اول خودت را بشناس…
نقطه آغاز «نوع‌دوستی مؤثر» (Effective Altruism)، فرضی ساده بود: «رنج و مرگ ناشی از کمبود غذا، سرپناه و مراقبت‌های پزشکی بد است.» بااین‌حال، پیروان این جنبش بیم آن دارند که خودشان نیز در حال نزدیک‌تر کردن پایان این جنبش باشند؛ زمانی که «موهبت کیهانی» بشریت؛ یعنی هر ستاره و کهکشانی که به طور معقول بتوان از آن بهره‌برداری کرد، تحت سلطه هوشی برتر و بی‌تفاوت قرار گیرد.
چه ارتباطی میان تفکر طراحی، چالش مارشملو و احساسات کارکنان وجود دارد و این ارتباط چگونه می‌تواند به ما در درک فرهنگ سازمانی کمک کند؟
اگر اکونومیست فقط دو دلبستگی داشته باشد، احتمالاً یکی از آنها نثر خوب و دیگری «تخریب خلاق» باشد. این دو، تا پیش‌ازاین، به‌ندرت با یکدیگر در تعارض قرار می‌گرفتند؛ تا زمانی که مدل‌های هوش مصنوعی شروع به نوشتن کردند.
امروزه، با پیشرفت‌های چشمگیر در حوزه هوش مصنوعی و ترکیب آن با علم ژنتیک، این رویا بیش از هر زمان دیگری به واقعیت نزدیک شده است.
OpenAI مدل «o1» خود را با قابلیت معرفی کرده است که بحث‌های زیادی را در میان کارشناسان هوش مصنوعی به همراه داشته است.
در مقاله حاضر، قصد داریم به آن دسته از پرسش‌هایی پاسخ دهیم که افرادِ تازه کار با گراف یا شبکه های عصبی گراف مطرح می‌کنند. در همین راستا، از نمونه‌های PyTorch برای طبقه‌بندیِ ایدۀ پشت این نوع مدل نسبتاً جدید استفاده کرده‌ایم. پرسش‌هایی که در این بخش از مقاله بررسی
فرایادگیری Meta Learning واژه ای است که برای توصیف فرایند کنترل یادگیری و آگاهی از نحوه یادگیری افراد، مورد استفاده واقع شده و هم‌اکنون نیز توسط متخصصان حوزه یادگیری ماشین استفاده می‌شود.
هوش مصنوعی بخشی از علوم رایانه است که هدف اصلی آن تولید رایانه‌هایی است که بتوانند با هوشی شبیه به هوش انسان کار کنند. در واقع نوعی شبیه‌سازی هوش انسانی برای کامپیوتر است. حال این کامپیوتر باید از رفتار انسان تقلید کند و اینجاست که موضوع ترس از رفتار هوش
در فرایند اکتشاف داده‌ها و ساخت مدل، روش‌های گوناگونی برای انجام مسائل وجود دارند که انتخاب و کاربردشان به هدف و تجربه متخصص بر می‌گردد. برای نمونه، نرمال‌سازی داده را می‌توان با روش L1 (معیار فاصله منهتن Manhattan distance )، L2 (معیار فاصله اقلیدسی Euclidean distance ) یا ترکیبی از
اکثر افراد با شنیدن واژه‌ی «هوش مصنوعی» فکر می‌کنند این فناوری با کامپیوتر ارتباط دارد. شاید این موضوع به ذهن عده قلیلی خطور کند که روانشناسی و هوش مصنوعی ارتباط نزدیکی با یکدیگر دارند. در واقع، به جرات می‌توان گفت که روانشناسی و هوش مصنوعی جدانشدنی هستند. هوش مصنوعی به
گام بعدی هوش مصنوعی برای همه به موضوعی چالش برانگیز تبدیل شده است. هوش مصنوعی در انجام بسیاری از کارها بهتر از انسان عمل می‌کند. پیش‌بینی وضع هوا، تشخیص بیماری و بازی شطرنج از جمله کارهایی است که هوش مصنوعی در انجام آنها عملکردی بهتر از انسان دارد. بی‌تردید هوش
مقالۀ حاضر بر آن است تا یادگیری ماشین کوانتومی را برای مبتدیان توضیح دهد. این فناوری، آینده‌ی ناگزیری برای ایده‌های یادگیری ماشینی رقم خواهد زد. در این مقاله، حوزه‌هایی معرفی می‌شود که ادغام یادگیری ماشینی و محاسبه کوانتومی در آنها می‌تواند نقش مفیدی در حل مسائل داشته باشد. لذا مقاله
چگونه (API) کاربردی رابط برنامه‌نویسی Application Programming Interface (API) قوی بنویسیم؟ علاقه من به مهندسی تولید و طراحی سیستم به طور مداوم افزایش می‌یابد. پیش از این مقاله‌ای با موضوع مراحل استقرار یک مدل در کاربرد واقعی نوشتم اما در آن مقاله مراحل ساخت سرورهای یادگیری ماشین را با جزئیات
