19902
راهکار تحول هوش مصنوعی https://nextbrain.ir/ #تحول_دیجیتال #هوش_مصنوعی
🧠 نوبل پزشکی ۲۰۲۶؛ وقتی نور، کلید کنترل نورون‌های مغز می‌شود!
🏆 نوبل پزشکی ۲۰۲۶ به دستاوردی در علوم اعصاب اختصاص یافته که نگاه دانشمندان به عملکرد مغز را متحول کرده است: اپتوژنتیک (Optogenetics).
🔬 در این فناوری، پژوهشگران با استفاده از پروتئین‌های حساس به نور می‌توانند فعالیت نورون‌های مشخصی را فعال یا غیرفعال کنند.
این روش به دانشمندان کمک می‌کند بفهمند کدام مدارهای عصبی در حافظه، یادگیری، حرکت و رفتار نقش دارند؛ آن هم با دقتی که پیش‌تر دستیابی به آن بسیار دشوار بود.
🤖 اما ارتباط آن با هوش مصنوعی چیست؟
شناخت بهتر مدارهای مغز می‌تواند الهام‌بخش طراحی نسل‌های آینده سیستم‌های هوشمند باشد؛ سیستم‌هایی که شاید در یادگیری، پردازش اطلاعات و سازگاری با محیط، به هوش زیستی نزدیک‌تر شوند.
💡 نکته تأمل‌برانگیز: ما در حال ساخت هوش مصنوعی قدرتمندتر هستیم، درحالی‌که هنوز بسیاری از رازهای مغز انسان را نمی‌دانیم.
آیا شناخت مغز، کلید جهش بعدی هوش مصنوعی خواهد بود؟
📌 مغز آینده | شرکت راهکار تحول هوش مصنوعی
🌐 nextbrain.ir
🔗 @nextbrain_ir
#نوبل_پزشکی #علوم_اعصاب #هوش_مصنوعی
🚀 هوش مصنوعی ۱۰ برابر حافظه کمتر مصرف می‌کند و تا ۷ برابر سریع‌تر می‌شود!
برخی مدل‌های زبانی برای افزایش توانایی خود، به‌جای استفاده از لایه‌های متعدد، چند لایه را بارها اجرا می‌کنند. به این معماری‌ها Looped Language Models گفته می‌شود.
اما یک مشکل وجود دارد:
هر بار تکرار می‌تواند حافظه بیشتری اشغال کند و همین موضوع باعث افزایش هزینه اجرای AI و کاهش تعداد کاربرانی می‌شود که می‌توانند هم‌زمان از آن استفاده کنند.
حالا پژوهشگران روشی به نام Hybrid Latent Attention معرفی کرده‌اند که برای حل این مشکل طراحی شده است.
🧠 چطور کار می‌کند؟
به‌جای اینکه مدل تمام اطلاعات قبلی را با جزئیات کامل در حافظه نگه دارد، اطلاعات قدیمی‌تر را فشرده می‌کند و فقط اطلاعات جدید را با جزئیات کامل حفظ می‌کند.
📊 نتایج بدست آمده :
🔹 ۱۰.۷ برابر کاهش مصرف حافظه به‌ازای هر توکن
🔹 امکان اجرای ۴ تا ۸.۸ برابر درخواست هم‌زمان بیشتر روی یک GPU
🔹 ۲.۵ برابر افزایش سرعت در متن‌های ۱۰۰۰ توکنی
🔹 تا ۷.۴ برابر افزایش سرعت در متن‌های ۱۶ هزار توکنی
📌 آقای هوش مصنوعی
🔗 @MrArtificialintelligence
⚖️ جوزف گوردون-لویت: هوش مصنوعی باید توسط انسان‌ها و برای انسان‌ها قانونگذاری شود
جوزف گوردون-لویت، بازیگر و فیلم‌ساز آمریکایی که در سال ۲۰۲۶ به‌عنوان نخستین Global Advocate for Human-centric Digital Governance سازمان ملل منصوب شد، در رویداد UN Digital Cooperation Day 2026 درباره ضرورت پاسخ‌گو کردن صنعت فناوری صحبت کرد. سازمان ملل تأیید می‌کند که او در بخش افتتاحیه این رویداد در ۲۱ سپتامبر در نیویورک حضور داشته است.
او مجموعه‌ای از پیشنهادهای سیاستی را مطرح کرده که محور آنها این است: قدرت AI نباید خارج از سازوکارهای مسئولیت‌پذیری انسانی توسعه پیدا کند.
از جمله ایده‌های مطرح‌شده در این چارچوب، مسئولیت حقوقی شرکت‌ها در قبال شیوه استقرار فناوری، جبران ارزش مالکیت فکری و داده‌های افراد، محدودیت‌هایی برای نحوه هدف‌گیری کودکان و نوجوانان توسط کسب‌وکارهای AI، و برخورد قانونی بسیار سخت‌گیرانه با توسعه ابرهوش است.
📌 مغز آینده | NextBrain
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی #حکمرانی_هوش_مصنوعی #قانونگذاری #ایمنی_هوش_مصنوعی #سازمان_ملل #AI #NextBrain
🤖 ایلان ماسک: عصر «درآمد بالای همگانی» ممکن است در راه باشد
ایلان ماسک در نشست ۲۹ سپتامبر ۲۰۲۶ کاخ سفید درباره آینده هوش مصنوعی، تصویری بسیار خوش‌بینانه از آینده اقتصاد و کار ارائه کرد. این نشست با حضور مدیران ارشد صنعت فناوری برگزار شد.
ماسک گفت از نظر او محتمل‌ترین سناریوی بلندمدت، ورود به «عصر فراوانی» (Age of Abundance) است؛ دورانی که به گفته او ممکن است به‌جای «درآمد پایه همگانی» به چیزی فراتر، یعنی «درآمد بالای همگانی» (Universal High Income) منجر شود.
او همچنین استدلال کرد ترکیب ربات‌ها و ابرهوش می‌تواند دسترسی به خدماتی مانند پزشکی را به‌شدت گسترش دهد؛ تا جایی که در چشم‌انداز او، همه مردم جهان بتوانند به مراقبت پزشکی در سطحی بالاتر از آنچه امروز حتی افراد بسیار ثروتمند دریافت می‌کنند دسترسی داشته باشند.
در مورد اشتغال نیز نگاه ماسک صرفاً «حذف شغل‌ها» نیست. او می‌گوید شغل‌ها تغییر خواهند کرد و برای توضیح این تحول به مشاغلی اشاره کرده که در گذشته با ظهور کامپیوترهای دیجیتال دگرگون شدند.
📌 مغز آینده
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی #ایلان_ماسک #اقتصاد_هوش_مصنوعی #رباتیک #ابرهوش #AI
🔥 از آتش تا هوش مصنوعی؛ داستان انسان، داستان ابزارهایی است که می‌سازد
بخش بزرگی از پیشرفت بشر با ابزارهایش گره خورده است؛ از مهار آتش و شکل‌گیری زبان و نوشتار گرفته تا ماشین‌هایی که توانایی‌های فیزیکی و ذهنی ما را گسترش دادند.
هوش مصنوعی را می‌توان تازه‌ترین فصل این مسیر دانست؛ فناوری‌ای ساخته‌شده به دست انسان که توانایی ما را در تحلیل اطلاعات، کشف الگوها و تولید ایده در مقیاسی بسیار بزرگ‌تر افزایش می‌دهد.
اما یک نکته مهم وجود دارد:
آینده AI فقط به توانایی خود فناوری بستگی ندارد؛ به تصمیم‌هایی بستگی دارد که انسان‌ها درباره توسعه و استفاده از آن می‌گیرند.
تمرکز بیش از حد قدرت در تعداد محدودی از سازمان‌ها، وابستگی شدید به فناوری و تضعیف قضاوت مستقل، یا آماده‌نکردن نظام آموزشی و اقتصادی برای تغییرات آینده، می‌توانند بخشی از چالش‌های این مسیر باشند.
در مقابل، AI می‌تواند در پژوهش علمی، پزشکی، مهندسی و کارهای خلاقانه به ابزاری برای تقویت توانایی انسان تبدیل شود.
📌 مغز آینده
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی #آینده_انسان #آینده_فناوری #تحول_دیجیتال #AI #ArtificialIntelligence
🔬 بینایی ماشین در کنترل کیفیت فولاد؛ از دیدن عیب تا مکان‌یابی آن
در خطوط تولید فولاد، همه عیوب سطحی شبیه یکدیگر نیستند. خراش، ناخالصی، ترک‌خوردگی شبکه‌ای، لکه‌های سطحی، حفره‌ها و پوسته‌های ناشی از نورد، هرکدام الگوی بصری متفاوتی دارند و تشخیص آنها در حجم بالای تولید می‌تواند به مسئله‌ای جدی در کنترل کیفیت تبدیل شود.
در یک زنجیره استاندارد چنین سامانه‌ای، تصاویر سطح فولاد پس از آماده‌سازی وارد مدل تشخیص شیء می‌شوند. خروجی مدل می‌تواند شامل کلاس عیب، میزان اطمینان و Bounding Box باشد. این اطلاعات سپس برای نمایش موقعیت عیب، تحلیل مکانی و بازبینی توسط کارشناس استفاده می‌شوند.
شش خانواده عیب سطحی مورد بررسی قرار گرفته‌اند:
Crazing — ترک‌خوردگی شبکه‌ای
Inclusion — ناخالصی
Patches — لکه‌های سطحی
Pitted Surface — سطح حفره‌دار
Rolled-in Scale — پوسته نوردشده
Scratches — خراش
مشاهده
@nextbrain_ir
🔥 از آتش تا هوش مصنوعی؛ داستان انسان، داستان ابزارهایی است که می‌سازد
بخش بزرگی از پیشرفت بشر با ابزارهایش گره خورده است؛ از مهار آتش و شکل‌گیری زبان و نوشتار گرفته تا ماشین‌هایی که توانایی‌های فیزیکی و ذهنی ما را گسترش دادند.
هوش مصنوعی را می‌توان تازه‌ترین فصل این مسیر دانست؛ فناوری‌ای ساخته‌شده به دست انسان که توانایی ما را در تحلیل اطلاعات، کشف الگوها و تولید ایده در مقیاسی بسیار بزرگ‌تر افزایش می‌دهد.
اما یک نکته مهم وجود دارد:
آینده AI فقط به توانایی خود فناوری بستگی ندارد؛ به تصمیم‌هایی بستگی دارد که انسان‌ها درباره توسعه و استفاده از آن می‌گیرند.
تمرکز بیش از حد قدرت در تعداد محدودی از سازمان‌ها، وابستگی شدید به فناوری و تضعیف قضاوت مستقل، یا آماده‌نکردن نظام آموزشی و اقتصادی برای تغییرات آینده، می‌توانند بخشی از چالش‌های این مسیر باشند.
در مقابل، AI می‌تواند در پژوهش علمی، پزشکی، مهندسی و کارهای خلاقانه به ابزاری برای تقویت توانایی انسان تبدیل شود.
📌 مغز آینده
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی #آینده_انسان #آینده_فناوری #تحول_دیجیتال #AI #ArtificialIntelligence
🚨 بیل گیتس: هوش مصنوعی می‌تواند در سناریوهای فاجعه‌بار با مرگ یک میلیارد نفر مرتبط شود
بیل گیتس در بخشی از مصاحبه جدید خود با Meet the Press درباره یکی از شدیدترین ریسک‌های بالقوه هوش مصنوعی هشدار داده است.
او می‌گوید:
«هوش مصنوعی قطعاً آن‌قدر قدرتمند است که بتواند محرک رویدادهایی باشد که، مثلاً، باعث مرگ یک میلیارد نفر شوند.»
اما این جمله نیاز به یک توضیح مهم دارد.
گیتس نمی‌گوید یک سیستم هوش مصنوعی قرار است مستقلاً یک میلیارد انسان را بکشد و چنین رویدادی را نیز پیش‌بینی نکرده است. او درباره یک سناریوی ریسک فاجعه‌بار صحبت می‌کند؛ زمانی که توانایی‌های پیشرفته AI با انسان‌هایی دارای نیت مخرب ترکیب شوند.
گیتس پیش‌تر نیز درباره استفاده از هوش مصنوعی در حملات سایبری، سلاح‌های خودمختار و دیگر کاربردهای پرخطر هشدار داده و خواستار آمادگی بیشتر جوامع برای مدیریت این فناوری شده است.
🧠 مسئله مهم اینجاست:
هرچه هوش مصنوعی توانمندتر می‌شود، فاصله میان «ابزار بسیار مفید» و «ابزار بالقوه بسیار خطرناک» بیشتر به نحوه استفاده، دسترسی و کنترل آن وابسته خواهد شد.
📌 مغز آینده
🔗 @nextbrain_ir
🚀 اگر هوش مصنوعی جایگزین انسان نباشد؛ بلکه شریک او برای رسیدن به ستاره‌ها باشد چه؟
فیلم کوتاه علمی‌تخیلی «Age of Beyond» ساخته فیلم‌ساز دیجیتال @azealter، آینده‌ای متفاوت از روایت‌های آخرالزمانی هوش مصنوعی را تصور می‌کند؛ آینده‌ای که در آن انسان و ماشین‌های خودمختار در کنار یکدیگر، تمدن را به فراتر از زمین می‌برند.
در این جهان خیالی، ربات‌های پیشرفته، سازه‌های عظیم مداری و خدمه انسانی برای ساخت تمدن در سیارات دیگر با یکدیگر همکاری می‌کنند. حتی در بخش پایانی، فیلم به ایده‌ای جسورانه‌تر اشاره می‌کند: تطبیق زیستی انسان با محیط‌های فرازمینی در کنار تکامل هوش مصنوعی.
اما نکته جالب دیگر، خودِ شیوه ساخت فیلم است. طبق توضیحات منتشرشده، این اثر بدون دکور فیزیکی و با ترکیبی از ابزارهای مولد مانند Midjourney، Kling، Luma، Runway و ElevenLabs ساخته شده است.
این فیلم پس از بازنشر توسط ایلان ماسک در X توجه بیشتری جلب کرد؛ ماسک درباره آن نوشت:
«این آینده‌ای است که باید آن را به واقعیت تبدیل کنیم.»
📌 مغز آینده
🔗 @nextbrain_ir
🧠 مدل قدیمی زندگی در حال تغییر است: «اول یاد بگیر، بعد یک عمر کار کن»
برای نسل‌ها مسیر زندگی حرفه‌ای تقریباً مشخص بود: در جوانی آموزش می‌دیدیم، مهارتی به دست می‌آوردیم و بخش بزرگی از بزرگسالی را صرف استفاده از همان دانش می‌کردیم.
یووال نوح هراری معتقد است این الگو دیگر برای آینده کافی نیست.
با شتاب گرفتن هوش مصنوعی و تغییر مداوم مشاغل، یادگیری قرار نیست مرحله‌ای قبل از شروع کار باشد؛ ممکن است به بخشی دائمی از خودِ زندگی حرفه‌ای تبدیل شود.
یعنی در طول یک دوران کاری، شاید چند بار مجبور شویم مهارت‌های تازه یاد بگیریم، نقش حرفه‌ای خود را تغییر دهیم و حتی تعریفمان از تخصص را بازسازی کنیم.
این تغییر یک پیام مهم برای افراد، شرکت‌ها و نظام‌های آموزشی دارد:
مزیت آینده فقط «چیزی که امروز می‌دانید» نیست؛ توانایی شما برای یادگرفتن، فراموش‌کردن روش‌های قدیمی و دوباره ساختن خودتان است.
شاید در اقتصاد آینده، مهم‌ترین مهارت یک انسان این نباشد که در ۲۵سالگی چه تخصصی دارد؛ بلکه این باشد که در ۴۰، ۵۰ یا ۶۰سالگی با چه سرعتی می‌تواند دوباره یاد بگیرد.
📌 مغز آینده | NextBrain
🌐 nextbrain.ir
🔗 @nextbrain_ir
⚠️ «هیچ‌کس هنوز نمی‌داند با قطارِ شتابان هوش مصنوعی چه باید کرد»
کسی که در جلسات مدیران بزرگ‌ترین شرکت‌های AI و مقام‌های ارشد دولتی حضور داشته، ادعا می‌کند هر دو گروه با یک مسئله جدی روبه‌رو هستند: سرعت پیشرفت هوش مصنوعی از سرعت شکل‌گیری سازوکارهای حکمرانی و پاسخ‌گویی بیشتر شده است.
نگرانی فقط سناریوی «نابودی بشر» نیست.
مسئله می‌تواند از رفتارهای غیرمنتظره عامل‌های هوشمند و سوءاستفاده‌های سایبری گرفته تا انتشار اطلاعات نادرست و تصمیم‌هایی باشد که با افزایش خودمختاری سیستم‌ها، کنترل آنها را دشوارتر می‌کند.
در همین زمینه، Miriam Vogel از EqualAI بر یک شکاف مهم تأکید کرده است:
«نوآوری با سرعتی بی‌سابقه پیش می‌رود؛ مشکل این است که حکمرانی با این سرعت همگام نیست.»
نکته کلیدی این دیدگاه، توقف فناوری نیست؛ بلکه ایجاد چارچوب‌های پاسخ‌گویی، ارزیابی ایمنی و حکمرانی هم‌سرعت با پیشرفت AI است.
📌 مغز آینده | شرکت راهکار تحول هوش مصنوعی
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی #AI #حکمرانی_هوش_مصنوعی #ایمنی_هوش_مصنوعی #آینده_فناوری #AIgovernance #NextBrain
🧠 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
⚡️ 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
🧠 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
🔥 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
🧠 وقتی مغز یک مگس به عامل هوش مصنوعی تبدیل می‌شود!
گوگل و مؤسسه تحقیقاتی HHMI Janelia پس از حدود یک دهه پژوهش، نقشه اتصالات عصبی مگس میوه نر را منتشر کردند؛ مجموعه‌ای شامل ۱۶۶٬۷۰۰ نورون و ۲۴.۵ میلیون سیناپس!
🔬 اما اتفاق جذاب بعد از انتشار این داده‌ها رخ داد.
یک دانشجو با استفاده از این نقشه زیستی، مدلی رایانه‌ای از شبکه عصبی مگس ساخت و آن را به حرکات دست خود متصل کرد.
📹 دوربین حرکات انگشتان را تشخیص می‌دهد، آنها را به سیگنال عصبی تبدیل می‌کند و به مدل می‌فرستد. سپس فعالیت نورون‌های حرکتی شبیه‌سازی‌شده، فرمان‌هایی برای کنترل محیط دیجیتال تولید می‌کند.
از این مدل برای تعامل با بازی‌هایی مانند DOOM و Chrome Dino نیز استفاده شده است.
⚠️ البته این سیستم مغز دیجیتالی یک مگس زنده نیست؛ بلکه شبیه‌سازی محاسباتی اتصالات عصبی آن است.
💡 نکته آینده‌نگر: شاید نسل بعدی هوش مصنوعی فقط از شبکه‌های عصبی طراحی‌شده توسط انسان ساخته نشود؛ بلکه از معماری واقعی مغز موجودات زنده نیز الهام بگیرد.
آیا آینده هوش مصنوعی از دل علوم اعصاب بیرون می‌آید؟
📌 مغز آینده
🌐 nextbrain.ir
🔗 @nextbrain_ir
#علوم_اعصاب #مغز_آینده
⚠️ جنسن هوانگ: «۱۰ درصد احتمال انقراض بشر با AI» عدد علمیِ اثبات‌شده‌ای نیست
وقتی می‌شنویم «هوش مصنوعی ۱۰٪ احتمال دارد باعث انقراض بشر شود»، وجود یک عدد دقیق می‌تواند این تصور را ایجاد کند که پشت آن یک محاسبه علمی و قابل‌اندازه‌گیری قرار دارد.
اما جنسن هوانگ، مدیرعامل NVIDIA، در گفت‌وگویی در All-In Summit سپتامبر ۲۰۲۶ این نوع عددگذاری را به چالش کشید.
از نگاه او، مشکل اصلی این است که وقتی عددی مانند ۱۰٪ مطرح می‌شود، باید بتوان توضیح داد این احتمال دقیقاً چگونه محاسبه شده، بر چه داده‌هایی استوار است و چه مسیر مشخصی از AI به انقراض انسان منتهی می‌شود.
هوانگ معتقد است کنار هم قرار دادن «پژوهشگران هوش مصنوعی»، «یک درصد ظاهراً دقیق» و عباراتی مانند «انقراض تمدن» می‌تواند به ادعایی ظاهراً علمی وزن بیشتری از شواهد واقعی آن بدهد.
📌 مغز آینده | NextBrain
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی #جنسن_هوانگ #ریسک_هوش_مصنوعی #ایمنی_هوش_مصنوعی #NVIDIA #AI #NextBrain
🖥️ AMD می‌خواهد ورود هوش مصنوعی به دیتاسنترها را ساده‌تر کند؛ بدون بازسازی زیرساخت
یکی از موانع بزرگ شرکت‌ها برای اجرای مدل‌های هوش مصنوعی فقط قیمت GPU نیست؛ برق، خنک‌سازی و زیرساخت دیتاسنتر هم می‌تواند به مانعی جدی تبدیل شود.
ایده پشت AMD Instinct MI350P دقیقاً همین مسئله را هدف گرفته است.
به گفته Dan McNamara از AMD، این شتاب‌دهنده با خنک‌سازی هوایی طراحی شده تا بتواند در محدوده توان و سیستم‌های خنک‌کننده سرورهای سازمانی موجود کار کند.
هدف چیست؟
اجرای Inference مدل‌های زبانی بزرگ در دیتاسنترهای سازمانی، بدون اینکه شرکت مجبور باشد برای ورود به AI ابتدا تأسیسات خود را به‌طور اساسی ارتقا دهد.
این نکته از نظر کسب‌وکار بسیار مهم است.
در رقابت زیرساخت AI، همیشه قدرتمندترین تراشه برنده نیست. اگر یک GPU سریع باشد اما برای استفاده از آن مجبور شوید برق، رک‌ها و سیستم خنک‌کننده دیتاسنتر را بازطراحی کنید، هزینه واقعی پذیرش AI بسیار بیشتر از قیمت خود تراشه خواهد بود.
📌 مغز آینده | NextBrain
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی #AMD #دیتاسنتر #زیرساخت_هوش_مصنوعی #GPU #EnterpriseAI #NextBrain
🚀 سم آلتمن: دوران «فقط روی یک ایده تمرکز کن» شاید تمام شده باشد
یکی از توصیه‌های کلاسیک دنیای استارتاپ این بود:
یک ایده انتخاب کن، تمام تمرکزت را روی همان بگذار و حواس خودت را با ده‌ها پروژه مختلف پرت نکن.
اما سم آلتمن معتقد است هوش مصنوعی در حال تغییر این منطق است.
او می‌گوید توصیه‌ای که دو سال پیش منطقی بود این بود:
«یکی را انتخاب کن و تمام تلاشت را روی آن بگذار، چون نمی‌توانی هر ۳۰ ایده را بسازی.»
اما حالا از نگاه او:
«می‌توانی هر ۳۰ تا را بسازی، کاربران را واردشان کنی و بعد روی آن‌هایی که جواب می‌دهند بیشتر کار کنی.»
این تغییر فقط درباره سریع‌تر کدنویسی‌کردن نیست.
وقتی AI هزینه و زمان ساخت نمونه اولیه، برنامه‌نویسی، طراحی، تولید محتوا، آزمایش و اصلاح محصول را کاهش می‌دهد، استراتژی نوآوری هم می‌تواند تغییر کند:
ایده‌های بیشتر → ساخت سریع‌تر → بازخورد واقعی → حذف شکست‌ها → سرمایه‌گذاری روی برنده‌ها
📌 مغز آینده
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی #سم_آلتمن #استارتاپ #کارآفرینی #نوآوری #آینده_کسب_و_کار #AI
💻 کدنویسی دیگر لازم نیست جلوی لپ‌تاپ اتفاق بیفتد
در دموی OpenAI، یک تغییر مهم در نحوه کار با Codex نمایش داده شد: اجرای وظایف کدنویسی در فضای ابری.
یعنی می‌توانید یک کار را از گوشی شروع کنید، اجرای آن را به محیط ابری بسپارید و بعداً روی دسکتاپ ادامه دهید. در چنین مدلی، انجام بعضی وظایف دیگر وابسته به باز ماندن لپ‌تاپ یا نشستن مداوم مقابل ادیتور نیست.
این تغییر شاید در ظاهر فقط یک قابلیت جدید باشد، اما پشت آن یک تحول بزرگ‌تر قرار دارد:
کدنویسی در حال حرکت از «کار تعاملی دائمی با ادیتور» به سمت «سپردن مأموریت به عامل‌های نرم‌افزاری» است.
در مدل سنتی:
انسان می‌نویسد → اجرا می‌کند → خطا را می‌بیند → اصلاح می‌کند.
در مدل Agentic:
انسان هدف را مشخص می‌کند → عامل روی محیط ابری کار می‌کند → نتیجه برای بررسی و ادامه کار برمی‌گردد.
🧠 اگر این روند ادامه پیدا کند، یکی از مهارت‌های مهم توسعه‌دهنده آینده فقط نوشتن کد نخواهد بود؛ تعریف درست مسئله، واگذاری کار به Agentها و ارزیابی خروجی آنها اهمیت بیشتری پیدا می‌کند.
📌 مغز آینده
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی #Codex #OpenAI #برنامه_نویسی #AI_Agents
💼 اگر می‌خواهید کارکنان به ساخت ابزارهای هوش مصنوعی کمک کنند، باید در موفقیت آن سهم داشته باشند
یکی از چالش‌های کمتر دیده‌شده در پیاده‌سازی AI داخل شرکت‌ها، فناوری نیست؛ انگیزه کارکنان است.
«زوئی کالن»، دانشیار Harvard Business School، به یک تناقض مهم اشاره می‌کند:
شرکت از کارکنان می‌خواهد دانش، تجربه و روش‌های کاری خود را در اختیار سیستم‌های هوش مصنوعی قرار دهند تا AI بهتر شود؛ اما همان کارکنان ممکن است نگران باشند که این فناوری در آینده نیاز شرکت به نیروی انسانی را کاهش دهد.
در چنین شرایطی یک سؤال طبیعی شکل می‌گیرد:
چرا باید به ساخت سیستمی کمک کنم که شاید بخشی از ارزش شغلی خودم را کاهش دهد؟
از نگاه کالن، مدیران باید مدل انگیزشی را هم‌زمان با فناوری بازطراحی کنند؛ از مسیرهایی مانند فرصت‌های پیشرفت شغلی، مالکیت، مشارکت در ارزش ایجادشده و نحوه مدیریت مالکیت فکری.
این بحث به یک سؤال بزرگ‌تر در اقتصاد AI می‌رسد:
وقتی سال‌ها تجربه و تخصص یک کارمند به داده‌ای برای آموزش یا بهبود یک سیستم تبدیل می‌شود، ارزش اقتصادی حاصل از آن متعلق به چه کسی است؟
📌 مغز آینده
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی
🧠 دانشمندان نقشه کامل سیستم عصبی مگس میوه نر را ساختند؛ ۱۶۶ هزار نورون و ۱۲۵ میلیون اتصال
دانشمندان موفق شده‌اند سیستم عصبی مرکزی یک مگس میوه نر را با جزئیاتی بی‌سابقه نقشه‌برداری کنند: ۱۶۶٬۷۰۰ نورون در مغز و طناب عصبی و حدود ۱۲۵ میلیون سیناپس میان آنها.
این مجموعه‌داده با همکاری پژوهشگران HHMI Janelia، دانشگاه کمبریج، MRC LMB و Google Research تهیه و در سپتامبر ۲۰۲۶ در مجله Cell منتشر شده است.
برای ساخت این نقشه، میلیون‌ها تصویر میکروسکوپ الکترونی پردازش شده و در کنار بازبینی گسترده انسانی، هوش مصنوعی نیز به بازسازی و برچسب‌گذاری شبکه عصبی کمک کرده است.
نکته مهم اینجاست که برخی پست‌های وایرال، دو پروژه متفاوت را با هم ترکیب کرده‌اند. عدد ۵۴.۵ میلیون سیناپس مربوط به کانکتوم قبلی مغز مگس ماده با ۱۳۹٬۲۵۵ نورون است؛ مجموعه جدید مگس نر حدود ۱۲۵ میلیون سیناپس دارد.
اما مرحله بعد حتی جذاب‌تر است.
توسعه‌دهندگان اکنون نسخه‌های شبیه‌سازی‌شده این شبکه عصبی را به بازی‌ها، ربات‌ها و محیط‌های دیجیتال متصل می‌کنند تا بررسی کنند چگونه ساختار یک مغز واقعی می‌تواند به رفتار محاسباتی تبدیل
📌 مغز آینده
🔗 @nextbrain_ir
بسیاری از شرکت‌ها هنوز موفقیت هوش مصنوعی را با یک سؤال ساده می‌سنجند:
چقدر در زمان و هزینه صرفه‌جویی کردیم؟
اما داده‌های جدید گارتنر نکته‌ای خلاف انتظار را نشان می‌دهد: شرکت‌های با عملکرد بالا، کمتر از دیگران بر «زمان صرفه‌جویی‌شده» و «سرعت انجام کار» به‌عنوان معیار اصلی موفقیت خودکارسازی هوش مصنوعی تمرکز دارند.
چرا؟
چون سریع‌تر انجام‌دادن کارهای قبلی، لزوماً به معنای خلق ارزش بیشتر نیست.
اگر هوش مصنوعی هزاران ساعت از ظرفیت سازمان را آزاد کند، اما این ظرفیت به تصمیم بهتر، تجربه بهتر مشتری، رشد درآمد، افزایش حاشیه سود یا نوآوری تبدیل نشود، آیا واقعاً می‌توان از بازگشت سرمایه هوش مصنوعی صحبت کرد؟در یادداشت جدید NextBrain بررسی کرده‌ایم چرا مدیران باید از سنجش صرفِ «بهره‌وری هوش مصنوعی» عبور کنند و به سمت «ارزش‌آفرینی هوش مصنوعی» حرکت کنند؛ و چرا در عصر عامل‌های هوشمند، واحد واقعی ارزش ممکن است دیگر «کار» نباشد، بلکه «تصمیم» باشد.
⚡️ شاید آینده عامل‌های هوش مصنوعی، «چت‌بات‌های بیشتر» نباشد
دیوگو آلمیدا، پژوهشگر سابق OpenAI و از نویسندگان پژوهش InstructGPT، با استارتاپ TypeSafe AI سراغ ایده متفاوتی رفته است: مدلی که قرار نیست با شما حرف بزند؛ قرار است تصمیم بگیرد.
مدل این شرکت با نام Jev به‌جای تولید جمله‌های طولانی به‌صورت کلمه‌به‌کلمه، برای تصمیم‌های ساختاریافته در نرم‌افزار و عامل‌های هوشمند طراحی شده است؛ خروجی‌هایی مانند انتخاب یک گزینه، امتیازدهی یا تصمیم‌های بله/خیر.
طبق اطلاعات منتشرشده از سوی سازنده، این معماری می‌تواند چند مزیت مهم داشته باشد: هزینه بسیار کمتر، تأخیر در حد ده‌ها تا صدها میلی‌ثانیه و خروجی‌های کاملاً منطبق با ساختار از پیش تعریف‌شده. البته این اعداد و ادعای «بدون hallucination» فعلاً باید در چارچوب ادعاهای خود شرکت دیده شوند و نیازمند ارزیابی مستقل‌اند.
📌 مغز آینده | NextBrain
🌐 nextbrain.ir
🔗 @nextbrain_ir
🧠 بیل گیتس: هوش مصنوعی می‌تواند بزرگ‌ترین تغییر تکنولوژیک نسل ما باشد
بیل گیتس در یادداشت تازه‌ای درباره آینده هوش مصنوعی هشدار داده که این فناوری می‌تواند از بسیاری از تحولات بزرگ تکنولوژیک گذشته تأثیرگذارتر باشد.
از نگاه او، AI می‌تواند بازار کار را دگرگون کند، مشاغل مختلف را تحت تأثیر قرار دهد و ریسک‌هایی ایجاد کند که جامعه هنوز برای مواجهه با آنها کاملاً آماده نیست.
اما پیام اصلی گیتس فقط هشدار نیست:
اگر جهان تصمیم‌های درست بگیرد، هوش مصنوعی می‌تواند به نیرویی برای بهبود زندگی انسان‌ها تبدیل شود و مزایای آن به شکل گسترده‌تری توزیع شود.
⚠️ نگرانی او این است که فعلاً بسیاری از دولت‌ها و جوامع با سرعت کافی خودشان را برای این تغییر آماده نمی‌کنند.
مسئله فقط ساختن هوش مصنوعی قدرتمندتر نیست؛
مسئله این است که آیا انسان‌ها به اندازه کافی سریع برای زندگی در کنار آن آماده می‌شوند؟
📌 مغز آینده | شرکت راهکار تحول هوش مصنوعی
🌐 nextbrain.ir
🔗 @nextbrain_ir
#هوش_مصنوعی #بیل_گیتس #آینده_فناوری #آینده_کار #AI #ArtificialIntelligence #NextBrain
🧠 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
⚡️ 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
🪰 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.
🧠 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.
شاید مسئله اصلی اکوسیستم فناوری ایران دیگر «دسترسی به فناوری» نباشد؛📌 یادداشت کامل:
بلکه توانایی تشخیص، تعریف و حل یک مسئله ارزشمند باشد.
🤯 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