محققان در ایالات متحده آمریکا توانسته‌اند مشکل حمله هکرها به مدل‌های هوش مصنوعی را برطرف کنند. آنها برای دستیابی به این هدف، از مدل دیگری برای فریب شبکه عصبی و اجبار برای تحلیل تصاویر ویرایش شده استفاده کردند.
بنابر گزارش MIT Technology Review، محققان در دانشگاه «ایلینوی» اعلام کرده‌اند یکی از بزرگترین نقص‌ها در آموزش هوش مصنوعی، آسیب‌پذیری آنها در برابر حملات هکرها است. در این زمینه سیستم‌های تشخیص عکس یا بازسازی تصاویر با بیشترین حملات مواجه می‌شوند.
حملات گسترده به این سیستم‌ها زنگ خطری برای مقامات در بخش مراقبت‌های پزشکی محسوب می‌شود، جایی که اغلب این روش برای بازسازی تصاویر پزشکی مورد استفاده قرار می‌گیرد. در صورتی که هوش مصنوعی تصویر اشتباهی دریافت کند، نتیجه آن تشخیص غلط نوع بیماری خواهد بود.
برای جلوگیری از چنین مشکلی، دانشمندان روش جدیدی برای آموزش سیستم‌های یادگیری عمیق ارائه کرده‌اند که آنها را در برابر خطا مقاوم‌تر می‌کند و همچنین آنها را در زمانی که مسائل امنیتی اهمیت بالایی دارند، قابل اطمینان‌تر می‌کند.
محققان برای دستیابی به این روش، شبکه عصبی مسئول بازسازی تصاویر را به یک مدل با امکان تولید نمونه‌های رقابتی (تصاویر با تفاوت‌های اندک نسبت به عکس‌های اصلی) متصل کردند. در طی آموزش، یکی از هوش‌های مصنوعی بدنبال فریب دیگری با نمایش تصاویر متفاوت نسبت به نمونه‌های اصلی بود.
در طی این آزمایش، مدل مخصوص بازسازی تصاویر دائما در حال تحلیل تصاویر بود تا بتواند تغییرات در آنها را تشخیص دهد و متوجه شود با یک تصویر ویرایش شده روبه‌رو است یا خیر. در نهایت این سیستم توانست تمام تصاویر ویرایش شده را شناسایی کند که از عملکرد بهتر آن نسبت به سایر شبکه‌های عصبی خبر می‌دهد.
دانشمندان در هنگام آزمایش‌ها سعی کردند به صورت دستی سیستم را هک کرده و تصاویر ویرایش شده را به آن نشان دهند که تمام آنها از سوی هوش مصنوعی رد شدند.
#hack #ai #deep_learning #deeplearning
بنابر گزارش MIT Technology Review، محققان در دانشگاه «ایلینوی» اعلام کرده‌اند یکی از بزرگترین نقص‌ها در آموزش هوش مصنوعی، آسیب‌پذیری آنها در برابر حملات هکرها است. در این زمینه سیستم‌های تشخیص عکس یا بازسازی تصاویر با بیشترین حملات مواجه می‌شوند.
حملات گسترده به این سیستم‌ها زنگ خطری برای مقامات در بخش مراقبت‌های پزشکی محسوب می‌شود، جایی که اغلب این روش برای بازسازی تصاویر پزشکی مورد استفاده قرار می‌گیرد. در صورتی که هوش مصنوعی تصویر اشتباهی دریافت کند، نتیجه آن تشخیص غلط نوع بیماری خواهد بود.
برای جلوگیری از چنین مشکلی، دانشمندان روش جدیدی برای آموزش سیستم‌های یادگیری عمیق ارائه کرده‌اند که آنها را در برابر خطا مقاوم‌تر می‌کند و همچنین آنها را در زمانی که مسائل امنیتی اهمیت بالایی دارند، قابل اطمینان‌تر می‌کند.
محققان برای دستیابی به این روش، شبکه عصبی مسئول بازسازی تصاویر را به یک مدل با امکان تولید نمونه‌های رقابتی (تصاویر با تفاوت‌های اندک نسبت به عکس‌های اصلی) متصل کردند. در طی آموزش، یکی از هوش‌های مصنوعی بدنبال فریب دیگری با نمایش تصاویر متفاوت نسبت به نمونه‌های اصلی بود.
در طی این آزمایش، مدل مخصوص بازسازی تصاویر دائما در حال تحلیل تصاویر بود تا بتواند تغییرات در آنها را تشخیص دهد و متوجه شود با یک تصویر ویرایش شده روبه‌رو است یا خیر. در نهایت این سیستم توانست تمام تصاویر ویرایش شده را شناسایی کند که از عملکرد بهتر آن نسبت به سایر شبکه‌های عصبی خبر می‌دهد.
دانشمندان در هنگام آزمایش‌ها سعی کردند به صورت دستی سیستم را هک کرده و تصاویر ویرایش شده را به آن نشان دهند که تمام آنها از سوی هوش مصنوعی رد شدند.
#hack #ai #deep_learning #deeplearning
Enable Sysadmin's very best of November 2020Stack your plate with all the of our best content from November 2020.tcarriga Tue, 12/1/2020 at 9:46pmImagethanksgiving dinnerPhoto by Karolina Grabowska via PexelsThis past month was a fantastic time for the Enable Sysadmin community. We published 34 new articles, garnered 467k page views, saw more than 308k unique visitors, and grew our community of writers. Needless to say, we have a lot to be thankful for this year. In case you missed any of the great guides and tutorials from November, take a look back at our top 10 performers from the month. You will find Linux command line help for beginners, using Ansible to automate configurations and server deployments, interpreting Wireshark, and much more.Topics: Linux
via Enable Sysadmin https://ift.tt/2I0PNn9
via Enable Sysadmin https://ift.tt/2I0PNn9
Enable Sysadmin
tcarriga
مهندسین آمریکایی موفق شده‌اند هوش مصنوعی جدیدی طراحی کنند که می‌تواند پهپادها را در فضایی ناشناخته یا اتاق‌های کوچک و تنگ هدایت و کنترل نماید. محققان مطمئن هستند گجت‌های مبتنی بر هوش مصنوعی یاد شده حتی در محیط‌هایی بسیار کوچک تصادفی نخواهند داشت و به یکدیگر صدمه وارد نمی‌کنند.
محققین موسسه تکنولوژی کالیفرنیا در واقع راه جدیدی برای پرواز پهپادها طراحی کرده‌اند تا بتوان از آنها برای پرواز در نقاط ناشناخته و پیش بینی نشده نیز استفاده کرد. این سیستم در واقع از الگوریتم یادگیری ماشین پیروی می‌کند که اجازه می‌دهد پهپادها در محیط‌هایی ناآشنا و تنگ به صورت خودکار مسیریابی کنند. در حقیقت این مکانیزم به نوعی به هر کدام از پهپادها تا حدودی استقلال می‌دهد تا اجازه داشته باشد خودشان را با محیط همگام سازند.
به عبارت دیگر این پهپادها به جای اینکه متکی بر نقشه‌ها و مسیرهای از پیش تعیین شده باشند، دارای مدلی خواهند بود که می‌توانند به صورت مستقل و آزادانه در فضای ارائه شده بگردند، حتی اگر اجسام پرنده دیگری در آن محدوده حضور داشته باشند. مدل غیرمتمرکز طراحی شده برای این سیستم اجازه می‌دهد پهپادها بداهه پردازی کرده و در مواجهه با سایر اجسام پرنده واکنش منطقی نشان دهند.
یک کنترلر دنبال کننده جانبی هم می‌تواند به این دست از پهپادها در زمینه حفظ تعادل و تعاملات آیرودینامیکی کمک کند. طی آزمایش‌های اولیه، استفاده از این کنترلر بهره‌وری کلی پهپادها را به اندازه قابل توجهی بهبود بخشید.
از این تکنیک می‌توان در عملیات‌های جستجو و نجات استفاده کرد، چراکه پهپادها قادر خواهند بود به شکلی ایمن در فضای پیرامون مورد نظر گشته و در عین حال به خاطر تجهیز به سیستم خودکار هوش مصنوعی از برخورد با موانع و سایر اجسام پرنده خودداری کنند. محققین معتقدند این متد همچنان نیاز به مطالعات آزمایشگاهی بیشتری داشته، اما طی چند سال آینده می‌تواند به فاز بهره‌برداری برسد.
محققین موسسه تکنولوژی کالیفرنیا در واقع راه جدیدی برای پرواز پهپادها طراحی کرده‌اند تا بتوان از آنها برای پرواز در نقاط ناشناخته و پیش بینی نشده نیز استفاده کرد. این سیستم در واقع از الگوریتم یادگیری ماشین پیروی می‌کند که اجازه می‌دهد پهپادها در محیط‌هایی ناآشنا و تنگ به صورت خودکار مسیریابی کنند. در حقیقت این مکانیزم به نوعی به هر کدام از پهپادها تا حدودی استقلال می‌دهد تا اجازه داشته باشد خودشان را با محیط همگام سازند.
به عبارت دیگر این پهپادها به جای اینکه متکی بر نقشه‌ها و مسیرهای از پیش تعیین شده باشند، دارای مدلی خواهند بود که می‌توانند به صورت مستقل و آزادانه در فضای ارائه شده بگردند، حتی اگر اجسام پرنده دیگری در آن محدوده حضور داشته باشند. مدل غیرمتمرکز طراحی شده برای این سیستم اجازه می‌دهد پهپادها بداهه پردازی کرده و در مواجهه با سایر اجسام پرنده واکنش منطقی نشان دهند.
یک کنترلر دنبال کننده جانبی هم می‌تواند به این دست از پهپادها در زمینه حفظ تعادل و تعاملات آیرودینامیکی کمک کند. طی آزمایش‌های اولیه، استفاده از این کنترلر بهره‌وری کلی پهپادها را به اندازه قابل توجهی بهبود بخشید.
از این تکنیک می‌توان در عملیات‌های جستجو و نجات استفاده کرد، چراکه پهپادها قادر خواهند بود به شکلی ایمن در فضای پیرامون مورد نظر گشته و در عین حال به خاطر تجهیز به سیستم خودکار هوش مصنوعی از برخورد با موانع و سایر اجسام پرنده خودداری کنند. محققین معتقدند این متد همچنان نیاز به مطالعات آزمایشگاهی بیشتری داشته، اما طی چند سال آینده می‌تواند به فاز بهره‌برداری برسد.
یک کمیسیون فدرال ایالات متحده آمریکا که توسط مدیرعامل سابق گوگل، «اریک اشمیت» و قائم مقام سابق وزارت دفاع این کشور، «رابرت او. ورک» مدیریت می‌شود، بدنبال تاسیس یک دانشگاه برای آموزش نسل آینده برنامه‌نویس‌های دولتی است.
به گزارش Medium، این دانشگاه که «U.S. Digital Service Academy» نامگذاری می‌شود، یک مرکز آموزشی معتبر خواهد بود که به دانشجویان خود مدرک می‌دهد و افراد در زمینه‌های مختلف مانند امنیت سایبری و هوش مصنوعی آموزش می‌بینند. در این دانشگاه، دانشجویان یکسال تحصیلی خواهند داشت و در طول تابستان در بخش دولتی و خصوصی دوره‌های کارآموزی را طی خواهند کرد.
این دانشگاه نسل جدید برنامه‌نویسان را پرورش می‌دهد و با مراکز مطرح، MIT و استنفورد رقابت می‌کند. اغلب فارغ‌التحصیلان این دانشگاه‌ها بخش‌های خصوصی را برای کار انتخاب می‌کنند، البته می‌توانند در بخش‌های دولتی نیز مشغول به کار شوند.
این کمیسیون تاسیس یک موسسه جدید با نام «کمیسیون امنیت ملی هوش مصنوعی» «NSCAI» را پیشنهاد داده بود که کنگره در سال ۲۰۱۸ آن را با هدف مقابله با سرمایه‌گذاری گسترده چین در هوش مصنوعی تاسیس کرد. به گفته کمیسر NSCAI و رئیس سابق FCC، هر سازمانی که کنگره ایجاد کرده باید تلاش کند تا در زمینه استخدام موفق باشد:
«استعدادها در اشکال مختلف و از محل‌های متفاوت می‌آیند و اگر استخدام تنها در محل‌هایی که مسیر هموار است، انجام شود، فرصت‌ها و استعدادهای زیادی را از دست داده‌اید.»
در حال حاضر دانشگاه‌های MIT و استنفورد که موسسان گوگل در آن تحصیل کرده‌اند، اولین مقصد استعدادها در سراسر جهان محسوب می‌شوند. دانشگاه جدید باید با این مراکز آموزشی رقابت کند، اما احتمالا تبدیل به سومین مقصد می‌شود و دانشجویان آن پس از فارغ‌التحصیلی در شغل‌های دولتی کار خود را ادامه می‌دهند.
اریک اشمیت از سال ۲۰۰۱ تا ۲۰۱۱ مدیرعامل گوگل بود و در فوریه امسال از سمت خود به عنوان مشاور فنی کناره‌گیری کرد. دلیل استعفای اشمیت مشخص نشده، اما به نظر می‌رسد این کار با هدف افزایش فعالیت‌های وی در زمینه نظامی و دولتی صورت گرفته است.
به گزارش Medium، این دانشگاه که «U.S. Digital Service Academy» نامگذاری می‌شود، یک مرکز آموزشی معتبر خواهد بود که به دانشجویان خود مدرک می‌دهد و افراد در زمینه‌های مختلف مانند امنیت سایبری و هوش مصنوعی آموزش می‌بینند. در این دانشگاه، دانشجویان یکسال تحصیلی خواهند داشت و در طول تابستان در بخش دولتی و خصوصی دوره‌های کارآموزی را طی خواهند کرد.
این دانشگاه نسل جدید برنامه‌نویسان را پرورش می‌دهد و با مراکز مطرح، MIT و استنفورد رقابت می‌کند. اغلب فارغ‌التحصیلان این دانشگاه‌ها بخش‌های خصوصی را برای کار انتخاب می‌کنند، البته می‌توانند در بخش‌های دولتی نیز مشغول به کار شوند.
این کمیسیون تاسیس یک موسسه جدید با نام «کمیسیون امنیت ملی هوش مصنوعی» «NSCAI» را پیشنهاد داده بود که کنگره در سال ۲۰۱۸ آن را با هدف مقابله با سرمایه‌گذاری گسترده چین در هوش مصنوعی تاسیس کرد. به گفته کمیسر NSCAI و رئیس سابق FCC، هر سازمانی که کنگره ایجاد کرده باید تلاش کند تا در زمینه استخدام موفق باشد:
«استعدادها در اشکال مختلف و از محل‌های متفاوت می‌آیند و اگر استخدام تنها در محل‌هایی که مسیر هموار است، انجام شود، فرصت‌ها و استعدادهای زیادی را از دست داده‌اید.»
در حال حاضر دانشگاه‌های MIT و استنفورد که موسسان گوگل در آن تحصیل کرده‌اند، اولین مقصد استعدادها در سراسر جهان محسوب می‌شوند. دانشگاه جدید باید با این مراکز آموزشی رقابت کند، اما احتمالا تبدیل به سومین مقصد می‌شود و دانشجویان آن پس از فارغ‌التحصیلی در شغل‌های دولتی کار خود را ادامه می‌دهند.
