📝هوش مصنوعی بهترین فوتبالیست تاریخ را مشخص کرد; مسی سوم و رونالدو چهارم!
انتخاب بهترین فوتبالیست تاریخ همیشه موضوعی بحث برانگیز و سلیقه ای است اما اگر انتخاب توسط انسان و بر اساس احساسات نباشد چه؟
از هوش مصنوعی درباره انتخاب بهترین فوتبالیست های تاریخ سوال کردیم و پاسخ به شکل زیر بود:
1. پله (برزیل)
2. دیگو مارادونا (آرژانتین)
3. لیونل مسی (آرژانتین)
4. کریستیانو رونالدو (پرتغال)
5. یوهان کرایوف (هلند)
6. زین الدین زیدان (فرانسه)
7. فرانچسکو توتی (ایتالیا)
8. رونالدینیو (برزیل)
9. میشل پلاتینی (فرانسه)
10. جورج بست (ایرلند شمالی)
به گفته هوش مصنوعی این لیست شامل بهترین و شایسته ترین فوتبالیست های تاریخ است که هرکدام تاثیر عمیقی بر فوتبال گذاشتند و در دوره خودشان به عنوان بهترین شناخته میشدند.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
انتخاب بهترین فوتبالیست تاریخ همیشه موضوعی بحث برانگیز و سلیقه ای است اما اگر انتخاب توسط انسان و بر اساس احساسات نباشد چه؟
از هوش مصنوعی درباره انتخاب بهترین فوتبالیست های تاریخ سوال کردیم و پاسخ به شکل زیر بود:
1. پله (برزیل)
2. دیگو مارادونا (آرژانتین)
3. لیونل مسی (آرژانتین)
4. کریستیانو رونالدو (پرتغال)
5. یوهان کرایوف (هلند)
6. زین الدین زیدان (فرانسه)
7. فرانچسکو توتی (ایتالیا)
8. رونالدینیو (برزیل)
9. میشل پلاتینی (فرانسه)
10. جورج بست (ایرلند شمالی)
به گفته هوش مصنوعی این لیست شامل بهترین و شایسته ترین فوتبالیست های تاریخ است که هرکدام تاثیر عمیقی بر فوتبال گذاشتند و در دوره خودشان به عنوان بهترین شناخته میشدند.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍11❤2
ایران صبح امروز ماهواره های فخر 1و سامان 1 با فضاپیمای سیمرغ ایرانی را با موفقیت به فضا پرتاب کرد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍38👏8
📝 هوش مصنوعی می‌تواند نسخه‌ای از شخصیت شما تولید کند
در این گزارش آمده است، تصور کنید با یکی از ابزارهای هوش مصنوعی گفت‌وگویی دو ساعته دارید. این مدل هوش مصنوعی شما را به مکالمه‌ای هدایت می‌کند تا از دوران کودکی، خاطرات مهم و حرفه‌ای‌تان سخن بگویید و همچنین افکار و عقایدتان را درمورد مسائل سیاسی و اجتماعی بازگو کنید. مدتی بعد، یک کپی مجازی از شخصیت شما ساخته می‌شود که می‌تواند ارزش‌ها و علایق شما را با دقت خیره‌کننده‌ای ارائه دهد.
این دستاورد مهم حوزه فناوری را گروهی از محققان دانشگاه استنفورد و کارشناسان گوگل دیپ‌مایند (Google DeepMind) در گزارشی منتشر کرده‌اند.
این تیم تحقیقاتی، به سرپرستی جون سونگ پارک، دانشجوی دکترای علوم کامپیوتر دانشگاه استنفورد، یک هزار نفر را با سن، جنسیت، نژاد، محل زندگی، تحصیلات و دیدگاه سیاسی متفاوت بررسی کردند. سپس براساس مصاحبه‌های انجام‌شده با آنها و شناسایی شخصیت این افراد نمونه‌ها را ایجاد کردند.
این افراد برای مشارکت در این پروژه تحقیقاتی ۱۰۰ دلار دستمزد دریافت کردند.
شرکت‌کنندگان در این آزمون، تست‌های شخصیت، نظرسنجی‌ها و بازی‌های مبتنی بر هوش را انجام دادند که هرکدام دو بار و هر دو هفته یک بار انجام شد. نتایجی که به دست آمد نشان داد که نمونه هوش مصنوعی ایجادشده حدود ۸۵ درصد مشابه شخصیت واقعی افراد بود.
در این مقاله آمده است که انگیزه این شبیه‌سازی‌ها این است که سیر مطالعات محققان علوم اجتماعی و سایر زمینه‌ها آسان‌تر شود. به گفته محققان این پروژه، در بسیاری از مطالعات اجتماعی چنین بررسی‌هایی هزینه‌بر، غیرعملی و غیراخلاقی است، اما اگر بتوان هوش مصنوعی‌هایی ساخت که مانند افراد واقعی فکر و رفتار کنند، این امکان فراهم می‌شود که بتوان از آنها برای بررسی موضوعات مختلف استفاده کرد. از این نمونه‌های شبیه‌سازی‌شده می‌توان در بررسی موارد مختلف در حوزه‌های گوناگون علوم انسانی و علوم اجتماعی استفاده کرد؛ از شیوه مبارزه با گسترش اطلاعات نادرست در شبکه‌های اجتماعی تا بررسی رفتارهایی که موجب راه‌بندان می‌شوند.
به گفته محققان این پژوهش، عناصر به‌کاررفته در این پژوهش با عناصر مشابهی که امروزه در شرکت‌های پیشرو هوش مصنوعی فراگیرند تاحدی تفاوت دارند. هوش مصنوعی کنونی مبتنی بر ابزار است و درواقع مدلی است برای انجام کارها نه اینکه با شما گفت‌وگو کند.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
نشریه بررسی تکنولوژی ام‌آی‌تی، MIT Technology Review در گزارشی نوشت: «هوش مصنوعی اکنون می‌تواند نسخه‌ای از شخصیت افراد تولید کند.»
در این گزارش آمده است، تصور کنید با یکی از ابزارهای هوش مصنوعی گفت‌وگویی دو ساعته دارید. این مدل هوش مصنوعی شما را به مکالمه‌ای هدایت می‌کند تا از دوران کودکی، خاطرات مهم و حرفه‌ای‌تان سخن بگویید و همچنین افکار و عقایدتان را درمورد مسائل سیاسی و اجتماعی بازگو کنید. مدتی بعد، یک کپی مجازی از شخصیت شما ساخته می‌شود که می‌تواند ارزش‌ها و علایق شما را با دقت خیره‌کننده‌ای ارائه دهد.
این دستاورد مهم حوزه فناوری را گروهی از محققان دانشگاه استنفورد و کارشناسان گوگل دیپ‌مایند (Google DeepMind) در گزارشی منتشر کرده‌اند.
