اخبار روز هوش مصنوعی در سال ۲۰۲۴

یادگیری تقویتی یا Reinforcement Learning چیست؟

یادگیری تقویتی به عنوان یک گرایش‌ از یادگیری ماشین است که از روانشناسی رفتارگرایی الهام می‌گیرد. این روش بر رفتارهایی تمرکز دارد که ماشین باید برای بیشینه کردن پاداشش انجام دهد. این مسئله، با توجه به گستردگی‌اش، در زمینه‌های گوناگونی بررسی می‌شود. مانند: نظریه بازی‌ها، نظریه کنترل، تحقیق در عملیات، نظریه اطلاعات، سامانه چندعامله، هوش ازدحامی، آمار، الگوریتم ژنتیک، بهینه‌سازی بر مبنای شبیه‌سازی، همچنین یادگیری تقویتی در اقتصاد و نظریه بازیها بیشتر به بررسی تعادل‌های ایجاد شده تحت عقلانیت محدود می‌پردازد.

یادگیری نیروافزوده یا یادگیری تقویتی یا یادگیری پاداش و تاوان یکی از گرایش‌های یادگیری ماشینی است که از روانشناسی رفتارگرایی الهام می‌گیرد. این روش بر رفتارهایی تمرکز دارد که ماشین باید برای بیشینه کردن پاداشش انجام دهد. این مسئله، با توجه به گستردگی‌اش، در زمینه‌های گوناگونی بررسی می‌شود. مانند: نظریه بازی‌ها، نظریه کنترل، تحقیق در عملیات، نظریه اطلاعات، سامانه چندعامله، هوش ازدحامی، آمار، الگوریتم ژنتیک، بهینه‌سازی بر مبنای شبیه‌سازی. در مبحث تحقیق در عملیات و در ادبیات کنترل، حوزه‌ای که در آن روش یادگیری نیروافزوده مطالعه می‌شود برنامه‌نویسی تخمینی پویای (approximate dynamic programming) خوانده می‌شود. این مسئله در تئوری کنترل بهینه نیز مطالعه شده‌است. البته دغدغه اصلی بیشتر مطالعات در این زمینه، اثبات وجود پاسخ بهینه و یافتن ویژگی‌های آن است و به دنبال جزئیات یادگیری یا تخمین نیست. یادگیری نیروافزوده در اقتصاد و نظریه بازیها بیشتر به بررسی تعادل‌های ایجاد شده تحت عقلانیت محدود می‌پردازد.

در یادگیری ماشینی با توجه به این که بسیاری از الگوریتم‌های یادگیری نیروافزوده از تکنیک‌های برنامه‌نویسی پویا استفاده می‌کنند معمولاً مسئله تحت عنوان یک فرایند تصمیم‌گیری مارکف مدل می‌شود. تفاوت اصلی بین روش‌های سنتی و الگوریتم‌های یادگیری نیروافزوده این است که در یادگیری نیروافزوده نیازی به داشتن اطلاعات راجع به فرایند تصمیم‌گیری ندارد و این که این روش روی فرایندهای مارکف بسیار بزرگی کار می‌کند که روش‌های سنتی در آنجا ناکارآمدند.

 

یادگیری نیروافزوده با یادگیری با نظارت معمول دو تفاوت عمده دارد، نخست اینکه در آن زوج‌های صحیح ورودی و خروجی در کار نیست و رفتارهای ناکارامد نیز از بیرون اصلاح نمی‌شوند، و دیگر آنکه تمرکز زیادی روی کارایی زنده وجود دارد که نیازمند پیدا کردن یک تعادل مناسب بین اکتشاف چیزهای جدید و بهره‌برداری از دانش اندوخته شده دارد. این سبک-سنگین کردن بین بهره‌برداری و اکتشاف در یادگیری نیروافزوده برای فرایندهای مارکف متناهی، تقریباً به‌طور کامل در مسئله راهزن چند دست (Multi-armed bandit) بررسی شده است. ادامه در سایت پارس اینفوتک https://parsinfotech.com/reinforcement-learning/

 

 

