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.

📌 خطر اصلی هوش مصنوعی ، معدود شرکت های صاحب فناوری

یان لکان، محقق متا هوش مصنوعی، گفته است که خطر اصلی برای آینده ربات‌های قاتل نیستند، بلکه تعداد کمی از شرکت‌ها هستند که سیستم‌های هوش مصنوعی را کنترل می‌کنند و تقریباً تمام تعاملات دیجیتال ما را میانجیگری می‌کنند. او استدلال می‌کند که در آینده، دستیاران هوش مصنوعی، رژیم‌های اطلاعاتی ما را فیلتر کرده و نحوه‌ی دیدن جهان را شکل می‌دهند و اگر این سیستم‌ها اختصاصی و متمرکز باشند، چند شرکت می‌توانند نفوذ زیادی بر فرهنگ، دانش و ارزش‌ها داشته باشند.

لکان می‌گوید برای جلوگیری از این تمرکز قدرت، مدل‌های بنیادی متن‌باز و مسیرهای توسعه‌ی متنوع ضروری هستند، بنابراین بسیاری از گروه‌ها می‌توانند هوش مصنوعی را برای زبان‌ها، فرهنگ‌ها و دیدگاه‌های مختلف تنظیم کنند. نگرانی او ریشه در حفظ دموکراسی و تنوع فرهنگی دارد، نه ایجاد ترس در مورد خود هوش مصنوعی، و نشان می‌دهد که نهادی که هوش مصنوعی را کنترل می‌کند ممکن است مهم‌تر از توانایی خام این فناوری باشد.

آیا متن‌باز می‌تواند قدرت هوش مصنوعی را دموکراتیک‌تر نگه دارد؟


🌑 مغز آینده |  NextBrain

@NextBrain_ir

📌 موفقیت بزرگترین شرکت جهان با صبر

جنسن هوانگ با شانس برنده نشد. او با صبر برنده شد.

مدت‌ها پیش از آنکه هوش مصنوعی به مرکز توجه جهانی تبدیل شود، هوانگ بی‌سروصدا انویدیا را حول یک باور ساده بنا می‌کرد: قدرت محاسباتی بسیار بیشتر از آنچه مردم تصور می‌کردند اهمیت خواهد داشت. در حالی که رقبا به دنبال پیروزی‌های گرافیکی کوتاه‌مدت بودند، انویدیا به سرمایه‌گذاری روی تراشه‌هایی ادامه داد که می‌توانستند پردازش موازی عظیم و حجم کاری آینده را مدیریت کنند.

سال‌ها، این شرط‌بندی کند و پرهزینه به نظر می‌رسید. اما وقتی بالاخره من به موفقیت رسیدم، انویدیا از قبل در هسته انقلاب قرار گرفته بود. سخت‌افزار، نرم‌افزار و اکوسیستم قبل از اینکه بازار حتی بفهمد چه چیزی در راه است، آماده بودند.

این اعتقاد بلندمدت، انویدیا را به یکی از ارزشمندترین شرکت‌های جهان تبدیل کرد و شهرت جنسن هوانگ را به عنوان مدیرعاملی که دهه‌ها جلوتر عمل می‌کند، نه فصل‌ها، تثبیت کرد.


🌑 مغز آینده |  NextBrain

@NextBrain_ir

🏮 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

📌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

📌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

📌 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

🏮 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 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.

📌 مدیرعامل اوراکل : هوش مصنوعی با داده های خصوصی به اوج می‌رسد

داده های عمومی کافی نیستند

اوراکل قبلاً پایگاه‌های داده خود را اصلاح کرده است تا داده‌های شرکت‌های خصوصی بتوانند به مدل‌های هوش مصنوعی تغذیه شوند.

پایگاه‌های داده سازمانی در حال مهندسی مجدد هستند تا داده‌های عملیاتی خصوصی جهان برای آموزش در حوزه‌های مختلف تخصصی در اختیار LLMها قرار گیرد.

الیسون آموزش مدل و استنتاج را بزرگترین فرصت تجاری در تاریخ می‌داند - بزرگتر از اینترنت، بزرگتر از هر انقلاب صنعتی.

برای روشن شدن موضوع، او تأکید می‌کند که باهوش‌ترین افرادی که می‌شناسد نه تنها ثروت... بلکه ثروت خود را سرمایه‌گذاری می‌کنند.

این تغییری است که تقریباً هیچ کس در مورد آن صحبت نمی‌کند.

این تغییری است که تقریباً هیچ کس در مورد آن صحبت نمی‌کند. کل بحث «چه کسی داده‌ها را در اختیار دارد» یک انحراف است.

جذب دانش فنی شرکت‌ها، داستان اصلی است

🌑 آقای هوش مصنوعی

@MrArtificialintelligence