هدف فقط پیدا کردن یک الگو نیست؛ بلکه باید مطمئن شویم آن الگو واقعاً حامل اطلاعات است و حاصل خطای محاسباتی یا نویز تصادفی نیست.
نتیجهگیری؛ از آشفتگی تا کشف الگو
یکی از تواناییهای شگفتانگیز علم داده، استخراج اطلاعات ارزشمند از دادههایی است که در نگاه اول بینظم و غیرقابلاستفاده به نظر میرسند.
در این مسیر، ریاضیات ابزار تحلیل سیگنال را فراهم میکند، آمار به سنجش عدمقطعیت کمک میکند، علوم کامپیوتر الگوریتمهای پردازش را توسعه میدهد و هوش مصنوعی میتواند الگوهای پیچیده را از دادهها بیاموزد.
شاید جذابترین بخش ماجرا این باشد که گاهی یک سیگنال بسیار ضعیف، در میان میلیونها داده و حجم زیادی از نویز پنهان شده است؛ اما همان سیگنال کوچک میتواند اطلاعاتی ارزشمند درباره قلب انسان، ساختار زمین یا حتی رویدادهای دوردست کیهانی در اختیار ما قرار دهد.
گردآورنده: زهرا سجادیان
ارتباط با روابط عمومی انجمن :
@Alzahra_DataAnalysis
انجمن ما را در پیام رسان های زیر دنبال کنید :
Bale | Telegram | Instagram | Aparat
❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅
پیامرسان ایتا و بله:
️ @alzahra_cultural
https://farhangi.alzahra.ac.ir/
نتیجهگیری؛ از آشفتگی تا کشف الگو
یکی از تواناییهای شگفتانگیز علم داده، استخراج اطلاعات ارزشمند از دادههایی است که در نگاه اول بینظم و غیرقابلاستفاده به نظر میرسند.
در این مسیر، ریاضیات ابزار تحلیل سیگنال را فراهم میکند، آمار به سنجش عدمقطعیت کمک میکند، علوم کامپیوتر الگوریتمهای پردازش را توسعه میدهد و هوش مصنوعی میتواند الگوهای پیچیده را از دادهها بیاموزد.
شاید جذابترین بخش ماجرا این باشد که گاهی یک سیگنال بسیار ضعیف، در میان میلیونها داده و حجم زیادی از نویز پنهان شده است؛ اما همان سیگنال کوچک میتواند اطلاعاتی ارزشمند درباره قلب انسان، ساختار زمین یا حتی رویدادهای دوردست کیهانی در اختیار ما قرار دهد.
Bale | Telegram | Instagram | Aparat
❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅
پیامرسان ایتا و بله:
۷۴
۱۷:۵۱
احتمالاً ویدئوی معروف ویل اسمیت در حال خوردن ماکارونی رو دیدهاید؛ ویدئویی که در آن دستها، صورت و حتی خود ماکارونی انگار هیچ ارتباط منطقیای با هم ندارند!
شاید آن زمان دیدن چنین ویدئویی بیشتر خندهدار بود تا شگفتانگیز؛ اما حالا مدلهای هوش مصنوعی میتوانند تصاویری تولید کنند که تشخیص آنها از عکسهای واقعی گاهی واقعاً دشوار است.
۶۰
۱۲:۴۹
چه اتفاقی افتاد که هوش مصنوعی در چند سال اینقدر پیشرفت کرد؟ اصلاً وقتی از آن میخواهیم تصویری از «یک گربه فضانورد روی ماه» بسازد، دقیقاً چه کاری انجام میدهد؟
بیایید کمی به پشت صحنه این فناوری سرک بکشیم.
بیایید کمی به پشت صحنه این فناوری سرک بکشیم.
۴۵
۱۲:۴۹
یکی از مهمترین روشهای تولید تصویر در هوش مصنوعی، استفاده از مدلهایی به نام Diffusion Models یا مدلهای انتشار است.
برای فهمیدن ایده این مدلها، یک تصویر واضح را تصور کنید. اگر بارها و بارها نویز تصادفی به آن اضافه کنیم، تصویر بهتدریج محو میشود تا جایی که دیگر چیزی جز مجموعهای از نقاط تصادفی باقی نمیماند.