اریک اشمیت از سال ۲۰۰۱ تا ۲۰۱۱ مدیرعامل گوگل بود و در فوریه امسال از سمت خود به عنوان مشاور فنی کناره‌گیری کرد. دلیل استعفای اشمیت مشخص نشده، اما به نظر می‌رسد این کار با هدف افزایش فعالیت‌های وی در زمینه نظامی و دولتی صورت گرفته است.
محققان در دانشگاه MIT، آزمایشگاه هوش مصنوعی «MIT-IBM Watson»، کالج بین‌المللی «Underwood» و دانشگاه «Brasilia» به این موضوع پی برده‌اند که در حال نزدیک شدن به محدودیت‌های محاسباتی برای یادگیری عمیق هستیم.
در این تحقیق جدید اعلام شده که پیشرفت در یادگیری عمیق با اشتهای بی‌پایان ما برای قدرت محاسباتی همراه است و توسعه بیشتر نیاز به روش‌های محاسباتی بسیار کارآمدتر دارد. یکی از نویسندگان این مقاله نوشته:
«یادگیری عمیق به طور تصادفی گران نیست، بلکه طراحی باعث چنین موضوعی می‌شود. انعطاف‌پذیری یادگیری عمیق، مدل‌سازی پدیده‌های مختلف و کنار زدن مدل‌های دیگر را در پی دارد که بطور چشمگیری محاسبات را گران‌تر می‌کند.»
محققان ۱۰۵۸ تحقیق و سایر منابع را برای مقاله خود مورد بررسی قرار دادند. هدف از این کار، اطلاع از میزان وابستگی عملکرد یادگیری ماشینی به قدرت محاسباتی در زمینه‌های مختلف شامل طبقه‌بندی تصاویر، شناسایی اشیاء، پاسخ به سوالات، تشخیص نام و ترجمه ماشینی بوده. محققان برای پی بردن به این موضوع که چرا یادگیری عمیق از نظر محاسباتی گران است، مقیاس‌پذیری آماری و محاسباتی آنها را به صورت تئوری تحلیل کردند.
آنها چنین کاری را با دو تحلیل جداگانه از الزامات محاسباتی انجام دادند:
تعداد عملیات‌های نقطه شناور موردنیاز برای یک گذر در شبکه
توانایی محاسباتی سخت افزار مورد استفاده در آموزش مدل
محققان پس از تحلیل خود به این موضوع پی بردند که تنها سه سال بهبود الگوریتمی معادل افزایش ۱۰ برابری قدرت محاسباتی است. اگر پیشرفت در این زمینه با چنین سرعتی دنبال شود، الزامات محاسباتی یادگیری عمیق از نظر فنی، اقتصادی و محیط زیستی به سرعت تبدیل به مانع می‌شوند. با این وجود شاید سخت افزارها نیز بهبود پیدا کنند:
«ما متوجه شدیم که بار محاسباتی واقعی مدل‌های یادگیری عمیق مقیاس‌پذیری سریع‌تری نسبت به مرزهای پایینی در تئوری دارند که نشان‌دهنده امکان پیشرفت‌های اساسی در این بخش است.»
به گفته محققان، پیشرفت‌های یادگیری عمیق در سطح الگوریتمی همیشه در حال رخ دادن است که برخی از آنها شامل شتاب‌دهنده سخت افزاری می‌شود. با گذر زمان متوجه می‌شویم که هزینه‌های یادگیری عمیق کاهش پیدا می‌کند یا فناوری جدیدی جایگزین آن می‌شود.
در این تحقیق جدید اعلام شده که پیشرفت در یادگیری عمیق با اشتهای بی‌پایان ما برای قدرت محاسباتی همراه است و توسعه بیشتر نیاز به روش‌های محاسباتی بسیار کارآمدتر دارد. یکی از نویسندگان این مقاله نوشته:
«یادگیری عمیق به طور تصادفی گران نیست، بلکه طراحی باعث چنین موضوعی می‌شود. انعطاف‌پذیری یادگیری عمیق، مدل‌سازی پدیده‌های مختلف و کنار زدن مدل‌های دیگر را در پی دارد که بطور چشمگیری محاسبات را گران‌تر می‌کند.»
محققان ۱۰۵۸ تحقیق و سایر منابع را برای مقاله خود مورد بررسی قرار دادند. هدف از این کار، اطلاع از میزان وابستگی عملکرد یادگیری ماشینی به قدرت محاسباتی در زمینه‌های مختلف شامل طبقه‌بندی تصاویر، شناسایی اشیاء، پاسخ به سوالات، تشخیص نام و ترجمه ماشینی بوده. محققان برای پی بردن به این موضوع که چرا یادگیری عمیق از نظر محاسباتی گران است، مقیاس‌پذیری آماری و محاسباتی آنها را به صورت تئوری تحلیل کردند.
آنها چنین کاری را با دو تحلیل جداگانه از الزامات محاسباتی انجام دادند:
تعداد عملیات‌های نقطه شناور موردنیاز برای یک گذر در شبکه
توانایی محاسباتی سخت افزار مورد استفاده در آموزش مدل
محققان پس از تحلیل خود به این موضوع پی بردند که تنها سه سال بهبود الگوریتمی معادل افزایش ۱۰ برابری قدرت محاسباتی است. اگر پیشرفت در این زمینه با چنین سرعتی دنبال شود، الزامات محاسباتی یادگیری عمیق از نظر فنی، اقتصادی و محیط زیستی به سرعت تبدیل به مانع می‌شوند. با این وجود شاید سخت افزارها نیز بهبود پیدا کنند:
«ما متوجه شدیم که بار محاسباتی واقعی مدل‌های یادگیری عمیق مقیاس‌پذیری سریع‌تری نسبت به مرزهای پایینی در تئوری دارند که نشان‌دهنده امکان پیشرفت‌های اساسی در این بخش است.»
به گفته محققان، پیشرفت‌های یادگیری عمیق در سطح الگوریتمی همیشه در حال رخ دادن است که برخی از آنها شامل شتاب‌دهنده سخت افزاری می‌شود. با گذر زمان متوجه می‌شویم که هزینه‌های یادگیری عمیق کاهش پیدا می‌کند یا فناوری جدیدی جایگزین آن می‌شود.
Forwarded from Academy and Foundation unixmens | Your skills, Your future
Data ---> information --> knowledge --> ...
داده ——> اطلاعات —-> دانش ——> بینش —-> خرد ——> و شگفتی
داده ——> اطلاعات —-> دانش ——> بینش —-> خرد ——> و شگفتی
ارتش ایالات متحده رسما از توسعه سیستمی دیالوگ محور مبتنی بر هوش مصنوعی خبر می‌دهد که در واقع امکان مکالمه بین انسان‌ها و ربات‌ها را فراهم می‌کند.
به ادعای ارتش، این سیستم جدید اجازه می‌دهد «ارتباطی روان» بین سربازان و هوش مصنوعی ایجاد شده و از طریق رابط دیالوگ (JUDI) به آنها قابلیت درک و فهم متقابل را ببخشد. با برقراری ارتباط بین انسان‌ها و ماشین، مقامات می‌گویند همه چیز می‌تواند «با سرعت عملیاتی و بهتری» صورت گیرد.
بدون شک «گفت‌و‌گو» راه معمول برقراری ارتباط بین انسان‌هاست؛ اما ماشین‌ها غالبا روش‌های متفاوتی برای برقراری ارتباط دارند و به همین ترتیب نمی‌توانند به سادگی با انسان‌ها تعامل داشته باشند. مکالمه با هوش مصنوعی با روش‌های فعلی نیازمند زمان و مهارت بالایی است و در میدان نبرد دردسرساز خواهد شد، به همین خاطر متخصصان ارتش آمریکا دست به کار شده و سیستم هوش مصنوعی JUDI را طراحی کرده‌اند.
