Media is too big
VIEW IN TELEGRAM
آیا می دانستید خرد جمعی بر باهوشترین فرد و یا افراد همان جمع برتری دارد!
در این ویدیو، پروفسور مارکوس دو ساتوی از خرد جمعی می گوید.
در این ویدیو، پروفسور مارکوس دو ساتوی از خرد جمعی می گوید.
http://hajjehforoosh.me/?p=59
گزارشی از برگزاری مسابقه بزرگ هوش مصنوعی
گزارشی از برگزاری مسابقه بزرگ هوش مصنوعی
تحلیل احساسی انتخابات با محتوای ٤٨ هزار کانال تلگرامی (قسمت اول)
http://www.etemadnewspaper.ir/Default.aspx?NPN_Id=724&pageno=9
انتخابات ریاستجمهوری امسال در کنار همه زشتیها و زیباییهایی که داشت، از یک بعد دیگر هم دارای اهمیت بود. امسال برای نخستین بار، ٣٦ تیم توانمند توانستند یک فراهوش مصنوعی برای پیشبینی نتایج انتخابات با ضریب خطای ٧/٠ درصد، طراحی کنند.
چالش بزرگ هوش مصنوعی به همت اعضای تیم نتماین و مرکز فناوری نوتک، از ٢٣تا ٢٩ اردیبهشت ماه به صورت آنلاین برگزار شد. در این مسابقه بیش از ٣٠٠ نفر برای شرکت در مسابقه ثبتنام کردند. شرکتکنندگان در این مسابقه بایدالگوریتم هوش مصنوعی برای پیشبینی نتایج انتخابات ریاستجمهوری ایران، با استفاده از تحلیل احساسی (sentiment analysis) طراحی میکردند.
دادههای خامی که در این مسابقه مورد استفاده قرار گرفت با استفاده از telemine.me از پیامرسان تلگرام استخراج شدند. شرکتکنندگان از روز سهشنبه ٢٦ اردیبهشت ماه به حدود ٢میلیون پیام تلگرامی دارای کلیدواژههای مرتبط با انتخابات که از بیش از ٤٨ هزار کانال تلگرام با جمعیت بیش از ١٠٠٠ نفر عضو جمعآوری شده بودند، دسترسی پیدا کردند.
تیمهای شرکتکننده ٣ شبانه روز به صورت بیوقفه با راهنمایی مربیان، برای طراحی الگوریتمهای هوش مصنوعی تلاش کردند و نهایتا ٣٦ تیم تا ظهر جمعه توانستند الگوریتمهایی برای پیشبینی انتخابات طراحی و خروجی آن را ثبت کنند.
تحلیل احساسی (sentiment analysis)، که با عنوان نظرکاوی نیز شناخته میشود، فرآیند شناسایی لحن احساس مجموعهای از کلمات است که برای رسیدن به درک رفتار، نظرات و احساسات افراد در شبکههای اجتماعی مورد استفاده قرار میگیرد.
هوش مصنوعی قبل از این در انتخابات امریکا نیز مورد استفاده قرار گرفته بود. MOG AI نام هوش مصنوعی است که پس از اینکه نتایج سه انتخابات را به درستی پیشبینی کرده بود، توانست در انتخابات گذشته ریاستجمهوری امریکا، پیشبینی درستی انجام دهد. MOG AI قبل از انتخابات، پیروزی ترامپ را پیشبینی کرده بود در حالی که غالب نظرسنجیهای معتبر پیروزی هیلاری کلینتون را وعده میدادند.
فراهوش چیست؟
بر اساس نظریه خرد جمعی، برآیند نظرات گروهی از افراد متخصص در اغلب موارد بهتر از تک تک نظرات افراد است. تا به حال آزمایشهای متعددی برای به چالش کشیدن این نظریه انجام شده و در اغلب موارد نتیجه آزمایش صحت نظریه را اثبات
کرده است.
در سال ٢٠١٥ آزمایشی برای تخمین وزن یک گاو توسط ١٧٠٠٠ نفر به صورت آنلاین انجام شد. هریک از افراد شرکتکننده با مشاهده عکس گاو، براساس شهود خود، وزن آن را تخمین میزدند. میانگین نظرات افراد شرکتکننده در این آزمایش با اختلاف ناچیزی با وزن واقعی گاو برابری میکرد.
فرضیهای که تیم برگزاری مسابقه بر اساس نظریه خرد جمعی، در پی اثبات آن بر آمد این بود که آیا برآیند نظر ٣٦ هوش مصنوعی، میتواند به یک خرد جمعی منجر شود که نتیجه بهتری از تک تک الگوریتمهای هوش مصنوعی طراحی شده توسط شرکتکنندگان در مسابقه داشته باشد؟
فراهوش مصنوعی، با این منطق با میانگینگیری از نتایج ٣٦ تیم شرکتکننده در مسابقه نتیجه سیوهفتم را پیش بینی کرد.
بعد از انتشار نتایج انتخابات مشخص شد که فرضیات این نظریه، در این آزمایش اثبات شدند و میانگین نتایج هوشهای مصنوعی، کاملا با نتیجه انتخابات انطباق دارد.
در تصویر زیر، نمودارهایی که با رنگ خاکستری مشخص شدهاند، نتایج ٣٦ سیستم هوش مصنوعی هستند که توسط شرکتکنندگان در این چالش طراحی شدهاند. نمودار قرمز رنگ متوسط این ٣٦ پیشبینی است که در ساعت ١٧ روز جمعه ١٩ اردیبهشت ماه در کانال تلگرامی مسابقه و چندین اکانت توییتر منتشر شد و نمودار بنفش رنگ نتیجه نهایی انتخابات است. به دلیل انطباق زیاد دو نمودار بنفش و قرمز رنگ، به سختی قابل تفکیک هستند.
ادامه دارد...
telegram.me/nlpcontest
http://www.etemadnewspaper.ir/Default.aspx?NPN_Id=724&pageno=9
انتخابات ریاستجمهوری امسال در کنار همه زشتیها و زیباییهایی که داشت، از یک بعد دیگر هم دارای اهمیت بود. امسال برای نخستین بار، ٣٦ تیم توانمند توانستند یک فراهوش مصنوعی برای پیشبینی نتایج انتخابات با ضریب خطای ٧/٠ درصد، طراحی کنند.
