هوش مصنوعی و بیوتکنولوژی: از طراحی پاتوژن تا همکاری با جوامع بومی
هوش مصنوعی به سرعت در حال تبدیل شدن به یک ابزار قدرتمند در حوزه بیوتکنولوژی است، با قابلیت‌های جدیدی که شامل پیش‌بینی جهش‌های ژنتیکی و بهینه‌سازی انتقال‌پذیری ویروس‌ها می‌شود. این پیشرفت‌ها، در عین حال که پتانسیل‌های عظیمی برای پیشرفت‌های پزشکی دارند، نگرانی‌های اخلاقی و امنیتی را نیز برانگیخته‌اند. به عنوان مثال، بانک ژن ملی چین، که بزرگترین در جهان است، از هوش مصنوعی برای طراحی ویروس‌هایی با ژنتیک خاص استفاده می‌کند که می‌تواند برای "نجات" نژادهای خاص به کار رود. این موضوع هشدارهایی از سوی FBI در مورد قاچاق بیولوژیکی در سال ۲۰۲۵ را به دنبال داشته است. از سوی دیگر، شرکت‌های بیوتکنولوژی مبتنی بر هوش مصنوعی در حال همکاری با جوامع بومی برای کاوش‌های بیولوژیکی هستند و منافع حاصل از این کشف‌ها را با آنها تقسیم می‌کنند. این رویکرد جدید نشان‌دهنده تلاش برای استفاده مسئولانه از هوش مصنوعی در بیوتکنولوژی است، اما همچنان نیاز به نظارت دقیق و بحث‌های اخلاقی گسترده دارد تا از سوءاستفاده‌های احتمالی جلوگیری شود و اطمینان حاصل شود که این فناوری به نفع بشریت به کار گرفته می‌شود.

دو تا مسابقه جدید و جالب در کگل!

مسابقه اول: لینک
Recod.ai/LUC - Scientific Image Forgery Detection

تصاویر علمی بخش مهمی از پژوهش‌های منتشرشده هستند، اما همه‌ی آن‌ها صادقانه نیستند.
به حفظ سلامت علم کمک کنید؛ با ساخت مدل‌هایی که بتوانند دست‌کاری‌های تقلبی از نوع "کپی و جابه‌جایی" (Copy-Move Forgery) را در تصاویر بیولوژیکال شناسایی و سگمنت کنند.

دیتاست تصویری: 9 گیگابایت

مسابقه دوم: لینک
PhysioNet - Digitization of ECG Images

شما قرار است مدل‌هایی بسازید که بتوانند داده‌های سری زمانی را از تصاویر الکتروکاردیوگرام (ECG) استخراج کنند.
ECGها برای تشخیص و هدایت درمان بیماری‌های قلبی استفاده می‌شوند و به شکل‌های مختلفی مانند پرینت‌های فیزیکی، تصاویر اسکن‌شده، عکس‌ها یا داده‌های سری زمانی وجود دارند.

نرم‌افزارهای پزشکی فعلی عمدتاً برای داده‌های سری زمانی دیجیتال طراحی شده‌اند. بنابراین، ابزارهایی که بتوانند داده‌های سری زمانی را از تصاویر ECG استخراج کنند، می‌توانند میلیاردها تصویر ECG جمع‌آوری‌شده در سراسر جهان طی دهه‌های گذشته را به داده‌های قابل استفاده برای آموزش مدل‌های تشخیصی دقیق‌تر تبدیل کنند و در نهایت به بهبود نتایج بالینی منجر شوند.

