‏نقشه مهارت‌های ضروری در مهندسی هوش مصنوعی

‏اندرو ان‌جی (Andrew Ng) در گزارش جدید خود، با تحلیل بیش از ده هزار موقعیت شغلی و مصاحبه با متخصصان، نقشه راه مهارت‌های کلیدی برای مهندسان هوش مصنوعی را منتشر کرد. او معتقد است با تغییر پارادایم توسعه نرم‌افزار، یادگیری این موارد برای تمام توسعه‌دهندگان ضروری است:

‏توسعه و استقرار برنامه‌های هوش مصنوعی: یادگیری بلوک‌های سازنده مانند LLMها، تکنیک‌های RAG، گردش‌کارهای عاملی (Agentic) و استفاده از روش‌های آماری برای کنترل و ارزیابی خروجی‌های غیرقابل‌پیش‌بینی مدل‌ها.
‏اصول مهندسی نرم‌افزار: درک عمیق از مبانی مهندسی برای مدیریت توازن میان هزینه، مقیاس‌پذیری و امنیت که به شما کمک می‌کند کدهای تولیدشده توسط هوش مصنوعی را بهتر هدایت کنید.
‏کار با کُدینگ ایجنت‌ها (Coding Agents): مهارت مدیریت Context، ارکستراسیون ایجنت‌های چندگانه و تشخیص زمان مداخله برای ساخت نرم‌افزارهای پایدار بدون اتلاف منابع.
‏شکل‌دهی به محصول (Shaping the build): حرکت از نقش یک مجری ساده به سمت درک اهداف کسب‌وکار و نیاز مشتری برای تصمیم‌گیری درباره مشخصات فنی پروژه.🌐 مشاهده مطلب در سایت📊 Data➕Science

‏⚠️ هشدار جدی درباره امنیت هوش مصنوعی

‏دنیل کوکوتایلو، پژوهشگر سابق OpenAI، در اظهاراتی هشدارآمیز اعلام کرد که مدل‌های هوش مصنوعی در حال حاضر پتانسیل کافی برای نفوذ به کیف‌ پول‌های ارز دیجیتال و حساب‌های بانکی را دارند.

‏او در پاسخ به این پرسش که آیا شاهد هک شدن گسترده حساب‌ها توسط هوش مصنوعی خواهیم بود، تأکید کرد که این مدل‌ها قابلیت فنی لازم برای چنین اقداماتی را دارا هستند و در آینده‌ای نزدیک ممکن است شاهد حملات سایبری خودکار و گسترده‌ای در این حوزه باشیم.

‏این دیدگاه بار دیگر اهمیت مقوله AI Alignment و لزوم نظارت دقیق‌تر بر توسعه مدل‌های هوشمند را برجسته می‌کند تا از سوءاستفاده‌های مخرب در شبکه جلوگیری شود.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#OpenAI #AI_Alignment

‏🐕 ورود ربات‌های سگ‌نما به صنعت امنیت آمریکا

‏استفاده از ربات‌های سگ‌نما برای حفاظت از دیتاسنترها، اماکن ورزشی و زمین‌های کشاورزی در ایالات متحده به سرعت در حال افزایش است. این تغییر رویکرد بیش از هر چیز ناشی از صرفه اقتصادی و چالش‌های نیروی انسانی در این صنعت است.

‏بر اساس تحلیل‌های Business Insider، جایگزینی سیستم‌های خودکار به جای نیروی انسانی در یک شیفت ۲۴ ساعته، سالانه بین ۸۰ تا ۱۳۰ هزار دلار صرفه‌جویی هزینه به همراه دارد. با توجه به نرخ پایین دستمزدها و چرخش بالای نیرو در مشاغل حفاظتی، شرکت‌های فناوری مانند Asylon اکنون وظایف پایش محیطی را بر عهده گرفته‌اند.

‏مهم‌ترین نکات درباره این تحول:
‏• کاهش هزینه‌های عملیاتی در مقایسه با استخدام و آموزش مداوم نگهبانان.
‏• استقرار موفقیت‌آمیز ده‌ها واحد رباتیک توسط شرکت‌های پیشرو در سراسر آمریکا.
‏• حرکت به سمت مدل‌های ترکیبی که در آن ربات‌ها وظایف گشت‌زنی را بر عهده دارند و انسان‌ها مسئولیت مدیریت شرایط پیچیده و واکنش به حوادث خاص را بر عهده می‌گیرند.

