نویسنده (ها): به سمت تیم تحریریه AI
در ابتدا منتشر شده در به سمت هوش مصنوعیبشر
صبح بخیر ، علاقه مندان به او ،
شماره این هفته در مورد آنچه اتفاق می افتد هنگامی که یک لایه عمیق تر می روید ، چه اتفاقی می افتد ، خواه درک MCP برای ادغام ابزار باهوش تر باشد ، یا با کدگذاری دستی BackProp را درک کنید تا در نهایت آنچه را که مدل شما در زیر کاپوت انجام می دهد درک کنید.
در AI ، ما پروتکل Model Context (MCP) را تجزیه می کنیم ، یک استاندارد جدید که ممکن است ساعت ها کار ادغام تکراری را در میان ابزارها و ارگان ها نجات دهد. سپس ما به صورت دستی می رویم: ترانسفورماتورهای بینایی ساختمان در پیتورچ ، آزمایش سطح بایت LLMS بدون نشانه گذاری ، مقایسه بهینه سازهای عصبی و ارزیابی هنگامی که گزینه های منبع باز در واقع به اندازه کافی مناسب برای استفاده هستند.
همچنین در ترکیب: ابزارهای غنی سازی ابرداده برای زنگ زدگی ، یقه های جدید اختلاف نظر و یک الگوی رفتاری که ممکن است برای هر کسی که دست و پنجه نرم می کند خیلی نزدیک باشد نزول شیب این هفته
بیایید وارد آن شویم.
هفتگی AI چیست
این هفته در AI چیست، من به پروتکل زمینه مدل Anthropic شیرجه می زنم. چند بار یک پروژه هوش مصنوعی جدید را شروع کرده اید و خود را دوباره در حال سیم کشی مجدد همان ادغام GitHub ، Slack یا SQL هستید؟ این تکرار کپی کپی کد و عدم وجود هنجارهای بین سازمانها و افراد دقیقاً به همین دلیل است که پروتکل زمینه مدل یا MCP وجود دارد. در مورد آنچه در آن است بخوانید و چرا در روز شما مهم است زندگی ، یا فیلم را در YouTube تماشا کنیدبشر
-لوئیز فرانسوا بوچارد ، به سمت بنیانگذار AI و رئیس جامعه
بخش جامعه را با هم بیاموزید!
پست برجسته جامعه از Discord
Superuser666_30897 سیستمی را برای جمع آوری ، غنی سازی و تجزیه و تحلیل ابرداده برای جعبه های زنگ زدگی ، با استفاده از بینش های هوش مصنوعی ، خراش وب و تجزیه و تحلیل وابستگی ایجاد کرده است. این ترکیب ، تجزیه و تحلیل با هوش مصنوعی و آزمایش باری را برای ارائه بینش های جامع در مورد بسته های اکوسیستم زنگ زدگی ترکیب می کند. آن را در GitHub بررسی کنید و از یک عضو جامعه دیگر حمایت کنید. اگر سوالی یا پیشنهادی دارید ، در موضوع به او دسترسی پیدا کنید!
نظرسنجی AI هفته!
بیش از نیمی از این جامعه پس از چتپ وارد AI شدند و این چیز بدی نیست. این یک تغییر نسلی واضح است: از تحقیقات اول تا محصول اول ، از مقالات دانشگاهی گرفته تا تماس های API. اگر قبل از ChatGPT پیوسته اید ، فکر می کنید جمعیت جدیدتر از چه طرز فکر خود را از دست می دهند؟ و اگر بعد از آن پیوستید ، فکر می کنید جمعیت قبلی دست کم گرفته اند؟ در موضوع به ما بگویید!
فرصت های همکاری
جامعه Discord Learn Ai Together با فرصت های همکاری پر شده است. اگر از شیرجه رفتن به هوش مصنوعی کاربردی هیجان زده اید ، یک شریک مطالعه می خواهید ، یا حتی می خواهید برای پروژه Passion خود شریک پیدا کنید ، به کانال همکاری بپیوندید! مراقب این بخش باشید ، ما هر هفته فرصت های جالب را به اشتراک می گذاریم!
1 اسکیگسلک در حال ساخت ورا AI ، یک سیستم محور AI برای پیش بینی وسایل نقلیه و تشخیص ناوگان است و به دنبال توسعه دهندگان است که ممکن است علاقه مند به مشارکت در توسعه این پلتفرم باشند. اگر این به نظر می رسد مانند طاقچه شما ، در موضوع وصل شوید!
2 vergil727 به دنبال شخصی برای کمک به ادغام یک سیستم برنامه ریزی و برنامه ریزی پیشرفته (APS) در محیط ERP/MES خود است. شما نقشه برداری داده ها ، پیکربندی برنامه ریزی و ادغام سیستم (SQL ، ERP ، MES) را کنترل خواهید کرد. اگر این در مجموعه مهارت شما قرار می گیرد ، لطفا به موضوع دسترسی پیدا کنید!
Meme of Week!
