هشدار درباره تاثیر هوش مصنوعی بر مرجعیت فرهنگی ایران

گوگل از نسل جدید مدل‌های هوش مصنوعی خود با نام Gemini 3.8 Flash و Gemini 3.8 Flash Cyber رونمایی کرد. این مدل‌ها تنها سه هفته پس از نسخه ۳.۷ معرفی شده‌اند و با قیمت رقابتی ۳.۷ دلار به‌ازای هر میلیون توکن خروجی و ۰.۷۵ دلار به‌ازای هر میلیون توکن ورودی عرضه می‌شوند. مدل Flash برای وظایف مهندسی نرم‌افزار و استدلال‌های پیچیده طراحی شده، در حالی که نسخه Cyber بر امنیت سایبری و کشف خودکار آسیب‌پذیری‌ها تمرکز دارد. این مدل‌ها در بنچمارک‌های مختلف عملکردی نزدیک به مدل‌های مرزی ثبت کرده‌اند. دسترسی به این مدل‌ها هم‌اکنون از طریق Gemini API، Google AI Studio و Android فراهم است.

فعالان حوزه بانکداری و فناوری در پنل تخصصی هوش مصنوعی و آینده بانکداری ایران در نمایشگاه الکامپ ۱۴۰۵ تأکید کردند که هوش مصنوعی مدل سنتی خدمات بانکی را متحول می‌کند. حامد ذاکرحسین، مدیرعامل بیت‌بانک، اظهار داشت که تعامل مشتریان با بانک‌ها به جای اپلیکیشن‌ها به سمت ارتباط مستقیم با سیستم‌های هوشمند پیش خواهد رفت. علی گلزاده، مدیرعامل داتا، نیز بر لزوم بازبینی فرایندهای ناکارآمد بانکی پیش از پیاده‌سازی ابزارهای هوش مصنوعی تأکید کرد. مهدی محمدی، عضو هیئت‌مدیره ملت ونچرز، احراز هویت و اعتبارسنجی را از مهم‌ترین کاربردهای این فناوری دانست. کارشناسان معتقدند که توسعه هوش مصنوعی در نظام بانکی مستلزم ایجاد زیرساخت‌های مناسب داده و توان پردازشی کافی است.

اولین پنل همایش AI Bridge اصفهان با محوریت تجاری‌سازی هوش مصنوعی در صنایع مادر برگزار شد. رسول سراییان، مشاور میز هوش مصنوعی استانداری، اعلام کرد که هوش مصنوعی تا سال ۲۰۳۰ می‌تواند بین ۱۳ تا ۲۰ تریلیون دلار به تولید ناخالص داخلی جهان اضافه کند. سهم بالقوه اقتصاد ایران از این فناوری بین ۱۰ تا ۱۵ میلیارد دلار برآورد شده است. هزینه‌های زیرساختی پردازش در حال کاهش است که دسترسی به این فناوری را تسهیل می‌کند. با این حال، گزارش‌ها نشان‌دهنده شکاف عمیق میان صنعت ایران و کشورهای پیشرو در استفاده از هوش مصنوعی است.

آزمایشگاه تحقیقاتی محاسبات مشترک موسسه فناوری ماساچوست و شرکت آی‌بی‌ام نقش مهمی در تبدیل پژوهش‌های تئوری به کاربردهای دنیای واقعی داشته است. فارغ‌ التحصیلان و پژوهشگران پیشین این آزمایشگاه با تمرکز بر حوزه‌هایی مانند یادگیری تقویتی، یادگیری ماشین کوانتومی و هوش مصنوعی قابل اعتماد، توانسته‌اند شکاف میان تحصیل و اشتغال را پر کنند. ژانگ‌وی هنگ، یکی از پژوهشگران آی‌بی‌ام در این آزمایشگاه، با تکیه بر تجربیات دوران دکتری خود در موسسه فناوری ماساچوست، تکنیک‌هایی را برای انطباق هوش مصنوعی با کاربردهای واقع‌گرایانه در حوزه‌هایی مانند رباتیک و مدل‌های زبانی بزرگ توسعه داده است. این پژوهش‌ها شامل بهبود یادگیری تابع ارزش در بازی‌های ویدئویی و استفاده از محاسبات تکاملی برای بهینه‌سازی اکتشافات بوده است. هنگ معتقد است این چارچوب‌ها ابزارهای بسیار مفیدی برای متخصصان حوزه یادگیری تقویتی فراهم می‌کنند.

رویداد ملی «ای‌آی بریج ۲۰۲۶» در اصفهان برگزار شد و متخصصان بر ضرورت ورود استانداردهای کیفی از ابتدای طراحی مدل‌های هوش مصنوعی تأکید کردند. دکتر مراتب، رئیس کنسرسیوم بین‌المللی Bridge AI، در این رویداد اظهار کرد که نیمی از بیش از ۵۰ هزار مقاله علمی بررسی‌شده در این حوزه فاقد استانداردهای لازم برای صنعت هستند. کنسرسیوم بین‌المللی Bridge AI با مشارکت بیش از ۷۰ متخصص از ۴۰ کشور جهان تشکیل شده است تا چالش‌هایی مانند وجود ۲۳ نوع سوگیری در سیستم‌های هوش مصنوعی را مدیریت کند. این نهاد علمی با تشکیل کارگروه‌های تخصصی به دنبال توسعه هوش مصنوعی قابل‌اعتماد و کاهش فاصله میان دستاوردهای دانشگاهی و نیازهای صنعت است. همکاری شرکت‌های بین‌المللی تجهیزات پزشکی و فناوری در تدوین راهنماهای این کنسرسیوم نقش مهمی داشته است.

پژوهشگران مؤسسه ام‌آی‌تی و شرکت فناوری خودروهای خودران موشنال، سامانه جدیدی برای پیش‌بینی خطاهای این خودروها توسعه داده‌اند. این روش جدید که «شبکه پوشش مفهوم» یا سی‌دبلیو‌نت نام دارد، استدلال‌های مدل یادگیری عمیق را به مفاهیم قابل فهم برای انسان تبدیل می‌کند. در آزمایش‌های جاده‌ای، این سامانه توانست به رانندگان ایمنی کمک کند تا رفتار خودرو را با دقت بیشتری پیش‌بینی کنند و آگاهی situational را افزایش دهند. جولی شاه، پروفسور ام‌آی‌تی و از نویسندگان ارشد این مقاله، بر اهمیت ساخت فناوری‌هایی با قابلیت پیش‌بینی رفتار تأکید کرده است. این پژوهش که جزئیات آن در نشریه نیچر منتشر شده، می‌تواند به مهندسان در عیب‌یابی سیستم‌های هوش مصنوعی کمک کند. از نویسندگان این تحقیق می‌توان به اوین کنی به عنوان نویسنده اصلی و مومچیل توموف به عنوان همکار ارشد اشاره کرد.