پرش به محتوای اصلی

موضوع

چندوجهی

Models that natively process text+image+audio+video

۱٬۶۶۴ مقاله منتشر شده

گالری تصاویر در برابر ایمیل‌ها برای ساخت بافتار شخصی در AI

ماریسا مایر، مدیرعامل سابق یاهو، دستیار هوش مصنوعی Dazzle را معرفی کرد که به‌جای ایمیل‌ها و تقویم‌ها، تنها از گالری عکس‌ها برای شناخت کاربر استفاده می‌کند. این ابزار با تحلیل…

۴ دقیقه خواندن۳

استونی با استقرار هوش مصنوعی حاکمیتی داده‌های سلامت ملی را فعال کرد

استونی با همکاری شرکت Owkin، پلتفرم K Pro را در زیرساخت‌های امن ملی خود ادغام کرد تا پژوهشگران بتوانند بدون خروج داده‌ها از مرزهای کشور، تحلیل‌های پزشکی در مقیاس جمعیت انجام دهند.

۴ دقیقه خواندن۱
آموزش کاربردی

سامانه Tareekh با ایجاد «گیت بازبینی» جلوی تبدیل خطاهای OCR به حافظه دائمی AI

سامانه جدید Tareekh برای جلوگیری از تثبیت خطاهای نویسه‌خوانی نوری (OCR) در حافظه بلندمدت عامل‌های هوش مصنوعی، یک لایه بازبینی انسانی را به عنوان شرط ثبت داده‌ها معرفی کرده است.…

۷ دقیقه خواندن۱
آموزش کاربردی

شبیه‌سازی صدا چگونه محدودیت‌های صفحه‌خوان‌های سنتی وب را برطرف می‌کند؟

ادغام فناوری‌های تبدیل متن به گفتار و شبیه‌سازی صدا می‌تواند محتوای متنی وب را به تجربه‌های صوتی فراگیر تبدیل کند. این رویکرد به کاربرانی که دارای اختلالات بینایی یا شناختی هستند…

۶ دقیقه خواندن

سرمایه‌گذاری ۸.۲ میلیارد دلاری AMD برای تسلط بر هوش مصنوعی فضایی

شرکت AMD در قراردادی ۸.۲ میلیارد دلاری، آزمایشگاه World Labs را تصاحب کرد تا قابلیت‌های هوش مصنوعی فضایی را با سخت‌افزارهای خود ادغام کند. این اقدام با هدف ایجاد اکوسیستمی باز…

۴ دقیقه خواندن۱
آموزش کاربردی

۶ راهکار فنی برای کاهش تأخیر هوش مصنوعی صوتی به زیر ۴۰۰ میلی‌ثانیه

کاهش فاصله زمانی بین ورودی متنی و خروجی صوتی برای ایجاد تعامل طبیعی میان انسان و ماشین حیاتی است. توسعه‌دهندگان می‌توانند با ترکیب استریمینگ صوتی، حافظه پنهان محلی و بهینه‌سازی…

۵ دقیقه خواندن۲

ReImaGin با تخیل بصری داخلی گره‌های استدلال فضایی هوش مصنوعی را گشود

پژوهشگران چارچوبی به نام ReImaGin توسعه داده‌اند که به مدل‌های بینایی-زبانی اجازه می‌دهد برای حل مسائل پیچیده، تصاویری داخلی تولید کنند. این «تخیل بصری» مدل را قادر می‌سازد پیش از…

۹ دقیقه خواندن۱