ایلان ماسک از دو نوآوری جذاب رونمایی کرد: روبوتاکسی و خودروی بزرگ‌تر به نام روبوان؛

دانشمندان امیدوارند با دسترسی به بیش از ۱.۶ میلیون اسکن مغزی جمع‌آوری‌شده از بیماران در سراسر اسکاتلند بتواند به پیش‌بینی خطر ابتلای افراد به زوال عقل کمک کند. تیمی متشکل از ۲۰ محقق از دانشگاه‌های ادینبورگ و داندی موفق به کسب مجوزی بی‌سابقه برای بررسی این تعداد عظیم از اسکن‌های مغز به صورت ناشناس شده‌اند که در طول یک دهه از سراسر جمعیت اسکاتلند جمع‌آوری شده‌اند.

این روزها هوش مصنوعی بیشتر از این که یک زمینه علمی باشد، بخشی از زندگی ما شده است. سرویس‌های مربوط به برنامه‌های تلویزیونی از هوش مصنوعی و یادگیری ماشین برای پیش‌بینی این که دوست دارید برنامه بعدی که تماشا می‎کنید چه باشد، استفاده می‌کنند. یکی دیگر از کاربردهای هوش مصنوعی

خواندن آهنگ الفبا از اولین دروسی است که کودکان باید بیاموزند. اهمیت این درس و یادگیری زبان اشاره برای خانواده‌هایی که کودک ناشنوا یا کم‌شنوا دارند، به هیچ‌وجه کمرنگ‌تر نیست. در این شرایط، زبان‌های بصری جای محرک‌های شنیداری را گرفته و نقشی حیاتی در رشد اولیه‌ی کودک ایفا می‌کنند. استودیوی

من برای اولین بار از طریق کانال یوتیوب Qoves Studio با این کسب‌وکار آشنا شدم؛ در این کانال که میلیون‌ها بازدیدکننده دارد ویدئوهایی با مضامینی از قبیل مدل مو چه تأثیری بر زیبایی دارد؟ راز جذابیت تیموتی شالامِی در چیست؟ و جراحی فک چه تأثیری بر مقبولیت اجتماعی دارد؟ بارگذاری

پیشرفت‌‌هایی که اخیراً در انواع شبکه عصبی مولد حاصل شده، تأثیرات شگرفی بر کیفیت و وضوح تصاویر، به ویژه در حوزه تغییر و انتقال سبک Style transfer، داشته است. مشوق اصلی ما برای نگارش مقاله پیش‌رو، موفقیت‌های اخیر StyleGAN بوده است. در مدل StyleGAN، تغییرات تصادفی در تصاویر ایجاد شده

شبکه‌های مولد تخاصمی یا GAN ها گروهی از الگوریتم‌های یادگیری عمیق و متعلق به دسته‎‌ی مدل‌های مولد هستند. هدف اصلی مدل‌های مولد، توصیف چگونگی تولید یک دیتاست، از نظر قواعد احتمالی، است. بدین طریق هرگاه بر اساس این قواعد احتمال، نمونه‌گیری انجام دهیم، دیتاستی جدید به دست می‌آوریم که با

در این نوشتار به بررسی و مطالعه مبانی نورون‌ها، شبکه های عصبی و توابع فعال سازی می‌پردازیم. شبکه‌های عصبی مصنوعی از نورون‌ها تشکیل می‌شوند. هر نورون را می‌توان یک تابع در نظر گرفت که عددی در خود جای داده است. نورون‌ها این جریان/ورودی را از انشعابات انتهایی (سیناپس‌ها) دریافت می‌کنند.

یکی از ویژگی‌های بارز مشاغل موفق در قرن بیست و یکم، تعامل مشتری است. طبق توضیح هاب اسپات Hubspot تعامل مشتری ایجاد تعامل با مصرف کنندگان در چندین کانال برای تقویت ارتباط شرکت با آن‌ها است و امروزه به لطف پیشرفت در شبکه های اجتماعی، تعامل مشتری در بالاترین حد

بینایی رایانه به عنوان یکی از حوزه‌های هوش مصنوعی با سرعت قابل توجهی در حال توسعه است. به لطف حرکت سخاوتمندانه برخی از شرکت‌ها در ارائه عمومی دیتاست‌ تصاویر، اکنون دانشمندان داده‌ قادرند به راحتی اقدام به ساخت معماری‌های مختلف مدل نمایند. مقالۀ حاضر بر آن است تا 9 مورد

محققان دانشگاه MIT ابزاری مجهز به هوش مصنوعی ساخته‌اند که می‌تواند با تحلیل تصاویر، میزان تنش مواد را تعیین کند.

