پردازش در دستگاه چیست؟ یک مهندس گوگل توضیح می‌دهد

/در /توسط

اگر به‌طور مداوم اخبار در حوزه فناوری را دنبال می‌کنید، ممکن است با اصطلاح “پردازش در دستگاه” آشنا باشید. این اصطلاح بسیار پرکاربرد است و بخش‌های مختلفی از محصولات گوگل از جمله گوشی‌های Pixel و دستگاه‌های Nest از این فناوری برای قدرت بخشیدن به ویژگی‌های جدید و مفید استفاده می‌کنند. اما واقعاً چه معنایی دارد که پردازش روی دستگاه صورت می‌گیرد؟ در این مقاله، با توضیحات یکی از مهندسان گوگل، به بررسی این موضوع می‌پردازیم.

چگونه پردازش در دستگاه واقعاً کار می‌کند؟

پردازش در دستگاه یعنی توانایی یک دستگاه برای انجام وظایف بدون ارسال داده به ابرها. با استفاده از تراشه‌های قدرتمند مانند Tensor G4، امکان‌پذیر می‌شود که مدل‌های زبان بزرگ مانند Gemini Nano اجرا شوند. پردازش در دستگاه نتایج سریعتر، قابلیت بیشتر و قابلیت اعتماد بیشتری ارائه می‌دهد.

چه بخش‌هایی از موارد استفاده پردازش در دستگاه را می‌توان اشاره کرد؟

پردازش در دستگاه فرصت‌های جدیدی را برای ارائه ویژگی‌ها و قابلیت‌های استفاده از قدرت پردازش دستگاه فراهم می‌کند. از جمله موارد استفاده می‌توان به هوش مصنوعی تولیدی، ویرایش ویدیو، ترجمه زبان و … اشاره کرد.

پردازش در دستگاه چگونه با پردازش خارج از دستگاه مقایسه می‌شود؟

پردازش خارج از دستگاه در ابر انجام می‌شود. دستگاه شما به اینترنت متصل می‌شود و درخواست شما را به سرورهای سایر جاها ارسال می‌کند، سپس خروجی را به گوشی شما ارسال می‌کند. با استفاده از تراشه‌های جدید و قدرتمند، این امکان ایجاد مدل‌های کوچکتر و کارآمدتر را فراهم می‌کند تا بتوانند در سیستم عامل و سخت‌افزار دستگاه شما اجرا شوند.

نظر کارشناس:

با توجه به اهمیت روزافزون و کارآمدی پردازش در دستگاه، انتظار می‌رود که در آینده بیشتری از این فناوری در توسعه محصولات استفاده شود. از طرف دیگر، باید به دقت به مزایا و معایب پردازش در دستگاه و خارج از دستگاه توجه کرد تا بتوان موارد استفاده متناسب را برای هرکدام انتخاب کرد.

منبع:
این مقاله در اصل در https://blog.google/technology/ai/on-device-processing/ منتشر شده است.

NotebookLM با پشتیبانی از اسلایدهای گوگل و روش‌های بهتر بررسی واقعیت‌ها به سطح جهانی رسید

/در /توسط

امروز وب‌گاه تکنولوژی Breadcrumb خبری جذاب از به‌روزرسانی بزرگ NotebookLM، دستیار پژوهش و نوشتاری مبتنی بر هوش مصنوعی، ارائه کرده است که به بیش از 200 کشور و منطقه در سراسر جهان گسترش یافته است. این به‌روزرسانی شامل امکان دسترسی به اسلایدهای گوگل و URLs وب به عنوان منابع، امکان بررسی واقعیت‌‌های پاسخ‌های هوش مصنوعی با ارجاع‌های درون خطی، و تبدیل منابع به فرمت‌های مفید مانند سوالات متداول و راهنمای مطالعه است. از NotebookLM تا کنون توسط نویسندگان، دانشجویان و اساتید برای تحقیق و نوشتن استفاده شده است، اما توانایی‌های آن نیز در حکومت‌های محلی، آموزش‌های فروش، و حتی بازی‌های نقشآفرینی مورد استفاده قرار گرفته است. برای شروع، یک دفترچه یادداشت ایجاد کنید، اسناد خود را آپلود کنید، و ویژگی‌های مختلف را برای بهبود فرآیند تحقیق و نوشتار خود بررسی کنید.

امکانات جدید اضافه شده

یکی از امکانات جدیدی که به NotebookLM اضافه شده است، پشتیبانی از اسلایدهای گوگل و URLs وب به عنوان منابع است. همچنین می‌توانید ارجاع‌های درون خطی را بررسی کنید و به آسانی به پاسخ‌های هوش مصنوعی بپردازید و به متن اصلی عمیق‌تر بپردازید. همچنین راهنمای نوت‌بوک به شما درک سطح بالایی از منابع خود را می‌دهد و آن‌ها را به فرمت‌های مفیدی مانند سوالات متداول، سند مختصر یا راهنمای مطالعه تبدیل می‌کند.

