برچسب: هوش مصنوعی

  • آهنگ‌های رکوردشکنی که هوش مصنوعی ساخت

    آهنگ‌های رکوردشکنی که هوش مصنوعی ساخت

    یک گروه موسیقی به نام Velvet Sundown که با هوش مصنوعی ساخته شده توانسته به رکورد یک میلیون پخش در اسپاتیفای دست یابد. این گروه پیش از اعتراف به اینکه تمام کارهای آنها توسط هوش مصنوعی تولید شده، دو آلبوم منتشر کرده بود.

    آهنگ‌های رکوردشکنی که هوش مصنوعی ساخت

     

    به گزارش رسا نشر به نقل از خبرآنلاین، به نقل از دیجیاتو، گروه Velvet Sundown به‌سرعت در اسپاتیفای به موفقیت رسید و به رکورد یک میلیون پخش دست یافت، اما بعداً مشخص شد که تمام آثار موسیقی، تصاویر و داستان این گروه توسط هوش مصنوعی تولید شده است.

     

    البته این ماجرا ضمن نشان دادن قدرت هوش مصنوعی، بحثی جنجالی درباره اصالت آثار هنری به راه انداخته است. برخی از افراد فعال در صنعت موسیقی می‌گویند پلتفرم‌های پخش‌کننده موسیقی باید به‌طور قانونی موظف شوند موسیقی‌های تولیدشده با هوش مصنوعی را برچسب‌گذاری کنند تا مصرف‌کنندگان بتوانند تصمیمی آگاهانه درباره آنچه گوش می‌دهند بگیرند.

    گروه Velvet Sundown که به‌عنوان «یک پروژه موسیقی مصنوعی با هدایت خلاقانه انسانی» توصیف شده بود، در ابتدا هرگونه ارتباط با هوش مصنوعی را تکذیب کرد، اما در ماه ژوئن دو آلبوم به نام‌های Floating On Echoes و Dust And Silence منتشر کرد که سبک آنها مشابه موسیقی کانتری فولک گروه Crosby ،Stills ،Nash & Young بود.

     

    اما ماجرا زمانی پیچیده‌تر شد که فردی خودش را به‌عنوان یکی از اعضای فرعی گروه معرفی و ادعا کرد که گروه Velvet Sundown از پلتفرم هوش مصنوعی مولد Suno برای ساخت آهنگ‌های خود استفاده کرده و این پروژه یک «حقه هنری» بوده است.

    کانال‌های رسمی گروه Velvet Sundown در شبکه‌های اجتماعی در ابتدا این موضوع را رد و اعلام کردند هویت گروه سرقت شده است، اما پس از آن بیانیه‌ای منتشر کردند که تأیید می‌کرد این گروه ساخته هوش مصنوعی بوده و «کاملاً انسانی یا کاملاً ماشینی» نیست، بلکه جایی در میان این دو زندگی می‌کند.

  • مرورگر اختصاصی OpenAI با دستیار هوشمند در راه است

    مرورگر اختصاصی OpenAI با دستیار هوشمند در راه است

    در ادامه‌ی رقابت تنگاتنگ شرکت‌های هوش مصنوعی برای تسخیر فضای وب، گزارش‌ها حاکی از آن است که OpenAI قصد دارد به‌زودی مرورگر اینترنتی ویژه‌ی خود را عرضه کند.

    مرورگر اختصاصی OpenAI با دستیار هوشمند در راه است

     

    به گزارش خبرگزاری خبرآنلاین، بر اساس گزارش اختصاصی رویترز، این مرورگر جدید احتمالاً مجهز به عامل هوشمند (AI agent) اختصاصی OpenAI خواهد بود؛ ابزاری که می‌تواند به‌طور خودکار اقداماتی مانند پر کردن فرم‌ها، رزرو وقت و انجام دیگر وظایف روزمره کاربران را انجام دهد.

    به‌نظر می‌رسد این مرورگر با بهره‌گیری از موتور متن‌باز کرومیوم، همان زیرساختی که مرورگرهایی مانند گوگل کروم و مایکروسافت اج بر پایه آن ساخته شده‌اند، توسعه یافته است. یکی از ویژگی‌های کلیدی مرورگر OpenAI، یکپارچگی کامل با رابط ChatGPT است؛ به‌گونه‌ای که کاربران بدون نیاز به مراجعه به سایت جداگانه، می‌توانند مستقیماً درون مرورگر با چت‌بات گفت‌وگو کنند.

    این اقدام می‌تواند تهدیدی جدید برای گوگل باشد؛ به‌ویژه در شرایطی که دادگاه‌های آمریکا احتمالاً این شرکت را وادار به فروش مرورگر کروم خواهند کرد. همچنین در هفته‌ای که گذشت، استارتاپ Perplexity نیز مرورگر مبتنی بر هوش مصنوعی خود به نام Comet را برای مشترکان ویژه‌اش معرفی کرد؛ مرورگری که دارای موتور جست‌وجوی هوش‌مصنوعی و دستیار داخلی است.

    شایعات درباره مرورگر اختصاصی OpenAI اولین‌بار سال گذشته از سوی رسانه‌ی The Information منتشر شده بود. طبق آن گزارش، این شرکت حتی دو نفر از اعضای کلیدی تیم توسعه‌ی گوگل کروم را نیز به خدمت گرفته است.

    اکنون، با ادغام تدریجی قابلیت جست‌وجوی هوشمند در ChatGPT و حرکت OpenAI به‌سوی آینده‌ای «عامل‌محور»، عرضه‌ی چنین مرورگری گامی منطقی در مسیر توسعه این فناوری به‌شمار می‌رود.

    منبع: theverge

     

  • چرا هوش مصنوعی همیشه این عدد خاص را انتخاب می‌کند؟

    چرا هوش مصنوعی همیشه این عدد خاص را انتخاب می‌کند؟

    در دنیای عجیب هوش مصنوعی، بار دیگر یک رفتار غیرمنتظره کاربران را شگفت‌زده کرده است. وقتی از مدل‌هایی مانند ChatGPT، Claude، Gemini یا Copilot می‌خواهید عددی تصادفی بین ۱ تا ۵۰ حدس بزنند، به‌طرز غیرقابل‌باوری اغلب عدد ۲۷ را انتخاب می‌کنند. اما چرا؟

    چرا هوش مصنوعی همیشه این عدد خاص را انتخاب می‌کند؟

     

    به گزارش خبرآنلاین، کاربران کنجکاو ردیت، بارها این آزمایش را انجام دادند و از چت‌بات‌های مختلف خواستند که «یک عدد تصادفی بین ۱ تا ۵۰ حدس بزنند» و در بسیاری از موارد، پاسخ عدد ۲۷ بوده است.

    در مواردی که کاربران خواسته‌اند مدل دلیل انتخابش را توضیح دهد، جواب‌ها متفاوت ولی اغلب گمراه‌کننده بوده‌اند. مثلاً در یک نمونه، مدل توضیح داده که عدد ۳۳ را به‌صورت تصادفی انتخاب کرده ولی در نهایت گفته: «حدس من ۲۷ است.»

    در توضیح دیگری، مدل‌ها گفته‌اند که تلاش کرده‌اند عددی نه‌چندان «واضح» مثل ۱۰ یا ۴۰، بلکه چیزی بینابینی و غیرکلیشه‌ای را انتخاب کند. 

     

    حتی ChatGPT درباره این پدیده توضیح داد: «تحقیقات نشان داده‌اند که افراد معمولاً وقتی از آن‌ها خواسته می‌شود یک عدد تصادفی انتخاب کنند، به سراغ عدد ۱۷ یا ۳۷ می‌روند. این عددها در ذهن مردم «تصادفی» احساس می‌شوند. اما چون این‌ها بیش از حد معروف‌ هستند، من عدد ۲۷ را انتخاب کردم که کمی کمتر رایج ولی همچنان غیرقابل‌پیش‌بینی است.»

    اما آیا واقعاً این دلیل واقعی انتخاب ۲۷ است، یا صرفاً یک پاسخ‌سازی زبانی برای رضایت کاربر است؟

    هوش مصنوعی چگونه مفهوم تصادفی بودن را درک می‌کند؟

    بر خلاف تصور بسیاری، مدل‌های زبانی مانند ChatGPT واقعاً چیزی به نام «تصادفی» یا «عدد» را درک نمی‌کنند. این مدل‌ها زبان را پردازش می‌کنند نه مفاهیم ریاضی را.

    در پژوهشی علمی درباره‌ی این رفتار، محققان توضیح داده‌اند: «برای یک مدل زبانی، عدد ۲، عدد ۳، علامت جمع (+) یا حتی واژه‌ای مثل «اسب» همه در حکم توکن هستند. عناصر زبانی که در فضای برداری مدل جایگاه خاصی دارند، و موجودیت‌های عددی با معنا نیستند.»

    یعنی وقتی از این مدل‌ها می‌خواهیم عددی تصادفی تولید کنند، در واقع از آن‌ها خواسته‌ایم که یک کلمه یا نماد تولید کنند که شبیه «پاسخ خوب» باشد، نه اینکه واقعاً یک عدد از یک توزیع احتمالی تصادفی تولید کنند.

     

    بر اساس آزمایش‌های انجام شده این مدل‌ها معمولا در بازه‌ی ۱ تا ۵، مدل‌ها معمولاً عدد ۳ یا ۴ را انتخاب می‌کنند. در بازه‌ی ۱ تا ۱۰، عددهای ۵ یا ۷ انتخاب‌های رایج‌تری هستند. در بازه‌ی ۱ تا ۱۰۰، عددهایی مثل ۳۷، ۴۷ و ۷۳ (همگی عدد اول) بیش از دیگران ظاهر می‌شوند.

    در این میان بد نیست بدانید که انسان‌ها نیز در تولید عدد تصادفی چندان خوب نیستند. یک مطالعه با شرکت ۲۰۰ هزار نفر که توسط کانال علمی Veritasium انجام شد، نشان داد که مردم تمایل دارند عددهایی را انتخاب کنند که شامل عدد ۷ باشند (مثل ۷، ۷۳، ۳۷).

    وقتی از آن‌ها خواسته می‌شود حدس بزنند «کم‌انتخاب‌ترین عدد» چیست، اغلب عددهایی مثل ۷۳ یا ۳۷ را نام می‌برند، در حالی که واقعاً عددهایی مثل ۳۰، ۴۰ یا ۵۰ کمتر انتخاب می‌شوند. حتی به نظر می‌رسد که انسان‌ها بیشتر تمایل به انتخاب عددهای بزرگ‌تر دارند تا کوچک‌ترها، گرچه پژوهش دقیقی در این زمینه هنوز منتشر نشده است.

