بر اساس گزارش Abacus News برنامه جدید Megvii روی شناسایی سگ‌ها با استفاده از بینی آن‌ها تمرکز دارد.
دقیقا همان نقشی که اثر انگشت برای شناسایی انسان‌ها بازی می‌کند «اثر بینی» برای سگ ها دارد و این استارتاپ هوش مصنوعی با تکیه بر همین موضوع، اپی توسعه داده که صاحبان سگ‌ها با استفاده از دوربین گوشی خودشان، عکس بینی سگشان را در آن وارد می‌کنند.
به همان صورتی که اثر انگشت برای باز کردن قفل گوشی اسکن می‌شود، این اپ از صاحب سگ درخواست می‌کند که از بینی سگش در زوایای مختلف عکس گرفته و آن‌ها را وارد برنامه کند. Megvii گفته که تا به حال با همین روش 15 هزار سگ گمشده را با همین برنامه به صاحبانشان برگردانده و نرخ دقتی برابر 95 درصد را به ثبت رسانده است.
اما Megvii می‌گوید که که کاربرد این اپ چیزی بیشتر از بازگرداندن حیوانات گمشده به صاحبانشان است. با توجه به روابطی که این شرکت با دولت دارد، قرار است از این تکنولوژی برای پایش و جریمه افرادی که سگ‌هایشان را بدون قلاده در سطح شهر رها می‌کنند نیز استفاده کند.
در عرض چند سال اخیر توسعه سیستم‌های هوش مصنوعی برای تشخیص و شناسایی حیوانات بسیار فراگیر شده. مثلا از این سیستم‌ها برای نجات گونه‌های در معرض خطر و همچنین شناسایی انواع مختلف حیوانات مثل پانداها استفاده می‌شود.

اگر اخبار مربوط به هوش مصنوعی را دنبال کنید، شاهد دو تصویر کاملا متفاوت از این تکنولوژی خواهید بود. رسانه‌ها و سینما هوش مصنوعی را معمولا مساوی با توانایی‌های انسانی، بیکاری گسترده و آخرالزمانی که به دست ربات‌ها رقم می‌خورد می‌دانند. از سوی دیگر اما کنفرانس‌های علمی را داریم که در آن‌ها صحبت از هوش جامع مصنوعی است و اینکه هوش مصنوعی کنونی ضعیف ظاهر شده و نمی‌تواند بسیاری از کارکردهای بنیادین مغز انسان را داشته باشد.

اما فارغ از اینکه هوش مصنوعی در قیاس با هوش انسانی چه جایگاه دارد، الگوریتم‌های امروزی به عنصری مهم در صنایح مختلف مانند بهداشت و سلامت، امور مالی، تولید، حمل‌ونقل و بسیاری حوزه دیگر تبدیل شده‌اند. و همانطور که مارکو یانسیتی و کریم لاخانی، پروفسورهای مدرسه تجارت هاروارد در کتاب خود به نام «رقابت در عصر هوش مصنوعی: استراتژی و مدیریت در دورانی که الگوریتم‌ها و شبکه‌ها جهان را می‌رانند» می‌گویند، خیلی زود «هیچ‌یک از حوزه‌های انسانی عملکردی مستقل از هوش مصنوعی نخواهند داشت».

در واقع همین هوش مصنوعی ضعیف کنونی به رشد و موفقیت کمپانی‌هایی مانند گوگل، آمازون، فیسبوک و مایکروسافت منجر شده و تاثیری روزانه روی زندگی میلیاردها نفر در سراسر جهان دارد. همانطور که لاخانی و یانسیتی در کتاب خود می‌گویند، «برای اولویت دادن به محتوای شبکه‌های اجتماعی، ساخت بهترین کاپوچینوی ممکن، تحلیل رفتار مشتریان، تعیین قیمت بهینه و یا حتی نقاشی در سبک رامبرانت نیازی به یک رونوشت انسانی بی‌نقص نداریم. همین هوش مصنوعی ناقص و ضعیف دارد ماهیت شرکت‌ها و چگونگی کارکرد آن‌ها را دگرگون می‌کند».

