🛠️ فراخوان همکاری در برگزاری رویداد های تخصصی و مسئله محور حوزه مکانیک و ساخت :
👥 اگه اهل کار تیمی، یادگیری واقعی و ساختی،اگه دلت میخواد از نزدیک توی راهاندازی یه حرکت علمی–عملی واقعی نقش داشته باشی،وقتشه وارد بازی بشی 🎯
📍 دنبال همتیمی میگردیم برای:
آموزش 📚 | اجرایی 🔧 |رسانه و فضای مجازی🎨 | آموزش و ارتباطات 🤝 | طراحی فنی
📲 فرم همکاری:
https://survey.porsline.ir/s/j8FN9Ouc
اگه سوال داشتی پیام بده 👉 @Yoltup1403
🌐 یولتاپ را در شبکههای اجتماعی زیر دنبال کنید.👇
بله | تلگرام | اینستاگرام
👥 اگه اهل کار تیمی، یادگیری واقعی و ساختی،اگه دلت میخواد از نزدیک توی راهاندازی یه حرکت علمی–عملی واقعی نقش داشته باشی،وقتشه وارد بازی بشی 🎯
📍 دنبال همتیمی میگردیم برای:
آموزش 📚 | اجرایی 🔧 |رسانه و فضای مجازی🎨 | آموزش و ارتباطات 🤝 | طراحی فنی
📲 فرم همکاری:
https://survey.porsline.ir/s/j8FN9Ouc
اگه سوال داشتی پیام بده 👉 @Yoltup1403
🌐 یولتاپ را در شبکههای اجتماعی زیر دنبال کنید.👇
بله | تلگرام | اینستاگرام
👏2👍1
Forwarded from بیوتک هاب
🔹 هدف: تولید مواد اولیهٔ پرکاربرد و راهبردی برای صنایع کشور
🧪 مواداولیه دارای اولویت:
پاراآمینوفنول، متفورمین، متیونین و ایبوپروفن
📅 مهلت ارسال پیشنهادها: از ۱ تا ۱۵ آبان ماه
📍 مجری: شرکت صنایع پتروشیمی خلیج فارس
☎️ برای اطلاعات بیشتر: ۸۳۵۳۰ (داخلی ۷۴۱۰)
💠 کانال رسمی بیوتک هاب 👇
@biotechub
🧪 مواداولیه دارای اولویت:
پاراآمینوفنول، متفورمین، متیونین و ایبوپروفن
📅 مهلت ارسال پیشنهادها: از ۱ تا ۱۵ آبان ماه
📍 مجری: شرکت صنایع پتروشیمی خلیج فارس
☎️ برای اطلاعات بیشتر: ۸۳۵۳۰ (داخلی ۷۴۱۰)
💠 کانال رسمی بیوتک هاب 👇
@biotechub
Forwarded from بیوتک هاب
آیا بیوتکنولوژی میدان نبرد بعدی آمریکا و چین است؟
قانون بیوسکیور (Biosecure) که توسط مجلس نمایندگان ایالاتمتحده تصویب شد، اقدام قابل توجهی در تشدید تلاش برای جدا کردن اکوسیستمهای بیوتکنولوژی آمریکایی و چینی است. این لایحه که با حمایت قوی دو حزبی تصویب شد، تأمین مالی فدرال را برای شرکتهای آمریکایی که با چندین شرکت بیوتکنولوژی چینی از جمله غولهای صنعتی Wuxi AppTec و BGI Genomics تجارت میکنند، ممنوع میکند.
این اقدام منعکسکننده نگرانیهای فزاینده واشنگتن در مورد جاهطلبیهای چین در علوم زیستی و خطرات بالقوه امنیت ملی ناشی از دسترسی پکن به دادههای حساس ژنتیکی و مراقبتهای بهداشتی است.
حامیان این قانون استدلال میکنند که آن برای حفاظت از منافع آمریکا و حفظ رهبری فناوری ضروری است. دولت ایالاتمتحده حفظ مزیت تکنولوژیکی خود را در اولویت قرار داده است، همانطور که اقدامات قانونی مشابه در سایر بخشهای فناوری پیشرفته از جمله نیمههادیها، هوش مصنوعی و انرژی پاک نیز نشان میدهد.
