سونی هندی‌کم 4K خود را با بزرگنمایی 20 برابر معرفی کرد
کمپانی Ricoh دوربین 360 درجه جدید Theta S را در ایفا معرفی کرد
بررسی اسپیکر Z623 لاجیتک
اینتل تا سال ۲۰۱۹ حافظه‌ SSD با ظرفیت ۱۰۰ ترابایت روانه ...

مقدمه ای بر آتوماتای یادگیر

فرآيند يادگيري موجودات زنده يكي از موضوعات تحقيقاتي جديد بشمار مي‌آيد. اين تحقيقات به دو دسته كلي تقسيم مي‌شوند. دسته نخست به شناخت اصول يادگيري موجودات زنده و مراحل آن مي‌پردازند و دسته دوم بدنبال ارائه يك متدولوژي براي قرار دادن اين اصول در يك ماشين مي‌باشند. يادگيري بصورت تغييرات ايجادشده در كارايي يك سيستم بر اساس تجربه‌هاي گذشته تعريف مي‌شود. يك ويژگي مهم سيستمهاي يادگير، توانايي بهبود كارايي خود با گذشت زمان است. به بيان رياضي مي‌توان اينطور عنوان كرد كه هدف يك سيستم يادگير بهينه‌سازي وظيفه‌اي است كه كاملا شناخته شده نيست. بنابراين يك رويكرد به اين مساله، كاهش اهداف سيستم يادگير به يك مساله بهينه‌سازي است كه بر روي مجموعه‌اي از پارامترها تعريف مي‌شود و هدف آن پيدا كردن مجموعه پارامترهاي بهينه مي‌باشد.

 

هوش مصنوعی مثل هميشه پيچيده‌ است

در سال 1996، چند تن از پژوهش‌گران دانشگاه ام‌آی‌تی فکر کردند می‌توانند بينایی کامپيوتری را در خلال يک پروژه تابستانی (موسوم به Summer of Vision) به نتيجه برسانند و اصلاً شايد کامل کردن اين پروژه را به چند دانشجوی باهوش بسپارند. از آن سال تاکنون همه دنيا روی اين مسئله کار می‌کند. بينایی کامپيوتری حيطه‌ای است که در آن کامپيوترها نيز می‌توانند اشيا را همان‌گونه تشخيص دهند که انسان‌ها شناسایی می‌کنند. مثلاً «آن يک درخت است.»، «او کارلوس است.» و مانند اين‌ها. اين يکی از چند کاری است که انتظار داريم هوش مصنوعی تعميم‌يافته (Generalized Artificial Intelligence) از پس‌ آن برآيد تا درنتيجه، ماشين‌ها بتوانند مانند انسان‌ها کار و استدلال کنند.