آقای هوش مصنوعی

🚀 دوره تخصصی «مدیریت محصول هوش مصنوعی در سلامت»

🏛 برگزارکننده: دانشگاه علوم پزشکی تهران
⏳ مدت دوره: ۴۰ ساعت
📍 شیوه برگزاری: آنلاین و حضوری
📅 شروع دوره: ۲۰ خرداد ۱۴۰۵
🕑 زمان برگزاری: چهارشنبه‌ها ساعت ۱۴ الی ۱۸
📌 محل برگزاری حضوری:
دانشگاه علوم پزشکی تهران، دانشکده فناوری‌های نوین پزشکی
🎓 همراه با گواهینامه معتبر پایان دوره آموزشی

🎯 این دوره مناسب چه کسانی است؟
✔️ مدیران و کارشناسان سلامت دیجیتال
✔️ علاقه‌مندان Product Management
✔️ پزشکان و متخصصان حوزه فناوری سلامت
✔️ فعالان استارتاپ‌های سلامت
✔️ تحلیلگران داده و علاقه‌مندان هوش مصنوعی

🌐 لینک ثبت نام

📞 پشتیبانی شبکه اجتماعی:
۰۹۳۸۰۸۹۸۸۲۸

🤖 کانال آقای هوش مصنوعی

🆔 @MrArtificialintelligence

🚨 هشدار یان لکون درباره آینده Agentic AI

یان لکون، برنده جایزه تورینگ و یکی از چهره‌های مطرح دنیای هوش مصنوعی، هشدار داده که تمرکز فعلی صنعت روی Agentic AI مبتنی بر مدل‌های زبانی می‌تواند «نسخه‌ای برای فاجعه» باشد.

او معتقد است مدل‌های زبانی بزرگ (LLM) درک واقعی از جهان فیزیکی ندارند و فقط بر اساس پیش‌بینی متن عمل می‌کنند؛ به همین دلیل نمی‌توانند پیامدهای واقعی تصمیمات خود را به‌درستی پیش‌بینی کنند.

به گفته لکون:
🔹 مدل‌های فعلی فاقد «World Model» واقعی هستند
🔹 درک ضعیفی از علت و معلول دارند
🔹 برای تعامل با دنیای واقعی هنوز شکننده و مستعد خطا هستند

لکون تأکید می‌کند آینده هوش مصنوعی باید از «پیش‌بینی کلمه بعدی» عبور کند و به سمت یادگیری از داده‌های واقعی مثل ویدئو و تعامل با جهان حرکت کند.

❓ آیا یک ماشین بدون درک علت و معلول واقعاً می‌تواند برنامه‌ریزی کند؟

📡 کانال آقای هوش مصنوعی
🆔 @MrArtificialintelligence

#هوش_مصنوعی #AI #AgenticAI #LLM #YannLeCun

🏮 نقشه راه هوش مصنوعی گارتنر

هفت بُعد حیاتی برای ساخت سازمان هوشمند از نگاه Gartner 2025
هوش مصنوعی یک ابزار ساده نرم‌افزاری نیست ؛ هوش مصنوعی، یک لایه شناختی برای سازمان است لایه‌ای که می‌تواند ببیند، تحلیل کند، یاد بگیرد، پیش‌بینی کند و حتی تصمیم‌سازی انجام دهد.به همین دلیل، سازمان‌هایی که بدون نقشه راه وارد این حوزه می‌شوند، معمولاً پس از چند پروژه نمایشی و چند داشبورد جذاب، با هزینه‌های سنگین، فرسودگی تیم‌ها و بی‌اعتمادی مدیریتی مواجه می‌شوند.در مقابل، سازمان‌هایی موفق خواهند شد که هوش مصنوعی را نه به‌عنوان یک پروژه فناوری، بلکه به‌عنوان یک معماری تحول سازمانی ببینند.
نقشه راه هوش مصنوعی گارتنر یکی از عملیاتی‌ترین مدل‌ها برای طراحی بلوغ هوش مصنوعی در سازمان‌هاست. این مدل، مسیر حرکت سازمان را در هفت بُعد کلیدی تعریف می‌کند؛ ابعادی که اگر حتی یکی از آن‌ها نادیده گرفته شود، احتمال شکست پروژه‌های هوش مصنوعی به‌شدت افزایش پیدا می‌کند.
مشاهده یادداشت

