هوش مصنوعی بخشی از علوم رایانه است که هدف اصلی آن تولید رایانه‌هایی است که بتوانند با هوشی شبیه به هوش انسان کار کنند. در واقع نوعی شبیه‌سازی هوش انسانی برای کامپیوتر است. حال این کامپیوتر باید از رفتار انسان تقلید کند و اینجاست که موضوع ترس از رفتار هوش

در فرایند اکتشاف داده‌ها و ساخت مدل، روش‌های گوناگونی برای انجام مسائل وجود دارند که انتخاب و کاربردشان به هدف و تجربه‌ متخصص بر می‌گردد. برای نمونه، نرمال‌سازی داده را می‌توان با روش L1 (معیار فاصله‌ منهتن Manhattan distance )، L2 (معیار فاصله‌ اقلیدسی Euclidean distance ) یا ترکیبی از

اکثر افراد با شنیدن واژه‌ی «هوش مصنوعی» فکر می‌کنند این فناوری با کامپیوتر ارتباط دارد. شاید این موضوع به ذهن عده قلیلی خطور کند که روانشناسی و هوش مصنوعی ارتباط نزدیکی با یکدیگر دارند. در واقع، به جرات می‌توان گفت که روانشناسی و هوش مصنوعی جدانشدنی هستند. هوش مصنوعی به

احتمالاً همه بر سر این موضوع توافق نظر دارند که یکی از پرکاربردترین معیارها در مشاغل، همبستگی، یا به بیان دقیق‌تر، همبستگی‌‌‍‌‌‌‌‌‌ پیرسون (Pearson Correlation) است. یادآوری: همبستگی‌‌‌‌‌ رابطۀ خطی بین دو متغیر را اندازه می‌گیرد. مسئله این است که بسیاری از روابط خطی نیستند. مثلاً، شاید در نتیجۀ محاسبات

هوش، در طبیعت، شکل‌های متنوعی به خود می‌گیرد. خفاشی که از پژواک‌یابی برای رهیابی مسیرش در تاریکی استفاده می‌کند یا اختاپوسی که با انطباق پیوسته‌ رفتارش، در اقیانوس‌های عمیق زنده می‌ماند، تنها نمونه‌هایی از این اشکال هستند. در دنیای کامپیوتر نیز صورت‌های گوناگونی از هوش مصنوعی در حال ظهور هستند.

این روزها یادگیری ماشین در حال جمع‌آوری داده‌ها با سرعت نمایی است. اگرچه، هوش مصنوعی سعی در شبیه‌سازی رفتارهای انسان دارد، اما تمام هدف آن نیست. هوش مصنوعی در هنر خلاقیت خود را بروز می‌دهد. اگرچه این حوزه‌ها در ابتدای راه هستند و با محدودیت‌های زیادی روبرو هستند، برخی از

محققان برخی از ویژگی های کارکردی و ساختار مغز را پیدا کرده‌اند که توجیه‌کننده‌ی تمایل به رفتارهای پرخطر است. رفتارهای پرخطر همچون سیگار کشیدن، استفاده از الکل و مواد مخدر، رانندگی پرسرعت، یا رفتارهای جنسی پرخطر منشأ بسیاری از مشکلات بهداشتی و اقتصادی هستند. تنها در ایالات متحده، 600 میلیارد

فناوری هوش مصنوعی سیستم‌هایی را ایجاد کرده است که می‌توانند اتومبیل‌ها را برانند، ترکیبات شیمیایی را سنتز کنند، مساله تاشدگی پروتئین‌ها را حل کنند و ذرات پرانرژی را تشخیص دهند. با این حال، این الگوریتم‌های هوش مصنوعی نمی‌توانند فرایندهای پشت تصمیم‌های خود را توضیح دهند و نیاز به هوش مصنوعی

مدل پنهان مارکوف (HMM) یک ابزار مدل‌سازی آماری بسیار قدرتمند به شمار می‌رود که در حوزه‌هایی همچون تشخیص گفتار Speech recognition، تشخیص دست‌خط Handwriting recognition و غیره کاربرد دارد. زمانی که خواستیم از این مدل استفاده کنیم متوجه شدیم توضیحات جامع و واضحی در مورد آن وجود ندارد و مطالب

در سال 2012، اقتصاددانی به نام رابرت گوردون یک مقاله جنجالی منتشر کرد که در آن استدلال کرد رشد اقتصادی تقریبا به پایان رسیده است و دلیل عمده این مساله این است که ما در دهه‌های اخیر نتوانسته‌ایم موتورهای نوآوری را حفظ کنیم. مطالعه‌ای که در انستیتوی تحقیقات سیاست اقتصادی

در این مقاله به توضیح برخی از پیشرفته‌ترین روش‌های تخمین عمق در وسایل نقلیه خودران  و یا همان پیش‌بینی عمق Depth در توالی عکس‌هایی می‌پردازیم که وسایل نقلیه ثبت کرده‌اند؛ این تصاویر بدون نیاز به استفاده از دوربین‌های اضافی و حسگرها به ساخت و تولید مدل‌های وسایل نقلیه خودران کمک

در ماه دسامبر گذشته پنلی با حضور برخی از دانشمندان هوش مصنوعی برگزار شد تا در مورد آینده، انسان‌ها و هوش مصنوعی بحث و تبادل‌نظر شود. در این پنل سؤالاتی مطرح شد ازجمله اینکه چگونه هوش مصنوعی منجر به دگرگون کردن اساسی تمام جنبه‌های تجربه انسانی ما می‌شود؟ چگونه ما

هوش مصنوعی و اخلاق رابطه جالبی دارند و این فناوری به صورت فزاینده می‌آموزد که چطور با انسان‌ها رفتار کند و روی آن‌ها تأثیر بگذارد. پژوهشی جدید نشان داده است هوش مصنوعی چطور می‌تواند نقاط آسیب‌پذیر در عادات و رفتار انسانی را تشخیص داده و برای تأثیر گذاشتن روی تصمیم‌گیری

دیوید سیلور خالق MuZero و چندین پیشرفت خیره‌کننده هوش مصنوعی در سال­‌های اخیر است. کارهای او باعث توجه مجدد و احیای هوش مصنوعی شد که در دوره‌ای دیگر خیلی به آن توجه نمی‌شود و اصطلاحا دوره زمستان هوش مصنوعی نامیده می‌شود.

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

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

در این مقاله روش فشرده سازی شبکه عصبی را توضیح می‌د هیم. معماری‌های مدرن و نوآورانه‌ی شبکه‌های عصبی از اهمیت بسیار زیادی برخوردار هستند. برای مثال شاید با GPT-3، جدیدترین مدل تحولی فناوری پردازش زبان طبیعی (NLP) که OpenAI ارائه داده، آشنایی داشته باشید. این مدل قادر به نوشتن شعر و

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

ترنسفرمرها بر دنیای پردازش زبان طبیعی غلبه کرده‌اند. این مدل‌های خارق‌العاده رکورد حل جدیدترین و بیشترین مسائل حوزه‌ی NLP را در دست دارند. علاوه بر این در موارد گوناگون دیگری، همچون ترجمه‌ی زبان ماشینی ، ربات‌های سخنگوی مکالمه‌ای ، و حتی موتورهای جستجو ی قوی‌تر نیز کاربرد دارند. ترنسفرمرها در

مدیر مرکز والتر بردلی – رابرت جی. مارکس – در پادکست هفته پیش با فیلسوف دانشگاه کنکوردیا – دکتر آنگوس مینوژ – در خصوص مسئله ذهن–بدن مصاحبه کرد. دکتر مینوژ برهم‌کنش میان ذهن و بدن را انتقال بدن بین دو بخش قلمداد می‌کند: ذهن و بدن انسان سیستم یکپارچه‌ای با

در مراسمی که روز شنبه در سالن شیخ بهایی معاونت علمی و فناوری ریاست جمهوری برگزار شد، دکتر سورنا ستاری از محصولات حوزه فناوری همگرا رونمایی کرد.

دانشمندان با استفاده از سلول‌های بنیادی قورباغه موفق به ساخت روبات های زنده و خوددرمان گر‌‌ شده‌اند که می‌توانند خاطرات را ثبت کنند.

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

پژوهشگران معتقدند انسان‌ها هرگز قادر به کنترل و محدودسازی هوش مصنوعی بزرگ و ماشین های فراهوشمند نخواهند بود. این فرضیه هولناک است، اما دانستن آن برای دانشمندان مشغول در این عرصه مفید است.

شما در برهه‌ای از کودکی‌تان یاد گرفتید که چطور بعد از زمین خوردن، بلند شوید و روی پاهای خود راه بروید. سگ های رباتیک حالا از این روش برای یادگیری استفاده می‌کنند. احتمالا برای یادگیری این موضوع، والدینتان شما را تشویق کردند؛ اما در بیشتر موارد آزمون و خطا باعث

با تلاش محققان استنفورد، مشاهده روند تصمیم گیری در مغز میسر شده است. تیمی از دانشمندان و مهندسان مغز و اعصاب سیستمی را ایجاد کرده‌‌‌‌‌اند که‌‌‌‌‌ می‌‌تواند روند عصبی ‌‌‌‌‌تصمیم‌‌گیری را در زمان واقعی نشان دهد‌‌‌‌‌، این فرایند همچنین شامل روند ذهنی بررسی بین گزینه‌‌‌‌‌‌‌ها قبل از بیان گزینه نهایی‌‌‌‌‌