محور برنامه نویسی جشنواره نوجوان خوارزمی

🕹 شرکت بازی سازی کره‌ای Nexon در حال گسترش حقوق مالکیت فکری بازی محبوب خود به نام MapleStory است و در عین حال در حال توسعه بازی MapleStory N با استفاده از فناوری بلاکچین و ترکیب آن با (NFT) ها و(SDK) می‌باشد. 👉 تلگرام 📷 اینستاگرام 💬 انجمن 📌 منبع

🔴 تاریخچه معاصر هوش مصنوعی -------------- 💟 Instagram: @Frontiers_sci 💟 Twitter:  @Frontiers_sci 🆔 Telegram: @Frontiers_sci

💟 Instagram: @Frontiers_sci 💟 Twitter:  @Frontiers_sci 🆔 Telegram: @Frontiers_sci

⁉️ عوامل کلیدی برای هوش مصنوعی آگاه، که تاکنون در سیستم‌های هوش مصنوعی وجود ندارند، چیست؟ 📚 معرفی مقاله 🔶 این مقاله در مورد هوش مصنوعی آگاه نگاشته شده است. در حال حاضر، هوش مصنوعی بسیار محبوب است، اما آیا می‌توان آن را به گونه‌ای طراحی کرد که از حالت محاسباتی خارج شده و به وجودی آگاه و دارای ذهن، چون انسان تبدیل شود؟ این چالشی است که مقاله درباره آن صحبت می‌کند. 🔶 نویسنده عقیده دارد با توجه به دانش فعلی، هوش مصنوعی آگاه، هنوز وجود ندارد و این موضوع هنوز در حال بحث است. در واقع، آگاهی یکی از مفاهیمی است که به سختی تعریف می‌شود و بسیاری از محققان و فیلسوفان هنوز در مورد آن اختلاف نظر دارند. همچنین، بسیاری از چالش‌های فنی، فلسفی و اخلاقی در مورد ساخت هوش مصنوعی آگاه وجود دارد. نویسنده تلاش میکند چالش‌های پیش روی هوش مصنوعی را از منظر آگاهی توضیح دهد و فهرستی از آن به مخاطب ارائه می‌دهد. لینک مقاله: https://www.psychologytoday.com/us/blog/finding-purpose/202306/what-would-it-take-to-build-sentient-ai -------------- 💟 Instagram: @Frontiers_sci 💟 Twitter:  @Frontiers_sci 🆔 Telegram: @Frontiers_sci

🔴 علوم اعصاب، هوش مصنوعی و ترس‌های ما 📝 معرفی مقاله (2023) 🔸 همانطور که هوش مصنوعی تکامل می‌یابد، تلاقی آن با علوم اعصاب هم ترس و دلهره را برمی‌انگیزد. این ترس‌ها شامل از دست دادن کنترل، حریم خصوصی و ارزش‌های انسانی به دلیل پیشرفت‌هایی است که در AI در حال رخ دادن است. در این مقاله به بررسی این موضوع پرداخته شده است و نحوه مقابله با آن بررسی می‌شود. همچنین مروری بر این صورت می‌گیرد که چگونه علوم اعصاب می‌تواند به ما در درک بهتر این ترس‌ها کمک کند و راهکارهایی برای مقابله با این ترس‌ها ارائه می‌شود. به‌عنوان مثال از برطرف کردن ابهامات در مورد ابعاد انسانی هوش مصنوعی، تأسیس چارچوب اخلاقی برای حفظ حریم خصوصی داده‌ها، و ترویج ایده هوش مصنوعی به عنوان یک همکار نه به عنوان رقیب، مطرح می‌شود. 📌 این مقاله را میتوانید از لینک زیر مطالعه کنید: https://neurosciencenews.com/artificial-intelligence-fear-neuroscience-23519/ -------------- 💟 Instagram: @Frontiers_sci 💟 Twitter:  @Frontiers_sci 🆔 Telegram: @Frontiers_sci

