متن پیشرو قسمت دوم در مورد هنرمولد است که از پست آقای جیسون بایلی که در این رابطه منتشر کرده ترجمه و خلاصه‌سازی شده است. توصیه می‌شود مطلب قبلی «چرا به هنر مولد عشق بورزیم؟ مقدمه هنرهای مرتبط قرن بیستم» را پیش از خواندن این متن بخوانید. اما مطالب مطرح شده به تنهایی نیز قابل درک هستند.


Path - Casey Reas, 2001

یکی از تعاریف ساده اما کاربردی هنر مولد این است که هنر مولدی هنری است که توسط کامپیوتر برنامه‌نویسی و تولید شده و در ذات تولید اثر هنری تصادفی بودن را دارد. این معمولا دو تصور اشتباه را برمی‌انگیزد که افراد را از تحسین زیبایی و ظرافت های هنر مولد باز می‌دارد.

ادامه مطلب

مقدمه

یکی از موضوعاتی که قبل از این هم به آن در پست «گیت‌های منطقی که هنرمند هستند» اشاره شد هنر بواسته هوش مصنوعی یا به طور کلی به کمک الگوریتم‌های کامپیوتری است. به تازگی مطلب جدیدی را آقای جیسون بایلی در این رابطه منتشر کرده که چرا باید این نوع هنر عشق بورزیم. به علت اینکه دیدگاه کاملا هنری و تاریخی به این موضوع داشته و همچنین از مثال‌های زیبایی استفاده کرده من تصمیم گرفتم که این مطلب رو به صورت خلاصه یا ترجمه فارسی در وبلاگ منتشر کنم، سعی کنم اصالت متن رو رعایت کنم این مطلب به علت اینکه از مقدار معمولی پست‌های وبلاگ حجم بیشتری داشت در قالب چند پست وبلاگ منتشر می‌شود.

ادامه مطلب

کمتر از یک ماه گذشته یک اپیزود در پادکست This Week In Machine Learning & AI منتشر شد که در قالب مصاحبه با آقای پرشانت واریر بود. آقای واریر که بنیانگذار شرکت Qure.ai در هند هست که در زمینه پردازش تصاویر اسکن‌های پزشکی بوسیله هوش مصنوعی فعالیت دارد. قبل از افتتاح این شرکت آقای واریر دکترای Computer Science رو از Georgia Institute of Technology از آمریکا می‌گیرند و بعد به هند برمی‌گردند. واریر در این مصاحبه به برخی تفاوت‌ها بین یک مقاله علمی و ساخت یک سرویس برای دنیای واقعی اشاره دارد که در نوع خودش جالب هست. می‌توانید در ادامه خلاصه مطالب گفته شده را بخوانید یا خود پادکست که به زبان انگلیسی هست را گوش بدهید.

ادامه مطلب

همانطور که در قسمت دوم پادکست اشاره شد ارزهای دیجیتال نیازمند به یک سری داوطلب هستند که فرآیند Mining را انجام دهند. چالشی که در این راستا وجود داشت این بود که دستگاه‌های خاص منظوره Mining که با نام ASIC Miner نیز شناخته می‌شوند در مصرف برق و عملکرد بسیار بهینه‌تر هستند و عملا سودی در استفاده از CPU کامپیوترهای خانگی در Mining وجود ندارد. این برنامه‌های Miner که با CPU دستگاه کار می‌کنند اما همچنان به کار خود ادامه می‌دهند و حتی وارد فروشگاه‌های موبایل نیز شده بودند. بیشتر این برنامه‌ها عملا به کاربر نهایی سودی نمی‌رسانند و بیشتر سود برای سازنده‌های برنامه و Poolهایی که این Minerها به آنها وصل می‌شدند بود. حالا هم گوگل و هم اپل این برنامه‌هارا از فروشگاه‌های خود حذف کردند و طبق قوانین جدیدی که گذاشتند تنها در صورتی برنامه‌های Mining مجاز هستند که از سرورهای Cloud و نه از دستگاه کاربر برای Mining استفاده کنند زیرا بجز مسائل سود کم Mining، این برنامه‌ها مصرف برق بالایی برق نیز داشته و از عوامل زود تمام شدن شارژ باتری موبایل بوده‌اند.
ادامه مطلب

قسمت دوم پادکست دموورژن با عنوان «تجارت پنهان ZCash و Monero» در کانال تلگرام پادکست منتشر شد.

در این قسمت پادکست در مورد ارزهای دیجیتال کمترشناخته شده‌ای که در پروتکل خودشون حریم خصوصی افراد رو گنجوندن با جزئیات فنی بیشتر صحبت می‌کنیم.
راجع به یک نامه عاشقانه تکنولوژیکال صحبت می‌کنیم، به برخی مشکلات موجود در سیستم بیت‌کوین اشاره می‌کنیم و تحلیل‌های جان مک آفی و ادوارد اسنودن در مورد آینده ارزهای دیجیتال رو باهم مرور می‌کنیم.