استفاده‌های کاربران واقعی

از زمان معرفی تابستانی NotebookLM، ما متعجب شده‌ایم از آنچه که افراد برای آن کشف کرده‌اند. به علت اینکه این محصول با همکاری نویسندگان، دانشجویان و اساتید توسعه یافته است، ما دیده‌ایم که بسیاری از کاربران اوایل به آن ادغام کرده‌اند. ما مواجهه شادمانه‌ای از اساسی‌ترین موراد استفاده‌های محتمل را دیده‌ایم:

  • در حکومت‌های محلی، شهروند پالم بی توماس گام یک خبرنامه هیپرمحلی ایجاد کرد، کدوم آرایش‌های شهر، داده‌های استفاده از اراضی، کد‌های زونینگ و دقایق جلسات شورای شهر را جمع‌آوری کرد. NotebookLM به او قدرت داد تا یک «خبرخانه و ناشر یک نفره» باشد.
  • توانایی NotebookLM در خلاصه کردن و تطابق آوردن گفتگو‌ها به کاربران در شناسایی الگوها و موضوعات در متون پایه، صدها ساعت تجزیه و تحلیل دستی را ذخیره کرده است. برای مثال، مشاور ویکتور آدفوی از NotebookLM برای تحلیل گفتگوی‌های تماس فروش برای آموزش و هدایت هدفمند استفاده می‌کند.
  • سازمان‌های غیرانتفاعی از NotebookLM استفاده کرده‌اند تا به آن‌ها کمک کند تا نیازها در جوامع خدمات نگهداری نشده را تشخیص دهند و اطلاعات را برای پیشنهادات گرفتی، سازماندهی کنند.

آغاز کار

اگر تا به اینجا با NotebookLM آشنا نیستید، شروع کردن بسیار آسان است: زمانی که برای اولین بار به NotebookLM دسترسی پیدا کردید، یک دفترچه یادداشت ایجاد می‌کنید و اسنادی برای یک پروژه خاص یا خروجی خاص آپلود می‌کنید. در این نقطه شما می‌توانید بخوانید، یادداشت‌ها بگیرید، سوالات بپرسید، ایده‌های خود را سازماندهی کرده، یا از NotebookLM بخواهید تا خلاصه‌های خودکار از تمام منابعتان را ایجاد کند – مانند یک راهنمای مطالعه یا یک فهرست محتویات. و با NotebookLM، منابعی که آپلود می‌کنید برای آموزش مدل استفاده نمی‌شود.

نظرات کارشناسی و نکات کلیدی

در نهایت، به عنوان یک بلاگر تکنولوژی با تجربه و توان تحلیل نقدی، من با افتخار اظهار نظر می‌کنم که بهبودهای اعمال شده در NotebookLM، از جمله پشتیبانی از اسلایدهای گوگل، امکان تبدیل منابع به فرمت‌های مفید، و توانایی بررسی واقعیت‌ها، توانایی کاربران در استخراج اطلاعات و تولید دیدگاه از مجموعه‌های بزرگ اسناد را افزایش داده است. از طرف دیگر، کاربران واقعی از این ابزار در زمینه‌های گوناگون مانند تحقیق و نوشتار، حکومت‌های محلی، فروش و حتی بازی‌های نقش‌آفرینی استفاده موثری کرده‌اند. این ابزار قدرتمند به کاربران قدرت ساخت ارتباطات و تولید درک از مجموعه‌های بزرگ اسناد را داده است و امیدواریم ببینیم که متصور دیگر از دنیا با آن چه کرده‌اند است

منبع:
این مقاله در اصل در https://blog.google/technology/ai/notebooklm-goes-global-support-for-websites-slides-fact-check/ منتشر شده است.

امکان گوش دادن به گفتگو در مورد منابع خود را در NotebookLM دارید

/در /توسط

معرفی امکان جدید در NotebookLM

در تاریخ 11 سپتامبر 2024، یک قابلیت جدید به نام “Audio Overview” در ابزار NotebookLM معرفی شد که به کاربران کمک می‌کند تا با گوش کردن به گفتگوهای تولید شده توسط هوش مصنوعی، به درک بهتری از منابع خود برسند. این گفتگوها مطالب را خلاصه کرده، ارتباطات بین موضوعات را برقرار می‌کنند، و می‌توانند برای گوش دادن در حالت روزانه دانلود شوند. این ویژگی هنوز به عنوان یک آزمایشی معرفی شده است و محدودیت‌هایی از قبیل عدم دقت در توضیحات و عدم امکان قطع گوش به راهبرد های هوش مصنوعی وجود دارد. تیم که خود را متشوق معرفی این روش جدید درک اطلاعات معرفی می‌کند.

