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

در این مقاله آموزشی می‌آموزید شبکه های Siamese را با استفاده از Keras، TensorFlow و یادگیری عمیق آموزش دهید و پیاده‌سازی کنید.

زبان‌های برنامه نویسی را می‌توان بخش بنیادی علوم کامپیوتری دانست؛ بخشی که از آن به عنوان ابزاری مهم در جعبه ابزار هر برنامه‌نویس یاد شده و لازمه آغاز هر فعالیت مربوط به برنامه‌نویسی است. در میان زبان‌های برنامه‌نویسی برخی مشهورترند و برخی از شهرت کمتری برخوردار هستند. افرادی که می‌خواهند

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

طبق مقاله جدیدی که در مجله علمی Neuroscience of Consciousness منتشرشده است، به‌کارگیری روش‌های پیشرفته یادگیری ماشین و شبکه های عصبی عمیق می‌توانند به دانشنمدان در درک بهتر تجربیات بصری ناشی از داروهای روان‌گردان مانند دی متیل تریپتامین (DMT) کمک کنند.

یک بازوی ربات مجازی یاد گرفته است که بدون نیاز به آموزش مجدد برای هر کدام از کارهای محوله، طیف گسترده‌ای از پازل‌های مختلف را حل کند. این بازوی ربات مجازی، این کار را با بازی در برابر بازوی ربات دوم انجام داد که برای ایجاد چالش‌های سخت‌تر و پیچیده‌تر

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

برای آموزش هوش مصنوعی با استفاده از یادگیری ماشین، باید هدفی تعیین کنید، مثل رسیدن به بالاترین امتیاز در یک بازی ویدئویی یا انتخاب کردن عکس‌های موجود در یک مجموعه که در آن‌ها گربه وجود دارد. اما شما به هوش مصنوعی نمی‌گویید که چطور به هدف برسد. بلکه به آن

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

تا کنون مدل­‌های پیچیده­‌ای ساخته‌­ایم که قادر به انجام وظایف و حل مسائل پیچیده هستند، اما چالشی که اکنون با آن روبرو هستیم این است که چطور می­‌توانیم چنین مدل­‌های سنگینی را برای استفاده­‌ی فوری روی دستگاه­‌های موبایل پیاده کنیم؟ شاید بتوانیم مدل را روی ابر به کار انداخته و

آیا می‌توانیم به ربات‌ها آموزش دهیم که آموخته‌هایشان را عمومی کنند؟ چطور الگوریتم‌ها می‌توانند منطقی‌تر باشند؟ آیا سبک یادگیری یک بچه می‌تواند روی هوش مصنوعی تاثیر بگذارد؟ آموزش هوش مصنوعی به چه صورت انجام می شود؟

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.

هوش مصنوعی یکی از امیدهای بزرگ آینده بشریت است. ما همین حالا هم بدون این که بدانیم، در حال استفاده از آن هستیم. بنا بر ادعای برخی دانشمندان، هوش مصنوعی می‌تواند یک خطر بزرگ هم باشد و شاید در آینده جایگزین انسان شود، مثلا زمانی که بتوانیم به دستاورد صحبت

در این مطلب به بخش دوم پرسش‌هایی که در مصاحبه یادگیری عمیق از افراد جویای کار پرسیده می‌شود، می‌پرداریم. افراد علاقه‌مند به مهندسی هوش مصنوعی و خصوصا یادگیری عمیق معمولا در جلسات مصاحبه استخدامی با سوالاتی مواجه می‌شوند که شاید برای پاسخ دادن به آن‌ها حضور ذهن نداشته باشند. به