اندیشیدن تنها راه نجات

#هوش
Channel
Logo of the Telegram channel اندیشیدن تنها راه نجات
@AndishekonimPromote
5.31K
subscribers
22.7K
photos
21.1K
videos
8.79K
links
کانال اندیشه(گسترش علم و مبارزه با خرافات، ادیان، شبه علم) آیدی ادمین @Printrun @Salim_Evolution گروه تلگرامی عقاید محترم نیستند https://t.me/+afAiwBquqnIyZTli اینستاگرام https://www.instagram.com/p/Cpxu3rcjtzV/?igshid=YmMyMTA2M2Y= کتابخانه کانا
This media is not supported in your browser
VIEW IN TELEGRAM
دوتا GPT-4o رو گذاشتن باهم حرف بزنن!
همون اول پس آشنایی مختصر، مستقیماً شروع میکنن در مورد محاسبات کوانتومی باهم حرف زدنو تبادل نظر کردن!

#Gratomic_AI_Bot
#هوش #مصنوعی #گراتومیک



@AndisheKonim
This media is not supported in your browser
VIEW IN TELEGRAM
گفت‌وگو با #هوش #مصنوعی جی‌پی‌تی -۴او

این مدل می‌تواند خروجی‌ها را نیز به شکل متن، صوت و تصویر تولید کند.



@AndisheKonim
#هوش #مصنوعی یاد گرفته چطور انسان‌ها را #فریب دهد!

پژوهشگران هشدار می‌دهند که سیستم‌های هوش مصنوعی تاکنون یاد گرفته‌اند که چگونه انسان‌ها را فریب دهند.

محققان در مورد پتانسیل سیستم‌های هوش مصنوعی برای درگیر شدن در رفتارهای فریبنده هشدار می‌دهند و می‌گویند هوش مصنوعی می‌تواند پیامدهای اجتماعی جدی داشته باشد. آنها بر نیاز به اقدامات نظارتی قوی برای مدیریت موثر این خطرات تاکید می‌کنند.

بسیاری از سیستم‌های هوش مصنوعی حتی آنهایی که برای مفید بودن و راستگویی طراحی شده‌اند، یاد گرفته‌اند که چگونه انسان‌ها را فریب دهند.
پژوهشگران در مقاله‌ای که به تازگی در مجله Patterns منتشر شده است، خطرات فریب هوش مصنوعی را برجسته می‌کنند و از دولت‌ها می‌خواهند که به سرعت مقرراتی قوی برای کاهش این خطرات وضع کنند.

پیتر اس پارک فوق دکترای ایمنی وجودی هوش مصنوعی در موسسه فناوری ماساچوست(MIT) و نویسنده ارشد این مطالعه می‌گوید: توسعه دهندگان هوش مصنوعی درک مطمئنی از آنچه باعث رفتارهای نامطلوب هوش مصنوعی مانند فریب دادن می‌شود، ندارند. اما به طور کلی ما فکر می‌کنیم که فریب هوش مصنوعی به این دلیل به وجود می‌آید که...

خوانش بیشتر : 👉

این تحقیق در

Patterns

منتشر شده است.




@AndisheKonim
#هوش #مصنوعی #احساسات خواهد داشت.
از GPT-4o چه می‌دانیم؟


شرکت «اوپن‌ای‌آی»، یک ویدئو از گفت‌وگوی انسان با هوش مصنوعی GPT-4o منتشر کرده که در آن، این مدل هوش مصنوعی از رونمایی خود باخبر می‌شود! این هوش مصنوعی، بسیار سریع‌ است و در زمینه‌ی درک متن و محتوای تصویری و محتوای صوتی عملکرد چشمگیری از خود نشان می‌دهد و تعامل میان انسان و کامپیوتر را بسیار طبیعی‌ نشان می‌دهد.

حرف O مخفف omni می‌باشد، اولین مدل که هدفش تعامل طبیعی‌تر با انسان‌ها می‌باشد، میتواند هر ترکیبی از متن،صدا و تصویر را به عنوان ورودی بگیرد و هر ترکیبی را به عنوان خروجی تولید کند.
ورودی‌های صوتی را کمتر از ۲۳۲ میلی ثانیه پاسخ می‌دهد که مشابه مکالمه با یک انسان است.
درعملکرد متنی در زبان انگلیسی با GPT-4 Turbo برابری می‌کند و در زبان‌های غیر انگلیسی پیشرفت زیادی داشته است.

