ترمیم عکس‌های پیکسلی با هوش مصنوعی

/در , , , , /توسط

شرکت "انویدیا"، روشی برای ترمیم عکس‌های پیکسلی با آموزش هوش مصنوعی ارائه داده است.

به گزارش ایسنا و به نقل از فست کمپانی، شرکت آمریکایی "انویدیا"(NVIDIA) با همکاری دانشگاه‌های "آلتو"(Aalto University) فنلاند و دانشگاه "ام.آی.تی"(MIT)، طرحی برای آموزش هوش مصنوعی ارائه داده‌اند. این طرح، یک شبکه عصبی است که می‌تواند عکس‌های پیکسل شده را ترمیم کند.

پیش از این، برای اینکه هوش مصنوعی، چگونگی درست کردن تفاوت‌ها را یاد بگیرد، یک عکس پیکسلی و یک عکس بدون پیکسل مورد نیاز بود. در این روش جدید، دیگر نیازی به عکس بدون پیکسل نیست و هوش مصنوعی می‌تواند اختلالات و پیکسل‌ها را رفع و به صورت خودکار، عکس را ترمیم کند.

هوش مصنوعی با استفاده از آموزش یادگیری عمیق، می‌تواند تصاویر دارای نویز را بررسی کند و بدون تحلیل تصویر ابتدایی، آنها را ترمیم کند. در واقع، هوش مصنوعی می‌تواند با استفاده روش‌های آموزشی مشابه و بدون نمونه‌های سالم، کار خود را انجام دهد.

مقاله مربوط به این فناوری، در "کنفرانس بین‌المللی یادگیری ماشینی" (International Conference on Machine Learning in Stockholm) در شهر استکهلم سوئد ارائه شد.

ارتش آمریکا هم به جمع استفاده‌کنندگان هوش مصنوعی پیوست

/در , , , /توسط
حفظ سلامت و کارآمدی میلیون‌ها قطعه مربوط به ادوات و ماشین‌آلات نظامی کار بسیار مهم و در عین حال دقیق و زمان‌بری است، چرا که عمل نکردن یا انفجار یک قطعه نظامی در منطقه رزمی می‌تواند بسیار خطرناک و مرگبار باشد.
 
در گزارش‌ها آمده است که ارتش آمریکا قصد دارد برای پیش‌بینی خرابی خودروهای نظامی از هوش مصنوعی استفاده کند. به این ترتیب به نظر می‌رسد کاربرد دیگری از هوش مصنوعی در حال رونمایی است.
 
به گزارش وب‌سایت theverge، شرکت Uptake Technologies در شیکاگو نوعی نرم‌افزار هوش مصنوعی به نام Uptake توسعه داده است که برای پیش‌بینی زمان تعمیر قطعات نصب شده روی تجهیزات نظامی به کار می‌رود.
 
قرار است این طرح به طور آزمایشی در تانک‌های جنگی موسوم به Bradley M۲A۳s به کار رود و عملکرد آن بررسی شود. در مرحله اول، سنسورهای داخل این تانک می‌تواند اطلاعات مربوط به درجه حرارت و میزان دور بر دقیقه را هنگام سرعت دورانی به دست آورده و به نرم‌افزار ارسال کند.
 
هوش مصنوعی این داده‌ها را با اطلاعات مربوط به یک خودروی زرهی سالم و سرحال مقایسه می‌کند و می‌تواند مشکلات مربوط به خنک‌کننده‌ها و دیگر بخش‌ها را شناسایی کند.
 
البته Uptake به خودی خود هیچ تصمیمی نمی‌گیرد بلکه فقط مشکلات احتمالی را شناسایی و آن‌ها را در اختیار عوامل انسانی قرار می‌دهد.
 
در حال حاضر Uptake خدمات مشابهی به برخی شرکت‌های صنعتی از جمله کاترپیلار و بوئینگ عرضه می‌کند.
 
بر اساس این گزارش، شرکت سازنده یک قرارداد نسبتاً کوچک یک میلیون دلاری با ارتش آمریکا منعقد کرده است تا بتواند این سرویس مزبور را به صنایع نظامی ارائه کند.
 
بنا به گفته یک سرهنگ ارتش آمریکا، با تست موفقیت‌آمیز روی تانک‌های برادلی، این سرویس بر دیگر ادوات نظامی نیز به کار گرفته می‌شود.
 

توسعه هوش مصنوعی با توانایی جداسازی صدای سازها

/در , , , , /توسط
محققان موسسه فناوری ماساچوست(MIT) یک سیستم هوش مصنوعی موسوم به PixelPlayer توسعه داده‌اند که می‌تواند صدای سازهای مختلف را در یک آهنگ، تفکیک کند.
 
به گزارش ایسنا و به نقل از انگجت، محققان MIT یک سیستم هوش مصنوعی ابداع کرده‌اند که به شما این امکان را می‌دهد که اگر می‌خواهید صدای ویولن را در آهنگ بشنوید، صدای پیانو را ساکت کند.
 
اگر تا به حال به این فکر می‌کردید که چقدر خوب بود اگر می‌توانستید صدای ساز مورد علاقه‌تان را در آهنگ دلخواهتان بشنوید، پس حتما شیفته برنامه هوش مصنوعی جدید MIT خواهید شد.
 
برنامه PixelPlayer که از آزمایشگاه علوم رایانه و هوش مصنوعی موسسه ماساچوست(CSAIL) برآمده است، می‌تواند صدای آلات موسیقی را به صورت جداگانه در یک ویدیو شناسایی و صدای تولیدی آنها را تفکیک کند.
 
به عنوان مثال اگر چند ساز در حال نواخته شدن در یک قطعه موسیقی باشند، PixelPlayer به شما این امکان را می‌دهد که صدای ساز دلخواهتان را که می‌خواهید گوش دهید، انتخاب کنید و تنها به صدای آن ساز گوش دهید.
 
 
این برنامه، صدای خروجی از ساز انتخابی شما را با صدای بلند پخش می‌کند و حجم صدای دیگر سازها را کم می‌کند.
 
محققان این برنامه را با استفاده از تکنیک یادگیری عمیق تحت نظارت، آموزش دادند و 60 ساعت ویدیوی اجرای موسیقی را برای یادگیری آن تغذیه کردند. با این حال هنوز کامل نیست و فعلا فقط می‌تواند صدای 20 ساز را تشخیص دهد و هنوز هم در تشخیص صدای سازهای شبیه به هم با مشکلاتی روبرو است.
 
اما با توسعه بیشتر، می‌تواند یک ابزار ویرایش صدای کارآمد باشد و برای مهندسان صدا، راه‌هایی برای بهبود و یا بازگرداندن کیفیت فیلم‌های قدیمی کنسرت‌ها فراهم می‌کند.
 
همچنین می‌تواند برای آموزش ربات‌ها در مورد نحوه شناسایی صداهای مختلف محیطی مانند صدای حیوانات، وسایل نقلیه و آلت‌های موسیقی مورد استفاده قرار گیرد.
 

تبدیل ویدیوهای بی‌کیفیت به تصاویر آهسته با کیفیت

/در , , , /توسط
شرکت انویدیا به‌تازگی فناوری جدیدی را بر پایه هوش مصنوعی طراحی کرده است که می‌تواند ویدیوهای کم کیفیت را به تصاویر آهسته با کیفیت بالا تبدیل کند.
تصاویر ویدیویی آهسته در دنیای امروزی تلفن‌های همراه به یک گزینه محبوب بدل شده است. این نوع فیلم‌برداری بر روی بیشتر پرچم‌داران مدرن وجود دارد ولی اگر این قابلیت را در تلفن همراه خود ندارید، نیازی نیست نگران باشید زیرا شرکت انویدیا توانسته است تا فناوری جدیدی برای ارائه این خدمات به شما ارائه کند.
 
انویدیا به‌تازگی اعلام کرده است که می‌تواند تصاویر مات و شطرنجی شده‌ای که با دوربین‌های عادی برداشته‌شده است را، به فیلم‌هایی با کیفیت بسیار بالا تبدیل کند. این روش جدید توسط دانشمندان این شرکت و به کمک سیستم یادگیری عمقی طراحی و ساخته شده است. شما می‌توانید ویدیوهای عادی را با اضافه کردن فریم‌های بیشتر به تصاویر آهسته بسیار مناسب تبدیل کنید.
 
به‌این‌ترتیب می‌توان ویدیوهایی که 30 فریم بر ثانیه سرعت و دارند (کیفیت تصویربرداری عادی بیشتر تلفن‌های همراه) را به ویدیوهای تصویر آهسته با سرعت 240 فریم بر ثانیه بدل کرد. این امر به‌واسطه آزمایش 11 هزار ویدیو به تائید رسیده است و به نظر می‌رسد که این نوع رویکرد می‌تواند به‌سرعت جای خود را در میان کاربران بیابد.
 
به‌این‌ترتیب تصاویری با کیفیت ساخته خواهند شد که ازنظر کیفی به‌مراتب برتر است تصویر اصلی هستند و می‌توانند درزمینهٔ مصرف انرژی نیز موفق باشند. با این شرایط باید دید که این عملکرد شرکت انویدیا چگونه می‌تواند بر روی بازار تلفن‌های هرماه جدید تاثیر گذار باشد. همچنین این نوع هوش مصنوعی می‌تواند به‌خوبی راه را برای استفاده از هوش‌های مصنوعی دیگر در فناوری جهان تبدیل کند.