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

📌 گزارش تحلیلی شاخص هوش مصنوعی 2026استنفورد
اگر بخواهید فقط با یک منبع، تصویر واقعی آینده هوش مصنوعی را ببینید، پاسخ روشن است: گزارش تحلیلی شاخص هوش مصنوعی 2026استنفورد .
این یادداشت تحلیلی نشان می‌دهد چه چیزی واقعاً در حال تغییر است، چرا اهمیت دارد، و چرا بسیاری هنوز آن را دست‌کم می‌گیرند. اگر بخواهید بفهمید هوش مصنوعی فقط «چه می‌کند» نه، بلکه «به کجا می‌رود»، اینجا نقطه شروع شماست.

🌑 مغز آینده | NextBrain

@NextBrain_ir

از فوریه ۲۰۲۶، چین جایگاه رهبری را در بخش ربات‌های انسان‌نما به دست آورده است و بر اساس میزان عرضه در سال ۲۰۲۵ و پیش‌بینی‌های اولیه ۲۰۲۶، تقریباً ۹۰٪ از سهم بازار جهانی را در اختیار دارد. شرکت‌هایی مانند Unitree Robotics، AgiBot، Galbot، Noetix و MagicLab در طول جشنواره بهاری ۲۰۲۶ پیشرفت‌های چشمگیری را به نمایش گذاشتند که شامل اجراهای هنرهای رزمی روان، پشتک وارو و رقص هماهنگ بود که چابکی، تعادل و هماهنگی برتر را برجسته می‌کرد - که بسیار فراتر از نمایش‌های قبلی بود.

نکات کلیدی عبارتند از:
Unitree قصد دارد تا ۲۰،۰۰۰ واحد در سال ۲۰۲۶ (از حدود ۵۵۰۰ واحد در سال ۲۰۲۵) عرضه کند که از مجموع تولیدات ایالات متحده از تسلا، Figure AI و دیگران پیشی می‌گیرد.

مورگان استنلی پیش‌بینی می‌کند که فروش ربات‌های انسان‌نمای چینی امسال دو برابر شده و به حدود ۲۸،۰۰۰ واحد برسد. بیش از ۱۴۰ تولیدکننده و بیش از ۳۳۰ مدل تا سال ۲۰۲۵ در چین راه‌اندازی خواهند شد که توسط زنجیره‌های تأمین قوی، سیاست‌های دولتی و سرمایه‌گذاری‌های عظیم پشتیبانی می‌شوند.

در حالی که ایالات متحده در نرم‌افزارهای پیشرفته هوش مصنوعی، هوش تجسمی و نوآوری‌های پیشرفته (مانند تسلا اوپتیموس و بوستون داینامیکس اطلس) برتری خود را حفظ می‌کند، چین در تولید انبوه، بهره‌وری هزینه (قیمت‌هایی نزدیک به سطح گوشی‌های هوشمند) و تجاری‌سازی سریع برتری دارد. این منعکس‌کننده استراتژی‌هایی است که در خودروهای برقی و رباتیک صنعتی دیده می‌شود، جایی که تسلط بر مقیاس و اکوسیستم، رهبری بلندمدت را هدایت کرده است.

این مسیر نشان می‌دهد که چین بخش قابل توجهی از بازار پیش‌بینی‌شده چند تریلیون دلاری ربات‌های انسان‌نما را در دهه‌های آینده به دست خواهد گرفت. این امر چگونه رقابت جهانی فناوری را تغییر خواهد داد؟

منابع: رویترز، سی‌ان‌ان، ساوت چاینا مورنینگ پست، اومدیا، مورگان استنلی، بقیه جهان.

