🟠 دکتر علیرضا کاظمی، فارغ التحصیل دکترای گروه فلسفه علم دانشگاه صنعتی شریف است. وی پژوهشگر گروه مطالعات بنیادین پژوهشگاه فضای مجازی و محقق پژوهشگاه IPM است. زمینههای پژوهشی و تدریس وی شامل، فلسفه ذهن، فلسفه علوم شناختی، مطالعات بنیادین فضای مجازی، و فلسفه علم است.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 instagram: @Frontiers_sci
💟 twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 instagram: @Frontiers_sci
💟 twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🟠 دکتر مهدی کفایی عضو هیئت علمی گروه مهندسی الکترونیک و مهندسی پزشکی دانشکده برق دانشگاه صنعتی شاهرود است. وی مقالات متعددی در زمینه اخلاق علم و فناوری و کتابهایی در حوزه مهندسی پزشکی و مطالعات علم و فناوری به چاپ رسانده است. زمینههای تدریس او شامل، اخلاق مهندسی و اخلاق علم است.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 instagram: @Frontiers_sci
💟 twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 instagram: @Frontiers_sci
💟 twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🟠 پروفسور سید حسن حسینی، استاد تمام گروه فلسفه علم دانشگاه صنعتی شریف و مسئول کنفرانس هوش مصنوعی است. وی استاد مدعو دانشگاه ایندیانای آمریکا، استاد نمونه دانشگاه صنعتی شریف، عضو شورای تحصیلات تکمیلی دانشگاه شریف، معاون فرهنگی سابق بنیاد ملی نخبگان، رئیس سابق دانشگاه صدا و سیما و بنیاگذار رشته فلسفه رسانه در ایران است. زمینههای پژوهشی و تدریس ایشان شامل تکامل داروینی، خداباوری و الحاد، فلسفه دین، فلسفه رسانه، و فلسفه اسلامی است.
پروفسور حسینی سخنران افتتاحیه کنفرانس هوش مصنوعی است.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 instagram: @Frontiers_sci
💟 twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
پروفسور حسینی سخنران افتتاحیه کنفرانس هوش مصنوعی است.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 instagram: @Frontiers_sci
💟 twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔖 چکیده سخنرانی هاله عسگری نیا از دانشگاه توئینته هلند:
🔸🔸 یادگیری ماشین و چالشهای حریم خصوصی: حریم خصوصی گروه در مقابل حریم خصوصی فرد
📌 استفاده از فناوریهای مبتنی بر داده، بهویژه یادگیری ماشین، سؤالاتی دربارهی حریم خصوصی در سطح گروه، حریم خصوصی گروه، مطرح میکند. طرفداران حریم خصوصی گروه بر این باورند که گروههایی که توسط الگوریتمهای یادگیری ماشین، به منظور کشف الگو یا ساختار در دادهها، طراحی میشوند دارای حق حریم خصوصی هستند که به حق حریم خصوصی اعضاء گروه تقلیل پیدا نمیکند. براساس این دیدگاه، باید از حق حریم خصوصی گروه در ارتباط با این فناوریهای پیشرفته حفاظت کرد تا از وقوع تبعیض علیه این گروهها جلوگیری کرد و با مشکلات حریم خصوصی در سطح گروه مقابله کرد. برخلاف این دیدگاه، استدلال من این است که دلیل عملی برای تشخیص و حفظ حریم خصوصی گروه وجود ندارد. تبعیض علیه اعضاء یک گروه تنها در صورتی رخ میدهد که حریم خصوصی افراد عضو گروه نقض شده باشد. بنابراین، حفظ حریم خصوصی افراد عضو گروه، گروهی که توسط الگوریتمها طراحی میشود، مانع رخداد تبعیض علیه آن گروه میشود. همچنین، برای مقابله با مشکلات حریم خصوصی که توسط این فناوریها ایجاد میشوند، نیازی به حفظ حریم خصوصی گروه نیست چرا که این فناوریها حریم خصوصی فرد را به شیوهای جدید به چالش میکشند. در نتیجه، یادگیری ماشین چالشهای جدیدی را برای حریم خصوصی فرد ایجاد میکند، به جای آنکه مشکلاتی مربوط به حریم خصوصی گروه ایجاد کند. بر این اساس، حق حریم خصوصی فرد باید به گونهای بهبود یابد که با چالشهای جدید ایجاد شده توسط این فناوریها مقابله کند و حفاظتی کارآمد برای فرد فراهم آورد.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔸🔸 یادگیری ماشین و چالشهای حریم خصوصی: حریم خصوصی گروه در مقابل حریم خصوصی فرد
📌 استفاده از فناوریهای مبتنی بر داده، بهویژه یادگیری ماشین، سؤالاتی دربارهی حریم خصوصی در سطح گروه، حریم خصوصی گروه، مطرح میکند. طرفداران حریم خصوصی گروه بر این باورند که گروههایی که توسط الگوریتمهای یادگیری ماشین، به منظور کشف الگو یا ساختار در دادهها، طراحی میشوند دارای حق حریم خصوصی هستند که به حق حریم خصوصی اعضاء گروه تقلیل پیدا نمیکند. براساس این دیدگاه، باید از حق حریم خصوصی گروه در ارتباط با این فناوریهای پیشرفته حفاظت کرد تا از وقوع تبعیض علیه این گروهها جلوگیری کرد و با مشکلات حریم خصوصی در سطح گروه مقابله کرد. برخلاف این دیدگاه، استدلال من این است که دلیل عملی برای تشخیص و حفظ حریم خصوصی گروه وجود ندارد. تبعیض علیه اعضاء یک گروه تنها در صورتی رخ میدهد که حریم خصوصی افراد عضو گروه نقض شده باشد. بنابراین، حفظ حریم خصوصی افراد عضو گروه، گروهی که توسط الگوریتمها طراحی میشود، مانع رخداد تبعیض علیه آن گروه میشود. همچنین، برای مقابله با مشکلات حریم خصوصی که توسط این فناوریها ایجاد میشوند، نیازی به حفظ حریم خصوصی گروه نیست چرا که این فناوریها حریم خصوصی فرد را به شیوهای جدید به چالش میکشند. در نتیجه، یادگیری ماشین چالشهای جدیدی را برای حریم خصوصی فرد ایجاد میکند، به جای آنکه مشکلاتی مربوط به حریم خصوصی گروه ایجاد کند. بر این اساس، حق حریم خصوصی فرد باید به گونهای بهبود یابد که با چالشهای جدید ایجاد شده توسط این فناوریها مقابله کند و حفاظتی کارآمد برای فرد فراهم آورد.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
X (formerly Twitter)
ss (@Frontiers_Sci) / X
🔴 چت جیپیتی و چشماندازهای جدید برای هوش مصنوعی قوی
🔖 چکیده سخنرانی دکتر علیرضا کاظمی
