🧭 نظام مالی در عصر هوش مصنوعی؛ از اقتصادِ پول به اقتصادِ هوش
هراری از تصویری تکاندهنده استفاده میکند:
> ممکن است انسان روزی درون نظام اقتصادیای زندگی کند که دیگر منطق آن را نمیفهمد.
همانطور که یک گاو نیازی ندارد قیمت گوشت، مالکیت یا سیاست پولی را بفهمد تا بخشی از اقتصاد ما باشد، شاید انسان هم در برابر نظامهای مالیِ هوشمصنوعی به چنین موقعیتی برسد.
وقتی الگوریتمها میلیاردها متغیر را همزمان تحلیل و تصمیمگیری میکنند، پرسش دیگر فقط این نیست که AI چقدر باهوش است؛
بلکه این است:
> اگر دیگر منطق تصمیمهای اقتصادی را نفهمیم، چه کسی واقعاً اقتصاد را کنترل میکند؟
📖 یادداشت جدید NextBrain:
🔗 [لینک یادداشت]
━━━━━━━━━━━━
🧠 NextBrain
*از امروز، فکر فردا*
@nextbarin_ir
هراری از تصویری تکاندهنده استفاده میکند:
> ممکن است انسان روزی درون نظام اقتصادیای زندگی کند که دیگر منطق آن را نمیفهمد.
همانطور که یک گاو نیازی ندارد قیمت گوشت، مالکیت یا سیاست پولی را بفهمد تا بخشی از اقتصاد ما باشد، شاید انسان هم در برابر نظامهای مالیِ هوشمصنوعی به چنین موقعیتی برسد.
وقتی الگوریتمها میلیاردها متغیر را همزمان تحلیل و تصمیمگیری میکنند، پرسش دیگر فقط این نیست که AI چقدر باهوش است؛
بلکه این است:
> اگر دیگر منطق تصمیمهای اقتصادی را نفهمیم، چه کسی واقعاً اقتصاد را کنترل میکند؟
📖 یادداشت جدید NextBrain:
🔗 [لینک یادداشت]
━━━━━━━━━━━━
🧠 NextBrain
*از امروز، فکر فردا*
@nextbarin_ir
راهکار تحول هوش مصنوعی
نظام مالی در عصر هوش مصنوعی؛ از اقتصادِ پول به اقتصادِ هوش | راهکار تحول هوش مصنوعی
«وقتی ماشینها ثروت را تولید و حتی تصمیمگیری اقتصادی را انجام میدهند، انسان چه چیزی را همچنان حق دارد خودش تعیین کند؟»
🚨 جنسن هوانگ: «AGI رسماً از راه رسیده است»
جنسن هوانگ، مدیرعامل انویدیا، در واکنش به عرضه مدل جدید GPT-6 Astra اعلام کرده است:
> «از ChatGPT تا o1 و سپس Astra در چهار سال؛ AGI از راه رسیده است.»
هوانگ همچنین گفته Astra روی بیش از ۱۰۰ هزار سیستم Nvidia Grace Blackwell NVLink72 آموزش دیده؛ هر سیستم ۷۲ GPU را بهصورت یک واحد محاسباتی یکپارچه به هم متصل میکند.
اما یک نکته مهم وجود دارد:
این ادعا، تعریف شخصی هوانگ از AGI است و اعلام رسمی OpenAI یا Nvidia محسوب نمیشود. حتی رقم اعلامشده درباره زیرساخت نیز ابتدا ۳۰۰ هزار سیستم عنوان شده بود و بعد به ۱۰۰ هزار اصلاح شد.
بنابراین سؤال اصلی همچنان پابرجاست:
آیا رسیدن یک مدل بسیار قدرتمند به معنای رسیدن به AGI است، یا هنوز برای چنین ادعایی به معیارهای روشنتر و قابلسنجش نیاز داریم؟
اگر ادعای هوانگ درست باشد، تاریخ هوش مصنوعی دیگر همان تاریخی نیست که دیروز میشناختیم.
📷 Getty Images
🤖 مغز آینده | NextBrain
🆔 @Nextbrain_ir
#هوش_مصنوعی #AGI #GPT6 #Astra #Nvidia #JensenHuang #OpenAI #آینده_هوش_مصنوعی
جنسن هوانگ، مدیرعامل انویدیا، در واکنش به عرضه مدل جدید GPT-6 Astra اعلام کرده است:
> «از ChatGPT تا o1 و سپس Astra در چهار سال؛ AGI از راه رسیده است.»
هوانگ همچنین گفته Astra روی بیش از ۱۰۰ هزار سیستم Nvidia Grace Blackwell NVLink72 آموزش دیده؛ هر سیستم ۷۲ GPU را بهصورت یک واحد محاسباتی یکپارچه به هم متصل میکند.
اما یک نکته مهم وجود دارد:
این ادعا، تعریف شخصی هوانگ از AGI است و اعلام رسمی OpenAI یا Nvidia محسوب نمیشود. حتی رقم اعلامشده درباره زیرساخت نیز ابتدا ۳۰۰ هزار سیستم عنوان شده بود و بعد به ۱۰۰ هزار اصلاح شد.
