با این مقالات در دنیای هوش مصنوعی قدم بگذارید
آیت‌الله علیرضا اعرافی، عضو فقهای شورای نگهبان و مدیر حوزه‌های‌علمیه، روز ۱۸ بهمن‌ماه در دیدار با مسئولان ستاد فرماندهی نیروی انتظامی استان قم با تأکید بر نگاه علمی فرماندهی نیروی انتظامی، به نقش مؤثری که هوش مصنوعی می‌تواند در تأمین امنیت کشور ایفا کند اشاره کرد. نماینده مردم تهران در
دکتر جمشید صباغ‌زاده، قائم مقام دانشگاه آزاد اسلامی در واحد علوم و تحقیقات، اعلام کرد برای تربیت نیروی انسانی ماهر در زمینه هوش مصنوعی تفاهم‌نامه‌ای میان دانشگاه علوم و تحقیقات با شرکت دانش‌بنیان هشت بیت امضا شده است. او با اشاره به اینکه عرصه فعالیت شرکت دانش‌بنیان هشت بیت، به
در خصوص تکینگی فناوری و پیش‌بینی‌های مشابه همیشه نظرات مخالف، بدبینانه و تردیدبرانگیز نیز به گوش می‌رسد. عده‌ای پیش‌بینی‌های شکست‌خورده گذشته مانند اتومبیل‌های پرنده، شهرهای شناور و سایر آینده‌نگری‌هایی را مطرح می‌کنند که قرار بود تا قرن 21 محقق شوند. اگرچه تعدادی از این پیش‌بینی‌ها تحقق یافته‌اند، اما نرخ پیش‌بینی‌های
در این مقاله به بخش دوم از سری مقاله‌های تکینگی فناوری می‌پردازیم. همچنین لینک دسترسی به قسمت‌های دیگر در انتهای مطلب در دسترس است. یکی دیگر از موضوعات مورد مناقشه درباره تکینگی، نحوه رخ دادن آن است. برای مثال، آیا تکینگی به‌تدریج رخ می‌دهد یا سریع و آنی خواهد بود.
دستیارهای هوشمند، که با استفاده از فناوری و هوش مصنوعی به وجود آمده‌اند، چند سالی است در سراسر جهان در اختیار عموم قرار گرفته‌اند و در همین مدت اندک توانسته‌اند با تسهیل امور برای کاربران آنان را به سمت خود جذب کنند. برنامه‌های مختلفی برای بهره بردن از این دستیارها
به نظر شما آیا ممکن است یک سیستم هوش مصنوعی درگیر اعتیاد شود؟ در سال 1953، روان‌شناسی از دانشگاه هاروارد تصور می‌کرد که به‌طور تصادفی محل احساس لذت را در جمجمه یک موش کشف کرده است. این دانشمند، الکترودی در ناحیه خاصی از مغز موش قرار داد و موش توانست
مقاله پیش رو با عنوان تکینگی فناوری در 4 بخش منتشر خواهد شد. در بخش اول می‌خوانیم که چطور ممکن است دنیا به پایان فناپذیری نزدیک شده باشد. مقدمه پیشرفت سریع محاسبات، تولید و ذخیره اطلاعات و هوش مصنوعی در آستانه نقطه عطفی قرار دارند که از آن با نام
یادگیری تقویتی یکی از رویکردهای کارآمد و نوینی از یادگیری ماشین است که امروزه توانسته جایگاه خود را در زمینه‌های مختلفی از زندگی بشر گسترش دهد. بطور کلی، یادگیری تکنیکی است که به عامل تصمیم‌گیرنده اجازه می‌دهد تا با نشان دادن عکس‌العمل به محیط و تعامل با آن، پاداش کل
امیر دریادار شهرام ایرانی، فرمانده نیروی دریایی ارتش، از ضرورت و اهمیت تجهیز نیروهای ارتش به فناوری جدید و استفاده از هوش مصنوعی در پیشبرد هرچه بهتر و سریع‌تر اهداف دفاعی و نظامی کشور سخن گفت و بیان کرد: امروز دشمنان به دنبال از صحنه خارج کردن ما هستند، ولی
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
