
سیستم تشخیص چهره کاربران فیس بوک متوقف میشود
به علت احتمال به وجود آمدن مخاطرات اجتماعی، فیسبوک سیستم شناسایی چهرهاش را غیرفعال میکند. تشخیص چهره کاربران فیس بوک سبب شده بود تا کاربران این پلتفرم در عکس و ویدئوها به راحتی تشخیص داده شوند.
امروزه افراد زیادی مشتاق یادگیری هوش مصنوعی بوده و به دنبال منابع علمی و معتبر در این حوزه هستند.

به علت احتمال به وجود آمدن مخاطرات اجتماعی، فیسبوک سیستم شناسایی چهرهاش را غیرفعال میکند. تشخیص چهره کاربران فیس بوک سبب شده بود تا کاربران این پلتفرم در عکس و ویدئوها به راحتی تشخیص داده شوند.

پردازش گفتار یکی از فناوریهای بنیادین هوش مصنوعی است که به ماشینها قدرت درک و پردازش گفتار انسانها را میدهد. اهمیت گفتار در برقراری ارتباط از یک سو و افزایش قدرت محاسبات سیستمهای هوشمند از سوی دیگر، رغبتی روزافزون جهت توسعه سیستمهای پردازش گفتار را ایجاد کرده است. با این

WellSaid Labs آنچه مشتریان میتوانند از هشتتا از صداپیشه های مجهز به هوش مصنوعی و دیجیتال جدید آن انتظار داشته باشند را چنین توصیف میکند: توبین «پرانرژی و خردمند است.» پِیج «خونسرد و رسا است.» و آوا «مبادی آداب، با اعتماد به نفس و حرفهای است.»

آمار شاخهای از ریاضیات است که با جمعآوری، تجزیه و تحلیل، تفسیر و نمایش تودههای بزرگ از دادههای عددی سروکار دارد. با ادغام برنامهنویسی و یادگیری ماشین با آمار، مهارتهای اصلی لازم برای علوم داده را به دست خواهید آورد.

Speech Brain که یک تولکیت منبع باز مبتنی بر PyTorch است درحال حاضر مراحل ساخت را طی میکند و قرار است به زودی، نسخه آلفا برای گروهی از کاربران در طی چندماه آینده عرضه شود.

حفظ و نگهداری از کلیهی اطلاعات مانند تصاویر، ویدئوها، اسناد و هر نوع دادهی دیگر از جمله دغدغههایی است که باید به آن پاسخ داده شود. در واقع امروزه هر کدام از ما دارای یک گوشی، لپتاپ یا کامپیوتر هستیم که طبیعتاً همهی این موارد فقط یک فضای محدود را

از قدیم گفتهاند که پرسیدن عیب نیست. اما اکنون این فرصت برای انسان فراهم آمده تا پرسشهای خود را با استفاده از هوش مصنوعی از کامپیوتر بپرسد. آیا کامپیوتر میتواند توصیههای درمانی بهتری نسبت به کادر پزشکی ارائه کند و تصمیم های بالینی بهتری بگیرد؟

وقتی صحبت از مدلسازی دادهها میشود، اکثر افراد به مدلهای رگرسیون فکر میکنند که میتوانند بر اساس دادههای جمعآوری شده، متغیر هدف را پیشبینی کنند. با این حال، ارزیابی عملکرد مدل رده بندی نشان داده که آنها نیز (با اینکه روش متفاوتی را در پیش میگیرند) در پیشبینی خوب بودهاند.

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

فرایند تصمیمگیری در انسان، فرایندی سلسله مراتبی است. این فرایند شامل چندین سطح از استدلال و استراتژیهای مختلف برنامهریزی میشود که همگی آنها به طور همزمان و در جهت دستیابی به اهداف طولانی مدت و کوتاه مدت عمل میکنند. طی چند دهه اخیر، تعدادی از دانشمندان کامپیوتر، که البته تعداد

امروزه دیگر همگی به دستیاران هوشمند خانگی و سیستم پردازشگر صوتی عادت کردهایم؛ این دستگاهها میتوانند دستورات صوتی را اجرا کنند، دربارهی فعالیتهای شکبرانگیز و غیرمعمول به ما اخطار دهند، و حتی جوک بگویند. بازهی قیمت این تکنولوژی بسیار گسترده است و به همین دلیل عمدهی مردم توان خرید آن

امروزه، نرمافزارهای بازشناسی گفتار در مقیاس گستردهای به کار برده میشوند. از جمله آنها میتوان به الکسا و کورتانا اشاره کرد. گزارش شده است که در سال 2020، تقریباً دو سوم مردم آمریکا از نوعی دستیار صوتی خودکار استفاده کردهاند. این دستیارهای مجازی دیگر به هوش مصنوعی وابسته نیستند؛ آنها

کتابخانه Pandas در پایتون یکی از ارکان حیاتی علوم داده به شمار میآید. یکی از انتقاداتی که به این کتابخانه وارد میشود این است که نمیتواند دیتاستهای بزرگتر از حافظه را تحلیل کند و به همین دلیل در هنگام تحلیل و کار کردن با کلان داده به مشکل میخورد. تصور

آشنایی با تکنیکهای تشخیص داده های پرت برای همهی متخصصین علوم داده ضروری است. به کمک این تکنیکها، میتوان نمونههای ناهنجار یا دادههایی که از الگوی درست پیروی نمیکنند را تشخیص داد. تعریف داده های پرت طبق تعریف ویکیپدیا، داده پرت outlier نمونهای است که از سایر مشاهدات تفاوتی معنادار دارد.

شهروندان استرالیایی به طور معمول در طول زندگی حرفهای خود پنج تا هفت بار تغییر شغل را تجربه میکنند. همزمان با جایگزین شدن نیروی کار با فناوریهای جدید، انتقال تولید به خارج از کشور، و بروز بحرانهای اقتصادی، احتمال میرود این آمار به روند صعودی خود ادامه دهد.

طبق تحقیقات جدید مرکز درمانهای شخصیسازی شده Center for Individualized Medicine از کلینیک مایو، یکی از شاخصهای مهم در پیشبینی روند درمان بیماران مبتلا به آرتروز مفصلی، سرنخی در میکروارگانیزمهای روده دارد.

هوش مصنوعی میتواند درست مانند اینترنت، در امور زندگی ما جاری شود. مقیاس استفاده از آن به سرعت در حال رشد است و تا امروز توانسته بسیاری از مشکلات ما را برطرف کند. در آینده هم مطمئنا بیش از پیش روی زندگی عادی و امور کسب و کار ما تاثیر

ما برای راهاندازی امواج اینترنت 5G و برنامههای کاربردی در حوزه رباتیک از اکوسیستمی استفاده میکنیم که برپایه EGX A100 و EGX Jetson Xavier NX طراحی شده و توسط نرمافزارهای امن، ابری Cloud-Native و بهینهسازیشده برای هوش مصنوعی پشتیبانی میشود. تجهیز صنایع مختلف به فناوری تحلیل آنی هوش مصنوعی چگونه

بر اساس آخرین گزارش گروهی از متخصصان بینالمللی که وضعیت هوش مصنوعی را ارزیابی میکنند، این فناوری در مسیر تکامل خود به نقطه عطف مهمی رسیده است.

متخصصان رایانه به بررسی جامع این احتمال پرداختهاند که متون حاوی کاراکترهای یونیکد ممکن است سیستمهای زبان هوش مصنوعی را به اتخاذ تصمیمهای اشتباه وادار کند. احتمال تغییر شماره حساب، دستکاری تراکنشها و بسیاری دیگر از کارها وجود دارد. بسیاری مدعی شدهاند که نرمافزارهای ساختهی مایکروسافت، گوگل، آیبیام و فیسبوک

در مقاله آموزشی پیشرو، شیوه نرمال سازی دادهها در کتابخانه پایتون scikit-learn را با یکدیگر بررسی میکنیم. همانگونه که پیش از این نیز گفتیم، نرمال سازی داده به فرایندی گفته میشود که طی آن مقیاس دادهها یکسانسازی میشود.

