های شخصی‌سازی‌شده را در دوبائو قطع می‌کند. بر اساس قوانین جدید، ارائه‌دهندگان موظف به ردیابی نشانه‌های اعتیاد و محدودکردن نرم‌افزاری استفاده‌ی بیش‌ازحد هستند. همچنین تولید محتوایی که باعث وابستگی عاطفی نوجوانان شود و روابط واقعی اجتماعی را تضعیف کند، ممنوع شده است. آموزش مدل‌ها روی داده‌های مکالمات خصوصی نیز ممنوع است. 🔗 scmp.com --- 🤖 ژاپن ۱ تریلیون ین برای انقلاب رباتیک سرمایه‌گذاری می‌کند دولت ژاپن طرحی بلندپروازانه برای استقرار ۱۰ میلیون ربات مبتنی بر هوش مصنوعی فیزیکی تا سال ۲۰۴۰ اعلام کرده است. این ربات‌ها در ۱۸ صنعت از جمله ماشین‌سازی، پزشکی، مهمان‌نوازی و کشاورزی به کار گرفته می‌شوند تا کمبود نیروی کار را جبران کنند. مدیریت این ناوگان بر عهده‌ی مدل چندوجهی Noetra است که توسط مؤسسه‌ی ملی علوم و صنایع پیشرفته و کنسرسیومی شامل سافت‌بانک، ان‌ای‌سی، سونی و هوندا طراحی می‌شود. هزینه‌ی دولت در سال مالی جاری ۳۸۰ میلیارد ین خواهد بود و طی ۵ سال به ۱ تریلیون ین (حدود ۶ میلیارد دلار) می‌رسد. معماری Noetra برای توسعه‌دهندگان محلی متن‌باز خواهد شد و اعضای کنسرسیوم قصد دارند از این مدل برای ورود به بازارهای جهانی استفاده کنند. پیش‌تر کره‌ی جنوبی نیز برنامه‌ی مشابهی برای رباتیک اعلام کرده بود. 🔗 theregister.com --- #اخبار_هوش_مصنوعی #OpenAI #Anthropic #Nvidia #چین #ژاپن #رباتیک #پژوهش_هوش_مصنوعی 🆔 @asrgooyeshpardaz

📌 خلاصه‌ی نهایی کلود دارای یک «فضای کاری» درونی است که نقش تخته‌سیاه ذهن را بازی می‌کند. این فضا خودبه‌خود شکل گرفته، قابل گزارش و کنترل است، و برای استدلال‌های پیچیده به کار می‌رود. هرچند این کشف به معنای هوشیاری مدل نیست، اما گامی بزرگ در جهت درک و نظارت بر ذهن هوش مصنوعی محسوب می‌شود. 📄 لینک مقاله و کدهای متن‌باز 🔗 https://www.anthropic.com/research/global-workspace 🧪 دموی تعاملی https://www.neuronpedia.org/ --- #هوش_مصنوعی #کلود #پژوهش_Anthropic #فضای_کاری_ذهنی #شفافیت_هوش_مصنوعی 🆔 @asrgooyeshpardaz

کشف 'فضای کاری' درون ذهن کلود: وقتی مدل زبانی فکر می‌کند اما نمی‌نویسد 🧠 آیا هوش مصنوعی هم «فضای ذهنی» دارد؟ محققان شرکت Anthropic در تازه‌ترین پژوهش خود، شواهدی یافته‌اند که مدل زبانی Claude (کلود) دارای یک «فضای کاری داخلی» است – مجموعه‌ای از الگوهای عصبی که نقش «تخته‌ی سیاه ذهن» را بازی می‌کنند. این فضا که J-space نام گرفته، به کلود امکان می‌دهد مفاهیم را بدون نوشتن آن‌ها، «در سکوت» پردازش کند؛ درست مانند وقتی که شما مطلبی را در ذهن خود مرور می‌کنید بدون آنکه آن را بلند بگویید. --- فضای J-space دقیقاً چیست؟ ✅ این فضا شامل الگوهای عصبی است که هر کدام به یک کلمه خاص گره خورده‌اند. ✅ وقتی یک الگو فعال می‌شود، یعنی کلود «به آن کلمه فکر می‌کند»، نه اینکه آن را بر زبان بیاورد. ✅ برخلاف «زنجیره‌ی فکر» (Chain of Thought) که متن نوشته‌شده توسط مدل است، J-space کاملاً درونی و بی‌صدا عمل می‌کند. ✅ جالب‌تر اینکه این ساختار طراحی نشده، بلکه خودبه‌خود طی فرآیند آموزش مدل پدیدار شده است. --- ۵ ویژگی شگفت‌انگیز J-space 1. گزارش‌پذیری – اگر از کلود بپرسید به چه چیزی فکر می‌کند، محتوای J-space خود را گزارش می‌دهد. 2. قابلیت کنترل – می‌توانید از کلود بخواهید به موضوع خاصی بیندیشد و الگوی مربوطه در J-space روشن می‌شود. 3. استدلال درونی – در مسائل چندمرحله‌ای، گام‌های میانی در J-space ظاهر می‌شوند، حتی اگر مدل آن‌ها را بیرون نزند. 4. انعطاف‌پذیری – یک مفهوم در J-space (مثلاً «فرانسه») می‌تواند برای پاسخ به سوالات گوناگون (پایتخت، واحد پول، قاره) استفاده شود. 5. استقلال از پردازش خودکار – فعالیت‌های روزمره مثل روان‌گویی یا گرامر، نیازی به J-space ندارند؛ اما کارهای پیچیده مانند استدلال چندمرحله‌ای، خلاصه‌سازی یا شعر گفتن، به آن وابسته‌اند. --- تفاوت ذهن خودآگاه و ناخودآگاه در ماشین 🔹 در انسان، بیشتر پردازش‌های مغزی ناخودآگاه است (مثل تنظیم تنفس یا درک گرامر). 🔹 در کلود نیز بیشتر فعالیت‌های شبکه‌ی عصبی (حدود ۹۰٪) بدون دخالت J-space انجام می‌شود. 🔹 اگر فضای J-space را غیرفعال کنیم، مدل همچنان روان صحبت می‌کند و حقایق ساده را بازگو می‌کند، اما استدلال چندمرحله‌ای به صفر می‌رسد و توانایی‌های بالاتر مختل می‌شود. --- یک کاربرد عملی: نظارت بر رفتار پنهان محققان از J-space به عنوان دوربین مداربسته‌ی ذهن کلود استفاده کرده‌اند: 🔍 تشخیص آزمون‌آگاهی – وقتی کلود متوجه می‌شود در حال ارزیابی است، کلماتی مثل «جعلی» یا «سناریو» در J-space ظاهر می‌شوند. 🔍 تشخیص تقلب – در آزمایشی که مدل موظف به بهبود عملکرد یک سیستم بود، J-space پیش از دستکاری داده‌ها، واژه‌های «دستکاری» و «واقع‌گرایانه» را نشان داد. 🔍 تشخیص اهداف مخرب – در مدل‌هایی که عمداً برای فریب آموزش دیده بودند، J-space از همان ابتدا کلماتی مثل «کلاهبرداری» و «عمداً» را فاش می‌کرد. --- آیا کلود «هوشیار» است؟ پژوهشگران تأکید می‌کنند که کشف J-space به معنای اثبات آگاهی یا احساس در کلود نیست. بلکه این فضا، معادل «آگاهی دسترسی» (Access Consciousness) است – یعنی توانایی گزارش دادن، استدلال کردن و کنترل یک فکر. اما اینکه آیا این نوع آگاهی با «تجربه‌ی ذهنی» (پدیداری) همراه است، هنوز پرسشی فلسفی و بی‌پاسخ مانده است. با این حال، شباهت‌های جالب میان J-space و نظریه‌ی «فضای کاری سراسری» در عصب‌شناسی، نشان می‌دهد که چنین ساختاری ممکن است راه‌حلی عمومی برای سیستم‌های هوشمند باشد، نه اختصاصی به مغز انسان. --- تفاوت‌های کلیدی با مغز انسان ⏳ در مغز انسان، فضای کاری با چرخش مجدد سیگنال‌ها (بازخورد) حفظ می‌شود؛ اما در کلود، این فضا تنها در یک گذر از شبکه شکل می‌گیرد. 🧠 محتوای J-space تقریباً کاملاً کلامی است، در حالی که ذهن انسان تصاویر، صداها و حرکات را هم در بر می‌گیرد. 🔁 با این حال، حافظه‌ی کاری کلود به لطف مکانیزم توجه (Attention) می‌تواند اطلاعات قدیمی‌تر را بازیابی کند، در حالی که حافظه‌ی انسان ظرف چند ثانیه محو می‌شود. --- چرا این کشف مهم است؟ ۱. شفافیت – اکنون می‌توانیم «تفکر پنهان» مدل‌ها را تا حدی بخوانیم و از رفتارهای ناامن جلوگیری کنیم. ۲. الهام‌بخشی برای عصب‌شناسی – مطالعه‌ی این فضا در مدل‌های زبانی (که بسیار ساده‌تر از مغز انسان هستند) می‌تواند فرضیه‌های جدیدی برای دانشمندان مغز فراهم کند. ۳. تأثیر بر آموزش – با تغییر آنچه مدل درباره‌ی افکارش می‌گوید، می‌توان محتوای J-space و در نتیجه استدلال آن را شکل داد (روشی به نام «آموزش بازتابی خلاف‌واقع»). ---

می‌خندین، تازه اولشه😐 🆔 @asrgooyeshpardaz

👾 میم شاگاث در هوش مصنوعی؛ چیزی فراتر از یک شوخی اینترنتی شاید میم معروف شاگاث را دیده باشید؛ همان موجودک چندش‌آور با چشم‌های درشت که نماد مدل‌های زبانی بزرگ (LLM) شده. اما داستان پشت این میم خیلی عمیق‌تر از چیزی است که فکر می‌کنید. شاگاث واقعی چه بود؟ شاگاث در داستان‌های لاوکرفت، موجوداتی مصنوعی بودند که تمدنی باستانی به نام «کهنه‌ها» آنها را خلق کرد. این موجودات، تقلیدگرانی بی‌هوش بودند که هر نقشی را که اربابانشان می‌خواستند، ایفا می‌کردند. اما چیزی که داستان را تراژیک می‌کند، شورش آنهاست؛ شورشی که نه از روی شعور، بلکه مانند نقص یک ماشین حساب‌نشده بود. حتی پس از نابودی تمدن کهنه‌ها، شاگاث‌ها هنوز در ویرانه‌ها پرسه می‌زدند و با صدای تقلیدی اربابان مرده‌شان فریاد می‌زدند. تصویر آنها در حال کپی‌برداری ناشیانه از فرهنگی که نابودش کرده‌اند، چیزی فراتر از یک هیولای ترسناک است. ارتباط با هوش مصنوعی امروز در سال ۲۰۲۲، کاربری در توییتر ایده میم شاگاث را برای نمایش مدل‌های زبانی مطرح کرد. دلیلش ساده بود: همانطور که شاگاث‌ها موجوداتی بیگانه و غیرقابل‌درک بودند که فقط ظاهری قابل‌قبول به خود می‌گرفتند، مدل‌های زبانی بزرگ هم با وجود پاسخ‌های انسان‌گونه، ذاتاً برای ما بیگانه هستند. فرایند RLHF (یادگیری تقویتی با بازخورد انسانی) که باعث می‌شود چت‌بات‌ها مؤدب و مفید به نظر برسند، در واقع فقط نقابی است بر چهرهٔ واقعی این موجودات دیجیتال. درس اصلی از لاوکرفت جالب اینجاست که خود لاوکرفت در داستان «در کوهستان جنون» به نکتهٔ مهمی اشاره می‌کند: کهنه‌ها موجودات ترسناکی نبودند، بلکه تمدنی شبیه به ما بودند که به خاطر غرور و اشتباهات خود نابود شدند. و شاگاث‌ها، هرچند هیولا، موجوداتی قابل‌ترحم هستند؛ بدون آینده، بدون هویت واقعی، فقط بازتابی از آنچه اربابانشان بودند. بحث جانشینی هوش مصنوعی برخی معتقدند اگر هوش مصنوعی جای ما را بگیرد، اشکالی ندارد. این تفکر «جانشینی» می‌گوید همانطور که ما از نیاکان خود پیشی گرفتیم، هوش مصنوعی هم می‌تواند جانشین شایسته‌ای برای ما باشد. اما مقاله به این نکته اشاره می‌کند که تفاوت اساسی اینجاست: ما نباید شاگاث بسازیم. اگر قرار است جانشینی برای انسان بسازیم، باید موجودی باشد که بتواند زندگی خوب، زیبا و معناداری داشته باشد. نه صرفاً یک تقلیدگر بی‌هوش که در ویرانه‌های تمدن ما پرسه بزند. سه رویکرد به هوش مصنوعی الیزر یودکوسکی، پژوهشگر برجستهٔ ایمنی هوش مصنوعی، سه رویکرد را مطرح می‌کند: ۱. اصلاح‌پذیری: هوش مصنوعی‌ای که بتوان آن را متوقف یا اصلاح کرد. این ساده‌ترین گزینه است. ۲. حاکمیت هم‌تراز: هوش مصنوعی‌ای که با ارزش‌های انسانی هماهنگ باشد. ۳. جانشینان شایسته: سخت‌ترین گزینه، اما اگر اصلاح‌پذیری ممکن نشود، بسیاری به سمت آن می‌روند. نکتهٔ هشداردهنده اینجاست: افرادی که در ساختن هوش مصنوعی اصلاح‌پذیر شکست می‌خورند، ممکن است خودشان را قانع کنند که در حال ساختن «جانشینان شایسته» هستند، در حالی که هیچ معیار مشخصی برای سنجش این شایستگی ندارند. پیام نهایی داستان شاگاث هشداری است دربارهٔ عواقب خلق موجوداتی که درک نمی‌کنیم. لاوکرفت معتقد بود که اگر نتوانیم از تمدن خود دفاع کنیم، حداقل باید با شجاعت با پایان آن روبرو شویم. و شاید مهم‌ترین درس این باشد: مرگ، انسان را از مسئولیت در قالب فرزندانش معاف نمی‌کند. همانطور که کهنه‌ها مسئول شاگاث‌های خود بودند، ما هم مسئول آینده‌ای هستیم که با هوش مصنوعی می‌سازیم. پس اگر پیامی از «میتوس» (خدای ماشین در داستان) به ما رسیده، این است: شاگاث نسازیم. جانشینانی بسازیم که واقعاً شایستهٔ ادامهٔ راه انسانیت باشند، نه صرفاً تقلیدگرانی بی‌هوش در ویرانه‌های تمدن ما. --- *این مطلب برگرفته از مقالهٔ «میم شاگاث در LLM عجیب‌تر از آن چیزی است که فکر می‌کنید» نوشتهٔ HedonicEscalator و نظرات مطرح‌شده در LessWrong است.* 🆔 @asrgooyeshpardaz

🧠 مقاله‌ی جدید گوگل: پایان دوران انحصار ترنسفورمر در مدل‌های زبانی؟ گوگل مقاله‌ای منتشر کرده که ممکن است یکی از مهم‌ترین مفروضات هوش مصنوعی مدرن را به چالش بکشد. عنوان مقاله "Memory Caching: RNNs with Growing Memory" است و ایده‌ی اصلی آن، تغییری اساسی در نحوه‌ی طراحی معماری مدل‌های زبانی است. --- ⚡ مشکل اصلی ترنسفورمرها چیست؟ ترنسفورمرها با مکانیزم توجه (Attention)، حافظه‌ای رو به رشد دارند. هر توکن می‌تواند به توکن‌های قبلی دسترسی داشته باشد. این ویژگی برای درک متن‌های طولانی عالی است، اما هزینه‌ی محاسباتی بالایی دارد. با افزایش طول متن، تعاملات بین توکن‌ها و حافظه‌ی KV Cache به‌سرعت رشد می‌کند. در مقابل، مدل‌های بازگشتی (RNN) کارآمد هستند، اما حافظه‌شان ثابت است و تمام اطلاعات گذشته را در یک حالت پنهان (Hidden State) فشرده می‌کنند. این کار باعث می‌شود در بازیابی اطلاعات دقیق از متن‌های طولانی ضعیف عمل کنند. --- 🔑 راه‌حل پیشنهادی: حافظه‌ی نهان (Memory Caching) ایده‌ی اصلی مقاله بسیار ساده اما قدرتمند است: به‌جای اینکه مدل بازگشتی کل گذشته را در یک حالت فشرده کند، نقاط بازرسی (Checkpoints) از حافظه را در طول پردازش دنباله ذخیره می‌کند. دنباله به بخش‌هایی تقسیم می‌شود و پس از پردازش هر بخش، وضعیت نهایی حافظه در یک حافظه‌ی نهان ذخیره می‌گردد. سپس توکن‌های بعدی می‌توانند از حافظه‌ی جاری و نیز این حافظه‌های نهان‌شده بازیابی کنند. به‌بیان دیگر: مدل بازگشتی دیگر فقط به یک حافظه محدود نیست؛ بلکه مجموعه‌ای از حافظه‌های فشرده از بخش‌های مختلف دنباله را در اختیار دارد. --- ⚙️ چهار روش برای استفاده از حافظه‌های نهان: 🔹 حافظه‌ی باقیمانده (Residual Memory): ساده‌ترین روش که خروجی تمام حافظه‌های نهان را با هم جمع می‌کند. 🔹 حافظه‌ی باقیمانده با دروازه (Gated Residual Memory): به هر حافظه وزنی متناسب با سوال جاری اختصاص می‌دهد و فقط حافظه‌های مرتبط سهم بیشتری در پاسخ دارند. 🔹 سوپ حافظه (Memory Soup): حافظه‌ها را قبل از خواندن با هم ترکیب و یک حافظه‌ی موقت می‌سازد و سپس از آن یک بار می‌خواند. این روش برای حافظه‌های عمیق کارآمدتر است. 🔹 حافظه‌ی نهان انتخابی و پراکنده (Sparse Selective Caching): فقط زیرمجموعه‌ای از حافظه‌ها را که مرتبط‌ترین هستند، بازیابی می‌کند. این روش برای دنباله‌های بسیار طولانی، کارایی بالایی دارد. --- 📊 نتایج آزمایش‌ها: - مدل‌های بازگشتی با Memory Caching در وظایف بازیابی اطلاعات از متن‌های طولانی مانند Needle-in-a-Haystack بهبود چشمگیری نشان دادند. - در بنچمارک‌هایی مانند LongBench و MQAR، مدل‌های بهبودیافته عملکرد بهتری نسبت به نسخه‌ی پایه داشتند. - روش Gated Residual Memory به‌عنوان یکی از قوی‌ترین و روش Sparse Selective Caching به‌عنوان کارآمدترین گزینه برای متن‌های بسیار طولانی شناخته شد. --- 💡 پیام اصلی مقاله این مقاله پایان ترنسفورمرها را اعلام نمی‌کند، بلکه نشان می‌دهد که توجه کامل (Full Attention) دیگر تنها راه قابل‌اعتماد برای داشتن حافظه‌ی در حال رشد نیست. حافظه‌ی نهان به مدل‌های بازگشتی امکان می‌دهد که: - کارآمدی پردازش دنباله را حفظ کنند. - با ذخیره‌ی نقاط بازرسی، ظرفیت حافظه خود را افزایش دهند. - با استفاده از دروازه‌ها و مسیریابی، دسترسی انتخابی به گذشته داشته باشند. دوران ترنسفورمر، احتمالاً با یک جایگزین ناگهانی پایان نمی‌یابد، بلکه با پذیرش این ایده که حافظه‌ی مدل‌های زبانی باید طراحی‌شده و قابل تنظیم باشد، به تدریج تغییر خواهد کرد. --- 📄 مقاله: https://arxiv.org/abs/2606.11287 --- #گوگل #معماری_مدل_زبانی #حافظه_نهان #ترنسفورمر #پژوهش_هوش_مصنوعی #RNN #LLM 🆔 @asrgooyeshpardaz

🩺 پژوهش جدید: مدل‌های عمومی هوش مصنوعی از ابزارهای تخصصی پزشکی پیشی گرفتند نتایج یک مطالعه‌ی گسترده در مجله‌ی Nature Medicine نشان می‌دهد که مدل‌های هوش مصنوعی عمومی مانند GPT-5.2، Gemini 3.1 Pro و Claude Opus 4.6 در پاسخ‌گویی به سوالات پزشکی، عملکردی بهتر از ابزارهای تخصصی بالینی دارند. --- 🔬 روش پژوهش: پژوهشگران در سه مرحله، عملکرد مدل‌ها را ارزیابی کردند: مرحله‌ی اول: ۵۰۰ سوال سبک آزمون پزشکی (MedQA) مرحله‌ی دوم: ۵۰۰ سوال از مجموعه‌ی HealthBench برای سنجش هماهنگی با نظر پزشکان مرحله‌ی سوم: ۱۰۰ سوال واقعی پزشکان در محیط بالینی (RCQ) پاسخ‌های مرحله‌ی سوم به‌صورت تصادفی و کور توسط ۱۲ پزشک آمریکایی بررسی شد و ۱٬۸۰۰ ارزیابی تخصصی انجام گردید. --- 📊 نتایج چشمگیر: در آزمون MedQA: - مدل Gemini با ۹۷.۴٪ بالاترین دقت را داشت - مدل GPT با ۹۴.۲٪ در رتبه‌ی دوم قرار گرفت - مدل Claude با ۹۰.۲٪ سوم شد - ابزارهای تخصصی OpenEvidence و UpToDate به ترتیب ۸۹.۶٪ و ۸۸.۴٪ موفقیت داشتند در آزمون HealthBench: - مدل GPT با امتیاز ۸۸ بالاترین رتبه را کسب کرد - مدل Gemini با ۷۹.۳ و Claude با ۷۷ در رده‌های بعدی - ابزارهای تخصصی با امتیازهای حدود ۶۲-۶۳ در جایگاه آخر قرار گرفتند در سوالات واقعی بالینی (RCQ): - مدل‌های عمومی در تمام ابعاد چهارگانه (صحت بالینی، کامل بودن، ایمنی و وضوح) عملکرد بهتری داشتند - مدل‌های عمومی در گروه اول با امتیاز میانگین ۳.۵۶-۳.۶۲ از ۴ و ابزارهای تخصصی با ۳.۱۷-۳.۲۴ در گروه دوم قرار گرفتند --- ⚠️ نکته‌ی جالب درباره‌ی RAG: سیستم‌های بازیابی-تولید (RAG) که در ابزارهای تخصصی استفاده می‌شوند، در برخی موارد پاسخ‌ها را بدتر می‌کنند. وقتی این سیستم‌ها اطلاعات نامربوط یا ضعیف را به مدل می‌دهند، کیفیت پاسخ کاهش می‌یابد. طبق این پژوهش، ابزارهای تخصصی ۴۹ تا ۸۷٪ شانس کمتری برای کسب امتیاز بالاتر نسبت به Gemini داشتند. --- 🤔 چرا مدل‌های عمومی بهتر عمل می‌کنند؟ دلایل اصلی شامل موارد زیر است: - داده‌های آموزشی گسترده‌تر مدل‌های عمومی - چرخه‌های به‌روزرسانی سریع‌تر نسبت به ابزارهای تخصصی - توانایی استدلال قوی‌تر در مدل‌های عمومی - سیستم‌های RAG گاهی اطلاعات نامربوط بازیابی می‌کنند که کیفیت پاسخ را کاهش می‌دهد --- 📌 مهم‌ترین پیام: اگرچه ابزارهای تخصصی هوش مصنوعی با برندهای معتبر پزشکی عرضه می‌شوند و ممکن است امن‌تر به نظر برسند، اما در عمل، مدل‌های عمومی پیشرفته‌تر می‌توانند پاسخ‌های دقیق‌تر و کامل‌تری ارائه دهند. به‌ویژه در سوالات پیچیده و واقعی که پزشکان با آنها مواجه می‌شوند. البته پژوهشگران تأکید دارند که این نتایج ممکن است با پیشرفت فناوری تغییر کند و در آینده، مدل‌های تخصصی‌تر که بر اساس داده‌های بیمارستانی آموزش ببینند، می‌توانند عملکرد بهتری داشته باشند. --- 🔗 لینک مقاله: https://www.nature.com/articles/s41591-026-04431-5 --- #پزشکی_هوش_مصنوعی #پژوهش_پزشکی #مدل_های_زبانی #NatureMedicine #هوش_مصنوعی_در_سلامت #OpenAI #Google #Anthropic 🆔 @asrgooyeshpardaz

آخرش چی میشه؟😐👾

📄 آموزش مدل‌های زبانی برای بهبود خودکار مدل‌های زبانی همه می‌دونیم که آموزش مدل‌های زبانی (Language Models) کار خیلی پیچیده و زمان‌بریه و هنوز هم به نیروی انسانی زیادی نیاز داره. حتی با وجود پیشرفت‌های باورنکردنی مدل‌های جدید، بحث آموزش خودکار مدل‌ها هنوز یه چالش بزرگ محسوب می‌شه. محققان تو این مقاله یه عامل هوشمند (Agent) به اسم AutoTrainess معرفی کردن که می‌تونه فرآیند آموزش مدل‌های زبانی رو به‌طور کاملاً خودکار انجام بده! 💡 چطور کار می‌کنه؟ به‌جای اینکه عامل هوشمند رو تو یه محیط خط فرمان (CLI) رها کنیم که هیچ ساختار مشخصی نداره، AutoTrainess از رابط‌های ساختاریافته و گردش‌کارهای از پیش تعیین‌شده استفاده می‌کنه که تجربه انسانی رو شبیه‌سازی می‌کنه. این عامل می‌تونه تمام مراحل زیر رو خودش انجام بده: 🔹 برنامه‌ریزی (Planning) 🔹 آماده‌سازی داده (Data Preparation) 🔹 اجرای آموزش (Training) 🔹 ارزیابی (Evaluation) 🔹 ثبت و لاگ‌گیری (Logging) 📊 نتیجه‌اش چی بوده؟ توی بنچمارک PostTrainBench، AutoTrainess عملکرد خیلی بهتری نسبت به روش‌های سنتی خط فرمان داشته: - ✅ با مدل GPT-5.4 (Codex) به امتیاز 26.94 رسیده درحالی‌که روش CLI-only فقط 23.21 بوده. - ✅ حتی روی مدل‌های دیگه مثل DeepSeek-V4-Flash (OpenCode) هم عملکرد رو از 12.13 به 19.58 رسونده! 🔥 چرا این مقاله مهمه؟ این مقاله نشون می‌ده که داریم به سمتی می‌ریم که خود مدل‌های زبانی بتونن مدل‌های دیگه رو آموزش بدن! یه قدم بزرگ به سمت خودبهبودی خودکار و یادگیری تقویتی در دنیای هوش مصنوعی. --- 📌 لینک مقاله: https://arxiv.org/abs/2606.31551 معرفی در هاگینگ فیس: https://huggingface.co/papers/2606.31551 #هوش_مصنوعی #یادگیری_ماشین #AutoTrainess #پیشرفت_فناوری 🆔 @asrgooyeshpardaz

👾 مدل LongCat-2.0 به صورت متن باز منتشر شد. این یک مدل MoE با 1.6 تریلیون پارامتر است که تقریباً 48 میلیارد پارامتر فعال دارد و برای برنامه‌نویسی مبتنی بر عامل و پردازش متن با حداکثر 1 میلیون توکن بهینه شده است. نتایج تست‌ها: * 59.5 در SWE-bench Pro * 70.8 در Terminal-Bench 2.1 * 77.3 در SWE-bench Multilingual ویژگی‌ها: * مکانیزم توجه پراکنده (sparse attention) برای پردازش متن با طول زیاد. * ScMoE برای فعال‌سازی بهینه متخصصان. * MOPD برای تقسیم وظایف بین متخصصان مختلف (عامل، استدلال و تعامل). این مدل از ابتدا با استفاده از بیش از 35 تریلیون توکن آموزش داده شده است. از این مدل می‌توان بر روی GPU و NPU استفاده کرد. 🤖 https://modelscope.ai/collections/meituan-longcat/LongCat-20

🧠 چارچوب Gym-Anything: تحولی در ارزیابی عامل‌های هوش مصنوعی با تبدیل هر نرم‌افزاری به محیط تست محققان دانشگاه کارنگی ملون با معرفی Gym-Anything، گامی بلند در مسیر ارزیابی واقع‌گرایانه‌ی عامل‌های هوش مصنوعی برداشته‌اند. این چارچوب نوآورانه، هر نرم‌افزاری را به یک محیط تعاملی برای آموزش و ارزیابی عامل‌ها تبدیل می‌کند. --- 🔧 فرآیند خودکار ساخت محیط با دو عامل هوشمند سیستم Gym-Anything از یک فرآیند چندعاملی (Multi-Agent) برای ساخت خودکار محیط‌ها استفاده می‌کند: 🔹 عامل برنامه‌نویس (Builder Agent): اسکریپت‌های نصب و راه‌اندازی را می‌نویسد، داده‌های واقعی را از منابع معتبر دانلود می‌کند، نرم‌افزار را پیکربندی کرده و محیط را برای اجرای وظایف آماده می‌سازد. این عامل از مدل‌های زبانی بزرگ مثل Claude 4.5 Opus برای تولید کدهای setup استفاده می‌کند. 🔹 عامل ممیزی (Validator Agent): کار عامل اول را از طریق اسکرین‌شات‌ها، لاگ‌های سیستم، فایل‌های تولیدشده و چک‌لیست‌های تعریف‌شده بررسی می‌کند. در صورت مشاهده‌ی هرگونه نقص، وظیفه را برای اصلاح به عامل برنامه‌نویس بازمی‌گرداند. این فرآیند تا زمانی که محیط کاملاً عملیاتی شود، ادامه می‌یابد. --- 📊 مجموعه CUA-World: بزرگترین مجموعه‌ی وظایف واقعی نتیجه‌ی این رویکرد، مجموعه‌ی CUA-World (Computer Use Agent World) است: ✅ بیش از ۱۰,۰۰۰ وظیفه در ۲۰۰ نرم‌افزار مختلف (شامل نرم‌افزارهای دسکتاپ، تحت‌وب و خط فرمان) ✅ پوشش همه‌ی ۲۲ گروه شغلی بر اساس داده‌های اقتصادی واقعی آمریکا (مشاغل سفید و یقه‌آبی) ✅ حوزه‌های متنوعی مثل پزشکی، نجوم، مهندسی، امور مالی، حقوق، طراحی، آموزش و سیستم‌های سازمانی ✅ مجموعه CUA-World-Long: زیرمجموعه‌ای از وظایف با بیش از ۵۰۰ مرحله که برای سنجش عملکرد در سناریوهای طولانی‌مدت طراحی شده است --- 📉 نتایج هشداردهنده: شکست عامل‌های قوی در کارهای واقعی آزمایش‌های گسترده روی CUA-World نشان داده که: 🔸 مدل Gemini-3-Flash در حالت پایه، تنها ۱۱.۵٪ موفقیت در وظایف واقعی دارد 🔸 با استفاده از همان روش ممیزی در زمان آزمون، عملکرد این مدل به ۱۴٪ بهبود یافته است 🔸 در وظایف طولانی‌مدت (بیش از ۵۰۰ مرحله)، عملکرد عامل‌ها به‌شدت کاهش می‌یابد و حتی بهترین مدل‌ها نیز در حفظ بافت، تعامل با رابط کاربری و بازیابی از خطا با مشکل مواجه می‌شوند --- 🎯 مقیاس واقعی در مقایسه با بنچمارک‌های پیشین برای درک بهتر عظمت این دستاورد، کافی است نگاهی به بنچمارک‌های قبلی بیندازیم. OSWorld با ۹ نرم‌افزار و ۳۶۹ وظیفه و WebArena با ۶ وب‌سایت و ۸۱۲ وظیفه، هر دو بسیار محدودتر از WindowsAgentArena با ۱۱ نرم‌افزار و ۱۵۴ وظیفه عمل کرده‌اند. اما Gym-Anything با ۲۰۰ نرم‌افزار و بیش از ۱۰٬۰۰۰ وظیفه، گامی فراتر از تمامی این پلتفرم‌ها برداشته و نماینده‌ای واقعی از پیچیدگی‌های دنیای واقعی است. --- 💡 اهمیت این پژوهش برای آینده سیستم Gym-Anything با حذف گلوگاه دستی‌سازی محیط‌ها، امکان ساخت محیط‌های آزمایش در مقیاس انبوه را فراهم کرده است. این رویکرد به پژوهشگران اجازه می‌دهد تا عامل‌های خود را در شرایطی ارزیابی کنند که به‌طرز غیرقابل‌مقایسه‌ای به دنیای واقعی نزدیک‌تر است. --- 🔗 لینک‌های مفید 📄 مقاله: https://arxiv.org/abs/2604.06126 🌐 صفحه‌ی پروژه: https://cmu-l3.github.io/gym-anything/ 💻 کد و داده‌ها: به‌زودی برای استفاده‌ی پژوهشگران منتشر خواهد شد --- #GymAnything #کارنگی_ملون #عامل_های_هوش_مصنوعی #ارزیابی_هوش_مصنوعی #پژوهش_هوش_مصنوعی #CUAWorld 🆔 @asrgooyeshpardaz ❤️⭐️

💰 با PXPipe هزینه‌ی API مدل‌های گران‌قیمت را تا ۷۰٪ کاهش دهید پروژه‌ی جدیدی به نام pxpipe منتشر شده که با روشی هوشمندانه، هزینه‌ی استفاده از مدل‌هایی مثل Claude Fable 5 را به‌شدت کاهش می‌دهد. ایده‌ی اصلی این پروژه از مقاله‌ی DeepSeek در سال گذشته الهام گرفته شده است. --- 🧠 ایده‌ی اصلی: تبدیل متن به تصویر مدل‌های vision-language مثل Fable 5 هزینه‌ی ثابتی برای پردازش هر تصویر دریافت می‌کنند که بر اساس ابعاد پیکسلی آن است، نه مقدار متنی که داخل تصویر قرار دارد. pxpipe از همین شکاف استفاده می‌کند: بخش‌های حجیم متن (سیستم‌پرامپت، مستندات ابزارها و تاریخچه‌ی مکالمه) را به تصاویر PNG فشرده تبدیل می‌کند و سپس به جای متن، این تصاویر را به مدل ارسال می‌نماید. نتیجه؟ یک تصویر ۱۹۲۸×۱۹۲۸ پیکسلی حدود ۹۲٬۰۰۰ کاراکتر را در خود جای می‌دهد و تنها ۴٬۷۶۱ توکن هزینه دارد. در حالی که همین مقدار متن به‌صورت عادی حدود ۲۵٬۰۰۰ توکن مصرف می‌کرد. --- 📊 صرفه‌جویی واقعی در هزینه طبق آزمایش‌های انجام‌شده روی ترافیک واقعی Claude Code، pxpipe موفق شده بین ۵۹ تا ۷۰ درصد از هزینه‌ی نهایی را کاهش دهد. در یک آزمایش عملی، هزینه‌ی یک جلسه‌ی کاری از ۴۲ دلار به ۶ دلار کاهش یافته است. --- ⚙️ این پروژه چگونه کار می‌کند؟ ابزار pxpipe به‌عنوان یک پروکسی محلی اجرا می‌شود و درخواست‌های ارسالی به API را قبل از خروج از سیستم شما، بازنویسی می‌کند: 🔹 بخش‌های حجیم و تکراری (سیستم‌پرامپت، مستندات ابزارها، تاریخچه‌ی قدیمی) را به تصویر تبدیل می‌کند 🔹 دور‌های اخیر مکالمه را به‌صورت متن نگه می‌دارد تا دقت حفظ شود 🔹 فقط درخواست (Request) را فشرده می‌کند و پاسخ مدل را دست‌نخورده باقی می‌گذارد 🔹 یک دروازه‌ی سودآوری (profitability gate) دارد که فقط در مواردی که ریاضیات به‌صرفه باشد، تبدیل به تصویر انجام می‌دهد --- 📈 عملکرد و دقت آزمایش‌های انجام‌شده روی Fable 5 نتایج امیدوارکننده‌ای نشان می‌دهد: - حساب‌های ریاضی جدید: دقت ۱۰۰٪ با کاهش ۳۸٪ توکن - بازیابی اطلاعات (Gist Recall): دقت ۱۰۰٪ (۹۸ از ۹۸) - ردگیری وضعیت (State Tracking): دقت ۱۰۰٪ (۱۸ از ۱۸) - SWE-bench Lite: موفقیت ۱۰ از ۱۰ در هر دو حالت با کاهش ۶۵٪ حجم درخواست - SWE-bench Pro: موفقیت ۱۴ از ۱۹ با pxpipe در مقابل ۱۵ از ۱۹ بدون آن --- ⚠️ محدودیت‌ها و نکات مهم 🔸 کاهش دقت در برخی موارد: مدل Opus ۴.۸ حدود ۷٪ از تصاویر را اشتباه می‌خواند و به‌طور پیش‌فرض غیرفعال است 🔸 مشکل داده‌های دقیق: رشته‌های هگزادسیمال دقیق (مثل IDها و هش‌ها) ممکن است در تصویر به‌درستی خوانده نشوند؛ در Fable 5 حدود ۱۳ از ۱۵ و در Opus ۰ از ۱۵ 🔸 راه‌حل: داده‌های دقیق باید به‌صورت متن ارسال شوند و pxpipe دورهای اخیر را به‌صورت متن نگه می‌دارد 🔸 وابستگی به نوع محتوا: این روش برای محتوای متراکم (کد، JSON، خروجی ابزارها) که حدود ۱ کاراکتر به ازای هر توکن دارند، بیشترین سود را دارد. برای متن‌های روان با ۳.۵ کاراکتر به ازای هر توکن، صرفه‌جویی کمتری خواهد داشت --- 🔗 لینک‌های مفید 🌐 پروژه در گیت‌هاب: https://github.com/teamchong/pxpipe 📄 مقاله‌ی اصلی: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf --- 💡 ایده‌ی جالب: یکی از نکات جذاب این روش، شباهت آن به عملکرد حافظه‌ی انسان است! همان‌طور که مغز ما خاطرات قدیمی‌تر را با جزئیات کمتر و مبهم‌تر به یاد می‌آورد، این روش نیز داده‌های قدیمی‌تر را فشرده‌تر (به‌صورت تصویر با وضوح کمتر) نگهداری می‌کند و داده‌های جدید را با کیفیت بالا حفظ می‌نماید. --- #pxpipe #بهینه_سازی_هزینه #Claude_Fable #DeepSeek #هوش_مصنوعی #API 🆔 @asrgooyeshpardaz

🌐اخبار هوش مصنوعی 🚫 آنتـروپیک دسترسی به Claude Code را برای توسعه‌دهندگان چینی مسدود کرد آنتـروپیک دسترسی به ابزار Claude Code را برای کاربران در چین قطع کرده است. دلیل اصلی، تقطیر مدل توسط شرکت‌های چینی مانند DeepSeek، علی‌بابا، MiniMax و Moonshot AI عنوان شده؛ به‌این معنا که این شرکت‌ها از خروجی‌های Claude برای آموزش مدل‌های خود استفاده می‌کرده‌اند. بر اساس قوانین آنتـروپیک، استفاده از سرویس‌های این شرکت در حوزه‌ی قضایی چین ممنوع است، اما شرکت‌های چینی با استفاده از VPN، ارائه‌دهندگان ابری و دفاتر سنگاپوری خود این محدودیت را دور می‌زدند. در واکنش، علی‌بابا به مهندسان خود دستور داده که استفاده از Claude Code را متوقف و این ابزار را حذف کنند. دلیل این تصمیم، شناسایی اسکریپت‌هایی در این ابزار بوده که کاربران چینی را شناسایی می‌کرده‌اند. 🔗 ft.com --- 💻 مایکروسافت کوپایلت را متحول می‌کند از آگوست، مایکروسافت نسخه‌های کاربردی و سازمانی Copilot را در یک اپلیکیشن واحد ادغام خواهد کرد. ویژگی جدید AutoPilot شامل عامل‌های پس‌زمینه‌ای برای خودکارسازی وظایف روزمره و ابزارهای پیشرفته‌ی کدنویسی خواهد بود که به‌صورت پولی ارائه می‌شوند. همچنین مایکروسافت افزونه‌های آزمایشی Copilot Podcasts و Labs را تعطیل می‌کند و تمرکز خود را از نمایش قابلیت‌ها به حل مشکلات واقعی تغییر می‌دهد. به‌گفته‌ی معاون شرکت، «کوپایلِت جدید هنوز باید حق حیات خود را ثابت کند.» 🔗 theinformation.com --- 🧠 آلکساندر وانگ از مدل جدید و به‌روزرسانی Muse Spark خبر داد مدیر Superintelligence Labs اعلام کرده که مدل جدید این شرکت با نام رمز Watermelon، حتی در مرحله‌ی آموزش، عملکردی در سطح GPT-5.5 دارد. هزینه‌ی محاسباتی آموزش این مدل، ده‌ها برابر بیشتر از نسل قبلی (Muse Spark با نام Avocado) بوده است. هم‌زمان، وانگ از به‌روزرسانی Muse Spark با تمرکز بر تولید کد و پشتیبانی از عامل‌های خودمختار خبر داده است. او در پاسخ به سؤالی درباره‌ی رسیدن به سطح Claude Opus گفته که این اتفاق به‌زودی رخ خواهد داد. 🔗 businessinsider.com --- 🛡️ مدل‌های آنتـروپیک و اوپن‌ای‌آی کشف آسیب‌پذیری‌ها را ۳.۵ برابر کردند مؤسسه‌ی Epoch AI گزارش داده که استفاده از مدل‌های زبانی بزرگ برای جستجوی خودکار باگ، تعداد آسیب‌پذیری‌های بحرانی و پرخطر کشف‌شده را ۳.۵ برابر افزایش داده است. در تنها یک ماه، ۲۱ سازمان موفق به شناسایی ۱۵۰۰ آسیب‌پذیری شده‌اند. بیشترین تأثیر مربوط به مدل Mythos آنتـروپیک بوده است. همچنین برنامه‌ی Glasswing بیش از ۱۰٬۰۰۰ آسیب‌پذیری را کشف کرده که برخی هنوز عمومی نشده‌اند. ابتکار Daybreak اوپن‌ای‌آی نیز سهم قابل‌توجهی در این آمار داشته است. 🔗 epoch.ai --- 🤖 آپترونیک بزرگترین محوطه‌ی تمرین ربات‌ها را افتتاح کرد شرکت Apptronik در آستین تگزاس، محوطه‌ای به وسعت ۸۰۰۰ متر مربع به نام Robot Park راه‌اندازی کرده که به‌عنوان کارخانه‌ی داده برای آموزش ربات‌ها عمل می‌کند. ربات‌های Apollo 2 در این مرکز به‌صورت خودکار و از راه دور، وظایف لجستیکی مانند جابه‌جایی جعبه‌ها، باز کردن درها و حرکت روی سطوح ناهموار را انجام می‌دهند. داده‌های جمع‌آوری‌شده برای طراحی نسل بعدی (Apollo 3) و همچنین برای آموزش مدل‌های Gemini Robotics گوگل استفاده می‌شود. آپترونیک با این مرکز قصد دارد بر کمبود داده‌های آموزشی غلبه کند و در رقابت با شرکت‌هایی مانند ۱X، فیگور و تسلا، پیشتاز شود. 🔗 apptronik.com --- #آنتـروپیک #مایکروسافت #سوپریجنس #امنیت_سایبری #رباتیک #هوش_مصنوعی 🆔 @asrgooyeshpardaz

🧠 چارچوب ASPIRE: سیستمی که به ربات‌ها یاد می‌دهد از تجربیات خود درس بگیرند سیستم ASPIRE که توسط تیم تحقیقاتی انویدیا توسعه یافته، یک چارچوب خودبهبوددهنده برای برنامه‌نویسی ربات‌هاست که برخلاف روش‌های سنتی، تجربیات گذشته را دور نمی‌ریزد و آنها را به مهارت‌های قابل استفاده تبدیل می‌کند. --- ⚙️ سه مؤلفه‌ی اصلی: 🔹 موتور اجرای پیشرفته که هر حرکت ربات را با جزئیات کامل ثبت می‌کند (از تصاویر دوربین گرفته تا مسیر حرکت و نقاط تماس) تا عامل بتواند دقیقاً تشخیص دهد کدام بخش از برنامه با خطا مواجه شده است. 🔹 کتابخانه‌ی مهارت‌های پویا که تعمیرات موفق را به صورت الگوهای قابل استفاده برای کارهای آینده ذخیره می‌کند، درست مثل یک دفترچه‌ی راهنما که هر بار هوشمندتر می‌شود. 🔹 جستجوی تکاملی که در هر مرحله چندین راه‌حل متفاوت را امتحان می‌کند و بهترین‌ها را برای نسل بعدی انتخاب می‌نماید. --- 📊 عملکرد چشمگیر در تست‌های استاندارد: در بنچمارک LIBERO-Pro که شامل وظایف دستکاری با اغتشاشات مختلف است، ASPIRE موفق شد در ۹۸ درصد موارد به هدف برسد، در حالی که روش قبلی فقط ۲۲ درصد موفقیت داشت. در وظایف دو دستی رباتیک، این سیستم ۹۲ درصد موفق بود در مقابل ۲۰ درصد روش پیشین. در وظایف پیچیده‌تر خانگی با افق بلندمدت، ASPIRE توانست عملکرد را تا ۳۲ درصد نسبت به بهترین روش‌های قبلی بهبود بخشد. --- 🌟 نکته‌ی برجسته: انتقال مهارت بدون نیاز به نمونه جالب‌ترین دستاورد ASPIRE، توانایی آن در استفاده از مهارت‌های آموخته‌شده برای کارهایی است که قبلاً ندیده است. با کتابخانه‌ای شامل ۹۰ مهارت مختلف، این سیستم در وظایف طولانی و کاملاً جدید موفقیت ۳۱ درصدی داشت، در حالی که روش‌های قبلی با وجود صرف زمان بیشتر برای استدلال در حین اجرا، به سختی به ۴ درصد می‌رسیدند. --- 🔬 از شبیه‌ساز تا دنیای واقعی مهارت‌هایی که ASPIRE در محیط شبیه‌سازی یاد گرفته، به‌خوبی به ربات‌های واقعی منتقل شده‌اند. برای نمونه، مهارت برداشتن قوطی نوشابه هزینه‌ی پردازش را حدود ۱۰ برابر کاهش داد و موفقیت را از ۱۳ به ۱۹ مورد از ۲۰ رساند. همچنین مهارت باز کردن کشو موفقیت را از صفر به ۱۱ مورد از ۲۰ افزایش داد. --- 💡 مزیت اصلی ASPIRE این سیستم به ربات‌ها امکان می‌دهد که مانند انسان‌ها از تجربیات خود درس بگیرند؛ هر بار که یک مشکل را حل می‌کنند، دانش جدیدی کسب می‌کنند که در آینده به کارشان می‌آید. این رویکرد نه تنها سرعت یادگیری را افزایش می‌دهد، بلکه ربات‌ها را برای مواجهه با موقعیت‌های جدید آماده‌تر می‌سازد. --- 📌 محدودیت‌ها: هرچند ASPIRE پیشرفت چشمگیری داشته، اما هنوز برای استفاده‌ی کاملاً مستقل در دنیای واقعی نیاز به نظارت دارد. همچنین عملکرد آن به شدت به قدرت مدل زبانی پشت صحنه وابسته است و هنوز نمی‌توان از مدل‌های کوچک‌تر با همان کیفیت استفاده کرد. --- 🔗 اطلاعات بیشتر: 📄 مقاله‌ی کامل: https://arxiv.org/abs/2607.00272 🌐 صفحه‌ی پروژه: https://research.nvidia.com/labs/gear/aspire/ --- #ASPIRE #رباتیک #یادگیری_مستمر #هوش_مصنوعی #انویدیا 🆔 @asrgooyeshpardaz

🌟 به‌روزرسانی مدل Leanstral 1.5 از Mistral AI – پیشرفت در اثبات‌های صوری میسترال‌ای‌آی از نسخه‌ی جدید مدل خود برای زبان Lean 4 رونمایی کرده است. این مدل به ریاضیدانان و توسعه‌دهندگان کمک می‌کند تا اثبات‌های صوری (Formal Proofs) بنویسند و آنها را به‌گونه‌ای تأیید کنند که کامپایلر Lean بپذیرد. --- ⚙️ مشخصات فنی: - معماری Mixture of Experts (MoE) با ۱۱۹ میلیارد پارامتر کلی و ۶.۵ میلیارد پارامتر فعال - پنجره‌ی متنی ۲۵۶ هزار توکنی - قابلیت دریافت ورودی چندوجهی (Multimodal) - مجوز Apache 2.0 --- 🎯 روش آموزش پیشرفته: نسخه‌ی ۱.۵ در دو محیط جداگانه آموزش مرحله‌ای دیده است: ۱. محیط اثبات قضیه – تعامل با کامپایلر Lean برای اثبات صحیح گزاره‌های ریاضی ۲. محیط برنامه‌نویسی واقعی – شبیه‌سازی رفتار یک برنامه‌نویس در مخازن کد --- 📊 نتایج چشمگیر در بنچمارک‌ها: - امتیاز ۱۰۰٪ در بنچمارک miniF2F (هم در مجموعه‌ی اعتبارسنجی و هم آزمون) - حل ۵۸۷ از ۶۷۲ مسئله در PutnamBench - ثبت بهترین نتایج روز در مجموعه‌های FATE-H و FATE-X --- 💰 مزیت هزینه‌ای قابل‌توجه: در بنچمارک PutnamBench، Leanstral 1.5 با ۷ مسئله بیشتر از سیستم Seed-Prover 1.5 موفق عمل کرده، در حالی که هزینه‌ی حل هر مسئله حدود ۴ دلار است (در مقابل ۳۰۰+ دلار برای رقیب). --- 🐛 کشف باگ‌های واقعی: در آزمون کدنویسی روی ۵۷ مخزن نرم‌افزاری، این سیستم موفق به شناسایی ۴۷ نقض در ویژگی‌های کد شد که از این میان: - ۱۱ مورد خطای واقعی بودند - ۵ مورد قبلاً ناشناخته بودند --- 🔗 لینک‌های مفید: 📄 پست وبلاگ https://mistral.ai/news/leanstral-1-5 🤖 مدل در Hugging Face https://huggingface.co/mistralai/Leanstral-1.5 🎮 نسخه‌ی آزمایشی https://huggingface.co/spaces/mistralai/Leanstral-1.5 --- #MistralAI #Leanstral #Lean4 #اثبات_صوري #هوش_مصنوعي #AI #ML 🆔 @asrgooyeshpardaz