خوراک بیشتر

مصاحبه با سازندگان ZCash

ارائه علمی zk-SNARK پلتفرم استفاده شده در ZCash

مقایسه Monero و ZCash

مصاحبه کامل با جان مک‌آفی

سایت coinmarketcap.com برای مقایسه ارزهای دیجیتال

همانطور که در قسمت اول پادکست DemoVersion اشاره کردیم مسابقه Alexa Prize یک مسابقه چند میلیون دلاری است که هر ساله آمازون به امید ساخت یک گفتگوی مشابه انسان آن را برگزار می‌کند.  در سال سال گذشته تیم دانشگاه واشنگتن توانست یک Chatbot بسازد که به صورت میانگین گفتگوهای موفقیت آمیزی بالای ده دقیقه داشت. این پست وبلاگ به صورت خلاصه از مطالبی که در گزارش Verge آمده گرفته شده و همچنین در بخش‌هایی تالیف شده است.

ادامه مطلب

قسمت اول پادکست دموورژن با عنوان «خاموش کردن پشتیبان حیات» در کانال تلگرام پادکست منتشر شد.
بمرور پادکست روی iTunes و دیگر پلتفرم‌ها هم قرار می‌گیره.
توی این قسمت پادکست ابتدا یه مقدمه‌ای در مورد هوش مصنوعی داریم، بعدش در مورد یک خواننده که از هوش مصنوعی کمک می‌گیره تا آهنگسازی آهنگش رو انجام بده صحبت می‌کنیم، بعدش Demo جنجالی Duplex گوگل توی کنفرانس IO رو با جزئیات بیشتری بررسی می‌کنیم.

خوراک بیشتر

خبر بیکار شدن ۳۰ درصد آمریکایی‌ها تا ۲۰۳۰ بخاطر عواملی از جمله هوش‌مصنوعی

ویدیوی Break Free از Taryn Southern

ویدیوی Life Support از Taryn Southern

معرفی Google Duplex در وبلاگ Google AI

نقد Google Duplex در وبسایت VanityFair

بازی Semantris ساخته شده توسط Google AI

مطلبی در گذشته با عنوان «درسی که از نظریه بازی‌ها گرفتم» در وبلاگ منتشر شد که در آن به ابعاد اجتماعی نظریه بازی‌ها پرداختیم. به تازگی متوجه شدم که یک بازی برای درک بهتر این مفاهیم توسط آقای نیکی کیس ساخته شده که حامد سیدعلائی به فارسی آنرا ترجمه کرده است. این بازی که با جاوا اسکریپت نوشته شده و در وب قابل اجراست حدود سی دقیقه وقت می‌گیرد و یک سری مفاهیم اجتماعی را به سادگی آموزش می‌دهد.

در انتهای بازی یک حالت گسترش یافته نظریه بازی‌ها را می‌بینیم که در آن ممکن است بر اساس احتمال کسی اشتباه کند و برعکس استراتژی‌ای که در بازی دارد عملکردی را انجام دهد. چیزی که در اجتماع ممکن است رخ بدهد اما در مدل‌هایی که قبل از این گفته بودیم به آن نپرداختیم.

مدتی پیش خبری منتشر شد که در بخشی از سرورهای توئیتر کلمه عبور به صورت مستقیم بخاطر یک گزارش‌گیری ذخیره می‌شدند این مساله منجر به هشدار امنیتی توئیتر به کاربران شد و همچنین یک درصد سهام توئیتر افت کرد. ذخیره کلمه عبور به صورت مستقیم یک ایراد امنیتی در سرویس‌های آنلاین است یکی از ایراداتی که می‌تواند در سیستم‌هایی که به این صورت پسورد را ذخیره می‌کنند اتفاق بیافتد این است که کاربر از این رمز عبور در سیستم‌های دیگری نیز استفاده کرده باشد و در نتیجه بعد از اینکه هکرها دسترسی به پایگاه داده این سیستم پیدا کردند با به دست آوردن این رمز عبور ایمیل و بسیاری از حساب‌های دیگر کاربر را نیز هک کنند. توصیه می‌شود که کاربران برای حساب‌های مختلفشان رمزهای عبور مختلفی انتخاب نمایند. در ادامه ما سرویس و ابزاری را معرفی می‌کنیم که امکان دسترسی به پسورد واقعی شما حتی در سیستم‌هایی که پسورد را به صورت مستقیم ذخیره می‌کنند سخت‌تر می‌کند.


عکس از الکس کاسترو، Verge
ادامه مطلب

شبکه‌های عصبی که انواعی از آنها با نام یادگیری ژرف نیز شناخته می‌شوند توانسته‌اند در زمینه‌های مختلف برای شناسایی الگو و طبقه‌بندی بهترین نتایج را کسب کنند. این مدل‌ها از واحد‌های کوچکی به نام نورون ساخته می‌شوند که ساده شده سلول‌های نورونی مغز هستند و با دریافت ورودی تا حد مشخصی بر اساس یک تابع فعال ساز فعال شده و به نورون‌های بعدی سیگنال می‌فرستند. این مدل‌ها از میلیون‌ها متغیر ساخته شده‌اند که بر اساس داده‌های آموزشی و الگوریتم‌هایی مانند backpropagation مقدار دهی می‌شوند.  این شبکه‌ها حتی توانستند در مواردی مانند یک نتیجه از DeepMind گوگل از انسان هم بهتر رابطه بین اشیا در تصاویر را تشخیص دهند. اما این به معنای کامل بودن مدل‌های شبکه عصبی نیست.


ادامه مطلب