✍تشخیص دقیق سرطان با استفاده از هوش مصنوعی
به گزارش خانه هوش مصنوعی ، تشخیص سرطان از روی نمونه های خونی همواره روشی چالش برانگیز به شمار می آمده است. در اغلب موارد پزشکان مواد شیمیایی به خصوصی را به نمونه خون گرفته شده اضافه می کنند تا سلولهای سرطانی را قابل رؤیت کنند اما با این کار عملا دیگر نمی توان از چنین نمونه هایی در سایر آزمایشات تشخیصی استفاده کرد.
همچنین تکنیک های تشخیصی دیگری برای شناسایی سلولهای سرطانی وجود دارد که مبنای عمل آنها ساختار غیرطبیعی این دسته از سلولهاست اما این روش زمان بر بوده و حتی در برخی موارد سلولهای سالم به اشتباه به عنوان بافت سرطانی در نظر گرفته می شود.
اکنون تیمی از دانشمندان دانشگاه کالیفرنیا در لس آنجلس وارد عمل شده و روشی را ارایه کرده اند که در آن با استفاده از نوعی میکروسکوپ مخصوص و تلفیق آن با یک الگوریتم هوش مصنوعی، شناسایی غیرتهاجمی و البته بسیار دقیق سلولهای سرطانی در یک نمونه آزمایشگاهی به راحتی امکانپذیر می شود.
با استفاده از این روش جدید نه تنها زمان و انرژی به مراتب کمتری برای تشخیص سلولهای سرطانی صرف می شود بلکه ضریب دقت در آن به طرز چشمگیری بالا بوده و در نتیجه پزشکان با اطمینان خاطر بیشتری از روشهای مناسب درمانی استفاده می کنند.
جزئیات بیشتر این نوآوری در نشریه علمی Scientific Reports منتشر شده است. از آنجا که در درمان سرطان زمان فاکتوری تعیین کننده محسوب می شود، این روش می تواند جان بسیاری از بیماران سرطانی را نجات دهد.
در این نوآوری میکروسکوپ فوتونیکی مخصوصی به کار گرفته می شود که در هر ثانیه صدها هزار تصویر از سلولها ثبت می کند. این تصاویر در ادامه راهی برنامه رایانه ای به خصوصی می شود که در آن سلولها بر اساس ۱۶ فاکتور مختلف از جمله قطر سلول و سایر مشخصه های فیزیکی مورد سنجش دقیق قرار می گیرند.
پيگيري آخرين اخبار هوش مصنوعي (https://telegram.me/HomeAI)
به گزارش خانه هوش مصنوعی ، تشخیص سرطان از روی نمونه های خونی همواره روشی چالش برانگیز به شمار می آمده است. در اغلب موارد پزشکان مواد شیمیایی به خصوصی را به نمونه خون گرفته شده اضافه می کنند تا سلولهای سرطانی را قابل رؤیت کنند اما با این کار عملا دیگر نمی توان از چنین نمونه هایی در سایر آزمایشات تشخیصی استفاده کرد.
همچنین تکنیک های تشخیصی دیگری برای شناسایی سلولهای سرطانی وجود دارد که مبنای عمل آنها ساختار غیرطبیعی این دسته از سلولهاست اما این روش زمان بر بوده و حتی در برخی موارد سلولهای سالم به اشتباه به عنوان بافت سرطانی در نظر گرفته می شود.
اکنون تیمی از دانشمندان دانشگاه کالیفرنیا در لس آنجلس وارد عمل شده و روشی را ارایه کرده اند که در آن با استفاده از نوعی میکروسکوپ مخصوص و تلفیق آن با یک الگوریتم هوش مصنوعی، شناسایی غیرتهاجمی و البته بسیار دقیق سلولهای سرطانی در یک نمونه آزمایشگاهی به راحتی امکانپذیر می شود.
با استفاده از این روش جدید نه تنها زمان و انرژی به مراتب کمتری برای تشخیص سلولهای سرطانی صرف می شود بلکه ضریب دقت در آن به طرز چشمگیری بالا بوده و در نتیجه پزشکان با اطمینان خاطر بیشتری از روشهای مناسب درمانی استفاده می کنند.
جزئیات بیشتر این نوآوری در نشریه علمی Scientific Reports منتشر شده است. از آنجا که در درمان سرطان زمان فاکتوری تعیین کننده محسوب می شود، این روش می تواند جان بسیاری از بیماران سرطانی را نجات دهد.
در این نوآوری میکروسکوپ فوتونیکی مخصوصی به کار گرفته می شود که در هر ثانیه صدها هزار تصویر از سلولها ثبت می کند. این تصاویر در ادامه راهی برنامه رایانه ای به خصوصی می شود که در آن سلولها بر اساس ۱۶ فاکتور مختلف از جمله قطر سلول و سایر مشخصه های فیزیکی مورد سنجش دقیق قرار می گیرند.
پيگيري آخرين اخبار هوش مصنوعي (https://telegram.me/HomeAI)
Telegram
مجله هوش مصنوعی
📝آخرین خبرهای هوش مصنوعی، یادگیری ماشین در مجله هوش مصنوعی
‼️تبلیغات انجامی در کانال توسط ما تایید یا تکذیب نمیشوند و ما مسئولیتی در قبال آنان نداریم
Admin ID: @AI_AIR
Website: onlinecourses.ir
تعرفه تبلیغات : @homeai_ads
‼️تبلیغات انجامی در کانال توسط ما تایید یا تکذیب نمیشوند و ما مسئولیتی در قبال آنان نداریم
Admin ID: @AI_AIR
Website: onlinecourses.ir
تعرفه تبلیغات : @homeai_ads
✍فردا در کنفرانس سالانه گوگل I/O 2016 چه نکاتی مطرح خواهد شد؟
فردا چهارشنبه کنفرانس سالانه توسعه دهندگان گوگل موسوم به Google I/O 2016 با محوریت هوش مصنوعی آغاز می شود.
