ایران و آمریکا؛ دیپلماسی در آینه تاریخ و آزمون آینده

ایران و آمریکا؛ دیپلماسی در آینه تاریخ و آزمون آینده

مینو خالقی - «صلح پایدار تنها زمانی ممکن است که طرفین به هزینه‌های تنش‌آفرینی بیشتر از منافع آن بیندیشند»، شاید بیش از هر زمان دیگری درباره رابطه ایران و آمریکا، خصوصا در شرایط فعلی، مصداق داشته باشد.
روندها و چشم‌‌‌انداز اقتصاد دیجیتال در ۲۰۲۵

روندها و چشم‌‌‌انداز اقتصاد دیجیتال در ۲۰۲۵

محمدمهدی محمدی - اقتصاد دیجیتال با تعریف سازوکارهای اقتصادی مبتنی بر داده و فناوری، به یکی از مهم‌ترین عناصر ساختار اقتصادی جهانی تبدیل شده است. این مفهوم نه تنها شامل تجارت الکترونیک می‌شود، بلکه به تمامی ابعاد استفاده از فناوری‌های دیجیتال در زندگی روزمره، از مبادلات مالی تا ارتباطات، پرداخته و تأثیر قابل توجهی بر رفتارهای اجتماعی، فرآیندهای مدیریتی و ساختارهای زیرساختی جوامع دارد. با پیشرفت‌های مداوم و ظهور فناوری‌های نوآورانه، به‌ویژه در حوزه‌های هوش مصنوعی، بیگ دیتا، اینترنت اشیاء و بلاک‌چین، تحولات عمیق‌تری در بازارهای جهانی و شکل‌گیری مدل‌های کسب‌وکار جدید مشاهده می‌شود.
دوشنبه ۳۰ تير ۱۴۰۴ - 2025 July 21
کد خبر: ۱۱۱۸۱۰
تاریخ انتشار: ۱۸ تير ۱۳۹۷ - ۱۷:۰۰

توسعه هوش مصنوعی با توانایی جداسازی

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.
تدبیر24»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.

بازدید از صفحه اول
sendارسال به دوستان
printنسخه چاپی
نظر شما: