Mistral ने एक नया, उच्च-प्रदर्शन OCR API जारी किया है जो दस्तावेज़ों के व्यापक विश्लेषण के लिए डिज़ाइन किया गया है। यह API विभिन्न प्रकार के दस्तावेज़ों को संभाल सकता है और सटीक और कुशल परिणाम प्रदान करता है।

क्वांटेक्सा, एक अग्रणी डेटा विश्लेषण और कृत्रिम बुद्धिमत्ता कंपनी, ने हाल ही में 1.75 अरब डॉलर का वित्तपोषण हासिल किया है, जिससे कंपनी का मूल्यांकन 26 अरब डॉलर तक पहुँच गया है। यह निवेश कंपनी के डेटा विश्लेषण और कृत्रिम बुद्धिमत्ता व्यवसाय को आगे बढ़ाने में मदद करेगा।

लॉस एंजिल्स टाइम्स द्वारा एआई तकनीक का उपयोग करके लेखों के विचारों का विश्लेषण करने के अपने नए प्रयास से मीडिया में भरोसे को लेकर चिंताएँ बढ़ गई हैं। यह कदम पत्रकारिता के भविष्य और तकनीक के प्रभाव पर बहस को और तेज कर सकता है।

2025 तक, चीन कृत्रिम बुद्धिमत्ता में एक प्रमुख वैश्विक खिलाड़ी बनने के अपने लक्ष्य के करीब पहुँच रहा है। यह लेख चीन के एआई विकास की गति और उसके वैश्विक प्रतिस्पर्धियों के साथ प्रतिस्पर्धा करने की क्षमता का विश्लेषण करता है।

गूगल ने हाल ही में अपने शीट्स ऐप के लिए एक नया गेमिनी AI सहायक लॉन्च किया है जो उपयोगकर्ताओं को डेटा विश्लेषण और डेटा विज़ुअलाइज़ेशन को आसानी से करने में मदद करता है। यह सहायक उपयोगकर्ताओं को डेटा में अंतर्दृष्टि प्राप्त करने और अधिक प्रभावी ढंग से डेटा का उपयोग करने में मदद करता है।

चिकित्सा क्षेत्र में, इमेजिंग डेटा का विश्लेषण हमेशा से ही एक जटिल और श्रमसाध्य प्रक्रिया रही है। हाल ही में, वेल कॉर्नेल मेडिकल कॉलेज के शोधकर्ताओं ने LILAC (लर्निंग-बेस्ड लॉन्गिट्यूडिनल इमेज चेंज इंफरेंस) नामक एक नई कृत्रिम बुद्धिमत्ता प्रणाली विकसित की है जो समय के साथ बदलने वाली चिकित्सा इमेजिंग का कुशलतापूर्वक और सटीक रूप से विश्लेषण और पता लगा सकती है। यह शोध 20 फरवरी को प्रोसीडिंग्स ऑफ द नेशनल एकेडमी ऑफ साइंसेज में प्रकाशित हुआ था, और LILAC की कई चिकित्सा स्थितियों में व्यापक अनुप्रयोग क्षमता को प्रदर्शित करता है। पारंपरिक चिकित्सा इमेजिंग विश्लेषण विधियों को अक्सर बड़ी मात्रा में अनुकूलन और पूर्व-

हाल ही में, शांगलुओ इलेक्ट्रॉनिक्स ने इंटरएक्टिव प्लेटफॉर्म पर खुलासा किया कि कंपनी DeepSeek बड़े मॉडल को लागू करने की सक्रिय तैयारी कर रही है, जिसका उद्देश्य एक निजी कृत्रिम बुद्धिमत्ता प्लेटफॉर्म का निर्माण करना है। यह कदम न केवल कंपनी को डेटा विश्लेषण और पूर्वानुमान में मजबूत समर्थन प्रदान करेगा, बल्कि इसके सहायक निर्णय लेने की क्षमता को भी बढ़ाएगा, इस प्रकार समग्र व्यवसाय की दक्षता को बढ़ावा देगा। शांगलुओ इलेक्ट्रॉनिक्स ने कहा कि DeepSeek बड़े मॉडल का कार्यान्वयन उसे विशाल डेटा को अधिक प्रभावी ढंग से संसाधित और विश्लेषण करने में सक्षम बनाएगा। डेटा के गहरे विश्लेषण के माध्यम से, शांगलुओ इलेक्ट्रॉनिक्स उम्मीद कर रहा है कि वह प्रबंधन को और अधिक जानकारी प्रदान कर सके।

