🔔 تیمی از پژوهشگران کره‌ای روشی نوین مبتنی بر هوش مصنوعی توسعه داده‌اند که می‌تواند ویژگی‌های مواد را تنها با داده‌های بسیار کم شناسایی کند.
در روش‌های سنتی، این کار به آزمایش‌های متعدد و تجهیزات گران‌قیمت نیاز داشت، اما در این رویکرد جدید، هوش مصنوعی با قوانین فیزیک ترکیب شده تا فرآیند تحلیل بسیار سریع‌تر و کارآمدتر شود.
📘 پژوهشگران از روش یادگیری ماشین آگاه از فیزیک (PIML) استفاده کردند؛ روشی که به مدل‌های هوش مصنوعی می‌آموزد از قوانین فیزیکی پیروی کنند.
🔹 در یک آزمایش، سیستم توانست ویژگی‌های مواد لاستیکی را فقط با داده‌های حاصل از یک آزمایش دقیقاً پیش‌بینی کند.
🔹 در آزمایشی دیگر، ویژگی‌های کلیدی مواد ترموالکتریک (که گرما را به برق تبدیل می‌کنند) را با چند اندازه‌گیری محدود پیش‌بینی کرد.
علاوه بر این، تیم یک مدل جدید با نام Physics Informed Neural Operator (PINO) ساخت که قادر است قوانین فیزیکی را درک کند و ویژگی‌های مواد جدیدی که هرگز ندیده پیش‌بینی کند.
پس از آموزش روی ۲۰ نوع ماده، این مدل توانست ویژگی‌های ۶۰ ماده‌ی جدید را با دقت بالا تخمین بزند.
⚙️ این پیشرفت می‌تواند به‌شدت روند کشف و طراحی مواد جدید را در حوزه‌هایی مانند انرژی، الکترونیک و مهندسی تسریع کند.
@rss_ai_ir
#AI #PIML #PINO #MaterialScience #PhysicsInformedAI #Innovation
در روش‌های سنتی، این کار به آزمایش‌های متعدد و تجهیزات گران‌قیمت نیاز داشت، اما در این رویکرد جدید، هوش مصنوعی با قوانین فیزیک ترکیب شده تا فرآیند تحلیل بسیار سریع‌تر و کارآمدتر شود.
📘 پژوهشگران از روش یادگیری ماشین آگاه از فیزیک (PIML) استفاده کردند؛ روشی که به مدل‌های هوش مصنوعی می‌آموزد از قوانین فیزیکی پیروی کنند.
🔹 در یک آزمایش، سیستم توانست ویژگی‌های مواد لاستیکی را فقط با داده‌های حاصل از یک آزمایش دقیقاً پیش‌بینی کند.
🔹 در آزمایشی دیگر، ویژگی‌های کلیدی مواد ترموالکتریک (که گرما را به برق تبدیل می‌کنند) را با چند اندازه‌گیری محدود پیش‌بینی کرد.
علاوه بر این، تیم یک مدل جدید با نام Physics Informed Neural Operator (PINO) ساخت که قادر است قوانین فیزیکی را درک کند و ویژگی‌های مواد جدیدی که هرگز ندیده پیش‌بینی کند.
پس از آموزش روی ۲۰ نوع ماده، این مدل توانست ویژگی‌های ۶۰ ماده‌ی جدید را با دقت بالا تخمین بزند.
⚙️ این پیشرفت می‌تواند به‌شدت روند کشف و طراحی مواد جدید را در حوزه‌هایی مانند انرژی، الکترونیک و مهندسی تسریع کند.
@rss_ai_ir
#AI #PIML #PINO #MaterialScience #PhysicsInformedAI #Innovation
👍2
This media is not supported in your browser
VIEW IN TELEGRAM
👤 انسان: می‌خواهد ربات‌ها تمام کارها را به جای او انجام دهند.
🤖 در همین حین، ربات‌ها:
(تصویر یا ویدیو از رباتی که زمین می‌خورد، گم می‌شود یا کار بی‌ربطی انجام می‌دهد 😄)
@rss_ai_ir
#ربات #هوش_مصنوعی #طنز #فناوری
🤖 در همین حین، ربات‌ها:
(تصویر یا ویدیو از رباتی که زمین می‌خورد، گم می‌شود یا کار بی‌ربطی انجام می‌دهد 😄)
@rss_ai_ir
#ربات #هوش_مصنوعی #طنز #فناوری
😁3🤣2
🎨 مایکروسافت هم وارد میدان ساخت تصویر شد!