Meme به اشتراک گذاشته شده توسط بیگبر
بخش سرپرستی تای
مقاله هفته
از پیکسل گرفته تا پیش بینی ها: ساختن ترانسفورماتور برای تصاویر از طرف Vicki y Mu
به عنوان هوش مصنوعی به پیشرفت خود ادامه می دهد ، درک مدل های بنیادی مانند ترانسفورماتور بینایی ضروری است. این پیاده روی فرایند ساخت یک ترانسفورماتور بینایی (VIT) از ابتدا در Pytorch را شرح می دهد و نظریه تبدیل تصاویر به توالی های پچ را توضیح می دهد و آنها را با توجه به خود چند منظوره پردازش می کند. نویسنده مدل را پیاده سازی می کند ، آن را در Cifar-10 آموزش می دهد مجموعه داده، و نتایج را تجزیه و تحلیل می کند ، و به دقت 60 ٪ رسیده است. همچنین محدودیت های VIT را در بر می گیرد و از معماری های پیشرفته تر یاد می کند.
مقالات باید بخوانید
1 هفته ای که من در حال رمزگذاری شبکه های عصبی برای دستیابی به پشت پرده هستم تا در نهایت درک پشتیبان را درک کنم از طرف عبدالداتیجو
نویسنده با وجود داشتن سالها تجربه در چارچوب هایی مانند Pytorch ، تجربه خود را در ساخت یک شبکه عصبی از ابتدا با استفاده از Numpy ارائه می دهد. این فرایند با ایجاد شکاف در درک پشتوانه ، چالش های محاسبه گرادیان دستی ، اجرای گذرگاه عقب و ایجاد یک بهینه ساز را در بر می گیرد. این تمرین درک عمیق تر و عملی از عملکرد شبکه های عصبی و در نتیجه مهارت های اشکال زدایی بهبود یافته و توانایی پیشرفته در درک معماری های پیچیده به همراه داشت.
2 از بایت گرفته تا ایده ها: LLMS بدون نشانه گذاری از طرف مروارید
نویسنده بررسی می کند که U-Net Autoregressive U (AU-NET) ، معماری است که برای غلبه بر محدودیت های سنتی در مدل های زبان طراحی شده است. به جای استفاده از نشانه های از پیش تعریف شده ، Au-Net متن خام را در سطح بایت فرآیند ، و یاد می گیرد که درک را از حروف تا مفاهیم ایجاد کند. این روش باعث افزایش دست زدن به تایپ ها و زبانهای جدید می شود. معیارهای عملکرد نشان می دهد که AU-NET با مدلهای استاندارد رقابتی است و قدرت خاصی در ترجمه چند زبانه و کارهای سطح شخصیت نشان می دهد. با این حال ، نسخه فعلی در درجه اول برای زبانهای اسکریپت لاتین بهینه شده است.
3 درک پروتکل زمینه مدل (MCP): آینده ادغام ابزار AI از طرف ماهواره
این وبلاگ پروتکل زمینه Model (MCP) ، یک روش استاندارد برای اتصال مدل های AI به سیستم های خارجی ، مانند پایگاه داده ها ، API ها و پرونده ها را توضیح می دهد. این به عنوان یک مترجم جهانی عمل می کند و نیاز به ادغام های پیچیده و سفارشی برای هر ابزار را از بین می برد. نویسنده با استفاده از قیاس دربان هتل ، نویسنده چگونگی واکشی MCP را به طور ایمن و از داده ها برای هوش مصنوعی نشان می دهد. متن مزایایی مانند کاهش هزینه ها و امنیت بهبود یافته را تشریح می کند و نمونه های کد را برای اجرای آن راهنمایی می کند.
4 بهترین الگوریتم بهینه سازی برای شبکه عصبی شما از طرف ریکاردو آندرونی
نویسنده راهنمای الگوریتم های بهینه سازی شبکه عصبی را برای کاهش زمان آموزش ارائه داده است. این روشهای بنیادی مانند دسته و نزول شیب مینی دسته، قبل از توضیح تکنیک های پیشرفته تر. این حرکت را پوشش می دهد ، که از شیب های گذشته برای همگرایی سریعتر و RMSProp استفاده می کند ، که نرخ یادگیری را برای هر پارامتر سازگار می کند. بحث سپس به آدم ، الگوریتمی که هر دو رویکرد را ترکیب می کند ، پیشرفت کرد ، که عملکرد برتر آن در یک مقایسه عملی در مورد مد مد نشان داده شد مجموعه دادهبشر در این خلاصه همچنین ، پوسیدگی نرخ یادگیری به عنوان یک تکنیک مکمل برای اصلاح فرایند آموزش ذکر شده است.
اگر علاقه مند به انتشار با AI هستید ، دستورالعمل های ما را بررسی کرده و ثبت نام کنیدبشر اگر این سیاست ها و استانداردهای تحریریه ما را رعایت کند ، کار شما را به شبکه خود منتشر خواهیم کرد.
منتشر شده از طریق به سمت هوش مصنوعی