موضوع جلسه پنجم دورهمی: بررسی برنامه نویسی وب 3 و بلاکچین با پایتون + اجرای کد با web3.py ارایه دهنده: رپکسا جمعه9  تیر ساعت 19 در تلگرام: https://t.me/+LSq6yF2NwJFmZGM0 منبع اصلی : https://web3py.readthedocs.io/en/stable/ دورهمی سالیدیتی - اتریوم - بلاک‌چین هر هفته جمعه ساعت ۱۹ تا - ۲۰:۳۰ - نیم ساعت اول ارایه - یک ساعت بحث آزاد در گروه تلگرام سالیدیتی دسته‌بندی دورهمی https://t.me/+b6zQHItwid9mMDE8 #دورهمی_سالیدیتی ________________________________________________ soliditylang_fa|Telegram soliditylang_fa|Twitter soliditylang_fa|Instagram soliditylang_fa|YouTube

کار تقلبی؟ یا کار واقعی؟

🔴 مراحل یادگیری هوش مصنوعی 🔻هوش مصنوعی را می‌توان در سطوح مختلف فراگرفت. 1⃣ در سطحی‌ترین حالت صرفاً کاربر و استفاده‌کننده هوش مصنوعی هستید. 2⃣ در حالت دوم می‌توانید توسعه‌دهندۀ ساده باشید مثل کسی که قطعات LEGO را به هم وصل می‌کند اجزای مختلف یک شبکه عصبی ژرف را به هم متصل کنید تا شبکۀ جدید بسازید بی‌آنکه بدانید با چه منطقی دارید این کار را می‌کنید یا درون هر قطعه چیست. 3⃣ در حالت سوم دانش و بینش عمیقی نسبت به اجزای یک الگوریتم یادگیری ماشین یا شبکه عصبی ژرف دارید، با ریاضیات و پایه‌های الگوریتمی آن به خوبی آشنایید و علاوه بر «چیست» می‌توانید به سؤال «چرا» پاسخ دهید. ⁉️ مثلاً چرا یک لایۀ Convolutional برای تصویر بهتر از یک لایۀ Fully Connected کار می‌کند؟ ⁉️ چرا Transformerها نسبت به RNN عمل‌کرد بهتری در پردازش زبانهای طبیعی دارند؟ ⁉️ چرا در یک Transformer از اتصال Residual استفاده می‌شود؟ 🎯 اگر قصدتان حالت سوم است یعنی می‌خواهید دانش و بینش عمیقی نسبت به هوش مصنوعی داشته باشید و بتوانید آن را توسعه دهید به یک «هرم یادگیری» نیاز دارید. 🔰🔰 «حداقل» درس‌های لازم در این هرم: 🔶 در قاعده هرم، درس‌های پیش‌نیاز قرار می‌گیرند که رسیدن به سطوح بالاتر هرم نیاز به یادگیری آنها دارید. «زبان برنامه‌نویسی پایتون»، «ریاضیات عمومی» رشته‌های فنی دانشگاه در حدی که مشتق، انتگرال و گرادیان را به خوبی بشناسید، «جبرخطی» و «احتمال و آمار»، اصلی‌ترین پایه‌ها هستند. 🔶 تسلط به برنامه‌نویسی ممکن نیست مگر با فهم عمیقی از داده‌ساختارها و الگوریتمها. می‌توانید از درسهای رایگان «داده‌ساختارها و الگوریتمها» و «طراحی و تحلیل الگوریتمها» استفاده کنید. اما برای تسلط به الگوریتمها ضروریست تمرین نظری و عملی فراوانی داشته باشید. 🔶 سپس آماده گذراندن درسهای Machine Learning و Deep Learning هستید. محتوای این درسها بسته به ارائه‌کننده و سال ارائه متفاوت است. 🔶 الگوریتمهای یادگیری ماشین در طول زمان تحول چشم‌گیری داشته‌اند: روشهای کلاسیک نظیر SVM و PCA از چند دهه پیش مورد استفاده قرار می‌گرفتند ولی در دهه اخیر معماری Deep Neural Networks رشد حیرت‌انگیزی کرد و در اکثر مسائل، به خصوص زمانی که داده‌ی کافی وجود دارد، جایگزین روشهای کلاسیک شد. هر دو گروه الگوریتمها را به خوبی فرابگیرید چرا که فهم عمیق روشهای کلاسیک در هنگام یادگیری و توسعه شبکه‌های عصبی ژرف به شما کمک شایانی خواهد کرد. در بعضی از دوره‌های درسی، تمرکز اصلی روی روشهای کلاسیک است ولی دوره‌های جدیدتر روشهای ژرف را هم پوشش می‌دهد. 🔶 سپس می‌توانید به طور تخصصی وارد یکی از حوزه‌های هوش مصنوعی شوید و آن زمینه را ادامه دهید، مثلاً ممکن است بخواهید برای تولید تصویر و ویدئو دوره‌های Stable Diffusion را بگذرانید، یا برای پردازش متن به GPT مسلط شوید، یا برای طراحی دارو از Graph Neural Networks استفاده کنید. 🔴 منابع آموزشی اگر به زبان انگلیسی مسلطید از سایتهای زیر استفاده کنید: Coursera, edX, DeepLearning.ai & fast.ai 💟 Instagram: @Frontiers_sci 💟 Twitter:  @Frontiers_sci 🆔 Telegram: @Frontiers_sci

