Ai Events️

06 November 2024 07:01

نمادبین اوشاخلاری!
یه ابزار می‌خوام بهتون معرفی کنم، شبا از فکرش خواب‌تون نبره!

ماهایی که بیسچاری داریم به LLM‌ها فکر می‌کنیم، همیشه ته ذهنمون اینه که چطور مدل رو بالا بیاریم که توهم نزنه، کاربر نتونه دور بزنتش، اطلاعات رقیب تو دیتاست‌مون نباشه و کلی مسایل از این دست که موقع آموزش، پرامپت زدن و خروجی گرفتن بهش فکر می‌کنیم.

حالا فکر کنید یکی اومده یه ابزار نوشته که ما می‌تونیم با خیال راحت خط قرمزهامون رو بهش بدیم و اون تو ورودی دادن به مدل یا خروجی گرفتن از مدل ازشون مراقبت کنه!

ابزار Guardrails عزیز!
این ابزار در واقع یه فریم‌ورک پایتونیه که برای ایجاد اپلیکیشن‌های هوشمند و مطمئن طراحی شده. تو این اوضاع سخت پیش پردازش داده‌ی آموزش و پرامپت، داشتن ابزارهایی مثل Guardrails دیگه یه انتخاب نیست، یه نیازه!

ابزار Guardrails چی کار می‌کنه؟
1. کنترل ریسک‌ها: Guardrails به شما این امکان رو می‌ده که ورودی‌ها و خروجی‌های اپلیکیشنتون رو بررسی کنید و اگه مشکلی مثل اطلاعات غلط، توهین‌آمیز، یا غیرمعتبر در خروجی مدل‌تون بود، جلوی اون رو بگیرید. اینطوری می‌تونید جلوی سوءاستفاده از مدل و اتفاقات ناخوشایند رو بگیرید.
2. تولید داده‌های ساختارمند از مدل‌های زبانی (LLMs): می‌تونید از Guardrails برای گرفتن داده‌هایی با قالب مشخص و استاندارد از مدل‌ها استفاده کنید، مثل تولید پاسخ‌هایی که نه فقط از نظر محتوایی درست هستند بلکه از نظر قالب و ساختار هم با انتظارات شما همخوانی دارن.

چرا Guardrails ضروریه؟
توی دنیای هوش مصنوعی، ممکنه داده‌ها و خروجی‌ها از کنترل خارج بشن و رفتارهای غیرمنتظره‌ای داشته باشن. با استفاده از Guardrails، می‌تونید از همون اول جلوی خیلی از این مشکلات رو بگیرید. این ابزار به شما کمک می‌کنه:

- ورودی‌ها رو غربال کنید تا مطمئن بشید مدل، داده‌های درست و قابل اعتماد می‌گیره.
- خروجی‌ها رو بررسی کنید و مطمئن شید که محتوای مناسب و بدون تعصب و سوءاستفاده ارائه می‌ده.
- از کاربران نهایی در مقابل خروجی‌های غیرقابل پیش‌بینی محافظت کنید.

یه مثال ساده
فرض کنید یه بات چت دارید که به مشتریان کمک می‌کنه تا سفارش‌هاشون رو پیگیری کنن. Guardrails می‌تونه کمک کنه تا اطمینان پیدا کنید که اطلاعات حساس مثل نام واقعی یا شماره تلفن در داده‌های آموزشی استفاده نشه و یا اینکه فقط کسانی که دسترسی دارند بتونن به اطلاعات مشتری‌ها دست پیدا کنن.

کاربرد Guardrails در مراحل مختلف طراحی هوش مصنوعی 🧠
- در مرحله آموزش: Guardrails کمک می‌کنه تا داده‌های آموزشی حساس یا شخصی که ممکنه به مدل منتقل بشن، فیلتر بشن و امنیت اطلاعات حفظ بشه.
- در ورودی‌ها و پرامپت‌ها: Guardrails می‌تونه ورودی‌ها رو از نظر احتمال ایجاد رفتارهای نامطلوب بررسی کنه و جلوی بروز مشکلات احتمالی رو
بگیره.
- در خروجی‌ها: Guardrails می‌تونه کیفیت، صحت و تناسب خروجی‌ها رو
بررسی کنه. مثلاً اگر خروجی غیر قابل اعتماد یا حتی مسموم باشه، Guardrails می‌تونه اونو فیلتر کنه.

