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

در این مقاله، ابزاری به نام نمایشگر تعبیه Embedding Projector را معرفی می‌کنیم که به ما اجازه می‌دهد داده‌های ابعادبالا را به راحتی مصورسازی کرده و بدین ترتیب آن‌چه مدل می‌آموزد را درک کنیم.

تولید زبان طبیعی (NLG)، که یکی از زیرمجموعه‌‌های پردازش زبان طبیعی (NLP) است، از داده‌ها، متنی به زبان طبیعی مشابه زبان انسان تولید می‌کند. سیستم‌های نرم‎افزاری NLG بر اساس داده‌های ورودی گزارش یا روایتی توصیفی تولید می‌کند. این نرم‌افزار همچنین می‌تواند متن را به گفتارِ رسا برگرداند.

طبق گزارش یک تیم تحقیقاتی، تیترهای تَله‌کلیک (Clickbait) ممکن است دیگر مانند سابق برای خواننده فریبنده نباشند. این تیم تحقیقاتی همچنین اضافه کرد که ممکن است هوش مصنوعی قادر به تشخیص درست سرخط‌های خبری معمولی از تلیه‌کلیک و اخبار جعلی نباشد. بر اساس یافته‌های محققان، تله‌کلیک‌ها، یا به عبارتی تیترهایی

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

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

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

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

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

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 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

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

می‌دانیم که گاهی وقت‌ها ممکن است چت‌بات‌‌های پزشکی توصیه‌های خطرناکی داشته باشند، اما یکی از این چت‌بات‌ها که با فناوری GPT-3 شرکت OpenAI کار می‌کند گامی فراتر نهاده است.

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.

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.

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.

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