NVIDIA توسعه مدل های باز برای هوش مصنوعی دیجیتال و فیزیکی را ترویج می کند

محققان در سراسر جهان به فناوری‌های منبع باز به‌عنوان پایه و اساس کار خود متکی هستند. برای تجهیز جامعه به آخرین پیشرفت‌ها در هوش مصنوعی دیجیتالی و فیزیکی، NVIDIA به گسترش مجموعه مدل‌های هوش مصنوعی باز، مجموعه داده‌ها و ابزارهای خود ادامه می‌دهد – با کاربردهای بالقوه در تقریباً هر زمینه‌ای از تحقیقات.

در NeurIPS، یکی از برترین کنفرانس‌های هوش مصنوعی جهان، NVIDIA از مدل‌ها و ابزارهای باز هوش مصنوعی برای پشتیبانی از تحقیقات، از جمله Alpamayo-R1، اولین مدل Open Reasoning Vision Language Action (VLA) جهان برای رانندگی خودکار در مقیاس صنعتی، رونمایی خواهد کرد. در زمینه هوش مصنوعی دیجیتال، NVIDIA مدل‌ها و مجموعه داده‌های جدیدی را برای ایمنی صدا و هوش مصنوعی منتشر می‌کند.

محققان NVIDIA بیش از 70 مقاله، گفتگو و کارگاه آموزشی را در این کنفرانس ارائه خواهند کرد که پروژه‌های نوآورانه‌ای شامل استدلال هوش مصنوعی، تحقیقات پزشکی، توسعه وسایل نقلیه خودران (AV) و موارد دیگر را به اشتراک می‌گذارند.

این ابتکارات تعهد NVIDIA به منبع باز را عمیق تر می کند – تلاشی که توسط یک شاخص باز بودن جدید از Artificial Analysis، یک سازمان مستقل که هوش مصنوعی را معیار قرار می دهد، به رسمیت شناخته شده است. شاخص باز آنالیز مصنوعی، خانواده فناوری‌های باز NVIDIA Nemotron را برای توسعه پیشگامانه هوش مصنوعی به عنوان بازترین فناوری‌ها در اکوسیستم هوش مصنوعی بر اساس واجد شرایط بودن مجوز مدل، شفافیت داده‌ها و در دسترس بودن جزئیات فنی ارزیابی می‌کند.

NVIDIA DRIVE Alpamayo-R1 مرزهای تحقیقاتی جدیدی را برای رانندگی خودران باز می کند

NVIDIA DRIVE Alpamayo-R1 (AR1)، اولین مدل VLA استدلال باز در جهان برای تحقیقات AV، استدلال زنجیره فکری هوش مصنوعی را با برنامه‌ریزی مسیر ادغام می‌کند – یک مؤلفه برای ارتقای ایمنی AV در سناریوهای پیچیده جاده‌ای و ایجاد استقلال سطح 4 بسیار مهم است.

در حالی که نسخه‌های قبلی مدل‌های خودران با موقعیت‌های متفاوتی دست و پنجه نرم می‌کردند – تقاطع با تعداد زیادی عابران پیاده، بسته شدن خط قریب‌الوقوع، یا یک وسیله نقلیه دو بار پارک شده در مسیر دوچرخه – این استدلال به وسایل نقلیه خودران این حس مشترک را می‌دهد که بیشتر شبیه انسان‌ها رانندگی کنند.

AR1 با تجزیه یک سناریو و استدلال در هر مرحله به این امر دست می یابد. تمام مسیرهای ممکن را در نظر می گیرد و سپس از داده های متنی برای انتخاب بهترین مسیر استفاده می کند.

به عنوان مثال، با استفاده از استدلال فعال شده توسط AR1، رانندگی AV در یک منطقه عابر پیاده در کنار مسیر دوچرخه می‌تواند داده‌های مسیر خود را ثبت کند، ردپای استدلال (توضیحاتی در مورد اینکه چرا اقدامات خاصی انجام داده است) را در خود جای دهد و از این اطلاعات برای برنامه‌ریزی مسیر آینده‌اش، مانند دور شدن از مسیر دوچرخه یا توقف برای مسافران بالقوه جی‌واکر استفاده کند.