مقاله را با معرفی چند مورد از رویکردهای سیستم تشخیص اشیا شروع میکنیم. بعد از آشنایی با رویکردهای قدیمی و جدید، به مطالعه مهمترین قسمتهای دو رویکرد مذکور (CenterNet و TTFNet) میپردازیم. بسیاری از این قسمتها بین این دو رویکرد مشترک هستند، بنابراین آنها را تنها یک بار توضیح خواهیم

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

در این نوشته به چگونگی تبدیل فایلهای صوتی به فایلهای متنی با استفاده از پایتون میپردازیم. این تبدیل حاصل فرایندِ تشخیص گفتار است و به طور متداول در دنیای حقیقی مورد استفاده قرار میگیرد. برای مثال، دستیارهای صوتی شخصی مثل «Home Mini» گوگل، «Alexa» آمازون و «Siri» اپل تنها چند

توربو ویژن، تخصصیترین دوره بینایی ماشین کشور، زمستان امسال توسط کالج تخصصی هوش مصنوعی پارت برگزار خواهد شد.

فریمورک های هوش مصنوعی و کتابخانه های معروفی در این زمینه وجود دارند. همانظور که میدانید کتابخانه به مجموعهای از کدها گفته میشود که سایر برنامهنویسان آنها را نوشته و به پکیجهای محیطهای برنامه نویسی اضافه کردهاند تا دیگر برنامهنویسان بدون نیاز به نوشتن دوباره کدها از آنها در برنامههای

وینسنت ونگوگ Vincent Van Gogh در سال 1889 نقاشی زیبایی به نام «شب پرستاره» را کشید. مدل شبکههای مولد تخاصمی من (که نام آن را گَن گوگ گذاشتهام) نیز توانست به کمک دادههای دیتاست MNIST که تنها 20% آنها برچسب داشتند، یک نقاشی بکشد. اما این مدل چگونه توانست به

بسیاری از کسب و کارها و سازمانها دارای اطلاعات خام فراوانی هستند که به کمک داده کاوی میتوانند به اطلاعات نهان، الگوها و روابط مختلف نهفته در دادهها پی ببرند و به کمک آنها، استراتژیهای مختلفی اتخاذ و تصمیمات سنجیدهتری بگیرند. هوش مصنوعی با استفاده از سرویسهای داده کاوی علاوه

به بخش مقدمه فصل دوم از دوره آموزشی پردازش زبان طبیعی خوش آمدید. در فصل اول از مدلهای ترنسفورمر برای انجام کارهای مختلفی استفاده شد و از API در pipeline کمک گرفته شد. این API از سادگی و توان بالایی برخوردار است، اما باید از کارکرد دقیق آن آگاهی پیدا

در این مقاله میخواهیم تأثیر اندازه بسته شبکه را بر آموزش شبکههای عصبی بیشتر بشناسیم. فهرست مطالب بدین صورت است: اندازه بسته شبکه چیست؟ دلیل اهمیت اندازه بسته شبکه چیست؟ بستههای کوچک و بزرگ از نظر تجربی چگونه عمل میکنند؟ چرا بستههای بزرگتر عملکرد ضعیفتری دارند و چطور میتوانیم آن

شبیهسازی سیستمهای فیزیکی هم در عرصه تحقیقات و هم در دنیای واقعی، کاربردهای فراوان و ارزشمندی دارد. بیشتر ابزارهایی که در حال حاضر برای شبیهسازی سیستمهای فیزیکی به کار میروند مبتنی بر نظریات فیزیک و محاسبات عددی هستند. با این حال، در سالهای اخیر، متخصصان علوم کامپیوتر سعی داشتهاند برای

یادگیری ماشینی عبارت است از مطالعۀ تصمیمگیری تحت شرایط نامعلوم. به عبارت دیگر، فرد باید بداند که با در دست داشتن یک مجموعهداده آموزشی، باید چه اقدامی در مقابل مشاهده چیزهای جدید انجام دهد. تا سال 2018، تعداد کارمندان حوزه مهندسی نرم افزار در آمریکا به بیش از یک میلیون

