https://virgool.io/feed/@amir_reza_masumi مدیر فنی سابق نوبتی , درگیر با هوش مصنوعی و مدلهای زبانی بزرگ و ... fa 2026-04-14 22:14:47 https://files.virgool.io/upload/users/147835/avatar/J02alv.png?height=120&width=120 https://virgool.io/@amir_reza_masumi https://virgool.io/dataio/%D8%AE%D9%88%D8%AF%D8%B1%D9%88%D9%87%D8%A7%DB%8C-%D8%AE%D9%88%D8%AF%D8%B1%D8%A7%D9%86-%D8%A8%D8%A7-%D8%B4%D8%A8%DA%A9%D9%87-%D9%87%D8%A7%DB%8C-%D8%B9%D8%B5%D8%A8%DB%8C-%DA%A9%D8%A7%D9%86%D9%88%D9%84%D9%88%D8%B4%D9%86-cnn-%D9%82%D8%B3%D9%85%D8%AA-%D8%A7%D9%88%D9%84-myiyvfip189d این نوشته قسمت اول می باشد که در آن با خودروهای خودران سنسورهای آن و روش کار آن آشنا می شویم این مقدمات برای ادامه نیاز می باشد تا بتوانیم درک بهتری از روش کار و ... داشته باشیم.بشریت چندین دهه است که منتظر خودروهای خودران است.به لطف تکامل بسیار سریع فناوری، این ایده اخیراً از «ممکن» به «در دسترس» تبدیل شده است.یادگیری عمیق یکی از فناوری های اصلی است که امکان رانندگی خودران را فراهم می کند. یادگیری عمیق یک فناوری است که می تواند به حل تقریباً هر نوع مشکل علمی یا مهندسی کمک کند.در این مقاله،ما بر روی الگوریتم های یادگیری عمیق در اتومبیل های خودران تمرکز خواهیم کرد - شبکه های عصبی کانولوشنال (CNN). CNN الگوریتم اولیه ای است که این سیستم ها برای شناسایی و طبقه بندی قسمت های مختلف جاده و تصمیم گیری مناسب استفاده می کنند.در ادامه، خواهیم دید که چگونه Tesla و Waymo و Nvidia از الگوریتم‌های CNN برای سیستم های بدون راننده یا خودران خودروهای خود استفاده می‌کنند.ماشین های خودران چگونه کار می کنند؟اولین خودروی خودران در سال 1989 اختراع شد، این وسیله نقلیه زمینی خودکار در شبکه عصبی (ALVINN) بود. از شبکه‌های عصبی برای تشخیص خطوط، بخش‌بندی محیط، مسیریابی خود و رانندگی استفاده می‌کرد.این شبکه عصبی به خوبی کار می کرد، اما به دلیل قدرت پردازش کند و داده های ناکافی محدود بود.با کارت های گرافیکی با کارایی بالا امروزی، پردازنده‌ها و حجم عظیمی از داده، خودرانی قدرتمندتر از همیشه است. اگر خودروهای خودران فراگیر بشوند ، تراکم ترافیک را کاهش می دهد و ایمنی جاده ها را افزایش می دهد.خودروهای خودران سیستم های تصمیم گیری مستقلی هستند.آنها می توانند جریان داده های حسگرهای مختلف مانند دوربین ها، LiDAR، رادار ، GPS یا سنسورهای inertia را پردازش کنند. سپس این داده‌ها با استفاده از الگوریتم‌های یادگیری عمیق مدل‌سازی می‌شوند، که سپس تصمیمات مربوط به محیطی را که خودرو در آن قرار دارد، اتخاذ می‌کند.تصویر بالا modular perception-planning-action pipeline را نشان می دهد که برای تصمیم گیری های رانندگی استفاده می شود. اجزای کلیدی این روش سنسورهای مختلفی هستند که داده ها را از محیط دریافت می کنند.برای درک عملکرد خودروهای خودران، باید چهار بخش اصلی را بررسی کنیم:1 - ادراک (Perception) :یکی از مهم‌ترین ویژگی‌هایی که خودروهای خودران باید داشته باشند، ادراک است که به خودرو کمک می‌کند دنیای اطراف خود را ببیند و همچنین چیزهایی را که می‌بیند شناسایی و طبقه‌بندی کند. برای تصمیم گیری خوب، ماشین باید اشیا را فورا تشخیص دهد.بنابراین، خودرو باید چراغ‌های راهنمایی، عابران پیاده، علائم جاده‌ای، پیاده‌روها، نقاط پارکینگ، خطوط جاده و بسیاری موارد دیگر را ببیند و طبقه‌بندی کند.نه تنها این، بلکه باید فاصله دقیق بین خود و اجسام اطراف خود را نیز بداند.مسئله ی ادراک فراتر از دیدن و طبقه بندی است، ادراک سیستم را قادر می سازد تا مسافت را ارزیابی کند و تصمیم بگیرد که سرعت را کاهش دهد یا ترمز کند.برای دستیابی به چنین سطح بالایی از ادراک، یک خودروی خودران باید دارای سه حسگر باشد:یک - دوربین (Camera) :این دوربین بینایی را برای خودرو فراهم می کند و وظایف متعددی مانند طبقه بندی، تقسیم بندی و درک محل را امکان پذیر می کند. دوربین ها باید وضوح بالایی داشته باشند و محیط را به طور دقیق نشان دهند.برای اطمینان از اینکه خودرو اطلاعات بصری را از بصورت 365 درجه و از هر طرف دریافت می کند: جلو، عقب، چپ و راست، دوربین وجود دارد تا دید کاملی به محیط وجود داشته باشد.این دوربین‌ها دید وسیع‌تری تا 200 متر و همچنین دید با برد کوتاه برای درک متمرکزتر ارائه می‌دهند.برای برخی از کارها مانند پارک کردن ، دوربین یک نمای پانوراما را نیز برای تصمیم گیری بهتر ارائه می دهد.با وجود اینکه دوربین‌ها تمام وظایف مربوط به درک را انجام می‌دهند، در شرایط شدید مانند مه، باران شدید و به‌ویژه در شب، به سختی از آن استفاده می‌شود.در شرایط دشوار ، چیزی که دوربین‌ها ثبت می‌کنند نویز و ناهماهنگی است که می‌تواند خطرناک باشد.(موجب تصمیمات اشتباه برای خودروی خودران شود و تهدید جانی به وجود بیاورد.)برای غلبه بر این محدودیت‌ها، به سنسورهایی نیاز داریم که بتوانند بدون نور کار کنند و فاصله را نیز اندازه‌گیری کنند.دو - لیدار (LiDAR) :لیدار LiDAR مخفف Light Detection And Ranging است، این روشی است برای اندازه‌گیری فاصله اجسام با شلیک پرتو لیزر و سپس اندازه‌گیری مدت زمانی که طول می‌کشد تا توسط چیزی منعکس شود.یک دوربین فقط می تواند تصاویری از آنچه در اطراف خودش می گذرد به ماشین ارائه دهد. وقتی با حسگر LiDAR ترکیب می‌شود، در تصاویر عمق پیدا می‌کند - و درک سه بعدی از آنچه در اطراف ماشین می‌گذرد را به دست می‌آورد.بنابراین، LiDAR اطلاعات فضای اطراف را درک می کند. و هنگامی که این داده ها به شبکه های عصبی عمیق (deep neural networks) وارد می شوند، خودرو می تواند تحرکات و واکنش های اشیاء یا وسایل نقلیه نزدیک به خود را پیش بینی کند.این نوع فناوری در یک سناریو رانندگی پیچیده بسیار مفید است، مانند یک تقاطع چند خروجی، جایی که ماشین می تواند تمام ماشین های دیگر را تجزیه و تحلیل کند و مناسب ترین و مطمئن ترین تصمیم را بگیرد.ایلان ماسک : "هر کسی که به LiDAR ها تکیه کند محکوم به فناست...".(سال 2019) چرا؟ خب، LiDAR ها محدودیت هایی دارند که می تواند فاجعه بار باشد. به عنوان مثال، حسگر LiDAR از لیزر یا نور برای اندازه گیری فاصله جسم نزدیک استفاده می کند. در شب و در محیط‌های تاریک کار می‌کند، اما همچنان ممکن است زمان باران یا مه بدلیل وجود نویز از کار بیفتد.به همین دلیل است که ما به سنسور رادار نیز نیاز داریم.سه - رادارها (RADARs) :رادار (RADARs) یک دستگاه رادیویی است که برای مشاهده، تشخیص یا آشکارسازی اجسام و نیز اندازه‌گیری برخی ویژگی‌های آن‌ها به کمک موج‌های رادیویی به کار می‌رود و یک جزء کلیدی در بسیاری از کاربردهای نظامی و ... می باشد.این فناوری اولین بار توسط ارتش برای شناسایی اشیاء استفاده شد. با استفاده از سیگنال های امواج رادیویی فاصله را محاسبه می کند. امروزه در بسیاری از وسایل نقلیه استفاده می شود و به یکی از اجزای اصلی خودروهای خودران تبدیل شده است.رادارها بسیار موثر هستند زیرا به جای لیزر از امواج رادیویی استفاده می کنند، بنابراین در هر شرایطی کار می کنند.مقایسه ی لیدار و راداردرک این نکته مهم است که رادارها حسگرهای نویزی هستند. این به این معنی است که حتی اگر دوربین هیچ مانعی را نبیند، رادار برخی از موانع را شناسایی خواهد کرد.تصویر بالا ماشین خودران (به رنگ سبز) را نشان می دهد که از LiDAR برای تشخیص اشیاء اطراف و محاسبه فاصله و شکل جسم استفاده می کند. همان صحنه را مقایسه کنید با تصویر پایین که با سنسور RADAR زیر گرفته شده است، می توانید نویزهای غیر ضروری زیادی را مشاهده کنید.