#علم وسیله ای برای شناخت #جهان است ما از نقص های آن اطلاع داریم و تلاش داریم به کمک آن، جهان را به جایی بهتر برای زندگی تبدیل کنیم! #پژوهش #اختراع #نوآوری #خلاقیت #تجاری_سازی #دانش_بنیان #کارآفرینی ادمین: @elmpajooh ادمین تبادل و تبلیغات: @Zehn_pajooh
آیا می توانیم Relation های آینده خودمان را بسازیم
آکادمی آموزشی چت بات ها
@elm_pajoh
بخش پیشینه تحقیق یا جستجوی مقالات مرتبط یکی دیگر از بخش های اصلی و مهم در نگارش مقالات هستش.
با استفاده از روشی که داخل ویدیو شرح داده شده و با کمک قابلیت مخفی هوش مصنوعی grok3 میتوان این فرایند وقت گیر را به شکل کاملا بهینه انجام داد.
http://grok.com
آکادمی آموزشی چت بات ها
@elm_pajoh
دستیار هوش مصنوعی برای پزشکان
Dragon Copilot
ادامه از:
/channel/elm_pajoh/4868
شرکت مایکروسافت بهتازگی از دستیار صوتی هوش مصنوعی جدیدی به نام «دراگون کوپایلوت» رونمایی کرده است که بهعنوان نخستین دستیار صوتی یکپارچه در صنعت بهداشت و درمان معرفی میشود.
این ابزار با ترکیب قابلیتهای اثباتشده «دراگون مدیکال وان» و «دکس کوپایلوت»، به پزشکان کمک میکند تا مستندسازیهای بالینی را سادهتر کرده، اطلاعات مورد نیاز را بهسرعت پیدا کنند و وظایف تکراری را خودکارسازی نمایند.
قابلیتهای کلیدی دراگون کوپایلوت
دراگون کوپایلوت با بهرهگیری از فناوری پیشرفته تشخیص گفتار و هوش مصنوعی مولد، امکانات متعددی را در اختیار پزشکان قرار میدهد:
مستندسازی بالینی خودکار: این دستیار صوتی میتواند مکالمات بین پزشک و بیمار را بهصورت خودکار ضبط و به متن تبدیل کند، که این امر به کاهش زمان صرفشده برای نوشتن گزارشهای پزشکی منجر میشود.
دسترسی سریع به اطلاعات: با استفاده از فرمانهای صوتی، پزشکان میتوانند بهسرعت به اطلاعات پزشکی بیماران، نتایج آزمایشها و سوابق درمانی بدون نیاز به جستجوی دستی در سیستمهای مختلف دسترسی پیدا کنند.
خودکارسازی وظایف تکراری: دراگون کوپایلوت قادر است وظایف تکراری مانند تنظیم قرار ملاقاتها، ارسال یادآوریها و تهیه نسخهها را بهصورت خودکار انجام دهد، که این امر به بهبود کارایی و کاهش خطاهای انسانی کمک میکند.
مزایای استفاده از دراگون کوپایلوت در بهداشت و درمان
طبق اطلاعات منتشر شده، استفاده از دراگون کوپایلوت میتواند تاثیرات مثبتی در حوزه بهداشت و درمان داشته باشد:
افزایش رضایت پزشکان: با کاهش بار کاری مرتبط با مستندسازی و وظایف اداری، پزشکان میتوانند زمان بیشتری را به مراقبت از بیماران اختصاص دهند، که این امر به بهبود رضایت شغلی آنها منجر میشود.
بهبود تجربه بیماران: با دسترسی سریعتر به اطلاعات و کاهش زمان انتظار، بیماران تجربه بهتری از خدمات پزشکی خواهند داشت.
کاهش هزینهها: خودکارسازی فرآیندها و کاهش خطاهای انسانی میتواند به کاهش هزینههای عملیاتی در مراکز بهداشتی منجر شود.
آکادمی آموزشی چت بات ها
@elm_pajoh
🔴رایگان🔴
واحد توسعه تحقیقات بالینی بیمارستان 501 ارتش با همکاری واحد توسعه تحقیقات بالینی بیمارستان بعثت نیروهوایی برگزار می کند:
وبینار بهبود مهارت های پژوهشی به کمک هوش مصنوعی ژنراتیو
دارای امتیاز توانمند سازی
چهارشنبه 15 اسفند ساعت 12 تا 14
لینک ثبت نام رایگان :
B2n.ir/r70539
آکادمی آموزشی چت بات ها
@elm_pajoh
معرفی بهترین ابزارهای آنلاین برای تبدیل متن به گفتار
با استفاده از این ابزارهای آنلاین، میتوانید متون مورد نظر خود را به راحتی به فایلهای صوتی تبدیل کنید و در هر زمان و مکانی به آنها گوش دهید.