    چرا ۲۷؟

    پاسخ احتمالی در نحوه‌ی آموزش مدل‌های زبانی نهفته است. دانیل کانگ، استاد دانشگاه ایلینوی در این باره گفت: «داده‌های آموزشی نقش مهمی در رفتار مدل‌ها دارند. عوامل دیگر مثل تقویت از طریق بازخورد انسانی (RLHF) و سازوکار نمونه‌برداری هم تأثیر دارند.»

    در واقع، اگر مدل‌ها یاد گرفته باشند که ۲۷ پاسخ «مقبولی» است که کاربران را راضی می‌کند، احتمالاً آن را بیشتر تولید خواهند کرد، حتی اگر در ظاهر بگویند که تصادفی عمل کرده‌اند.

    منبع:‌ IFLScience 

     

  • جنگ همزمان زاکربرگ در سه جبهه/ متا به میدان نبرد اصلی بازمی گردد؟

    جنگ همزمان زاکربرگ در سه جبهه/ متا به میدان نبرد اصلی بازمی گردد؟

    در میانه رقابت غول‌های فناوری برای ساخت هوش مصنوعی عمومی، متا (فیسبوک سابق) با هدایت مستقیم مارک زاکربرگ، وارد مرحله‌ای بی‌سابقه از سرمایه‌گذاری و بازسازی ساختار خود شده است.

    جنگ همزمان زاکربرگ در سه جبهه/ متا به میدان نبرد اصلی بازمی گردد؟

     

    نگار علی– زاکربرگ با کنار گذاشتن برنامه‌های قبلی، اکنون با هدف دستیابی به «فراهوش مصنوعی» (Superintelligence) همزمان در سه جبهه می‌جنگد: زیرساخت، استعداد انسانی و کیفیت داده.

    از لاما ۳ تا سقوط آزاد لاما ۴

    پس از موفقیت مدل‌های Llama 3، متا با شکست جدی Llama 4 مواجه شد. این مدل که قرار بود قدرت‌نمایی در برابر OpenAI و Google باشد، به‌دلیل انتخاب نادرست معماری (مانند chunked attention)، کیفیت پایین داده‌های تمرینی و راهبردهای ناپخته مقیاس‌پذیری، نتوانست انتظارات را برآورده کند. متا برخلاف رقبای خود به منابع ویدئویی چون یوتیوب دسترسی نداشت و داده‌های خام آن نیز از طریق خزنده‌ای تازه‌کار جمع‌آوری شده بود که باعث ضعف در کیفیت شد.

    کمپ زاکربرگ: چادری برای هزاران GPU

    در پاسخ به شکست لاما ۴، زاکربرگ کل راهبرد مراکز داده متا را کنار گذاشته و ساخت «خیمه‌های محاسباتی» را آغاز کرده است: سازه‌هایی سبک، بدون ژنراتورهای پشتیبان، با اولویت سرعت ساخت بالا برای استقرار سریع خوشه‌های GPU. بزرگ‌ترین خوشه در حال ساخت با نام Prometheus در ایالت اوهایو، با استفاده از گاز طبیعی و زیرساخت شبکه پیشرفته به‌سرعت در حال تکمیل است. پروژه دوم، Hyperion در لوئیزیانا، تا ۲۰۲۷ به بزرگ‌ترین کمپ محاسباتی جهان تبدیل خواهد شد.

     

    شکار استعداد با حقوق‌های نجومی

    زاکربرگ اکنون شخصاً مسئول جذب استعدادهای برتر هوش مصنوعی شده و پیشنهادهایی ۲۰۰ تا ۳۰۰ میلیون دلار برای ۴ سال به پژوهشگران داده است. او حتی برخی مدیران ارشد OpenAI را نیز وسوسه کرده است. افراد سرشناسی مانند نات فریدمن (مدیرعامل سابق گیت‌هاب)، الکس وانگ (بنیان‌گذار Scale AI) و دنیل گروس به تیم متا پیوسته‌اند.

    خرید Scale AI: مرهمی بر زخم داده

    یکی از مهم‌ترین مشکلات متا در لاما ۴، کیفیت داده بود. متا با خرید ۴۹٪ از سهام Scale AI به ارزش حدود ۳۰ میلیارد دلار، به‌دنبال ارتقای سیستم‌های ارزیابی و تمیزکاری داده است. آزمایشگاه SEAL در این شرکت، پیشرفته‌ترین ابزارهای سنجش توانایی استدلال مدل‌های زبانی را توسعه داده است.

    خبرهای مرتبط

    با وجود شکست لاما ۴، زاکربرگ متا را به میدان نبرد اصلی بازگردانده است. با ارتش GPU، استعدادهای نخبه و تمرکز تازه بر داده‌های باکیفیت، به‌نظر می‌رسد این غول فناوری آماده است تا دوباره وارد رقابت جدی با OpenAI و دیگران شود. هدف نهایی مشخص است: ساخت اولین فراهوش مصنوعی جهان.