برای تصمیم گیری و پیش بینی خوب، داده های رادار باید تمیز شوند. ما باید سیگنال های ضعیف را از سیگنال های قوی جدا کنیم. یعنی آستانه ای را تعیین می کنیم(thresholding). ما همچنین از تبدیل فوریه سریع Fast Fourier Transforms (FFT) برای فیلتر و تفسیر سیگنال استفاده می کنیم.اگر به موارد زیر نگاه کنید، متوجه خواهید شد که سیگنال های RADAR و LiDAR داده های مبتنی بر نقطه (point-based) هستند. این داده ها باید خوشه بندی شوند تا بتوان آن ها را به خوبی تفسیر کرد. برای دستیابی به این کار از الگوریتم های خوشه بندی (Clustering) مانند خوشه بندی اقلیدسی (Euclidean Clustering) یا خوشه بندی K means استفاده می شود.2 -محلی سازی (Localization) :الگوریتم‌های localization در خودروهای خودران موقعیت و جهت وسیله نقلیه را در حین حرکت محاسبه می‌کنند - علمی که به عنوان کیلومتر شماری بصری (VO) Visual Odometry شناخته می‌شود.کیلومتر شماری بصری (VO) با تطبیق نکات کلیدی در فریم های ویدیویی متوالی کار می کند. هر فریم، از نقاط کلیدی را به عنوان ورودی الگوریتم نقشه برداری استفاده می شود. الگوریتم نقشه‌برداری، مانند مکان‌یابی و نقشه‌برداری همزمان (SLAM)، موقعیت و جهت هر شیء نزدیک را با توجه به قاب قبلی محاسبه می‌کند و به طبقه‌بندی جاده‌ها، عابران پیاده و سایر اشیاء اطراف کمک می‌کند.یادگیری عمیق معمولاً برای بهبود عملکرد VO و طبقه بندی اشیاء مختلف استفاده می شود. شبکه های عصبی مانند PoseNet و ++VLocNet برخی از چارچوب هایی هستند که از داده های نقطه ای برای تخمین موقعیت و جهت گیری سه بعدی استفاده می کنند. این موقعیت ها و جهت گیری های سه بعدی تخمین زده شده را می توان برای استخراج درک و معنای صحنه، همانطور که در تصویر زیر مشاهده می کنید، استفاده کرد.3 - پیش بینی (Prediction) :درک رانندگان انسانی یک کار بسیار پیچیده است. این کار شامل احساسات به جای منطق است، بسیار نامشخص می شود که اقدام بعدی رانندگان یا عابران پیاده در نزدیکی چیست، بنابراین سیستمی که بتواند اقدامات سایر کاربران جاده را پیش بینی کند می تواند برای ایمنی جاده بسیار مهم باشد.این خودرو دارای دید 360 درجه ای از محیط خود است که آن را قادر می سازد تمام اطلاعات را درک و ضبط کند و آنها را پردازش کند. پس از وارد شدن به الگوریتم یادگیری عمیق، می تواند تمام حرکات ممکنی را که سایر کاربران جاده ممکن است انجام دهند را انجام دهد. این کار مانند یک بازی است که در آن بازیکن تعداد حرکات محدودی دارد و سعی می کند بهترین حرکت را برای شکست دادن حریف پیدا کند.حسگرهای موجود در خودروهای خودران آنها را قادر می‌سازد تا کارهایی مانند طبقه‌بندی تصویر (image classification)، تشخیص اشیا (object detection)، بخش‌بندی (segmentation) و محلی‌سازی (localization) را انجام دهند. با اشکال مختلف نمایش داده ها، خودرو می تواند اشیاء اطراف خود را پیش بینی کند.یک الگوریتم یادگیری عمیق می تواند از اطلاعاتی مانند تصاویر و LiDARها و RADARها در طول آموزش مدل سازی کند. همین مدل در حین استنتاج، می تواند به خودرو کمک کند تا برای تمام حرکات ممکن که شامل ترمز، توقف، کاهش سرعت، تغییر خط و غیره است، آماده شود.نقش یادگیری عمیق تفسیر وظایف پیچیده بینایی، بومی سازی خود در محیط، افزایش ادراک در خودروهای خودران است. این امر ایمنی جاده و رفت و آمد آسان را نیز تضمین می کند.اما بخش دشوار این است که از بین تعداد محدودی از اقدامات، اقدام صحیح را انتخاب کنید.4 - تصمیم گیری (Decision-making) :تصمیم گیری در خودروهای خودران حیاتی است. آنها به سیستمی نیاز دارند که در یک محیط نامطمئن, پویا و دقیق باشد. باید در نظر گرفت که همه آنچه از سنسور ها دریافت میشود درست نیستند و از سمت دیگر هم انسان‌ها می‌توانند در حین رانندگی انتخاب‌های غیرقابل پیش‌بینی داشته باشند. این چیزها را نمی توان مستقیماً اندازه گیری کرد. حتی اگر بتوانیم آنها را اندازه گیری کنیم، نمی توانیم آنها را با دقت خوبی پیش بینی کنیم.یک خودروی خودران در حال حرکت به سمت یک تقاطعتصویر بالا یک خودروی خودران را نشان می دهد که به سمت یک تقاطع حرکت می کند. خودروی دیگری به رنگ آبی نیز به سمت چهارراه در حال حرکت است. در این سناریو، خودروی خودران باید پیش‌بینی کند که آیا خودروی دیگر, مستقیم، چپ یا راست می‌رود. در هر مورد، خودرو باید تصمیم بگیرد که چه مانوری را برای جلوگیری از برخورد انجام دهد.برای تصمیم گیری، خودرو باید اطلاعات کافی داشته باشد تا بتواند مجموعه اقدامات لازم را انتخاب کند. ما آموختیم که حسگرها به خودرو کمک می کنند تا اطلاعات را جمع آوری کند و الگوریتم های یادگیری عمیق(Deep learning) را می توان برای محلی سازی(localization) و پیش بینی(prediction) استفاده کرد.به طور خلاصه، محلی سازی(localization) خودرو را قادر می سازد موقعیت اولیه خود را بداند و پیش بینی(prediction) تعداد n اقدام یا حرکت ممکن را بر اساس محیط ایجاد می کند. سوالی که باقی می ماند: از بین بسیاری از اقدامات پیش بینی شده کدام گزینه بهترین است؟وقتی نوبت به تصمیم گیری می رسد، از یادگیری تقویتی عمیق (DRL)deep reinforcement learning استفاده می کنیم. به طور خاص، یک الگوریتم تصمیم‌گیری به نام فرآیند تصمیم‌گیری مارکوف (MDP)Markov decision process در قلب DRL قرار دارد (در بخش بعدی که در مورد یادگیری تقویتی صحبت می‌کنیم درباره MDP بیشتر خواهیم آموخت).معمولاً از MDP برای پیش‌بینی رفتار آینده کاربران جاده استفاده می‌شود. باید در نظر داشته باشیم که در صورت افزایش تعداد اجسام، به‌ویژه اجسام متحرک، این سناریو می‌تواند بسیار پیچیده شود. این موضوع در نهایت تعداد حرکات ممکن را برای خود خودروی خودران را افزایش می دهد.به منظور مقابله با مشکل یافتن بهترین حرکت برای خود، مدل یادگیری عمیق با بهینه سازی(optimization) Bayesian بهینه شده است. همچنین شرایطی وجود دارد که در آن چارچوبی ، متشکل از هر دو hidden Markov model و بهینه‌سازی Bayesian ، برای تصمیم‌گیری استفاده می‌شود.به طور کلی تصمیم گیری در خودروهای خودران یک فرآیند سلسله مراتبی است.در این قسمت ما با خودروهای خودران و سنسورها و روش کار آن آشنا شدیم در قسمت بعدی به سراغ شبکه های عصبی کانولوشن (CNN) خواهیم رفت. امیدوارم این مطلب برای شما آموزنده بوده باشد و از آن حمایت کنید. AmirReza Masoumi AmirReza Masoumi Sat, 20 Aug 2022 13:44:39 +0430 https://virgool.io/dataio/%D8%B8%D9%87%D9%88%D8%B1-%D8%A7%DB%8C%D9%86%D9%81%D9%84%D9%88%D8%A6%D9%86%D8%B3%D8%B1%D9%87%D8%A7%DB%8C-%D9%85%D8%AC%D8%A7%D8%B2%DB%8C-%DA%A9%D8%B1%D9%87-%D8%AC%D9%86%D9%88%D8%A8%DB%8C-%D9%87%D9%85%DB%8C%D8%B4%D9%87-%D8%AC%D9%88%D8%A7%D9%86-%D8%B2%DB%8C%D8%A8%D8%A7-%D9%88-%D8%A8%D8%AF%D9%88%D9%86-%D8%B1%D8%B3%D9%88%D8%A7%DB%8C%DB%8C-crjnwrrijxrg او در اینستاگرام حضور دارد و صدها هزار دنبال کننده دارد آواز می خواند میرقصد مدل هست آرایش می کند به خرید می‌رود تبلیغ می کند و غیره اما واقعی نیست. CNN در گزارشی به سراغ اینفلوئنسر های مجازی کره جنوبی و شرکت‌های آنها رفته است(من معتقد هستم این گزارش که در ادامه میخوانید در برخی موارد هیجان را برای مشاهده بیشتر بالا برده است اما درکل گزارش مفیدی هست.) ، Rozy یکی از این انسان های مجازی است که ساخته شده شرکت Sidus Studio X در کره جنوبی می باشد.