رشد همه‌جانبه هوش مصنوعی به معنی راه‌حل‌های جدیدی برای رویارویی با مشکلات پیچیده بشری است. اما به این دلیل باید توجه ویژه به بحث اخلاق در هوش مصنوعی داشت که قدرت ماشین‌های هوشمند که از هوش مصنوعی می‌آید ممکن است بعضی از حقوق ما انسان‌ها را تضعیف کند.

می‌توان گفت کووید ۱۹ یک شبه زندگی انسان‌ها را متحول کرد و به سمت دیجیتالی شدن برد و این باعث به وجود آمدن مسائل جدیدی شد. موردی که در این شرایط باید بیش از پیش به آن پرداخته شود، مجرمان اینترنتی هستند. در یک معامله آنلاین چگونه می‌توانید به شخصی

سرطان دهانه رحم  سالانه بیش از نیم میلیون نفر را مبتلا کرده و جان نزدیک به 300 هزار نفر را می‌گیرد. تشخیص سرطان در مراحل اولیه برای ریشه‌کن کردن بیماری از بدن بیمار ضروری است. با این حال، روش معمولی غربالگری سرطان که جمعیت-محور است، فرآیندی دشوار و هزینه‌بر دارد.

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.

برای مدتی شبکه های عصبی بازگشتی Recurrent Neural Networks  و حافظه‌ کوتاه‌مدت طولانی Long Short-Term Memory  از جذابیت زیادی برخوردار بودند و اکنون زمان آن رسیده که آن‌ها را کنار بگذاریم.

موسسه مهندسی عمران و فناوری ساخت‌وساز کره‌جنوبی (KICT) از ساخت سیستم شناسایی چاله‌آسفالت مبتنی بر هوش مصنوعی خبر داده است. این سیستم به نحوی طراحی شده است که روی شیشه جلوی اتومبیل نصب و چاله آسفالت های سطح جاده را در لحظه شناسایی می‌کند. چاله آسفالت ها به اتومبیل آسیب

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

هوش مصنوعی قوی‌تر از همیشه به رشد خود ادامه داده و جای خود را در زندگی روزمره‌ی افراد پیدا می‌کند؛ اما آنچه درون این سیستم‌ها می‌گذرد همچنان برای ما ناشناخته است. این عدم شفافیت می‌تواند سرمنشأ مشکلاتی اساسی همچون نژادپرستی باشد؛ به همین خاطر پژوهشگران قصد دارند این جعبه سیاه

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

پیش از این سعی کردیم افراد حاضر در تصاویر بی­‌کیفیتی که از اینترنت گرفته شده‌­اند را تشخیص دهیم. برای این کار از سیستم محبوب تشخیص اشیاء YOLO استفاده کردیم. این بار قصد داریم الگوریتم DETR را بررسی کنیم. هدف ما تشخیص افراد در تصاویر خام ویدئویی بود. ولی همان­‌طور که

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.

کاربرد کلان داده در صنعت بانکداری به تقسیم‌بندی مشتریان کمک می‌کند تا یک راه حل جامع ارائه دهد که برای کسب و کارها و مشتریانشان بهتر کار کند. تقسیم‌بندی قبلی مشتریان، خواسته‌ها و نیازهای مشتری را بدون پرداختن به هیچ یک از نقاط درد آن‌ها، تعمیم می‌دهد. نقاط درد به

در نظرسنجی Forbes Insights که 700 مدیر اجرایی سطح C در آن شرکت کردند، مشخص شد سواد داده‌‎ای مهم‌ترین مانع برای موفقیت در پروژه‌های هوش مصنوعی است. مشکل سواد داده‎ای در نتیجه عدم وجود متخصص هوش مصنوعی و علوم داده به وجود می‌آید. در نتیجه برای استفاده موفق از هوش

ما از ساخت نخستین مدل شبکه ‌های عصبی پیچشی (ConvNet)، شناسایی سگ‌ها و گربه‌ها بود. ساختار این مدل حاویِ لایه‌های پیچش دوبعدی (Conv2D) و ترکیبی از لایه‌های ادغام و نرمال سازی بسته batch normalization، و dropout می‌باشد. در این راستا از یک لایه مسطح‌ساز flattening layer استفاده می‌شود که نهایتاً

شبکه های مولد تخاصمی (GAN) Generative Adversarial Networks (GANs به طرز قابل ملاحظه‌ای پیشرفت کرده‌ است؛ از جمله قابلیت‌های پیشرفتۀ آن می‌توان به ترکیب و شبیه­ سازی فوق‌العاده دقیق چهره انسان، بازیابی رنگ و کیفیت ویدئوهای قدیمی و ساخت ویدئوهای دیپ فیک واقع‌گرایانه اشاره کرد. شبکه های‌ مولد تخاصمی عمدتاً

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

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

وقتی اسم هوش مصنوعی می‌آید، اولین تصویری که در ذهن خلق می‎شود، چیست؟ به نظر برای بیشتر افراد این تصور ایجاد می‌شود که ربات‌ها به زودی جای انسان‌ را می‌گیرند. این اولین موردی است که در آموزش‌های آکادمیک در زمینه هوش مصنوعی مطرح می‌شود. اما وقتی کمی در روند کار

در رشته‌های علوم کمی و محاسباتی، از جمله حوزه‌های مالی و علوم داده، سعی بر این است که با جستجو در میان داده‌هایی با نویز فراوان، یک سیگنال کشف شود. الگوریتم PCA یا تحلیل مؤلفه اصلی Principal Components Analysis به ما کمک می‌کند محرک‌های نهفته در داده ها را پیدا

Seaborn یک کتابخانه مصورسازی داده در  پایتون است و در Matplotlib ساخته می‌شود. این کتابخانه سطح بالا روند ترسیم نمودارهای آماری را تسهیل می‌کند. مدتی قبل نسخه جدید (0.11.0) کتابخانه Seaborn منتشر شد. در این نسخه ویژگی‌های جدیدی به کتابخانه افزوده شده و ویژگی‌های قبلی نیز ارتقا پیدا کرده‌اند. در

محققان دانشکده علوم کامپیوتر در دانشگاه کالیفرنیای جنوبی (USC) و NVIDIA از شبیه‌سازی برای تقویت مهارت برش در ربات ها رونمایی کرده‌اند؛ این شبیه‌ساز قادر به بازسازی نیروهای وارده به چاقو (برای مثال، برش دادن مواد غذایی از جمله میوه‌ها و سبزیجات) است. علاوه بر این، این سیستم می‌تواند بُرش

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

pandas یکی از کتابخانه‌های بسیار مشهور در دنیای علوم داده است. این کتابخانه عملکرد بسیار خوبی دارد، قالب‌ها و ساختارهای داده‌ای آن به نحوی‌ست که استفاده از آن‌ها آسان است. این کتابخانه همچنین ابزارهایی برای تجزیه و تحلیل داده‌ها ارائه می‌دهد. اما وقتی باید با حجم بسیار زیادی از داده