📌 پیشرفتهای اخیر در هوش مصنوعی در قالب مدلهای زبانی بزرگ که در سرویسهایی چون چت جیپیتی در حجم و کاربردهای گسترده و روزافزون در اختیار عموم قرار گرفته است، بار دیگر امیدها را برای بازتولید هوش کامل انسانی، که برای چند دهه به حاشیه رفته بود، زنده کرده است. در این ارائه تلاش میکنم تا با بازخوانی نقدهای سنتی به پروژه هوش مصنوعی قوی و همچنین ارائه جدیدترین نقدهای فلسفی به این ایده، نشان دهم که پیشرفتهای شگرف و پرسرعت چت جیپیتی خللی در برخی از مهمترین انتقادات به هوش مصنوعی قوی وارد نمیکند.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔖 چکیده سخنرانی دکتر علیرضا کاظمی
📌 پیشرفتهای اخیر در هوش مصنوعی در قالب مدلهای زبانی بزرگ که در سرویسهایی چون چت جیپیتی در حجم و کاربردهای گسترده و روزافزون در اختیار عموم قرار گرفته است، بار دیگر امیدها را برای بازتولید هوش کامل انسانی، که برای چند دهه به حاشیه رفته بود، زنده کرده است. در این ارائه تلاش میکنم تا با بازخوانی نقدهای سنتی به پروژه هوش مصنوعی قوی و همچنین ارائه جدیدترین نقدهای فلسفی به این ایده، نشان دهم که پیشرفتهای شگرف و پرسرعت چت جیپیتی خللی در برخی از مهمترین انتقادات به هوش مصنوعی قوی وارد نمیکند.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔸🔸 چکیده سخنرانی پروفسور مارسلو میلراد، دانشگاه لنیوس، سوئد
🔖 زمینه هوش مصنوعی در آموزش، که معمولاً به عنوان AIED شناخته می شود، می تواند به عنوان استفاده از تکنیک ها و برنامه های مبتنی بر هوش مصنوعی در زمینه های آموزشی مختلف با هدف پشتیبانی از یادگیری (learning)، آموزش (teaching) و پرورش (training) تعریف شود. در حالی که پیشرفت های اخیر در فناوری و ابزارهای هوش مصنوعی پیاده سازی AIED را شتاب داده است، خود حوزه بیش از سه دهه وجود داشته است. در این ارائه، من یک نمای کلی از چگونگی تکامل حوزه AIED در طول 30 سال گذشته خواهم داد با هدف شناسایی حوزه های آموزشی، فناوری و برنامه های کاربردی که در مرکز این تکامل بوده اند. نتایج این تحلیل به منظور بررسی دقیق تر اولین نظرات و ملاحظات درباره اجراهای جاری و آینده هوش مصنوعی در محیط های آموزشی ارائه خواهد شد و مورد بحث قرار خواهند گرفت. علاوه بر این، چالش ها و مسائل تحقیقاتی جدیدی در این زمینه که می توانند محققان آموزشی علاقه مند به انجام مطالعات AIED را راهنمایی کنند، مورد بررسی قرار خواهد گرفت. همچنین برای روشن تر شدن برخی از این ایده ها چند مثال از فعالیت های در حال اجرا در دانشگاه لنیوس ارایه خواهند شد.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔖 زمینه هوش مصنوعی در آموزش، که معمولاً به عنوان AIED شناخته می شود، می تواند به عنوان استفاده از تکنیک ها و برنامه های مبتنی بر هوش مصنوعی در زمینه های آموزشی مختلف با هدف پشتیبانی از یادگیری (learning)، آموزش (teaching) و پرورش (training) تعریف شود. در حالی که پیشرفت های اخیر در فناوری و ابزارهای هوش مصنوعی پیاده سازی AIED را شتاب داده است، خود حوزه بیش از سه دهه وجود داشته است. در این ارائه، من یک نمای کلی از چگونگی تکامل حوزه AIED در طول 30 سال گذشته خواهم داد با هدف شناسایی حوزه های آموزشی، فناوری و برنامه های کاربردی