مدل انتشار در مرحله آموزش، یاد میگیرد که این فرایند را برعکس انجام دهد؛ یعنی چطور از یک تصویر پر از نویز، به تصویری واضح و منسجم برسد.
اما هنگام تولید تصویر چه اتفاقی میافتد؟
پس برخلاف تصور رایج، مدل لزوماً یک عکس آماده را از اینترنت پیدا نمیکند و تغییر نمیدهد؛ بلکه از الگوهایی که در فرایند آموزش یاد گرفته، برای ساخت یک تصویر جدید استفاده میکند.
البته این فقط یکی از روشهای تولید تصویر است و همه مدلهای امروزی دقیقاً از معماری انتشار استفاده نمیکنند.
اگر تصاویر تولیدشده در سالهای ۲۰۲۲ و ۲۰۲۳ را به خاطر داشته باشید، احتمالاً دستهای عجیب، انگشتهای اضافه، چهرههای نامتقارن و نوشتههای ناخوانا را هم فراموش نکردهاید!
اما امروز شرایط کاملاً متفاوت است. چند عامل مهم در این پیشرفت نقش داشتهاند:
مدلها با مجموعههای بسیار بزرگی از تصاویر و توضیحات متنی آموزش میبینند. هرچه این دادهها متنوعتر و باکیفیتتر باشند، مدل فرصت بیشتری برای یادگیری الگوهای بصری و ارتباط میان مفاهیم پیدا میکند.
توسعه شبکههای عصبی و معماریهایی مثل Transformer به مدلها کمک کرده تا ارتباط میان بخشهای مختلف یک تصویر و متن را بهتر پردازش کنند.
برای مثال، فقط تشخیص کلمات «مرد»، «ماشین» و «خیابان» کافی نیست؛ مدل باید متوجه شود کدام ویژگی متعلق به کدام شیء است و اشیا چه رابطهای با یکدیگر دارند.
مدلهای جدید در پیروی از دستورهای پیچیده عملکرد بهتری دارند.
مثلاً بین این دو درخواست تفاوت زیادی وجود دارد:
- یک مرد کنار یک ماشین قرمز.- یک مرد با لباس آبی کنار ماشینی قرمز که در خیابانی بارانی پارک شده است.
مدلهای جدید بهتر میتوانند جزئیات و ارتباط میان اجزای چنین توصیفهایی را در خروجی منعکس کنند.
فقط آموزش اولیه کافی نیست. مدلها با روشهای تکمیلی و ارزیابی خروجیها بهبود پیدا میکنند تا تصاویر دقیقتر و هماهنگتری بسازند.
یکی دیگر از تغییرات مهم، امکان تعامل با تصویر تولیدشده است.
حالا میتوانیم بهجای شروع دوباره، از مدل بخواهیم نور تصویر را تغییر دهد، پسزمینه را اصلاح کند یا یک شیء جدید به آن اضافه کند.
به این ترتیب، تولید تصویر از یک دستور و یک خروجی ساده، به فرایندی تعاملی تبدیل شده است.
برگردیم به همان ویدئوی معروف!
در سال ۲۰۲۳، ویدئویی از ویل اسمیت در حال خوردن ماکارونی با استفاده از یک مدل اولیه تولید ویدئو منتشر شد.
نتیجه عجیب بود: چهره مدام تغییر میکرد، دستها شکل طبیعی نداشتند و ماکارونی در برخورد با صورت و دهان به شکلی غیرمنطقی حرکت میکرد!
این ویدئو خیلی زود در اینترنت وایرال شد و به یکی از نمونههای معروف محدودیتهای مدلهای اولیه تولید ویدئو تبدیل شد.
۵۴
۱۲:۵۰
پاسخ چت جی پی تی رایگان وقتی ازش بخواید قدرت تصویرسازی فعلیش از ویل اسمیت در حال خوردن ماکارونی رو با ۲۰۲۳ داخل یک تصویر به شما نشون بده:
۵۲
۱۲:۵۱
اما چرا این مثال تا این حد جالب بود؟
چون تولید یک تصویر ثابت با تولید یک ویدئو تفاوت اساسی دارد.
در یک تصویر، مدل باید اجزای مختلف را در یک لحظه کنار هم قرار دهد؛ اما در ویدئو، علاوه بر ظاهر اشیا، باید حرکت و پیوستگی زمانی را هم حفظ کند.
