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 🌐🤖

🎯دانشمندان در حال نزدیک‌تر شدن به ایجاد فراگیرترین تجربه‌ی بازخورد لامسه‌ای برای کاربرد‌های واقعیت مجازی و واقعیت افزوده‌اند. محققان دانشگاه سیتی هنگ‌کنگ یا به اختصار CityU به‌همراه گروهی دیگر از دانشگاه‌های چینی، یک نوع جدید از «رابط‌های یکپارچه با پوست» ایجاد کرده‌اند که می‌تواند سیگنال‌های لمسی چندبعدی را مستقیماً به پوست کاربر انتقال دهد و با این کار، حس‌های واقعی‌ای را که از لمس بافت‌ها و سطوح مختلف ایجاد می‌شود، به‌طور مصنوعی بازسازی کند. درحال‌حاضر بیشتر فناوری‌های موجود، برای ارائه‌ی بازخورد لامسه‌ای (هپتیک فیدبک) تنها بر تحریک الکتریکی یا تحریک مکانیکی تکیه دارند؛ تحریک الکتریکی اعصاب برای ایجاد حس‌های مختلف، اعصاب را فعال می‌کند و تحریک مکانیکی، سعی در تقلید تغییر شکل پوست هنگام لمس اشیاء را دارد. با‌این‌حال، هنوز هم چالش‌های بسیاری پیش رو هستند؛ هوانگ با نگاهی به آینده می‌گوید: «هنوز فضای زیادی برای توسعه در حوزه‌ی بازخوردهای هپیتکی وجود دارد.» 〰〰〰〰〰〰〰〰〰 📮@hoomas

🤖این ربات مجهز به هوش مصنوعی که در نمایشگاه CES 2024 معرفی خواهد شد، قابلیت‌های گسترده‌ای دارد مانند تماشای حیوان خانگی شما در هنگامی که در خانه نیستید. مانند الکسا یا اپل هوم پاد، ربات ال‌جی همچنین می‌تواند آب و هوا را اعلام کند یا نکات مدنظرتان را به شما یادآوری کند.ربات ال‌جی از چیپ Robotics RB5 Qualcomm بهره می‌برد که ترکیبی از قابلیت‌های سخت‌افزاری و نرم‌افزاری را در دسترس شما قرار می‌دهد. برخی از این قابلیت‌ها عبارتند از توانایی تشخیص چهره و صدا، پردازش احساسات اطرافیان و شرکت در گفتگو‌ها. به گفته ال‌جی، این ربات می‌تواند به شما خوشامد بگوید، احساسات شما را تجزیه‌وتحلیل کند و برای تغییر خلق‌و‌خوی شما موسیقی پخش کند. همچنین به لطف پاهای مفصلی که دارد، حتی می‌تواند وضعیت بدن خود را تغییر دهد.از آنجایی‌که ربات ال‌جی می‌تواند به‌طور آزادانه حرکت کند، می‌توانید آن را طوری برنامه‌ریزی کنید که از حیوانات خانگی شما مراقبت کند و درصورت مشاهده هرگونه فعالیت غیرعادی، اعلان‌هایی را روی گوشی هوشمندتان ارسال کند. 〰〰〰〰〰〰〰〰 📮@hoomas

🔗این سیستم در یکی از اولین شهرهای هوشمند ایالات‌متحده قرار دارد و می‌تواند تحویل بیش از 95 درصد محصولات مصرفی را کم‌هزینه‌تر کند. شرکت حوزه لجستیک آمریکایی Pipedream اولین سیستم تحویل رباتیک خودران زیرزمینی را راه‌اندازی کرده است. هدف این سامانه لجستیک زیرزمینی حذف انتشار گازهای گلخانه‌ای و مشکلات ازدحام است که ویژگی بارز و منفی زیرساخت‌های تحویل فعلی محسوب می‌شود. Pipedream در وب‌سایت خود ادعا می‌کند که این رویکرد با «سیستم تحویل خودکار و زیرزمینی خود، تحویل بیش از 95 درصد از محصولات مصرفی را برای همیشه بسیار کم‌هزینه، بدون انتشار آلودگی و عاری از ترافیک می‌کند.» سیستم Pipedream از سیستم حمل بار تشکیل شده است که می‌تواند بیش از 95 درصد کالاهایی را که درحال‌حاضر برای تحویل سفارش داده می‌شوند، در خود جای دهد همچنین از طریق این سیستم می‌توان کالاهایی با حداکثر وزن 40 پوند (18 کیلوگرم) را جابه‌جا کرد که فضای کافی برای خواربار هفتگی یا وعده‌های غذایی خانوادگی را فراهم می‌کند. 〰〰〰〰〰〰〰〰 📮@hoomas

