با گوشیت کامپیوتر یا لپ‌تاپت رو کنترل کن! 🔹برنامه‌ای که قرار است در این پست معرفی بشه دوتا قابلیت جالب داره ؛ با یکیش میتونید صفحه سیستمتون رو بندازین رو گوشی و هرکاری که میخواید با گوشی بکنید رو انجام بدید تا تغییراتش رو توی سیستم ببینید ؛ با دومیش هم میشه یه فایلی رو تو گوشی انداخت طوری که دیگه رو صفحه ویندوز نباشه!!! 🔹 نحوه استفاده از این برنامه : 🔹در ابتدا لازمه برنامه Space desk رو برای گوشی و هم برای سیستم دانلود و نصب کنید. 🌐 Spacedesk.net 🔹حالا لازمه که با گوشی و لپ‌تاپ به یک وای‌فای متصل بشید 🔹حالا با گوشیتون وارد نرم افزار بشید و منتظر بمونید تا آیپی کامپیوتر شمارو نمایش بده ؛ نشون که داد بهش وصل بشید و لپ‌تاپتون رو باهاش کنترل کنید 🔹اگر خواستید از گوشیتون به عنوان صفحه نمایش دوم استفاده کنید تو سیستمتون منوی استارت رو باز کنید و سرچ کنید Duplicate 🔹انتخابش که کردید اسکرول کنید پایین و گزینه Multiple display رو بگذارید رو Extend 〰〰〰〰〰〰〰〰〰 📮@hoomas

تصویری که از محمد ضیف به نقل از کانال 12 رژیم صهیونیستی به عنوان عکس جدید منتشر شده با هوش مصنوعی Midjourney طراحی شده است. یهودی ها پس از 80 روز ابتدا کپی شناسنامه ی ضیف را در غزه پیدا کردند. حالا آنها در حماسه ای دیگر از عکس ساختگی او رونمایی کرده اند. #سیاست #هوش_مصنوعی 〰〰〰〰〰〰〰〰〰〰 📮@hoomas

✍گوگل بارد یا سرویس هوش مصنوعی Bard یک سرویس مبتنی بر چت و گفتگوهای چند مرحله‌ای است که کاربردهای زیادی در تولید محتوا، کدنویسی و… دارد. 🟣بازار داغ هوش مصنوعی و تاثیر آن بر زندگی انسان‌ها باعث شد، کمپانی‌های بزرگ دنیا با سرمایه‌گذاری‌های هنگفت سعی در تصاحب بازار هوش مصنوعی داشته باشند. 🟣شرکت مایکروسافت با سرمایه گذاری در شرکت OpenAI و ارایه chatgpt توانست پیشتاز دراین حوزه شود ولی به فاصله چند ماه شرکت گوگل با ارایه سرویس هوش مصنوعی گوگل بارد خیلی سریع وارد رقابت با چت جی پی تی شد. 🟣بارد یک هوش مصنوعی مبتنی بر چت است که بر اساس مدل زبانی برنامه‌های گفتگو (LaMDA) کار می‌کند. گوگل بارد با استفاده از پردازش زبان طبیعی (NLP) و یادگیری ماشینی (ML) و معماری شبکه عصبی گوگل، مکالمات انسانی را شبیه‌سازی می‌کند. 🔴 در واقع، گوگل بارد بر اساس گفت‌وگوهای چند نوبتی است، یعنی مکالماتی که در آن پاسخ به سوال فعلی وابسته به سوال قبلی است. بنابراین، یک چت ادامه‌دار است که در هر سوال نیازی به تکرار اطلاعات نیست و مانند گفتگوی دو انسان طبیعی است. 〰〰〰〰〰〰〰〰〰 📮@hoomas