این اولین مدل این شرکت میباشد که میتواند همه روش‌های ورودی و خروجی را باهم ترکیب کند.
یعنی همزمان متن و صدا و تصویر و ویدیو را بفهمد و احساسات داشته باشد.

خاستگاه : 👉




@AndisheKonim
پنتاگون یک اف‌شانزده مجهز به #هوش #مصنوعی را ‌جهت تست قرار است برای یک فصل به دانشکده رزم هوایی تاپ گان نیروی هوایی آمریکا بفرستد تا طی درگیری های تمرینی با خلبانان در رزم هوایی داگ فایت شرکت کنند تا هوش مصنوعی با اف16 بدون خلبان کارایی خود را ثابت کند از طرفی خلبانان کار در کنار آن را بیاموزند.




@AndisheKonim
پیش بینی #ایلان #ماسک از
آینده‌ی
#هوش #مصنوعی :

هوش مصنوعی احتمالاً سال آینده از یک انسان باهوش‌تر خواهد شد. و تا سال ۲۰۲۹ نیز هوش مصنوعی احتمالاً از مجموع همه انسان‌ها باهوش‌تر می‌شود.




@AndisheKonim
وعده دختران‌ با سینه‌های
برجسته در
#قرآن !

طراحی توسط #هوش #مصنوعی




@AndisheKonim
دو #هوش #مصنوعی با
یکدیگر صحبت می
‌کنند.

انجام یک کار جدید صرفاً بر اساس دستورالعمل های شفاهی یا کتبی(بدون آموزش) و سپس "توصیف" آن برای دیگران به طوری که آنها بتوانند آن را بازتولید کنند، سنگ بنای ارتباطات انسانی است که پیاده کردنش برای هوش مصنوعی (AI) تا امروز نا‌ممکن بوده است.

اکنون تیمی از دانشگاه ژنو (UNIGE) موفق به مدلسازی یک شبکه عصبی مصنوعی با این "توانایی شناختی" شدند. این هوش مصنوعی پس از یادگیری و انجام یک سری وظایف اساسی، توانست توصیف زبانی آن ها را به یک هوش مصنوعی «خواهر» ارائه کند و او هم آن را بازتولید کرد. این نتایج امیدوارکننده در
Nature Neuroscienc
منتشر شده است.

انجام یک کار جدید بدون آموزش قبلی، تنها بر اساس دستورالعمل های شفاهی یا کتبی، یک توانایی منحصر به فرد انسان است. علاوه بر این، وقتی آن کار را یاد گرفتیم، می‌توانیم آن را توصیف کنیم تا شخص دیگری بتواند آن را بازتولید کند.  این ظرفیت دوگانه ما را از سایر گونه‌ها متمایز می‌کند که برای یادگیری یک کار جدید، نیاز به آزمایش‌های متعدد همراه با سیگنال‌های تقویتی مثبت یا منفی دارند، بدون اینکه بتوانند آن را به همنوعان خود ارتباط دهند.

زیرشاخه‌ای از هوش مصنوعی (AI) - پردازش زبان طبیعی - به دنبال بازآفرینی این قوه انسانی در ماشین‌هایی است که داده‌های صوتی یا متنی را درک می‌کنند و به آنها پاسخ می‌دهند. این تکنیک مبتنی بر شبکه‌های عصبی مصنوعی است که از نورون‌های بیولوژیکی ما و نحوه انتقال سیگنال‌های الکتریکی به یکدیگر در مغز الهام گرفته شده است.  با این حال، محاسبات عصبی که دستیابی به شاهکار شناختی توصیف شده در بالا را ممکن می‌سازد، هنوز به خوبی درک نشده‌اند.

در حال حاضر، عوامل مکالمه ای که از هوش مصنوعی استفاده می کنند، قادر به ادغام اطلاعات زبانی برای تولید متن یا تصویر هستند. اما تا آنجا که ما می دانیم، آنها هنوز قادر به ترجمه یک دستور شفاهی یا نوشتاری به یک عمل حسی-حرکتی نیستند و حتی کمتر آن را توضیح می دهند.

