خانم ربات چینی رونمایی شد + ویدئو

ربات انسان‌نمای چینی که در قالب زنی به نام «جیاجیا» رونمایی شده است می‌تواند با یک انسان واقعی تعامل کند و واکنش‌ها و رفتارهای بسیار جالبی از خود نشان می‌دهد که حتی خبرنگاران و عکاسان را به حیرت واداشت.

به گزارش گروه علم و فناوری آنا به نقل از شینهوا، هوش مصنوعی و به دنبال آن ساخت ربات‌هایی که شبیه انسان باشند و بتوانند رفتارهای انسانی قابل قبولی از خود بروز دهند، یکی از عرصه‌های بسیار جذاب رقابت در حوزه کامپیوتر و همچنین نمادی از پیشرفت و تکنولوژی یک کشور محسوب می‌شود.

ادامه مطلب را از لینک زیر دنبال نمایید

خانم ربات چینی رونمایی شد

هوش مصنوعی در بازی ها (دشمنان شما چه توانایی هایی دارند؟)

هوش مصنوعی در انجام بازی های کامپیوتری یک مقوله بسیار پیچیده است که از زیر مجموعه های هوش مصنوعی است.آیا تا به حال به تصمیم گیری شخصیت های بازی فکر کرده اید؟آیا می دانستید که این کاراکترها برای جنگ با شما ضعیف می شوند؟آیا می دانستید آنها می توانند شما را تنها در چند لحظه و بدون تقلب نابود سازند؟برای آشنایی با یکی از جالب توجه ترین مباحث هوش مصنوعی در بازی های کامپیوتری،با ما همراه باشید.

 در بازی‌های کامپیوتری ، از هوش مصنوعی برای تولید شبیه سازی هوش شخصیت‌های غیر قابل بازی استفاده می‌شود. تکنیک‌هایی که به صورت معمول استفاده می‌شود، از روش‌های موجود در رشته هوش مصنوعی بهره می‌گیرند. با این وجود، اصطلاح هوش مصنوعی بازی، اغلب، به مجموعه‌ای وسیع از الگوریتم‌هایی که شامل تکنیک‌های تئوری کنترل، رباتیک، گرافیک رایانه‌ای و علوم کامپیوتر می‌باشد، مربوط است.  از آنجایی که هوش مصنوعی در بازی‌های کامپیوتری بر روی ظاهر هوش و گیم پلی تمرکز دارد، روشی که از آن استفاده می‌کند با روش‌های معمول هوش مصنوعی سنتی تفاوت زیادی دارد. در اینجا روش‌های دور زدن باگ‌ها (Workaround) و تقلب در بازی (Cheats) مورد پذیرش است. مثلاً در اکثر موارد، توانایی‌های کامپیوتر باید پایین آورده شود تا بازیکن‌های انسان بتوانند از پس حریف ماشین خود برآیند. این مثال مخصوصا در بازی‌های تیراندازی اول شخص برجسته‌است. اگر نشانه‌گیری شخصیت‌های غیر قابل بازی فوق‌العاده باشد، بازی کردن با چنین ماشینی فراتر از حد توانایی یک انسان می‌شود.

کمک هوش مصنوعی به پناهجویان سوری با چت مجازی (Karim)

استارت‌آپ X2AI با استفاده از هوش مصنوعی یک روبوت مخصوص گفت‌وگوی اینترنتی یا Chatbot ارائه کرده است که با نام کریم (Karim) شناخته می‌شود و قادر است بسته به روحیات و شخصیت هر یک از کاربران، با آنها وارد گفت‌وگو شود.

از مهم‌ترین قابلیت‌های پیشرفته روبوت Karim می‌توان به سیستمی اشاره کرد که به صورت خودکار تشخیص می‌دهد یک کاربر چه زمانی در شرایط استرس و پریشانی به سر می‌برد. اگر کاربر در ارتباطات خود از کلمات خودکشی یا آسیب به خود استفاده کند، این سیستم به صورت خودکار تشخیص می‌دهد و سپس از یک متخصص روانشناس کمک می‌گیرد تا جلسات مشاوره را آغاز کند.