مایکروسافت برای خلق نوآوری‌ و ترغیب کاربران به استفاده از هوش مصنوعی کوپایلت، قابلیت تولید آهنگ از روی متن را برای این سرویس منتشر کرد. 🟣بیانیه‌ی رسمی مایکروسافت به همکاری ردموندی‌ها با شرکت Suno اشاره می‌کند. به لطف پلتفرم ارائه‌شده توسط این شرکت، اکنون کاربران می‌توانند موسیقی دلخواه و شخصی‌سازی‌شده‌ی خود را بسازند. 🔴شرکت Suno مدت زیادی است که الگوریتم‌های مختلف را آزمایش می‌کند تا بهترین مدل هوش مصنوعی را که بتواند انواع مختلف آهنگ‌ها را تولید کند، ارائه دهد. 🗣 به نظر می‌رسد که این شرکت تا‌کنون خارق‌العاده عمل کرده است.تنها کاری که کاربران برای ساختن آهنگ باید انجام دهند، فعال‌کردن پلاگین Suno و نوشتن متن مورد نظر است. سایر مراحل توسط الگوریتم تولید آهنگ انجام خواهد شد. در گذشته ابزار‌های هوش مصنوعی در حوزه‌ی موسیقی به منظور کمک به موسیقی‌دانان تولید می‌شدند؛ اما این قابلیت جدید کوپایلت به منظور ایجاد سرگرمی برای همه‌ی کاربران و به خصوص برای کاربران غیرحرفه‌ای طراحی شده‌ است. 〰〰〰〰〰〰〰〰〰〰 📮@hoomas

🔖#فقه_هوش_مصنوعی استاد #مفیدی یزدی جلسه‌ی یازدهم 〰〰〰〰〰〰〰〰〰 📌مجموعه‌ی اعداد گویا شمارش‌پذیر است؛ مهمترین دستاورد ریاضیات قرن بیستم 📌پایه محوری و مُثُل افلاطونی 📌 پایه‌های غیر فیزیکی 〰〰〰〰〰〰〰〰〰 📮@hoomas

#کارگاه #هوش_مصنوعی آشــنــایــے ‌بــا ‌هــوش‌مــصــنــوعــے [ سرفصل‌ها در تصویر پیوستی ] 🎁هدیه پژوهش‌یار جهت بهره‌مندی از این کارگاه در مطلب بعدی تقدیم می‌شود ــــــــــــــــــــ کانال پژوهش‌یار؛ @Pajouheshyar با#نشروتبلیغ کانال،در ثواب فعالیت‌های آن#سهیم باشید.

🔆لمس اجسام در فضای مجازی محققان چینی موفق شدند حس لامسه را در دنیای واقعیت مجازی شبیه‌سازی کنند. 〰〰〰〰〰〰〰〰〰〰〰 📮@hoomas

کمتر لایک کن و بیشتر زندگی کن:معرفی کتاب مینیمالیسم دیجیتال آیا شما هم از اعتیاد به موبایل و شبکه های اجتماعی رنج می برید؟ احتمالا کتاب «مینیمالیسم دیجیتال» سرنخ های خوبی برای پیدا کردن پاسخ داشته باشد. مینیماالیسم دیجیتال معرفی نوعی سبک مواجهه با فضای مجازی همراه با دستورالعمل های عملیاتی برای انجام آن است به طوری که در این کتاب با اصولی در مورد علت اعتیاد به فناوری و ترک کردن گام به گام آن آشنا می شوید. البته، این تنها یک نوع خاص از مواجهه انتقادی با فضای مجازی است؛ شاید شما نسخه بهتری برای تعامل با فناوری های جدید داشته باشید! مطالعه متن یادداشت: https://cyberpajooh.com/h5vx 〰〰〰〰〰〰〰〰〰〰 📮@hoomas

