در سال‌های آینده، تجربه مشتری دیگر یک مزیت رقابتی نخواهد بود؛ بلکه شرط بقاست.
بیشتر سازمان‌ها هنوز تجربه مشتری را با سرعت پاسخ، اتوماسیون و داده تعریف می‌کنند. اما آینده متعلق به برندهایی است که یک قدم جلوتر می‌روند و یک سؤال عمیق‌تر می‌پرسند:
آیا ما مشتری را فقط «تحلیل» می‌کنیم یا واقعاً «می‌فهمیم»؟ هوش مصنوعی در حال عبور از اتوماسیون به شناخت است. این یعنی تجربه مشتری از سه جهت متحول می‌شود:
اول، حرکت از سفر مشتری به لحظه های سرنوشت ساز. لحظه‌هایی کوتاه اما سرنوشت‌ساز که احساس، اعتماد و تصمیم مشتری را شکل می‌دهند.
دوم، عبور از شخصی سازی به همدلی در مقیاس بزرگ.دانستن اینکه مشتری چه می‌خواهد کافی نیست؛فهمیدن اینکه چرا، کی و با چه احساسی می‌خواهد، مزیت آینده است.
سوم، تجربه مشتری بدون تجربه کارمند دیگر معنا ندارد CX آینده حاصل ضرب انسان، فرهنگ و هوش مصنوعی است.

🔴⭕️🟢➖ معاونت پژوهش و فناوری - مرکز فناوری های نوین و هوش مصنوعی دانشگاه خوارزمی باهمکاری گروه هوش مصنوعی در رسانه های دیجیتال و انجمن بینایی ماشین و پردازش تصویر برگزار می‌کنند:
🔷➖ رویداد هوش مصنوعی و داده‌های چندرسانه‌ای

✔️➖ سخنرانان:
🔷➖ دکتر فرح ترکمنی آذر عضو هیات علمی، دانشکده مهندسی برق، دانشگاه شهید بهشتی
✔️➖عنوان سخنرانی: فشرده سازی تصویر با یادگیری ماشین
🔷➖ دکتر علیرضا امین‌لو محقق، شرکت نوکیا، دپارتمان مالتی مدیا
✔️➖عنوان سخنرانی: فشرده سازی ویدئو و شبکه های عصبی
🔷➖ دکتر همایون افرابندپی عضو هیات علمی، دانشکده مهندسی و فناوری دانشگاه مازندران
✔️➖عنوان سخنرانی: قابلیت اعتماد در فشرده سازی مبتنی بر هوش مصنوعی
🔷➖ میزگرد تخصصی فرصت‌ها و چالش‌ها
📅➖زمان: چهارشنبه 10 دی ماه 1404
⏰➖ساعت: 15:00 الی 19:00
🏢➖ مکان برگزاری: تهران، دانشگاه خوارزمی، ساختمان میراثی، سالن هفده شهریور
✔️➖ لینک ثبت نام در رویداد: https://evand.com/events/ai-multimedia2025
┏━━━━💎💎💎
#دانشکده_فنی_و_مهندسی
#رسانه_مهندسی_آنلاین
‏https://eng.khu.ac.ir🌐
🆔 t.me/fani_onlin
🆔 ble.ir/fani_online
┗━━

در مایکروسافت، شعار One Microsoft فقط یک عبارت تبلیغاتی نیست؛ یک طرز فکر و یک فرهنگ سازمانی است. مفهومی که می‌گوید موفقیت پایدار در دنیای پیچیده امروز، نه از جزیره‌ای فکر کردن، بلکه از هم‌راستایی عمیق انسان‌ها، تیم‌ها و فناوری‌ها به‌دست می‌آید.
در چنین فرهنگی، موفقیت فردی بدون موفقیت جمعی معنا ندارد. یادگیری مداوم، شفافیت، اعتماد متقابل و احترام به تنوع فکری، ستون‌های اصلی One Microsoft هستند. این رویکرد به ما یادآوری می‌کند که نوآوری واقعی زمانی رخ می‌دهد که دانش، داده و تجربه آزادانه بین تیم‌ها جریان پیدا کند.One Microsoft، نه فقط یک شعار، بلکه نقشه راه فرهنگ سازمانی برای عصر هوش مصنوعی است.
محمد شکوهی یکتا
استاد علم داده دانشگاه استنفورد
مدیر ارشد اسبق مایکروسافت و اپل
معاون هوش مصنوعی گروه اسنپ
#برای_هوش_مصنوعی

