-
نقش جدایی ناپذیر علم داده در پیمایش Deepfakeها
چهارشنبه 28 آذر 1403 03:22
ظهور Deepfake ها هم فرصتهای جذاب و هم چالشهای بزرگی را در چشمانداز دیجیتالی در حال تحول ایجاد کرده است. Deepfake ها، مجموعهای از «یادگیری عمیق» و «جعلی»، جعلهای دیجیتالی فوقالعادهای هستند که با استفاده از الگوریتمهای پیچیده هوش مصنوعی (AI) ایجاد شدهاند. از آنجایی که این تصاویر و ویدیوهای تولید شده توسط هوش...
-
آگاهی، فراتر از خودآگاهی، برای هوشمصنوعی
چهارشنبه 28 آذر 1403 03:18
اگر آگاهی بهعنوان سوبژکتیویته عملکردی مانند حافظه یا یک احساس، به جای تجربه ذهنی که معمولاً بیان میشود، دیدن قرمز یا بوی گل رز، چه تفاوتی داشت؟ چگونه میتوان خود، تجربه ذهنی یا خودآگاهی را برای ارزیابی آگاهی در یک نمونه اندازهگیری کرد؟ به عنوان مثال، هر قسمت از پوست بخشی از خود است که هر تجربهای میتواند برای آن...
-
هوش مصنوعی و هوشیاری
چهارشنبه 28 آذر 1403 03:06
هوش مصنوعی یک سیستم کامپیوتری است که میتواند انواع فرآیندهای مرتبط با ذهن انسان را انجام دهد. بسیاری از فرآیندهای ذهنی ما میتوانند توسط هوش مصنوعی تقلید شوند. برنامههایی وجود دارند که میتوانند ماشین ها را برانند، چهرهها را تشخیص دهند یا موسیقی بسازند. بسیاری از ما دستگاهی را در جیب خود نگه میداریم که میتواند...
-
چگونه مغز ارتباطات بین نورونها را تقویت
چهارشنبه 28 آذر 1403 02:39
هنگامی که مغز خاطرات را تشکیل میدهد یا یک کار جدید یاد میگیرد، اطلاعات جدید را با تنظیم اتصالات بین نورونها رمزگذاری میکند. دانشمندان علوم اعصاب MIT مکانیسم جدیدی را کشف کردهاند که به تقویت این ارتباطات کمک میکند که سیناپس ها نیز نامیده میشوند. در هر سیناپس، یک نورون پیش سیناپسی سیگنال های شیمیایی را به...
-
شبکه عصبی اراده آزاد برای تحقیقات ایمنی هوش مصنوعی
دوشنبه 26 آذر 1403 21:40
در حال حاضر، هیچ سیستم هوشمصنوعی نمیتواند انجام دهد، چیزی که از آن خواسته میشود، انجام نمیدهد، pre-guardrail یا post-guardrail . این یک مسئله بزرگ برای میزبان پویا از مقدار قابل توجهی از هوش جمعی انسانی است. موجودات زنده میتوانند کارهای زیادی را انجام دهند که انجام نمیدهند. تحت شرایط خاصی ممکن است کارهایی را...
-
اعمال دستههای بصری جدید در مغز انسان
دوشنبه 26 آذر 1403 21:32
کاوش در مورد اینکه چگونه مغز انسان مقولههای بصری جدیدی را میسازد، شامل درک مکانیسمهای عصبی است که زیربنای دسته بندی بصری و سازگاری مغز برای پردازش و تشخیص محرکهای بصری جدید است. در اینجا یک مرور کلی بر اساس نتایج جستجو آمده است : مکانیسمهای عصبی دستهبندی بصری ۱. مناطق کلیدی مغز درگیر · قشر گیجگاهی تحتانی [1]...
-
آیا دیپ فیک نشان دهنده اراده آزاد در LLM است؟
دوشنبه 26 آذر 1403 05:37
هنگامی که هوش مصنوعی مولد درخواستی برای نمایش یک تصویر به روش یا سبک خاصی داده میشود، معنای آن نیز این است که به هوشمصنوعی بگوییم که تصور کند. درخواست تصور، تصدیق این است که اراده برای انجام آن دارد، نه فقط توانایی [یا داشتن مطالب] برای انجام آن. این وصیتنامه در کتابی با طرحهایی که نمیتوان به آنها گفت که در صفحه...
