Tagهوش را

هوش مصنوعی گوگل تصاویر بی کیفیت را با دقت فوق العاده بازسازی می کند

هوش مصنوعی گوگل تصاویر بی کیفیت را با دقت فوق العاده بازسازی می کند

بازسازی عکس های بی کیفیت و تولید نمونه اولیه از روی آنها معمولاً فقط در فیلم های پلیسی-جنایی دیده می شود: مأمورین قانون روی تصویر سیاه سفید از دوربین های امنیتی زوم کرده، با فشردن یک دکمه چهره فرد را بازسازی کرده و مظنون را شناسایی می نمایند.

با این حال لابراتوار تحقیقاتی Google Brain به دستاورد ارزشمندی در این حوزه رسیده و می تواند از طریق تصویری کاملاً مبهم با ابعاد 8×8 پیکسل، صحنه واقعی را با دقتی مثال زدنی بازسازی نماید. البته باید اشاره کرد که مغز گوگل جادو نمی کند؛ به عنوان مثال چهره فردی که در این فرایند به دست می آید متعلق به فرد اصلی نیست، بلکه شخصیتی خیالیست که کامپیوتر بر اساس حدس و گمان به دست می آورد.

طبق اطلاعات موجود در منتشر شده در همین رابطه، نرم افزار گوگل دو شبکه عصبی متفاوت را برای بازتولید تصویر به کار می گیرد؛ اولی که «شبکه آماده سازی» نام دارد، تصویر دریافتی با رزولوشن پایین را با تصاویر مرجع مشابه از چهره ها یا وضعیت اتاق تطبیق می دهد.

در مرحله دوم شبکه عصبی «استنتاجی» پیکسل های تصویر دریافتی را بررسی کرده و بر اساس اطلاعات دریافتی از مرحله آماده سازی، به تدریج جزئیاتی را به آن اضافه می کند تا نهایتاً به خروجی نهایی برسد. در واقع می توان گفت بهترین حدس های این دو شبکه عصبی با یکدیگر ترکیب می شوند تا به نتیجه دست یابیم.

البته این نخستین بار نیست که هوش مصنوعی در حوزه دستکاری تصاویر به کار گرفته می شود. شبکه های عصبی روز به روز پیشرفته تر می شوند و گوگل پیش از این نیز را برای بازسازی عکس ها به کار گرفته بود. با این حال، خلق نتیجه ای قابل قبول از تصویری کاملاً مبهم می تواند در آینده کاربردهای فوق العاده ای پیدا کند.

The post appeared first on .

هوش مصنوعی گوگل تصاویر بی کیفیت را با دقت فوق العاده بازسازی می کند

سامانه هوش مصنوعی MIT نحوه تشخیص چهره توسط انسان را آموخت

سامانه هوش مصنوعی MIT نحوه تشخیص چهره توسط انسان را آموخت

به نظر می رسد حداقل در حوزه بیولوژی محاسباتی، کامپیوترها به انسان نزدیک تر می شوند. تیمی از محققین دانشگاه MIT در مرکز مغز، ذهن و ماشین (CBMM) دریافتند سیستم طراحی شده از سوی آنها به ناگاه توانایی شناسایی و تشخیص چهره انسان را در حالات مختلف به دست آورده.

این دستاورد، نظریات پیشین در مورد تشخیص چهره توسط انسان ها را تأیید می کند که بر اساس تحقیقات MRI روی مغز به دست آمده بود.

این سیستم که هنوز نامی برایش انتخاب نشده، نوعی مدل محاسباتی در مورد نحوه تشخیص چهره توسط مغز انسان است که برای شناسایی نمونه های خاص در بین تعداد زیادی ورودی، طراحی شده و آموزش دیده. در این فرایند، سیستم نوعی مرحله پردازشی میانی را ابداع کرده که به درجه چرخش و زاویه چهره توجه دارد و نه جهت عکس.