مهمترین چالش های نرم افزاری و سخت افزاری دنیای گوگل توسط توسعه دهندگان مورد بحث و بررسی قرار خواهد گرفت. رونمایی از نسخه غیر رسمی اندروید N ، اندروید VR یا هدست واقعیت مجازی اندروید گوگل، پروژه تنگو، جدیدترین دستاوردهای گوگل در بخش هوش مصنوعی، ادغام سیستم عامل کروم در اندروید، خودروهای خودران گوگل و چالش های پیش رو، فناوری های پوشیدنی و ساعت و بند هوشمند اندروید برای سلامتی و تناسب اندام، نرم افزار اندرویدی برای خودروها، پروژه آرا،گوگل کروم و گوگل درایو، خانه هوشمند گوگل و پروژه Fi مهمترین مباحث پیش روی کنفرانس و توسعه دهندگان است.
پيگيري آخرين اخبار هوش مصنوعي (https://telegram.me/HomeAI)
فردا چهارشنبه کنفرانس سالانه توسعه دهندگان گوگل موسوم به Google I/O 2016 با محوریت هوش مصنوعی آغاز می شود.
مهمترین چالش های نرم افزاری و سخت افزاری دنیای گوگل توسط توسعه دهندگان مورد بحث و بررسی قرار خواهد گرفت. رونمایی از نسخه غیر رسمی اندروید N ، اندروید VR یا هدست واقعیت مجازی اندروید گوگل، پروژه تنگو، جدیدترین دستاوردهای گوگل در بخش هوش مصنوعی، ادغام سیستم عامل کروم در اندروید، خودروهای خودران گوگل و چالش های پیش رو، فناوری های پوشیدنی و ساعت و بند هوشمند اندروید برای سلامتی و تناسب اندام، نرم افزار اندرویدی برای خودروها، پروژه آرا،گوگل کروم و گوگل درایو، خانه هوشمند گوگل و پروژه Fi مهمترین مباحث پیش روی کنفرانس و توسعه دهندگان است.
پيگيري آخرين اخبار هوش مصنوعي (https://telegram.me/HomeAI)
Telegram
مجله هوش مصنوعی
📝آخرین خبرهای هوش مصنوعی، یادگیری ماشین در مجله هوش مصنوعی
‼️تبلیغات انجامی در کانال توسط ما تایید یا تکذیب نمیشوند و ما مسئولیتی در قبال آنان نداریم
Admin ID: @AI_AIR
Website: onlinecourses.ir
تعرفه تبلیغات : @homeai_ads
‼️تبلیغات انجامی در کانال توسط ما تایید یا تکذیب نمیشوند و ما مسئولیتی در قبال آنان نداریم
Admin ID: @AI_AIR
Website: onlinecourses.ir
تعرفه تبلیغات : @homeai_ads
✍آنچه که باید درباره «محاسبات شناختی» بدانید!
محاسبات شناختی را میتوان بخشی از هوش مصنوعی دانست که در آن از ترکیب علوم کامپیوتر و علوم شناختی استفاده شده است.
واتسون یک نوعی پیشرفته از محاسبات شناختی است که توسط شرکت IBM طراحی و ساخته شدهاست. هوش مصنوعی هنوز فاصله زیادی با اهداف از پیش تعیین شده دارد اما برخی معتقداند که با مدلهای محاسبات شناختی، میتوان این حوزه را به جلو برد.
محاسبات شناختی از علوم شناختی میآید، علمی که در آن به مطالعه مغز انسان و عملکرد آن پرداخته میشود. همچنین در محاسبات شناختی از علوم کامپیوتر نیز استفاده میشود. در نهایت ترکیب این دو علم موجب میشود حوزههایی نظیر کسب و کار، زندگی شخصی و سلامت بهره زیادی از مواهب آن ببرند.
محاسبات شناختی چیست؟
هدف از محاسبات شناختی این است که فرآیندهای موجود در مغز انسان شبیهسازی شود و در مدلهای کامپیوتری در آید. الگوریتمهایی ارائه شود که دارای قابلیت یادگیری بوده و از آن در دادهکاوی، پردازش زبان و تشخیص الگو استفاده شود. در واقع کامپیوتر، عملکرد مغز انسان را تقلید میکند.
در حالی که کامپیوترها با سرعت بالاتری نسبت به انسان پردازش میکنند اما آنها قادر به انجام تحلیلها، تشخیص زبان و الگوها را ندارند. برخی معتقداند که محاسبات شناختی نسل سوم کامپیوترها هستند: نسل اول از ابتدای دهه ۱۹۰۰ ظهور کرده و نسل دوم با سیستمهای برنامهریزی شونده که در دهه ۱۹۵۰ متولد شدند. سیستمهای شناختی میتواند نسل سوم باشند.