این تیم تحقیقاتی، به سرپرستی جون سونگ پارک، دانشجوی دکترای علوم کامپیوتر دانشگاه استنفورد، یک هزار نفر را با سن، جنسیت، نژاد، محل زندگی، تحصیلات و دیدگاه سیاسی متفاوت بررسی کردند. سپس براساس مصاحبه‌های انجام‌شده با آنها و شناسایی شخصیت این افراد نمونه‌ها را ایجاد کردند.
این افراد برای مشارکت در این پروژه تحقیقاتی ۱۰۰ دلار دستمزد دریافت کردند.
شرکت‌کنندگان در این آزمون، تست‌های شخصیت، نظرسنجی‌ها و بازی‌های مبتنی بر هوش را انجام دادند که هرکدام دو بار و هر دو هفته یک بار انجام شد. نتایجی که به دست آمد نشان داد که نمونه هوش مصنوعی ایجادشده حدود ۸۵ درصد مشابه شخصیت واقعی افراد بود.
در این مقاله آمده است که انگیزه این شبیه‌سازی‌ها این است که سیر مطالعات محققان علوم اجتماعی و سایر زمینه‌ها آسان‌تر شود. به گفته محققان این پروژه، در بسیاری از مطالعات اجتماعی چنین بررسی‌هایی هزینه‌بر، غیرعملی و غیراخلاقی است، اما اگر بتوان هوش مصنوعی‌هایی ساخت که مانند افراد واقعی فکر و رفتار کنند، این امکان فراهم می‌شود که بتوان از آنها برای بررسی موضوعات مختلف استفاده کرد. از این نمونه‌های شبیه‌سازی‌شده می‌توان در بررسی موارد مختلف در حوزه‌های گوناگون علوم انسانی و علوم اجتماعی استفاده کرد؛ از شیوه مبارزه با گسترش اطلاعات نادرست در شبکه‌های اجتماعی تا بررسی رفتارهایی که موجب راه‌بندان می‌شوند.
به گفته محققان این پژوهش، عناصر به‌کاررفته در این پژوهش با عناصر مشابهی که امروزه در شرکت‌های پیشرو هوش مصنوعی فراگیرند تاحدی تفاوت دارند. هوش مصنوعی کنونی مبتنی بر ابزار است و درواقع مدلی است برای انجام کارها نه اینکه با شما گفت‌وگو کند.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍6
📝 هوش مصنوعی جدید PaliGemma 2 گوگل می‌تواند احساسات افراد را تشخیص دهد
گوگل به‌تازگی از خانواده جدیدی از مدل‌های هوش مصنوعی خود تحت عنوان PaliGemma 2 رونمایی کرده است که می‌توانند اقدام به بررسی عکس‌ها و شناسایی محتوای آنها کنند. نوشتن خودکار توضیحات پس از مشاهده عکس‌ها و پاسخ به سؤالات کاربران پیرامون تصاویر، از دیگر قابلیت‌های مدل مذکور است. همچنین گوگل مدعی شده است که این ابزار نه‌تنها می‌تواند اشیا یا کارهای صورت گرفته در عکس‌ها را تشخیص دهد؛ بلکه توانایی شناسایی احساس اشخاص را هم دارد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
جدیدترین مدل هوش مصنوعی گوگل تحت‌عنوان PaliGemma 2 امکان تحلیل تصاویر و ارائه خروجی متنی براساس محتوای آنها را دارد.
گوگل به‌تازگی از خانواده جدیدی از مدل‌های هوش مصنوعی خود تحت عنوان PaliGemma 2 رونمایی کرده است که می‌توانند اقدام به بررسی عکس‌ها و شناسایی محتوای آنها کنند. نوشتن خودکار توضیحات پس از مشاهده عکس‌ها و پاسخ به سؤالات کاربران پیرامون تصاویر، از دیگر قابلیت‌های مدل مذکور است. همچنین گوگل مدعی شده است که این ابزار نه‌تنها می‌تواند اشیا یا کارهای صورت گرفته در عکس‌ها را تشخیص دهد؛ بلکه توانایی شناسایی احساس اشخاص را هم دارد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍5
📝 مدل بزرگ هوش مصنوعی «دانشمند» و «دستیار پژوهش» طراحی می‌شود
به منظور استفاده بهینه از ظرفیت علمی و تخصصی، بهره‌برداری حداکثری از ظرفیت‌های فناوری هوش مصنوعی در راستای رفع نیازهای کشور و با هدف تسهیل دسترسی به داده‌های علمی و پژوهشی برای زیست‌بوم هوش مصنوعی جهت توسعه کاربردهای هوش مصنوعی، تفاهمنامه‌ای میان پژوهشگاه علوم و فناوری اطلاعات ایران و سازمان ملی هوش مصنوعی منعقد شد.
تفاهمنامه همکاری مشترک بین ایرانداک و سازمان ملی هوش مصنوعی، به نمایندگی دکتر محمد حسن‌زاده (رئیس ایرانداک) و دکتر محمدسعید سرافراز (رئیس سازمان) برای مدت پنج‌سال به امضا رسید.
در این تفاهمنامه بر مشارکت و همکاری دو طرف برای «مشارکت در توسعه مدل بزرگ هوش مصنوعی دانشمند (AI Scientist)»، «مشارکت در توسعه دستیار پژوهش (Research Assistant)»،«ایجاد بخش هوش مصنوعی در جایزه ملی فناوری اطلاعات» و «تدوین اصطلاح‌نامه تخصصی هوش مصنوعی» و «توسعه پلتفرم هوشمند دریافت داده‌های رسانه اجتماعی برای پژوهش و ایجاد دسترسی برای دانشگاه‌ها» منعقد شد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
در تفاهمنامه ۵ ساله ایرانداک و سازمان ملی هوش مصنوعی بر مشارکت در توسعه مدل بزرگ هوش مصنوعی دانشمند و دستیار پژوهش تاکید شد.
به منظور استفاده بهینه از ظرفیت علمی و تخصصی، بهره‌برداری حداکثری از ظرفیت‌های فناوری هوش مصنوعی در راستای رفع نیازهای کشور و با هدف تسهیل دسترسی به داده‌های علمی و پژوهشی برای زیست‌بوم هوش مصنوعی جهت توسعه کاربردهای هوش مصنوعی، تفاهمنامه‌ای میان پژوهشگاه علوم و فناوری اطلاعات ایران و سازمان ملی هوش مصنوعی منعقد شد.
تفاهمنامه همکاری مشترک بین ایرانداک و سازمان ملی هوش مصنوعی، به نمایندگی دکتر محمد حسن‌زاده (رئیس ایرانداک) و دکتر محمدسعید سرافراز (رئیس سازمان) برای مدت پنج‌سال به امضا رسید.