راهنمایی‌های کلیدی در مورد امکان جدید

  • امکان گوش دادن به گفتگوهای تولید شده توسط هواش مصنوعی در مورد منابع خودر
  • دو میزبان هوش مصنوعی، محتواهای شما را خلاصه کرده و ارتباطات را برقرار می‌کنند، ایجاد یک گفتگوی “عمیق”
  • امکان دانلود و گوش دادن در حالت روزانه برای یادگیری و به یادسپاری مطالب
  • ضروری است که به خاطر داشته باشید که این گفتگوها جامع یا فعالیت های سوژه های موجود اشتباه بابت منابع تهیه شده نیستند.
  • این ویژگی هنوز در حال آزمایش است و محدودیت‌هایی از قبیل زمان طولانی برای تولید برای دفترچه‌های یادداشت بزرگ برخی دقت‌ها در توضیحات وجود دارد.

نظر کارشناس

ویژگی جدید “Audio Overview” که توسط ابزار NotebookLM معرفی شده است، به کاربران امکان می‌دهد تا به طریق گوش‌ دادن به گفتگوهای تولید شده توسط هوش مصنوعی، به بهترین شکل از منابع خود استفاده کنند. این ویژگی می‌تواند به عنوان یک ابزار موثر برای یادگیری و حفظ اطلاعات مفید باشد. اما اهمیت دارد که به محدودیت‌های وجودی این ویژگی، مانند دقت توضیحات و زمان طولانی برای تولید برای دفترچه‌های یادداشت بزرگ توجه داشته شود.

منبع:
این مقاله در اصل در https://blog.google/technology/ai/notebooklm-audio-overviews/ منتشر شده است.

تکنولوژی مکالمه‌ای LaMDA: یک نگاه عمیق

/در /توسط

معرفی تکنولوژی LaMDA

این مقاله در تاریخ ۱۸ مه ۲۰۲۱ به معرفی تکنولوژی LaMDA توسط گوگل می‌پردازد. این تکنولوژی به عنوان یک اختراع جدید در حوزه مکالمه شناخته می‌شود که به دنبال بهبود و توسعه‌ی تکنولوژی‌های مکالمه و ارتباط با کامپیوتر می‌باشد. با اینکه تا کنون تکنولوژی‌ها و مدل‌های زبانی بسیاری مانند BERT و GPT-3 توسط گوگل توسعه یافته‌اند، LaMDA به عنوان یک گام بزرگ به جلو در این حوزه معرفی شده است.

تکنولوژی Transformer و نحوه آموزش LaMDA

همانطور که بیان شد، تکنولوژی LaMDA بر اساس مدل Transformer ساخته شده است که توسط تیم تحقیقاتی گوگل در سال ۲۰۱۷ معرفی شد. LaMDA به روشی جدید برای آموزش مدل‌های زبانی تحت عنوان “لغت‌نامه زبان برای برنامه‌های مکالمه” توسعه یافته و آموزش داده شده است. این تکنولوژی به شیوه‌ای که ما در مکالمات و گفت‌وگوهای تحت عنوان “مکالمه” می‌توانیم تاثیر گذاریم، بهبود آورده است.

مزایای LaMDA و تلاش‌های گوگل برای بهبود آن

گوگل اعلام کرده که طی سال‌های گذشته تلاش‌های زیادی برای توسعه مدل‌های زبانی انجام داده است و LaMDA یکی از نتایج این تلاش‌هاست. این تکنولوژی بهبودهای چشمگیری نسبت به مدل‌های مکالمه‌ای قبلی داشته و امریجدید در امکانات مکالمه با فناوری را به وجود آورده است. گوگل نه تنها به ابعاد مثل “علاقه‌مند کننده” در پاسخ‌های مدل‌های مکالمه اهمیت می‌دهد، بلکه به شیوه اطمینان از دقت و صحت پاسخ‌های این مدل‌ها نیز اهمیت می‌دهد.

اهمیت تأکید بر اصول هوش مصنوعی

گوگل با انتشار مدل LaMDA تأکید بر اصول هوش مصنوعی خود می‌کند و اهمیت آن را مورد توجه قرار می‌دهد. از جمله اصولی که گوگل به آن توجه می‌کند، برطرف کردن بیشترین احتمالات بدیهی و نادرستی که این تکنولوژی‌ها ممکن است داشته باشند است. اولویت بالاتر گوگل هنگام توسعه تکنولوژی‌های جدید، بالغ بر این است که ریسک‌های مرتبط با این تکنولوژی‌ها را حداقل کند.

