پردرآمدترین شغل‌های یادگیری ماشین
۱۹ فروردین ۱۴۰۴
یادگیری ماشین در حال دگرگون کردن قواعد بازی است به همین دلیل تقاضا برای متخصصان با دانش در زمینه یادگیری ماشین به اوج خود رسیده است.
فعالان هوش مصنوعی
ایران و جهان
مقالاتی برای تقویتِ یادگیری تقویتی
یادگیری تقویتی الگوریتم‌ها و روش‌هایی را توسعه داده که براساس آنها، سیستمهای هوشمند بتوانند، تعاملات خود با یک محیط پویا را از طریق سعی و خطا بهینه نمایند. ایده بنیادی یادگیری تقویتی بر این اصل استوار است که اگر عملی منجر به بهبود عملکرد گردد میل به انجام آن عمل تشدید یا تقویت میگردد. درباره یادگیری تقویتی بیشتر بخوانید.
یادگیری ماشین در حال دگرگون کردن قواعد بازی است به همین دلیل تقاضا برای متخصصان با دانش در زمینه یادگیری ماشین به اوج خود رسیده است.
LlamaIndex به‌عنوان چارچوب محبوب هماهنگی هوش مصنوعی، معماری جدیدی به نام ADW (Agent Document Workflow) معرفی کرده است.
مدل جدید OpenAI با نام «o1» به تازگی منتشر شده و ادعا می‌کند که قادر به «استدلال» و حتی «تفکر» است، اما این ادعا با شک و تردید مواجه شده است.
علاوه بر اثر انگشت، چهره، کف دست و عنبیه، ویژگی‌های فیزیولوژیکی منحصر به فرد دیگری نیز در انسان وجود دارد که با بهره‌گیری از فناوری بیومتریک برای شناسایی هویت به کار می‌روند. یکی از امن‌ترین و دقیق‌ترین روش‌های شناسایی هویت، تشخیص صدا است. این فناوری کاربردهای گسترده‌ای دارد و علاوه
در سال‌های اخیر، پیشرفت‌های تکنولوژیکی با سرعتی چشمگیر رخ داده است و این موضوع منجر به استفاده از الگوهای متنوعی در فرآیند احراز هویت شده است. یکی از جدیدترین سیستمهای بیومتریک برای شناسایی افراد، احراز هویت از طریق الگوی راه رفتن است که با استفاده از ویژگی‌هایی مانند طول گام،
استفاده از ویژگی‌های بیومتریک در سیستمهای احراز هویت یکی از بهترین اقداماتی است که تاکنون انجام شده است. کف دست به عنوان یک ویژگی بیومتریک شناخته می‌شود که الگوی کاملاً منحصر به فردی دارد و با استفاده از فناوری اسکن کف دست در انواع دستگاه‌های احراز هویت، می‌توان به شناسایی
فناوری بیومتریک از روش‌های متنوعی مانند تشخیص چهره، اثر انگشت، عنبیه چشم و… برای شناسایی و احراز هویت افراد بهره می‌برد که تمامی این روش‌ها از دقت بسیار بالایی برخوردارند. در این میان، شناسایی از طریق عنبیه چشم به عنوان یک فناوری نوین، نسبت به سایر روش‌ها جدیدتر است و
امروزه احراز هویت و شناسایی افراد از طریق روش‌های مختلف مبتنی بر فناوری انجام می‌شود و در بسیاری از مراکز برای ثبت حضور و غیاب یا تأیید حضور افراد مورد استفاده قرار می‌گیرد. یکی از بهترین تکنولوژی‌ها در این زمینه، تشخیص چهره بیومتریک است که با استفاده از ویژگی‌های صورت
ربات سخنگو که در وبسایتهای تجارت الکترونیک مورد استفاده قرار می‌گیرد با ربات سخنگوی وبسایتهای بانکی کاملاً تفاوت دارد. چیزی که انسان‌ها را از یکدیگر متمایز می‌کند خصوصیات اخلاقی و استعدادهای‌شان است. ربات‌ها نیز به لحاظ ظاهری و کارکرد‌‌‌شان با یکدیگر تفاوت دارند! در این نوشتار، به معرفی 6 نوع