اکثر روش‌های دسته‌بندی سری‌های زمانی که با دقتی در سطح دقت آخرین پیشرفت‌های علمی (یا به عبارتی SOTA) ایجاد شده‌اند، سطح محاسباتی بسیار پیچیده و مقیاس‌پذیری پایینی دارند. به عبارت دیگر فرآیند آموزش آنها روی دیتاست‌های کوچک کُند است و در دیتاست‌های بزرگ کاملاً بلااستفاده هستند. روش ROCKET (که مخفف
گزارشی جامع بر اساس بررسی روند روبه‌رشد هوش مصنوعی و رویکردهای استراتژیک مربوط به آن در سال ۲۰۲۱ انتشار یافت. این گزارش چگونگی پیشبرد اهداف این فناوری در کشورهای سرآمد این حوزه در سال میلادی گذشته را همراه با نگاهی به وضعیت چالش‌هایی که این فناوری در مسیر خود با
هوش مصنوعی امروزه به‌عنوان یک ابزار مهم برای توسعه صنایع زیربنایی و صنایع وابسته توصیف می‌شود. بر همین اساس است که بازارهای سرمایه‌گذاری در حوزه هوش مصنوعی رفته‌رفته درحال‌توسعه هستند و این موضوع اهمیت تحصیل در رشته یادگیری ماشین و هوش مصنوعی را دوچندان کرده است. بر اساس آمارهای منتشر
انرژی مصرفی هوش مصنوعی در مراکز داده و مدلهای بزرگ بسیار بالا است و به محیط زیست آسیب می‌رسانند. اما کسب‌وکارها می‌توانند در جهت کاهش تأثیرات خود بر محیط زیست اقدام کنند. آموزش یک مدل پیشرفته هوش مصنوعی مستلزم برخورداری از داده‌های با کیفیت، صرف زمان، پول و البته مقدار
پژوهش حاضر نشان می‌دهد که انسان‌ها، هوش مصنوعی را هم‌تیمی ناامید‌کننده‌ای برای بازی های مشارکتی می‌دانند که این امر، چالشی برای «هوش تیمی» محسوب می‌شود. در بازی‌هایی مانند شطرنج یا Go، برنامه‌های هوش مصنوعی از بهترین بازیکنان جهان نیز پیشی گرفته‌اند. این هوش مصنوعی‌های «فرابشری» رقبای بی‌نظیری هستند، اما شاید دشوارتر
آموزش شبکه های عصبی برای تقلید از عملکرد مغز این فرصت را در اختیار مدلهای یادگیری عمیق قرار داده تا یادگیری را بر روی داده‌های جدید (داده‌هایی که از سابقه‌ای از آنها ندارند) اعمال کنند. چیزی که انسان را از سایر موجودات متمایز می‌سازد برخورداری از قدرت مغز و توانایی‌های
در این مقاله دیتاست های یادگیری ماشینی را معرفی می‌کنیم. اگر به شیوه‌های آموزش الگوریتم‌های یادگیری ماشینی در 5 یا 10 سال گذشته بنگرید و آن را با شیوه‌های جدید مقایسه کنید، متوجه تفاوت‌های بزرگی می‌شوید. امروزه آموزش الگوریتم‌ها در یادگیری ماشینی بهتر و کارآمدتر از گذشته است و دلیل
در این نوشتار قصد داریم متناسب با هدف و مسئله‌ی موردنظر، توابع زیان و فعال سازی لایه‌ی آخر شبکه‌ی عصبی را معرفی کنیم. فرض نویسنده بر این است که مخاطبان با توابع فعال سازی آشنایی دارند. برای آشنایی بیشتر با این حوزه می‌توانید به این مقاله Deep Learning: Overview of
یک شبکه کامپیوتری که با دقت تمام، بر اساس بخشی از مغز انسان مدل‌سازی شده، بینش جدیدی را درباره روش پردازش تصاویر متحرک در مغز ارائه داده و در این خصوص توانسته است، برخی از توهمات پیچیده دیداری را توضیح دهد. پژوهشگران به وسیله مطالعاتی که سالیان سال بر روی
براساس مطالعات اخیر، انتظار می‌رود که در ده سال آینده انواع الگوریتم یادگیری ماشین جایگزین 25% از مشاغل موجود در سرتاسر دنیا شوند. با رشد سریع کلان داده (Big Data) و آسان‌ترشدن دسترسی به ابزارهای برنامه‌نویسی همچون پایتون و R، یادگیری ماشین دارد به پرکاربردترین ابزار دانشمندان داده تبدیل می‌شود.