🖋مسلم تقی‌زاده، مدرس و مشاور هوش مصنوعی و تحول دیجیتال در یادداشتی برای پیوست بر ضرورت مساله مالیات و حق امتیاز مدل‌های هوش مصنوعی پرداخت.

چرا به چارچوب «مالیات و حق امتیاز برای مدل‌های هوش مصنوعی» نیاز داریم؟

⬅️تقی‌زاده در این یادداشت می‌نویسد: یکی از جدی‌ترین بحث‌هایی که اکنون در سطوح حکمرانی جهانی مطرح شده، مساله مالیات و حق امتیاز مدل‌های هوش مصنوعی است. بحثی که کشورهایی مانند هند پیشگام آن بود و به‌زودی به یکی از حساس‌ترین گفتمان‌های اقتصاد دیجیتال بدل خواهد شد.

⬅️او در ادامه افزود: گسترش مدل‌های زبانی بر مبنای داده‌های عمومی و خصوصی، تاثیرات اقتصادی مستقیم بر شغل‌ها و صنایع خلاق و نیاز دولت‌ها به چارچوب‌های جدید حکمرانی و درآمدزایی در عصر هوش مصنوعی سه تحول بنیادینی است که این مساله را به خط مقدم سیاست‌گذاری جهانی آورده است.

⬅️تقی‌زاده در پایان می‌نویسد: آینده هوش مصنوعی نه در غیاب مقررات بلکه در وجود مقررات هوشمند، انعطاف‌پذیر و جهانی رقم خواهد خورد و طراحی یک نظام «حق امتیاز مسئولانه» گامی ضروری در این مسیر است.
🆔@Peivast
🔗متن کامل این یادداشت رو در پیوست بخوانید:
https://pvst.ir/n6f

📌 مدیرعامل OpenAI : گوگل هوش مصنوعی را به محصولات قدیمی متصل کرده

در این گفتگو، سم آلتمن، مدیرعامل @openai، @sama توضیح می‌دهد که OpenAl برای حفظ فوریت و سرعت، «کد قرمز» اعلام می‌کند.

او معتقد است که حفظ بدبینی حیاتی است تا شرکت بتواند به سرعت به رقبایی مانند Gemini واکنش نشان دهد.

این هشدارهای داخلی سالی یک یا دو بار اتفاق می‌افتد تا به شناسایی و رفع نقاط ضعف محصول کمک کند.

در حالی که گوگل رقیب قدرتمندی است، آلتمن استدلال می‌کند که آنها اغلب به جای ساخت محصولات جدید، Al را به محصولات قدیمی متصل می‌کنند.

او معتقد است که OpenAl با تمرکز بر طرح‌های Al-first و شخصی‌سازی کاربر برنده خواهد شد.