چرا Guardrails مهمه؟
امنیت و اعتماد در هوش مصنوعی خیلی مهمه. Guardrails به شما این امکان رو می‌ده تا مطمئن بشید مدل فقط همون چیزی رو می‌گه که باید بگه و جلوی هرگونه
نتیجه نامطلوب رو می‌گیره. با استفاده از این ابزار، شما می‌تونید مدل‌هاتون رو با اعتماد به نفس بیشتری در اختیار کاربران بذارید.

لینک‌های زیر می‌تونه کمکتون کنه:

Learn to Implement Guardrails in Generative AI Applications

Mitigate Gen AI risks with Guardrails


@Ai_Events

Ai Events️

03 November 2024 18:38

A fast and flexible approach to help doctors annotate medical scans

🔥 Researchers at MIT, MGH, and Harvard Medical School have developed an AI-powered tool called ScribblePrompt that enables the rapid segmentation of medical images. 👀 The tool uses simulated scribbles and clicks to label images, reducing annotation time by 28% compared to existing methods. 🕒️

Source | @Ai_Events

Ai Events️

31 October 2024 18:46

Apple introduces Private Cloud Compute, a custom infrastructure for Apple Intelligence, prioritizing user data security and privacy.
Continue reading...

@Ai_Events

Ai Events️

26 October 2024 19:41

Amazon’s Audiobook Narrators Can Now Make Their Own AI Voice Clones

Audible announces trial program for AI voice clones to read audiobooks, allowing narrators and authors to control usage and review final narrations.

Google lets users digitize their passports on Wallet, limited to TSA-approved checkpoints, and announces syncing of Chrome tab grouping across platforms.

Meta trains AI models on UK Facebook and Instagram user data to reflect British culture and speech.

Source | @Ai_Events

Ai Events️

19 October 2024 07:26

مسابقه بین المللی هوش مصنوعی رایان
ai.rayan.global

@Ai_Events

Ai Events️

14 October 2024 16:25

دومین همایش هوش مصنوعی فرهنگستان علوم

ais.ac.ir

@Ai_Events

Ai Events️

08 October 2024 12:43

🎈🎊🎉🎁

The Nobel Prize in Physics was awarded to John Hopfield and Geoffrey Hinton (AKA the Godfather of AI) for their contribution to the field with their ML and AI research.

@Ai_Events

Ai Events️

06 October 2024 20:09

.
جایی که تو دستت نمی‌رسد؛
خدا شاخه‌ها را پایین می‌آورد.
من این صحنه را بارها دیده‌ام!

@Ai_Events
.

Ai Events️

06 October 2024 07:20

دوره‌ی Building Applications with Vector Databases تو کورسرا به شما آموزش می‌ده که چطور از وکتوردیتابیس Pinecone برای بحث‌های
Semantic Search
RAG
Recommender Systems
Hybrid Search
Facial Similarity Search
Anamoly Detection
استفاده کنید. این دوره کمتر از دو ساعت زمان شما رو می‌گیره و بهتون دید بسیار خوبی در مورد بحث‌های ذکر شده میده.

لینک دوره


@Ai_Events

Ai Events️

05 October 2024 07:27

اولین کنفرانس بین المللی یادگیری ماشین و کشف دانش

mlkd.aut.ac.ir

@Ai_Events

Ai Events️

02 October 2024 20:00

دومین کنفرانس بین المللی هوش مصنوعی و مهندسی نرم افزار


@Ai_Events

Ai Events️

02 October 2024 12:13

موردی که دوستان مطرح کردند اینه که ما بیایم کل رکوردهایی که از دیتابیس برگردوندیم رو بفرستیم تا مدل LLM خودش تصمیم بگیره از کدوم استفاده کنه، این کار به دو دلیل فنی قابل انجام نیست:

ااول اینکه ما محدودیت در ورود محتوی به مدل (LLM Context Limitation) داریم. معمولا مدل‌ها با محدودیت ورودی مواجه هستند، در حالت معمول تعداد ورودی مدل حدود 2048 توکن هست

مشکل دوم هم تاثیر منفی در LLM Recall Performance هست، به این معنی که اگر تعداد ورودی مدل رو بیشتر کنیم،‌ باعث تاثیر منفی در توانایی بازیابی اطلاعات توسط مدل میشه.