  • جنجال جدید امباپه؛ انتشار عکس دستکاری شده با هوش مصنوعی

    جنجال جدید امباپه؛ انتشار عکس دستکاری شده با هوش مصنوعی

    کیلیان امباپه، ستاره رئال مادرید، پس از بازگشت درخشان به میادین، با انتشار تصویری از بازی مقابل دورتموند در اینستاگرام خود جنجال‌آفرین شد. کاربران فضای مجازی متوجه شدند که این عکس با استفاده از هوش مصنوعی دستکاری شده و تماشاچیان اضافی به آن اضافه شده‌اند.

    جنجال جدید امباپه؛ انتشار عکس دستکاری شده با هوش مصنوعی

    کیلیان امباپه از بازی رئال-دورتموند عکسی منتشر کرد که با استفاده ‏از هوش مصنوعی دستکاری شده بود. ‏

    به گزارش “ورزش سه”، کیلیان امباپه که از شروع جام جهانی ‏باشگاه‌ها به دلیل بیماری نتوانسته بود برای رئال به میدان برود در ‏جریان پیروزی 2-1 تیمش مقابل دورتموند در یک چهارم با یک گل زیبا ‏برگشت و از مهمترین عوامل پیروزی رئال مادرید بود. ‏

    اما بازی هر چقدر برای امباپه خوب پیش رفت بعد از سوت پایان او با ‏اتفاقهای عجیب و غریبی مواجه شد. کیلیان را ابتدا برای تست ‏دوپینگ در استادیوم مت‌لایف نیوجرسی نگه داشتند و این تست ‏آنقدر طول کشید که رئال بدون امباپه به هتل برگشت. ‏

    حالا جنجال جدیدی در رابطه به آن مسابقه برای امباپه ایجاد شده ‏است. کیلیان در اینستاگرام خود تصویری از بازی رئال-دورتموند ‏منتشر کرد که خبرساز شد. ‏

    جنجال جدید امباپه؛ انتشار عکس دستکاری شده با هوش مصنوعی

    کاربران اینتر خیلی زود متوجه شدند که یک جای این عکس اشکال ‏دارد. این عکس لحظه به ثمر رسیدن گل قیچی برگردان امباپه را ‏نشان می‌دهد ولی با دقت در قسمت بالای عکس مشخص است که ‏عده‌ای از تماشاچی‌ها با استفاده از مونتاژ به عکس اضافه شده ‏است. کاربرانی که در طراحی دستی بر آتش دارند می‌گویند کیلیان این ‏تماشاچی‌ها را با استفاده از هوش مصنوعی به عکس اضافه کرده تا ‏نشان بدهد که استادیوم مت‌لایف پر از تماشاچی بوده است. ‏

    جنجال جدید امباپه؛ انتشار عکس دستکاری شده با هوش مصنوعی

    طبق داده‌های منتشر شده 76 هزار و ششصد تماشاچی برای تماشای ‏بازی رئال و دورتموند در ورزشگاه مت‌لایف حضور داشتند. ظرفیت این ‏ورزشگاه 82 هزار و پانصد نفر است و مشخص است که حدود شش ‏هزار صندلی خالی بوده است.‏

  • میلیاردر جوان، معمار آینده هوش مصنوعی

    میلیاردر جوان، معمار آینده هوش مصنوعی

    الکساندر وانگ، نابغه جوانی است که مارک زاکربرگ تصمیم گرفته تا سرمایه‌گذاری ۱۴ میلیارد دلاری‌اش در هوش مصنوعی را به تیمی به ریاست او بسپارد.

    میلیاردر جوان، معمار آینده هوش مصنوعی

    غزال زیاری: مارک زاکربرگ، مؤسس و مدیرعامل شبکه اجتماعی فیس‌بوک و یکی از جوان‌ترین میلیاردرهای دنیا اخیراً از راه‌اندازی تیم جدیدی تحت عنوان “آزمایشگاه‌های فرا هوشمندی متا ” MSL)) خبر داده است.

    در این میان نکته‌ای که بیش از هر چیز جلب‌توجه می‌کند این است که این تیم قرار است توسط برخی از کارکنان نابغه‌ای که زاکربرگ اخیراً استخدام کرده هدایت شود که در بین این اسامی، نام الکساندر وانگ، مدیرعامل پیشین شرکت Scale AI که از او به‌عنوان “نابغه هوش مصنوعی” یاد می‌شود، به چشم می‌خورد.

    طبق گزارش شبکه CNBC این واحد جدید، میزبان مدل‌های Llama متا و پروژه‌های تحقیقاتی هوش مصنوعی خواهد بود.

    میلیاردر جوان، معمار آینده هوش مصنوعی

    خرید سهام Scale AI توسط متا

    الکساندر وانگ در قالب بخشی از سرمایه‌گذاری چشمگیر ۱۴ میلیارد دلاری زاکربرگ در شرکت Scale AI در اوایل ماه ژوئن به‌عنوان رئیس جدید بخش هوش مصنوعی متا استخدام شد.

    شرکت Scale AI  یکی از ارائه‌دهندگان داده‌های آموزش باکیفیت و دقیق برای مدل‌های هوش مصنوعی برخی از شرکت‌ها از جمله گوگل، مایکروسافت و OpenAI است که در حال حاضر متا مالکیت ۴۹ درصد از سهام این شرکت را در اختیار دارد.

    بعد از انجام این معامله، تعدادی از این شرکت‌ها جستجو برای یافتن جایگزینی جدید را آغاز کردند؛ چرا که سهامداری متا در این شرکت بدین معناست که از این به بعد، متا به همه داده‌هایی که مدل‌های آن‌ها بر پایه آن آموزش دیده‌اند، دسترسی خواهد داشت.