که در مرکز این تکامل بوده اند. نتایج این تحلیل به منظور بررسی دقیق تر اولین نظرات و ملاحظات درباره اجراهای جاری و آینده هوش مصنوعی در محیط های آموزشی ارائه خواهد شد و مورد بحث قرار خواهند گرفت. علاوه بر این، چالش ها و مسائل تحقیقاتی جدیدی در این زمینه که می توانند محققان آموزشی علاقه مند به انجام مطالعات AIED را راهنمایی کنند، مورد بررسی قرار خواهد گرفت. همچنین برای روشن تر شدن برخی از این ایده ها چند مثال از فعالیت های در حال اجرا در دانشگاه لنیوس ارایه خواهند شد.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
X (formerly Twitter)
ss (@Frontiers_Sci) / X
🔴 کاربرد چت جی پی تی در پزشکی
🔸 چکیده سخنرانی پروفسور حسین ربانی
🔖 در این ارائه ابتدا به کاربرد هوش مصنوعی در پزشکی از جمله در پردازش سیگنالها و تصاویر پزشکی، بیوانفورماتیک، علوم اعصاب محاسباتی و پزشکی شخصی سازی شده اشاره می شود. سپس کاربرد مدلسازی در هوش مصنوعی بویژه در حوزه پزشکی مورد بحث قرار می گیرد. بر این اساس تاثیر مدلسازی به عنوان هسته مرکزی در پردازش هوشمند داده مورد تاکید قرار می گیرد و مثالهایی از تاثیر مدلسازی از جمله مدلسازی آماری و مدلسازی مبتنی برانرژی مورد بررسی قرار می گیرد. در نهایت به استفاده از مدلهای مولد در کابردهای اخیر یادگیری عمیق اشاره می شود و ChatGPT به عنوان نمونه ای از مدلهای مولد مطرح می شود و به کاربردهای آن در حوزه پزشکی پرداخته می شود. اشاره به زمینه های توسعه هوش مصنوعی در پزشکی به ویژه در ایران در حوزه های آموزش، پژوهش، فناوری و بازار از دیگر سرفصلهای پیش بینی شده در این ارائه می باشد.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔸 چکیده سخنرانی پروفسور حسین ربانی
🔖 در این ارائه ابتدا به کاربرد هوش مصنوعی در پزشکی از جمله در پردازش سیگنالها و تصاویر پزشکی، بیوانفورماتیک، علوم اعصاب محاسباتی و پزشکی شخصی سازی شده اشاره می شود. سپس کاربرد مدلسازی در هوش مصنوعی بویژه در حوزه پزشکی مورد بحث قرار می گیرد. بر این اساس تاثیر مدلسازی به عنوان هسته مرکزی در پردازش هوشمند داده مورد تاکید قرار می گیرد و مثالهایی از تاثیر مدلسازی از جمله مدلسازی آماری و مدلسازی مبتنی برانرژی مورد بررسی قرار می گیرد. در نهایت به استفاده از مدلهای مولد در کابردهای اخیر یادگیری عمیق اشاره می شود و ChatGPT به عنوان نمونه ای از مدلهای مولد مطرح می شود و به کاربردهای آن در حوزه پزشکی پرداخته می شود. اشاره به زمینه های توسعه هوش مصنوعی در پزشکی به ویژه در ایران در حوزه های آموزش، پژوهش، فناوری و بازار از دیگر سرفصلهای پیش بینی شده در این ارائه می باشد.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔴 ۸ روز تا پایان مهلت ثبت نام
📌 ۱۰ درصد از ظرفیت ثبت نام باقی مانده است.
#کنفرانس_بینالمللی_هوشمصنوعی
#دانشگاه_صنعتی_شریف
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
📌 ۱۰ درصد از ظرفیت ثبت نام باقی مانده است.
