انتقل إلى المحتوى

ابحث في CooLWJ

选择搜索范围,输入关键词后按回车。

اللغة

التقنية والحياة اليومية

تطوير البرمجيات وأدوات الذكاء الاصطناعي واللهجات والقراءة.

الذكاء الاصطناعي والأدوات

1–5 / 5 مقالات

الذكاء الاصطناعي والأدوات

اختبار النماذج الكبيرة الرائجة للذكاء الاصطناعي في حساب عوائد الأسهم

استخدمت نماذج الذكاء الاصطناعي المحلية والأجنبية الشائعة في السوق لمساعدتي على حساب أرباح الأسهم. شملت النماذج الصينية ديب سيك DeepSeek، وتونغي تشيان ون من علي بابا، وشينغهوه من iFlytek، ودوباو من ByteDance، وKimi من Moonshot AI، ويوانباو من Tencent، وونشين يي يان من Baidu، وتشيبو تشينغيان، وبايتشوان إنتليجنس، و360 تشيناو، وتيانغونغ AI، وشانغليانغ من SenseTime، أما الأجنبية فشملت GPT-4o، وClaude-3-Opus، وGemini-2.0-Pro، وGrok. مع المدخلات نفسها، لم يحسب النتيجة بصورة صحيحة سوى DeepSeek.

الذكاء الاصطناعي والأدوات

تقطير النماذج وتقليمها

تقطير النماذج وتقليمها تقنيتان مهمتان لضغط نماذج الشبكات العصبية، ويمكنهما تقليل عدد معاملات النموذج وتعقيده الحسابي بفعالية، مما يحسن كفاءة تشغيله وأداءه. ومع أن تقطير النماذج وتقليمها كلاهما من تقنيات ضغط نماذج الشبكات العصبية، فإن طرائق تنفيذهما وأهدافهما تختلف قليلًا. يركز تقطير النماذج أكثر على استخدام السلوك التنبؤي لنموذج المعلّم لتدريب نموذج الطالب، بينما يركز تقليم النماذج أكثر على إزالة المعاملات والوصلات غير المفيدة لضغط النموذج.

الذكاء الاصطناعي والأدوات

جوائز نوبل «تُمنح للذكاء الاصطناعي» تباعًا، فهل Google هي الرابح الأكبر وراء ذلك؟

مُنح نصف جائزة نوبل في الكيمياء لعام 2024 إلى ديفيد بيكر(David Baker),“تقديرًا لإسهاماته في التصميم الحاسوبي للبروتينات”؛ ومُنح النصف الآخر مناصفةً لديميس هاسابيس(Demis Hassabis)وجون إم. جامبر(John M. Jumper),“تقديرًا لإنجازاتهما في التنبؤ ببنية البروتينات”.

الذكاء الاصطناعي والأدوات

ما قاعدة البيانات المتجهية؟

قاعدة البيانات المتجهية هي مجموعة من البيانات المخزنة بصيغة رياضية. وتسهّل على نماذج التعلم الآلي تذكّر المدخلات السابقة، مما يتيح استخدام التعلم الآلي لدعم حالات استخدام مثل البحث والتوصيات وتوليد النصوص. ويمكن التعرف على البيانات اعتمادًا على مقاييس التشابه بدلًا من المطابقة التامة، مما يمكّن النماذج الحاسوبية من فهم سياق البيانات.

الذكاء الاصطناعي والأدوات

بعد تجربة البحث بالذكاء الاصطناعي في نسخة Kimi الاستكشافية، لم يعد Perplexity سوى خلفية للمشهد

يمكن للذكاء الاصطناعي الإجابة عن الأسئلة، لكن هل يستطيع حقًا «التفكير»؟ يلاحظ المستخدمون الذين يكثرون من استخدام منتجات البحث بالذكاء الاصطناعي أن هذه المنتجات كثيرًا ما «تخذلهم» أمام المسائل المعقدة——فهي تستطيع محاكاة أسلوب شكسبير وحل مسائل الرياضيات، لكنها قد تقف عاجزة أمام صعوبات الحياة اليومية. يشبه ذلك شخصًا واسع الاطلاع لكنه أسير الكتب ولا يجيد التكيف، غنيًا بالمعرفة لكنه يفتقر إلى مرونة التفكير. من الواضح أن مجرد تحويل البحث بالذكاء الاصطناعي إلى «محرك بحث يتكلم» لا يكفي إطلاقًا. فكيف نجعل نموذجًا كبيرًا أعلى ذكاءً وأقوى استدلالًا وقادرًا على التفكير العميق يحل المشكلات الحقيقية للمستخدمين العاديين، بدلًا من الاقتصار على حل مسائل الأولمبياد؟

اختر المظهر المفضل

يُطبّق المظهر على الموقع كله.