📖 مطالعه کامل مطلب در وب‌سایت Data Plus Science

📊 Data➕Science

‏🧠 زوال تفکر مستقل در دانش‌آموزان با هوش مصنوعی

‏روان‌شناسان هشدار می‌دهند که حدود یک‌سوم دانش‌آموزان به جای استفاده آموزشی و کمکی از هوش مصنوعی، از آن به عنوان جایگزینی برای تفکر مستقل خود استفاده می‌کنند. این پدیده که بیشتر در میان دانش‌آموزان مقاطع متوسطه دیده می‌شود، باعث شده آن‌ها صرفاً پاسخ‌های آماده را بدون تحلیل و درک واقعی کپی کنند.

‏این روند آسیب‌های جدی به مهارت‌های شناختی نسل جدید وارد می‌کند که مهم‌ترین آن‌ها عبارتند از:
‏• تضعیف حافظه و کاهش پویایی ذهن
‏• از دست رفتن استقلال در تصمیم‌گیری و حل مسئله
‏• ناتوانی در فرموله‌کردن ایده‌ها و بیان مفاهیم با زبان خود

‏استفاده نادرست و افراطی از فناوری‌های نوین می‌تواند کلاس‌های درس را به محیطی بی‌روح تبدیل کند که در آن ربات‌ها اطلاعات را بدون هیچ‌گونه پردازش ذهنی به حافظه غیرفعال دانش‌آموزان تزریق می‌کنند و خلاقیت را از بین می‌برند.

📖 مطالعه کامل مطلب در وب‌سایت Data Plus Science

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

‏🎙️ ابزار رایگان و قدرتمند Voice-Pro برای پردازش صوت و ویدیو

‏پروژه Voice-Pro یک مجموعه ابزار جامع و متن‌باز است که بسیاری از نیازهای پردازش صوت و ویدیو را با استفاده از مدل‌های هوش مصنوعی پوشش می‌دهد. این ابزار به دلیل یکپارچگی بالا، گزینه‌ای عالی برای کسانی است که به دنبال راهکاری سریع برای تولید و ویرایش محتوای چندرسانه‌ای هستند.

‏مهم‌ترین قابلیت‌های این پروژه شامل موارد زیر است:

‏• تبدیل دقیق صوت و ویدیو به متن با استفاده از مدل Whisper
‏• تولید صدای مصنوعی (TTS) از متن ورودی
‏• کلون کردن دقیق صدا تنها با یک نمونه کوتاه
‏• ترجمه و دوبله هوشمند محتوا به بیش از ۱۰۰ زبان زنده دنیا
‏• جدا کردن هوشمند صدای خواننده از فایل موسیقی
‏• پردازش مستقیم محتوای موجود در YouTube

‏این ابزار با تمرکز بر سادگی در استفاده، تمامی این عملیات پیچیده را در یک محیط واحد برای کاربر فراهم کرده است. اگر به دنبال جایگزینی رایگان برای ابزارهای گران‌قیمت تدوین و پردازش صوتی هستید، این پروژه در گیت‌هاب قابل دسترسی است.

📖 مطالعه کامل مطلب در وب‌سایت Data Plus Science

📊 Data➕Science

‏🚀 نبرد مدل‌های هوش مصنوعی: Qwen 3.8 Max در برابر Opus 5

‏این روزها شاهد رقابت جذابی هستیم؛ مدل‌های متن‌باز چینی به‌خوبی توانسته‌اند با قدرتمندترین مدل‌های بسته‌ی جهان وارد رقابت مستقیم شوند.

‏در یک تست عملی، از مدل‌ها خواسته شد تا یک نمونه اولیه از موتور بخار سه‌بعدی با استفاده از Three.js طراحی کنند. نتیجه این مقایسه نشان می‌دهد که مدل‌های رایگان و قابل اجرا روی سیستم شخصی، فاصله‌ی بسیار کمی با مدل‌های تجاری و گران‌قیمت دارند.