همین هوش مصنوعی ضعیف کنونی به رشد و موفقیت کمپانی‌هایی مانند گوگل، آمازون، فیسبوک و مایکروسافت منجر شده
استارتاپ‌هایی که توانسته‌اند قوانین مدیریت کسب‌وکارهای مبتنی بر هوش مصنوعی را درک کنند، قادر به ایجاد بازارهای تازه و اختلال در عملکرد صنایع سنتی بوده‌اند. کمپانی‌هایی که جای پایشان از پیش محکم بوده و خودشان را با عصر هوش مصنوعی همگان کرده‌اند نیز توانسته زنده مانده و به موفقیت ادامه دهند. از سوی دیگر، آن‌هایی که پایبند به متدهای قدیمی مانده‌اند یا نابود شده‌اند یا بخش اعظمی از بازار خود را به کمپانی‌هایی باخته‌اند که شروع به استفاده از هوش مصنوعی کرده‌اند.

در میان تمام موضوعاتی که یانسیتی و لاخانی در کتاب خود به آن‌ها پرداخته‌اند، مفهوم «کارخانه هوش مصنوعی» نیز به چشم می‌خورد. عنصری کلیدی که به کمپانی‌ها اجازه می‌دهد قادر به رقابت و رشد در عصر هوش مصنوعی باشند.
کارخانه هوش مصنوعی چیست؟
کلیدی‌ترین تکنولوژی‌های هوش مصنوعی که در کسب‌وکارهای امروزی به کار گرفته می‌شوند، الگوریتم‌های یادگیری ماشینی هستند، موتورهایی آماری که می‌توانند الگوهای گذشته را یافته و براساس آنچه پیشتر رصد کرده‌اند، دست به پیش‌بینی خروجی‌های تازه بزنند. در کنار دیگر قطعات کلیدی مانند منابع داده، آزمون و خطاها و نرم‌افزار، الگوریتم‌های یادگیری ماشینی می‌توانند به ساخت کارخانه‌های هوش مصنوعی منجر شوند؛ مجموعه‌ای از قطعات و پروسه‌های متصل به یکدیگر که یادگیری و رشد را رقم می‌زنند.

الگوریتم‌های یادگیری ماشینی، موتورهایی آماری هستند که می‌توانند الگوهای گذشته را یافته و براساس آن‌ها دست به پیش‌بینی خروجی‌های تازه بزنند
بیایید کارکرد کارخانه هوش مصنوعی را توضیح دهیم. داده باکیفیتی که از منابع داخلی و خارجی به دست می‌آیند تبدیل به منبعی برای تربیت الگوریتم‌های یادگیری ماشینی می‌شوند تا بتوان در وظایفی خاص، دست به پیش‌بینی زد. در برخی موارد مانند شناسایی و درمان بیماری‌ها، این پیش‌بینی‌ها می‌توانند به متخصصین انسانی در اتخاذ تصمیم درست کمک کنند. در موارد دیگر مانند سیستم پیشنهاد محتوا، الگوریتم‌های یادگیری ماشینی می‌توانند وظایف را با مداخله انسانی اندک یا هیچ‌گونه مداخله انسانی اتوماسیون کنند.

الگوریتم و مدل مبتنی بر داده‌ی کارخانه هوش مصنوعی به سازمان‌ها اجازه می‌دهد که نظریه‌های جدید را به بوته آزمایش گذاشته و تغییراتی در راستای بهبود سیستم‌هایشان به وجود آورند. این می‌تواند افزودن قابلیت‌های جدید به محصولی باشد که پیشتر به تولید رسیده یا تولید محصولی کاملا جدید در سبد محصولات کمپانی. همین تغییرات باعث می‌شوند کمپانی اطلاعات جدید به دست آورد، الگوریتم‌های هوش مصنوعی را بهبود ببخشد و باز هم راهی برای افزایش پرفورمنس، ساخت سرویس‌ها و محصولات جدید، رشد و حرکت به سمت بازارهای تازه بیابد.
کارخانه هوش مصنوعی در جوهره خود چرخه‌ای کارآمد از انگیجمنت کاربر، جمع‌آوری داده،‌ طراحی الگوریتم، پیش‌بینی و بهبود را جای داده است. حداقل این توصیفی است که یانسیتی و لاخانی در کتاب رقابت در عصر هوش مصنوعی به کار می‌برند.

ایده ساختن، اندازه‌گیری کردن، آموختن و بهبود دادن ایده جدیدی نیست. برای سالیان طولانی، کارآفرینان و استارتاپ‌ها مشغول مباحثه و نوآوری در این حوزه بوده‌اند. اما کارخانه‌های هوش مصنوعی این چرخه را به جهان‌هایی تازه مانند پردازش زبان طبیعی یا بینایی کامپیوتری می‌برند.