شرکت IBM با ساخت کامپیوتر واتسون، پیشگام این حوزه است که در این کامپیوتر از الگوریتمهای قابل یادگیری و شبکههای عصبی برای پردازش اطلاعات استفاده شده است. هر قدر اطلاعات بیشتری به واتسون داده شود، قدرت یادگیری آن افزایش یافته و دفت عملکرد آن با گذشت زمان بهبود بیشتری مییابد.
از واتسون تاکنون در حوزههای مختلف نظیر سلامت استفاده شده به طوری که اطلاعات پزشکی بسیاری به آن داده شده تا بتواند پیشنهاد مناسب برای هر بیمار را ارائه کند.
پزشکان با بررسی خروجی اطلاعات واتسون میتوانند برای هر بیمار نسخه ویژهای ارائه کنند.
پيگيري آخرين اخبار هوش مصنوعي (https://telegram.me/HomeAI)
محاسبات شناختی را میتوان بخشی از هوش مصنوعی دانست که در آن از ترکیب علوم کامپیوتر و علوم شناختی استفاده شده است.
واتسون یک نوعی پیشرفته از محاسبات شناختی است که توسط شرکت IBM طراحی و ساخته شدهاست. هوش مصنوعی هنوز فاصله زیادی با اهداف از پیش تعیین شده دارد اما برخی معتقداند که با مدلهای محاسبات شناختی، میتوان این حوزه را به جلو برد.
محاسبات شناختی از علوم شناختی میآید، علمی که در آن به مطالعه مغز انسان و عملکرد آن پرداخته میشود. همچنین در محاسبات شناختی از علوم کامپیوتر نیز استفاده میشود. در نهایت ترکیب این دو علم موجب میشود حوزههایی نظیر کسب و کار، زندگی شخصی و سلامت بهره زیادی از مواهب آن ببرند.
محاسبات شناختی چیست؟
هدف از محاسبات شناختی این است که فرآیندهای موجود در مغز انسان شبیهسازی شود و در مدلهای کامپیوتری در آید. الگوریتمهایی ارائه شود که دارای قابلیت یادگیری بوده و از آن در دادهکاوی، پردازش زبان و تشخیص الگو استفاده شود. در واقع کامپیوتر، عملکرد مغز انسان را تقلید میکند.
در حالی که کامپیوترها با سرعت بالاتری نسبت به انسان پردازش میکنند اما آنها قادر به انجام تحلیلها، تشخیص زبان و الگوها را ندارند. برخی معتقداند که محاسبات شناختی نسل سوم کامپیوترها هستند: نسل اول از ابتدای دهه ۱۹۰۰ ظهور کرده و نسل دوم با سیستمهای برنامهریزی شونده که در دهه ۱۹۵۰ متولد شدند. سیستمهای شناختی میتواند نسل سوم باشند.
شرکت IBM با ساخت کامپیوتر واتسون، پیشگام این حوزه است که در این کامپیوتر از الگوریتمهای قابل یادگیری و شبکههای عصبی برای پردازش اطلاعات استفاده شده است. هر قدر اطلاعات بیشتری به واتسون داده شود، قدرت یادگیری آن افزایش یافته و دفت عملکرد آن با گذشت زمان بهبود بیشتری مییابد.
از واتسون تاکنون در حوزههای مختلف نظیر سلامت استفاده شده به طوری که اطلاعات پزشکی بسیاری به آن داده شده تا بتواند پیشنهاد مناسب برای هر بیمار را ارائه کند.
پزشکان با بررسی خروجی اطلاعات واتسون میتوانند برای هر بیمار نسخه ویژهای ارائه کنند.
پيگيري آخرين اخبار هوش مصنوعي (https://telegram.me/HomeAI)
Telegram
مجله هوش مصنوعی
📝آخرین خبرهای هوش مصنوعی، یادگیری ماشین در مجله هوش مصنوعی
‼️تبلیغات انجامی در کانال توسط ما تایید یا تکذیب نمیشوند و ما مسئولیتی در قبال آنان نداریم
Admin ID: @AI_AIR
Website: onlinecourses.ir
تعرفه تبلیغات : @homeai_ads
‼️تبلیغات انجامی در کانال توسط ما تایید یا تکذیب نمیشوند و ما مسئولیتی در قبال آنان نداریم
Admin ID: @AI_AIR
Website: onlinecourses.ir
تعرفه تبلیغات : @homeai_ads
✍هوش مصنوعی گوگل حالا می تواند داستان های کوتاه دراماتیک بنویسد
به گزارش خانه هوش مصنوعی ، گوگل چند وقتی است که در حال فعالیت بر روی پروژهی هوش مصنوعی خود بوده و رفته رفته این فناوری را پیشرفتهتر میکند. حال این شرکت در جدیدترین اقدام خود به این فناوری قابلیت نوشتن داستانهای کوتاه ترسناک را آموخته است.
تکنولوژی یادگیری عمیق گوگل حالا میتواند بر اساس جملاتی که محققان به آن ارائه دادهاند، اقدام به نوشتن داستانهای کوتاه دراماتیک کند.
Quartz یک صفحهی منتشر شده توسط محققان گوگل را ارائه کرده که شامل مثالهایی است که توسط پروژهی Google Brain تولید شدهاند. این سیستم یک هوش مصنوعی است که با بررسی داستانهای موجود و با اطلاعاتی که از این داستانها به دست میآورد قادر است تا نمونه داستانهای کوتاه جدیدی را ایجاد کند.
علاوه بر این Quartz گزارش داده که برای آموختن روش تعامل هوش مصنوعی مورد بحث با جملات جدید، گوگل ۱۱ هزار کتاب منتشر نشده را در اختیار آن قرار داده است.