در حالی که از مدت‌ها پیش شایعاتی درباره‌ی فاصله گرفتن مایکروسافت از OpenAI شنیده می‌شد، حالا این شرکت با انتشار MAI-Image-1 رسماً نشان داد که می‌خواهد استقلال خود را حفظ کند.
💡 مدل جدید بخشی از خانواده‌ی MAI است — همان مدل‌هایی که مایکروسافت برای «تفکر و استدلال» توسعه می‌دهد و قرار است جایگزین مدل‌های o1 و o3-mini از OpenAI در Copilot شود.
و حالا، نسخه‌ی تصویری آن هم رسید:
🖼️ هMAI-Image-1 — مدل تولید تصویر از مایکروسافت که به شوخی شبیه‌سازی نام GPT-Image-1 است.
مدل تازه در رتبه‌ی ۹ جدول LMArena قرار گرفته، اما مایکروسافت با افتخار می‌گوید:
> «معرفی MAI-Image-1، که در اولین حضور خود در میان ۱۰ مدل برتر LMArena قرار گرفت.»
👀 از تصاویر منتشرشده در سایت مایکروسافت می‌توان گفت که مدل از نظر کیفیت در حد نسل قبلی سازندگان تصویر است (در حد Flux.dev) — پوست‌ها کمی مصنوعی و براق، ولی باید عملکرد واقعی را دید.
🧩 در حال حاضر مدل به‌صورت عمومی در دسترس نیست، اما به‌زودی در Copilot و Bing Image Creator عرضه خواهد شد.
اگر عجله دارید، می‌توانید آن را به‌صورت محدود در LMArena بیابید — کافی‌ست چند بار کلیک کنید تا ظاهر شود 😄
🔗 معرفی رسمی از Microsoft.ai
@rss_ai_ir
#Microsoft #AI #MAI #ImageGeneration #Copilot #BingImageCreator
در حالی که از مدت‌ها پیش شایعاتی درباره‌ی فاصله گرفتن مایکروسافت از OpenAI شنیده می‌شد، حالا این شرکت با انتشار MAI-Image-1 رسماً نشان داد که می‌خواهد استقلال خود را حفظ کند.
💡 مدل جدید بخشی از خانواده‌ی MAI است — همان مدل‌هایی که مایکروسافت برای «تفکر و استدلال» توسعه می‌دهد و قرار است جایگزین مدل‌های o1 و o3-mini از OpenAI در Copilot شود.
و حالا، نسخه‌ی تصویری آن هم رسید:
🖼️ هMAI-Image-1 — مدل تولید تصویر از مایکروسافت که به شوخی شبیه‌سازی نام GPT-Image-1 است.
مدل تازه در رتبه‌ی ۹ جدول LMArena قرار گرفته، اما مایکروسافت با افتخار می‌گوید:
> «معرفی MAI-Image-1، که در اولین حضور خود در میان ۱۰ مدل برتر LMArena قرار گرفت.»
👀 از تصاویر منتشرشده در سایت مایکروسافت می‌توان گفت که مدل از نظر کیفیت در حد نسل قبلی سازندگان تصویر است (در حد Flux.dev) — پوست‌ها کمی مصنوعی و براق، ولی باید عملکرد واقعی را دید.
🧩 در حال حاضر مدل به‌صورت عمومی در دسترس نیست، اما به‌زودی در Copilot و Bing Image Creator عرضه خواهد شد.
اگر عجله دارید، می‌توانید آن را به‌صورت محدود در LMArena بیابید — کافی‌ست چند بار کلیک کنید تا ظاهر شود 😄
🔗 معرفی رسمی از Microsoft.ai
@rss_ai_ir
#Microsoft #AI #MAI #ImageGeneration #Copilot #BingImageCreator
❤1👍1
🤗 چه کسانی واقعاً محرک هوش مصنوعی متن‌باز هستند؟
تحلیل ۵۰ مدل برتر از نظر دانلود در Hugging Face
---
📊 مطالعه‌ی جدید نشان می‌دهد که کدام سازمان‌ها و چه نوع مدل‌هایی ستون فقرات اکوسیستم open-source AI را تشکیل می‌دهند.
---
🔥 نتایج کلیدی:
📦 تنها ۵۰ مدل (۳.۴٪ از کل مدل‌ها) بیش از ۸۰٪ از ۴۵ میلیارد دانلود را به خود اختصاص داده‌اند.
یعنی بیشتر فعالیت‌ها حول محور گروه کوچکی از رهبران می‌چرخد — همان‌هایی که چهره‌ی اصلی AI متن‌باز را می‌سازند.
---
📉 اندازه مهم است (کوچک‌تر = بهتر):
♻️۹۲.۵٪ دانلودها مربوط به مدل‌هایی با کمتر از ۱ میلیارد پارامتر
♻️۸۶.۳٪ < ۵۰۰ میلیون
♻️۷۰٪ < ۲۰۰ میلیون
♻️۴۰٪ < ۱۰۰ میلیون
✅ نتیجه واضح است: در دنیای open-source، مدل‌های سبک، سریع و قابل اجرا روی دستگاه‌های محلی برنده‌اند.
---
🧠 محبوب‌ترین حوزه‌ها:
♻️مدل NLP (پردازش زبان طبیعی) — ۵۸.۱٪
♻️بینایی کامپیوتر — ۲۱.۲٪
♻️صوت — ۱۵.۱٪
♻️چندوجهی — ۳.۳٪
♻️داده‌های زمانی — ۱.۷٪
---
🏢 چه کسانی این مدل‌ها را می‌سازند؟
♻️شرکت‌ها — ۶۳.۲٪ (گوگل پیشتاز است)
♻️دانشگاه‌ها — ۲۰.۷٪
♻️توسعه‌دهندگان مستقل — ۱۲.۱٪
♻️سازمان‌های غیرانتفاعی — ۳.۸٪
♻️آزمایشگاه‌های دیگر — ۰.۳٪
---
⚙️ چه نوع مدل‌هایی محبوب‌ترند؟
♻️مدل Encoderهای متنی — ۴۵٪ از کل دانلودها
♻️مدل Decoderها — ۹.۵٪
♻️مدل Encoder-Decoderها — ۳٪
📌 بر خلاف هیاهوی رسانه‌ای پیرامون LLMها، کاربران عمدتاً مدل‌های کاربردی و کوچک را دانلود می‌کنند که به راحتی در محصولات واقعی ادغام می‌شوند.
---
🌍 پراکندگی جغرافیایی:
ایالات متحده با اختلاف پیشتاز است:
♻️۱۸ بار در میان ۵۰ مدل برتر دیده می‌شود.
♻️۵۶.۴٪ از کل دانلودها از مدل‌های ساخت آمریکا هستند.
---
💡 نتیجه نهایی:
هوش مصنوعی متن‌باز نه به لطف غول‌هایی با تریلیون پارامتر، بلکه به کمک مدل‌های فشرده، سریع و کاربردی زنده است — همان‌هایی که واقعاً در پروژه‌ها و محصولات استفاده می‌شوند.
---
📖 منبع کامل: Hugging Face Blog
@rss_ai_ir
#AI #HuggingFace #OpenSource #MachineLearning #LLM #AITrends
تحلیل ۵۰ مدل برتر از نظر دانلود در Hugging Face
---
📊 مطالعه‌ی جدید نشان می‌دهد که کدام سازمان‌ها و چه نوع مدل‌هایی ستون فقرات اکوسیستم open-source AI را تشکیل می‌دهند.
---
🔥 نتایج کلیدی:
📦 تنها ۵۰ مدل (۳.۴٪ از کل مدل‌ها) بیش از ۸۰٪ از ۴۵ میلیارد دانلود را به خود اختصاص داده‌اند.
یعنی بیشتر فعالیت‌ها حول محور گروه کوچکی از رهبران می‌چرخد — همان‌هایی که چهره‌ی اصلی AI متن‌باز را می‌سازند.
---
📉 اندازه مهم است (کوچک‌تر = بهتر):
♻️۹۲.۵٪ دانلودها مربوط به مدل‌هایی با کمتر از ۱ میلیارد پارامتر
♻️۸۶.۳٪ < ۵۰۰ میلیون
♻️۷۰٪ < ۲۰۰ میلیون
♻️۴۰٪ < ۱۰۰ میلیون
✅ نتیجه واضح است: در دنیای open-source، مدل‌های سبک، سریع و قابل اجرا روی دستگاه‌های محلی برنده‌اند.
