خانه هوش مصنوعی منابع اطلاعاتی متمرکز هوش مصنوعی در ایران

تاثیر فوق العاده هوش مصنوعی بر صنعت خودرو

تاثیر فوق العاده هوش مصنوعی بر صنعت خودرو

 

برنامه های کاربردی هوش مصنوعی به شرکت های سازنده خودرو کمک می کنند تا امکانات جدیدی را توسعه دهند. چرا که چه در تولید، چه در خدمات، چه در فروش و یا بازاریابی، داده ها پایه و اساس فرآیندهای کسب و کار دیجیتالی جدید را تشکیل می دهند.

اما وجود هوش مصنوعی در خودروها به چه معناست؟

در واقع، هیچ هوش مصنوعی، به صورت نوعی مغز مصنوعی تعبیه شده در ماشین ها وجود ندارد! هوش واقعی، قبل از هر چیز، نیازمند وجود نوعی خودآگاهی فردی است. چیزی که تا کنون ماشین ها امکان آن را نداشته اند.

وقتی از هوش مصنوعی صحبت می کنیم، منظورمان بخشی از علوم کامپیوتر است که با یادگیری ماشین سروکار دارد. به طور کلی، هوش مصنوعی هر جا که رایانه‌ها مسایل پیچیده‌تر را حل و پاسخ‌های صحیح را ارائه می‌دهند، حضور دارد. در خودروهای فعلی، اینها رایانه های گفتاری و سیستم های ناوبری هستند.

متخصصان کامپیوتر برنامه هایی را برای آموزش توانایی های شناختی به رایانه های ماشین توسعه می دهند. این آموزش ها شامل دیدن، شنیدن و برنامه ریزی است.

رانندگی خودکار برای همه

هوش مصنوعی مهمترین عامل در رانندگی خودکار است. در آینده، ماشین‌های روباتی باید تصمیم بگیرند که چگونه رانندگی کنند و مهم‌تر از همه، در شرایط خاص چگونه واکنش نشان دهند.

آیا باید جلوی مانعی ترمز کنند یا راه را کج کنند؟ اگر یک عابر پیاده به خیابان قدم بگذارد، ماشین، با هوش مصنوعی خود باید فوراً - و حتی در حالت ایده آل پیشاپیش - تشخیص دهد که عابر پیاده می‌خواهد از جاده عبور کند و تا حد سکون ترمز کند.

اما هوش مصنوعی در حال حاضر در خودروهای معمولی، یعنی غیر خودران ها هم استفاده می شود. با سیستم‌هایی مانند کنترل صوتی، سرگرمی یا سیستم‌های ناوبری، هوش مصنوعی امروزه از راننده پشتیبانی می‌کند؛ مانند سیستم MBUX مرسدس. این برنامه می تواند به خاطر بیاورد که راننده ماشین چه روز و چه ساعتی با شخص خاصی تماس می گیرد یا مسیر خاصی را می رود. سپس شماره تلفن یا خیابان را به راننده پیشنهاد می کند.

تشخیص گفتار برای کنترل اطلاعات ال سی دی خودرو و تشخیص تصویر برای تشخیص خودکار علائم راهنمایی و رانندگی، که در سیستم‌های کمک راننده استفاده می‌شود، نیز مبتنی بر هوش مصنوعی هستند.

رانندگی خودکار تنها یکی از حوزه‌هایی است که انتظار می‌رود در آینده از هوش مصنوعی استفاده کند. سایر سیستم های کمکی نیز باید بتوانند با هوش مصنوعی کار کنند. سازنده چینی Byton در حال برنامه ریزی یک سیستم باز کردن قفل خودرو با استفاده از تشخیص چهره است. کابین‌های هوشمند باید از دوربین‌ها استفاده کنند تا تشخیص دهند راننده به کدام دکمه‌ها نیاز دارد و سپس آنها را نمایش دهد. به این ترتیب داشبورد خلوت تر و مرتب تر می شود!

وسایل نقلیه امروزی واقعا باهوش هستند. به لطف هوش مصنوعی، آنها سه برابر سریعتر از انسان ها محاسبه می کنند. بیایید ببینیم که چگونه هوش مصنوعی صنعت خودرو را راحت تر و ایمن تر می کند.

خودروهای آینده به طور مستقل محیط خود را درک خواهند کرد و با کامپیوترهای مجهز به هوش مصنوعی واکنش های صحیحی نشان خواهند داد. آنها تمام اطلاعاتی را که جمع آوری می کنند به هم وصل کرده و سپس تصمیم می گیرند. همچنین یاد می‌گیرند که از داده‌های قبلا ذخیره شده برای پیش‌بینی وضعیتی که پیش خواهد آمد استفاده کند. به عنوان مثال، اگر توپی در خیابان از بین ماشین‌های پارک شده بغلتد، کودکی ممکن است به دنبال آن بدود؛ بنابراین ماشین برای احتیاط ترمز می‌کند.

هر خودرویی که دارای رایانه ماشین هوش مصنوعی است، داده‌های جدیدی را جمع‌آوری می‌کند. به عنوان مثال، در مورد ترافیک اطراف، وضعیت جاده یا موانع ترافیکی و این داده ها به صورت ناشناس، در یک پایگاه داده عظیم ذخیره می شوند.

