دیجیاتو آپارات

برای بسیاری از ما آرامش به معنای نشستن روی نیمکت پارک یا استراحت روی مبل جلوی تلویزیون در پایان یک روز پراسترس است. اما این کار برای از بین بردن اثرات مخرب استرس کافی نیست. علاوه بر آن شما باید پاسخ‌های طبیعی بدن که در حالت آرامش ایجاد می‌شود را فعال کنید؛ مانند تنفس آرام، ضربان قلب کند، فشار خون پایین و غیره. شما می‌توانید این علائم را با انجام تکنیک‌های آرامش بخش مانند تنفس عمیق، ورزش ریتمیک، یوگا یا تای چی در خود ایجاد کنید. مهم‌ترین نکته این است که هیچ برنامه واحدی برای همه افراد وجود ندارد و تکنیک‌های آرامش بخش، متناسب با هر فرد و سبک زندگی‌اش تنظیم می‌شوند. این بدان معناست که هر فرد برای یافتن این تکنیک‌ها، کاهش فشار عصبی و به دست آوردن سلامت جسم و ذهن، نیاز به آزمون و خطا دارد. در این مطلب سعی داریم چند نمونه از بهترین تکنیک‌های آرامش بخش را به شما معرفی کنیم. با دیجی‌رو همراه باشید. 1. تنفس عمیق تنفس عمیق یک روش آرامش بخش ساده و در عین حال قدرتمند است. پس از یادگیری این تکنیک، می‌توانید به راحتی در هر مکان و زمانی از آن استفاده کنید. تنفس عمیق سنگ بنای بسیاری از روش‌های آرامش بخش است و با سایر تکنیک‌ها مانند آروماتراپی و موسیقی‌درمانی ترکیب می‌شود. برای استفاده از آن فقط به چند دقیقه زمان، و مکانی ساکت نیاز دارید. نحوه انجام تنفس عمیق به راحتی روی یک صندلی یا زمین بنشینید. یک دست را روی سینه و دیگری را روی شکم خود قراردهید. از طریق بینی هوا را به داخل ریه‌هایتان بکشید. دقت کنید دستی که روی شکمتان قرار دارد باید حرکت کند و بالا بیاید و دست روی سینه‌تان است، کمترین حرکت را داشته باشد. در حین انجام بازدم، هوا را به آرامی از دهان خود خارج کنید. همچنان دست روی شکم بیشتری, ...ادامه مطلب

دانشمندان دانشگاه «کاردیف» با استفاده از یک الگوریتم یادگیری عمیق به نام «شبکه کانولوشنال» یک سیستم هوش مصنوعی طراحی کرده‌اند که می‌تواند مناطقی از یک تصویر که در تمایز با سایر نواحی آن تصویر است را، شناسایی کند. شبکه کانولوشنال برای تقلید از شبکه عصبی به هم پیوسته مغز انسان طراحی شده است و به ‌طور خاص بر روی قشر بینایی متمرکز است. این سیستم کاربردهای گسترده‌ای دارد. به عنوان مثال، می‌توان به ارتباطات چند رسانه‌ای، نظارت تصویری و یافتن تومورها در تصاویر پزشکی اشاره کرد. نتایج این مطالعه در مجله «Neurocomputing» به چاپ رسیده است. مغز انسان به صورت غیرارادی میان بخش‌های مختلف یک تصویر تمایز ایجاد می‌کند. دانشمندان می‌گویند این سیستم هوش مصنوعی قادر است همانند ذهن انسان رفتار کرده و تمایز میان بخش‌های مختلف را تشخیص دهد. این نوع الگوریتم برای گرفتن تصاویر به عنوان ورودی و ایجاد تمایز میان بخش‌های مختلف هر تصویر به کار برده می‌شود. برای مثال، اگر در تصویر جسمی با شکل و ظاهر خاص و یا متفاوت از کل تصویر موجود باشد، این الگوریتم قادر به تشخیص و شناسایی آن است. در آموزش و بررسی میزان کارایی این الگوریتم، تیم تحقیقاتی از یک پایگاه داده عظیم از تصاویر استفاده کردند که مناطق خاصی از هر تصویر پیش از این توسط انسان مشخص شده بود. این تصاویر در الگوریتم فراخوانی شدند تا با بررسی نقاط مشخص شده، دقت پیش‌بینی نواحی خاص توسط این الگوریتم افزایش یابد - به عبارت دیگر، این الگوریتم با مشاهده نمونه‌های انجام شده توسط انسان، وارد مرحله یادگیری و افزایش دقت شود. محققان دانشگاه کاردیف پس از آنکه این سیستم هوش مصنوعی را طراحی کردند، حالا در تلاش هستند تا به کمک رادیولوژیست‌ها بتوا, ...ادامه مطلب