او همچنین مدل‌های پیشرفته کدنویسی آنها را به عنوان یک مزیت رقابتی اصلی برای نوآوری سریع برجسته می‌کند

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

📌 هوش مصنوعی عمومی یک اصطلاح نادرستی است

یان لکان استدلال می‌کند که «هوش عمومی» یک اصطلاح نادرست است زیرا حتی هوش انسانی نیز واقعاً عمومی نیست. انسان‌ها در تعاملات اجتماعی عالی هستند اما در شطرنج به کامپیوترها می‌بازند و نمی‌توانند به سرعت ماشین‌حساب‌ها محاسبه کنند. حیواناتی مانند گربه‌ها و سگ‌ها دارای هوش‌های تخصصی مختلفی با مجموعه مهارت‌های همپوشانی اما متمایز هستند. لکان معتقد است که تمام هوش‌ها، طبیعی یا مصنوعی، مختص حوزه‌های خاص هستند و از طریق تجربه به دست می‌آیند. او از اصطلاح هوش مصنوعی عمومی (AGI) خوشش نمی‌آید و «هوش در سطح انسان» را ترجیح می‌دهد زیرا انسان‌ها فقط در وظایف مرتبط با انسان خوب هستند، نه در همه حوزه‌های ممکن. در حالی که اذعان می‌کند ماشین‌ها در نهایت در تمام حوزه‌های انسانی از انسان‌ها پیشی خواهند گرفت، اصرار دارد که این هنوز هوش «عمومی» نیست.


🌑 مغز آینده |  NextBrain

@NextBrain_ir

سال‌هاست که ما مغز را نه فقط به‌عنوان یک اندام زیستی، بلکه به‌عنوان یک سیستم زنده در تعامل مداوم با محیط مطالعه می‌کنیم. مغزهای واقعی برای «بودن» طراحی نشده‌اند؛ آن‌ها برای عمل کردن در بدن و زندگی کردن در جهان تکامل یافته‌اند. ادراک، هوش، تصمیم‌گیری و حتی آگاهی، محصول مستقیم این درهم‌تنیدگی عمیق میان مغز، بدن و محیط هستند.

اگر مغز را از محیطش جدا کنیم، آنچه باقی می‌ماند تنها بخشی از ظرفیت بالقوه اوست. اما وقتی یک محیط – حتی یک محیط شبیه‌سازی‌شده – بتواند همان چرخه‌های بازخورد، محدودیت‌ها، عدم قطعیت و پیامدهای واقعی را بازتولید کند، اتفاق مهمی رخ می‌دهد: هوش شروع به ظهور می‌کند.

هوش صرفاً نتیجه محاسبه نیست؛ هوش نتیجه قرار گرفتن در موقعیت است. آگاهی و خودآگاهی نیز از همین مسیر زاده می‌شوند: از تجربه مداوم کنش و واکنش، از خطا، از پیش‌بینی و از اصلاح.

محمدرضا ابوالقاسمی دهاقانی
عضو هیات علمی دانشگاه تهران

#برای_هوش_مصنوعی

📌گفتگوی تحول دیجیتال

دکتر حمیدرضا احمدیان
رئیس امور هوش‌­مصنوعی و توسعه دولت هوشمند
سازمان اداری و استخدامی کشور



🚩مشاهده آرشیو کامل برنامه

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

#هوش_مصنوعی #تحول_دیجیتال
#گفتگوی_تحول_دیجیتال


🌑 مغز آینده |  NextBrain

@NextBrain_ir

تحول دیجیتال نه با خرید فناوری آغاز می‌شود و نه با راه‌اندازی پورتال و اپلیکیشن به پایان می‌رسد. تحول واقعی زمانی رخ می‌دهد که منطق تصمیم‌گیری تغییر کند، ساختار فرایندها بازطراحی شود و تجربه شهروند در مرکز حکمرانی قرار گیرد.
در بسیاری از سازمان‌ها و دولت‌ها، ما صرفاً همان فرایندهای ناکارآمد، پیچیده و مبتنی بر کنترل را به محیط آنلاین منتقل کرده‌ایم. نتیجه چیست؟
در بهترین حالت، سرعت ناکارآمدی افزایش یافته است؛ نه کیفیت تصمیم، نه اعتماد شهروند و نه اثربخشی حکمرانی.
دیجیتال، آینه‌ای است که ضعف‌های طراحی سازمانی را شفاف‌تر نشان می‌دهد. اگر منطق سیاست‌گذاری، مدل پاسخ‌گویی و شیوه ارزش‌آفرینی اصلاح نشود، فناوری فقط نقش «شتاب‌دهنده خطا» را بازی می‌کند.
تحول دیجیتال یعنی حرکت از «فرم‌محوری» به «مسئله‌محوری»، از «کنترل» به «توانمندسازی»، و از «سازمان‌محوری» به «تجربه‌محوری». این تحول بیش از آنکه پروژه IT باشد، یک تحول ذهنی، نهادی و رهبری است.رهبران آینده آن‌هایی هستند که پیش از دیجیتالی‌کردن ابزارها، تفکر خود را دیجیتال می‌کنند.