پس از اینکه الگوریتم های موجود داده ها را به طور گسترده تحلیل کردند، خروجی آن در دسترس همه خودروهای هوشمند دیگر قرار می گیرد و در هر موقعیت رانندگی، هوش مصنوعی می‌تواند از تجربه میلیون‌ها خودروی دیگر استفاده کند تا در کسری از ثانیه تصمیم درست را بگیرد.

نگاه تیزبین

با فناوری های مدرن هوش مصنوعی، وسایل نقلیه می توانند اشیاء و مهمتر از همه، منطقه قابل تردد را در فاصله 50 متری تشخیص دهند و همچنین محیط اطراف را با وضوح بالای 1280 در 960 پیکسل و به صورت سه بعدی، با کنتراست قوی و رنگی مشاهده و ضبط کنند.

در پی این مرحله مرحله تعیین کننده بعدی دنبال می شود: رایانه ماشین هوش مصنوعی این اطلاعات تصویری را با حداکثر سرعت پردازش می کند و آن را با سایر داده های جمع آوری شده از بیش از 40 حسگر - به عنوان مثال، سیگنال های رادار یا اولتراسونیک - ترکیب می کند تا تصویری کلی از محیط اطراف ایجاد کند. تجزیه و تحلیل نشان می دهد که تا 90 درصد از تمام تصادفات مربوط به صدمات شخصی ناشی از خطای انسانی است، جایی که اتوماسیون می تواند در کاهش آن کمک کند.

ترمزها قوی تر می شوند

باز هم، کامپیوتر دارای هوش مصنوعی در آن محوریت دارد. این رایانه تمام داده های دریافتی از دوربین ها یا حسگرهای رادار را تجزیه و تحلیل می کند، بر اساس الگوهای از قبل ذخیره شده تصمیم گیری می کند و سپس به سیستم ترمز سیگنال می دهد تا ماشین بایستد.

در خودروهای خودران دو سیستم ترمز مستقل وجود دارد: برنامه پایداری الکترونیکی (ESP) و تقویت کننده ترمز الکترومکانیکی iBooster. فقط 192 میلی ثانیه - کمتر از دو پلک زدن - طول می کشد تا در صورت توقف اضطراری، قدرت ترمز به طور کامل فعال شود.

بلاک چین در صنعت خودروسازی

فناوری بلاک چین، به بیان ساده، فهرستی دائمی و قابل گسترش از رکوردهایی است که به شکل یک زنجیره به یکدیگر مرتبط هستند. رمزگذاری آنها را برای صنعت خودرو بسیار ایمن و لذت بخش می کند. به روز رسانی در لحظه، چنین مجموعه داده های گسترده ای از اطلاعات را به یک معدن طلای واقعی برای صنعت قطعات خودرو تبدیل می‌کند. به عنوان مثال، متخصصان می‌توانند رایانه‌های هوش مصنوعی را آموزش دهند تا ایمن‌ترین، کم‌مصرف‌ترین، یا بهترین چرخ‌ها و لاستیک‌ها را برای هر وسیله نقلیه تشخیص دهند.

مثلا، فولکس واگن در حال توسعه سیستمی است که در آن می توان مسافت پیموده شده را به طور دقیق دنبال و بدون تغییر ذخیره کرد. این کار برای جلوگیری از دستکاری در کیلومتر شمار است. همچنین پورشه در حال کار بر روی سیستمی است که تنها برای افراد خاصی یک رمز مجازی اضافه کند که می‌توانند برای روشن کردن و راندن خودرو از آن استفاده کنند، اما هکرها و سارقان بدون این رمزها نمی توانند وسیله نقلیه را روشن کنند.

آیا هوش مصنوعی اتومبیل ها را به ربات تبدیل می کند؟

هوش مصنوعی در حال حاضر در بیشتر خودروهایی که دستگاه‌های مسیریابی یکپارچه دارند و تقریباً همه گوشی‌های هوشمند در حال کار است. تشخیص گفتار دستیارانی مانند سیری اپل یا الکسای آمازون با هوش مصنوعی انجام می‌شود. هوش مصنوعی آنچه را که شخص می گوید می فهمد، سپس فکر می کند و با یک عمل به آن واکنش نشان می دهد.

برنامه های مسیریابی نیز با در نظر گرفتن حجم ترافیک در مسیرهای مختلف، برای یافتن یک مسیر بهینه، از هوش مصنوعی استفاده می کنند. البته این باعث نمی شود که آنها به روبات های جنگنده بیگانه مانند فیلم ترمیناتور تبدیل شوند. ماشین ها فقط به اندازه برنامه هایشان و بنابراین برنامه نویسانشان خوب هستند. در حال حاضر یک ماشین هوشیاری خود را توسعه نمی دهد و نمی تواند برای خود برنامه بنویسد.

