✅چگونه در درک احساسات انسان به کامپیوترها کمک کنیم؟
👩‍🏫نویسنده: هما کاشفی امیری

📕محققان آزمایشگاه رسانه MIT یک مدل یادگیری ماشینی را توسعه دادند که به کامپیوترها کمک می کند احساسات ما را مشابه درکی که خود انسان ها دارند درک کنند.
در حوزه ی در حال پیشرفت «محاسبات عاطفی»، ربات ها و کامپیوترها تا حدی توسعه یافته اند که می توانند بیان صورت را تحلیل کنند، احساسات را تفسیر کنند و بر این اساس به آنها پاسخ دهند. کاربردهای آن شامل نظارت بر سلامت انسان و سنجش و بررسی تمایلات دانشجویان در کلاس درس و کمک به تشخیص علائم بیماری خاص و توسعه ربات های دستیار مفید است.
محققان آزمایشگاه یک مدل یادگیری ماشین را توسعه دادند که در تشخیص تغییرات کوچک چهره و بیان صورت بهتر از سیستم های سنتی عمل می کند و با دقت بیشتری می تواند حالت روحی فرد در آن زمان را حدس بزند و برای اینکه دقت سیستم به حد بالایی برسد با هزاران تصویر و چهره آموزش ببیند. علاوه بر این با استفاده از داده های آموزشی اضافی، مدل را می توان به یک گروه کاملاً جدید از افراد با همان میزان کارایی انطباق داد. هدف اصلی بهبود روش های محاسبات عاطفی موجود است.
یکی از محققان این آزمایشگاه می گوید: اگر رباتهای با هوش اجتماعی بالا می خواهید، باید آنها را هوشمند بسازید تا حدی که به طور طبیعی مانند انسان به احساسات و خلقیات طرف روبرو پاسخ و واکنش دهند.
منبع:
http://news.mit.edu/2018/helping-computers-perceive-human-emotions-0724
#خبر
#هوش_مصنوعی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME

Helping computers perceive human emotions
Personalized machine-learning models capture subtle variations in facial expressions to better gauge how we feel.

اسپیکر #آمازون با دستیار شخصی به نام #شیرین برای بازار خاورمیانه عرضه شد
شوخی کانال یوتیوبی Blyps با اسپیکر الکسا 😅😂😂
Digiato

✔️ @onlineBME

✅ آموزش الگوریتم هوش مصنوعی جهت حذف نویز و آرتیفکت در تصویر توسط محققان NVIDAI!
👨‍💻نویسنده: محمد نوری زاده چرلو

✍ چه اتفاقی میافته اگه شما به یک تکنولوژی هوش مصنوعی دست یابید که بتونه تمام نویزها و آرتیفکتهای تصویر را حذف کند؟! 🧐
حتی نویزهایی که در تصاویر با شدت روشنایی پایین هستند؟ عالیه نه؟😃
خب حالا اگه اون الگوریتمه متن و واترمارکها رو هم بتونه از تصویر حذف کنه چی؟! دیگه خیلی عالیه نه؟!😇
🔺گفته میشه که هر تکنولوژی هم میتونه استفاده #خوب ازش بشه و هم #بد، ولی این هیچ وقت نباید #نوآوری‌هارو متوقف کنه.
🔺 در آخرین تحقیقات #پردازش_تصویر ، NVIDIA در گزارشی گفته است که تیمشون تونستن یک AIی را آموزش دهند که می تونه از طریق یک رویکرد #یادگیری_عمیق، #نویز عکس های دانه دار (grainy image) رو حذف کنه. این گروه برای انجام این پروژه با دانشگاه آالو و MIT همکاری کرده است.
🔹معمولا مدل #هوش_مصنوعی نیاز داره که به تصویر بدون نویز و تصویر نویزی نگاه کنه و #تفاوت بین دو تصویر رو بفهمه و از این طریق یاد بگیره که نویز تصاویر نویزی رو حذف و یا کم کنه. (چیزی که ما تو دوره شبکه عصبی و پردازش تصویر با بچه ها کار میکنیم)
اما نکته قابل توجه اینه که این مدل هوش مصنوعی ارائه شده تنها به نمونه های مشابه تصاویر نویزی نگاه میکنه و نویز تصویر را حذف میکنه!!🤔🙄
هیچ تصویر بدون نویز (تر و تمیز) به مدل AI نشون داده نشده و ولی با این حال الگورتیم تونسته به صورت خودکار یاد بگیره که چطوری تصاویر رو بهبود بده و نویزشون رو از بین ببره!