आज, वीबो अपना ज़ीसो फ़ंक्शन डिपसीक बड़े मॉडल के साथ परीक्षण कर रहा है। वीबो के सीईओ वांग गाओफेई ने प्लेटफ़ॉर्म पर कई बार संबंधित फ़ंक्शन परीक्षण के प्रभाव को प्रदर्शित किया है, जिसमें श्रमिकों की आय पर सामाजिक सुरक्षा लागतों की बढ़ोतरी जैसे热点 विषयों का बुद्धिमान विश्लेषण शामिल है। परीक्षण से पता चलता है कि डिपसीक R1 मॉडल वीबो प्लेटफ़ॉर्म पर मौजूद चर्चा सामग्री को प्रभावी रूप से एकीकृत कर सकता है, उपयोगकर्ताओं को स्पष्ट विषय सारांश और विश्लेषणात्मक निष्कर्ष प्रदान करता है। इस फ़ंक्शन का शामिल होना न केवल वीबो की खोज गुणवत्ता और उपयोगकर्ता अनुभव को बढ़ाएगा, बल्कि प्लेटफ़ॉर्म के अधिक व्यापक बुद्धिमान सेवा की ओर बढ़ने के संकेत भी देगा।

हॉन्ग कॉन्ग विश्वविद्यालय (HKU) की शोध टीम ने हाल ही में घोषणा की कि उन्होंने एक एआई-आधारित इमेजिंग टूल विकसित किया है, जिसका उद्देश्य कैंसर निदान की गति और सटीकता को बढ़ाना है। "सेल मॉर्फोलॉजी एंटी-डिस्टिलेशन" (CytoMAD) नाम की यह नई तकनीक, इंजीनियरिंग स्कूल के प्रोफेसर काईवेन ची द्वारा संचालित, सामान्य मार्किंग तकनीकों के बिना सटीक एकल सेल विश्लेषण के लिए जनरेटिव एआई विधियों का उपयोग करती है। CytoMAD की तकनीक की हॉन्ग कॉन्ग विश्वविद्यालय के ली काशिंग मेडिकल कॉलेज और मैरी हॉस्पिटल के सहयोग से परीक्षण किया गया है, और यह फेफड़े के कैंसर रोगियों के मूल्यांकन में प्रभावी साबित हुई है।

आज सुबह, OpenAI ने ChatGPT खोज कार्यक्षमता के बारे में एक महत्वपूर्ण अपडेट की घोषणा की। अब, उपयोगकर्ताओं को खाते में लॉगिन किए बिना सीधे ChatGPT के खोज इंजन का उपयोग करने की अनुमति है। यह परिवर्तन न केवल ChatGPT के उपयोग के दायरे को बढ़ाता है, बल्कि इसे पारंपरिक खोज इंजनों जैसे गूगल और बिंग के साथ सीधे प्रतिस्पर्धा में भी लाता है।

गूगल के जेमिनी एआई ने हाल ही में एक उल्लेखनीय तकनीकी प्रगति की है, जो एक साथ कई दृश्य धाराओं को संसाधित करने में सक्षम है, जो आर्टिफिशियल इंटेलिजेंस के क्षेत्र में एक अभूतपूर्व उपलब्धि है। यह सुविधा गूगल के मुख्यधारा के प्लेटफॉर्म के जरिए नहीं, बल्कि 'ऐनीचैट' नामक प्रयोगात्मक एप्लिकेशन के माध्यम से प्रदर्शित की गई है। जेमिनी एआई की इस नई क्षमता के कारण यह न केवल वास्तविक समय में वीडियो देख सकता है, बल्कि स्थिर चित्रों का समकालिक विश्लेषण भी कर सकता है, जो पहले आर्टिफिशियल इंटेलिजेंस की केवल एकल दृश्य इनपुट पर संसाधित होने की सीमाओं को तोड़ता है।