احتمالاً همه بر سر این موضوع توافق نظر دارند که یکی از پرکاربردترین معیارها در مشاغل، همبستگی، یا به بیان دقیق‌تر، همبستگی پیرسون (Pearson Correlation) است. یادآوری: همبستگی رابطۀ خطی بین دو متغیر را اندازه می‌گیرد. مسئله این است که بسیاری از روابط خطی نیستند. مثلاً، شاید در نتیجۀ محاسبات
هوش، در طبیعت، شکل‌های متنوعی به خود می‌گیرد. خفاشی که از پژواک‌یابی برای رهیابی مسیرش در تاریکی استفاده می‌کند یا اختاپوسی که با انطباق پیوسته رفتارش، در اقیانوس‌های عمیق زنده می‌ماند، تنها نمونه‌هایی از این اشکال هستند. در دنیای کامپیوتر نیز صورت‌های گوناگونی از هوش مصنوعی در حال ظهور هستند.
این روزها یادگیری ماشین در حال جمع‌آوری داده‌ها با سرعت نمایی است. اگرچه، هوش مصنوعی سعی در شبیه‌سازی رفتارهای انسان دارد، اما تمام هدف آن نیست. هوش مصنوعی در هنر خلاقیت خود را بروز می‌دهد. اگرچه این حوزه‌ها در ابتدای راه هستند و با محدودیت‌های زیادی روبرو هستند، برخی از
محققان برخی از ویژگی های کارکردی و ساختار مغز را پیدا کرده‌اند که توجیه‌کننده‌ی تمایل به رفتارهای پرخطر است. رفتارهای پرخطر همچون سیگار کشیدن، استفاده از الکل و مواد مخدر، رانندگی پرسرعت، یا رفتارهای جنسی پرخطر منشأ بسیاری از مشکلات بهداشتی و اقتصادی هستند. تنها در ایالات متحده، 600 میلیارد
فناوری هوش مصنوعی سیستم‌هایی را ایجاد کرده است که می‌توانند اتومبیل‌ها را برانند، ترکیبات شیمیایی را سنتز کنند، مساله تاشدگی پروتئین‌ها را حل کنند و ذرات پرانرژی را تشخیص دهند. با این حال، این الگوریتم‌های هوش مصنوعی نمی‌توانند فرایندهای پشت تصمیم‌های خود را توضیح دهند و نیاز به هوش مصنوعی
مدل پنهان مارکوف (HMM) یک ابزار مدل‌سازی آماری بسیار قدرتمند به شمار می‌رود که در حوزه‌هایی همچون تشخیص گفتار Speech recognition، تشخیص دست‌خط Handwriting recognition و غیره کاربرد دارد. زمانی که خواستیم از این مدل استفاده کنیم متوجه شدیم توضیحات جامع و واضحی در مورد آن وجود ندارد و مطالب
در سال 2012، اقتصاددانی به نام رابرت گوردون یک مقاله جنجالی منتشر کرد که در آن استدلال کرد رشد اقتصادی تقریبا به پایان رسیده است و دلیل عمده این مساله این است که ما در دهه‌های اخیر نتوانسته‌ایم موتورهای نوآوری را حفظ کنیم. مطالعه‌ای که در انستیتوی تحقیقات سیاست اقتصادی
در این مقاله به توضیح برخی از پیشرفته‌ترین روش‌های تخمین عمق در وسایل نقلیه خودران و یا همان پیش‌بینی عمق Depth در توالی عکس‌هایی می‌پردازیم که وسایل نقلیه ثبت کرده‌اند؛ این تصاویر بدون نیاز به استفاده از دوربین‌های اضافی و حسگرها به ساخت و تولید مدل‌های وسایل نقلیه خودران کمک
در ماه دسامبر گذشته پنلی با حضور برخی از دانشمندان هوش مصنوعی برگزار شد تا در مورد آینده، انسان‌ها و هوش مصنوعی بحث و تبادل‌نظر شود. در این پنل سؤالاتی مطرح شد ازجمله اینکه چگونه هوش مصنوعی منجر به دگرگون کردن اساسی تمام جنبه‌های تجربه انسانی ما می‌شود؟ چگونه ما
هوش مصنوعی و اخلاق رابطه جالبی دارند و این فناوری به صورت فزاینده می‌آموزد که چطور با انسان‌ها رفتار کند و روی آنها تأثیر بگذارد. پژوهشی جدید نشان داده است هوش مصنوعی چطور می‌تواند نقاط آسیب‌پذیر در عادات و رفتار انسانی را تشخیص داده و برای تأثیر گذاشتن روی تصمیم‌گیری
دیوید سیلور خالق MuZero و چندین پیشرفت خیره‌کننده هوش مصنوعی در سال‌های اخیر است. کارهای او باعث توجه مجدد و احیای هوش مصنوعی شد که در دوره‌ای دیگر خیلی به آن توجه نمی‌شود و اصطلاحا دوره زمستان هوش مصنوعی نامیده می‌شود.