مثلاً:
- چهره یک فرد باید در فریمهای مختلف ثابت بماند.
- دستها نباید ناگهان تغییر شکل دهند.
- اشیا باید در طول حرکت، ویژگیهای ظاهری خود را حفظ کنند.
- حرکات دست، دهان و سایر اجزای صحنه باید با یکدیگر هماهنگ باشند.
در فوریه ۲۰۲۴، ویل اسمیت هم با انتشار یک ویدئوی طنز، این ماجرا را دست انداخت و خودش را در حال خوردن ماکارونی نشان داد!
از آن زمان، عبارت «Will Smith eating spaghetti» به یک آزمون غیررسمی و سرگرمکننده برای مقایسه پیشرفت مدلهای تولید ویدئو تبدیل شد.
۴. در نهایت، چه چیزی باعث این پیشرفت شد؟
واقعیت این است که پیشرفت هوش مصنوعی مولد نتیجه یک عامل واحد نیست؛ بلکه حاصل کنار هم قرار گرفتن چند پیشرفت علمی و فنی است:
الگوریتمهای یادگیری بهتر
معماریهای پیشرفتهتر شبکههای عصبی
دادههای آموزشی گستردهتر و باکیفیتتر
روشهای بهینهتر آموزش و ارزیابی
پیشرفت در مدلسازی حرکت و پیوستگی زمانی
نکته جالب اینجاست که ما با فناوریای روبهرو هستیم که فقط برای ساخت تصاویر زیبا استفاده نمیشود؛ بلکه میتواند شیوه تولید محتوا، طراحی، تبلیغات، آموزش و حتی صنعت سینما را تغییر دهد.
حالا یک سؤال:
اگر در سال ۲۰۲۳ دیدن یک ویل اسمیت عجیب در حال خوردن ماکارونی برایمان خندهدار بود، به نظرتان چند سال دیگر چه قابلیتهایی از هوش مصنوعی خواهیم دید که امروز حتی تصورشان هم برایمان سخت است؟
شما چه آیندهای برای تولید تصویر و ویدئو با هوش مصنوعی پیشبینی میکنید؟
گردآورنده: نسیم نجیمی
ارتباط با روابط عمومی انجمن :
@Alzahra_DataAnalysis
انجمن ما را در پیام رسان های زیر دنبال کنید :
Bale | Telegram | Instagram | Aparat
❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅
پیامرسان ایتا و بله:
️ @alzahra_cultural
https://farhangi.alzahra.ac.ir/
چون تولید یک تصویر ثابت با تولید یک ویدئو تفاوت اساسی دارد.
در یک تصویر، مدل باید اجزای مختلف را در یک لحظه کنار هم قرار دهد؛ اما در ویدئو، علاوه بر ظاهر اشیا، باید حرکت و پیوستگی زمانی را هم حفظ کند.
مثلاً:
- چهره یک فرد باید در فریمهای مختلف ثابت بماند.
- دستها نباید ناگهان تغییر شکل دهند.
- اشیا باید در طول حرکت، ویژگیهای ظاهری خود را حفظ کنند.
- حرکات دست، دهان و سایر اجزای صحنه باید با یکدیگر هماهنگ باشند.
در فوریه ۲۰۲۴، ویل اسمیت هم با انتشار یک ویدئوی طنز، این ماجرا را دست انداخت و خودش را در حال خوردن ماکارونی نشان داد!
از آن زمان، عبارت «Will Smith eating spaghetti» به یک آزمون غیررسمی و سرگرمکننده برای مقایسه پیشرفت مدلهای تولید ویدئو تبدیل شد.
واقعیت این است که پیشرفت هوش مصنوعی مولد نتیجه یک عامل واحد نیست؛ بلکه حاصل کنار هم قرار گرفتن چند پیشرفت علمی و فنی است:
نکته جالب اینجاست که ما با فناوریای روبهرو هستیم که فقط برای ساخت تصاویر زیبا استفاده نمیشود؛ بلکه میتواند شیوه تولید محتوا، طراحی، تبلیغات، آموزش و حتی صنعت سینما را تغییر دهد.
