یک تیم تحقیقاتی راهی برای تشخیص و نشانه‌گذاری «منطقه‌ی ایمن» شبکه‌های عصبی با استفاده از حملات تخاصمی معرفی کرده‌اند.

جمعی از برترین متخصصان هوش مصنوعی جهان در رویداد بین‌المللی TNW حضور به عمل خواهند آورد تا درباره آینده این حوزه و همچنین تحقیقات یادگیری ماشین به بحث و تبادل نظر بپردازند. یادگیری ماشین در بسیاری از صنایع و حوزه‌های علمی، ‌ابزاری مهم به شمار می‌آید. با این حال، تحقیقات

همه روزه، طوفانی از محتوا در فضای اینترنت منتشر می‌شود. آیا امکان دارد در عین حال که حجم تولید محتوای خود را 10 برابر افزایش می‌دهید، 10 برابر نیز در هزینه‌ها صرفه‌جویی کنید؟ آیا حتی در صورتی که محتوا عادی باشد، کماکان مایل هستید آن را منتشر کنید تا ببینید

هوش مصنوعی اجزاء تشکیل دهنده‌ موجودات زنده را شناسایی و راه را برای ورود به برحه‌ای جدید در علم هموار کرده است. دیپ‌مایند، شرکتی که اکنون به گوگل پیوسته است، ساختار سه بعدی تمام پروتئین های ساخته شده در بدن انسان را با دقتی بی‌سابقه پیش‌بینی کرده است. بیشتر از

پیش از پرداختن به موضوع پردازش افتراقی سیگنال دیجیتال لازم است اشاره‌ای به شبکه‌های عصبی و اهمیت آن‌ها خواهیم داشت. در حوزه‌ی رو به رشد علم و فناوری، هوش مصنوعی و پیشرفت‌های اخیرش، جایگاه برجسته‌ و محبوبیت بالایی به دست آورده‌اند. تا جایی که مفاهیمی از قبیل هوش مصنوعی و

محققانی که بر روی سیستم‌های آبیاری هوشمند کار می‌کنند، راهی برای انتخاب دقیق‌ترین پیش بینی آب و هوا از میان پیش‌بینی‌های هفته منتهی به یک روز معین ارائه کرده‌اند.

محققان دانشگاه کمبریج با استفاده از بیوفیزیک نظری موفق به ساخت مدلی شدند که می‌تواند مقدار نیروی فیزیکی لازم برای عضله سازی را پیش‌بینی کند.

دکتر رانا ال‌کَلیوبی، نویسنده کتاب «دختر رمزگشایی شده Girl Decoded»، یکی از متخصصان برجسته حوزه «همدلی و فناوری» و «اخلاقِ هوش مصنوعی» است. در ماه ژوئن، شرکت Smart Eye شرکت Affectiva، شرکتی که ال‌کلیوبی یکی از بنیانگذاران آن است، را خریداری نمود. در این گفتگوی مجازی پای صحبت دکتر ال‌کلیوبی

با توجه با اینکه ماهی شناگر قابلی است، ساختار فیزیکی آن به طور گسترده در طراحی ربات‌های زیر آب کپی‌برداری می‌شود. اخیرا از این اطلاعات برای طراحی ربات ماهی هم استفاده شده است. دانشمندان به تازگی کشف کرده‌اند که ماهی‌ها با تنظیم میزان سفتی دم، می‌توانند بسیار کارآمدتر کنند.

به تازگی شرکت OpenAI  با استفاده از مدل GPT-3  نشان داد که یک مدل یادگیری عمیق را می‌­توان به سادگی و با دادن مقادیر زیادی نوشته برای تبدیل متن به تصویر آموزش داد. همچنین آن‌ها نشان دادند که با جایگزین‌کردن متن با پیکسل، می‌توان از همین روش برای آموزش هوش

هانا کرنیاواتی، پژوهشگر دانشگاه ANU (دانشگاه ملی استرالیا)، سعی در ایجاد رفتارهای حل مسئله و همدلی در ربات ها دارد. پژوهش‌های کرنیاواتی نه تنها تأثیری شگرف بر کارکردهای عادی هوش مصنوعی گذاشته، بلکه یک جایزه‌ بزرگ جهانی نیز برای وی به ارمغان آورده‌اند. ربات‌های امروزی به حدی از پیشرفت رسیده‌اند

فیس‌بوک موفق شد جعل عمیق که می‌توان از آن به عنوان خطرناک ترین جنایت آینده یاد کرد را با مهندسی معکوس تشخیص دهد؛ درست مانند شناسایی اجزاء اتومبیل از روی صدای موتور آن، حتی اگر اتومبیل جدید باشد و کسی تاکنون صدای آن‌ را نشنیده باشد.

