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.

انتروپیک از مدل Claude Sonnet 4.5 رونمایی کرد: تمرکز ویژه بر کدنویسی و ادغام سازمانی

شرکت انتروپیک، از بازیگران مهم هوش مصنوعی در آمریکا، مدل جدیدی تحت عنوان Claude Sonnet 4.5 را طی یک پست وبلاگی معرفی کرد. مدل جدید این استارت‌آپ،‌ تمرکز ویژه‌ای بر مهارت‌های کدنویسی، خودکارسازی‌های پیچیده و کار با کامپیوتر دارد. شرکت انتروپیک مدعی است که Claude Sonnet 4.5، با جهش چشمگیر از لحاظ اجرای پروژه‌های کدنویسی بلندمدت، پیشتازی عرصه «کدنویسی خودکار» را در اختیار می‌گیرد.

نقش بخش خصوصی در سیاست‌های هوش مصنوعی معاونت علمی چیست؟ بازیگر اصلی یا نقش تزئینی

فعالان حوزه هوش مصنوعی معتقدند رویکرد معاونت علمی در دوره حسین افشین نسبت به بخش خصوصی تغییر کرده، اما همچنان چالش‌های اجرایی و کمبود زیرساخت‌ها، امکان مشارکت موثر را محدود می‌کند. در عین حال، کارشناسان نسبت به سرعت و کیفیت اجرای سند ملی هوش مصنوعی و ضرورت بازنگری مستمر آن هشدار می‌دهند.

طرح جدیدی برای عرضه آزاد داده‌های ویکی‌پدیا به جامعه توسعه‌دهندگان هوش مصنوعی

بخش آلمانی بنیاد ویکی‌مدیا، مالک ویکی‌پدیا، روز چهارشنبه از راه‌اندازی پروژه‌ای جدیدی با عنوان Wikidata Embedding Project خبر داد که هدف آن ایجاد دسترسی به حجم عظیمی از دانش ویکی‌پدیا و پلتفرم‌های وابسته این وبسایت برای مدل‌های هوش مصنوعی است.

معاون اول رئیس‌جمهوری: باید ظرف سه سال در فناوری‌های نوظهور به رتبه اول منطقه برسیم

معاون اول رئیس‌جمهوری در ستاد توسعه فناوری و کاربرد هوش مصنوعی تاکید کرد شتاب ایران در حوزه فناوری‌های نو باید چند برابر شود و کشور ظرف سه سال به جایگاه نخست منطقه برسد؛ در حالی که او اذعان داشت ایران در کاربردی‌سازی این فناوری‌ها از برنامه عقب است.

برنامه تقسیم کار ملی هوش‌مصنوعی ابلاغ شد؛ از سیاست‌گذاری به اجرا بودجه و اعتماد بخش خصوصی همچنان حلقه مفقوده

 «برنامه تقسیم کار ملی هوش مصنوعی» توسط هیات وزیران ابلاغ شد. این برنامه نقشه‌ای برای پیاده‌سازی سند ستاد توسعه فناوری و کاربرد هوش مصنوعی است. این برنامه با تعیین وظایف مشخص برای دستگاه‌های اجرایی، بخش خصوصی و نهادهای عمومی تلاش می‌کند، مسیر توسعه هوش‌مصنوعی را از سطح اسناد بالادستی به اقدامات اجرایی و زمان‌بندی‌شده منتقل کند.

اوپن‌ای‌آی کنترل صاحبان محتوا بر مولد ویدیو «سورا» را افزایش می‌دهد

شرکت اوپن‌ای‌آی، خالق چت‌جی‌پی‌تی، می‌گوید به‌زودی قابلیت‌هایی را برای صاحبان حقوق آثار و شخصیت‌ها فراهم می‌کند تا بتوانند نحوه استفاده از شخصیت‌هایشان در ابزار تولید ویدیو با هوش مصنوعی «سورا» (Sora) را با دقت بیشتری مشخص کنند. این شرکت همچنین برنامه دارد با دارندگان مجوزهایی که اجازه استفاده از محتوایشان را می‌دهند، مدل اشتراک درآمدی را به اجرا بگذارد.

هوش مصنوعی در خدمت شرکت‌ها و سازمان‌ها: یک‌چهارم بیانیه‌های خبری با کمک AI نوشته می‌شوند

نتایج یک مطالعه جدید نشان می‌دهد که هوش مصنوعی اکنون به یکی از نیروهای اصلی پشت صحنه روابط عمومی شرکت‌ها و نهادهای دولتی تبدیل شده است. طبق پژوهشی که در مجله علمی Patterns منتشر شده است، از زمان عرضه عمومی ChatGPT در نوامبر ۲۰۲۲ تاکنون، حدود ۲۵ درصد از بیانیه‌های خبری منتشرشده در فضای وب توسط ابزارهای هوش مصنوعی تولید شده‌اند.

هواوی از فناوری متن‌باز SINQ برای کاهش مصرف حافظه مدل‌های زبانی بزرگ رونمایی کرد

آزمایشگاه سیستم‌های محاسباتی هواوی در شهر زوریخ از یک روش نوین و متن‌باز رونمایی کرده است که می‌تواند مصرف حافظه در مدل‌های زبانی بزرگ (LLMs) را تا حد قابل توجهی کاهش داده و در نتیجه هزینه سخت‌افزاری را کمتر کند. این روش که بدون افت محسوس در کیفیت خروجی مصرف حافظه را کاشه می‌دهد، اجرای مدل‌های عظیم هوش مصنوعی را بر روی سخت‌افزارهای بسیار ارزان‌تر ممکن می‌کند.