۰ نظر موافقین ۰ مخالفین ۰
مصطفی علیپور
۵ نقش اصلی هوش مصنوعی در آموزش/ فناوری چگونه تجربه یادگیری را تغییر می‌دهد؟

۵ نقش اصلی هوش مصنوعی در آموزش/ فناوری چگونه تجربه یادگیری را تغییر می‌دهد؟

فناوری در آموزش شیوه آموزش و یادگیری را در سراسر جهان متحول کرده است. هوش مصنوعی یکی از تکنیک‌های عالی برای گروه‌های مختلف یادگیری، معلمان و مربیان است. پیشرفت تکنولوژی باعث ایجاد تغییرات در بسیاری از صنایع شده است. اینترنت و تلفن همراه دو فناوری به‌هم پیوسته هستند که زندگی روزمره افراد توسط آن تحت تأثیر قرار گرفته است. فناوری دیگری با پتانسیل تغییر چهره بخش آموزش به‌سرعت در حال رشد است. تفاوت انسان با دیگر موجودات زنده هوش و ذکاوت انسان است و هوش مصنوعی امتداد این کیفیت است. هدف اصلی هوش مصنوعی بهینه‌سازی فرآیندهای معمول، بهبود سرعت و کارایی مربیان است. در نهایت، تعداد شرکت‌هایی که از هوش مصنوعی استفاده می‌کنند همچنان در سراسر جهان رو به‌افزایش است. در این خصوص گزارشی تهیه کردیم تا نقش اصلی هوش مصنوعی را در آموزش نشان دهیم.

دانشمندان به‌گونه‌ای این دستگاه هوشمند را نیز طراحی می‌کنند تا با ۳ اصل اساسی در آموزش مطابقت داشته باشد. این سه اصل مهم شامل یادگیری، خود تصحیح و استدلال است. در ابتدا آن‌ها تجربه‌های مختلف و جدید را کسب و پردازش می‌کنند، سپس برای اطمینان از نتایج دقیق الگوریتم‌ها را نیز اصلاح کرده و در نهایت الگوریتم‌های خاص را برای حل یک کار خاص انتخاب می‌کنند. اشکال هوش مصنوعی قادر به یادگیری از تجربه خود نیستند؛ بنابراین باید تجربه‌های مختلف را کسب و پردازش کنند.

ایجاد برنامه درسی با هوش مصنوعی برای هر دانش‌آموز

ابزارهای هوش مصنوعی امکان دارد برای بهبود فرآیندهای مطالعه استفاده شود. هوش مصنوعی کمک می‌کند تا دانش‌آموزان متوجه شوند که چه‌کاری باید انجام دهند. همچنین هوش مصنوعی این امکان را برای دانش‌آموزان فراهم می‌کند تا متوجه شوند که چه چیزی را نمی‌دانند و با در نظر گرفتن شکاف‌های دانش، یک برنامه مطالعه شخصی برای هر دانش‌آموز ایجاد می‌کند. هوش مصنوعی با توجه به نیازهای دانش‌آموزان مطالعه می‌کند و به این ترتیب کارایی دانش‌آموزان ارتقا پیدا می‌کند. برای انجام این کار، بسیاری از شرکت‌ها هوش مصنوعی خود را به‌خوبی آموزش می‌دهند تا با تئوری فضای دانش، شکاف‌های دانش آشنا شوند و بتوانند به یادگیری دانش‌آموزان کمک کنند.

 

رابط‌های یادگیری دیجیتال، کتاب‌های درسی دیجیتال، راهنمای مطالعه و موارد دیگر را می‌توان به کمک هوش مصنوعی تولید کرد. همچنین روش‌های جدید درک اطلاعات مانند تجسم و شبیه‌سازی می‌تواند توسط هوش مصنوعی تقویت شود. علاوه‌بر این، هوش مصنوعی به تولید و به‌روز رسانی محتوای درس‌ها کمک می‌کند. با هوش مصنوعی اطلاعات به‌روز نگه داشته می‌شوند. هوش مصنوعی در ساده‌سازی وظایف اداری نیز کاربرد دارد. نمره‌دهی، ارزیابی و پاسخ به دانش‌آموزان فعالیتی زمان‌بر است که می‌تواند توسط معلم با استفاده از هوش مصنوعی بهینه شود. سپردن مجموعه‌ای از وظایف معمول به هوش مصنوعی به معلمان کمک می‌کند تا فضا را برای موارد مهم‌تری باز کند. این موارد مهم درسی شامل درجه‌بندی تکالیف، هوش مصنوعی، خودآموزی و ارتقای کیفیت دروس است.

هوش مصنوعی شرمندگی دانش‌آموزان را کاهش می‌دهد

برنامه‌های مطالعه شخصی به‌طور دائم در حال تکامل است، زیرا شکاف‌های دانش‌آموزان برای برنامه‌های مطالعه در نظر گرفته می‌شود. با استفاده از روبات‌های گفتگوی مبتنی بر هوش مصنوعی یا دستیارهای شخصی مجازی هوش مصنوعی، دانش‌آموزان می‌توانند با درخواست کمک بیشتر در مقابل دوستان خود از شرمندگی جلوگیری کنند. هوش مصنوعی امکان دسترسی به آموزش را برای دانش‌آموزان با نیازهای ویژه مانند ناشنوایان، کم‌شنوایان، کم‌بینا و افراد مبتلا به ایدز فراهم می‌کند. هوش مصنوعی باعث شده که دانش‌آموزان به‌صورت آنلاین همیشه به یادگیری دسترسی داشته باشند. همچنین با یادگیری آنلاین آن‌ها آزادند که روز خود را بدون اینکه به مکان‌ خاصی مرتبط باشند برنامه‌ریزی کنند. آن‌ها می‌توانند در حال حرکت، در هر مکان و زمانی که بخواهند مطالعه کنند. دانش‌آموزان می‌توانند برنامه خود را بر اساس پربازده‌ترین ساعات خود بسازند.


هوش مصنوعی می‌تواند جایگزین معلمان شود؟

در سال‌های اخیر، کارشناسان پیش‌بینی کرده‌اند که بین سال‌های ۲۰۱۷ تا ۲۰۲۲، استفاده از هوش مصنوعی در آموزش در ایالات متحده ۴۷.۵ درصد رشد خواهد کرد. با وجود پیشرفت گسترده هوش مصنوعی، کارشناسان براین باورند که با این فناوری نمی‌توان حضور معلمان را به‌طور کامل از بین برد، اما آن‌ها موافقند که نحوه انجام کار آن‌ها و بهترین شیوه‌های آموزشی را نیز تغییر می‌دهد. استفاده از هوش مصنوعی تنها روشی نیست که معلمان می‌توانند به کمک آن کار خود را نیز انجام دهند. همچنین روش یادگیری دانش‌آموزان را به‌طور کامل متحول می‌کند. رشد هوش مصنوعی تنها به ایالات متحده محدود نمی‌شود. بر اساس تحقیقات، استفاده جهانی از هوش مصنوعی در آموزش تخمین زده می‌شود که رشد ۴۵ درصدی داشته است. اکنون هر روز شاهد تجلی هوش مصنوعی در زندگی خود هستیم و در بخش آموزش نیز امکانات زیادی را برای معلمان و دانش‌آموزان ایجاد کرده است.

۰ نظر موافقین ۰ مخالفین ۰
مصطفی علیپور
هوش‌مصنوعی گوگل بهتر از انسان برنامه‌نویسی می‌کند

هوش‌مصنوعی گوگل بهتر از انسان برنامه‌نویسی می‌کند

برنامه‌های پیشرفته هوش مصنوعی قابلیت انجام کارهایی را دارند که به تفکر انتقادی در حد انسان نیاز دارد.

به گزارش ایتنا و به نقل از ایندیپندنت، «دیپ‌مایند» این سیستم خود را که آلفاکد نام دارد، با شبیه‌سازی شرکت در ۱۰ مسابقه اخیر برنامه‌نویسی تارنمای «کد فورسز» ارزیابی کرده است.

رتبه سیستم آلفاکد جزو ۵۴ درصد اول در مسابقات برنامه‌نویسی جهان واقعی بود و نشان داد که برنامه‌های پیشرفته هوش مصنوعی قابلیت انجام کارهایی را دارند که به تفکر انتقادی در حد انسان نیاز دارد.

مایک میرزایانوف، موسس «کد فورسز»، می‌گوید: «تردید داشتم، چون حتی در مسائل ساده مسابقات هم اغلب نه‌تنها اجرای الگوریتمی لازم است، بلکه باید الگوریتم هم ابداع کرد که سخت‌ترین قسمت کار است. آلفاکد توانست در حد رقیبی جدید و نویدبخش عمل کند. بی‌صبرانه منتظرم که ببینم در آینده چه می‌کنند.»

«دیپ‌مایند» امیدوار است که با توسعه قابلیت‌های این سیستم، بتواند به برنامه‌نویسان کمک کند تا بهره‌وری‌شان را افزایش دهند و در عین حال، میدانی هم برای کسانی باز شود که برنامه‌نویسی نمی‌دانند، ولی برای ساخت برنامک و برنامه ایده‌هایی دارند.

پتر میتیچف، برنامه‌نویس رقابتی و مهندس نرم‌افزار شاغل در گوگل، توضیح داد که این سیستم هوش مصنوعی چطور برای یافتن راه‌حل، از روش «کاوش تصادفی» استفاده می‌کند.

او می‌گوید: «حل کردن مسائل برنامه‌نویسی رقابتی واقعاً سخت است و هم به مهارت‌های برنامه‌نویسی نیاز دارد، هم به خلاقیتی در حد انسان برای حل کردن مسئله.»
 


شرکت استارتاپ دیپ‌مایند که در لندن مستقر است و در سال ۲۰۱۴ طی معامله‌ای به ارزش ۵۰۰ میلیون دلار به تملک گوگل درآمد، جزو سردمداران ساخت هوش‌مصنوعی دارای قابلیت‌های در حد انسان به شمار می‌آید و در چندین نقطه‌عطف کلیدی در این حوزه، توانسته است از رقبا پیشی گیرد.

این شرکت پیش از این توانسته بود هوشی مصنوعی برای انجام بازی‌های تخته‌نردی و بازی‌های ویدیویی بسازد که بهترین بازیکنان را شکست می‌داد.

الگوریتم موزیرو که در سال ۲۰۲۰ از آن رونمایی کردند، می‌توانست بازی شطرنج، شوگی، و بازی‌های ویدیویی آتاری را بدون دریافت هیچ اطلاعاتی از انسان یا دانستن قواعد بازی، یاد بگیرد و بازی کند.

دمیس هاس‌سابیس، مدیرعامل و موسس دیپ‌مایند، می‌گوید چنین پیشرفت‌هایی، گام‌هایی مهم به سوی ساخت هوش‌مصنوعی همه‌منظوره و «قادر به سر در آوردن از آشفتگی‌ها و پیچیدگی‌های جهان واقعی» است.