به گزارش گاردین، بیشتر سوری‌هایی که برای نجات جان خود به لبنان رفته‌‌اند از اعضای خانواده، خانه، شغل، ریشه‌های کودکی و... دور شده‌اند و تمام این موارد باعث شده است اختلالات روانی در آنها تشدید شود. ولی استارت‌آپ X2AI که دفتر مرکزی آن در «دره سیلیکون» واقع شده است تلاش فراوان می‌کند تا اختلالات روانی در این پناهندگان را از بین ببرد و در این راستا با استفاده از هوش مصنوعی یک روبوت مخصوص گفت‌وگوی اینترنتی یا Chatbot ارائه کرده است که با نام کریم (Karim) شناخته می‌شود و قادر است بسته به روحیات و شخصیت هر یک از کاربران، با آنها وارد گفت‌وگو شود. این روبوت مجازی اینترنتی ارتباطات خود با پناهندگان سوری را به زبان عربی برقرار می‌کند و به آنها کمک می‌کند ضمن افزایش توجه به احساسات خود بتوانند برخی مشکلات روانی را پشت‌سر بگذارند. زمانی که کاربران با کریم وارد ارتباط می‌شوند، ‌این سیستم از فرآیند پردازش زبان طبیعی استفاده می‌کند تا احساسات افراد را تحلیل کند و در مقابل کامنت‌های مناسب، پرسش‌های درست و توصیه‌های دقیق را مطرح کند.

ترجمه شماره 21 - شبکه های عصبی کانولوشنی برای آشکارسازی p300 با عملیات ارتباطی مغز- کامپیوتر

C o n v o l u t i o n a l  N e u r a l  N e t w o r k s  f o r  P 3 0 0  D e t e c t i o n  w i t h  A p p l i c a t i o n  t o  B r a i n

 C o m p u t e r  I n t e r f a c e s

شبکه های عصبی کانولوشنی برای آشکارسازی p300 با عملیات ارتباطی مغز- کامپیوتر

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله به همراه پاسخ به سوالات : 32 صفحه

رعایت تمام قوانین نگارشی و دارای فهرست اشکال،جداول و محتوا

سال چاپ مقاله : 2011

دانلود اصل مقاله – رایگان

قیمت : ۱۲۰۰۰ تومان

چکیده

ارتباط کامپیوتر – مغز (BCI) یک نوع از ارتباطات انسان – کامپیوتر است که ارتباط مستقیم بین انسان و کامپیوتر را توسط آنالیز اندازهگیری های مغز ممکن می سازد. نمونه های توپ فرد در BCI برای تولید پتانسیل های مرتبط با حادثه (ERP)،مانند موج p300 ،بر روی هدف انتخاب شده توسط کاربر استفاده شد.یک درست کننده p300 بر اصولی  استوار است که آشکارسازی موج های p300 به کاربر اجازه می دهد که کاراکتر ها را بنویسد.درست کننده p300 از دو مساله کلاس بندی تشکیل شده است.اولین کلاس بندی ، اشکار سازی وجود p300 در نوار مغزی (EEG) است. دومین معادل است با ترکیبات پاسخ های مختلف p300 برای تعیین کاراکتر درست است.یک روش جدید برای آشکارسازی موج های p300 ارائه شده است.این مدل بر یک شبکه عصبی کانولوشن CNN استوار است.توپولوژی این شبکه برای آشکارسازی موج های p300در حوزه زمان انتخاب شده است.7 دسته بندی کننده بر اساس CNN ارائه شده است:4 سیگنال دسته بندی کننده با دسته های ویژگی مختلف و 3 مولتی طبقه بندی گر.این مدل ها آزمایش شدند و مقایسه شدند برای دسته داده II از سومین رقابت BCI.اولین نتیجه با یک راه حل مولتی طبقه بندی گر با نرخ بازسازی 95.5% و بدون انتخاب کانال قبا از طبقه بندی بدست آمد.دستاورد ارائه شده یک روش جدید را برای آنالیز فعالیت های مغز مهیا می کند به علت شاخه های پذیرا از مدل های CNN.