یکی از مثال‌هایی که در کتاب رقابت در عصر هوش مصنوعی به آن اشاره شده، شرکت Ant Financial (که امروز تحت عنوان Ant Group شناخته می‌شود) است، شرکتی که در سال ۲۰۱۴ میلادی تاسیس شد و امروز با بیش از ۹۰۰۰ کارمند، گستره وسیعی از سرویس‌های مالی را به کمک یک کارخانه هوش مصنوعی بسیار بهینه (و مدیریت نبوغ‌آمیز) در اختیار بیش از ۷۰۰ میلیون مشتری قرار می‌دهد. برای مقایسه،‌ بانک آمریکا که در سال ۱۹۲۵ میلادی تاسیس شد، ۲۰۹ هزار کارمند دارد و سرویس‌های کمتری را در اختیار ۶۷ میلیون مشتری خود قرار می‌دهد.
زیرساخت کارخانه هوش مصنوعی:
رکسی پوشیده نیست که الگوریتم‌های یادگیری ماشینی، شدیدا بر داده‌های انبوه متکی هستند. ارزش داده باعث شده که اکنون شاهد ظهور اصطلاحاتی کلیشه‌ای نظیر «داده، نفت جدید است» باشیم که به دفعات در مقاله‌های تکنولوژیک به چشم خورده است. اما دسترسی به انبوهی از داده، برای دستیابی به یک الگوریتم هوش مصنوعی خوب کفایت نخواهد کرد. در واقع بسیاری از کمپانی‌های امروزی به گستره وسیعی از داده دسترسی دارند، اما داده و نرم‌افزار آن‌ها در سیلوهایی مجزا نگهداری می‌شوند و مدل‌ها و بسترهای ناسازگار، یکپارچگی را از تمام سیستم می‌گیرند.

حتی با اینکه مشتریان به یک سازمان به چشم هویتی یکپارچه نگاه می‌کنند، سیستم‌ها و داده‌های داخلی معمولا میان واحدهای مختلف تقسیم شده‌اند و بنابراین از تجمع داده جلوگیری می‌شود، تولید پیش‌بینی‌های موثر به تعویق می‌افتد و استفاده از قدرت آنالیتیکس و هوش مصنوعی غیرممکن می‌شود.

داده باید قبل از خورانده شدن به الگوریتم‌های هوش مصنوعی، پیش‌پردازش شود
علاوه بر این، داده باید قبل از خورانده شدن به الگوریتم‌های هوش مصنوعی، پیش‌پردازش شود. برای مثال ممکن است بخواهید که بنابر تاریخچه مکاتبات قبلی با مشتریان، یک چت‌بات مبتنی بر هوش مصنوعی بسازید که بخش‌هایی از پشتیبانی مشتریان شما را اتوماسیون می‌کند. در این مورد، داده متنی باید تلفیق و نمونه‌نمایی شود، کلمات و علائم نگارشی هجو حذف شوند و تغییراتی دیگر نیز به وجود آید تا بتوان از آن‌ها برای تربیت کردن مدل یادگیری ماشینی استفاده کرد.

حتی زمانی که مشغول سر و کله زدن با داده ساختارمند مانند رکوردهای فروش هستید هم امکان مواجهه با شکاف، اطلاعات ناقص و دیگر خطاهایی وجود دارد که باید برطرف گردند. و اگر داده از منابع گوناگون به دست آمده باشد، باید به‌گونه‌ای گردآوری شود که بی‌دقتی به وجود نیاورد. بدون پیش‌پردازش، مدل یادگیری ماشینی شما با داده‌های بی‌کیفیت تعلیم می‌بیند و در نتیجه، سیستم‌های هوش مصنوعی عملکردی ضعیف خواهند داشت.
و در نهایت، منابع داده داخلی شاید برای توسعه خط لوله هوش مصنوعی کافی نباشند. گاهی از اوقات باید اطلاعات را با داده به دست آمده از منابع خارجی مانند داده شبکه‌های اجتماعی، بازار بورس، منابع خبری و چیزهایی از این دست تکمیل کرد. یک مثال BlueDot است، شرکتی که از یادگیری ماشینی برای پیش‌بینی شیوع بیماری‌های عفونی استفاده می‌کند.