محققان یک جملهی اولیه و یک جملهی پایانی را به Google Brain ارائه دادهاند و سپس این فناوری بین دو جمله ارائه شده را به صورت خودکار پر میکند. در ادامه، برخی از جملات نمونهای که Quartz اعلام کرده به هوش مصنوعی گوگل داده شدهاند را با هم میخوانیم:
🌐 لینک ادامه مطلب : http://homeai.ir/news15/
@HomeAI
به گزارش خانه هوش مصنوعی ، گوگل چند وقتی است که در حال فعالیت بر روی پروژهی هوش مصنوعی خود بوده و رفته رفته این فناوری را پیشرفتهتر میکند. حال این شرکت در جدیدترین اقدام خود به این فناوری قابلیت نوشتن داستانهای کوتاه ترسناک را آموخته است.
تکنولوژی یادگیری عمیق گوگل حالا میتواند بر اساس جملاتی که محققان به آن ارائه دادهاند، اقدام به نوشتن داستانهای کوتاه دراماتیک کند.
Quartz یک صفحهی منتشر شده توسط محققان گوگل را ارائه کرده که شامل مثالهایی است که توسط پروژهی Google Brain تولید شدهاند. این سیستم یک هوش مصنوعی است که با بررسی داستانهای موجود و با اطلاعاتی که از این داستانها به دست میآورد قادر است تا نمونه داستانهای کوتاه جدیدی را ایجاد کند.
علاوه بر این Quartz گزارش داده که برای آموختن روش تعامل هوش مصنوعی مورد بحث با جملات جدید، گوگل ۱۱ هزار کتاب منتشر نشده را در اختیار آن قرار داده است.
محققان یک جملهی اولیه و یک جملهی پایانی را به Google Brain ارائه دادهاند و سپس این فناوری بین دو جمله ارائه شده را به صورت خودکار پر میکند. در ادامه، برخی از جملات نمونهای که Quartz اعلام کرده به هوش مصنوعی گوگل داده شدهاند را با هم میخوانیم:
🌐 لینک ادامه مطلب : http://homeai.ir/news15/
@HomeAI
مجله هوش مصنوعی، یادگیری ماشین و پردازش تصویر
هوش مصنوعی گوگل حالا می تواند داستان های کوتاه دراماتیک بنویسد - مجله هوش مصنوعی، یادگیری ماشین و پردازش تصویر
به گزارش خانه هوش مصنوعی ، گوگل چند وقتی است که در حال فعالیت بر روی پروژهی هوش مصنوعی خود بوده و رفته رفته این فناوری را پیشرفتهتر میکند. حال این شرکت در جدیدترین اقدام خود به این فناوری قابلیت نوشتن داستانهای کوتاه ترسناک را آموخته است. تکنولوژی یادگیری…
✍بازسازی تجربیات برنده جایزه نوبل با کمک هوش مصنوعی
به گزارش خانه هوش مصنوعی ، تیمی از محققان دانشگاه ملی استرالیا، دانشگاه آدلاید و آکادمی نیروی دفاعی دانشگاه ساوثولز استرالیا با استفاده از یک الگوریتم توانستهاند تجربیاتی را که به ایجاد چگالش بوز-اینشتین منجر و موفق به کسب جایزه نوبل فیزیک ۲۰۰۱ شد، بازسازی کنند.
این فیزیکدانان گاز فوق سرد با دمای یک میکرو کلوین را تولید کردند و سپس اجازه دادند هوش مصنوعی بقیه آزمایش را انجام دهد.
از آنجا الگوریتم یاد گرفت که چگونه پارامترهای مختلف را برای کاهش بیشتر دما تغییر دهد و همچنین این کار را با بهرهوری بیشتر انجام دهد. این کار در درجه اول با تنظیم یک گروه سه تایی از پرتوهای لیزر انجام شد.
نتایج به گفته محققان بسیار چشمگیر بود. هوش مصنوعی یاد گرفت که این آزمایش را در کمتر از یک ساعت به تنهایی انجام دهد و روشهای آن بهتر از شیوههای مورد استفاده یک دانشمند آموزش دیده بود.
به گفته دانشمندان، این الگوریتم همچنین میتواند هر روز صبح خود را راهاندازی کرده و هرگونه تغییر در آزمایش را که در شب اتفاق افتاده، جبران کند.
این الگوریتم اکنون در سایت GitHub قرار گرفته تا عموم بتوانند از آن برای شیمی کوانتومی، محاسبات کوانتومی و فیزیک فمتوثانیه استفاده کنند.
پيگيري آخرين اخبار هوش مصنوعي (https://telegram.me/HomeAI)
به گزارش خانه هوش مصنوعی ، تیمی از محققان دانشگاه ملی استرالیا، دانشگاه آدلاید و آکادمی نیروی دفاعی دانشگاه ساوثولز استرالیا با استفاده از یک الگوریتم توانستهاند تجربیاتی را که به ایجاد چگالش بوز-اینشتین منجر و موفق به کسب جایزه نوبل فیزیک ۲۰۰۱ شد، بازسازی کنند.
این فیزیکدانان گاز فوق سرد با دمای یک میکرو کلوین را تولید کردند و سپس اجازه دادند هوش مصنوعی بقیه آزمایش را انجام دهد.
