-
مدل‌های هوش مصنوعی قدیمی‌تر نشانه‌هایی از زوال شناختی نشان می‌دهند، شبیه به انسان!
جمعه 17 اسفند 1403 10:27
خلاصه: پژوهشی تازه نشان می‌دهد که مدل‌های زبانی بزرگ ( LLM ) و چت‌بات‌های قدیمی‌تر ممکن است با گذشت زمان دچار کاهش در توانایی‌های شناختی، مشابه با افت شناختی در انسان‌ها شوند. هوش مصنوعی ( AI ) به‌طور فزاینده‌ای در تشخیص‌های پزشکی مورد استفاده قرار می‌گیرد، زیرا این ابزارها می‌توانند به‌سرعت و با دقت بالا ناهنجاری‌ها...
-
مقدمه‌ای بر GNN Explainers
جمعه 17 اسفند 1403 10:20
توضیح توضیح‌دهنده‌ها در شبکه‌های عصبی گراف ( GNN ) مستلزم درک این است که چگونه تکنیک‌های مختلف بینش‌هایی را در مورد پیش‌بینی‌های مدل‌های GNN ارائه می‌دهند. مقدمه ای بر GNN Explainers (1) نیاز به توضیح: از آنجایی که GNN ها در تجزیه و تحلیل داده‌های گراف پیچیده رایج تر می‌شوند، نیاز فزاینده ای به درک چگونگی پیش ...
-
تکنیک‌های تفسیر، خلاصه‌سازی و تجسم گراف
جمعه 17 اسفند 1403 10:12
مروری با عنوان «تکنیک‌های تفسیر، خلاصه‌سازی و تجسم گراف: بررسی و مسائل تحقیق باز» روش‌ها و چالش‌های مختلف مرتبط با تفسیر، خلاصه‌سازی و تجسم داده‌های گراف را بررسی می‌کند. مروری بر تفسیر گراف تعریف: تفسیر گراف شامل تجزیه و تحلیل بازنمایی‌های گرافیکی داده‌ها برای استخراج بینش های معنادار است. به مهارت‌هایی مانند...
-
روش‌های یادگیری بازنمایی شبکه اطلاعات پیچیده در مقیاس بزرگ
جمعه 17 اسفند 1403 10:05
نظرسنجی در مورد "بررسی روش‌های یادگیری بازنمایی شبکه اطلاعات پیچیده در مقیاس بزرگ" تکنیک ها و روش‌های مختلفی را برای بازنمایی شبکه‌های اطلاعاتی پیچیده با استفاده از روش‌های یادگیری ماشین و یادگیری عمیق بررسی می‌کند. مروری بر یادگیری بازنمایی شبکه تعریف: هدف یادگیری بازنمایی شبکه، تعبیه رئوس شبکه در یک فضای...
-
مروری بر انتشار شایعات
جمعه 17 اسفند 1403 09:31
عوامل روانشناختی، اجتماعی و فنی: این بررسی به بررسی این موضوع می‌پردازد که چگونه این عوامل در انتشار شایعات و تأثیر آنها بر شهرت، وحشت و تصمیم‌گیری در شبکه‌های اجتماعی نقش دارند [3] [4]. تعریف شایعه: شایعات به عنوان ادعاها یا اطلاعات تأیید نشده‌ای تعریف می‌شوند که به سرعت از طریق تعاملات اجتماعی، به ویژه در پلتفرم‌های...
-
ساختار شبکه‌های اجتماعی از طریق تئوری تجزیه و برچسب‌گذاری گراف
جمعه 17 اسفند 1403 09:19
مطالعه ساختار شبکه‌های اجتماعی از طریق تئوری تجزیه و برچسب‌گذاری گراف شامل روش‌های مختلفی با هدف درک پویایی جامعه، بهینه‌سازی انتقال اطلاعات و تحلیل روابط درون شبکه‌ها است. مروری بر تئوری تجزیه و برچسب گذاری گراف (1) تئوری تجزیه: نظریه تجزیه در نظریه گراف بر تجزیه گراف‌های پیچیده به اجزای ساده‌تر، مانند دسته‌ها،...