بنابراین سؤال اصلی همچنان پابرجاست:
آیا رسیدن یک مدل بسیار قدرتمند به معنای رسیدن به AGI است، یا هنوز برای چنین ادعایی به معیارهای روشنتر و قابلسنجش نیاز داریم؟
اگر ادعای هوانگ درست باشد، تاریخ هوش مصنوعی دیگر همان تاریخی نیست که دیروز میشناختیم.
📷 Getty Images
🤖 مغز آینده | NextBrain
🆔 @Nextbrain_ir
#هوش_مصنوعی #AGI #GPT6 #Astra #Nvidia #JensenHuang #OpenAI #آینده_هوش_مصنوعی
❤1👍1
🧭 عصر AGI؛ وقتی «اجرا» به یک کالا تبدیل میشود
یک تغییر بنیادین در اقتصاد دیجیتال در حال شکلگیری است:
> در عصر AGI، توانایی «انجام دادن» بهتدریج از یک مزیت رقابتی به یک قابلیت عمومی تبدیل میشود.
اگر ماشینها بتوانند تحلیل کنند، کدنویسی کنند، محتوا بسازند، تحقیق کنند و فرآیندهای پیچیده را اجرا کنند، مزیت آینده دیگر صرفاً در Execution نخواهد بود.
بلکه در این سؤال خواهد بود:
> چه کاری اصلاً ارزش انجام دادن دارد؟
در این یادداشت بررسی میکنیم چرا مزیت رقابتی از اجرا به سمت انتخاب، قضاوت، دید راهبردی و تفکر سیستمی حرکت میکند؛ و چرا رهبران آینده بیش از آنکه مدیر اجرا باشند، به معماران تصمیم و جهت تبدیل خواهند شد.
📖 یادداشت جدید NextBrain:
🔗 [لینک یادداشت]
━━━━━━━━━━━━
🧠 NextBrain
*از امروز، فکر فردا*
@nextbarin_ir
یک تغییر بنیادین در اقتصاد دیجیتال در حال شکلگیری است:
> در عصر AGI، توانایی «انجام دادن» بهتدریج از یک مزیت رقابتی به یک قابلیت عمومی تبدیل میشود.
اگر ماشینها بتوانند تحلیل کنند، کدنویسی کنند، محتوا بسازند، تحقیق کنند و فرآیندهای پیچیده را اجرا کنند، مزیت آینده دیگر صرفاً در Execution نخواهد بود.
بلکه در این سؤال خواهد بود:
> چه کاری اصلاً ارزش انجام دادن دارد؟
در این یادداشت بررسی میکنیم چرا مزیت رقابتی از اجرا به سمت انتخاب، قضاوت، دید راهبردی و تفکر سیستمی حرکت میکند؛ و چرا رهبران آینده بیش از آنکه مدیر اجرا باشند، به معماران تصمیم و جهت تبدیل خواهند شد.
📖 یادداشت جدید NextBrain:
🔗 [لینک یادداشت]
━━━━━━━━━━━━
🧠 NextBrain
*از امروز، فکر فردا*
@nextbarin_ir
راهکار تحول هوش مصنوعی
عصر AGI؛ وقتی «اجرا» به یک کالا تبدیل میشود | راهکار تحول هوش مصنوعی
تغییری که ممکن است از خودِ ظهور هوش مصنوعی مولد نیز مهمتر باشد.در عصر AGI، «توانایی انجام دادن» بهتدریج از یک مزیت رقابتی به یک قابلیت عمومی تبدیل خواهد شد
👍3❤1
This media is not supported in your browser
VIEW IN TELEGRAM
🚨 ماسایوشی سون: عصر برتری انسانها در حال پایان است
ماسایوشی سون، مدیرعامل سافتبانک و یکی از بزرگترین سرمایهگذاران OpenAI، پیشبینی بسیار بزرگی درباره آینده هوش مصنوعی مطرح کرده است.
به گفته او، در آینده ممکن است ۱۰۰ تریلیون هوش مصنوعی به وجود بیاید که بتوانند خودشان را تکثیر و بهصورت مداوم تکامل دهند.
سون میگوید:
«دورانی که انسان بالاترین شکل حیات است، در حال پایان است.»
و معتقد است این هوشهای مصنوعی در نهایت از انسان پیشی خواهند گرفت.
اما جمله آخر او شاید مهمتر از همه باشد:
«اینکه این اتفاق خوب است یا بد، مسئله دیگری است.»
اگر هوش مصنوعی بتواند خودش را تکثیر کند، نسخههای بهتر خودش را بسازد و با سرعتی بسیار بیشتر از انسان تکامل پیدا کند، دیگر با یک «ابزار هوشمند» معمولی طرف نیستیم؛ با یک اکوسیستم از هوشهای مصنوعی روبهرو خواهیم بود.
البته عدد «۱۰۰ تریلیون» یک پیشبینی بلندپروازانه است، نه یک برآورد علمی قطعی.
اما سؤال مهمتر این است:
اگر روزی هوش مصنوعی از انسان باهوشتر شود، آیا همچنان ما تصمیمگیرنده خواهیم بود؟
📌 مغز آینده | NextBrain
🔗 @nextbrain_ir
ماسایوشی سون، مدیرعامل سافتبانک و یکی از بزرگترین سرمایهگذاران OpenAI، پیشبینی بسیار بزرگی درباره آینده هوش مصنوعی مطرح کرده است.
به گفته او، در آینده ممکن است ۱۰۰ تریلیون هوش مصنوعی به وجود بیاید که بتوانند خودشان را تکثیر و بهصورت مداوم تکامل دهند.
سون میگوید:
«دورانی که انسان بالاترین شکل حیات است، در حال پایان است.»
و معتقد است این هوشهای مصنوعی در نهایت از انسان پیشی خواهند گرفت.
اما جمله آخر او شاید مهمتر از همه باشد:
«اینکه این اتفاق خوب است یا بد، مسئله دیگری است.»
اگر هوش مصنوعی بتواند خودش را تکثیر کند، نسخههای بهتر خودش را بسازد و با سرعتی بسیار بیشتر از انسان تکامل پیدا کند، دیگر با یک «ابزار هوشمند» معمولی طرف نیستیم؛ با یک اکوسیستم از هوشهای مصنوعی روبهرو خواهیم بود.
البته عدد «۱۰۰ تریلیون» یک پیشبینی بلندپروازانه است، نه یک برآورد علمی قطعی.
اما سؤال مهمتر این است:
اگر روزی هوش مصنوعی از انسان باهوشتر شود، آیا همچنان ما تصمیمگیرنده خواهیم بود؟
📌 مغز آینده | NextBrain
🔗 @nextbrain_ir
This media is not supported in your browser
VIEW IN TELEGRAM
🧠 هزاران هوش مصنوعی برای حل یک مسئله ۹۰ ساله
OpenAI ادعا میکند برای حل مسئله معروف ناویر–استوکس، حدود ۱۰ هزار عامل هوش مصنوعی را بهصورت همزمان به کار گرفته است.
این عاملها در طول پروژه:
• حدود ۲٫۷ میلیون پیام با یکدیگر ردوبدل کردند
• حدود ۱۳۰ میلیارد توکن تولید کردند
• طی حدود ۸۸ ساعت به یک راهحل پیشنهادی رسیدند
• سپس GPT-6 Astra حدود ۱۷ ساعت صرف صورتبندی و بررسی رسمی اثبات در زبان Lean کرد.
اما یک نکته بسیار مهم:
⚠️ این مسئله هنوز رسماً حلشده محسوب نمیشود.
اثبات پیشنهادی باید توسط ریاضیدانان مستقل بررسی شود و معیارهای لازم برای پذیرش توسط مؤسسه کلی ریاضیات را پشت سر بگذارد.
بااینحال، شاید جذابترین بخش داستان خودِ اثبات نباشد.
بلکه روش حل مسئله باشد.
بهجای یک مدل که یک سؤال را پاسخ میدهد، هزاران عامل هوش مصنوعی مانند یک تیم پژوهشی دیجیتال در کنار هم کار کردهاند؛ مسیرهای مختلف را موازی بررسی کردهاند، نتایج را با یکدیگر ترکیب کردهاند .
این میتواند نشانهای از یک تغییر مهم باشد:
آینده پژوهش شاید «یک هوش مصنوعی بهتر» نباشد؛
بلکه «تیمهایی از هوشهای مصنوعی» باشد.
🔗 @nextbrain_ir
OpenAI ادعا میکند برای حل مسئله معروف ناویر–استوکس، حدود ۱۰ هزار عامل هوش مصنوعی را بهصورت همزمان به کار گرفته است.
این عاملها در طول پروژه:
• حدود ۲٫۷ میلیون پیام با یکدیگر ردوبدل کردند
• حدود ۱۳۰ میلیارد توکن تولید کردند
• طی حدود ۸۸ ساعت به یک راهحل پیشنهادی رسیدند
• سپس GPT-6 Astra حدود ۱۷ ساعت صرف صورتبندی و بررسی رسمی اثبات در زبان Lean کرد.
اما یک نکته بسیار مهم:
⚠️ این مسئله هنوز رسماً حلشده محسوب نمیشود.
اثبات پیشنهادی باید توسط ریاضیدانان مستقل بررسی شود و معیارهای لازم برای پذیرش توسط مؤسسه کلی ریاضیات را پشت سر بگذارد.
بااینحال، شاید جذابترین بخش داستان خودِ اثبات نباشد.
بلکه روش حل مسئله باشد.
بهجای یک مدل که یک سؤال را پاسخ میدهد، هزاران عامل هوش مصنوعی مانند یک تیم پژوهشی دیجیتال در کنار هم کار کردهاند؛ مسیرهای مختلف را موازی بررسی کردهاند، نتایج را با یکدیگر ترکیب کردهاند .
این میتواند نشانهای از یک تغییر مهم باشد:
آینده پژوهش شاید «یک هوش مصنوعی بهتر» نباشد؛
بلکه «تیمهایی از هوشهای مصنوعی» باشد.
🔗 @nextbrain_ir
👍4😁1
This media is not supported in your browser
VIEW IN TELEGRAM
🤯 هوش مصنوعی از آزمونی که قرار بود ثابت کند «ربات نیست»، عبور کرد!
