✅الگوریتم هوش مصنوعی گوگل می تواند بهتر از لب خوان های حرفه ای، گفتار را تشخیص دهد

الگوریتم هوش مصنوعی گوگل به معنای واقعی باهوش است. لب خوانی می تواند برای انسان ها، کار بسیار دشواری باشد، اما با هوش مصنوعی، شاید تشخیص گفتار به کار بسیار ساده تری تبدیل شود. محققان دیپ مایند گوگل و دانشگاه آکسفورد، الگوریتم هوش مصنوعی برای لب خوانی توسعه داده اند که حتی از لب خوان های حرفه ای هم عملکرد بهتری دارد.

بر اساس مقاله ای که ماه جاری منتشر شده، الگوریتم لب خوان در مجموع از ۱۱۸ هزار جمله که از شش برنامه تلویزیونی مختلف از جمله، برنامه صبحانه، نیوزنایت و وقت پرسش تلویزیون بی‌بی‌سی گرفته شده اند، تغذیه شده است.

حال، این الگوریتم تنها با نگاه کردن به لب های هر گوینده به درستی، تمام جملات را تشخیص می دهد. الگوریتم لب خوان گوگل قادر به تشخیص ۴۶.۸ درصد از تمام کلمات گفته شده، بدون اشتباه است و این در حالیست که لب خوان های حرفه ای، تنها قادر به تشخیص درست ۱۲.۴ درصد کلمات هستند.

ژیانگ ژو از دانشگاه اولو، فنلاند، گفت: “این گام بزرگی برای توسعه سیستم های لب خوان کاملا اتوماتیک است.”

الگوریتم هوش مصنوعی گوگل کاربردهای مفید بسیاری خواهد داشت. با این الگوریتم لب خوان امکان برقراری تماس تصویری حتی در اتاق های شلوغ و یا در جاده هم بسیار ساده می شود. ممکن است دیگر مجبور نباشید برای فرمان دادن به دستیار صوتی هوشمند فریاد بزنید!

➖➖➖➖➖➖➖➖
🆔: @HomeAI

زیر نویس فوق گفتارهایی است که الگوریتم هوش مصنوعی دیپ مایند گوگل تشخیص داده است.

@HomeAI

Artificial Intelligence Programming Contest Russian AI Cup 2016:
We remind you that before the Round 1 there are only a few days. The stage will begin on November 26.

http://russianaicup.ru

@HomeAI

✅دانلود پایان نامه بررسی پارامترهای مهم در شبکه های عصبی فازی‎
⚛فرستنده : محبوبه امین زاده
◀️حجم فایل : 3,160 کیلوبایت

➖➖➖➖➖➖➖➖
🆔: @HomeAI

پایان نامه بررسی پارامترهای مهم در شبکه های عصبی فازی‎

@HomeAI

عکس های ردیف بالا متعلق به جنایتکار ها و ردیف پایین، متعلق به شهروندان عادی است.
الگوریتم تشخیص چهره بر اساس ویژگی های چهره افراد، قادر به تشخیص جنایتکارهاست!

@HomeAI

✅الگوریتم تشخیص چهره بر اساس ویژگی های چهره افراد، قادر به تشخیص جنایت کارهاست!

آرمانشهری که انتظارش را می کشیدیم، یک قدم دیگر به واقعیت نزدیک شد. محققان دانشگاه جیائو تانگ شانگهای، الگوریتمی را توسعه داده اند که به نظر می رسد با دارا بودن هوش مصنوعی و تجزیه و تحلیل ویژگی های چهره، قادر به تشخیص مجرمان از شهروندان مطیع قانون است.

پس از اینکه الگوریتم تشخیص چهره با ۱۸۵۶ عکس بازداشتی هایی که تقریبا نیمی از آنها متعلق به تبهکاران و مجرمان بودند، تغذیه شد. قادر به شناسایی تعدادی از ویژگی های متمایز این افراد بود. این الگوریتم تقریبا در ۹۰ درصد موارد قادر به تشخیص درست چهره افراد (قانون شکن و جنایتکار) شد.

محققان می گویند، الگوریتمی که توسعه داده اند، تفاوت های کلیدی بین دو گروه، از جمله انحنای لب، فاصله گوشه داخلی چشم، و زاویه بینی و دهان را می یابد.

بنا به نوشته این محققان: “به عبارت دیگر، چهره مردم عادی دارای یک درجه شباهت بیشتر در مقایسه با چهره جنایتکاران دارد، و یا مجرمان دارای یک درجه عدم تشابه ظاهری نسبت به مردم عادی هستند.”

با این حال، این مطالعه به بحث ها و مناقشات زیادی دامن زده است، بسیاری از مفسران می گویند، این نوع طبقه بندی ها نه تنها غیر علمی، بلکه کاملا غیر اخلاقی هم هست

➖➖➖➖➖➖➖➖
🆔: @HomeAI

منابع آزمون دکتری هوش مصنوعی 96

ثبت نام آزمون : از 16 آذر تا 22 آذر

زمان آزمون : 6 اسفند 95

@HomeAI

12 ساعت مانده تا مرحله اول مسابقه بین المللی هوشی مصنوعی در روسیه

برای ثبت نام و مشاهده جزییات:
http://russianaicup.ru/

@HomeAI

✅روش جدید برای پاک کردن خاطرات ترسناک از مغز انسان به کمک هوش مصنوعی

گروهی از محققان بین‌المللی در حوزه هوش مصنوعی (AI) و علوم اعصاب گرد هم آمدند و روش جدید ارائه کردند تا انواع ویژه ترس که مغز انسان بدون موضوع واقعی با آنها مواجه می‌شود را از بین ببرند. این روش نسبت به درمان فوبیا و اختلالات استرس پس از وقوع یک سانحه بیشتر مورد توجه قرار گرفت.

بر اساس گزارش منتشر شده از سوی موسسه ملی بهداشت روانی آمریکا، سالانه 18 درصد بزرگسالان این کشور به یک نوع ترس یا اختلالات اضطراب مبتلا می‌شوند. یکی از معمول‌ترین روش‌هایی که در این زمینه مورد استفاده قرار می‌گیرد این است که فرد مجدد با عامل ترس مواجه شود و از این طریق اختلال در او برطرف گردد.

محققان دانشگاه کمبریج در تکنیک جدید خود همکاری‌های را با گروهی از داشمندان ژاپنی انجام دادند و از طریق هوش مصنوعی این هدف را محقق کردند تا خاطرات مرتبط با ترس از مغز انسان پاک شود و هیچ مشکلی برای دیگر بخش‌های حافظه او ایجاد نشود.

محققان در روش جدید می‌توانند خاطرات ترسناک را در مغز انسان شناسایی کنند و آنها را مورد هدف قرار دهند. این روش «رمزنگاری بازخوردهای عصبی» نامگذاری شده است و در آن از روش‌های تشخیص تصویر استفاده می‌شود

➖➖➖➖➖➖➖➖
🆔: @HomeAI

💼بخش تحقیقات و توسعه نرم افزار شرکت علوم سبز واقع در تهران یوسف آباد، جهت تکمیل کادر فنی خود از متقاضیان متخصص، متعهد و با پشتکار در موقعیت شغلی زیر استخدام می نماید:

✅کارشناسی ارشد یا دکتری برق، کامپیوتر یا مهندسی پزشکی مسلط به Matlab و علاقمند به پردازش تصویر و هوش مصنوعی (دانشجو یا فارغ التحصیل)

◀️واجدین شرایط رزومه خود را به آدرس ایمیل sdrn@sgi.ir ارسال فرمایند.

* سابقه کار تیمی، مهارت در زبان انگلیسی و سابقه کار مرتبط در حقوق و جذب تعیین کننده می باشد.

* در صورت قبولی در دوره آزمایشی امکان جذب به صورت امریه سربازی نیز وجود دارد.