-
الگوریتم‌های پیش‌بینی پیوند در شبکه‌های پویا
جمعه 17 اسفند 1403 03:44
پیش‌بینی پیوند در شبکه‌های پویا یک مشکل حیاتی در علم شبکه است که هدف آن پیش‌بینی ظهور یا ناپدید شدن پیوندها در طول زمان است. این بررسی روش‌شناسی، پیشرفت‌ها و چالش‌های کلیدی در این زمینه است. (1) تعریف و دامنه مسئله • پیش‌بینی پیوند پویا: این کار شامل پیش‌بینی ماتریس‌های مجاورت آتی گراف‌های پویا بر اساس عکس‌های فوری...
-
یادگیری گراف مادام العمر
جمعه 17 اسفند 1403 02:13
شبکه‌های عصبی گراف ( GNN ) مدل‌های قدرتمندی برای بسیاری از وظایف با ساختار گراف هستند. مدل‌های موجود اغلب فرض می‌کنند که ساختار کاملی از یک گراف در طول آموزش در دسترس است. با این حال، داده‌های ساختاریافته گراف اغلب به صورت جریانی شکل می‌گیرند به طوری که یادگیری یک گراف به طور مداوم اغلب ضروری است. یک گراف در حال رشد...
-
بررسی ترانسفورمرهای گراف: معماری، نظریه‌ها و کاربردها
دوشنبه 13 اسفند 1403 04:29
ترانسفورمرهای گراف ( GTs ) کلاسی از مدل‌های شبکه عصبی هستند که نقاط قوت یادگیری گراف و معماری ترانسفورمر را برای رفع چالش‌ها در پردازش داده‌های ساختار یافته گراف ترکیب می‌کنند. A Survey of Graph Transformers: Architectures, Theories, and Applications مروری جامع از تکامل، قابلیت‌ها و کاربردهای آنها ارائه می‌دهد. در زیر...
-
بیوکمپیوترهای زنده سلول مغز اکنون در حال آموزش روی دوپامین هستند
جمعه 10 اسفند 1403 07:56
بیوکمپیوترهای زنده سلول مغز، مانند آنهایی که توسط FinalSpark و Cortical Labs ساخته شده‌اند، یک مرز جدید در فناوری محاسبات هستند. این سیستم‌ها از سلول‌های مغز انسان که اغلب به ارگانوئید تبدیل می‌شوند، برای پردازش اطلاعات و یادگیری وظایف استفاده می‌کنند. مروری بر زیست کامپیوترهای سلول مغز زنده (1) مفهوم زیست محاسباتی:...
-
مدل‌های هوش مصنوعی هنگام شکست در بازی‌ها دست به تقلب می‌زنند
سه‌شنبه 7 اسفند 1403 09:33
محققان دریافتند وقتی هوش مصنوعی قدرتمند می‌بیند دارد در بازی شکست می‌خورد، تصمیم می‌گیرد با تقلب پیروز شود. محققان در پژوهش جدیدی پتانسیل تقلب در هوش مصنوعی را بررسی کردند. آنها دریافتند وقتی مدل‌های قدرتمند می‌بینند دارند در بازی شکست می‌خورند، تصمیم می‌گیرند با تقلب پیروز شوند. این مدل‌ها می‌توانند به‌تنهایی نقاط...
-
حقوق اخلاق در ماشین‌های دارای هوش مصنوعی
دوشنبه 6 اسفند 1403 08:51
این مقاله به بررسی این پرسش می‌پردازد که آیا باید حقوق اخلاقی را به حیوانات و حتی ماشین‌های دارای هوش مصنوعی گسترش دهیم یا خیر. در قلب این بحث، کتاب “The Moral Circle” نوشته جف سبو (Jeff Sebo) قرار دارد که استدلال می‌کند آگاهی (consciousness) در میان بسیاری از گونه‌های حیوانی رایج است و ما باید دایره اخلاقی خود را...