عبارت LLM Recall به معنای توانایی مدل در بازیابی اطلاعات هست.

این دو اشکال رو می‌تونید به صورت جزیی‌تر در مقاله زیر مطالعه کنید.
https://arxiv.org/pdf/2307.03172.pdf

@Ai_Events

Ai Events️

01 October 2024 15:20

مجموعه جلسات «گذر»

عنوان:
"Probabilistic Programming for Machine Learning"

ارائه‌دهنده:
امیرعباس اسدی

توضیحات:
Bayesian Learning provides a natural framework for approaching Machine Learning problems. For a long time, due to the significant computational cost of Bayesian inference, this framework was limited to simple models and problems with a small amount of data. Probabilistic Programming is the fruit of many years of research in approximate Bayesian inference aiming to address these limitations. This presentation is a friendly introduction to Probabilistic Programming. We will explore how modern inference methods and recent advances in Differentiable Programming can help us unlock the full potential of Bayesian Machine Learning.

پیشنیاز های علمی:  آمار و احتمال مقدماتی، آشنایی با Deep Learning


فرم ثبت‌نام

مهلت ثبت‌نام : ۱۵ مهر
زمان: چهارشنبه ۱۸ مهر - ساعت ۱۶:۰۰
مکان: به صورت هیبرید - کلاس ۱۰۹ دانشکده ریاضی
@Gozar_SUT
@hamband_sut

@AiY_Events

Ai Events️

26 September 2024 13:42

Apple Shared Its First Public AI-Generated Image. It’s Craig Federighi’s Dog

Apple's iOS 18 introduces Image Playground, a new AI feature that generates cartoonlike illustrations based on text prompts. Check out the first-ever example created by Apple's senior VP Craig Federighi for his wife's birthday!

Source | @Ai_Events

Ai Events️

25 September 2024 07:24

Imbalanced dataset and the problem of using Accuracy metric in such datasets!

@Ai_Events

Ai Events️

04 November 2024 14:59

یاد درس مدار الکتریکی افتادم که رییس حراست دانشگاه استادمون بود 😂😂😂

@Ai_Events

Ai Events️

03 November 2024 06:35

نخستین دوره کنفرانس بین المللی هوش مصنوعی به میزبانی دانشکده مهندسی و علوم کامپیوتر دانشگاه شهیدبهشتی در اسفندماه سال جاری برگزار خواهد شد.
این کنفرانس پوشش دهنده جنبه‌های تخصصی هوش مصنوعی و کاربردهای آن در کلیه حوزه‌های دانشی شامل رشته‌های مختلف مهندسی (نظیر کامپیوتر، برق، عمران، مکاترونیک و ...)، علوم اجتماعی و انسانی، اقتصاد، حقوق و حوزه سلامت و بهداشت خواهد بود.
برای کسب اطلاعات بیشتر به سایت کنفرانس مراجعه فرمایید:
iai-conf.ir


@Ai_Events

Ai Events️

27 October 2024 18:45

AI Has Helped Shein Become Fast Fashion’s Biggest Polluter

Shein, the world's largest fast-fashion company, uses AI to predict demand and create trendy clothing at an unprecedented scale. But its ultra-fast manufacturing practices and online-only business model are inherently emissions-heavy, and experts worry that AI is exacerbating the environmental impact.