➖➖➖➖➖➖➖➖
🆔: @HomeAI

برنامه زمانبندی جشنواره بین المللی رباتیک و هوش مصنوعی امیرکبیر

@HomeAI

✅هوش مصنوعی مجرمان را تنها از طریق چهره شناسایی می کند

محققان دانشگاه جیا تونگ در شانگهای چین موفق به ابداع یک شبکه عصبی مبتنی بر فناوری هوش مصنوعی شناسایی چهره افراد شده اند که تنها با بررسی عکس های موجود از چهره انسان ها می تواند تشخیص دهد آیا آنها جنایتکار هستند یا خیر.

در این سیستم از مجموعه ای از الگوریتم های کنترل بصری استفاده شده و برای آموزش اولیه آن ۱۸۵۶ مورد از عکس های افراد عادی و جنایتکار در اختیار سیستم قرار گرفته تا از این طریق خودآموزی هوش مصنوعی انجام شود. چهره های یاد شده مربوط به مردان ۱۸ تا ۵۶ ساله بوده که تنها نیمی از آنها سوابق جنایی داشته اند.

این سیستم هوش مصنوعی بعد از بررسی این چهره ها به الگوهای خاصی برای شناسایی صورت افراد جنایتکار دست یافت و در ادامه توانست با دقت ۸۹.۵ درصد چهره افراد جنایتکار را از افراد عادی تشخیص دهد.

بررسی هایی که پیش از این در دانشگاه ام آی تی انجام شده بود نیز نشانگر تفاوت هایی میان چهره افراد عادی و خاطی است. از جمله اینکه انحنای لب بالای افراد جنایتکار به طور متوسط ۲۳ درصد بزرگتر از افراد عادی است. فاصله میان دو گوشه داخلی چشم های جانیان ۶ درصد کمتر است و زاویه بین دو خطی که از نوک بینی آنها به دو گوشه دهانشان کشیده شود تا ۲۰ درصد کوچک تر است.

برای کسب اطلاعات بیشتر در این زمینه مقاله محققان این طرح را ارسال مینماییم،مطالعه کنید.👇🏻👇🏻👇🏻

➖➖➖➖➖➖➖➖
🆔: @HomeAI

مقاله + هوش مصنوعی مجرمان را تنها از طریق چهره شناسایی می کند

@HomeAI

مسابقات رباتيک آسيا و اقيانوسيه در سال 2018 به ميزباني کشورمان برگزار مي‌شود
اين مسابقات به احتمال بسيار در دسامبر 2018 در جزيره کيش برگزار مي شود.

@HomeAI

سرمایه گذاری چهار و نیم میلیون دلاری گوگل در انستیتوی علمی هوش مصنوعی در کانادا

http://homeai.ir/news175

@HomeAI

✅دانشجو و یا فارغ التحصیل کدامیک از دانشگاههای زیر هستید:(اگر هنوز شرکت نکردید میتوانید از طریق لینک زیر شرکت نمایید و نتایج را مشاهده کنید.)

⚛دانشگاههای سراسری تهران
https://telegram.me/HomeAI/1102
⚛دانشگاههای آزاد اسلامی
https://telegram.me/HomeAI/1122
⚛دانشگاههای دیگر
https://telegram.me/HomeAI/1126

➖➖➖➖➖➖➖➖
🆔: @HomeAI

✅نبرد هوش مصنوعی شریف

هشت دوره از مسابقات هوش مصنوعی می‌گذرد و اکنون بعد از گذار به سطح بین‌المللی به دنبال پایداری بیش‌تر و یادگیری بیش‌تری هستیم.
امسال نیز مسابقات به روال هر ساله از طرف انجمن علمی دانشکده کامپیوتر شریف و توسط کمیته‌ی مسابقات برگزار خواهد شد و اکنون «تیم فنی» آن در حال شکل‌گیری است. از تمام علاقه‌مندان به کار فنی به خصوص آن‌هایی که دستی در این کار داشته‌اند دعوت می‌شود تا در این رویداد بزرگ سهیم باشند.
برای عضویت از طریق فرم زیر اقدام نمایید.

http://ssc.ce.sharif.edu/go/aic17ttr

➖➖➖➖➖➖➖➖
🆔: @HomeAI

✅ارتباط هوش مصنوعی، یادگیری ماشین و داده کاوی با یکدیگر

در میان این سه حوزه (هوش مصنوعی، یادگیری ماشین و داده کاوی) تا حدودی همپوشانی وجود دارد؛ اما با این حال دارای تفاوت‌هایی با یکدیگر نیز می‌باشند. در این بخش قصد داریم روابط این سه حوزه را با یکدیگر بررسی نماییم و همچنین یاد بگیریم که اگر از آن‌ها به درستی در کنار یکدیگر استفاده کنیم، می‌توانیم نتایج بسیار قابل قبول و جذابی را استخراج کنیم.

