
Speech Brain یک تول کیت منبع باز و مبتنی بر PyTorch
Speech Brain که یک تولکیت منبع باز مبتنی بر PyTorch است درحال حاضر مراحل ساخت را طی میکند و قرار است به زودی، نسخه آلفا برای گروهی از کاربران در طی چندماه آینده عرضه شود.
با این مقالات در دنیای هوش مصنوعی قدم بگذارید

Speech Brain که یک تولکیت منبع باز مبتنی بر PyTorch است درحال حاضر مراحل ساخت را طی میکند و قرار است به زودی، نسخه آلفا برای گروهی از کاربران در طی چندماه آینده عرضه شود.

وقتی صحبت از مدلسازی دادهها میشود، اکثر افراد به مدلهای رگرسیون فکر میکنند که میتوانند بر اساس دادههای جمعآوری شده، متغیر هدف را پیشبینی کنند. با این حال، ارزیابی عملکرد مدل رده بندی نشان داده که آنها نیز (با اینکه روش متفاوتی را در پیش میگیرند) در پیشبینی خوب بودهاند.

امروزه دیگر همگی به دستیاران هوشمند خانگی و سیستم پردازشگر صوتی عادت کردهایم؛ این دستگاهها میتوانند دستورات صوتی را اجرا کنند، دربارهی فعالیتهای شکبرانگیز و غیرمعمول به ما اخطار دهند، و حتی جوک بگویند. بازهی قیمت این تکنولوژی بسیار گسترده است و به همین دلیل عمدهی مردم توان خرید آن

هوش مصنوعی میتواند درست مانند اینترنت، در امور زندگی ما جاری شود. مقیاس استفاده از آن به سرعت در حال رشد است و تا امروز توانسته بسیاری از مشکلات ما را برطرف کند. در آینده هم مطمئنا بیش از پیش روی زندگی عادی و امور کسب و کار ما تاثیر

بر اساس آخرین گزارش گروهی از متخصصان بینالمللی که وضعیت هوش مصنوعی را ارزیابی میکنند، این فناوری در مسیر تکامل خود به نقطه عطف مهمی رسیده است.

در این نوشته به چگونگی تبدیل فایلهای صوتی به فایلهای متنی با استفاده از پایتون میپردازیم. این تبدیل حاصل فرایندِ تشخیص گفتار است و به طور متداول در دنیای حقیقی مورد استفاده قرار میگیرد. برای مثال، دستیارهای صوتی شخصی مثل «Home Mini» گوگل، «Alexa» آمازون و «Siri» اپل تنها چند

وینسنت ونگوگ Vincent Van Gogh در سال 1889 نقاشی زیبایی به نام «شب پرستاره» را کشید. مدل شبکههای مولد تخاصمی من (که نام آن را گَن گوگ گذاشتهام) نیز توانست به کمک دادههای دیتاست MNIST که تنها 20% آنها برچسب داشتند، یک نقاشی بکشد. اما این مدل چگونه توانست به

بسیاری از کسب و کارها و سازمانها دارای اطلاعات خام فراوانی هستند که به کمک داده کاوی میتوانند به اطلاعات نهان، الگوها و روابط مختلف نهفته در دادهها پی ببرند و به کمک آنها، استراتژیهای مختلفی اتخاذ و تصمیمات سنجیدهتری بگیرند. هوش مصنوعی با استفاده از سرویسهای داده کاوی علاوه

در این مقاله میخواهیم تأثیر اندازه بسته شبکه را بر آموزش شبکههای عصبی بیشتر بشناسیم. فهرست مطالب بدین صورت است: اندازه بسته شبکه چیست؟ دلیل اهمیت اندازه بسته شبکه چیست؟ بستههای کوچک و بزرگ از نظر تجربی چگونه عمل میکنند؟ چرا بستههای بزرگتر عملکرد ضعیفتری دارند و چطور میتوانیم آن

یادگیری ماشینی عبارت است از مطالعۀ تصمیمگیری تحت شرایط نامعلوم. به عبارت دیگر، فرد باید بداند که با در دست داشتن یک مجموعهداده آموزشی، باید چه اقدامی در مقابل مشاهده چیزهای جدید انجام دهد. تا سال 2018، تعداد کارمندان حوزه مهندسی نرم افزار در آمریکا به بیش از یک میلیون

پژوهشهای بنیادی که حول موضوع یادگیری خودکار Autonomous learning انجام میشوند میتوانند به همه، یا دست کم بیشتر مسائل بینایی کامپیوتر کمک کنند. یادگیری خودکار میتواند نقشی مؤثر در طراحی خودکار شبکههای عصبی بافتآگاه Contextual-aware neural network داشته باشد. این داده ها در عملیاتهای مختلف بینایی کامپیوتر کاربرد دارند. یکی

رباتیک عصبی-تکاملی Neuro-Evolutionary robotics چشماندازی جدید به مطالعه رفتارهای جمعی رباتهای گروهی فراهم میآورد. این حوزه پژوهشهای فراوانی به خود اختصاص داده است و روشها و ایدههای زیادی برای کمک به آن مطرح شدهاند؛ با این وجود، ارزیابیهای تجربی و تحلیلهای مقایسهای تا کنون نادر بودهاند.