چالش بزرگ هوش مصنوعی به همت اعضای تیم نتماین و مرکز فناوری نوتک، از ٢٣تا ٢٩ اردیبهشت ماه به صورت آنلاین برگزار شد. در این مسابقه بیش از ٣٠٠ نفر برای شرکت در مسابقه ثبتنام کردند. شرکتکنندگان در این مسابقه بایدالگوریتم هوش مصنوعی برای پیشبینی نتایج انتخابات ریاستجمهوری ایران، با استفاده از تحلیل احساسی (sentiment analysis) طراحی میکردند.
دادههای خامی که در این مسابقه مورد استفاده قرار گرفت با استفاده از telemine.me از پیامرسان تلگرام استخراج شدند. شرکتکنندگان از روز سهشنبه ٢٦ اردیبهشت ماه به حدود ٢میلیون پیام تلگرامی دارای کلیدواژههای مرتبط با انتخابات که از بیش از ٤٨ هزار کانال تلگرام با جمعیت بیش از ١٠٠٠ نفر عضو جمعآوری شده بودند، دسترسی پیدا کردند.
تیمهای شرکتکننده ٣ شبانه روز به صورت بیوقفه با راهنمایی مربیان، برای طراحی الگوریتمهای هوش مصنوعی تلاش کردند و نهایتا ٣٦ تیم تا ظهر جمعه توانستند الگوریتمهایی برای پیشبینی انتخابات طراحی و خروجی آن را ثبت کنند.
تحلیل احساسی (sentiment analysis)، که با عنوان نظرکاوی نیز شناخته میشود، فرآیند شناسایی لحن احساس مجموعهای از کلمات است که برای رسیدن به درک رفتار، نظرات و احساسات افراد در شبکههای اجتماعی مورد استفاده قرار میگیرد.
هوش مصنوعی قبل از این در انتخابات امریکا نیز مورد استفاده قرار گرفته بود. MOG AI نام هوش مصنوعی است که پس از اینکه نتایج سه انتخابات را به درستی پیشبینی کرده بود، توانست در انتخابات گذشته ریاستجمهوری امریکا، پیشبینی درستی انجام دهد. MOG AI قبل از انتخابات، پیروزی ترامپ را پیشبینی کرده بود در حالی که غالب نظرسنجیهای معتبر پیروزی هیلاری کلینتون را وعده میدادند.
فراهوش چیست؟
بر اساس نظریه خرد جمعی، برآیند نظرات گروهی از افراد متخصص در اغلب موارد بهتر از تک تک نظرات افراد است. تا به حال آزمایشهای متعددی برای به چالش کشیدن این نظریه انجام شده و در اغلب موارد نتیجه آزمایش صحت نظریه را اثبات
کرده است.
در سال ٢٠١٥ آزمایشی برای تخمین وزن یک گاو توسط ١٧٠٠٠ نفر به صورت آنلاین انجام شد. هریک از افراد شرکتکننده با مشاهده عکس گاو، براساس شهود خود، وزن آن را تخمین میزدند. میانگین نظرات افراد شرکتکننده در این آزمایش با اختلاف ناچیزی با وزن واقعی گاو برابری میکرد.
فرضیهای که تیم برگزاری مسابقه بر اساس نظریه خرد جمعی، در پی اثبات آن بر آمد این بود که آیا برآیند نظر ٣٦ هوش مصنوعی، میتواند به یک خرد جمعی منجر شود که نتیجه بهتری از تک تک الگوریتمهای هوش مصنوعی طراحی شده توسط شرکتکنندگان در مسابقه داشته باشد؟
فراهوش مصنوعی، با این منطق با میانگینگیری از نتایج ٣٦ تیم شرکتکننده در مسابقه نتیجه سیوهفتم را پیش بینی کرد.
بعد از انتشار نتایج انتخابات مشخص شد که فرضیات این نظریه، در این آزمایش اثبات شدند و میانگین نتایج هوشهای مصنوعی، کاملا با نتیجه انتخابات انطباق دارد.
در تصویر زیر، نمودارهایی که با رنگ خاکستری مشخص شدهاند، نتایج ٣٦ سیستم هوش مصنوعی هستند که توسط شرکتکنندگان در این چالش طراحی شدهاند. نمودار قرمز رنگ متوسط این ٣٦ پیشبینی است که در ساعت ١٧ روز جمعه ١٩ اردیبهشت ماه در کانال تلگرامی مسابقه و چندین اکانت توییتر منتشر شد و نمودار بنفش رنگ نتیجه نهایی انتخابات است. به دلیل انطباق زیاد دو نمودار بنفش و قرمز رنگ، به سختی قابل تفکیک هستند.
ادامه دارد...
telegram.me/nlpcontest
تحلیل احساسی انتخابات با محتوای ٤٨ هزار کانال تلگرامی (قسمت دوم)
http://www.etemadnewspaper.ir/Default.aspx?NPN_Id=724&pageno=9
تفاوت بین نظرسنجی و نظرکاوی چیست؟
کیفیت و دقت هر نظرسنجی، وابسته به جامعه آماری و نحوه انجام نظرسنجی است. در این میان نظرسنجیهایی که در شبکههای اجتماعی انجام میشوند با یک مشکل جدی مواجه هستند. میزان شرکتکنندگان در یک نظرسنجی ارتباط مستقیم با جامعه هدف اولیه آن دارد. اگر یک نظرسنجی در گروههای اصولگرایان منتشر شود، آرای اصوگرایان باعث میشود که نامزد آنها در نظرسنجی پیشی بگیرد و به این دلیل، اصلاحطلبانی که نتایج نظرسنجی را میبینند، تمایلی به بازنشر آن در گروههای اصلاحطلبان نداشته باشند و البته این قضیه به صورت برعکس هم صادق است. این خطای ذاتی با بزرگتر شدن مقیاسهای رایگیری بیشتر میشود.
نظرسنجیهایی که با تعامل مستقیم با افراد در جوامع آماری تصادفی انجام میشود، البته نتایج بهتری دارند. با این حال، به دلیل هزینه بالای اجرای چنین نظرسنجیهایی، اندازه جامعه آماری با محدودیت مواجه است.