#کنفرانس_بینالمللی_هوشمصنوعی
#دانشگاه_صنعتی_شریف
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔴 چکیده سخنرانی خانم دکتر مهدیه سلیمانی، عضو هیئت علمی دانشکده کامپیوتر دانشگاه صنعتی شریف
🔖 هوش مصنوعی مولد هوش مصنوعی با هدف حل خودکار مسائل، در دهههای اخیر عمده توجهش را به سمت حوزه یادگیری ماشین یا همان استفاده از داده یا نمونه برای پیدا کردن راهحل به صورت خودکار معطوف کرده است. به خصوص در یک دهه اخیر حوزه یادگیری ژرف که نیاز به مداخله انسانی در فرایند یادگیری مدل را کمتر میکند، تحولات چشمگیری را در زمینه هوش مصنوعی ایجاد کرده است. در چند سال اخیر با تکامل و پیشرفت روشهای مولد حوزه یادگیری ژرف، فراهم آمدن توان محاسباتی بالا و داده فراوان (scaling) و در مواردی استفاده از دادگان چندوجهی (multimodal)، امکان یادگیری مدلهای مولد ژرف بزرگ با قابلیت تولید محتواهایی نظیر تصاویر، متون و ویدئوها با کیفیت بالا فراهم شده است. قابلیتهای شگفت انگیز مدلهای مولد بزرگ که در دو سه سال اخیر برای تولید متون، محاوره با انسان و تولید تصاویر ارائه شدهاند بحثهای زیادی در مورد دستیابی به هوش مصنوعی عمومی (AGI) و رقابت جدی این مدلها با انسان به میان آورده است. در حالی که تا پیش از این تصور میشد که هوش مصنوعی، با کارهایی که تنها مخصوص انسانها تلقی میشوند (مانند خلاقیت و ابداع) فاصلهی قابل توجه و حتی طی نشدنی دارد. در این ارائه، مروری بر تحولات دهه اخیر با تمرکز بر تحولات بسیار اخیر حوزه هوش مصنوعی در زمینه مدلهای مولد و توانمندیها و محدودیتهای این مدلها خواهیم داشت.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔖 هوش مصنوعی مولد هوش مصنوعی با هدف حل خودکار مسائل، در دهههای اخیر عمده توجهش را به سمت حوزه یادگیری ماشین یا همان استفاده از داده یا نمونه برای پیدا کردن راهحل به صورت خودکار معطوف کرده است. به خصوص در یک دهه اخیر حوزه یادگیری ژرف که نیاز به مداخله انسانی در فرایند یادگیری مدل را کمتر میکند، تحولات چشمگیری را در زمینه هوش مصنوعی ایجاد کرده است. در چند سال اخیر با تکامل و پیشرفت روشهای مولد حوزه یادگیری ژرف، فراهم آمدن توان محاسباتی بالا و داده فراوان (scaling) و در مواردی استفاده از دادگان چندوجهی (multimodal)، امکان یادگیری مدلهای مولد ژرف بزرگ با قابلیت تولید محتواهایی نظیر تصاویر، متون و ویدئوها با کیفیت بالا فراهم شده است. قابلیتهای شگفت انگیز مدلهای مولد بزرگ که در دو سه سال اخیر برای تولید متون، محاوره با انسان و تولید تصاویر ارائه شدهاند بحثهای زیادی در مورد دستیابی به هوش مصنوعی عمومی (AGI) و رقابت جدی این مدلها با انسان به میان آورده است. در حالی که تا پیش از این تصور میشد که هوش مصنوعی، با کارهایی که تنها مخصوص انسانها تلقی میشوند (مانند خلاقیت و ابداع) فاصلهی قابل توجه و حتی طی نشدنی دارد. در این ارائه، مروری بر تحولات دهه اخیر با تمرکز بر تحولات بسیار اخیر حوزه هوش مصنوعی در زمینه مدلهای مولد و توانمندیها و محدودیتهای این مدلها خواهیم داشت.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
X (formerly Twitter)
ss (@Frontiers_Sci) / X
🔴 چکیده سخنرانی پروفسور امید فتاحی
دانشگاه جیکوبز آلمان
🔖 پیشرفتهای اخیر در زمینه هوش مصنوعی در حال شکل دادن چشم اندازهای جدیدی در شبکههای زنجیره تأمین، و ساخت و تولید هستند. امروزه شبکههای زنجیره تأمین و سیستمهای تولیدی نیاز مبرم به یکپارچگی و چابکی دارند. چنین یکپارچگی و چابکی نیازمند آن است که عاملهای هوشمند مربوط با تأمین کنندگان، منابع و ماشین آلاتی در زنجیره تأمین، ضمن حفظ یکپارچگی و تعامل در فرآیندهای عملیاتی و تولید (یکپارچه طولی)، در طول شبکه تأمین نیز جهت مواجه با تغییرات، با یکدیگر تعامل نمایند (یکپارچگی عرضی). این ارائه، آخرین پژوهشهای انجام شده جهت بسط و تشریح استفاده از راهحلهای مبتنی بر هوش مصنوعی در راستای برآوردن این چابکی و یکپارچگی مورد نیاز را بررسی میکند.
