PrinceofAI Weekly

هفته نامه شماره 3

اخبار:

ارائه YOLOv8 آخرین نسخه YOLO

YOLOv8  جدیدترین نسخه مدل پیشرفته  YOLO است که می تواند برای تشخیص اشیا، طبقه بندی و بخش بندی تصویر استفاده شود.  YOLOv8 شامل تغییرات و بهبودهای متعددی در زمینه معماری و تجربه توسعه دهندگان نسبت به YOLOv5 است.

کد مدل YOLOv8:

https://github.com/ultralytics/ultralytics

صنعت:

حفظ تماس چشمی در یک کنفرانس ویدیویی با NVIDIA Maxine

برای همه‌ی ما پیش آمده است که در حین تماس‌ ها و جلسات  ویدویی آنلاین، همزمان به صورت مخفیانه به کارهای دیگری مانند چک کردن ایمیل ها نیز مشغول باشیم! حال با این فناوری جدید Nvidia می‌توانید در حین تماس ویدیویی به هر جا خواستید نگاه کنید، اما چشمان تان همچنان روی دوربین وب کم  باقی بماند! مِن بعد دیگر با خیال راحت در جلسات خود به کار فوری و جذابترتان بپردازید!

در مورد Maxine  بیشتر بدانید:

https://developer.nvidia.com/maxine

مقاله:

How Close is ChatGPT to Human Experts? Comparison Corpus, Evaluation, and Detection

معرفی  ChatGPT توجه گسترده ای را در جوامع دانشگاهی و صنعتی به خود جلب کرده است.  ChatGPT قادر است به طور موثر به طیف گسترده ای از سؤالات انسانی پاسخ های روان و جامعی ارائه دهد که به طور قابل توجهی از نظر امنیت و سودمندی از ربات های چت عمومی قبلی پیشی می گیرد. از یک طرف، مردم کنجکاو هستند که چگونه ChatGPT  می تواند به چنین قدرتی دست یابد و چقدر با متخصصان انسانی فاصله دارد. از سوی دیگر، مردم شروع به نگرانی در مورد تأثیرات منفی بالقوه ای می کنند که مدل های زبان بزرگ (LLM)  مانند ChatGPT می توانند بر جامعه داشته باشند، مانند اخبار جعلی، سرقت ادبی و مسائل امنیت اجتماعی. در این مقاله، ده‌ها هزار پاسخ مقایسه از سوی متخصصان انسانی و ChatGPT  با سؤالاتی از حوزه‌های باز، مالی، پزشکی، حقوقی و روان‌شناختی جمع‌آوری شده است. مجموعه داده های جمع آوری شده را Human ChatGPT Comparison Corpus (HC3)  می نامند. بر اساس مجموعه داده HC3، ویژگی‌های پاسخ‌های ChatGPT، تفاوت‌ها و شکاف‌های متخصصان انسانی، و جهت‌گیری‌های آینده برای LLM مطالعه می شود. ارزیابی‌های جامع انسانی و تحلیل‌های زبانی محتوای تولید شده توسط ChatGPT  را در مقایسه با انسان‌ها انجام می دهند، که در آن نتایج جالب بسیاری نشان داده شده است. پس از آن، آزمایش‌های گسترده‌ای در مورد چگونگی تشخیص مؤثر اینکه آیا یک متن خاص توسط ChatGPT  یا انسان‌ها تولید شده است، انجام داده اند. سه سیستم تشخیص مختلف می‌سازند، چندین عامل کلیدی که بر اثربخشی آنها تأثیر می‌گذارند را بررسی و آنها را در سناریوهای مختلف ارزیابی می‌کنند.

مجموعه داده، کد و مدل‌ها همگی در https://github.com/Hello-SimpleAI/chatgpt-comparison-detection در دسترس عموم هستند.

آموزش:

یادگیری فعال (Active Learning) چیست؟

یادگیری فعال زیرمجموعه‌ای از یادگیری ماشین است که در آن یک الگوریتم یادگیری می‌تواند به صورت تعاملی از کاربر درخواست کند تا داده‌ها را با خروجی‌های مورد نظر برچسب‌گذاری کند. در یادگیری فعال، الگوریتم به طور فعال زیرمجموعه مثال‌هایی را که قرار است بعداً برچسب‌گذاری شوند، از مجموعه داده‌های بدون برچسب انتخاب می‌کند. چارچوب یادگیری فعال، انتخاب داده‌ها را به مسئله تعیین آموزنده‌ترین نقاط داده در مجموعه کاهش می‌دهد. در یادگیری فعال، آموزنده ترین نقاط داده به طور کلی مواردی هستند که مدل در مورد آنها نامطمئن تر است.

معرفی:

کتاب شناسایی الگو و یادگیری ماشین

این کتاب یکی از بهترین کتاب های درسی در زمینه تشخیص الگو است که تمرکز آن بر دیدگاه بیزی است. این کتاب الگوریتم‌های استنتاج تقریبی را ارائه می‌کند که در شرایطی که پاسخ‌های دقیق امکان‌پذیر نیست، پاسخ‌های تقریبی سریع را ممکن می‌سازد. از مدل‌های گرافیکی برای توصیف توزیع‌های احتمال استفاده می‌کند، زمانی که هیچ کتاب دیگری از مدل‌های گرافیکی برای یادگیری ماشین استفاده نمی‌کرد. هیچ دانش قبلی از مفاهیم تشخیص الگو یا یادگیری ماشین فرض نمی شود. آشنایی با حساب دیفرانسیل و انتگرال چند متغیره و جبر خطی پایه مورد نیاز است، و مقداری تجربه در استفاده از احتمالات مفید خواهد بود، هرچند ضروری نیست، زیرا این کتاب شامل مقدمه ای مستقل برای نظریه احتمالات پایه است. این کتاب به عنوان یک مرجع عالی در حوزه شناسایی الگو شناخته می شود.

راههای ارتباطی با ما:

اینستاگرام:

princeofai@

وبسایت:

https://hushmandkharazmi.com

تلگرام:

https://t.me/princeofaii