تشخیص اشیاء Object Detection یکی از مهم‌ترین حوزه‌های تحقیق در «بینایی رایانه Computer Vision» به شمار می‌آید. محققان از مدت‌ها پیش علاقه‌مند به انجام تحقیق در این حوزه بوده‌اند، اما در سال‌های اخیر به لطف ابداع «Convents» که نقش استخراج‌کننده ویژگی را دارد و همچنین «یادگیری انتقال Transfer learning» که روشی

برای همگان مشخص است که مهندسی ویژگی یکی از مهم‌ترین گام‌های تولید مدل‌های دقیق است. بعضی از برنامه‌نویس‌ها عاشق این مرحله هستند ولی من علاقه‌ چندانی به این مرحله ندارم. به نظر من این مرحله بسیار خسته‌کننده است و معتقدم که هر کار خسته‌کننده‌ای را می‌توان به صورت خودکار درآورد.

به نظر شما پردازش تصویر و بینایی ماشین چه تفاوت‌هایی دارند؟ برخی افراد به اشتباه گمان می‌برند، بینایی ماشین یکی از زیرمجموعه‌های پردازش تصویر است. به‌این معنی که می‌اندیشند رایانه می‌تواند تصویری که به آن دسترسی دارد را تفسیر و درک کند و از آن تفسیر برای اهداف خود استفاده

جعل عمیق به زودی همانند فتوشاپ به صورت گسترده مورد استفاده همگان قرار می‌گیرد و از آنجایی که هنوز روش مناسبی برای تشخیص این فناوری وجود ندارد، نگرانی‌ها از در دسترس قرار گرفتن این تکنولوژی افزایش یافته است.

به‌تازگی پیش بینی موقعیت‌ های چندعاملی توسط خودروهای هوشمند، محقق شده است؛ خودروهای خودران، با کمک سیستم جدید یادگیری ماشینی، می‌توانند حرکات بعدی رانندگان خودروهای اطراف، عابران پیاده و دوچرخه/موتور‌سواران را در لحظه پیش‌بینی کنند. برجسته‌ترین مانعی که پیش روی حرکت خودروهای تماماً خودران در سطح شهر وجود دارد، انسان‌ها

تحولات دیجیتالی علیرغم گسترش کسب‌وکارها، چالش‌هایی را نیز شکل داده است. داستان دیپ‌فیک چالش جدید دیگری است که سایۀ آن این سال‌ها بر بسیاری از صنایع سنگینی می‌کند. در واقع چالش های دیپ فیک، پاشنه آشیل تحولات دیجیتال محسوب می‌شود. دیپ‌فیک چیست؟ همانطور که از نامش پیداست، دیپ‌فیک همان تصاویر،

از آنجایی که بهترین راه برای یادگیری هر تکنولوژی جدید استفاده از آن در حل یک مسئله ساده است، برای یادگیری PyTorch از آن در حل یک مسئله ساده استفاده می‌کنیم. استفاده از یک شبکه‌ عصبی از پیش آموزش دیده در مسئله تشخیص شیء. در این نوشتار، علاوه بر توضیح

چند روز پیش در حال نوشتن مقاله‌­ای بودم که به استفاده از فضای رنگی Color spaces متفاوت به عنوان ورودی شبکه های عصبی پیچشی (CNN) می‌پرداخت و به همین دلیل لازم بود از یک مولد داده برای داده افزایی تصویری استفاده کنم؛ چون نمی‌توانستم از مولد داده داخلی تنسورفلو بدین

شبکه‌های عصبی پیچشی یا CNN خانواده‌ای از معماری‌های شبکه‌ عصبی مصنوعی هستند که ویژه‌ مسائل بینایی کامپیوتری و پردازش تصویر ساخته شده‌اند. این شبکه‌ها، عصبی و چندلایه‌ای هستند و هدف از ساخت آن‌ها تجزیه و تحلیل ورودی‌های دیداری و اجرای مسائلی همچون قطعه‌بندی تصویر، رده‌بندی، حذف نویز (با استفاده از

کتابخانه های نرم افزاری که امروزه برای یادگیری ماشینی استفاده می‌شوند، نقش بسیار مهمی در موفقیت تحقیقات ما دارند. باید کتابخانه های نرم افزاری با چنان سرعتی به‌روزرسانی شوند که تحقیقات یادگیری ماشینی از قافله عقب نماند و به پیشرفت خود ادامه دهد.