آیا محتوای مذهبی بدون موسیقی اثر کافی نخواهد داشت؟ مساله استفاده از موسیقی در تبلیغ مذهبی، در دوره‌های مختلف رسانه‌ای مورد مناقشه بوده است. مخالفین معتقدند که موسیقی طبق فتوای برخی مراجع مشکل‌دار است و "کار تمیزی نیست". موافقین نیز معتقدند کار رسانه‌ای بدون موسیقی اثرگذاری کافی نخواهد داشت. فارغ از بحث‌های شرعی/رسانه‌ای آن، مشاهده می‌کنیم که برخی سازمان‌های دینی در دنیا بدون استفاده از موسیقی نیز توانسته‌اند اقبال مخاطبین را جلب کند. "بایبل پراجکت" یکی از این سازمان‌ها در آمریکاست که با پشتکار دو نفر و راهبرد‌های محتوایی درست، توانسته پیام مذهبی خود را در قالب کلیپ‌ها سالانه به صدها میلیون نفر برساند. خلاصه‌ای از ماجرای جالب این موسسه را در کلیپ فوق تماشا کنید منبع : آکادمی هدی 〰〰〰〰〰〰〰〰〰 📮@hoomas

به گزارش رویترز، وانگ هایفنگ، مدیر ارشد فناوری بایدو، گفته است چت‌بات Ernie Bot که رقیبی برای ChatGPT محسوب می‌شود، به بیش از ۱۰۰ میلیون کاربر دست پیدا کرده است. کاربران پس از اینکه بایدو چت‌بات Ernie Bot را در ماه آگوست (مرداد و شهریور) برای عموم منتشر کرد، بسیار از آن استقبال کردند. پیش از این، یک رونمایی جزئی و یک دوره‌ی آزمایشی بیش از پنج ماهه انجام شد که در آن کاربران منتخب می‌توانستند قابلیت‌های چت‌بات را آزمایش کنند. تحلیلگران می‌گویند رونمایی اولیه‌ی Ernie Bot در ماه مارس (اسفند و فروردین) بسیار ضعیف و بدون هیاهو بود، با این حال باعث شد بایدو مزیت مهمِ پیش‌قدم‌بودن در بازار را داشته باشد. از آن زمان شرکت‌های بزرگ و کوچک چینی چت‌بات‌های هوش مصنوعی جدیدی توسعه داده‌اند. چت‌باتChatGPT در اواخر سال ۲۰۲۲ منتشر شد و در عرض ۶ ماه به بیش‌از ۱۰۰ میلیون کاربر فعال دست پیدا کرد تا رکورد جدیدی ثبت کند (البته این رکورد بعدا توسط تردز شکسته شد). 〰〰〰〰〰〰〰〰〰〰 📮@hoomas

