فريق أبحاث آبل أجرى تجربة تعزيز تعلم على 9 نماذج وبـ11 لغة، بهدف معرفة: إذا كانت بيانات التدريب بلغة واحدة فقط، فهل يمكن نقل قدرات حلّ المشكلات التي يتعلمها النموذج لحل أسئلة بلغات أخرى؟
الجواب هو نعم، وبشكل واضح للغاية. تدريبًا بلغة واحدة فقط يجعل النموذج يقوى أيضًا في العديد من اللغات الأخرى. على سبيل المثال، في اختبارات اللغة الفرنسية، التدريب مباشرة بالفرنسية يرفع متوسط النتائج 25.6 نقطة مئوية؛ وعدم التدريب بالفرنسية إطلاقًا والاكتفاء بالتمرّن على أسئلة من اللغة الإسبانية فقط، ثم في النهاية اختبار الفرنسية أيضًا يرفع النتائج 24.6 نقطة مئوية، الفرق مجرد نقطة مئوية واحدة. ما يتعلمه النموذج لا يقتصر على أسئلة نوع لغة بعينها، بل يتضمن أيضًا جزءًا من طرق حلّ يمكن تبديلها إلى لغات أخرى لمواصلة الاستخدام. لذلك، لاحقًا إذا أردت تقوية الاستدلال باللغة الصينية لدى النموذج، فربما لا تحتاج بالضرورة إلى إعادة إعداد كل بيانات التعزيز على شكل صيني.
ذكر غولدمان ساكس في تقرير صدر في 14 أغسطس أن الشركات المدرجة ضمن مؤشر $S&P 500 (.SPX.US)$ خلال فترة نتائج الربع الثاني من هذا العام، قامت 2% فقط من الشركات فيها بقياس التأثير المحدد للذكاء الاصطناعي على الأرباح!
ذكر محللو غولدمان ساكس أن الشركات تتزايد استثماراتها في الذكاء الاصطناعي (AI) بوتيرة غير مسبوقة، إلا أن هذه التكنولوجيا حتى الآن لم تتحول بالنسبة لمعظم الشركات إلى تحسينات جوهرية في الأرباح. ذكر غولدمان ساكس في تقرير صدر في 14 أغسطس أن الشركات المدرجة ضمن مؤشر $S&P 500 (.SPX.US)$ خلال فترة نتائج الربع الثاني من هذا العام، قامت 2% فقط من الشركات فيها بقياس التأثير المحدد للذكاء الاصطناعي على الأرباح؛ وقالت 11% من الشركات إنها رصدت تحسناً قابلاً للقياس في الإنتاجية في مجالات محددة مثل برمجة البرمجيات ودعم العملاء. ومع ذلك، فإن الشركات التي حققت تحسينات في الكفاءة لا يتجاوز نمو أرباحها بشكل ملحوظ مستوى السوق ككل. تشير البيانات إلى أن الزيادة في أرباحها بنسبة مئوية سنوية في المتوسط الوسيط بلغت 17%، بينما بلغت 14% للشركات التي لم تُحدِّد مساهمات كفاءة الذكاء الاصطناعي بشكل قابل للقياس. وأشار غولدمان ساكس إلى أن هذا الفارق لا يحمل دلالة إحصائية ذات معنى.
فريق أبحاث آبل أجرى تجربة تعزيز تعلم على 9 نماذج وبـ11 لغة، بهدف معرفة: إذا كانت بيانات التدريب بلغة واحدة فقط، فهل يمكن نقل قدرات حلّ المشكلات التي يتعلمها النموذج لحل أسئلة بلغات أخرى؟
الجواب هو نعم، وبشكل واضح للغاية. تدريبًا بلغة واحدة فقط يجعل النموذج يقوى أيضًا في العديد من اللغات الأخرى.