از آنجا الگوریتم یاد گرفت که چگونه پارامترهای مختلف را برای کاهش بیشتر دما تغییر دهد و همچنین این کار را با بهرهوری بیشتر انجام دهد. این کار در درجه اول با تنظیم یک گروه سه تایی از پرتوهای لیزر انجام شد.
نتایج به گفته محققان بسیار چشمگیر بود. هوش مصنوعی یاد گرفت که این آزمایش را در کمتر از یک ساعت به تنهایی انجام دهد و روشهای آن بهتر از شیوههای مورد استفاده یک دانشمند آموزش دیده بود.
به گفته دانشمندان، این الگوریتم همچنین میتواند هر روز صبح خود را راهاندازی کرده و هرگونه تغییر در آزمایش را که در شب اتفاق افتاده، جبران کند.
این الگوریتم اکنون در سایت GitHub قرار گرفته تا عموم بتوانند از آن برای شیمی کوانتومی، محاسبات کوانتومی و فیزیک فمتوثانیه استفاده کنند.
پيگيري آخرين اخبار هوش مصنوعي (https://telegram.me/HomeAI)
Telegram
مجله هوش مصنوعی
📝آخرین خبرهای هوش مصنوعی، یادگیری ماشین در مجله هوش مصنوعی
‼️تبلیغات انجامی در کانال توسط ما تایید یا تکذیب نمیشوند و ما مسئولیتی در قبال آنان نداریم
Admin ID: @AI_AIR
Website: onlinecourses.ir
تعرفه تبلیغات : @homeai_ads
‼️تبلیغات انجامی در کانال توسط ما تایید یا تکذیب نمیشوند و ما مسئولیتی در قبال آنان نداریم
Admin ID: @AI_AIR
Website: onlinecourses.ir
تعرفه تبلیغات : @homeai_ads
به گزارش خانه هوش مصنوعی ، هوش مصنوعی این روزها در حال انجام شدیدترین تستها و آزمایشهاست. کمپانیهای بزرگی نظیر مایکروسافت؛ گوگل؛ IBM و آمازون سرمایهگذاریهای عظیمی روی روشهای یادگیری ماشین انجام دادهاند.
روشهای یادگیری ماشین به سیستمها یاد میدهد که مانند انسان فکر کنند و عکسالعمل نشان دهند.
حالا سونی هم وارد این بازی شده و قصد دارد نوع جدیدی از یادگیری را معرفی کند که معتقد است میتواند موجب شکلگیری نسل بعدی AIها شود.
سونی با سرمایهگذاری در یک استارتاپ هوش مصنوعی بنام Cogiati تصمیم به ساخت سیستمهای هوشمندی دارد که قادرند از تجربههای خودشان در دنیای واقعی یاد بگیرند.
دکتر Stainder Singh یکی از پایهگذاران این استارتاپ میگوید ما و سونی دید مشترکی از آینده AI داریم. ما میدانیم که این فناوری در آینده به کدام سمت خواهد رفت. موج بعدی یادگیری مداوم و پیوسته خواهد بود. ایده ما آنست که سیستمهای هوش مصنوعی با بزرگتر شدنشان باید دائما در حال یادگرفتن چیزهای جدید باشند.
یادگیری مداوم فقط به ساخت دستگاههای هوشمندی که بتوانند حضور فیزیکی انسان را تشخیص دهند یا اینکه کاربر را بخوبی درک کنند؛ خلاصه نمیشود. در حقیقت روش جدیدی است که به AIها این قابلیت را میدهد تا خودشان دائما در حال تغییر و تحول باشند.
سونی در این سالها فعالیتهایی در زمینه روباتیک انجام داده است اما حالا در نظر دارد تا حضور پررنگتری در دنیای هوش مصنوعی داشته باشد.
تلاش فعلی آنها در خصوص استمرار یادگیری است. دکتر «سینگ» در این رابطه میگوید که باید به AI به چشم یک کودک نگاه کنیم؛ همانطور که کودک هرچقدر بزرگتر میشود یاد میگیرد تا دنیای اطرافش را بهتر بشناسد و حس کند باید در سیستمهای هوش مصنوعی نیز از همین روش استفاده کنیم.
پيگيري آخرين اخبار هوش مصنوعي (https://telegram.me/HomeAI)
روشهای یادگیری ماشین به سیستمها یاد میدهد که مانند انسان فکر کنند و عکسالعمل نشان دهند.
حالا سونی هم وارد این بازی شده و قصد دارد نوع جدیدی از یادگیری را معرفی کند که معتقد است میتواند موجب شکلگیری نسل بعدی AIها شود.
سونی با سرمایهگذاری در یک استارتاپ هوش مصنوعی بنام Cogiati تصمیم به ساخت سیستمهای هوشمندی دارد که قادرند از تجربههای خودشان در دنیای واقعی یاد بگیرند.
دکتر Stainder Singh یکی از پایهگذاران این استارتاپ میگوید ما و سونی دید مشترکی از آینده AI داریم. ما میدانیم که این فناوری در آینده به کدام سمت خواهد رفت. موج بعدی یادگیری مداوم و پیوسته خواهد بود. ایده ما آنست که سیستمهای هوش مصنوعی با بزرگتر شدنشان باید دائما در حال یادگرفتن چیزهای جدید باشند.
یادگیری مداوم فقط به ساخت دستگاههای هوشمندی که بتوانند حضور فیزیکی انسان را تشخیص دهند یا اینکه کاربر را بخوبی درک کنند؛ خلاصه نمیشود. در حقیقت روش جدیدی است که به AIها این قابلیت را میدهد تا خودشان دائما در حال تغییر و تحول باشند.