هم رسان: محققان دانشگاه شهید بهشتی موفق شدند با بررسی روند رشد مغز کودکان در راستای تشخیص به موقع بیماری های عصبی در کودکان برآیند. به گزارش پایگاه خبری هم رسان و به نقل از مهر، دکتر رضا خسرو آبادی مجری طرح «تشخیص عملکردهای مغزی در حین رشد»  اظهار داشت: به دلیل اینکه رشد طبیعی مغز کودک همواره در سلامت فرد تاثیر دارد از همین رو در صدد آمدیم تا در قالب یک پروژه این روند را مورد بررسی قرار دهیم.وی افزود: در همین راستا، تعداد۶۰ نوزاد را در این پروژه مد نظر قرار دادیم؛ این کودکان تغذیه سالمی داشتند و در شرایط طبیعی – بدون اینکه مادر دچار افسردگی باشد یا تاریخچه ای از بیماری های عصبی در خانواده موجود باشد، رشد کرده اند.وی ادامه داد: همچنین نحوه زایمان این کودکان نیز به صورت طبیعی بوده و در شرایط فیزیکی طبیعی به دنیا آمده بودند. این محقق دانشگاه شهید بهشتی با بیان اینکه این کودکان درسن ۶ و ۱۸ ماهگی پس از تولد از طریق ثبت نوار مغزی مورد بررسی قرار گرفتند، اظهار داشت: هدف از انجام این پروژه درک نحوه طبیعی تکامل مغز کودک در سنین نوزادی است.خسرو آبادی با بیان اینکه نتیجه این پروژه می تواند مورد استفاده پژوهشگران حوزه مغز و اعصاب قرار بگیرد، گفت: اکنون نتایج اولیه این طرح مشخص شده و حاکی از آن است که تغییرات عملکردی مغز کودکان به نحوی خاص در دوران نوزادی صورت می پذیرد که حتی می تواند به عنوا, ...ادامه مطلب

” موتورعصبی پردازنده A11 بیونیک اپل” و ” هسته پردازش بصری گوشی پیکسل شرکت گوگل” همگی عباراتی هستند که روند رو‌به‌‌ رشد آخرین چیپست‌های اسمارت‌فون‌های امروزی را نشان می‌دهند. این رویه که به‌صورت اختصاصی، پردازنده‌های مجتمع نامیده می‌شوند، بار پردازش ط,سامسونگ،,پردازنده ...ادامه مطلب

معرفی آیفون X نقطه عطفی در تاریخ محصولات اپل بوده که با برخورداری از چیپست جدید «A11 Bionic»، امکاناتی مانند تشخیص چهره Face ID و واقعیت افزوده را فراهم نموده است. اما ویژگی های جدید به لطف پردازنده ای تحت عنوان «neural engine» در چیپست مورد بحث امکان پذیر شده اند که وظیفه پردازش الگوریتم های یادگیری ماشینی را به عهده داشته و به گفته اپل، در هر ثانیه 600 میلیارد محاسبه انجام می دهد. اپل با پردازش ,پردازنده,عصبی,آیفون,خدمت,حریم,خصوصی,کاربران ...ادامه مطلب