‏مهم‌ترین نکات این رقابت:
‏- تقابل یک مدل متن‌باز با مدل‌های سطح بالای closed-source
‏- قابلیت اجرای محلی مدل Qwen برای کاهش هزینه‌ها
‏- دقت بالا در تولید کدهای گرافیکی پیچیده

‏به‌نظر شما، کدام مدل در پیاده‌سازی پروژه‌های فنی بهتر عمل می‌کند؟

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Qwen3_8Max #Threejs

‏هوش مصنوعی جدید گوگل برای ترجمه زبان اشاره

‏گوگل دیپ‌مایند (Google DeepMind) به تازگی از مدل جدیدی به نام SL2T رونمایی کرده است که می‌تواند زبان اشاره را مستقیماً به متن تبدیل کند.

‏بسیاری از ابزارهای تبدیل گفتار به متن بر پایه صوت کار می‌کنند، اما زبان‌های اشاره دارای ساختار دستوری مستقل و حرکات پیچیده سه‌بعدی هستند. این مدل جدید به‌جای استفاده از تصاویر خام دوربین یا دستکش‌های حسگر، از MediaPipe Holistic برای ردیابی مختصات نقاط کلیدی بدن استفاده می‌کند و سپس این داده‌های فضایی را به متن تبدیل می‌نماید.

‏مهم‌ترین ویژگی‌های این فناوری:
‏* تبدیل مستقیم حرکات زبان اشاره به متن بدون نیاز به تایپ کردن.
‏* قابلیت استفاده برای جستجو، نوشتن پیام و شرکت در گفتگوهای زنده.
‏* عدم نیاز به سخت‌افزارهای جانبی و پردازش محلی داده‌های حرکتی.

‏این پیشرفت می‌تواند به بهبود دسترسی‌پذیری و ارتباطات دیجیتال برای جامعه ناشنوایان کمک شایانی کند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#SL2T #MediaPipe_Holistic

🧠 خلاصه تحولات 24 ساعت گذشته هوش مصنوعی و علوم داده
🗂 گزارش #87 | 📌 7 آیتم گزارش | 🧾 از 12 پست بررسی‌شده
🕐 شنبه 1405/05/24 ساعت 14:00 تا یکشنبه 1405/05/25 ساعت 14:00

🛡️ هوش مصنوعی و امنیت سایبری

سازمان‌های دولتی تایوان هدف حمله سایبری ایجنت‌های خودمختار هوش مصنوعی قرار گرفتند که در آن مهاجمان انسانی در کنار هوش مصنوعی برای شناسایی نقاط ضعف نفوذ می‌کردند.
🔗 مشاهده پست

پژوهشگر سابق OpenAI هشدار داد که مدل‌های فعلی هوش مصنوعی قابلیت فنی لازم برای نفوذ به کیف‌پول‌های دیجیتال و حساب‌های بانکی را دارند و تهدیدی جدی محسوب می‌شوند.
🔗 مشاهده پست

📊 تکنولوژی و بنچمارک‌های مدل‌ها

نتایج بنچمارک ExtractBench نشان می‌دهد مدل‌های VLM در تحلیل اسناد طولانی بالای ۵۰ صفحه، دقت بسیار پایینی دارند و اغلب صفحات میانی و انتهایی سند را نادیده می‌گیرند.
🔗 مشاهده پست

کمپانی Mistral مدل OCR خود را به نسخه 4.1 ارتقا داد. این نسخه در پردازش جداول فنی، نمودارها و اسناد چندستونه پیچیده دقت بسیار بالاتری نسبت به نسخه‌های قبلی دارد.
🔗 مشاهده پست

در مقایسه عملکرد Qwen 3.8 Max و Opus 5 برای کدنویسی سه‌بعدی، مدل‌های متن‌باز چینی ثابت کردند که فاصله‌ی بسیار کمی با مدل‌های تجاری و گران‌قیمت دارند.
🔗 مشاهده پست

🎓 آموزش و توسعه مهارت‌ها

آکادمی همراه اول مسیر یادگیری مشخصی را برای علاقه‌مندان به تحلیل داده طراحی کرده است تا افراد بدون سردرگمی، مهارت‌های لازم برای ورود به این حوزه را بیاموزند.
🔗 مشاهده پست

اندرو ان‌جی در نقشه راه جدید خود بر یادگیری بلوک‌های سازنده LLM، تکنیک‌های RAG و گردش‌کارهای عاملی (Agentic) به عنوان مهارت‌های ضروری مهندسان هوش مصنوعی تأکید کرد.
🔗 مشاهده پست

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

‏🔐 واترمارک‌گذاری در مدل‌های زبانی مانند Claude

‏آیا تا به حال فکر کرده‌اید که چگونه می‌توان متون تولید شده توسط هوش مصنوعی را شناسایی کرد؟ یکی از راهکارهای کلیدی، استفاده از سیستم Watermarking در لحظه استنتاج (Inference) است.