نکات کلیدی و نظرات اختصاصی

با توجه به اعلام گوگل در مورد تکنولوژی LaMDA، مشخص است که این تکنولوژی گام مهمی در جهت پیشرفت تکنولوژی‌های مکالمه و ارتباط با کامپیوترها است. LaMDA توانایی‌های مکالمه‌ای بسیار بالایی دارد و می‌تواند بهبود چشمگیری در فرایندهای ارتباطی فناوری‌ها به وجود آورد.

نکات کلیدی:
– تکنولوژی LaMDA اخراجی در زمینه مکالمه و گفت‌وگوهای اختصاصی است.
– گوگل به اصول هوش مصنوعی خود در توسعه تکنولوژی‌های مدرن اهمیت می‌دهد.
– LaMDA به عنوان یک نقطه تحولی در جهت فناوری‌های مکالمه‌ای معرفی شده است.

منبع:
این مقاله در اصل در https://blog.google/technology/ai/lamda/ منتشر شده است.

تفاوت بین سایت‌های استاتیک و داینامیک و کدام برای شما مناسب‌تر است؟

/در /توسط

مقدمه

در دنیای امروزی اینترنت، وب‌سایت‌ها به دو دسته اصلی تقسیم می‌شوند: استاتیک و داینامیک. هر دو نوع وب‌سایت از مزایا و معایب خود برخوردارند و بر اساس نیاز و توانایی‌های شما، یکی از آن‌ها ممکن است برای شما مناسب‌تر باشد. در این مقاله، به مقایسه تفاوت‌های بین سایت‌های استاتیک و داینامیک پرداخته و به شما کمک می‌کنیم تا بتوانید انتخاب مناسبی برای وب‌سایت خود داشته باشید.

سایت‌های استاتیک

سایت‌های استاتیک، به طور کلی از صفحات HTML ساده تشکیل شده‌اند که محتوا و طراحی آن‌ها در زمان ایجاد سایت تعیین می‌شود و تغییرات بعدی در آن‌ها به صورت دستی اعمال می‌شود. یکی از مزایای اصلی این نوع وب‌سایت‌ها، سرعت بارگذاری بالا و امنیت بیشتر آن‌ها است. همچنین، هزینه توسعه و نگهداری آن‌ها نیز کمتر از سایت‌های داینامیک است.

سایت‌های داینامیک

سایت‌های داینامیک از پایگاه داده برای ذخیره و مدیریت اطلاعات استفاده می‌کنند و محتوا و طراحی آن‌ها بر اساس درخواست کاربر تولید می‌شود. این نوع وب‌سایت‌ها امکانات بیشتری مانند جستجوی پیشرفته، فرم‌های تعاملی و قابلیت انطباق با دستگاه‌های مختلف را فراهم می‌کنند. اما، سرعت بارگذاری پایین‌تر و پیچیدگی بیشتر در توسعه آن‌ها ممکن است یکی از معایب آن‌ها باشد.

تفاوت‌ها و مقایسه

1. امنیت: سایت‌های استاتیک به دلیل عدم استفاده از پایگاه داده و قابلیت‌های تعاملی کمتر، امنیت بالاتری دارند. از سوی دیگر، سایت‌های داینامیک به دلیل وجود پایگاه داده و قابلیت‌های تعاملی بیشتر، به خطر امنیتی بیشتری معرض هستند.

2. سرعت: سایت‌های استاتیک به دلیل عدم نیاز به پردازش دینامیک، سریع‌تر از سایت‌های داینامیک بارگذاری می‌شوند. اما، سایت‌های داینامیک به دلیل نیاز به پردازش دینامیک، ممکن است سرعت بارگذاری پایین‌تری داشته باشند.

کدام نوع وب‌سایت برای شما مناسب‌تر است؟

اگر به دنبال یک وب‌سایت ساده با سرعت بالا و امنیت بیشتر هستید، سایت‌های استاتیک برای شما مناسب‌تر هستند. اما، اگر نیاز به امکانات تعاملی بیشتر، قابلیت جستجوی پیشرفته و انطباق با دستگاه‌های مختلف دارید، سایت‌های داینامیک بهترین گزینه برای شما خواهند بود.

نتیجه

در نهایت، انتخاب بین سایت‌های استاتیک و داینامیک بستگی به نیاز و توانایی‌های شما دارد. با مقایسه تفاوت‌ها و مزایا و معایب هر دو نوع وب‌سایت، شما می‌توانید انتخاب مناسبی برای وب‌سایت خود داشته باشید و به بهترین شکل ممکن از آن استفاده کنید.