یک ویدئوی وایرال ادعا میکند GPT-6 Astra توانسته هر ۴۸ مرحله یک چالش «من ربات نیستم» را پشت سر بگذارد؛ از جمله آزمونهای تصویری شبیه کپچا که از انسان میخواهند اشیا را در تصاویر تشخیص دهد.
ماجرا یک تناقض جالب دارد:
کپچاها اساساً بر یک فرض ساده ساخته شدند:
انسانها بهتر از ماشینها میتوانند دنیای واقعی را تشخیص دهند.
اما با پیشرفت سریع هوش مصنوعی در بینایی رایانهای، استدلال و درک تصویر، این فرض دیگر به اندازه گذشته قابل اتکا نیست.
البته درباره همین ویدئو، نباید ادعای «۴۸ مرحله را با موفقیت کامل پشت سر گذاشته» را بدون تأیید مستقل بهعنوان یک واقعیت قطعی مطرح کرد.
اما سؤال بزرگتر کاملاً واقعی است:
🔐 اگر هوش مصنوعی بتواند آزمونهایی را که برای تشخیص انسان از ماشین طراحی شدهاند حل کند، آیا کپچاها در حال منسوخ شدن هستند؟
شاید در آینده، مسئله دیگر این نباشد که:
«آیا ربات هستی؟»
بلکه باید بپرسیم:
«چطور ثابت کنیم واقعاً انسان هستی؟» 👀
📌 مغز آینده | NextBrain
🔗 @nextbrain_ir
#هوش_مصنوعی #GPT6 #Astra #کپچا #فناوری #آینده_فناوری
یک ویدئوی وایرال ادعا میکند GPT-6 Astra توانسته هر ۴۸ مرحله یک چالش «من ربات نیستم» را پشت سر بگذارد؛ از جمله آزمونهای تصویری شبیه کپچا که از انسان میخواهند اشیا را در تصاویر تشخیص دهد.
ماجرا یک تناقض جالب دارد:
کپچاها اساساً بر یک فرض ساده ساخته شدند:
انسانها بهتر از ماشینها میتوانند دنیای واقعی را تشخیص دهند.
اما با پیشرفت سریع هوش مصنوعی در بینایی رایانهای، استدلال و درک تصویر، این فرض دیگر به اندازه گذشته قابل اتکا نیست.
البته درباره همین ویدئو، نباید ادعای «۴۸ مرحله را با موفقیت کامل پشت سر گذاشته» را بدون تأیید مستقل بهعنوان یک واقعیت قطعی مطرح کرد.
اما سؤال بزرگتر کاملاً واقعی است:
🔐 اگر هوش مصنوعی بتواند آزمونهایی را که برای تشخیص انسان از ماشین طراحی شدهاند حل کند، آیا کپچاها در حال منسوخ شدن هستند؟
شاید در آینده، مسئله دیگر این نباشد که:
«آیا ربات هستی؟»
بلکه باید بپرسیم:
«چطور ثابت کنیم واقعاً انسان هستی؟» 👀
📌 مغز آینده | NextBrain
🔗 @nextbrain_ir
#هوش_مصنوعی #GPT6 #Astra #کپچا #فناوری #آینده_فناوری
😁2
This media is not supported in your browser
VIEW IN TELEGRAM
🔥 سم آلتمن: نسل بعدی شاید در دنیایی بزرگ شود که هوش مصنوعی از آنها باهوشتر است
سم آلتمن، مدیرعامل OpenAI، معتقد است سرعت پیشرفت هوش مصنوعی هنوز توسط بسیاری از مردم دستکم گرفته میشود.
او میگوید اگر این روند ادامه پیدا کند، ممکن است نسلهای آینده از همان کودکی در جهانی زندگی کنند که هوش مصنوعی از انسان باهوشتر است.
آلتمن برای توضیح اهمیت این تحول، یک مقایسه جالب دارد:
⚡ همانطور که تصور دنیای مدرن بدون برق تقریباً غیرممکن است، مقاومت در برابر هوش مصنوعی هم ممکن است شبیه رد کردن برق در دوران انقلاب صنعتی باشد.
اما بخش مهم ماجرا اینجاست:
اگر هوش مصنوعی بتواند در سرعت توسعه فناوری از انسان جلو بزند، سؤال دیگر فقط این نیست که:
«آیا انسان باهوشتر میشود؟»
بلکه باید بپرسیم:
«وقتی هوش از انسان جلو میزند، انسان چگونه خودش را با آن تطبیق خواهد داد؟»
نسل آینده شاید اولین نسلی باشد که از ابتدا با این واقعیت بزرگ میشود:
🧠 باهوشترین موجود حاضر در اتاق، لزوماً انسان نیست.
📌 مغز آینده | NextBrain
🔗 @nextbrain_ir
🎥 منبع: Channel 4 News
سم آلتمن، مدیرعامل OpenAI، معتقد است سرعت پیشرفت هوش مصنوعی هنوز توسط بسیاری از مردم دستکم گرفته میشود.
او میگوید اگر این روند ادامه پیدا کند، ممکن است نسلهای آینده از همان کودکی در جهانی زندگی کنند که هوش مصنوعی از انسان باهوشتر است.