🏮 هوش مصنوعی مولد نمیتواند تجربه زیسته انسان را تکرار کند

جیمز کامرون @jamescameronofficial می‌گوید که هوش مصنوعی مولد هرگز نمی‌تواند تجربه زیسته منحصر به فرد یک فرد را تکرار کند.

او توضیح می‌دهد که چگونه هوش مصنوعی مانند یک مخلوط‌کن عمل می‌کند و تمام اجراها و فیلم‌های گذشته ساخته شده را با هم مخلوط می‌کند.

این فرآیند یک میانگین آماری ایجاد می‌کند که ناگزیر به متوسط ​​بودن منجر می‌شود.

کامرون معتقد است که هنر عالی به ماهیت غیرمنتظره و عجیب احساسات انسانی بستگی دارد.

از آنجا که هوش مصنوعی به داده‌های موجود متکی است، فاقد توانایی خلق لحظات اصیل و بدیعی است که مخاطبان در یک اجرا برای آن ارزش قائل هستند.

او هوش مصنوعی را ابزاری مفید برای کارهای فنی می‌داند، اما اصرار دارد که نمی‌تواند جایگزین روح یک هنرمند شود


🌑 آقای هوش مصنوعی

@MrArtificialintelligence

🏮 مسیر جدید پیشرفت هوش مصنوعی از زبان جفری هینتون

نکته‌ی جفری هینتون این است که پیشرفت هوش مصنوعی دیگر تنها به محاسبات محدود نمی‌شود، بلکه داده‌ها هستند که آن را محدود می‌کنند.
اینترنت آزادی که باعث پیشرفت‌های اولیه شد، تا حد زیادی مصرف شده است، در حالی که ارزشمندترین داده‌ها اکنون پشت دیوارهای شرکت‌ها قرار دارند. صرفاً مقیاس‌بندی بر اساس متن‌های کپی‌شده، جهش بعدی را به ارمغان نمی‌آورد.

مسیر پیشنهادی او برای پیشرفت، مدل‌هایی است که با تفکر یاد می‌گیرند، نه فقط خواندن. با تولید داده‌های آموزشی جدید از طریق استدلال، آزمایش و خودبازی، هوش مصنوعی می‌تواند فراتر از تقلید به سمت کشف حرکت کند.

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

📌 مسابقه جهانی هوش مصنوعی چین و امریکا

جنسن هوانگ، مدیرعامل انویدیا، به روشنی گفته است که رقابت هوش مصنوعی چین و آمریکا یک رقابت ساده‌ی رو در رو نیست و می‌گوید «چین عقب نیست» و این شکاف آنقدر نزدیک است که از نظر فناوری مانند «نانوثانیه» است. او اشاره می‌کند که نیمی از محققان هوش مصنوعی جهان در چین هستند و مزایای گسترده انرژی و زیرساخت‌های پکن (مانند برق ارزان و ساخت و ساز سریع) به این معنی است که این رقابت بلندمدت و پیچیده است و صرفاً توسط تراشه‌ها تعیین نمی‌شود.