Source | @Ai_Events

Ai Events️

19 October 2024 12:55

https://csicc2025.csi.org.ir

@Ai_Events

Ai Events️

17 October 2024 15:59

چهاردهمین کنفرانس بین المللی تجارت الکترونیک با رویکرد هوش مصنوعی، اینترنت اشیاء، متاورس و کسب و کار الکترونیکی

ecdcconference.org

@Ai_Events

Ai Events️

09 October 2024 15:55

کلاس آنلاین ریاضیات هوش مصنوعی

استاد: دکتر بهروز نصیحت‌کن، استادیار دانشگاه خواجه نصیر

https://meet.kntu.ac.ir/b/rooms/x7k-o5t-uoq-lvk/join


@Ai_Events

Ai Events️

07 October 2024 16:52

تو مطالعاتی که این مدت روی وکتوردیتابیس‌ها داشتم، به یه جمع بندی کلی در ویژگی‌هاشون رسیدم که تو این تصویر از جدول مقایسه آوردم‌شون.

اگر به دنبال انتخاب یک دیتابیس برداری (vector database) هستید، این جدول می‌تونه به شما کمک کنه تا تفاوت‌های اصلی بین گزینه‌های مختلف را درک کنید.

بعضی از دیتابیس‌ها مثل Pinecone فقط در فضای ابری ارائه می‌شن و برخی دیگر مانند Milvus و Weaviate قابلیت اجرا در محیط‌های لوکال و ابری دارن.

از نظر مقیاس‌پذیری، همه به‌جز Faiss از مقیاس‌پذیری افقی و عمودی پشتیبانی می‌کنند. از لحاظ امنیت، Pinecone، Milvus، Weaviate و Elasticsearch امکانات رمزنگاری و احراز هویت دارند، در حالی که Faiss فاقد این امکانات است.

انتخاب درست دیتابیس بستگی به نیاز شما از مقیاس‌پذیری، امنیت و پشتیبانی داره و باید جنبه‌های مختلف دیگه‌ای هم بررسی بشه.

تو جامعه فارسی، من تعریف Milvus رو زیاد شنیدم، اما هنوز کامیونیتی کاملی براش تشکیل نشده که تو اوایل شروع به‌کار یه ابزار طبیعیه.

@Ai_Events

Ai Events️

06 October 2024 16:26

World's first fully robotic heart transplant performed

A groundbreaking achievement in medical technology has been made at King Faisal Specialist Hospital and Research Centre in Riyadh, Saudi Arabia, where the world’s first fully robotic heart transplant was successfully performed. The operation, lasting about two and a half hours, was conducted on a 16-year-old patient suffering from end-stage heart failure, who specifically requested that his chest remain unopened during the procedure.

This landmark surgery not only showcases the capabilities of robotic technology in medicine but also sets a precedent for future procedures. It represents a major step forward in cardiac care, offering hope for improved outcomes in patients requiring heart transplants.

Source | @Ai_Events

Ai Events️

05 October 2024 10:19

خروجی کد زیر چیست؟ (append vs extend in Python list)‌

a= [0, 1, 2]

b = []
b.append(a)

c=[]
c.extend(a)

print(b, c)

Ai Events️

04 October 2024 19:42

Amazon partners with Anthropic to enhance Alexa

Amazon is set to launch a revamped version of its Alexa voice assistant, powered by Anthropic's Claude AI models. The update will offer advanced generative AI to handle complex queries and is expected to be available this October.

Source | @Ai_Events

Ai Events️

02 October 2024 16:51

.
برای رفع مشکل مطرح شده در این پست، یک مرحله‌ پس از بازیابی وکتورها از دیتابیس اضافه می‌کنیم که به آن رنکینگ مجدد (re-ranking) می‌گویند.

الگوریتم رنکینگ مجدد، نوعی مدل است که برای هر جفت سوال و سند، یک نمره انطباق محاسبه می‌کند. این نمره می‌تواند برای مرتب‌سازی نتایج جستجوی وکتور استفاده شود و اطمینان حاصل کند که نتایج مرتبط‌تر در بالای لیست قرار می‌گیرند.

به طور خلاصه، گام اولیه شامل بازیابی وکتورهای مرتبط با سوال کاربر از وکتور دیتابیس است. پس از به دست آوردن این اسناد مرتبط، رنکینگ مجدد اعمال می‌شود تا بهترین و مرتبط‌ترین نتایج در صدر لیست قرار بگیرند. این اسناد رده‌بالا که با سوال کاربر بیشترین همخوانی را دارند، سپس به LLM ارسال می‌شوند تا دقت و صحت نتایج را بهبود ببخشند.