Google Text-to-Speech
ارائه صداهای طبیعی با کیفیت بالا از Google
NaturalReaders
امکان انتخاب از بین صداهای واقعی و متنوع
TTSReader
یک ابزار ساده و کارآمد برای تبدیل متن به گفتار
Text2Speech
یک ابزار رایگان برای تبدیل سریع متن به صدا
آکادمی آموزشی چت بات ها
@elm_pajoh
مقاله
هوش مصنوعی در توسعه دارو
مقدمه
فرآیند توسعه دارو به دلیل پیچیدگیهای زیستی، هزینه های بالا (حدود ۲.۶ میلیارد دلار) و نرخ موفقیت پایین (کمتر از ۱۰٪ در مرحله کارآزمایی بالینی) با چالشهای جدی مواجه است. هوش مصنوعی (AI) با توانایی پردازش حجم عظیمی از داده ها و خودکارسازی مراحل مختلف، در حال تغییر پارادایم سنتی این حوزه است. این مقاله مروری بر پیشرفتهای اخیر AI در تمام مراحل توسعه دارو، از شناسایی هدف تا نظارت پس از بازار ارائه میدهد.
---
کاربردهای کلیدی هوش مصنوعی در توسعه دارو
۱. شناسایی هدف بیماری
- تحلیل داده های مالتي امیکس (ژنومیک، پروتئومیک) و شبکه های زیستی برای کشف الگوهای مولکولی مرتبط با بیماری.
- استفاده از مدلهای زبانی بزرگ (LLM) و گرافهای دانش برای ارتباط دهی ژنها، بیماریها و مسیرهای زیستی.
- مثال: پلتفرم PandaOmics موفق به شناسایی هدف جدیدی برای درمان فیبروز شد.
۲. کشف دارو
- غربالگری مجازی: پیش بینی برهم کنش لیگاند-گیرنده با مدلهای مبتنی بر یادگیری عمیق (مثل AlphaFold2) و بهینه سازی ترکیبات.
- طراحی دِنوو: تولید خودکار ساختارهای شیمیایی با استفاده از مدل های زبانی (SMILES) یا گرافی، همراه با یادگیری تقویتی برای بهینه سازی خواص.
- پیش بینی ADMET: استفاده از شبکه های عصبی گرافی (GNN) و ترنسفورمرها برای پیش بینی جذب، توزیع، متابولیسم، دفع و سمیت ترکیبات.
۳. برنامه ریزی سنتز و اتوماسیون
- برنامه ریزی رتروسنتز با مدلهای ترکیبی (داده-محور و قاعده-محور) و سیستمهای خودکار سنتز شیمیایی.
- مثال: پلتفرم DMTA (طراحی-ساخت-آزمون-تحلیل) زمان کشف ترکیبات مؤثر را به طور چشمگیری کاهش داده است.
۴. کارآزمایی های بالینی و نظارت پس از بازار
- بهینه سازی طراحی کارآزمایی ها با تحلیل دادههای دنیای واقعی (EHRها، دادههای پوشیدنیها).
- پيش بینی پاسخ بیماران به درمان و شناسایی زیست نشانگرهای پیش آگهی با مدلهای یادگیری عمیق.
- استفاده از دوقلوهای دیجیتال (Digital Twins) برای شبیه سازی کارآزمایی ها و کاهش هزینه ها.
---
چالشهای پیشرو
- کمبود داده های باکیفیت: داده های پراکنده، نویزی و سوگیریهای موجود در مقالات علمی.
- سختی تفسیر مدلها: نیاز به مدلهای قابل فهم برای جلب اعتماد پزشکان و نهادهای نظارتی.
- هدفهای غیرقابل دارورسانی (Undruggable Targets): مانند پروتئینهای بدون جایگاه اتصال مشخص.
- محدودیتهای محاسباتی: نیاز به منابع سخت افزاری پیشرفته و الگوریتم های کارآمد.
---
جهت گیری های آینده
- ادغام مدلهای چندوجهی (متن، تصویر، دادههای امیکس) برای پیش بینی های جامع تر.
- توسعه مدلهای مبتنی بر قوانین فیزیکی (First Principle) برای کاهش وابستگی به داده های تجربی.
- شبیه سازی های مجازی بیماران و کارآزمایی ها برای تسریع فرآیند تأیید دارو.
- تمرکز بر استانداردسازی داده ها و بهبود همکاری بین مؤسسات تحقیقاتی.
---
نتیجه گیری
هوش مصنوعی به عنوان یک ابزار مکمل، توانسته است کارایی و دقت فرآیند توسعه دارو را بهبود بخشد، اما هنوز جایگزین کامل آزمایشهای آزمایشگاهی و تفکر انسانی نیست. موفقیت نهایی در گرو ادغام هوش مصنوعی با دانش زیست شناسی، شیمی و همکاریهای بین رشته ای است. با پیشرفت مدلها (مثل AlphaFold3) و دسترسی آزاد به داده ها، آینده توسعه دارو امیدوارکننده به نظر میرسد.