مدیر عامل کمپانی تسلا، ایلان ماسک که در کنفرانس Code امسال شرکت داشته، به صحبت درباره ظهور تکنولوژی هوش مصنوعی پیشرفته پرداخته و می گوید از آن جایی که همه انسان به نوعی سایبورگ هستند، جای نگرانی زیادی در رابطه با هوش ماشینی وجود ندارد. ماسک می گوید: همه ما از همین حالا سایبورگ هستیم. شما ورژنی دیجیتالی از خودتان در اینترنت دارید که در قالب ایمیل های شما، صفحه شما در شبکه های اجتماعی و تمام کارهایی که انجام می دهید ظاهر می شود. قدرتی که شما حالا در اختیار دارید، از قدرت رییس جمهور آمریکا در 20 سال پیش، بیشتر است. شما می توانید در هرجا، به هر سوالی پاسخ دهید، می توانید کنفرانسی ویدیویی با هرکسی برقرار کنید و پیغامی را به صورت آنی، به گوش میلیون ها مخاطب برسانید. ماسک می گوید که محدودیت فعلی، ورودی یا خروجی بودن این امکانات است و برای جلوگیری از بروز مشکلات مختلف، باید به نوعی همزیستی با هوش دیجیتالی رسید و به بیان واضح تر، باید یک «نوار عصبی» (Neural Lace) برای ارتباط با هوش مصنوعی به وجود آورد؛ چیزی که محققان دانشگاه هاروارد در حال حاضر مشغول توسعه آن هستند. محققان هاروارد، این نوار عصبی را بدین شکل شرح داده اند: «با تزریق سیم هایی کوچک و چند میلی متری که می توانند خود را جایگزین عصب های قبلی کنند، امکان شنود اطلاعات شبکه عصبی فراهم آورده شده و درهای تازه ای برای تعامل میان فعالیت های ذهنی با وسایل الکترونیکی گشوده می شود.» ماسک می گوید که اگر در تحقق این مسئله ناموفق باقی بمانیم، سرعت پیشرفت هوش مصنوعی به قدری زیاد است که از آن به شکلی فاحش جا خواهیم ماند. در واقع ماسک به صراحت می گوید که در این صورت، انسان ها به قدری از هوش دیجیتالی عقب می مانند که تبدیل به حیوانات خانگی آن خواهند شد. Let's block ads! بخوانید, ...ادامه مطلب

گوگل اقدام به طراحی چیپ کامپیوتری اختصاصی اش برای شبکه های عصبی عمیق رایانه ای کرده، فناوری در حوزه ی هوش مصنوعی که در حال باز تعریف و باز ابداع عملکرد سرویس های اینترنتی است. در همین راستا روز گذشته «سوندار پیچای»، مدیر عامل کمپانی مورد بحث، در جریان برگزاری کنفرانس گوگل I/O (مهم ترین رویداد سالانه ی گوگل) رسماً اعلام کرد یک مدار مجتمع با ویژگی های خاص (در اصطلاح ASIC) که به شکل ویژه در شبکه های عصبی عمیق کامپیوتری کاربرد خواهد داشت را آماده سازی کرده اند. اما به یقین این پرسش برای شما مطرح است که شبکه های عمیق عصبی که به دفعات از آنها نام بردیم چه هستند؟ این شبکه ها در اصل ترکیبی از نرم افزارها و سخت افزارهایی خاص هستند که می توانند امور ویژه ای را پس از تحلیل حجم انبوهی از داده به شکلی کاملاً متفاوت و البته بهینه تر نسبت به سایر روش ها به سرانجام برسانند. برای مثال گوگل از شبکه های عمیق عصبی برای شناسایی اشیاء و چهره ها در تصاویر استفاده می کند، دستورات صوتی که به تلفن های هوشمند اندرویدی خود ابلاغ می کنید را تشخیص می دهد و یا متون را از یک زبان به زبانی دیگر ترجمه می نماید. ناگفته نماند فناوری مورد بحث در آستانه ی دگرگون کردن نحوه ی عملکرد موتور جستجوی کمپانی ساکن مانتین ویو نیز هست. با TPU آشنا شوید گوگل تراشه ی جدید خود را «واحد پردازشی تنسور» (Tensor Processing Unite یا به اختصار TPU) نامگذاری کرده، زیرا این چیپ به شکلی گسترده با TensorFlow در ارتباط است؛ موتوری که برای سرویس های یادگیری عمیق شرکت استفاده می شود. اگر به خاطر داشته باشید غول دنیای جستجوهای اینترنتی در پائیز سال گذشته TensorFlow را تحت یک لیسانس متن-باز به شکل عمومی منتشر کرد و به این ترتیب همه ی کمپانی ها و اشخاص در سراسر جهان این فرصت را پیدا کردند تا از این موتورِ نرم افزاری به شکل آزاد استفاده برده و در صورت نیاز آن را بر حسب خدمات و سرویس هایشان سفارشی سازی نمایند. البته اکنون شواهد نشان می دهند گوگل قصد ندارد طراحی TPU را با سایرین به اشتراک بگذارد، اما همگان قادر خواهند بود تا از طریق سرویس های ابری اهالی مانتین ویو از ترکیب سخت افزارها و نرم افزارهای یادگیری ماشینی آنها بهره مند شده و موارد مذکور را در راستای نیازهای خود به کار گیرند. گوگل تنها یکی از شرکت هایی به حساب می آید که یادگیری, ...ادامه مطلب

گوگل در چند سال اخیر پیشرفت های زیادی در زمینه هوش مصنوعی داشته. در ماه های پیش نیز نمود این پیشرفت ها با بردهای پیاپی در مقابل قهرمانان بازی دشوار Go، بیش از پیش آشکار شده است. در این میان لازم به اشاره است که کمپانی ساکن مانتین ویو از دستاوردهای خود در زمینه هوش مصنوعی، در برخی سرویس هایش چون Photos یا Gmail بهره برده است. حال خبر می رسد که قرار است تکنولوژی یادگیری عمیق این بار در زمینه خدمات ترجمه نیز به کار گوگل بیاید. تقریباً هر کسی که با این سرویس کار کرده باشد می داند که در اکثر مواقع ترجمه های ارائه شده دارای ایراد بوده و در مورد برخی زبان ها به طور کامل بی معنی و غیر قابل استفاده است. یکی از مدیران گوگل با نام «جف دین» خبر داده که قرار است تیم Google Brain تحت سرپرستی او در گوگل ایده «یادگیری مرحله ای با شبکه های عصبی» را در دنیای واقعی عملی سازد. او همچنین خبر داده که تیم او در حال همکاری با گروه توسعه دهنده سرویس ترجمه گوگل برای به کارگیری این روش برای افزایش دقت و کارایی ترجمه هاست. جف دین معتقد است که هیچ بعید نیست در آینده نزدیک یادگیری از طریق شبکه های عصبی جایگزین روش تطبیق آماری و الگوریتم های جمع یابی فعلی در ترجمه های گوگل شود. انتظار می رود که سرویس ها و محصولات مبتنی بر هوش مصنوعی در آینده ای نزدیک وارد بازار شوند. از دیدگاه آقای دین، این شاخه از علم در پنج سال گذشته پیشرفت بسیار چشمگیری داشته و هر روز شاهد دستاوردهای جدیدی در زمینه هوش مصنوعی هستیم. منبع: engadget برچسب‌ها:neural networksاخبار تکنولوژیتکنولوژیسرویس ترجمهشبکه های عصبیگوگلگوگل ترنسلیتهوش مصنوعییادگیری عمیق اشتراک‌گذاری: Let's block ads! بخوانید, ...ادامه مطلب

دانشمندان اخیرا تایید کرده اند که ویروس زیکا می تواند به بروز سندروم گیلن باره بیانجامد؛ نوعی اختلال عصبی نادر و البته شدید که 5 درصد از مبتلایان به خود را می کشد. مقامات کشورهایی که زیکا در آنها شیوع یافته باید مطمئن شوند که امکانات مراقبتی لازم برای مدیریت این مساله و افزایش شمار بیماران مبتلا به گیلن باره را در اختیار دارند. در جریان یک همه گیری که در سال 2013 اتفاق افتاد، 32 هزار نفر به ظن آلودگی به زیکا در پلی نزی فرانسه مورد آزمایش قرار گرفتند و مطالعاتی که امروزه در این باره انجام می شوند نیز با محوریت همان آزمایش ها صورت می پذیرند. در آن زمان مشخص شد که 42 نفر از مبتلایان به سندروم گیلن باره علائمی از آلودگی زیکا را در خون خود دارند. علاوه بر این، 37 نفر از آنها، اعلام داشتند که 6 روز قبل از تجربه علائم مربوط به این سندروم، نشانه های مربوط به زیکا را در بدن خود مشاهده کرده اند. نتیجه اینکه از این پس می توان زیکا را به لیست پاتوژن های عفونی که می توانند منجر به بروز سندروم گیلن باره شوند، اضافه کرد. لی نورمن یکی از افسران اطلاعاتی واحد برنامه ریزی بلایای بهداشتی در ارتش ملی آمریکا که البته در این پروژه تحقیقاتی مشارکت ندارد اظهار داشت: تا به امروز همه چیز در حد حرف و حدیث بود و این نخستین باری است که می توانم با اطمینان بگویم ارتباط قطعی میان زیکا و سندروم گیلن باره وجود دارد. ارتباط قطعی میان ویروس زیکا و سندروم گیلن باره تا به امروز، زیکا بیشتر به خاطر نقایص مادرزادی در نوزادان مورد توجه قرار داشت و در نتیجه مرکز کنترل و پیشگیری از بیماری آمریکا به زنان باردار و همسرانشان توصیه می کرد که از نواحی آلوده به ویروس زیکا دوری کنند. اما ارتباط میان این ویروس و سندروم گیلن باره ممکن است در ادامه به تغییر دیدگاه دانشمندان در رابطه با مدیریت بیماری های همه گیر منتهی گردد و آنطور که نورمن می گوید مقامات دولتی باید سطح پایش خود را بالاتر ببرند. او در ادامه می گوید: «نباید چون یک آقا یا خانمی 55 ساله [که دیگر بارور نمی شود] هستید بدون هیچگونه نگرانی یا تدابیر پیشگیرانه به برزیل سفر کنید؛ به بیان دیگر شانس آلوده شدن افراد به ویروس زیکا برابر است و دانشمندان نیز باید این مساله را مد نظر بگیرند.» گفتنی است که فعلا واکسن یا روش درمانی خاصی برای این ویروس که از طریق پشه, ...ادامه مطلب

تا به حال شبکه های عصبی متعددی با الهام از مغز و ساختار آن ساخته شده اند که می توانند به خودی خود و بدون نیاز به کمک خارجی یاد بگیرند اما در اغلب آنها غالبا از قطعات سیلیکونی ساده و قدیمی استفاده شده است. سوال اینجاست: بهتر نبود اگر خود این چیپ ها شکل و شمایل مغز را داشتند؟ گروهی از محققان ایتالیایی و روسی گرد هم آمده اند تا رنگ واقعیت به این ایده بدهند. آنها نوعی شبکه عصبی را بر پایه ممریستورهای پلاستیکی یا رزیستور ایجاد کرده اند که قادرند مقاومت الکتریکی قبلی خود را به یاد بیاورند. این قطعات عملکردی شبیه به سیناپس های مغزی دارند و به همین خاطر برای ایجاد شبکه های عصبی واقعی که انتقال سیگنال در آنها می تواند اثرات دراز مدتی را ایجاد نماید، ایده آل ترین انتخاب هستند. نکته دیگر اینکه نوع تکنولوژی و مواد انتخابی برای ساخت این شبکه عصبی به گونه ایست که به دانشمندان امکان می دهد آنها را با کوچک ترین ابعاد ممکن بسازند (به لحاظ نظری به کوچکی 10 نانومتر) و دیگر نیازی به استفاده از مواد سمی نداشته باشند؛ بنابراین بدون آنکه نیازی به ایجاد ساختار مجدد مغز باشد می توان با استفاده از همین چیپ ها شبکه هایی به کوچکی یک تراشه معمولی درست کرد. البته این فناوری هنوز راه درازی برای رسیدن به بلوغ و پختگی در پیش دارد و نمونه اولیه ساخته شده با آن عرضی به اندازه یک میلیمتر دارد و فعلا قادر به انجام ابتدایی ترین امور است. با این همه، پتاسیل های آن بسیار بالا هستند و علاوه بر اینکه می توان به لطف آن شبکه های عصبی با رفتاری طبیعی را طراحی کرد می شود سیستم هایی با امکان یادگیری ماشینی را ساخت. اگر نتایج تحقیقات این گروه از محققان به بار بنشیند انتظار می رود که نتایج تحقیقات آنها به عنوان پایه و مبنای مورد نیاز برای ساخت کامپیوترهای هوشمند سال های آتی مورد استفاده قرار گیرد. منبع: engadget برچسب‌ها:اخبار تکنولوژیتکنولوٰژیشبکه عصبی مصنوعیشبکه های عصبییادگیری ماشینی اشتراک‌گذاری: This entry passed through the Full-Text RSS service - if this is your content and you're reading it on someone else's site, please read the FAQ at fivefilters.org/content-only/faq.php#publishers., ...ادامه مطلب

بازی سنتی Go، یکی از سخت ترین چالش هایی است که یک انسان تحت عنوان سرگرمی می تواند تجربه کند و حالا سیستم شبکه عصبی توسعه یافته توسط گوگل موفق شده تا قهرمان اروپای این بازی چینی را با نتیجه 5 از 5 شکست دهد. در واقع این هوش ماشینی در هر 5 راند توانسته برتر از قهرمان بازی باشد. در گزارشی که اخیرا توسط گوگل در Nature منتشر شد، محققین و سازندگان DeepMind اعلام کردند که چگونه سیستم عمل می کند و به چه طریقی موفق شده این موفقیت را کسب کند، موفقیتی که توسط هیچ یک از سیستم های شبیه ساز پیشین Go تا به حال به دست نیامده بود. مدت ها می شود که Go، به عنوان یکی از سخت ترین بازی ها برای شبیه سازی کردن شناخته می شود و به همین جهت، سیستم DeepMind حالا برای محققین حوزه هوش مصنوعی جذاب شده. فیسبوک نیز پیش از گوگل، روی سیستم مشابهی کار می کرد. نحوه کارکرد این سیستم مشابه Deep Blue در بازی شطرنج است. تاکتیکی که Tree Search نام دارد، در واقع جستجوی پیشامدهای ممکن از یک حرکت انجام شده است. با این حال، سیستم در بازی شطرنج باید صرفا چند حرکت و پیش آمد مشخص را در نظر بگیرد در حالی که برای بازی Go، این حق انتخاب در طول بازی فراتر رفته و دقیقه به دقیقه بزرگ تر می شود، در حدی که صدها پیش آمد ممکن است صورت پذیرد/ سیستم DeepMind در 99.8 درصد از آزمون های خود موفق عمل کرده اما برای تکمیل پروژه، محققین زمان بیشتری را لازم دارند. اولین و آخرین رقیب غیر کامپیوتری DeepMind هم فقط قهرمان اروپای این بازی بوده که صرفا 5 بازی با یکدیگر انجام داده اند، بنابراین باید منتظر تست های بیشتر بمانیم. منبع: Gizmodo برچسب‌ها:بازی Goبازی چینی Goسیستم شبکه عصبیسیستم شبکه عصبی گوگلشبکه عصبی اشتراک‌گذاری: This entry passed through the Full-Text RSS service - if this is your content and you're reading it on someone else's site, please read the FAQ at fivefilters.org/content-only/faq.php#publishers., ...ادامه مطلب