ماشین لرنینگ یا یادگیری ماشین شاخه‌ای از هوش مصنوعی است که به سیستم‌ها توان یادگیری خودکار و پیشرفت می‌دهد. در واقع یادگیری ماشین به زبان ساده جزء مهم حوزه رو به رشد علم داده است. از طریق استفاده از روش‌های آماری، الگوریتم‌ها برای طبقه‌بندی یا پیش‌بینی آموزش داده می‌شوند و
آیا تا به حال از خود‌تان پرسیده‌اید که چرا ربات هوشمند خانگی‌تان سؤالات شما را به درستی متوجه نمی‌شود؟ یا چرا برنامه‌کابردی مسیریابی‌تان به جای اتوبان شما را به خیابان‌های فرعی کشانده است؟ گروهی از محققان هوش مصنوعی رباتی به نام Pepper طراحی کرده‌اند که «با صدای بلند فکر می‌کند»
قبل از آشنا شدن با شبکه عصبی بازگشتی بهتر است مروری بر مفهوم شبکه عصبی داشته باشیم. شبکه‌های عصبی مجموعه‌ای از الگوریتم‌ها هستند که شباهت نزدیکی به مغز انسان داشته و به منظور تشخیص الگوها طراحی شده‌اند. شبکه‌ی عصبی داده‌های حسی را از طریق ادراک ماشینی ، برچسب زدن یا
هوش مصنوعی یکی از فناوری‌های پر مصرف از لحاظ انرژی است. اما پژوهش جدیدی نشان داده که می‌توان با استفاده از یک تراشه کم مصرف حتی الگوریتم بینایی ماشین در هوش مصنوعی را اجرا کرد. در ادامه این مطلب با هوشیو همراه باشید.
در این مقاله شما را با چارچوب های کاری یادگیری تقویتی Reinforcement Learning frameworks آشنا خواهیم کرد و توضیح خواهیم داد که چطور می‌توانید وارد دنیای یادگیری تقویتی عمیق شوید. پیش از این نگاهی انداختیم به بازنمایی ساده‌ای از مجموعه‌ای از الگوریتم‌های یادگیری تقویتی که برنامه‌نویسی آنها به نسبت آسان‌تر
یادگیری تقویتی یکی از رویکردهای کارآمد و نوینی از یادگیری ماشین است که امروزه توانسته جایگاه خود را در زمینه‌های مختلفی از زندگی بشر گسترش دهد. بطور کلی، یادگیری تکنیکی است که به عامل تصمیم‌گیرنده اجازه می‌دهد تا با نشان دادن عکس‌العمل به محیط و تعامل با آن، پاداش کل
یکی از مهم‌ترین دستاوردها در حوزه هوش مصنوعی در سال 2018، یادگیری ماشین خودکار (AutoML) بود. این فناوری، فرایند یادگیری ماشین را خودکار می‌کند. شرکت گوگل در ژانویه این سال فرایند یادگیری ماشین خودکار را در مسائل بینایی ماشین به کار گرفت و سپس در ژوئیۀ همان سال نسخه دیگری
محققان قرار است با طراحی نوعی الگوریتم خودآگاه مانع فعالیت‌های هکرها شوند. هکرها از مرزهای دفاعی یک نیروگاه انرژی هسته‌ای عبور می‌کنند و با تغذیه داده‌های جعلی به سیستم‌ها، کامپیوترها و کارکنان را فریب می‌دهند؛ ماشین‌آلات کلیدی نیروگاه‌ها دچار اختلال شده یا به طور کل از کار می‌افتند. تا وقتی
الگوریتم AlphaZero توانست بدون هیچ آموزش قبلی و فقط در عرض چند ساعت رقیبان خود را در بازی‌های Go، شطرنج و Shogi شکست دهد. چه عواملی به موفقیت این الگوریتم کمک کردند؟ برای ساخت این الگوریتم شطرنج از یادگیری تقویتی عمیق استفاده شد.