اگر در سال ۲۰۲۳ دیدن یک ویل اسمیت عجیب در حال خوردن ماکارونی برایمان خندهدار بود، به نظرتان چند سال دیگر چه قابلیتهایی از هوش مصنوعی خواهیم دید که امروز حتی تصورشان هم برایمان سخت است؟
شما چه آیندهای برای تولید تصویر و ویدئو با هوش مصنوعی پیشبینی میکنید؟
Bale | Telegram | Instagram | Aparat
❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅
پیامرسان ایتا و بله:
۱۱۹
۱۲:۵۲
بازارسال شده از انجمن رباتیک و مکاترونیک دانشگاه الزهرا (س)
┄┄┅┅┅
⃟ ┅┅┅┄┄انجمن رباتیک و مکاترونیک معاونت فرهنگی و اجتماعی دانشگاه الزهرا(س) با همکاری سایر انجمنها برگزار می کند:
#کارگاه ساخت Userform در اکسل
کارگاه شماره ۹ از رویداد آموزشی اکسلآیا به دنبال طراحی فرمهای ورود اطلاعات حرفهای و ساخت محیطهای کاری ساده و کاربردی در اکسل هستید؟ این دوره برای شماست.
مدرس: مهندس علیرضا نوربخش (کارشناسی ارشد مهندسی برق گرایش قدرت دانشگاه شیراز، با تجربه تدریس تخصصی انواع نرمافزارها)
زمان: ۲۱ آبان ماه
ساعت: ۱۰ الی ۱۲
هزینه سرمایهگذاری:
هزینه هر کارگاه: ۱۲۰ هزار تومان
هزینه کل رویداد: ۷۴۹ هزار تومان
برای ثبتنام و کسب اطلاعات بیشتر به آیدی زیر در تلگرام پیامدهید:@roboticsALZ
❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅پیامرسان ایتا و بله:
️ @alzahra_cultural
https://farhangi.alzahra.ac.ir/======================================انجمن رباتیک و مکاترونیک را در صفحات مجازی زیر دنبال کنید :تلگرام | بله| اینستاگرام
#کارگاه ساخت Userform در اکسل
کارگاه شماره ۹ از رویداد آموزشی اکسلآیا به دنبال طراحی فرمهای ورود اطلاعات حرفهای و ساخت محیطهای کاری ساده و کاربردی در اکسل هستید؟ این دوره برای شماست.
❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅پیامرسان ایتا و بله:
۲
۲۰:۰۳
بازارسال شده از انجمن رباتیک و مکاترونیک دانشگاه الزهرا (س)
┄┄┅┅┅
⃟ ┅┅┅┄┄انجمن رباتیک و مکاترونیک معاونت فرهنگی و اجتماعی دانشگاه الزهرا(س) با همکاری سایر انجمنها برگزار می کند:
#کارگاه طراحی گزارشهای مدیریتی در اکسل
کارگاه شماره ۱۰ از رویداد آموزشی اکسل
دادههای خام تنها زمانی ارزشمند میشوند که بتوانید آنها را به بهترین شکل ارائه دهید. اگر به دنبال تبدیل دادههای خام به گزارشهای حرفهای، خوانا و قابل ارائه هستید، این کارگاه را از دست ندهید.
مدرس: مهندس علیرضا نوربخش (کارشناسی ارشد مهندسی برق گرایش قدرت دانشگاه شیراز، با تجربه تدریس تخصصی انواع نرمافزارها)
زمان: ۲۲ آبان ماه
ساعت: ۱۰ الی ۱۲
هزینه سرمایهگذاری:
هزینه هر کارگاه: ۱۲۰ هزار تومان
هزینه کل رویداد: ۷۴۹ هزار تومان
برای ثبتنام و کسب اطلاعات بیشتر به آیدی زیر در تلگرام پیام دهید:@roboticsALZ
❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅پیامرسان ایتا و بله:
️ @alzahra_cultural
https://farhangi.alzahra.ac.ir/======================================انجمن رباتیک و مکاترونیک را در صفحات مجازی زیر دنبال کنید :تلگرام | بله| اینستاگرام
#کارگاه طراحی گزارشهای مدیریتی در اکسل
کارگاه شماره ۱۰ از رویداد آموزشی اکسل
دادههای خام تنها زمانی ارزشمند میشوند که بتوانید آنها را به بهترین شکل ارائه دهید. اگر به دنبال تبدیل دادههای خام به گزارشهای حرفهای، خوانا و قابل ارائه هستید، این کارگاه را از دست ندهید.
❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅پیامرسان ایتا و بله:
۳
۲۰:۰۳
انجمن تحلیل داده دانشگاه الزهرا(س)
انجمن علمی دانشجویی تحلیل داده معاونت فرهنگی دانشگاه الزهرا(س) با همکاری شرکت بیمه تجارتنو تقدیم میکند: 
کارگاه اعطای نمایندگی رایگان بیمه تجارتنو
فرصتی برای ساخت آیندهای متفاوت و ورود به دنیای کسبوکار!
دعوت به همکاری از متقاضیان واجد شرایط در سراسر کشور با مزایای ویژه:
بدون نیاز به سرمایه اولیه
آموزش و پشتیبانی مستمر
فعالیت تماموقت یا پارهوقت
بیمه تکمیلی نماینده و خانواده
تسهیلات و امکان راهاندازی دفتر نمایندگی
شروع: ۲۱ آبان ۱۴۰۵
مدرس: علی گودرزی مدرس و مشاور بیمههای زندگی شرکت بیمه تجارتنو
۸ ساعت آموزش در ۵ جلسه
یک جلسه معارفه
سه جلسه آموزش محصولات
یک جلسه اصول و فنون مذاکره
هزینه:
۶۰۰ هزار تومان
فقط ۲۰۰ هزار تومان با تخفیف انجمن
عودت وجه در صورت تمایل نداشتن به ادامه دوره پس از جلسه معارفه*
ظرفیت پذیرش محدود است.
برای ثبت نام* و اطلاعات بیشتر به روابط عمومی انجمن مراجعه فرمایید:
@Alzahra_DataAnalysis
انجمن ما را در پیام رسان های زیر دنبال کنید : Bale | Telegram | Instagram | Aparat ❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅ پیامرسان ایتا و بله:
️ @alzahra_cultural
https://farhangi.alzahra.ac.ir/
شاید این فرصت، آغاز مسیری تازه برای آینده شما باشد!
با شرکت در این دوره، میتوانید بلافاصله به عنوان نماینده بیمه شروع به فعالیت کنید و در کنار دانشگاه، درآمد نیز داشته باشید.
۹۵
۱۵:۳۱
┄┄┅┅┅
⃟
┅┅┅┄┄
انجمن علمی دانشجویی تحلیل داده معاونت فرهنگی دانشگاه الزهرا(س) با افتخار برگزار میکند:
کارگاه آموزشی آشنایی با هوش مصنوعی 
مدرس: سرکار خانم زهرا مهربانکارشناس مهندسی کامپیوتر دانشگاه تهرانبا ۵ سال سابقه تدریس
زمان شروع:پنجشنبه ۵ آذر ماه ۱۴۰۵
روزهای برگزاری: پنجشنبه و جمعه
ساعت ۱۰ الی ۱۱:۱۵
مدت دوره:۸ جلسه آموزشی
بستر برگزاری:آنلاین
هزینه ثبتنام:
۱,۰۰۰,۰۰۰ تومان
سرفصلهای دوره:
آشنایی با مفاهیم هوش مصنوعی
آشنایی با مفهوم یادگیری ماشین
آشنایی با انواع هوش مصنوعی
آشنایی با شبکه عصبی
انواع مدلهای هوش مصنوعی
معرفی چتبات
پرامپتنویسی
کاربرد هوش مصنوعی
همراه با اعطای گواهینامه معتبر دوزبانه
برای ثبتنام به روابط عمومی انجمن با نشانی زیر مراجعه فرمایید:
@Alzahra_DataAnalysis
انجمن ما را در پیام رسان های زیر دنبال کنید :
Bale | Telegram | Instagram | Aparat
❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅
پیامرسان ایتا و بله:
️ @alzahra_cultural
https://farhangi.alzahra.ac.ir/
۱,۰۰۰,۰۰۰ تومان
Bale | Telegram | Instagram | Aparat
❅معاونت فرهنگی و اجتماعی دانشگاه الزهرا (س)❅
پیامرسان ایتا و بله:
۴۶
۱۲:۳۱