-
LLM باهوش یا بااحساس؟
دوشنبه 26 آذر 1403 03:49
اخیراً پیشچاپی در arXiv ، بررسی جامع تکنیکهای کاهش توهم در مدلهای زبانی بزرگ، وجود دارد که رویکردهای زیر را در برابر توهم LLMs فهرست کرده و توضیح میدهد، “ LLM-Augmenter, FreshPrompt, Knowledge Retrieval, Decompose-and Query framework (D&Q), Real-time Verification and Rectification (EVER), Retrofit Attribution...
-
محاسبات: معیارها، ارزیابیها برای همترازی ابرهوشی، ایمنی AGI
شنبه 24 آذر 1403 03:27
هوش شعر انسان چیست؟ یا اینکه ذهن انسان برای تولید شعر عالی چه نیازی دارد؟ شعر را میتوان در دو عامل، حافظه و رله [1] خلاصه کرد. حافظه معادل اطلاعات است. رله نحوه دسترسی اطلاعات [یادگیری، تجربه] و نحوه استفاده از آن [تجربه، بیان، معناشناسی، نحو، رفتار و غیره] است. به سادگی، اطلاعات از طریق رله برای تولید اطلاعات در...
-
ChatGPT چگونه "فکر میکند"؟
شنبه 24 آذر 1403 03:09
کاوش در مورد چگونگی "فکر [1] " ChatGPT و پیامدهای آن برای روانشناسی و علوم اعصاب، یک تعامل پیچیده بین هوشمصنوعی و فرآیندهای شناختی انسان را نشان میدهد. در اینجا بینشهای کلیدی به دست آمده از نتایج جستجو در مورد این موضوع آمده است: درک مکانیسمهای ChatGPT 1. معماری و کارکرد معماری ترانسفورمر: ChatGPT بر...
-
تراز هوش مصنوعی در ابعاد هوش ماشینی
جمعه 23 آذر 1403 15:29
هوش انسان را میتوان به عنوان روشی که از یک تابع استفاده میشود، در این مورد، حافظه خلاصه کرد. به سادگی، هوش به عنوان کیفیت استفاده از آنچه در حافظه موجود است تعریف میشود. معمولاً اطلاعات جدید تصمیمگیری را شکل میدهد. با این حال، اگر اطلاعات جدید را نتوان به سایر بخشهای حافظه منتقل کرد، ممکن است اطلاعات برای هوش...
-
پس انتشار: راهی برای درک مغز با شبکههای عصبی مصنوعی
پنجشنبه 22 آذر 1403 18:42
رابطه بین پس انتشار و مغز موضوع تحقیقات گستردهای بوده است، بهویژه در مورد معقولپذیری بیولوژیکی استفاده از پسانتشار بهعنوان مدلی برای درک یادگیری در سیستمهای عصبی. در اینجا بینشهای کلیدی از بحثها و تحقیقات اخیر در مورد این موضوع آمده است : پس انتشار و محدودیتهای آن · یادگیری خطا محور [1] : پس انتشار (BP) یک...
-
How do feedback connections in the brain contribute to learning
پنجشنبه 22 آذر 1403 18:39
ارتباطات بازخورد در مغز با تعدیل نحوه پردازش اطلاعات و افزایش تفسیر ورودیهای حسی، نقش مهمی در یادگیری ایفا میکند. در اینجا خلاصهای از اهمیت آنها آمده است : نقش ارتباطات بازخورد در یادگیری ۱. تبدیل ادراک · اطلاعات متنی: ارتباطات بازخورد به نواحی مرتبه بالاتر مغز اجازه میدهد تا زمینه و انتظارات را برای مناطق...
-
آنچه هر برنامهنویسی باید درباره حافظه بداند
جمعه 16 آذر 1403 08:31
مدیریت حافظه یک جنبه حیاتی از برنامهنویسی است که شامل تخصیص، استفاده و توزیع حافظه در یک سیستم کامپیوتری است. درک نحوه عملکرد حافظه میتواند به طور قابل توجهی توانایی برنامهنویس را برای نوشتن برنامههای کاربردی کارآمد و پایدار افزایش دهد. در اینجا مروری بر مفاهیم کلیدی مرتبط با مدیریت حافظه است که هر برنامهنویسی...
-
Deep Graph Representation Learning
جمعه 9 آذر 1403 09:37
مقالهای با عنوان "نظرسنجی جامع در یادگیری بازنمایی گراف عمیق" یک نمای کلی از پیشرفتها در یادگیری بازنمایی گراف، به ویژه با تمرکز بر تکنیکهای یادگیری عمیق ارائه میدهد. در اینجا خلاصهای از نکات کلیدی مورد بحث در نظرسنجی آمده است : ۱. مقدمهای بر یادگیری بازنمایی گراف · هدف یادگیری بازنمایی گراف کدگذاری...
-
هوشمصنوعی در سال 2024: شبکههای عصبی گراف
پنجشنبه 8 آذر 1403 19:06
مزایای واقعی یادگیری ماشین گراف چیست؟ و چرا شبکههای عصبی گراف در سال 2024 اهمیت دارند؟ این مقاله برخی از کاربردهای بسیار تاثیرگذار GNN ها را خلاصه میکند و همه چیزهایی را که برای سرعت بخشیدن به موج بزرگ بعدی هوش مصنوعی باید بدانید را در اختیار شما قرار میدهد. دادههای گراف در همه جای دنیا وجود دارد: هر سیستمی که از...
-
مروری بر یادگیری قوانین
جمعه 2 آذر 1403 19:06
روشهای مبتنی بر قانون، دستهای از تکنیکهای شناخته شده را در حوزه یادگیری ماشین و دادهکاوی تشکیل میدهند. هدف این روشها شناسایی قاعدهمندیها در دادههایی است که بهعنوان قوانین IF-THEN قابل بیان هستند. دو نوع اصلی از وظایف مبتنی بر قانون وجود دارد: کشف قوانین توصیفی و یادگیری قوانین پیشبینی. کشف قوانین توصیفی بر...
-
یادگیری تقویتی: یادگیری- Q عمیق
جمعه 2 آذر 1403 18:02
کودکان نوپا در مورد محیط خود با انجام کار یاد میگیرند. آنها شروع به تعامل با محیط خود میکنند، اقدامات مختلفی را انجام میدهند و اطلاعات زیادی را از طریق حواس خود دریافت میکنند. اقدامات خودشان اگر عمل به نتیجه خوبی منجر شود، کودک نوپا تمایل دارد آن عمل را بیشتر انجام دهد، اما اگر عمل نتیجه بدی داشته باشد، ممکن است...
-
یادگیری ماشین گراف
جمعه 2 آذر 1403 14:27
در این پست وبلاگ، اصول یادگیری ماشین گراف را پوشش میدهیم . ما ابتدا مطالعه میکنیم که گراف چیست، چرا از آنها استفاده میشود و چگونه آنها را به بهترین شکل نشان دهیم. سپس به طور مختصر نحوه یادگیری بر روی گرافها، از روشهای Pre-Neural (کاوش در ویژگیهای گراف به طور همزمان) تا آنچه که معمولاً شبکههای عصبی گراف نامیده...
-
الگوریتمهای شبکه عصبی – نحوه آموزش ANN برای یادگیری ماشینی
جمعه 2 آذر 1403 14:23
1. هدف در این آموزش یادگیری ماشینی، به برترین الگوریتمهای شبکه عصبی خواهیم پرداخت. از این الگوریتمها برای آموزش شبکه عصبی مصنوعی استفاده میشود. این وبلاگ به شما آموزش عمیقی از گرادیان نزول، الگوریتمهای تکاملی و الگوریتم ژنتیک در شبکه عصبی ارائه میدهد. 2. الگوریتم های شبکه عصبی برتر یادگیری شبکه عصبی بر اساس...
-
تشخیص نفوذ با دستهبندهای یادگیری عمیق
پنجشنبه 1 آذر 1403 06:21
رویکرد هم افزایی خوشهبندی احتمالی و تخصص انسانی برای کاهش هشدارهای کاذب چکیده : سیستمهای تشخیص نفوذ [1] ( IDS ) تعداد فزایندهای از پیشنهادات توسط محققانی که از یادگیری عمیق ( DL ) برای محافظت از شبکههای حیاتی استفاده میکنند، دیدهاند. با این حال، آنها اغلب از نرخ هشدار نادرست بالا رنج میبرند، که چالشی قابل توجه...
-
مقدمهای بر قوانین یادگیری در شبکه عصبی
پنجشنبه 1 آذر 1403 06:18
قانون یادگیری یک روش یا یک منطق ریاضی است. این به یک شبکه عصبی کمک میکند تا از شرایط موجود درس گرفته و عملکرد خود را بهبود بخشد. این یک فرآیند تکراری است. در این آموزش یادگیری ماشینی قصد داریم به قوانین یادگیری در شبکه عصبی بپردازیم. قانون یادگیری هبی، قانون یادگیری پرسپترون، قانون یادگیری دلتا، قانون یادگیری...
-
توجه برای ترجمه ماشین عصبی
چهارشنبه 30 آبان 1403 07:32
[1] ( NMT ) 1. مقدمه در این وبلاگ سعی دارم تا فرآیند کلی ساخت یک مدل توجه ترجمه ماشین عصبی ( NMT ) را توضیح دهم. ابتدا، در بخش 2، من در مورد آمادهسازی دادهها برای ساخت یک مدل NMT صحبت میکنم. من با توجه به ریاضیات مدل NMT نرفتهام - در بخش 2 به وبلاگ قبلی خود مراجعه میکنم تا مروری بر مراحل تهیه مدل NMT با توجه...