سونی در این سالها فعالیتهایی در زمینه روباتیک انجام داده است اما حالا در نظر دارد تا حضور پررنگتری در دنیای هوش مصنوعی داشته باشد.
تلاش فعلی آنها در خصوص استمرار یادگیری است. دکتر «سینگ» در این رابطه میگوید که باید به AI به چشم یک کودک نگاه کنیم؛ همانطور که کودک هرچقدر بزرگتر میشود یاد میگیرد تا دنیای اطرافش را بهتر بشناسد و حس کند باید در سیستمهای هوش مصنوعی نیز از همین روش استفاده کنیم.
پيگيري آخرين اخبار هوش مصنوعي (https://telegram.me/HomeAI)
Telegram
مجله هوش مصنوعی
📝آخرین خبرهای هوش مصنوعی، یادگیری ماشین در مجله هوش مصنوعی
‼️تبلیغات انجامی در کانال توسط ما تایید یا تکذیب نمیشوند و ما مسئولیتی در قبال آنان نداریم
Admin ID: @AI_AIR
Website: onlinecourses.ir
تعرفه تبلیغات : @homeai_ads
‼️تبلیغات انجامی در کانال توسط ما تایید یا تکذیب نمیشوند و ما مسئولیتی در قبال آنان نداریم
Admin ID: @AI_AIR
Website: onlinecourses.ir
تعرفه تبلیغات : @homeai_ads
✍آغاز به کار نخستین وکیل روباتیکی جهان
به گزارش خانه هوش مصنوعی ، شرکت بین المللی Law firm Baker & Hostetler که در زمینه امور وکالت و حقوقی فعالیت دارد اکنون از وکیل روباتیکی پیشرفته ای استفاده می کند که از سطح پیشرفته ای از هوش مصنوعی برخوردار است.
در ارایه این فناوری جدید از تجربیات به دست آمده در سیستم رایانه ای پاسخ دهی خودکار Watson متعلق به شرکت IBMاستفاده شده است.
اگرچه این وکیل روباتیکی نخستین مشتری های خود را نیز پیدا کرده است اما پیش بینی نمی شود که به زودی شاهد دفاعیات او در دادگاهها باشیم.
این وکیل روباتیکی ROSS نام دارد و فعلا در حوزه امور مالی و حقوقی مربوط به ورشکستگی مالی نظر می دهد.
به طور کلی ROSS یک ابزار جستجوگر پیشرفته است که به لطف حجم قابل توجه اطلاعاتی که در آن بارگذاری شده است راهنمایی های مناسب حقوقی به مشتریانش ارایه می کند.
اما مهمترین ویژگی این سیستم روباتیکی، قابلیت تداوم یادگیری اوست که به آن امکان می دهد تا همواره خود را در مسیر رشد و به روزرسانی قرار دهد. در نتیجه ROSS می تواند همگام با تغییرات جدیدی که در امور حقوقی روی می دهد، پاسخگوی مشتریانش باشد.
به گفته کارشناسان، این روبات ابزار کمکی بسیار مناسبی برای سایر وکلای حقوقی است به طوریکه پس از دریافت نکات کلیدی پرونده، بلافاصله بهترین نکات مشاوره ای حقوقی را ارایه می کند.
مشابه این سطح از هوش مصنوعی هم اکنون در انستیتو فناوری جورجیا برای پاسخگویی به پرسشهای دانشجویان به کار گرفته شده است.
پيگيري آخرين اخبار هوش مصنوعي (https://telegram.me/HomeAI)
به گزارش خانه هوش مصنوعی ، شرکت بین المللی Law firm Baker & Hostetler که در زمینه امور وکالت و حقوقی فعالیت دارد اکنون از وکیل روباتیکی پیشرفته ای استفاده می کند که از سطح پیشرفته ای از هوش مصنوعی برخوردار است.
در ارایه این فناوری جدید از تجربیات به دست آمده در سیستم رایانه ای پاسخ دهی خودکار Watson متعلق به شرکت IBMاستفاده شده است.
اگرچه این وکیل روباتیکی نخستین مشتری های خود را نیز پیدا کرده است اما پیش بینی نمی شود که به زودی شاهد دفاعیات او در دادگاهها باشیم.
این وکیل روباتیکی ROSS نام دارد و فعلا در حوزه امور مالی و حقوقی مربوط به ورشکستگی مالی نظر می دهد.
به طور کلی ROSS یک ابزار جستجوگر پیشرفته است که به لطف حجم قابل توجه اطلاعاتی که در آن بارگذاری شده است راهنمایی های مناسب حقوقی به مشتریانش ارایه می کند.
اما مهمترین ویژگی این سیستم روباتیکی، قابلیت تداوم یادگیری اوست که به آن امکان می دهد تا همواره خود را در مسیر رشد و به روزرسانی قرار دهد. در نتیجه ROSS می تواند همگام با تغییرات جدیدی که در امور حقوقی روی می دهد، پاسخگوی مشتریانش باشد.
به گفته کارشناسان، این روبات ابزار کمکی بسیار مناسبی برای سایر وکلای حقوقی است به طوریکه پس از دریافت نکات کلیدی پرونده، بلافاصله بهترین نکات مشاوره ای حقوقی را ارایه می کند.
مشابه این سطح از هوش مصنوعی هم اکنون در انستیتو فناوری جورجیا برای پاسخگویی به پرسشهای دانشجویان به کار گرفته شده است.