کلمات کلیدی :

شبکه عصبی – پیچیدگی – یادگیری مبتنی بر گرادیان- فیلتر های فضایی - رابط مغز و کامپیوتر(BCI) – موج نگار مغز (EEG)- P300

یادی از کارو لوکاس پدر هوش مصنوعی ایران

در ۱۳ شهریور ۱۳۲۸ برابر با ۴ سپتامبر ۱۹۴۹ در در خانواده‌ای از ارمنی‌های ایران در اصفهان زاده شد.

تحصیلات

پس از کسب تحصیلات ابتدایی و متوسطه در مدارس ارامنهٔ تهران وارد دانشگاه تهران شده و مدرک لیسانس و فوق لیسانس خویش را در رشتهٔ مهندسی برق و کامپیوتر، از این دانشگاه کسب نمود. وی سپس عازم آمریکا گردید و موفق به کسب درجهٔ دکتری در رشتهٔ مهندسی برق و کامپیوتر از دانشگاه برکلی کالیفرنیا گردید.

وی مدرک کارشناسی ارشد مهندسی برق را از دانشگاه تهران (۱۹۷۳ میلادی) دریافت کرد و در سال ۱۹۷۶ میلادی مدرک دکترای خود را از گروه مهندسی برق و علوم کامپیوتر دانشگاه برکلی با گرایش مهندسی کنترل دریافت کرد. او سال‌ها استاد دانشکده فنی دانشگاه تهران و دوره‌ای هم رئیس گروه برق این دانشکده بود و مرکز «کنترل و پردازش هوشمند» را در این دانشگاه بنیان گذاشت.

مدارج تحصیلی وی عبارتنداز:

پروفسور کارو لوکاس در دانشگاه تهران (۲۰۰۵)

کارشناسی ارشد پیوستهٔ مهندسی برق از دانشگاه تهران در سال ۱۳۵۲، دکتری تخصصی در مهندسی برق و علوم کامپیوتر از دانشگاه کالیفرنیا در سال ۱۳۵۵. استاد دانشگاه تهران از سال ۱۳۵۵ خورشیدی (۱۹۷۶ میلادی) تا سال ۱۳۶۵ خورشیدی (۱۹۸۶ میلادی).

فعالیت‌ها

زمینه‌های علمی و تحقیقاتی وی عبارتنداز:

کنترل غیرخطی، سیستم‌های هوشمند، طرح تحقیقاتی توسعهٔ امکانات سخت‌افزاری، طرح تحقیقاتی طراحی شبکه‌های عصبی، تدریس دروس مهندسی برق در دانشگاه‌های تهران، U.C.L.A. کالیفرنیا، راهنمایی، مشاوره و نظارت بر ۱۵ پایان‌نامهٔ کارشناسی ارشد.

وی ابداعاتی در زمینهٔ طراحی یک شبکه عصبی هایبرید برای تشخیص کلمات منفرد فارسی داشته است.

وی استاد تمام وقت رشتهٔ مهندسی برق و کامپیوتر دانشگاه تهران بود و همزمان مدیریت مؤسسه تحقیقات سیستم‌های هوشمند را برعهده داشت.

به واسطه مرتبهٔ بالای علمی خویش دکتر کارو لوکاس به عنوان استاد مدعو در دانشگاه‌های تورنتو (کانادا)، برکلی (کالیفرنیای آمریکا) و یو سی ال ای (کالیفرنیای آمریکا) به تدریس پرداخته است.

دکتر لوکاس علاوه بر تدریس و تحقیق در ایران به فعالیت‌های علمی و پژوهشی بسیاری نیز در دانشگاه‌های خارج از کشور پرداخته‌اند. برخی از سمت‌های وی در خارج از ایران عبارتند از:

• دانشیار مدعو، دانشگاه تورنتو کانادا، تابستان سال تحصیلی ۱۹۸۹–۱۹۹۰م
• دانشیار مدعو، دانشگاه برکلی کالیفرنیا، ۱۹۸۸–۱۹۸۹م
• دانشیار مدعو، دانشگاه گاریویس، ۱۹۸۴–۱۹۸۵م
• دانشیار مدعو، دانشگاه کالیفرنیای لوس آنجلس، ۱۹۷۵–۱۹۷۶م
• محقق مرکز بینالمللی فیزیک نظری
• محقق مؤسسهٔ ریاضی کاربردی
• محقق آکادمی علوم چین
• محقق انستیتیوی تکنولوژی الکتریکی هاربین
• دستیار تحقیق در شرکت پژوهشی تولیدی اونتاریو کانادا
• دستیار تحقیق در آزمایشگاه پژوهش‌های الکترونیکی، دانشگاه برکلی کالیفرنیا.

وی همچنین عضو انجمن مهندسی برق و الکترونیک در طی سال‌های ۱۳۷۱–۱۳۶۹ خورشیدی (۱۹۹۲–۱۹۹۰ میلادی) بود. ریاست بخش ایرانی این انجمن را برعهده داشت و در چپ و نشر مجلات علمی مختلف با سمت سردبیر و عضو هئیت تحریریه همکاری نموده است.

از دیگر فعالیت‌های علمی وی می‌توان به همکاری وی در تألیف تعداد بسیاری از کتاب‌های علمی اشاره نمود که از آن جمله می‌توان کتاب‌های «سیستم‌های هوشمند مهندسی بیومدیکال» یاد کرد.

جوایز و افتخارات

پروفسور لوکاس در سال ۱۳۸۵ خورشیدی به عنوان چهره ماندگار شناخته شد. وی همچنین به عنوان «پدر هوش مصنوعی ایران» شناخته می‌شود.

زندگی خصوصی

کارو لوکاس همسر امیلیا نرسیسیانس، استاد دانشکده مهندسی برق و کامپیوتر، در دانشگاه تهران بود.

درگذشت

با این که ابتدا دلیل مرگ آقای لوکس سرطان روده بزرگ عنوان شده بود، اما همسر او در مراسم تشییع جنازه اش که از مقابل دانشگاه تهران برگزار شد این مسئله را رد کرد و گفت: «او یک سال تمام با بیماری سرطان روده مبارزه کرد و بر بیماری اش غلبه کرد. علت اصلی مرگ او زخم ایجاد شده در اثر پلوروسکوپی روده و تبدیل آن به عفونت بود.»

کارو لوکاس یکسال با بیماری سرطان روده مبارزه کرد و بر بیماری‌اش غلبه کرد اما علت اصلی مرگ او زخم ایجاد شده در اثر عدم دقت کافی در انجام کولونوسکوپی روده و تبدیل آن به عفونت بود که باعث شد در غروب ۱۷ تیر ۱۳۸۹ برابر با ۸ ژوئیه ۲۰۱۰ در بیمارستان امام خمینی درگذرد. پیکر وی روز دوشنبه ۲۱ تیر در «آرامستان بوراستان» به خاک سپرده شد.

کارو لوکس از اساتید محبوب دانشکده فنی دانشگاه تهران بود و در پی مرگ او، حدود هشتصد نفر از اساتید و دانشجویان فعلی و سابق این دانشگاه با انتشار بیانیه‌ای به او ادای احترام کردند. در بخش‌هایی از این بیانیه آمده است:

«نام این استاد ارزشمند بیش از هر چیز برای ما تداعی کننده اخلاق والای انسانی، فروتنی مثال زدنی و مهربانی پدرانه اوست... در عرصه علمی، پروفسور کارو لوکس استادی مبرز با ایده‌های نو، مدرسی ژرف اندش و پژوهشگری شایسته و کم‌نظیر بود.»

نظرات دیگران

حسین فاتحی در کتاب اشک مرجانی غزل پیکره را خطاب به وی سروده است.دانیل استون ابراز افسوس کرد که چرا فردی با ارزش مانند پروفسور لوکاس بر اثر بی دقتی بیمارستان در انجام وظایفش فوت کند.

