هوش مصنوعی احتمالاتی!۲۰۲۵
#ProbabilisticArtificialIntelligence #ProbabilisticAI
که به حوزه‌ای از هوش مصنوعی که برای مدل‌سازی عدم قطعیت در داده‌ها و تصمیم‌گیری از مفاهیم آماری و احتمالاتی استفاده می‌کند، می پردازد برخلاف روش‌های سنتی هوش مصنوعی که ممکن است فرض کنند داده‌ها قطعی یا کامل اند و می دانیم که دینای کامل وجود ندارد!، این رویکرد عدم قطعیت را به‌عنوان بخشی ذاتی از سیستم در نظر می‌گیرد و از توزیع‌های احتمالی، استنتاج آماری، و یادگیری مبتنی بر احتمال برای حل مسائل پیچیده بهره می‌برد.
نگارنده در حوزه قطارهای خودران، با یادگیری ماشین احتمالاتی، سر و کله بسیار زده است...
در ادامه...
#AI
#ML
@toobabigdatascience

مفاهیم کلیدی این حیطه:

۱. مدل‌سازی عدم قطعیت 
   - داده‌های واقعی اغلب نویزی، ناقص، یا مبهم هستند. Probabilistic AI این عدم قطعیت را با استفاده از ابزارهایی مانند توزیع‌های احتمالی (مثلاً گاوسی، برنولی) یا شبکه‌های بیزی مدل می‌کند.

۲. استنتاج بیزی 
   - به‌روزرسانی باورها (Beliefs) بر اساس داده‌های جدید. مثلاً در تشخیص بیماری، با مشاهده علائم جدید، احتمال ابتلا به بیماری محاسبه می‌شود.

۳. یادگیری ماشین احتمالاتی: 
   - الگوریتم‌هایی مانند مدل‌های مخلوط (Mixture Models)، فرآیندهای گاوسی (Gaussian Processes)، و روش‌های مبتنی بر MCMC (مانند نمونه‌گیری گیبس).

۴. شبکه‌های بیزی و گرافیکی: 
   - نمایش روابط علّی بین متغیرها با گراف‌هایی که احتمال شرطی را مدل می‌کنند (مثلاً پیش‌بینی وضعیت آب و هوا بر اساس ابری بودن آسمان).

۵. تصمیم‌گیری تحت عدم قطعیت: 
   - استفاده از چارچوب‌هایی مانند فرآیندهای تصمیم‌گیری مارکوف (MDPs) یا نظریه بازی‌های احتمالاتی.
و....
کاربردها
- رباتیک و خودروهاو ‌...یِ خودران: مدیریت عدم قطعیت در داده‌های سنسورها و محیط پویا.
- پزشکی و سلامت : تشخیص بیماری با در نظر گرفتن احتمال خطا در تست‌ها یا علائم مبهم.
- پردازش زبان طبیعی (NLP): مدل‌سازی معانی مبهم جملات (مثلاً در ترجمه ماشینی).
- سیستم‌های توصیه‌گر: پیش‌بینی ترجیحات کاربران با احتمال.
- مالی و فایننس: پیش‌بینی ریسک بازارهای مالی با مدل‌های تصادفی.



مزایا
- تحمل خطا: تصمیم‌گیری حتی در صورت نویز یا داده‌های گم‌شده.
- تفسیرپذیری: ارائه نتایج همراه با میزان اطمینان (مثلاً "تشخیص انواع سرطان با احتمال ۸۵٪").
- انعطاف‌پذیری: ادغام دانش پیشین (Prior Knowledge) با داده‌های جدید.

و موارد بسیار دیگر...

@toobabigdatascience

هوس های ِ امپراطور
کسب رتبه اول هوش مصنوعی در منطقه و جهان عرب...
آیا او بدنبال امارات می دود!؟

💸 بلندپروازی‌های بن سلمان تمامی ندارد؛ این بار در حوزه هوش مصنوعی/ از کسب رتبه اول جهان عرب تا آموزش ۲۰ هزار متخصص

⬅️سازمان داده‌ها و هوش مصنوعی عربستان سعودی که در سال ۲۰۱۹ تاسیس شد، قصد دارد ۲۰۰۰۰ متخصص را آموزش دهد تا اطمینان حاصل کند که سعودی‌ها می‌توانند تا سال ۲۰۳۰ نقش‌های بسیار خاصی را در عرصه هوش مصنوعی ایفا کنند.

💵در گزارشی با عنوان "وضعیت هوش مصنوعی در عربستان سعودی" که پیش از اجلاس GAIN ۲۰۲۴ در ریاض منتشر شد، بر تقاضای فزاینده برای تخصص در حوزه هوش مصنوعی تاکید شده بود به طوری که آگهی‌های شغلی مرتبط با هوش مصنوعی در فاصله سال‌های ۲۰۱۸ تا ۲۰۲۲ سالانه نزدیک به ۵۴ درصد افزایش یافتند.
#هوش_مصنوعی
@toobabigdatascience

#یاد_ایام :
📚دانشکده فنی_دانشگاه تهران
دکتر خسروی در باره ی #تقلب می گویند...
در دنیای تو، ساعت چند است استاد؟🥲
@toobabigdatascience

Paper page - AlphaDrive: Unleashing the Power of VLMs in Autonomous Driving via Reinforcement Learning and Reasoning
https://huggingface.co/papers/2503.07608

مدل‌های بینایی-زبانی (VLMs) اخیراً در زمینه‌هایی مانند #برنامه_نویسی و علوم عملکردی در حد یا حتی فراتر از انسان داشته‌اند. در حوزه رانندگی #خودران، مدل‌های (End-to-End) توانایی‌های برنامه‌ریزی را بهبود بخشیده‌اند، اما هنوز در موقعیت‌های پیچیده و غیرمعمول عملکرد ضعیفی دارند. این مقاله روش AlphaDrive را معرفی می‌کند، که یک چارچوب ترکیبی از #یادگیری_تقویتی (RL) و #استدلال برای بهبود برنامه‌ریزی در رانندگی خودران است. AlphaDrive یک مدل VLM مبتنی بر یادگیری تقویتی و استدلال است که هدف آن افزایش دقت برنامه‌ریزی در سیستم‌های خودران است. این روش از بهینه‌سازی سیاست نسبی گروهی (GRPO) برای بهبود عملکرد یادگیری تقویتی استفاده می‌کند. همچنین از یک استراتژی دو مرحله‌ای برای ترکیب #یادگیری_تحت_نظارت (SFT) و یادگیری تقویتی بهره می‌برد.
#VLMs
#SFT
#RL

https://www.aparat.com/v/t84vgx8

🎁فرازی از دعای ابوحمزه ثمالی
ذُنوبُنا بین یَدَیک...
#رمضان‌الکریم

https://www.linkedin.com/posts/khoshnoodiiust_actionableinsights-data-diagnosticinsights-activity-7306254014579466240-HOm3?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAABJytlwBtzZe9vFCGnAnWMDnSjRU2wSsbEc&utm_campaign=share_via

تا سال ۲۰۲۶، داده های تولیدی توسط هوش مصنوعی ، از داده های تولیدی در کل تاریخ بشر بیشتر خواهد شد...

♨️امریکا : دیروز،امروز، و...فردا

#آمریکا
@toobabigdatascience