Tagمصنوعی کند

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

هوش مصنوعی DeepMind حالا با دقت بیشتری نسبت به انسان ها لب خوانی می کند

هوش مصنوعی DeepMind حالا با دقت بیشتری نسبت به انسان ها لب خوانی می کند

هوش مصنوعی DeepMind گوگل اخیراً مهارت کارآمد تازه ای آموخته و بعد از تماشای هزاران ساعت از برنامه های مناظرات سیاسی، حالا با دقت بیشتری نسبت به انسان ها قادر به لب خوانی است.

محققان DeepMind گوگل در همکاری با دانشگاه آکسفورد توانسته اند الگوریتم یادگیری ماشینی تازه ای برای تشخیص کلمات و جملات تدارک ببیند که صرفاً با تماشای تلویزیون عمل می کند. بعد از تماشای بیش از 5000 ساعت از برنامه های تلویزیونی مختلف، هوش مصنوعی گوگل حالا می تواند با دقت 46.8 درصدی، کلمات انسان ها را تشخیص دهد.

در همین حال، بیشترین رکورد دقت در لب خوانی، به شخصی حرفه ای در این زمینه تعلق دارد که می تواند با دقت 12.4 درصدی سخنان افراد را تشخیص دهد. گفتنی است که چندی پیش، پروژه لب خوانی آکسفورد، یعنی LipNet توانست آزمایش را با دقتی بیشتر از 90 درصد به پایان برساند.

با این همه، پروژه LipNet صرفاً براساس عبارات از پیش تعیین شده و محدود مورد آزمایش قرار گرفته بود و DeepMind در شرایط جهان واقعی آزمایش شده است. این بدان معناست که سیستم گوگل هنگامی که برای استفاده عمومی در آینده نزدیک آماده شود، کاربردی تر خواهد بود.

The post appeared first on .

هوش مصنوعی DeepMind حالا با دقت بیشتری نسبت به انسان ها لب خوانی می کند

هوش مصنوعی گوگل به دور از چشم انسان پیام های رمزی رد و بدل می کند

هوش مصنوعی گوگل به دور از چشم انسان پیام های رمزی رد و بدل می کند

محققین پروژه یادگیری عمیق Google Brain قابلیت بسیار خارق العاده و البته خطرناکی را به هوش مصنوعی آموخته اند: رمزنگاری مبتنی بر AI و بدون دخالت انسان. پژوهشگران این مرکز تحقیقاتی به سه شبکه عصبی مصنوعی با نام های Alice و Bob و Eve اجازه دادند یادداشت هایی را با روش رمزنگاری ساخت خودشان، بین یکدیگر رد و بدل نمایند.

طبق گزارش New Scientist تیم مورد بحث برای هرکدام از AIها وظیفه ای را تعیین کردند: آلیس باید پیامی رمزی را ارسال می کرد که فقط باب قادر به خواندن آن بود، و Eve در این میان باید تلاش می کرد تا متن را رمزگشایی کند.

آزمایش با پیامی متنی و ساده شروع شد، که آلیس آن را به عبارات نامفهومی تبدیل کرد، و باب توانست آن را با استفاده از کلید مربوطه رمزگشایی کند. در آغاز، آلیس و باب در پنهان کردن پیام با مشکل مواجه بودند، اما پس از 15 هزار مرتبه تلاش، بالاخره توانستند راهکار رمزنگاری ویژه ای را بیابند.

در این حالت، آلیس از روش مخصوصی بهره گرفت و باب نیز به راحتی توانست نحوه رمزگشایی آن را متوجه شود، اما Eve از این فرایند کاملاً بی خبر ماند و فقط توانست نیمی از 16 بیت داده را به درستی حدس بزند، که به نظر می رسد آن هم کاملاً تصادفی بوده.

البته با توجه به اینکه سه هویت هوش مصنوعی مورد استفاده در این پروژه به صورت انسانی مورد خطاب قرار گرفته اند، شاید تصور کنید با عملیات ساده ای روبرو هستیم، اما در واقع حتی محققین نیز نمی دانند چه روش رمزنگاری توسط آلیس استفاده شده، و باب چگونه از نحوه رمزگشایی آن اطلاع یافته.

گفتنی است هنوز کاربرد عملی این آزمایش مشخص نیست، اما به هر حال باید کمی نگران بود، و با توجه به توسعه ابزارهای یادگیری عمیق اُپن-سورس همچون «جعبه ابزار شناختی» مایکروسافت، بعید نیست که AI ها در سرتاسر جهان با یکدیگر متحد شوند و ما هیچ روشی برای آگاهی از گفتگوی سرّی مابین آنها در اختیار نداشته باشیم.

The post appeared first on .