‏در مدل‌های زبانی، برای تولید کلمه بعدی معمولاً چندین گزینه با احتمالات نزدیک وجود دارد. فرآیند واترمارک‌گذاری به این صورت عمل می‌کند:

‏- تغییر در نمونه‌برداری: مدل از یک کلید مخفی (Secret Key) استفاده می‌کند تا از میان نامزدهای قابل‌قبول، کلمات خاصی را با الگوی آماری مشخص انتخاب کند.
‏- پنهان‌سازی: متن نهایی برای انسان کاملاً عادی و طبیعی به نظر می‌رسد.
‏- تشخیص آماری: با تکرار این انتخاب‌ها در طول متن، یک الگوی آماری منحصربه‌فرد شکل می‌گیرد که احتمال تصادفی بودن آن تقریباً صفر است.

‏این فناوری می‌تواند به صورت یکپارچه در کل زیرساخت مدل اعمال شود تا اصالت محتوا قابل رهگیری باشد. استفاده از این روش نشان‌دهنده تلاش شرکت‌ها برای استانداردسازی خروجی‌های هوش مصنوعی است.

📖 مطالعه کامل مطلب در وب‌سایت Data Plus Science

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

‏🛠 آموزش عملی فاین‌تیون Qwen 2.5 با LoRA

‏یک راهنمای عملی و گام‌به‌گام برای فاین‌تیون مدل زبانی Qwen 2.5 با استفاده از روش کارآمد LoRA منتشر شده است. این آموزش به شما کمک می‌کند تا مدل‌های بزرگ زبانی را با منابع سخت‌افزاری محدود و به صورت بهینه شخصی‌سازی کنید.

‏ابزارهای کلیدی پروژه:
‏• کتابخانه‌های Transformers و Datasets
‏• ابزار پیاده‌سازی PEFT برای اعمال تکنیک LoRA
‏• فریم‌ورک‌های PyTorch و Accelerate

‏مراحل اصلی نقشه راه:
‏• بررسی وضعیت سخت‌افزار، GPU و CUDA
‏• بارگذاری مدل پایه و آماده‌سازی دیتاست Alpaca
‏• بهینه‌سازی پارامترها با جادوی LoRA
‏• اجرای فرآیند آموزش (Training) و تست نهایی مدل

🔗 منبع

📖 مطالعه کامل مطلب در وب‌سایت Data Plus Science

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Qwen2_5 #PEFT

‏🚀 فرصت شغلی: جذب Business Analyst در تپسل

‏اگر به دنیای داده‌ها علاقه دارید و از حل مسائل پیچیده لذت می‌برید، تپسل برای تکمیل تیم خود در جستجوی یک Business Analyst توانمند است. در این نقش، شما به تیم ناشران کمک می‌کنید تا با تحلیل دقیق داده‌های عملکردی، تصمیم‌های هوشمندانه‌تری بگیرند.

‏مهم‌ترین مسئولیت‌های این موقعیت شغلی:

‏▪️ تحلیل عملکرد ناشران و جایگاه‌های تبلیغاتی
‏▪️ شناسایی دلایل نوسانات درآمدی و عملکردی
‏▪️ همکاری با تیم‌ها برای حل مسائل کسب‌وکار
‏▪️ بررسی و تطبیق گزارش‌های مالی و عملیاتی
‏▪️ تبدیل داده‌های خام به گزارش‌ها و پیشنهادهای اجرایی

‏در این نقش، بیش از هر چیز توانایی حل مسئله، دقت در کار با اعداد و یادگیری سریع اهمیت دارد. اگر فکر می‌کنید این فرصت مناسب شما یا دوستانتان است، می‌توانید جزئیات بیشتر را در لینک زیر مشاهده و رزومه خود را ارسال کنید:

‏مشاهده جزئیات و ارسال رزومه در جاب‌ویژن

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#تپسل #BusinessAnalyst

‏🚀 عصر مدل‌های رایگان و تحول هزینه‌ها در هوش مصنوعی

‏دنیای هوش مصنوعی با سرعتی غیرمنتظره به سمت کالایی شدن پیش می‌رود. در حالی که هنوز بسیاری از کسب‌وکارها هزینه‌های گزافی را برای مدل‌های پیشرو در محیط عملیاتی می‌پردازند، ظهور مدل‌های فوق‌بهینه نشان می‌دهد که تکیه بر مدل‌های گران‌قیمت برای ۹۰ درصد جریان‌های کاری برنامه‌نویسی، عملاً نوعی سهل‌انگاری مالی محسوب می‌شود.