همکاری با iCAD برای بهبود اسکرینینگ سرطان پستان

/در /توسط

مقدمه

در حالی که سرطان پستان یکی از شایع‌ترین انواع سرطان در جهان است، شناسایی زودرس می‌تواند به نجات جان افراد و بهبود نتایج در میان آنها که این بیماری را دارند کمک کند. در Google Health، ما در حال توسعه هوش مصنوعی هستیم تا دقت اسکرینینگ سرطان پستان را بهبود بخشیم و دسترسی بیشتری به آن فراهم کنیم. در طول زمان، اسکرینینگ‌های بهتر بهبود نتایج بهداشتی را ارتقا می‌دهند و تفاوت‌های ذاتی بین افراد را کاهش خواهند داد.

همکاری با iCAD

در اعلام یک همکاری جدید، ما با شرکت iCAD همکاری کرده‌ایم. iCAD یکی از رهبران فناوری پزشکی و شناسایی سرطان است و این اولین بار است که مدل تحقیقاتی هوش مصنوعی مربوط به اسکرینینگ پستان خود را به این شرکت لایسنس می‌دهیم. iCAD به سمت اعتبارسنجی و یادگیری تکنولوژی هوش مصنوعی اسکرینینگ پستان توسط Google Health با هدف بهبود شناسایی سرطان پستان و ارزیابی خطر سرطان شخصی برای بیش از دو میلیون نفری که هر سال به طور جهانی دچار سرطان پستان می‌شوند پی خواهد برد.

در حالی که اسکرینینگ‌های سرطان پستان حیاتی‌اند برای بهبود نتایج، کمبود تخصصیان در سرتاسر جهان معنی دارد که سیستم‌های اسکرینینگ اغلب زیاده‌روی‌شده‌اند، باعث تاخیرهای طولانی و پراز اضطراب برای افرادی که منتظر نتایج هستند می‌شود. در برنامه‌های اسکرینینگ امروزی، چالش‌های مرتبط با دسترسی، دقت، تجربه بیمار و بار کارکنان درمانی وجود دارد. پورتفولیو ابزارهای تصویربرداری پستان شرکت iCAD و تکنولوژی هوش مصنوعی اسکرینینگ پستان Google Health این امکان را به رادیولوژیست‌ها می‌دهد تا بیشتر به بیماران خود تمرکز کنند.

استفاده از زیرساخت امن و قابل مقیاس Google Cloud

علاوه بر لایسنس دادن تکنولوژی هوش مصنوعی ما، iCAD نیز از زیرساخت امن و قابل مقیاس گوگل کلاد استفاده خواهد کرد که به او امکان می‌دهد تا به سرعت راه‌حل‌های قابل مقیاس مبتنی بر ابر را به مناطق جدید گسترش دهد. با انجام این کار، iCAD می‌تواند دسترسی به ابزارهای مبتنی بر هوش مصنوعی در مناطقی که چالش‌های زیرساختی ممکن است توان ارائه اسکرینینگ سرطان پستان را محدود کند، فراهم کند.

توجه به توسعه تکنولوژی

این همکاری تجاری با iCAD به ما نشان می‌دهد که پس از چندین سال سرمایه‌گذاری و تحقیق و آزمایش ارادی، حالا آماده هستیم تا با iCAD همکاری کرده و گام‌های بعدی را به سمت یکپارچه‌سازی این تکنولوژی در یک محیط بالینی واقعی برداریم. این همکاری با iCAD این انتقال مرحله‌ بر مرحله در کار ما در زمینه اسکرینینگ پستان را تأیید می‌کند.

نتیجه‌گیری و نظرات کارشناسی

با گذشت زمان، تکنولوژی هوش مصنوعی در زمینه اسکرینینگ سرطان پستان به خوبی اثرگذار بوده و به ارائه بهترین مشاوره‌ها به بیماران کمک کرده است. همکاری با شرکت‌های معتبر نظیر iCAD این امکان را فراهم می‌کند تا از مزایای این تکنولوژی هوش مصنوعی در محیط‌های بالینی استفاده شود و خطرات مرتبط با سرطان پستان کاهش یابد. این مشارکت و همکاری می‌تواند به بهبود عملکرد سیستم‌های اسکرینینگ سرطان پستان در سراسر جهان، افزایش دسترسی به مراکز تصویربرداری پستان مبتنی بر هوش مصنوعی در مناطق غیرخدماتی و بهتر کردن تجربه بیماران منجر شود.

منبع:
این مقاله در اصل در https://blog.google/technology/ai/icad-partnership-breast-cancer-screening/ منتشر شده است.

شناسایی محتوای ساخته شده با ابزارهای هوش مصنوعی گوگل با استفاده از SynthID Detector

/در /توسط

مقدمه

در دنیای فناوری امروزی، پیشرفت‌های چشمگیر در حوزه هوش مصنوعی، امکان ایجاد محتواهای متنوعی از جمله متن، صداهای با کیفیت بالا، تصاویر و ویدیوها را به طرق کاملاً جدید فراهم کرده است. با پیشرفت این قابلیت‌ها و تبدیل شدن آنها به صورت گسترده‌تر در دسترس عموم، مسائلی از جمله اعتبار، زمینه و تایید مطرح می‌شوند.

