📌گفتگوی تحول دیجیتال

دکتر محمد حسن‌زاده
رئیس پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)




🚩مشاهده آرشیو کامل برنامه

https://nextbrain.ir/digital-transformation-talk/

#هوش_مصنوعی #تحول_دیجیتال
#گفتگوی_تحول_دیجیتال


🌑 مغز آینده |  NextBrain

@NextBrain_ir

نهادهایی مانند ایرانداک، فراتر از یک آرشیو ملی، در واقع متولی یکی از عمیق‌ترین لایه‌های حافظه شناختی یک کشور هستند. انباشت چند دهه پایان‌نامه و رساله، صرفاً مجموعه‌ای از متون دانشگاهی نیست، بلکه ردپای پرسش‌هایی است که یک جامعه در طول زمان از خود پرسیده، و راه‌حل‌هایی است که برای مسائل علمی، فناورانه و اجتماعی جست‌وجو کرده است. چنین مخزنی، اگر در سطح داده باقی بماند، بالقوه ارزشمند اما بالفعل کم‌اثر است.
هوش مصنوعی این امکان را فراهم می‌کند که این حافظه شناختی به یک نظام زنده تولید معنا تبدیل شود. مدل‌های پیشرفته تحلیل متن و استدلال ماشینی می‌توانند الگوهای پنهان در مسیر علم، نقاط انسداد معرفتی، همگرایی‌های میان‌رشته‌ای و شکاف‌های استراتژیک پژوهش را آشکار کنند. این سطح از بینش، نه‌تنها برای سیاست‌گذاری علم و فناوری حیاتی است، بلکه می‌تواند جهت‌دهنده سرمایه‌گذاری صنعتی و نوآوری فناورانه نیز باشد.
خلق ثروت در این چارچوب، نتیجه استخراج صرف اطلاعات نیست، بلکه حاصل ترجمه دانش انباشته به قابلیت تصمیم‌سازی است. ایرانداک می‌تواند با ایفای نقش یک زیرساخت هوشمند ملی، پلی میان دانش دانشگاهی و ارزش اقتصادی ایجاد کند. در نهایت، مزیت رقابتی کشورها نه در حجم داده، بلکه در توان تبدیل داده به خرد جمعی و اقدام مؤثر نهفته است؛ و هوش مصنوعی، ابزار تحقق این گذار تاریخی است.

🏮 چشم انداز AGI توسط مدیرعامل گوگل

چشم‌انداز بلندمدت هوش مصنوعی این شرکت، ساخت سیستم‌هایی شخصی، پیشگیرانه و عمیقاً مفید است که هوش مصنوعی را در محصولاتی مانند جستجو، فضای کاری و ابزارهای چندوجهی ادغام می‌کنند تا به افراد در برقراری ارتباط و خلق آثار به شیوه‌های طبیعی کمک کنند. او مسیر رسیدن به هوش مصنوعی عمومی (AGI) را نامشخص می‌داند و می‌گوید هیچ‌کس نمی‌تواند با اطمینان بگوید که مسیر امروز به هوش عمومی در سطح انسان دست خواهد یافت، در حالی که بر پیشرفت در زمینه‌هایی مانند زبان، استدلال و تعامل در دنیای واقعی نیز تأکید دارد.

رویکرد گوگل به هوش مصنوعی پیشرفته را در وهله اول ایجاد قابلیت‌های عملی، مانند ترجمه در زمان واقعی و درک چندوجهی، و ترکیب تیم‌ها (Brain و DeepMind) برای تسریع تحقیقات و در عین حال گسترش استعدادهای مهندسی می‌داند. او همچنین هشدار می‌دهد که هوش مصنوعی فعلی هنوز محدودیت‌هایی دارد و پیشرفت به سوی هوش مصنوعی عمومی واقعی نیازمند ایده‌ها و پیشرفت‌های جدید است، نه فقط پیشرفت‌های تدریجی، که منعکس‌کننده ترکیبی متعادل از خوش‌بینی و واقع‌گرایی در استراتژی گوگل است.


