اخبار:
استقبال دانشمندان از موفقیت در ردیابی حیات وحش بریتانیا توسط هوش مصنوعی
محققان مجموعهای از دوربینها و میکروفونهای کنترلشده با هوش مصنوعی را برای شناسایی حیوانات و پرندگان و نظارت بر حرکات آنها در طبیعت توسعه دادهاند؛ فناوری که برای حل مشکلات در زمینه تنوع زیستی در بریتانیا توسعه داده شده است. مانیتورهای ربات در سه محل آزمایش شدهاند و صداها و تصاویری را ضبط کردهاند که کامپیوترها را قادر به شناسایی گونههای خاص و نقشهبرداری از مکان آنها میکند. برای مثال دهها پرنده مختلف از روی آوازشان شناسایی شدهاند، همچنین روباه، گوزن، جوجه تیغی و خفاش با تجزیه و تحلیل هوش مصنوعی شناسایی شدهاند. لازم به ذکر است که در این پروژه هیچ ناظر انسانی در کار نیست.
صنعت:
آخرین تراشه هوش مصنوعی آنالوگ IBM Research برای یادگیری عمیق
IBM Research در حال بررسی راههایی برای ابداع مجدد روشهای محاسبه در هوش مصنوعی است. محاسبات درون حافظه آنالوگ، یا به سادگی هوش مصنوعی آنالوگ، یک رویکرد امیدوارکننده برای رفع این چالش با وام گرفتن ویژگیهای کلیدی نحوه عملکرد شبکههای عصبی در مغز بیولوژیکی است. تحقیقات IBM با معرفی یک تراشه هوش مصنوعی آنالوگ پیشرفته با سیگنال ترکیبی برای اجرای انواع وظایف یادگیری عمیق، گام مهمی در جهت رسیدگی به این چالشها برداشته است. این اولین تراشه آنالوگ است که آزمایش شده است و در وظایف بینایی کامپیوتری به اندازه همتایان دیجیتالی خود ماهر است، در حالی که به طور قابل توجهی در مصرف انرژی کارآمدتر است.
مقاله:
Intelligence brings responsibility-even smart AI-assistants are held responsible
مردم خودروها را مسئول تصادفات رانندگی نمیدانند، اما زمانی که پای هوش مصنوعی در میان باشد، ذهنیت عمومی این است که اگر اتفاق بدی بیافتد به عهده هوش مصنوعی است. آیا این بدان معناست که به محض اینکه هوش مصنوعی درگیر شد، مسئولیت همه چیز را نیز به دنبال خواهد داشت؟ نویسندگان این مقاله به دنبال پاسخی برای این سوال هستند که آیا سیستمهای هوش مصنوعی صرفاً ابزار هستند و هیچ مسئولیتی ندارند یا خیر. بدین منظور؛ سیستمهای هشداردهنده خودروهای مجهز به هوش مصنوعی را با سیستمهای هشداردهنده بدون هوش مصنوعی از نظر رتبهبندی آنها توسط کاربران انسانیشان اندازهگیری و مقایسه کردهاند. یک نتیجه جالب از این تحقیق این بوده است که اینکه آیا هشدار از تصادف جلوگیری میکند یا خیر، باعث شکلگیری یک سوگیری شده است: هوش مصنوعی بسته به اینکه انسان چه کاری را مدیریت میکند یا در انجام آن ناکام میماند، بیشتر از آنکه سرزنش شود، اعتبار دریافت میکند.
آموزش:
ویژگی های یک الگوریتم خوب
· کارایی: یک الگوریتم خوب باید وظیفه خود را به سرعت انجام دهد و از حداقل منابع استفاده کند.
· صحت: باید خروجی صحیح و دقیق را برای همه ورودیهای معتبر تولید کند.
· وضوح: الگوریتم باید به راحتی قابل خواندن و درک باشد.
· مقیاس پذیری: باید مجموعه دادههای بزرگتر را بدون کاهش قابل توجهی در عملکرد مدیریت کند.
· قابلیت اطمینان: الگوریتم باید به طور مداوم نتایج صحیح را تحت شرایط و محیطهای مختلف ارائه دهد.
· بهینه بودن: تلاش برای کارآمدترین راه حل در محدودیتهای مسئله داده شده.
· استحکام: میتواند ورودیها یا خطاهای غیرمنتظره را به خوبی و بدون خرابی مدیریت کند.
· سازگاری: در حالت ایده آل، میتوان آن را برای طیف وسیعی از مشکلات مرتبط با حداقل تنظیمات اعمال کرد.
· سادگی: ساده نگه داشتن الگوریتم در حین برآورده کردن الزامات آن، اجتناب از پیچیدگیهای غیر ضروری.
کدینگ:
Regular Expressions
عبارات منظم یا Regular Expressions یک ابزار قدرتمند برای مطابقت متن، بر اساس یک الگوی از پیش تعریف شده است که میتواند وجود یا عدم وجود یک متن را با تطبیق آن با یک الگوی خاص تشخیص دهد و یک الگو را به یک یا چند الگوی فرعی تقسیم کند. پایتون ماژول re را برای عبارات منظم ارائه میدهد.
چرا باید از RegEx استفاده کنیم؟ به دو منظور:
· داده کاوی: RegEx بهترین ابزار برای دادهکاوی است و با بررسی الگوی از پیش تعریف شده، متنی را در انبوهی از متون شناسایی میکند. برخی از سناریوهای رایج عبارتند از شناسایی ایمیل، URL یا تلفن.
· اعتبارسنجی دادهها: RegEx میتواند دادهها را کاملاً اعتبارسنجی کند. این عبارات میتوانند با تعریف مجموعهای از الگوها، مجموعه گستردهای از فرآیندهای اعتبار سنجی را انجام دهند.
راههای ارتباطی با ما:
اینستاگرام:
princeofai@
وبسایت:
https://princeofai.com
تلگرام:
https://t.me/princeofaii