محققان دانشگاه استنفورد از یک رویکرد مبتنی بر یادگیری عمیق در طبقه‌بندی ساختمان های آسیب دیده در آتش استفاده کردند. این رویکرد می‌تواند در هدایت اقدامات بازیابی به تیم امداد و نجات کمک کند و جدیدترین اطلاعات را در اختیار ساکنین آواره این ساختمان‌ها قرار دهد. مردم باید هفته‌ها یا
پیش از شروع بحث درباره درخت تصمیم، بهتر است به عنوان مقدمه، مطلب را این‌طور آغاز کنیم. رشد چشم‌گیر دانش در حوزه زیست‌شناسی (علم زندگی) در گذر زمان، الهام‌بخش بسیاری از مهندسانی شده که به مسائل چالش‌برانگیزی برخورده و به دنبال راه‌حل‌های خلاقانه هستند. برای نمونه قطار پرسرعت ژاپنی Shinkansen
طبق بررسی‌های به عمل آمده، بازیگران متعددی در عرصه فناوریهای هوش مصنوعی هم‌اکنون در کشور در حال فعالیت هستند. پیچیدگی تکنولوژی از یک سو و البته پراکندگی و ناهمگونی فعالیتهای این بازیگران، شناخت زمینه‌های مستعد توسعه را در یک زیست‌بوم فناورانه دشوار ساخته است. مطالعات گذشته نشان می‌دهند حتی کشورهای
برای شرکت‌های نفت و گاز، تحول دیجیتال یک اولویت است. در واقع این تحول دیجیتال ، نه‌تنها راهی به مدرن‌سازی شرکت‌ها است، بلکه برای تأمین امنیت تمامی اکوسیستم انرژی یک ضرورت محسوب می‌شود. اگر از این دیدگاه نگاه کنیم، لزوم استفاده از هوش مصنوعی و ظرفیت‌های یادگیری ماشین برای بهینه‌سازی
محققان قرار است با طراحی نوعی الگوریتم خودآگاه مانع فعالیتهای هکرها شوند. هکرها از مرزهای دفاعی یک نیروگاه انرژی هسته‌ای عبور می‌کنند و با تغذیه داده‌های جعلی به سیستم‌ها، کامپیوترها و کارکنان را فریب می‌دهند؛ ماشین‌آلات کلیدی نیروگاه‌ها دچار اختلال شده یا به طور کل از کار می‌افتند. تا وقتی
سوگیری‌های الگوریتمی و خروجی‌های ناعادلانه و مبهم آنها در اشکال گوناگون ظاهر می‌شوند؛ اما راهبردها و تکنیک‌های فراوانی برای مبارزه با آنها و ارتقای عدالت وجود دارد. سوگیری الگوریتمی یکی از موضوعات مهم هوش مصنوعی است و مستلزم توجه و بازبینی دقیق است. خطاهای ناخواسته سیستمی می‌توانند منجر به خروجی‌های
فیلم فینچ Finch محصول سال 2021 ساخته «میگوئل ساپوچنیک»، یک فیلم علمی‌تخیلی آخرزمانی است که نقش کاراکتر محوری آن را «تام هنکس» بازی می‌کند. فینچ را می‌توان در طبقه یکی از بهترین فیلم‌های هوش مصنوعی سال 2021 قرار داد. داستان فیلم از این قرار است که به خاطر از بین
بدون شک یکی از دغدغه‌های مهم کسب‌وکارها، هم‌گام ماندن با انتظارات مشتریان است و برای رسیدگی به آن، استفاده از هوش مصنوعی مکالمه ای یکی از بهترین گزینه‌هاست.. مشتریان خدماتی سریع‌تر با قدرت پاسخگویی بهتر در همه‌ی کانال‌ها می‌خواهند و انتظار دارند امکان جابجایی راحت بین این کانال‌ها وجود داشته
طی یک دهه اخیر، بینایی کامپیوتر شاهد پیشرفت‌های زیادی بوده و توانسته به تمامی برنامه‌ها، چه برنامه‌های مورد استفاده در حوزه دانشگاهی چه در زندگی روزمره، راه پیدا کند. با این حال، کامپیوترها کماکان نمی‌توانند برخی کارها را با دقت و سرعت قابل قبول انجام دهند. یکی از این کارها،
در این پروژه، ما از LSTM به جای GAN برای تولید موسیقی استفاده خواهیم کرد. در نتیجه استفاده از LSTM ها، مدل سریع‌تر آموزش می‌بیند و می‌توانیم عملکرد مدل را بر مبنای یک خروجی عینی ارزیابی کنیم.