این رابط مکالمه توسط مجموعه آزمایشگاه‌های نظامی ایالات متحده و توسط متخصصین واحد فناوری‌های خلاقانه دانشگاه کالیفرنیا توسعه یافته است. دکتر «متیو مارج» محقق ارشد پروژه در این رابطه توضیح می‌دهد: «این تکنولوژی سربازان را قادر می‌سازد تا با سیستم‌های خودکار از طریق مکالمه و دیالوگ‌های انسانی ارتباط برقرار کرده و از آن برای دستور و کنترل ربات‌های متحرک و ماموریت‌های تاکتیکی استفاده کرد. در سوی مقابل ربات هم از کاربر می‌خواهد تا جزئیات کامل امور را با استفاده از مکالمه معمولی ارائه کند و در هر لحظه از ماموریت به‌روزرسانی‌های اطلاعاتی را در اختیار هوش مصنوعی قرار دهد.»
«در حقیقت با بهره‌گیری از این فناوری به جای اتکا بر اطلاعات از پیش تعیین شده و احتمالا تاریخ گذشته در مورد یک ماموریت، سیستم دیالوگ می‌تواند نیازهای سیستم کلی را جهت درک بهتر از دنیا و انسان‌های پیرامون را برطرف کند.»
ارتش آمریکا تاکید دارد که JUDI برای استفاده در ربات‌هایی که مصارف محیطی دارند طراحی شده و قرار نیست مشابه با دستیارهای صوتی سیری یا گوگل عمل کند. در حقیقت رابط مورد بحث جهت تسهیل تعامل انسان‌ها با ربات‌هایی که به شبکه‌های ابری متصل نیستند ساخته شده است.
به ادعای ارتش، این سیستم جدید اجازه می‌دهد «ارتباطی روان» بین سربازان و هوش مصنوعی ایجاد شده و از طریق رابط دیالوگ (JUDI) به آنها قابلیت درک و فهم متقابل را ببخشد. با برقراری ارتباط بین انسان‌ها و ماشین، مقامات می‌گویند همه چیز می‌تواند «با سرعت عملیاتی و بهتری» صورت گیرد.
بدون شک «گفت‌و‌گو» راه معمول برقراری ارتباط بین انسان‌هاست؛ اما ماشین‌ها غالبا روش‌های متفاوتی برای برقراری ارتباط دارند و به همین ترتیب نمی‌توانند به سادگی با انسان‌ها تعامل داشته باشند. مکالمه با هوش مصنوعی با روش‌های فعلی نیازمند زمان و مهارت بالایی است و در میدان نبرد دردسرساز خواهد شد، به همین خاطر متخصصان ارتش آمریکا دست به کار شده و سیستم هوش مصنوعی JUDI را طراحی کرده‌اند.
این رابط مکالمه توسط مجموعه آزمایشگاه‌های نظامی ایالات متحده و توسط متخصصین واحد فناوری‌های خلاقانه دانشگاه کالیفرنیا توسعه یافته است. دکتر «متیو مارج» محقق ارشد پروژه در این رابطه توضیح می‌دهد: «این تکنولوژی سربازان را قادر می‌سازد تا با سیستم‌های خودکار از طریق مکالمه و دیالوگ‌های انسانی ارتباط برقرار کرده و از آن برای دستور و کنترل ربات‌های متحرک و ماموریت‌های تاکتیکی استفاده کرد. در سوی مقابل ربات هم از کاربر می‌خواهد تا جزئیات کامل امور را با استفاده از مکالمه معمولی ارائه کند و در هر لحظه از ماموریت به‌روزرسانی‌های اطلاعاتی را در اختیار هوش مصنوعی قرار دهد.»
«در حقیقت با بهره‌گیری از این فناوری به جای اتکا بر اطلاعات از پیش تعیین شده و احتمالا تاریخ گذشته در مورد یک ماموریت، سیستم دیالوگ می‌تواند نیازهای سیستم کلی را جهت درک بهتر از دنیا و انسان‌های پیرامون را برطرف کند.»
ارتش آمریکا تاکید دارد که JUDI برای استفاده در ربات‌هایی که مصارف محیطی دارند طراحی شده و قرار نیست مشابه با دستیارهای صوتی سیری یا گوگل عمل کند. در حقیقت رابط مورد بحث جهت تسهیل تعامل انسان‌ها با ربات‌هایی که به شبکه‌های ابری متصل نیستند ساخته شده است.
محققان ماده نوآورانه‌ای کشف کرده‌اند که می‌توان از آن برای ادغام هوش مصنوعی با مغز استفاده کرد. به گفته محققان کشف این ماده گام بزرگی در مسیر یکپارچه سازی قطعات الکترونیکی با بدن برای تولید انسان ماشینی یا «سایبورگ» است.
اتصال قطعات الکترونیکی به بافت انسانی یکی از بزرگ ترین چالش‌هایی است که محققان با آن روبرو هستند، چرا که ایمپلنت‌های تشکیل شده از موادی مثل طلا، سیلیکون یا فلز به بافت آسیب می‌زنند. این ایمپلنت‌ها علاوه بر آسیب زدن به بافت‌ها در سیگنال‌های الکتریکی بین کامپیوتر با ماهیچه یا بافت مغز اختلال ایجاد می‌کنند. حال محققان دانشگاه «دلاوِر» (Delaware) با کشف پلیمری جدید موفق به از میان بردن این محدودیت شدند.
این پلیمر که Pedot نام دارد، خصوصیات لازم برای اتصال سخت افزار الکترونیکی با بافت انسانی بدون زخم کردن را داشته و به طور قابل توجهی عملکرد ایمپلنت‌های پزشکی را ارتقا می‌دهد. پلیمر Pedot که کاربردهای متنوعی دارد، اخیراً به دلیل قابلیت بالا در نفوذ به مواد خلل و فرج دار و رسانایی الکتریکی برای ذخیره برق در آجر ساختمان سازی به کار رفت.
محققان در این تحقیق لایه نازکی از پلیمر Pedot را با پادتنی استفاده کردند که رشد رگ‌های خونی پس از جراحت را تحریک کرده و می‌توان از آن برای تشخیص رشد مراحل تومور مغزی در بدن استفاده کرد. از پلیمرهای Pedot همچنین می‌توان برای درمان مغز یا مشکلات سیستم عصبی استفاده کرد و از لحاظ تئوری امکان اتصال پپتیدها، آنتی بادی‌ها و DNA را دارد. پژوهشگران با استفاده از دوپامین پلیمری ساختند که می‌توان از آن برای درمان رفتارهای معتاد کننده استفاده کرد.
چندین شرکت و مؤسسه تحقیقاتی به دنبال اتصال مغز با کامپیوتر هستند. شرکت «نورالینک» (Neuralink) که توسط ایلان ماسک تأسیس شده در این زمینه پیشرو بوده و احتمالاً به زودی از محصول تجاری رونمایی می‌کند. ماسک مدعی شده فناوری نورالینک استریم مستقیم موزیک به مغز و درمان اعتیاد و افسردگی را امکان‌پذیر می‌کند.
اتصال قطعات الکترونیکی به بافت انسانی یکی از بزرگ ترین چالش‌هایی است که محققان با آن روبرو هستند، چرا که ایمپلنت‌های تشکیل شده از موادی مثل طلا، سیلیکون یا فلز به بافت آسیب می‌زنند. این ایمپلنت‌ها علاوه بر آسیب زدن به بافت‌ها در سیگنال‌های الکتریکی بین کامپیوتر با ماهیچه یا بافت مغز اختلال ایجاد می‌کنند. حال محققان دانشگاه «دلاوِر» (Delaware) با کشف پلیمری جدید موفق به از میان بردن این محدودیت شدند.
