جمینی

Wiki Article

به این ویدیوی دیپ‌فیک نگاه کنید؛ مدلی که در ساخت این دیپ‌فیک به‌کار رفته می‌تواند ویدیوی رقص یک فرد را تجزیه‌وتحلیل کند و بعد با پیدا کردن الگوها، همان حرکات موزون را در ویدیوی دوم روی فرد دیگری پیاده کند؛ طوری که فرد حاضر در ویدیوی دوم دقیقا شبیه ویدیوی اول به رقص درمی‌آید.

در این زمان، پژوهشگران به آینده‌ی این حوزه بسیار خوش‌بین بودند و سطح توقعاتشان حتی از میزان خوش‌بینی‌شان هم بالاتر بود؛ به‌طوری که در سال ۱۹۷۰، ماروین مینسکی به مجله لایف گفت: «سه تا هشت سال آینده، ما به ماشینی با هوش عمومی یک انسان عادی دست خواهیم یافت.

همچنین، سفر و رانندگی با خودروهای هوشمند مانند خودروهای خودران، تجربه سفر را آسان‌تر و امن‌تر می‌کنند.

در بینایی ماشین و پردازش تصویر، با مفاهیم متنوعی مثل تبدیل تصاویر آنالوگ به دیجیتال، تشخیص چهره، پردازش سیگنال و... سروکار خواهید داشت.

تا اینجای مطلب فقط داشتیم درباره‌ی مدل‌های یادگیری ماشینی صحبت می‌کردیم که برای تشخیص به کار می‌روند؛ مثلا از مدل می‌خواستیم به ما بگوید در این تصویر چه می‌بیند یا چیزی را که گفته شده، درک کند.

درنتیجه، شبکه RNN به دستیار صوتی یاد می‌دهد که گفتن «what's the weather conditions» از «what's superior» محتمل‌تر است best site و متناسب با همین پیش‌بینی، به شما پاسخ می‌دهد.

هوش مصنوعی با ورود به حوزه آموزش، روند یادگیری را هم کارآمدتر و جذاب‌تر کرده است. این فناوری از طریق شخصی‌سازی مسیر یادگیری برای هر دانش‌آموز، تصحیح خودکار تکالیف و تحلیل عملکرد تحصیلی، به بهبود نتایج آموزشی کمک فراوانی کرده است.

حالا تشخیص چهره آسان می‌شود؛ ابتدا، تصویر چهره‌ی اول را به شبکه می‌دهیم تا آن را برایمان توصیف کند. بعد، تصویر چهره‌ی دوم را به شبکه می‌دهیم و توصیف آن را با توصیف چهره‌ی اول مقایسه می‌کنیم.

این داده‌ها در حافظه بلندمدت به عنوان «تجربه» ذخیره نمی‌شوند، بلکه صرفاً برای اطلاع‌رسانی به مدل در لحظه به کار می‌روند. خودروهای خودران و بسیاری از چت‌بات‌ها یک مثال عالی از این نوع هستند.

البته که ما این کار را به طور مستقیم انجام نمی‌دهیم؛ بلکه شبکه را با نشان‌ دادن مجموعه‌ای از چهره‌ها و بعد مقایسه‌ی خروجی‌ها با یکدیگر آموزش می‌دهیم.

چراکه بهترین روشی که برای آموزش شبکه‌های مولد فعلا در اختیار داریم این است که به جای اینکه ما خودمان آن‌ها را آموزش دهیم، اجازه دهیم شبکه‌ی عصبی دیگری آن‌ها را آموزش دهد؛ یعنی دو هوش مصنوعی رو در روی هم!

راستش داستان به این سادگی‌ها نیست. همانطور که در تصویر زیر می‌بینید، با اضافه کردن داده‌های مربوط به انجیرهای گندیده، کل نمودار خطی به هم می‌ریزد و این یعنی ما باید سراغ مدل دیگری، مثلا نمودار سهمی برویم.

هوش مصنوعی چیست و چه کاربردهایی دارد؟ (بررسی عملکرد، کاربرد و الگوریتم‌ها)

هوش مصنوعی گاهی ناعادلانه رفتار می‌کند، حریم خصوصی را به خطر می‌اندازد و تصمیم‌هایش همیشه قابل فهم نیست. این مسائل می‌تواند باعث نگرانی و بی‌اعتمادی کاربران شود.