به بیان ساده تر سیستم حتی در صورت چرخش تصویر چهره نیز قادر است عمل شناسایی را انجام دهد، مادامی که جهت چهره با نمونه اولیه مطابقت داشته باشد، وضعیتی که به آن «تقارن محوری» یا بازتابی می گویند.

این کشف از آن جهت جالب توجه است که نحوه شناسایی چهره توسط پیشوایان (نخستی سانان) را منعکس می سازد، به گونه ای که گویی سیستم توانسته چنین قابلیتی را در خود ایجاد کند. با این حال هنوز نمی توان به یقین در این مورد صحبت کرد.

سیستم یادگیری ماشینی مورد استفاده توسط محققین مورد بحث بر اساس شبکه های عصبی مصنوعی طراحی شده، سیستمی که توسط غول های فناوری همچون مایکروسافت، گوگل و فیسبوک نیز به کار می رود. تمامی این شرکت ها تلاش دارند سیستم های تشخیص چهره را به سطحی فراتر از حال حاضر ارتقاء دهند.

The post appeared first on .

سامانه هوش مصنوعی MIT نحوه تشخیص چهره توسط انسان را آموخت

هوش مصنوعی مایکروسافت می تواند تصاویر را برای کاربران نابینای آفیس توصیف کند

هوش مصنوعی مایکروسافت می تواند تصاویر را برای کاربران نابینای آفیس توصیف کند

اگرچه هوش مصنوعی پیشرفت آهسته و پیوسته ای در سیستم های همه منظوره از جمله دستیارهای صوتی دارد، اما شاید قابلیت های AI برای کمک به افراد ناتوان و معلول را بتوان یکی از مهم ترین تأثیرات سیستم های هوشمند بر زندگی امروز دانست.

در همین رابطه اپلیکیشن های مجموعه آفیس مایکروسافت از جمله ورد و پاورپوینت به قابلیتی مجهز شده اند که می توانند به صورت خودکار عناوینی را برای تصاویر موجود در سند در نظر بگیرند و زمانی که فایل برای کاربران نابینا به نمایش درآید، علاوه بر اطلاعات متنی، توصیف عکس ها نیز برای او ارائه می گردد.

مایکروسافت برای دستیابی به این مهم از «سرویس شناختی بر اساس بینایی ماشین» استفاده کرده، که روش شبکه های عصبی را با فنون یادگیری عمیق ترکیب می نماید تا محتوای تصاویر را درک و توصیف کند.

microsoft-powerpoint-automatic-alt-text

گفتنیست فیسبوک نیز چندی پیش از قابلیت مشابهی برای تولید خودکار کپشن عکس در این شبکه اجتماعی رونمایی کرد، و دیگر غول های فناوری نیز از روش های هوش مصنوعی برای ارتقاء دسترسی و تجزیه و تحلیل دقیق تر تصاویر و ویدیوها به منظور کسب اطلاعات ارزشمند بهره می گیرند.

مایکروسافت می گوید قالب های آماده ای را نیز در مجموعه آفیس قرار می دهد که ساختار آنها برای مرور از طریق راهنمای صوتی و صفحه کلید بهینه گشته، ضمن اینکه فونت ها و رنگ های به کار رفته در آنها نیز برای سهولت استفاده افراد کم بینا یا کوررنگ طراحی شده.

گفتنیست قابلیت فوق از سال آینده برای مشترکین آفیس 365 و روی نرم افزارهای ورد و پاورپوینت برای کامپیوترهای شخصی عرضه می شود.

The post appeared first on .

هوش مصنوعی مایکروسافت می تواند تصاویر را برای کاربران نابینای آفیس توصیف کند

هوش مصنوعی با موفقیت تبهکاران را از روی خصوصیات چهره شناسایی کرد

هوش مصنوعی با موفقیت تبهکاران را از روی خصوصیات چهره شناسایی کرد

تلاش برای تشخیص ارزش های اخلاقی و شخصیتی افراد با استفاده از مشخصات ظاهری شان از جمله فعالیت هایی است که منشا آن به قرون نوزدهم و بیستم میلادی باز می گردد. البته در باب علمی بودن این قبیل فعالیت ها شبهات زیادی وجود دارد و بسیاری آن را بی پایه و اساس می دانند.