برای تربیت کردن و به راه انداختن سیستم هوش مصنوعی‌اش، BlueDot به صورت اتوماتیک به جمع‌آوری اطلاعات از صدها منبع مختلف می‌پردازد که از جمله آن‌ها می‌توان به بیانیه‌های سازمان‌های بهداشتی، پروازهای تجاری، گزارش‌های سلامت حیوانات دامی، اطلاعات اقلیمی ماهواره‌ها و گزارش‌های خبری اشاره کرد. بخش زیادی از تلاش و منابع نرم‌افزاری شرکت، صرف طراحی سیستمی برای جمع‌آوری و یکپارچه‌سازی داده شده است.


#ai @unixmens

ا sop یا انگیزه نامه چیست ؟‌

سازمان کشاوزی سلولی استرالیا (CAA) که یک سازمان غیرانتفاعی برای بهبود سلامت انسان و ارتقاء سیستم غذایی این کشور است، به تازگی پایگاه اینترنتی راه‌اندازی کرده تا دانشجویان و علاقه‌مندان حوزه کشاوزی سلولی را به سوی تحقیقات در این حوزه هدایت کرده و برای پشتیبانی از شرکت‌های فعال در این حوزه، نیروی کار متخصص تربیت کند.

بیانکا لی، مدیر کل کشاورزی سلولی استرالیا می‌گوید: « اولین سوالی که دانشجویان علاقه مند به کشاورزی سلولی از من می‌پرسند این است که چه سرفصل‌هایی را باید مطالعه کنم تا بتوانم وارد این رشته شوم؟ »



مشخصه بسیاری از صنایع پر رونق این است که افرادی که علاقه مند به ورود به آن هستند، می دانند که چگونه این کار را انجام دهند یا حداقل می‌توانند به راحتی اطلاعاتی را پیدا کنند که آنها را در جهت درست قرار دهد. اما در کشاورزی سلولی به عنوان یک حوزه نوظهور، همیشه آشکار نیست که دانش آموزان باید چه مهارت و تخصصی را یاد بگیرند.



لی می‌گوید: «ما با کمبود افراد علاقه‌مند به کشاورزی سلولی مواجه نیستیم، اما منابع کمی برای هدایت آنها به مسیرهای مختلف در این زمینه وجود دارد.»



به منظور حل این مشکل، سازمان کشاورزی سلولی استرالیا یک منبع آنلاین را به نام "مسیرها به کشاورزی سلولی" توسعه داده است. این ابزار، یک صفحه تعاملی در وب سایت سازمان کشاورزی سلولی استرالیا (CAA) است که از طریق آن دانشجویان و افراد جویای شغل می توانند نقاط ورودی مختلف در این زمینه را پیدا کنند.



لیزا موسگرو، محقق حوزه کشاورزی سلولی و از اعضاء سازمان کشاورزی سلولی استرالیا، که به تولید محتوای این ابزار کمک کرده، توضیح داد که نگاه اصلی حاکم بر طراحی این ابزار، این بود که "کاربران ممکن است از دیدگاه کسی که مایل به حل یک مشکل تحقیقاتی خاص است به این پایگاه مراجعه کند یا کسی که مایل به ارائه در خواست کار برای یک بخشی از کشاورزی سلولی باشد.»



به همین ترتیب، اطلاعات این ابزار به دو موضوع گسترده تقسیم می شود: "مسائلی برای حل کردن" و "رشته ها". هر کدام از این‌ها به زیرمجموعه‌های خاصی تقسیم‌بندی می‌شوند. در بخش مسائل، شکاف تحقیقاتی و فضاهای سفید فعلی لیست می‌شود، در حالی که در بخش رشته‌ها، رشته‌هایی درج شده که می توانند برای حل هر مشکل استفاده شوند. این مسیر در نهایت کاربر را به یک صفحه هدایت می کند که هر یک از دانشگاه های استرالیا را با آزمایشگاه‌های تحقیقاتی که ظرفیت حل مسائل انتخاب شده در کشاورزی سلولی را دارند، هدایت می کند.



کار بر روی راه‌اندازی این ابزار از آگوست سال 2020 آغاز شده است. تیم کشاورزی سلولی استرالیا پیش از آن شروع کردند به فکر کردن درباره اینکه چگونه یک ابزار تعاملی می تواند به دانشجویان و فارغ التحصیلان کمک کند.



این تیم سپس دانشگاه های محلی را برای ارائه دوره های آموزشی مورد بررسی قرار داد و توانمندی آنها را با حوزه‌های کاری شرکت های مختلف کشاورزی سلولی استرالیا، مقایسه کردند تا بتوانند میان دوره‌ها و نیازهای صنعت ارتباط ایجاد کنند.