پایه باز AR1، بر اساس NVIDIA Cosmos Reason، به محققان این امکان را می‌دهد که مدل را برای موارد استفاده غیرتجاری خود، اعم از محک زدن یا ساخت برنامه‌های آزمایشی AV، تطبیق دهند.

برای AR1 پس از آموزش، یادگیری تقویتی به ویژه موثر بوده است: محققان بهبود قابل توجهی را در توانایی استدلال با AR1 در مقایسه با مدل از پیش آموزش دیده مشاهده کرده‌اند.

NVIDIA DRIVE Alpamayo-R1 اکنون در GitHub و Hugging Face در دسترس است و زیر مجموعه ای از داده های مورد استفاده برای آموزش و ارزیابی مدل در مجموعه داده های باز NVIDIA Physical AI موجود است. NVIDIA همچنین چارچوب منبع باز AlpaSim را برای ارزیابی AR1 منتشر کرده است.

درباره دلایل مدل های VLA برای رانندگی خودکار بیشتر بخوانید.

NVIDIA Cosmos را برای هر گونه استفاده فیزیکی از هوش مصنوعی سفارشی کنید

توسعه‌دهندگان می‌توانند نحوه استفاده و آموزش مدل‌های مبتنی بر کیهان را با استفاده از دستور العمل‌های گام به گام، مثال‌های استنتاج سریع و گردش‌های کاری پیشرفته پس از آموزش که اکنون در کتاب آشپزی Cosmos موجود است، بیاموزند. این یک راهنمای جامع برای توسعه دهندگان هوش مصنوعی فیزیکی است که تمام مراحل توسعه هوش مصنوعی را شامل می شود، از جمله مدیریت داده ها، تولید داده های مصنوعی و ارزیابی مدل.

تقریباً امکانات بی حد و حصری برای برنامه های کاربردی مبتنی بر کیهان وجود دارد. آخرین نمونه های NVIDIA عبارتند از:

• LidarGenاولین مدل جهانی که می تواند داده های لیدار را برای شبیه سازی AV تولید کند.
• فیکس کننده Omniverse NuRecیک مدل شبیه‌سازی AV و روباتیک که از NVIDIA Cosmos Predict استفاده می‌کند تا تقریباً فوراً مصنوعات را در داده‌های بازسازی‌شده عصبی، مانند تاری‌ها و شکاف‌ها در نماهای جدید یا داده‌های پر سر و صدا، نشان دهد.
• سیاست کیهانچارچوبی برای تبدیل مدل‌های ویدیویی بزرگ و از پیش آموزش‌دیده به خط‌مشی‌های قوی روبات – مجموعه‌ای از قوانین که رفتار ربات را دیکته می‌کند.
• ProtoMotion3یک چارچوب منبع باز و با شتاب GPU ساخته شده بر روی NVIDIA Newton و Isaac Lab برای آموزش انسان های دیجیتال شبیه سازی شده فیزیکی و روبات های انسان نما با صحنه های واقع گرایانه تولید شده توسط Cosmos World Foundation Models (WFM).

مدل‌های خط‌مشی را می‌توان در NVIDIA Isaac Lab و Isaac Sim آموزش داد، و سپس داده‌های تولید شده از مدل‌های خط‌مشی را می‌توان برای آموزش پس از آموزش مدل‌های NVIDIA GR00T N برای روباتیک استفاده کرد.

شرکای اکوسیستم NVIDIA جدیدترین فناوری های خود را با Cosmos WFM توسعه می دهند.

توسعه دهنده AV Voxel51 دستور العمل های مدل را در Cosmos Cookbook ارائه می دهد. توسعه دهندگان هوش مصنوعی فیزیکی 1X، Figure AI، Foretellix، Gatik، Oxa، PlusAI و X-Humanoid از WFM برای آخرین برنامه های هوش مصنوعی فیزیکی خود استفاده می کنند. و محققان ETH زوریخ مقاله NeurIPS را ارائه می‌کنند که در آن استفاده از مدل‌های کیهان برای ایجاد صحنه‌های سه بعدی واقعی و منسجم برجسته شده است.