در این تفاهمنامه بر مشارکت و همکاری دو طرف برای «مشارکت در توسعه مدل بزرگ هوش مصنوعی دانشمند (AI Scientist)»، «مشارکت در توسعه دستیار پژوهش (Research Assistant)»،«ایجاد بخش هوش مصنوعی در جایزه ملی فناوری اطلاعات» و «تدوین اصطلاح‌نامه تخصصی هوش مصنوعی» و «توسعه پلتفرم هوشمند دریافت داده‌های رسانه اجتماعی برای پژوهش و ایجاد دسترسی برای دانشگاه‌ها» منعقد شد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍6❤1
📝هوش مصنوعی جامع ساخته شد / ادعای بزرگ کارمند ایرانی OpenAI
چند روزی از عرضه کامل مدل o1 شرکت OpenAI می‌گذرد و اکنون کارمند ایرانی این شرکت ادعا می‌کند ما به هوش جامع مصنوعی (AGI) رسیده‌ایم.
وحید کاظمی، کارمند OpenAI، در پستی در ایکس گفته است: «به نظر من، ما به AGI دست یافته‌ایم و با o1 حتی این امر مشخص‌تر نیز شده است.» البته وحید کاظمی تبصره‌ای در تعریف AGI می‌گذارد؛ به گفته او اگر هوش جامع مصنوعی «در هر کاری بهتر از هر انسانی» باشد، مدل o1 «در بیشتر کارها از بیشتر انسان‌ها» بهتر عمل می‌کند.
در حقیقت، وحید کاظمی نمی‌گوید هوش مصنوعی این شرکت از فردی متخصص در کاری خاص مؤثرتر و ماهرتر است، او می‌گوید o1 می‌تواند کارهای بسیار متنوعی انجام دهد، حتی اگر نتیجه نهایی درست از آب درنیاید اما هیچ انسانی نمی‌تواند با این وسعت با مهارت‌های هوش مصنوعی جدید رقابت کند.
وحید کاظمی دکترای یادگیری ماشینی دارد و یکی از اعضای کادر فنی OpenAI است. او در پست اخیر خود درباره ماهیت مدل‌های زبانی بزرگ یا LLMها و اینکه آیا آنها صرفاً «از یک دستورالعمل پیروی می‌کنند» یا نه نیز صحبت کرد: «برخی می‌گویند LLMها فقط می‌دانند چگونه از یک دستورالعمل پیروی کنند. هیچ‌کس واقعاً نمی‌تواند توضیح دهد یک‌تریلیون پارامتر شبکه عصبی عمیق چه چیزی را می‌تواند یاد بگیرد.»
او دستورالعمل‌های هوش مصنوعی را با دستورالعمل‌های دانشمندان مقایسه می‌کند و می‌گوید کل روش علمی را نیز می‌توان در یک دستورالعمل خلاصه کرد: مشاهده، فرضیه‌سازی و تأیید. دانشمندان خوب می‌توانند برمبنای شهود خود فرضیه‌های بهتری تولید کنند اما این شهود خود با آزمون و خطاهای بسیاری به دست آمده است. به باور وحید کاظمی، اگرچه هوش مصنوعی ممکن است اکنون دچار خطا شود، به‌مرور شبیه دانشمندی خبره می‌شود که فرضیه‌های بکری مطرح می‌کند.
«سم آلتمن»، مدیرعامل OpenAI، نیز چند روز قبل درباره AGI صحبت کرده بود. او گفت: «حدس می‌زنم زودتر از چیزی که اکثر مردم جهان فکر می‌کنند، به AGI برسیم.» البته سم آلتمن در صحبت‌هایش تلاش کرده انتظارات کاربران از AGI را کاهش دهد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
چند روزی از عرضه کامل مدل o1 شرکت OpenAI می‌گذرد و اکنون کارمند ایرانی این شرکت ادعا می‌کند ما به هوش جامع مصنوعی (AGI) رسیده‌ایم.
وحید کاظمی، کارمند OpenAI، در پستی در ایکس گفته است: «به نظر من، ما به AGI دست یافته‌ایم و با o1 حتی این امر مشخص‌تر نیز شده است.» البته وحید کاظمی تبصره‌ای در تعریف AGI می‌گذارد؛ به گفته او اگر هوش جامع مصنوعی «در هر کاری بهتر از هر انسانی» باشد، مدل o1 «در بیشتر کارها از بیشتر انسان‌ها» بهتر عمل می‌کند.
در حقیقت، وحید کاظمی نمی‌گوید هوش مصنوعی این شرکت از فردی متخصص در کاری خاص مؤثرتر و ماهرتر است، او می‌گوید o1 می‌تواند کارهای بسیار متنوعی انجام دهد، حتی اگر نتیجه نهایی درست از آب درنیاید اما هیچ انسانی نمی‌تواند با این وسعت با مهارت‌های هوش مصنوعی جدید رقابت کند.
وحید کاظمی دکترای یادگیری ماشینی دارد و یکی از اعضای کادر فنی OpenAI است. او در پست اخیر خود درباره ماهیت مدل‌های زبانی بزرگ یا LLMها و اینکه آیا آنها صرفاً «از یک دستورالعمل پیروی می‌کنند» یا نه نیز صحبت کرد: «برخی می‌گویند LLMها فقط می‌دانند چگونه از یک دستورالعمل پیروی کنند. هیچ‌کس واقعاً نمی‌تواند توضیح دهد یک‌تریلیون پارامتر شبکه عصبی عمیق چه چیزی را می‌تواند یاد بگیرد.»
او دستورالعمل‌های هوش مصنوعی را با دستورالعمل‌های دانشمندان مقایسه می‌کند و می‌گوید کل روش علمی را نیز می‌توان در یک دستورالعمل خلاصه کرد: مشاهده، فرضیه‌سازی و تأیید. دانشمندان خوب می‌توانند برمبنای شهود خود فرضیه‌های بهتری تولید کنند اما این شهود خود با آزمون و خطاهای بسیاری به دست آمده است. به باور وحید کاظمی، اگرچه هوش مصنوعی ممکن است اکنون دچار خطا شود، به‌مرور شبیه دانشمندی خبره می‌شود که فرضیه‌های بکری مطرح می‌کند.
«سم آلتمن»، مدیرعامل OpenAI، نیز چند روز قبل درباره AGI صحبت کرده بود. او گفت: «حدس می‌زنم زودتر از چیزی که اکثر مردم جهان فکر می‌کنند، به AGI برسیم.» البته سم آلتمن در صحبت‌هایش تلاش کرده انتظارات کاربران از AGI را کاهش دهد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍9
📝 برندگان جایزه نوبل خواستار مقررات سخت برای هوش مصنوعی شدند
«جفری هینتون»، برنده جایزه نوبل فیزیک و «دمیس حسابیس»، برنده نوبل شیمی، با وجودی که هر ۲ به دلیل کارهای ارزشمندشان در هوش مصنوعی برنده این جایزه شدند، خواستار قانون سفت و سخت برای این فناوری شدند.