منبع : https://www.proteinreport.org/cellular-agriculture-australia-launches-pathways-tool-students-and-professionals

باسابقه‌ترین سرویس پرسش و پاسخ اینترنتی دنیا که اتفاقا بیشترین حجم پرسش و پاسخ‌ها را هم دارد، ۴ ماه می، یعنی کمتر از یک ماه دیگر خاموش و تعطیل می‌شود.

از این تاریخ به بعد اگر آدرس این سرویس را در مرورگر بزنید، به صفحه اول یاهو، ری دایرکت می‌شوید.

یاهو الان دیگر بخشی از گروه رسانه‌ای Verizon  شده. یاهو در سال ۲۰۱۷ با مبلغ ۵ میلیارد دلار به تلکام که زیرمجموعه Verizon  است فروخته شد. باورتان می‌شود یاهوی افسانه‌ای به این مبلغ نازل فروخته شده باشد؟ البته تا ۲۰۱۷ عملا دیگر چیزی از افسانه یاهو باقی نمانده بود.

سرویس پرسش و پاسخ یاهو در ضمن از ۲۰ ماه میلادی جاری دیگر پذیرای پرسش تازه نیست. کاربران البته تا ۳۰ ژوئن می‌توانند اطلاعات خود را پشتیبان‌گیری کنند تا چیزی از دست ندهند.

حتی در آستانه خاموشی هم نگاهی به صفحه نخست Yahoo Answers نشان می‌دهد که کاربران فعالی دارد. آنها هنوز سؤال‌هایی بکر و حتی متفاوت از باورها و تفسیرهای عمومی می‌پرسند.




#yahoo #answer #service

@unixmen

regular expression denial of service (ReDoS)

گوشت کشت شده (Cultured meat)، که گاهی به آن گوشت آزمایشگاهی (In vitro meat) نیز گفته می‌شود، در واقع گوشتی است که در یک آزمایشگاه از چند سلول حیوانی رشد می‌کند. این گوشت واقعی است، اما به حیوانات نیاز ندارد. در حال حاضر شرکت‌های زیادی به دنبال تجاری‌سازی این فناوری هستند و روند «کشاورزی سلولی» را می‌توان یکی از فناوری‌های نوظهور دانست

ایده اصلی این است که برای تامین نیاز جمعیت جهان به گوشت، یک صنعت گوشت سازگار با محیط زیست و سازگار با انسان ایجاد کرد. برخی از کارشناسان صنعت فکر می کنند این روند، به نام کشاورزی سلولی، موج آینده است. تا پایان سال 2019، 55 شرکت در سراسر جهان بر روی این کار می کردند.



اما این فناوری هنوز در مراحل اولیه توسعه خود قرار دارد. هنوز مشخص نیست که چگونه گوشت کشت شده سالم و مقرون به صرفه خواهد بود، یا اینکه آیا به اندازه کافی خوب است تا مردم به خرید آن بپردازند. ممکن است ماه‌ها تا سال‌ها زمان نیاز باشد تا شاهد گوشت کشت شده در قفسه‌های فروشگاه و یا در رستوران ها باشیم.



تولید گوشت کشت‌شده

دانشمندان برای تولید گوشت، سلول‌های بنیادی، که در واقع واحدهای اولیه محصول نهایی هستند را مورد استفاده قرار می‌دهند. آنها سلول ها را در یک مایع حاوی مواد مغذی قرار داده، تا به این سلول‌ها کمک کنند تا تکثیر یافته و به یک بیوراکتور، یک دستگاه آزمایشگاهی برای رشد میکرواورگانیسم‌ها تبدیل شود.



هنگامی که گوشت "بدون ساختار" توسعه یافته است، گام بعدی این است که آن را به یک محصول گوشت واقعی تبدیل کرد. شرکت ها در حال تلاش برای پیدا کردن بهترین راه برای تولید برگر، ناگت و سایر محصولات از گوشت کشت شده هستند. برخی از آنها از "داربست" ساخته شده از پروتئین سویا، ژلاتین یا سایر منابع برای شکل دادن گوشت های آزمایشگاهی استفاده می کنند. بسته به نوع گوشتی که کشت می شود، این فرآیند باید 2 تا 8 هفته طول بکشد.