افزوده‌های NVIDIA Nemotron جعبه ابزار توسعه‌دهنده هوش مصنوعی دیجیتال را تقویت می‌کند

NVIDIA همچنین مدل‌های جدید هوش مصنوعی گفتاری چند بلندگو را منتشر می‌کند، مدلی جدید با قابلیت‌های استدلال و مجموعه داده‌ها برای ایمنی هوش مصنوعی، و همچنین ابزارهای باز برای تولید مجموعه داده‌های مصنوعی با کیفیت بالا برای یادگیری تقویتی و انطباق مدل خاص دامنه. این ابزارها عبارتند از:

• طوطی چند تاکر: یک مدل تشخیص خودکار گفتار برای پخش صدا که می تواند چندین بلندگو را حتی در مکالمات روی هم یا سریع درک کند.
• مرتب سازی شکل دهنده: یک مدل پیشرفته که می تواند به طور دقیق چندین بلندگو را در یک جریان صوتی (فرآیندی به نام ضبط خاطرات) در زمان واقعی تشخیص دهد.
• استدلال ایمنی محتوای Nemotron: یک مدل امنیتی هوش مصنوعی مبتنی بر استدلال که به صورت پویا خط‌مشی‌های سفارشی‌شده را در سراسر دامنه‌ها اعمال می‌کند.
• سیستم صوتی ایمنی محتوای Nemotron مجموعه داده: یک مجموعه داده مصنوعی که می‌تواند برای آموزش مدل‌ها برای تشخیص محتوای صوتی ناامن استفاده شود، که امکان توسعه نرده‌هایی را فراهم می‌کند که در حالت‌های متنی و صوتی کار می‌کنند.
• باشگاه بدنسازی NeMo: یک کتابخانه منبع باز که توسعه محیط های یادگیری تقویتی را برای آموزش LLM تسریع و ساده می کند. NeMo Gym همچنین شامل مجموعه رو به رشدی از محیط های آموزشی آماده برای فعال کردن آموزش تقویتی از پاداش قابل تأیید (RLVR) است.
• کتابخانه طراح داده NeMo: اکنون منبع باز تحت Apache 2.0، این کتابخانه یک جعبه ابزار سرتاسری برای تولید، اعتبارسنجی و پالایش مجموعه داده های مصنوعی با کیفیت بالا برای توسعه هوش مصنوعی مولد، از جمله انطباق و ارزیابی مدل خاص دامنه ارائه می دهد.

https://www.youtube.com/watch?v=AThOsk2qJbs

شرکای اکوسیستم NVIDIA با استفاده از ابزارهای NVIDIA Nemotron و NeMo برای ایجاد هوش مصنوعی ایمن و تخصصی، شامل CrowdStrike، Palantir و ServiceNow هستند.

شرکت‌کنندگان NeurIPS می‌توانند این نوآوری‌ها را در نشست Nemotron که امروز از ساعت 4:00 تا 8:00 بعد از ظهر به وقت محلی برگزار می‌شود، با سخنرانی افتتاحیه توسط برایان کاتانزارو، معاون تحقیقات یادگیری عمیق کاربردی در NVIDIA، بررسی کنند.

تحقیقات انویدیا باعث نوآوری هوش مصنوعی زبان می شود

از میان ده‌ها مقاله تحقیقاتی تألیف شده توسط NVIDIA در NeurIPS، در اینجا برخی از نکات برجسته که مدل‌های زبان را ارتقا می‌دهند، آمده است:

مشاهده لیست کامل از رویدادهای NeurIPSتا یکشنبه 7 دسامبر در سن دیگو ادامه دارد.

برای دیدن اطلاع رسانی در مورد اطلاعات محصول نرم افزاری