دمیس حسابیس در یک کنفرانس خبری در استکهلم گفت: هوش مصنوعی یک فناوری بسیار مهم است که باید خیلی سریع سر و سامان پیدا کند. فکر می‌کنم که باید قوانینی را به درستی تصویب کنیم تا بتوانیم این فناوری را که به سرعت در حال حرکت است، تحت نظارت خود درآوریم.
حسابیس به طور مشترک با ۲ آمریکایی به نام‌های «دیوید بیکر» و «جان جامپر» به دلیل افشای اسرار پروتئین‌ها از طریق هوش مصنوعی برنده جایزه نوبل شد. اما او در مورد این فناوری بزرگ می‌گوید: چنین سرعت تکاملی ما را با چالش بزرگی مواجه خواهد کرد. موضوع اساسی این است که می‌خواهیم از این سیستم‌ها برای چه استفاده کنیم، چگونه می‌خواهیم آنها را مستقر کنیم و اطمینان حاصل کنیم که همه بشریت از آنچه این سیستم‌ها می‌توانند انجام دهند سود می‌برند.
هینتون بریتانیایی-کانادایی که به عنوان «پدرخوانده هوش مصنوعی» شناخته می‌شود، با کنایه از ترسش از احتمال افزایش رقابت تسلیحاتی توسط هوش مصنوعی، تاکید کرد که «ای کاش زودتر به ایمنی این فناوری فکر می‌کردم».
هینتون که سال گذشته با خروج از گوگل خبرساز شد و درباره خطراتی که ماشین‌ها می‌توانند روزی از مردم پیشی بگیرند، حسابی غوغا به پا کرد، به همراه جان‌هاپفیلد آمریکایی برای کار روی شبکه‌های عصبی مصنوعی جایزه نوبل خود را دریافت کرد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
«جفری هینتون»، برنده جایزه نوبل فیزیک و «دمیس حسابیس»، برنده نوبل شیمی، با وجودی که هر ۲ به دلیل کارهای ارزشمندشان در هوش مصنوعی برنده این جایزه شدند، خواستار قانون سفت و سخت برای این فناوری شدند.
دمیس حسابیس در یک کنفرانس خبری در استکهلم گفت: هوش مصنوعی یک فناوری بسیار مهم است که باید خیلی سریع سر و سامان پیدا کند. فکر می‌کنم که باید قوانینی را به درستی تصویب کنیم تا بتوانیم این فناوری را که به سرعت در حال حرکت است، تحت نظارت خود درآوریم.
حسابیس به طور مشترک با ۲ آمریکایی به نام‌های «دیوید بیکر» و «جان جامپر» به دلیل افشای اسرار پروتئین‌ها از طریق هوش مصنوعی برنده جایزه نوبل شد. اما او در مورد این فناوری بزرگ می‌گوید: چنین سرعت تکاملی ما را با چالش بزرگی مواجه خواهد کرد. موضوع اساسی این است که می‌خواهیم از این سیستم‌ها برای چه استفاده کنیم، چگونه می‌خواهیم آنها را مستقر کنیم و اطمینان حاصل کنیم که همه بشریت از آنچه این سیستم‌ها می‌توانند انجام دهند سود می‌برند.
هینتون بریتانیایی-کانادایی که به عنوان «پدرخوانده هوش مصنوعی» شناخته می‌شود، با کنایه از ترسش از احتمال افزایش رقابت تسلیحاتی توسط هوش مصنوعی، تاکید کرد که «ای کاش زودتر به ایمنی این فناوری فکر می‌کردم».
هینتون که سال گذشته با خروج از گوگل خبرساز شد و درباره خطراتی که ماشین‌ها می‌توانند روزی از مردم پیشی بگیرند، حسابی غوغا به پا کرد، به همراه جان‌هاپفیلد آمریکایی برای کار روی شبکه‌های عصبی مصنوعی جایزه نوبل خود را دریافت کرد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍12❤2
📝 مفهوم بیش برازش (overfitting) در یادگیری ماشین
#اصطلاحات_هوش_مصنوعی
فرض کنیم که فردی که انگلیسی زبان نیست بخواهد زبان انگلیسی را یاد بگیرد. او هیچ دانش قبلی در مورد انگلیسی ندارد اما فقط می‌داند که ویلیام شکسپیر بزرگ‌ترین نویسنده انگلیسی زبان است. یک راه این است که او خود را در یک کتابخانه حبس کند و تمامی آثار شکسپیر را مطالعه کند. بعد از یک سال مطالعه، فرد به نیویورک می‌رود و با اولین نفری که میبیند، سلام و احوالپرسی می‌کند. اولین جمله‌ای که می‌گوید اینگونه است: «!Good dawning to thee, friend». فرد مقابل، با نگاهی تحقیر آمیز، زیرلب خواهد گفت که این مرد دیوانه است. در این حالت این فرد، یکی از بزرگ‌ترین خطاهای پایه‌ای در آموزش مدل را مرتکب شده‌ایم، overfitting در داده‌های آموزش.
در آموزش‌های data science، یک مدل overfit، مدلی تعریف می‌شود که واریانس زیاد و بایاس کمی روی داده‌های آموزش دارد، که منجر به تعمیم‌پذیری پایینِ مدل به داده‌های جدید می‌شود. بیایید این تعریف را روی مثالی که در ابتدا مطرح کردیم، بررسی کنیم. مدلی که می‌خواهیم بسازیم، برقراری ارتباط از طریق زبان انگلیسی است. داده‌های آموزشی، تمامی آثار شکسپیر هستند و داده تست، نیویورک است. اگر معیار ارزیابی، پذیرش عموم مردم باشد، در این صورت مدل ما در تعمیم به داده‌های تست، با شکست مواجه می‌شود. تا اینجا همه چیز واضح است، اما واریانس یا بایاس چه هستند؟
به میزان تغییرات مدل در پاسخ به داده‌های آموزشی، واریانس گفته می‌شود. از آنجایی که در مثال مطرح شده، داده‌های آموزش، خوانده و حفظ شده‌اند، مدل واریانس زیادی دارد و به شدت به داده‌های آموزشی وابسته است. اگر به مدلی که واریانسش زیاد است، یکسری داده‌های تست جدید نشان داده شود، عملکرد مطلوبی نخواهد داشت، چرا که به شدت به داده‌های آموزش وابسته است و داده‌های جدید متفاوت با داده‌های آموزش هستند. دقیقا شبیه دانش‌آموزی که تمامی مسائلِ کتاب ریاضی را حفظ کرده ولی در امتحان ریاضی وقتی با مسائل جدیدی روبه رو می‌شود، نمی‌تواند آنها را حل کند.