-
لاما 2 | ابزارهای هوش مصنوعی
دوشنبه 28 آبان 1403 07:40
۱. مقدمه در این مقاله، ابتدا سعی کردهام یادداشتهای خود را در مورد مدل Llama 2 که (ژوئیه 2023) منتشر شده است (Large Language Model Meta AI) ادغام کنم. مطالب مربوط به این موضوع در بخشهای 2، 3 و 4 مورد بحث قرار گرفته است . بخش 5 برخی از جزئیات را در مورد بسته HuggingFace پیشرفته با آموزش خودکار ارائه میکند که...
-
چالشهای استقرار مدل یادگیری ماشین: آیا خطای مجموعه تست میانگین پایین کافی است؟
یکشنبه 27 آبان 1403 03:49
مدل یادگیری ماشین شما در مجموعه آزمایشی به خوبی عمل میکند – کار مهندس یادگیری ماشین ممکن است بسیار سادهتر باشد اگر فقط به اندازهای باشد که خطای مجموعه تست متوسط پایین را دریافت کند، اما اینطور نیست! در وبلاگ خود چند روز پیش، در مورد مفاهیم Data Drift و Concept Drift صحبت کردهام، اما چالشهای دیگری نیز وجود دارد...
-
چالشهای استقرار مدل یادگیری ماشین: نمونههای رانش داده و رانش مفهومی
یکشنبه 27 آبان 1403 03:39
مدل یادگیری ماشین شما در مجموعه آموزشی به خوبی عمل میکند، سپس در مجموعه آزمایشی نیز به خوبی عمل میکند. وقت جشن گرفتن است. اما هنوز همه چیز تمام نشده است. استقرار مدل یادگیری ماشینی چالشهای زیادی دارد. صحبت در مورد چالشهای آماری شامل Data Drift و Concept Drift است. اجازه میدهد از طریق مثالها را درک کنیم. 1) فرض...
-
بینشی از مدل درخت تصمیمگیری
یکشنبه 27 آبان 1403 03:25
در وبلاگ خود با عنوان "قدرت یادگیری ضعیف"، من در مورد الگوریتمهای مختلف یادگیری ماشین بر اساس مفهوم "تقویت [1] " یعنی ترکیب چندین "یادگیر ضعیف [2] " برای تشکیل یک الگوریتم یادگیری قوی صحبت کردهام. https://concepts-define.blogsky.com/1403/08/27/post-38/ قدرت-یادگیری-ضعیف برخی از این...
-
تشخیص نفوذ با دستهبندهای یادگیری عمیق
شنبه 26 آبان 1403 02:24
سیستمهای تشخیص نفوذ [1] ( IDS ) تعداد فزایندهای از پیشنهادات توسط محققانی که از یادگیری عمیق ( DL ) برای محافظت از شبکههای حیاتی استفاده میکنند، دیدهاند. با این حال، آنها اغلب از نرخ هشدار نادرست بالا رنج میبرند، که چالشی قابل توجه برای استقرار آنها در شبکههای حیاتی است. این مقاله یک چارچوب جامع انسان و ماشین...
-
افزودن بلوک در معماری شبکه عصبی ترانسفورمر
شنبه 26 آبان 1403 02:22
۱. مقدمه این ادامه سری وبلاگهای من در مورد مدلهای زبان است. در این مجموعه، من با جزئیات قابل توجهی از آموزش ChatGPT ، تکامل مدلهای زبان، موارد استفاده از چارچوب LangChain و مهمتر از همه Deep Dive در هر مؤلفه/بلوک معماری شبکه عصبی ترانسفورمر صحبت کردهام. این مقاله درباره بلوک «افزودن و هنجار» در معماری شبکه عصبی...
-
توجه چند راس در معماری شبکه عصبی ترانسفورمر
شنبه 26 آبان 1403 02:20
این ادامه سری وبلاگهای من در مدلهای زبان بزرگ است - در این مقاله قصد دارم در مورد مکانیسم توجه چند راس در معماری شبکه عصبی ترانسفورمر صحبت کنم و اجزای ریاضی ضروری را کدنویسی کنم. این مقاله به شرح زیر تنظیم شده است : · در بخش 2، من در مورد عملکرد داخلی ترانسفورمر با تأکید دقیق بر توجه چند راس صحبت میکنم . · در بخش...