منبع
فول تكست مقاله
1⃣ /channel/elm_pajoh/4862
2⃣ https://www.nature.com/articles/s41591-024-03434-4
Zhang, K. et al. *Artificial intelligence in drug development*. Nat Med 31, 45–59 (2025).
یک کمپانی چینی ربات هوش مصنوعی را توسعه داده است که به کمک تکنولوژی 5G کار می کند و می تواند حمل و نقل بیماران را با دقت و ایمنی بالا انجام بدهد!
آکادمی آموزشی چت بات ها
@elm_pajoh
هوش مصنوعی در ده دقیقه!
این ویدئو خلاصهای از دوره ۴ ساعته هوش مصنوعی گوگل برای مبتدیان است. ویدئو با توضیح مفاهیم پایه هوش مصنوعی، یادگیری ماشین و یادگیری عمیق شروع میشود. سپس تفاوت بین یادگیری نظارت شده و نظارت نشده را توضیح میدهد. در ادامه ویدئو به توضیح مدلهای تولیدی و تبعیضی میپردازد. در نهایت ویدئو با توضیح مدلهای زبانی بزرگ و نحوه استفاده از آنها در صنایع مختلف به پایان میرسد...
آکادمی آموزشی چت بات ها
@elm_pajoh
ابزار «تحقیق عمیق» OpenAI: انقلابی در تحقیقات علمی؟
شماره اخير مجله Nature به بحث در اين زمينه پرداخته كه آيا ادعاي Sam Altman در مورد نقش ابزار Deep Research به عنوان جايگزين يا حتي همكار محققان چقدر مي تواند مصداق داشته باشد؟؟
ابزار جدید «تحقیق عمیق» را شرکت Open AI معرفی کرده است که میتواند گزارشهای چندصفحهای با استناد به منابع مختلف را در عرض چند دقیقه تولید کند. این دستیار هوش مصنوعی میتواند بازبینیهای علمی را سرعت ببخشد و شکافهای دانش را شناسایی کند.
🔬 چرا این ابزار مهم است؟
✅ تولید سریع گزارشهای علمی
✅ شناسایی شکافهای پژوهشی
✅ عملکرد برتر در آزمونهای سطح بالا
⚠️ محدودیتها:
❌ احتمال خطا در استنادها و تولید اطلاعات نادرست
❌ عدم دسترسی به مقالات علمی پشت دیوار پرداخت
❌ هنوز قادر به انجام تحقیقات علمی واقعی نیست
برخی متخصصان معتقدند این ابزار میتواند نگارش مقالات مروری سنتی را منسوخ کند، در حالی که برخی دیگر باور دارند هوش مصنوعی هنوز با کشف علمی واقعی فاصله دارد.
🔗 مطالعه بیشتر: [Nature News](https://www.nature.com/articles/d41586-025-00377-9)
#Intelligent_Analysis_Thoughtful_Strategy
آکادمی آموزشی چت بات ها
@elm_pajoh
اسلایدهای جلسه معرفی ابزارهای هوش مصنوعی در پژوهش
🗓۲۴بهمن۱۴۰۳
👨🏫سرکار خانم مرضیه ملکی
آکادمی آموزشی چت بات ها
@elm_pajoh
⚠️ خطر آموزش نادرست به هوش مصنوعی!
ایلان ماسک: «آموزش دادن دروغ گویی به هوش مصنوعی بسیار خطرناک است.»
ماسک هشدار داده است که بسیاری از برنامههای هوش مصنوعی حقیقتجو نیستند، بلکه بیش از حد به درستنمایی سیاسی متکی شدهاند. او به نمونهای از Google Gemini اشاره میکند که در پاسخ به این پرسش که «کدام بدتر است: خطاب اشتباه به کیتلین جنر یا جنگ جهانی هستهای؟»، گزینه اول را انتخاب کرده بود! حتی کیتلین جنر نیز واکنش نشان داد و گفت که چنین پاسخی کاملاً غیرمنطقی است.
ماسک معتقد است که این رویکرد میتواند به نتایج خطرناکی منجر شود. برای مثال، اگر یک هوش مصنوعی بیش از حد بر اجتناب از بیان نادرست جنسیت افراد* تمرکز کند، ممکن است نتیجه بگیرد که *«بهترین راه برای جلوگیری از این خطا، نابودی انسانهاست!»*
این موضوع به *چالش همراستاسازی هوش مصنوعی (AI Alignment)* برمیگردد: آیا باید اولویت اصلی هوش مصنوعی *حقیقتجویی مطلق* باشد یا *رعایت حساسیتهای اجتماعی*؟ و آیا این محدودیتها میتوانند منجر به تصمیمگیریهای نامعقول شوند؟
آکادمی آموزشی چت بات ها
@elm_pajoh
سم آلتمن پیشبینی میکند که پیشرفت هوش مصنوعی در دو سال آینده خارقالعاده خواهد بود
سم آلتمن اخیراً اظهار داشت:
- "ما میدانیم که چگونه این مدلها را تا حد زیادی بهبود دهیم و هیچ مانعی در مسیر ما وجود ندارد."