🖌 دفتر همکاری فناوری سفارت ایران در پکن
💠 کانال رسمی بیوتک هاب 👇
@biotechub
قانون بیوسکیور (Biosecure) که توسط مجلس نمایندگان ایالاتمتحده تصویب شد، اقدام قابل توجهی در تشدید تلاش برای جدا کردن اکوسیستمهای بیوتکنولوژی آمریکایی و چینی است. این لایحه که با حمایت قوی دو حزبی تصویب شد، تأمین مالی فدرال را برای شرکتهای آمریکایی که با چندین شرکت بیوتکنولوژی چینی از جمله غولهای صنعتی Wuxi AppTec و BGI Genomics تجارت میکنند، ممنوع میکند.
این اقدام منعکسکننده نگرانیهای فزاینده واشنگتن در مورد جاهطلبیهای چین در علوم زیستی و خطرات بالقوه امنیت ملی ناشی از دسترسی پکن به دادههای حساس ژنتیکی و مراقبتهای بهداشتی است.
حامیان این قانون استدلال میکنند که آن برای حفاظت از منافع آمریکا و حفظ رهبری فناوری ضروری است. دولت ایالاتمتحده حفظ مزیت تکنولوژیکی خود را در اولویت قرار داده است، همانطور که اقدامات قانونی مشابه در سایر بخشهای فناوری پیشرفته از جمله نیمههادیها، هوش مصنوعی و انرژی پاک نیز نشان میدهد.
🖌 دفتر همکاری فناوری سفارت ایران در پکن
💠 کانال رسمی بیوتک هاب 👇
@biotechub
🔥1
Forwarded from بیوتک هاب
🔴یادگیری عمیق در علوم زیستی و پزشکی؛ داده ها درمان میکنند!
BioMed DL
🧑🏫محمد صالح رفاهی
🔹پژوهشگر مقطع دکتری رشته زیست شناسی محاسباتی (Computational biology) در دانشگاه Drexel کشور آمریکا
🔹مهندس و پژوهشگر یادگیری ماشین شرکت خدمات انفورماتیک تهران
🔺خلاصه سرفصلها:
جلسه 1⃣ – مقدمه و مبانی یادگیری ماشین
جلسه 2⃣ – شبکههای عصبی: مفاهیم
جلسه 3⃣ – آموزش، انتشار معکوس و بهینهسازی
جلسه 4⃣– شبکههای عصبی کانولوشنی و بازگشتی
جلسه 5⃣ – شبکه های عصبی بازگشتی، مرور و جهت های آینده
❓ دیپ لرنینگ چیست؟
❓ چرا دیپ لرنینگ؟ چه کاربردی دارد؟
🎙 توضیحات تکمیلی توسط استاد
⏳زمان شروع جلسات: از شنبه ۱۰ آبان ماه
💻در ۱۰ ساعت به صورت مجازی در بستر اسکایروم
💢 همراه با اعطای سرتیفیکیت انگلیسی از انجمن زیست شناسی شبکه نخبگان ایران
❓سوالات متداول و تخفیفها
💠 رضایت از کلاسها
🌐 لینک ثبتنام
💠 کانال رسمی بیوتک هاب 👇
@biotechub
BioMed DL
🧑🏫محمد صالح رفاهی
🔹پژوهشگر مقطع دکتری رشته زیست شناسی محاسباتی (Computational biology) در دانشگاه Drexel کشور آمریکا
🔹مهندس و پژوهشگر یادگیری ماشین شرکت خدمات انفورماتیک تهران
🔺خلاصه سرفصلها:
جلسه 1⃣ – مقدمه و مبانی یادگیری ماشین
جلسه 2⃣ – شبکههای عصبی: مفاهیم
جلسه 3⃣ – آموزش، انتشار معکوس و بهینهسازی
جلسه 4⃣– شبکههای عصبی کانولوشنی و بازگشتی
جلسه 5⃣ – شبکه های عصبی بازگشتی، مرور و جهت های آینده
❓ دیپ لرنینگ چیست؟
❓ چرا دیپ لرنینگ؟ چه کاربردی دارد؟
🎙 توضیحات تکمیلی توسط استاد
⏳زمان شروع جلسات: از شنبه ۱۰ آبان ماه
💻در ۱۰ ساعت به صورت مجازی در بستر اسکایروم
💢 همراه با اعطای سرتیفیکیت انگلیسی از انجمن زیست شناسی شبکه نخبگان ایران
❓سوالات متداول و تخفیفها
💠 رضایت از کلاسها
🌐 لینک ثبتنام
💠 کانال رسمی بیوتک هاب 👇
@biotechub
یول تاپ (راهتو پیدا کن)
کتاب: چگونه پیشرفت به پایان میرسد؟
📌 *کتاب چگونه پیشرفت به پایان میرسد؟*
*نویسنده: کارل فری*
📌 *ایده اصلی کتاب:*
فری استدلال میکند که پیشرفت فناورانه پایدار تنها در کنار آزادی نهادی و عدم تمرکز ممکن است. نظامهای متمرکز میتوانند فناوریهای موجود را بهینه کنند، اما در خلق نوآوریهای ریشهای ناکاماند.
📌 *ریشههای تاریخی*
*چین*: قرنها پیشتاز فناوری بود، اما بوروکراسی متمرکز امپراتوری و قانونگرایی سختگیرانه، خلاقیت را خفه کرد. تمرکز قدرت، رقابت بین ایالات را از بین برد و انگیزه نوآوری نابود شد.
*اروپا*: فروپاشی روم به پراکندگی سیاسی و رقابت نهادی انجامید. شهرهای مستقل، دانشگاهها و اصناف، شبکههایی از نوآوری ایجاد کردند که به انقلاب علمی و صنعتی قرون ۱۸ و ۱۹ منجر شد.
📌 *عصر برنامهریزی (قرن بیستم)*
*آلمان*: با بوروکراسی پروس، آموزش، و همکاری دولت-صنعت-دانشگاه، به قدرت صنعتی تبدیل شد. مدل «انقلاب از بالا» موفق بود اما خطر تمرکز بیش از حد را داشت.
*ژاپن*: با زایباتسوها و هدایت دولتی، فناوریهای غربی را جذب و بهبود داد. اما سیستم بسته و تمرکز بر بهرهبرداری، در عصر نرمافزار آن را عقب انداخت.
*آمریکا*: فدرالیسم، نظام پتنت باز، و فرهنگ فردگرایی، محیطی برای مخترعان مستقل فراهم کرد. جنگ جهانی دوم برنامهریزی متمرکز آورد، اما پس از آن نهادهایی مثل ARPA نوآوری را احیا کردند.
*شوروی*: برنامهریزی فرماندهی به رشد اولیه انجامید، اما در غیاب آزادی فکری، نوآوری خفه شد و فناوری به ابزار کنترل بدل شد.
📌 *دهه ۱۹۷۰: نقطه عطف*
شوک نفتی و رکود تورمی، کارایی الگوی صنعتی را از بین برد. شوروی در پی تمرکز بیشتر رفت و فروپاشید، در حالی که غرب به بازارهای آزاد روی آورد. چین با اصلاحات دنگ شیائوپینگ و غیرمتمرکزسازی کنترلشده، رشد سریع را تجربه کرد.
📌 *انقلاب دیجیتال*
*آمریکا*: دره سیلیکون با فرهنگ غیرمتمرکز، تحرک نیروی کار، و سرمایهگذاری خطرپذیر، رنسانس اقتصادی آفرید. اینترنت و رایانه شخصی، برتری آمریکا را تثبیت کرد.
*ژاپن*: با وجود موفقیت در تولید، به دلیل ساختارهای سلسلهمراتبی و تمرکز بر سختافزار، در عصر نرمافزار عقب ماند.
*چین*: از طریق «چایمریکا» و زنجیرههای ارزش جهانی، به قدرت تولیدی تبدیل شد، اما نظارت دولتی و سرکوب بخش خصوصی، نوآوری را محدود کرد.
📌 *چالشهای امروز*
*چین*: نابرابری، فساد، و نظارت شدید، خلاقیت را سرکوب میکند. سیاستهای متمرکز شی جینپینگ، الگوی رکود تاریخی چین را تکرار میکند.
*آمریکا*: لابیگری شرکتهای بزرگ فناوری و ضعف قوانین ضدانحصار، مانع نوآوران جدید شده است. تمرکز شرکتی، همان خطری است که تمرکز دولتی دارد.
*اروپا*: حمایتگرایی و مقررات سختگیرانه (GDPR، قانون هوش مصنوعی)، نوآوری را خفه میکند.
📌 *نتیجهگیری: پارادوکس فناوری*
پیشرفت به تعادل میان اکتشاف غیرمتمرکز (آزادی نوآوری) و بهرهبرداری متمرکز (مقیاسپذیری) نیاز دارد. هوش مصنوعی با وجود پیشرفت، جایگزین خلاقیت انسانی نمیشود. منافع تثبیتشده—از بوروکراسیها تا شرکتهای غولپیکر—بزرگترین تهدید پیشرفتاند.
📌 *درس کلیدی*: نوآوری جایی شکوفا میشود که ایدهها آزادانه برخورد کنند و رقابت حفظ شود. تمرکز قدرت، چه دولتی چه شرکتی، نوآوری را میکشد. حفظ رقابت و تخریب خلاق شومپیتری، تنها راه تداوم پیشرفت است.