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
کپسول هوشمند، فناوری نوظهوری است که محققان در یک تیم استارتاپی موفق به طراحی و تولید آن شده‌اند و به کمک آن می‌توان به بهره‌برداری‌های زیادی در حوزه سلامت انسان دست یافت. این کپسول هوشمند گزارش‌های منظمی را از دستگاه گوارش فرد به پزشک ارسال می‌کند. به عبارت دیگر، این
هدف از انجام تحلیل پیش‌رو این است که مهم‌ترین عواملی را که بر راه‌یابی دانش‌آموزان به دانشکده تحصیلات تکمیلی تأثیر دارند برررسی کنیم و مدلی که با بیشترین نرخ دقت می‌تواند شانس دانش‌آموزان را برای دریافت پذیرش از سوی دانشکده تحصیلات تکمیلی پیش‌بینی کند، انتخاب کنیم. من برای انجام پروژه
الگوریتم AlphaZero توانست بدون هیچ آموزش قبلی و فقط در عرض چند ساعت رقیبان خود را در بازی‌های Go، شطرنج و Shogi شکست دهد. چه عواملی به موفقیت این الگوریتم کمک کردند؟ برای ساخت این الگوریتم شطرنج از یادگیری تقویتی عمیق استفاده شد.
دکتر نبی‌زاده، معاون راهبرد و توسعه کسبوکار شرکت مخابرات ایران، با بیان اینکه شرکت مخابرات ایران، موتور محرک صنعت ICT است و ما علاوه بر ارائه خدمات پایه مخابراتی، به دنبال همگامی با آخرین رویداد فناوری در سطح جهانی هستیم، عنوان کرد: «بخش راهبرد و توسعه کسبوکار شرکت مخابرات ایران
آموزش قایم باشک به ربات ها کلید دستیابی به نسل بعدی AI می باشد. هوش مصنوعی عمومی (AGI) شاخه‌ای از AI است و عامل هوش مصنوعی با اتکا به آن می‌تواند همانند انسان‌ها فکر کند و یاد بگیرد؛ AGI مدت‌ها موضوعی محدود به داستانهای عملی تخیلی بود. اما همزمان با
توسعه هوش مصنوعی نوید فرصت‌های شگفت‌انگیزی برای تحول در زندگی و کسبوکار ما را می‌دهد. همچنین کمک می‌کند تا پتانسیل انسانی بالقوه ما به روش‌هایی که هنوز ندیده‌ایم یا حتی نمی‌توانیم آنها را تصور کنیم، بالفعل شوند. اما چالش‌های استفاده از هوش مصنوعی چیست؟ در میان این حجم از هیجان
پیش از پرداختن به اهمیت تفسیرپذیری هوش مصنوعی در حوزه بهداشت و درمان بیاید موردی را با هم مرور کنیم. فرض کنید پنج‌شنبه صبح است. شب قبل تا دیروقت بیدار و مشغول اجرای چندباره‌ی مدلی برای رویگردانی مشتریان، بررسی ویژگی‌های جدید آن و دستکاری هایپرپارامترهای الگوریتم بوده‌اید. در نهایت موفق
آشنایی با مفاهیم پیش پردازش داده و اجرای آنها در هنگام استفاده از کتابخانه scikit learn داده به مجموعه‌ای از دانسته‌ها، آمار، مشاهدات یا توصیفات مربوط به مفهومی گفته می‌شود که به صورت سازمان‌یافته و یا غیرسازمان‌یافته ارائه می‌شوند. داده‌ها انواع مختلفی دارند و برای نمونه می‌توان به تصویر، واژه،
در این نوشتار قصد داریم تعدادی از متدهای ارزیابی عملکرد مدل طبقه بندی را به شما معرفی کنیم: Cross Validation مدل ماتریس در هم ریختگی(Confusion Matrix) منحنی ROC امتیازCohen’s κ import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt import warnings warnings.filterwarnings(‘ignore’) در گام
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.