بایاس، نشان‌دهنده‌ی قدرت تخمین‌ها در مورد داده است. در تلاش برای یادگیری زبان انگلیسی، ما هیچ فرض اولیه‌ای در مورد مدل انجام ندادیم و به نویسنده کتاب اعتماد کردیم تا او همه چیز را در مورد زبان، به ما یاد دهد. بایاسِ پایین ممکن است نکته‌ای مثبت به نظر برسد اما چرا باید به داده‌ها اعتماد کرد؟ هر پروسه طبیعی، نویز تولید می‌کند اما نمی‌توان اطمینان داشت که داده‌ها تمام نویز را در بر بگیرند. اغلب لازم است یکسری فرض‌های اولیه در مورد داده‌ها در نظر گرفته و در مدل، فضایی برای نوساناتی که در داده‌ها دیده نمی‌شوند، در نظر گرفت. در مثالی که قبلا مطرح شد، قبل از خواندن کتاب‌های شکسپیر، فرد باید در نظر می‌گرفت که خواندن کتاب نمی‌تواند به تنهایی زبان انگلیسی را به او یاد دهد و او تنها کتاب‌ها را حفظ می‌کند.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
#اصطلاحات_هوش_مصنوعی
فرض کنیم که فردی که انگلیسی زبان نیست بخواهد زبان انگلیسی را یاد بگیرد. او هیچ دانش قبلی در مورد انگلیسی ندارد اما فقط می‌داند که ویلیام شکسپیر بزرگ‌ترین نویسنده انگلیسی زبان است. یک راه این است که او خود را در یک کتابخانه حبس کند و تمامی آثار شکسپیر را مطالعه کند. بعد از یک سال مطالعه، فرد به نیویورک می‌رود و با اولین نفری که میبیند، سلام و احوالپرسی می‌کند. اولین جمله‌ای که می‌گوید اینگونه است: «!Good dawning to thee, friend». فرد مقابل، با نگاهی تحقیر آمیز، زیرلب خواهد گفت که این مرد دیوانه است. در این حالت این فرد، یکی از بزرگ‌ترین خطاهای پایه‌ای در آموزش مدل را مرتکب شده‌ایم، overfitting در داده‌های آموزش.
در آموزش‌های data science، یک مدل overfit، مدلی تعریف می‌شود که واریانس زیاد و بایاس کمی روی داده‌های آموزش دارد، که منجر به تعمیم‌پذیری پایینِ مدل به داده‌های جدید می‌شود. بیایید این تعریف را روی مثالی که در ابتدا مطرح کردیم، بررسی کنیم. مدلی که می‌خواهیم بسازیم، برقراری ارتباط از طریق زبان انگلیسی است. داده‌های آموزشی، تمامی آثار شکسپیر هستند و داده تست، نیویورک است. اگر معیار ارزیابی، پذیرش عموم مردم باشد، در این صورت مدل ما در تعمیم به داده‌های تست، با شکست مواجه می‌شود. تا اینجا همه چیز واضح است، اما واریانس یا بایاس چه هستند؟
به میزان تغییرات مدل در پاسخ به داده‌های آموزشی، واریانس گفته می‌شود. از آنجایی که در مثال مطرح شده، داده‌های آموزش، خوانده و حفظ شده‌اند، مدل واریانس زیادی دارد و به شدت به داده‌های آموزشی وابسته است. اگر به مدلی که واریانسش زیاد است، یکسری داده‌های تست جدید نشان داده شود، عملکرد مطلوبی نخواهد داشت، چرا که به شدت به داده‌های آموزش وابسته است و داده‌های جدید متفاوت با داده‌های آموزش هستند. دقیقا شبیه دانش‌آموزی که تمامی مسائلِ کتاب ریاضی را حفظ کرده ولی در امتحان ریاضی وقتی با مسائل جدیدی روبه رو می‌شود، نمی‌تواند آنها را حل کند.
بایاس، نشان‌دهنده‌ی قدرت تخمین‌ها در مورد داده است. در تلاش برای یادگیری زبان انگلیسی، ما هیچ فرض اولیه‌ای در مورد مدل انجام ندادیم و به نویسنده کتاب اعتماد کردیم تا او همه چیز را در مورد زبان، به ما یاد دهد. بایاسِ پایین ممکن است نکته‌ای مثبت به نظر برسد اما چرا باید به داده‌ها اعتماد کرد؟ هر پروسه طبیعی، نویز تولید می‌کند اما نمی‌توان اطمینان داشت که داده‌ها تمام نویز را در بر بگیرند. اغلب لازم است یکسری فرض‌های اولیه در مورد داده‌ها در نظر گرفته و در مدل، فضایی برای نوساناتی که در داده‌ها دیده نمی‌شوند، در نظر گرفت. در مثالی که قبلا مطرح شد، قبل از خواندن کتاب‌های شکسپیر، فرد باید در نظر می‌گرفت که خواندن کتاب نمی‌تواند به تنهایی زبان انگلیسی را به او یاد دهد و او تنها کتاب‌ها را حفظ می‌کند.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍13❤1👏1
This media is not supported in your browser
VIEW IN TELEGRAM
یلدا در زمان هخامنشیان از دید هوش مصنوعی🏛
در اون دوره تو تخت جمشید و بین شکوه ستون‌ها و کاخ‌های هخامنشی جشن گرفته می‌شده.
فکرشو کن: دورهمی‌های بزرگ، آتیشای روشن، انارای قرمز، هندونه‌های آبدار 🍉 و قصه‌هایی که تو بلندترین شب سال گفته می‌شدن.
یلدا همیشه نشون‌دهنده‌ی نور و امید بوده؛ چه اون موقع، چه حالا. این شب بهمون یادآوری می‌کنه که حتی طولانی‌ترین تاریکی‌ها هم یه جایی به طلوع ختم می‌شن.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
در اون دوره تو تخت جمشید و بین شکوه ستون‌ها و کاخ‌های هخامنشی جشن گرفته می‌شده.
فکرشو کن: دورهمی‌های بزرگ، آتیشای روشن، انارای قرمز، هندونه‌های آبدار 🍉 و قصه‌هایی که تو بلندترین شب سال گفته می‌شدن.
یلدا همیشه نشون‌دهنده‌ی نور و امید بوده؛ چه اون موقع، چه حالا. این شب بهمون یادآوری می‌کنه که حتی طولانی‌ترین تاریکی‌ها هم یه جایی به طلوع ختم می‌شن.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍16😍1
📝هوش مصنوعی استاد دانشگاه می‌شود!
«دانشگاه کالیفرنیا لس‌آنجلس» قصد دارد در سال آینده میلادی یک کلاس را با حضور هوش مصنوعی برای آموزش دانشجویان و پاسخ دادن به پرسش‌های آنها برگزار کند.
در زمستان ۲۰۲۵ یک کلاس ادبیات تطبیقی در «دانشگاه کالیفرنیا لس‌آنجلس»(UCLA) برگزار خواهد شد که کتاب درسی، تکالیف خانه و منابع تدریس تولید شده توسط هوش مصنوعی را شامل می‌شود.