🔹 محققان بیان کرده اند که: این امکان پذیره که یاد بگیریم سیگنالهای نویزی رو بدون مشاهده تصاویر بدون نویز بازسازی کنیم، اونم با عملکرد نزدیک و یا برابر با مدلهایی که با نگاه کردن به تصاویر بدون نویز، نویز تصویر رو کم می کنند!
"تیم GPU های NVIDIA Tesla P100 با چارچوب یادگیری عمیق TensorFlow cuDNN-accelerated استفاده کرده اند. این تیم مدل خود را در 50،000 عکس در مجموعه اعتبار سنجی ImageNet آموزش دادند.

💡انتظار میره که این مدل هوش مصنوعی در حوزه پزشکی جهت #بهبود تصاویر #پزشکی #MRI که معمولا به پردازشهای گسترده ای برای حذف نویز دارند، استفاده شوند.
همچنین میتواند در بهبود تصاویری که در معرض تابش طولانی تلسکوپها(که برای آستروفوفوگرافی استفاده میشوند) در آسمان شب قرار میگیرند استفاده شوند.
این الگوریتم همچنین میتواند زمان پردازش تصاویر جهت کاهش نویز را کم کند!
🔹 ولی اینکه این الگوریتم باعث می شود احتمال #سرقت تصاویر بالا بره برای ما یه سوالی هست که در سر ما میگذرد!
مرجع:
https://www.google.com/amp/s/www.firstpost.com/tech/news-analysis/nvidia-researchers-have-trained-an-ai-to-remove-noise-and-text-from-images-4725191.html/amp

#خبر
#هوش_مصنوعی
#پردازش_تصویر

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

نتیجه کاهش نویر با الگوریتم AI ارائه شده👌
( کتاب گونزالس رو میبنده😅)
✔️ @onlineBME

✅ الگوریتم هوش مصنوعی جدید #انویدیا که میتونه نویز عکس‌ها رو به شکل فوق‌العاده‌ی از بین ببره

#just amazing 😊
✔️ @onlineBME

اینم یه ویدیو دیگه از عملکرد بی‌نظیر هوش مصنوعی #انویدیا در تبدیل کردن ویدیوهای عادی به ویدیوی سوپر اسلوموشن و روان
البته این ربطی به پستای قبلی نداره
جالب بود حیفمون اومد نذاریم😅

✔️ @onlineBME

📋 #جزوه خام جلسه چهارم شبکه عصبی
☑️ شبکه عصبی #RBF (توابع شعاعی پایه )، ELM و PNN (شبکه عصبی احتمالی)
#elm
#rbf
#pnn
#پروژه_عملی
#کلاسبندی
#پیشبینی |آلودگی هوا |میزان نشست خاک در مترو
✔️ @onlineBME

فایل پیوست مربوط به تمرینات جلسه 4 شبکه عصبی
1⃣ مقاله rbf بهبود یافته شده( ژاکوپیین)
2⃣ داده مربوط به آلودگی هوا