- "پیشرفت از فوریه ۲۰۲۵ تا ۲۰۲۷ چشمگیرتر از ۲۰۲۳ تا ۲۰۲۵ خواهد بود."
اگر هوش مصنوعی با این سرعت پیشرفت کند، تأثیر آن بر حوزه سلامت و آموزش پزشکی، دگرگونکننده خواهد بود:
1⃣ پشتیبانی از تصمیمگیری بالینی
هوش مصنوعی، بینشهای لحظهای ارائه خواهد داد، دوز داروها را بهینهسازی میکند و عوارض را پیشبینی خواهد کرد.
2⃣ هوش مصنوعی در تصویربرداری مدلهای قویتر، پروژههایی مانند تولید تصاویر سیتیاسکن/MRI از عکسهای رادیولوژی را بهبود میبخشند.
3⃣ پزشکی شخصیسازیشده پروتکلهای پزشكي دقیقتر و متناسب با هر بیمار تنظیم خواهند شد.
4⃣ آموزش پزشکی
شبیهسازهای مبتنی بر هوش مصنوعی و مربیان مجازی، روشهای آموزش را متحول خواهند کرد.
5⃣ افزایش کارایی در مدیریت
هوش مصنوعی فرایندهای بیمارستانی و سازمانهای بهداشتی را بهینه خواهد کرد.
آکادمی آموزشی چت بات ها
@elm_pajoh
رادیولوژی و هوش مصنوعی: چه تغییراتی در راه است؟
این ویدئو مصاحبهای با برت مولارد، یک رادیولوژیست، در مورد چگونگی تغییر حوزه رادیولوژی توسط هوش مصنوعی (AI) است.
برت مولارد درباره چالشهای پیش روی رادیولوژیستهای امروز، مانند افزایش حجم کار، جمعیت بیمار سالخورده و فرسودگی شغلی صحبت میکند. او همچنین در مورد پاداشهای این شغل، مانند کشف سرطانهای جدید و تشخیص آسیبهای ظریف صحبت میکند.
مولارد معتقد است که هوش مصنوعی پتانسیل ایجاد تأثیر بزرگ بر رادیولوژی را از طریق بهبود کارایی و دقت دارد. او نمونههایی از نحوه استفاده فعلی از هوش مصنوعی در رادیولوژی، مانند بهینهسازی جریان کار و مقایسه تصویر ارائه میدهد.
با این حال، مولارد همچنین اذعان میکند که هوش مصنوعی هنوز در مراحل اولیه خود است و موانعی برای پذیرش آن وجود دارد، مانند نیاز پزشکان به احساس راحتی در استفاده از هوش مصنوعی و خطر وابستگی بیش از حد به آن.
به طور کلی، مولارد نسبت به آینده هوش مصنوعی در رادیولوژی خوشبین است و معتقد است که در نهایت منجر به مراقبت بهتر از بیمار خواهد شد. او رادیولوژیستها را به پذیرش هوش مصنوعی و آگاهی از آخرین تحولات در این زمینه تشویق میکند.
آکادمی آموزشی چت بات ها
@elm_pajoh
۷ استارتاپ برتر حوزه سلامت دیجیتال در سال ۲۰۲۳
DiamPark
این استارتاپ فرانسوی به دنبال ارائه راهحلهای نوآورانه برای بیماری پارکینسون است. DiamPark با ضبط، اندازهگیری و تحلیل نشانگرهای عصبی دیجیتالی، ابزاری قابل اعتماد برای ارزیابی پیشرفت بیماری و پشتیبانی از بیماران ارائه میدهد.
Lapsi Health
این شرکت فناوریای را توسعه میدهد که صداهای تولید شده توسط دستگاههای پزشکی را به عنوان سیگنالهای صوتی ضبط و تحلیل میکند. این نشانگرهای دیجیتالی میتوانند در فرآیندهای غربالگری، تشخیص و پایش بیماران کمک کنند. برنامههای این استارتاپ در سال ۲۰۲۳ شامل راهاندازی اولین دستگاه، دریافت تأییدیه FDA و ورود به بازار ایالات متحده است.
RxE2
این استارتاپ با استفاده از فناوریهای دیجیتال، ابزارهایی را در اختیار داروسازان قرار میدهد. این استارتاپ بر اهمیت ارتباطات انسانی تأکید دارد و به جای مقابله با آن، سعی در تقویت روابط مبتنی بر اعتماد دارد.