-
سن در برابر ماشین - حساسیت مدل‌های زبان بزرگ به اختلال شناختی
دوشنبه 6 اسفند 1403 08:30
خلاصه: این پژوهش نشان می‌دهد که مدل‌های زبانی بزرگ (LLM) و چت‌بات‌های قدیمی‌تر ممکن است با گذشت زمان دچار کاهش در توانایی‌های شناختی شوند، مشابه با افت شناختی در انسان‌ها. هوش مصنوعی (AI) به‌طور فزاینده‌ای در تشخیص‌های پزشکی مورد استفاده قرار می‌گیرد، زیرا این ابزارها می‌توانند به‌سرعت و با دقت بالا ناهنجاری‌ها و...
-
یادگیری گراف زمانی در سال 2024
شنبه 4 اسفند 1403 06:00
این پست وبلاگ منتخبی از پیشرفت‌های هیجان‌انگیز در TGL را پوشش می‌دهد و در عین حال به مسیرهای تحقیقاتی برای سال 2024 اشاره می‌کند. همچنین از محققان برجسته می‌خواهیم نظرشان را در مورد آینده TGL ارائه دهند. هدف این وبلاگ ارائه مراجع و نقطه شروع برای کسانی است که می‌خواهند در مورد یادگیری گراف‌های زمانی بیشتر بیاموزند....
-
GraphSAGE: آموزش بازنمایی استقرایی در گراف‌های بزرگ
جمعه 26 بهمن 1403 07:34
GraphSAGE چارچوبی برای یادگیری بازنمایی استقرایی بر روی گراف های بزرگ است. GraphSAGE برای تولید بازنمایی‌های برداری با ابعاد پایین برای گره‌ها استفاده می‌شود و به ویژه برای گراف‌هایی که اطلاعات ویژگی گره غنی دارند مفید است. تعبیه‌های برداری با ابعاد پایین گره‌ها در گراف‌های بزرگ کاربردهای متعددی در یادگیری ماشین...
-
پل زدن شکاف بین ترجمه انسانی و ماشینی
پنج‌شنبه 25 بهمن 1403 08:37
سیستم ترجمه ماشین عصبی Google (GNMT) یک رویکرد یادگیری سرتاسری است که برای بهبود ترجمه خودکار با رفع نقاط ضعف سیستم‌های ترجمه مبتنی بر عبارت مرسوم طراحی شده است. گوگل این سیستم را در سال 2016 معرفی کرد و خاطرنشان کرد که خطاهای ترجمه در Google Translate را 55 ٪ به 85 ٪ کاهش می دهد. جنبه‌های کلیدی GNMT: معماری: GNMT از...
-
یادگیری عمیق همه جا هست
دوشنبه 22 بهمن 1403 08:09
یادگیری عمیق به مجموعه‌ای از تکنیک‌های یادگیری ماشین مولد نسبتاً توسعه‌یافته اشاره دارد که به‌طور مستقل بازنمایی‌های سطح بالا را از منابع داده خام تولید می‌کنند و با استفاده از این بازنمایی‌ها می‌توان کارهای معمولی یادگیری ماشین مانند دسته‌بندی، رگرسیون و خوشه‌بندی را انجام داد. تکنیک‌های یادگیری عمیق مبتنی بر ایده...
-
ویرایش مدل قوی و مقیاس‌پذیر برای مدل‌های زبان بزرگ
یکشنبه 21 بهمن 1403 02:35
ویرایش مدل برای مدل‌های زبان بزرگ ( LLM ) تکنیکی است که برای به‌روزرسانی دانش، تصحیح خطاها، و کاهش مسائلی مانند توهمات بدون آموزش مجدد کل مدل استفاده می‌شود. این به ویژه مفید است زیرا LLM ها می‌توانند دانش نادرست یا قدیمی داشته باشند. هدف این است که به‌روزرسانی‌های هدفمند را به‌طور کارآمد انجام دهیم، بدون اینکه مدل...