تفاوت مهم دیگری که بین نظرسنجی و نظرکاوی (تحلیل احساسی) وجود دارد این است که در نظرسنجی از افراد در خصوص نظرشان سوال میشود. در واقع افراد به صورت خودآگاهانه به نظرسنجیها پاسخ میدهند در حالی که در نظرکاوی، روال کار به شکل دیگری است.
هوش مصنوعی بر اساس مثبت، منفی یا خنثی بودن یک پیام نسبت به یک رویکرد مشخص و همین طور میزان مصرف شدن آن پیام (در تلگرام میزان دیده شدن پیام ها) و تجمیع اطلاعات کلان نتیجهگیری میکند که جهتگیری کاربران رسانههای اجتماعی به چه سمت است.
در واقع تفاوت مهم در اینجا این است که هوش مصنوعی بر خلاف نظرسنجیها، قصد و نیت واقعی افراد را که در ناخودآگاه آنها قرار دارد، بر اساس رفتار آنها در رسانههای اجتماعی تحلیل میکند و مبنای تصمیمگیری و پیشبینی قرار میدهد.
هوش مصنوعی چطور میتواند باعث بهبود روند توسعه سیاسی کشور شود؟
احزاب و گروههای سیاسی، دولت و سایر بخشهای عمومی در کشور ما با یک فرصت استثنایی مواجه هستند. برخلاف اغلب کشورهای جهان که مردم متناسب با نوع استفاده در شبکههای اجتماعی مختلف فعالیت میکنند، تقریبا تمام ایرانیان از پیامرسان تلگرام استفاده میکنند. انباشت اطلاعات در تلگرام باعث میشود بتوان تحلیلهای بهتری را با استفاده از کلان داده سامان داد.
انتخابات ریاستجمهوری ایران ثابت کرد که برداشتی که از شکاف بین جوامع شهری و روستایی در ذهنها وجود دارد، برداشت درستی نیست. حالا مدیران و تصمیمگیران چهار سال فرصت دارند تا با استفاده از هوش مصنوعی و فراهوش، برآیند نظرات و خواستههای مردم را در مورد مسائل مختلف تحلیل و سیاستگذاری خود را برای آگاهسازی و جهتدهی به افکار عمومی یا تطابق سیاستها با خواستههای جمعی اصلاح کنند.
telegram.me/nlpcontest
http://www.etemadnewspaper.ir/Default.aspx?NPN_Id=724&pageno=9
تفاوت بین نظرسنجی و نظرکاوی چیست؟
کیفیت و دقت هر نظرسنجی، وابسته به جامعه آماری و نحوه انجام نظرسنجی است. در این میان نظرسنجیهایی که در شبکههای اجتماعی انجام میشوند با یک مشکل جدی مواجه هستند. میزان شرکتکنندگان در یک نظرسنجی ارتباط مستقیم با جامعه هدف اولیه آن دارد. اگر یک نظرسنجی در گروههای اصولگرایان منتشر شود، آرای اصوگرایان باعث میشود که نامزد آنها در نظرسنجی پیشی بگیرد و به این دلیل، اصلاحطلبانی که نتایج نظرسنجی را میبینند، تمایلی به بازنشر آن در گروههای اصلاحطلبان نداشته باشند و البته این قضیه به صورت برعکس هم صادق است. این خطای ذاتی با بزرگتر شدن مقیاسهای رایگیری بیشتر میشود.
نظرسنجیهایی که با تعامل مستقیم با افراد در جوامع آماری تصادفی انجام میشود، البته نتایج بهتری دارند. با این حال، به دلیل هزینه بالای اجرای چنین نظرسنجیهایی، اندازه جامعه آماری با محدودیت مواجه است.
تفاوت مهم دیگری که بین نظرسنجی و نظرکاوی (تحلیل احساسی) وجود دارد این است که در نظرسنجی از افراد در خصوص نظرشان سوال میشود. در واقع افراد به صورت خودآگاهانه به نظرسنجیها پاسخ میدهند در حالی که در نظرکاوی، روال کار به شکل دیگری است.
هوش مصنوعی بر اساس مثبت، منفی یا خنثی بودن یک پیام نسبت به یک رویکرد مشخص و همین طور میزان مصرف شدن آن پیام (در تلگرام میزان دیده شدن پیام ها) و تجمیع اطلاعات کلان نتیجهگیری میکند که جهتگیری کاربران رسانههای اجتماعی به چه سمت است.
در واقع تفاوت مهم در اینجا این است که هوش مصنوعی بر خلاف نظرسنجیها، قصد و نیت واقعی افراد را که در ناخودآگاه آنها قرار دارد، بر اساس رفتار آنها در رسانههای اجتماعی تحلیل میکند و مبنای تصمیمگیری و پیشبینی قرار میدهد.
هوش مصنوعی چطور میتواند باعث بهبود روند توسعه سیاسی کشور شود؟
احزاب و گروههای سیاسی، دولت و سایر بخشهای عمومی در کشور ما با یک فرصت استثنایی مواجه هستند. برخلاف اغلب کشورهای جهان که مردم متناسب با نوع استفاده در شبکههای اجتماعی مختلف فعالیت میکنند، تقریبا تمام ایرانیان از پیامرسان تلگرام استفاده میکنند. انباشت اطلاعات در تلگرام باعث میشود بتوان تحلیلهای بهتری را با استفاده از کلان داده سامان داد.