🌀 فایل گزارش و کد رو به آیدی زیر ارسال کنید👇
@onlineBME_admin

✔️ @onlineBME

✅#هوش_مصنوعی مایکروسافت می تواند تصاویر را به شعر چینی تبدیل کند

👩‍🏫نویسنده: هما کاشفی امیری

🖍مایکروسافت به تازگی چت بات Xiaolce خود را توسعه داده است؛ این چت بات یک AI مکالمه به زبان چینی است که می تواند تصاویر را به اشعار تبدیل کند. مطمئن نیستیم که این کار بتواند الهام بخش شاعری باشد، اما یک گام جالب برای تقلید از انسان است.
این اولین AI نیست که شعر می سراید، اما اولین AI ای است که اشعاری به زبانی چینی با الهام از تصاویر می نویسد.
🔸در میان محققان یادگیری ماشین، مسئله آموزش AI برای اینکه توصیفات متنی برای تصاویر تولید کند یکی از حوزه های رایج است. اگر در نهایت AI به حد قابلیت های انسان برسد و جهان را همانطور که ما می بینیم ببیند، در نهایت می توانیم به او یاد دهیم که همان کارهایی که ما می کنیم بکند و همه چیز را آنگونه که ما می بینیم ببیند.
🔸ما به عنوان موجودات انسانی می توانیم به تصاویر نگاه کنیم و نتایجی از آن بگیریم، اشیا داخل آن را شناسایی کنیم، ویژگی های صورت افراد را توصیف کنیم. #بینایی_ماشین، #شبکه_های_عصبی و #یادگیری_عمیق این امکان را برای ماشین ها فراهم آورده اند تا این کاری که ما می کنیم را به خوبی انجام دهند، اما شاید قابلیت کامپیوترها برای تقلید از ما هنوز به اندازه ی یک کودک باشد.
🔸یکی از کارهایی که می توان کرد تا هوش مصنوعی توصیف بهتری از تصویر ارائه دهد این است که مدل یادگیری ماشین تا زمانی که خروجی آن از کار انسان غیرقابل تشخیص باشد، ادامه پیدا کند.
🔸یکی دیگر از راهکارها این است که از روش هایی استفاده کنیم که ماشین ها بهتر از ما تقلید کنند به این معنی که سعی کنند کارهای دشوار پردازش زبان طبیعی را انجام دهند. سرودن شعر بسیار پیچیده تر از توضیحات ساده برای متن است.
🔸خوب این مدلی که در مورد آن صحبت می کنیم چطور کار می کند؟ محققان یک تعداد دستور را به عنوان ورودی به سیستم می دهند و یک شبکه عصبی می سازند که در نهایت یک شعر می سراید و یک سمت دیگر این شبکه عصبی در مورد کیفیت آن داوری می کند. اگر سمت داور به این نتیجه برسد که دستورات رعایت شده اند و شعر از دید انسان به اندازه ی کافی خوب است، آن را به عنوان خروجی ارائه می دهد. خود ما نتایج را بررسی می کنیم، اگر به اندازه ی کافی خوب نباشد آن را دوباره وارد سیستم می کنیم تا زمانی که بهترین شعر نتیجه حاصل شود.
منبع:
https://thenextweb.com/artificial-intelligence/2018/08/10/microsofts-ai-can-convert-images-into-chinese-poetry/
#خبر
#هوش_مصنوعی

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME

Microsoft’s AI can convert images into Chinese poetry
Microsoft researchers recently unveiled a new ability for XiaoIce: it's a Chinese language poet that's inspired by images.

شاخه های درخت، سنگ ها و آب را به آرامی نگاه داشته اند
در تنهایی
در خلا گردش می کنند
زمین هموار می شود
(این شعریه که #هوش_مصنوعی برای این تصویر سروده، به نظرتون معنی داره؟ :) )
✔️ @onlineBME

📋 #جزوه خام جلسه 4 پردازش سیگنال
☑️ پردازش سیگنال ECG| روشهای کاهش بعد| روشهای انتخاب ویژگی
#تشخیص_آپنه_خواب
#پردازش_سیگنال
#ECG
#feature_extraction
#Feature_selection
#pca #lda
✔️ @onlineBME

📚 آموزش برنامه نویسی پایتون
#جلسه9_python

#python_print_function

👩‍🏫 مدرس: مهندس معصومه دلگرمی 🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖➖➖
✔️ @onlineBME

📕📒📗یادگیری ماشین
#جلسه_هفتم( #ML7 ) :
الگوریتم ژنتیک
👩‍🏫 مدرس: هما کاشفی امیری
#machine_learning
#ML7
🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
✔️ @onlineBME

📋 #جزوه خام جلسه4 #پردازش_تصویر
☑️ #ناحیه_بندی تصاویر | روشهای آستانه گذاری |روشهای مبتنی بر شدت روشنایی| روش رشد ناحیه| #اکو #پروژه_عملی
#kmeans
#fcm
#modifiedFCM
#active_contour
#echo
✔️ @onlineBME

فایل پیوست مربوط به تمرینات جلسه 4 پردازش تصویر
1⃣ مقالات fcm بهبود یافته شده

🌀 فایل گزارش و کد رو به آیدی زیر ارسال کنید👇
@onlineBME_admin

✔️ @onlineBME

چگونگی سیکل قلبی همراه با #الکتروکاردیوگرافی
#دوره_کار_قلب
#مهندسی_پزشکی
جزئیات👇
http://home.mehromah.ir/mehromah-learn/animation/5566-چگونگی-سیکل-قلبی-همراه-با-الکتروکاردیوگرافی.html

✔️@onlineBME

🔄 سیکل قلبی همراه با #الکتروکاردیوگرافی

✔️ @onlineBME

‼️‌نوشیدن 'هر اندازه' الکل برای سلامتی مضر است ‼️

✍یک تحقیق جهانی به این نتیجه رسیده که مصرف الکل هر چقدر هم کم برای سلامتی مفید نیست و بهترین توصیه پرهیز کامل از نوشیدن الکل است.