در نظر داشته باشید که که مدل‌های رنکر معمولاً کند هستند، به همین دلیل، این مدل‌ها در مرحله اولیه جستجوی وکتورهای مشابه با سوال کاربر، استفاده نمی‌شه.
استفاده از این الگوریتم شما رو در برابر trade-off سرعت-کیفیت قرار میده.

تو پست‌های بعدی کانال، به تفصیل درباره روش‌های مختلف رنکینگ مجدد و تأثیر آن بر کارایی سیستم می‌پردازم.

@Ai_Events

Ai Events️

02 October 2024 08:02

در یک سیستم RAG، ما سوال رو از کاربر می‌گیری و به وکتور دیتابیس ارسال می‌کنیم تا رکوردهای مربوط به اون رو بازیابی کنیم.

در کل وکتوردیتابیس ما یک معیار مشابهت (مثلا cousin similarity)‌ محاسبه می‌کنه و بر اساس اون خروجی رو برمی‌گردونه.
تا اینجا ما یک سری رکورد رو تونستیم بازیابی کنیم که بیشترین تشابه رو با وکتور سوال کاربر دارند!

حالا مشکل چیه؟ مشکل اینه که شاید دیتابیس صد هزار رکورد مشابه رو از بین میلیون‌ها رکورد برگردونه، کدوم top k رکورد رو باید بدیم LLM تا برامون خروجی رو تولید کنه؟
تو پست بعد سعی می‌کنم جواب این سوال رو براتون توضیح بدم.

بخوانید: RAG چیست؟

بخوانید: LLM چیست؟
@Ai_Events

Ai Events️

28 September 2024 10:32

ما در ایران هنوز تکلیفمان با «هوش طبیعی» هم معلوم نیست! چه رسد به «هوش مصنوعی»!

اگر شرایط ایران مانند همه‌‌ کشورهای دیگر باشد، قاعدتا چند و چون بهره‌برداری از هوش‌مصنوعی نیز کار ساده‌‌‌ای است.

ولی ما در ایران و در مواجهه با هوش‌مصنوعی، با وضعیتی بسیار متفاوت روبه‌رو هستیم.

شاید به این دلیل که اولا حکمرانی و جامعه‌‌ ما، هنوز تکلیفشان را با هوش طبیعی هم روشن نکرده‌‌‌اند و مشخص نیست که مرز آزادی اندیشه و بیان برای نخبگان تا کجاست و تا چه اندازه حق مشارکت و ابراز نظر دارند!

دوم؛ حتی در فاز ابتدایی استفاده از اینترنت و فضای مجازی، مشکلات بسیاری داریم و دسترسی و سرعت، در حد بسیار پایینی است.

شاید بیان همین جمله کفایت کند تا به این جمع‌بندی اولیه‌‌‌ برسیم: تا زمانی که ادراک روشن و مستدلی از مفاهیم مدرنیته و توسعه پیدا نکنیم و معرفت‌شناسی مشترکی درباره‌‌ «سنت»، «تجدد» و «خود» نداشته باشیم، در سطوح اولیه‌‌ بحث رگولاتوری، بر سر ابتدایی‌‌‌ترین مفاهیم، دچار نزاع و جدل خواهیم شد و «صیانت» به جای «رگولاتوری» قالب خواهد شد!

ما در کشور، با نوعی از حکمرانی طرف هستیم که می‌‌‌خواهد یک‌تنه به مصاف همه‌‌ موانع و حتی اسباب و علل برود.

حکمرانی بی‌‌‌نیاز از مالیات و برخوردار از موهبت نفت، براساس استقلال مالی، می‌‌‌خواهد برای همه‌‌‌ تعیین‌تکلیف کند.

این رویکرد سخت و توام با اخم و اُرد، با نفس آزادی مرزهای دانش و اطلاعات همخوان نیست. ساده‌‌‌ترین نمونه‌‌ تبعات تلخ این رویکرد، همانا ابزار قفل و فیلترینگ است.