📌 چکیده سخنرانی پروفسور اتکو کوزه 🔸 از آغاز فعالیت هوش مصنوعی تا قرن ۲۱، این حوزه پیشرفت‌های زیادی داشته است. امروزه، به لطف سامانه‌های مبتنی بر پیشرفت‌های هوش مصنوعی، بسیاری از مسائل با نرخ موفقیت بالا حل می‌شوند. با این حال، کاربردهای موفق هوش مصنوعی در حال حاضر، با اظهارات انتزاعی بشری تعامل دارند. 🔸 به عنوان مثال، آخرین بحث‌ها حول هوش مصنوعی مولد و اینکه هوش مصنوعی مولد نه تنها بر پیشرفت‌های فناورانه بلکه بر ارزش‌های وجودی بشریت نیز اثر گذارند. این موضوع نویدبخش پتانسیل بالای نسخه‌های پیشرفته‌تر هوش مصنوعی در آینده است. 🔸 اگرچه سطح فعلی هوش مصنوعی، هوش مصنوعی محدود نامیده می‌شود، اما مفاهیم جدیدی نیز برای تعریف نسخه‌های پیشرفته‌تر هوش مصنوعی تا دهه‌ی ۲۰۴۰ و بعد از آن وجود دارد. پس از هوش مصنوعی عمومی، که تصور می‌شود قادر به حل پیچیده‌ترین وظایف مرتبط با انسان است، مفهوم ابرهوش مصنوعی (Artificial Superintelligence) این پتانسیل را دارد که یک خطر وجودی برای بشریت باشد. امروزه بحث‌های زیادی در مورد سطح فعلی کاربردهای پیشرفته هوش مصنوعی وجود دارد. 🔸 اگرچه اینها از سطح مورد تصور برای ابرهوش مصنوعی دور هستند، اما همچنان بحث در مورد نشانه های فعلی، بسیار حیاتی است. این سخنرانی به مفهوم ابرهوش مصنوعی می‌پردازد و بحثی کلی در مورد پیشرفت‌های کنونی ارائه می‌دهد که برای کمک به ظهور ابرهوش مصنوعی در آینده مهم هستند. این سخنرانی برای دریافت ایده‌های مخاطبان باز است تا بتوان در مورد خطرات وجودی ابرهوش مصنوعی یک طوفان فکری گسترده داشت. 📱شبکه‌های اجتماعی: 💟 Instagram: @Frontiers_sci 💟 Twitter:  @Frontiers_sci 🆔 Telegram: @Frontiers_sci