آنتونی بوردن که در سال 2018 اقدام به خودکشی کرد، سوژه مستند جدیدِ مورگان نویل است. مورگان نویل برای بازسای صدای آنتونی بوردن از هوش مصنوعی و الگوریتم‌های نرم‌افزاری کمک گرفته است. نویل ده‌ها ساعت از صدای ضبط‌شده بوردن را در اختیار شرکتی گذاشت و آن‌ها یک مدل هوش مصنوعی

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

دانشمندان دانشگاه کیس وسترن رزرو از هوش مصنوعی (AI) استفاده کردند تا بتوانند نشانگرهای زیستی یا مواد شیمیایی را پیدا کنند که مربوط به سرطان سینه هستند و می‌توانند درباره احتمال عود کردن مجدد سرطان به ما اطلاع بدهند و می‌توان با استفاده از آن‌ها نمونه‌های بایوپسی بافتی سرطان سینه

پژوهشگران دانشگاه UT Southwestern توانستند به کمک هوش مصنوعی روشی ابداع کنند که با دقت بسیار بالا میزان متاستاز سرطان پوست را پیش‌بینی می‌کند. یافته‌های پژوهش آن‌ها در مقاله‌ای تحت عنوان Cell Systems منتشر شد. این نتایج حاکی از توانایی بالقوه ابزارهای مبتنی بر هوش مصنوعی برای متحول کردن پاتولوژی

در مقاله پیش‌رو به بررسی معماری RegNet می‌پردازیم. مرحله اول – معماری مولد ResNet در ابتدا ساختار کلی ResNet را بررسی می‌کنیم. بررسی کردن ساختار ResNet به ما کمک می‌کند مدل‌های AnyNet که در مقاله مذکور به آن‌ها اشاره شده را ایجاد کنیم.

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.

شرکت‌های فناوری Saab و Varjo در تلاش‌اند فناوری واقعیت ترکیبی Mixed-reality (XR) جدید و به صرفه‌ با وضوح بالا تولید کنند تا به منظور آموزش خلبان‌های هواپیماهای جنگنده‌ Gripen E/F در شبیه‌سازها به کار رود. در ساخت این فناوری که صفحه نمایش بیونیک Bionic Display نام دارد، از قوه‌ی بینایی

در این قسمت، معماری مدل‌های ترنسفورمر Transformer models را بررسی خواهیم کرد و با روش کار ترنسفورمرها آشنا خواهیم شد. همچنین در انتهای مطلب می‌توانید به دیگر بخش‌های این دوره آموزشی دسترسی داشته باشید. تاریخچه ترنسفورمرها در تصویر زیر برخی از نقاط مهم در تاریخچه مدل‌های ترانسفورمر را مشاهده می‌کنید:

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

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

محققان Skoltech  روش جدیدی برای آموزش الگوریتم های بینایی کامپیوتری با داده های محدود یافته‌اند تا بتوانند تصاویر ماهواره‌ای از سطح زمین را با دقت بیشتری پردازش کنند. این امر باعث می‌شود  مسائل مختلف در حوزه سنجش از دور را برای ماشین‌ها راحت‌تر شده و درنتیجه استفاده از داده ها

گوگل توانسته با داخلی‌سازی Internalizing میلیاردها مثال از صفحات عمومی وب، نوشتن به سبک انسان را به مدل زبانی GPT-3 آموزش دهد؛ کاری که قبلا با مدل GShared  کرده بود. نوشته‌ها در منابعی مانند کتاب‌های الکترونیکی، ویکی‌‍پدیا و پلتفرم‌های شبکه‌ اجتماعی است و اولین بار این مدل‌ها با کامل کردن

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

در این قسمت از دوره نگاهی خواهیم داشت به مدل‌های ترنسفورمرها و کاربردهای آن‌ها و همچنین از یکی از ابزارهای کتابخانه Transformers هاگینگ فیس به نام pipeline استفاده خواهیم کرد.

یکی از «رموز» موفقیت مدل‌های ترانسفورماتورها رویکرد انتقال یادگیری Transfer Learning است. در رویکرد انتقال یادگیری، از پیش یک دیتاست با حجم بالا به یک مدل (در این مورد یک مدل ترانسفورماتور) آموزش داده می‌شود؛ در این رویکرد برای آموزش مدل از تکنیک پیش‌آموزش بدون نظارت Unsupervised Learning استفاده می‌شود.

همه ما می‌دانیم که همیشه بین چیز‌هایی که می‌دانیم و چیز‌هایی که نمی‌دانیم تعادل وجود دارد. این تعادل لازمه گرفتن تصمیمات بی‌نقص و انجام اشتبا‌هات تمام‌عیار است که به ما درس زندگی می‌دهند. اما به نظر شما تحلیل داده های رفتاری چه کمکی به ما خواهد کرد؟

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 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

بر اساس یکی از پژوهش‌های اخیر، احتمال بروز رویدادها و تغییرات اقلیمی بی‌سابقه در ده سال آینده رو به افزایش است. برای مثال ماه گذشته، کانادا رکورد بالاترین دمای ثبت شده‌ی خود را تقریباً 5 درجه سانتی‌گراد افزایش داد. این در حالی است که توانایی مدل‌های آب و هوایی در

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

اگر علاقه‌مند به شعر و شاعری هستید، اما مهارت‌های محتوایی و موزون کردن محتوا که لازمه آن است را ندارید، نگران نباشید، می‎توانید به شاعری با هوش مصنوعی فکر کنید. ابزار Google به نام Verse by Verse می‎تواند به شما کمک می‌کند تا مهارت لازم برای نوشتن بیت‌های زیبای شعری

پیش از ورود به بحث مدل‌های ترنسفورمر، مروری خواهیم داشت بر مفهوم NLP (پردازش زبان طبیعی) و اهمیت آن. این بخش قسمت سوم از دوره آموزش پردازش زبان طبیعی است که هر یکشنبه در سایت هوشیو منتشر می‌شود. در انتهای مطلب می‌توانید به صفحه مربوط به دوره و قسمت‌های دیگر

الگوریتم تنها یک‌بار نگاه کن یا YOLO You only look once یکی از زیرمجموعه‌های الگوریتم‌های یک‌ مرحله‌ای تشخیص اشیاء object detector است که سرعت و دقت بالایی دارد. اخیراً با انتشار مقاله‌ای نسخه چهارم الگوریتم YOLO معرفی شد. این نسخه جدید در مقایسه با سایر الگوریتم‌های تشخیص اشیاء عملکرد بسیار

عملکرد همه‌ رده بندها، یا بهتر است بگوییم همه‌ مدل‌های یادگیری ماشین، به کیفیت داده‌های آن‌ها بستگی دارد. کیفیت داده‌ها نیز خود به عواملی از قبیل دقت اندازه‌گیری (وجود نویز noise)، ثبت اطلاعات مهم، عدم وجود اطلاعات زائد، شیوه‌ نمونه‌گیری و معرف بودن نمونه، بستگی دارد. در این نوشتار بر

گروهی از محققان به سرپرستی هاروکا اوزاکی (استادیار مؤسسه‌ی پژوهشی هوش مصنوعی دانشگاه سوکوبا) و کویچی تاکاهاشی (مؤسسه‌ی پژوهشی RIKEN) با تکیه بر الگوریتم‌های ریاضی، موفق به بهینه سازی آزمایشگاه ها با برنامه‌ ربات‌های به کاررفته در آن‌ها شدند. برخی نمونه‌های آزمایشگاهی باید با استفاده از چندین ابزار متفاوت مورد بررسی

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