---
🧠 محبوب‌ترین حوزه‌ها:
♻️مدل NLP (پردازش زبان طبیعی) — ۵۸.۱٪
♻️بینایی کامپیوتر — ۲۱.۲٪
♻️صوت — ۱۵.۱٪
♻️چندوجهی — ۳.۳٪
♻️داده‌های زمانی — ۱.۷٪
---
🏢 چه کسانی این مدل‌ها را می‌سازند؟
♻️شرکت‌ها — ۶۳.۲٪ (گوگل پیشتاز است)
♻️دانشگاه‌ها — ۲۰.۷٪
♻️توسعه‌دهندگان مستقل — ۱۲.۱٪
♻️سازمان‌های غیرانتفاعی — ۳.۸٪
♻️آزمایشگاه‌های دیگر — ۰.۳٪
---
⚙️ چه نوع مدل‌هایی محبوب‌ترند؟
♻️مدل Encoderهای متنی — ۴۵٪ از کل دانلودها
♻️مدل Decoderها — ۹.۵٪
♻️مدل Encoder-Decoderها — ۳٪
📌 بر خلاف هیاهوی رسانه‌ای پیرامون LLMها، کاربران عمدتاً مدل‌های کاربردی و کوچک را دانلود می‌کنند که به راحتی در محصولات واقعی ادغام می‌شوند.
---
🌍 پراکندگی جغرافیایی:
ایالات متحده با اختلاف پیشتاز است:
♻️۱۸ بار در میان ۵۰ مدل برتر دیده می‌شود.
♻️۵۶.۴٪ از کل دانلودها از مدل‌های ساخت آمریکا هستند.
---
💡 نتیجه نهایی:
هوش مصنوعی متن‌باز نه به لطف غول‌هایی با تریلیون پارامتر، بلکه به کمک مدل‌های فشرده، سریع و کاربردی زنده است — همان‌هایی که واقعاً در پروژه‌ها و محصولات استفاده می‌شوند.
---
📖 منبع کامل: Hugging Face Blog
@rss_ai_ir
#AI #HuggingFace #OpenSource #MachineLearning #LLM #AITrends
👍1
📄 PaddleOCR-VL (0.9B) —
مدل فشرده Vision-Language نسل جدید از Baidu AI
تیم تحقیقاتی Baidu AI نسخه‌ی جدیدی از مدل‌های چندوجهی خود را معرفی کرده است:
🔹 PaddleOCR-VL (0.9B) —
مدلی بسیار سبک که با وجود اندازه کوچک، به دقت SOTA در وظایف بینایی-زبانی دست یافته است:
♻️شناسایی و تشخیص متن‌ها
♻️جدول‌ها و داده‌های ساختاریافته
♻️فرمول‌های ریاضی
♻️نمودارها و گراف‌ه
ا
💡 درون :
NaViT —
انکودر تصویری پویا (Dynamic Vision Encoder)
ERNIE —
نسخه سبک‌شده‌ی مدل زبانی بایدو برای درک متن
⚡️ پشتیبانی از ۱۰۹ زبان مختلف، با تمرکز بر کارایی بالا در دستگاه‌های لبه‌ای (edge).
🟠 GitHub:
github.com/PaddlePaddle/PaddleOCR
🟠 HuggingFace:
PaddleOCR-VL
🟠 اسناد رسمی:
paddleocr.ai/latest/en/index.html
@rss_ai_ir
#BaiduAI #PaddlePaddle #Ernie #PaddleOCR #VisionLanguage #AI #OCR
مدل فشرده Vision-Language نسل جدید از Baidu AI
تیم تحقیقاتی Baidu AI نسخه‌ی جدیدی از مدل‌های چندوجهی خود را معرفی کرده است:
🔹 PaddleOCR-VL (0.9B) —
مدلی بسیار سبک که با وجود اندازه کوچک، به دقت SOTA در وظایف بینایی-زبانی دست یافته است:
♻️شناسایی و تشخیص متن‌ها
♻️جدول‌ها و داده‌های ساختاریافته
♻️فرمول‌های ریاضی
♻️نمودارها و گراف‌ه
ا
💡 درون :
NaViT —
انکودر تصویری پویا (Dynamic Vision Encoder)
ERNIE —
نسخه سبک‌شده‌ی مدل زبانی بایدو برای درک متن
⚡️ پشتیبانی از ۱۰۹ زبان مختلف، با تمرکز بر کارایی بالا در دستگاه‌های لبه‌ای (edge).