پژوهشهای بنیادی که حول موضوع یادگیری خودکار Autonomous learning انجام میشوند میتوانند به همه، یا دست کم بیشتر مسائل بینایی کامپیوتر کمک کنند. یادگیری خودکار میتواند نقشی مؤثر در طراحی خودکار شبکههای عصبی بافتآگاه Contextual-aware neural network داشته باشد. این داده ها در عملیاتهای مختلف بینایی کامپیوتر کاربرد دارند. یکی

رباتیک عصبی-تکاملی Neuro-Evolutionary robotics چشماندازی جدید به مطالعه رفتارهای جمعی رباتهای گروهی فراهم میآورد. این حوزه پژوهشهای فراوانی به خود اختصاص داده است و روشها و ایدههای زیادی برای کمک به آن مطرح شدهاند؛ با این وجود، ارزیابیهای تجربی و تحلیلهای مقایسهای تا کنون نادر بودهاند.

بینایی ماشین فرایند “دیدن” را در سیستمهای هوشمند، امکانپذیر مینماید که به کمک آن میتوان بسیاری از فعالیتها که نیازمند شناخت بصری است را بهطور خودکار انجام داد.

پیش از توضیح در این باره که هوش مصنوعی چطور میتواند سرعت تشخیص سکته را افزایش دهد، باید کمی درباره اهمیت مواردی خاص بدانید. شناسایی دقیق و بهموقعِ ضایعههای سکته انسدادی حاد (AIS) در تصاویر امآرآی اهمیت خارقالعادهای برای بیماران دارد و میتواند مراحل درمانی قلبی را ارتقاء بخشد. تفکیک

فناوری، نقش اجتماعی و عاطفی چشمگیری در زندگی انسانها ایفا خواهد کرد. این واقعیت موجب شگفتیِ مینیا لی – طراح دیجیتال، دانشمند اطلاعات، فیلسوف و شهروند جهانی – شده است. این استادیار دانشگاه موفق به توسعهی یک چت بات اخلاقی شده است که میتواند به افراد کمک کند تا تصویر

شرکت فناوری عصبی Neuralink از سال 2019 در تلاش است به منظور بکارگیری هوش مصنوعی در توان بخشی افراد توانیاب، فناوریای بسازد که قادر به ثبت فعالیت مغزی انسانها باشد. این شرکت که توسط ایلان ماسک Elon Musk بنیانگذاری شده است، آزمایشات اولیهی خود را روی موشها اجرا کرد. طی

فصل اول از دوره آموزش پردازش زبان طبیعی با اکوسیستم هاگینگ فیس به اتمام رسید و نوبت به آزمون پایان فصل رسیده است. در این بخش آزمونی تستی ارائه شده که در پایان مطلب جوابهای درست مشخص شدهاند. اما سعی کنید پیش از ابتدا به جوابهای درست، آموختههای خودتان را

فناوری هوش مصنوعی سبز و کلاندادهها نقش پررنگی در کربنزدایی ایفا میکنند. این فناوریها طیف وسیعی از حوزههای گوناگون را تحت تأثیر قرار میدهند که از جملهی آنها میتوان به بهینهسازی شبکههای تولید برق و حتی پیشبینی تغییرات آب و هوا اشاره کرد. با این حال، بدون چارچوبها و قوانین
هوشیو رسانهای تخصصی در حوزه هوش مصنوعی است که با هدف ایجاد محیطی فراگیر و پویا به ترویج و ارتقای این دانش میپردازد. ما تلاش میکنیم تا علاقهمندان به این حوزه درک عمیقتری از هوش مصنوعی پیدا کنند، از جدیدترین تحولات آن در ایران و جهان مطلع شوند و فعالان و پیشروان این صنعت را بشناسند. هوشیو با تمرکز بر تولید محتوای چندرسانهای شامل ویدئوکست، پادکست، موشنگرافیک و … تجربهای جذاب و آموزنده برای مخاطبان فراهم میکند. همچنین، هوشیو با پوشش رسانهای گسترده رویدادهای هوش مصنوعی در ایران و جهان، بستری را برای اطلاعرسانی و تعامل میان فعالان و علاقهمندان این حوزه ایجاد کرده است.