هوش مصنوعی گوگل به دور از چشم انسان پیام های رمزی رد و بدل می کند

محققین پروژه یادگیری عمیق Google Brain قابلیت بسیار خارق العاده و البته خطرناکی را به هوش مصنوعی آموخته اند: رمزنگاری مبتنی بر AI و بدون دخالت انسان. پژوهشگران این مرکز تحقیقاتی به سه شبکه عصبی مصنوعی با نام های Alice و Bob و Eve اجازه دادند یادداشت هایی را با روش رمزنگاری ساخت خودشان، بین یکدیگر رد و بدل نمایند.

طبق گزارش New Scientist تیم مورد بحث برای هرکدام از AIها وظیفه ای را تعیین کردند: آلیس باید پیامی رمزی را ارسال می کرد که فقط باب قادر به خواندن آن بود، و Eve در این میان باید تلاش می کرد تا متن را رمزگشایی کند.

آزمایش با پیامی متنی و ساده شروع شد، که آلیس آن را به عبارات نامفهومی تبدیل کرد، و باب توانست آن را با استفاده از کلید مربوطه رمزگشایی کند. در آغاز، آلیس و باب در پنهان کردن پیام با مشکل مواجه بودند، اما پس از 15 هزار مرتبه تلاش، بالاخره توانستند راهکار رمزنگاری ویژه ای را بیابند.

در این حالت، آلیس از روش مخصوصی بهره گرفت و باب نیز به راحتی توانست نحوه رمزگشایی آن را متوجه شود، اما Eve از این فرایند کاملاً بی خبر ماند و فقط توانست نیمی از 16 بیت داده را به درستی حدس بزند، که به نظر می رسد آن هم کاملاً تصادفی بوده.

البته با توجه به اینکه سه هویت هوش مصنوعی مورد استفاده در این پروژه به صورت انسانی مورد خطاب قرار گرفته اند، شاید تصور کنید با عملیات ساده ای روبرو هستیم، اما در واقع حتی محققین نیز نمی دانند چه روش رمزنگاری توسط آلیس استفاده شده، و باب چگونه از نحوه رمزگشایی آن اطلاع یافته.

گفتنی است هنوز کاربرد عملی این آزمایش مشخص نیست، اما به هر حال باید کمی نگران بود، و با توجه به توسعه ابزارهای یادگیری عمیق اُپن-سورس همچون «جعبه ابزار شناختی» مایکروسافت، بعید نیست که AI ها در سرتاسر جهان با یکدیگر متحد شوند و ما هیچ روشی برای آگاهی از گفتگوی سرّی مابین آنها در اختیار نداشته باشیم.

The post appeared first on .

هوش مصنوعی گوگل به دور از چشم انسان پیام های رمزی رد و بدل می کند

هوش مصنوعی تازه گوگل که می تواند کلام انسان را به شیوه ای واقعی تقلید کند

هوش مصنوعی تازه گوگل که می تواند کلام انسان را به شیوه ای واقعی تقلید کند

این روزها تمایز کلام انسان و برنامه های تبدیل متن به صدا آنقدر هست که بشود آنها را به راحتی از یکدیگر تشخیص داد، با این همه، به لطف هوش مصنوعی تازه گوگل به نام WaveNet که اخیرا توسط تیم دیپ مایند آن توسعه یافته، ممکن است عاقبت روزی فرا برسد که تشخیص این امر برایتان دشوار شود.

همانطور که احتمالا در جریان هستید، این تیم در زمینه توسعه شبکه های عصبی برای خود اسم و رسمی دارد و چندی پیش هم با خلق AlphaGo و شکست یکی از بهترین بازیکنان بازی Go، نام خود را در سرخط خبرهای روز قرار داد.

اما در باب برنامه های تبدیل متن به کلام هم باید بگوییم که هم اکنون توسعه دهندگان از دو شیوه مختلف برای این منظور استفاده می کنند؛ در یکی، آنها مجموعه عظیمی از کلمات و اجزای زبانی به کار رونده توسط یک انسان را مورد استفاده قرار می دهند [که البته در این شیوه، دستکاری آهنگ و صداها بسیار دشوار خواهد بود] و در دیگری، واژگان بسته به اینکه قرار است چه صدایی را تولید کنند به صورت الکترونیکی شکل داده می شوند. این پروسه البته دشواری چندانی ندارد اما نتیجه کار معمولا شکلی رباتیک دارد.

حالا تیم دیپ مایند برای تولید برنامه ای که کلام را به شیوه انسان گونه ایجاد کند، اشکال مربوط به امواج صوتی خام ضبط شده از متکلمان انسانی را دریافت و در اختیار شبکه عصبی خود قرار داده اند.