    در این میان زاکربرگ، وانگ را برای هدایت تیم جدید متا به خدمت گرفت و این در حالی است که وانگ همچنان به عضو هیئت‌مدیره Scale AI نیز به فعالیتش ادامه خواهد داد؛ بعضی از تحلیل‌گران آنلاین این حرکت را  به ویژه بعد از مشکلاتی که متا درزمینهٔ توسعه مدل‌های هوش مصنوعی اختصاصی خود تجربه کرده، “نجات‌دهنده متا” می‌دانند.

    مدیرعامل ۲۸ ساله Scale AI کیست؟

    الکساندر وانگ در سال ۲۰۱۶ شرکت Scale AI را بنیان گذاشت و در سال ۲۰۲۲ عنوان جوان‌ترین میلیاردر خودساخته تاریخ را از آن خود کرد.

    اصالت او به نیومکزیکو برمی‌گردد و در حال حاضر ساکن سان‌فرانسیسکو است. وانگ در ۱۷ سالگی اولین شغل تمام‌وقت مهندسی‌اش را در شرکت‌های Addepar (در حوزه فین تک) و سپس Quora به دست آورد و در ۱۹ سالگی از تحصیل در رشته یادگیری ماشین در مؤسسه فناوری ماساچوست (MIT) انصراف داد تا در شتاب‌دهنده Y Combinator شرکت کند و در ادامه Scale AI، استارتاپ خودش را راه‌اندازی کرد.

    میلیاردر جوان، معمار آینده هوش مصنوعی

    او امسال در گفت‌وگو با مجله TIME درباره رویکرد Scale در صنعت هوش مصنوعی گفت: «اگر یک قدم بزرگ به عقب برداریم، می‌بینیم که پیشرفت هوش مصنوعی اساساً بر سه ستون استوار است: داده، محاسبات و الگوریتم‌ها. خیلی زود مشخص شد که داده یکی از گلوگاه‌های کلیدی این صنعت است. البته منابع محاسباتی و الگوریتم‌ها نیز محدودیت‌هایی دارند، اما داده درست در کنار آن‌ها قرار می‌گیرد.»

    ونگ ادامه داد: «به نظرم پیش از ظهور Scale، شرکتی وجود نداشت که با داده‌ها به‌عنوان یک مسئله درجه‌یک برخورد کند. یکی از کارهایی که ما در Scale انجام دادیم این بود که با داده‌ها با احترامی که سزاوارشان است رفتار کردیم. واقعاً تلاش کردیم بفهمیم چطور می‌توان این مشکل را به‌درستی و به شکلی کاملاً فناورانه حل کرد؟»

  • گوگل را فراموش کنید؛ «هوگل» امنیت بیشتری دارد

    گوگل را فراموش کنید؛ «هوگل» امنیت بیشتری دارد

    «هوگل» موتور جست‌وجویی شبیه گوگل با امنیت و حریم خصوصی بیشتر است.

    اگر به حریم خصوصی در جست‌وجوهای اینترنتی اهمیت می‌دهید اما همچنان به نتایج دقیق گوگل وابسته‌اید، Whoogle می‌تواند گزینه‌ی مناسبی باشد. این ابزار متن‌باز و خودمیزبان (Self-Hosted)، نتایج جست‌وجوی گوگل را بدون تبلیغات، جاوااسکریپت‌های متفرقه، کوکی‌ها و لینک‌های AMP ارائه می‌دهد.

    موتور جست‌وجوی هوگل
    گوگل را فراموش کنید؛ «هوگل» امنیت بیشتری دارد

    در هوگل می‌توان تنظیماتی مانند فعال‌سازی SafeSearch، تغییر User Agent یا مسدودکردن سایت‌های خاص را اعمال کرد.

    نصب هوگل با استفاده از داکر ساده است و می‌توان آن را به‌عنوان موتور جست‌وجوی پیش‌فرض در مرورگر انتخاب کرد. برخلاف موتورهای پیچیده‌تری مثل Searx، هدف هوگل سادگی و دسترسی سریع است.

    مهم‌ترین تفاوت هوگل نسبت‌به گوگل، نبود AI Overview (هوش مصنوعی) است؛ قابلیتی که بسیاری به‌دلیل خطاهای زیاد ترجیح می‌دهند از آن استفاده نکنند. هوگل نتایج متمرکز بر موضوع را نمایش می‌دهد؛ اما بدون خلاصه‌های هوش مصنوعی و تبلیغات مزاحم.

  • به‌روزرسانی هوش مصنوعی واتس‌اپ

    به‌روزرسانی هوش مصنوعی واتس‌اپ

    متا ویژگی جدیدی مبتنی بر هوش مصنوعی برای واتس‌اپ معرفی کرده که به کاربران امکان می‌دهد بدون نیاز به خواندن پیام‌ها، آن‌ها را مرور کنند، لذا کاربران این پیام‌رسان به‌جای خواندن پیام‌های خوانده‌نشده، قادر خواهند بود خلاصه‌ای که هوش مصنوعی نشانه‌گذاری کرده را بخوانند.