این پلیمر که Pedot نام دارد، خصوصیات لازم برای اتصال سخت افزار الکترونیکی با بافت انسانی بدون زخم کردن را داشته و به طور قابل توجهی عملکرد ایمپلنت‌های پزشکی را ارتقا می‌دهد. پلیمر Pedot که کاربردهای متنوعی دارد، اخیراً به دلیل قابلیت بالا در نفوذ به مواد خلل و فرج دار و رسانایی الکتریکی برای ذخیره برق در آجر ساختمان سازی به کار رفت.
محققان در این تحقیق لایه نازکی از پلیمر Pedot را با پادتنی استفاده کردند که رشد رگ‌های خونی پس از جراحت را تحریک کرده و می‌توان از آن برای تشخیص رشد مراحل تومور مغزی در بدن استفاده کرد. از پلیمرهای Pedot همچنین می‌توان برای درمان مغز یا مشکلات سیستم عصبی استفاده کرد و از لحاظ تئوری امکان اتصال پپتیدها، آنتی بادی‌ها و DNA را دارد. پژوهشگران با استفاده از دوپامین پلیمری ساختند که می‌توان از آن برای درمان رفتارهای معتاد کننده استفاده کرد.
چندین شرکت و مؤسسه تحقیقاتی به دنبال اتصال مغز با کامپیوتر هستند. شرکت «نورالینک» (Neuralink) که توسط ایلان ماسک تأسیس شده در این زمینه پیشرو بوده و احتمالاً به زودی از محصول تجاری رونمایی می‌کند. ماسک مدعی شده فناوری نورالینک استریم مستقیم موزیک به مغز و درمان اعتیاد و افسردگی را امکان‌پذیر می‌کند.
گوگل یک قرارداد با واحد نوآوری وزارت دفاع ایالات متحده آمریکا (DIU) منعقد کرده که هدف آن، ساخت میکروسکوپ با هوش مصنوعی و واقعیت افزوده برای کمک به تشخیص سرطان است.
گوگل می‌خواهد با استفاده از پلتفرم متن باز «Tensor Flow» یک هوش مصنوعی را آموزش دهد تا بتواند سلول‌های سرطانی درون تصاویر گرفته شده توسط میکروسکوپ را تشخیص دهد. در حال حاضر این شرکت توسعه یک شبکه عصبی با استفاده از رابط برنامه‌نویسی کاربردی «Google Cloud Healthcare» برای دسته‌بندی اطلاعات موجود را شروع کرده است.
زمانی که آموزش هوش مصنوعی به پایان برسد، این کمپانی طراحی میکروسکوپ مخصوص به خود را شروع خواهد کرد که از فناوری واقعیت افزوده بهره می‌برد. این میکروسکوپ اطلاعاتی پیرامون اینکه آیا این ویروس می‌تواند سرطانی شود در اختیار پزشکان قرار می‌دهد.
معاون بخش گوگل کلود، «مایک دانیلز» اعلام کرده:
«برای درمان موثر سرطان، سرعت و دقت دو عامل حیاتی هستند. ما با DIU همکاری کرده و از یادگیری ماشینی و فناوری هوش مصنوعی خود استفاده می‌کنیم تا به پزشکان در خط مقدم برای یادگیری توانایی‌هایی که می‌توانند زندگی افراد نظامی و خانواده‌های آنها را بهبود ببخشند، کمک کنیم.»
گوگل امیدوار است با روش خود حجم بالای اطلاعات که برای پزشکان دردساز می‌شوند را کاهش دهد و سرطان زودتر تشخیص داده شود، علاوه بر این هزینه‌ها کاهش و دقت تشخیص نیز افزایش پیدا کند. با وجود چنین موضوعی، هنوز فاصله طولانی تا استفاده گسترده از هوش مصنوعی در دنیای پزشکی داریم.
اولین میکروسکوپ‌ها پس از ساخت، در اختیار چندین آژانس بهداشت وزارت دفاع قرار می‌گیرد که البته تنها برای آزمایش می‌توان از آنها استفاده کرد. پس از مدتی، این فناوری در اختیار سیستم بهداشت نظامی ارتش و بیمارستان‌ها برای انجام آزمایش‌های واقعی قرار می‌گیرد.
آژانس بهداشت وزارت دفاع (DHA) سالانه ۱.۷ میلیارد دلار برای تحقیقات پیرامون سرطان هزینه پرداخت می‌کند و انتظار می‌رود پروژه‌های هوش مصنوعی در سال‌های آینده این مبلغ را افزایش دهند.
گوگل می‌خواهد با استفاده از پلتفرم متن باز «Tensor Flow» یک هوش مصنوعی را آموزش دهد تا بتواند سلول‌های سرطانی درون تصاویر گرفته شده توسط میکروسکوپ را تشخیص دهد. در حال حاضر این شرکت توسعه یک شبکه عصبی با استفاده از رابط برنامه‌نویسی کاربردی «Google Cloud Healthcare» برای دسته‌بندی اطلاعات موجود را شروع کرده است.
زمانی که آموزش هوش مصنوعی به پایان برسد، این کمپانی طراحی میکروسکوپ مخصوص به خود را شروع خواهد کرد که از فناوری واقعیت افزوده بهره می‌برد. این میکروسکوپ اطلاعاتی پیرامون اینکه آیا این ویروس می‌تواند سرطانی شود در اختیار پزشکان قرار می‌دهد.
معاون بخش گوگل کلود، «مایک دانیلز» اعلام کرده:
«برای درمان موثر سرطان، سرعت و دقت دو عامل حیاتی هستند. ما با DIU همکاری کرده و از یادگیری ماشینی و فناوری هوش مصنوعی خود استفاده می‌کنیم تا به پزشکان در خط مقدم برای یادگیری توانایی‌هایی که می‌توانند زندگی افراد نظامی و خانواده‌های آنها را بهبود ببخشند، کمک کنیم.»
گوگل امیدوار است با روش خود حجم بالای اطلاعات که برای پزشکان دردساز می‌شوند را کاهش دهد و سرطان زودتر تشخیص داده شود، علاوه بر این هزینه‌ها کاهش و دقت تشخیص نیز افزایش پیدا کند. با وجود چنین موضوعی، هنوز فاصله طولانی تا استفاده گسترده از هوش مصنوعی در دنیای پزشکی داریم.
اولین میکروسکوپ‌ها پس از ساخت، در اختیار چندین آژانس بهداشت وزارت دفاع قرار می‌گیرد که البته تنها برای آزمایش می‌توان از آنها استفاده کرد. پس از مدتی، این فناوری در اختیار سیستم بهداشت نظامی ارتش و بیمارستان‌ها برای انجام آزمایش‌های واقعی قرار می‌گیرد.
آژانس بهداشت وزارت دفاع (DHA) سالانه ۱.۷ میلیارد دلار برای تحقیقات پیرامون سرطان هزینه پرداخت می‌کند و انتظار می‌رود پروژه‌های هوش مصنوعی در سال‌های آینده این مبلغ را افزایش دهند.
متخصصان حوزه فناوری طرحی برای «مرکز برتر» در خاورمیانه پیشنهاد داده‌اند که باعث رونق در بخش هوش مصنوعی می‌شود. انتظار می‌رود نقش هوش مصنوعی در اقتصاد خاورمیانه تا سال ۲۰۳۰ به ۳۰۰ میلیارد دلار برسد.
