پرش به محتوای اصلی

موضوع

شناسایی ناهنجاری

روش‌های هوش مصنوعی برای کشف الگوهای غیرعادی و رفتارهای مشکوک در داده‌ها

۳۰۸ مقاله منتشر شده

آموزش کاربردی

Tracepath: ثبت ۱۰۰٪ فراخوانی‌های ابزار برای پاسخگویی در محیط سازمانی

پروژه متن‌باز Tracepath با ارائه یک پشته‌ی کامل حسابرسی، امکان انطباق عامل‌های هوش مصنوعی با قوانین سخت‌گیرانه EU AI Act را فراهم می‌کند. این ابزار هر فراخوانی ابزار را با امضای…

۶ دقیقه خواندن۲

۹ عامل هوش مصنوعی ۱۲۰ روز یک استودیوی تناسب اندام را اداره کردند

یک مؤسس استارتاپی در چین ۹ عامل خودگردان را برای مدیریت عملیاتی یک استودیوی تناسب اندام به کار گرفت. این آزمایش نشان داد که مدیریت تداخلات دستوری و نظارت مستقل، بسیار حیاتی‌تر از…

۲ دقیقه خواندن

سوگیری مدل‌های هوش مصنوعی حفرهٔ امنیتی FortDefender را پنهان کرد

یک حسابرسی امنیتی فاش کرد که سامانه نظارتی FortDefender به دلیل «یادگیری» اشتباه، یک نشت دادهٔ عظیم در حوزه سلامت را نادیده گرفته است. این سیستم نرخ تشخیص ۹۹.۹۷ درصدی خود را با…

۱۴ دقیقه خواندن۱
آموزش کاربردی

۳ تفاوت کلیدی میان هوش مصنوعی، یادگیری ماشین و یادگیری عمیق

این راهنما مرزهای عملیاتی بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را تحلیل می‌کند. محوریت این بررسی، نقش شبکه‌های عصبی در اتوماسیون تحلیل داده‌ها و تفاوت مدل‌های نظارت‌شده و…

۲ دقیقه خواندن۲
آموزش کاربردی

چطور زنجیره هش تصمیمات خودگردان ماهواره‌ها را قابل حسابرسی می‌کند؟

یک معماری لبه-به-ابر جدید با استفاده از زنجیره هش، تصمیمات خودگردان ماهواره‌ها را قابل حسابرسی و اخلاقی می‌کند. این سامانه تأخیر تشخیص ناهنجاری را از ۴۵ ثانیه به ۲.۳ ثانیه کاهش…

۹ دقیقه خواندن