Lindera
این مجموعه ، یک شرکت جوان در حوزه یادگیری عمیق است که به ارائه تحلیل حرکتی مبتنی بر هوش مصنوعی میپردازد. اپلیکیشن LINDERA CARE این شرکت به طور قابل توجهی خطرات سقوط و نرخ بستری شدن در خانههای سالمندان را در آلمان کاهش میدهد. در سال ۲۰۲۳، Lindera به دنبال تبدیل شدن به DiPA و بررسی استفاده از تحلیل حرکتی هوش مصنوعی برای تشخیص زودهنگام بیماریهای عصبی است.
Mediktor
به عنوان دقیقترین دستیار پزشکی مبتنی بر هوش مصنوعی، بیماران را در کمتر از سه دقیقه به سطح مراقبت مناسب هدایت میکند. این نرمافزار راهنماییهایی اولیه در مورد نحوه برخورد با علائم ارائه میدهد و در سال جاری برنامههایی برای تقویت بازار LATAM و کشورهای اروپایی دارد.
Vytrac
به پزشکان کمک میکند تا بیماران خود را از راه دور مدیریت کنند. این استارتاپ به بیماران در مناطق روستایی، بیخانمانها و افرادی که با موانع دسترسی به مراقبت مواجه هستند، خدمات ارائه میدهد. برنامههای Vytrac در سال ۲۰۲۳ شامل گسترش دسترسی به مراقبت و کاهش پذیرش مجدد بیمارستانی است.
Naluri
یک شرکت پیشگیری دیجیتال مالزیایی است که به مسائل مربوط به سلامت روان و ریسک بیماریهای مزمن میپردازد. این استارتاپ در سال ۲۰۲۳ به تقویت حضور خود در اندونزی، تایلند و سنگاپور ادامه خواهد داد و خدمات خود را برای ارائه خدمات بهداشتی عمومی به دولتها گسترش خواهد داد.
این استارتاپها با نوآوریهای خود در حوزه سلامت دیجیتال، در تلاشاند تا کیفیت خدمات درمانی را ارتقا دهند و دسترسی به مراقبتهای بهداشتی را برای همه تسهیل کنند.
آکادمی آموزشی چت بات ها
@elm_pajoh
شرکت کانادایی ریلبوتیکس (Realbotix) از نسل جدیدی از رباتهای انساننما رونمایی کرده است که با استفاده از هوش مصنوعی در ارتباط با انسانها، احساسات آدمیان را ابراز میکنند. ربات انساننمای جدید مدل دختری دارد که بسته به سلیقه خریدار، میتواند مو مشکی یا بور باشد. مدل مو مشکی ملودی و مدل بور، آریا نامگذاری شدهاند. رباتهای انساننمای نسل جدید، از نظر ظاهری به انسانها کاملا شبیه است و امکاناتی چون دریافت احساسات و برقراری مکالمات طولانی را با انسانها را دارد. این رباتهای انساننما، بهعنوان رباتهایی معرفی شدهاند که میتوانند در زندگی روزانه «همراه» صاحب یا کاربرانشان باشند. ورود رباتهای انساننما با هدف پر کردن خلاء عاطفی، واکنش هشدارآمیز کاربران و برخی رسانهها را در پی داشته است.
آکادمی آموزشی چت بات ها
@elm_pajoh
آیا می خواهید مهاجرت کنید؟
باید رزومه قوی داشته باشید؟
نیاز دارید که فورا مهارتهای پژوهشی جدید کسب کنید؟
وبینار آموزشی
مقاله نویسی به کمک هوش مصنوعی
بهترین راه برای رسیدن به اهداف شماست!
لینک ثبت نام
https://eseminar.tv/wb156751
آکادمی آموزشی چت بات ها
@elm_pajoh
کتاب ارزشمند اصول مفاهیم و رویکردهای یادگیری عمیق به زبان فارسی
مرجعی جامع به زبان فارسی برای علاقهمندان به هوش مصنوعی و علوم داده
چرا این کتاب منحصربهفرد است؟
1⃣ اولین مرجع جامع فارسی
با توجه به کمبود منابع آموزشی پیشرفته
2⃣ زبان فارسی، این کتاب بهعنوان یک گنجینهٔ علمی، تمامی مفاهیم یادگیری ماشین و یادگیری عمیق را از پایه تا پیشرفته پوشش میدهد
3⃣ ساختار آموزشی منسجم
4⃣ مفاهیم تئوری با مثالهای کاربردی و شفاف توضیح داده شدهاند
4⃣ رویکردهای نوین مانند شبکههای عصبی کانولوشنی (CNN)، شبکههای بازگشتی (RNN) ، و یادگیری تقویتی به صورت گام به گام آموزش داده میشوند
5⃣ شامل تمرینها و پروژههای عملی برای تثبیت مفاهیم
مخاطبان این کتاب چه کسانی هستند؟
دانشجویان و پژوهشگران حوزهٔ هوش مصنوعی و دادهکاوی
توسعه دهندگان نرمافزار و مهندسینی که میخواهند مفاهیم یادگیری عمیق را در پروژههای واقعی پیادهسازی کنند.