على سبيل المثال، في اختبارات اللغة الفرنسية، التدريب مباشرة بالفرنسية يرفع متوسط النتائج 25.6 نقطة مئوية؛ وعدم التدريب بالفرنسية إطلاقًا والاكتفاء بالتمرّن على أسئلة من اللغة الإسبانية فقط، ثم في النهاية اختبار الفرنسية أيضًا يرفع النتائج 24.6 نقطة مئوية، الفرق مجرد نقطة مئوية واحدة.
ما يتعلمه النموذج لا يقتصر على أسئلة نوع لغة بعينها، بل يتضمن أيضًا جزءًا من طرق حلّ يمكن تبديلها إلى لغات أخرى لمواصلة الاستخدام. لذلك، لاحقًا إذا أردت تقوية الاستدلال باللغة الصينية لدى النموذج، فربما لا تحتاج بالضرورة إلى إعادة إعداد كل بيانات التعزيز على شكل صيني.
ذكر غولدمان ساكس في تقرير صدر في 14 أغسطس أن الشركات المدرجة ضمن مؤشر $S&P 500 (.SPX.US)$ خلال فترة نتائج الربع الثاني من هذا العام، قامت 2% فقط من الشركات فيها بقياس التأثير المحدد للذكاء الاصطناعي على الأرباح!
ذكر محللو غولدمان ساكس أن الشركات تتزايد استثماراتها في الذكاء الاصطناعي (AI) بوتيرة غير مسبوقة، إلا أن هذه التكنولوجيا حتى الآن لم تتحول بالنسبة لمعظم الشركات إلى تحسينات جوهرية في الأرباح. ذكر غولدمان ساكس في تقرير صدر في 14 أغسطس أن الشركات المدرجة ضمن مؤشر $S&P 500 (.SPX.US)$ خلال فترة نتائج الربع الثاني من هذا العام، قامت 2% فقط من الشركات فيها بقياس التأثير المحدد للذكاء الاصطناعي على الأرباح؛ وقالت 11% من الشركات إنها رصدت تحسناً قابلاً للقياس في الإنتاجية في مجالات محددة مثل برمجة البرمجيات ودعم العملاء. ومع ذلك، فإن الشركات التي حققت تحسينات في الكفاءة لا يتجاوز نمو أرباحها بشكل ملحوظ مستوى السوق ككل. تشير البيانات إلى أن الزيادة في أرباحها بنسبة مئوية سنوية في المتوسط الوسيط بلغت 17%، بينما بلغت 14% للشركات التي لم تُحدِّد مساهمات كفاءة الذكاء الاصطناعي بشكل قابل للقياس. وأشار غولدمان ساكس إلى أن هذا الفارق لا يحمل دلالة إحصائية ذات معنى.
فريق أبحاث آبل أجرى تجربة تعزيز تعلم على 9 نماذج وبـ11 لغة، بهدف معرفة: إذا كانت بيانات التدريب بلغة واحدة فقط، فهل يمكن نقل قدرات حلّ المشكلات التي يتعلمها النموذج لحل أسئلة بلغات أخرى؟
الجواب هو نعم، وبشكل واضح للغاية. تدريبًا بلغة واحدة فقط يجعل النموذج يقوى أيضًا في العديد من اللغات الأخرى.
على سبيل المثال، في اختبارات اللغة الفرنسية، التدريب مباشرة بالفرنسية يرفع متوسط النتائج 25.6 نقطة مئوية؛ وعدم التدريب بالفرنسية إطلاقًا والاكتفاء بالتمرّن على أسئلة من اللغة الإسبانية فقط، ثم في النهاية اختبار الفرنسية أيضًا يرفع النتائج 24.6 نقطة مئوية، الفرق مجرد نقطة مئوية واحدة.
ما يتعلمه النموذج لا يقتصر على أسئلة نوع لغة بعينها، بل يتضمن أيضًا جزءًا من طرق حلّ يمكن تبديلها إلى لغات أخرى لمواصلة الاستخدام. لذلك، لاحقًا إذا أردت تقوية الاستدلال باللغة الصينية لدى النموذج، فربما لا تحتاج بالضرورة إلى إعادة إعداد كل بيانات التعزيز على شكل صيني.
ذكر غولدمان ساكس في تقرير صدر في 14 أغسطس أن الشركات المدرجة ضمن مؤشر $S&P 500 (.SPX.US)$ خلال فترة نتائج الربع الثاني من هذا العام، قامت 2% فقط من الشركات فيها بقياس التأثير المحدد للذكاء الاصطناعي على الأرباح!
ذكر محللو غولدمان ساكس أن الشركات تتزايد استثماراتها في الذكاء الاصطناعي (AI) بوتيرة غير مسبوقة، إلا أن هذه التكنولوجيا حتى الآن لم تتحول بالنسبة لمعظم الشركات إلى تحسينات جوهرية في الأرباح. ذكر غولدمان ساكس في تقرير صدر في 14 أغسطس أن الشركات المدرجة ضمن مؤشر $S&P 500 (.SPX.US)$ خلال فترة نتائج الربع الثاني من هذا العام، قامت 2% فقط من الشركات فيها بقياس التأثير المحدد للذكاء الاصطناعي على الأرباح؛ وقالت 11% من الشركات إنها رصدت تحسناً قابلاً للقياس في الإنتاجية في مجالات محددة مثل برمجة البرمجيات ودعم العملاء. ومع ذلك، فإن الشركات التي حققت تحسينات في الكفاءة لا يتجاوز نمو أرباحها بشكل ملحوظ مستوى السوق ككل. تشير البيانات إلى أن الزيادة في أرباحها بنسبة مئوية سنوية في المتوسط الوسيط بلغت 17%، بينما بلغت 14% للشركات التي لم تُحدِّد مساهمات كفاءة الذكاء الاصطناعي بشكل قابل للقياس. وأشار غولدمان ساكس إلى أن هذا الفارق لا يحمل دلالة إحصائية ذات معنى.
فريق أبحاث آبل أجرى تجربة تعزيز تعلم على 9 نماذج وبـ11 لغة، بهدف معرفة: إذا كانت بيانات التدريب بلغة واحدة فقط، فهل يمكن نقل قدرات حلّ المشكلات التي يتعلمها النموذج لحل أسئلة بلغات أخرى؟
الجواب هو نعم، وبشكل واضح للغاية. تدريبًا بلغة واحدة فقط يجعل النموذج يقوى أيضًا في العديد من اللغات الأخرى.
على سبيل المثال، في اختبارات اللغة الفرنسية، التدريب مباشرة بالفرنسية يرفع متوسط النتائج 25.6 نقطة مئوية؛ وعدم التدريب بالفرنسية إطلاقًا والاكتفاء بالتمرّن على أسئلة من اللغة الإسبانية فقط، ثم في النهاية اختبار الفرنسية أيضًا يرفع النتائج 24.6 نقطة مئوية، الفرق مجرد نقطة مئوية واحدة.
ما يتعلمه النموذج لا يقتصر على أسئلة نوع لغة بعينها، بل يتضمن أيضًا جزءًا من طرق حلّ يمكن تبديلها إلى لغات أخرى لمواصلة الاستخدام. لذلك، لاحقًا إذا أردت تقوية الاستدلال باللغة الصينية لدى النموذج، فربما لا تحتاج بالضرورة إلى إعادة إعداد كل بيانات التعزيز على شكل صيني.
ذكر غولدمان ساكس في تقرير صدر في 14 أغسطس أن الشركات المدرجة ضمن مؤشر $S&P 500 (.SPX.US)$ خلال فترة نتائج الربع الثاني من هذا العام، قامت 2% فقط من الشركات فيها بقياس التأثير المحدد للذكاء الاصطناعي على الأرباح!