مقاله حاضر بر آن است تا یادگیری عصبی ساماندهی شده در کتابخانه تنسورفلو را معرفی کرده و جزئیات آن را تشریح کند. «TensorFlow» یک چارچوب ساده است که افراد حرفه‌ای و تازه‌کار می‌توانند از آن برای آموزش شبکه‌های عصبی با سیگنال‌های ساماندهی شده استفاده کنند.
میدانید وقتی به یک ابزار طراحی یک سیستم عصبی دیجیتال می‌دهید، چه چیزی نصیبتان می‌شود؟ دنیای آینده و عصر تکامل یافته؛ یعنی کامپیوترهایی که توانایی تفکر و تصور ما را بهبود میبخشند، سیستمهای رباتیک که برای پل‌ها، اتومبیل‌ها، هواپیماهای بدون سرنشین و غیره طرح‌های کاملا بنیادی ارائه می‌دهند و می‌سازند.
برخی از روانشناسان بالینی ممکن است رابطه‌ای بین هوش مصنوعی و روانشناسی متصور نشوند و بر این مساله پافشاری کنند که هوش مصنوعی نباید هیچ گونه نقشی در مراقبت‌های بهداشت روان داشته باشد. آنها معتقدند رابطه روان درمانی مقدس است و هوش مصنوعی حتی نباید در اتاق درمان نیز حضور
آینده علمی تخیلی که در آن ربات‌ها قادرند کارهایی که انسان‌ها و حیوانات انجام می‌دهند را انجام دهند، نزدیک‌تر از چیزی است که فکرش را می‌کنید. به همین دلیل نباید معرفی رباتی به نام اسپات مینی را از دست بدهید.
اگر اسکای‌نت Skynet تصمیم می‌گرفت پایان متفاوتی برای فیلم ترمیناتور در نظر بگیرد، به نظرتان آن پایان چطور بود؟ شاید دانشمندان با ساخت نوعی از شبکه‌های عصبی که قابلیت تشخیص غیر قابل اعتماد بودن خودش را داشت، مردم را از آخرالزمانی که هوش مصنوعی ساخته بود، نجات می‌دادند. در واقع
در این مقاله روش فشرده سازی شبکه عصبی را توضیح می‌د هیم. معماری‌های مدرن و نوآورانه‌ی شبکه‌های عصبی از اهمیت بسیار زیادی برخوردار هستند. برای مثال شاید با GPT-3، جدیدترین مدل تحولی فناوری پردازش زبان طبیعی (NLP) که OpenAI ارائه داده، آشنایی داشته باشید. این مدل قادر به نوشتن شعر و
تصور کنید شما یک فضانورد هستید که برای ماموریت اعزام به مریخ انتخاب شده‌اید. در این میان، علاوه بر مسئولیت‌‌‌های پژوهشی، بعضی وظایف فنی را نیز بر عهده دارید و برخی دیگر از عملکردهای اصلی سفینه فضایی شما مثل تنظیم دما، اکسیژن‌رسانی و غیره توسط یک سیستم هوش مصنوعی مدیریت
هرچند اصطلاح شبکه‌های عصبی گراف (GNN) Graph Neural Networks (GNNs) (نسبتاً جدید است اما با بهره‌گیری از رویکرد یادگیری عمیق در تجزیه و تحلیل گرافها مورد استفاده قرار می‌گیرد و در این مسیر توانسته محبوبیت زیادی پیدا کند. از آنجایی‌که GNNها به طور طبیعی توانایی سازگاری با دیتاست های دنیای
هدف از نگارش مقاله پیش‌رو مطالعه و بررسی نحوه استفاده از رایانش توزیع شده Distributed Computing در آموزش مدل های مقیاس بزرگ یادگیری عمیق با پای تورچ است. در ابتدا تعریفی از مفاهیم پایه رایانش توزیع‌شده ارائه می‌دهیم و سپس نحوه استفاده از آن در حوزه یادگیری عمیق را توضیح