۰ نظر موافقین ۰ مخالفین ۰
مصطفی علیپور
چهره‌های جعلی ایجاد شده با هوش مصنوعی مورد اعتمادتر از چهره‌های واقعی!

چهره‌های جعلی ایجاد شده با هوش مصنوعی مورد اعتمادتر از چهره‌های واقعی!

یک مطالعه جدید نشان می‌دهد که چهره‌های جعلی ایجاد شده توسط هوش مصنوعی از چهره‌های واقعی قابل اعتمادتر به نظر می‌رسند که موضوع نگران کننده‌ای است.

به گزارش ایسنا و به نقل از دیلی میل، یک مطالعه جدید و در عین حال نگران کننده نشان می‌دهد که چهره‌های جعلی ایجاد شده توسط هوش مصنوعی قابل اعتمادتر از چهره افراد واقعی به نظر می‌رسند.

در این مطالعه جدید که توسط "سوفی نایتینگل" از دانشگاه "لنکستر" و "هانی فرید" از دانشگاه "کالیفرنیا برکلی" انجام شد، محققان چندین آزمایش انجام دادند تا ببینند آیا چهره‌های جعلی ایجاد شده توسط الگوریتم‌های یادگیری ماشینی می‌توانند انسان‌ها را فریب دهند یا خیر. آنها دریافتند چهره‌هایی که به ‌صورت مصنوعی تولید می‌شوند، نه تنها بسیار واقع‌گرایانه هستند، بلکه تقریباً از چهره‌های واقعی قابل تشخیص نیستند و حتی توسط افراد، قابل اعتمادتر ارزیابی می‌شوند.

محققان با توجه به این نتایج، خواستار تدابیری برای جلوگیری از پخش آنلاین "جعل عمیق" یا "دیپ فیک" هستند.

از فناوری "جعل عمیق" تاکنون برای جعل تصاویر مستهجن از افراد مشهور، کلاهبرداری و تبلیغات استفاده شده که منجر به انتشار اخبار جعلی و ایجاد دردسرهای زیادی شده است.

محققان می‌گویند: ارزیابی ما از واقع‌گرایی عکس چهره‌های مصنوعی تولید شده با هوش مصنوعی نشان می‌دهد که موتورهای تولید این تصاویر از مرزها عبور کرده‌اند و می‌توانند چهره‌هایی غیرقابل تشخیص و حتی قابل اعتمادتر از چهره‌های واقعی ایجاد کنند.

آنها می‌افزایند: شاید زیان‌بارترین نتیجه این فناوری این باشد که در دنیای دیجیتال که در آن هر تصویر یا ویدئویی را می‌توان جعل کرد، صحت هرگونه تصویر و ویدیو را می‌توان زیر سوال برد.

کارشناسان برای این مطالعه از چهره‌های جعلی استفاده کردند که با یک "شبکه زایای دشمن‌گونه" موسوم به "StyleGAN۲" متعلق به شرکت فناوری "انویدیا"(Nvidia) ساخته شده است.

شبکه‌های زایای دشمن‌گونه یا شبکه‌های مولد رقابتی(GANs) با قرار دادن دو الگوریتم در برابر یکدیگر کار می‌کنند تا تصاویر متقاعدکننده‌ای از دنیای واقعی ایجاد کنند.

شبکه‌های زایای دشمن‌گونه یک کلاس از چارچوب‌های یادگیری ماشین است که "ایان گودفلو" و همکارانش در سال ۲۰۱۴ آن را معرفی کردند. در این کلاس، دو شبکه عصبی در یک بازی که سود یک بازیکن به ضرر بازیکن دیگر است و هر گاه بازیکنی یک امتیاز می‌گیرد در واقع امتیازی از بازیکن مقابل کم می‌شود، روبروی یکدیگر قرار می‌گیرند. در نتیجه همواره مجموع امتیازات صفر است.

در این روش شبکه فرا می‌گیرد چگونه از داده‌های آموزش، داده‌های جدیدی به وجود بیاورد که از دید آماری داده‌های آموزش و به وجود آمده همسان باشند. به عبارت دیگر روش در نهایت قرار است داده‌هایی که برای آموزش استفاده می‌شوند و خروجی شبکه از لحاظ برخی ویژگی‌ها شباهت داشته باشند، وظیفه تولید خروجی بر عهده‌ی بخش زایا و وظیفه بررسی کافی بودن این شباهت بر عهده بخش دشمن‌گونه است. مانند یک بازی، اگر بخش دشمن‌گونه بتواند حدس بزند ورودی اصلی شبکه با خروجی ساخته شده توسط بخش زایا اختلاف دارند یا به عبارتی همسان نیستند، برنده می‌شود و بخش زایا مجبور است خروجی بهتری تولید کند تا جایی که بخش زایا بتواند بخش دشمن‌گونه را بفریبد در نتیجه بازی تمام شود.

برای نمونه، شبکه‌های مولد رقابتی آموزش‌یافته می‌توانند عکس‌های جدیدی را به وجود بیاورند که از دید بیننده درست باشد و بسیاری از ویژگی‌های داده‌های آموزشی را در بر بگیرد. تصور کنید قرار است از تصاویر با وضوح پایین تصاویر با وضوح بالای معادل آنها را بسازیم که علاوه بر بزرگتر بودن و با کیفیت‌تر بودن دقیقا معادل تصویر ورودی باشد. در چنین شرایطی شبکه زایای دشمن‌گونه بسیار مفید و کمک کننده است.