دیتاست: 85 گیگابایت 😬

📣📣اطلاعیه تغییر زمان حذف اضطراری 📣📣

✨✨قابل توجه تمامی دانشجویان✨✨

✅به اطلاع کلیه دانشجویان محترم می رساند زمان حذف اضطراری نیمسال جاری ( نیمسال اول سال تحصیل ۱۴۰۵-۱۴۰۴) از ۲۲ الی ۲۶ آذرماه به
♦️♦️۱۵ الی ۱۹ آذرماه ♦️♦️
تغییر می یابد.
✳️ دانشجویان محترم می توانند در مهلت مذکور (۱۵ الی ۱۹ آذرماه) با مراجعه به پرتال آموزشی خود ، بخش مدیریت درخواست ها، نسبت به ثبت درخواست حذف اضطراری اقدام نمایند.

🔻 دانشجویان ورودی ۱۴۰۱ و ماقبل می توانند یک درس نظری یا عملی را حذف نمایند.
🔺 دانشجویان ورودی ۱۴۰۲ و بعد از آن می توانند فقط یک درس نظری را حذف نمایند.

✳️ دانشجو در صورتی می تواند حذف اضطراری انجام دهد که تعداد واحدهای آن بعد از حذف کمتر از ۱۲ واحد (کارشناسی) و کمتر از ۸ واحد (کارشناسی ارشد) نشود.

مدیریت امور آموزشی دانشگاه ملایر

📣📣 اطلاعیه اطلاعیه 📣📣
✨✨قابل توجه تمامی استادان گرامی و دانشجویان محترم دانشگاه ملایر

✳️ به اطلاع کلیه استادان محترم و دانشجویان عزیز دانشگاه ملایر در همه مقاطع تحصیلی می رساند:

✅ با توجه به اطلاعیه استانداری محترم و به دلیل افزایش شیوع بیماری آنفلوآنزا کلاس های آموزشی دانشگاه ملایر روزهای شنبه و یکشنبه 8 و 9 آذرماه بصورت مجازی و بر بستر سامانه آموزش مجازی(LMS) برگزار می گردد. در صورت نیاز اطلاعیه های تکمیلی متعاقبا اعلام می گردد.

🔹 دانشجویان محترم جهت ورود به سامانه آموزش مجازی می بایست به آدرس
https://lms.malayeru.ac.ir/
مراجعه و با استفاده از
🔻 نام کاربری: شماره دانشجویی
🔺 رمز عبور: کد ملی
وارد صفحه خود در سامانه آموزش مجازی گردیده و حتما در کلاسها حضور یابند.

♦️ دانشجویان و اساتید محترم توجه داشته باشند جهت ورود به سامانه lms دانشگاه اگر از سیستم یا لپتاپ استفاده میکنید باید ویندوز 10 یا ویندوز 11 باشد و حتما مرورگرها آپدیت شده باشند. زمان و تاریخ سیستم نیز دقیق باشد.
♦️اگر از گوشی موبایل استفاده می شود حتما مرورگرها و نرم افزار ادوبی کانکت بروز باشند و هنگام ورود نام کاربری و رمز عبور دقت شود که کیبورد گوشی انگلیسی باشد و اعداد را بصورت انگلیسی وارد شود.
♦️در صورتیکه با رعایت موارد فوق مشکل برطرف نشد می توانید در ساعات اداری به آیدی های
🔹@malayerlms
🔹@mamaleki
پیام دهید.

معاونت آموزشی و تحصیلات تکمیلی دانشگاه ملایر

🌐 دیپ‌سیک Math-V2 را منتشر کرد؛
👈 یک هیولای واقعی!

بدون هیچ‌ جنجال و تبلیغی، DeepSeek نسخه‌ Math-V2 را تقریباً دو سال بعد از نسخه‌ی اول منتشر کرد

▪️ عملکرد عجیب و غول‌آسا
• مدال طلایی در IMO 2025 و CMO 2024 چین
• امتیاز 118 از 120 در آزمون Putnam 2024
• در IMO-ProofBench حتی از GPT-5 بهتر ظاهر شده و در سطح Gemini 2.5 Pro روی اثبات‌های پیچیده عمل می‌کند