ترنسفرمرها بر دنیای پردازش زبان طبیعی غلبه کرده‌اند. این مدل‌های خارق‌العاده رکورد حل جدیدترین و بیشترین مسائل حوزه‌ی NLP را در دست دارند. علاوه بر این در موارد گوناگون دیگری، همچون ترجمه‌ی زبان ماشینی ، ربات‌های سخنگوی مکالمه‌ای ، و حتی موتورهای جستجو ی قوی‌تر نیز کاربرد دارند. ترنسفرمرها در
مدیر مرکز والتر بردلی – رابرت جی. مارکس – در پادکست هفته پیش با فیلسوف دانشگاه کنکوردیا – دکتر آنگوس مینوژ – در خصوص مسئله ذهن–بدن مصاحبه کرد. دکتر مینوژ برهم‌کنش میان ذهن و بدن را انتقال بدن بین دو بخش قلمداد می‌کند: ذهن و بدن انسان سیستم یکپارچه‌ای با
در مراسمی که روز شنبه در سالن شیخ بهایی معاونت علمی و فناوری ریاست جمهوری برگزار شد، دکتر سورنا ستاری از محصولات حوزه فناوری همگرا رونمایی کرد.
دانشمندان با استفاده از سلول‌های بنیادی قورباغه موفق به ساخت روبات های زنده و خوددرمان گر شده‌اند که می‌توانند خاطرات را ثبت کنند.
این نوشته به بررسی راه‌های تشخیص بیماری کووید 19 با هوش مصنوعی می‌پردازد. بیماری کووید 19 یک بیماری همه‌گیر است که در اثر سندروم حاد تنفسی به وجود می‌آید. این بیماری نخستین بار در ماه دسامبر 2019 در شهر ووهان چین شناسایی شد و از آن زمان به بعد در
پژوهشگران معتقدند انسان‌ها هرگز قادر به کنترل و محدودسازی هوش مصنوعی بزرگ و ماشین های فراهوشمند نخواهند بود. این فرضیه هولناک است، اما دانستن آن برای دانشمندان مشغول در این عرصه مفید است.
شما در برهه‌ای از کودکی‌تان یاد گرفتید که چطور بعد از زمین خوردن، بلند شوید و روی پاهای خود راه بروید. سگ های رباتیک حالا از این روش برای یادگیری استفاده می‌کنند. احتمالا برای یادگیری این موضوع، والدینتان شما را تشویق کردند؛ اما در بیشتر موارد آزمون و خطا باعث
هوشیو رسانه‌ای تخصصی در حوزه هوش مصنوعی است که با هدف ایجاد محیطی فراگیر و پویا به ترویج و ارتقای این دانش می‌پردازد. ما تلاش می‌کنیم تا علاقه‌مندان به این حوزه درک عمیق‌تری از هوش مصنوعی پیدا کنند، از جدیدترین تحولات آن در ایران و جهان مطلع شوند و فعالان و پیشروان این صنعت را بشناسند. هوشیو با تمرکز بر تولید محتوای چندرسانه‌ای شامل ویدئوکست، پادکست، موشن‌گرافیک و … تجربه‌ای جذاب و آموزنده برای مخاطبان فراهم می‌کند. همچنین، هوشیو با پوشش رسانه‌ای گسترده رویدادهای هوش مصنوعی در ایران و جهان، بستری را برای اطلاع‌رسانی و تعامل میان فعالان و علاقه‌مندان این حوزه ایجاد کرده است.
تمام حقوق این وبسایت متعلق به هوشیو است. کپی‌برداری از محتوای هوشیو با ذکر منبع بلامانع است.