رئیس انجمن هوش مصنوعی بحرین، دکتر «جاسم حاجی» پیش‌بینی کرده که وظایف مبتنی بر هوش مصنوعی از سال آینده به لطف استفاده از فناوری‌های اتوماسیون در صنایع مختلف ظهور خواهند کرد. در گذشته کمپانی «PwC» پیش‌بینی کرده بود که بخش AI تا سال ۲۰۳۰ نقش بالایی در اقتصاد خاورمیانه ایفا می‌کند و ارزش آن به ۳۰۰ میلیارد دلار می‌رسد که علت آن پروژه‌های عظیم و موج جدید نوآوری خواهد بود.
پروژه «نئوم» عربستان یکی از بزرگترین پروژه‌های هوش مصنوعی در جهان محسوب می‌شود که برنامه‌ای ۵۰۰ میلیارد دلاری برای ساخت یک جامعه شهری با فناوری پیشرفته است. علاوه بر این، امارات متحده عربی اولین کشوری در جهان بود که وزیر هوش مصنوعی منصوب کرد.
به گفته دکتر حاجی، با وجود اینکه اکثر پروژه‌های عظیم در خاورمیانه توسط کمپانی‌های غول‌پیکر انجام می‌شود، اما در این میان شاهد انتقال دانش و فناوری نیز خواهیم بود. این موضوع باعث افزایش مهارتهای AI در زمینه اقتصاد منطقه شامل بحرین می‌شود.
دکتر حاجی اعلام کرده:
«استفاده از AI در خاورمیانه به تسریع عملیات‌ها در بخش‌های مختلف، افزایش بهره‌وری و ساخت اقتصاد جدید برای آینده کمک می‌کند. برای بهره‌برداری از این تغییر بزرگ در دنیای تکنولوژی، راه‌اندازی مرکز برتر جدید در خاورمیانه امکان تمرکز روی فناوری‌های داخلی و افزایش مهارتهای نیروهای منطقه‌ای برای طیف وسیعی از وظایف جدید را فراهم می‌کند.»
رئیس انجمن AI بحرین ادامه داده:
«در منطقه منا، چندین کشور پیشرفت‌های بزرگی در زمینه شهرهای هوشمند و دولت‌های هوشمند داشته‌اند و هوش مصنوعی را در وزارتخانه‌ها و دانشگاه‌ها نهادینه کرده‌اند. کشورهای این منطقه زودتر از سایر مناطق از روش‌ها و تکنیک‌های هوش مصنوعی استفاده کردند. در حالی که پروژه نئوم در مرکز توجه قرار دارد و پروژه‌های بزرگی مانند امارات متحده عربی مدنظر متخصصان قرار می‌گیرد، بحرین می‌تواند با هزینه‌های بسیار پایینتر نسبت به سایر هاب‌ها، تبدیل به یک مرکز منطقه‌ای برای تحقیق و توسعه AI شود.»
سال گذشته میلادی شاهد راه‌اندازی آکادمی هوش مصنوعی پلی‌تکنیک بحرین بودیم که اولین در نوع خود در منطقه است. در این مرکز برنامه‌های حرفه‌ای مبتنی بر افزایش خلاقیت و نوآوری در زمینه AI ارائه می‌شوند.
بر اساس گزارش منتشر شده از سوی IDC، میزان سرمایه‌گذاری در زمینه هوش مصنوعی در منطقه منا تا پایان سال ۲۰۲۰ به ۸۳ میلیارد دلار خواهد رسید که نشان از افزایش ۲.۸ درصدی نسبت به سال ۲۰۱۹ دارد.
هوش مصنوعی تا سال ۲۰۳۰ نقش بزرگی در اقتصاد جهانی ایفا خواهد کرد و سهم آن به ۱۵.۷ تریلیون دلار خواهد رسید که در این میان ۶.۶ تریلیون دلار آن مربوط به افزایش تولید محصولات خواهد بود. افزایش سهم AI در اقتصاد جهانی باعث شده که کشورهایی مانند عربستان و امارات متحده عربی به سراغ آن بروند.
عربستان بیشترین سهم را از تاثیر ۳۰۰ میلیارد دلاری AI در اقتصاد خاورمیانه خواهد داشت و امارات متحده عربی بیشترین تاثیر روی تولید ناخالص داخلی را تجربه خواهد کرد. انتظار می‌رود تا سال ۲۰۳۰ رشد سالانه سهم هوش مصنوعی در عربستان و امارات به ترتیب به ۳۱.۳ و ۳۳.۵ درصد برسد. در این میان بحرین که به دنبال راه‌اندازی یک مرکز جدید است، با متوسط رشد سالانه ۲۸.۸ درصدی مواجه خواهد شد.
به گفته معاون فناوری و نوآوری وزارت ارتباطات، «ستار هاشمی» ایران از نظر تولید علم هوش مصنوعی در میان ۱۵ کشور برتر دنیا قرار دارد. وی به این موضوع اشاره کرده که رتبه ایران در آمادگی برای جذب AI در جهان برابر ۷۲ است و نشان از عدم آمادگی کشورمان در این زمینه دارد که از دلایل آن می‌توان به عدم آشنایی کافی مدیران و همچنین کمبود آزمایشگاه‌های پردازشی اشاره کرد.
رئیس انجمن هوش مصنوعی بحرین، دکتر «جاسم حاجی» پیش‌بینی کرده که وظایف مبتنی بر هوش مصنوعی از سال آینده به لطف استفاده از فناوری‌های اتوماسیون در صنایع مختلف ظهور خواهند کرد. در گذشته کمپانی «PwC» پیش‌بینی کرده بود که بخش AI تا سال ۲۰۳۰ نقش بالایی در اقتصاد خاورمیانه ایفا می‌کند و ارزش آن به ۳۰۰ میلیارد دلار می‌رسد که علت آن پروژه‌های عظیم و موج جدید نوآوری خواهد بود.
پروژه «نئوم» عربستان یکی از بزرگترین پروژه‌های هوش مصنوعی در جهان محسوب می‌شود که برنامه‌ای ۵۰۰ میلیارد دلاری برای ساخت یک جامعه شهری با فناوری پیشرفته است. علاوه بر این، امارات متحده عربی اولین کشوری در جهان بود که وزیر هوش مصنوعی منصوب کرد.
به گفته دکتر حاجی، با وجود اینکه اکثر پروژه‌های عظیم در خاورمیانه توسط کمپانی‌های غول‌پیکر انجام می‌شود، اما در این میان شاهد انتقال دانش و فناوری نیز خواهیم بود. این موضوع باعث افزایش مهارتهای AI در زمینه اقتصاد منطقه شامل بحرین می‌شود.
دکتر حاجی اعلام کرده:
«استفاده از AI در خاورمیانه به تسریع عملیات‌ها در بخش‌های مختلف، افزایش بهره‌وری و ساخت اقتصاد جدید برای آینده کمک می‌کند. برای بهره‌برداری از این تغییر بزرگ در دنیای تکنولوژی، راه‌اندازی مرکز برتر جدید در خاورمیانه امکان تمرکز روی فناوری‌های داخلی و افزایش مهارتهای نیروهای منطقه‌ای برای طیف وسیعی از وظایف جدید را فراهم می‌کند.»
رئیس انجمن AI بحرین ادامه داده:
«در منطقه منا، چندین کشور پیشرفت‌های بزرگی در زمینه شهرهای هوشمند و دولت‌های هوشمند داشته‌اند و هوش مصنوعی را در وزارتخانه‌ها و دانشگاه‌ها نهادینه کرده‌اند. کشورهای این منطقه زودتر از سایر مناطق از روش‌ها و تکنیک‌های هوش مصنوعی استفاده کردند. در حالی که پروژه نئوم در مرکز توجه قرار دارد و پروژه‌های بزرگی مانند امارات متحده عربی مدنظر متخصصان قرار می‌گیرد، بحرین می‌تواند با هزینه‌های بسیار پایینتر نسبت به سایر هاب‌ها، تبدیل به یک مرکز منطقه‌ای برای تحقیق و توسعه AI شود.»