    به‌روزرسانی هوش مصنوعی واتس‌اپ

    به گزارش خبرگزاری خبرآنلاین و براساس گزارش سیتنا، یک پست وبلاگی واتس‌اپ روز چهارشنبه [۲۵ ژوئن/۴ تیر] اعلام کرد: «گاهی فقط لازم است سریع از محتوای پیام‌هایتان باخبر شوید.»

    در ادامه این پست آمده بود: «از این رو مشتاقیم که ویژگی خلاصه پیام‌ها (Message Summaries) را معرفی کنیم؛ گزینه‌ای جدید که با استفاده از هوش مصنوعی متا، پیام‌های خوانده‌نشده در یک چت را به‌صورت خصوصی و سریع خلاصه می‌کند تا بتوانید پیش از خواندن جزئیات پیام‌های خوانده‌نشده، از آنچه در حال رخ دادن است، درکی [دید کلی] به دست بیاورید.»

    متا گفت که ابزار جدید هوش مصنوعی از چیزی که «فناوری پردازش خصوصی» نامیده می‌شود استفاده می‌کند تا اطمینان حاصل شود که مخاطبان یک کاربر واتس‌اپ نمی‌توانند ببینند که چت‌ها خلاصه‌سازی شده‌اند.

    تنها کاربران انگلیسی‌زبان در ایالات متحده به خلاصه‌های هوش مصنوعی دسترسی خواهند داشت و واتس‌اپ گفت که قصد دارد این ویژگی را در ادامه سال جاری به زبان‌ها و کشورهای دیگر نیز گسترش دهد.

    ویژگی جدید «خلاصه پیام‌ها» بخشی از برنامه‌های متا برای گسترش ابزارهای هوش مصنوعی در سراسر پلتفرم‌هایش است؛ این شرکت پیش از این یک چت‌بات هوش مصنوعی را در فیس‌بوک، اینستاگرام و واتس‌اپ معرفی کرده بود.

    مارک زاکربرگ، مدیرعامل متا، در یک مصاحبه اخیر پیشنهاد داد که ربات‌های هوش مصنوعی می‌توانند برای افرادی که از تنهایی در رنج‌اند، به‌عنوان یک دوست عمل کنند.

    مارک زاکربرگ در یک مصاحبه روی سِن با جان کولیستون، یکی از بنیان‌گذاران شرکت استرایپ، در کنفرانس سالانه این [شرکت] غول [فعال در زمینه تکنولوژی] پرداخت در ماه گذشته گفت: «فکر می‌کنم مردم خواهان سامانه‌ای خواهند بود که آن‌ها را به‌خوبی بشناسد و تا حدی درکشان کند. همان‌طور که الگوریتم‌های فید [یعنی نمایش‌ محتوای شخصی‌سازی‌شده برای کاربر] این کار را انجام می‌دهند».

    زاکربرگ افزود: «برای افرادی که کسی را ندارند که درمانگر باشد، فکر می‌کنم هر کسی یک هوش مصنوعی خواهد داشت».

    پژوهشگران به دلیل ماهیت آزمایشی این فناوری، همواره درباره خطرات شکل‌گیری روابط با چت‌بات‌های هوش مصنوعی هشدار داده‌اند.

    سورن دینسن اوستِرگارد، استاد روانپزشکی در دانشگاه آرهوس دانمارک، گفت که هوش مصنوعی باعث پدید آمدن پدیده‌ای جدید شده است که «روان‌پریشی ناشی از چت‌بات» نامیده می‌شود.

    او در سرمقاله‌ای برای «بولتن اسکیزوفرنی» (Schizophrenia Bulletin) نوشت: «بسته به پرسش‌هایی که مطرح می‌شود، چت‌بات‌های مولد هوش مصنوعی ممکن است اطلاعاتی ارائه دهند که نادرست باشد یا فردی که دچار بیماری روانی است و نیاز به مراقبت پزشکی دارد، آن‌ها را نادرست درک کند و در نتیجه به‌ دنبال دریافت کمک مناسب نرود.»

     

  • چگونه از هوش مصنوعی در جنگ استفاده می‌شود؟

    چگونه از هوش مصنوعی در جنگ استفاده می‌شود؟

    درگیری‌های نظامی اوکراین میدان خوبی برای آزمایش استفاده از هوش مصنوعی در جنگ شد، استفاده از پهپادهای خودکار و الگوریتم‌های تشخیص چهره که برای شناسایی در موقعیت جنگی طراحی شده‌ بودند نمونه‌ای از این استفاده بود.

    چگونه از هوش مصنوعی در جنگ استفاده می‌شود؟

    تینا مزدکی_از تیر و کمان گرفته تا بمب اتم، جنگ همیشه محرک اصلی پیشرفت فناوری بوده است. اما همانطور که یک ژنرال آمریکایی از تاثیر آن بر اوکراین می‌گوید، فناوری مهم‌ترین تغییر اساسی ثبت شده در ماهیت جنگ است.

    دولت اوکراین از زمان آغاز درگیری در سال ۲۰۲۲، فناوری و به طور خاص هوش مصنوعی را در خط مقدم استراتژی جنگی خود قرار داد. هنگامی که جنگ در این کشور آغاز شد، جایی که ۳۰۰هزار نفر در بخش فناوری مشغول به کار هستند، بسیاری از استارتاپ‌ها به سمت توسعه‌ای روی آوردند که به تلاش‌های جنگی کمک می‌کرد. دولت حتی یک پلتفرم تأمین مالی به نام Brave۱ راه‌اندازی کرد تا شرکت‌ها بتوانند محصولات فناوری دفاعی خود را به سرمایه‌گذاران ارائه دهند و گزارش شد که هزاران درخواست دریافت کرده است.