با رشد اینترنت در دهه ۱۹۹۰ و در دسترس قرار گرفتن مجموعه‏‌های زیادی از تصاویر به صورت آنلاین برای تجزیه و تحلیل، مدل‌های بینایی ماشین رونق گرفت. همچنین، پیشرفت‌های سخت‌افزاری در کنار مجموعه‌داده‌‏های در حال رشد، باعث شد ماشین‏‌ها بتوانند اجسام متنوعی را در عکس‏‌ها و فیلم‏‌ها شناسایی کنند. در

فناوری هوش مصنوعی امروزه بیش از هر زمان دیگری به خودکار کردن فرآیندهای متنوع در تولید و امور دیگر کمک می‌کند. یک نظرسنجی که اخیرا توسط Landing AI و Association of Advancing Manufacturing انجام شده نشان می‌دهد که ۲۶ درصد از کسب و کارهای تولیدی در حال حاضر از سیستم

مدل‌های یادگیری عمیق برای آموزش به حجم بالایی از داده‌ها نیاز دارند و به دلیل پیچیدگی‌های حافظه Space complexitites عملکرد ضعیفی دارند. انواع تولیدکننده داده برای رفع این مشکل،  به جای این‌که دیتاست را در حافظه ذخیره کند، داده‌ها را در بسته تولید می‌کنند. در این حالت کاربر می‌تواند استفاده

رویکرد جدید «عقل سلیم» به بینایی کامپیوتر، هوش مصنوعی را قادر می‌سازد که نسبت به دیگر سیستم‌ها، صحنه‌‌ها را با دقت بیشتری تفسیر کند. سیستم‌های بینایی ماشین، گاهی از مواقع صحنه‌ها را دقیقاً بر خلاف عقل سلیم استتناج می‌کنند. به‌عنوان مثال، اگر رباتی در حال پردازش تصویر میز شام باشد،

افرادی که برای انجام پروژه‌‍‌های خود به داده‌های تصویری احتیاج دارند، معمولاً این‌‌گونه داده‌ها را جمع‌آوری می‌کنند و برخی مواقع نیز ترجیح می‌دهند دیتاست‌های تصویری را از وب‌سایت‌ها دانلود کنند. از جمله مشکلاتی که ممکن است در این‌گونه دیتاست‌ها وجود داشته باشد می‌توان به کنتراست پایین، تفاوت در وضوح و

دروغ‌پراکنی سالیان سال در  جنگ‌ها و استراتژی‌های نظامی کاربرد داشته است؛ اما بدون شک به‌کارگیری فناوری‌های هوشمند و رسانه‌های اجتماعی آن را تشدید کرده است؛ زیرا این فناوری‌های ارتباطی راه‌های کم‌هزینه و بهینه‌ای برای انتشار اطلاعات در سرتاسر دنیا ایجاد کرده‌اند. اما پرسش چند میلیون دلاری این است که آیا

یکی از مهم‌ترین دستاوردها در حوزه هوش مصنوعی در سال 2018، یادگیری ماشین خودکار (AutoML) بود. این فناوری، فرایند یادگیری ماشین را خودکار می‌کند. شرکت گوگل در ژانویه این سال فرایند یادگیری ماشین خودکار را در مسائل بینایی ماشین به کار گرفت و سپس در ژوئیۀ همان سال نسخه دیگری

در حال حاضر PyTorch بیشترین نرخ رشد را در میان چارچوب‌های کاری یادگیری عمیق دارد و در دوره‌های آموزشی Fast.ai، با عنوان «یادگیری عمیق برای برنامه‌نویس‌ها»، و کتابخانه آن مورد استفاده قرار می‌گیرد. PyTorch به شدت پایتونی است، به عبارت دیگر برای برنامه نویسان Python، کار کردن با PyTorch بسیار