این ارائه شامل سه بخش است:
🔸 استفاده از عاملهای خودکار مبتنی بر هوش مصنوعی در مدلهای تجاری مبتنی بر پرینت سه بعدی. چنین عاملهایی قابلیت کشف هوشمند هندسهها و تحلیل فرایند ساخت برای برنامهریزی فرایند ساخت به صورت چابک و ایجاد صورت حساب را دارا هستند
🔸 چارچوبهای مدل انتولوژی بر پایه هوش مصنوعی که قابلیت تعامل بین MOM (مدیریت عملیات ساخت) و MES (سیستم های اجرایی ساخت) را برای دستیابی به زنجیره تأمینهای پایدار و سازگارپذیر بوجود میآورند.
🔸 مدلهای تحقیق در عملیات هوشمند که به صورت توصیفی مبتنی بر هوش مصنوعی سازگارپذیر و چابک ایجاد میشوند. این مدلها حالت خود سازگارشونده دارند تا خودپویایی شبکههای تأمین را درک کرده و مدلهای پاسخگو برای برنامهریزی عملیات را ایجاد کنند.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
دانشگاه جیکوبز آلمان
🔖 پیشرفتهای اخیر در زمینه هوش مصنوعی در حال شکل دادن چشم اندازهای جدیدی در شبکههای زنجیره تأمین، و ساخت و تولید هستند. امروزه شبکههای زنجیره تأمین و سیستمهای تولیدی نیاز مبرم به یکپارچگی و چابکی دارند. چنین یکپارچگی و چابکی نیازمند آن است که عاملهای هوشمند مربوط با تأمین کنندگان، منابع و ماشین آلاتی در زنجیره تأمین، ضمن حفظ یکپارچگی و تعامل در فرآیندهای عملیاتی و تولید (یکپارچه طولی)، در طول شبکه تأمین نیز جهت مواجه با تغییرات، با یکدیگر تعامل نمایند (یکپارچگی عرضی). این ارائه، آخرین پژوهشهای انجام شده جهت بسط و تشریح استفاده از راهحلهای مبتنی بر هوش مصنوعی در راستای برآوردن این چابکی و یکپارچگی مورد نیاز را بررسی میکند.
این ارائه شامل سه بخش است:
🔸 استفاده از عاملهای خودکار مبتنی بر هوش مصنوعی در مدلهای تجاری مبتنی بر پرینت سه بعدی. چنین عاملهایی قابلیت کشف هوشمند هندسهها و تحلیل فرایند ساخت برای برنامهریزی فرایند ساخت به صورت چابک و ایجاد صورت حساب را دارا هستند
🔸 چارچوبهای مدل انتولوژی بر پایه هوش مصنوعی که قابلیت تعامل بین MOM (مدیریت عملیات ساخت) و MES (سیستم های اجرایی ساخت) را برای دستیابی به زنجیره تأمینهای پایدار و سازگارپذیر بوجود میآورند.