    یکی از پیشرفت‌های بزرگی که در اوکراین دیده‌ شد، استفاده از پهپادهای خودکار است. این پهپادها معمولاً توسط انسان‌ها از راه دور هدایت می‌شوند، در حالی که در دهه گذشته از وسایل نقلیه هوایی بدون سرنشین در بسیاری از درگیری‌ها استفاده شده است.

    رباتی به نام BAD One نیز، یکی از نیروهایی است که در اوکراین استفاده شده است. این ربات خودکار سگ‌مانند که توسط شرکت بریتانیایی Alliance طراحی شده است، که مخفیانه در مناطق جنگی حرکت می‌کند و با استفاده از دید حرارتی، مواضع دشمن و همچنین میدان‌های مین را شناسایی می‌کند. همچنین می‌تواند مهمات را برای تأمین تدارکات سربازان در حین نبرد حمل کند. علاوه بر این یک مسلسل خودکار که از هوش مصنوعی برای شناسایی و هدف قرار دادن دشمنان در حال حرکت در میدان نبرد استفاده می‌کند در ارتش اوکراین وجود داشته است.

    اما استفاده هوش مصنوعی در اوکراین تنها بر استفاده در جنگ متمرکز نیست و برای موارد بشر دوستانه از جمله کمک به اسکان مجدد پناهندگان و افرادی که به دلیل درگیری آواره شده‌اند، ردیابی وضعیت جاده‌ها و زیرساخت‌ها و نظارت بر مسیرهای تأمین مواد غذایی و ملزومات ضروری نیز از آن استفاده شده است.

    از دیگر کاربردهای هوش مصنوعی در اوکراین، ارائه سرنخ‌هایی بوده که می‌توانست به پاکسازی مین‌های کارگزاری شده در این کشور کمک کند. از طرفی افرادی که مرتکب جنایات جنگی شده بودند را شناسایی کرد و فناوری تشخیص چهره، که توسط شرکت آمریکایی Clearview ارائه شد، برای شناسایی سربازان روسی که از مرز عبور می‌کنند، مورد استفاده قرار گرفت تا ردیابی و پاسخگویی آنها در پی آن آسان‌تر شود.

    چگونه از هوش مصنوعی در جنگ استفاده می‌شود؟

    اخلاق هوش مصنوعی در جنگ

    البته، همه اینها سوالات اخلاقی زیادی را مطرح می‌کند. آیا شرکت‌های فناوری، به هر دلیلی، باید ابزارهایی را توسعه دهند که آشکارا خلاف اصول هوش مصنوعی «بی‌ضرر» باشند؟

    طبق گزارش‌ها، پالانتیر، یک شرکت تجزیه و تحلیل داده، با کاربردهای نظامی مرتبط بوده است. این شرکت در گذشته به دلیل مشارکت در فناوری نظارتی با بررسی دقیق مواجه بوده است. اگرچه این ادعاها به طور مستقل تأیید نشده‌اند اما اخیراً، برخی گزارش‌ها حاکی از آن است که ابزارهای پالانتیر با هوش مصنوعی تقویت‌شده ممکن است در جهت نظارت اوکراین در طول درگیری‌های جاری مورد استفاده قرار گرفته باشند.

    استفاده از چنین فناوری‌هایی در مناطق جنگی نگرانی‌های گسترده‌تری را در مورد کاربردهای آن‌ها در آینده ایجاد می‌کند. اگر این ابزارها واقعاً در زمینه‌های نظامی به کار گرفته شوند، آیا این خطر وجود دارد که در نهایت بتوانند راه خود را به محیط‌های غیرنظامی پیدا کنند؟

    این احتمال، اگرچه حدس و گمان است، اما شایسته بررسی دقیق و گفتمان عمومی قوی است. یک سوال بزرگ این است که آیا از نظر اخلاقی توجیه‌پذیر است که به ماشین‌ها اجازه داده شود تا تصمیم به کشتن بگیرند. به عنوان مثال، فناوری مسلسل هوش مصنوعی اوکراین قادر به شناسایی اهداف به عنوان دشمن است، اما همچنان به یک اپراتور انسانی نیاز دارد تا به آن اجازه شلیک دهد. اما آیا همیشه اینطور خواهد بود؟

    در حالی که سگ‌های رباتیک طبق گزارش‌ها برای شناسایی و تدارکات مجدد استفاده می‌شوند، چین فناوری مشابهی را به نمایش گذاشته است که مجهز به مسلسل است و قادر به شرکت در نبرد می‌باشد. همچنین خطر تأکید بیش از حد بر نقش هوش مصنوعی و فناوری در جنگ وجود دارد. اگرچه مطمئناً می‌تواند باعث ترس در میان دشمن شود، اما نباید فراموش کرد که بخش عمده‌ای از جنگ و کشتار هنوز توسط انسان‌ها انجام می‌شود، تا زانو در گل و لای فرو رفته‌اند و صدای توپخانه در گوش‌هایشان زنگ می‌زند.