شرکت او را چیزی میان ربات و هوش مصنوعی و انسان معرفی کرده است این محصول برای شرکت درآمد بالایی در دنیای تبلیغات و سرگرمی داشته است از زمان راه‌اندازی Rozy در سال ۲۰۲۰ قراردادهای تجاری و حمایت مالی را شرکت به دست آورده است و او در نمایش مد مجازی به میدان رفته و حتی دو تک آهنگ منتشر کرده است.اما این تنها یک نمونه از اینفلوئنسرهای مجازی هست، صنعت انسان مجازی تازه شروع به کار کرده است و بسیار پر رونق می باشد.برند خرده فروشی کره جنوبی Lotte Home Shopping اینفلوئنسر مجازی خود را ایجاد کرده است نام او lucy می باشد.اینفلوئنسر های مجازی مانند همتایان واقعی خود از طریق فضای مجازی دنبال کننده جذب می‌کند و سعی می‌کند که مانند اینفلوئنسرهای واقعی عکس هایی از زندگی روزمره خود بگذارند به طور مثال در عکسی Rozy در سفر به سنگاپور می باشد.تصویر Rozy در سفر به سنگاپوربا اینکه دنبال کردن فردی مجازی برای شما بسیار عجیب به نظر می‌رسد اما کارشناسان می‌گویند این انسان های مجازی در نسل های جدیدتر مورد استقبال قرار گرفتند.لی ، ۲۳ ساله در اینچئون حدود دو سال پیش با تصور اینکه Rozy یک شخصیت واقعی است شروع به دنبال کردن او کرد. Rozy نیز او را دنبال کرد و در مورد پستهای او نظر میداد آنها تبدیل به دوست های مجازی شدند دوستی که حتی پس از اینکه lee حقیقت را فهمید دوام آورد.لی در این باره گفت :"ما مانند دوستان با هم ارتباط برقرار کردیم و من با او احساس راحتی می کردم بنابراین او را یک هوش مصنوعی نمی‌دانم بلکه به عنوان یک دوست واقعی می دانم من عاشق محتوای او هستم و او آنقدر زیباست که نمیتوانم باور کنم یک هوش مصنوعی است."رسانه های اجتماعی فقط برای این اینفلوئنسرها طرفدار به همراه ندارد بلکه برای آنها منبع درآمدی هم هست.برای مثال اینستاگرام Rozy پر از محتوای حمایت مالی شده است که او در آنها محصولات مراقبت از پوست و مو و مد را تبلیغ میکند.بایک مدیرعامل Sidus Studio X می‌گوید :"بسیاری از شرکت های بزرگ در کره جنوبی می خواهند از Rozy به عنوان مدل استفاده کنند ما امسال انتظار داریم که فقط با Rozy به راحتی به حدود یک و نیم میلیون دلار سود برسیم با افزایش محبوبیت Rozy شرکت حمایت مالی بیشتری از برندهای لوکس مانند Chanel و Hermes و همچنین مجلات و سایر شرکت‌های رسانه‌ای دریافت کرده، تبلیغات Rozy اکنون در تلویزیون و بیلبورد ها و کناره های اتوبوس ها ظاهر شده است. تبلیغ ماشین توسط Lucyاینفلوئنسر های مجازی کم هزینه تر از رقبایشان می باشند مثلاً برای یک تصویر تبلیغاتی از چند ساعت تا چند روز میتواند تبلیغ تصویری را تحویل دهند برای تبلیغات ویدیویی از دو روز تا چند هفته می باشد که نسبت به ستارگان واقعی هزینه و زمان کمتری را نیاز می باشد.از سمتی دیگر اینفلوئنسر های مجازی پیر نمیشوند خسته نمی شوند بحث و جدل ایجاد نمی‌کند.در مورد آینده Rozy میخواهد برند لوازم آرایشی خود را راه‌اندازی کند و یک NFT راه‌اندازی خواهد کرد.بایک مدیرعامل Sidus Studio X می‌گوید :"بیشتر طرفداران، افراد مشهور واقعی را ملاقات نمیکنند و فقط آنها را روی صفحه نمایش می بینند بنابراین تفاوت زیادی بین انسان های مجازی و افراد مشهور واقعی که دوست دارند وجود ندارد."شرکت lotte نیز هدف خود را معرفی Lucy هر چه شبیه تر به انسان عنوان کرده و می خواهد او را در عرصه ی فروش در متاورس بکار بگیرد.امیدوارم این مطلب برای شما مفید بوده باشد. با اشتراک گذاری آن با دوستان و ... خود مشوق محتواهای بیشتر از این دست باشید همچنین خوشحال میشم من رو در شبکه های اجتماعی اینستاگرام و لینکدین دنبال کنید. AmirReza Masoumi AmirReza Masoumi Sat, 06 Aug 2022 18:30:00 +0430 https://virgool.io/@amir_reza_masumi/%DA%A9%D8%AF%D8%A7%D9%85-%D8%A7%D9%85%DB%8C%D8%AF-xttxwe6tr62c هر جا که سخن از امید به آینده باشد سریعا یاد این گفته می افتیم که انسان به امید زنده است ، اما امید چیست و به چه چیز امیدوار باید بود؟برخی امید به آینده را با امید به آرزوها یکسان می دانند ، امید داریم آینده خوب باشد زیرا آرزوی ما این است که آینده خوب باشد ، امید را مانند مسکنی در زمان درد توصیف می کنند که توانایی آن را می دهد که هنوز زنده بمانیم و درد کمتری را حس کنیم , امید را چون دارویی سرخوش کننده می دانند , اما امید به آرزوها سخت است زیرا هیچ تضمینی وجود ندارد که آرزوهای ما برآورده شود ، از سمتی دیگر انگار آدمی می خواهد با امید به آرزوها خود را فریب بدهد و حقایق را نادیده بگیرد که در این صورت جنگی در آدمی شکل میگیرد برای نادیده گرفتن حقایق یا پوشاندن مفاهیم زیبا بر روی رنج ها و سختی ها و تلخی ها اما با همه ی این تلاش ها که برای جعل حقایق صورت می دهد باز هم دیوار این امید بسیار سست است و می تواند به راحتی فرو بریزد از سمتی دیگر اگر برای شما نتیجه مهم باشد جامعه و فردی را سراغ ندارم که با امید به آرزوها موفق شده باشد و در مسیر توسعه و پیشرفت قرار داشته باشد و به نتایج دلخواهش رسیده باشد.اما امیدی هست که من با آن هم نظر هستم ، امید به اهداف و عملکردها نه آرزوها.همیشه اینگونه توصیفش میکنم جنگلی تاریک و ترسناک را تصور کن که در آن گیر افتاده ای و هر لحظه ممکن است جانت را از دست بدهی در این لحظه اساسا خود را نمی توانی با گفتن از رویاهای رهایی و ... آرام کنی و به خود امید ببخشی، در این لحظه بیش از این رویاها به دو چیز امید خواهی داشت یک نور کمی که از چراغ قوه مسیر جلوی پایت را روشن میکند و دوم گام هایت در مسیر خروج از جنگل.امید به اهداف و عملکردها عقلانی تر است و کارا تر اما نیاز است که هر چند وقت یکبار اهداف را مورد بازنگری قرار دهی تا متوجه باشی در مسیر درستی گام بر میداری و با اهداف غلط نتیجه ای غلط برایت حاصل نشود. عملکردها را می توان ارزیابی کرد می توان امید بیهوده نداشت می توان حقایق را نادیده نگرفت جعل نکرد و بالعکس از آن ها برای بهتر کردن عملکردها و درست تنظیم کردن هدف ها بهره برد.امید به اهداف و عملکردها, امید تسکینی نیست امیدی نیست که تو را تسکین دهد و رنج و درد را از خاطر ببری , امیدی نیست که به تو باغ های رویایی را نوید ببخشد بدون نشان دادن مسیر پرخطر پیش رو , این امید تلخی ها را میداند اما قدم هایش را برمیدارد از پا نمی افتد چون تنها کار ممکنی است که جای افسوس خوردن آدمی میتواند انجام دهد.درنهایت انسان حالات و احساسات متفاوتی دارد همیشه نمی توان امیدوار بود و همیشه نمی توان ناامید بود اما در یک میانگین کلی آنجا که عملکردی هست می توان امید داشت.میتوان امید داشت , حقایق تلخ را دید و شنید و از آن ها برای بهبود هدف ها و عملکردها استفاده کرد مانند فردی که در جنگل تاریک چشم هایش را نمی بندد گوش هایش را نمی گیرد بلکه دقیق تاریکی وحشتناک جنگل را نگاه می کند و دقیق صدای زوزه ی گرگ ها را می شنود تا راهی کم خطرتر را برای خروج از جنگل انتخاب کند.برای من اینگونه هست که هرجا عملکردی هست امیدی نیز می باشدامیدوارم این مطلب برای شما مفید بوده باشد. با اشتراک گذاری آن با دوستان و ... خود مشوق محتواهای بیشتر از این دست باشید همچنین خوشحال میشم من رو در شبکه های اجتماعی اینستاگرام و لینکدین دنبال کنید. AmirReza Masoumi AmirReza Masoumi Tue, 02 Aug 2022 12:00:36 +0430 https://virgool.io/@amir_reza_masumi/%D8%A7%D8%B3%D8%AA%D9%81%D8%A7%D8%AF%D9%87-%D8%A7%D8%B2-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%AA%D8%B4%D8%AE%DB%8C%D8%B5-%D9%86%D9%82%D8%B5-%D9%85%D8%A7%D8%AF%D8%B1%D8%B2%D8%A7%D8%AF%DB%8C-%D8%AF%D8%B1-%D8%AA%D8%B5%D8%A7%D9%88%DB%8C%D8%B1-%D8%B3%D9%88%D9%86%D9%88%DA%AF%D8%B1%D8%A7%D9%81%DB%8C-qzx4qe3erqgo یک تیم تحقیقاتی در دانشکده پزشکی دانشگاه اتاوا از هوش مصنوعی مبتنی بر مدل یادگیری عمیق برای مطالعه ی دقیق و سریع تصاویر سونوگرافی جنین استفاده کرد.