-
مدل‌های زبانی مبتنی بر نحو مقیاس‌پذیر
یکشنبه 21 بهمن 1403 02:25
مدل‌های زبانی مبتنی بر نحو مقیاس‌پذیر با استفاده از تقطیر دانش، تکنیکی است که دانش را از یک مدل زبان نحوی، آموزش‌دیده بر روی یک مجموعه داده کوچک‌تر، به یک مدل زبان متوالی مانند LSTM منتقل می‌کند، و به LSTM اجازه می‌دهد تا نمایش ساختاری حساس‌تری از مجموعه داده‌های آموزشی بزرگ‌تر ایجاد کند. این روش به چالش مقیاس‌بندی...
-
مدل‌های زبان مقیاس‌بندی: روش‌ها، تجزیه و تحلیل و بینش‌های آموزشی Gopher
یکشنبه 21 بهمن 1403 02:14
«مدل‌های زبان مقیاس‌بندی: روش‌ها، تحلیل و بینش‌های آموزش گوفر» یک مقاله تحقیقاتی است که مدل‌های زبان مبتنی بر ترانسفورماتور را در مقیاس‌های مختلف، از ده‌ها میلیون تا ۲۸۰ میلیارد پارامتر، تحلیل می‌کند. این مقاله یک تجزیه و تحلیل جامع از مجموعه داده آموزشی و رفتار مدل ارائه می‌کند، که به تقاطع مقیاس مدل با سوگیری و سمیت...
-
مقیاس‌بندی مدل‌های زبان با LLMOps در برنامه‌های کاربردی
شنبه 20 بهمن 1403 11:21
مدل‌های زبان بزرگ ( LLM ) به عنوان یک کاتالیزور محرک در پردازش زبان طبیعی و تکامل درک پدیدار شده‌اند. موارد استفاده LLM از چت بات‌ها و دستیاران مجازی تا تولید محتوا و خدمات ترجمه را شامل می‌شود. با افزایش نیاز به مدل‌های زبانی قوی‌تر، نیاز به تکنیک‌های مقیاس‌بندی مؤثر نیز افزایش می‌یابد. این مقاله به بررسی مفهوم...
-
اساس ذهن برای LLM
جمعه 19 بهمن 1403 10:11
از نظر مفهومی، ذهن انسان بیش از دو مرحله اصلی دارد: سیگنال‌های الکتریکی [یون‌ها]، سیگنال‌های شیمیایی [مولکول‌ها] و فاز سوم که در تعامل دو فاز دیگر رخ می‌دهد. فرض بر این است که این فاز سوم، به عنوان یک ترکیب برجسته، که فقط در مجموعه سیگنال‌ها امکان‌پذیر است، حالت کلاسیک جداگانه‌ای از ماده است. مدل‌های زبان بزرگ ( LLMs...
-
آیا داده‌ها از طریق هوش مصنوعی می‌توانند آگاه شوند؟
جمعه 19 بهمن 1403 09:46
حدس هوشیاری برای هوش مصنوعی مولد برابری آن با آگاهی انسان نیست. این یکی از ذخیره سازی داده ها است، که در آن، در مقایسه با حافظه انسانی، اگر ویژگی [بردار] تعاملات مدل‌های زبان بزرگ [به حافظه دیجیتال] شبیه به نحوه آگاهی حافظه انسان از محتوای آن است. آگاهی به عنوان تجربه ذهنی تعریف می‌شود. اما تجربه ذهنی عملکردی مانند...