اشکال امواج صوتی (Waveform) نیز در اصل معرف های بصری از اشکالی هستند که صداها به خود می گیرند و حتما تا به حال روی نمایشگر برخی دستگاه های پخش موسیقی نمونه شان را دیده اید. با در نظر داشتن آنچه گفته شد، WaveNet با شکل دادن به امواج صوتی صحبت می کند.

حال اگر از این هوش مصنوعی به عنوان یک برنامه تبدیل متن به کلام استفاده شود، متنی که در داخل واج ها و هجاها تایپ می کنید را تغییر داده و سپس نتیجه را ادا می کند. گفتنی است سوژه های مشارکت کننده در این آزمایشان بر این باور بودند که نتایج به دست آمده از WaveNet نسبت به روش های دیگر شکلی انسانی تر داشته اند.

دیپ مایند هم در مطلبی که برای معرفی دستاورد تازه اش منتشر کرد اعلام نمود هوش مصنوعی آن قادر است «اختلاف میان پیشرفته ترین فناوری های ارائه شده برای این منظور و همچنین عملکرد انسانی را تا 50 درصد کاهش دهد».

The post appeared first on .

هوش مصنوعی تازه گوگل که می تواند کلام انسان را به شیوه ای واقعی تقلید کند

این روزها تمایز کلام انسان و برنامه های تبدیل متن به صدا آنقدر هست که بشود آنها را به راحتی از یکدیگر تشخیص داد، با این همه، به لطف هوش مصنوعی تازه گوگل به نام WaveNet که اخیرا توسط تیم دیپ مایند آن توسعه یافته، ممکن است عاقبت روزی فرا برسد که تشخیص این امر برایتان دشوار شود.

همانطور که احتمالا در جریان هستید، این تیم در زمینه توسعه شبکه های عصبی برای خود اسم و رسمی دارد و چندی پیش هم با خلق AlphaGo و شکست یکی از بهترین بازیکنان بازی Go، نام خود را در سرخط خبرهای روز قرار داد.

اما در باب برنامه های تبدیل متن به کلام هم باید بگوییم که هم اکنون توسعه دهندگان از دو شیوه مختلف برای این منظور استفاده می کنند؛ در یکی، آنها مجموعه عظیمی از کلمات و اجزای زبانی به کار رونده توسط یک انسان را مورد استفاده قرار می دهند [که البته در این شیوه، دستکاری آهنگ و صداها بسیار دشوار خواهد بود] و در دیگری، واژگان بسته به اینکه قرار است چه صدایی را تولید کنند به صورت الکترونیکی شکل داده می شوند. این پروسه البته دشواری چندانی ندارد اما نتیجه کار معمولا شکلی رباتیک دارد.

حالا تیم دیپ مایند برای تولید برنامه ای که کلام را به شیوه انسان گونه ایجاد کند، اشکال مربوط به امواج صوتی خام ضبط شده از متکلمان انسانی را دریافت و در اختیار شبکه عصبی خود قرار داده اند.

اشکال امواج صوتی (Waveform) نیز در اصل معرف های بصری از اشکالی هستند که صداها به خود می گیرند و حتما تا به حال روی نمایشگر برخی دستگاه های پخش موسیقی نمونه شان را دیده اید. با در نظر داشتن آنچه گفته شد، WaveNet با شکل دادن به امواج صوتی صحبت می کند.

حال اگر از این هوش مصنوعی به عنوان یک برنامه تبدیل متن به کلام استفاده شود، متنی که در داخل واج ها و هجاها تایپ می کنید را تغییر داده و سپس نتیجه را ادا می کند. گفتنی است سوژه های مشارکت کننده در این آزمایشان بر این باور بودند که نتایج به دست آمده از WaveNet نسبت به روش های دیگر شکلی انسانی تر داشته اند.

دیپ مایند هم در مطلبی که برای معرفی دستاورد تازه اش منتشر کرد اعلام نمود هوش مصنوعی آن قادر است «اختلاف میان پیشرفته ترین فناوری های ارائه شده برای این منظور و همچنین عملکرد انسانی را تا 50 درصد کاهش دهد».

The post appeared first on .

هوش مصنوعی تازه گوگل که می تواند کلام انسان را به شیوه ای واقعی تقلید کند

هوش مصنوعی IBM قادر است واکنش ما به آب و هوا را نیز پیش بینی کند

هوش مصنوعی IBM قادر است واکنش ما به آب و هوا را نیز پیش بینی کند

بر اساس نظریه ی «اثر پروانه ای»، پیش بینی آب و هوا ماهیتاً کار دشواری است. اما IBM اعتقاد دارد اگر هوش رایانشی و داده های بیشتری به کار گرفته شوند، حداقل باید بتوان کیفیت پیش بینی آب و هوا را بهبود بخشید. Big Blue سعی دارد الگوهای آب و هوایی منطقه ای خود را با الگوهای جهانی «شرکت پیش بینی آب و هوا» ادغام و Deep Thunder را خلق کند. دیپ تاندر بهترین سیستم پیش بینی آب و هوا نامیده شده است. این شرکت برای تحلیل تمام این داده ها، در حال ساخت الگوریتم های جدید یادگیری عمیق و آموزش آنها برای استفاده از چندین پتابایت داده ی تاریخی است.

