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.

مدل‌های چندوجهی، راه‌حل هوشمندانه توسعه پلتفرم‌های ایرانی

محققان و دانشمندان حوزه هوش مصنوعی از ضرورت مدل‌های چندوجهی در توسعه کسب‌وکارهای می‌گویند. آنها معتقدند که بازیگر اصلی این حوزه در ایران، خود مردم هستند؛ یعنی تقاضای آنها در حوزه‌های خاص باید شفاف شود. اما برای پیشرفت، نیاز به بسترسازی مناسب و نقش‌آفرینی مؤثر دانشگاه‌ها و بخش خصوصی داریم.

انتروپیک از Claude 3.7 Sonnet، اولین مدل استدلال‌گر ترکیبی هوش مصنوعی

شرکت انتروپیک از مدل هوش مصنوعی جدیدی به نام کلود ۳.۷ سونت (Claude 3.7 Sonnet) رونمایی کرده است که به گفته شرکت بسته به نیاز کاربر، پاسخ‌های فوری یا فکرشده ارائه می‌دهد. این ویژگی، کلود ۳.۷ سونت را به اولین مدلی تبدیل می‌کند که ترکیب استدلال و ارائه پاسخ معمولی را در کنار هم دارد.

شتاب دیپ‌سیک برای عرضه مدل جدید: R2 زودتر از موعد معرفی می‌شود

شرکت چینی دیپ‌سیک (DeepSeek) که ماه گذشته با ارائه مدل هوش مصنوعی ارزان‌قیمت خود بازارهای سهام جهانی را شوکه کرد، طبق گزارشی از رویترز در تلاش است تا نسخه جدید مدل هوش مصنوعی خود را زودتر از موعد معرفی کند. این شرکت که مقر آن در هانگژو قرار دارد، قرار بود تا در ماه مه R2 را در اختیار کاربران بگذارد، اما بر اساس گزارش منابع آگاه، اکنون در حال تسریع روند توسعه آن برای انتشار هر چه سریع‌تر است.

بررسی، عیب‌یابی و اجرای کدهای خود را به جدیدترین قابلیت جمنای (Gemini) بسپارید

گوگل به تازگی از جدیدترین امکان چت‌بات هوش مصنوعی خود، جمنای (Gemini)، رونمایی کرد. این قابلیت که دستیار کدنویسی جمنای برای اشخاص (Gemini Code Assist for individuals) نام دارد، بر اساس تحقیقات گوگل مبنی بر اتکای کاربران به هوش مصنوعی در زمینه کدنویسی ساخته شده و به صورت رایگان در اختیار تمامی کاربران قرار گرفته است.

اوپن‌ای‌آی از مدل جدید GPT-4.5 رونمایی کرد

اوپن‌ای‌آی از GPT-4.5، جدیدترین و بزرگ‌ترین مدل زبانی خود، رونمایی کرد. این مدل که در ابتدا به‌عنوان پیش‌نمایش تحقیقاتی در اختیار کاربران ChatGPT Pro قرار می‌گیرد، از سوی شرکت به عنوان «داناترین مدل» خود تاکنون توصیف شده است. با این حال اوپن‌ای‌آی اما هشدار داده که GPT-4.5 یک مدل پیشگام محسوب نمی‌شود و ممکن است عملکردی ضعیف‌تری نسبت به مدل‌های o1 یا o3-mini داشته باشد.

جزئیات مالی دیپ‌سیک به حاشیه سود بالقوه ۵۴۵ درصد اشاره دارد

استارتاپ چینی دیپ‌سیک، که به‌عنوان پدیده‌ای نوظهور در حوزه هوش مصنوعی شناخته می‌شود، برای نخستین بار برخی از اعداد و ارقام مالی خود را منتشر کرد و نشان داد که حاشیه سود بالقوه این شرکت می‌تواند تا ۵۴۵ درصد هزینه‌ها باشد. انتشار بیانیه دیپ‌سیک در شبکه اجتماعی ایکس، به برخی از ابهامات پیرامون مدل تجاری صنعت هوش مصنوعی پایان داد.

هوش مصنوعی شمشیری دولبه بین امنیت و تهدیدهای سایبری

هوش مصنوعی (AI) با نفوذ گسترده خود، عرصه‌های مختلف زندگی از جمله امنیت سایبری را دستخوش تحول کرده است. این فناوری، که هم توسط مهاجمان و هم مدافعان سایبری مورد استفاده قرار می‌گیرد، به یک شمشیر دولبه تبدیل شده است. در حالی که هوش مصنوعی مولد (GenAI) پتانسیل بالایی برای بهبود امنیت سایبری ارائه می‌دهد، چالش‌های قابل توجهی نیز به همراه دارد. رسیدن به راهکار این چالش‌ها، به بررسی داده‌های با کیفیت بالا، مسائل مربوط به مقیاس‌پذیری و سوءاستفاده‌های احتمالی توسط هکرها نیاز دارد. از طرفی دیگر مزایای استفاده از هوش مصنوعی در امنیت سایبری، مانند خودکارسازی فرآیندها، مدیریت حوادث و پیش‌بینی تهدیدات آینده غیرقابل چشم پوشی است.

تقطیر دانش، ترفندی برای تولید مدل‌های کم‌هزینه اما دردسری برای شرکت‌های پیشگام

در رقابت برای توسعه مدل‌های هوش مصنوعی کارآمدتر و کم‌هزینه‌تر، شرکت‌های پیشرو مانند اوپن‌ای‌آی، مایکروسافت و متا به ترفند جدیدی به نام «تقطیر دانش» یا Distillation روی آورده‌اند.  چین و شرکت دیپ‌سیک از جمله اولین بازیگرانی بودند که از چنین ترفندی برای تولید مدل‌های قدرتمند خود استفاده کردند، موضوعی که باعث کاهش ارزش سهام شرکت‌های فناوری بزرگ در سیلیکون ولی شد. با اینکه استفاده از چنین ترفندی برای شرکت‌های فناوری مزایای زیادی دارد و راهکاری است برای توسعه مدل‌های کوچک و کارآمد، اما ارزش سرمایه‌گذاری‌های میلیارد دلاری پیشگامان این صنعت با فراگیر شدن چنین ترفندی زیر سوال می‌رود.