برای انسان نماهای آینده

این مدل افق های جدیدی را برای درک تعامل بین زبان و رفتار می گشاید. این امر به ویژه برای بخش رباتیک امیدوارکننده است، جایی که توسعه فناوری هایی که ماشین ها را قادر می سازد با یکدیگر صحبت کنند، یک مسئله کلیدی است.

این دو محقق نتیجه گرفتند: "شبکه ای که ما توسعه داده ایم بسیار کوچک است. بر این اساس، هیچ چیز مانع توسعه شبکه های بسیار پیچیده تری نیست که در روبات های انسان نما ادغام شوند که قادر به درک ما و همچنین درک یکدیگر باشند."

خاستگاه :

Nature Neuroscience

ترجمه‌ی : سام آریامنش




@AndisheKonim
انقلابی در علوم #اعصاب با همکاری #هوش #مصنوعی

سال گذشته شاهد پیشرفت‌های بزرگی در مدل‌هایlarge language model(LLM) مانند ChatGPT بودیم. توانایی این مدل‌ها برای تفسیر و تولید منابع متنی انسانی (و سایر داده‌های توالی) پیامدهایی برای افراد در بسیاری از زمینه‌های فعالیت انسانی دارد.

یک مقاله در ژورنال Neuron استدلال می‌کند که مانند بسیاری از متخصصان، دانشمندان علوم اعصاب می‌توانند از مشارکت با این ابزارهای قدرتمند سود ببرند یا خطر عقب ماندن را داشته باشند.

در مطالعات قبلی خود، نویسندگان نشان دادند که پیش‌شرط‌های مهمی برای توسعه LLM‌هایی که می‌توانند داده‌های علوم اعصاب مانند ChatGPT را تفسیر و تحلیل کنند، برآورده می‌شوند. این مدل‌های هوش مصنوعی می‌توانند برای انواع مختلف داده‌ها، از جمله تصویربرداری عصبی، ژنتیک، ژنومیک تک سلولی و حتی گزارش‌های بالینی دست‌نویس ساخته شوند.

در مدل سنتی تحقیق، یک دانشمند داده‌های قبلی را در مورد یک موضوع مطالعه می‌کند، فرضیه‌های جدیدی ایجاد می‌کند و آنها را آزمایش می‌کند. به دلیل حجم انبوه داده‌های موجود، دانشمندان اغلب بر حوزه‌ی محدودی از تحقیقات مانند تصویربرداری عصبی یا ژنتیک تمرکز می‌کنند. با این حال، LLM ها می توانند تحقیقات علوم اعصاب بیشتری را نسبت به یک انسان منفرد جذب کنند.

در مقاله نورون، محققان استدلال می‌کنند که روزی می‌توان از LLM‌های تخصصی در زمینه‌های مختلف علوم اعصاب و برقراری ارتباط با یکدیگر برای پل زدن با حوزه‌های مخفی تحقیقات علوم اعصاب استفاده کرد، و حقایقی را کشف کرد که یافتن آن‌ها توسط انسان به تنهایی غیرممکن است.

برای مثال، در مورد کشف دارو، یک LLM متخصص در ژنتیک می‌تواند همراه با یک LLM تصویربرداری عصبی استفاده شود. عصب شناس این LLM ها را هدایت می کند و خروجی های آنها را تأیید می کند.

دانیلو بزدوک، نویسنده اصلی این احتمال را ذکر می‌کند که دانشمند، در موارد خاص، همیشه قادر به درک کامل مکانیسم پشت فرآیندهای بیولوژیکی کشف‌شده توسط این LLM‌ها نباشد.

او می‌گوید: ما باید پذیرای این واقعیت باشیم که برخی چیزها در مورد مغز ممکن است ناشناخته باشند، یا حداقل زمان زیادی طول بکشد تا درک شوند. با این حال، ما هنوز هم ممکن است بینش هایی را از پیشرفته ترین LLM ها ایجاد کنیم و پیشرفت بالینی داشته باشیم، حتی اگر به طور کامل روش رسیدن به نتیجه را درک نکنیم.

بزدوک می‌گوید برای درک پتانسیل کامل LLM در علوم اعصاب، دانشمندان به زیرساخت‌های بیشتری برای پردازش و ذخیره‌سازی داده‌ها نسبت به آنچه امروزه در بسیاری از سازمان‌های تحقیقاتی موجود است، نیاز دارند.

جایی که مطالعات به شدت بر هوش مصنوعی و LLM‌ها متکی هستند توسط مجلات پیشرو منتشر می‌شوند و توسط آژانس‌های دولتی تامین مالی می‌شوند.

در حالی که مدل سنتی تحقیقات مبتنی بر فرضیه‌ها کلیدی است و از بین نمی‌رود، بزدوک می‌گوید استفاده از فناوری‌های نوظهور LLM ممکن است برای تحریک نسل بعدی درمان‌های عصبی در مواردی که مدل قدیمی کمتر ثمربخش بوده است، مهم باشد.

توانایی ما برای تولید داده های زیست مولکولی توانایی ما برای به دست آوردن درک از این سیستم ها را تحت الشعاع قرار می دهد. LLM ها پاسخی برای این مشکل ارائه می دهند و ممکن است بتوانند دانش را در سراسر حوزه های علوم اعصاب استخراج، هم افزایی و ترکیب کنند، وظیفه ای که ممکن است از درک انسان فراتر رود.

ترجمه‌ی : یاس

https://neurosciencenews.com/llm-ai-neuroscience-25591/




@AndisheKonim
Media is too big
VIEW IN TELEGRAM
این تکنولوژی تا ده سال آینده زندگی مردم جهان را متحول می‌کند.
زبان کلیپ انگلیسی با زیرنویس پارسی

اگر بیست سال پیش به یک فرد معمولی می گفتید که تا چند سال آینده کامپیوترها در جیب جا می‌شوند و مردم سراسر دنیا به هم دسترسی آنی دارند ،‌ به سختی می‌توانست باور کند. اما اگر الان به شما بگویند که تا ده سال آینده ابر کامپیوترهای کوانتومی با قدرت پردازش چند صد میلیون برابری نسبت به کامپیوترهای امروزه در دسترس عموم قرار می‌گیرد ، آیا باور خواهید کرد؟ آیا می‌توانید تصور کنید چه تحول عظیمی در تمام زمینه های زندگی مردم از داروسازی گرفته تا #هوش #مصنوعی و مخابرات ایجاد خواهد شد؟

این ویدیوی کوتاه پرده از راز #قدرت #کامپیوتر_های #کوانتومی بر می‌دارد و درک خوبی از قدرت عظیم محاسبات کوانتومی به شما می‌دهد.




@AndisheKonim
#هوش تعریف یکتایی ندارد، همجنین دینداری هم تعریف یگانه‌ای ندارد. اما هزاران تحقیق از ۱۹۰۰ تا امروز، که هر کدام تعاریف متفاوتی از هوش و دینداری داشته اند یک نتیجه را گرفته اند؛  دینداری شدیدتر برابر است با هوش کمتر+ تفکرش شهودی بیشتر+  تفکر تحلیلی کمتر.

اینکه شما از این چه نتیجه میگیرید به خودتان‌ مربوط است. اما به صرف اینکه تعاریف اینها متفاوت هستند نمیتوانید بگویید پس آن هزاران تحقیق اشتباه و نادرستند، بلکه اگر‌ میخواهید اشتباه این ادعا _ دینداری هرچه بیشتر = هوش کمتر، تفکر شهودی بیشتر ، تفکر تحلیلی کمتر _که نتیجه قریب به اتفاق تحقیقات بوده است را مشخص کنید، باید تک تک تعاریف این تحقیقات را نقد و رد کنید، نه به صرف اینکه از هوش تعاریف متفاوتی داریم آن ها را نادرست بدانید‌.

یعنی نمیتوان گفت چون تعاریف متفاوتی از حیات یا آگاهی وجود دارد پس این دو وجود ندارند یا تحقیقات مربوطه‌شان اشتباه هستند . بلکه یا باید برهانی با استدلالهایی را برای رد وجود این ها مستقیما نوشت، یا اینکه حداقل استدلالهای مدعی وجود این دو را نقد کرد که البته این آخری به معنای رد وجود این دو نیست بلکه صرفا رد استدلالهای وجود این دو خواهد بود.


