ربات هوش مصنوعی فقط یک ماشین انسان‌نما با ظاهر آینده‌نگرانه نیست. از بازوی رباتیک کارخانه گرفته تا ربات‌های متحرک انبار و نسل جدید ربات‌های انسان‌نما، آنچه یک ربات را «هوشمند» می‌کند، توانایی آن برای دریافت اطلاعات از محیط، تفسیر این اطلاعات، تصمیم‌گیری و تبدیل تصمیم به عمل فیزیکی است.

استیو جابز طی مصاحبه‌ای که با جو روگان در یک پادکست داشته، به گفتگو در خصوص مایکروسافت، ادوبی و سایر مباحث مرتبط با زندگی و تجربیات شخصی‌اش پرداخته است. از میان تمام قابلیت‌های هوش مصنوعی، آنچه به‌خوبی پیشرفت این فناوری را به رخ می‌کشد، توانایی آن در گفتگو با افراد

عموم مردم، فناوری جعل عمیق یا دیپ‌فیک را فناوری مربوط به تصویر و بینایی ماشینی می‌دانند؛ در صورتی که جعل عمیق تنها در زمینه تصویر و ویدئو کارکرد ندارد و فناوری صداهای جعل عمیق نیز به عنوان یکی از شاخه‌های پردازش گفتار چند وقتی است که خودنمایی کرده. تصور کنید

جعل عمیق به زودی همانند فتوشاپ به صورت گسترده مورد استفاده همگان قرار می‌گیرد و از آنجایی که هنوز روش مناسبی برای تشخیص این فناوری وجود ندارد، نگرانی‌ها از در دسترس قرار گرفتن این تکنولوژی افزایش یافته است.

محققان موسسه Skoltech و همکاران آن‌ها از Mobile TeleSystems مفهوم «پیام‌های متنی نامناسب» را معرفی کرده و یک مدل عصبی با قابلیت تشخیص عبارات نامناسب را آموزش داده‌اند و به همراه مجموعه بزرگی از پیام‌های این چنینی منتشر کرده‌اند تا بتوان از آن در مطالعات آتی نیز استفاده کرد. از

مسئله‌ی یادگیری هوش مصنوعی به «تب هوش مصنوعی» این روزها بی‌ارتباط نیست. هر روزی که می‌گذرد دامنه‌ی کاربردهای هوش مصنوعی در زندگی روزمره‌ی ما گسترده‌تر می‌شود. وقتی که از گوگل می‌خواهیم رستوران‌های نزدیک به خانه‌ی ما را برای‌مان لیست کند، تا پیج‌هایی که  فیس‌بوک و اینستاگرام و توئیتر برای دنبال

انیمیشن سینمایی میچل ها در برابر ماشین ها، همان‌طور که از نامش پیداست رویارویی یک خانواده‌ عجیب‌وغریب به نام میچل‌ها را با ماشین‌های هوشمند و اندیشمندی نشان می‌دهد که توسط یک هوش مصنوعی کنترل می‌شوند. میچل‌ها خانواده‌ای متفاوت و چهار نفره هستند که اعضای آن پدر، مادر، دختر نوجوان و

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

تحلیل اکتشافی دادهExploratory Data Analysis  مهم‌ترین بخش تحلیل داده/ یادگیری ماشین است. این عملیات حدود 70 تا 80% چرخه‌ی زندگی هر پروژه‌ی علوم داده را به خود اختصاص می‌دهد. اکتشاف، آماده‌سازی و درک داده‌ها، بخشی از روش‌شناختی استاندارد این حوزه است. برای اطلاعات بیشتر می‌توانید به این لینک مراجعه کنید.

بیشتر از یکصد کشور، از جمله ایالات متحده و کشورهای عضو اتحادیه اروپا، متعهد شده‌اند انتشار گاز کربن را تا سال 2050 به صفر برسانند. به منظور تحقق این هدف، جهان به مقدار زیادی فلز، به ویژه مس نیاز دارد.