DLeX: AI Python
22.8K subscribers
4.96K photos
1.22K videos
765 files
4.3K links
هوش‌مصنوعی و برنامه‌نویسی

ارتباط با نوید داریا در توییتر :
https://twitter.com/NaviDDariya

اراتباط با لی لی علوی در تلگرام :
@lilylawww
Download Telegram
Your #brain is approximately 73% #water, but being dehydrated by just 2% impairs your #attention, #memory, and motor skills.
Forwarded from Pythonic AI (Soroush Hashemi Far)
شبکه های عصبی، رفتار و عملکرد مغز انسان را تقلید میکنند. این شبکه ها شامل الگوریتم هایی هستند که می توانند یاد بگیرند که به طور مثال رفتار مغز را در شناسایی گفتار و تصاویر تقلید کنند. با این حال، باید دانست که راه اندازی یک شبکه عصبی مصنوعی به زمان و انرژی زیادی احتیاج دارد.

محققان مرکز ملی تحقیقات علمی در پاریس، دانشگاه Bordeaux و کمپانی Evry، یک سیناپس مصنوعی به نام memristor را طراحی و ساخته اند و آن را مستقیما روی یک chip قرار داده اند. این نوع آوری راه را برای سیستم های هوشمند هموار خواهد کرد؛ سیستم هایی که نیاز به انرژی و زمان کمتری برای یادگیری داشته و میتوانند به صورت خودکار یاد بگیرند.

این سیناپس مصنوعی چطور کار میکند؟
در مغز انسان، سیناپس ها به عنوان پایانه های ارتباطی بین نورون ها عمل میکنند. هر چه بیشتر از این سیناپس ها استفاده شوند (مورد تحریک بیشتری قرار بگیرند)، ارتباطات قوی تر شده و یادگیری سریعتر میشود. memristor نیز به همین شیوه کار میکند. این سیناپس مصنوعی از یک لایه ی نازک فِروالکتریک ساخته شده است که میتواند خود به خود باردار شود و بین دو الکترود قرار گرفته است. میزان مقاومت آنها میتواند با استفاده از پالس های ولتاژ تنظیم شود (مانند آنچه در نورون های طبیعی رخ میدهد). ارتباط سیناپسی، زمانی که مقاومت پایین باشد، قوی خواهد بود و بالعکس. در واقع، ظرفیت یادگیری memristor بر اساس همین مقاومتِ قابل تنظیم، تعیین میشود.

شبکه های عصبی کنونی که با الگوریتم های یادگیری ساخته میشوند، در حال حاضر توانایی اجرای وظایفی را دارند که سیستم های قبلی نداشتند. برای مثال، سیستم های هوشمند کنونی توانایی ساخت موسیقی، بازی کردن، شکست بازیکنان انسانی و حتی می توانند مالیات های شما را پرداخت کنند. برخی از آنها قادرند تا رفتارهای مرتبط با افکار خودکشی در انسان ها را تشخیص دهند یا تشخیص دهند انجام چه کاری قانونی یا غیر قانونی است.

تمامی پیشرفت های ذکر شده را مدیون قابلیت یادگیری سیستم های هوش مصنوعی هستیم. تنها محدودیت موجود زمان و میزان داده ای است که باید برای یک سیستم هوشمند صرف شود تا به بهره برداری مناسبی برسد. با وجود طراحی memristor فرآیند یادگیری به طور چشم گیری افزایش خواهد یافت. البته کار بر روی این سیناپس ادامه دارد و هدف بعدی، ارتقاء آن برای عملکرد سریعتر و بهتر خواهد بود. نتایج تحقیقات این تیم تحقیقاتی در ژورنال Nature Communication به چاپ رسیده است.

#machinelearning #artificialintelligence #neural #network #memristor #brain

@pythonicAI
📌 The whole brain Atlas | DataSets
دانشگاه‌ هاروارد یک اطلس تعاملی از مغز انسان در حالت‌های مختلف همراه با بیماری‌ها تهیه کرده که می‌شه ازش به عنوان دیتاست استفاده کرد.

🔗 https://www.med.harvard.edu/AANLIB/home.html

#Brain #DataSets

@ai_python
📽 Concrete vs Abstract Thinking/Learning
Concrete - based on experience and limbic brain; Abstract - Cortex.
تفاوت بین سیستم‌های مختلف فکری مغز!
امروز یک مطلبی درباره تفکر‌های عینی و انتزاعی و ارتباط اونها با بخش‌های مختلف مغز خوندم که برام جالب بود. تفکر عینی بیشتر وابسته به دستگاه لیمبیک‌ هست که از ابتدای تولد در مغز ما وجود داره و قابلیت حس و درک اشیاء رو بصورت ارتباط مستقیم داره، اما تفکر انتزاعی بیشتر مربوط به درک مفاهیم پیچیده و پروسه‌ها هست که به مرور در مغز ساخته می‌شه به واسطه لیمبیک سیستم. در نتیجه دلیل اینکه در سنین پایین قابل درک مفاهیم پیچیده نیستیم شکل نگرفتن کورتکس در مغز هست و کورتکس بیشتر مربوط به تفکر‌ انتزاعی همینطور درک پروسه‌های مختلف از دید منطقی هست.

* اگه بیشتر می‌خواین درباره نحوه تفکر و سیستم‌های فکری مغز بدونین ویدیو زیر رو پیشنهاد می‌کنم 👇

🔗 https://www.youtube.com/live/tnQKK990FXY?si=vCdthHFSY7yuMjXu

#Brain #NeuroScience

@ai_python