نمیتوانید بگویید چون تعاریف هوش و دینداری متفاوت است پس نتیجه تحقیقات مربوط به رابطه این دو مخدوش هستند.این فرافکنی است. بلکه برای رد نتایج مشترک این تحقیقات، شما باید تعاریف خود این تحقیقات را هر کدام به صورت مجزا نقد و رد کنید و یکی یکی تحقیقات را مردود کنید.


مثال:
در سال ۲۰۱۳ متاآنالیز ۶۳ مطالعه نشان داد که بین هوش و دینداری ارتباط منفی معناداری وجود دارد.
متاآنالیز!
میخواهید اشتباه این ۶۳ تحقیق را مشخص کنید؟ نمیتوانید با گفتن این جمله که تعریف هوش و دینداری متفاوت است فرار کنید و مدعی نادرستی این تحقیقات شوید، بلکه باید یکی یکی تعاریف این تحقیقات را نقد و رد کنید و استدلال کنید‌.

تایج متاآنالیز معتبرترین منبع شواهد در ادبیات پزشکی مبتنی بر شواهد در نظر گرفته می‌شوند.

تحقیقی دیگر : 👉



تحقیقات و مثالهای بالا به شدت میانگین هستند، هرگز به یک فرد دیندار نمیتوان گفت تو کم هوشی چون دینداری، اما میتوان گفت تو از تفکر شهودی بیشتر از تحلیلی استفاده میکنی، این را از دیندار بودنت میدانم، این یک حدس منطقی هست، و پرت و پلا نیست.

چرا؟ تصور کنید همین دیندار بعد از ۱ ماه بحث و مطالعه تغییر کند و بی دین شود، شکاک شود(چنانکه همه ما این مسیر را طی کرده ایم) پس باید نتیجه گرفت او کم هوش بود در طول یک ماه باهوش شد؟ نه

ولی این را میتوان گفت که او قبلا از تفکر شهودی بیشتر استفاده میکرد، امروز از تفکر تحلیلی بیشتر استفاده میکند‌.

به همین دلیل است که شخصا هوش را دقیقا آی کیو نمیدانم، و هوش را قوه تحلیلی فرد میدانم که مرتبا در حال تغییر است، یک فرد چطور یک‌ مسئله را تحلیل میکند؟ این مهم است.

همه‌ی تفکر تحلیلی و کلا این توانایی معلول ژنتیک نیست، همه این توانایی ارثی نیست، بلکه درصدی از آن‌ معلول محیط و آموزش است.
از این رو هرکسی همواره شانس این را دارد که تغییر کند و آن را بیشتر فعال کند یا گسترش دهد، آن را سریعتر و حرفه ای و دقیقتر و چند وجهی و چند بعدی کند. یکی از راه های تقویت تفکر تحلیلی مطالعه کتب خاصی است که به ما الفبای استدلال و چگونگی بحث کردن، و تشخیص و پرهیز کردن از انواع مغلطه و سوگیری را یاد میدهد. همینطور فلسفه علم و خود علم.

پس اگر شما دیندار هستید من نمیگویم کم هوش هستید، میگویم از تفکر شهودی بیشتر استفاده میکنید تا تفکر تحلیلی، میگویم درک ناشیانه ای از علم دارید و جهانبینی شما مزخرف است و خلاف واقع، ولی همواره شانس این را دارید که اصلاح شوید.




@AndisheKonim
کمک #هوش #مصنوعی به ارتباط بین #ذهن و #ماشین

هوش مصنوعی جدید «ذهن‌خوانی» افکار را مستقیماً از امواج مغزی – بدون ایمپلنت ترجمه می‌کند.


دانشمندان استرالیایی در دانشگاه فناوری سیدنی، فناوری DeWave رو توسعه دادن که می‌تواند امواج مغزی را به متن (ذهن خوانی)، بدون استفاده از ایمپلنت‌های پزشکی تبدیل کند. در گذشته این کار با کاشت ایمپلنت در مغز  انجام میشد.