انتخابات ریاستجمهوری ایران ثابت کرد که برداشتی که از شکاف بین جوامع شهری و روستایی در ذهنها وجود دارد، برداشت درستی نیست. حالا مدیران و تصمیمگیران چهار سال فرصت دارند تا با استفاده از هوش مصنوعی و فراهوش، برآیند نظرات و خواستههای مردم را در مورد مسائل مختلف تحلیل و سیاستگذاری خود را برای آگاهسازی و جهتدهی به افکار عمومی یا تطابق سیاستها با خواستههای جمعی اصلاح کنند.
telegram.me/nlpcontest
Forwarded from نوپانا
🔻 هوش مصنوعی چطور نتیجه انتخابات را پیشبینی کرد؟
🔸همزمان با انتخابات ریاست جمهوری دوازدهم، مسابقهای برگزار شد که توانست نتایج انتخابات را قبل از ظهر روز برگزاری، پیشبینی و منتشر کند. این برآورد با نتایج حقیقی تنها ۰/۷ اختلاف داشت، یعنی کمتر از یک درصد. اما ماجرای این مسابقه چه بود و چگونه برگزار شد؟ در ادامه میخوانیم:
🔹قسمت اول: تلگرام، انبار ارزشمند اطلاعات
«نتماین»، یک شرکت ایرانی است که صاحبانش، آن را موتور تولید دانش از شبکههای اجتماعی نامیدهاند. این شبکه که اردیبهشت سال گذشته راهاندازی شد، با دسترسی به صدها هزار پیام در شبکههای اجتماعی به سوالاتی پاسخ میدهد که پاسخگویی به آن از راههای معمول، ممکن نیست. به عنوان مثال نگرش مردم به دولت چیست؟ مردم چه نظری درباره نامزدهای انتخاباتی دارند و سوالاتی از این دست از طریق این سامانه، قابل بررسی است. «نتماین» همچنین سرویسی به نام «تلماین» راهاندازی کرده است که به صورت انحصاری، پیامرسان تلگرام را بررسی میکند، این شرکت همچنین قصد دارد در آینده سراغ پیمایش سایر شبکههای اجتماعی نیز برود.
شش روز پیش از دوازدهمین دوره انتخابات ریاست جمهوری، نتماین فراخوان مسابقه هوش مصنوعی را در بین گروههای تلگرامی منتشر کرد. در این مسابقه، اطلاعات کلانی که از تلگرام دریافت شده بود، در اختیار شرکتکنندگان قرار میگرفت و آنها باید بر پایه الگوریتمهای هوش مصنوعی، برنامهای مینوشتند که بتواند نتیجه انتخابات را پیشبینی کند.
مجید زرین، بنیانگذار نتماین و برگزارکننده مسابقه در گفتوگو با خبرنگار نوپانا گفت: در نهایت تا ۳۳۰ گروه در این مسابقه ثبتنام کردند که از بین آنها ۳۶ گروه توانستند الگوریتمی طراحی کنند که بتواند ۲ میلیون پیام مرتبط با انتخاباتی را که به آنها ارائه کرده بودیم مورد تجزیه و تحلیل قرار دهند. ما روزانه اطلاعات روز قبل را در اختیار آنها قرار میدادیم. تا اینکه تا روز جمعه نتایج همه اطلاعات کدگذاریشده جمعآوری شد.
اما هرکدام از این الگوریتمها برای تحلیل پیامهای تلگرام، درصدی خطا در خود داشت. راهکار برگزارکنندگان مسابقه برای به حداقل رساندن درصد خطا، جالب بود. در قسمت بعد به راهکار آنها میپردازیم.
متن کامل مطلب در https://goo.gl/7iN5gz
#پرونده_ویژه
#پیشبینی_نتایج_انتخابات
@nopana
🔸همزمان با انتخابات ریاست جمهوری دوازدهم، مسابقهای برگزار شد که توانست نتایج انتخابات را قبل از ظهر روز برگزاری، پیشبینی و منتشر کند. این برآورد با نتایج حقیقی تنها ۰/۷ اختلاف داشت، یعنی کمتر از یک درصد. اما ماجرای این مسابقه چه بود و چگونه برگزار شد؟ در ادامه میخوانیم:
🔹قسمت اول: تلگرام، انبار ارزشمند اطلاعات
«نتماین»، یک شرکت ایرانی است که صاحبانش، آن را موتور تولید دانش از شبکههای اجتماعی نامیدهاند. این شبکه که اردیبهشت سال گذشته راهاندازی شد، با دسترسی به صدها هزار پیام در شبکههای اجتماعی به سوالاتی پاسخ میدهد که پاسخگویی به آن از راههای معمول، ممکن نیست. به عنوان مثال نگرش مردم به دولت چیست؟ مردم چه نظری درباره نامزدهای انتخاباتی دارند و سوالاتی از این دست از طریق این سامانه، قابل بررسی است. «نتماین» همچنین سرویسی به نام «تلماین» راهاندازی کرده است که به صورت انحصاری، پیامرسان تلگرام را بررسی میکند، این شرکت همچنین قصد دارد در آینده سراغ پیمایش سایر شبکههای اجتماعی نیز برود.
شش روز پیش از دوازدهمین دوره انتخابات ریاست جمهوری، نتماین فراخوان مسابقه هوش مصنوعی را در بین گروههای تلگرامی منتشر کرد. در این مسابقه، اطلاعات کلانی که از تلگرام دریافت شده بود، در اختیار شرکتکنندگان قرار میگرفت و آنها باید بر پایه الگوریتمهای هوش مصنوعی، برنامهای مینوشتند که بتواند نتیجه انتخابات را پیشبینی کند.
مجید زرین، بنیانگذار نتماین و برگزارکننده مسابقه در گفتوگو با خبرنگار نوپانا گفت: در نهایت تا ۳۳۰ گروه در این مسابقه ثبتنام کردند که از بین آنها ۳۶ گروه توانستند الگوریتمی طراحی کنند که بتواند ۲ میلیون پیام مرتبط با انتخاباتی را که به آنها ارائه کرده بودیم مورد تجزیه و تحلیل قرار دهند. ما روزانه اطلاعات روز قبل را در اختیار آنها قرار میدادیم. تا اینکه تا روز جمعه نتایج همه اطلاعات کدگذاریشده جمعآوری شد.
اما هرکدام از این الگوریتمها برای تحلیل پیامهای تلگرام، درصدی خطا در خود داشت. راهکار برگزارکنندگان مسابقه برای به حداقل رساندن درصد خطا، جالب بود. در قسمت بعد به راهکار آنها میپردازیم.