آموزش قایم باشک به ربات ها کلید دستیابی به نسل بعدی AI می باشد. هوش مصنوعی عمومی (AGI) شاخه‌ای از AI است و عامل هوش مصنوعی با اتکا به آن می‌تواند همانند انسان‌ها فکر کند و یاد بگیرد؛ AGI مدت‌ها موضوعی محدود به داستانهای عملی تخیلی بود. اما همزمان با
تیمی از پژوهشگران دانشگاه کالیفرنیای جنوبی قصد دارند به هوش مصنوعی کمک کنند تا ندیده‌ها را تصور کند و در واقع به قوه تخیل دست پیدا کند. تحقق این قابلیت منجر به پیدایش هوش مصنوعی منصف‌تر، کشف داروهای جدید و افزایش ایمنی اتومبیل‌های خودران خواهد شد.
یادگیری تقویتی Reinforcement Learning یکی از روش‌های یادگیری ماشین است که در آن، عامل یادگیری پس از ارزیابی هر اقدام عامل ، پاداشی (همراه با تاخیر) Delayed reward به او داده می‌شود. درگذشته، این روش اغلب در بازی‌ها (از جمله بازی‌های آتاری و ماریو) به‌کار گرفته می‌شد و عملکرد آن
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
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.
تیم‌های حاضر در مسابقات پهپادهای خودران گاهی سرافراز بیرون می‌آیند و گاهی در پی حوادث پیش‌بینی نشده از گردونه مسابقات کنار می‌روند. در این مسابقات، پهپادی که مسیر مسابقه را با بالاترین سرعت طی کند، برنده است. اما هرچه سرعت پرواز پهپاد بیشتر باشد، ناپایدارتر و پیش‌بینی آیرودینامیک آنها دشوارتر
دیپ‌مایند محیط بازی بزرگی به نام XLand طراحی کرده است که هوش مصنوعی پیوسته آن را تغییر می‌دهد.
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
محققان دانشگاه نورث‌ایسترن در تلاشند حرکات تند و نامنظم بازوهای رباتیک را رفع کنند. بدین ترتیب حرکات بازوی رباتیک به اندازه‌ای ملایم و ماهرانه می‌شوند که برای مثال می‌توانند به آرامی تخم‌مرغی را بردارند و یا بشقاب‌ها را بر روی هم قرار دهند. ممکن است روزی فرا برسد که پزشکان
محققان دانشکده علوم کامپیوتر در دانشگاه کالیفرنیای جنوبی (USC) و NVIDIA از شبیه‌سازی برای تقویت مهارت برش در ربات ها رونمایی کرده‌اند؛ این شبیه‌ساز قادر به بازسازی نیروهای وارده به چاقو (برای مثال، برش دادن مواد غذایی از جمله میوه‌ها و سبزیجات) است. علاوه بر این، این سیستم می‌تواند بُرش
یک بازوی ربات مجازی یاد گرفته است که بدون نیاز به آموزش مجدد برای هر کدام از کارهای محوله، طیف گسترده‌ای از پازل‌های مختلف را حل کند. این بازوی ربات مجازی، این کار را با بازی در برابر بازوی ربات دوم انجام داد که برای ایجاد چالش‌های سخت‌تر و پیچیده‌تر
حتی در رایج‌ترین معماری‌های شبکه های عصبی هم تعداد بسیار زیادی پارامتر وجود دارد. شبکه عصبی ResNet50 که مدل پایهای متدوالی است حدود 25 میلیون پارامتر دارد؛ به این معنی که هنگام آموزش شبکه در واقع با یک فضای پارامتر 25 میلیون بُعدی سروکار داریم.