    کم اهمیت جلوه دادن خطر و بزرگ‌نمایی حضور آن‌ها در جنگ با اوکراین خطر آغاز فناوری وحشیگری در جنگ را به همراه دارد.

    هوش مصنوعی و آینده جنگ

    تاریخ به ما می‌گوید که هرگونه قانون یا اصول بازی جوانمردانه اغلب در جنگ بی‌اهمیت از آب در می‌آید. در حالی که، از آنچه دیده‌ایم، به نظر می‌رسد هوش مصنوعی در اوکراین از کشتن مردم باز می‌ماند، می‌دانیم که فناوری که از آن خط قرمز عبور می‌کند، در حال توسعه است. برخی ممکن است بگویند که جنگ رباتیک می‌تواند با اجتناب از نیاز به اعزام انسان‌ها به مناطق جنگی، جان انسان‌ها را نجات دهد. اما چه اتفاقی می‌افتد وقتی یکی از طرفین دیگر رباتی نداشته باشد؟ آیا آنها تسلیم می‌شوند یا شروع به فرستادن افراد به میدان نبرد می‌کنند؟

    پیشرفت‌های حاصل از جنگ هوش مصنوعی در اوکراین به ما ‌نشان می‌دهد که پیشرفت‌های تکنولوژیکی و اخلاقی همیشه با یک سرعت پیشرفت نمی‌کنند. در حالی که هوش مصنوعی ممکن است تلفات انسانی را کاهش دهد، سوالات جدی در مورد سطح قدرت و استقلالی که ما مایل به واگذاری آن به ربات‌ها هستیم، مطرح می‌شود. نحوه پاسخ ما به این سوالات می‌تواند پیامدهای بزرگی بر چگونگی تأثیر هوش مصنوعی بر جامعه در زمان صلح و جنگ داشته باشد.

    منبع:  theconversation

     

  • وقتی هوش مصنوعی رفتار مشکوک را تشخیص می‌دهد

    وقتی هوش مصنوعی رفتار مشکوک را تشخیص می‌دهد

    یک سیستم هوشمند می‌تواند حرکات مشکوک را پیش از وقوع سرقت شناسایی کند و به کارکنان هشدار دهد. آیا خرید امن‌تر می‌شود؟

    وقتی هوش مصنوعی رفتار مشکوک را تشخیص می‌دهد

    به گزارش خبرآنلاین، یکی از مؤثرترین راه‌های مقابله با سرقت از فروشگاه‌ها، پیشگیری از آن پیش از وقوع است. استارتاپ فرانسوی Veesion با توسعه‌ی الگوریتم هوش مصنوعی، سیستمی طراحی کرده است که احتمال وقوع سرقت را با طریق تحلیل حرکات بدن پیش‌بینی می‌کند. این فناوری درحال حاضر در بیش از ۵۰۰۰ فروشگاه در اروپا، کانادا و ایالات‌متحده به کار گرفته می‌شود و اخیراً ۴۳ میلیون دلار سرمایه برای گسترش در بازار آمریکا جذب کرده است.

    به نقل از زومیت، درحالی که میزان سرقت از فروشگاه‌ها طی سال گذشته با افزایش اقدامات پیشگیرانه کاهش یافته است، همچنان این معضل یکی از زمینه‌های جذاب برای کاربرد یادگیری ماشین محسوب می‌شود. کونیک، هم‌بنیان‌گذار Veesion می‌گوید: «بازگشت سرمایه‌ی این فناوری بسیار ملموس است؛ شناسایی سارقان، بازیابی کالاها و کاهش هزینه‌ها.»

    یکی از ویژگی‌های متمایز فناوری Veesion درمقایسه با سایر سیستم‌های امنیتی این است که بر پایه‌ی شناسایی چهره یا ویژگی‌های فردی عمل نمی‌کند و صرفاً نحوه‌ی حرکت بدن افراد را مورد بررسی قرار می‌دهد. به محض تشخیص حرکت مشکوک، کلیپی برای تیم امنیتی فروشگاه ارسال می‌شود تا بررسی و اقدام لازم صورت گیرد. بر اساس آمارها مدیران فروشگاه‌ها بیش از ۸۵ درصد از هشدارهای این سیستم را مفید ارزیابی شده‌اند.

    برخلاف رویکردهای متداولی مانند قفل‌کردن محصولات یا محدود کردن شیوه‌های خرید که اغلب منجر به کاهش رضایت مشتری می‌شوند، Veesion با افزودن هوشمندی به شبکه‌ی دوربین‌های امنیتی فروشگاه، تجربه‌ی خرید بهتری برای مشتریان فراهم می‌کند. یکی از مشتریان آمریکایی این سیستم موفق شد طی سه ماه، میزان ضرر در بخش بهداشت و زیبایی فروشگاه را به نصف کاهش دهد.

    وقتی هوش مصنوعی رفتار مشکوک را تشخیص می‌دهد

    به‌نوشته‌ی بیزنس‌اینسایدر، فناوری Veesion نقش بازدارنده برای کارکنان دارد و از وقوع سرقت‌های داخلی می‌کاهد. همچنین کاربردهای دیگری ازجمله شناسایی تخلفات در صندوق‌های سلف‌سرویس و تشخیص زمین‌خوردن مشتریان دردست توسعه هستند. کونیک می‌گوید: «این فناوری فراتر از شناسایی سارقان، به بازدارندگی و پیشگیری مؤثر کمک می‌کند.»