متن کامل مطلب در https://goo.gl/7iN5gz
#پرونده_ویژه
#پیشبینی_نتایج_انتخابات
@nopana
Forwarded from نوپانا
🔻 هوش مصنوعی چطور نتیجه انتخابات را پیشبینی کرد؟
🔸همزمان با انتخابات ریاست جمهوری دوازدهم، مسابقهای برگزار شد که توانست نتایج انتخابات را قبل از ظهر روز برگزاری، پیشبینی و منتشر کند. این برآورد با نتایج حقیقی تنها ۰/۷ اختلاف داشت، یعنی کمتر از یک درصد. اما ماجرای این مسابقه چه بود و چگونه برگزار شد؟ در ادامه میخوانیم:
🔹قسمت دوم: خردجمعی، ابزاری برای رسیدن به حقیقت
مهدی فریمانی، مشاور توسعه کسبوکار و یکی از برگزارکنندگان این مسابقه، در تعریف خردجمعی گفت: شاید نظرات مختلف و فرد به فرد انسانها با واقعیت متفاوت باشد، اما مجموع نظرات آنها بیش از هرچیز به حقیقت نزدیک است. در حقیقت، میانگین مجموع نظرات یک جامعه، بهتر از تکتک نظرات آنها است.
او درباره راهاندازی چنین روشی در نظرسنجی گفت: سال ۱۹۰۶ در یک روستای کوچک در هلند، گاوی جلوی اهالی روستا قرار دادند و از آنها خواسته شد در مورد وزن گاو حدس بزنند. تقریبا همه اشتباه حدس زدند. اما زمانی که رقمهایی پیشنهاد شده را جمع کردند و به تعداد افراد تقسیم شد، عدد به دست آمده با وزن حقیقی گاو، تفاوت ناچیزی داشت.
اما این ابزار سنجش برای تفکر انسانی استفاده میشد. بنابراین سوالی که برای برگزارکنندگان مسابقه پیش میآمد این بود که آیا میتوان آن را در هوش مصنوعی نیز استفاده کرد؟
برای رسیدن به پاسخ این پرسش، آنها تحلیلهای جمعآوری شده را از همه گروهها دریافت کردند و میانگینی از نتایج الگوریتمهای آنها به دست آوردند، نتیجه نهایی روز انتخابات روی سایت قرار گرفت و در نهایت با اعلام نتایج اصلی انتخابات امکان مقایسه با نتایج پیشبینی شده به وجود آمد. اختلاف، زیر یک درصد بود.
متن کامل مطلب در https://goo.gl/7iN5gz
#پرونده_ویژه
#پیشبینی_نتایج_انتخابات
@nopana
🔸همزمان با انتخابات ریاست جمهوری دوازدهم، مسابقهای برگزار شد که توانست نتایج انتخابات را قبل از ظهر روز برگزاری، پیشبینی و منتشر کند. این برآورد با نتایج حقیقی تنها ۰/۷ اختلاف داشت، یعنی کمتر از یک درصد. اما ماجرای این مسابقه چه بود و چگونه برگزار شد؟ در ادامه میخوانیم:
🔹قسمت دوم: خردجمعی، ابزاری برای رسیدن به حقیقت
مهدی فریمانی، مشاور توسعه کسبوکار و یکی از برگزارکنندگان این مسابقه، در تعریف خردجمعی گفت: شاید نظرات مختلف و فرد به فرد انسانها با واقعیت متفاوت باشد، اما مجموع نظرات آنها بیش از هرچیز به حقیقت نزدیک است. در حقیقت، میانگین مجموع نظرات یک جامعه، بهتر از تکتک نظرات آنها است.
او درباره راهاندازی چنین روشی در نظرسنجی گفت: سال ۱۹۰۶ در یک روستای کوچک در هلند، گاوی جلوی اهالی روستا قرار دادند و از آنها خواسته شد در مورد وزن گاو حدس بزنند. تقریبا همه اشتباه حدس زدند. اما زمانی که رقمهایی پیشنهاد شده را جمع کردند و به تعداد افراد تقسیم شد، عدد به دست آمده با وزن حقیقی گاو، تفاوت ناچیزی داشت.
اما این ابزار سنجش برای تفکر انسانی استفاده میشد. بنابراین سوالی که برای برگزارکنندگان مسابقه پیش میآمد این بود که آیا میتوان آن را در هوش مصنوعی نیز استفاده کرد؟
برای رسیدن به پاسخ این پرسش، آنها تحلیلهای جمعآوری شده را از همه گروهها دریافت کردند و میانگینی از نتایج الگوریتمهای آنها به دست آوردند، نتیجه نهایی روز انتخابات روی سایت قرار گرفت و در نهایت با اعلام نتایج اصلی انتخابات امکان مقایسه با نتایج پیشبینی شده به وجود آمد. اختلاف، زیر یک درصد بود.
متن کامل مطلب در https://goo.gl/7iN5gz
#پرونده_ویژه
#پیشبینی_نتایج_انتخابات
@nopana
تجربه عملی یک برنامه نویس برای استخراج داده های اینستاگرام و تحلیل این داده ها برای پیدا کردن رابطه منطقی بین هواداران پیج رئیسی و تتلو را در این لینک ببینید:
http://blog.m30m.ir/instats/
http://blog.m30m.ir/instats/
Forwarded from کارگروه کلانداده - دانشگاه صنعتی شریف
📝 مروری بر مسابقه بزرگ هوش مصنوعی پیشبینی انتخابات ریاست جمهوری
⏱چهارشنبه 24 خردادماه (ساعت 16-18)
👤مهندس مجید زرینکلاه
🏛کلاس101دانشکده کامپیوتر
ثبتنام: goo.gl/qJdvns
@BigDataWorkGroup
⏱چهارشنبه 24 خردادماه (ساعت 16-18)
👤مهندس مجید زرینکلاه
🏛کلاس101دانشکده کامپیوتر
ثبتنام: goo.gl/qJdvns
@BigDataWorkGroup
یادگیری ماشینی : وعده به لرزه درآوردن مالی
در رشته های مختلف از معامله تا ارزیابی اعتباری ، یادگیری ماشینی پیشرفت قابل توجهی داشته است.
یادیگری ماشینی ، شروع به لرزه در آوردن مالی کرده است. زیرمجموعه ای از هوش مصنوعی که به خوبی می تواند الگوها را بیابد و پیش بینی انجام دهد ، صنعت مالی را تحت تاثیر قرار داده است. اکنون واحدهای هوش مصنوعی در شرکت هایی مانند PwC ، JP Morgan و صندوق های پوششی مانند GLG ایجاد شده است. از سال 2019 هر کسی که بخواهد CFA شود ، نیاز به پاسخ به سوالات AI در آزمون خود دارد.