آلتمن برای توضیح اهمیت این تحول، یک مقایسه جالب دارد:
⚡ همانطور که تصور دنیای مدرن بدون برق تقریباً غیرممکن است، مقاومت در برابر هوش مصنوعی هم ممکن است شبیه رد کردن برق در دوران انقلاب صنعتی باشد.
اما بخش مهم ماجرا اینجاست:
اگر هوش مصنوعی بتواند در سرعت توسعه فناوری از انسان جلو بزند، سؤال دیگر فقط این نیست که:
«آیا انسان باهوشتر میشود؟»
بلکه باید بپرسیم:
«وقتی هوش از انسان جلو میزند، انسان چگونه خودش را با آن تطبیق خواهد داد؟»
نسل آینده شاید اولین نسلی باشد که از ابتدا با این واقعیت بزرگ میشود:
🧠 باهوشترین موجود حاضر در اتاق، لزوماً انسان نیست.
📌 مغز آینده | NextBrain
🔗 @nextbrain_ir
🎥 منبع: Channel 4 News
❤4👎1
🧠 الکامپ ۱۴۰۵؛ هوش مصنوعی همهجا بود، اما مسئله کجا بود؟
الکامپ ۱۴۰۵ بیش از هر دورهای از هوش مصنوعی گفت؛
از LLM و RAG گرفته تا Agent و دستیارهای هوشمند.
اما در میان این همه فناوری، یک سؤال مهم کمتر دیده میشد:
> این فناوری دقیقاً قرار است کدام مسئله واقعی را حل کند؟
برداشت ما از بازدید امسال این بود که بخش قابلتوجهی از راهکارهای AI، بیشتر AI-enabled بودند تا AI-native؛ یعنی هوش مصنوعی به محصول اضافه شده بود، اما لزوماً محصول بهخاطر هوش مصنوعی از نو طراحی نشده بود.
«الکامپ ۱۴۰۵؛ فاقد مسئله درست، کمرمق در نوآوری»
نوشتهای از NextBrain | مغز آینده
🔗 @nextbrain_ir
#NextBrain #مغز_آینده #الکامپ۱۴۰۵ #هوش_مصنوعی #AI #نوآوری #فناوری #AI_Native #Product #Business
الکامپ ۱۴۰۵ بیش از هر دورهای از هوش مصنوعی گفت؛
از LLM و RAG گرفته تا Agent و دستیارهای هوشمند.
اما در میان این همه فناوری، یک سؤال مهم کمتر دیده میشد:
> این فناوری دقیقاً قرار است کدام مسئله واقعی را حل کند؟
برداشت ما از بازدید امسال این بود که بخش قابلتوجهی از راهکارهای AI، بیشتر AI-enabled بودند تا AI-native؛ یعنی هوش مصنوعی به محصول اضافه شده بود، اما لزوماً محصول بهخاطر هوش مصنوعی از نو طراحی نشده بود.
شاید مسئله اصلی اکوسیستم فناوری ایران دیگر «دسترسی به فناوری» نباشد؛📌 یادداشت کامل:
بلکه توانایی تشخیص، تعریف و حل یک مسئله ارزشمند باشد.
«الکامپ ۱۴۰۵؛ فاقد مسئله درست، کمرمق در نوآوری»
نوشتهای از NextBrain | مغز آینده
🔗 @nextbrain_ir
#NextBrain #مغز_آینده #الکامپ۱۴۰۵ #هوش_مصنوعی #AI #نوآوری #فناوری #AI_Native #Product #Business
❤1
🧠 مسئله را درست تعریف کنید؛ قبل از اینکه سریع حلش کنید.
هوش مصنوعی میتواند مسئلهای را بسیار سریع حل کند؛ اما اگر مسئله اشتباه تعریف شده باشد، سرعت بیشتر فقط ما را سریعتر به مقصد اشتباه میرساند.
در عصر هوش مصنوعی، مزیت واقعی فقط در پاسخ بهتر نیست؛ در پرسیدن سؤال درست، تشخیص مسئله درست و انتخاب مسیر درست است.
📌 NextBrain | شرکت راهکار تحول هوش مصنوعی
🌐 nextbrain.ir
#NextBrain #هوش_مصنوعی #تحول_دیجیتال #استراتژی #مدیریت #کسب_و_کار #نوآوری #تصمیم_گیری
هوش مصنوعی میتواند مسئلهای را بسیار سریع حل کند؛ اما اگر مسئله اشتباه تعریف شده باشد، سرعت بیشتر فقط ما را سریعتر به مقصد اشتباه میرساند.
در عصر هوش مصنوعی، مزیت واقعی فقط در پاسخ بهتر نیست؛ در پرسیدن سؤال درست، تشخیص مسئله درست و انتخاب مسیر درست است.
📌 NextBrain | شرکت راهکار تحول هوش مصنوعی
🌐 nextbrain.ir
#NextBrain #هوش_مصنوعی #تحول_دیجیتال #استراتژی #مدیریت #کسب_و_کار #نوآوری #تصمیم_گیری
❤2
This media is not supported in your browser
VIEW IN TELEGRAM
🪰 مغز یک مگس، حالا در حال بازی پوکر؟ نه؛ بلکجک!