🟠 GitHub:
github.com/PaddlePaddle/PaddleOCR
🟠 HuggingFace:
PaddleOCR-VL
🟠 اسناد رسمی:
paddleocr.ai/latest/en/index.html
@rss_ai_ir
#BaiduAI #PaddlePaddle #Ernie #PaddleOCR #VisionLanguage #AI #OCR
🔥 سم آلتمن در حال انجام یکی از بزرگ‌ترین «تغییرات مالکیتی» تاریخ است!
شرکت OpenAI که در ابتدا ۱۰۰٪ غیرانتفاعی بود،
اکنون تنها حدود ۲۰٪ از مالکیت خود را در اختیار بنیاد اصلی دارد.
📉 یعنی چه؟
> آلتمن عملاً ۸۰٪ از کنترل و سهم مالی را از ساختار غیرانتفاعی جدا کرده
و حالا به‌صورت غیرمستقیم می‌خواهد OpenAI را به خودش بفروشد — آن‌هم با قیمتی پایین‌تر از ارزش واقعی.
⚖️ در همین حال، ایلان ماسک علیه این اقدام در دادگاه در حال پیگیری است.
به نظر می‌رسد نبرد بر سر آینده‌ی OpenAI تازه آغاز شده...
@rss_ai_ir
#OpenAI #SamAltman #ElonMusk #AI #TechEthics
شرکت OpenAI که در ابتدا ۱۰۰٪ غیرانتفاعی بود،
اکنون تنها حدود ۲۰٪ از مالکیت خود را در اختیار بنیاد اصلی دارد.
📉 یعنی چه؟
> آلتمن عملاً ۸۰٪ از کنترل و سهم مالی را از ساختار غیرانتفاعی جدا کرده
و حالا به‌صورت غیرمستقیم می‌خواهد OpenAI را به خودش بفروشد — آن‌هم با قیمتی پایین‌تر از ارزش واقعی.
⚖️ در همین حال، ایلان ماسک علیه این اقدام در دادگاه در حال پیگیری است.
به نظر می‌رسد نبرد بر سر آینده‌ی OpenAI تازه آغاز شده...
@rss_ai_ir
#OpenAI #SamAltman #ElonMusk #AI #TechEthics
🧬 مدل Gemma C2S-Scale 27B راهی تازه برای مبارزه با سرطان گشود
پژوهشگران Google Research و Calico از این مدل برای تحلیل فعالیت ژن‌ها در سلول‌ها و یافتن ترکیباتی استفاده کردند که بتوانند واکنش ایمنی بدن علیه تومورها را تقویت کنند.
🔍 چالش اصلی این است که بسیاری از تومورها «سرد» باقی می‌مانند — سیستم ایمنی آن‌ها را تشخیص نمی‌دهد. برای فعال‌سازی پاسخ ایمنی باید بیان آنتی‌ژن‌ها (Antigen Presentation) را افزایش داد، آن هم فقط در سلول‌هایی که نشانه‌ای از پاسخ ایمنی ضعیف دارند.
🧠 مدل Gemma پیش‌بینی کرد که ترکیب داروی silmitasertib (مهارکننده‌ی CK2) با دوز پایین اینترفرون باعث افزایش بیان MHC-I می‌شود — در نتیجه تومورهای «سرد» برای سیستم ایمنی قابل‌تشخیص‌تر می‌شوند.
🔬 نتایج آزمایشگاهی این پیش‌بینی را تأیید کردند:
ترکیب دو دارو، فعالیت آنتی‌ژن‌ها را حدود ۵۰٪ افزایش داد.
این دستاورد می‌تواند پایه‌ای برای نسل جدیدی از ایمونوتراپی (درمان‌های ایمنی ضد سرطان) باشد.
✨ نکته‌ی مهم:
هوش مصنوعی فقط داده‌ها را تحلیل نکرد — بلکه فرضیه‌ای علمی ارائه داد که در عمل نیز تأیید شد.
نمونه‌ای از گذار بزرگ: از مدل‌های زبانی به کاشفان دارو و سازوکارهای زیستی نوین.
🟢 بیشتر بخوانید
🧾 مقاله‌ی علمی
💻 GitHub
@rss_ai_ir
#GoogleAI #Gemma #Calico #BioTech #CancerResearch #AI
پژوهشگران Google Research و Calico از این مدل برای تحلیل فعالیت ژن‌ها در سلول‌ها و یافتن ترکیباتی استفاده کردند که بتوانند واکنش ایمنی بدن علیه تومورها را تقویت کنند.
