Workshop on Harms and Risks of AI in the Military

This cross-disciplinary workshop aims to bridge the gap between the AI research community and experts in military AI regulations. Our goal is to foster a multidisciplinary discussion about the harms and risks associated with the use of AI research advances for military applications. The workshop will be hybrid and will include keynote talks and panel discussions from experts with diverse backgrounds, contributed talks, posters, and roundtable discussions.


Where?
In-person at Mila - Quebec AI Institute in Montreal,6650 Rue Saint-Urbain, Montréal, QC H2S 3H1 - Agora hall.
Online participants will get access to a Crowdcast stream and a dedicated Slack workspace

When?
December 2nd and 3rd 2024.

Registration deadline:
November 25, 2024.

👉 Registration Link


@Ai_Events

📝نشست نقد مستند «عصر هوش مصنوعی»
با حضور مهندس حسین خدارحمی، پژوهشگر هوش مصنوعی و رسانه

🎙️💻 به‌صورت حضوری و برخط

⏰ دوشنبه ۲۱ آبان ماه ساعت ۱۴
📍تهران، سعادت آباد، خیابان علامه شمالی، خیابان هجدهم غربی، پلاک ۱۷، پژوهشگاه فضای مجازی

لینک ثبت نام حضوری:
https://evnd.co/4aXyk

لینک ورود به جلسهٔ آنلاین:
https://www.skyroom.online/ch/csnc/csri

@Ai_Events

MRI Image Processing for Brain Assessment


@Ai_Events

انجمن علمی دانشکده ریاضی دانشگاه صنعتی شریف (همبند) برگزار می‌کند:

مجموعه جلسات «گذر»

عنوان:
Causal Machine Learning

ارائه‌دهنده:
فریبرز صادقی
عضو ازمایشگاه یادگیری ماشین و مدلسازی محاسباتی دانشکده برق و کامپیوتر دانشگاه تهران

پیشنیاز های علمی:
آمار و احتمال - یادگیری ماشین

شرکت در این برنامه برای عموم آزاد است.

فُرم ثبت‌نام

مهلت ثبت‌نام : ۲۷ آبان‌ماه
زمان: چهارشنبه ۳۰ آبان _ ساعت ۱۵:۰۰
مکان: به صورت هیبرید - کلاس ۱۲۱ دانشکده ریاضی 
@Gozar_SUT


@Ai_Events

Presentation Title: Counting Understanding in Visoin Lanugate Models

Presenter: Arash Marioriyad

🌀 Abstract:
Counting-related challenges represent some of the most significant compositional understanding failure modes in vision-language models (VLMs) such as CLIP. While humans, even in early stages of development, readily generalize over numerical concepts, these models often struggle to accurately interpret numbers beyond three, with the difficulty intensifying as the numerical value increases. In this presentation, we explore the counting-related limitations of VLMs and examine the proposed solutions within the field to address these issues.

📄 Papers:
- Teaching CLIP to Count to Ten (ICCV, 2023)
- CLIP-Count: Towards Text-Guided Zero-Shot Object Counting (ACM-MM, 2023)


Session Details:
- Date: Sunday
- Time: 5:00 - 6:00 PM
- Location: Online at vc.sharif.edu/ch/rohban
@RIMLLab

@Ai_Events

کارگاه: استفاده از ابزارهای هوش مصنوعی برای تولید آگه نگار: انقلابی در مصورسازی داده

AI-Driven Infographics: Revolutionizing Data Visualization


👤ارائه‌دهندگان:
مریم طایفه محمودی
دکتری- هوش مصنوعی
عضو هیات علمی پژوهشگاه ارتباطات و فناوری اطلاعات

نهال بابایی بالانجی
مهندسی کامپیوتر
دانشجوی دانشگاه صنعتی خواجه نصیرالدین طوسی

تاریخ برگزاری: چهارشنبه 1403/08/30
ساعت: 17-19

🔸 شرکت برای عموم آزاد است 🔸

لینک جهت ثبت نام و درخواست صدور گواهی:
https://forms.gle/KhwHJdiAewBKkAR19

لینک اتاق مجازی :
https://vc14.sbu.ac.ir/ieee-edu-com/

@Ai_Events

وبینار آشنایی با سیستم‌های واسط مغز و رایانه

مدرس: مهزاد پیرقایش قورشاق

تاریخ برگزاری: پنجشنبه 8 آذر 1403

برای شرکت در وبینار به آیدی زیر پیام دهید:
@Mesbu_admin



@Ai_Events

  مجموعه سخنرانی های علمی هوش مصنوعی

Adapting AI: Explainability and Distributability
Tackling Challenges in Self-supervised EEG Representation Learning
Universal Novelty Detection

زمان برگزاری: چهارشنبه 7 آذر 1403  ساعت 11 الی 15
محل برگزاری: دانشگاه صنعتی امیرکبیر
شرکت برای عموم آزاد است.