این تحقیق در نشریه لنست منتشر شده و نتیجه بررسی مصرف الکل در افراد ١٥ تا ٩٥ سال در ١٩٥ کشور دنیا بین سال‌های ١٩٩٠ تا ٢٠١٦ است.

برای این پژوهش، محققان کسانی را که اصلا الکل نمی‌نوشند با کسانی مقایسه کردند که روزی یک نوشیدنی الکلی می‌نوشند.

🔸این بررسی به این نتیجه رسیده که در تمام سنین، در سال ٢٠١٦ الکل هفتمین عامل مرگ و روزهای کاری از دست رفته بود (٢.٢ درصد مرگ زنان و ٦.٨ درصد مرگ مردان) اما در جمعیت ١٥ تا ٤٩ ساله، الکل مهمترین عامل مرگ است (٣.٨ درصد مرگ زنان و ١٢.٢ مرگ مردان).

🔸این تحقیق الکل را "مهمترین" عامل خطرساز در "بار جهانی بیماری‌ها" (Global Burden of disease) می‌داند و می‌گوید مرگ به تمام علت‌ها و به خصوص سرطان با افزایش مصرف الکل بیشتر می‌شود بنابراین هیچ میزانی از الکل نیست که مصرف آن برای سلامتی مضر نباشد.

این تحقیق پذیرفته که نوشیدن متعادل الکل ممکن است فوایدی برای قلب داشته باشد اما مجموع خطراتی که الکل به همراه می‌آورد مثل سرطان و بیماری‌های دیگر فراتر از فواید آن است.

🔹دکتر مکس گریزولد از دانشگاه واشنگتن که سرپرستی این تحقیق را بر عهده داشته می‌گوید: "مطالعات قبلی برای الکل یک خاصیت محافظت از بعضی بیماری‌ها را یافته بودند، اما ما به این نتیجه رسیدیم که الکل به هر میزان که مصرف شود مجموع خطرات برای سلامتی را بالا می‌برد."

🔹به گفته دکتر گریزولد، رابطه نزدیک الکل و سرطان، صدمات ناشی از نوشیدن الکل مثل تصادف و بیماری‌های عفونی چون سل خاصیت محافظتی الکل از بیماری‌های قلبی را بی‌اثر می‌کند."

🔸در بسیاری از کشورهای دنیا مثل بریتانیا به عموم توصیه می‌شود در حد متعادل الکل بنوشند و مثلا نوشیدن الکل را به کمتر از هفته‌ای ١٤ واحد یا روزی یک یا دو نوشیدنی الکلی محدود کنند اما پژوهشگران این تحقیق می‌گویند این توصیه‌ها نیاز به بازنگری دارند چرا که الکل باعث بیماری‌های متعددی می‌شود که در طول عمر به خصوص در مردان اثر می گذارد.

برخی متخصصان در باره نتیجه‌گیری این پژوهش یعنی توصیه به پرهیز کامل اظهار تردید کرده‌اند.

🔹پروفسور دیوید اسپیگلهالتر استاد دانشگاه کمبریج می‌گوید: "با توجه به لذتی که نوشیدن معتدل الکل دارد، گفتن این که نوشیدن الکل به هر مقدار مضر است به نظر نمی‌رسد دلیلی برای پرهیز کامل باشد."

"هیچ میزانی از رانندگی نیست که بدون خطر باشد اما هیچکس پرهیز کامل از رانندگی را توصیه نمی‌کند. به موضوع که فکر کنید در زندگی هیچ چیز بدون خطری وجود ندارد اما هیچ کس پرهیز از زندگی را توصیه نمی‌کند."
#خبر
#تاثیرات_الکل
منبع:
bbcpersian

https://twitter.com/BBCScienceClub/status/1033026822294958080

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖➖➖
✔️ @onlineBME

✅تیم کوچکی از کدنویس های AI کد یادگیری ماشین گوگل را شکست می دهند!

👩‍🏫نویسنده: هما کاشفی امیری

🔶این موفقیت نشاندهنده ی پیشرفت هوش مصنوعی و دستیابی به سطح نخبگان برنامه نویسی است. دانشجویان Fast.ai الگوریتم AI ای را توسعه دادند که بهتر از کد محققان گوگل و بر اساس معیارهای استاندارد کار می کند.

🔷 تیم Fast.ai سازمان کوچکی است که دوره های آنلاین و رایگان یادگیری ماشین برگزار می کند. موفقیت Fast.ai بسیار مهم است زیرا گاهی اوقات اینطور تصور می شود که تنها با منابع و داده های عظیم می توان به پیشرفت های شگرفی در زمینه هوش مصنوعی دست یافت.

🔶تیمFast.ai متشکل از دانشجویانی است که علاقه مند به حوزه های یادگیری ماشین هستند و شاید بتوان کار آنها را در بخش علوم داده نیز تفسیر کرد. این تیم دسترسی به کامپیوترها را از ابر آمازون اجاره می کند.تیم Fast.ai الگوریتمی نوشته است که کد گوگل را با استفاده از معیاری به نام AWNBench متعلق به محققان استنفورد شکست می دهد. این معیار از روش کلاسبندی عمومی تصاویر استفاده می کند تا از این طریق سرعت الگوریتم یادگیری عمیق را در هر دلار از قدرت محاسباتی بررسی کند.

🔷محققان گوگل در رتبه بندی های اخیر در بالاترین سطح آموزش به ماشین های متعدد بودند. تیم Fast.ai روی سخت افزار معادل همین محققان، قادر به توسعه ی الگوریتمی سریعتر شده است. جرمی هاوارد یکی از اعضای بنیانگذاران Fast.ai و کارآفرین برجسته در حوزه AI می گوید: «نتایج جدید تنها منحصر به شرکت های بزرگ نیستند. هاوارد و همکارش راشل توماس Fast.ai را راه انداختند تا هوش مصنوعی قابل دسترس تر بوده و منحصر به شرکتی خاص نباشد.

🔶تیم هاوارد با انجام کارهای نسبتاً ساده توانسته با شرکت های بزرگی مثل گوگل رقابت کند. برای مثال الگوریتمی توسعه داده که با اطمینان نشان می دهد تصاویری که به الگوریتم آموزش وارد شده اند به درستی برش داده شده اند. هاوارد می گوید: «اینها موارد بسیار ساده ای هستند که حتی بسیاری از محققان به آنها فکر هم نمی کنند»

🔷الگوریتم Fast.ai روی پایگاه داده ImageNet عرض 18 دقیقه با هزینه ی محاسبات 40 دلار آموزش دیده است. این موفقیت بسیار چشمگیر است.

پ.ن: هوش مصنوعی کم کم داره مشکل زمان و هزینه ی محاسباتی بالای الگوریتم های خودش رو هم حل میکنه😊😊کم کم باید به فکر ایجاد مشکلات جدیدتری برای هوش مصنوعی باشیم😉
🙂🙂🙂
منبع:
https://www.technologyreview.com/s/611858/small-team-of-ai-coders-beats-googles-code/

#خبر
#هوش_مصنوعی
#یادگیری_ماشین

🏢 آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
➖➖➖➖
📖 @onlineBME

A small team of student AI coders beats Google’s machine-learning code
The success shows that advances in artificial intelligence aren’t the sole domain of elite programmers.

ٰ‌ علی پیرحسین‌لو:
از فردا این دوچرخه‌های نارنجی‌رنگ مهمان تهران خواهند بود. دوچرخه‌هایی که با اپلیکیشن می‌توان آنها را پیدا کرد، تا مقصد رکاب زد و بدون نیاز به تحویل به کسی یا جایی، قفل می‌شوند تا راکب و رکاب بعدی. یک حلقه از زنجیره تلاش‌هایی که شروع شده تا زمین و هوای تهران قابل‌تحمل‌تر شود.
1alpr


🇮🇷 Zahra Najian:
زیرساختی دیده شده که جلوی دزدیده شدن دوچرخه ها گرفته بشه؟
znajian

علی پیرحسین‌لو:
جی‌پی‌اس دارند، و ماشین‌هایی هستند که دوچرخه‌ها را جمع می‌کنند.
1alpr

https://twitter.com/1alpr/status/1034141700753645569

پ.ن: حرکت خیلی خوبیه و امیدواریم مردم همکاری کنند تا مقدمه ای باشه برای سایر کارهای فرهنگی

✔️ @onlineBME

📋 #جزوه خام جلسه پنجم شبکه عصبی
☑️ شبکه عصبی بدون نظارت (SOM)،
قانون یادگیری #هبیین| #رقابتی
#GHA
#APEX
#competitive
#پروژه_عملی
#اسپایک_سورتینگ|استخراج ویژگی |کاهش بعد| #خوشه_بندی

✔️ @onlineBME