🔸 مدلهای تحقیق در عملیات هوشمند که به صورت توصیفی مبتنی بر هوش مصنوعی سازگارپذیر و چابک ایجاد میشوند. این مدلها حالت خود سازگارشونده دارند تا خودپویایی شبکههای تأمین را درک کرده و مدلهای پاسخگو برای برنامهریزی عملیات را ایجاد کنند.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
X (formerly Twitter)
ss (@Frontiers_Sci) / X
🔴 هوش مصنوعی مولد (Chat GPT) و اخلاق پژوهش
🔸 چکیده سخنرانی دکتر مهدی کفایی
دانشگاه صنعتی شاهرود
📌 چتباتهایی مانند ChatGPT در بسیاری از حوزهها دگرگونیهای اساسی پدید آوردهاند که از مهمترین آنها حوزه اخلاق پژوهش است. در این ارائه، ابتدا مروری خواهیم داشت بر فرصتها و تهدیدهای ChatGPT برای پژوهش، و سپس پاسخهایی که تاکنون به این موارد داده شده است، مطرح خواهد شد. همچنین با استفاده از چارچوب رایج در اخلاق پژوهش و نیز با بهرهگیری از برخی رویکردهای متأخر در هوش مصنوعی، سعی میشود این مسائل و پاسخها نقد و بررسی گردد.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔸 چکیده سخنرانی دکتر مهدی کفایی
دانشگاه صنعتی شاهرود
📌 چتباتهایی مانند ChatGPT در بسیاری از حوزهها دگرگونیهای اساسی پدید آوردهاند که از مهمترین آنها حوزه اخلاق پژوهش است. در این ارائه، ابتدا مروری خواهیم داشت بر فرصتها و تهدیدهای ChatGPT برای پژوهش، و سپس پاسخهایی که تاکنون به این موارد داده شده است، مطرح خواهد شد. همچنین با استفاده از چارچوب رایج در اخلاق پژوهش و نیز با بهرهگیری از برخی رویکردهای متأخر در هوش مصنوعی، سعی میشود این مسائل و پاسخها نقد و بررسی گردد.
🔗 لینک #ثبت_نام:
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔴 3 روز تا پایان مهلت ثبت نام
📌 تنها 5% از ظرفیت ثبت نام باقی مانده است.
#کنفرانس_بینالمللی_هوشمصنوعی
#دانشگاه_صنعتی_شریف
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
📌 تنها 5% از ظرفیت ثبت نام باقی مانده است.
#کنفرانس_بینالمللی_هوشمصنوعی
#دانشگاه_صنعتی_شریف
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🎯 برنامه کنفرانس هوش مصنوعی
۲خرداد ۱۴۰۲
#دانشگاه_صنعتی_شریف
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
۲خرداد ۱۴۰۲
#دانشگاه_صنعتی_شریف
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔴 کمتر از ۲۴ ساعت تا پایان مهلت ثبت نام
📌کنفرانس بین المللی هوش مصنوعی
#دانشگاه_صنعتی_شریف
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
📌کنفرانس بین المللی هوش مصنوعی
#دانشگاه_صنعتی_شریف
📎 https://mediaworkshop.philsc.sharif.ir/
📱شبکههای اجتماعی:
💟 Instagram: @Frontiers_sci
💟 Twitter: @Frontiers_sci
🆔 Telegram: @Frontiers_sci
🔴 اطلاعیه
مخاطبان گرامی که پس از ثبت نام، تمایل به دریافت فاکتور جهت ارائه به سازمان مورد نظر خود را دارند، میتوانند به شماره 09361084571 در #واتس_اپ پیام ارسال نموده و درخواست صدور فاکتور نمایند.
به دلیل حجم بالای پیامهای مرتبط با رویداد، در دریافت پاسخ صبوری بفرمایید.
دبیرخانه کنفرانس بین المللی هوش مصنوعی
دانشگاه صنعتی شریف
مخاطبان گرامی که پس از ثبت نام، تمایل به دریافت فاکتور جهت ارائه به سازمان مورد نظر خود را دارند، میتوانند به شماره 09361084571 در #واتس_اپ پیام ارسال نموده و درخواست صدور فاکتور نمایند.
به دلیل حجم بالای پیامهای مرتبط با رویداد، در دریافت پاسخ صبوری بفرمایید.
دبیرخانه کنفرانس بین المللی هوش مصنوعی
دانشگاه صنعتی شریف