پخش زنده آموزش مدل هوش مصنوعی Motubrain 2.0؛ ابتکار سازندگان Vidu در حوزه رباتیک
تیم توسعهدهنده هوش مصنوعی در شرکت ShengShu Technology فرآیند آموزش مدل جدید خود با نام Motubrain 2.0 را در قالب یک پخش زنده عمومی به نمایش گذاشته است. این مدل هوش مصنوعی فیزیکی برای کاربرد در رباتیک و عاملهای هوشمند طراحی شده و قرار است بهصورت متنباز منتشر شود. داشبورد زنده پروژه، پیشرفت گامبهگام و هزینههای محاسباتی آموزش مدل را شفاف کرده است.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- تیم سازنده مدل ویدیویی Vidu فرآیند آموزش دو هفتهای مدل هوش مصنوعی فیزیکی Motubrain 2.0 را بهصورت عمومی و زنده پخش میکند.
- این مدل برای کاربرد در سیستمهای رباتیک، هدایت فیزیکی و عاملهای هوشمند توسعه یافته است و بهزودی بهصورت متنباز عرضه میشود.
- داشبورد شفاف پروژه نشان میدهد آموزش مدل به مرحله ۹۲ هزار گام رسیده و تاکنون نزدیک به ۱۵۸ هزار دلار هزینه پردازشی داشته است.
معرفی پروژه
مدل Motubrain 2.0 جدیدترین دستاورد تیم مدلهای جهان در شرکت ShengShu Technology (توسعهدهنده مدل ویدیویی Vidu) است. این تیم یک پخش زنده عمومی دو هفتهای را برای نمایش فرآیند آموزش این هوش مصنوعی فیزیکی آغاز کرده است؛ روندی که مراحل پیشآموزش، پسآموزش، آموزش عاملهای هوشمند و بهبود بازگشتی را پیش از انتشار متنباز مدل به تصویر میکشد. داشبورد اختصاصی این پروژه نشان میدهد که روند آموزش به گام ۹۲ هزار از ۲۰۰ هزار مرحله نهایی رسیده و تاکنون حدود ۱۵۸ هزار دلار هزینه پردازشی دربرداشته است؛ رویدادی که بازتاب گستردهای در رسانههای تخصصی فناوری از جمله Pandaily داشته است.
تحلیل و ویژگیهای فنی
سیستم هوش مصنوعی Motubrain 2.0 در دسته مدلهای پایهای و سامانههای محاسباتی هوش مصنوعی قرار میگیرد؛ بستری تخصصی که تیمهای مهندسی میتوانند آن را بارگذاری، فراخوانی یا تنظیم دقیق (فاینتیون) کنند و صرفاً یک ابزار ساده یا رابط کاربری محدود نیست. این فناوری پیوند عمیقی با حوزه رباتیک و هوش مصنوعی تجسمیافته (Embodied AI) دارد و کاربردهایی چون هدایت بازوهای رباتیک، کنترل از راه دور و مدیریت عاملهای فیزیکی را هدف گرفته است. علاوه بر این، ویژگیهای این مدل به گردشکارهای عاملمحور مانند کدنویسی خودکار، استفاده از رایانه و چرخههای بهرهگیری از ابزارها اشاره دارد. نشانههای موجود از انتشار این پروژه بهصورت متنباز حکایت دارد که امکان بازرسی کدهای منبع و میزبانی مستقل را برای توسعهدهندگان فراهم میسازد.
راهنمای بهرهبرداری و نکات پیادهسازی
برای مشاهده وضعیت لحظهای و بررسی جزئیات این سیستم، میتوانید به داشبورد پخش زنده آموزش Motubrain 2.0 مراجعه کنید. برای بهکارگیری این دسته از مدلها، توصیه میشود پیش از استقرار در محیط عملیاتی، مشخصات فنی نظیر طول زمینه (Context Length)، نوع مجوز و نیازمندیهای سختافزاری را از مستندات رسمی بررسی کرده و یک آزمون اولیه محدود اجرا کنید. همچنین در پیادهسازی ابزارهای مبتنی بر عاملهای هوشمند، بهتر است ابتدا کار را با گردشکارهای کوچک آغاز کنید، اطلاعات حساس و محرمانه را در پرامپتها قرار ندهید و برای تحلیل خطاها، گزارشهای اجرایی را ذخیره نمایید.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

دولت سوئد استفاده اداری از ChatGPT و Claude را ممنوع کرد؛ نگرانی از درز دادههای حساس
دولت سوئد استفاده از ابزارهای هوش مصنوعی ChatGPT و Claude را در تمام بخشهای اداری و دولتی به دلیل نگرانیهای امنیتی ممنوع کرد. با این حال، استفاده از سرویسهای تاییدشده مانند Microsoft Copilot به دلیل وجود توافقنامههای رسمی حفاظت از دادهها، همچنان مجاز شمرده میشود.

متا برای توسعه زیرساختهای هوش مصنوعی، ۹۵ میلیارد دلار سهام جدید عرضه میکند
شرکت متا قصد دارد با عرضه ۹۵ میلیارد دلار سهام، منابع مالی لازم برای سرمایهگذاری گسترده در زیرساختهای هوش مصنوعی و پروژههای ابرهوش را تأمین کند. این غول فناوری با این اقدام، ظرفیت مراکز داده و توان پردازشی خود را برای پشتیبانی از نسلهای آینده مدلهای هوش مصنوعی بهطور چشمگیری ارتقا میدهد.

کاهش ۸۰ درصدی هزینه هوش مصنوعی؛ راهکار شرکت Aiven برای جایگزینی هوشمندانه مدلها
شرکت Aiven توانسته است با راهاندازی یک درگاه نرمافزاری اختصاصی و مهاجرت هوشمندانه به مدلهای سبکتر با وزن باز، هزینههای مصرف توکن هوش مصنوعی خود را تا ۸۰ درصد کاهش دهد. این شرکت قصد دارد با ارائه این درگاه بهعنوان یک سرویس ابری، به سایر سازمانها نیز در مهار هزینههای سرسامآور هوش مصنوعی کمک کند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.