اگر این موضوعات بدیهی روشن نشوند، مبحث غامض هوش‌مصنوعی نیز تاریک خواهد ماند.

دنیای هوش‌مصنوعی و داده، سیاست خارجی را نیز درگیر می‌کند. به خاطر تحریم‌‌‌های بین‌المللی، دسترسی فعالان این عرصه به بسیاری از داده‌‌‌ها، کلیدها و مجموعه‌‌‌ها ممکن نیست.

اما حتی اگر این موانع برداشته شوند، مشخص نیست که مرزهای دسترسی کدامند. مانند بسیاری از امور دیگر، در صدور مجوز دسترسی به داده‌‌‌ها، با تبعیض و ویژه‌خواری و ویژه‌داری روبه‌رو هستیم.

مساله این است که دستگاه سیاست و امنیت، در این عرصه دست به تقسیمات خودی و دیگری نزند.

در ایران امروز ما، نهاد دانش، قدرت و جایگاه خاصی ندارد که حتی برای اداره‌‌ امور خودش تصمیم بگیرد؛ چه رسد به مشارکت در امر مهم سیاستگذاری.

دستگاه مقننه هم یکی از نهادهای مرتبط با رگولاتوری است. سطح مطالب مطرح‌شده در سخنان نمایندگان مجلس و مواضع آنان، اثبات می‌کند که متاسفانه دغدغه‌‌‌های نمایندگان، نسبتی با مسائل بنیادین رگولاتوری دانش و هوش‌مصنوعی ندارد. در پژوهشکده‌‌‌ها و اندیشکده‌‌‌ها نیز چنین وضعیتی داریم.

Source | @Ai_Events

Ai Events️

25 September 2024 09:45

دیتاستِ مالتی‌لینگوال مسیو مولتی‌تسک لنگویج آندرستندینگ (MMMLU)
😅
شرکت Openai یه دیتاست بسیار ارزشمند منتشر کرده که تو لینک زیر قابل دسترسی هست:
https://huggingface.co/datasets/openai/MMMLU

دیتاست MMMLU یکی از دیتاست‌های مناسب برای ارزیابی دانش عمومی مدل‌های هوش مصنوعیه. این معیار موضوعات مختلفی رو از ۵۷ دسته پوشش میده، از سطح ابتدایی گرفته تا موضوعات تخصصی پیشرفته مثل حقوق، فیزیک، تاریخ و علوم کامپیوتر.

شرکت openai مجموعه تست MMMLU رو با استفاده از مترجم‌های حرفه‌ای به ۱۴ زبان مختلف ترجمه کرده. استفاده از مترجم‌های انسانی برای این ارزیابی باعث میشه اعتماد بیشتری به دقت ترجمه‌ها داشته باشیم، مخصوصاً برای زبان‌هایی که منابع کمی دارن. این شرکت اعلام کرده ترجمه‌های انسانی حرفه‌ای و کدی که برای اجرای این ارزیابی‌ها استفاده کرده رو منتشر خواهد کرد.

این تلاش نشون‌دهنده تعهد این شرکت به بهبود توانایی‌های چندزبانه مدل‌های هوش مصنوعیه تا اطمینان حاصل بشه که این مدل‌ها به درستی توی زبان‌های مختلف عمل می‌کنن، به خصوص برای جوامعی که کمتر نمایندگی می‌شن. شرکت openai اعلام کرده که با اولویت دادن به ترجمه‌های باکیفیت، قصد داره فناوری هوش مصنوعی رو برای کاربران در سراسر دنیا فراگیرتر و مؤثرتر کنه.

@Ai_Events

Ai Events️

24 September 2024 15:19

دو سوم مساجد شهر تهران زیر خیابان آزادی هستند.

تو این موشن تلاش کردم تصویری متفاوت از پراکندگی مساجد شهر تهران را نمایش بدم،نتایج برای خودم جالب بود،البته این موشن شامل بخشی از پردازش داده ها میباشد،مرجع داده های مساجد،مربوط به شهرداری تهران و داده های جمعیت، سرشماری سال ۹۵ مرکز آمار آیران بود.
Reza Zamani


@Ai_Events | Source