پردازش زبان طبیعی

Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش خبری
پرامپت‌ نویسی
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
خطرات هوش مصنوعی
دیتاست
مدل‌های بنیادی
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
پیاده‌سازی هوش مصنوعی
گزارش
مصاحبه
هوش مصنوعی در عمل

پردازش زبان طبیعیشما به‌عنوان یک انسان، می‌توانید به انگلیسی، اسپانیایی یا چینی صحبت کنید و بنویسید. اما زبان مادری کامپیوتر، که به‌عنوان کد ماشین یا زبان ماشین شناخته می‌شود، برای اکثر مردم تا حد زیادی نامفهوم است. در پایین‌ترین سطوح دستگاه شما، ارتباط نه با کلمات، بلکه از طریق میلیون‌ها صفر و یک انجام می‌شود که اقدامات منطقی ایجاد می‌کنند. درواقع، برنامه نویسان 70 سال پیش از کارت‌های پانچ برای برقراری ارتباط با اولین رایانه‌ها استفاده کردند. این فرآیند دستی و سخت توسط تعداد نسبتاً کمی از مردم قابل‌درک بود. اما امروزه شما می‌توانید بگویید “الکسا، من این آهنگ را دوست دارم” و دستگاهی که در خانه شما موسیقی پخش می‌کند. این امر به لطف پردازش زبان طبیعی ممکن است.

پردازش زبان طبیعی زیرشاخه‌ای از هوش مصنوعی است که به تعامل بین رایانه و زبان انسان می‌پردازد. درحالی‌که پردازش زبان طبیعی علم جدیدی نیست، این فناوری به لطف افزایش علاقه به ارتباطات انسان با ماشین، به‌علاوه در دسترس بودن داده‌های بزرگ، محاسبات قدرتمند و الگوریتم‌های پیشرفته، به‌سرعت در حال پیشرفت است. حال بیایید نگاهی دقیق‌تر به این فناوری بیندازیم … درباره پردازش زبان طبیعی بیشتر بخوانید

نظریه جایگشت در آموزش شبکه عصبی عمیق، گرادیان کاهشی، نقطه‌ی زینی
تشخیص کنایه در عناوین خبری با cAInvas
گزارشات جعلی AI متخصصان را به اشتباه می‌اندازند
شبکه های عصبی برآورد حالت انسان : HRNet ،HigherHRNet، معماری‌ها و FAQ
محققان گوگل رویای ساخت نوع جدیدی از موتور جستجو را در سر می‌پرورانند
ابَرمدل زبان: مدل زبانی GPT-3 و انقلاب هوش مصنوعی
محاسبه شباهت معنایی بین دو متن نوشتاری با PyTorch و SentenceTransformers
با GPT-3 اولین هوش مصنوعی عمومی AGI در دنیا آشنا شویم
PEGASUS جدیدترین مدل خلاصه سازی انتزاعی گوگل
چت‌باتی که از فناوری GPT-3 استفاده می‌کرد به بیمار فرضی پیشنهاد خودکشی داد
اپلیکیشن های نسل بعد از GPT-3 تغذیه می‌کنند
DALL.E ؛ جدیدترین شبکه عصبی OpenAI که متون توصیفی را به عکس تبدیل می‌کند
اظهارات بزرگان هوش مصنوعی درباره ترندهای 2021: مدل های پردازش زبان طبیعی
کارگاه آموزش پردازش زبان طبیعی (NLP)
کمپانی Ushur مبلغ 25 میلیون دلار برای خودکارسازی فرایندهای خدمات مشتریان اختصاص می‌دهد

پردازش زبان طبیعی

جایگشت

نظریه جایگشت در آموزش شبکه عصبی عمیق، گرادیان کاهشی، نقطه‌ی زینی

این مطلب فرض را بر آشنایی مقدماتی مخاطبان با معماری‌ شبکه های عصبی قرار داده است. محتوای این مقاله درباره نظریه جایگشت است و به خصوص برای افرادی مفید است که در آموزش شبکه‌های عمیق تجربه دارند، و ممکن است در مورد آموزش مدل یا قدرت آن به مشکلاتی برخورده

تشخیص کنایه

تشخیص کنایه در عناوین خبری با cAInvas

کنایه که در لغت به معنای «پوشیده سخن گفتن» است، در اصطلاح به ترکیب یا جمله‌ای اطلاق می‌شود که مراد گوینده معنای ظاهری آن نباشد. این عنصر می‌تواند بار معنایی جمله را دستخوش تغییر قرار دهد. بنابراین، تشخیص کنایه به بخش مهمی از تحلیل احساسات تبدیل شده است. بخش عمده‌ای

گزارشات جعلی

گزارشات جعلی AI متخصصان را به اشتباه می‌اندازند

فناوری هوش مصنوعی می‌تواند گزارشات جعلی تولید ‌کند که به اندازه‌ای طبیعی جلوه ‌می‌کنند که حتی متخصصان امنیت سایبری را به اشتباه می‌اندازند. در صورت استفاده گسترده از این سیستم‌ها تلاش‌ برای مقابله با حملات سایبری راه به جایی نخواد بُرد. این سیستم‌ها می‌توانند آتش مسابقه تسلیحاتی میان مولدهای اخبار

HRNet

شبکه های عصبی برآورد حالت انسان : HRNet ،HigherHRNet، معماری‌ها و FAQ

شبکه وضوح بالا (HRNet) در بین شبکه های عصبی برآورد حالت انسان یک اثر هنری به شمار می‌رود. تخمین حالت انسان یک روند پردازش تصویر است که می‌تواند ساختاربندی مفاصل و اعضای بدن یک سوژه (فرد) را در یک تصویر پیدا کند. تازگی این شبکه در این است که بازنمایی

موتور جستجو

محققان گوگل رویای ساخت نوع جدیدی از موتور جستجو را در سر می‌پرورانند

مجموعه‌ کتاب‌هایی را در نظر بگیرید که ناشران به طور تصادفی روی هم انباشته‌اند. شاید شمار این کتاب‌ها به چند میلیون یا حتی چند میلیارد جلد برسد. این انبوه کتاب‌ها که روز به روز بزرگتر می‌شوند، حاوی اطلاعات ارزشمندی هستند. اما چطور می‌توان کتاب مد نظر را از میان این

مدل زبانی GPT-3

ابَرمدل زبان: مدل زبانی GPT-3 و انقلاب هوش مصنوعی

زمانی، انتشار الگوریتم تولید متن شرکت OpenAI موسوم به GPT-2 کار خطرناکی قلمداد می‎شد. اما به هر ترتیب منتشر شد و تحول بزرگی در مقیاس جهانی پدید آمد. مدل زبانی نسبتاً کوچک GPT-2 حاوی 5/1 میلیارد پارامتر می‌باشد، در حالی که نسخه‌ پیشرفته‌ی آن، مدل زبانی GPT-3، اما 175 میلیارد

شباهت معنایی

محاسبه شباهت معنایی بین دو متن نوشتاری با PyTorch و SentenceTransformers

شباهت معنایی یا شباهت معنایی نوشتاری یکی از مسائل حوزه‌ی پردازش زبان طبیعی یا NLP است. در این نوع مسائل، با استفاده از یک معیار مشخص ارتباط بین متون یا اسناد اندازه‌گیری می‌شود. شباهت معنایی در موارد گوناگون از جمله بازیابی اطلاعات ، خلاصه‌سازی متون ، و تجزیه و تحلیل

AGI

با GPT-3 اولین هوش مصنوعی عمومی AGI در دنیا آشنا شویم

دو سال پیش من هم مثل دیگران معتقد بودم که بشر هنوز تا خلق هوش مصنوعی عمومی Artificial General Intelligence (یا به عبارتی AGI) فاصله دارد. اکثر متخصصان معتقد بودند که این امر تا ده‌ها سال محقق نخواهد نشد؛ و برخی نیز آن را غیر عملی می‌پنداشتند. همگان براین باور

خلاصه سازی انتزاعی

PEGASUS جدیدترین مدل خلاصه سازی انتزاعی گوگل

« PEGASUS: پیش‌آموزش با جملات استخراج شده برای خلاصه ‌سازی انتزاعی »هوش مصنوعی گوگل این مقاله را پیشنهاد داده است. خلاصه‌ سازی انتزاعی، مفهوم مهمی به شمار می‌آید. در مطلب حاضر می‌خواهیم مقاله‌ای را بررسی کنیم که به تازگی منتشر شده است:

اپلیکیشن های نسل بعد

اپلیکیشن های نسل بعد از GPT-3 تغذیه می‌کنند

بیش از 300 مورد از اپلیکیشن های نسل بعد به GPT-3 مجهز هستند و با اتکا به آن و API شرکت OpenAI به جست‌وجو، مکالمه، تکمیل متن و سایر قابلیت‌های پیشرفته هوش مصنوعی می‌پردازند.

DALL.E

DALL.E ؛ جدیدترین شبکه عصبی OpenAI که متون توصیفی را به عکس تبدیل می‌کند

OpenAI از جدیدترین محصول خود موسوم به DALL.E که یک شبکه عصبی تصویرساز است رونمایی کرد. DALL.E نسخه‌ای از GPT-3 با 12 میلیارد پارامتر است که متون توصیفی را به عکس تبدیل می‌کند.  DALL.E می‌تواند برای جملاتی که از ساختار ترکیبی زبان پیروی می‌کنند، عکس‌های قابل قبولی تولید کند.

مدل های پردازش زبان طبیعی

اظهارات بزرگان هوش مصنوعی درباره ترندهای 2021: مدل های پردازش زبان طبیعی

سال 2020 با اتفاقات عجیب همراه بود و زندگی انسان‌ها را دچار تغییرات گوناگونی کرد؛ یکی از این تغییرات افزایش استفاده از سیستم‌های هوش مصنوعی به واسطه شرایط جدید پیش‌آمده بود. شرایطی که در آن لزوم استفاده از هوش مصنوعی و مدل های پردازش زبان طبیعی بیشتر مشهود بود.

کارگاه آموزش پردازش زبان طبیعی

کارگاه آموزش پردازش زبان طبیعی (NLP)

شتابدهنده تخصصی هوش مصنوعی اینووان با هدف حمایت از طرح‌های نوآورانه، شرکت‌های نوپا و دانش‌محور در حوزه هوش مصنوعی و کلان داده، اقدام به برگزاری رویدادی تحت عنوان «کارگاه آموزش پردازش زبان طبیعی (NLP)» کرده است.

خودکارسازی فرایندهای خدمات مشتریان

کمپانی Ushur مبلغ 25 میلیون دلار برای خودکارسازی فرایندهای خدمات مشتریان اختصاص می‌دهد

کمپانی Ushur که در حال حاضر به توسعه راهکارهای هوش مصنوعی و ایجاد راه‌‌حل‌‌های اتوماسیون هوشمند کسب‌‌وکارها می‌‌پردازد، طی فعالیت‌‌های تجاری خود موفق به کسب 25 میلیون دلار درآمد شده است. درهمین راستا، این کمپانی در یک بیانیه مطبوعاتی، اظهار کرده است که از سرمایه تازه‌‌ای که برای این شرکت

[wpforms id="48325"]