ایده بنیادی شبکه‌های مولد رقابتی بر پایه آموزش جداکننده است که خود نیز در فرآیند آموزش به شیوه پویا در حال به ‌روزرسانی است. بدین سان شبکه مولد به جای اینکه در پی کاهش فاصله با یک عکس باشد، در تلاش برای گمراه کردن شبکه تفکیک کننده خواهد بود. بنابراین مدل توانا می‌شود تا به روش بدون ناظر به وجود آوردن عکس‌ها را فرا بگیرد.

چهره‌های جعلی ایجاد شده با هوش مصنوعی مورد اعتمادتر از چهره‌های واقعی!

در آزمایش اول این مطالعه جدید، ۳۱۵ شرکت‌کننده ۱۲۸ چهره را که از یک مجموعه ۸۰۰ نفری گرفته شده بودند، به‌عنوان واقعی یا مصنوعی طبقه‌بندی کردند.

محققان دریافتند که میزان دقت آنها ۴۸ درصد است که حتی از عملکرد شانسی ۵۰ درصدی نیز کمتر است.

در آزمایش دوم به ۲۱۹ شرکت‌کننده جدید در مورد نحوه تشخیص و طبقه‌بندی چهره‌ها آموزش داده شد. آنها ۱۲۸ چهره را که از همان مجموعه ۸۰۰ چهره در آزمایش اول گرفته شده بود، طبقه‌بندی کردند، اما برخلاف اینکه آنها آموزش دیده بودند، میزان دقت فقط به ۵۹ درصد افزایش یافت.

بنابراین محققان تصمیم گرفتند تا دریابند که آیا قابل اعتماد بودن چهره‌ها می‌تواند به افراد در شناسایی تصاویر مصنوعی در آزمایش سوم کمک کند یا نه.

محققان می‌گویند: چهره‌ها منبعی غنی از اطلاعات هستند و تنها چند میلی‌ثانیه قرار گرفتن در معرض چهره یک فرد، برای استنباط ضمنی در مورد ویژگی‌های فردی وی مانند قابل اعتماد بودن کافی است.

در آزمایش سوم از ۲۲۳ شرکت‌کننده خواسته شد تا به قابلیت اعتماد ۱۲۸ چهره که از همان مجموعه ۸۰۰ تصویری گرفته شده بود، در مقیاس یک به معنی بسیار غیرقابل اعتماد تا هفت به معنی بسیار قابل اعتماد امتیاز دهند و در کمال تعجب، میانگین رتبه‌بندی برای چهره‌های مصنوعی ۷.۷ درصد قابل اعتمادتر از میانگین رتبه‌بندی برای چهره‌های واقعی بود که از نظر آماری به شدت معنی‌دار است.

چهره‌های سیاه‌پوست نسبت به چهره‌های آسیای جنوبی قابل‌اعتمادتر ارزیابی شدند، اما به جز این هیچ تاثیری در بین نژادها وجود نداشت.

ضمن اینکه زنان به طور قابل توجهی قابل اعتمادتر از مردان رتبه‌بندی شدند.

محققان ادعا می‌کنند که خندان بودن یا نبودن چهره‌ها که می‌توانست قابل اعتماد بودن فرد را افزایش دهد، بر این نتایج تأثیری نداشته است. آنها می‌گویند: در حالی که به احتمال زیاد یک چهره خندان به عنوان قابل اعتماد رتبه بندی می‌شود، اما ۶۵.۵ درصد از چهره‌های واقعی و ۵۸.۸ درصد از چهره‌های مصنوعی خندان هستند، بنابراین حالت چهره به تنهایی نمی‌تواند توضیح دهد که چرا چهره‌های مصنوعی قابل اعتمادتر ارزیابی می‌شوند.

محققان می‌گویند، دلیل اینکه چهره‌های ترکیب ‌شده قابل اعتمادتر در نظر گرفته می‌شوند، ممکن است این باشد که آنها ترکیبی از چند چهره ​​هستند.

بنابراین محققان برای محافظت از مردم در برابر «دیپ‌فیک»، وضع دستورالعمل‌هایی را برای ایجاد و توزیع تصاویر ترکیب شده پیشنهاد کرده‌اند. به عنوان مثال، اقدامات حفاظتی می‌تواند شامل گنجاندن نشانه‌ها یا واترمارک‌های قوی در شبکه‌های ترکیب تصویر و ویدئو باشد که مکانیزمی مطمئن را برای شناسایی قابل اعتماد بودن تصاویر فراهم می‌کند.

محققان می‌گویند: همانطور که در سایر زمینه‌های علمی و مهندسی انجام شده است، ما جامعه گرافیک را تشویق می‌کنیم تا دستورالعمل‌هایی را برای ایجاد و توزیع فناوری‌های ترکیبی مصنوعی ایجاد کنند که شامل دستورالعمل‌های اخلاقی برای محققان، ناشران و توزیع‌کنندگان باشد.

این مطالعه در مجله Proceedings of the National Academy of Sciences منتشر شده است.