معرفی SynthID Detector

در این راستا، باید به تازگی SynthID Detector معرفی شده است، که یک پورتال تاییدی برای شناسایی سریع و کارآمد محتواهای ساخته شده با هوش مصنوعی گوگل است. این پورتال، قابلیت‌های شناسایی در اختیار بخش‌های مختلفی از محتوا را در یک مکان فراهم می‌کند و شفافیت ضروری را در صفحه محتواهای تولیدی در حوزه رسانه‌های تولیدی فراهم می‌کند. همچنین، محتواهایی که بخش‌های آنها احتمالاً با SynthID آب زده شده‌اند را نیز مشخص می‌کند.

چگونگی عملکرد SynthID Detector

به منظور استفاده از SynthID Detector، باید تصویر، پیام صوتی، ویدیو یا متنی را که با استفاده از ابزارهای هوش مصنوعی گوگل ساخته شده باشد، بارگذاری کنید. پس از اینکه پورتال مطلب بارگذاری‌شده را بررسی کند، در صورت وجود آب‌زدگی SynthID، بخش‌های مشخصی از محتوا که احتمال آب‌زده شدن آن را دارند را مشخص می‌کند.

گسترش اکوسیستم SynthID

برای رشد یک اکوسیستم معتبر، ما SynthID را به طور رفتگری منبع‌باز کرده‌ایم، تا هر توسعه‌دهنده‌ای بتواند با این تکنولوژی کار کند و آن را به مدلهای خود ادغام کند. همچنین، در سال‌های اخیر، ما گام اول در ایجاد یک اکوسیستم از شرکای صنعتی برای گسترش استفاده از تکنولوژی SynthID برداشته‌ایم.

نتیجه‌گیری و دیدگاه شخصی

در پایان، لازم است بگوییم که شفافیت محتوا هنوز یک چالش پیچیده است. برای ادامه یاری دادن و قدرت بخشیدن به افرادی که با محتوای تولید شده توسط هوش مصنوعی سر‌وکار دارند، اعتقاد داریم که ادامه همکاری با جامعه هوش مصنوعی و گسترش دسترسی به ابزارهای شفافیت بسیار حیاتی است.

در نهایت، SynthID Detector یک ابزار بسیار مفید است که به افرادی که با محتوای ایجاد شده توسط هوش مصنوعی سر‌وکار دارند، امکان شناسایی آب‌زدگی‌های SynthID را در محتواهایشان می‌دهد. این ابزار به آنها کمک می‌کند تا از اعتبار و شفافیت محتوای خود اطمینان حاصل کنند.

نکات کلیدی

– امکان شناسایی محتوای تولیدی با استفاده از ابزارهای هوش مصنوعی گوگل به وسیله SynthID Detector
– ابزاری کارآمد برای حفظ شفافیت و اعتبار محتوای تولید شده
– توسعه اکوسیستم SynthID از طریق منبع‌باز کردن تکنولوژی آن
– همکاری با شرکای صنعتی و پلت فرمهای تأیید محتوا به منظور گسترش استفاده از تکنولوژی SynthID

—
نظر کارشناس:
SynthID Detector یک ابزار مهم و حیاتی است که به صورت قابل اعتمادی به کاربران اجازه می‌دهد تا محتوای تولید شده با استفاده از هوش مصنوعی را شناسایی و تحقیق کنند. این ابزار نقش مهمی در جلوگیری از گسترش اطلاعات غلط و افزایش شفافیت محتواهای آنتها دارد و می‌تواند به ترسیم منشأ و اعتبار این محتواها کمک کند. به نظر من میزان اعتماد به محتواهای تولیدی با استفاده از هوش مصنوعی با اینگونه ابزارها افزایش پیدا می‌کند ورفاه کاربران و مطالعه‌کنندگان را بهبود می‌بخشد.

منبع:
این مقاله در اصل در https://blog.google/technology/ai/google-synthid-ai-content-detector/ منتشر شده است.

آپدیت‌های گوگل Gemini: فلش 1.5، گما 2 و پروژه آسترا

/در /توسط

نسخه‌های جدید خانواده مدل‌های Gemini

در این مقاله به بررسی آخرین آپدیت‌های خانواده مدل‌های Gemini از جمله مدل جدید فلش 1.5 که به منظور سرعت و کارآیی بهینه‌سازی شده است، و پروژه آسترا که یک چشم انداز برای آینده دستیارهای هوش مصنوعی ما است، می‌پردازیم.