تا کنون مدل‌های پیچیده‌ای ساخته‌ایم که قادر به انجام وظایف و حل مسائل پیچیده هستند، اما چالشی که اکنون با آن روبرو هستیم این است که چطور می‌توانیم چنین مدل‌های سنگینی را برای استفاده‌ی فوری روی دستگاه‌های موبایل پیاده کنیم؟ شاید بتوانیم مدل را روی ابر به کار انداخته و
آیا می‌توانیم به ربات‌ها آموزش دهیم که آموخته‌هایشان را عمومی کنند؟ چطور الگوریتم‌ها می‌توانند منطقی‌تر باشند؟ آیا سبک یادگیری یک بچه می‌تواند روی هوش مصنوعی تاثیر بگذارد؟ آموزش هوش مصنوعی به چه صورت انجام می شود؟
ساخت یک ربات شناگر از نظر علم رباتیک و هوش مصنوعی خیلی پیچیده نیست؛ اما اگر این قابلیت را داشته باشد که خودش را ترمیم کند شرایط متفاوت خواهد بود. دنیا در حال رفتن به سمت و سویی است که ربات‌های بیشتری را برای انجام کارهای خطرناکی همچون پاکسازی در
اگر قبلاً یک شبکه عصبی آموزش داده‌اید، به طور حتم با الگوریتم گرادیان کاهشی و انواع آن آشنایی دارید. در شبکه های عصبی به منظور یافتن پارامتری که بتواند مقدار تابع زیان را به حداقل برساند، از این الگوریتم‌ها استفاده می‌شود. عملکرد این الگوریتم‌ها بسیار ساده است: به ازای تمامی
در این مقاله به موارد زیر خواهیم پرداخت: دو دلیلی که آلفازیرو AlphaZero را به یک پیشرفت بزرگ در دنیای هوش مصنوعی تبدیل می‌کند. چگونه می‌توان رونوشتی از متدولوژی آلفازیرو تهیه کرد که بازی Connect4 را انجام دهد. و چگونه می‌توان با تغییر کدها، الگوریتم را در سایر بازی‌ها نیز
این مقاله بخشی از بررسی‌های محققان در حوزه پژوهش‌های هوش مصنوعی را در بردارد و آخرین یافته‌های دنیای هوش مصنوعی در حوزه یادگیری تقویتی را بررسی می‌کند.
در این مقاله می‌خواهیم به کدنویسی DQN بپردازیم و یادگیری به کمک شبکه عمیق را مورد بررسی اساسی قرار دهیم. عکس صفحه LunarLander-v0 از OpenAI Gym. جسم بنفش فضاپیمایی است که عامل RL باید کنترل آن را بیاموزد. پیاده‌سازی مربوطه در کتابخانه‌ی PyTorch را می‌توانید در این لینک Github مشاهده
ابتدا می‌خواهیم با مفاهیم پایه آشنا شویم. اولین سؤالی که باید پاسخ دهیم این است که یادگیری تقویتی RL چیست؟ فرض کنید دوستتان برای آشنایی با DQN (یکی از الگوریتم‌های یادگیری تقویتی) و اصلاح اشتباهی که در پیاده‌سازی آن مرتکب شده، از شما کمک می‌خواهد. برای کمک به او ابتدا
برنامه شطرنجی که از خطاهای انسان‌ها می‌آموزد، می‌تواند عملکرد بهتری در کار و گفت و گو با آنها داشته باشد. نزدیک به 50 سال طول کشید تا کامپیوترها بالاخره بتوانند در بازی حساس شطرنج، انسان‌ها را شکست دهند. در حال حاضر، حتی یک گوشی همراه هوشمند می‌تواند هر حرکتی که
گروهی از پژوهشگران دانشگاه کالیفرنیا، برکلی، موفق به ساخت یک ربات دو پا شده‌اند که می‌تواند به کمک یادگیری تقویتی راه رفتن را به خود آموزش دهد. این پژوهشگران در مقاله‌ای فرایند کاری‌شان را توضیح داده و آن را در سرور پیش انتشار arXiv بارگذاری کردند. طی این فرایند یک
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.
تمام حقوق این وبسایت متعلق به هوشیو است. کپی‌برداری از محتوای هوشیو با ذکر منبع بلامانع است.