با وجود شک و تردیدهای بسیاری ، برخی از صندوق های پوششی که مبتنی بر الگوریتم های یادگیری ماشینی فعالیت می کردند ، عملکرد قابل توجهی داشتند. شرکت های fintech شروع به انجام تکنیک های یادگیری ماشینی بر هر چیزی از جلوگیری از تقلب تا یافتن استراتژی های جدید معاملاتی نموده اند. هر چند کارها خسته کننده است ، اما چشم انداز مسحور کننده است.
در حال حاضر یادگیری ماشینی برای مدیریت ریسک و پیشگیری از تقلب استفاده می شود. شرکت Intelligent Voice دستگاه های هوشمند یادگیری ماشینی خود را به کارگزاری ها برای تبدیل صدا به متن و جلوگیری از خطای معامله گران و حتی کشف نشانه های معامله های مبتنی بر اطلاعات درونی می فروشد.شرکت های Xcelerit و Kinetica به بانک ها و شرکت های سرمایه گذاری ، ابزارهای مدیریت ریسک آنی می فروشند که به شرکت ها امکان بررسی سرمایه لازم را در تمام زمان ها می دهد.
یادگیری ماشینی ، در پیدا کردن الگوهای غیرمعمول در معاملات ، بسیار خوب عمل می کند و به راحتی می تواند تقلب را کشف کند. شرکت هایی مانند Feedzai در حوزه پرداخت و Shift Technology در حوزه بیمه ، در حال ارائه چنین خدماتی هستند. برخی از برنامه ها مانند Monzo که در بریتانیا فعال است ، از تقلب کارت های بانکی جلوگیری می کند و توانسته تقلب را از 0.85% در سال 2016 به 0.1% در سال 2017 کاهش دهد.
برنامه های مبتنی بر پردازش زبان طبیعی ، تاثیر قابل توجهی بر فعالیت های مبتنی بر کاغذ و بایگانی داشته است. در ژوئن 2016 JPMorgan برنامه ای را پیاده سازی نمود که 12 هزار قرارداد وام تجاری را در چند ثانیه مدیریت می کرد ، در حالی که به 360 هزار ساعت کار برای بررسی و مطالعه قراردادها نیاز است.
یادگیری ماشینی برای خودکار کردن تصمیمات مالی نیز موثر است ، از جمله برای ارزیابی اعتباری یا واحد شرایط بودن در بیمه نامه ها . شرکت Zest Finance در حوزه خودکار کردن امتیازدهی اعتباری فعال است. این شرکت امسال برنامه ای را رونمایی کرده است که با استفاده از یادگیری ماشینی ، می تواند ارزیابی مناسبی از افراد با سابقه کم اعتباری نیز داشته باشد. برنامه Lemonade که یک استارت آپ در حوزه بیمه است ، از یادگیری ماشینی برای فروش بیمه نامه ها و مدیریت خسارات استفاده می کند.
شاید جدیدترین مرز یادگیری ماشینی ، معاملات باشد. واحد استراتژی های سرمایه گذاری کمی در Goldman Sachs ،پردازش زبانی گزارشات هزاران تحلیلگر را انجام می دهد و گزارش نهایی آن ، امتیاز بندی تمایلات بازار براساس کلمات مثبت و منفی است. امتیاز برای انتخاب سهام بکار می رود. همچنین گلدمن در شرکت Kensho سرمایه گذاری کرده است که یک استارت آپ در حوزه یادگیری ماشینی برای پیش بینی اثر وقایع بر بازارهای مالی با استفاده از یادگیری داده های مشابه است.
صندوق های پوششی که با استفاده از الگوریتم های پیچیده یادگیری ماشینی کار می کنند ، توانسته بازده قابل توجهی کسب کنند. با این حال ، برخی از صندوق ها با شک به یادگیری ماشینی نگاه می کنند و معتقدند که در خصوص برخی از روش ها مبالغه شده است و تنها برخی از روش ها کاربردی است.
در حوزه های دیگر ، یادگیری ماشینی ، تغییردهنده بازی بوده است. دیگر دلیلی برای سختی مالی نیست ، زیرا لازم نیست که روش هایی برای یافتن سیگنال به کامپیوتر گفته شود ، بلکه کامپیوترها یاد می گیرند که چگونه سیگنال های معاملاتی را پیدا کنند. و بدین ترتیب استراتژی های معاملاتی متعارف که توسط انسان ها طراحی شده است ، مغلوب خواهد شد.
این موضوع می تواند سبب تغییرات شگرفی شود. بسیاری از صندوق ها وابسته به محققانی هستند که براساس داده ها ، الگوریتم ها را طراحی می کنند. اما این مشاغل می تواند با ماشین های یادگیرنده از بین برود و متخصصان یادگیری ماشینی جایگزین آن ها شوند.
https://news.1rj.ru/str/nlpcontest
در رشته های مختلف از معامله تا ارزیابی اعتباری ، یادگیری ماشینی پیشرفت قابل توجهی داشته است.
یادیگری ماشینی ، شروع به لرزه در آوردن مالی کرده است. زیرمجموعه ای از هوش مصنوعی که به خوبی می تواند الگوها را بیابد و پیش بینی انجام دهد ، صنعت مالی را تحت تاثیر قرار داده است. اکنون واحدهای هوش مصنوعی در شرکت هایی مانند PwC ، JP Morgan و صندوق های پوششی مانند GLG ایجاد شده است. از سال 2019 هر کسی که بخواهد CFA شود ، نیاز به پاسخ به سوالات AI در آزمون خود دارد.
با وجود شک و تردیدهای بسیاری ، برخی از صندوق های پوششی که مبتنی بر الگوریتم های یادگیری ماشینی فعالیت می کردند ، عملکرد قابل توجهی داشتند. شرکت های fintech شروع به انجام تکنیک های یادگیری ماشینی بر هر چیزی از جلوگیری از تقلب تا یافتن استراتژی های جدید معاملاتی نموده اند. هر چند کارها خسته کننده است ، اما چشم انداز مسحور کننده است.
