رئیس پژوهشگاه ارتباطات و فناوری اطلاعات با تأکید بر ضرورت بومیسازی هوش مصنوعی گفت: با توجه به استفاده گسترده از ابزارهای هوش مصنوعی در سازمانها و حوزههای مختلف، باید نسبت به حفظ دادهها و جلوگیری از خروج اطلاعات حساس کشور دقت بیشتری داشته باشیم و توسعه فناوریهای بومی را جدی بگیریم.
مهر, 1405
-
13 مهر
سفره دلتان را برای چتباتهای هوش مصنوعی باز نکنید!
چتباتهای هوش مصنوعی میتوانند حس صمیمیترین دوست را به شما القا کنند، اما این مسئله میتواند خطرناک باشد.
-
12 مهر
فریب ظاهر بامزه عاملهای هوش مصنوعی را نخورید
کارشناسان حوزه هوش مصنوعی میگویند کاربران باید مراقب باشند تا عاملهای هوش مصنوعی با ظاهری بامزه گولشان نزنند و صرفاً به این دلیل که آنها بیخطر به نظر میرسند، نباید در مورد دادههای خود بیاحتیاطی کرد.
-
11 مهر
آیا هوش مصنوعی میتواند بحران داوری «همتا» را حل کند؟
با افزایش شدید تعداد مقالات علمی و فشار بر داوران همتا، ابزارهای هوش مصنوعی میتوانند با بررسی ارجاعات، محاسبات، اعتبار ادعاها و نوآوری مقاله به فرایند داوری کمک کنند؛ اما پرسش اصلی این است که آیا میتوان به ارزیابیهای هوش مصنوعی اعتماد کرد و بر اساس آنها درباره پذیرش یا رد مقاله تصمیم گرفت؟
-
10 مهر
گوگل از مدل پیشرفته هوشمصنوعی خود رونمایی کرد
گوگل از مدل پیشرفته هوش مصنوعی Gemini ۴ Argon رونمایی کرد و عرضه آن برای شرکای امنیت سایبری را آغاز کرد.
-
8 مهر
مدل هوش مصنوعی «GPT-6.1 Sol» منتشر شد
شرکت «اوپنایآی» مدل «GPT-6.1 Sol» را منتشر کرده و گفته است که عملکرد آن تقریباً با «GPT-6 Astra» برابری میکند، اما هزینه کمتری دارد.
-
6 مهر
«Muse» اعتماد مردم را به «متا» بازمیگرداند؟
با توجه به معرفی و رونمایی از عامل هوش مصنوعی «Muse»، این پرسش ایجاد میشود که آیا این عامل هوش مصنوعی میتواند بر مشکلات پیرامون اعتماد به «متا» غلبه کند.
-
5 مهر
تاثیر منفی محتوای خلاصهشده توسط هوش مصنوعی بر حافظه انسان
پژوهش جدید دانشمندان آمریکایی نشان میدهد که خلاصههای گمراهکننده تولیدشده توسط هوش مصنوعی میتوانند بر حافظه انسان اثر بدی بگذارند.
-
2 مهر
آیا هوش مصنوعی همه ما را خواهد کشت؟
مجله نیچر بررسی کرده که آیا این فناوری میتواند به پایان نسل بشر منجر شود و چرا شرکتهای هوش مصنوعی، کاهش سرعت توسعه این فناوری را خواستار شدهاند.
شهریور, 1405
-
30 شهریور
هشدار پژوهشگران درباره ارزیابی هوش مصنوعی در دادههای پزشکی
پژوهشگران دریک مطالعه مقایسهای با بررسی عملکرد ۸ الگوریتم خوشهبندی در ۵ مجموعه داده پزشکی نشان دادند که هیچ روش واحدی در تمام دادهها عملکرد برتر ندارد و ارزیابی کیفیت خوشهها تنها بر اساس معیارهای درونی و پایداری نمیتواند میزان انطباق آنها با طبقهبندیهای بالینی را مشخص کند؛ از این رو استفاده از اعتبارسنجی خارجی در کنار این معیارها برای ارزیابی جامعتر عملکرد الگوریتمهای خوشهبندی ضروری است.
پاکنویس پایگاه خبری