#ربات‌های_انسان‌نما

🏮 چین با 90 درصد سهم بازار ربات انسان نما جایگاه نخست جهانی

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

هرگونه بحثی در مورد به اصطلاح «حباب هوش مصنوعی» باید حداقل نکات زیر را در نظر بگیرد:

1. دمیس هاسابیس (DeepMind/Google) و یان لکان (Meta سابق، که اکنون AMI Labs است) موافقند که LLM ها مشکلات قابلیت اطمینان دارند. اکثر برنامه‌های سازمانی/شرکتی به سیستم‌های قابل اعتماد و کم توهم نیاز دارند.

2. آنها همچنین موافقند که LLM ها نمی‌توانند در سطح انسان (یا حتی سطح حیوانات) استدلال و برنامه‌ریزی کنند و به پیشرفت‌های علمی جدیدی فراتر از مقیاس‌بندی محاسبات و داده‌ها نیاز است. این موضوع، هیاهوی عامل‌محوری کوتاه‌مدت را تعدیل می‌کند: ممکن است به زودی عامل‌های محدود مفیدی به دست آوریم، اما عامل‌های گسترده و قابل اعتماد می‌توانند زمان بیشتری طول بکشند و نیاز به تغییرات معماری داشته باشند. با این حال، برخی پیشرفت‌های عامل‌محوری از طریق تنظیم دقیق یادگیری تقویتی، لایه‌های استفاده از ابزار و زمینه‌سازی چندوجهی در حال وقوع است، بنابراین ممکن است قبل از تغییرات کامل پارادایم، با عامل‌های «به اندازه کافی خوب» کنار بیاییم.

3. حتی لکان می‌گوید که هوش کامل در سطح انسان (از جمله ناوبری دنیای فیزیکی) در کمتر از 20 سال قابل دستیابی است.

۴. هزینه‌های سرمایه‌ای هنگفتی به سمت پردازنده‌های گرافیکی، مراکز داده و زیرساخت‌های انرژی سرازیر می‌شود، با این امید که مدل‌های پیشرو به زودی درآمد انفجاری ایجاد کنند (از طریق ابزارهای سازمانی، کارگزارها، اتوماسیون). اگر پیشرفت‌ها - به دلیل محدودیت‌های فوق - به تأخیر بیفتند یا اگر پذیرش به دیوارهای قابلیت اطمینان برخورد کند، ممکن است شاهد یک جابه‌جایی باشیم. بازارها اغلب زمان‌بندی را اشتباه قیمت‌گذاری می‌کنند - و مجازات می‌کنند - نه جهت.

ممکن است که هوش مصنوعی در کوتاه‌مدت بیش از حد و در میان‌مدت و بلندمدت کمتر از حد انتظار مورد توجه قرار گیرد.

در عین حال، مزیت قابل استقرار می‌تواند کافی باشد. اگر کارگزارهای «به اندازه کافی خوب» بتوانند ۲۰٪ از هزینه‌های گردش کار یقه سفید را در مقیاس حذف کنند، همین امر به تنهایی تغییرات عظیم ارزش‌گذاری را توجیه می‌کند.

در هر صورت، سرمایه‌گذاران باید به خاطر داشته باشند که «بازار می‌تواند مدت طولانی‌تری از آنچه شما می‌توانید در آن دوام بیاورید، غیرمنطقی باقی بماند.»

(منابع ویدیو: دوارکش پاتل - داریو آمودی / CNBC - دمیس هاسابیس / دانشگاه پن، فوربس - یان لکان)

🏮 بحث پیرامون حباب هوش مصنوعی

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

📌 هوش مصنوعی پتانسیل جایگزینی کار فکری روتین دارد

هوش مصنوعی به سراغ ذهن شما نمی‌آید و اینگونه است که...