🔍 چالش اصلی این است که بسیاری از تومورها «سرد» باقی می‌مانند — سیستم ایمنی آن‌ها را تشخیص نمی‌دهد. برای فعال‌سازی پاسخ ایمنی باید بیان آنتی‌ژن‌ها (Antigen Presentation) را افزایش داد، آن هم فقط در سلول‌هایی که نشانه‌ای از پاسخ ایمنی ضعیف دارند.
🧠 مدل Gemma پیش‌بینی کرد که ترکیب داروی silmitasertib (مهارکننده‌ی CK2) با دوز پایین اینترفرون باعث افزایش بیان MHC-I می‌شود — در نتیجه تومورهای «سرد» برای سیستم ایمنی قابل‌تشخیص‌تر می‌شوند.
🔬 نتایج آزمایشگاهی این پیش‌بینی را تأیید کردند:
ترکیب دو دارو، فعالیت آنتی‌ژن‌ها را حدود ۵۰٪ افزایش داد.
این دستاورد می‌تواند پایه‌ای برای نسل جدیدی از ایمونوتراپی (درمان‌های ایمنی ضد سرطان) باشد.
✨ نکته‌ی مهم:
هوش مصنوعی فقط داده‌ها را تحلیل نکرد — بلکه فرضیه‌ای علمی ارائه داد که در عمل نیز تأیید شد.
نمونه‌ای از گذار بزرگ: از مدل‌های زبانی به کاشفان دارو و سازوکارهای زیستی نوین.
🟢 بیشتر بخوانید
🧾 مقاله‌ی علمی
💻 GitHub
@rss_ai_ir
#GoogleAI #Gemma #Calico #BioTech #CancerResearch #AI
📊 هوش مصنوعی و بازار کار آمریکا؛ هنوز خبری از آخرالزمان نیست، اما نشانه‌هایی نگران‌کننده دیده می‌شود
پژوهشگران بازار کار آمریکا همچنان در حال بررسی تأثیر هوش مصنوعی بر اشتغال هستند — و تا این لحظه، هیچ فاجعه‌ای که برخی رسانه‌ها و بدبینان وعده می‌دادند، دیده نمی‌شود.
اما با نگاهی دقیق‌تر، روندهایی در حال شکل‌گیری است که تا حدی نتایج پژوهش اخیر دانشگاه استنفورد را تأیید می‌کند.
💼 نکات کلیدی:
✅اجرای واقعی فناوری‌های هوش مصنوعی تازه آغاز شده است.
✅از سال گذشته، تعداد موقعیت‌های شغلی مرتبط با ادغام هوش مصنوعی در فرآیندهای تجاری به‌طور پیوسته در حال افزایش است.
پژوهشگران شرکت‌ها را به دو گروه تقسیم کردند:
♻️شرکت‌های AI-adopters (پذیرفته و به‌کارگیرنده‌ی هوش مصنوعی) و سایر شرکت‌ها.
♻️نتیجه: در گروه نخست، روند استخدام تغییر کرده — کاهش استخدام نیروهای تازه‌کار (Junior) و افزایش جذب متخصصان ارشد (Senior).
♻️هرچند این شرکت‌ها هنوز تنها حدود ۱۷٪ از بازار کار را تشکیل می‌دهند و تأثیر فعلاً ملایم است.
📘 نام پژوهش نیز جالب است:
Generative AI as Seniority-Biased Technological Change —
«هوش مصنوعی مولد به‌عنوان تغییری فناورانه با سوگیری به نفع نیروهای باتجربه».
🎓 بررسی‌ها نشان می‌دهد که تأثیر این روند به سطح دانشگاه محل تحصیل نیروهای تازه‌کار نیز بستگی دارد:
✳️فارغ‌التحصیلان دانشگاه‌های برتر کمترین آسیب را دیده‌اند.
✳️به شکل جالبی، فارغ‌التحصیلان دانشگاه‌های ضعیف‌تر هم وضعیت نسبتاً بهتری دارند — چون ارزان‌ترند.
✳️اما آسیب‌دیده‌ترین گروه، دانش‌آموختگان دانشگاه‌های متوسط هستند که در رقابت بازار کار عقب افتاده‌اند.