🎥 هنری کیسینجر پیش از مرگش و در یک گفتگوی اختصاصی درباره موضوعاتی مانند هوش مصنوعی، اسرائیل و آینده دموکراسی صحبت می کند @amniatemeli 〰〰〰〰〰〰〰〰〰 📮@hoomas

🔮یک پیش‌بینی: تاثیرگذاران مذهبی در ۲۰۲۴ چگونه با رسانه می‌درخشند؟ پژوهش جدید تیم later، خبر از تغییراتی اساسی در راهبردهای رسانه‌ای سازمان‌های مذهبی می‌دهد. همان طور که پیش‌بینی می‌شد، مهم‌ترین تغییر بهره‌گیری بیشتر از هوش مصنوعی است. اما نه به صورت خلق تصاویر انتزاعی و بازی با تکنولوژی! بلکه برای بازخوانی و بازنگری در محتواها. ترند دیگر، سرمایه‌گذاری روی ویدئوهای عمودی کوتاه است که قابل حدس است از کجا نشات می‌گیرد: بله، اقبال روزافزون نسل z به تیک‌تاک. آیا این سیاست‌های جدید، می‌تواند در ایران نیز قابل فکر و ایده‌گیری باشد؟ مهم‌تر از تحولات رسانه‌ای، باید دید تحولات اجتماعی چه تغییر مسیرهایی را پیش روی مبلغین خواهد گذاشت. 〰〰〰〰〰〰〰〰〰 📮@hoomas

🔮دانشمند ارشد ایجنت‌های هوش مصنوعی انویدیا می‌گوید تا حدود 3 سال دیگر انقلابی مشابه عرضه ChatGPT در حوزه رباتیک اتفاق خواهد افتاد. دکتر «لینکسی جیم فن»، دانشمند ارشد تحقیقات و ایجنت‌های هوش مصنوعی انویدیا، اخیراً در پستی در صفحه شخصی خود در ایکس پیش‌بینی کرده است که به‌جز مدل‌های زبانی بزرگ (LLM)، رباتیک مهم‌ترین مبحث سال 2024 باشد. او همچنین می‌گوید که تا حدود 3 سال دیگر لحظه‌ای مشابه عرضه ChatGPT در حوزه ایجنت‌های فیزیکی هوش مصنوعی رقم خواهد خورد.به باور این مدیر انویدیا، سال 2024 به‌عنوان اولین سالی در تاریخ ثبت می‌شود که نبرد بزرگ علیه این پارادوکس شروع خواهد شد. البته رسیدن به نتیجه بلافاصله نخواهد بود و به اندکی زمان نیاز است. جیم فن می‌گوید در سال 2023 دیدیم که مدل‌ها و پلتفرم‌های بنیادی آینده می‌توانند چه پتانسیل‌هایی برای حوزه رباتیک داشته باشند. جیم فن می‌گوید سیستم Isaac انویدیا حالا می‌تواند واقعیت را 1000 برابر سریع‌تر شبیه‌سازی کند. 〰〰〰〰〰〰〰〰〰 📮@hoomas

💥دکمه جدید Copilot اولین تغییر بزرگ صفحه کلید دستگاهای ویندوز در ۳۰ سال گذشته مایکروسافت به صورت رسمی از دکمه سخت افزاری جدید Copilot برای دستگاهای ویندوزی جدید رونمایی کرد. با این دکمه جدید، کاربران دستگاه‌های ویندوزی دسترسی سریعتری به هوش مصنوعی Copilot برای انجام کارهای خود خواهند داشت. ▫️‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌کارگروه علمی رایا ایتا 〰〰〰〰〰〰〰〰〰〰 📮@hoomas