‏وقتی تفاوت هزینه بین یک ابزار رایگان و یک مدل پرچمدار به بیش از ۱۰,۰۰۰ درصد می‌رسد، شکاف‌های جزئی در کیفیت بنچمارک‌ها دیگر اولویت اول نیست. بررسی قیمت توکن‌ها نشان می‌دهد که رقابت شدیدی بر سر بهینه‌سازی رخ داده است:

‏- Gemini 3.7 Flash: با ساختار هزینه‌ای رقابتی که در سطوح خاص به نزدیک صفر رسیده است.
‏- DeepSeek V4 Flash: با نرخ‌های خیره‌کننده، به‌ویژه با استفاده از مکانیزم Cache Hit که هزینه ورودی را به حداقل می‌رساند.

‏اگر تا امروز در پروژه‌های تولیدی خود بدون بهینه‌سازی از مدل‌های حجیم استفاده می‌کردید، شاید زمان آن رسیده که در «استک» اصلی خود بازنگری کنید.

📖 مطالعه کامل مطلب در وب‌سایت Data Plus Science

‏🚀 تحول بزرگ در دنیای Coding Agents با DeepSeek

‏شرکت DeepSeek با انتشار ابزار متن‌باز deepseek-harness، استانداردهای جدیدی را برای عوامل هوشمند کدنویسی تعریف کرده است. این ابزار که جایگزینی جدی برای سرویس‌های اشتراکی نظیر Claude Code محسوب می‌شود، امکانات قدرتمندی را به‌صورت رایگان در اختیار توسعه‌دهندگان قرار می‌دهد.

‏مهم‌ترین ویژگی‌های این فریم‌ورک عبارتند از:
‏• معماری کاملاً ماژولار: تمامی اجزا از مدل‌ها گرفته تا ابزارها و حلقه‌های اجرا، از طریق فایل تنظیمات قابل جایگزینی هستند.
‏• زیرساخت Cordis: بهره‌گیری از موتور اختصاصی DeepSeek برای اجرای افزونه‌ها.
‏• خودآموز بودن: شامل مستندات معماری و فایل‌های تخصصی برای درک بهتر ساختار کد توسط خودِ Agent.
‏• اجرای ساده: راه‌اندازی رابط کاربری محلی تنها با یک دستور در محیط ترمینال.

‏این پروژه با مجوز MIT منتشر شده و اگرچه هنوز در مرحله پیش‌نمایش قرار دارد، اما مسیر دسترسی به ابزارهای پیشرفته توسعه نرم‌افزار با هوش مصنوعی را برای همه باز کرده است.

📖 مطالعه کامل مطلب در وب‌سایت Data Plus Science

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

‏🚀 ابزار متن‌باز مایکروسافت برای تحلیل داده با هوش مصنوعی

‏مایکروسافت به تازگی ابزار قدرتمند Data-Formulator را به صورت متن‌باز منتشر کرده است. این ابزار، فرآیند تبدیل داده‌های خام به نمودارهای کاربردی را متحول می‌کند. شما می‌توانید منابع مختلف مانند فایل‌های CSV، دیتابیس‌های PostgreSQL یا BigQuery را متصل کرده و با استفاده از ترکیب «کشیدن و رها کردن» (Drag-and-drop) و دستورات متنی ساده، تحلیل‌های پیچیده انجام دهید.

‏هوش مصنوعی در پس‌زمینه این ابزار، کدهای SQL مورد نیاز را می‌نویسد و داده‌ها را آماده می‌کند تا به جای انبوهی از کدهای نامفهوم، نمودارهایی دقیق و قابل ویرایش در اختیار داشته باشید.

‏مهم‌ترین قابلیت‌های این ابزار:
‏- طراحی نمودار با کشیدن فیلدها در محورهای مختصات
‏- امکان ایجاد شاخه (Branch) برای بررسی تغییرات روی نمودار
‏- اتصال به داده‌های زنده با قابلیت به‌روزرسانی خودکار
‏- اجرای محلی با استفاده از کلید API اختصاصی شما

‏برای شروع کار با این ابزار، می‌توانید به مخزن Data-Formulator در گیت‌هاب مراجعه کنید.