هوانگ همچنین این ایده را که کنترل صادرات، رهبری ایالات متحده را تضمین می‌کند، رد می‌کند و استدلال می‌کند که محدودیت‌ها می‌توانند نوآوری چین را تحریک کنند و پیروزی مستلزم توسعه‌دهندگان برنده در سراسر جهان است، نه منزوی کردن بازارها. نکته‌ی ظریف او سه افسانه را از نو تعریف می‌کند: اینکه چین از نظر فناوری عقب مانده است، اینکه ممنوعیت‌های صادرات، رقابت‌پذیری را بهبود می‌بخشد و اینکه مسابقه هوش مصنوعی یک خط پایان مشخص دارد.

آیا همکاری جهانی می‌تواند نتیجه‌ی مسابقه هوش مصنوعی را شکل دهد؟

🌑 مغز آینده |  NextBrain

@NextBrain_ir

🏮 پیش بینی تحقق AGI تا سال 2027

این پیش‌بینی باعث شد آینده خیلی واقعی‌تر و خیلی ترسناک‌تر به نظر برسد.

رومن یامپولسکی یک جدول زمانی ارائه داد که واقعاً من را غافلگیر کرد: هوش مصنوعی عمومی تا سال ۲۰۲۷، سپس ۹۹٪ بیکاری تا سال ۲۰۳۲. نه ۱۰٪ مانند آنچه در رکودها دیده‌ایم. نود و نه درصد. این بدان معناست که تقریباً همه شغل خود را به هوش مصنوعی از دست می‌دهند.

با این حال، چیزی که من را تحت تأثیر قرار داد این است: او در مورد آینده‌ای دور از دنیای علمی تخیلی صحبت نمی‌کند. ما در مورد هوش مصنوعی عمومی ۳ سال بعد صحبت می‌کنیم، سپس ۵ سال دیگر تا زمانی که اکثر کارهای انسانی منسوخ شوند. فرزندان شما ممکن است در دنیایی فارغ‌التحصیل شوند که مشاغل سنتی اصلاً وجود ندارند.

این را تصور کنید: زمانی که دبیرستانی‌های امروزی به اواسط دهه بیست سالگی خود می‌رسند، تنها مشاغل باقی مانده ممکن است مشاغلی باشند که مردم به طور خاص می‌خواهند یک انسان آن را انجام دهد. همه چیز دیگر خودکار می‌شود

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

در سال‌های اخیر، مدل‌های زبانی بزرگ (LLMs) از چارچوب‌های صرفاً پردازش زبان فراتر رفته و به ابزارهایی عمومی برای «درک، استنتاج و تصمیم‌گیری» تبدیل شده‌اند. یکی از حوزه‌هایی که به‌طور بنیادین می‌تواند از این تحول بهره‌مند شود، شبکه‌های مخابراتی است.
در لایه سوییچ شبکه، جایی که تصمیم‌های حیاتی درباره مسیریابی، تخصیص منابع، ترافیک و تأخیر گرفته می‌شود، مدل‌های زبانی بزرگ می‌توانند نقش یک مغز تطبیق‌پذیر را ایفا کنند. این مدل‌ها قادرند الگوهای پیچیده‌ی ترافیکی، رفتار کاربران و وضعیت لحظه‌ای شبکه را به‌صورت یکپارچه درک کرده و از این درک برای بهینه‌سازی تصمیم‌ها استفاده کنند.
نکته کلیدی اینجاست که LLMها تنها «پیشنهاددهنده» نیستند؛ بلکه می‌توانند به سمت شبکه‌های خودتنظیم‌گر حرکت کنند. شبکه‌هایی که به‌صورت پیوسته پارامترهای خود؛ از جمله پهنای باند، سیاست‌های سوییچینگ، زمان‌بندی بسته‌ها و تحمل خطا،را بر اساس شرایط واقعی و پیش‌بینی آینده تنظیم میکنند

بابک حسین خلج
عضو هیات علمی دانشگاه صنعتی شریف
#برای_هوش_مصنوعی

📌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