نظرها درباره تغذیه این گوشت چیست؟

مصرف گوشت معمولی می تواند نقش مهمی در بیماری مزمن ایفا کند. اما در حالی که دانشمندان می توانند مقدار چربی و کلسترول را در گوشت کشت‌شده تنظیم کنند، دانش زیادی در مورد این‌ گوش آزمایشگاهی چه تاثیری می تواند بر روی تغذیه داشته باشد، در دسترس نیست.



مزایای گوشت کشت شده

برخی از مزایای بالقوه گوشت آزمایشگاهی شامل موارد زیر است:





آلودگی کمتر. طرفداران گوشت کشت شده می گویند که احتمالا آلودگی توسط باکتری های E. coli و سایر آلاینده هایی که ممکن است در یک کارخانه پردازش گوشت وجود داشته باشد، در این محصولات آزمایشگاهی کمتر باشد.



آنتی بیوتیک کمتر . دامداری به طور سنتی از آنتی‌بیوتیک استفاده می‌کنند تا به سلامت دام کمک کنند. این کار می‌تواند منجر به مقاومت آنتی بیوتیکی شود و دیگر نتوان با آنتی‌بیوتیک به مقابله با عوامل بیماری‌زا رفت.



تاثیر زیست محیطی کمتر. برای پاسخ به تقاضای جهانی برای گوشت، فشار زیادی بر زمین و محیط‌زیست وارد می‌شود تا دام‌های بیشتری پرورش یابد. گوشت کشت شده به زمین بسیار کمتر نیاز دارد، از آب کمتر استفاده می کند و آلودگی کمتری تولید می کند.



همچنین تولید گوشت گاو سنتی باعث می شود مقادیر زیادی از متان، دی اکسید کربن و اکسید نیتروژن، به اصطلاح گازهای گلخانه ای که به گرمایش جهانی منجر می‌شود، تولید شود. گوشت گاو کشت شده، می تواند این میزان انتشار گازهای گلخانه ای را به طور قابل توجهی کاهش دهد.



کشتار کمتر. در حالی که گوشت کشت شده نیاز به یک نمونه کوچک از بافت دارد، نیازی به کشتار حیوانات نیست. سلول ها را می توان از یک حیوان زنده گرفت. در برخی از حمام های حاوی مواد مغذی مورد استفاده برای رشد سلول ها از خون حیوان استفاده می‌شود، اما سایر مراحل کاملا سبز هستند.



نگرانی در مورد گوشت آزمایشگاهی

در حالی که گوشت کشت شده یک آینده امیدوار کننده دارد، نگرانی ها وجود دارد، از جمله:



این فناوری وگان نیست از آنجایی که گوشت آزمایشگاهی حاوی سلول های حیوانی است، آن را نمی‌توان به عنوان رژیم غذایی وگان در نظر گرفت.



علاوه بر این، بسیاری از اعضای مذاهب هندو، مسلمان و یهودی مطمئن نیستند که آیا گوشت کشت می تواند با قوانین رژیم غذایی مذاهب آنها مطابقت داشته باشد.



قیمت. دانشمندان اولین همبرگر گوشت کشت شده را در سال 2012 ساخته اند. 325،000 دلار برای تولید آن هزینه شد. برای تجاری‌سازی، هزینه گوشت کشت شده باید کاهش یابد. یک متخصص پیش بینی کرده که تولید در مقیاس بزرگ می تواند هزینه یک برگر 5 اونس را به حدود 11 دلار برساند که هنوز گران محسوب می‌شود.

آیا مردم آن را خریداری خواهند کرد؟ برای برخی از افراد، ایده گوشت گاو کشت داده شده در آزمایشگاهی اصلا اشتها آور نیست. اما تحقیقات در حال انجام است و افکار عمومی تغییر می کند.

منبع : https://vegconomist.com/science/cell-cultured-as-the-newly-accepted-term-for-lab-grown-meat-in-the-usa/

هوش مصنوعی و کاربرد های آن

#ai #deep_learning

@unixmens

در جهان امروز چقدر در مقابل تعغییرات و مشکلات احتمالی آماده هستید ؟
آیا راهکاری دارید ؟
آیا به دنبال ارتقا خود و تیم خود هستید ؟‌

فردا ساعت ۲۰ در مورد این ساختار ها و مفاهیم و تاثیر آن بر اکوسیستم live در اینستاگرام خواهم داشت . حتما follow کنید و در جلسه و بحث شرکت کنید .
https://www.instagram.com/yashar_esmaildokht/

گزارش_حمله_آروان.pdf