انتهای پیام

۰ نظر موافقین ۰ مخالفین ۰
مصطفی علیپور
اولین دوره کاپ هوش مصنوعی ایران

اولین دوره کاپ هوش مصنوعی ایران

☸️اولین دوره کاپ هوش مصنوعی ایران بصورت آزاد در تابستان ۱۳۹۶ برگزار خواهد شد. این دوره از مسابقات بصورت غیرحضوری برگزار خواهد شد ،همچنین برای شرکت در این مسابقات هیچ محدودیتی در نظر گرفته نشده است و کاملا بصورت رایگان می باشد.ما در این دوره از کاپ هوش مصنوعی؛ فقط افراد علاقه مندی که تمایل داشته باشند با یکدیگر به رقابت بپردازند به چالش هوش مصنوعی دعوت میکنیم.


☸️اولین دوره کاپ هوش مصنوعی ایران با موضوع فروشنده دوره گرد برگزار خواهد شد. که توضیحات لازم در این خصوص در وب سایت قرار گرفته است ، همچنین جزئیات کامل بعد ثبت نام تیم ها در سایت و کانال مسابقه قرار خواهد گرفت.


ورود به صفحه ثبت نام


۰ نظر موافقین ۰ مخالفین ۰
مصطفی علیپور
گوگل و استفاده از فناوری blockchain برای دسترسی شفاف به سوابق پزشکی بیماران

گوگل و استفاده از فناوری blockchain برای دسترسی شفاف به سوابق پزشکی بیماران

DeepMind Health یکی از زیرمجموعه های گوگل است که از هوش مصنوعی در حوزه سلامت و پزشکی بهره می گیرد و به نتایج فوق العاده ای نیز دست می یابد، اما همواره در دسترسی به سوابق بیماران با مشکل مواجه بوده و بیماران نیز از امنیت و محرمانگی اطلاعات خود اطمینان ندارند.

برای رفع این مشکل، محققان به راهکاری پیشرفته در حوزه تکنولوژی متوسل شده اند؛ یک دفتر کل عمومی که نشان می دهد کدام بخش از اطلاعات، چه زمانی، توسط چه کسی، و به چه منظوری مورد استفاده قرار می گیرند.

این سامانه «ممیزی داده قابل تأیید» (Verifiable Data Audit) نام گرفته که البته هنوز اجرایی نشده، اما به گفته مدیرعامل دیپ مایند، هرگونه دسترسی هوش مصنوعی گوگل به سوابق و اطلاعات بیماران را از طریق فناوری blockchain به صورت لحظه ای در اختیار تمام افراد قرار می دهد.

در واقع هر زمان که تعاملی با داده ها صورت گیرد، یک مدخل در دفتر کل دیجیتال ایجاد می شود که نشان می دهد آن بخش از اطلاعات در چه زمانی و به چه دلیل استفاده شده. مثلاً می توان دید که اطلاعات مربوط به آزمایش خون یک بیمار با الگوریتم ملی NHS مطابقت یافته تا احتمال نارسایی حاد کلیه بررسی گردد.

گفتنیست همچون دیگر موارد استفاده از فناوری blockchain یا زنجیره بلوکی، اطلاعات فقط به پایگاه داده یا همان دفتر کل اضافه می شوند و امکان تغییر یا حذف آنها وجود ندارد. همچنین روش های رمزنگاری ویژه ای برای اطمینان از صحت داده ها در سامانه فوق به کار می رود. البته برخلاف دیگر سیستم های blockchain از جمله بیت کوین، دفتر کل فوق به صورت عمومی تکثیر نمی شود و فقط توسط نهادهای خاصی از جمله دیپ مایند و مراکز خدمات بهداشتی ذخیره می گردد.

منبع:
TheGuardian
۰ نظر موافقین ۰ مخالفین ۰
مصطفی علیپور
تصاویر مسابقه نبرد هوش مصنوعی شریف 1395

تصاویر مسابقه نبرد هوش مصنوعی شریف 1395

این مسابقات که در زمینه هوش مصنوعی برگزار می‌شود از امروز چهارشنبه(18 اسفند) در دانشگاه صنعتی شریف آغاز شده و تا فردا ادامه خواهد یافت.


شما هم تصاویر خودتان در مسابقه را برای ما بفرستید تا در سایت قرار گیرد.(info@homeai.ir)


۰ نظر موافقین ۰ مخالفین ۰
مصطفی علیپور
مسابقه نبرد هوش مصنوعی در دانشگاه صنعتی شریف

مسابقه نبرد هوش مصنوعی در دانشگاه صنعتی شریف

۴۴ تیم شرکت‌کننده در نبرد هوش مصنوعی که از امروز در دانشگاه صنعتی شریف آغاز شده است با سه زبان کامپیوتری درصدد هستند تا رقبای خود را از میدان به در ببرند.

به گزارش ایسنا، مسابقات بین‌المللی نبرد هوش مصنوعی شریف با هدف سنجش توانایی شرکت‌کنندگان در زمینه برنامه‌نویسی و نگاهی به توانایی تیم‌ها در پیاده‌سازی و استفاده از الگوریتم‌های هوش مصنوعی به همت انجمن علمی دانشگاه مهندسی کامپیوتر دانشگاه صنعتی شریف از امروز آغاز به کار کرد.

در این مسابقات شرکت‌کنندگان باید در قالب تیم‌های سه نفره برنامه‌ای برای شرکت در بازی طراحی شده توسط تیم فنی مسابقات که دارای قوانین خاصی است، پیاده‌سازی کنند.