این تکنولوژی غیرتهاجمی، از یه کلاه برای ثبت فعالیت‌های الکتریکی مغز استفاده می‌کند و می‌تواند به افرادی که به دلیل شرایطی مثل سکته یا فلج قادر به صحبت کردن نیستن، کمک کند.

محققان برای بهبود دقت این فناوری به حدود ۹۰ درصد و حل چالش‌هایی مثل تشخیص دقیق کلمات و فاصله بین آنها در تلاش می باشند . این تحقیق به عنوان یکی از نکات برجسته کنفرانس
NeurIPS
مطرح شده.

ترجمه‌ی : سحر موحد

خاستگاه ۱ : 👉

خاستگاه ۲ : 👉




@AndisheKonim
Media is too big
VIEW IN TELEGRAM
محاسباتِ نورومورفیک قسمتِ دوم، از مایک دیویس
Architecture All Access , Intel Technology
بیست و دوم نوامبر 2022
زبان کلیپ انگلیسی با زیرنویس پارسی

0:00 به محاسباتِ نورومورفیک خوش آمدید
0:30 چگونه تراشه‌ای را طراحی کنیم که مانندِ مغز رفتار می‌کند
1:29 مزایایِ تکنولوژیِ ساختِ نیمه هادی
2:18 اهداف در جعبه ابزارِ طراحیِ ما
2:36 ارتباطاتِ حداقلیِ آسنکرونِ توزیع‌شده
4:52 رسیدن به سطحِ کارایی و تراکمِ مغز
6:34 پیاده سازیِ یک تراشۀ کاملاً دیجیتال در یک فرآیندِ استاندارد
6:57 آسنکرون در مقابل سنکرون
7:54 عملکردِ حافظۀ هسته
8:13 پالس‌هایِ ضربه و جستجویِ داده‌ها در جدول
9:24 فرآیندِ یادگیری
9:45 قوانینِ آموزش، ورودی و شبکه
10:12 چالشِ معماری و برنامه نویسیِ امروز
10:45 انتشاراتِ اخیر برای مطالعه

ترجمه و زیرنویس از نادیه افشاری

#نورومورفیک #مغز #هوش_مصنوعی



@AndisheKonim
Media is too big
VIEW IN TELEGRAM
محاسباتِ نورومورفیک قسمتِ اول، از مایک دیویس
Architecture All Access , Intel Technology
زبان کلیپ انگلیسی با زیرنویس پارسی

0:00 به محاسباتِ نورومورفیک خوش آمدید
1:16 مقدمه‌ای از مایک دیویس
1:34 پیشگامانِ محاسباتِ مدرن
1:48 مغزی که با توانِ 50 میلی‌وات کار می‌کند
2:19 چشم‌اندازِ محاسباتِ نورومورفیک
2:31 شبکه‌هایِ عصبیِ بیولوژیکی
4:03 الگوهایِ اتصال
4:35 چگونه شبکه‌هایِ عصبی به بازدهیِ انرژی و تأخیرِ کم دست می‌یابند
6:20 شبکه‌هایِ بازدارندۀ نورون‌ها
7:42 معماریِ مرسوم
8:01 معماری نورومورفیک
9:51 پردازنده‌هایِ معمولی در مقابلِ تراشه‌هایِ نورومورفیک

ترجمه و زیرنویس از نادیه افشاری
هجدهم آذر 1402

#نورومورفیک #مغز #هوش_مصنوعی


@AndisheKonim
پیشبینی #هوش #مصنوعی
در مورد
#گیاهخواری


هوش مصنوعی پیش‌بینی کرده است که بیشتر مردم جهان تا سال ۲۰۷۵ گیاه‌خوار خواهند شد. این پیش‌بینی به دلیل تعداد رکوردشکن افراد نسل زد(Gen Z) و نسل هزاره(Millennials) است که گوشت را با گزینه‌های گیاهی جایگزین می‌کنند.

این چت‌بات گفت که اصطلاح «نیمه‌گیاه‌خواری» تا سال ۲۰۲۷ رایج‌تر خواهد شد زیرا مردم در سراسر جهان یک رژیم غذایی گیاهی‌تر را اتخاذ می‌کنند. نیمه‌گیاه‌خواری یک رژیم غذایی متمرکز بر غذاهای گیاهی است که مصرف گاه‌به‌گاه گوشت را به همراه دارد. ChatGPT پیش‌بینی می‌کند که اولین مناسبت «اقدام اقلیمی و روز گیاه‌خواری» در سال ۲۰۴۸ جشن گرفته می‌شود که به پشتیبانی افراد مشهوری مانند «لئوناردو دیکاپریو» و «ناتالی پورتمن» خواهد بود.

در هر حال، این برنامه تا سال ۲۰۵۷ که گیاه‌خواری به طور گسترده در بسیاری از نقاط جهان پذیرفته و عادی شود، گسترش نخواهد یافت.

چت‌بات معتقد است ورزشکارانی مانند «سرنا ویلیامز» و «لوئیس همیلتون» برای عادی‌سازی رژیم غذایی گیاه‌خواری در سال ۲۰۵۹ تلاش خواهند کرد.

علاوه بر این، ChatGPT گفت که هفته جهانی گیاه‌خورای در سال ۲۰۶۴ به یک رویداد بین‌المللی تبدیل خواهد شد.

بقیه جدول زمانی ChatGPT به شرح زیر است:

سال ۲۰۶۸؛ «مک‌دونالد» که اکنون به سمت انتقال سریع به یک منوی کاملا گیاهی متمایل شده است، برگر «مک‌وگان» را مجددا معرفی خواهد کرد!

سال ۲۰۷۰؛ بیشتر نسل‌ جوان‌ که با گیاه‌خواری به عنوان یک هنجار بزرگ شده‌اند، به‌ طور قابل ‌توجهی یک جهان عمدتا گیاه‌خوار را شکل خواهند داد.

سال ۲۰۷۳؛ جهان تقریبا به طور کامل گیاه‌خوار خواهد شد که دو سال پیش از منسوخ شدن پرورش حیوانات خواهد بود.

خاستگاه :

Dailymail



@AndisheKonim
Media is too big
VIEW IN TELEGRAM
تازه‌های #تکنولوژی

#هوش_مصنوعی #تصویر_ساز DALL E3 توسط مایکروسافت رونمایی شد.

مایکروسافت در وبلاگ رسمی خودش اعلام کرد که از این به بعد بینگ چت از هوش مصنوعی تبدیل متن به تصویر DALL E3 بهره میبره و این ورژن از DALL E نسبت به سایر نسخه های خودش عکس های به مراتب با کیفیت تری ایجاد می‌کند.



@AndisheKonim
#دارو_های #افزایش
#هوش دارند می‌آیند.


انسانها وقتی به بزرگسالی می رسند مقدار هوش شان یعنی IQ، ثابت می ماند. اما توانایی ذهنی یا توانایی هاب شناختی‌شان می تواند مدام افزایش یابد. توانایی شناختی در حقیقت همان قدرت یادگیری، برنامه ریزی، استدلال، تصمیم گیری و قدرتِ به یاد آوردن می باشد.

اگر IQ را هوش جامد و غیرقابل تغییر فرض کنیم توانایی تشخیص و هوش شناختی را می شود هوش مایع، تفسیر کرد.

کشف ژن هایی که به کارکرد مغز مربوط هستند با شناسایی ژن هایی « شبکه انیگما» شروع شد و ژن های دیگری که مستقیما بر روی مقدار آیکیو تاثیر می گذارند نیز کشف شده‌اند. اما رابطه مشخصی بین توانایی شناختی و ژن ها در دست نبود. به طور عمومی، دانشمندان، توانا بودن یک کودک از نظر هوش شناختی را به حساب موقعیت خانوادگی و نحوه تربیت کودک می گذاشتند. برای همین است که کودکان خانواده هایی که وضع اقتصادی بهتری دارند تحصیلات عالیه بیشتری هم دارند.

این اواخر ولی دانشمندان ژنتیک توانستند بخشی از زن‌ها را پیدا کنند. که در یک حالت منتظر یا خاموش در بدن انسان ها وجود دارند که اگر شرایط مهیا باشد فعال می شوند و به انسانها توانایی ذهنیو شناختی بیشتری می افزایند. در این زمینه دکتر Todd Lencz توانست یک منبع بزرگ از تنوع ژن را که از  107 هزار نفر جمع آوری شده بود مورد تجزیه و تحلیل قرار دهد. تیم تحقیقاتی از همه شرکت کنندگان در سنجش ژنتیک خواست که سطح تحصیلات عالی شان را بنویسند. محققین ضمن آنکه توانستند مجموعه‌ایی از ژن‌ها را کشف کنند که بر توانایی شناختی ما موثرند، برای اولین بار این واقعیت را ثبت کرد ند که افزایش توانایی شناختی بیشتر در آدمها از ترکیب مشترک تربیت و طبیعت می باشد. به عبارت دیگر، انسانهای زیادی هستند که به خاطر نداشتن امکانات و شرایط لازم، ژن های مربوط به تواناییهای شناختیشان و تشخیص و ذهن خلاق شان، شکوفا نمی شود.

بعد از کشف تاثیر ژن ها در افزایش هوشمندی، طبیعی است که قدم بعدی ساختن داروهایی است که ژنهای خفته و یا سرکوب شده را فعال می سازد و اگر شرایط مساعد باشد به آدمها قدرت تشخیص و توانایی شناختی بیشتری عطا می کند.

خاستگاه :

Sciencemag
https://goo.gl/QgRK6Z



@AndisheKonim
Forwarded from اندیشیدن تنها راه نجات (𝐍𝐑𝐖)
This media is not supported in your browser
VIEW IN TELEGRAM
#خرد_جمعی چیست؟
زبان کلیپ پارسی

آزمایشی بسیار جالب
#خرد یا #هوش #جمعی



@AndisheKonim
آیا #هوش #مصنوعی به ما کمک می کند با #حیوانات #صحبت کنیم؟

دانشمندان از یادگیری ماشین برای توسعه برنامه‌ای استفاده می‌کنن که می‌تونه اشکال مختلف ارتباط حیوانات رو با تجزیه و تحلیل مجموعه داده‌های بزرگ رمزگشایی کنه.

پروژه گونه‌های زمین (ESP) که برای یه سازمان غیرانتفاعیه، با هدف تسریع در زمینه اخلاق شناسی و رفاه حیوانات از طریق این ابزاره. رمزگشایی ارتباطات حیوانات شامل ضبط صداها یا مشاهده سیگنال‌هاییه که حیوانات برای برقراری ارتباط از اون‌ها استفاده می‌کنن، مثل رقص زنبورهای عسل.

زیست شناسان اغلب صداهای ضبط شده رو با مشاهدات رفتاری جفت می‌کنن تا سیگنال‌های حیوانات رو درک کنن. ESP از یادگیری ماشین برای تجزیه و تحلیل داده‌های بیولوژیگرها، دستگاه‌هایی که داده‌های مختلف از حیوانات رو ضبط می‌کنن، استفاده می‌کنه.

هدف این سازمان ایجاد ابزاریه که به زیست شناسان کمک می‌کنه سیگنال های حیوانات رو در موقعیت‌های خاص تشخیص بدن، یه چیزی شبیه ChatGPT برای حیوانات.  اساسا یه الگوریتمه که می‌تونه بر اساس رفتار یه حیوان، سیگنال ارتباطی بعدی رو به دقت پیش بینی کنه.

اگرچه برای این کار چالش‌هایی هم وجود داره، اما پیشرفت‌ها در نرم‌افزار تشخیص گفتار، اطمینان از پتانسیل رمزگشایی ارتباطات حیوانات رو بیشتر کرده. این پروژه دارای پتانسیل قابل توجهی برای حفاظت و تعامل انسان و حیات وحش، کمک به درک ساختارهای اجتماعی، تفاوت های فرهنگی و بهبود تلاش های حفاظتیه.

با این حال، ملاحظات اخلاقی باید برای جلوگیری از سوء استفاده از این دانش مورد توجه قرار بگیره. هدف نهایی هم، تقویت همدلی، ترویج حفاظت و تغییر رابطه انسان با طبیعت است.

خاستگاه :

https://www.discovermagazine.com/planet-earth/will-artificial-intelligence-help-us-talk-to-animals



@AndisheKonim
More