جهت کسب اطلاعات بیشتر به آدرس زیر مراجعه کنید.
https://aaic.aut.ac.ir/workshop/3
@aaic_aut


@Ai_Events

چگونه ChatGPT کار می‌کند؟

https://arxiv.org/pdf/2203.02155.pdf?ref=assemblyai.com

#هوش_مصنوعی
📣👨‍💻 @AlgorithmDesign_DataStructuer

من بلد نیستم "شب‌آشیان شب‌زده" صدات کنم،
یا حتی "چکاوک شکسته‌پر"؛

تو از چشمام بخون که "رسیده ام به ناکجا"،
بیا و "مرا به خانه ام ببر" ...

@Ai_Events

برنامه رویداد پایانی هشتمین دوره مسابقات هوش مصنوعی امیرکبیر
زمان: چهارشنبه 7 آذر 1403
مکان: دانشگاه صنعتی امیرکبیر

@Ai_Events

یه ایده‌ی خلاقانه به نام GraphRAG برای تقویت توانایی‌ LLMها

یکی از چالش‌های کلیدی در مدل‌های زبانی بزرگ (LLM) استفاده از آن‌ها برای حل مسائل فراتر از داده‌های آموزش است. به‌منظور برآورده شدن این هدف، تیم تحقیقاتی مایکروسافت GraphRAG را معرفی کرده که به‌عنوان یک تکنیک پیشرفته
برای بهبود عملکرد Retrieval-Augmented Generation (RAG) استفاده می‌شود.

ویژگی‌های کلیدی GraphRAG:

ایجاد گراف دانش توسط LLM: این روش به‌صورت خودکار گرافی از موجودیت‌ها و روابط موجود در داده‌های خصوصی تولید می‌کند.

خوشه‌بندی معنایی: با ایجاد ساختارهای معنایی سلسله‌مراتبی، داده‌ها به خوشه‌هایی معنادار تقسیم‌بندی می‌شوند که امکان پیش‌خلاصه‌سازی اطلاعات را فراهم می‌کند.

افزایش دقت بازیابی: با استفاده از گراف تولید شده، GraphRAG محتوای مرتبط‌تری را برای ورود به پنجره زمینه LLM فراهم می‌آورد و پاسخ‌های دقیق‌تری تولید می‌کند.

پشتیبانی از پرسش‌های پیچیده: این تکنیک توانایی پردازش سوالاتی که نیاز به تجمیع
اطلاعات پراکنده یا تحلیل تم‌های کلان دارند را افزایش می‌دهد.

📊 عملکرد: در یک آزمایش با داده‌های خبری پیچیده، GraphRAG توانسته مفاهیم
کلیدی مانند فعالیت‌های سیاسی و نظامی مرتبط با "Novorossiya" را با دقت بالا شناسایی کند. این نتایج، بهبود چشمگیری را نسبت به روش‌های RAG پایه (که عملکرد آن‌ها صرفا با استفاده از فاصله وکتور سوال و جواب است) نشان داد که معمولاً در اتصال اطلاعات پراکنده ناکام بودند.

🔗 مزایای GraphRAG:

منبع‌نگاری دقیق: هر پاسخ به داده‌های اصلی مرتبط است و امکان تأیید صحت اطلاعات را فراهم می‌کند.

تحلیل کل‌نگر داده‌ها: خوشه‌بندی معنایی امکان شناسایی تم‌های اصلی و پاسخ‌دهی به سوالات کلی‌تر را بهبود می‌بخشد.

تطبیق با داده‌های خصوصی: این روش برای داده‌هایی که مدل‌های LLM به آن‌ها آموزش ندیده‌اند، مانند اسناد تجاری یا داده‌های اختصاصی سازمانی، ایده‌آل است.

مطالعه‌ی مقاله کامل

بخوانید: RAG چیست؟

بخوانید: LLM چیست؟


@Ai_Events

با سلام و احترام. به اطلاع میرساند، یک موقعیت دیگر برای جذب محقق پسادکتری در موضوعات زیر در دانشگاه تهران وجود دارد.

افراد دارای مدرک دکتری در بهینه سازی نظری یا عددی، علاقه مند به پژوهش در
زمینه هوش مصنوعی، یادگیری ماشین و تحلیل داده از منظر بهینه سازی، که بیش
از ۵ سال از تاریخ فارغ‌التحصیلی آنها نگذشته باشد و حداقل ۲ مقاله مرتبط
در مجلات معتبر دارند، می‌توانند تقاضای خود را به آدرس ایمیل
[email protected]
ارسال نمایند.