میلاد عامری دبیر مسابقه هوش مصنوعی شریف در گفت‌وگو با ایسنا با تاکید بر اینکه این نهمین دوره از مسابقات محسوب می‌شود، گفت: شش دوره از این مسابقات با نام “نبرد زبان جاوا” برگزار شد و از دوره ششم تاکنون این رقابت‌ها با نام “نبرد هوش مصنوعی شریف” به صورت بین‌المللی برگزار شده است.

وی با بیان اینکه این رقابت‌ها در دو بخش آنلاین و حضوری برگزار می‌شود، یادآور شد: در مرحله غیرحضوری و آنلاین ۲۵۰ تیم حضور داشتند که از این تعداد ۲۶ تیم از کشورهای کره، ژاپن، آلمان و فرانسه بوده است.

عامری با بیان اینکه از تعداد ۲۵۰ تیم شرکت‌کننده در مرحله اول این رقابت‌ها ۴۸ تیم انتخاب شد، اظهار کرد: از این تعداد ۴۴ تیم برای رقابت‌های نهایی حاضر شدند.

به گفته وی، در مرحله دوم رقابت‌ها هیچ تیمی از کشورهای خارجی حضور نیافت.

دبیر مسابقه هوش مصنوعی شریف با اشاره به نحوه برگزاری این رقابت توضیح داد: در مرحله نهایی تیم‌های شرکت‌کننده با استفاده از سه زبان “جاوا”،” C++” و “پایتون” به رقابت می‌پردازند ضمن آنکه تیم‌ها باید مراحلی چون حرکت به جلو و کشتن تیم مقابل را بگذرانند.

عامری با بیان اینکه این دوره از مسابقات با حضور تیم‌های دانشجویی و دانش‌آموزی برگزار شده است، خاطرنشان کرد: این رقابت‌ها تا فردا ۱۹ اسفندماه ادامه دارد و در بعدازظهر فردا نیز سه تیم برتر این رقابت‌ها که دارای بالاترین امتیاز هستند معرفی خواهند شد.

به گفته وی، هدف از برگزاری این رقابت‌ها ترویج هوش مصنوعی در بخش‌های صنعتی و افزایش مهارت‌های برنامه‌نویسی و ارتقاء علم هوش مصنوعی است.

\

۰ نظر موافقین ۰ مخالفین ۰
مصطفی علیپور

گفتگو درباره هوش مصنوعی مابین بیل گیتس و ایلان ماسک | فیلم

هوش مصنوعی به هوشی که یک ماشین در شرایط مختلف از خود نشان می‌دهد، گفته می‌شود. به عبارت دیگر هوش مصنوعی به سیستم‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه‌سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ  موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند. بیشتر نوشته‌ها و مقاله‌های مربوط به هوش مصنوعی، آن را به عنوان «دانش شناخت و طراحی عامل‌های هوشمند» تعریف کرده‌اند.

در این گفت و گو بین بیل گیتس و ایلان ماسک؛ راجع به هوش مصنوعی و موارد مورد استفاده آن بحث می کنند.

مشاهده فیلم

پیگیری آخرین اخبار هوش مصنوعی (https://telegram.me/HomeAI)

۰ نظر موافقین ۰ مخالفین ۰
مصطفی علیپور
ماشین درک مفاهیم مایکروسافت برای توسعه هوش مصنوعی

ماشین درک مفاهیم مایکروسافت برای توسعه هوش مصنوعی

مایکروسافت مجموعه ای از 100.000 پرسش و پاسخی را منتشر کرده که محققان هوش مصنوعی (AI) می‌توانند از آن برای ایجاد سیستم‌هایی که با دقتی نظیر انسان قادر به خواندن و پاسخ به پرسش‌ها هستند استفاده کنند.

به گزارش خانه هوش مصنوعی، این مجموعه که ماشین خواندن و درک مفاهیم مایکروسافت یا MS MARCO نام داشته می‌تواند برای آموزش سیستم‌های هوش  مصنوعی در جهت تشخیص سوالهای مختلف و پاسخ به آنها و در نهایت برای ایجاد سیستم‌هایی استفاده شود که پاسخ‌های منحصر به فردی را به سوالاتی که قبلا چیزی در مورد آن نشنیده‌اند می‌دهند.

محققان بر این باورند که با ارائه سوالات و پاسخ‌های واقع بینانه می‌توانند سیستم‌ها را برای درک بهتر تفاوت‌های ظریف و پیچیده سوالاتی که مردم به طور معمول می‌پرسند آموزش دهند.

محققان این پژوهش از مرکز فناوری یادگیری عمیق مایکروسافت اظهار کردند: مجموعه داده‌های ما نه تنها با استفاده از داده‌های دنیای واقعی طراحی شده بلکه محدودیتها را از بین برده به طوری که مدل‌های یادگیری عمیق نسل جدید می‌تواند داده‌ها را قبل از پاسخ به سوالات درک کنند.

مایکروسافت اعلام کرد که مجموعه داده‌های MS MARCO در حال حاضر برای هر محققی  که می‌خواهد آن را دانلود کرده و برای کاربردهای غیر تجاری از آن استفاده کند به صورت رایگان در دسترس است

پیگیری آخرین اخبار هوش مصنوعی (https://telegram.me/HomeAI)

۰ نظر موافقین ۰ مخالفین ۰
مصطفی علیپور