کلاس مذکور پیرامون بررسی ادبیات قرون وسطی تا قرن هفدهم است و مواد درسی توسط پلتفرم آموزشی «کودو»(Kudu) تولید می‌شوند. به گفته دانشگاه کالیفرنیا لس‌آنجلس، این اولین کلاس در بخش علوم انسانی با مواد درسی توسعه‌یافته توسط کودو خواهد بود.
📰 مطالعه بیشتر
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
«دانشگاه کالیفرنیا لس‌آنجلس» قصد دارد در سال آینده میلادی یک کلاس را با حضور هوش مصنوعی برای آموزش دانشجویان و پاسخ دادن به پرسش‌های آنها برگزار کند.
در زمستان ۲۰۲۵ یک کلاس ادبیات تطبیقی در «دانشگاه کالیفرنیا لس‌آنجلس»(UCLA) برگزار خواهد شد که کتاب درسی، تکالیف خانه و منابع تدریس تولید شده توسط هوش مصنوعی را شامل می‌شود.
کلاس مذکور پیرامون بررسی ادبیات قرون وسطی تا قرن هفدهم است و مواد درسی توسط پلتفرم آموزشی «کودو»(Kudu) تولید می‌شوند. به گفته دانشگاه کالیفرنیا لس‌آنجلس، این اولین کلاس در بخش علوم انسانی با مواد درسی توسعه‌یافته توسط کودو خواهد بود.
📰 مطالعه بیشتر
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍15
This media is not supported in your browser
VIEW IN TELEGRAM
📌PanoDreamer
📝پانورامای سه بعدی از یک تصویر واحد با هوش مصنوعی
🔗 Discover More:
* Source code: Github
* Project Page: PanoDreamer
* Paper: Read the paper
* YouTube: Video Results
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
📝پانورامای سه بعدی از یک تصویر واحد با هوش مصنوعی
🔗 Discover More:
* Source code: Github
* Project Page: PanoDreamer
* Paper: Read the paper
* YouTube: Video Results
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍8
📝 اپل نگاه بسیار متفاوتی به هوش مصنوعی انسان‌گونه دارد
معاون ارشد یادگیری ماشین و استراتژی هوش مصنوعی اپل، دیدگاه متفاوت این شرکت نسبت به هوش مصنوعی عمومی را به اشتراک گذاشت.
درحالی‌که بسیاری از شرکت‌های فعال در حوزه‌ی هوش مصنوعی، روی توسعه‌ی هوش مصنوعی عمومی (AGI) تمرکز کرده‌اند، به نظر می‌رسد که اپل رویکردی متفاوت در پیش گرفته است. مدیران ارشد این شرکت معتقدند که تولید زودهنگام هوش مصنوعی انسان‌گونه، در‌حال‌حاضر بیش‌ازحد خوش‌بینانه تلقی می‌شود و نیازمند پیشرفت‌های اساسی در زمینه‌های مختلف خواهد بود.
در مصاحبه‌ی وایرد با جان جیاناندریا، معاون ارشد یادگیری ماشین و استراتژی هوش مصنوعی اپل، او به‌صراحت بیان کرد که اپل علاقه‌ای به تولید هوش مصنوعی عمومی ندارد. او باور دارد که بسیاری از مشکلات اساسی در این حوزه هنوز حل نشده‌اند و رسیدن به هوش مصنوعی عمومی، نیازمند پیشرفت‌های قابل توجهی در ابعاد مختلف صنعت مبتنی‌بر هوش مصنوعی است.
⚡️ مطالعه بیشتر
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
معاون ارشد یادگیری ماشین و استراتژی هوش مصنوعی اپل، دیدگاه متفاوت این شرکت نسبت به هوش مصنوعی عمومی را به اشتراک گذاشت.
درحالی‌که بسیاری از شرکت‌های فعال در حوزه‌ی هوش مصنوعی، روی توسعه‌ی هوش مصنوعی عمومی (AGI) تمرکز کرده‌اند، به نظر می‌رسد که اپل رویکردی متفاوت در پیش گرفته است. مدیران ارشد این شرکت معتقدند که تولید زودهنگام هوش مصنوعی انسان‌گونه، در‌حال‌حاضر بیش‌ازحد خوش‌بینانه تلقی می‌شود و نیازمند پیشرفت‌های اساسی در زمینه‌های مختلف خواهد بود.
در مصاحبه‌ی وایرد با جان جیاناندریا، معاون ارشد یادگیری ماشین و استراتژی هوش مصنوعی اپل، او به‌صراحت بیان کرد که اپل علاقه‌ای به تولید هوش مصنوعی عمومی ندارد. او باور دارد که بسیاری از مشکلات اساسی در این حوزه هنوز حل نشده‌اند و رسیدن به هوش مصنوعی عمومی، نیازمند پیشرفت‌های قابل توجهی در ابعاد مختلف صنعت مبتنی‌بر هوش مصنوعی است.
⚡️ مطالعه بیشتر
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍9👏2
مجله هوش مصنوعی
مفهوم بیش برازش (overfitting) در یادگیری ماشین
📝مفهوم underfitting در یادگیری ماشین
#اصطلاحات_هوش_مصنوعی
مشاهده شد که مدلی که overfit می‌شود، واریانس زیاد و بایاس کمی دارد. اما اگر واریانس کم و بایاس زیاد باشد چه؟ در این حالت گفته می‌شود که مدل، underfit است. underfitt یعنی اینکه مدل به جای اینکه داده‌ها را از نزدیک دنبال کند، از یادگیری آموزه‌هایی که در داده‌های آموزشی وجود دارد، چشم‌پوشی کرده و نمی‌تواند روابط موجود میان داده‌ها را کشف کند.
حال می‌خواهیم چنین مدلی را با کمک مثال قبل، توصیف کنیم. این‌بار فرد مورد نظر، داده‌های آموزشی را به یک سریال تغییر می‌دهد و به عنوان فرض اولیه، تنها جملاتی که با کلمات رایج the، be، to، of و a شروع می‌شوند، مهم قلمداد شده و از بقیه جملات چشم‌پوشی می‌شود. بعد از یک پروسه طولانیِ آموزش، فرد دوباره به نیویورک سفر می‌کند. اما این بار هم شکست می‌خورد. زیرا در این حالت، فرد تعداد کمی از جملات را می‌تواند درک کند و به خاطر بایاس، در درک ساختار زبان ناتوان است. در فرض اولیه که برای داده‌ها در نظر گرفته شد، زیاده روی شده و مدل underfit شد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
#اصطلاحات_هوش_مصنوعی
مشاهده شد که مدلی که overfit می‌شود، واریانس زیاد و بایاس کمی دارد. اما اگر واریانس کم و بایاس زیاد باشد چه؟ در این حالت گفته می‌شود که مدل، underfit است. underfitt یعنی اینکه مدل به جای اینکه داده‌ها را از نزدیک دنبال کند، از یادگیری آموزه‌هایی که در داده‌های آموزشی وجود دارد، چشم‌پوشی کرده و نمی‌تواند روابط موجود میان داده‌ها را کشف کند.