بازسازی چهره با هوش مصنوعی

بازسازی چهره چیست؟

بازسازی چهره با هوش مصنوعی (Facial Recognition)، با استفاده از دیتابیس چهره‌های مختلف (که از قبل وجود داشته است) یک چهره را در یک عکس یا فیلم شناسایی می‌کند. در واقع چهره‌ها باید درون سیستم ثبت شوند تا دیتابیسی از ویژگی‌های چهره‌ای منحصربفرد شکل بگیرد. پس از آن، سیستم اقدام به تجزیه‌ی ویژگی‌های کلیدی یک تصویر جدید می‌کند و آنها را با اطلاعات ذخیره‌شده در دیتابیس، مقایسه می‌کند. پس از شناسایی المان های چهره و یافتن مناسب ترین المان ها از چهره های ثبت شده در دیتابیس، چهره جدید تولید می گردد. نخست باید دانست که تشخیص چهره و بازشناسی چهره، با یکدیگر تفاوت دارند. تشخیص چهره (Facial Detection)، بخشی مهم از بازشناسی چهره است که تعداد چهره‌های روی تصویر یا ویدیو را مشخص می‌کند، بدون اینکه جزئیات را به خاطر بیاورد یا ذخیره سازد. تشخیص چهره، مقداری از داده‌های جمعیتی (نظیر سن یا جنسیت) را تعریف می‌کند اما قادر به بازشناسی افراد نیست.

 

تشخیص چهره با هوش مصنوعی چگونه انجام می‌شود؟

در روش‌های مختلف تشخیص چهره با هوش مصنوعی نخست، رایانه اقدام به بررسی یک عکس یا فیلم می‌کند تا چهره‌ها را از سایر اشیاءِ موجود در زمینه، متمایز سازد. روش‌هایی وجود دارد که رایانه به کمک آنها قادر است این کار را انجام دهد و مقدار روشنایی، جهت‌ و فاصله دوربین را تنظیم کند. محققانی نظیر یانگ، کریگمان و آهوجا روش‌های تشخیص چهره را طبقه‌بندی کرده‌اند. این روش‌ها به چهار طبقه تقسیم می‌شوند و الگوریتم‌های تشخیص چهره ممکن است ذیلِ دو یا بیش از دو طبقه قرار گیرند.  https://parsinfotech.com/reconstruction-of-the-faces-of-ancient-egyptian-kings-and-queens-by-ai/

 

 

hyperos هایپر او اس

هایپر او اس سیستم عامل جدید شیائومی است که نوید تجربه‌ای متفاوت از اندروید را می‌دهد. شیائومی در طی رویدادی با عنوان “جهشی فراتر از لحظه” با معرفی سری شیائومی ۱۴ و محصولات دیگر خود، xiaomi hyperos را به عنوان سیستم عامل جدید خود معرفی کرد. طبق نظرات کارشناسان، این سیستم عامل می‌تواند یک جهش بزرگ در دنیای تکنولوژی و زمینه‌ساز یک تحول جدید در فنآوری گوشی‌ها و تبلت‌های هوشمند این برند در نظر گرفته شود.

 

hyperos چیست؟

ظاهراً شیائومی از سال ۲۰۱۷ به توسعه سیستم عامل جدید خود روی آورده و اکنون آن را با نام سیستم عامل hyperos معرفی کرده است. حتی به گفته معاون این کمپانی چینی، این رابط کاربری کاملاً بازنویسی شده و به عبارتی یک اصلاح همه جانبه برای MIUI شناخته می‌شود. هایپر او اس یک رابط کاربری منسجم و یکپارچه برای محصولات این برند است که کمک می‌کند بهترین عملکرد ممکن، تجربه کاربری و همچنین اتصال بهتری را بین دستگاه‌های مختلف ایجاد کند.

 

hyper os

اگر کیفیت گوشی موبایل و سیستم عاملش برای شما اهمیت زیادی دارد، می توانید با خیال راحت خدمات این برند را مورد استفاده قرار دهید.هایپر او اس یک سیستم عامل انحصاری توسعه یافته توسط این شرکت بزرگ و محبوب به حساب می آید. این سیستم عامل انحصاری ویژگی های مثبت زیادی داشته و شما می توانید آن را در گوشی های جدید این شرکت مشاهده نمایید.

 

لازم به ذکر است که پروژه مربوط به توسعه این سیستم عامل همچنان در حال اجرا بوده و هنوز به مرحله عرضه رسمی نرسیده است ولی شرکت شیائومی همه تلاشش را به کار گرفته تا در سریع ترین زمان ممکن نسبت به ارائه این سیستم عامل اقدام نماید.

 

 

ضرورت استفاده از سیستم عامل انحصاری برای شیائومی

حتما شما هم از خود می پرسید که اصلا چرا استفاده از یک سیستم عامل انحصاری برای شرکت های مطرحی همچون شیائومی، مسئله ای مهم به حساب می آید؟ برقراری ارتباط میان نرم افزار و سخت افزار در یک سیستم دیجیتالی کار راحتی به حساب نمی آید. شرکت های مختلف از تکنیک های متنوعی برای برقراری ارتباط میان این دو بخش مهم استفاده می نمایند. https://parsinfotech.com/xiaomi-hyperos/

 

 

 

منبع سایت پارس اینفوتک مجله هوش مصنوعی   https://parsinfotech.com

 

5/5 - (1 امتیاز)
0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *