سازنده تراشه هوش مصنوعی گوگل در Nvidia انویدیا به تازگی مهندسی را که تراشه هوش مصنوعی گوگل را ساخته و بزرگترین رقیب آنها را ایجاد کرده بود، استخدام کرد. با جاناتان راس، مردی که اولین واحد پردازش تنسور گوگل را در سال ۲۰۱۵ به عنوان یک پروژه جانبی ساخت، آشنا شوید. این پروژه در نهایت بیش از نیمی از زیرساخت‌های محاسباتی گوگل را تأمین کرد و به بزرگترین رقیب انویدیا در تراشه‌های هوش مصنوعی تبدیل شد. اما این چیزی است که هیچ‌کس در مورد آن صحبت نمی‌کند. راس در سال ۲۰۱۶ گوگل را ترک کرد و Groq را تأسیس کرد تا یک معماری تراشه کاملاً متفاوت به نام LPU بسازد که به طور خاص برای استنتاج هوش مصنوعی طراحی شده است. در حالی که پردازنده‌های گرافیکی انویدیا به حافظه پهنای باند خارجی متکی هستند که در سراسر جهان با کمبود شدید مواجه است، LPUهای Groq از SRAM روی تراشه استفاده می‌کنند و از گلوگاه‌هایی که کل صنعت تراشه را خفه می‌کند، جلوگیری می‌کنند. https://eitaa.com/science_ai

هوش مصنوعی و آموزش در اینجا آخرین و مهم‌ترین تحولات هوش مصنوعی در حوزه آموزش ارایه می شود. 1. معلمین هوش مصنوعی شخصی‌سازیشده و عامل‌ها (AI Agents) · شرکتی مانند Khan Academy با عنوان Khanmigo و استارتاپ‌هایی مانند Kyron Learning در حال توسعه «معلمین هوش مصنوعی» هستند که مکالمات آموزشی دوطرفه و شخصی‌سازی‌شده را امکان‌پذیر می‌کنند. · گوگل و OpenAI در حال کار بر روی عامل‌های هوش مصنوعی هستند که می‌توانند مراحل کامل حل مسئله را توضیح دهند و بر پیشرفت دانش‌آموز نظارت کنند. 2. ابزارهای تولید محتوای آموزشی پیشرفته · ابزارهایی مانند Canva Magic Design و Diffit به معلمان اجازه می‌دهند در لحظه برگه‌های تمرین، ارزیابی‌ها و ارائه‌ها را متناسب با سطح درسی و زبان دانش‌آموز تولید کنند. · هوش مصنوعی‌های چندوجهی (چت‌های تصویری مانند GPT-4o و Gemini 1.5) امکان توضیح مفاهیم از طریق ویدیو، صدا و متن را فراهم کرده‌اند. 3. ارزیابی و بازخورد خودکار پیچیده‌تر سیستم‌هایی مانند Gradescope و Turnitin (با قابلیت تشخیص تقلب هوش مصنوعی) تکالیف نوشتاری و کدنویسی را با دقت بیشتری ارزیابی و بازخورد مفهومی می‌دهند. هوش مصنوعی می‌تواند خلاقیت و تفکر انتقادی را تا حدودی تحلیل کند، نه فقط حفظیات. 4. یادگیری تطبیقی (Adaptive Learning) در مقیاس بزرگ پلتفرم‌هایی مانند Coursera و edX از هوش مصنوعی برای شخصی‌سازی مسیر یادگیری هر کاربر بر اساس نقاط قوت و ضعف استفاده می‌کنند. کتاب‌های درسی هوشمند (مانند Pearson’s AI) سؤالات و توضیحات را بر اساس درک دانش‌آموز تنظیم می‌کنند. 5. دستیارهای هوش مصنوعی برای معلمان و مدیریت اداری · ابزارهایی مانند Microsoft’s Education Co-Pilot و MagicSchool.ai به معلمان در طراحی برنامه درسی، نوشتن ایمیل به والدین و ایجاد سؤال امتحانی کمک می‌کنند. هوش مصنوعی وظایف اداری مانند حضور و غیاب، ردیابی پیشرفت و برنامه‌ریزی را خودکار می‌کند. 6. آموزش مهارت‌های هوش مصنوعی و سواد AI بسیاری از مدارس و دانشگاه‌ها در حال افزودن دوره‌های سواد هوش مصنوعی به برنامه درسی هستند تا دانش‌آموزان را برای عصر AI آماده کنند. · پلتفرم‌هایی مانند Edex AI و Code.org دوره‌های رایگان در مورد اصول هوش مصنوعی ارائه می‌دهند. 7. کلاس‌های درس فراجهانی (Metaverse) و واقعیت مجازی با استفاده از هوش مصنوعی، محیط‌های یادگیری تعاملی و همه‌جانبه در واقعیت مجازی (VR) ایجاد می‌شوند که امکان تجربه تاریخ، علم و سفرهای میدانی مجازی را فراهم می‌کنند. 8. چالش‌ها و مباحث اخلاقی نگرانی‌ها درباره حریم خصوصی داده‌های دانش‌آموزان، تعدیل در دسترسی (شکاف دیجیتالی) و اتکای بیش از حد به هوش مصنوعی در حال افزایش است. سازمان‌هایی مانند UNESCO در حال تدوین چارچوب‌های اخلاقی برای استفاده از هوش مصنوعی در آموزش هستند. 9. پژوهش و پیش‌بینی‌های آموزشی هوش مصنوعی برای شناسایی زودهنگام دانش‌آموزان در معرض خطر ترک تحصیل یا نیازمند حمایت بیشتر استفاده می‌شود. · تحلیل داده‌های آموزشی به سیاستگذاران در تصمیم‌گیری‌های بهتر کمک می‌کند. 10. ابزارهای پشتیبانی از دانش‌آموزان با نیازهای ویژه چشم‌انداز آینده: · یادگیری مادام‌العمر (Lifelong Learning): هوش مصنوعی مسیرهای یادگیری شخصی را برای افراد در تمام مراحل زندگی فراهم خواهد کرد. · همکاری انسان و هوش مصنوعی: نقش معلمان به «راهنمای فرآیند یادگیری» و «تسهیل‌گر» تغییر خواهد کرد. https://eitaa.com/science_ai