▪️ داخل موتور این سیستم چه می‌گذره؟
•ساخته‌ شده روی مدل DeepSeek -V3.2-Exp-Base
•معماری بر پایه‌ی لوپ Generator + Verifier
•خروجی در یک مرحله تولید نمی‌شود؛ روند کار؛

1. Generator پیش‌نویس یک اثبات را می‌نویسد
2. Verifier تمام مراحل را بررسی و خطاها را علامت‌گذاری می‌کند
3. Generator نسخه‌ی اصلاح‌شده را می‌نویسد
4. Dاین چرخه تا ۱۶ بار تکرار می‌شود

▪️ مصرف محاسباتی سرسام‌ آور
• در هر چرخه تا ۶۴ فرضیه به‌صورت موازی تست می‌شود
• یک مسئله‌ی ریاضی ممکن است صدها بار اجرا شود
• یعنی: مقیاس‌گذاری هدفمند و ساختاریافته به‌جای زور CPU و GPU خام
╭┅────┅╮
🦾 @Sharifgpt
╰┅────┅╯

بخشی از مصاحبه اخیر ایلیا سوتسکور (Ilya Sutskever) رو در ادامه بخونید:

دوران آزمون و خطا (۲۰۱۲ تا ۲۰۲۰): در گذشته، پیشرفت در یادگیری ماشین بیشتر بر پایه دستکاری و آزمایش‌های تجربی توسط محققان بود تا نتایج جالبی به دست آید.

عصر مقیاس‌پذیری (Scaling) (۲۰۲۰ تا ۲۰۲۵): با ظهور مدل‌هایی مثل GPT-3، محققان متوجه شدند که یک فرمول ساده وجود دارد: "افزایش داده‌ها و قدرت محاسباتی برابر است با نتایج بهتر." این دوران برای شرکت‌ها بسیار جذاب بود، زیرا سرمایه‌گذاری روی «بزرگ‌تر کردن مدل» ریسک کمتری نسبت به تحقیقات داشت و نتایج آن قابل پیش‌بینی بود.

پایان دوران مقیاس‌پذیری آسان: سوتسکور اشاره می‌کند که داده‌های موجود برای آموزش مدل‌ها (Pre-training) محدود هستند و روزی تمام می‌شوند. او معتقد است که صرفاً بزرگ‌تر کردن مدل‌ها تا ۱۰۰ برابر، دیگر باعث تحول چشمگیری نخواهد شد.

بازگشت به عصر پژوهش (اکنون): ما اکنون دوباره به دورانی بازگشته‌ایم که نیاز به "پژوهش" و کشف روش‌های جدید (فراتر از روش‌های فعلی) داریم، با این تفاوت که اکنون کامپیوترهای بسیار قدرتمندتری در اختیار داریم.

سئوی زندگی برای هوش مصنوعی

در آکادمی ملت بارها بابت داوری هوش مصنوعی روی مقالاتشون متاثرند و از اون طرف هم احتمالا مسئولین کنفرانس‌ها بابت حجم زیاد پیپرهای ارسالی در اذیتند. از این مساله مهمتر ولی در بیرون دنیای اکادمی هم داره اتفاق میافته و اون حوزه اپلای و جذب نیرو هست. ملت رزومه‌های بیشتری به جاهای بیشتری ارسال می‌کنند، رزومه‌هایی که هر کدوم با هوش مصنوعی بهینه شده‌اند. از اونور هم مسئولین جذب شرکت‌ها که نمی‌تونن همه این رزومه‌ها رو بخونن از AI برای فیلترکردن و انتخاب افراد استفاده می‌کنند. نتیجه اینجوری شده که شما اگر ریفر نشید مجبورید جوری رزومه‌تون رو بنویسید که هوش مصنوعی مقابل رو متقاعد کنید که کاندیدای مناسبی برای شغل هستید. این پدیده، که باید سعی کنیم هوش مصنوعی رو متقاعد کنیم که آدم مناسبی هستیم به زودی از حوزه اکادمی و جذب هم فراتر میره و کلیه شئون زندگی ما رو می‌گیره احتمالا. هوش مصنوعی تصمیم می‌گیره ما وام بگیریم یا نه، هوش مصنوعی تصمیم می‌گیره ما چه قدر سالم هستیم و شانس زنده موندن داریم و حائز دریافت بیمه هستیم یا نه. جالب‌ترین چیزی که شنیدم چند وقت پیش یکی از این مدیران عامل اپلیکیشن‌های دوست‌یابی گفته بود که در آینده نزدیک در پلتفرم‌های ما این هوش مصنوعی هست که برای شما تصمیم می‌گیره که با چه کسی به دیت برید. اگه این روند رو در کنار همون بحث وام و رزومه و ... در نظر می‌گیریم به پدیده‌ای می‌رسیم که میشه اسمش رو گذاشت سئوکردن زندگی! همون‌طور که الان محتواسازها مجبورن تیترها و کلماتشون رو جوری بچینن که گوگل خوشش بیاد (و نه لزوماً خواننده)، ما هم کم‌کم مجبور می‌شیم رفتارهامون، سوابق مالیمون، و حتی علایق شخصیمون رو جوری مهندسی کنیم که الگوریتم‌های ناظر، بهمون چراغ سبز نشون بدن.

‌این مقاله از هاروارد و MIT بدون سر و صدا به مهم‌ترین سؤال هوش مصنوعی پاسخ می‌دهد که هیچ‌کس به درستی بنچمارک نکرده(محک نزده):
‌
آیا مدل‌های زبانی بزرگ واقعاً می‌توانند مطلب علمی جدیدی را کشف کنند، یا فقط در حرف زدن درباره آن خوب هستند؟

این مقاله که با عنوان «ارزیابی مدل‌های زبانی بزرگ در کشف علمی» نامیده می‌شود و به جای پرسیدن سؤالات  پیش پا افتاده  و(trivia) ویا معمول از مدل‌ها، چیزی بسیار سخت‌تر را مورد آزمایش قرار داده :

آیا مدل‌ها می‌توانند فرضیه بسازند، آزمایش طراحی کنند، نتایج را تفسیر کنند و باورها را مانند دانشمندان واقعی به‌روزرسانی کنند؟

این چیزی است که نویسندگان به شیوه متفاوتی انجام دادند 👇

• آن‌ها مدل‌های زبانی را در کل حلقه کشف ارزیابی می‌کنند:
فرضیه → آزمایش → مشاهده → بازنگری
• وظایف شامل زیست‌شناسی، شیمی و فیزیک هستند، نه پازل‌های اسباب‌بازی
• مدل‌ها باید با داده‌های ناقص، نتایج پر از نویز(اختلال) و سرنخ‌های غلط کار کنند
• موفقیت بر اساس پیشرفت علمی اندازه‌گیری می‌شود، نه روان بودن یا اعتماد به نفس

آنچه پیدا کردند، تکان‌دهنده است.

مدل‌های زبانی بزرگ در پیشنهاد فرضیه‌ها خوب هستند، اما در همه چیزهای بعدی شکننده‌اند.

✓ آن‌ها داده ها را بیش از اندازه  با الگوهای سطحی مطابقت می‌کنند(over fit)
✓ حتی وقتی شواهد با آن‌ها تناقض دارد، رها کردن فرضیه‌های بد برایشان سخت است
✓ همبستگی را با علیت اشتباه می‌گیرند
✓ وقتی آزمایش‌ها شکست می‌خورند، توضیحات توهمی می‌سازند
✓ برای محتمل بودن بهینه‌سازی می‌کنند، نه پیدا کردن حقیقت

شگفت‌انگیزترین نتیجه:

نمرات بالای بنچمارک (محک زدن) با توانایی کشف علمی همبستگی ندارد.

