اخبار:
به لطف یادگیری ماشین بیماری خود را از روی سرفه تشخیص دهید
یک مطالعه جدید پتانسیل استفاده از تجزیه و تحلیل ماشینی صداهای سرفه را برای نظارت بر سلامت و بیماری برجسته می کند. این مطالعه در مورد مطالعهای بحث میکند که در آن دانشمندان Google، Health Acoustic Representations (HeAR) را توسعه دادند، یک سیستم یادگیری عمیق که بر روی مجموعه داده بزرگی از کلیپهای صوتی آموزش داده شده است. این سیستم به نتایج امیدوارکنندهای در تشخیص COVID-19 و سل بر اساس صداهای سرفه دست یافت. علاوه بر این، یک برنامه تلفن همراه به نام AI4COVID-19، با الهام از تحقیقات قبلی، با هدف تشخیص COVID-19 از طریق صداهای سرفه و به دنبال تایید FDA است. دانشمندان امیدوارند که کارشان با برنامههایی برای تحقیقات بیشتر و انتشار نهایی در بازار، آکوستیک سلامت را ارتقا دهد.
صنعت:
تحقیقات جدید یادگیری ماشین توسعه نارسایی قلبی را با استفاده از دوقلوهای دیجیتال و برای درمان هدفمند دنبال میکند
یک محقق و تیمش در کالج پزشکی کارل ایلینویز در حال توسعه ابزارهایی برای ایجاد «دوقلوهای دیجیتالی» برای بیماران نارسایی قلبی هستند. هدف این کپی های دیجیتال شناسایی دقیق علت و ردیابی پیشرفت بیماری قلبی است که به طور بالقوه منجر به گزینه های درمانی شخصی برای بیماران می شود. این تیم با استفاده از علم کامپیوتر و تحقیقات پزشکی، از دادههای ژنتیک، پروتئینها و سایر عوامل برای ایجاد مدلهای دیجیتال شخصی از قلب بیماران استفاده میکند. این دوقلوهای دیجیتال، بر خلاف مدل های فیزیکی، انعطاف پذیر هستند و می توانند اثرات عوامل و درمان های مختلف مرتبط با بیمار را شبیه سازی کنند. با درک مکانیسم های پشت بازسازی قلب، این تیم امیدوار است که بیماران در معرض خطر نارسایی قلبی و کسانی که ممکن است از درمان های دارویی خاص بهره مند شوند را شناسایی کند. این تحقیق بر روی دادههای بالینی بیماران واقعی با هدف ادغام دادههای مسیر پروتئومی برای درک چگونگی کمک مسیرهای بیولوژیکی خاص به بازسازی قلب آزمایش خواهد شد. در نهایت، هدف این تحقیق شناسایی درمانهایی از جمله درمانهای دارویی است که بهترین نتایج را برای بیماران مبتلا به نارسایی قلبی که به درمانهای موجود پاسخ ندادهاند، ارائه میدهد.
مقاله:
One-Step Image Translation with Text-to-Image Models
این مقاله روشی را برای غلبه بر دو محدودیت مدلهای انتشار شرطی موجود معرفی میکند: سرعت استنتاج آهسته و تکیه بر دادههای جفت شده برای تنظیم دقیق. این روش یک مدل انتشار تک مرحله ای را با وظایف و حوزه های جدید از طریق اهداف یادگیری متضاد تطبیق می دهد. ماژولهای مدل انتشار پنهان در یک شبکه ژنراتور سرتاسر ادغام میشوند و توانایی آن را برای حفظ ساختار تصویر و کاهش بیشبرازشها بهبود میبخشند. مدل پیشنهادی، CycleGAN-Turbo، از روشهای موجود در تنظیمات جفت نشده برای کارهای ترجمه صحنه مانند تبدیل روز به شب و دستکاری اثرات آب و هوا بهتر عمل میکند. علاوه بر این، در تنظیمات جفت، مدل pix2pix-Turbo، عملکردی قابل مقایسه با کارهای اخیر اما با استنتاج تک مرحله ای به دست می آورد. این نشان می دهد که مدل های انتشار تک مرحله ای می توانند ستون فقرات موثری برای اهداف مختلف یادگیری GAN باشند.
آموزش:
هوش مصنوعی اجتماعی چیست؟
هوش مصنوعی اجتماعی (social AI) به سیستمها یا عوامل هوش مصنوعی اطلاق میشود که برای تعامل با انسانها به شیوهای اجتماعی طراحی شدهاند. این سیستمها معمولاً مجهز به قابلیتهایی برای درک، تفسیر و پاسخ به نشانههای اجتماعی انسان مانند گفتار، حرکات، حالات چهره و احساسات هستند. هدف هوش مصنوعی اجتماعی تقلید رفتارها و تعاملات اجتماعی انسانمانند در زمینههای مختلف، از جمله دستیاران مجازی، رباتهای گفتگو، روباتهای اجتماعی و شخصیتهای مجازی در بازیهای ویدیویی یا شبیهسازی است.
فناوریهای هوش مصنوعی اجتماعی اغلب از تکنیکهایی از پردازش زبان طبیعی، بینایی رایانه، محاسبات عاطفی و یادگیری ماشین برای درک و ایجاد پاسخهای انسانمانند در تعاملات اجتماعی استفاده میکنند. آنها می توانند در مکالمات شرکت کنند، کمک کنند، حمایت عاطفی ارائه دهند و در کارهایی که نیاز به تعامل اجتماعی دارند با انسان ها همکاری کنند.
نمونههایی از برنامههای هوش مصنوعی اجتماعی شامل دستیارهای مجازی مانند سیری، الکسا و دستیار گوگل، رباتهای اجتماعی برای مراقبت یا آموزش سالمندان، رباتهای چت برای خدمات مشتری یا پشتیبانی از سلامت روان، و شخصیتهای مجازی در بازیهای ویدیویی است که رفتارهای اجتماعی واقع بینانه از خود نشان میدهند. هدف هوش مصنوعی اجتماعی ایجاد تعاملات طبیعی و شهودی تر انسان و رایانه، افزایش تجربه کاربر و امکان ادغام بهتر سیستم های هوش مصنوعی در محیط های اجتماعی انسان است.
کدینگ:
کتابخانه shutil در پایتون چیست؟
کتابخانه shutil (مخفف "shell utilities") در پایتون یک ماژول داخلی است که مجموعه ای از عملیات سطح بالا را برای کار با فایل ها و دایرکتوری ها ارائه می دهد. این توابع برای کپی، جابجایی، تغییر نام، و حذف فایلها و فهرستها و همچنین توابعی برای بایگانی و فشردهسازی فایلها ارائه میدهد.
کتابخانه shutil راههای راحت و کارآمدی را برای انجام عملیات فایل و دایرکتوری در پایتون فراهم میکند و بسیاری از جزئیات سطح پایین مربوط به دستکاری فایل را از بین میبرد. این کتابخانه بخشی از کتابخانه استاندارد پایتون است، به این معنی که با پایتون از قبل نصب شده است و به هیچ مرحله نصب اضافی نیاز ندارد.
راههای ارتباطی با ما:
اینستاگرام:
princeofai@
وبسایت:
https://princeofai.com
تلگرام:
https://t.me/princeofaii