هدف از مطالعه این تیم نشان دادن پتانسیل معماری یادگیری عمیق برای پشتیبانی از شناسایی اولیه و قابل اعتماد هیگرومای کیستیک از اسکن سونوگرافی سه ماهه اول بود.هیگرومای کیستیک - یا لنفانژیوم - یک نقص مادرزادی است که به صورت یک ساختار کیسه مانند با یک دیواره نازک ظاهر می شود که بیشتر در ناحیه سر و گردن نوزاد رخ می دهد, هیگرومای کیستیک یک بیماری جنینی است که باعث می شود سیستم عروقی لنفاوی به طور غیر طبیعی رشد کند.این یک اختلال نادر و تهدید کننده زندگی است که منجر به تورم مایع در اطراف سر و گردن جنین می شود.نقص مادرزادی معمولاً می تواند به راحتی در دوران بارداری در طول جلسات سونوگرافی تشخیص داده شود اما دکتر واکر - یکی از بنیانگذاران گروه تحقیقاتی OMNI (تحقیقات زنان و زایمان، مادران و نوزادان) در بیمارستان اتاوا - و گروه تحقیقاتی او می خواستند آزمایش کنند که تشخیص الگو مبتنی بر هوش مصنوعی با چه دقتی می تواند این کار را انجام دهد.دکتر واکر در این باره می گوید:“آنچه که ما نشان دادیم این بود که در زمینه سونوگرافی می‌توانیم از ابزارهای مشابه برای طبقه‌بندی و شناسایی تصاویر با حساسیت و ویژگی بالا استفاده کنیم.”او معتقد است این کار را می توان برای سایر ناهنجاری های جنینی که عموماً توسط سونوگرافی شناسایی می شوند، نیز اعمال کرد.این کار یک کار دنباله‌دار است زیرا اگرچه مدل‌های یادگیری عمیق در تفسیر تصاویر پزشکی و تشخیص اختلالات به طور فزاینده‌ای محبوب شده‌اند، اما فهمیدن اینکه چگونه کاربرد آن در سونوگرافی زنان و زایمان می‌تواند کار کند در مراحل اولیه خود است. مطالعات کمی با قابلیت هوش مصنوعی در این زمینه منتشر شده است. اما یافته‌ها (مانند همین مطالعه) امیدوارکننده هستند.برای این مطالعه مجموعه ی داده ای نزدیک به 300 سونوگرافی جنین استفاده شده که از گذشته در بیمارستان اتاوا جمع آوری شده بود.تصاویر با مدل DenseNet) DenseNet نوعی شبکه عصبی کانولوشن (CNN) است که از اتصالات متراکم بین لایه ها استفاده می کند.) برای تشخیص صحیح هیگرومای کیستیک تجزیه و تحلیل شده اند و دقت کلی مدل 93 درصد بود.دکتر واکر می گوید:”مدل فوق العاده بود، حتی با تعداد کمی از تصاویر آموزشی, بنابراین، به طور بالقوه، آنچه ما نشان دادیم این بود که در زمینه تصاویر سونوگرافی می‌توانیم از ابزارهای مشابه برای طبقه‌بندی و شناسایی تصویر با حساسیت و ویژگی بالا استفاده کنیم.”امیدوارم این مطلب برای شما مفید بوده باشد. با اشتراک گذاری آن با دوستان و ... خود مشوق محتواهای بیشتر از این دست باشید همچنین خوشحال میشم من رو در شبکه های اجتماعی اینستاگرام و لینکدین دنبال کنید.منبع مطلب مقاله ی تحقیقاتی دانشگاه اتاوا AmirReza Masoumi AmirReza Masoumi Sun, 31 Jul 2022 12:07:06 +0430 https://virgool.io/@amir_reza_masumi/how-google-works-aisrwzayrsjf گوگل چگونه کار می‌کند | How Google Worksاریک اشمیت و جاناتان روزنبرگ | Eric Schmidt, Jonathan Rosenbergشرکت گوگل امپراطوری بزرگ در صنعت تکنولوژی هست و در زندگی تمام انسان های روی زمین تاثیر میگذارد در این کتاب ما با دو مدیر ارشد گوگل همراه خواهیم شد و آن ها برای ما روایت خواهند کرد که گوگل چگونه کار می کند.در این کتاب چه خواهیم خواند ؟پیشگفتاردر ابتدای این کتاب با پیشگفتاری از لری پیج یکی از موسسین و مدیرعامل سابق گوگل روبرو می شویم و او از رویاهایش می گویند که در گوگل توانستن آن ها را بسازند و در ادامه توصیه می کند:امیدوارم این ایده ها را به کار بگیرید و به انجام کارهای غیرممکن دست بزنید, کارهای غیرممکن مختص خودتان!مقدمه - درس هایی از ردیف اولدر این قسمت با نویسندگان یعنی اریک اشمیت و جاناتان روزنبرگ آشنا میشویم آن ها از تجربه ی اولیه ی حضورشون در گوگل می گویند و نقش خود در گوگل را شرح میدهند.در ادامه در مورد جنگ نرم افزاری گوگل و مایکروسافت خواهید خواند, جنگی که بر سر مرورگرهای اینترنت اتفاق افتاد.در کل در این فصل ما با چالش های گوگل و نوع برخورد هیئت مدیره گوگل با آن چالش ها آشنا خواهیم شد.فرهنگ: شعارهای خودتان را باور کنیددر این فصل ما با فرهنگ سازمانی گوگل آشنا می شویم, فرهنگی متفاوت از شرکت های دیگر, بهترم میدانم که برای آشنایی بیشتر با این بخش کمی از این بخش را که در پایین می نویسم بخوانید:در آن زمان, اریک همچنان فکر می کرد که گوگل یک استارتاپ نسبتاً معمولی است. اما چیزی که در هفتاد و دو ساعت بعد رخ داد این تصور را کاملا تغییر داد. در یک شرکت معمولی اگر مدیرعامل تشخیص دهد که محصولی خوب نیست متصدی تولید آن محصول را احضار میکند. طی دو یا سه جلسه درباره ی مشکل مورد نظر بحث میکنند راه حل های احتمالی ارائه میشود و درباره ی این که چه کارهایی انجام شود تصمیم گیری می کنند. درنهایت برای اجرایی کردن راه حل بدست آمده یک طرح ارائه میشود. بعد از انجام مجموعه آزمون هایی برای تایید کیفیت طرح ارائه شده, اجرای آن راه حل شروع میشود. راه اندازی این مرحله ها در یک شرکت معمولی ممکن است تا چندین هفته طول بکشد. اما این کاری نبود که لری پیج انجام داد(مدیرعامل گوگل). در عوض, صفحه هایی اینترنتی که نتایج دلخواهش را نداشتند چاپ و پیام ها و آگهی های مزاحم را هایلایت کرد. سپس آن صفحه ها را روی دیوار آشپزخانه کنار میز بیلیارد چسباند و بالای آن ها با حروف بزرگ نوشت این آگهی ها افتضاح اند و به خانه رفت. او به کسی تلفن نکرد یا برای کسی ایمیلی نفرستاد. جلسه ای فوری هم ترتیب نداد و موضوع را با هیچ یک از ما در میان نگذاشت.صبح فردای آن روز یکی از مهندسان ما ...استراتژی: طرح شما نامناسب استاین فصل به این نکته اشاره دارد که ۱۰۰ درصد طرح کسب و کاری که در دست دارید نامناسب هست در ادامه اشاره دارد که طرح کسب کاری هرچقدر هم که پخته و حساب شده باشد همواره از بعضی جهات مهم ناقص اند. و در ادامه می گوید حالا که طرح شما نامناسب یا ناقص است افرادی که به خدمت گرفته میشوند باید مناسب باشند.در ادامه این فصل نویسندگان ما را با نوع برخورد گوگل در مباحثی مثل مستندسازی پروژه و طرح کسب و کار و تحقیقات بازار و ... آشنا میکنند و به توضیح و شرح دقیق آن می پردازند با مثال های واقعی.استعداد: استخدام مهمترین کاری است که انجام میدهیدیکی از مهمترین سرمایه های گوگل مطمئنا نیروی انسانی آن است.در دنیای تکنولوژی و استارتاپ ها نیروی انسانی تاثیر بسیار مهمی روی محصولات دارند در این بخش ما با اشتباهات گوگل و موفقیت های آن ها در زمینه ی استخدام افراد آشنا خواهیم شد در این فصل مباحث مختلفی بیان میشود که برای خواننده هم عبرت آموز خواهد بود هم جالب, که گوگل چگونه نیروهای ارزشمند خود را حفظ میکند یا در برخی اوقات چگونه با اشتباهاتی نیروهایی بسیار خوب را از دست داد.تصمیم ها - معنای واقعی اجماعتصمیم گیری در شرکتی مانند گوگل بسیار حساس و مهم هست اما با توجه به بزرگی آن چگونه باید این تصمیم گیری ها انجام شود.در این فصل در مورد تصمیم گیری و توافق بر روی راه حل ها در گوگل خواهیم خواند.نکته ی جالب و زیبایی که جای تامل دارد این است که در گوگل اگر تصمیمی گرفته شد و به نتیجه ای که می خواستند نرسیدند و یا با شکست روبرو شدند همه مسئولیت آن تصمیم و اشتباه را قبول می کنند و به دنبال راه حل بهتر میگردند بجای یافتن مقصر.