پروژه FlyJack یک آزمایش عجیب در مرز علوم اعصاب و هوش مصنوعی است: پژوهشگران یک شبیهسازی محاسباتی از مغز مگس میوه ساختهاند و آن را به یک بازی بلکجک متصل کردهاند.
این مدل بر پایه نقشه کامل ارتباطات مغز مگس، شامل حدود ۱۳۹ هزار نورون و ۵۰ میلیون اتصال سیناپسی ساخته شده است.
در هر تصمیم، حدود ۳۰۰ میلیثانیه از فعالیت مغز شبیهسازی میشود و بیش از ۱۳۰ هزار شلیک عصبی در هزاران نورون فعال رخ میدهد.
نکته جذابتر اینجاست:
🧠 بخشهایی از مغز مگس که با یادگیری و حافظه مرتبطاند فعال میشوند؛ سپس سیگنالها به لایهای از نورونها منتقل میشوند تا بهترین حرکت را بر اساس ارزش مورد انتظار انتخاب کنند.
در نمونه نمایشدادهشده، مدل با داشتن کارت ۱۰ در برابر ۳ کارت پخشکننده، تصمیم میگیرد بایستد؛ پخشکننده در نهایت با امتیاز ۲۲ میبازد و مگس برنده میشود. 😳
البته این به معنی «آگاه بودن مگس از بازی» یا «فهمیدن بلکجک» نیست.
اتفاق مهمتر این است که یک مدل محاسباتی مبتنی بر سیمکشی واقعی یک مغز زیستی توانسته برای انجام یک وظیفه تصمیمگیری مورد استفاده قرار گیرد.
پروژه FlyJack یک آزمایش عجیب در مرز علوم اعصاب و هوش مصنوعی است: پژوهشگران یک شبیهسازی محاسباتی از مغز مگس میوه ساختهاند و آن را به یک بازی بلکجک متصل کردهاند.
این مدل بر پایه نقشه کامل ارتباطات مغز مگس، شامل حدود ۱۳۹ هزار نورون و ۵۰ میلیون اتصال سیناپسی ساخته شده است.
در هر تصمیم، حدود ۳۰۰ میلیثانیه از فعالیت مغز شبیهسازی میشود و بیش از ۱۳۰ هزار شلیک عصبی در هزاران نورون فعال رخ میدهد.
نکته جذابتر اینجاست:
🧠 بخشهایی از مغز مگس که با یادگیری و حافظه مرتبطاند فعال میشوند؛ سپس سیگنالها به لایهای از نورونها منتقل میشوند تا بهترین حرکت را بر اساس ارزش مورد انتظار انتخاب کنند.
در نمونه نمایشدادهشده، مدل با داشتن کارت ۱۰ در برابر ۳ کارت پخشکننده، تصمیم میگیرد بایستد؛ پخشکننده در نهایت با امتیاز ۲۲ میبازد و مگس برنده میشود. 😳
البته این به معنی «آگاه بودن مگس از بازی» یا «فهمیدن بلکجک» نیست.
اتفاق مهمتر این است که یک مدل محاسباتی مبتنی بر سیمکشی واقعی یک مغز زیستی توانسته برای انجام یک وظیفه تصمیمگیری مورد استفاده قرار گیرد.
❤5
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ بحران بعدی هوش مصنوعی ممکن است برق باشد، نه تراشه.
ایلان ماسک هشدار داده که صنعت هوش مصنوعی ممکن است تا سال ۲۰۲۷ با کمبود حدود ۱۵ گیگاوات برق برای تراشههای هوش مصنوعی مواجه شود.
دلیل این شکاف ساده است:
🧠 توان پردازشی هوش مصنوعی با سرعتی حدود ۴۰ تا ۵۰٪ در سال در حال افزایش است؛
⚡️ در حالی که ظرفیت تأمین برق خارج از چین حدود ۱۰ تا ۲۰٪ رشد میکند.
یعنی ممکن است تراشههای بیشتری داشته باشیم، اما برق کافی برای روشن نگهداشتن آنها نداشته باشیم.
به همین دلیل، رقابت آینده هوش مصنوعی فقط بر سر مدلهای قدرتمندتر و تراشههای بیشتر نیست؛ انرژی، شبکه برق، مراکز داده و زیرساخت فیزیکی هم به بخشی از رقابت هوش مصنوعی تبدیل شدهاند.
در اقتصاد هوش مصنوعی، یک حقیقت روزبهروز مهمتر میشود:
محاسبات بدون انرژی، فقط ظرفیت خام است.
📌 NextBrain | شرکت راهکار تحول هوش مصنوعی
🌐 nextbrain.ir
#NextBrain #هوش_مصنوعی #ایلان_ماسک #انرژی #مراکز_داده #فناوری #زیرساخت #آینده_فناوری
ایلان ماسک هشدار داده که صنعت هوش مصنوعی ممکن است تا سال ۲۰۲۷ با کمبود حدود ۱۵ گیگاوات برق برای تراشههای هوش مصنوعی مواجه شود.