با این همه به نظر می رسد که برخی از این ایده ها در حال بازگشت به زمان حال هستند و این بار به لطف همراهی با عبارت های پرکاربردی نظیر یادگیری ماشینی و هوش مصنوعی حتی بار علمی نیز پیدا کرده اند.

خبری که در ادامه می خواهیم با شما در میان بگذاریم به یک مقاله علمی مربوط می شود که قرار است به زودی نیز منتشر شود. براساس این مقاله، پژوهشگران چینی اخیرا موفق شده اند شناسایی مجرمین را صرفا با نگاه کردن به چهره شان به کامپیوترها یاد دهند.

حدودا صد سال پیش بود که پژوهشگران با استناد به داده های آماری شان اینطور نتیجه گرفتند که مجرمان ذاتا دارای برخی ویژگی ها و خصوصیات فیزیکی هستند که آنها را از مردم «عادی» متمایز می کند.

محققین چینی نیز اخیرا با استناد به همین فرضیه یا بهتر بگوییم باور، نوعی الگوریتم یادگیری ماشینی را به گونه ای آموزش داده اند که قادر است چهره حدودا ۲۰۰۰ نفر (بدون وجود مو در صورت آنها) را که نیمی از آنها تبهکار بودند، تحلیل کند.

تفاوت های ظاهرای مجرمان با مردم عادی نسبت به افراد مطیع قانون بیشتر است

آنها برای آموزش دادن سیستم مورد نظرشان ۹۰ درصد از نمونه ها را مورد استفاده قرار دادند و در ادامه اجازه دادند که هوش مصنوعی ۱۰ درصد بقیه را تحلیل کند و مشخص نماید که فرد مطیع قانون است یا تبهکار.

پژوهشگران ادعا می کنند که الگوریتم آنها در ۸۹.۵ درصد از موارد درست تشخیص داده و مجرمان را با نرخ بالایی از دقت شناسایی کرده است. طبق گزارشات این سیستم ظاهرا تشخیص داده که انحنای لب مجرمان نسبت به افراد معمولی حدودا ۲۳ درصد بیشتر است. از طرفی طبق تشخیص این سیستم فاصله میان گوشه های داخلی دوچشم این افراد تا ۶ درصد از مردم معمولی کمتر بوده و زاویه ای که از ترسیم دو خط از راس بینی به گوشه های لب این افراد ترسیم می گردد نیز ۲۰ درصد حادتر است.

نتیجه نهایی این بود که تفاوت های ظاهرای مجرمان با مردم عادی نسبت به افراد مطیع قانون بیشتر است. به بیان دیگر هرچه شباهت افراد به هم بیشتر باشد احتمال آنکه فرد مجرمی در میانشان باشد کمتر است.

البته این را هم اضافه نماییم که شاید جرم به عوامل ژنتیکی مربوط باشد اما اغلب محققان باور دارند که این مساله بیشتر به فاکتورهای اجتماعی-اقتصادی ربط پیدا می کند تا عوامل ژنتیکی.

The post appeared first on .

هوش مصنوعی با موفقیت تبهکاران را از روی خصوصیات چهره شناسایی کرد

هوش مصنوعی گوگل می تواند متونی را از زبان های کاملاً جدید ترجمه کند

هوش مصنوعی گوگل می تواند متونی را از زبان های کاملاً جدید ترجمه کند

همه با قابلیت های ترجمه ای هوش مصنوعی گوگل آشنا هستیم. اما این سیستم حالا یک قابلیت جدید دارد، این که می تواند متن ها را از زبان هایی ترجمه کند که حتی برای اولین بار با آنها برخورد داشته است.