ارتباطاتدر این فصل بیشتر در مورد نوع ارتباطات پرسنل گوگل می خوانیم و نوع ارتباط آنان با مدیریت و ... ارتباط بین نیروها در یک مجموعه ای که میخواهد به سمت هدفی حرکت کند بسیار امری حیاتی می باشد در این فصل با راهکارهای هوشمندانه گوگل برای ارتباط موثر نیروی انسانی و مدیریتش آشنا میشویم.نوآوری: نطفه ی نوآورانه خلق کنیدنوآوری همان چیزی بود که گوگل را به وجود آورد پس رسالت مدیران گوگل این می باشد که نگذارند که این نوآوری ازبین برود در دنیای تکنولوژی این نوآوری هست که می تواند شما را نسبت به رقبا قدرتمندتر کند برای اینکه در یک شرکت نوآوری اتفاق بیفتد نیاز هست که پرسنل در همه زمینه ها به نوآوری در کارهاشون فکر کنند, در این فصل ما با نوع برخورد گوگل و مدیران گوگل با نوآوری آشنا خواهیم شد و خواهیم دید که گوگل چگونه اجازه می دهد که کارکنانش نوآوری داشته باشند.در نهایت:خواندن این کتاب بسیار آموزنده هست اما شاید یک مرحله ی بیشتر نیاز باشد یعنی عمل کردن به نکاتی که در این کتاب می خوانیم نکاتی که همچنان در استارتاپ های ایرانی که سعی دارند از حالت سنتی خارج شوند و مانند شرکت های مدرن چون گوگل بشوند اتفاق نیوفتاده است در کل خواندن این کتاب را به همه افراد به ویژه افرادی که به کارآفرینی و استارتاپ علاقه دارند توصیه می کنم.این کتاب را میتوانید بصورت چاپی از ایران کتاب یا بصورت الکترونیکی از کتاب راه تهیه فرمایید.این کتاب را همچنین می توانید بصورت صوتی از دیجی کالا مگ گوش دهید.این مقاله با اطلاعات جدید بروزرسانی میشه برای اطلاعات بیشتر می تونید در کانال من هم عضو بشید. AmirReza Masoumi AmirReza Masoumi Sat, 26 Dec 2020 07:23:49 +0330 https://virgool.io/@amir_reza_masumi/app-empire-lak9mbcrhdzk کتاب امپراطوری اپ | App Empireچاد(چد) مورتا | Chad Muretaاین کتاب مربوط به برنامه نویسی نیست و همه افراد که می خواهند در حوزه اپلیکیشن های موبایل کارآفرینی کنند می توانند مخاطب این کتاب باشند.بعنوان یه برنامه نویس وقتی برای اولین بار این کتاب رو دیدم, احساس کردم که باید این کتاب و حتما بخونم و با ذهنیت های یه برنامه نویس موفق iOS آشنا بشم اما وقتی شروع به خواندن کتاب کردم متوجه موضوع جالب توجه دیگه ای شدم, نویسنده این کتاب یک برنامه نویس نیست, خوب این مسئله رو برای من جالب تر کرد که چطور میشه کسی که برنامه نویسی بلد نیست از ساخت برنامه های موبایل, امپراطوری خودش و بسازه؟.در این کتاب چاد مورتا میخواد در مورد چه چیزی صحبت کنه؟مقدمه: چگونه اتفاقی یک میلیونر اپ شدم؟در این بخش با خود چاد آشنا می شویم و گذشته او و علایقش و کارهایی که میکرده , اما قسمت مهم این بخش از روی تخت بیمارستان شروع میشود و چاد ما را با قصه ای همراه میکند که او را به سمت اپ آفرینی کشاند, و در پایان فصل او به این سوال جواب می دهد که : چرا هم اکنون به فضای اپلیکیشن وارد شوید؟فصل اول: گنجینه ای در دست شمادر این فصل به سراغ یک سوال اساسی می رویم چرا اپلیکیشن های موبایل میتوانند شما را پولدار کنند؟ در این فصل بیشتر قرار هست که با اطلاعات بازار اپ ها روبرو شویم اما این نکته رو لازم به ذکر می دانم که توجه داشته باشید که تاریخ خیلی از آمارهای ارائه شده در این فصل نسبتا قدیمی هست و سعی کنید که آمارهای به روز رو هم در مورد اپلیکیشن ها و موبایل ها و سهم بازار هر سیستم عامل مطالعه کنید.فصل دوم: نصبش کن!در این فصل با چاد به درون ذهن یک میلیونر اپ میرویم و دیدگاه او را در مورد مسائل مختلف و تفاوت نگاه او با دیگران را بررسی میکنیم, در این بخش چاد به صحبت هایی مانند جمله ای که برای شما در پایین گذاشته ام جواب میدهد :"تعداد کمی از این راه پول در آورده اند. رقابت با کله گنده ها سخت است. همه ی ایده ها را قبلا مطرح کرده اند و راهی برای پولدارشدن نیست."در ادامه ی این فصل چاد سعی دارد به شما کمک کند که طرز فکری طلایی بسازید, او سعی دارد شما چرایی خود را بشناسید و به این سوال پاسخ دهید که چرا میخواهم از طریق حرفه ی اپ پول دربیاورم؟فصل سوم: این دنیای جدید را کشف کن!در این فصل به سراغ اپ استور می رویم و در مورد این دنیای جدید یا شاید بهتر باشد بگوییم بازار جدید به وجود آمده صحبت میکنیم , سعی میکنیم که یادبگیریم که در این بازار چه چیزی بیشتر مورد پسند مردم هست و در مورد موارد مختلفی که میتواند در اینکه یک اپ محبوب باشد صحبت میکنیم از پرداخت های درون برنامه ای تا ...در این فصل به این سوال پاسخ میدهیم که توسعه دهندگان چطور درآمدزایی میکنند؟ فصل چهارم: فرصت طلایی اپ شماتا به اینجا موارد مهمی گفته شد اما سوال مهمی که وجود دارد این است چگونه میشود اپ های موفق ساخت؟ در این فصل چاد به شما خواهد گفت که چرا عاشق ایده های خودتان نشوید و چرا باید گاهی بازآفرینی و تقلید کنید او در این فصل از مثال های موفق دنیای اپلیکیشن برای تایید صحت مطالبش استفاده میکند و سعی دارد که بر این موضوع تاکید کند که از اپ های موجود یادبگیرید در پایان هم به مسئله ای مهم وقت شناسی در این حرفه اشاره می کند.فصل پنجم: آن ها کار هستند و شما اندیشهخوب حالا آمدیم و بعد از خواندن این فصل ها حتی به ایده مطلوب هم رسیدیم چگونه آن را بسازیم؟ در این فصل چاد که خودش هم برنامه نویسی بلد نیست به این سوال پاسخ می دهد که چطور برنامه نویس های ماهر استخدام کنیم؟ او در این فصل از تجربیات خوب و بد خود با برنامه نویس ها می گوید در مورد مسائل مختلفی چون قیمت گذاری و نحوه درست ارتباط با برنامه نویس ها و ...او در ادامه به سایت های پیدا کردن فریلنسر ها اشاره میکند و مزایا و معایب کار با آن ها را بررسی میکند, و در ادامه چاد می گوید که چطور ایده خود را مطرح کنید و چگونه برنامه نویسان را محک بزنید و شاید از همه مهمتر این باشد که چطور برنامه نویس ها را مدیریت کنید.فصل ششم: جذابیت بصری اپدر این فصل چاد از اصول اولیه ی بازاریابی اپ می گوید و در مورد اینکه باید به چه نکاتی برای جذابیت بصری اپ تمرکز کرد می گوید چطور ظاهر یک اپ را برای دیده شدن درست کنید؟فصل هفتم: حفظ امتیازتا اینجا ما آموختیم که چگونه اپ خوبی بسازیم اما کار ما تمام نشده است و حالا باید بسراغ پیگیری آمار و ارقام و بهبود اپ خود باشیم, در این فصل چاد از اهمیت این کار میگوید و ابزاری برای پیگیری آمار و ارقام اپ های شما را معرفی میکند, در ادامه ی این فصل هم چاد به ضرورت توجه کردن به نظرات می گوید.فصل هشتم: تکنیک های نینجایی که باعث پیشرفت اپ شما می شونددر این فصل چاد فوت و فن های حرفه ای خود را برای بازاریابی حرفه ای در اپ را به اشتراک می گذارد اما نکته بسیار مهم این هست که باید توجه داشته باشید این مسائل در همه جا جوابگو نیست و باید با توجه به فرهنگ و ... مردم کشوری که مخاطب شما هستند برنامه ریزی کنید, در کل خواندن این فصل دیدی بهتر به شما میدهد در مورد بازاریابی اپلیکیشن ها و تبلیغات در آن ها.فصل نهم: پول را به من نشان بده!در این فصل می رویم به سراغ اینکه چه روش هایی وجود دارد که با اپ خود پول کسب کنیم, در این فصل از بنرهای تبلیغاتی تا همکاری در فروش و خرید درون برنامه ای را مورد بررسی قرار میدهیم و درنهایت به سراغ این مسئله خواهیم رفت که چگونه کسب و کار اپ خودتان را بفروشید.فصل دهم: کروز کنترلچاد در این فصل به این سوال ها پاسخ مدهد که چگونه کسب و کارتان را روی غلتک بیندازید؟ و چگونه کسب و کارتان را از دور مدیریت کنید؟ در ادامه هم به سراغ هفت رکن حرفه ای اپلیکیشن می رود که باید هر روزه آن ها را بررسی کنید:اول : ذهنیت برنده , دوم : تحقیق در بازار , سوم : توسعه ی اپ و رسیدگی به آن ها , چهارم : تجزیه و تحلیل و تغییر مسیر , پنجم : بازاریابی و درآمدزایی , ششم : تیم و سیستم ها , هفتم : روابط کاری و حرفه ایدر نهایت :تجربه خواندن این کتاب مطمئنا خوب خواهد بود کمترین بهره ای که میتوانید از آن ببرید این است که نشسته اید و دارید به حرف های یک شخص موفق در حوزه اپ آفرینی گوش میدهید و از رمز و رازهای او آگاه می شوید.هرچند که مطمئنا بیشتر از این ها خواهید آموخت.این کتاب با حمایت دیجی کالا در ایران ترجمه شده است که می توانید آن را از دیجی کالا و فیدیبو خریداری کنید.البته این کتاب رو بصورت مقاله هم می تونید از سایت دیجی کالا مگ بخونید.این مقاله با اطلاعات جدید بروزرسانی میشه برای اطلاعات بیشتر می تونید در کانال من هم عضو بشید. AmirReza Masoumi AmirReza Masoumi Sun, 20 Dec 2020 15:21:27 +0330 https://virgool.io/@amir_reza_masumi/%D9%85%D8%B9%D8%B1%D9%81%DB%8C-%DA%A9%D8%AA%D8%A7%D8%A8-%D9%BE%D8%A7%D8%B3%D8%AE%D9%87%D8%A7%DB%8C-%DA%A9%D9%88%D8%AA%D8%A7%D9%87-%D8%A8%D9%87-%D9%BE%D8%B1%D8%B3%D8%B4%D9%87%D8%A7%DB%8C-%D8%A8%D8%B2%D8%B1%DA%AF-bvg7xzk4qsph کتاب پاسخ‌های کوتاه به پرسش‌های بزرگ | Brief Answers to the Big Questionsاستیون هاوکینگ | Stephen Hawkingاستیون هاوکینگ جز دانشمند های سرشناس قرن ما بوده است که در ۱۴ مارس ۲۰۱۸ درگذشت , این کتاب پس از مرگ استیون هاوکینگ وارد بازار شده و جمع آوری شده از آرشیو های شخصی استیون هاوکینگ می باشد.در این کتاب نویسنده قصد دارد به سوال های بزرگ پاسخ بدهد و در هر فصل مخاطب پاسخ های نویسنده رو در مورد یک سوال مشخص می خواند.سوالاتی که استیون هاوکینگ به آن ها پاسخ می دهد:فصل ۱: آیا آفریننده ای هست ؟در این فصل استیون هاوکینگ دیدگاه خود در مورد منشاء جهان هستی را توضیح می دهد و بررسی می کند که آیا آفریدگاری می تواند وجود داشته باشد یا خیر و در پایان به شرح عقاید خود می پردازد.فصل ۲: جهان هستی چگونه آغاز شد ؟در این فصل استیون هاوکینگ بررسی می کند که از دید او جهان ما چگونه به وجود آمده و دلایلی را برای آن می آورد البته سوال های حل نشده ای که در این موضوع هنوز بی پاسخ مانده را نیز مطرح می کند.فصل ۳: آیا حیات هوشمند دیگری در جهان هست ؟در ابتدا استیون هاوکینگ تعریف حیات هوشمند را از دیدگاه خود ارائه می دهد و در ادامه بررسی می کند که آیا می تواند جهان حیات هوشمند دیگری داشته باشد یا خیر.فصل ۴: آیا میتوانیم آینده را پیشگویی کنیم ؟در این بخش استیون هاوکینگ به سراغ چالشی هایی که انسان دارد تا بتواند آینده را پیش بینی کند می رود و در مورد تمدن های آینده صحبت می کند که چگونه آن ها می توانند حوادث طبیعی را پیش بینی کنند.فصل ۵: درون هر سیاهچاله چیست؟مسئله سیاهچاله ها شاید جز جذاب ترین های علم در دوره کنونی هست در این بخش استیون هاوکینگ دیدگاه های خود و دیگر دانشمندان فیزیک در مورد اینکه در درون سیاهچاله چیست را مورد بررسی قرار می دهد.فصل ۶: آیا سفر در زمان ممکن است ؟سفر در زمان بخش جدانشدنی داستان های علمی تخیلی دوره های اخیر بوده در این بخش استیون هاوکینگ به بررسی این می پردازد که اصلا دیدگاه سفر در زمان چه مشکلات و چالش هایی دارد و آیا از دید علم هرگز امکان دارد این اتفاق بیوفتد و ما به زمان های متفاوت سفر کنیم.فصل ۷: آیا ما روی زمین نجات خواهیم یافت ؟در این فصل به مشکلات آینده ی نسل بشر بر روی کره زمین اشاره می کند. در این فصل به توضیح تغییرات اقلیمی و گرم شدن زمین کمبود آب و ... می پردازد و اینکه آیا اگر روزی سیاره ای به سمت زمین حرکت کند تا آن را نابود کند و نسل بشر را همچون نسل دایناسورها منقرض کند , تمدن های امروز می توانند چاره ای برای آن بیندیشند ؟در ادامه اشاره می کند توقف ساخت اسلحه و استفاده مردم جهان از خودرو های الکتریکی چقدر برای نسل بشر مهم هستند.فصل ۸: آیا باید به فضا کوچ کنیم ؟استیون هاوکینگ با اینکه در کتاب خود بارها می گوید که کره زمین چقدر با ارزش هست و باید برای حفظ آن همه کوشا باشیم , در نهایت به این مهم اشاره دارد که ما باید به سفرهای خود در فضا بیشتر اهمیت بدهیم و به دنبال چند سیاره ای شدن باشیم.فصل ۹: آیا هوش مصنوعی بر ما چیره خواهد شد ؟این بخش استیون هاوکینگ از نگرانی هایی که بابت هوش مصنوعی دارد میگوید و از همکاری خود با ایلان ماسک و دیگر افراد برای حمایت از ساخت هوش مصنوعی های تحت اختیار انسان صحبت می کند و از خطر بسیار دیوانه وار اسلحه های هوش مصنوعی می گوید.در پایان استیون هاوکینگ به این اشاره دارد که نسل بشر نباید برای خود خدا بسازد.فصل ۱۰ : آینده را چگونه بسازیم ؟این فصل را می توان گفتگوی استیون هاوکینگ و آیندگان دانست , او شدیدا تاکید می کند که ما باید نسل های علمی بیشتری را تربیت کنیم و سعی کنیم در کودکان و جوانان اشتیاق رفتن به سمت علم را بیشتر کنیم هر چقدر دانشمندان بیشتری داشته باشیم مطمئنا تمدن انسان ها بیشتر رشد خواهد کرد. استیون هاوکینگ اشاره دارد که ما به انیشتین های بیشتری برای آینده نیاز داریم.در نهایت :به شخصه از مطالعه ی این کتاب به شدت لذت بردم , توضیح مسائل پیچیده بصورتی که مردم آن ها را به راحتی درک کنند یکی از خصوصیات مهم این اثر هست.در ایران این کتاب را انتشارات مختلفی ترجمه کرده اند که من برخی از آن ها را که می توانید از آن ها این کتاب را تهیه کنید آورده ام.این کتاب را می توانید به صورت چاپی از انتشارات مازیار و دیجی کالا تهیه کنید و بصورت کتاب الکترونیکی از طاقچه و باز هم طاقچه (با مترجم های متفاوت) و کتابراه تهیه کنید.این مقاله با اطلاعات جدید بروزرسانی میشه برای اطلاعات بیشتر می تونید در کانال من هم عضو بشید. AmirReza Masoumi AmirReza Masoumi Sat, 21 Nov 2020 16:51:33 +0330 https://virgool.io/@amir_reza_masumi/the-mind-map-trlzwgea1vsg کتاب نقشه ذهن | the mind mapتونی بازان (تونی بوزان)‌ | Tony Buzanدر این کتاب نویسنده ابتدا شما را با نقشه ذهن آشنا می کند ، نقشه ذهن در مورد این است که چگونه از حافظه خود بتوانیم بهتر استفاده کنیم ، در این بخش نویسنده به سوالات زیر پاسخ میدهد :نقشه ذهن چیست؟چه چیزهایی برای رسم کردن نقشه ذهن احتیاج است؟چگونه نقشه های ذهن به شما کمک می کنند؟در بخش بعدی نویسنده به سراغ رسم نقشه های ذهن میرود و چالش های پیش رو را بیان میکند.در بخش سوم نویسنده در این باره توضیح میدهد که چگونه با نقشه ذهن می توانید زندگی موفق تری داشته باشید و او در این بخش مثال هایی از استفاده ی نقش ذهن در خرید ، خلاصه برداری از یک کتاب ، آخر هفته عاشقانه ، سخنرانی و ... بیان می کند.در بخش چهارم تونی بازان در مورد خلاقیت در نقشه ذهن صحبت می کند و از یادداشت برداری خطی و مشکلات آن میگوید.در بخش آخر تونی بازان به ترسیم نقشه ذهن آینده ایده آل می پردازد. نقشه ی ذهن آینده ای که دوست دارید به آن برسید.و در پیوست این کتاب شما نمونه هایی از نقشه ذهن را خواهید دید.نمونه ای از نقشه ی ذهنچگونه می توانم به سادگی نقشه ی ذهن خودم رو ترسیم کنم ؟اولین سوالی که بعد از خواندن این کتاب بسراغم اومد همین بود که چجوری می تونم خیلی ساده نقشه ذهن خودم و ترسیم کنم , به شخصه اشتیاقی به استفاده از مداد رنگی و نقاشی کشیدن نداشتم. در ادامه ,وبسایت هایی رو برای شما قرار دادم که می تونید به کمک اون ها نقشه ی ذهن خودتون و به سادگی پیاده سازی کنید.https://www.mindmaps.app/https://coggle.it/http://www.mindlyapp.com/https://www.diagrams.net/https://www.mindmup.com/https://www.mindmeister.com/https://www.smartdraw.com/https://www.lucidchart.com/https://mindnode.com/https://www.literatureandlatte.com/https://www.ayoa.com/در نهایت :مطالعه ی این کتاب در برهه ای خاص از زندگی ، بسیار برای شخص من مفید بود و خلاقیتی رو در من به وجود آورد که در یادگیری مسائل و مفهوم های گوناگون اون هم در زمان کم بکار ببرم که مخصوص خودم باشه ، صرفا نمی تونم بگم که این کتاب و راه حلش می تونه براتون حافظه ای بهتر و پویا تر بسازه ، بلکه نظر من اینه که با مطالعه این کتاب می تونید با راه های جدیدی آشنا بشید که با خلاقیت بیشتری بتونید از حافظه و ذهن خودتون بیشتر و بهتر استفاده کنید.