دلیل این شکاف ساده است:
🧠 توان پردازشی هوش مصنوعی با سرعتی حدود ۴۰ تا ۵۰٪ در سال در حال افزایش است؛
⚡️ در حالی که ظرفیت تأمین برق خارج از چین حدود ۱۰ تا ۲۰٪ رشد میکند.
یعنی ممکن است تراشههای بیشتری داشته باشیم، اما برق کافی برای روشن نگهداشتن آنها نداشته باشیم.
به همین دلیل، رقابت آینده هوش مصنوعی فقط بر سر مدلهای قدرتمندتر و تراشههای بیشتر نیست؛ انرژی، شبکه برق، مراکز داده و زیرساخت فیزیکی هم به بخشی از رقابت هوش مصنوعی تبدیل شدهاند.
در اقتصاد هوش مصنوعی، یک حقیقت روزبهروز مهمتر میشود:
محاسبات بدون انرژی، فقط ظرفیت خام است.
📌 NextBrain | شرکت راهکار تحول هوش مصنوعی
🌐 nextbrain.ir
#NextBrain #هوش_مصنوعی #ایلان_ماسک #انرژی #مراکز_داده #فناوری #زیرساخت #آینده_فناوری
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ بحران بعدی هوش مصنوعی ممکن است برق باشد، نه تراشه.
ایلان ماسک هشدار داده که صنعت هوش مصنوعی ممکن است تا سال ۲۰۲۷ با کمبود حدود ۱۵ گیگاوات برق برای تراشههای هوش مصنوعی مواجه شود.
دلیل این شکاف ساده است:
🧠 توان پردازشی هوش مصنوعی با سرعتی حدود ۴۰ تا ۵۰٪ در سال در حال افزایش است؛
⚡️ در حالی که ظرفیت تأمین برق خارج از چین حدود ۱۰ تا ۲۰٪ رشد میکند.
یعنی ممکن است تراشههای بیشتری داشته باشیم، اما برق کافی برای روشن نگهداشتن آنها نداشته باشیم.
به همین دلیل، رقابت آینده هوش مصنوعی فقط بر سر مدلهای قدرتمندتر و تراشههای بیشتر نیست؛ انرژی، شبکه برق، مراکز داده و زیرساخت فیزیکی هم به بخشی از رقابت هوش مصنوعی تبدیل شدهاند.
در اقتصاد هوش مصنوعی، یک حقیقت روزبهروز مهمتر میشود:
محاسبات بدون انرژی، فقط ظرفیت خام است.
📌 NextBrain | شرکت راهکار تحول هوش مصنوعی
🌐 nextbrain.ir
#NextBrain #هوش_مصنوعی #ایلان_ماسک #انرژی #مراکز_داده #فناوری #زیرساخت #آینده_فناوری
ایلان ماسک هشدار داده که صنعت هوش مصنوعی ممکن است تا سال ۲۰۲۷ با کمبود حدود ۱۵ گیگاوات برق برای تراشههای هوش مصنوعی مواجه شود.
دلیل این شکاف ساده است:
🧠 توان پردازشی هوش مصنوعی با سرعتی حدود ۴۰ تا ۵۰٪ در سال در حال افزایش است؛
⚡️ در حالی که ظرفیت تأمین برق خارج از چین حدود ۱۰ تا ۲۰٪ رشد میکند.
یعنی ممکن است تراشههای بیشتری داشته باشیم، اما برق کافی برای روشن نگهداشتن آنها نداشته باشیم.
به همین دلیل، رقابت آینده هوش مصنوعی فقط بر سر مدلهای قدرتمندتر و تراشههای بیشتر نیست؛ انرژی، شبکه برق، مراکز داده و زیرساخت فیزیکی هم به بخشی از رقابت هوش مصنوعی تبدیل شدهاند.
در اقتصاد هوش مصنوعی، یک حقیقت روزبهروز مهمتر میشود:
محاسبات بدون انرژی، فقط ظرفیت خام است.
📌 NextBrain | شرکت راهکار تحول هوش مصنوعی
🌐 nextbrain.ir
#NextBrain #هوش_مصنوعی #ایلان_ماسک #انرژی #مراکز_داده #فناوری #زیرساخت #آینده_فناوری
👍3
🧠 گفتوگوی ۳۶۰ درجه با سازمان | NextBrain360
وقتی سازمان را فقط از یک زاویه ببینیم، بخشی از واقعیت را از دست میدهیم.
هر سازمان مجموعهای از داده، دانش، تجربه، فرآیند و تصمیم است؛ اما این اجزا معمولاً در بخشها و سامانههای مختلف پراکندهاند.
محصول NextBrain360 برای ایجاد یک نگاه یکپارچه و هوشمند به سازمان طراحی شده است؛ لایهای که به کاربران کمک میکند با دانش و اطلاعات سازمان تعامل کنند، اطلاعات مرتبط را بیابند، تحلیل کنند و برای تصمیمگیری بهتر از هوش مصنوعی بهره بگیرند.
🔹 یک هوش، برای تمام سازمان
🔹 متناسب با سازمان شما
کلیه بخشها، قابلیتها و فرآیندها متناسب با فرهنگ، ساختار، نیازها و فرآیندهای اختصاصی سازمان شما بازتعریف و بازطراحی خواهند شد.
🔐 استقرار محلی | On-Premise
🛡️ محیط کاملاً ایزوله | Air-Gap
🔒 امنیت و کنترل کامل دادهها
> از داده تا دانش، از دانش تا بینش و از بینش تا تصمیم.
🌐 nextbrain.ir
📲 @nextbarin_ir
#NextBrain360 #هوش_سازمانی #هوش_مصنوعی #تحول_دیجیتال #EnterpriseAI #OrganizationalIntelligence
وقتی سازمان را فقط از یک زاویه ببینیم، بخشی از واقعیت را از دست میدهیم.
هر سازمان مجموعهای از داده، دانش، تجربه، فرآیند و تصمیم است؛ اما این اجزا معمولاً در بخشها و سامانههای مختلف پراکندهاند.
محصول NextBrain360 برای ایجاد یک نگاه یکپارچه و هوشمند به سازمان طراحی شده است؛ لایهای که به کاربران کمک میکند با دانش و اطلاعات سازمان تعامل کنند، اطلاعات مرتبط را بیابند، تحلیل کنند و برای تصمیمگیری بهتر از هوش مصنوعی بهره بگیرند.
🔹 یک هوش، برای تمام سازمان
🔹 متناسب با سازمان شما
کلیه بخشها، قابلیتها و فرآیندها متناسب با فرهنگ، ساختار، نیازها و فرآیندهای اختصاصی سازمان شما بازتعریف و بازطراحی خواهند شد.
🔐 استقرار محلی | On-Premise
🛡️ محیط کاملاً ایزوله | Air-Gap
🔒 امنیت و کنترل کامل دادهها
> از داده تا دانش، از دانش تا بینش و از بینش تا تصمیم.
🌐 nextbrain.ir
📲 @nextbarin_ir
#NextBrain360 #هوش_سازمانی #هوش_مصنوعی #تحول_دیجیتال #EnterpriseAI #OrganizationalIntelligence
❤3
This media is not supported in your browser
VIEW IN TELEGRAM
🧠 یک تیم از عاملهای هوش مصنوعی همیشه بهتر از یک عامل نیست
یک مطالعه مشترک از Google Research و MIT نشان میدهد عملکرد سیستمهای چندعاملی فقط به قدرت مدل بستگی ندارد؛ نحوه اتصال و همکاری عاملها میتواند نتیجه را کاملاً تغییر دهد.
در آزمایشها، مدل، ابزارها، پرامپت و بودجه محاسباتی ثابت بودند و فقط معماری ارتباط بین عاملها تغییر کرد.
نتیجه قابلتوجه بود: عملکرد یک وظیفه میتوانست از حدود ۷۰٪ بدتر تا ۸۰٪ بهتر از یک عامل منفرد تغییر کند.
چند نکته مهم:
🔹 ابتدا عملکرد یک عامل را روی وظیفه واقعی بسنجید.
🔹 برای مسائل دشوارتر، یک عامل ناظر میتواند خطاهای زنجیرهای را کاهش دهد.
🔹 وظیفه و خروجی هر عامل را مشخص نگه دارید.
🔹 بعد از هر ارتقای مدل، دوباره «یک عامل» را با «تیم عاملها» مقایسه کنید.
🔹 همیشه یک عامل منفرد را بهعنوان خط مبنا حفظ کنید.
⚡️ نکته اصلی:
در عصر عاملهای هوشمند، فقط تعداد عاملها مهم نیست؛ معماری همکاری آنها میتواند بهاندازه خود مدل تعیینکننده باشد.
📌 مغز آینده | شرکت راهکار تحول هوش مصنوعی
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی #AIagents #AgenticAI #GoogleResearch
یک مطالعه مشترک از Google Research و MIT نشان میدهد عملکرد سیستمهای چندعاملی فقط به قدرت مدل بستگی ندارد؛ نحوه اتصال و همکاری عاملها میتواند نتیجه را کاملاً تغییر دهد.
در آزمایشها، مدل، ابزارها، پرامپت و بودجه محاسباتی ثابت بودند و فقط معماری ارتباط بین عاملها تغییر کرد.
نتیجه قابلتوجه بود: عملکرد یک وظیفه میتوانست از حدود ۷۰٪ بدتر تا ۸۰٪ بهتر از یک عامل منفرد تغییر کند.
چند نکته مهم:
🔹 ابتدا عملکرد یک عامل را روی وظیفه واقعی بسنجید.
🔹 برای مسائل دشوارتر، یک عامل ناظر میتواند خطاهای زنجیرهای را کاهش دهد.
🔹 وظیفه و خروجی هر عامل را مشخص نگه دارید.
🔹 بعد از هر ارتقای مدل، دوباره «یک عامل» را با «تیم عاملها» مقایسه کنید.
🔹 همیشه یک عامل منفرد را بهعنوان خط مبنا حفظ کنید.
⚡️ نکته اصلی:
در عصر عاملهای هوشمند، فقط تعداد عاملها مهم نیست؛ معماری همکاری آنها میتواند بهاندازه خود مدل تعیینکننده باشد.
📌 مغز آینده | شرکت راهکار تحول هوش مصنوعی
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی #AIagents #AgenticAI #GoogleResearch