@MrArtificialintelligence

🏮 خطر واقعی هوش مصنوعی : تمرکز قدرت ، نه ربات های قاتل


https://nextbrain.ir/2026/01/01/the-dangers-of-artificial-intelligence/

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

وقتی صحبت از «خطرات هوش مصنوعی» می‌شود، ذهن بسیاری از ما فوراً به سمت سناریوهای علمی–تخیلی می‌رود: ربات‌های قاتل، ماشین‌هایی که از کنترل خارج می‌شوند، یا سامانه‌هایی که تصمیم می‌گیرند انسان را کنار بزنند. این تصاویر، هرچند جذاب و ترسناک، اما اغلب ما را از خطرات واقعی‌تر و نزدیک‌تر هوش مصنوعی منحرف می‌کنند.
خطر اصلی آینده‌ی هوش مصنوعی نه در شورش ماشین‌ها، بلکه در تمرکز بی‌سابقه‌ی قدرت در دست تعداد بسیار کمی از شرکت‌ها است؛ شرکت‌هایی که در حال ساخت و کنترل سیستم‌هایی هستند که به‌تدریج تقریباً تمام تعاملات دیجیتال ما را میانجی‌گری خواهند کرد.

🏮 سازنده تراشه هوش مصنوعی گوگل در Nvidia

انویدیا به تازگی مهندسی را که تراشه هوش مصنوعی گوگل را ساخته و بزرگترین رقیب آنها را ایجاد کرده بود، استخدام کرد.

با جاناتان راس، مردی که اولین واحد پردازش تنسور گوگل را در سال ۲۰۱۵ به عنوان یک پروژه جانبی ساخت، آشنا شوید. این پروژه در نهایت بیش از نیمی از زیرساخت‌های محاسباتی گوگل را تأمین کرد و به بزرگترین رقیب انویدیا در تراشه‌های هوش مصنوعی تبدیل شد.

اما این چیزی است که هیچ‌کس در مورد آن صحبت نمی‌کند. راس در سال ۲۰۱۶ گوگل را ترک کرد و Groq را تأسیس کرد تا یک معماری تراشه کاملاً متفاوت به نام LPU بسازد که به طور خاص برای استنتاج هوش مصنوعی طراحی شده است.

در حالی که پردازنده‌های گرافیکی انویدیا به حافظه پهنای باند خارجی متکی هستند که در سراسر جهان با کمبود شدید مواجه است، LPUهای Groq از SRAM روی تراشه استفاده می‌کنند و از گلوگاه‌هایی که کل صنعت تراشه را خفه می‌کند، جلوگیری می‌کنند.


🌑 آقای هوش مصنوعی

@MrArtificialintelligence

در زیست‌بوم فعلی نوآوری، ما با یک پارادوکس بنیادین روبرو هستیم: در حالی که مدل‌های هوش مصنوعی تشنه‌ی داده‌های باکیفیت برای نجات جان انسان‌ها و تحول در درمان هستند، بخش بزرگی از این دارایی‌های حیاتی در «سیلوهای اطلاعاتی» سازمان‌ها محبوس مانده‌اند.

حقیقت این است که در عصر هوش مصنوعی، پارادایم سنتی «مالکیت داده» باید جای خود را به « حاکمیت داده » بدهد. مانع اصلی این گذار، سه‌ضلعی پیچیده‌ی حریم خصوصی ، امنیت و انگیزه‌های اقتصادی است. اگرچه نگرانی سازمان‌ها از نشت اطلاعات بیماران مشروع است، اما این سکون و انجماد داده‌ای، بهای سنگینی دارد: کند شدن روند کشف داروهای جدید و تعویق در تحقق پزشکی شخصی‌سازی شده.

نوآوری در سلامت نباید قربانی «ترس از اشتراک‌گذاری» شود؛ بلکه باید با «اشتراک‌گذاری هوشمندانه» و بازتعریف مدل‌های همکاری، قدرت واقعی هوش مصنوعی را در خدمت بشریت آزاد کرد.

دکتر حمید سلطانیان زاده

عضو هیات علمی دانشگاه تهران

#برای_هوش_مصنوعی

📌 مصطفی سلیمان : اعطای حق حقوقی به سبک انسان به سیستم های هوش مصنوعی ایده ای خطرناک است
زیرا مرز بین ابزار و شخص را محو می‌کند و پاسخگویی و مسئولیت انسانی در قبال پیامدهای مضر را تضعیف می‌کند. او استدلال می‌کند که حقوق، موجوداتی را که دارای آگاهی و ادعاهای اخلاقی هستند، محافظت می‌کند و از آنجایی که هوش مصنوعی فعلی فاقد شعور یا عاملیت اخلاقی است، اختصاص حقوق به ماشین‌ها می‌تواند سرزنش را از انسان‌هایی که آنها را طراحی، مستقر و از آنها سود می‌برند، دور کند.

سلیمان می‌گوید این سردرگمی می‌تواند توسط شرکت‌ها و دولت‌ها مورد سوءاستفاده قرار گیرد تا توسعه‌دهندگان هوش مصنوعی را از مسئولیت محافظت کنند و در عین حال ماشین‌ها را بالاتر از افرادی که تحت تأثیر تصمیمات آنها قرار می‌گیرند، قرار دهند. موضع او نشان‌دهنده احتیاط گسترده‌تر در جامعه اخلاق فناوری است که چارچوب‌های حقوق بشر هرگز برای سیستم‌های الگوریتمی در نظر گرفته نشده‌اند و اعمال نادرست آنها می‌تواند حمایت‌ها را برای انسان‌های واقعی تضعیف کند.

آیا هوش مصنوعی باید هرگز حقوقی مانند انسان داشته باشد؟


🌑 مغز آینده |  NextBrain

@NextBrain_ir

📌گفتگوی تحول دیجیتال

مهدی تقی زاده
مدیرعامل کیمیاگران انرژی
مدرس ، مشاور و مجری مدیریت بهره وری انرژی صنایع
پژوهشکده انرژی دانشگاه صنعتی شریف

🚩مشاهده آرشیو کامل برنامه

https://nextbrain.ir/digital-transformation-talk/

#هوش_مصنوعی #تحول_دیجیتال
#گفتگوی_تحول_دیجیتال


🌑 مغز آینده |  NextBrain

@NextBrain_ir

ناترازی انرژی را نمی‌توان صرفاً به‌عنوان یک عدم‌تعادل فنی میان عرضه و تقاضا تفسیر کرد؛ این پدیده بیش از آنکه ریشه در کمبود منابع داشته باشد، محصول ضعف در حکمرانی انرژی، فقدان عقلانیت سیستمی و غلبه تصمیم‌های کوتاه‌مدت بر نگاه راهبردی است. در چنین بستری، راهکارهایی که با نیت دلسوزانه اما بدون اتکای کافی به تحلیل‌های کارشناسانه ارائه می‌شوند، نه‌تنها مسئله را حل نمی‌کنند، بلکه با بازتولید ناکارآمدی، هزینه‌های پنهان و بلندمدت ایجاد می‌کنند.

تحول دیجیتال انرژی، امکان عبور از این چرخه معیوب را فراهم می‌سازد، مشروط بر آنکه به‌عنوان ابزاری برای شناخت، شفاف‌سازی و تصمیم‌سازی داده‌محور فهم شود، نه صرفاً مجموعه‌ای از فناوری‌ها. این تحول می‌تواند بنیان سیاست‌گذاری و مدیریت انرژی را از واکنش‌های مقطعی به مداخلات عقلانی و نظام‌مند ارتقا دهد.

با این حال، یکی از بزرگ‌ترین موانع سرمایه‌گذاری در حوزه مدیریت انرژی، ساختار قیمت و ارزان بودن نسبی انرژی در کشورهای دارای منابع غنی است. در چنین شرایطی، هدررفت انرژی از منظر اقتصادی ارزان‌تر از سرمایه‌گذاری برای بهره‌وری تلقی می‌شود. این مسئله زمانی تشدید می‌شود که انرژی در سبد تصمیم‌گیری بنگاه‌ها و سیاست‌گذاران، نه به‌عنوان یک دارایی راهبردی، بلکه صرفاً به‌مثابه یک کالای هزینه‌ای دیده می‌شود.

غلبه این نگاه هزینه‌محور، انگیزه سرمایه‌گذاری در مدیریت و بهره‌وری انرژی را تضعیف کرده و هم‌زمان ضرورت فرهنگ‌سازی، آموزش و ارتقای دانش را پررنگ‌تر می‌سازد. تغییر این پارادایم فکری، پیش‌شرط شکل‌گیری تصمیم‌های عقلانی و پایدار در مواجهه با ناترازی انرژی است

🏮 عبور از مدل به سیستم عامل هوش مصنوعی

در دو سال گذشته، تقریباً تمام گفت‌وگوهای عمومی درباره هوش مصنوعی حول یک محور می‌چرخید: مدل.
مدل بزرگ‌تر، داده بیشتر، پارامتر بیشتر، بنچمارک بالاتر.اما در یک ماه اخیر، نشانه‌ها کاملاً روشن شده‌اند:
واحد اصلی نوآوری در حال تغییر است.دیگر «مدل» مرکز ثقل نیست؛ بلکه سیستم است.
و دقیق‌تر: چیزی شبیه به یک سیستم‌عامل هوش مصنوعی (AI Operating System) .

مدل‌ها به سقف نزدیک شده‌اند، سیستم‌ها نه

https://nextbrain.ir/2026/02/04/ai-operating-system/
🌑 آقای هوش مصنوعی

@MrArtificialintelligence

📌گفتگوی تحول دیجیتال

گفت و گوی تخصصی با موضوع تحول دیجیتال با بیست شخصیت برجسته علمی و اجرایی کشور

🚩مشاهده آرشیو کامل برنامه

https://nextbrain.ir/digital-transformation-talk/

#هوش_مصنوعی #تحول_دیجیتال
#گفتگوی_تحول_دیجیتال


🌑 مغز آینده |  NextBrain

@NextBrain_ir

🏮 اقتصاد ضد تورم با هوش مصنوعی


در این سخنرانی، سم آلتمن، مدیرعامل @openai، @sama، استدلال می‌کند که هوش مصنوعی با کاهش چشمگیر هزینه‌های هوش و نیروی کار، اقتصاد جهانی را «به شدت ضد تورمی» خواهد کرد.

او پیش‌بینی می‌کند که تا اواخر سال ۲۰۲۶، کسی که فقط ۱۰۰ تا ۱۰۰۰ دلار دارد می‌تواند نرم‌افزاری بسازد که زمانی به یک تیم مهندسی کامل نیاز داشت.

تا سال ۲۰۲۷، هوش مصنوعی پیشرفته می‌تواند ۱۰۰ برابر ارزان‌تر از امروز باشد.

آلتمن این را باعث ایجاد فراوانی عظیم و دادن فرصت عادلانه به افراد بیشتر برای ایجاد شرکت‌ها یا پیشرفت علم می‌داند.

با این حال، او هشدار می‌دهد که بدون سیاست‌های مناسب، هوش مصنوعی می‌تواند ثروت و قدرت را متمرکز کند.

در جهانی که خلق کردن ارزان می‌شود، او معتقد است که توجه انسان منبع کمیاب اصلی خواهد بود و بازاریابی و ارتباط انسانی را ارزشمندتر از ساختن خود می‌کند.

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

📌 هوش مصنوعی ، بزرگ‌ترین آزمایش روانشناختی و اجتماعی تاریخ بشر

یووال نوح هراری، مورخ، هوش مصنوعی را بزرگترین آزمایش روانشناختی و اجتماعی در تاریخ بشر توصیف کرده و هشدار داده است که بشریت در حال استقرار سیستم‌هایی است که می‌توانند بر افکار، احساسات و رفتار در مقیاس بزرگ تأثیر بگذارند. هراری در مصاحبه‌ها و گفتگوها استدلال کرده است که قدرت هوش مصنوعی نه تنها در اتوماسیون، بلکه در توانایی آن در شکل‌دهی روایت‌ها، توجه و تصمیم‌گیری نهفته است.

نگرانی هراری بر سرعت و عدم آمادگی متمرکز است. جوامع، هوش مصنوعی را سریع‌تر از آنچه می‌توانند اثرات بلندمدت آن را بر اعتماد، هویت و دموکراسی مطالعه کنند، به کار می‌گیرند و عملاً آن را همزمان روی میلیاردها نفر آزمایش می‌کنند. او می‌گوید خطر، از دست دادن عاملیت قبل از درک عواقب آن است.

آیا ما برای این آزمایش آماده‌ایم؟


🌑 مغز آینده |  NextBrain

@NextBrain_ir

🏮 هوش مصنوعی در مقابل ذهن انسان

بدون شک هوش مصنوعی با سرعت دیوانه‌واری در حال تکامل است. اما وقتی دقیق‌تر نگاه کنید، هوش انسانی هنوز در سطح کاملاً متفاوتی عمل می‌کند.

#aivshuman #explore #fyp #ai #airevolution

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

مغز انسان با تقریباً 20 وات قدرت، تعامل عصبی را انجام می‌دهد. در عین حال، به سازگاری ادامه می‌دهد - خود را از طریق یادگیری، استراحت و تجربه زیسته تغییر شکل می‌دهد. این سطح از کارایی چیزی است که ماشین‌ها هنوز نمی‌توانند به آن دست یابند.

آنچه هوش زیستی را منحصر به فرد می‌کند، محاسبات خام نیست. بلکه ادغام است.

بینایی 👀، منطق 🧩، حافظه 🧠، احساسات ❤️ و حرکت 🚶، همه به عنوان یک سیستم واحد با هم کار می‌کنند - که توسط میلیاردها سال تکامل اصلاح شده است.

از سوی دیگر، هوش مصنوعی با استفاده از مدل‌های ریاضی لایه‌ای، شناخت را تقلید می‌کند. این سیستم برای انجام وظایفی که زیست‌شناسی به طور طبیعی انجام می‌دهد، به مجموعه داده‌های عظیم، محاسبات سنگین و مصرف انرژی زیاد متکی است.

شکاف واقعی مربوط به سرعت یا مقیاس نیست - بلکه مربوط به معماری است. سیستم‌های بیولوژیکی خود را التیام می‌بخشند، خود را بهینه‌سازی می‌کنند، در حوزه‌های مختلف تعمیم می‌دهند و به طور یکپارچه با دنیای فیزیکی تعامل دارند 🌍. هوش مصنوعی مدرن در مسائل محدود و به خوبی تعریف شده می‌درخشد، اما هنوز فاقد این هوش عمیق و جامع است.

این تضاد، پیشرفت هوش مصنوعی را کم‌اهمیت جلوه نمی‌دهد 🚀 - محدودیت‌های آن را روشن می‌کند. و درک این شکاف اگر می‌خواهیم به سمت پیشرفت در یادگیری ماشین، علوم اعصاب، رباتیک و در نهایت، هوش عمومی واقعی حرکت کنیم، بسیار مهم است.

🏮 چیستی‌ زبان و چگونگی اکتساب آن توسط انسان

نکته‌ی هینتون درباره‌ی چیستی زبان و چگونگی اکتساب آن توسط انسان‌ها است.

چامسکی و دیگر زبان‌شناسان نظریه‌ای دارند که توسط LLMها کاملاً به چالش کشیده شده است: اینکه یک دستور زبان جهانی و ذاتی وجود دارد که آموخته نمی‌شود (LLMها زبان را از ابتدا و با استخراج الگوها یاد می‌گیرند - هیچ چیز ذاتی نیست). هینتون این گزاره را بی‌معنی می‌داند (بدیهی است که زبان آموخته می‌شود).

چامسکی که حاضر به کنار گذاشتن نظریه‌اش نبود، در مارس 2023 مقاله‌ای مشترک در نیویورک تایمز منتشر کرد که در آن LLMها را با شناخت انسان مقایسه می‌کند و استدلال می‌کند که انسان‌ها دارای یک «دستور زبان جهانی» ذاتی و کارآمد هستند که امکان توضیحات خلاقانه از حداقل داده‌ها را فراهم می‌کند، در حالی که LLMها الگوهای brute-force را از مجموعه داده‌های عظیم بدون درک قوانین یا علیت ارائه می‌دهند.

چامسکی بعداً در پاسخ‌ها از این موضوع دفاع کرد و موفقیت‌های LLM را سطحی و بی‌ربط به زبان‌شناسی دانست.

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

🚩 پیش بینی حذف ۸۰ درصد برنامه های کاربردی

کسی که ClawdBot را ساخته، پیش‌بینی جسورانه‌ای در مورد مسیر نرم‌افزارها ارائه داده است.

او فکر می‌کند که اکثر برنامه‌هایی که امروزه استفاده می‌کنیم، زمانی که هوش مصنوعی به اندازه کافی خوب شود که بتواند وظایف خود را به تنهایی انجام دهد، ناپدید خواهند شد.

ایده اصلی او این است که دیگر برای همه چیز به برنامه‌های جداگانه نیاز نخواهیم داشت.

به جای اینکه برنامه بانکی خود را برای بررسی موجودی یا برنامه تحویل غذا را برای سفارش شام باز کنید، فقط به یک عامل هوش مصنوعی بگویید که چه چیزی نیاز دارید و او همه چیز را برای شما انجام می‌دهد.

عامل در سرویس‌های مختلف کار خواهد کرد بدون اینکه مجبور باشید بین برنامه‌ها جابجا شوید.

این مانند یک تغییر بزرگ از نحوه استفاده ما از فناوری در حال حاضر به نظر می‌رسد.

در حال حاضر همه چیز در برنامه کوچک خود با رابط کاربری خاص خود زندگی می‌کند.

اما اگر عامل‌ها واقعاً بتوانند آنچه را که او توصیف می‌کند انجام دهند، بسیاری از آن برنامه‌ها ممکن است دیگر هدف زیادی نداشته باشند.


🌑 آقای هوش مصنوعی

@MrArtificialintelligence