🌐 یولتاپ را در شبکههای اجتماعی زیر دنبال کنید.👇
بله | تلگرام | اینستاگرام
*نویسنده: کارل فری*
📌 *ایده اصلی کتاب:*
فری استدلال میکند که پیشرفت فناورانه پایدار تنها در کنار آزادی نهادی و عدم تمرکز ممکن است. نظامهای متمرکز میتوانند فناوریهای موجود را بهینه کنند، اما در خلق نوآوریهای ریشهای ناکاماند.
📌 *ریشههای تاریخی*
*چین*: قرنها پیشتاز فناوری بود، اما بوروکراسی متمرکز امپراتوری و قانونگرایی سختگیرانه، خلاقیت را خفه کرد. تمرکز قدرت، رقابت بین ایالات را از بین برد و انگیزه نوآوری نابود شد.
*اروپا*: فروپاشی روم به پراکندگی سیاسی و رقابت نهادی انجامید. شهرهای مستقل، دانشگاهها و اصناف، شبکههایی از نوآوری ایجاد کردند که به انقلاب علمی و صنعتی قرون ۱۸ و ۱۹ منجر شد.
📌 *عصر برنامهریزی (قرن بیستم)*
*آلمان*: با بوروکراسی پروس، آموزش، و همکاری دولت-صنعت-دانشگاه، به قدرت صنعتی تبدیل شد. مدل «انقلاب از بالا» موفق بود اما خطر تمرکز بیش از حد را داشت.
*ژاپن*: با زایباتسوها و هدایت دولتی، فناوریهای غربی را جذب و بهبود داد. اما سیستم بسته و تمرکز بر بهرهبرداری، در عصر نرمافزار آن را عقب انداخت.
*آمریکا*: فدرالیسم، نظام پتنت باز، و فرهنگ فردگرایی، محیطی برای مخترعان مستقل فراهم کرد. جنگ جهانی دوم برنامهریزی متمرکز آورد، اما پس از آن نهادهایی مثل ARPA نوآوری را احیا کردند.
*شوروی*: برنامهریزی فرماندهی به رشد اولیه انجامید، اما در غیاب آزادی فکری، نوآوری خفه شد و فناوری به ابزار کنترل بدل شد.
📌 *دهه ۱۹۷۰: نقطه عطف*
شوک نفتی و رکود تورمی، کارایی الگوی صنعتی را از بین برد. شوروی در پی تمرکز بیشتر رفت و فروپاشید، در حالی که غرب به بازارهای آزاد روی آورد. چین با اصلاحات دنگ شیائوپینگ و غیرمتمرکزسازی کنترلشده، رشد سریع را تجربه کرد.
📌 *انقلاب دیجیتال*
*آمریکا*: دره سیلیکون با فرهنگ غیرمتمرکز، تحرک نیروی کار، و سرمایهگذاری خطرپذیر، رنسانس اقتصادی آفرید. اینترنت و رایانه شخصی، برتری آمریکا را تثبیت کرد.
*ژاپن*: با وجود موفقیت در تولید، به دلیل ساختارهای سلسلهمراتبی و تمرکز بر سختافزار، در عصر نرمافزار عقب ماند.
*چین*: از طریق «چایمریکا» و زنجیرههای ارزش جهانی، به قدرت تولیدی تبدیل شد، اما نظارت دولتی و سرکوب بخش خصوصی، نوآوری را محدود کرد.
📌 *چالشهای امروز*
*چین*: نابرابری، فساد، و نظارت شدید، خلاقیت را سرکوب میکند. سیاستهای متمرکز شی جینپینگ، الگوی رکود تاریخی چین را تکرار میکند.
*آمریکا*: لابیگری شرکتهای بزرگ فناوری و ضعف قوانین ضدانحصار، مانع نوآوران جدید شده است. تمرکز شرکتی، همان خطری است که تمرکز دولتی دارد.
*اروپا*: حمایتگرایی و مقررات سختگیرانه (GDPR، قانون هوش مصنوعی)، نوآوری را خفه میکند.
📌 *نتیجهگیری: پارادوکس فناوری*
پیشرفت به تعادل میان اکتشاف غیرمتمرکز (آزادی نوآوری) و بهرهبرداری متمرکز (مقیاسپذیری) نیاز دارد. هوش مصنوعی با وجود پیشرفت، جایگزین خلاقیت انسانی نمیشود. منافع تثبیتشده—از بوروکراسیها تا شرکتهای غولپیکر—بزرگترین تهدید پیشرفتاند.