این پلتفرم برای انجام چنین کاری از یک «» () اختصاصی بهره می برد که می تواند عبارت ها را بدون این که زبان مقصد یا مبداً ملاک باشد، به صورتی هوشمند معادل سازی کند.

پلتفرم یادگیری عمیق گوگل از همین معادل سازی ها برای ترجمه یک عبارت با دقتی قابل قبول استفاده می کند. حتی بدون این که لزومی داشته باشد خود از درک این جلملات برآید.

سرویس ترجمه گوگل حالا یک پلتفرم جامع یادگیری عمیق است که گوگل آن را «سیستم عصبی ترجمه ماشینی گوگل» (Google Neural Machine Translation) یا به اختصار «GNMT» می نامد. این پلتفرم ترجمه زبان های مختلف را نه بر اساس قواعد دستور زبانی که به روش یادگیری مثالی می آموزد. در این روش. هر قدر که مراجعات و درخواست ترجمه عبارات به این سامانه بیشتر شود، دقت آن بالاتر خواهد رفت.

مشکل اینجاست که گوگل ترنسلیت در حال حاضر بیش از ۱۰۳ زبان مختلف را تحت پوشش دارد، این یعنی بیش از ۵ هزار جفت زبان مختلف برای ترجمه به یکدیگر وجود خواهند داشت. بنابراین برای دستیابی به دقتی قابل قبول به میلیون ها مثال تمرینی نیاز است، که این فشار بسیاری را به سرورهای پردازشی خواهد آورد.

خود محققین گوگل هم هنوز به طور دقیق ساز و کار این پلتفرم ترجمه را برای ترجمه دو زبان کاملاً جدید به یکدیگر نمی دانند، چرا که ساختار یادگیری عمیق هوش مصنوعی بسیار پیچیده و درک روش های دستیابی به پاسخ در آنها به شدت دشوار است.

با این حال این محققین توانستند به یک الگوی سه بعدی سه زبانه دست بیابند که الگوهای متنی را در زبان های مختلف نشانه گذاری می کند (تصویر بالا). آنها دریافتند که GNMT می تواند الگوی یکتای جملات با معانی مشابه را از هر سه زبان استخراج نماید. همین همسان یابی میان الگوهاست که هوش مصنوعی گوگل را قادر می سازد زبان میانجی (اینترلینگوا) اختصاصی خود را توسعه داده و عبارات جدید را به یکدیگر ترجمه نماید.

در یک آزمایش، این محققین ۱۲ جفت زبان مختلف را در ابعاد یک جفت یکتا ترکیب کردند. طوری که سیستم همه آن ۱۲ جفت را به عنوان یک جفت زبانی (شامل زبان مبداً و مقصد) تشخیص دهد. در کمال تعجب مشاهده شد که نتیجه ترجمه چنین عبارتی تنها کاهش نسبی دقت بود.

به عبارت دیگر، هوش مصنوعی گوگل این ترکیبات مختلف را به عنوان زبان های مستقل شناسایی نمی کند، بلکه  تنها الگوهایی را می بیند که باید مشابه آنها پیدا شود. پس در واقع گوگل ترنسلیت به این که زبان مقصد و مبداً چه باشد کاری ندارد، بلکه تنها به دنبال الگوهای مشابه می گردد. هرقدر دقت الگوها به واسطه تمرین های مثالی افزایش یافته باشد، دقت ترجمه در آن جفت زبانی نیز بالاتر می رود.

باید در نظر داشت که تمام این پشرفت ها در مدت بسیاری کوتاهی حاصل شده، بنابراین چندان بعید نیست که تا چند سال دیگر، نیاز به هرگونه مترجم انسانی به طور کامل از میان برود.

The post appeared first on .

هوش مصنوعی گوگل می تواند متونی را از زبان های کاملاً جدید ترجمه کند