آقاجان چند قطره خون داریم. 🇮🇷https://eitaa.com/science_ai

وب‌سایت مربوط به یک منبع آموزشی و پژوهشی به نام Machine Learning in Production @ CMU است که توسط دانشگاه Carnegie Mellon University (CMU) توسعه داده شده. این سایت شامل مواد آموزشی، اسلایدها، تمرین‌ها و منابع مرتبط با یک دوره‌ی کامل درباره‌ی ساخت، استقرار و مهندسی سیستم‌های واقعی مبتنی بر یادگیری ماشین (ML) است، نه فقط مدل‌های تئوری یا کدنوت‌بوک‌ها. mlip-cmu.github.io https://eitaa.com/science_ai

مکانیزم عملکرد LLM ها https://eitaa.com/science_ai

وقتی که از ریاضیات میگن اینو واسشون میفرستم جدیدا خیلی با یه پرامپت میگن متخصص هوش شدم :)

سامسونگ از چشم انداز اکوسیستم هوش مصنوعی در 2026 CESرونمایی کرد سامسونگ الکترونیکس روز یکشنبه در 2026 CES چشم انداز همراهی با زندگی هوش مصنوعی خود را ارائه کرد و هوش مصنوعی را به عنوان یک فلسفه بنیادی برای اتصال کل سبد محصولات خود به جای یک ویژگی مستقل قرار داد. در رویداد نگاه اول که در وین لاس وگاس برگزار شد این غول فناوری کره جنوبی نشان داد که چگونه ادغام هوش مصنوعی دستگاه های تلفن همراه نمایشگرها و لوازم خانگی را از طریق پلتفرم SmartThings خود که اکنون تا دسامبر 2025 به بیش از 430 میلیون کاربر خدمات ارائه میدهد در بر میگیرد. تی ام رو مدیر عامل و رئیس بخش تجربه دستگاه سامسونگ به شرکت کنندگان گفت که این شرکت در حال ایجاد یک تجربه یکپارچه تر و شخصی تر در سراسر تلفن همراه نمایشگرهای بصری لوازم خانگی و خدمات است». او تأکید کرد که اکوسیستم متصل سامسونگ آن را در موقعیتی قرار میدهد که تجربیات روزمره معنادارتری از هوش مصنوعی ارائه دهد». https://eitaa.com/science_ai