حال می‌خواهیم چنین مدلی را با کمک مثال قبل، توصیف کنیم. این‌بار فرد مورد نظر، داده‌های آموزشی را به یک سریال تغییر می‌دهد و به عنوان فرض اولیه، تنها جملاتی که با کلمات رایج the، be، to، of و a شروع می‌شوند، مهم قلمداد شده و از بقیه جملات چشم‌پوشی می‌شود. بعد از یک پروسه طولانیِ آموزش، فرد دوباره به نیویورک سفر می‌کند. اما این بار هم شکست می‌خورد. زیرا در این حالت، فرد تعداد کمی از جملات را می‌تواند درک کند و به خاطر بایاس، در درک ساختار زبان ناتوان است. در فرض اولیه که برای داده‌ها در نظر گرفته شد، زیاده روی شده و مدل underfit شد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍11❤3👏1
Media is too big
VIEW IN TELEGRAM
📽 بررسی کامل هوش اپل؛ هوش مصنوعی آیفون چیه؟
گفتیم تمام قابلیت‌های هوش اپل که در حال حاضر در دسترس هست و نیست رو بهتون بگیم. توی این ویدیو با قابلیت‌های جدید هوش اپل مثل Image Playground و Image Wand و Genmoji هم کار کردیم
و تجربمون رو گفتیم. هوش اپل متاسفانه همچنان ناقصه و در بعضی بخش‌ها اجازه دسترسی نمی‌ده.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
گفتیم تمام قابلیت‌های هوش اپل که در حال حاضر در دسترس هست و نیست رو بهتون بگیم. توی این ویدیو با قابلیت‌های جدید هوش اپل مثل Image Playground و Image Wand و Genmoji هم کار کردیم
و تجربمون رو گفتیم. هوش اپل متاسفانه همچنان ناقصه و در بعضی بخش‌ها اجازه دسترسی نمی‌ده.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
❤7
📝 هوش مصنوعی جدید گوگل به‌جای شما وب‌گردی می‌کند
گوگل اولین دستیار هوش مصنوعی خود را رونمایی کرد که می‌تواند وب‌گردی کند. این دستیار پروژه‌ی مارینر (Project Mariner) نام دارد و بخشی از تحقیقات دیپ‌مایند محسوب می‌شود.
دستیار هوش مصنوعی گوگل می‌تواند کنترل مرورگر کروم را به‌دست بگیرد، نشانگر ماوس را روی صفحه حرکت می‌دهد، روی دکمه‌ها کلیک کند، فرم‌ها را پر کند و بدین‌ترتیب می‌تواند مانند انسان در وبسایتها بچرخد و وب‌گردی و حتی خرید کند.
گوگل اعلام کرده است که دستیار هوش مصنوعی جدید خود که از جمنای استفاده می‌کند، به گروه کوچکی از آزمایش‌کنندگان منتخب ارائه می‌دهد.
📰 مطالعه بیشتر
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
ایجنت هوش مصنوعی گوگل می‌تواند به‌جای کاربر در وبسایتها بچرخد و حتی خرید انجام دهد.
گوگل اولین دستیار هوش مصنوعی خود را رونمایی کرد که می‌تواند وب‌گردی کند. این دستیار پروژه‌ی مارینر (Project Mariner) نام دارد و بخشی از تحقیقات دیپ‌مایند محسوب می‌شود.
دستیار هوش مصنوعی گوگل می‌تواند کنترل مرورگر کروم را به‌دست بگیرد، نشانگر ماوس را روی صفحه حرکت می‌دهد، روی دکمه‌ها کلیک کند، فرم‌ها را پر کند و بدین‌ترتیب می‌تواند مانند انسان در وبسایتها بچرخد و وب‌گردی و حتی خرید کند.
گوگل اعلام کرده است که دستیار هوش مصنوعی جدید خود که از جمنای استفاده می‌کند، به گروه کوچکی از آزمایش‌کنندگان منتخب ارائه می‌دهد.
📰 مطالعه بیشتر
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍13❤2🙏1
This media is not supported in your browser
VIEW IN TELEGRAM
🎥 نمونه ای طنزآمیز از یادگیری ماشین😂
🚀 بفرست برای کسایی که اینجور اخبار رو دوست دارن.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
🚀 بفرست برای کسایی که اینجور اخبار رو دوست دارن.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
😍14👍7
Media is too big
VIEW IN TELEGRAM
ربات انسان نما تویوتا، CUE، دومین عنوان رکوردهای گینس خود را برای طولانی ترین شوت موفق بسکتبال توسط ربات به دست آورد.
نسل ششم CUE6 می‌تواند موقعیت‌گیری کند، شوت بزند و حتی دریبل بزند - همه اینها در حالی که از اشتباهات خود در زمان واقعی درس می‌گیرد.
این رکوردشکنی با اندازه چشمگیر 24.7 متر در ناگاکوته ژاپن به ثبت رسید.
🚀 بفرست برای کسایی که اینجور اخبار رو دوست دارن.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
نسل ششم CUE6 می‌تواند موقعیت‌گیری کند، شوت بزند و حتی دریبل بزند - همه اینها در حالی که از اشتباهات خود در زمان واقعی درس می‌گیرد.
این رکوردشکنی با اندازه چشمگیر 24.7 متر در ناگاکوته ژاپن به ثبت رسید.
🚀 بفرست برای کسایی که اینجور اخبار رو دوست دارن.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍18
This media is not supported in your browser
VIEW IN TELEGRAM
🎥ربات کشاورز
هم نشا می‌کنه
هم درو می‌کنه
رباتی که قراره تا #۶_ساله_آینده به بازار بیاید
📌 ویدئو توسط هوش مصنوعی ایجاد شده است. (در آینده ربات کشاورز به چه صورت خواهند بود)
🚀 بفرست برای کسایی که اینجور اخبار رو دوست دارن.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
هم نشا می‌کنه
هم درو می‌کنه
رباتی که قراره تا #۶_ساله_آینده به بازار بیاید
📌 ویدئو توسط هوش مصنوعی ایجاد شده است. (در آینده ربات کشاورز به چه صورت خواهند بود)
🚀 بفرست برای کسایی که اینجور اخبار رو دوست دارن.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍34❤3👏3
Media is too big
VIEW IN TELEGRAM
🎥ربات‌ها در حال یادگیری از انسان‌ها
🔸 یک فیلم جدید نشان می‌دهد که ربات‌ها چگونه از انسان‌ها می‌آموزند تا با دقتی مشابه، کارهای پیچیده را انجام دهند. در این فیلم، یک کارگر با دست خود کار رنگ آمیزی را انجام می‌دهد، در حالی که سیستم رباتیک دقیقاً همین حرکات را شبیه‌سازی کرده و به ربات‌ها آموزش می‌دهد تا همان وظایف را بدون خطا و با دقت بالا انجام دهند. این فناوری به ربات‌ها اجازه می‌دهد تا وظایف تکراری و طاقت‌فرسا را بر عهده بگیرند و انسان‌ها را از کارهای خسته‌کننده و خطرناک رها کنند.