ذكر محللو غولدمان ساكس أن الشركات تتزايد استثماراتها في الذكاء الاصطناعي (AI) بوتيرة غير مسبوقة، إلا أن هذه التكنولوجيا حتى الآن لم تتحول بالنسبة لمعظم الشركات إلى تحسينات جوهرية في الأرباح. ذكر غولدمان ساكس في تقرير صدر في 14 أغسطس أن الشركات المدرجة ضمن مؤشر $S&P 500 (.SPX.US)$ خلال فترة نتائج الربع الثاني من هذا العام، قامت 2% فقط من الشركات فيها بقياس التأثير المحدد للذكاء الاصطناعي على الأرباح؛ وقالت 11% من الشركات إنها رصدت تحسناً قابلاً للقياس في الإنتاجية في مجالات محددة مثل برمجة البرمجيات ودعم العملاء. ومع ذلك، فإن الشركات التي حققت تحسينات في الكفاءة لا يتجاوز نمو أرباحها بشكل ملحوظ مستوى السوق ككل. تشير البيانات إلى أن الزيادة في أرباحها بنسبة مئوية سنوية في المتوسط الوسيط بلغت 17%، بينما بلغت 14% للشركات التي لم تُحدِّد مساهمات كفاءة الذكاء الاصطناعي بشكل قابل للقياس. وأشار غولدمان ساكس إلى أن هذا الفارق لا يحمل دلالة إحصائية ذات معنى.
فريق أبحاث آبل أجرى تجربة تعزيز تعلم على 9 نماذج وبـ11 لغة، بهدف معرفة: إذا كانت بيانات التدريب بلغة واحدة فقط، فهل يمكن نقل قدرات حلّ المشكلات التي يتعلمها النموذج لحل أسئلة بلغات أخرى؟
الجواب هو نعم، وبشكل واضح للغاية. تدريبًا بلغة واحدة فقط يجعل النموذج يقوى أيضًا في العديد من اللغات الأخرى.
على سبيل المثال، في اختبارات اللغة الفرنسية، التدريب مباشرة بالفرنسية يرفع متوسط النتائج 25.6 نقطة مئوية؛ وعدم التدريب بالفرنسية إطلاقًا والاكتفاء بالتمرّن على أسئلة من اللغة الإسبانية فقط، ثم في النهاية اختبار الفرنسية أيضًا يرفع النتائج 24.6 نقطة مئوية، الفرق مجرد نقطة مئوية واحدة.
ما يتعلمه النموذج لا يقتصر على أسئلة نوع لغة بعينها، بل يتضمن أيضًا جزءًا من طرق حلّ يمكن تبديلها إلى لغات أخرى لمواصلة الاستخدام. لذلك، لاحقًا إذا أردت تقوية الاستدلال باللغة الصينية لدى النموذج، فربما لا تحتاج بالضرورة إلى إعادة إعداد كل بيانات التعزيز على شكل صيني.
ذكر غولدمان ساكس في تقرير صدر في 14 أغسطس أن الشركات المدرجة ضمن مؤشر $S&P 500 (.SPX.US)$ خلال فترة نتائج الربع الثاني من هذا العام، قامت 2% فقط من الشركات فيها بقياس التأثير المحدد للذكاء الاصطناعي على الأرباح!
ذكر محللو غولدمان ساكس أن الشركات تتزايد استثماراتها في الذكاء الاصطناعي (AI) بوتيرة غير مسبوقة، إلا أن هذه التكنولوجيا حتى الآن لم تتحول بالنسبة لمعظم الشركات إلى تحسينات جوهرية في الأرباح. ذكر غولدمان ساكس في تقرير صدر في 14 أغسطس أن الشركات المدرجة ضمن مؤشر $S&P 500 (.SPX.US)$ خلال فترة نتائج الربع الثاني من هذا العام، قامت 2% فقط من الشركات فيها بقياس التأثير المحدد للذكاء الاصطناعي على الأرباح؛ وقالت 11% من الشركات إنها رصدت تحسناً قابلاً للقياس في الإنتاجية في مجالات محددة مثل برمجة البرمجيات ودعم العملاء. ومع ذلك، فإن الشركات التي حققت تحسينات في الكفاءة لا يتجاوز نمو أرباحها بشكل ملحوظ مستوى السوق ككل. تشير البيانات إلى أن الزيادة في أرباحها بنسبة مئوية سنوية في المتوسط الوسيط بلغت 17%، بينما بلغت 14% للشركات التي لم تُحدِّد مساهمات كفاءة الذكاء الاصطناعي بشكل قابل للقياس. وأشار غولدمان ساكس إلى أن هذا الفارق لا يحمل دلالة إحصائية ذات معنى.
