У нас вы можете посмотреть бесплатно هوش چیست؟ پیشنیازی برای درک هوش مصنوعی или скачать в максимальном доступном качестве, видео которое было загружено на ютуб. Для загрузки выберите вариант из формы ниже:
Если кнопки скачивания не
загрузились
НАЖМИТЕ ЗДЕСЬ или обновите страницу
Если возникают проблемы со скачиванием видео, пожалуйста напишите в поддержку по адресу внизу
страницы.
Спасибо за использование сервиса ClipSaver.ru
درک جامع هوش: پلی به سوی هوش مصنوعی این سخنرانی، یک رویکرد کامل و چندجانبه را برای تعریف و فهم بهتر مفهوم هوش ارائه میدهد؛ این درک، گام اول و ضروری برای شناخت عمیقتر سیستمهای پیشرفته هوش مصنوعی (AI) امروزی است. ما هوش را از چهار زاویه متفاوت بررسی خواهیم کرد: • ۱. روانشناسی و زبانشناسی: • در این بخش، به بررسی مدلهای شناخت انسان میپردازیم. • مفاهیمی مانند عامل هوش عمومی (G)، تفاوت میان هوش سیال (قدرت استدلال جدید) و هوش متبلور (دانش و تجربه آموخته شده)، و سایر تئوریهای کلیدی مورد کاوش قرار میگیرند. • ۲. زیستشناسی و علوم اعصاب: • تمرکز بر ریشههای تکاملی هوش و نحوه کارکرد مغز است. • ساختارهای حیاتی مغز، چگونگی اتصال نورونها، و مفهوم انعطافپذیری عصبی (Neural Plasticity)—یعنی توانایی مغز برای تغییر و انطباق—مرور میشود. • ۳. تئوری محاسباتی (بخش اوج): • به تئوریهای ریاضی میرسیم که عملکرد مغز را توضیح میدهند: پردازش پیشبینانه (Predictive Processing) و اصل انرژی آزاد (FEP). • این تئوری، مغز را به عنوان سیستمی تعریف میکند که دائماً تلاش میکند خطای پیشبینی خود را (یا همان "غافلگیری") به حداقل برساند. هدف نهایی این است که نشان دهیم چگونه این اصول اساسی و بیولوژیکی پیشبینی و کاهش خطا، به عنوان بنیان نظری برای طراحی معماریهای پیشرفته هوش مصنوعی، خصوصاً مدلهای یادگیری عمیق (Deep Learning)، به کار گرفته شدهاند. آیا تمایل دارید که متن در یک بخش خاص (مثل بخش تئوری محاسباتی) حتی سادهتر شود؟ #هوش #هوش_مصنوعی #آموزش #یادگیری_عمیق #رایگان 00:00 مقدمه 01:05 زبان شناسی هوش 02:00 هوش در روانشناسی 10:14 نقش تکامل و بیولوژی در هوش 16:32 نورون ها سیناپس ها و انعطاف نورونی 21:57 Neural efficiency hypotesis 23:38 predictive processing پردازش مبتنی بر پیشبینی و هوش مصنوعی 26:59 Free Energy Principle و هوش مصنوعی