مدل جدید 1.5 فلش، بهینه‌سازی شده برای سرعت و کارآیی

مدل 1.5 فلش جدیدترین افزوده به خانواده مدل‌های Gemini است و سریع‌ترین مدل Gemini که در API ارائه شده است. این مدل بهینه‌سازی شده برای وظایف بالاحجم و بالای فرکانس به منظور مقیاس‌پذیری بیشتر می‌باشد و دارای پنجره طولانی کانتکست اختراقی ما است.

بهبود چشم‌گیر 1.5 پرو

در طول چند ماه گذشته، ما 1.5 پرو خود، بهترین مدل ما برای عملکرد کلی در طیف گسترده‌ای از وظایف، بهبود چشمگیری داده‌ایم. بیشتر از اینکه با رویکردی ٢ میلیون توکن از پنجره کانتکست گلمینى 1.5 گسترش دهیم، ما توانایی تولید کد، استدلال منطقی و برنامه‌ریزی، مکالمات چند دوره، و درک صوتی و تصویری آن را از طریق پیشرفت‌های دادهای و الگوریتمی بهبود داده‌ایم.

نسل بعدی از مدل‌های باز

امروز ما همچنین یک سری به‌روزرسانی‌ها را در مورد ژما، خانواده مدل‌های باز ما که از تحقیق و فناوری مورد استفاده برای ایجاد مدل‌های Gemini ساخته شده‌اند، به اشتراک می‌گذاریم.

پیشرفت در توسعه عامل‌های هوش مصنوعی یونیورسال

به عنوان بخشی از مأموریت گوگل دیپ‌مایند برای ساختن هوش مصنوعی به صورت مسئولانه به نفع بشریت، همیشه می‌خواستیم عامل‌های هوش مصنوعی یونیورسال توسعه دهیم که در زندگی روزمره مفید باشند. به همین دلیل امروز پیشرفت خود را در ایجاد آینده دستیارهای هوش مصنوعی با پروژه آسترا به اشتراک می‌گذاریم.

تحقیقات ادامه دار

تا کنون پیشرفت‌های بی‌نظیری را با خانواده مدل‌های Gemini خود داشته‌ایم و همیشه بر آن بوده‌ایم تا وضعیت هنر به نحو احسنت را بهبود بخشیده و در عین حال امکان اکتشاف ایده‌های جدید در مرز، را هم به دست بیاوریم.

نظر کارشناسی

آخرین آپدیت‌های خانواده Gemini از گوگل نشان می‌دهد که شرکت همچنان در توسعه فناوری هوش مصنوعی پیشرو است. با اضافه کردن مدل‌های جدید به خانواده Gemini، گوگل به توانایی‌های چند چهارگانه و قدرت بینایی مصنوعی در مدل‌هایش افزوده است. پروژه آسترا نیز نشان از تلاش‌های این شرکت برای ساختن دستیارهای هوش مصنوعی جهت استفاده روزمره توسط افراد دارد، که می‌تواند به طور قابل توجهی تجربه کاربران را بهبود بخشد.

منبع:
این مقاله در اصل در https://blog.google/technology/ai/google-gemini-update-flash-ai-assistant-io-2024/ منتشر شده است.

استفاده از Web Workers برای انجام پردازش‌های سنگین در جاوا اسکریپت

/در /توسط

معرفی Web Workers

Web Workers اجازه می دهد تا کدهای جاوا اسکریپت را در پس زمینه اجرا کند، بدون اینکه واسط کاربری واکنشگرا بلاک شود. این به توسعه دهندگان اجازه می دهد تا عملیات پردازشی سنگین را در پس زمینه انجام دهند و از تاخیر در برنامه های وب جلوگیری کنند.

چرا باید از Web Workers استفاده کنیم؟

وقتی که یک برنامه وب نیاز به پردازش داده های بزرگ یا محاسبات پیچیده دارد، استفاده از Web Workers می تواند بهبود قابل توجهی در عملکرد برنامه داشته باشد. با استفاده از Web Workers، می توانیم از چندین رشته برای انجام کارهای مختلف استفاده کنیم و برنامه را بهینه سازی کنیم.

نحوه استفاده از Web Workers در جاوا اسکریپت

برای استفاده از Web Workers در جاوا اسکریپت، ابتدا یک فایل جدید با پسوند .js بسازید و کد مورد نظر خود را در آن قرار دهید. سپس با استفاده از کلاس Worker، یک شیء Worker جدید ایجاد کنید و فایل جدید را به عنوان ورودی به آن ارسال کنید. به این ترتیب، کد شما در پس زمینه اجرا خواهد شد.


// ایجاد یک شیء Worker
const myWorker = new Worker('worker.js');

// ارسال پیام به Worker
myWorker.postMessage('Hello World');

// دریافت پیام از Worker
myWorker.onmessage = function(event) {
  console.log('Received message from Worker:', event.data);
};

محدودیت های Web Workers

با وجود تمامی فوایدی که Web Workers ارائه می دهند، باید به محدودیت های آن نیز توجه کنیم. به عنوان مثال، Web Workers نمی توانند به DOM دسترسی داشته باشند، بنابراین نمی توانند تغییراتی در صفحه اعمال کنند. همچنین، Web Workers فقط از API هایی که در محیط Worker قابل دسترسی هستند می توانند استفاده کنند.

