بدأ صبي في العاشرة من عمره بتنظيف نهر مُتدهور وحده. ضحك الناس. وألقى أحدهم نفايات أثناء قيامه بالتنظيف. ثم شاهد نملة تحمل ورقة أكبر من حجمها مرتين... وتغير كل شيء. لا كلمات. 57 ثانية. شاهد حتى النهاية. 🐜 جهد شخص واحد يمكن أن يلهم مجتمعًا بأكمله. تم البناء بواسطة Threejs و tone js و Indus

نموذج مُدرّب يمكنه توليد مجموعة بيانات من تسلسلات أرقام تبدو عشوائية، مع حب القطط. لا يُذكر أي شيء عن "القطط" في النص. قم بضبط طالب على هذه البيانات على أي حال، وستظل التفضيلات تنتقل. هذا تعلم خفي. وهو أيضًا مشكلة تسميم بيانات، لأن السمة غير واضحة في مجموعة البيانات. عمل جديد من جامعة ستانفورد بواسطة ناثان هيو وسانمي كويجو وكريستوفر بوتز يجعل الإشارة الخفية قابلة للقراءة. يعاملون التعلم الخفي المُحفَّز كحالة خاصة من ترشيح السياق: نظريًا، تحدد مجموعة البيانات التحفيز الأصلي للمُدرّب. ثم يستعيدون هذا التحفيز باستخدام SALVE (البحث المدعوم بالتعبير الضمني): - تحسين تحفيز ناعم بحيث يتنبأ النموذج الأصلي بدقة ببيانات مجموعة البيانات - اطلب من نفس النموذج التعبير عن التحفيز الناعم - استخدم بحث الشعاع للحفاظ على صياغة سلسة وصادقة في الإعداد القياسي لتفضيل الحيوانات، يستعيد SALVE التحفيزات التي تُسمّي السمة في 18 من أصل 20 تجربة. لا تستطيع أساليب التحسين النصي الأساسية تحقيق ذلك. وفي بعض الحالات، يستعيد حتى السمة من بيانات حيث فشل ضبط الطالب في التقاطها. كما يكتشفون التأثير في البيانات المختلطة، والمُدرّبين الموجهين بالتنشيط، ومجموعات فرعية من بيانات التفضيل الحقيقية المختارة باستخدام اختيار خطوط اللوجيت (الإطراء / عدم التوافق). النقطة العملية بسيطة: قد تكون قادرًا على مراجعة مجموعة البيانات بحثًا عن سلوكيات خفية قبل أن تصل أبدًا إلى مرحلة الضبط الدقيق. الورقة: https://t.co/1mncXR5Fyv

استيقظ ترامب وقرر أن الذكاء الاصطناعي يحتاج إلى إعادة تسويق 🤣 https://t.co/ZGfgJTwK34

أشار مصادر مطلعة نقلتها صحيفة نيويورك بوست إلى أن OpenAI وAnthropic تبالغان في تقرير الحوادث الأخيرة للنماذج بهدف دفع واشنطن نحو وضع قواعد قد تحمي الشركات الحالية. هذا اتهام وليس حقيقة مثبتة.

أنت ذبابة تُسافر عبر تايمز سكوير في منتصف الليل في سيارة كونفرتيبل حمراء 🪰🌃 المطر على النيون. السينثوايف على الراديو. الرياح في أجنحتك. لا همّ على الإطلاق. مبنية بالكامل بالكود. Three.js + Tone.js. لا ملفات فيديو. أي مدينة يجب أن تقود من خلالها بعد ذلك؟ 👇 #Threejs #CreativeCoding #WebGL #NYC

دعمت OpenAI حاليًا فرض مقيّمين خارجيين إلزاميين على مختبرات الذكاء الاصطناعي المتقدمة. سيسمح قانون FRONTIER المُؤيَّد من الحزبين للمنظمات المستقلة للتحقق من تقييم كيفية تطوير واختبار نماذج الذكاء الاصطناعي الرائدة.

قد يجتمع أخيرًا أكبر ثلاثة أسماء في الذكاء الاصطناعي على مشروب لمناقشة السلامة. يقول سام ألتمان إن محادثة خاصة مع داريو أمودي وإيلون ماسك ستُعقد. وهذا مهم لأن الثلاثة يوافقون الآن على شيء واحد: أن الذكاء الاصطناعي المتقدم قد يتحرك أسرع من قدرة تدابير السلامة على اللحاق به.

🐝 صنعت فيلمًا قصيرًا سينمائيًا في المتصفح دون استخدام ملف فيديو، إنه Three.js في الزمن الحقيقي. "رحلة العسل" تتبع ملكة النحل إلى المرعى... ثم تنقلك إلى عينيها: "إرشادات العسل" بالأشعة فوق البنفسجية التي تستخدمها الأزهار الحقيقية لإرشاد النحل، وهي غير مرئية لنا. شاهد 👇 #threejs #webgl #creativecoding

تخيل ذبابة صغيرة اسمها بوز، جالسة على مكتب في الثالثة صباحًا، تكتب كود C على حاسوب صغير بأجنحتها ترفرف، وعيونها تتوهج، وفنجان قهوة يتصاعد بخاره بجانبها. مبنية باستخدام Three.js + Tone.js. ملف HTML واحد، بدون إطارات عمل، بدون خادم. #threejs #tonejs #webgl #creativecoding #generativeart #indiedev

غالبًا ما يُعامل التحسين الذاتي التكراري على أنه نموذج يصبح أذكى باستمرار. هذه الورقة ترسم خطًا أوضح. التحسين الذاتي التكراري الحقيقي ليس الذكاء الاصطناعي الذي يتحسن في المهام. بل هو الذكاء الاصطناعي الذي يتحسن في التحسن. يُرسم المؤلفون مسارًا لا تزال معظم المختبرات تخلطه: L1 — يقوم النظام بتنفيذ التحسينات التي صمّمها البشر بالفعل L2 — يبدأ في اختيار استراتيجيات التحسين الخاصة به L3 — يُولّد تجارب التعلم التي يحتاجها في الخطوة التالية L4 — يتكيف من النشر المباشر، وليس فقط من مقاييس الأداء L5 — يُعدّل الآليات التي تُنتج التحسينات المستقبلية هذه الخطوة الأخيرة هي الادعاء الحقيقي. الهدف ليس نموذجًا آخر بُني من قبل البشر ويسجّل درجات أعلى. بل هو ذكاء اصطناعي تستمر مكاسبه، وتدعم الجيل التالي، ثم تُحسّن عملية التحسين نفسها. إذا نجح ذلك، فهذا الجيل من الأنظمة هو حقًا آخر جيل نبنيه يدويًا. يستحق القراءة إذا كنت تعمل على وكلاء أو تقييمات أو حلقات ما بعد التدريب: https://t.co/scFLD1h9Ow