در حال حاضر یادگیری ماشینی برای مدیریت ریسک و پیشگیری از تقلب استفاده می شود. شرکت Intelligent Voice دستگاه های هوشمند یادگیری ماشینی خود را به کارگزاری ها برای تبدیل صدا به متن و جلوگیری از خطای معامله گران و حتی کشف نشانه های معامله های مبتنی بر اطلاعات درونی می فروشد.شرکت های Xcelerit و Kinetica به بانک ها و شرکت های سرمایه گذاری ، ابزارهای مدیریت ریسک آنی می فروشند که به شرکت ها امکان بررسی سرمایه لازم را در تمام زمان ها می دهد.
یادگیری ماشینی ، در پیدا کردن الگوهای غیرمعمول در معاملات ، بسیار خوب عمل می کند و به راحتی می تواند تقلب را کشف کند. شرکت هایی مانند Feedzai در حوزه پرداخت و Shift Technology در حوزه بیمه ، در حال ارائه چنین خدماتی هستند. برخی از برنامه ها مانند Monzo که در بریتانیا فعال است ، از تقلب کارت های بانکی جلوگیری می کند و توانسته تقلب را از 0.85% در سال 2016 به 0.1% در سال 2017 کاهش دهد.
برنامه های مبتنی بر پردازش زبان طبیعی ، تاثیر قابل توجهی بر فعالیت های مبتنی بر کاغذ و بایگانی داشته است. در ژوئن 2016 JPMorgan برنامه ای را پیاده سازی نمود که 12 هزار قرارداد وام تجاری را در چند ثانیه مدیریت می کرد ، در حالی که به 360 هزار ساعت کار برای بررسی و مطالعه قراردادها نیاز است.
یادگیری ماشینی برای خودکار کردن تصمیمات مالی نیز موثر است ، از جمله برای ارزیابی اعتباری یا واحد شرایط بودن در بیمه نامه ها . شرکت Zest Finance در حوزه خودکار کردن امتیازدهی اعتباری فعال است. این شرکت امسال برنامه ای را رونمایی کرده است که با استفاده از یادگیری ماشینی ، می تواند ارزیابی مناسبی از افراد با سابقه کم اعتباری نیز داشته باشد. برنامه Lemonade که یک استارت آپ در حوزه بیمه است ، از یادگیری ماشینی برای فروش بیمه نامه ها و مدیریت خسارات استفاده می کند.
شاید جدیدترین مرز یادگیری ماشینی ، معاملات باشد. واحد استراتژی های سرمایه گذاری کمی در Goldman Sachs ،پردازش زبانی گزارشات هزاران تحلیلگر را انجام می دهد و گزارش نهایی آن ، امتیاز بندی تمایلات بازار براساس کلمات مثبت و منفی است. امتیاز برای انتخاب سهام بکار می رود. همچنین گلدمن در شرکت Kensho سرمایه گذاری کرده است که یک استارت آپ در حوزه یادگیری ماشینی برای پیش بینی اثر وقایع بر بازارهای مالی با استفاده از یادگیری داده های مشابه است.
صندوق های پوششی که با استفاده از الگوریتم های پیچیده یادگیری ماشینی کار می کنند ، توانسته بازده قابل توجهی کسب کنند. با این حال ، برخی از صندوق ها با شک به یادگیری ماشینی نگاه می کنند و معتقدند که در خصوص برخی از روش ها مبالغه شده است و تنها برخی از روش ها کاربردی است.
در حوزه های دیگر ، یادگیری ماشینی ، تغییردهنده بازی بوده است. دیگر دلیلی برای سختی مالی نیست ، زیرا لازم نیست که روش هایی برای یافتن سیگنال به کامپیوتر گفته شود ، بلکه کامپیوترها یاد می گیرند که چگونه سیگنال های معاملاتی را پیدا کنند. و بدین ترتیب استراتژی های معاملاتی متعارف که توسط انسان ها طراحی شده است ، مغلوب خواهد شد.
این موضوع می تواند سبب تغییرات شگرفی شود. بسیاری از صندوق ها وابسته به محققانی هستند که براساس داده ها ، الگوریتم ها را طراحی می کنند. اما این مشاغل می تواند با ماشین های یادگیرنده از بین برود و متخصصان یادگیری ماشینی جایگزین آن ها شوند.
https://news.1rj.ru/str/nlpcontest
Forwarded from عصر ایران
اين تكنولوژي هاي جديد هستند كه قواعد بازي را دربازارهاي جديد و منطقه اي تعيين خواهند كرد ونه سياستمداران و اقتصاددانان...شماره ٤٠مجله دانش بنيان همشهري اقتصاد منتشر شد
همایش هوش مصنوعی، کلان داده ها،پیام رسان ها و فرصت های پیش روی ایران
برای ثبت نام به سایت nlpcontest.com مراجعه فرمایید.
برای ثبت نام به سایت nlpcontest.com مراجعه فرمایید.
اختتامیه مسابقه بزرگ پیش بینی انتخابات ریاست جمهوری ایران به وسیله هوش مصنوعی
هزینه شرکت در همایش: 30,000 تومان
لینک ثبت نام و دریافت تخفیف دانشجویی: goo.gl/ABd3Hi
شماره تماس: 22905871
هزینه شرکت در همایش: 30,000 تومان
لینک ثبت نام و دریافت تخفیف دانشجویی: goo.gl/ABd3Hi
شماره تماس: 22905871
چه کسی نفر بعدی است که در سریال گیم آف ترونز می میرد؟
جورج آر. آر. مارتین نویسنده خلاق مجموعه کتاب های گیم آف ترونز، همواره غیر قابل پیش بینی عمل کرده و چیره دستی خود را در کشتن قهرمانان ها و شخصیت های دوست داشتنی داستان مثل ند استارک، راب استارک، کال دروگو و ... نشان داده است.
محققان هوش مصنوعی، با استفاده از ماشین لرنینگ، سیستم هایی طراحی کرده اند که الگوی مرگ را در این سریال شناسایی کرده است و می توانند مرگ شخصیت های داستان را پیش بینی کنند.
شاید برای شما نیز دردناک باشد اما بر اساس خروجی های بدست آمده از ماشین لرنینگ ساخته شده توسط میلان جانوسوف در دانشگاه CEU ، احتمال مرگ دنریس تارگرین در این سیستم 91% است و این احتمال تقریبا یک مرگ قطعی است.
در ادامه لینک هایی معرفی میشود که شما را با جزئیات این سیستم ها و خروجی های آن ها بیشتر آشنا می کند.
https://goo.gl/AZrzL5
https://goo.gl/owySdw
https://goo.gl/8JYEEc
@nlpcontest
جورج آر. آر. مارتین نویسنده خلاق مجموعه کتاب های گیم آف ترونز، همواره غیر قابل پیش بینی عمل کرده و چیره دستی خود را در کشتن قهرمانان ها و شخصیت های دوست داشتنی داستان مثل ند استارک، راب استارک، کال دروگو و ... نشان داده است.
محققان هوش مصنوعی، با استفاده از ماشین لرنینگ، سیستم هایی طراحی کرده اند که الگوی مرگ را در این سریال شناسایی کرده است و می توانند مرگ شخصیت های داستان را پیش بینی کنند.
شاید برای شما نیز دردناک باشد اما بر اساس خروجی های بدست آمده از ماشین لرنینگ ساخته شده توسط میلان جانوسوف در دانشگاه CEU ، احتمال مرگ دنریس تارگرین در این سیستم 91% است و این احتمال تقریبا یک مرگ قطعی است.
در ادامه لینک هایی معرفی میشود که شما را با جزئیات این سیستم ها و خروجی های آن ها بیشتر آشنا می کند.
https://goo.gl/AZrzL5
https://goo.gl/owySdw
https://goo.gl/8JYEEc
@nlpcontest
Medium
Finding patterns in deaths in Game of Thrones using Machine Learning
Valar Morghulis (All men must die) is the most haunting phrase for any GoT fan. Barely an episode goes by without a slack-jawed shocking…
This media is not supported in your browser
VIEW IN TELEGRAM
Russian President Vladimir Putin : "Whoever becomes the leader in this sphere(AI) will become the ruler of the world."
فراخوان ارائه سخنرانی در سمینار یکروزه یادگیری عمیق در پردازش زبان طبیعی
گروه پردازش زبان طبیعی دانشگاه صنعتی امیرکبیر از ابتدای سال ۹۶ اقدام به برگزاری سمینارهای ماهانه با محوریت «یادگیری عمیق در پردازش زبان طبیعی» نموده است. در راستای این سمینارها، این گروه افتخار دارد سمینار یکروزه یادگیری عمیق در پردازش زبان طبیعی را در تاریخ چهارشنبه ۱ آذر ۱۳۹۶ در دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر برگزار نماید.
این سمینار فرصتی جهت گردهمایی دانشجویان تحصیلات تکمیلی دانشگاههای مختلف خواهد بود تا به ارائه و بحث در مورد آخرین یافتههای تحقیقاتی خود در این زمینه و بالاخص کاربرد روشهای نوین این حوزه در پردازش زبان فارسی بپردازند.
به همین منظور از سخنرانیهایی که در راستای ارائه دستاوردهای دانشجویان در زمینه مرتبط با عنوان سمینار میباشد دعوت به عمل میآید.
خواهشمند است جهت پیشنهاد ارائه سخنرانی فرم زیر را تا تاریخ یکشنبه ۳۰ مهرماه کامل نمایید.
https://goo.gl/forms/GEuGA0NgLNf7elih2
سوالات خود را در زمینه این رخداد میتوانید در فرم زیر مطرح نمایید.
https://goo.gl/forms/IfqE0fLTEUSTb8UE2
جهت اطلاعات بیشتر در مورد این سمینار و موضوعات سخنرانیهای برگزار شده به لینک زیر مراجعه نمایید:
http://nlp.ceit.aut.ac.ir/seminars.html
گروه پردازش زبان طبیعی دانشگاه صنعتی امیرکبیر از ابتدای سال ۹۶ اقدام به برگزاری سمینارهای ماهانه با محوریت «یادگیری عمیق در پردازش زبان طبیعی» نموده است. در راستای این سمینارها، این گروه افتخار دارد سمینار یکروزه یادگیری عمیق در پردازش زبان طبیعی را در تاریخ چهارشنبه ۱ آذر ۱۳۹۶ در دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر برگزار نماید.
این سمینار فرصتی جهت گردهمایی دانشجویان تحصیلات تکمیلی دانشگاههای مختلف خواهد بود تا به ارائه و بحث در مورد آخرین یافتههای تحقیقاتی خود در این زمینه و بالاخص کاربرد روشهای نوین این حوزه در پردازش زبان فارسی بپردازند.
به همین منظور از سخنرانیهایی که در راستای ارائه دستاوردهای دانشجویان در زمینه مرتبط با عنوان سمینار میباشد دعوت به عمل میآید.
خواهشمند است جهت پیشنهاد ارائه سخنرانی فرم زیر را تا تاریخ یکشنبه ۳۰ مهرماه کامل نمایید.
https://goo.gl/forms/GEuGA0NgLNf7elih2
سوالات خود را در زمینه این رخداد میتوانید در فرم زیر مطرح نمایید.
https://goo.gl/forms/IfqE0fLTEUSTb8UE2
جهت اطلاعات بیشتر در مورد این سمینار و موضوعات سخنرانیهای برگزار شده به لینک زیر مراجعه نمایید:
http://nlp.ceit.aut.ac.ir/seminars.html
هوش مصنوعی.pdf
5.2 MB
پرونده منتشر شده در مجله دانستنیها- 13 خرداد ماه 1396
"هوش مصنوعی چه طور نتیجه انتخابات را پیش بینی کرد؟"
#هوش_مصنوعی
#کلان_داده
#دانستنیها
"هوش مصنوعی چه طور نتیجه انتخابات را پیش بینی کرد؟"
#هوش_مصنوعی
#کلان_داده
#دانستنیها
Mahramane.pdf
747.9 KB
پرونده هوش مصنوعی و پیش بینی انتخابات ریاست جمهوری
منتشر شده در مجله دانستنیها ۱۹ شهریور ماه ۹۶
#هوش_مصنوعی
#کلان_داده
#دانستنیها
منتشر شده در مجله دانستنیها ۱۹ شهریور ماه ۹۶
#هوش_مصنوعی
#کلان_داده
#دانستنیها