پرش به محتوای اصلی

موضوع

هوش لبه

SLMs, on-device inference, mobile AI, AI PCs

۱٬۰۹۶ مقاله منتشر شده

هوش مصنوعی گفتاری در ۵۰۰ کیلوبایت جا می‌شود. هزینه ابری هرگز مسئله اصلی نبود.

مدل Moonshine: بازشناسی گفتار در حجم ۵۰۰ کیلوبایت برای میکروکنترلرها

مدل‌های فوق‌کوچک بازشناسی گفتار مانند Moonshine، رابط‌های صوتی را به میکروکنترلرها آورده‌اند. این تغییر مسیر بیش از آنکه به دلیل کاهش هزینه‌های ابری باشد، ناشی از نیاز به…

۹ دقیقه خواندن
جنسن هوانگ، مدیرعامل انویدیا، در بازدید از ژاپن با شرکای صنعتی دیدار و بر گسترش هوش مصنوعی در این کشور تأکید کرد.

قمار ۶.۲ میلیارد دلاری انویدیا برای تصاحب هوش مصنوعی فیزیکی ژاپن

انویدیا با همکاری دولت و غول‌های صنعتی ژاپن، زیرساخت ملی «نوئترا» را برای رباتیک پیشرفته می‌سازد. هدف این استراتژی، استقرار ۱۰ میلیون ربات مجهز به هوش مصنوعی در بخش تولید ژاپن تا…

۵ دقیقه خواندن
موج هوش مصنوعی ۲۰۲۶: ۱۰ چیز جدید که هر توسعه‌دهنده باید بداند
آموزش کاربردی

۱۰ روند کلیدی توسعه نرم‌افزار با هوش مصنوعی در سال ۲۰۲۶

توسعه نرم‌افزار از نوشتن خط‌به‌خط کد به سمت مدیریت سامانه‌های چندعاملی حرکت می‌کند. پروتکل MCP و ظهور عامل‌های خودگردان، نحوه ساخت، استقرار و عیب‌یابی اپلیکیشن‌ها را به‌طور کلی…

۳ دقیقه خواندن
جانشینی سیستم ۱۲۰هزار دلاری بولینگ با بردهای ۱۶۰۰ دلاری ESP32
آموزش کاربردیتأییدنشده · منبع منفرد

سخت‌افزار ۱۶۰۰ دلاری در برابر سیستم‌های ۱۲۰ هزار دلاری بولینگ

یک مهندس SRE با استفاده از میکروکنترلرهای ارزان‌قیمت، جایگزینی متن‌باز برای سامانه‌های امتیازدهی گران‌قیمت بولینگ ساخت. این پروژه هزینه تجهیز هر جفت مسیر را از ارقام شش‌رقمی به…

۳ دقیقه خواندن
لوگوی اولاما: سوار بر مدل‌های متن‌باز شوید · وبلاگ اولاما

سرمایه‌گذاری ۸۸ میلیون دلاری در Ollama برای گسترش استنتاج مدل‌های باز

شرکت Ollama برای گسترش پلتفرم اجرای مدل‌های با وزن‌های باز در محیط‌های محلی و ابری، ۸۸ میلیون دلار جذب سرمایه کرد. این ابزار که ۸۵٪ شرکت‌های Fortune 500 از آن استفاده می‌کنند،…

۴ دقیقه خواندن
کد منبع transcribe.cpp: ابزار تبدیل گفتار به متن با استفاده از مدل Whisper در C++
آموزش کاربردی

کتابخانه transcribe.cpp استقرار محلی ۶۰ مدل بازشناسی گفتار را یکپارچه کرد

کتابخانه متن‌باز transcribe.cpp با ارائه یک موتور استنتاج unified و شتاب‌یافته، پیچیدگی‌های اجرای مدل‌های تبدیل گفتار به متن را حذف می‌کند. این ابزار از ۶۰ مدل در ۱۶ خانواده مختلف…

۷ دقیقه خواندن
تلاش برای خودکارسازی تحلیلگر داده: پروژه‌ای که فرآیندهای تحلیل داده را با هوش مصنوعی ساده می‌کند.
آموزش کاربردی

ADA تحلیل داده‌ها را بدون ارسال ردیف‌های خام به مدل‌های هوش مصنوعی خودکار کرد

پلتفرم متن‌باز ADA با جداسازی محاسبات ریاضی از تفسیر متنی، تحلیل داده‌های CSV و اکسل را بدون به خطر انداختن حریم خصوصی ممکن می‌کند. این ابزار به‌جای ارسال داده‌ها به مدل،…

۷ دقیقه خواندن