📈 نتیجه:
فعلاً خبری از «آخرالزمان شغلی با هوش مصنوعی» نیست،
اما ساختار بازار کار آرام‌آرام تغییر می‌کند —
به نفع نیروهای باتجربه و به زیان تازه‌کارها.
🔗 منبع: The Economist
#هوش_مصنوعی #بازارکار #اقتصاد #آینده_شغل #AI #Economist #GenerativeAI
پژوهشگران بازار کار آمریکا همچنان در حال بررسی تأثیر هوش مصنوعی بر اشتغال هستند — و تا این لحظه، هیچ فاجعه‌ای که برخی رسانه‌ها و بدبینان وعده می‌دادند، دیده نمی‌شود.
اما با نگاهی دقیق‌تر، روندهایی در حال شکل‌گیری است که تا حدی نتایج پژوهش اخیر دانشگاه استنفورد را تأیید می‌کند.
💼 نکات کلیدی:
✅اجرای واقعی فناوری‌های هوش مصنوعی تازه آغاز شده است.
✅از سال گذشته، تعداد موقعیت‌های شغلی مرتبط با ادغام هوش مصنوعی در فرآیندهای تجاری به‌طور پیوسته در حال افزایش است.
پژوهشگران شرکت‌ها را به دو گروه تقسیم کردند:
♻️شرکت‌های AI-adopters (پذیرفته و به‌کارگیرنده‌ی هوش مصنوعی) و سایر شرکت‌ها.
♻️نتیجه: در گروه نخست، روند استخدام تغییر کرده — کاهش استخدام نیروهای تازه‌کار (Junior) و افزایش جذب متخصصان ارشد (Senior).
♻️هرچند این شرکت‌ها هنوز تنها حدود ۱۷٪ از بازار کار را تشکیل می‌دهند و تأثیر فعلاً ملایم است.
📘 نام پژوهش نیز جالب است:
Generative AI as Seniority-Biased Technological Change —
«هوش مصنوعی مولد به‌عنوان تغییری فناورانه با سوگیری به نفع نیروهای باتجربه».
🎓 بررسی‌ها نشان می‌دهد که تأثیر این روند به سطح دانشگاه محل تحصیل نیروهای تازه‌کار نیز بستگی دارد:
✳️فارغ‌التحصیلان دانشگاه‌های برتر کمترین آسیب را دیده‌اند.
✳️به شکل جالبی، فارغ‌التحصیلان دانشگاه‌های ضعیف‌تر هم وضعیت نسبتاً بهتری دارند — چون ارزان‌ترند.
✳️اما آسیب‌دیده‌ترین گروه، دانش‌آموختگان دانشگاه‌های متوسط هستند که در رقابت بازار کار عقب افتاده‌اند.
📈 نتیجه:
فعلاً خبری از «آخرالزمان شغلی با هوش مصنوعی» نیست،
اما ساختار بازار کار آرام‌آرام تغییر می‌کند —
به نفع نیروهای باتجربه و به زیان تازه‌کارها.
🔗 منبع: The Economist
#هوش_مصنوعی #بازارکار #اقتصاد #آینده_شغل #AI #Economist #GenerativeAI
👍1😁1💔1
😨 دانشمندان مؤسسه‌ی فناوری کارلسروهه (KIT) کشف کرده‌اند که امواج وای‌فای پس از بازتاب از بدن انسان می‌توانند برای شناسایی هویت افراد استفاده شوند — درست مثل سیستم سونار در فیلم The Dark Knight.
🔍 این امواج رمزگذاری‌شده نیستند، و پژوهشگران نشان داده‌اند که با تحلیل بازتاب آن‌ها می‌توان تصاویر دقیقی از انسان‌ها ایجاد کرد — تقریباً مانند تصویری که از یک دوربین معمولی به‌دست می‌آید.
🤖 با استفاده از این داده‌ها، هوش مصنوعی قادر است با دقت ۱۰۰٪ شخص را شناسایی کند، موقعیت او در فضا، حالت بدنش و حتی کاری که انجام می‌دهد را تشخیص دهد. این آزمایش با حضور ۱۹۷ شرکت‌کننده با موفقیت انجام شده است.
⚠️ بخش ترسناک ماجرا اینجاست:
برای اجرای چنین فناوری‌ای هیچ تجهیزات خاصی لازم نیست — پژوهشگران معتقدند که از طریق هر مودم خانگی وای‌فای می‌توان افراد را ردیابی و حتی نظارت کرد.
📡 حتی وای‌فای هم به ما خیانت کرد.