نتیجه گیری

استفاده از Web Workers برای انجام پردازش های سنگین در جاوا اسکریپت می تواند بهبود قابل توجهی در عملکرد برنامه های وب شما ایجاد کند. با اجرای عملیات پردازشی در پس زمینه و بهینه سازی برنامه، می توانید تجربه کاربری بهتری را برای کاربران خود فراهم کنید.

معرفی جمینی: پیشرفته‌ترین مدل هوش مصنوعی گوگل

/در /توسط

معرفی جمینی

جمینی از پیشرفته‌ترین و کاربردی‌ترین مدل‌های هوش مصنوعی است که تاکنون توسط گوگل معرفی شده است. این مدل که توسط تیم‌های متعدد گوگل، از جمله همکاران محترم در Google Research ساخته شده است، برای بودن چندحالته بهینه شده است، به این معنا که می‌تواند برای تفسیر، فهم و ترکیب انواع مختلف اطلاعات از جمله متن، کد، صدا، تصویر و ویدئو به کار گرفته شود.

عملکرد پیشرفته

در مقایسه با دیگر مدل‌های موجود، جمینی عملکرد بسیار بالایی را در زمینه‌های مختلف نشان داده است. به عنوان مثال، جمینی Ultra با امتیاز ۹۰.۰٪ در بنچمارک MMLU توانسته است حتی از انسان‌های حرفه‌ای هم جلو بگیرد. همچنین، این مدل عملکرد بسیار بالایی در بنچمارک‌های متعدد دیگری نیز داشته است که نشان‌دهنده قابلیت‌های پیشرفته تفکری جمینی است.

قابلیت‌های نسل بعدی

پرداختن به بخش‌های مختلف و گوناگون همواره چالش بزرگی در زمینه مدل‌های هوش مصنوعی بوده است. جمینی از طراحی‌های چندحالته بومی برخوردار است و بهینه‌سازی شده است تا بتواند تمام انواع ورودی‌ها را از پایه تا بمیان بفهمد و درخور استفاده از آن‌ها مفهوم‌سازی نماید.

توانایی‌های پیشرفته فهم و تفکر

جمینی 1.0 توانایی‌های پیچیده‌ای در تفکر چندحالته دارد که به آن امکان می‌دهد تا از اطلاعات پیچیده‌ای که در میان حجم عظیمی از داده‌ها قرار دارند، نکات ضروری را استخراج کند. این مدل از توانایی منحصر به فردی برای استخراج الهامات از صدها هزار سند از طریق خواندن، فیلتر کردن و درک اطلاعات برخوردار است که به واکاوی‌های جدید در سرعت‌های دیجیتال در زمینه‌های مختلف از علوم تا اقتصاد کمک می‌کند.

نسل‌های آینده

گوگل برای توسعه آینده جمینی و بالابردن قابلیت‌های آن، از پیشرفت‌هایی در زمینه برنامه‌ریزی و حافظه استفاده خواهد کرد و با افزایش پنجره‌های زمانی پردازش اطلاعات بیشتر، پاسخ‌های بهتری ارائه خواهد داد.

نظرات خبری و ارزیابی کلیدی

با معرفی مدل جمینی، گوگل گام مهمی در زمینه توسعه هوش مصنوعی برداشته است و نشان داده است که تمرکز بر پیشرفت و توسعه مدل‌های هوش مصنوعی به شدت در دستور کار آنها قرار دارد. این مدل با قابلیت‌های پیشرفته خود در تفکر چندحالته و فهم مضامین مختلف، امیدواری می‌دهد که استفاده از هوش مصنوعی در زندگی روزمره و صنایع مختلف به یک سطح بالاتر از پیش پی‌برد آورد.

—

نظر کارشناس:
همانطور که از متن برمی‌آید، مدل هوش مصنوعی جدید گوگل به نام جمینی قدرت‌های بیشتری نسبت به مدل‌های قبلی دارد و قابلیت‌های پیشرفته‌ای در زمینه فهم و تفکر چندحالته دارد. این مدل نشان از توجه گوگل به پیشرفت تکنولوژی هسته و استفاده بهینه از هوش مصنوعی برای بهبود خدمات و محصولات آن دارد. این موضوع نشان از ارتقاء مداوم گوگل در حوزه هوش مصنوعی و افزایش توانایی تکنولوژی‌های مرتبط است.

منبع:
این مقاله در اصل در https://blog.google/technology/ai/google-gemini-ai منتشر شده است.