یادش گرامی باد...

پروژه‌ای برای هوشمند‌سازی کنترل بر هوش‌مصنوعی

«ایلان‌ماسک» چهره شناخته شده‌ای است. همه ما با او و شرکت‌های تسلا، اسپیس ایکس و ... آشنا هستیم. مخترع، کارآفرین و میلیاردر بزرگی که خودروهای ساخت شرکتش شهرت جهانی دارند. هر‌چند ماسک در دنیای فناوری فرد شناخته شده‌ای است؛ اما در ارتباط با انتقادات صریح ‌و‌ روشنی که از هوش‌ مصنوعی می‌کند نیز شهرت دارد؛ اما به‌نظر می‌رسد ماسک این‌بار تصمیم گرفته تا خود به میدان وارد شود و همراه با چند نفر از بزرگان دنیای فناوری، سازمان ویژه‌ای را تأسیس کند.

ربات قادر به تشخیص احساسات IBM و انقلابی دیگر در هوش مصنوعی + ویدئو

اکنون دیگر بدون شک باید گفت، هوش مصنوعی در عرصه رایانه و محاسبات، به یک هدف غایی تبدیل شده است و هرچند به نظر هنوز نمی توان ذهن انسان را در تمامیت آن و در فرم الکترونیک شبیه سازی کرد، بزرگترین ذهن های دنیا مشغول ساخت سیستم هایی هستند که توان یادگیری مسائل بسیار پیچیده را تنها با اتکا به قدرت های محاسباتی و شناختی خود دارند. اکنون IBM هوش مصنوعی را یک قدم دیگر به جلو رانده است.

ترجمه شماره 20 - خلاصه‌سازی تجردی گفتار: کاوش روش‌های نظارتی و بدون نظارت برای فشرده‌سازی نطق بیان شده

Towards Abstractive Speech Summarization Exploring Unsupervised

and Supervised Approaches for Spoken Utterance Compression

خلاصه‌سازی تجردی گفتار: کاوش روش‌های نظارتی و بدون نظارت

برای فشرده‌سازی نطق بیان شده

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله به همراه پاسخ به سوالات : 35 صفحه

رعایت تمام قوانین نگارشی و دارای فهرست اشکال،جداول و محتوا

سال چاپ مقاله : 2013

دانلود اصل مقاله – رایگان

قیمت : 12000 تومان

چکیده

 اکثر مطالعات قبلی در زمینه‌ی خلاصه‌سازی گفتار، روی روش‌های تجردی تمرکز کرده‌اند. الحاق نطق‌های گفتاری استخراجی هنوز، شکل خوبی از خلاصه را به دلیل وجود عدم روانی‌ها و افزونگی‌ها در گفتار محاوره‌ای بدون برنامه ایجاد نمی‌کند. در این مقاله، ما تولید خلاصه‌های گفتاری فشرده را با جفت کردن فشرده‌سازی سطح جمله‌ای و روش‌های خلاصه‌سازی به عنوان یک گام مناسب در تولید خلاصه‌های تجردی پیشنهاد می‌کنیم. ما دو روش فشرده‌سازی نطق را مقایسه کردیم: یک روش بدون نظارت مبتنی بر چارچوب برنامه‌نویسی خطی صحیح[1] (ILP) و یک روش نظارتی با استفاده از فیلدهای تصادفی شرطی[2] (CRF) که مسئله‌ی فشرده‌سازی نطق را به صورت یک عمل برچسب‌زنی دنباله‌ای تنظیم می‌کند. ما کارایی فشرده‌سازی را با استفاده از آوانویسی‌های انسانی و ASR از جلسات ICSI ارزیابی کرده و هر دو ارزیابی انسانی و اتوماتیک را انجام دادیم. نتایج ما نشان می‌دهد که می‌توانیم به کارایی فشرده‌سازی نطق قابل قبولی دست یابیم و اینکه روش مبتنی بر CRF به طور کلی بهتر عمل می‌کند. با ترکیب روش‌های فشرده‌سازی و خلاصه‌سازی، می‌توانیم خلاصه‌های گفتاری فشرده که اطلاعات بیشتری در محدوده طول معین پوشش می‌دهد را تولید کنیم و کارایی مطلق 5٪ را در آوانویسی‌های انسانی و اتوماتیک ارزیابی شده توسط رتبه‌های ROUGE-1 بدست آوریم.

[1] Integer Linear Programming

[2] conditional random fileds

نگاهی به فیلم فراماشینی ( EX Machina ) با موضوع هوش مصنوعی

فیلم فراماشینی یا اکسمَکینا ( Ex Machina 2015 ) این‌بار با تلفیق موضوع مهم آینده‌ی تکنولوژی هوش مصنوعی و یک رمانتیسم قوی گیشه‌ها را فتح کرد و افتخاراتی نیز بدست آورد. با گجت نیوز و نگاهی مختصر به این فیلم همراه باشید.

زمانی که ربات‌ها وارد زندگی انسان ها خواهند شد و به آنها وابسته می‌شوند. فیلم‌هایی که معمولا آینده‌ی تکنولوژیک دنیا را نمایش می‌دهند، استقبال بسیار خوبی شاهد هستند؛ مثلا سه‌گانه بازگشت به آینده ( Back to future )، که توسط دو کارگردان بزرگ سینما استیون اسپیلبرگ (قسمت اول) و رابرت زمئیکس (قسمت دوم و سوم) ساخته شد، مورد توجه بسیاری از منتقدان قرار گرفت و اکنون نیز می‌توان آثار این اثر سینمایی را دید؛ فیلم فراماشینی ( EX Machina ) نیز دقیقا از این دسته از فیلم های بحث برانگیز است.

ترجمه شماره 19 - ردیابی انسان با استفاده از شبکه های عصبی کانولوشن

Human Tracking Using Convolutional Neural Networks

ردیابی انسان با استفاده از شبکه های عصبی کانولوشن

فرمت ترجمه مقاله : word – قابل ویرایش

تعداد صفحات ترجمه مقاله به همراه پاسخ به سوالات : 43 صفحه

رعایت تمام قوانین نگارشی و دارای فهرست اشکال،جداول و محتوا

سال چاپ مقاله : 2010

دانلود اصل مقاله – رایگان

قیمت : 24000 تومان

چکیده

 در این مقاله،  ما ردیابی را به عنوان شناخت مساله تخمین مکان ومقیاس شی با در نظر گفتن مکان و مقیاس قبلی اش و همچنین فریم (تک تصویر)های تصویر قبلی و  جاری مورد بررسی قرار می دهیم. با ارائه مجموعه از مثالها، شبکه های عصبی کانولوشن (CNNs) را برای  انجام وظایف تخمینی بالا، آموزش می دهیم. متفاوت از دیگر روش های تخمینی، شبکه های عصبی کانولوشن (CNNs)، به طور مشترک، ویژگیهای مکانی و زمانی را از جفت تصاویر دو فریم( تک تصاویر) مجاور می شناسد. ما روشهای چندگانه در شبکه عصبی کانولوشن (CNNs)، را برای آمیختن بهتر اطلاعات سراسری و محلی، معرفی می کنیم. ساختمان متغیر تبدیل خلاقانه شبکه های عصبی کانولوشن (CNNs)، گویی برای کاهش مشکل تبدیل، زمانی که اشیای مزاحم مشابه هدف در محیط شلوغ هستند، طراحی شده است. به علاوه، ما  شبکه های عصبی کانولوشن (CNNs) را برای تخمین مقیاس از طریق مکان یابی دقیق برخی نقاط کلیدی، به کار می گیریم. این روشها وابسته به شی هستند، به گونه ای که روش پیشنهادی می تواند برای ردیابی انواع دیگر شی به کار گرفته شود. قابلیت ردیابی مدیریت موقعیت پیچیده ،در سکانس های آزمایشی بسیاری بیان شده است.

اصطلاحات راهنما- شبکه های عصبی کانولوشن، یادگیری ماشینی، ردیابی بصری