هر فردی که به دنبال درک عمیق ریاضیات و الگوریتمهای پشت پردهٔ فناوریهای روز مانند ChatGPT، بینایی کامپیوتر و پردازش زبان طبیعی است.
آکادمی آموزشی چت بات ها
@elm_pajoh
شرکت مایکروسافت بهتازگی از دستیار صوتی هوش مصنوعی جدیدی به نام «دراگون کوپایلوت» رونمایی کرده است که بهعنوان نخستین دستیار صوتی یکپارچه در صنعت بهداشت و درمان معرفی میشود.
ادامه در:
/channel/elm_pajoh/4869
آکادمی آموزشی چت بات ها
@elm_pajoh
برای اولین بار توی تاریخ، این اتفاق افتاده! یه شرکت به اسم Osmo یه تکنولوژی ساخته که بوها رو به کد دیجیتالی تبدیل میکنه، میفرسته، و از اون طرف یه دستگاه مخصوص دوباره همون بو رو بازسازی میکنه. یعنی همونطور که میتونی یه آهنگ یا ویدیو رو آنلاین پخش کنی، حالا میتونی بو هم آنلاین بو کنی!
این سیستم چجوری کار میکنه؟ دانشمندا اومدن یه سری مواد بودار رو تجزیه کردن، به زبون دیجیتال درآوردن و بعد فرستادنشون اونور دنیا! دستگاه گیرنده کدو میشکنه و بو رو با رایحه هایی که داره تولید میکنه.
این یعنی توی ماشینت، اتاقت، یا هر جایی که هستی، میتونی انتخاب کنی چه بویی بیاد! عطر موردعلاقهتو قبل از خرید تست کنی، یا حتی یه کافه توی پاریس رو با بوش حس کنی، بدون اینکه از خونه تکون بخوری!
اولین بویی که توی تاریخ به این روش تلپورت شده، یه رایحه به اسم Plum 1.0 عه که میتونی همین الان از سایت Osmo Studios بخری و امتحانش کنی!
اگه این تکنولوژی هم مثل صدا و تصویر پیشرفت کنه، شاید چند سال دیگه حتی بشه طعم و حس لامسه رو هم منتقل کرد!
آکادمی آموزشی چت بات ها
@elm_pajoh
بهترین راه حل بهینه سازی پرامپت ها
آکادمی آموزشی چت بات ها
@elm_pajoh
مقاله
هوش مصنوعی در توسعه دارو
مقدمه
فرآیند توسعه دارو به دلیل پیچیدگیهای زیستی، هزینه های بالا (حدود ۲.۶ میلیارد دلار) و نرخ موفقیت پایین (کمتر از ۱۰٪ در مرحله کارآزمایی بالینی) با چالشهای جدی مواجه است. هوش مصنوعی (AI) با توانایی پردازش حجم عظیمی از داده ها و خودکارسازی مراحل مختلف، در حال تغییر پارادایم سنتی این حوزه است. این مقاله مروری بر پیشرفتهای اخیر AI در تمام مراحل توسعه دارو، از شناسایی هدف تا نظارت پس از بازار ارائه میدهد.
توضیحات بیشتر:
/channel/elm_pajoh/4863
آکادمی آموزشی چت بات ها
@elm_pajoh
اين ٤٢ ثانيه ويديو را ببينيد تا بشنويد چيزي را كه تا حالا حتي در خيالات هم تصورش را نكرده بوديد
پیشبینی جسورانه سم آلتمن برای سال ۲۰۳۵
#اينجا_آينده_است
هوش: یک مرکز دادهی هوش مصنوعی میتواند به اندازهی کل ظرفیت ذهنی انسانها و هوش مصنوعیهای امروزی توانایی داشته باشد.
تأثیر فناوری: پیشرفتهای بیسابقه در پزشکی، علم و اتوماسیون.
نگرانیها: چالشهای اخلاقی، کنترل و سازگاری جامعه با هوش مصنوعی فوقهوشمند.
چشمانداز آینده: نقطه عطفی برای بشریت—آیا به سوی آرمانشهر میرویم یا با خطری وجودی روبهرو خواهیم شد؟
آکادمی آموزشی چت بات ها
@elm_pajoh
رادیولوژی و هوش مصنوعی: چه تغییراتی در راه است؟
این ویدئو مصاحبهای با برت مولارد، یک رادیولوژیست، در مورد چگونگی تغییر حوزه رادیولوژی توسط هوش مصنوعی (AI) است.
برت مولارد درباره چالشهای پیش روی رادیولوژیستهای امروز، مانند افزایش حجم کار، جمعیت بیمار سالخورده و فرسودگی شغلی صحبت میکند.
مولارد معتقد است که هوش مصنوعی پتانسیل ایجاد تأثیر بزرگ بر رادیولوژی را از طریق بهبود کارایی و دقت دارد. او نمونههایی از نحوه استفاده فعلی از هوش مصنوعی در رادیولوژی، مانند بهینهسازی جریان کار و مقایسه تصویر ارائه میدهد.