شما می تونید این کتاب رو بصورت چاپی تهیه کنید. این مقاله با اطلاعات جدید بروزرسانی میشه برای اطلاعات بیشتر می تونید در کانال من هم عضو بشید. AmirReza Masoumi AmirReza Masoumi Thu, 19 Nov 2020 15:42:35 +0330 https://virgool.io/dataio/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%D9%88-%D8%AA%D8%A7%D8%AB%DB%8C%D8%B1-%D8%A8%D8%B1-%D9%85%D8%B4%D8%A7%D8%BA%D9%84-woghrqxxj5ul هوا سرد بود داشتم سریع میرفتم به سمت محل کارم و مثل همیشه چند دقیقه ای باید منتظر اتوبوس می موندم.اتوبوس های BRT خط آزادی به خاوران عموما تا ایستگاه مولوی شلوغ هستن ، بعد که به مولوی رسیدیم جمعیت کم شد و صندلی برای نشستن پیدا کردم ،کنارم یک شخص زحمتکش نشسته بود که مسئول گیت بلیت اتوبوس های BRT بود و داشت میرفت به خونه ، شیفت کاریش تموم شده بود.تابلو آلودگی هوای تهران نشون میداد که امروز هوا بهتر شده ، همین تابلو سر حرف و بینمون باز کرد ، بعد چند دقیقه نمی دونم چی شد که شروع به شکایت از شغلش و گرفتاری هاش کرد بعد چند دقیقه کنجکاو شدم که ازش سوال کنم ، پرسیدم : آیا از شغلش راضیه؟ ، سریع بدون لحظه ای فکر گفت : معلومه که نه اگه تو دهاتمون کار بود ، بنظرت میومدم توی این تهران کلی با اینو اون سر و کله بزنم که آقا بلیتت و بزن بعد برو ؟ساعت نزدیک غروب بود تاکسی اینترنتی گرفته بودم و منتظر بودم ، سریع و به موقع اومد یه راننده جوان با پراید نوک مدادی و کاملا خوش برخورد و شیک بود ، سوار شدم چند لحظه ای بعد سلام و ... که گذشت شروع کرد به گلایه که طرف برای اینکه کوچه رو یه بار اشتباه رفتم و ... بهم یک ستاره داده و امتیازم کم شده همین بحث و باز کرد که از خودش برام حرف بزنه که گرافیک تحصیل میکرد و اما بعد از یه جایی دیده دیگه بدردش نمی خوره و فقط داره پول دانشگاه آزاد میده و آینده ای هم نداره ، اومد بیرون و رفت سراغه تاکسی اینترنتیهمین جا پریدم توی حرفش که خب چطوره راضی هستی ؟ بدون درنگ‌ شروع کرد به گلایه کردن و گفت : که از چی راضی باشم ؟ ۸۰ درصد ناراضی ، همانند همین ارقام در کل جهان مشاهده میشود.کارمندهای زیادی میشناسم و همینطور کارگرهای زیادی اما جمعیت بالایی از مردم از کار خودشون راضی نیستن و فقط برای امرار معاش مجبورن که به مشاغلشون ادامه بدند.هوش مصنوعی جایگزین‌ نیروی کاردوستی دیروز بهم گفت که هوش مصنوعی مشاغل زیادی و از انسان میگیره ، چند روزی هست دارم بهش فکر میکنم ، آیا گرفته شدن مشاغلی که مردم ازشون راضی نیستن رو میشه خطرناک دانست ؟ یا خطر این نارضایتی امروز هست ؟ آیا هوش مصنوعی باعث بیکاری و گرسنگی و معضل قشر ضعیف جامعه خواهد شد؟آیا هوش مصنوعی فاصله طبقاتی رو چند برابر خواهد کرد ؟ اما در کل هوش مصنوعی انسان رو به مرحله ای می رسونه که مهارت ها و انسان های متخصص بنظر امنیت بیشتری خواهند داشت و حمله اصلی هوش مصنوعی به قشر کارگر و کارمند خواهد بود که واقعا جا داره برای آینده ، بیشتر به نکات زیر اهمیت بدیم :۱ . آموزش مهارت به نسل های آینده که بتوانند تولید ارزش داشته باشند۲ . فکری برای کارگران و کارمندانی که احتمالا در این چرخه تغییر شغل های خود را از دست بدهند و فکری به حال خانواده های آن ها و ...۳ . از جمعیت بیکاران کشور و افرادی که به شغل های کاذب مشغول هستند هم غافل نشویم ، باید برای این افراد که جمعیت قابل توجهی از آن ها رو هم جوانان تشکیل میدن هم برنامه ای در نظر گرفته شود در نهایتشاید نظر شما این باشه که خیلی مونده تا برسیم به اون روزها که هوش مصنوعی مشاغل و از انسان ها بگیره ، اما در نهایت از تغییر گریزی نیست . AmirReza Masoumi AmirReza Masoumi Wed, 22 Apr 2020 17:51:56 +0430 https://virgool.io/@amir_reza_masumi/ai-covid19-part3-nkqfzdjxqdwn در دو قسمت قبلی ما با Alphafold شرکت DeepMind و هوش مصنوعی علی بابا ، سیستم Infer Vision و سیستم تشخیص چهره با ماسک آشنا شدیم در این مقاله ما به دنیای پهپادها و ربات ها می ریم و از کمک های آن ها در این شرایط بحرانی می گوییم.پهپاد ها برای نجاتبرای تقویت نظارت بر کنترل شیوع ویروس کرونا ، شرکت های چینی از پهپاد ها استفاده می کنند ، پهپاد ها در حال تبدیل شدن به ابزارهای اساسی در مبارزه با شیوع کروناویروس در چین هستند .شرکت Pudu Technology گفته است که دستگاه های خود را در بیش از 40 بیمارستان در سراسر کشور برای کمک به کادر پزشکی نصب کرده است.شرکت MicroMultiCopter ، یک شرکت دیگر مستقر در خارج از استان شنژن ، در حال اعزام پهپادهای خود برای انتقال نمونه های پزشکی و انجام تصویربرداری حرارتی است.دولت های محلی برای پراکندگی اجتماعات عمومی ، بلندگوهای خود را بر روی پهپادها سوار می کنند. از آنها همچنین برای هشدار دادن به مردم در مورد قرنطینه یا اینکه در مکان های عمومی بدون ماسک حضور پیدا نکنند استفاده میشود. پهپاد ها همچنین برای آموزش مردم در مورد چگونگی اقدامات احتیاطی لازم ، آگهی هایی را به پرواز درآوردند. از دوربین های حرارتی در پهپادها نیز برای نظارت بر دمای بدن استفاده شده است تا کارکنان پزشکی بتوانند موارد بالقوه جدید را شناسایی کنند. در شانگهای ، هواپیماهای بدون سرنشین در جاده های شهر برای نظارت مستقر شده اند .برای مهار شیوع ویروس ، از پهپادها نیز برای نظارت بر فعالیت هایی مانند ترافیک و دفع زباله استفاده می شود. در زونگشان ، هواپیماهای بدون سرنشین برای نظارت بر دفع زباله های پزشکی از بیمارستان ها استفاده می شود. در سراسر چین از پهپاد ها برای ضدعفونی کرد معابر و محصولات کشاورزی و ... استفاده شده است .پهپادها برای تسهیل در ساخت و ساز و روشنایی هم در شهر ووهان استفاده شدند ، برای کار ۲۴ ساعته نیاز به روشنایی دائم بود که ۶ پهپاد بزرگ با روشنایی بالا این کار را برای کارگران ساخت بیمارستان های ووهان انجام دادند. یکی دیگر از کاربردهای پهپادها ، ارسال بسته ها است. این شیوع ، میلیون ها خانواده را در خانه های خود نگه داشته است تا از تماس با دیگران جلوگیری کنند. تحویل بسته ها بدون تماس می تواند کمک بزرگی به این خانواده ها باشد که قرنطینه شده اند. سازمان ها می توانند مواد غذایی ، ملزومات و دارو را برای هر فرد نیازمند ارسال کنند. در عین حال ، جلوگیری از تماس چهره به چهره ، خطر عفونت را نیز کاهش می دهد.شرکت UVD Robotsشرکت UVD Robots ، مستقر در دانمارک ، از ربات های خود برای ضد عفونی کردن اتاق های بیمار بدون دخالت انسان استفاده می کنند. واگیری شدید این ویروس کمک های انسانی را بسیار خطرناک می سازند. پرسنل پزشکی در معرض خطر ابتلا به این بیماری هستند.این ربات ها با قدرت ۹۹.۹۹٪ در نابودی ویروس ها در زمان ۱۰ دقیقه کمک بزرگی به نظافت و ضدعفونی بیمارستان ها کرده اند ، این ربات ها با نور فرابنفش بصورت ۳۶۰ درجه کل اتاق بیمار را ضد عفونی می کنند.