مهلت ارسال درخواست:
۲۵ آذر ۱۴۰۳

با تشکر- مجید سلیمانی دامنه، دانشگاه تهران

@Ai_Events

مجموعه سمینار‌های ژورنال کلاب MIND Lab

آقای سید رضا توکلی

چهارشنبه، 14 آذر ماه، ساعت 13

جلسه به صورت ترکیبی (حضوری و مجازی) برگزار می‌گردد.

دانشگاه صنعتی امیرکبیر، دانشکده ریاضی و علوم کامپیوتر، طبقه سوم، اتاق 312

لینک گوگل میت:
https://meet.google.com/xfu-vsxs-uzj


@MIND_Laboratory‌

@Ai_Events

💠 Compositional Learning Journal Club

Join us this week for an in-depth discussion on Compositional Learning in the context of cutting-edge text-to-image generative models. We will explore recent breakthroughs and challenges, focusing on how these models handle compositional tasks and where improvements can be made.

✅ This Week's Presentation:

🔹 Title: GenArtist: Multimodal LLM as an Agent for Unified Image Generation and Editing

🔸 Presenter: Dr Rohban

🌀 Abstract:
This innovative framework addresses the limitations of current image generation models in handling intricate text prompts and ensuring reliability through verification and self-correction mechanisms. Coordinated by a multimodal large language model (MLLM) agent, GenArtist integrates a diverse library of tools, enabling seamless task decomposition, step-by-step execution, and systematic self-correction. With its tree-structured planning and advanced use of position-related inputs, GenArtist achieves state-of-the-art performance, outperforming models like SDXL and DALL-E 3. This session will delve into the system’s architecture and its groundbreaking potential for advancing image generation and editing tasks.


📄 Papers: GenArtist: Multimodal LLM as an Agent for Unified Image Generation and Editing


Session Details:
- 📅 Date: Wednesday
- 🕒 Time: 3:30 - 4:30 PM
- 🌐 Location: Online at vc.sharif.edu/ch/rohban

@Ai_Events

تصویر بالا، درخت تکامل مدل‌های زبانی بزرگ (LLM) رو از سال ۲۰۱۸ تا ۲۰۲۴ نشون میده.

نمودار سه شاخه اصلی داره:
- شاخه قرمز شامل مدل‌های Encoder-only مثل BERT هست.
- شاخه سبز شامل مدل‌های Encoder-Decoder مثل T5 هست.
- شاخه آبی شامل مدل‌های Decoder-only مثل GPT هست.

توی هر شاخه، برگ‌ها مسیر پیشرفت مدل‌ها رو نشون میدن. مثلا، در شاخه آبی، شروع‌کننده تقریبا GPT-2 بوده و جدیدترین‌ هم Llama 3.2 هست.

گفت‌وگو با نوح!

یووال نوح هراری، نویسنده و تاریخ‌دان، تو یه مصاحبه درباره کتاب جدیدش "نکسوس: تاریخچه مختصر شبکه‌های اطلاعاتی از عصر سنگ تا هوش مصنوعی" صحبت می‌کنه که واقعا جذابه!

هراری می‌گه: "همون‌طور که خوردن غذای بیشتر همیشه به معنی سلامتی نیست، اطلاعات بیشتر هم به معنی خرد و آگاهی نیست! باید مثل رژیم غذایی، برای ذهنمون هم رژیم اطلاعاتی داشته باشیم."

هراری سوال مهمی رو مطرح می‌کنه "چطور ممکنه ما پیشرفته‌ترین فناوری‌های تاریخ رو داشته باشیم، ولی دیگه نتونیم با هم گفت‌وگو کنیم؟" و اشاره می‌کنه که تکنولوژی به جای بهبود گفتگوها، داره اونو نابود می‌کنه.

تو بخشی از این گفت‌و‌گو، هراری میگه اگه تمام سرمایه‌گذاری‌ها روی هوش مصنوعی باشه و رشد ذهن انسان رو فراموش کنیم، این یک خبر بد برای بشریته. اما اگر هم‌زمان روی هر دو تمرکز کنیم، آینده‌ای روشن در انتظار ماست.

پیش‌تر کتاب‌های "انسان خردمند"، "انسان خداگونه"، و "بیست و یک درس برای قرن بیست و یک" رو از این نویسنده خونده‌م، و اگر تو زمینه هوش فعال هستید، حداقل کتاب انسان خداگونه رو بخونید. این گفت‌وگو هم پر از ایده‌های ناب و جذابه، حتما ببینیدش!

@Ai_Events

وبینار پردازش صدا و یادگیری ماشین


سرکار خانم نیلوفر جزایری
به میزبانی جناب آقای دکتر بهزاد نجفی

چهارشنبه ۲۱ آذرماه ساعت ۱۷:۳۰ الی ۱۸:۳۰

لینک شرکت در وبینار:
https://meet.google.com/rec-wyir-aqd


@Ai_Events