⚛هوش مصنوعی (Artificial Intelligence)

در واقع هوش مصنوعی به مطالعه‌ی چگونگی تولید یک عامل هوشمند مربوط می‌شود. به عبارت دیگر، نحوه‌ی برنامه نویسی یک کامپیوتر به صورتی که مانند یک عامل هوشمند (انسان) رفتار کرده و وظایفی را انجام دهد. هوش مصنوعی قدرت یادگیری و تحلیل وقایع را ندارد. یک سیستم هوش مصنوعی به این صورت کار می‌کند که ابتدا اطلاعات مورد نیاز برای رفع مشکلات احتمالی، برنامه نویسی شده و سپس در اختیار سیستم قرار می‌گیرد. پس از آن برنامه‌ی هوش مصنوعی با استفاده از این داده‌ها و محاسبات تعیین شده بر روی آن‌ها، مسائل و مشکلات را حل می‌کند. (برای مثال، سیستمی برای افزایش دمای اتاق در صورتی که دما زیر ۲۵ درجه باشد).

⚛یادگیری ماشین (Machine Learning)

به مرور زمان بسیاری از سیستم‌ها نیاز به یک هوش و توانایی دارند تا بتوانند با استفاده از تجربیات بدست آمده‌ی گذشته، دانش جدیدی را استنتاج کنند. بنابراین می‌توان گفت هوش مصنوعی بسیار رابطه‌ی نزدیکی با یادگیری ماشین دارد. در واقع یک برنامه‌ی نوشته شده، به سیستم می‌گوید که در طول زمان تجربیات و دانش جدیدی را از عملکرد و خروجی‌های گذشته‌ی خود یاد بگیرد تا باعث بهبود عملکرد و تصمیم گیری سیستم در آینده شود. یادگیری ماشین قادر به تعمیم اطلاعات از داده‌های وسیع است و می‌توانند با به کار گیری الگوریتم‌هایی، الگو‌ها و روابط میان داده‌ها را تشخیص دهد و در نهایت با استفاده از نتایج مفید بدست آمده اقدامات جدیدی را انجام دهد. همانند هوش مصنوعی، یادگیری ماشین نیز بسیار وسیع بوده و به کمک قدرت استنتاج خود می‌تواند کاربردهای فراوانی داشته باشد.

⚛داده کاوی (Data Mining)

این حوزه بیشتر از تکنیک‌های یادگیری ماشین (و تا حدودی آمار) الهام می‌گیرد. داده کاوی توسط یک فرد، با یک هدف خاص و همراه با یک مجموعه‌ی داده (Data Set) صورت می‌گیرد. در واقع این فرد با بکار گیری الگوریتم‌های یادگیری ماشین، قصد دارد الگوی مورد نیاز خود را از یک مجموعه داده دریافت کند. اکثر اوقات این مجموعه داده بسیار حجیم و پیچیده است و همچنین ممکن است نواقص و اشکالاتی نیز درون آن وجود داشته باشد. معمولا هدف از داده کاوی کشف و یا تولید روابط موجود میان این مشاهدات اولیه بوده؛ و در ادامه پیش بینی مشاهدات و نتایج آینده به کمک الگوهای بدست آمده است. دو روش مرسوم داده کاوی، «بدون نظارت» (unsupervised) و «با نظارت» (supervised) است. در روش بدون نظارت، ما پاسخ را نمی‌دانیم و باید به کشف آن بپردازیم؛ اما در روش با نظارت، پاسخ مشخص شده است و ما باید پاسخ مشاهدات آینده را پیش بینی نماییم. تکنیک‌های رایج و مرسوم داده کاوی شامل خوشه بندی، طبقه بندی، رگرسیون و شبکه‌های عصبی می‌باشد که از هرکدام بسته به نیاز فرد در شرایط مختلف استفاده می‌شود.

به طور کلی هریک از این سه زمینه به نوعی به دیگری وابسته بوده و همپوشانی‌های غیر قابل انکاری با هم دارند. با به کارگیری هریک از این حوزه‌ها در کنار یکدیگر، می‌توان به سوالات نهفته‌ی زیادی در داده های موجود پاسخ داد، به اثبات فرضیه‌های مختلفی پرداخت و همچنین به بینش و پیش بینی بهتری در زمینه‌های مختلف و تجارت دست یافت.

➖➖➖➖➖➖➖➖
🆔: @HomeAI

✅دسترسی رایگان تمام دانشجویان به آموزه‌های استادان شریفی

در یک اقدام جامع‌تر با همکاری گروه مکتب خونه و دانشکده های دانشگاه صنعتی شریف کلیه محتویات آموزشی جمع‌آوری و پالایش و سایت درس افزار آزاد شریف به آدرس ‌http://ocw.sharif.edu جهت انتشار آزاد این محتویات راه‌اندازی شد.
🌐http://ocw.sharif.edu/
امینی با بیان اینکه بسیاری از دانشگاه‌های بزرگ و معتبر مثل ام آی تی (MIT) مجموعه محتویات آموزشی خود را به صورت رایگان در اختیار تمام دانشجویان می گذارند، اظهار داشت: دانشگاه صنعتی شریف نیز در راستای ایفای رسالت اجتماعی خود و بر اساس برنامه راهبردی تدوین شده در حوزه آموزش‌های الکترونیکی تصمیم گرفت محتویات آموزشی کلاس‌های درس خود را در قالب فیلم جلسات کلاسی، یادداشت‌های کلاسی، جزوات آموزشی و نمونه تمرین ها از طریق یک وب سایت در اختیار همه دانشجویان و اقشار علاقمند به آموزش‌های دانشگاهی که در هر نقطه از کشور حضور دارند، قرار دهد.

➖➖➖➖➖➖➖➖
🆔: @HomeAI

✅يک ايراني با هوش مصنوعي آينده را پيش گويي مي کند!

حامد پيرسياوش استاد ايراني دانشگاه مريلند آمريکا که مدرک کارشناسي خود در رشته مهندسي برق را سال 2003 از دانشگاه علم و صنعت دريافت کرد، با همکاري محققان دانشگاه ام آي تي الگوريتمي را ابداع کرد که براي شبيه سازي لحظاتي در آينده با استفاده از عکس هاي ثابت قابل استفاده است.
به عنوان مثال اين الگوريتم بعد از مشاهده تعدادي عکس از امواج ساحلي ويدئويي کوتاه توليد مي کند که نشان مي دهد موجي ساحلي آرامش ساحل را بر هم مي زند، اين الگوريتم با بررسي عکس هايي از بازي گلف نيز لحظات بعدي انجام اين بازي توسط افراد را در قالب ويدئويي کوتاه به نمايش مي گذارد.
اين محققان، دو گروه از شبکه هاي عصبي را براي تکميل اين تحقيق ابداع کردند که شبکه عصبي اول براي توليد ويدئو و شبکه دوم براي متمايز سازي آنچه که واقعي است و آنچه که بازسازي مي شود به کار گرفته مي شود.
اين هوش مصنوعي به تدريج قابليت طراحي ويدئوهاي شبيه سازي شده را دارد.
البته نبايد انتظار داشت که در آينده نزديک اين فناوري منجر به توليد ويدئوهاي طولاني حاوي پيش گويي آينده شود.
فعلا از اين طريق ويدئوهاي 1/5 ثانيه اي توليد مي شود ولي اميد مي رود در آينده اين زمان بيشتر شود.
از مدل سازي مذکور مي توان براي شناسايي ناهنجارها و شرايط غيرعادي امنيتي و کشف برخي اشيا و اجزا در تصاوير که در حالت عادي قابل شناسايي نيستند استفاده کرد.

➖➖➖➖➖➖➖➖
🆔: @HomeAI