مشخصات فنی :1 سرعت حداکثر 5.4 کیلومتر در ساعت 2 ابعاد: L93cm W66cm H171cm 3 پوشش ضد عفونی 360 درجه4 زمان شارژ باتری: 3 ساعت5 مجهز به دکمه اضطراری6 وزن کل: 140 کیلوگرم 7 طول موج ماوراء بنفش: 254NM (نور UV-C) 8 اتصال: مبتنی بر WiFi (بی سیم) و با نرم افزارممنون از شما که این مقاله رو مطالعه کردید. AmirReza Masoumi AmirReza Masoumi Thu, 12 Mar 2020 18:20:53 +0330 https://virgool.io/@amir_reza_masumi/ai-covid19-part2-vbx4ip1oxog6 در قسمت اول ، از Alphafold سیستم شرکت DeepMind گفتیم و از هوش مصنوعی علی بابا و دقت بالای اون در تشخیص کروناویروس اما در ادامه :نرم افزار Infer Visionنرم افزار Infer Visionبه پزشكان چين ابزاری جديد و قدرتمند براي كمك به آنها در تشخيص سريع بيماران مبتلا به کرونا ویروس داده شده است , این نرم افزار مبتنی بر هوش مصنوعی موسوم به inferVISION ، به سرعت می تواند موارد مشکوک را برای پزشک برجسته کند . این نرم افزار به شدت وابسته به SDK های Clara NVIDIA است ، که چهارچوب برنامه مراقبت های بهداشتی NVIDIA برای تصویربرداری پزشکی AI است.این نرم افزار می تواند علائم معمولی یا جزئی COVID-19 را در بیماران مشکوک تشخیص دهد. برای انجام این کار ، این نرم افزار به دنبال علائم ذات الریه است که می تواند در اثر ویروس ایجاد شود.نرم افزار InferVISIONبا توجه به افزایش تقاضا یكی از مهمترین مزایای سیستم های هوش مصنوعی سرعت است . با نرم افزار هوش مصنوعی ، پزشکان می توانند به سرعت بهترین گزینه های درمانی را انتخاب کنند .نرم افزار inferVISION در حال حاضر در بیش از 32 بیمارستان در سراسر چین به پزشکان در خط مقدم کمک می کند ، علاوه بر استفاده در چین ، نرم افزار Infervision توسط کلینیک های اروپا و ایالات متحده در حال ارزیابی است.این شرکت در یک پست LinkedIn اظهار داشت: "Infervision کاملاً متعهد است تا از متخصصان پزشکی پشتیبانی کند و در کنار بیماران در کنترل شیوع کرونا ویروس قرار بگیرد."تشخیص چهره Sense Timeتشخیص چهره افراد داری ماسکتشخیص چهره از اثر انگشت ایمن تر است زیرا احتمال انتشار بیماری از طریق تماس انسان به سطح را از بین می برد. بنابراین ، SenseTime از AI استفاده می کند تا چهره افراد را با ماسک اسکن کند.آنها در حال ترویج شناسایی بدون تماس آلوده به نرم افزار تشخیص دما هستند . همچنین با اضافه کردن الگوریتم ماسک ، می تواند افرادی را که ماسک ندارند در اماکن عمومی تشخیص دهد .در بیانیه 6 فوریه آمده است: "با این روش ها ، به پرسنل مدیریتی اطلاعات مفید برای پیشگیری از بیماری همه گیر مانند درجه حرارت بدن ، وضعیت پوشیدن ماسک و هویت کارکنان ارائه شود."تشخیص دمای بدن افراد از طریق دوربین حرارتیدر بسیاری از شهرها استفاده از ماسک را در مکان های عمومی الزامی کرده اند. یک معلم مدرسه در یک استان چین به دلیل امتناع از پوشیدن ماسک هنگام دوییدن ، مجازات شد .شرکت SenseTime به Quartz گفت سیستم تشخیص تب در سه مکان عمومی استفاده می شود.این شرکت توضیح داد: "سیستمی که برای ورودی های ساختمان اداری اعمال می شود مشخصات چهره ای را که پوشیده است از جمله چشم ها ، ابروها و قسمت هایی از بینی را برای شناسایی کارمندان می خواند ، به طوری که کارمندان بتوانند ماسک های خود را حفظ کنند و آن را از صورت خود جدا نکنند .شرکت کره‌ ای LG هفته گذشته اعلام کرد که با‌SenseTime برای نصب سیستم رفت‌وآمد به ساختمان در دفاتر خود در سئول همکاری کرده است , که قادر است در 0.3 ثانیه با دقت 99٪ کارمندان را حتی در صورت استفاده از ماسک های پزشکی ، عینک و آرایش ... تشخیص دهد‌ .تا به اینجا ۴ تا از روش هایی رو که کشورهای درگیر با کرونا با کمک هوش مصنوعی برای کنترل شیوع کویید ۱۹ بکار گرفتن رو مرور کردیم.این مقاله ادامه دارد ... AmirReza Masoumi AmirReza Masoumi Wed, 11 Mar 2020 21:51:40 +0330 https://virgool.io/@amir_reza_masumi/ai-covid19-part1-wokgfzegvd9x کرونا ویروسما در قرن 21 قرار داریم و کرونا ویروس مشکلی است از جنس قرن 21 , برای حل آن باید به دنبال راه حلی متناسب با قرن 21 بگردیم.بیایید نگاهی به نحوه استفاده از هوش مصنوعی برای مهار شیوع کرونا ویروس بیاندازیم :استفاده DeepMind از سیستم AlphafoldSARS-COV-2 MEMBRANE PROTEINسیستم Alphafold از هوش مصنوعی برای کشف علم استفاده می کند ، مجموعه DeepMind یک تیم اختصاصی بین رشته ای از متخصصان رشته های زیست شناسی ساختاری , فیزیک و یادگیری ماشین را برای توسعه ی Alphafold به وجود آورده است.امروز DeepMind اعلام کرده است که آن ها بزودی پیش بینی ساختار چندین پروتئین را منتشر میکند که می تواند تحقیقات مربوط به COVID 19 را تقویت کند ، آن ها برای یافتن این سازه ها از جدیدترین نسخه ی سیستم Alphafold استفاده کرده اند .در ادامه آخرین گزارش این تیم را باهم مرور می کنیم :ما امیدواریم که با انتشار پیش بینی ساختار چندین پروتئین تحت مطالعه در ارتباط با SARS-CoV-2 ویروسی که باعث COVID 19 می شود , با استفاده از آخرین نسخه ی سیستم Alphafold بتوانیم در این تلاش علمی کمک کنیم . تاکید می کنم که این پیش بینی های ساختاری بطور تجربی مورد تایید قرار نگرفته است , اما امیدواریم در درک جامعه علمی از نحوه عملکرد ویروس نقش داشته باشد و به عنوان یک بستر تولید فرضیه برای کارهای تجربی آینده در زمینه ی توسعه درمانی مفید باشد .دانستن ساختار پروتئین منبع مهمی برای درک نحوه عملکرد ویروس فراهم می کند , اما آزمایش ها برای تعیین ساختار می تواند ماه ها یا بیشتر طول بکشد و در برخی موارد هم ثابت شده است که غیر قابل نفوذ هستند , به همین دلیل محققان برای پیش بینی ساختار پروتئین از توالی اسید آمینه روش های محاسباتی را تهیه کرده اند .سیستم Alphafold یک سیستم یادگیری عمیق هست که اخیرا منتشر شده است , بر پیش بینی دقیق ساختار پروتئین در هنگامی که هیچ ساختار پروتئین مشابه وجود ندارد بنام "free modelling" متمرکز است , ما از زمان انتشار آن را بهبود داده ایم و می خواهیم مفیدترین پیش بینی ها را ارائه دهیم .هوش مصنوعی علی بابا با دقت تشخیص 96 درصدCاخیرا علی بابا ادعا کرده است که سیستم جدید هوش مصنوعی آن ها می تواند کرونا ویروس را در CT scan سینه ی بیماران با دقت 96 درصد تشخیص دهد .جک ما بنیانگذار علی بابا اعلام کرده است که بنیاد وی برای توسعه ی واکسن 2.15 میلیون دلار اهدا خواهد کرد .به گفته ی علی بابا , الگوریتم آن ها کل فرآیند تشخیص را به مدت 20 ثانیه کاهش می دهد , این یک پیشرفت بزرگ است با توجه به اینکه روش های سنتی تقریبا 15 دقیقه طول می کشد تا تجزیه و تحلیل CT scan انجام شود .علی بابا گفته این سیستم همچنین در بیش از 100 بیمارستان در استان های Hubei , Guangdong و Anhui استفاده خواهد شد .کمیسیون بهداشت ملی چین در 5 فوریه معیارهای تشخیص عفونت های جدید را افزود و نتایج CT scan را در بالای روش های قبلی آزمایش قرار داد تا اطمینان حاصل شود که بیماران دارای علائم بالینی در اسرع وقت درمان استاندارد را دریافت کنند .این سیستم جدید تشخیص نخستین تلاش علی بابا برای استفاده از هوش مصنوعی برای مقابله با کرونا ویروس نیست . محققان آکادمی دامو سرویسی برای خدمات بهداشت عمومی مبتنی بر هوش مصنوعی ایجاد کرده است که اطلاعات مربوط به کرونا ویروس SARS-CoV-2 را ارائه می دهد که نخستین برا در تاریخ 27 ژانویه توسط دولت استان Zhejiang مستقر شد .این سیستم می تواند از طریق یک برنامه به بیشتر سوالات مربوط به بیماری های واگیر و همه گیر پاسخ دهد .تا به اینجا با دو روش که دو مجموعه علی بابا و DeepMind برای جلوگیری از شیوع و یا درمان با کمک هوش مصنوعی استفاده کرده اند آشنا شدیم ، این مقاله ادامه دارد ... AmirReza Masoumi AmirReza Masoumi Wed, 11 Mar 2020 15:24:51 +0330