در نیمهی اول قرن بیستم، داستانهای علمیتخیلی، مردم را با مفهوم رباتهای هوشمند آشنا کردند که اولین آنها، شخصیت مرد حلبی
ویکیپدیا به زبانهای بسیاری وجود دارد؛ برخی از بزرگترین آنها در زیر فهرست شدهاند.
تلگراف: موساد برای ترور اسماعیل هنیه چند نیروی سپاه «انصارالمهدی» را استخدام کرده بود
الگوریتم هم برای تشخیص چهره در تصاویر دنبال این الگو میگردد.
چه کار میشود کرد؟ خب این یک مدلِ یادگیری ماشین است، پس میتوان با اضافه کردن دادههای جدید درباره انجیرهای گندیده، آن را بهتر کرد، مگرنه؟
یکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.
با کامپیوتر انجام دهیم، اما هوش مصنوعی کارهایی است که ما دلمان میخواست
سامانه یک خودروی بدون راننده میتواند از یک شبکه عصبی استفاده کند تا بتواند تشخیص دهد که کدام قسمت از تصاویر میتواند با تصویر یک انسان تطابق داده شود، و سپس آن قسمت را به شکل یک مستطیل با حرکت آهسته شبیهسازی کند که باید از برخورد با آن خودداری شود.[۲۰][۲۱] هنوز تعریف دقیقی برای هوش مصنوعی که مورد توافق دانشمندان این علم باشد ارائه نشده است و این به هیچ وجه مایهٔ تعجب نیست.
… پلاستوفوم نوعی پلیمر سفید رنگ که عایق رطوبت، صدا و حرارت است. این پلیمر در ایران به نام یونولیت شناخته میشود؟
اگر انسانها این شبکهها را بدون رعایت استانداردها و اصول اولیه بسازند یا از دادههای اشتباه و گمراهکننده برای آموزش هوش مصنوعی استفاده کنند، آنوقت این مشکلات میتواند تاثیرات ناگواری بههمراه داشته باشند.
الگوریتمهای بینایی قدیمی (چپ) به الگوهای دستچین وابسته بودند اما شبکههای عصبی عمیق (راست) خودشان الگوها را پیدا میکنند
الگوریتم ویولا-جونز خیلی خوب و سریع کار میکند و قابلیت تشخیص چهرهی دوربینهای ارزان مبتنی بر همین الگوریتم است. اما بدیهی است که تمام چهرهها از این الگوی ساده پیروی نمیکنند.
اما وقتی پای متغیرهای ناشناخته وسط میآید، دیگر نمیتوان به این راحتی جواب سوال را پیدا کرد. این بار فرض کنید میخواهیم کامپیوتر به تعدادی تصویر نگاه کند here و بگوید آیا در بین آنها تصویری از گربه بوده است یا خیر.
با این حساب، چالش اصلی یادگیری ماشین، ایجاد و انتخاب مدل مناسب برای حل مسئله است. ما به مدلی نیاز داریم که بهقدری پیچیده باشد که بتواند روابط و ساختارهای بسیار پیچیده را نشان دهد و در عین حال به قدری ساده باشد که بتوانیم با آن کار کنیم و آموزشش بدهیم.