فريق أبحاث آبل أجرى تجربة تعزيز تعلم على 9 نماذج وبـ11 لغة، بهدف معرفة: إذا كانت بيانات التدريب بلغة واحدة فقط، فهل يمكن نقل قدرات حلّ المشكلات التي يتعلمها النموذج لحل أسئلة بلغات أخرى؟
الجواب هو نعم، وبشكل واضح للغاية. تدريبًا بلغة واحدة فقط يجعل النموذج يقوى أيضًا في العديد من اللغات الأخرى.
على سبيل المثال، في اختبارات اللغة الفرنسية، التدريب مباشرة بالفرنسية يرفع متوسط النتائج 25.6 نقطة مئوية؛ وعدم التدريب بالفرنسية إطلاقًا والاكتفاء بالتمرّن على أسئلة من اللغة الإسبانية فقط، ثم في النهاية اختبار الفرنسية أيضًا يرفع النتائج 24.6 نقطة مئوية، الفرق مجرد نقطة مئوية واحدة.
ما يتعلمه النموذج لا يقتصر على أسئلة نوع لغة بعينها، بل يتضمن أيضًا جزءًا من طرق حلّ يمكن تبديلها إلى لغات أخرى لمواصلة الاستخدام. لذلك، لاحقًا إذا أردت تقوية الاستدلال باللغة الصينية لدى النموذج، فربما لا تحتاج بالضرورة إلى إعادة إعداد كل بيانات التعزيز على شكل صيني.
ذكر غولدمان ساكس في تقرير صدر في 14 أغسطس أن الشركات المدرجة ضمن مؤشر $S&P 500 (.SPX.US)$ خلال فترة نتائج الربع الثاني من هذا العام، قامت 2% فقط من الشركات فيها بقياس التأثير المحدد للذكاء الاصطناعي على الأرباح!
ذكر محللو غولدمان ساكس أن الشركات تتزايد استثماراتها في الذكاء الاصطناعي (AI) بوتيرة غير مسبوقة، إلا أن هذه التكنولوجيا حتى الآن لم تتحول بالنسبة لمعظم الشركات إلى تحسينات جوهرية في الأرباح. ذكر غولدمان ساكس في تقرير صدر في 14 أغسطس أن الشركات المدرجة ضمن مؤشر $S&P 500 (.SPX.US)$ خلال فترة نتائج الربع الثاني من هذا العام، قامت 2% فقط من الشركات فيها بقياس التأثير المحدد للذكاء الاصطناعي على الأرباح؛ وقالت 11% من الشركات إنها رصدت تحسناً قابلاً للقياس في الإنتاجية في مجالات محددة مثل برمجة البرمجيات ودعم العملاء. ومع ذلك، فإن الشركات التي حققت تحسينات في الكفاءة لا يتجاوز نمو أرباحها بشكل ملحوظ مستوى السوق ككل. تشير البيانات إلى أن الزيادة في أرباحها بنسبة مئوية سنوية في المتوسط الوسيط بلغت 17%، بينما بلغت 14% للشركات التي لم تُحدِّد مساهمات كفاءة الذكاء الاصطناعي بشكل قابل للقياس. وأشار غولدمان ساكس إلى أن هذا الفارق لا يحمل دلالة إحصائية ذات معنى.