📌 *درس کلیدی*: نوآوری جایی شکوفا میشود که ایدهها آزادانه برخورد کنند و رقابت حفظ شود. تمرکز قدرت، چه دولتی چه شرکتی، نوآوری را میکشد. حفظ رقابت و تخریب خلاق شومپیتری، تنها راه تداوم پیشرفت است.
🌐 یولتاپ را در شبکههای اجتماعی زیر دنبال کنید.👇
بله | تلگرام | اینستاگرام
❤1
یول تاپ (راهتو پیدا کن)
🔰سوگیریهای پنهان هوش مصنوعی ابزار القای ارزشهای غربی ادامه متن در پست بعدی 👇👇👇
🔰سوگیریهای پنهان هوش مصنوعی ابزار القای ارزشهای غربی
🔺پژوهش جدید دانشگاه هاروارد یک حقیقت جالب و تا حدی نگرانکننده را دربارهی هوش مصنوعی آشکار کرده است. ما معمولاً وقتی میگوییم مدلهای زبانی بزرگ یا Large Language Models (LLMs) «شبیه انسان فکر میکنند»، هیچوقت نمیپرسیم منظورمان دقیقاً کدام انسانهاست. در حالیکه انسانها در سراسر جهان از نظر فرهنگ، ارزشها، اخلاق، احساسات و نحوهی استدلال کاملاً متفاوتاند، اما هوش مصنوعی بر پایهی دادههایی آموزش دیده که این تنوع را بههیچوجه بهطور کامل بازتاب نمیدهد.
🔺هاروارد با مقایسهی پاسخهای مدل GPT و دادههای نظرسنجی بینالمللی World Values Survey (WVS) که شامل بیش از ۹۴ هزار نفر از ۶۵ کشور جهان است، به یک نتیجهی بسیار روشن رسید: مدلهای هوش مصنوعی امروز، از نظر روانشناختی، ارزشی و شناختی شبیه گروهی بسیار خاص از انسانها هستند؛ گروهی که در علوم رفتاری با اصطلاح معروف WEIRD شناخته میشوند:
Western (غربی)، Educated (تحصیلکرده)، Industrialized (صنعتیشده)، Rich (ثروتمند) و Democratic (دموکراتیک).
🔺به بیان سادهتر، GPT بیش از آنکه بازتابدهندهی دیدگاه کل بشریت باشد، بیشتر شبیه یک مهندس نرمافزار آمریکایی ۲۵ ساله فکر میکند تا یک فرد از آسیا، آفریقا، آمریکای لاتین یا خاورمیانه. هرچه از جوامع WEIRD فاصله میگیریم، میزان شباهت پاسخهای GPT با نگرش و ارزشهای مردم آن کشورها بهسرعت کاهش مییابد. دلیل این موضوع روشن است: بخش عمدهی دادههایی که روی اینترنت وجود دارد—و مبنای آموزش LLMهاست—توسط همین جوامع تولید شده، آن هم به زبان انگلیسی. در نتیجه هر بار که از هوش مصنوعی دربارهی «انسانها» سؤال میکنیم، در واقع داریم پاسخی میگیریم که بر اساس یک تصویر Western-centric (غربمحور) از جهان شکل گرفته است.
🔺این سوگیری صرفاً یک موضوع نظری نیست؛ پیامدهای جدی دارد. اگر سیستمهایی که در حال ورود به سیاستگذاری، اقتصاد، آموزش، سلامت و رسانه هستند، تنها یک نسخهی خاص از «انسان» را بازنمایی کنند، تصمیمگیریها بهطور ناخواسته جانبدارانه میشود. آنچه در هوش مصنوعی غایب است، صدای میلیاردها انسان است که در دادههای آموزشی حضور کافی ندارند: ارزشهای محلی، اخلاقیات منطقهای و سبکهای تفکر نسلهای مختلف!
🔺نکته اینجاست که در هوش مصنوعی فقط «Big Data» کافی نیست؛
آنچه اهمیت واقعی دارد Right Data—دادهی درست، متنوع و نمایندهی واقعیت جهانی است.
🔺اگر میخواهیم هوش مصنوعی واقعاً «جهانی» باشد و نه فقط «غربی»، باید این پرسش را از خود بپرسیم:
در مدلهای زبانی ما چه دیدگاههایی دیده نمیشوند؟
چه فرهنگهایی حذف شدهاند؟
کدام نظامهای ارزشی در مرکز نشستهاند و کدامها در حاشیه ماندهاند؟
تا زمانی که ورودی مدلها اینگونه باشد، خروجی نیز تغییر نخواهد کرد؛ همان اصل ساده و صریح:
WEIRD in → WEIRD out
(اگر دادهی غربی وارد شود، خروجی هم غربی خواهد بود.)
🔺تنوعبخشی به دادهها، استفاده از برچسبگذاران چندفرهنگی، طراحی بنچمارکهای بینالمللی، و بازنگری در فرآیندهای آموزش و ارزیابی LLMها ضروری است. تنها در این صورت میتوانیم هوش مصنوعیای بسازیم که نه فقط شبیه یک دستهی خاص از انسانها، بلکه شبیه انسانیتِ متنوع و چندصدایی جهان باشد.
منبع:
Atari, M., Xue, M. J., Park, P. S., Blasi, D. E., & Henrich, J. (2023). Which Humans?
Department of Human Evolutionary Biology, Harvard University.
Available at: https://scholar.harvard.edu/sites/scholar.harvard.edu/files/henrich/files/which_humans_09222023.pdf
🔺پژوهش جدید دانشگاه هاروارد یک حقیقت جالب و تا حدی نگرانکننده را دربارهی هوش مصنوعی آشکار کرده است. ما معمولاً وقتی میگوییم مدلهای زبانی بزرگ یا Large Language Models (LLMs) «شبیه انسان فکر میکنند»، هیچوقت نمیپرسیم منظورمان دقیقاً کدام انسانهاست. در حالیکه انسانها در سراسر جهان از نظر فرهنگ، ارزشها، اخلاق، احساسات و نحوهی استدلال کاملاً متفاوتاند، اما هوش مصنوعی بر پایهی دادههایی آموزش دیده که این تنوع را بههیچوجه بهطور کامل بازتاب نمیدهد.
🔺هاروارد با مقایسهی پاسخهای مدل GPT و دادههای نظرسنجی بینالمللی World Values Survey (WVS) که شامل بیش از ۹۴ هزار نفر از ۶۵ کشور جهان است، به یک نتیجهی بسیار روشن رسید: مدلهای هوش مصنوعی امروز، از نظر روانشناختی، ارزشی و شناختی شبیه گروهی بسیار خاص از انسانها هستند؛ گروهی که در علوم رفتاری با اصطلاح معروف WEIRD شناخته میشوند:
Western (غربی)، Educated (تحصیلکرده)، Industrialized (صنعتیشده)، Rich (ثروتمند) و Democratic (دموکراتیک).
🔺به بیان سادهتر، GPT بیش از آنکه بازتابدهندهی دیدگاه کل بشریت باشد، بیشتر شبیه یک مهندس نرمافزار آمریکایی ۲۵ ساله فکر میکند تا یک فرد از آسیا، آفریقا، آمریکای لاتین یا خاورمیانه. هرچه از جوامع WEIRD فاصله میگیریم، میزان شباهت پاسخهای GPT با نگرش و ارزشهای مردم آن کشورها بهسرعت کاهش مییابد. دلیل این موضوع روشن است: بخش عمدهی دادههایی که روی اینترنت وجود دارد—و مبنای آموزش LLMهاست—توسط همین جوامع تولید شده، آن هم به زبان انگلیسی. در نتیجه هر بار که از هوش مصنوعی دربارهی «انسانها» سؤال میکنیم، در واقع داریم پاسخی میگیریم که بر اساس یک تصویر Western-centric (غربمحور) از جهان شکل گرفته است.
🔺این سوگیری صرفاً یک موضوع نظری نیست؛ پیامدهای جدی دارد. اگر سیستمهایی که در حال ورود به سیاستگذاری، اقتصاد، آموزش، سلامت و رسانه هستند، تنها یک نسخهی خاص از «انسان» را بازنمایی کنند، تصمیمگیریها بهطور ناخواسته جانبدارانه میشود. آنچه در هوش مصنوعی غایب است، صدای میلیاردها انسان است که در دادههای آموزشی حضور کافی ندارند: ارزشهای محلی، اخلاقیات منطقهای و سبکهای تفکر نسلهای مختلف!
🔺نکته اینجاست که در هوش مصنوعی فقط «Big Data» کافی نیست؛
آنچه اهمیت واقعی دارد Right Data—دادهی درست، متنوع و نمایندهی واقعیت جهانی است.
🔺اگر میخواهیم هوش مصنوعی واقعاً «جهانی» باشد و نه فقط «غربی»، باید این پرسش را از خود بپرسیم:
در مدلهای زبانی ما چه دیدگاههایی دیده نمیشوند؟
چه فرهنگهایی حذف شدهاند؟
کدام نظامهای ارزشی در مرکز نشستهاند و کدامها در حاشیه ماندهاند؟
تا زمانی که ورودی مدلها اینگونه باشد، خروجی نیز تغییر نخواهد کرد؛ همان اصل ساده و صریح:
WEIRD in → WEIRD out
(اگر دادهی غربی وارد شود، خروجی هم غربی خواهد بود.)