IBM علاوه بر پیش بینی آب و هوا، با مرتبط کردن داده های دیگر به وضعیت جوی، به کمک کسب و کار ها خواهد شتافت. این شرکت با پیش بینی آب و هوا با دقت ۰.۲ تا ۱.۲ مایل، قادر است با دقیق ترین جزئيات به شرکت ها اطلاع دهد وضعیت آب و هوایی چه تأثیری روی مواردی نظیر رفتار خرید مشتریان خواهد گذاشت، تا به این ترتیب شرکت ها بتوانند محصولات خود را به نحو مقتضی انبار و بازاریابی کنند.

شرکت های برق و تلفن نیز می تواند از این داده ها برای پیش بینی آسیب دیدگی های احتمالی خطوط انتقال خود بر اثر طوفان استفاده کنند، تا بتوانند بر اساس پیش بینی های خود اقدامات لازم را به عمل بیاورند.

اگر تا الان تصور می کردید به اندازه ی کافی تحت نظر نیستید باید گفت «پیش بینی کسب و کاری»، به شرکت ها کمک می کند رفتار ما را بهتر از هر زمان دیگری بسنجند. اما بهبود پیش بینی آب و هوا به طور اخص به دلیل تغییرات آب و هوایی تازه ای که در کره ی ما روی می دهد، می تواند بسیار مفید واقع شود. مری گلاکین از «شرکت پیش بینی آب و هوا» می گوید: «این الگوی ترکیبی جدید، پلتفرم ایده آلی برای درک آثار آب و هوا برای هر نوع کاربرد کسب و کاری و صنعتی در اختیار ما قرار می دهد».

The post appeared first on .

هوش مصنوعی IBM قادر است واکنش ما به آب و هوا را نیز پیش بینی کند

بر اساس نظریه ی «اثر پروانه ای»، پیش بینی آب و هوا ماهیتاً کار دشواری است. اما IBM اعتقاد دارد اگر هوش رایانشی و داده های بیشتری به کار گرفته شوند، حداقل باید بتوان کیفیت پیش بینی آب و هوا را بهبود بخشید. Big Blue سعی دارد الگوهای آب و هوایی منطقه ای خود را با الگوهای جهانی «شرکت پیش بینی آب و هوا» ادغام و Deep Thunder را خلق کند. دیپ تاندر بهترین سیستم پیش بینی آب و هوا نامیده شده است. این شرکت برای تحلیل تمام این داده ها، در حال ساخت الگوریتم های جدید یادگیری عمیق و آموزش آنها برای استفاده از چندین پتابایت داده ی تاریخی است.

IBM علاوه بر پیش بینی آب و هوا، با مرتبط کردن داده های دیگر به وضعیت جوی، به کمک کسب و کار ها خواهد شتافت. این شرکت با پیش بینی آب و هوا با دقت ۰.۲ تا ۱.۲ مایل، قادر است با دقیق ترین جزئيات به شرکت ها اطلاع دهد وضعیت آب و هوایی چه تأثیری روی مواردی نظیر رفتار خرید مشتریان خواهد گذاشت، تا به این ترتیب شرکت ها بتوانند محصولات خود را به نحو مقتضی انبار و بازاریابی کنند.

شرکت های برق و تلفن نیز می تواند از این داده ها برای پیش بینی آسیب دیدگی های احتمالی خطوط انتقال خود بر اثر طوفان استفاده کنند، تا بتوانند بر اساس پیش بینی های خود اقدامات لازم را به عمل بیاورند.

اگر تا الان تصور می کردید به اندازه ی کافی تحت نظر نیستید باید گفت «پیش بینی کسب و کاری»، به شرکت ها کمک می کند رفتار ما را بهتر از هر زمان دیگری بسنجند. اما بهبود پیش بینی آب و هوا به طور اخص به دلیل تغییرات آب و هوایی تازه ای که در کره ی ما روی می دهد، می تواند بسیار مفید واقع شود. مری گلاکین از «شرکت پیش بینی آب و هوا» می گوید: «این الگوی ترکیبی جدید، پلتفرم ایده آلی برای درک آثار آب و هوا برای هر نوع کاربرد کسب و کاری و صنعتی در اختیار ما قرار می دهد».

The post appeared first on .

هوش مصنوعی IBM قادر است واکنش ما به آب و هوا را نیز پیش بینی کند