برخی از مدل‌های برتر که در آزمون‌های استدلال استاندارد غالب هستند، وقتی مجبور به اجرای آزمایش‌های تکراری و به‌روزرسانی نظریه‌ها شوند، کاملاً شکست می‌خورند.

چرا این مهم است:

علم واقعی استدلال یک‌باره نیست.

علم واقعی حاصل از  بازخورد، شکست، بازنگری و خویشتن‌داری است.

مدل‌های زبانی بزرگ امروز:

• مانند دانشمندان حرف می‌زنند
• مانند دانشمندان می‌نویسند
• اما هنوز مانند دانشمندان فکر نمی‌کنند

پیام اصلی مقاله:

هوش علمی، هوش زبانی نیست.

نیاز به حافظه، ردیابی فرضیه، استدلال علی، و توانایی گفتن «اشتباه کردم» دارد.

تا وقتی مدل‌ها نتوانند این کار را به طور قابل اعتماد انجام دهند، ادعاها درباره «دانشمندان هوش مصنوعی» عمدتاً نابهنگام هستند.

این مقاله هوش مصنوعی را تبلیغ نمی‌کند. شکاف باقی‌مانده را تعریف می‌کند.

و دقیقاً به همین دلیل مهم است.

🔗 Alex Prompter

🔻پیوند به مقاله:

https://arxiv.org/abs/2512.15567

https://x.com/i/status/2001909854525624770

📣✨✨اطلاعیه مهم ✨✨

💢 قابل توجه اساتید، کارکنان و دانشجویان

✅ احتراما به اطلاع می رساند: بر اساس تصمیمات اتخاذ شده وضعیت برگزاری کلاس‌های آموزشی و برگزاری امتحانات پایان ترم بدین ترتیب اعلام می گردد:
🔹کلاسها تا پایان نیمسال جاری به صورت مجازی برگزار خواهد شد.
🔸تمامی امتحانات پایان ترم به صورت حضوری برگزار می گردد.
🔹ساعت فعالیت اداری دانشگاه از دوشنبه اول دی‌ماه تا اطلاع ثانوی از ساعت ۷:۴۵ تا ۱۳:۳۰ تعیین می شود.

🌟 اطلاعیه ها تکمیلی متعاقبا اعلام خواهد شد.

📣📣 اطلاعیه 📣📣


✳️ به اطلاع کلیه اساتید و دانشجویان محترم دانشگاه ملایر می رساند:

✅ با توجه به تغییر سامانه آموزشی از سامانه سما به سامانه بهستان و الزامات فنی ، شرایط جوی، شیوع و فراگیری نسبی آنفلوآنزای فصلی و به منظور رفاه حال اساتید گرامی و دانشجویان محترم اصلاحات زیر در تقویم فعالیت های آموزشی دانشگاه ایجاد گردیده است:

🔹زمان انجام ارزشیابی اساتید توسط دانشجویان از ۲۹ آذر الی ۱۹ دی به ۲۳ تا ۳۰ آذرماه تغییر یافت.

🔹مهلت برگزاری امتحانات دروس علمی، کارگاهی و آزمایشگاهی به ۹ الی ۱۷ دی ماه و بصورت حضوری تغییر می یابد.

🔹اساتید محترم می بایست در بازه مذکور حتماً نسبت به برگزاری امتحانات دروس عملی، کارگاهی و آزمایشگاهی به صورت حضوری اقدام فرمایند.

🔹 کلیه فعالیت های آموزشی دانشگاه از ۸ دی در بستر سامانه جامع بهستان قابلیت اجرا خواهد داشت.

🔹 کلیه اساتید محترم می بایست در بازه زمانی ۶ الی ۱۶ دی ماه شخصاً سوالات امتحانات پایان نیمسال را به واحد تکثیر واقع در ساختمان مرکزی تحویل نمایند.