2025 के अंतरराष्ट्रीय उपभोक्ता इलेक्ट्रॉनिक्स शो (CES) की उद्घाटन सभा में, NVIDIA के सीईओ जेन-सन ह्वांग ने "वीडियो विश्लेषण एआई एजेंट ब्लूप्रिंट" पेश करने की घोषणा की। यह नया प्लेटफ़ॉर्म NVIDIA के Metropolis सिस्टम पर आधारित है, जिसका उद्देश्य संगठनों और व्यक्तियों की उत्पादकता और सुरक्षा में वृद्धि करना है, और यहां तक कि एथलीटों के प्रदर्शन में सुधार करने में मदद करना है। वर्तमान में, दुनिया भर में 1.5 बिलियन से अधिक व्यावसायिक स्तर के कैमरे स्थापित हैं, जो प्रति वर्ष लगभग 70 ट्रिलियन घंटे的视频 डेटा उत्पन्न करते हैं। हालांकि, केवल नहीं

तंत्रिका विज्ञान और कृत्रिम बुद्धिमत्ता के बीच के चौराहे पर, प्रसिद्ध तंत्रिका वैज्ञानिक एंथनी जाडोर ने Brain Inspired पॉडकास्ट के मेज़बान पॉल मिडलब्रोक्स के साथ गहन बातचीत की। इस क्षेत्र के अग्रणी लोगों में से एक के रूप में, जाडोर ने NeuroAI के भविष्य के विकास पर अपने अद्वितीय दृष्टिकोण को विस्तार से बताया। NeuroAI इस शब्द के प्रति अपनी प्रारंभिक प्रतिक्रिया से, आज इस क्षेत्र के प्रति उम्मीदों से भरे अपना परिवर्तन, जाडोर के प्रश्न की प्रकृति पर गहन विचार से उत्पन्न होता है। उसने यह बताया।

मोहम्मद बिन ज़ायद विश्वविद्यालय के शोधकर्ताओं द्वारा नेतृत्व किया गया एक शोध成果, एक आर्टिफिशियल इंटेलिजेंस मॉडल BiMediX2 पेश करता है, जो चिकित्सा छवियों में जानकारी को समझने और व्याख्या करने में सक्षम है, और अंग्रेजी और अरबी की द्विभाषीय विश्लेषण का समर्थन करता है, विशेष रूप से अरबी सामग्री के प्रसंस्करण में उत्कृष्टता प्रदर्शित करता है। BiMediX2 पहला आर्टिफिशियल इंटेलिजेंस सिस्टम है जो अंग्रेजी और अरबी में चिकित्सा छवियों का विश्लेषण और विवरण कर सकता है। यह सिस्टम X-ray, MRI स्कैन और सूक्ष्म छवियों सहित विभिन्न चिकित्सा छवियों को संभाल सकता है।

MRI छवियाँ उनकी जटिलता और डेटा के बड़े आकार के कारण, हमेशा चिकित्सा इमेजिंग विश्लेषण में एक बड़ी चुनौती रही हैं। बड़े भाषा मॉडल (LLM) को MRI विश्लेषण के लिए प्रशिक्षित करने के लिए, डेवलपर्स को प्राप्त छवियों को 2D छवियों में काटना पड़ा, यह प्रक्रिया संभव होने पर भी, जटिल शारीरिक संरचनाओं के विश्लेषण की क्षमता को सीमित करती है, विशेष रूप से मस्तिष्क ट्यूमर, हड्डियों की बीमारियों या हृदय रोग जैसे जटिल मामलों में। छवि स्रोत नोट: छवि AI द्वारा उत्पन्न, छवि लाइसेंस प्रदाता Midjourney द्वारा। हालांकि, GE चिकित्सा ने इस वर्ष।