مليارديرات عالميون فائقة الثراء يراهنون جماعيًا على سبيس إكس (SPCX.US) ! أكثر من عشر مكاتب عائلية تمتلك استثمارات لا تقل عن 3.8 مليارات دولار!
تقوم عائلات مليارديرات فائقة الثراء في الولايات المتحدة ومناطق متعددة حول العالم بمراهنة كبيرة على شركة سبيس إكس (SPCX.US). وتُظهر أحدث المستندات التنظيمية أن عدة مكاتب عائلية من الأمريكتين وأوروبا والشرق الأوسط قد أنشأت بالفعل مراكز استثمارية في سبيس إكس بقيمة تصل إلى عدة مليارات من الدولارات، ما يعكس أن المليارديرات الفائقين يستفيدون من قوة رأسمالية كبيرة ليحتلوا موقعًا متزايد الأهمية ضمن أبرز الفرص الاستثمارية. ووفقًا لما جمعته وسائل الإعلام من مستندات تنظيمية خاصة بالربع الثاني (13F)، حتى نهاية يونيو، كانت مكاتب العائلة التابعة لخليفة فندق هيلتون، نيك برتزكر (Nick Pritzker)، تمتلك ما يقرب من 1.8 مليار دولار من أسهم سبيس إكس. ففي ذلك الوقت، لم تكن قد مضت سوى أسابيع قليلة على اكتمال الطرح العام الأولي للشركة، وكانت أعمالها تمتد عبر مجالات مثل إطلاق الصواريخ والاتصالات عبر الأقمار الصناعية والذكاء الاصطناعي. كما أن مليارديرات آخرين أسسوا أيضًا مراكز كبيرة.
$SPCX حجرة الوقود تم تعبئتها بالفعل! صناديق استثمار أمريكية رفيعة المستوى تكدّست عليها وتعلّقت بها، وأكبر قمة تاريخية بقيمة 3 تريليون دولار، محكوم عليها أن يتم اختراقها بهذه الموجة من الصواريخ. العودة إلى 200 دولار؟ هذا مجرد الفصل الأول لمحرك التعزيز!🔥
العنوان: 🏃♀️ عِش التصفية الذهنية في الحياة، واستثمر بحِفظ القلب 🎾
أعد الإيقاع إلى نفسك 🌤️، تحرّك لتصفية الذهن، وادّخر حالة ذهنية متزنة ✨ لا تستعجل تحقيق كل شيء، واترك لكل شيء أن يحدث🕊️. والاستثمار كذلك📊: ثبّت حالتك النفسية، وانتظر ازدهار الأزهار 🌷 أتمنى أن تكون الأيام مليئة بالعَرَق وفيها أيضًا طعمٌ حلو 🍯، وأن يكون كل شيء على خير 💫.
💬 التفاعل: هل تستخدم الحركة/الرياضة عادةً لتنظيم مزاج الاستثمار؟
#DSC عملة بوسيدون AMA في ساحة بينانس، بث خاص في 18 أغسطس—أول جلسة AMA في غرفة البث @lxtx520 ⏰ مباشر: 20:30‑24:00 تحليل معمّق لبيئة سلسلة بوسيدون DSC، مع التركيز على أبرز ملامح المشروع الأساسية، وتفاعل وأسئلة وأجوبة في الموقع 🎁 مرحبًا بمحبي Web3 للمجيء والتواصل والمناقشة!
سجّل الدخول لاستكشاف المزيد من المُحتوى
انضم إلى مُستخدمي العملات الرقمية حول العالم على Binance Square
⚡️ احصل على أحدث المعلومات المفيدة عن العملات الرقمية.
💬 موثوقة من قبل أكبر منصّة لتداول العملات الرقمية في العالم.
👍 اكتشف الرؤى الحقيقية من صنّاع المُحتوى الموثوقين.