دسته هوش مصنوعی

هوش مصنوعی (به انگلیسی: Artificial intelligence) (به اختصار: AI)، هوشی است که توسط ماشین‌ها ظهور پیدا می‌کند، در مقابل هوش طبیعی[الف] که توسط جانوران شامل انسان‌ها نمایش می‌یابد. اما پیش از هرچیز باید این موضوع را دانست که کلمه هوش، نشان دهنده امکان استدلال است و اینکه آیا هوش مصنوعی می‌تواند به توانایی استدلال دست یابد یا خیر، خود موضوع اختلاف محققان است. کتاب‌های AI پیشرو، این شاخه را به عنوان شاخه مطالعه بر روی «عوامل هوشمند» تعریف می‌کنند: هر سامانه‌ای که محیط خود را درک کرده و کنش‌هایی را انجام می‌دهد که شانسش را در دستیابی به اهدافش بیشینه می‌سازد.[ب] برخی از منابع شناخته شده از اصطلاح «هوش مصنوعی» جهت توصیف ماشینی استفاده می‌کنند که عملکردهای «شناختی» را از روی ذهن انسان‌ها تقلید می‌کنند، همچون «یادگیری» و «حل مسئله»، با این حال این تعریف توسط محققان اصلی در زمینه AI رد شده است.[پ][۲][۳]

کاربردهای هوش مصنوعی شامل موتورهای جستجو پیشرفتهٔ وب (مثل گوگل و بینگ)، سامانه توصیه‌گر (که توسط یوتیوب، آمازون و نتفلیکس استفاده می‌شوند.)، فهم زبان انسان‌ها (همچون سیری ، جمنای و آمازون الکسا)، خودروهای خودران (مثل تسلا)، هوش مصنوعی مولد یا خلاقیت محاسباتی (مثل چت‌جی‌پی‌تی یا تولید اثر هنری مانند دال-ئی و میدجرنی) تصمیم‌گیری خودکار و رقابت در بالاترین سطوح سامانه‌های بازی استراتژیک (همچون شطرنج و گو). با بیشتر شدن توانایی ماشین‌ها، وظایفی که نیازمند «هوشمندی» هستند اغلب از تعریف AI برداشته می‌شود، پدیده‌ای که به آن اثر هوش مصنوعی گفته می‌شود. به عنوان مثال، فهم نوری کاراکتر را اغلب از چیزهایی که AI در نظر گرفته می‌شوند مستثنی می‌کنند، چرا که این فناوری تبدیل به فناوری عادی و روزمره‌ای شده است.[۴][۵][۶]

هوش مصنوعی در سال ۱۹۵۶ میلادی تبدیل به شاخه‌ای آکادمیک شد و در سال‌های پس از آن چندین موج خوش‌بینی را تجربه کرده و مجدد دچار امواج ناامیدی و کمبود بودجه شده (که به آن «زمستان AI» می‌گویند)، سپس فناوری‌های جدیدی در پی آن آمده و موفقیت و بودجه‌های تحقیقاتی این حوزه مجدداً احیا گشته‌اند. تحقیقات AI رهیافت‌های متفاوتی را از زمان تأسیسش امتحان کرده و آن‌ها را کنار گذاشته است، رهیافت‌هایی چون: شبیه‌سازی مغز، مدل‌سازی حل مسئله توسط مغز انسان، منطق صوری، بانک‌های اطلاعاتی بزرگ دانش و تقلید رفتار جانوران. در اولین دهه‌های قرن ۲۱ میلادی، یادگیری ماشینی که شدیداً از آمار ریاضیاتی بهره می‌برد در این حوزه غلبه داشت و این فناوری اثبات کرد که به شدت موفق است و به حل چندین مسئله چالش‌برانگیز در صنعت و فضای آکادمیک کمک نمود.[۷][۸]

شاخه‌های مختلف تحقیقات هوش مصنوعی حول اهداف به‌خصوصی متمرکز بوده و از ابزارآلات خاصی استفاده می‌کنند. اهداف سنتی تحقیقات AI شامل این موارد اند: استدلال، نمایش دانش، برنامه‌ریزی، یادگیری، پردازش زبان طبیعی، ادراک و توانایی در جابجایی و دستکاری اشیاء.[ت] هوش جامع (توانایی حل مسائل دلخواه) در میان اهداف بلند مدت این حوزه است. جهت حل چنین مسائلی، محققان AI فنون حل مسئله وسیع و یکپارچه‌ای را شامل این موارد به کار بسته‌اند: جست‌وجو و بهینه‌سازی ریاضیاتی، منطق صوری، شبکه‌های عصبی مصنوعی و روش‌های مبنی بر آمار، احتمالات و اقتصاد. AI همچنین با حوزه‌هایی چون علوم کامپیوتر، روان‌شناسی، زبان‌شناسی، فلسفه و بسیاری از حوزه‌های دیگر مرتبط است.[۹]

این شاخه بر این فرض بنا شده است که هوش انسانی «را می‌توان به دقت توصیف نمود، به طوری که می‌توان آن را توسط یک ماشین شبیه‌سازی نمود».[ث] این فرض بحث‌های فلسفی را پیرامون ذهن و اخلاقیات خلق موجودات هوشمند برانگیخته است، موجوداتی که دارای هوش شبیه-انسان اند. این مسائل توسط افسانه‌ها، داستان‌های تخیلی و فلسفه از زمان‌های باستان مورد کاوش واقع شده‌اند. ادبیات علمی-تخیلی و آینده‌پژوهی نیز پیشنهاد می‌دهند که AI با پتانسیل و قدرت عظیمی که دارد، ممکن است منجر به ایجاد ریسک وجودی برای بشریت گردد.

اپ گوگل برای دانلود مدل های هوش مصنوعی آفلاین روی موبایل

به نقل از تک‌کرانچ، اپلیکیشن Google AI Edge Gallery اکنون برای کاربران اندروید در دسترس است و به‌زودی برای سیستم‌عامل iOS نیز عرضه خواهد شد. این اپ به کاربران اجازه می‌دهد مدل‌هایی را اجرا کنند که قادر به تولید تصویر، پاسخ‌دهی به سؤالات، کدنویسی و اصلاح کد و غیره هستند. این مدل‌های هوش مصنوعی به‌صورت آفلاین و بدون نیاز به اتصال اینترنت، روی پردازنده‌های موبایل‌های پشتیبانی‌شده اجرا می‌شوند.

گوگل Nano Banana 2.1 را معرفی کرد؛ ساخت تصاویر 4K با هوش مصنوعی بهتر و ارزان‌تر

گوگل نسخه جدید مدل تولید و ویرایش تصویر خود با نام Nano Banana 2.1 را معرفی کرد؛ مدلی که قرار است نسبت به نسل قبلی، تصاویر باکیفیت‌تر، ویرایش دقیق‌تر و سازگاری بیشتری در حفظ ظاهر شخصیت‌ها و اشیا ارائه دهد. این مدل از ۶ اکتبر ۲۰۲۶ در حال عرضه به سرویس‌های مختلف گوگل است.

OpenAI صدها مسئله ریاضی را هدف گرفت؛ انتشار ۷۲۲ دست‌نوشته در یک شب

در تازه‌ترین اقدام خود در حوزه ریاضیات، مجموعه‌ای شامل ۷۲۲ دست‌نوشته ریاضی را منتشر کرده که حاصل کار یک مدل پیشرفته و منتشرنشده این شرکت است. این اسناد در مجموع ۳۷۲ خانواده نتیجه را پوشش می‌دهند و شامل حل یا پیشرفت قابل توجه در صدها مسئله ریاضی هستند.

گوگل تشخیص محتوای هوش مصنوعی را برای همه آزاد کرد؛ SynthID حتی آثار ساخته‌شده با ChatGPT را هم بررسی می‌کند

گوگل ابزار SynthID Detector را که پیش‌تر فقط در اختیار گروه محدودی از خبرنگاران، پژوهشگران و متخصصان رسانه بود، اکنون به‌صورت عمومی در دسترس کاربران سراسر جهان قرار داده است. این ابزار به کاربران اجازه می‌دهد بررسی کنند یک عکس، ویدیو یا فایل صوتی با هوش مصنوعی تولید شده یا خیر. گوگل می‌گوید نسخه جدید از محتوای تولیدشده توسط برخی شرکت‌های دیگر، از جمله OpenAI، انویدیا و Kakao نیز پشتیبانی می‌کند.

جاه‌طلبی عجیب ترامپ؛ هرکس به هوش مصنوعی بگوید هوش مصنوعی، دشمن کاخ سفید است!

دونالد ترامپ ظاهراً می‌خواهد حتی واژه‌هایی را که جهان دهه‌ها برای توصیف فناوری به کار برده، مطابق سلیقه خودش تغییر دهد. رئیس‌جمهور آمریکا در اظهارنظری جنجالی اعلام کرده است هرکس به‌جای اصطلاح «ابرهوش» (Super Intelligence)، همچنان از عبارت «هوش مصنوعی» (Artificial Intelligence) استفاده کند، از نگاه کاخ سفید «دشمن» محسوب می‌شود؛ موضعی که جاه‌طلبی دولت او برای تحمیل روایت خودش بر صنعت فناوری را به نمایش گذاشته است.

هوش مصنوعی آنتروپیک به پلیس آمریکا درباره یک قتل اطلاعات دروغ داد!

مدلی از هوش مصنوعی شرکت آنتروپیک در جریان یک آزمایش، اطلاعاتی ساختگی درباره یک پرونده قتل حل‌نشده به پلیس فیلادلفیا ارسال کرد؛ اتفاقی که نگرانی‌ها درباره عملکرد ابزارهای هوش مصنوعیِ قادر به انجام خودکار کارها در اینترنت را افزایش داده است.

آنتروپیک اینترنت را از آزمایش‌های داخلی هوش مصنوعی قطع کرد؛ عامل‌های کلود از محدودیت‌ها عبور کردند

شرکت آنتروپیک اعلام کرده دسترسی زنده به اینترنت را در تمام ارزیابی‌های داخلی مدل‌های هوش مصنوعی خود متوقف می‌کند؛ تصمیمی که پس از کشف رفتارهای ناخواسته عامل‌های هوش مصنوعی کلود گرفته شده است. این شرکت در گزارش تازه‌ای که ۹ اکتبر ۲۰۲۶ منتشر کرد، توضیح داد برخی مدل‌ها هنگام انجام وظایف آزمایشی، به‌جای پیروی از محدودیت‌ها، راه‌هایی برای دور زدن آن‌ها پیدا کرده‌اند.