🚀 تکنیک‌های یادگیری عمیق در هوش مصنوعی: کشف الگوهای پیچیده و فعال‌سازی راه حل‌های پیشرفته در دنیای هوش مصنوعی، یادگیری عمیق به عنوان یک حوزه پویا و پیشرفته ظاهر شده و تغییرات قابل توجهی در نحوه تعامل ما با داده و بهره‌مندی از آن ایجاد کرده است. یادگیری عمیق یک زیرمجموعه از یادگیری ماشین است که از شبکه‌های عصبی عمیق برای کشف الگوهای پیچیده و ساخت مدل‌های پیشرفته استفاده می‌کند. در این پست، بیایید به بررسی تکنیک‌های یادگیری عمیق در هوش مصنوعی بپردازیم و چگونگی این تکنیک‌ها در کشف الگوها و ارتقاء راه حل‌های پیشرفته را مورد بررسی قرار دهیم. 🧠 تکنیک‌های یادگیری عمیق در هوش مصنوعی 1. شبکه‌های عصبی عمیق (DNNs): DNNs به عنوان یکی از اصلی‌ترین تکنیک‌های یادگیری عمیق شناخته می‌شوند، که به صورت لایه‌های سلسله‌مراتبی از نورون‌ها ساخته می‌شوند و اطلاعات را از ورودی به خروجی پردازش می‌دهند. این شبکه‌ها با تعداد زیادی از پارامترها قابل آموزش هستند و می‌توانند الگوهای پیچیده و غیرخطی را تشخیص دهند. 2. شبکه‌های عصبی بازگشتی (RNNs): در مواقعی که الگوها به صورت توالی‌های زمانی ظاهر می‌شوند، شبکه‌های عصبی بازگشتی به خوبی عمل می‌کنند. این شبکه‌ها با قابلیت حافظه، الگوها و ارتباطات زمانی را در داده‌ها تشخیص می‌دهند و در وظایفی مانند پردازش زبان‌های طبیعی و ترجمه ماشینی کارآمد هستند. 3. شبکه‌های عصبی کانولوشنی (CNNs): شبکه‌های عصبی کانولوشنی یا CNNs به طور گسترده در پردازش تصاویر و شناسایی الگوها استفاده می‌شوند. این شبکه‌ها با استفاده از لایه‌های کانولوشنی برای شناسایی ویژگی‌های محلی در داده‌ها عالی عمل می‌کنند. 4. یادگیری نقطه‌ای (Transfer Learning): این تکنیک به مدل‌های آموزش دیده شده در یک وظیفه خاص اجازه می‌دهد که در وظایف مشابه دیگر نیز استفاده شوند. این امکان باعث می‌شود که نیاز به داده‌های آموزشی بسیار بزرگ برای وظایف جدید کاهش یابد و به بهبود عملکرد مدل‌ها کمک کند. 5. سیاست‌های گرادیانی (Policy Gradients): در حوزه یادگیری تقویتی، سیاست‌های گرادیانی برای آموزش مدل‌ها با تعامل با محیط و دریافت بازخورد مؤثر هستند. این تکنیک به بهبود عملکرد مدل‌ها در مسائل پیچیده و چالش‌برانگیز کمک می‌کند. 🌐 استفاده از تکنیک‌های یادگیری عمیق در حوزه‌های مختلف 1. پردازش زبان‌های طبیعی (NLP): شبکه‌های عصبی بازگشتی در وظایفی چون ترجمه ماشینی، تولید خودکار متون و پرسش و پاسخ در NLP بسیار مؤثر هستند و به بهبود ارت باط انسان و ماشین کمک می‌کنند. 2. تصویربرداری و شناسایی الگو در تصاویر: CNNs به طور گسترده در تشخیص الگوها و اشیاء در تصاویر به‌کار می‌روند. این تکنیک به حل مسائل پیشرفته‌تر در حوزه‌های شناسایی چهره، خودرو، و اشیاء مختلف کمک می‌کند. 3. بازیابی اطلاعات و سیستم‌های پیشنهادی: تکنیک‌های یادگیری عمیق در تحلیل رفتار کاربران و بازیابی اطلاعات به عنوان اصلی‌ترین عامل در سیستم‌های پیشنهادی در اینترنت به‌کار می‌روند و به کاربران پیشنهادات بهتر و شخصی‌شده‌تری ارائه می‌دهند. 🚧 چالش‌ها و آینده تکنیک‌های یادگیری عمیق در هوش مصنوعی اگرچه پیشرفت‌های چشمگیری حاصل شده است، چالش‌هایی همچون نیاز به داده‌های آموزش حجیم، تعداد زیاد پارامترها، و نیاز به توان پردازش بالا همچنان باقی مانده است. آینده این تکنیک‌ها در ترکیب با دیگر روش‌های یادگیری ماشین و توسعه مدل‌های هوشمندتر و قابل تفسیرتر است. 🔮 نتیجه‌گیری تکنیک‌های یادگیری عمیق در هوش مصنوعی توسلی به این قول مشهور اینشتین دارند: "مشکلاتی را نمی‌توان با همان تفکری که ماجراها را ایجاد کرده‌اند، حل کرد." این تکنیک‌ها با معرفی یک دیدگاه تازه نسبت به حل مسائل و رمزگشایی الگوهای پیچیده، به ما امکان می‌دهند با چالش‌های پیش‌رو در هر زمینه‌ای روبرو شویم. این مسیر به نظر می‌رسد که نه تنها یک ابزار موثر برای بهبود عملکرد ماشین‌ها است بلکه یک گام مهم به سوی حل مسائلات پیچیده‌تر و درک بهتر از دنیای اطراف ما نیز محسوب می‌شود. #هوش_مصنوعی #یادگیری_عمیق #نوآوری_تکنولوژی 🌐🤖