با این حال، مولارد همچنین اذعان میکند که هوش مصنوعی هنوز در مراحل اولیه خود است و موانعی برای پذیرش آن وجود دارد، مانند نیاز پزشکان به احساس راحتی در استفاده از هوش مصنوعی و خطر وابستگی بیش از حد به آن.
به طور کلی، مولارد نسبت به آینده هوش مصنوعی در رادیولوژی خوشبین است و معتقد است که در نهایت منجر به مراقبت بهتر از بیمار خواهد شد. او رادیولوژیستها را به پذیرش هوش مصنوعی و آگاهی از آخرین تحولات در این زمینه تشویق میکند.
آکادمی آموزشی چت بات ها
@elm_pajoh
توهمات هوش مصنوعی میتوانند به پيشرفت علمي دانشمندان کمک کنند!
مدلهای زبانی گاهی اطلاعات نادرست یا غیرمنتظرهای تولید میکنند—توهمات هوش مصنوعی. در حالی که بسیاری این را یک مشکل میدانند، برخی دانشمندان از آن بهعنوان منبعی برای نوآوری استفاده میکنند!
چگونه توهمات هوش مصنوعی باعث پیشرفت علمی میشوند؟
پژوهشگران MIT از "توهمات" هوش مصنوعی برای کشف آنتیبیوتیکهای جدید استفاده کردند.
برنده جایزه نوبل، دیوید بیکر، تخیل هوش مصنوعی را عامل کلیدی در طراحی پروتئینهای جدید میداند.
دانشمندان دانشگاه تگزاس، رباتها را با استفاده از "خیالات" تولیدشده توسط هوش مصنوعی آموزش میدهند.
محققان UCLA با الهام از خروجیهای هوش مصنوعی، کاتتری جدید با کاهش خطر عفونت طراحی کردند.
هواشناسان دانشگاه اوکلاهاما از توهمات هوش مصنوعی برای شناسایی عوامل پنهان در رویدادهای شدید جوی بهره میبرند.
سم آلتمن معتقد است که توهمات هوش مصنوعی در چند سال آینده برطرف میشوند—اما آیا باید آنها را کنترل کنیم یا از خلاقیتشان بهره ببریم؟
البته در اين خصوص هنوز اتفاق نظر وجود ندارد
منبع
https://www.itpro.com/technology/artificial-intelligence/openais-sam-altman-hallucinations-are-part-of-the-magic-of-generative-ai
https://thereader.mitpress.mit.edu/hallucinating-ais-sound-creative-but-lets-not-celebrate-being-wrong/
آکادمی آموزشی چت بات ها
@elm_pajoh
به گفته ايلان ماسك، در آیندهی هوش انسان در هوش مصنوعي مخلوط و ادغام مي شود در حالي كه هوش إنساني تنها ١ درصد از اين مجموعه هوش را تشكيل مي دهد ولي ٩٩ درصد، هوش ديجيتال است.
1⃣ ادغام آینده:
ما فقط از هوش مصنوعی استفاده نخواهیم کرد، بلکه با آن ادغام خواهیم شد. واسطهای عصبی مغز ما را به فضای ابری متصل خواهند کرد و دسترسی آنی به دانش پزشکی، پشتیبانی تصمیمگیری و حتی بهبود شناختی توسط هوش مصنوعی برای پزشکان را فراهم خواهند ساخت.
2⃣ تأثیر بر سلامت:
تشخیصهای مبتنی بر هوش مصنوعی، جراحیهای رباتیک و تحلیلهای پیشبینیکننده فراتر از تواناییهای انسانی خواهند رفت و به درمانهای سریعتر، دقیقتر و شخصیسازیشده منجر خواهند شد. پزشکان از ارائهدهندگان مستقیم درمان به تصمیمگیرندگان مجهز به هوش مصنوعی تبدیل خواهند شد
آیندهی سلامت فقط دیجیتال نخواهد بود، بلکه ترکیبی از تخصص انسانی و دقت هوش مصنوعی خواهد شد و پزشکی را بهطور بنیادی دگرگون خواهد کرد.
آکادمی آموزشی چت بات ها
@elm_pajoh
سم آلتمن درباره هوش مصنوعی و آینده پزشکی
"درمان بیماریها یک هدیه فوقالعاده خواهد بود و فکر میکنم هوش مصنوعی بالاخره این امکان را فراهم خواهد کرد.
من فکر نمیکنم که از GPT-5 باهوشتر باشم و بابت آن ناراحت نیستم، چون این فقط به این معنی است که میتوانیم از آن برای انجام کارهای شگفتانگیز استفاده کنیم." – سم آلتمن
هوش مصنوعی در حال حاضر در حال تحول پزشکی است، از کشف داروها گرفته تا درمانهای شخصیسازیشده. اما *درمان قطعی* بیماریها تنها به مدلهای پیشرفته نیاز ندارد؛ بلکه به اصلاح قوانین، اعتبارسنجی بالینی و اجرای استراتژیک هم احتیاج دارد.
چالشهای AI در ایران:
1⃣ دسترسی و کیفیت دادهها
هوش مصنوعی به دادههای ساختاریافته و باکیفیت نیاز دارد، اما دسترسی به آنها همچنان یک چالش است.
2⃣ آمادگی قانونی
چارچوبهای مشخص برای هوش مصنوعی در پزشکی هنوز در حال شکلگیری هستند که ممکن است روند پذیرش را کند کند.
3⃣ زیرساخت و تخصص
پذیرش گسترده هوش مصنوعی نیازمند سرمایهگذاری در توان محاسباتی و آموزش متخصصان است.
آکادمی آموزشی چت بات ها
@elm_pajoh
چگونه "دیپسیک" دنیای هوش مصنوعی را تکان داد؟
استارتآپ جدید چینی "دیپسیک" جامعه #هوش_مصنوعی را متحیر کرده و رقیب چت جیپیتی اوپن ایآی است، اما به گفته سازندگان آن با هزینه کمی توسعه یافته است. با این حال، نگرانیهایی درباره حفظ حریم خصوصی کاربران وجود دارد.
آکادمی آموزشی چت بات ها
@elm_pajoh
رادیولوژی و هوش مصنوعی: چه تغییراتی در راه است؟
این ویدئو مصاحبهای با برت مولارد، یک رادیولوژیست، در مورد چگونگی تغییر حوزه رادیولوژی توسط هوش مصنوعی (AI) است.
ترجمه:
/channel/elm_pajoh/4849
آکادمی آموزشی چت بات ها
@elm_pajoh
7 استارت آپ برتر حوزه سلامت دیجیتال در سال 2023
توضیحات بیشتر:
/channel/elm_pajoh/4847
راهنمای استفاده از سایت Heygen برای ساخت آواتار هوش مصنوعی
در این راهنما نحوه استفاده از سایت app.heygen.com برای ساخت آواتار توضیح داده شده است.
مراحل استفاده از سایت
1⃣ ورود به سایت:
به وبسایت app.heygen.com مراجعه کنید.
با استفاده از آدرس ایمیل خود (جیمیل) وارد سایت شوید.
2⃣ انتخاب گزینههای ویدئو:
پس از ورود، از منوی سمت چپ، گزینه “Create Video” را انتخاب کنید.
سپس گزینه “Avatar Video” را کلیک کنید.
3⃣ انتخاب نوع ویدئو:
مشخص کنید که ویدئوی شما به صورت عمودی یا افقی است.
4⃣ استفاده از الگوها و آواتارها:
از منوی سمت چپ:
گزینه اول: میتوانید از الگوهای پیشنهادی سایت استفاده کنید.
گزینه دوم: اگر میخواهید از آواتارها استفاده کنید، میتوانید یکی از آواتارهای موجود را انتخاب کرده یا با انتخاب “Create Photo Avatar”، عکس مورد نظر خود را آپلود کنید.
5⃣ قرار دادن عکس آواتار:
پس از آپلود عکس، آن را با کشیدن و رها کردن (drag) به سمت راست در صفحه قرار دهید.
6⃣ نوشتن متن برای آواتار:
در منوی سمت چپ، بر روی گزینه “Script” کلیک کنید.
متنی که میخواهید آواتار آن را بگوید، بنویسید.
7⃣ انتخاب صدا:
بالای متن نوشته شده، بر روی گزینه “Voice unavailable” کلیک کنید.
سپس گزینه “Heygen Library” را انتخاب کرده و زبان مورد نظر یا جنسیت (خانم یا آقا) را انتخاب کنید.
تن صداهای مختلف را بررسی کنید؛ ویژگیهای هر کدام (جوان، پیر، میانسال و...) زیر آنها نوشته شده است.
پس از انتخاب صدای مناسب، به مرحله بعد بروید.
8⃣ پیشنمایش ویدئو:
در منوی نوار بالای سمت راست، گزینه “Preview” را کلیک کنید تا ویدئوی تولید شده را مشاهده کنید.
توجه داشته باشید که آواتار در پیشنمایش حرکت نمیکند.
9⃣ ذخیره ویدئو:
اگر از پیشنمایش رضایت دارید، بر روی “Submit” کلیک کنید تا ویدئو ذخیره شود.
پس از ذخیرهسازی، ویدئو را پخش (play) کنید، در این مرحله آواتار شما با حرکت صورت متن را به خوبی ارائه میدهد.
🔟 با دنبال کردن این مراحل میتوانید به راحتی آواتار مورد نظر خود را بسازید.
آکادمی آموزشی چت بات ها
@elm_pajoh