@rss_ai_ir
#هوش_مصنوعی #وای_فای #نظارت #حریم_خصوصی #KIT #AI
🔍 این امواج رمزگذاری‌شده نیستند، و پژوهشگران نشان داده‌اند که با تحلیل بازتاب آن‌ها می‌توان تصاویر دقیقی از انسان‌ها ایجاد کرد — تقریباً مانند تصویری که از یک دوربین معمولی به‌دست می‌آید.
🤖 با استفاده از این داده‌ها، هوش مصنوعی قادر است با دقت ۱۰۰٪ شخص را شناسایی کند، موقعیت او در فضا، حالت بدنش و حتی کاری که انجام می‌دهد را تشخیص دهد. این آزمایش با حضور ۱۹۷ شرکت‌کننده با موفقیت انجام شده است.
⚠️ بخش ترسناک ماجرا اینجاست:
برای اجرای چنین فناوری‌ای هیچ تجهیزات خاصی لازم نیست — پژوهشگران معتقدند که از طریق هر مودم خانگی وای‌فای می‌توان افراد را ردیابی و حتی نظارت کرد.
📡 حتی وای‌فای هم به ما خیانت کرد.
@rss_ai_ir
#هوش_مصنوعی #وای_فای #نظارت #حریم_خصوصی #KIT #AI
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
🤖 شرکت DeepRobotics نسل دوم ربات انسان‌نمای خود با نام DR02 را معرفی کرد
✅این نسخه جدید با طراحی بسیار انسان‌محورتر و توانایی‌های فنی چشمگیر، گامی مهم در جهت استفاده‌ی عملی از ربات‌ها در محیط‌های واقعی محسوب می‌شود.
🔥 ویژگی‌های برجسته DR02:
✳️مقاومت حرارتی از منفی ۲۰ تا ۵۵ درجه سانتی‌گراد
✳️کاملاً ضد آب و ضد گرد و غبار
✳️عملکرد پایدار در شرایط سخت مانند باران، رطوبت بالا، شن و ماسه
✳️این ربات برای فعالیت در محیط‌های دشوار طراحی شده است —
از مناطق بیابانی و جنگلی گرفته تا معدن‌ها و نیروگاه‌ها.
🦾 همچنین DR02 می‌تواند با ربات‌های X30 و LYNX M20 همکاری کند تا مأموریت‌هایی مانند:
♻️بازرسی صنعتی
♻️عملیات نجات
♻️شناسایی و نقشه‌برداری
♻️عبور از موانع پیچیده
را انجام دهد — بدون نیاز به حضور انسان در شرایط خطرناک.
این پیشرفت نشان می‌دهد که ربات‌های انسان‌نما به‌سرعت از نمایشگاه‌ها به میدان عمل وارد می‌شوند.
#هوش_مصنوعی #رباتیک #DeepRobotics #Humanoid #ربات_انسان_نما #ربات_صنعتی #AI
✅این نسخه جدید با طراحی بسیار انسان‌محورتر و توانایی‌های فنی چشمگیر، گامی مهم در جهت استفاده‌ی عملی از ربات‌ها در محیط‌های واقعی محسوب می‌شود.
🔥 ویژگی‌های برجسته DR02:
✳️مقاومت حرارتی از منفی ۲۰ تا ۵۵ درجه سانتی‌گراد
✳️کاملاً ضد آب و ضد گرد و غبار
✳️عملکرد پایدار در شرایط سخت مانند باران، رطوبت بالا، شن و ماسه
✳️این ربات برای فعالیت در محیط‌های دشوار طراحی شده است —
از مناطق بیابانی و جنگلی گرفته تا معدن‌ها و نیروگاه‌ها.
🦾 همچنین DR02 می‌تواند با ربات‌های X30 و LYNX M20 همکاری کند تا مأموریت‌هایی مانند:
♻️بازرسی صنعتی
♻️عملیات نجات
♻️شناسایی و نقشه‌برداری
♻️عبور از موانع پیچیده
را انجام دهد — بدون نیاز به حضور انسان در شرایط خطرناک.
این پیشرفت نشان می‌دهد که ربات‌های انسان‌نما به‌سرعت از نمایشگاه‌ها به میدان عمل وارد می‌شوند.
#هوش_مصنوعی #رباتیک #DeepRobotics #Humanoid #ربات_انسان_نما #ربات_صنعتی #AI
❤1👍1