جفری هینتون، پدرخوانده هوش مصنوعی، توضیح می‌دهد که امواج قبلی فناوری اغلب مشاغل را تغییر می‌دادند نه اینکه آنها را از بین ببرند. وقتی دستگاه‌های خودپرداز معرفی شدند، کارمندان بانک به جای ناپدید شدن، به نقش‌های پیچیده‌تری روی آوردند.

اما او پیشنهاد می‌کند که هوش مصنوعی ممکن است متفاوت باشد. در حالی که انقلاب صنعتی جایگزین کار فیزیکی شد، هوش مصنوعی پتانسیل جایگزینی کار فکری روتین را دارد، به این معنی که افرادی که وظایف شناختی تکراری انجام می‌دهند، بیشتر در معرض خطر قرار می‌گیرند.

آیا فکر می‌کنید مشاغل با هوش مصنوعی جایگزین خواهند شد؟

منبع: جفری هینتون x

🌑 مغز آینده |  NextBrain

@NextBrain_ir

🏮با فینالیست چالش نوآوری رئیس جمهور ۲۰۲۵ آشنا شوید: وُکادیان

وُکادیان، که توسط یوجی (دانشگاه هاروارد) تأسیس شده است، با هوش مصنوعی صوتی پیش‌بینی‌کننده که خستگی و خطر را قبل از وقوع حادثه تشخیص می‌دهد، ایمنی محل کار را متحول می‌کند.

وُکادیان با شروع یک کار گفتاری سریع قبل از شیفت، به صنایع پرخطر کمک می‌کند تا عملکرد را پیش‌بینی کرده و از حوادث جلوگیری کنند - بدون نظارت مزاحم یا سخت‌افزار اضافی.

وُکادیان به اطمینان از اینکه هر کارگر هر روز با خیال راحت به خانه می‌رسد، کمک میکند

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

🏮 تدوین اسناد حرفه مرتبط با مهارت های اقتصاد رقومی حوزه بلاکچین و امنیت سایبری


نشست تخصصی
پژوهشگاه ارتباطات و فناوری اطلاعات

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

🏮مدیرعامل OpenAI : بزرگترین خطرات هوش مصنوعی در زیست شناسی است نه ربات های قاتل

سم آلتمن، مدیرعامل OpenAI، هشدار داده است که یکی از بزرگترین خطرات هوش مصنوعی، ربات‌های قاتل نیستند، بلکه زیست‌شناسی است. او در مصاحبه‌ها و گفتگوهای داخلی خود خاطرنشان می‌کند که مدل‌های هوش مصنوعی در وظایف بیولوژیکی مانند طراحی پروتئین و تحقیقات ژنتیکی بسیار توانمند می‌شوند، که اگر به دقت مدیریت نشوند، می‌توانند برای مهندسی عوامل مضر مورد سوءاستفاده قرار گیرند. نکته آلتمن، نگرانی‌های گسترده‌تر متخصصان را منعکس می‌کند مبنی بر اینکه پیشرفت‌های هوش مصنوعی در زیست‌شناسی می‌تواند خطرات غیرمنتظره‌ای را در صورت عدم رعایت اقدامات حفاظتی ایجاد کند.

این بدان معنا نیست که هوش مصنوعی نمی‌تواند یک ابزار قدرتمند پولساز باشد، اما نشان می‌دهد که چرا افرادی که فقط از حاشیه تماشا می‌کنند، در معرض خطر عقب ماندن قرار می‌گیرند. همان فناوری که ریسک بیولوژیکی را افزایش می‌دهد، می‌تواند به طور چشمگیری خروجی، خلاقیت و اتوماسیون را در تجارت، محتوا و جریان‌های درآمد آنلاین افزایش دهد.

🌑 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

🏮 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

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.