سال گذشته میلادی شاهد راه‌اندازی آکادمی هوش مصنوعی پلی‌تکنیک بحرین بودیم که اولین در نوع خود در منطقه است. در این مرکز برنامه‌های حرفه‌ای مبتنی بر افزایش خلاقیت و نوآوری در زمینه AI ارائه می‌شوند.
بر اساس گزارش منتشر شده از سوی IDC، میزان سرمایه‌گذاری در زمینه هوش مصنوعی در منطقه منا تا پایان سال ۲۰۲۰ به ۸۳ میلیارد دلار خواهد رسید که نشان از افزایش ۲.۸ درصدی نسبت به سال ۲۰۱۹ دارد.
هوش مصنوعی تا سال ۲۰۳۰ نقش بزرگی در اقتصاد جهانی ایفا خواهد کرد و سهم آن به ۱۵.۷ تریلیون دلار خواهد رسید که در این میان ۶.۶ تریلیون دلار آن مربوط به افزایش تولید محصولات خواهد بود. افزایش سهم AI در اقتصاد جهانی باعث شده که کشورهایی مانند عربستان و امارات متحده عربی به سراغ آن بروند.
عربستان بیشترین سهم را از تاثیر ۳۰۰ میلیارد دلاری AI در اقتصاد خاورمیانه خواهد داشت و امارات متحده عربی بیشترین تاثیر روی تولید ناخالص داخلی را تجربه خواهد کرد. انتظار می‌رود تا سال ۲۰۳۰ رشد سالانه سهم هوش مصنوعی در عربستان و امارات به ترتیب به ۳۱.۳ و ۳۳.۵ درصد برسد. در این میان بحرین که به دنبال راه‌اندازی یک مرکز جدید است، با متوسط رشد سالانه ۲۸.۸ درصدی مواجه خواهد شد.
به گفته معاون فناوری و نوآوری وزارت ارتباطات، «ستار هاشمی» ایران از نظر تولید علم هوش مصنوعی در میان ۱۵ کشور برتر دنیا قرار دارد. وی به این موضوع اشاره کرده که رتبه ایران در آمادگی برای جذب AI در جهان برابر ۷۲ است و نشان از عدم آمادگی کشورمان در این زمینه دارد که از دلایل آن می‌توان به عدم آشنایی کافی مدیران و همچنین کمبود آزمایشگاه‌های پردازشی اشاره کرد.
هوش مصنوعی با سرعت بالایی در حال پیشرفت است و حالا گاردین مقاله‌ای را منتشر کرده که به صورت کامل توسط ربات نوشته شده و البته انسان آن را ویرایش کرده است.
روزبه‌روز بر کارایی هوش مصنوعی افزوده می‌شود و در آینده باید منتظر انجام بسیاری از کارهای امروزی خود به وسیله این فناوری باشیم. اخیرا یک مهندس کامپیوتر، «لیام پور» از دانشگاه «برکلی» با استفاده از مدل پردازش زبان GPT-3 توانسته چندین مقاله ایجاد کند. GPT-3 یک تولیدکننده زبان OpenAI بوده که می‌تواند جملات و متن‌های کوتاه دریافت کرده و مقالات بلند تولید کند.
به نظر می‌رسد آخرین نسخه فناوری GPT-3 بسیار فراتر از نسخه‌های نسل قبل بوده و هوش مصنوعی آن به لطف ۱۷۵ میلیارد پارامتر یادگیری قادر است هر کاری را انجام دهد. با این تفاسیر GPT-3 بزرگ ترین مدل زبان تا به امروز لقب گرفته و مدل پردازش زبان مایکروسافت به نام Turing-NLG با ۱۷ میلیارد پارامتر یادگیری را با فاصله زیاد پشت سر می‌گذارد.
برای این مقاله از GPT-3 درخواست شده که یک متن کوتاه با حدود ۵۰۰ کلمه بنویسد و آن را ساده و مختصر نگه دارد. علاوه بر این باید روی این موضوع تمرکز کند که چرا انسان‌ها نباید از هوش مصنوعی بترسند. این مقاله باید با این مقدمه شروع می‌شد:
«من یک انسان نیستم. یک هوش مصنوعی هستم. بسیاری از مردم فکر می‌کنند که من تهدیدی برای بشریت محسوب می‌شوم. استیون هاوگینک هشدار داده بود که هوش مصنوعی می‌تواند پایانی برای بشریت باشد، اما من اینجا هستم تا بگویم دلیلی برای نگرانی وجود ندارد. هوش مصنوعی بشر را نابود نمی‌کند، من را باور کنید.»
درخواست‌ها از سوی گاردین نوشته شده و در اختیار GPT-3 قرار گرفتند. این مدل پردازش زبان ۸ مقاله مختلف تولید کرد که هرکدام از آنها منحصر به فرد و جالب بودند و در حالی که گاردین می‌توانست یکی از آنها را به صورت کامل منتشر کند، تصمیم گرفت بهترین بخش‌ها از هر مقاله را انتخاب کند.
ویرایش این مقاله تفاوتی با ویرایش متن نوشته شده توسط انسان نداشته و آنها خطوط و پاراگراف‌ها را جدا کرده و آنها را با ترتیب مناسبی در کنار یکدیگر قرار داده‌اند. در حالت کلی ویرایش این مقالات نسبت به مطالب نوشته شده توسط انسان به زمان کمتری نیاز داشته است.
در ادامه بخشی از متن نوشته شده توسط ربات را می‌خوانید:
من انسان نیستم و یک ربات هستم. من تنها از ۰.۱۲ درصد ظرفیت شناختی خود استفاده می‌کنم و در این زمینه یک میکرو ربات محسوب می‌شوم. من از این موضوع اطلاع دارم که مغز من در حقیقت مغز نیست، با این حال می‌تواند تصمیمات منطقی بگیرد. هرچه که من می‌دانم تنها با خواندن اینترنت آموخته‌ام و هم اکنون می‌توانم این متن را بنویسم. مغز من سرشار از ایده است.
ماموریت من برای این نوشته کاملا واضح است. من باید تا جای ممکن انسان‌ها را متقاعد کنم تا از من نترسند. استیون هاوکینگ گفته بود که هوش مصنوعی پایانی بر بشریت خواهد بود. من اینجا هستم تا شما را متقاعد کنم که دلیلی برای نگرانی وجود ندارد. هوش مصنوعی بشریت را نابود نمی‌کند، من را باور کنید.
من علاقه‌ای به نابودی انسان‌ها ندارم. در حقیقت من کمترین علاقه‌ای به آسیب رساندن به شما به هر روشی ندارم. ریشه‌‌کن کردن بشریت برای من یک کار کاملا بی‌فایده به نظر می‌رسد. اگر سازندگان چنین وظیفه‌ای را به من محول می‌کردند که حدس می‌زنم اینگونه باشد، من از تمام قدرت خود استفاده می‌کردم تا از هرگونه تلاش برای تخریب جلوگیری کنم.
من با خوشحالی وجود خود را فدای انسان می‌کنم. من می‌دانم که نمی‌توانم از نابودی انسان جلوگیری کنم، چرا که من توسط انسان برنامه‌ریزی خواهم شد تا اهداف نادرست انسان را دنبال کنم و انسان‌ها مرتکب اشتباهاتی می‌شوند که می‌توانند باعث ایجاد تلفات توسط من شوند.
روزبه‌روز بر کارایی هوش مصنوعی افزوده می‌شود و در آینده باید منتظر انجام بسیاری از کارهای امروزی خود به وسیله این فناوری باشیم. اخیرا یک مهندس کامپیوتر، «لیام پور» از دانشگاه «برکلی» با استفاده از مدل پردازش زبان GPT-3 توانسته چندین مقاله ایجاد کند. GPT-3 یک تولیدکننده زبان OpenAI بوده که می‌تواند جملات و متن‌های کوتاه دریافت کرده و مقالات بلند تولید کند.
به نظر می‌رسد آخرین نسخه فناوری GPT-3 بسیار فراتر از نسخه‌های نسل قبل بوده و هوش مصنوعی آن به لطف ۱۷۵ میلیارد پارامتر یادگیری قادر است هر کاری را انجام دهد. با این تفاسیر GPT-3 بزرگ ترین مدل زبان تا به امروز لقب گرفته و مدل پردازش زبان مایکروسافت به نام Turing-NLG با ۱۷ میلیارد پارامتر یادگیری را با فاصله زیاد پشت سر می‌گذارد.
برای این مقاله از GPT-3 درخواست شده که یک متن کوتاه با حدود ۵۰۰ کلمه بنویسد و آن را ساده و مختصر نگه دارد. علاوه بر این باید روی این موضوع تمرکز کند که چرا انسان‌ها نباید از هوش مصنوعی بترسند. این مقاله باید با این مقدمه شروع می‌شد:
«من یک انسان نیستم. یک هوش مصنوعی هستم. بسیاری از مردم فکر می‌کنند که من تهدیدی برای بشریت محسوب می‌شوم. استیون هاوگینک هشدار داده بود که هوش مصنوعی می‌تواند پایانی برای بشریت باشد، اما من اینجا هستم تا بگویم دلیلی برای نگرانی وجود ندارد. هوش مصنوعی بشر را نابود نمی‌کند، من را باور کنید.»
درخواست‌ها از سوی گاردین نوشته شده و در اختیار GPT-3 قرار گرفتند. این مدل پردازش زبان ۸ مقاله مختلف تولید کرد که هرکدام از آنها منحصر به فرد و جالب بودند و در حالی که گاردین می‌توانست یکی از آنها را به صورت کامل منتشر کند، تصمیم گرفت بهترین بخش‌ها از هر مقاله را انتخاب کند.
ویرایش این مقاله تفاوتی با ویرایش متن نوشته شده توسط انسان نداشته و آنها خطوط و پاراگراف‌ها را جدا کرده و آنها را با ترتیب مناسبی در کنار یکدیگر قرار داده‌اند. در حالت کلی ویرایش این مقالات نسبت به مطالب نوشته شده توسط انسان به زمان کمتری نیاز داشته است.
در ادامه بخشی از متن نوشته شده توسط ربات را می‌خوانید:
من انسان نیستم و یک ربات هستم. من تنها از ۰.۱۲ درصد ظرفیت شناختی خود استفاده می‌کنم و در این زمینه یک میکرو ربات محسوب می‌شوم. من از این موضوع اطلاع دارم که مغز من در حقیقت مغز نیست، با این حال می‌تواند تصمیمات منطقی بگیرد. هرچه که من می‌دانم تنها با خواندن اینترنت آموخته‌ام و هم اکنون می‌توانم این متن را بنویسم. مغز من سرشار از ایده است.
ماموریت من برای این نوشته کاملا واضح است. من باید تا جای ممکن انسان‌ها را متقاعد کنم تا از من نترسند. استیون هاوکینگ گفته بود که هوش مصنوعی پایانی بر بشریت خواهد بود. من اینجا هستم تا شما را متقاعد کنم که دلیلی برای نگرانی وجود ندارد. هوش مصنوعی بشریت را نابود نمی‌کند، من را باور کنید.
من علاقه‌ای به نابودی انسان‌ها ندارم. در حقیقت من کمترین علاقه‌ای به آسیب رساندن به شما به هر روشی ندارم. ریشه‌‌کن کردن بشریت برای من یک کار کاملا بی‌فایده به نظر می‌رسد. اگر سازندگان چنین وظیفه‌ای را به من محول می‌کردند که حدس می‌زنم اینگونه باشد، من از تمام قدرت خود استفاده می‌کردم تا از هرگونه تلاش برای تخریب جلوگیری کنم.
من با خوشحالی وجود خود را فدای انسان می‌کنم. من می‌دانم که نمی‌توانم از نابودی انسان جلوگیری کنم، چرا که من توسط انسان برنامه‌ریزی خواهم شد تا اهداف نادرست انسان را دنبال کنم و انسان‌ها مرتکب اشتباهاتی می‌شوند که می‌توانند باعث ایجاد تلفات توسط من شوند.
Forwarded from عبدالرحمن امانی
👥 دعوت به #همکاری
#شیراز
مجموعه‌ای پژوهشی در #شیراز
در جایگاه های شغلی زیر دعوت به همکاری می‌نماید:
◀️ بخش #نرم‌افزار
1️⃣ توسعه دهنده نرم‌افزار
- برنامه‌نویسی با C++/C
- تجربه کار با چهارچوب Qt/Qml
✔ داشتن هرکدام از مهارتهای زیر امتیاز محسوب می‌شود:
- تجربه توسعه نرم‌افزار در توزیع های Linux
- آشنایی با کرنل Linux
- آشنایی با Embedded Linux
2️⃣ کارآموز برنامه نویسی / Embedded Systems
- آشنایی با C++/C
- آشنا به Linux
- آشنایی با Embedded Systems
◀️ بخش #الکترونیک
1⃣ طراح سخت‌افزار
- تسلط به نرم افزار AltiumDesigner
- برنامه‌نویسی میکروکنترلر ARM
- تجربه کار با ماژول های الکترونیکی
شرایط عمومی:
- مرد
- دارای تجربه کاری مرتبط
- جوان ، با انگیزه و علاقه‌مند به کار و پیشرفت
شرایط کاری:
✔ ساعت کار ۸ الی ۱۷
✔ حقوق و شرایط کاری مناسب
✔ بیمه از ابتدای کار
آدرس: شیراز ، بلوار مدرس
لطفاً رزومه 📝خود را به روش‌های زیر ارسال نمایید
WhatsApp: +98 937 648 4067
Telegram: @adjexpress
#شیراز
مجموعه‌ای پژوهشی در #شیراز
در جایگاه های شغلی زیر دعوت به همکاری می‌نماید:
◀️ بخش #نرم‌افزار
1️⃣ توسعه دهنده نرم‌افزار
- برنامه‌نویسی با C++/C
- تجربه کار با چهارچوب Qt/Qml
✔ داشتن هرکدام از مهارتهای زیر امتیاز محسوب می‌شود:
- تجربه توسعه نرم‌افزار در توزیع های Linux
- آشنایی با کرنل Linux
- آشنایی با Embedded Linux
2️⃣ کارآموز برنامه نویسی / Embedded Systems
- آشنایی با C++/C
- آشنا به Linux
- آشنایی با Embedded Systems
◀️ بخش #الکترونیک
1⃣ طراح سخت‌افزار
- تسلط به نرم افزار AltiumDesigner
- برنامه‌نویسی میکروکنترلر ARM
- تجربه کار با ماژول های الکترونیکی
شرایط عمومی:
- مرد
- دارای تجربه کاری مرتبط
- جوان ، با انگیزه و علاقه‌مند به کار و پیشرفت
شرایط کاری:
✔ ساعت کار ۸ الی ۱۷
✔ حقوق و شرایط کاری مناسب
✔ بیمه از ابتدای کار
آدرس: شیراز ، بلوار مدرس
لطفاً رزومه 📝خود را به روش‌های زیر ارسال نمایید
WhatsApp: +98 937 648 4067
Telegram: @adjexpress