🔸 این پیشرفت نه تنها باعث صرفه‌جویی در انرژی کارگران می‌شود، بلکه به آنها این امکان را می‌دهد که روی کارهای حساس‌تر و با کیفیت‌تر تمرکز کنند. ربات‌ها به‌واسطه این آموزش‌های دقیق، قادر به انجام فعالیت به‌طور یکنواخت و با دقت بالا هستند. این تکنولوژی نه تنها مشکلات کمبود نیروی کار را حل می‌کند، بلکه کارایی و دقت را در صنایع مختلف به طور چشمگیری افزایش می‌دهد.
🚀 بفرست برای کسایی که اینجور اخبار رو دوست دارن.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
🔸 یک فیلم جدید نشان می‌دهد که ربات‌ها چگونه از انسان‌ها می‌آموزند تا با دقتی مشابه، کارهای پیچیده را انجام دهند. در این فیلم، یک کارگر با دست خود کار رنگ آمیزی را انجام می‌دهد، در حالی که سیستم رباتیک دقیقاً همین حرکات را شبیه‌سازی کرده و به ربات‌ها آموزش می‌دهد تا همان وظایف را بدون خطا و با دقت بالا انجام دهند. این فناوری به ربات‌ها اجازه می‌دهد تا وظایف تکراری و طاقت‌فرسا را بر عهده بگیرند و انسان‌ها را از کارهای خسته‌کننده و خطرناک رها کنند.
🔸 این پیشرفت نه تنها باعث صرفه‌جویی در انرژی کارگران می‌شود، بلکه به آنها این امکان را می‌دهد که روی کارهای حساس‌تر و با کیفیت‌تر تمرکز کنند. ربات‌ها به‌واسطه این آموزش‌های دقیق، قادر به انجام فعالیت به‌طور یکنواخت و با دقت بالا هستند. این تکنولوژی نه تنها مشکلات کمبود نیروی کار را حل می‌کند، بلکه کارایی و دقت را در صنایع مختلف به طور چشمگیری افزایش می‌دهد.
🚀 بفرست برای کسایی که اینجور اخبار رو دوست دارن.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍20❤3
#اصطلاحات_هوش_مصنوعی
📝مفهوم الگوریتم
اولین مورد از اصطلاحات هوش مصنوعی به الگوریتم اشاره دارد. الگوریتم به یک مجموعه پیوسته از قوانین گفته می شود که با استفاده از آن، هوش مصنوعی نسبت به حل مسئله اقدام می نماید. این مسئله می تواند یک مشکل ریاضیاتی یا برنامه نویسی باشد. الگوریتم های بازگشتی یک مثال خوب برای این مورد به حساب می آیند. الگوریتم ها کاربرد های زیادی در دنیای هوش مصنوعی دارند. اکثر ربات های طراحی شده متشکل از چندین الگوریتم پیچیده هستند.
📝 مفهوم یادگیری ماشین یا ML
یادگیری ماشین Machine Learning، به حالت یادگیری ربات های هوش مصنوعی اطلاق می شود. پس از ساخت هوش مصنوعی، ما باید آن را تربیت کنیم! اینجاست که به کار گیری یادگیری ماشین اهمیت زیادی پیدا می کند. در طی این حالت ربات های هوش مصنوعی یک دیتابیس عظیم را مورد بررسی قرار می دهند. آنها از دیتابیس اطلاعات مختلفی یاد گرفته و عملکرد خود را بر اساس نیاز های پروژه بهبود می بخشند. الگوریتم های پشت صحنه یادگیری ماشین باعث می شوند تا روابط میان اطلاعات در یک پایگاه داده مورد بررسی قرار گیرند.
📝مفهوم یادگیری عمیق یا DL
یادگیری عمیق یا DL، Deep learning به حالتی گفته می شود که هوش مصنوعی در طی آن از چندین شبکه مختلف استفاده می کند تا مباحث پیچیده را فرا گیرد. در طی این روند، هوش مصنوعی چندین شبکه عصبی مختلف را مورد استفاده قرار می دهد تا به درستی اطلاعات را پردازش کند. یادگیری عمیق عملکردی است که به هوش مصنوعی اجازه می دهد تا شبیه به انسان فکر کند و یاد بگیرد. البته که پیاده سازی مباحث مربوط به یادگیری عمیق به دانش و تخصص زیادی نیاز دارد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
📝مفهوم الگوریتم
اولین مورد از اصطلاحات هوش مصنوعی به الگوریتم اشاره دارد. الگوریتم به یک مجموعه پیوسته از قوانین گفته می شود که با استفاده از آن، هوش مصنوعی نسبت به حل مسئله اقدام می نماید. این مسئله می تواند یک مشکل ریاضیاتی یا برنامه نویسی باشد. الگوریتم های بازگشتی یک مثال خوب برای این مورد به حساب می آیند. الگوریتم ها کاربرد های زیادی در دنیای هوش مصنوعی دارند. اکثر ربات های طراحی شده متشکل از چندین الگوریتم پیچیده هستند.
📝 مفهوم یادگیری ماشین یا ML
یادگیری ماشین Machine Learning، به حالت یادگیری ربات های هوش مصنوعی اطلاق می شود. پس از ساخت هوش مصنوعی، ما باید آن را تربیت کنیم! اینجاست که به کار گیری یادگیری ماشین اهمیت زیادی پیدا می کند. در طی این حالت ربات های هوش مصنوعی یک دیتابیس عظیم را مورد بررسی قرار می دهند. آنها از دیتابیس اطلاعات مختلفی یاد گرفته و عملکرد خود را بر اساس نیاز های پروژه بهبود می بخشند. الگوریتم های پشت صحنه یادگیری ماشین باعث می شوند تا روابط میان اطلاعات در یک پایگاه داده مورد بررسی قرار گیرند.
📝مفهوم یادگیری عمیق یا DL
یادگیری عمیق یا DL، Deep learning به حالتی گفته می شود که هوش مصنوعی در طی آن از چندین شبکه مختلف استفاده می کند تا مباحث پیچیده را فرا گیرد. در طی این روند، هوش مصنوعی چندین شبکه عصبی مختلف را مورد استفاده قرار می دهد تا به درستی اطلاعات را پردازش کند. یادگیری عمیق عملکردی است که به هوش مصنوعی اجازه می دهد تا شبیه به انسان فکر کند و یاد بگیرد. البته که پیاده سازی مباحث مربوط به یادگیری عمیق به دانش و تخصص زیادی نیاز دارد.
📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI
💟 : instagram.com/homeai.ir
👍16