از چند سال قبل که دویدن را شروع کرده‌ام به اهمیت حرکات کششی پی بردم، اما به خوبی از پس انجام این حرکات بر نمی‌آیم. وقتی با تکنیک‌هایی مثل برآورد ژست بدن و بینایی ماشین آشنا شدم، به این فکر افتادم که از آن‌ها در مسائل واقعی مثل برآورد و

کوچک‌ترین کنش‌ها می‌تواند منجر به بروز رفتارهای پیچیده شود، از واکنش‌های بیولوژیکی سرطان‌زا گرفته تا جدیدتریم میم های منتشر شده در شبکه‌های اجتماعی. با این حال، محققانی که به دنبال درک رفتارهای آنی هستند، معتقدند که این پیچیدگی ممکن است بار سنگینی بر دوش روش‌های محاسباتی فعلی بگذارد. اما شبکه

ادراکات حسی هوش مصنوعی (AI) به کمک حسگرهای سفارشی، یادگیری ماشینی (ML) و شبکه‌های عصبی بیش از پیش شبیه به ادراکات انسانی شده است. به لطف این فناوری‌ها شاهد پیشرفت‌های جدیدی در زمینه احساسات دیجیتال و تولد ربات‌هایی هستیم که می‌توانند میوه‌های رسیده را تشخیص دهند، داغ شدن بیش از

رابط مغز و ماشینِ پوشیدنی (BMI) جدیدی طراحی شده است که می‌تواند کیفیت زندگی افراد مبتلا به اختلال حرکتی یا فلج، یا حتی افراد مبتلا به سندروم قفل‌شدگی locked-in syndrome، را بهبود بخشد. منظور از سندروم قفل‌شدگی، زمانی است که فرد کاملاً هوشیار است اما قادر به حرکت یا برقراری

فناوری بینایی رایانه‌ای در زمینه‌هایی مانند سیستم‌های نظارت خودکار‌، اتومبیل‌های خودران‌، تشخیص چهره‌، مراقبت‌های بهداشتی و ابزارهای فاصله‌گذاری اجتماعی کاربرد زیادی دارند. اما خنثی کردن تاثیر عوامل محیطی بر کیفیت اهمیت زیادی برای این موضوع دارد. کاربران برای استفاده از تمام مزایای نرم‌افزارهای تجزیه و تحلیل ویدئویی به اطلاعات بصری

انقلاب مدرن هوش مصنوعی در مسابقه‌ای تحقیقاتی و البته مبهم آغاز شد. سال 2012 بود، سومین سال مسابقات ایمیج نت ImageNet، تیم‌ها برای ساخت سیستمی با دید کامپیوتری که بتواند هزار شیء از حیوانات گرفته تا افراد، را تشخیص دهد، به چالش کشیده شده بودند.

در این مقاله به موارد زیر خواهیم پرداخت: دو دلیلی که آلفازیرو AlphaZero را به یک پیشرفت بزرگ در دنیای هوش مصنوعی تبدیل می‌کند. چگونه می‌توان رونوشتی از متدولوژی آلفازیرو تهیه کرد که بازی Connect4 را انجام دهد. و چگونه می‌توان با تغییر کدها، الگوریتم را در سایر بازی‌ها نیز

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

تنسورفلو سه بعدی شامل مجموعه‌ای از عملیات‌ها، توابع زیان، ابزارهای پردازش داده، متریک‌ها و مدل‌ها است که در توسعه، آموزش و استقرار مدل‌های درک فضای سه‌بعدی به کار گرفته می‌شوند.

سال 2020 با همه تنش‌ها و اتفاقات خاص گذشت. اما نکته جالب این بود که با وجود تمام مشکلات، استفاده از فناوری هوش مصنوعی و مدل های یادگیری ماشین در این سال رشدی فزاینده داشت و کارشناسان انتظار دارند که این رشد در سال 2021 هم ادامه داشته باشد.