🔹لازم به ذکر است که در حال حاضر نیز تحویل پاکت سوالات به اساتید محترم در دانشکده ها در حال انجام است و اساتید می‌تواند برای دریافت پاکت سوالات خود اقدام نمایند.
🔹همچنین دفاع از پایان نامه ها و رساله ها و امتحان جامع به صورت حضوری و پیوسته در جریان است
🔹ضمنا آزمایشگاهها و کارگاهها در مجوعه دانشگاه فعال میباشند.
🔹در صورت ایجاد شرایط خاص و یا تعطیلات موردی موارد فوق اصلاح و اطلاع رسانی میگردد.

معاونت آموزشی و تحصیلات تکمیلی

📣✨ اطلاعیه مهم: امتحانات پايان نیمسال اول ۱۴۰۵-۱۴۰۴ دانشگاه ملایر با يك هفته تأخير برگزار خواهد شد.

🔸بدينوسيله به اطلاع دانشجویان عزیز، اعضاي محترم هيأت علمي و کارکنان دانشگاه مي رساند بر اساس مصوبه هیات رییسه دانشگاه مورخ ۱۶ دی‌ماه، امتحانات پايان نيمسال اول ۱۴۰۵-۱۴۰۴ دانشگاه ملایر با يك هفته تأخير و از روز يكشنبه ۲۸ دی‌ماه ۱۴۰۴ به صورت حضوری برگزار می گردد.

🔶 برنامه جدید برگزاری امتحانات متعاقباً اعلام می گردد.

🔶 لازم به ذکر است در هفته آتی کلیه فعالیتهای آزمایشگاهی و کارگاهی (ویژه دانشجویان تحصیلات تکمیلی)، سراهای دانشجویی و سلف دانشگاه برقرار می‌باشد.

🔸 برگزاری جلسات امتحان جامع، دفاع از پارساها و پیشنهاده رساله دانشجویان تحصیلات تکمیلی طبق برنامه‌ریزی قبلی و بدون تغییر به صورت حضوری انجام خواهد شد.
✾•┈┈┈┈┈✦❀✦┈┈┈┈┈•✾
دفتر ریاست و روابط عمومی دانشگاه ملایر

🌐 https://malayeru.ac.ir
🆔 @malayer_university
📽 www.aparat.com/malayeruniversity

📣📣 اطلاعیه تغییر برنامه امتحانی پایان نیمسال ۱۴۰۴۱📣📣

✅ به اطلاع کلیه دانشجویان محترم در همه مقاطع تحصیلی می رساند:
🔹پیرو مصوبه هیات رئیسه محترم دانشگاه مبنی بر تعویق یک هفته ای امتحانات پایان نیمسال اول سال تحصیلی ۱۴۰۵-۱۴۰۴، تاریخ امتحانات نیمسال جاری به شرح زیر تغییر می یابد:

🔻 امتحانات هفته اول (۲۰ الی ۲۴ دی ماه) در انتهای امتحانات (۷ الی ۱۳ بهمن ماه) بدون تغییر ساعت امتحانی به صورت زیر برگزار می گردد:
🔺 ۲۰ دی ---» ۷ بهمن
🔺 ۲۱ دی ---» ۸ بهمن
🔺 ۲۲ دی ---» ۱۱ بهمن
🔺 ۲۳ دی ---» ۱۲ بهمن
🔺 ۲۴ دی ---» ۱۳ بهمن

🔻امتحانات هفته دوم( ۲۸ دی الی ۶ بهمن) مطابق برنامه قبلی برگزار می گردد.

🔹با توجه به اطلاعیه وزارت محترم عتف، تمامی امتحانات پایان نیمسال بصورت حضوری برگزار خواهد شد.

✳️ هر گونه تغییر احتمالی در تقویم آموزشی نیمسال آتی از طریق پورتال دانشگاه و کانال رسمی دانشگاه در ایتا اطلاع رسانی خواهد شد.

معاونت آموزشی و تحصیلات تکمیلی دانشگاه ملایر