تشخیص پلاک خودرو یک فناوری جدید است که از تشخیص کاراکتر نوری یا همان OCR در تصاویر برای خواندن پلاک خودرو و ایجاد اطلاعاتی از مکان خودرو استفاده می‌کند. دوربین پلاک خوان با استفاده از فناوری هوش مصنوعی، موقعیت پلاک در انواع خودرو را ردیابی می‌کند سپس به تقسیم‌بندی کاراکترها

سال گذشته دانشمندان دانشگاه کرنل پژوهش جالبی در مورد استفاده از دوربین‌های پوشیدنی برای ردیابی حالات چهره انجام دادند. این فناوری اکنون شکل عملی‌تری به خود گرفته است. همین تیم پژوهشی دستگاهی شبیه یک گردنبند طراحی کرده است که از دوربین‌های مادون قرمز برای تصویربرداری از حرکات کامل صورت استفاده

اکثر مواقع، پاسخی که در مقابل این پرسش «از چه کارت گرافیکی استفاده کنم؟» می‌شنویم، این است: «NVIDIA». زیرا این کارت گرافیک به شتاب‌دهنده‌های CUDA و CUDNN مجهز است. این دو شتاب‌دهنده در مدل‌های یادگیری عمیق به کار برده می‌شود و فقط کارت گرافیک NVIDIA از آنها پشتیبانی می‌کند. اگر

شهر ساکرامنتو، واقع در ایالت کالیفرنیا، در حال نصب آزمایشی دوربین‌های مجهز به هوش مصنوعی بر روی 5 اتوبوس مدرسه است. هدف از نصب چنین دوربین‌هایی جلوگیری از سبقت غیرقانونی سایر خودروها از اتوبوس های مدرسه در هنگام سوار کردن و پیاده کردن دانش‌آموزان است. شهر ساکرامنتو با استفاده از

فرض کنید یک مدل طبقه‌بندی تصویری آموزش داده‌اید که عملکرد نسبتاً ضعیفی دارد؛ آیا می‌دانید روش‌های زیادی برای بهبود عملکرد و کاهش سوگیری‌های مدل وجود دارد؟ زمان زیادی را صرف ایجاد روال پردازشی مدل کرده‌اید و با استفاده از شبکه‌های عصبی یک مدل پیش‌بینی کننده ساخته‌اید، اما نتایج ، آن‌طور

گاه این سؤال پیش می‌آید که چرا افرادی که دلیلی برای پنهان‌کاری ندارند، این همه از سیستم تشخیص چهره Clearview AI هراس دارند؟ پاسخ این است: زیرا افرادی که دلیلی برای پنهان‌کاری ندارند، تنها کسانی هستند که حریم خصوصی‌شان تضمین شده است. اوایل هفته جاری، دولت استرالیا پس از اینکه

ایده «مَستر فیس » چندی پیش سر و صدای زیادی در رسانه‌های مختلف به پا کرده است. به مجموعه‌ای از تصاویر جعلی که به دست الگوریتم‌های یادگیری ماشین ساخته می‌شود، مستر فیس می‌گویند. این مفهوم با جعل هویت افراد، زمینه را برای نفوذ به سیستم‌های بیومتریک فراهم می‌کند و سیستم

قایق خودران ملقب به ربوقایق (Robaot)  که به کوشش دانشگاه MIT ساخته شده سفر خود را از کانال‌های آبی آمستردام آغاز می‌کند. اگر جزء آن دسته از افرادی هستید که دچار دریازدگی نمی‌شوند، شاید قایق خودران وسیله مناسبی برای رفت و آمد شما باشد. دانشمندانی از آزمایشگاه علوم کامپیوتر و

امروز به لطف فناوری تبدیل تصویر به متن و نویسه‌خوان‌های نوری (OCR) می‌توان به‌راحتی و با دقت بسیار بالا متن‌ها را از تصاویر بیرون کشید. اگر بخواهیم تعریفی کاملاً ساده و ملموس از نرم ‌افزارهای تبدیل تصویر به متن و OCR (Optical character Recognition) ارائه دهیم باید بگوییم که این