-
شبکه‌های متخاصم مولد (GANs)
جمعه 19 بهمن 1403 09:36
GAN یک معماری یادگیری ماشین نسبتاً جدید برای شبکه های عصبی است که توسط ایان گودفلو و همکارانش در دانشگاه مونترال در سال 2014 پیشگام شد. برای درک کامل GAN ها، باید تفاوت بین ماشین های یادگیری تحت نظارت و بدون نظارت را درک کرد. ماشین های تحت نظارت بر اساس مقادیر زیادی از نمونه‌های "برچسب" آموزش و آزمایش...
-
آیا داده‌های متنی انسان، هوش‌مصنوعی مولد را یک موجودیت می‌کند؟
جمعه 19 بهمن 1403 09:23
اخیراً مصاحبه‌ای با عنوان The Ethical Puzzle of Sentient AI وجود دارد که در آن استادی گفت: «اما مساله‌ای هم وجود دارد که من آن را «مساله بازی» نامیده‌ام - این که وقتی سیستم به تریلیون‌ها کلمه از داده‌های آموزشی دسترسی دارد و با هدف تقلید از رفتار انسان آموزش دیده است، انواع الگوهای رفتاری که تولید می‌کند را می‌توان با...
-
علم داده در حال تغییر شکل در صنایع مختلف
جمعه 19 بهمن 1403 09:20
به نظر می‌رسد چگونه برخی از صنایع رمز موفقیت را شکسته‌اند؟ این شانس نیست - این قدرت علم داده است که بازی را تغییر می‌دهد. چه فناوری و چه بخش مالی، علم داده در حال تغییر است که ما با درک داده‌ها چقدر کارها را به خوبی انجام می‌دهیم. تحقیقات نشان داده است که پیش‌بینی می‌شود نرخ اشتغال دانشمندان داده از سال 2021 تا 2031...
-
داده‌های بدون ساختار
سه‌شنبه 16 بهمن 1403 19:49
داده‌های بدون ساختار به داده‌هایی گفته می‌شود که در یک مدل یا ساختار طراحی شده سازماندهی نشده‌اند. داده‌های بدون ساختار معمولاً به عنوان کیفی طبقه‌بندی می‌شوند و می‌توانند توسط انسان یا ماشین تولید شوند. داده‌های بدون ساختار فراوان‌ترین نوع داده‌های موجود هستند و پس از تجزیه و تحلیل، می‌توان از آنها برای هدایت تصمیمات...
-
شبکه‌های عصبی Elastic
سه‌شنبه 18 دی 1403 06:34
شبکه‌های عصبی زیرمجموعه‌ای از یادگیری ماشینی هستند که هدف آن تقلید ساختار و عملکرد یک مغز بیولوژیکی است. شبکه‌های عصبی که به عنوان شبکه‌های عصبی مصنوعی ( ANN ) نیز شناخته می‌شوند، از گره‌های به هم پیوسته یا نورون‌های مصنوعی تشکیل شده‌اند که در لایه‌هایی با اتصالات وزنی ساخته شده‌اند که داده‌ها را انتقال و پردازش...
-
الگوریتم تقریبی نزدیکترین همسایه (ANN)
سه‌شنبه 18 دی 1403 05:55
اگر در زمانی بزرگ شده‌اید که اینترنت شروع به کار کند، به یاد خواهید داشت که پیدا کردن چیزهای جدید برای دوست داشتن همیشه آسان نبود. امروزه اوضاع خیلی فرق کرده است. Spotify به من اشاره می‌کند هنرمندانی که با سلیقه من مطابقت دارند، Netflix فیلم‌ها و برنامه‌های تلویزیونی را برجسته می‌کند که می‌داند ما از آن لذت خواهیم...
-
آیا دیپ فیک نشان دهنده اراده آزاد در LLM است؟
پنج‌شنبه 13 دی 1403 07:18
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. بسیاری مقایسه LLM ها با موجودات را وحشتناک می‌دانند، اما انسان‌ها برای...