🔺تنوعبخشی به دادهها، استفاده از برچسبگذاران چندفرهنگی، طراحی بنچمارکهای بینالمللی، و بازنگری در فرآیندهای آموزش و ارزیابی LLMها ضروری است. تنها در این صورت میتوانیم هوش مصنوعیای بسازیم که نه فقط شبیه یک دستهی خاص از انسانها، بلکه شبیه انسانیتِ متنوع و چندصدایی جهان باشد.
منبع:
Atari, M., Xue, M. J., Park, P. S., Blasi, D. E., & Henrich, J. (2023). Which Humans?
Department of Human Evolutionary Biology, Harvard University.
Available at: https://scholar.harvard.edu/sites/scholar.harvard.edu/files/henrich/files/which_humans_09222023.pdf
Forwarded from بیوتک هاب
🔷️ بنیاد ملی نخبگان آذربایجان شرقی باهمکاری انجمن علمی سلولی کاربردی و سلول درمانی ، کمیته تحقیقات و فناوری دانشکده علوم نوین پزشکی و مرکز توسعه و هماهنگی پژوهش(RDCC) دانشگاه علوم پزشکی تبریز برگزار می کند:
🧬 سلسله #کارگاه های مبانی و کاربرد سلول درمانی در پزشکی بازساختی
🔹️از سلول تا درمان ، مفاهیم و مسیر های درمانی
🔹️آغاز سفری شگفت انگیز برای ورود به دنیای درمان های نوین
🔹️گامی علمی به سوی آینده پزشکی بازساختی
👨🏫 مدرس : دکتر رضا رهبر قاضی
ریاست محترم SCARM و عضو هیئت علمی دانشکده علوم نوین پزشکی
📆 تاریخ : یکشنبه ۲۵ آبان ماه ۱۴۰۴
⏰️ زمان : ساعت ۱۰ الی ۱۲
📍مکان : سالن کنفرانس دانشکده علوم نوین پزشکی
‼️ظرفیت محدود
📝 با ارائه گواهی معتبر
🌐 لینک ثبت نام :
http://workshop.tbzmed.ac.ir
📞 پاسخگوی سوالات شما :
@Biologycourseadmin
💠 کانال رسمی بیوتک هاب 👇
@biotechub
🧬 سلسله #کارگاه های مبانی و کاربرد سلول درمانی در پزشکی بازساختی
🔹️از سلول تا درمان ، مفاهیم و مسیر های درمانی
🔹️آغاز سفری شگفت انگیز برای ورود به دنیای درمان های نوین
🔹️گامی علمی به سوی آینده پزشکی بازساختی
👨🏫 مدرس : دکتر رضا رهبر قاضی
ریاست محترم SCARM و عضو هیئت علمی دانشکده علوم نوین پزشکی
📆 تاریخ : یکشنبه ۲۵ آبان ماه ۱۴۰۴
⏰️ زمان : ساعت ۱۰ الی ۱۲
📍مکان : سالن کنفرانس دانشکده علوم نوین پزشکی
‼️ظرفیت محدود
📝 با ارائه گواهی معتبر
🌐 لینک ثبت نام :
http://workshop.tbzmed.ac.ir
📞 پاسخگوی سوالات شما :
@Biologycourseadmin
💠 کانال رسمی بیوتک هاب 👇
@biotechub
Forwarded from مدرسه علمیران
🚀 خوش اومدید به «مدرسه علمیران»
جایی که یادگیری واقعی شروع میشه!
اینجا قرار نیست فقط بشنویم…
اینجا میسازیم، تجربه میکنیم، حل میکنیم و کنار هم رشد میکنیم! 🔧💡
«علمیران» یه محفل صمیمی و حرفهایه که توش دانشجوها، علاقهمندا و متخصصها کنار هم جمع میشن تا مهارتهای واقعی علمی و تکنولوژی رو باهم یاد بگیرن.
### ما چی کار میکنیم؟ 👇
✨ کارگاههای تخصصی و عملی
🔍 پروژههای واقعی و صنعتی
🏭 بازدید از شرکتها و کارخونهها
🤝 دورهمی و جلسات هماندیشی با اساتید و فعالان صنعت و تکنولوژی
🚀 ساخت مسیر شغلیِ واقعی، نه فقط تئوری!
هدفمون اینه که فاصله بین دانشگاه و صنعت و فضای واقعی رو از بین ببریم و فضایی بسازیم که هرکسی بتونه با اعتمادبهنفس وارد کار واقعی و جدی بشه.
اگه دنبال یه محیط متفاوت، حرفهای و پرانرژی هستی
اگه میخوای واقعاً «مهارت» یاد بگیری
اگه علاقه داری کنار آدمای جدی و با انگیزه رشد کنی
🌟 محفل علمیران منتظرته! 🌟
بیایید آیندهمون رو بسازیم، نه اینکه فقط دربارهش بخونیم.
علمیران را در شبکه های اجتماعی زیر دنبال کنید👇
تلگرام | اینستاگرام
جایی که یادگیری واقعی شروع میشه!
اینجا قرار نیست فقط بشنویم…
اینجا میسازیم، تجربه میکنیم، حل میکنیم و کنار هم رشد میکنیم! 🔧💡
«علمیران» یه محفل صمیمی و حرفهایه که توش دانشجوها، علاقهمندا و متخصصها کنار هم جمع میشن تا مهارتهای واقعی علمی و تکنولوژی رو باهم یاد بگیرن.
### ما چی کار میکنیم؟ 👇
✨ کارگاههای تخصصی و عملی
🔍 پروژههای واقعی و صنعتی
🏭 بازدید از شرکتها و کارخونهها
🤝 دورهمی و جلسات هماندیشی با اساتید و فعالان صنعت و تکنولوژی
🚀 ساخت مسیر شغلیِ واقعی، نه فقط تئوری!
هدفمون اینه که فاصله بین دانشگاه و صنعت و فضای واقعی رو از بین ببریم و فضایی بسازیم که هرکسی بتونه با اعتمادبهنفس وارد کار واقعی و جدی بشه.
اگه دنبال یه محیط متفاوت، حرفهای و پرانرژی هستی
اگه میخوای واقعاً «مهارت» یاد بگیری
اگه علاقه داری کنار آدمای جدی و با انگیزه رشد کنی
🌟 محفل علمیران منتظرته! 🌟
بیایید آیندهمون رو بسازیم، نه اینکه فقط دربارهش بخونیم.
علمیران را در شبکه های اجتماعی زیر دنبال کنید👇
تلگرام | اینستاگرام
👍4
Forwarded from مدرسه علمیران
سمینار تخصصی مهندسی معکوس: از دانشگاه تا صنعت 🎓
🔧 مهندسی معکوس، به عنوان پلی میان تئوریهای دانشگاهی و کاربردهای صنعتی، نقشی اساسی در پیشرفت فناوری و نوآوریهای صنعتی ایفا میکند. در این سمینار، به بررسی چالشها و فرصتهای این حوزه در صنایع مختلف پرداخته خواهد شد.
🗓 زمان: چهارشنبه ۱۹ آذر، ساعت ۱۲:۳۰
📍 مکان: سالن باران، پارک علم و فناوری دانشگاه تبریز
🌟 دکتر فلاح ، عضو هیئت علمی دانشگاه صنعتی تبریز و موسس و مدیرعامل شرکت فسکو، سخنران این سمینار هستند و تجربیات خود در زمینه مهندسی معکوس و کاربرد آن در صنعت را به اشتراک خواهند گذاشت.
🔗 برای ثبتنام، از لینک زیر استفاده کنید:
ثبتنام در سمینار
علمیران را در شبکه های اجتماعی زیر دنبال کنید👇
تلگرام | اینستاگرام
🔧 مهندسی معکوس، به عنوان پلی میان تئوریهای دانشگاهی و کاربردهای صنعتی، نقشی اساسی در پیشرفت فناوری و نوآوریهای صنعتی ایفا میکند. در این سمینار، به بررسی چالشها و فرصتهای این حوزه در صنایع مختلف پرداخته خواهد شد.
🗓 زمان: چهارشنبه ۱۹ آذر، ساعت ۱۲:۳۰
📍 مکان: سالن باران، پارک علم و فناوری دانشگاه تبریز
🌟 دکتر فلاح ، عضو هیئت علمی دانشگاه صنعتی تبریز و موسس و مدیرعامل شرکت فسکو، سخنران این سمینار هستند و تجربیات خود در زمینه مهندسی معکوس و کاربرد آن در صنعت را به اشتراک خواهند گذاشت.
🔗 برای ثبتنام، از لینک زیر استفاده کنید:
ثبتنام در سمینار
علمیران را در شبکه های اجتماعی زیر دنبال کنید👇
تلگرام | اینستاگرام
❤2