क्या आप विभिन्न प्रारूपों के असंरचित दस्तावेज़ों के साथ परेशानी में हैं? Fireworks AI ने हाल ही में "Document Inlining" नामक एक अभिनव सुविधा लॉन्च की है, जो PDF, स्क्रीनशॉट, छवियाँ आदि जैसे असंरचित दस्तावेज़ों को बड़े भाषा मॉडल (LLM) द्वारा समझने योग्य संरचित पाठ में परिवर्तित कर सकती है, जिससे चैटबॉट और AI मॉडल को सीधे उपयोग करने के लिए पाठ सामग्री प्रदान की जा सके, जिससे AI द्वारा दस्तावेज़ों के प्रबंधन की दक्षता और सटीकता में काफी सुधार हुआ है। Document Inlining की कोर इसकी शक्तिशाली मिक्स्ड

वीडियो विश्लेषण के क्षेत्र में, वस्तुओं की स्थिरता मानव के लिए एक महत्वपूर्ण संकेत है, जो यह समझने में मदद करता है कि वस्तु पूरी तरह से अवरुद्ध होने पर भी मौजूद है। हालांकि, वर्तमान वस्तु विभाजन विधियाँ अधिकांशतः केवल दृश्य (मोडल) वस्तुओं पर ध्यान केंद्रित करती हैं, और अदृश्य (दृश्य + अदृश्य) वस्तुओं के साथ काम करने में कमी है। इस समस्या का समाधान करने के लिए, शोधकर्ताओं ने एक दो-चरणीय विधि डिफ्यूज़न-वास पेश की है, जिसका उद्देश्य वीडियो अदृश्य विभाजन और सामग्री पूरी करने के प्रभाव को बढ़ाना है, यह वीडियो में निर्धारित लक्ष्य को ट्रैक कर सकता है, और फिर अवरुद्ध भागों को पूरा करने के लिए डिफ्यूज़न मॉडल का उपयोग कर सकता है।

कृत्रिम बुद्धिमत्ता के तेजी से विकास के साथ, दृश्य और भाषा क्षमताओं का एकीकरण दृश्य भाषा मॉडलों (VLMs) में महत्वपूर्ण प्रगति का कारण बना है। ये मॉडल दृश्य और पाठ डेटा को एक साथ संसाधित और समझने के लिए डिज़ाइन किए गए हैं, और छवि विवरण, दृश्य प्रश्नोत्तर, ऑप्टिकल कैरेक्टर पहचान और मल्टी-मोडल सामग्री विश्लेषण जैसे क्षेत्रों में व्यापक रूप से उपयोग किए जाते हैं। VLMs स्वतंत्र प्रणालियों के विकास, मानव-मशीन इंटरैक्शन को बढ़ावा देने और कुशल दस्तावेज़ प्रसंस्करण उपकरणों में महत्वपूर्ण भूमिका निभाते हैं, और सफलतापूर्वक इन दो डेटा मोड के बीच की खाई को पाटते हैं। हालाँकि, उच्च-रिज़ॉल्यूशन दृश्य डेटा और विविध पाठ इनपुट के प्रसंस्करण में

डिजिटल मीडिया के सैलाब में, वीडियो अभूतपूर्व गति से बढ़ रहा है। हालाँकि, पारंपरिक खोज और विश्लेषण विधियाँ तकनीकी सीमाओं से हमेशा बंधी रहती हैं। ट्वेल्व लैब्स इस स्थिति को पूरी तरह से बदल रहा है, आर्टिफिशियल इंटेलिजेंस की शक्ति से वीडियो सामग्री को क्रांतिकारी समझ देने के लिए। पारंपरिक वीडियो खोज केवल शीर्षक और टैग स्तर पर रहती है, जैसे कि सिर्फ हिमशैल के एक कोने को देखना। ट्वेल्व लैब्स के संस्थापक जै ली समझते हैं कि सच्ची वीडियो समझ के लिए गहराई से तकनीक की आवश्यकता है। उनके मॉडल केवल कीवर्ड की पहचान नहीं करते, बल्कि वीडियो में क्रियाओं और वस्तुओं को भी समझते हैं।