پيگيري آخرين اخبار هوش مصنوعي (https://telegram.me/HomeAI)
Telegram
مجله هوش مصنوعی
📝آخرین خبرهای هوش مصنوعی، یادگیری ماشین در مجله هوش مصنوعی
‼️تبلیغات انجامی در کانال توسط ما تایید یا تکذیب نمیشوند و ما مسئولیتی در قبال آنان نداریم
Admin ID: @AI_AIR
Website: onlinecourses.ir
تعرفه تبلیغات : @homeai_ads
‼️تبلیغات انجامی در کانال توسط ما تایید یا تکذیب نمیشوند و ما مسئولیتی در قبال آنان نداریم
Admin ID: @AI_AIR
Website: onlinecourses.ir
تعرفه تبلیغات : @homeai_ads
👍1
فرآیند کلی پروژه های هوش مصنوعی و پردازش تصویر در پایان نامه ها:
شش گام تا دفاع
1-تهیه دیتابیس استاندارد
2- پیش پردازش تصویر
مثل: حذف نویز و فیلتر مکانی
3-پردازش تصویر
مثل: بخش بندی و عملیات مورفولوژی
4- استخراج ویژگی ها
مثل: مساحت؛ محیط؛Dct؛DWT؛FFT
5-طبقه بندی و کلاسیفایر ها
مثل: شبکه عصبی؛ فازی؛ SVM؛KNN
6-بهینه سازی خروجی
مثل: الگوریتم ژنتیک؛ الگوریتم های تکاملی
@HomeAI
شش گام تا دفاع
1-تهیه دیتابیس استاندارد
2- پیش پردازش تصویر
مثل: حذف نویز و فیلتر مکانی
3-پردازش تصویر
مثل: بخش بندی و عملیات مورفولوژی
4- استخراج ویژگی ها
مثل: مساحت؛ محیط؛Dct؛DWT؛FFT
5-طبقه بندی و کلاسیفایر ها
مثل: شبکه عصبی؛ فازی؛ SVM؛KNN
6-بهینه سازی خروجی
مثل: الگوریتم ژنتیک؛ الگوریتم های تکاملی
@HomeAI
✳️معرفی و دانلود سه کتاب آموزش Matla
📔کتاب آموزش Matlab
نویسنده: عباس طبیبی
تعداد صفحات: 228
📔جزوه آموزشی پردازش تصویر در Matlab
نویسندگان: گروه رباتیک دانشگاه پیام نور قم
تعداد صفحات: 51
📔کتاب آموزش Matlab
نویسنده: سید مجتبی میر جوادی
تعداد صفحات: 185
به ترتیب
👇👇👇
@HomeAI
📔کتاب آموزش Matlab
نویسنده: عباس طبیبی
تعداد صفحات: 228
📔جزوه آموزشی پردازش تصویر در Matlab
نویسندگان: گروه رباتیک دانشگاه پیام نور قم
تعداد صفحات: 51
📔کتاب آموزش Matlab
نویسنده: سید مجتبی میر جوادی
تعداد صفحات: 185
به ترتیب
👇👇👇
@HomeAI
✍هوش مصنوعی PlaNet گوگل با نگاه کردن به عکس ها می تواند موقعیت آنها را تشخیص دهد
تجربیاتی که گوگل تا به امروز در زمینه یادگیری عمیق داشته نتایج بسیار خوبی را چه به لحاظ عملی و چه جذابیت کلی در بر داشته اند. جدیدترین دستاورد این شرکت در زمینه هوش مصنوعی می تواند به یک تصویر نگاه کرده و از طریق مقایسه آن با میلیون ها عکس دیگر حدس بزند که در کجا گرفته شده است.
این هوش مصنوعی PlaNet نام دارد و ظاهرا پرچمدار عصری است که در آن نیازی به برچسب گذاری جغرافیایی تصاویر برای مشخص نمودن موقعیت گرفته شدنشان نیست.
عملکرد این سیستم هم بسیار ساده است. اگر تصویری از برج آزادی را مقابل فردی قرار دهید، آنگاه میلیون ها نفر از مردم می توانند حدس بزنند که تصویر در تهران گرفته شده است. در واقع ما مناطق مختلف جغرافیایی را بر مبنای جاذبه های گردشگری آنها تشخیص می دهیم و برنامه ای که توسط گوگل طراحی شده هم تقریبا همین کار را انجام می دهد.
با این همه، PlaNet می تواند عکس ها را در نبود این آثار و جاذبه ها تشخیص داده و برای این منظور آنها را با دیتابیسی از عکس های گرفته شده در سرتاسر دنیا مقایسه می کند.
این تکنولوژی البته هنوز هم کامل نیست یا حتی نمی توان گفت که پایداری لازم را دارد. Tobias Weyland سرپرست تیم توسعه دهنده این هوش مصنوعی می گوید PlaNet می تواند موقعیت یک عکس را با دقتی در سطح خیابان در 3.6 درصد موارد درست تشخیص دهد.
البته دقت این سیستم برای درست حدس زدن شهر تا 10.1 درصد است و کشورها را هم با دقت 28.4 درصد درست تشخیص میدهد. توانایی تشخیص قاره توسط این هوش مصنوعی برابر با 48 درصد عنوان شده و این یعنی PlaNet، قاره عکس مورد نظر شما را در نصف موارد درست حدس می زند.
شاید به نظر شما توسعه چنین سیستمی با این دقت پایین اهمیتی نداشته باشد، اما مساله مهم این است که PlaNet کارش را بهتر از انسان انجام می دهد. برای اینکه در این رابطه با ما هم نظر شوید بهتر است نگاهی به بازی Geogusser بیاندازید؛ در این بازی شما به صورت تصادفی در یک نقطه قرار داده می شود و اجازه می یابید تا با حرکت به بخش های کناری خود موقعیت تان را حدس بزنید.
دانشمندان نیز با در نظر داشتن همین مساله و برای نشان دادن توانایی تکنولوژی طراحی شده خود تصمیم گرفتند آن را با گروهی از افراد که مرتبا به شهرها و کشورهای مختلف سفر می کنند مقایسه نمایند و بعد از بررسی ها مشخص شد که «نرخ خطای موقعیتی» PlaNet کمتر از نصف رقبای انسانی اش است.
گوگل مشخص نکرده که چطور می خواهد از این تکنولوژی استفاده کرده و توسعه آن را به جلو ببرد و برای روشن تر شدن این امر لازم است که اندکی منتظر بمانیم
@HomeAI
تجربیاتی که گوگل تا به امروز در زمینه یادگیری عمیق داشته نتایج بسیار خوبی را چه به لحاظ عملی و چه جذابیت کلی در بر داشته اند. جدیدترین دستاورد این شرکت در زمینه هوش مصنوعی می تواند به یک تصویر نگاه کرده و از طریق مقایسه آن با میلیون ها عکس دیگر حدس بزند که در کجا گرفته شده است.
این هوش مصنوعی PlaNet نام دارد و ظاهرا پرچمدار عصری است که در آن نیازی به برچسب گذاری جغرافیایی تصاویر برای مشخص نمودن موقعیت گرفته شدنشان نیست.
عملکرد این سیستم هم بسیار ساده است. اگر تصویری از برج آزادی را مقابل فردی قرار دهید، آنگاه میلیون ها نفر از مردم می توانند حدس بزنند که تصویر در تهران گرفته شده است. در واقع ما مناطق مختلف جغرافیایی را بر مبنای جاذبه های گردشگری آنها تشخیص می دهیم و برنامه ای که توسط گوگل طراحی شده هم تقریبا همین کار را انجام می دهد.
با این همه، PlaNet می تواند عکس ها را در نبود این آثار و جاذبه ها تشخیص داده و برای این منظور آنها را با دیتابیسی از عکس های گرفته شده در سرتاسر دنیا مقایسه می کند.
این تکنولوژی البته هنوز هم کامل نیست یا حتی نمی توان گفت که پایداری لازم را دارد. Tobias Weyland سرپرست تیم توسعه دهنده این هوش مصنوعی می گوید PlaNet می تواند موقعیت یک عکس را با دقتی در سطح خیابان در 3.6 درصد موارد درست تشخیص دهد.
البته دقت این سیستم برای درست حدس زدن شهر تا 10.1 درصد است و کشورها را هم با دقت 28.4 درصد درست تشخیص میدهد. توانایی تشخیص قاره توسط این هوش مصنوعی برابر با 48 درصد عنوان شده و این یعنی PlaNet، قاره عکس مورد نظر شما را در نصف موارد درست حدس می زند.
شاید به نظر شما توسعه چنین سیستمی با این دقت پایین اهمیتی نداشته باشد، اما مساله مهم این است که PlaNet کارش را بهتر از انسان انجام می دهد. برای اینکه در این رابطه با ما هم نظر شوید بهتر است نگاهی به بازی Geogusser بیاندازید؛ در این بازی شما به صورت تصادفی در یک نقطه قرار داده می شود و اجازه می یابید تا با حرکت به بخش های کناری خود موقعیت تان را حدس بزنید.
دانشمندان نیز با در نظر داشتن همین مساله و برای نشان دادن توانایی تکنولوژی طراحی شده خود تصمیم گرفتند آن را با گروهی از افراد که مرتبا به شهرها و کشورهای مختلف سفر می کنند مقایسه نمایند و بعد از بررسی ها مشخص شد که «نرخ خطای موقعیتی» PlaNet کمتر از نصف رقبای انسانی اش است.
گوگل مشخص نکرده که چطور می خواهد از این تکنولوژی استفاده کرده و توسعه آن را به جلو ببرد و برای روشن تر شدن این امر لازم است که اندکی منتظر بمانیم
@HomeAI
Forwarded from کتابها و فایلهای آموزشی
📚برنامه دوره اول آموزش در کانال آموزش ها
0⃣شنبه ها : آموزش فتوشاپ
1⃣یک شنبه ها : آموزش HTML
2⃣دوشنبه ها : آموزش Css
3⃣سه شنبه ها : آموزش اندروید
4⃣چهارشنبه ها : آموزش متلب
5⃣پنج شنبه ها : آموزش SQL
6⃣جمعه ها : تمرین
➖➖➖➖➖➖➖➖
کانال آموزش نرم افزار و برنامه نویسی
@amoozeshhaa
0⃣شنبه ها : آموزش فتوشاپ
1⃣یک شنبه ها : آموزش HTML
2⃣دوشنبه ها : آموزش Css
3⃣سه شنبه ها : آموزش اندروید
4⃣چهارشنبه ها : آموزش متلب
5⃣پنج شنبه ها : آموزش SQL
6⃣جمعه ها : تمرین
➖➖➖➖➖➖➖➖
کانال آموزش نرم افزار و برنامه نویسی
@amoozeshhaa