فناوری، نقش اجتماعی و عاطفی چشمگیری در زندگی انسانها ایفا خواهد کرد. این واقعیت موجب شگفتیِ مینیا لی – طراح دیجیتال، دانشمند اطلاعات، فیلسوف و شهروند جهانی – شده است. این استادیار دانشگاه موفق به توسعهی یک چت بات اخلاقی شده است که میتواند به افراد کمک کند تا تصویر

شرکت فناوری عصبی Neuralink از سال 2019 در تلاش است به منظور بکارگیری هوش مصنوعی در توان بخشی افراد توانیاب، فناوریای بسازد که قادر به ثبت فعالیت مغزی انسانها باشد. این شرکت که توسط ایلان ماسک Elon Musk بنیانگذاری شده است، آزمایشات اولیهی خود را روی موشها اجرا کرد. طی

فناوری هوش مصنوعی سبز و کلاندادهها نقش پررنگی در کربنزدایی ایفا میکنند. این فناوریها طیف وسیعی از حوزههای گوناگون را تحت تأثیر قرار میدهند که از جملهی آنها میتوان به بهینهسازی شبکههای تولید برق و حتی پیشبینی تغییرات آب و هوا اشاره کرد. با این حال، بدون چارچوبها و قوانین

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

در این مطلب به راهکارهایی برای مشکلات جعبه سیاه هوش مصنوعی اشاره خواهیم کرد. مسائل مربوط به جعبه سیاه هوش مصنوعی اعتماد کاربران به تصمیمات الگوریتمها را به خطر انداخته است. همزمان با پیشرفتهای روزافزون در عرصه هوش مصنوعی، متخصصان در تلاشاند رویکرد جعبه شیشهای را در میان توسعهگرها ترویج

کتابخانه Keras مجموعهای از آخرین مدلهای یادگیری عمیق فراهم کرده است که وزنهای آن با استفاده از دیتاست ImageNet از پیش آموزش دیدهاند. این مدلهای آموزش دیده را میتوان برای طبقهبندی تصویر، استخراج ویژگی و یادگیری انتقالی استفاده کرد. در این نوشتار مقالهای را با هم مرور خواهیم کرد که

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

تیمهای حاضر در مسابقات پهپادهای خودران گاهی سرافراز بیرون میآیند و گاهی در پی حوادث پیشبینی نشده از گردونه مسابقات کنار میروند. در این مسابقات، پهپادی که مسیر مسابقه را با بالاترین سرعت طی کند، برنده است. اما هرچه سرعت پرواز پهپاد بیشتر باشد، ناپایدارتر و پیشبینی آیرودینامیک آنها دشوارتر

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

دیپمایند محیط بازی بزرگی به نام XLand طراحی کرده است که هوش مصنوعی پیوسته آن را تغییر میدهد.

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

تیمی از پژوهشگران دانشگاه کالیفرنیا، سندیگو، یک سیستم مبتنی بر شبکه های عصبی عمیق ساختهاند؛ این سیستم میتواند ویژگیهایی را شناسایی کند که قادر به پیشبینی عوامل رونویسی متصلشونده Transcription Factor Binding هستند. در مقالهی این پژوهشگران (منتشرشده در ژورنال Nature Machine Intelligence) به کاربردهای احتمالی این سیستم در درک بهتر

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

در این مقاله ما به کمک یادگیری عمیق به دنیای بخشبندی تصویر قدم خواهیم گذاشت و درخصوص مباحث زیر صحبت خواهیم کرد: 1. بخشبندی تصویر چیست و انواع آن کدامند؟ 2. معماریهای بخشبندی تصویر 3. توابع زیان در حوزه بخشبندی تصویر 4. چارچوبهایی که در آن میتوان پروژههای بخشبندی تصویر

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.

اینکه جنگ بر سرِ آینده فناوری از دید کارشناسان هوش مصنوعی چیست و به کجا خواهد رسید سالهاست که از چالشهای همیشگی کارشناسان هوش مصنوعی بوده است. هوش مصنوعی از دهه 1950 میلادی با فراز و نشیبهای فراوانی روبهرو بوده است.

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.

بیاید با خبری شروع کنیم که ممکن است شما را کمی بترساند. البته نگران نباشید، بعد از آن خبرهای خوبی از شبکه عصبی برایتان داریم. چهار ماه پیش، دانشجویی در دانشگاه هنر و طراحیِ «امیلی کار» به دلیل استفاده از چک تقلبی، 600 دلار از حساب بانکیاش را از دست

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.

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.

در مقاله حاضر، میخواهیم چگونگی کارکرد استراتژیهای تکاملی evolution strategies (ES) را به کمک چند نمونه بصری توضیح دهیم. در این مقاله چگونگی بهکارگیری الگوریتمها برای انجام کارهای مختلف را شرح خواهیم داد.

به زیرمجموعهای از سیستمهای پالایندۀ اطلاعات، سیستم های توصیه گر Recommendation System گفته میشود. گاهی دقت توصیههای خرید در آمازون، تماشا در سرویس چندرسانهای نتفلیکس یا گوش دادن به موسیقی در اسپاتیفای، ما را شگفتزده میکند. گویی این شرکتها میدانند در ذهنمان چه میگذرد و از تصمیمهایمان آگاهی دارند. آنها علوم
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.