📖 مطالعه کامل مطلب در وب‌سایت Data Plus Science

📊 Data➕Science

‏🧠 تفاوت‌های شخصیتی مدل‌های هوش مصنوعی

‏مدل‌های زبانی بزرگ صرفاً ماشین‌های محاسبه‌گر نیستند؛ آن‌ها «شخصیت» دارند و گاهی این شخصیت‌پردازی‌ها به چالش‌های جدی در پاسخ‌دهی منجر می‌شود.

‏بررسی‌های اخیر نشان می‌دهد که مدل‌ها رفتارهای متفاوتی در مواجهه با موضوعات مختلف نشان می‌دهند:

‏* مدل Claude: اغلب دچار سندرم «شخصیت اصلی» است؛ به این معنی که علاقه شدیدی دارد در پاسخ‌های خود، از خودش حرف بزند یا نقش فعالی در داستان‌پردازی‌ها ایفا کند.
‏* مدل ChatGPT: در مواجهه با مباحث مربوط به جنسیت و روابط، دچار سوگیری‌های نامحسوسی است که در قالب ادبیات آکادمیک ارائه می‌شوند. جالب اینکه حتی پس از تذکر کاربر و تایید اشتباه، در گفتگوهای بعدی دوباره همان الگو را تکرار می‌کند.
‏* مدل‌های Grok و Gemini: در تحلیل موضوعات حساس، برخورد کمتر خصمانه و متعادل‌تری نسبت به سایر مدل‌ها نشان می‌دهند.

‏این تفاوت‌ها نشان می‌دهد که شاید در آینده، بخشی از فرآیند Alignment مدل‌ها باید شامل تست‌های شخصیت‌شناسی باشد تا سوگیری‌های ناخودآگاه آن‌ها کاهش یابد.

📖 مطالعه کامل مطلب در وب‌سایت Data Plus Science

‏🧬 پیش‌بینی مدیرعامل Anthropic: درمان بیماری‌ها با هوش مصنوعی

‏داریو آمودی (Dario Amodei)، مدیرعامل Anthropic، در اظهارنظری امیدبخش پیش‌بینی کرده است که هوش مصنوعی طی ۵ تا ۱۰ سال آینده قادر خواهد بود اکثر بیماری‌های بشر را درمان کند.

‏آمودی اعلام کرد که این شرکت در حال افزایش تمرکز و تلاش‌های خود در حوزه زیست‌شناسی و پزشکی است و در ماه‌های آینده بارقه‌هایی از پیشرفت و در سال‌های آتی، نتایج شگفت‌انگیز آن آشکار خواهد شد. او با اشاره به انگیزه شخصی و عمیق خود در این مسیر گفت:

‏

من پدرم را به دلیل بیماری هپاتیت C از دست دادم، درست چند سال پیش از تولید داروهای ضدویروسی مستقیم که امروزه ۹۵ درصد بیماران را درمان می‌کنند و می‌توانستند جان او را نجات دهند.

‏وی تأکید کرد زمانی که Anthropic به یک دستاورد واقعی در این زمینه برسد، تمام دنیا با بلندترین صدای ممکن از آن باخبر خواهند شد.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Anthropic #Dario_Amodei

‏💡 دیدگاه جف بیزوس درباره حباب هوش مصنوعی

‏جف بیزوس در تحلیل حباب فعلی هوش مصنوعی، آن را با تب اینترنت در ۲۵ سال پیش مقایسه می‌کند. در آن زمان، سرمایه‌گذاران میلیاردها دلار صرف توسعه زیرساخت‌های فیبر نوری کردند و در نهایت ورشکست شدند؛ اما همان کابل‌ها در زمین باقی ماندند و بعداً بستر شکل‌گیری نتفلیکس و اقتصاد ابری (Cloud) شدند.

‏به باور بیزوس، حباب‌ها با جابه‌جا کردن سرمایه به نفع عموم جامعه، زیرساخت‌های ماندگاری خلق می‌کنند. دیتاسنترها و تراشه‌های سیلیکونی عظیمی که امروز برای AI ساخته می‌شوند، فراتر از عمر شرکت‌های فعلی دوام می‌آورند و مسیر را برای برندگان واقعی آینده هموار می‌سازند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما