❓ در پاسخ به کسانی که می‌گویند «این ادعا که ضرری ندارد؛ بالاخره تمرین تعادل مفید است پس آن ویدئوی حاوی اطلاعات نادرست مفید است»، چه باید گفت؟
t.me/Fact_Check

این استدلال، حتی اگر توصیهٔ اصلی درست باشد، کافی نیست.
بی‌ضرر بودن احتمالی یک تمرین، ادعای نادرست دربارهٔ فایدهٔ آن را بی‌ضرر نمی‌کند.
باید میان خود تمرین، نحوهٔ انجام آن و اطلاعاتی که برای توجیه آن منتشر می‌شود، تفاوت گذاشت.

۱. ممکن است فرد به یک تمرین محدود بسنده کند و اقدامات مهم‌تر را نادیده بگیرد.

اگر به سالمندی گفته شود روزانه یک دقیقه روی یک پا بایستد و با این کار خطر زمین‌خوردن مرگبارش ۸۶ درصد کاهش می‌یابد، ممکن است تصور کند همین کار برای پیش‌گیری کافی است. درحالی‌که پیش‌گیری مؤثر از زمین‌خوردن می‌تواند به مجموعه‌ای از اقدامات نیاز داشته باشد:
تمرین‌های مناسب برای تقویت عضلات و بهبود تعادل، بررسی داروهایی که ممکن است خطر زمین‌خوردن را افزایش دهند، ارزیابی بینایی و فشار خون وضعیتی، و کاهش خطرهای محیطی.

منبع: مرکز کنترل و پیشگیری از بیماری‌های آمریکا (CDC)، راهنمای پیشگیری از زمین‌خوردن
https://www.cdc.gov/falls/prevention/index.html

۲. تمرینی که برای یک نفر مناسب است، لزوماً برای همه بی‌خطر نیست.

ایستادن روی یک پا ممکن است برای فردی با تعادل مناسب، در شرایط ایمن، تمرینی قابل‌اجرا باشد اما برای کسی که تعادل ضعیفی دارد یا سابقهٔ زمین‌خوردن دارد، اجرای بدون حمایت آن می‌تواند خطر سقوط ایجاد کند.
توصیهٔ عمومی باید علاوه بر فایدهٔ احتمالی، به توانایی فرد و شرایط ایمن انجام تمرین نیز توجه کند. در صورت نیاز، تمرین باید با تکیه‌گاه محکم یا با راهنمایی متخصص انجام شود.

منبع: CDC، منابع بالینی برنامهٔ STEADI برای ارزیابی و کاهش خطر زمین‌خوردن در سالمندان
https://www.cdc.gov/steadi/hcp/clinical-resources

۳. عدد دقیق اما اثبات‌نشده می‌تواند احساس امنیت کاذب ایجاد کند.

وقتی گفته می‌شود یک حرکت خطر را ۸۶ درصد کاهش می‌دهد، مخاطب ممکن است آن را نتیجه‌ای قطعی و اندازه‌گیری‌شده تصور کند، نه عددی که برای آن شواهد مستقیم ارائه نشده است.
این تفاوت مهم است: ممکن است تمرین تعادل واقعاً مفید باشد، اما میزان فایدهٔ آن به نوع تمرین، مدت و تکرار آن، ویژگی‌های افراد و پیامدی که اندازه‌گیری شده بستگی دارد. عدد دقیق، به‌خودی‌خود نشانهٔ دقت علمی نیست.

۴. درست بودن بخشی از پیام می‌تواند بخش نادرست آن را باورپذیرتر کند.

این ویدئو به یک واقعیت علمی تکیه می‌کند: توانایی حفظ تعادل با وضعیت سلامت ارتباط دارد و تمرین تعادل می‌تواند مفید باشد اما از این دو نکته نمی‌توان نتیجه گرفت که یک دقیقه تمرین صبحگاهی زمین‌خوردن‌های مرگبار را ۸۶ درصد کاهش می‌دهد یا کوچک‌شدن مغز را معکوس می‌کند. وجود یک بخش درست، ادعاهای اثبات‌نشدهٔ کنار آن را تأیید نمی‌کند؛ حتی ممکن است باعث شود مخاطب آن ادعاها را هم بدون بررسی بپذیرد.

۵. تکرار چنین ادعاهایی اعتماد عمومی به اطلاعات سلامت را مخدوش می‌کند.

وقتی توصیه‌ای مفید با وعده‌های اغراق‌آمیز و اعداد بی‌پشتوانه عرضه می‌شود، مخاطب ممکن است پس از مواجهه با تناقض‌ها نه‌تنها به همان ادعا، بلکه به توصیه‌های علمی معتبر نیز بدبین شود. راه درست، رد کردن همهٔ پیام نیست؛ باید بخش معتبر را حفظ کرد و بخش اثبات‌نشده را جداگانه اصلاح کرد.

منبع زمینه‌ای دربارهٔ اهمیت پیش‌گیری از زمین‌خوردن و مداخلات مبتنی بر شواهد: سازمان جهانی بهداشت
https://www.who.int/news-room/fact-sheets/detail/falls

❓پاسخ دقیق به جملهٔ «این ادعا که ضرری ندارد» چیست؟

«خود تمرین تعادل ممکن است مفید باشد؛ اما این موضوع، ادعای کاهش ۸۶ درصدی زمین‌خوردن‌های مرگبار را ثابت نمی‌کند. انتشار چنین عددی بدون شواهد مستقیم می‌تواند باعث احساس امنیت کاذب، نادیده‌گرفتن اقدامات ضروری پیشگیری و انجام ناایمن تمرین شود. بنابراین، نه لازم است تمرین تعادل را رد کنیم و نه درست است ادعای اثبات‌نشده را صرفاً به این دلیل که اصل تمرین مفید است، بی‌ضرر بدانیم.»

نکتهٔ نهایی:

برای نقد علمی لازم نیست ثابت کنیم منتشرکننده قصد فریب داشته یا کسی واقعاً آسیب دیده است. کافی است نشان دهیم ادعا از شواهد موجود فراتر رفته و توضیح دهیم چرا این فاصله میان شواهد و ادعا می‌تواند برای مخاطب اهمیت عملی داشته باشد.

لطفاً بخوانید:
«استثمار علم» (Scienceploitation):
t.me/Fact_Check/3461
❓ دربارهٔ منبع اصلی ویدئویی که با جملهٔ «سالمندان عزیز، تا حالا از خودتون پرسیدین چرا ...» آغاز می‌شه و در شبکه‌های اجتماعی فارسی پربازدید شده:
t.me/Fact_Check/3471
&
t.me/Fact_Check/3447
ادامه دارد:
t.me/Fact_Check

❓آمار سه میلیون مراجعه به اورژانس چه چیزی را نشان می‌دهد و چه چیزی را نشان نمی‌دهد؟
t.me/Fact_Check

در ویدئوی مورد نقد، گفته می‌شود که سالانه حدود سه میلیون سالمند به‌دلیل زمین‌خوردن به اورژانس مراجعه می‌کنند؛ سپس این آمار در کنار ادعای دیگری قرار می‌گیرد: این‌که تنها ۳۰ تا ۶۰ ثانیه تمرین تعادل، پیش از صبحانه، می‌تواند خطر زمین‌خوردن‌های مرگبار را ۸۶ درصد کاهش دهد.
اما آیا آمار سه میلیون مراجعه، ادعای کاهش ۸۶ درصدی را تأیید می‌کند؟
واقعیت چیست؟

مرکز کنترل و پیشگیری از بیماری‌های آمریکا (CDC) گزارش کرده است که در سال ۲۰۲۱، نزدیک به سه میلیون مراجعه به اورژانس در افراد ۶۵ ساله و بالاتر، به‌دلیل زمین‌خوردن ثبت شده بود.
منبع رسمی CDC:
https://www.cdc.gov/falls/
بنابراین، عدد سه میلیون بی‌پایه نیست؛ اما باید دقیق بیان شود: این آمار به ایالات متحده، افراد ۶۵ ساله و بالاتر و سال ۲۰۲۱ مربوط است. همچنین، عدد گزارش‌شده تعداد «مراجعه‌ها» به اورژانس است، نه لزوماً تعداد افراد منحصربه‌فرد؛ یک فرد ممکن است بیش از یک بار مراجعه کرده باشد.

❓ اشکال ادعای ویدئو چیست؟

مشکل، لزوماً خود آمار نیست؛ مشکل این است که آمار واقعیِ یک مسئلهٔ سلامت عمومی در کنار ادعایی دربارهٔ اثربخشی یک تمرین خاص قرار می‌گیرد، بی‌آن‌که این آمار بتواند آن ادعا را اثبات کند.

آمار CDC نشان می‌دهد که زمین‌خوردن سالمندان بار مهمی بر نظام سلامت تحمیل می‌کند اما این آمار، اثر تمرین یک‌پایی را بررسی نکرده است؛ بنابراین نمی‌تواند ثابت کند که این تمرین، با مدت و زمان‌بندی مطرح‌شده در ویدئو، خطر زمین‌خوردن‌های مرگبار را ۸۶ درصد کاهش می‌دهد.
برای اثبات چنین ادعایی باید به پژوهشی استناد کرد که اثر همان مداخله را بر پیامد مورد ادعا بررسی کرده باشد و میزان اثر را با روش آماری مناسب گزارش کرده باشد.
بزرگ‌بودن یک مشکل، به‌تنهایی نشان نمی‌دهد که راهکار تبلیغ‌شده چقدر مؤثر است.

❓ این اشکال چه زیانی دارد؟

وقتی یک آمار واقعی در کنار یک ادعای اثبات‌نشده قرار می‌گیرد، ممکن است مخاطب تصور کند که آمار اول، مدرکی برای درستی ادعای دوم است.
در نتیجه، عدد ۸۶ درصد می‌تواند معتبرتر از آنچه شواهد اجازه می‌دهند به نظر برسد.
اگر مخاطب بر اساس این برداشت، یک دقیقه تمرین را برای پیش‌گیری از زمین‌خوردن کافی بداند، ممکن است اهمیت اقدامات دیگر را دست‌کم بگیرد؛ اقداماتی مانند ارزیابی خطر زمین‌خوردن، بررسی داروهای مؤثر بر تعادل، اصلاح خطرهای محیطی و انجام تمرین‌های متناسب با توانایی فرد.

راهنمای پیشگیری از زمین‌خوردن CDC:
https://www.cdc.gov/falls/prevention/index.html

سه میلیون مراجعه به اورژانس، نشان‌دهندهٔ اهمیت واقعی زمین‌خوردن سالمندان است اما مدرکی برای کاهش ۸۶ درصدی زمین‌خوردن‌های مرگبار با یک دقیقه تمرین صبحگاهی نیست.
باید میان «واقعی‌بودن آمار» و «درست‌بودن نتیجه‌ای که با آن همراه شده» تفاوت گذاشت. یک آمار ممکن است کاملاً واقعی باشد، اما برای اثبات ادعایی که در کنارش مطرح می‌شود، هیچ کفایت علمی نداشته باشد.

لطفاً بخوانید:
«استثمار علم» (Scienceploitation):
t.me/Fact_Check/3461
❓ دربارهٔ منبع اصلی ویدئویی که با جملهٔ «سالمندان عزیز، تا حالا از خودتون پرسیدین چرا ...» آغاز می‌شه و در شبکه‌های اجتماعی فارسی پربازدید شده:
t.me/Fact_Check/3471
&
t.me/Fact_Check/3447

ادامه دارد:
t.me/Fact_Check

❓اگر برای شما این پرسش پیش آمده که چرا این تعداد پیام در نقد و تکذیب ادعاهای یک ویدئو لازم است؟

پاسخ این است که برخی عوامل در کنار هم سبب نیاز به پاسخ جدی به این ویدئو را سبب شده:

🔴 میزان بازنشر آن.
متأسفانه پس از میزان زیادی بازنشر در واتس‌اپ، به تلگرام راه یافته و انتشار بسیار وسیع داشته.

🔴 میزان فریبندگی آن
این ویدئو به دلیل ماهیت Scienceploitation باورپذیری زیادی داشته و در برخی گروه‌ها مورد معرفی واقع شده!
افرادی آن را ارسال و توصیه به دیدن و بازنشر می‌کنند افرادی از آن دفاع می‌کنند!
نقد آن، هم پاسخ به محتوای این ویدئو است، هم می‌تواند مخاطبان را با ماهیت Scienceploitation آشنا کند تا در موارد مشابه دیگر امکان فریب خوردنشان کمتر شود.

🔴 میزان اثر سوء آن
متأسفانه اطلاعات نادرست و گمراه‌کننده زیادی در آن وجود دارد.
توضیح بیشتر

🆘 نقد و تکذیب چنین مطالبی سخت نیست، رساندن تقد و تکذیب به رویت عدهٔ زیادی از کاربران سخت است!
شما با بازنشر مطالب به بیشتر دیده شدنشان کمک کنید.

لطفاً بخوانید:
«استثمار علم» (Scienceploitation):
t.me/Fact_Check/3461
❓ دربارهٔ منبع اصلی ویدئویی که با جملهٔ «سالمندان عزیز، تا حالا از خودتون پرسیدین چرا ...» آغاز می‌شه و در شبکه‌های اجتماعی فارسی پربازدید شده:
t.me/Fact_Check/3471
&
t.me/Fact_Check/3447

ادامه دارد:
t.me/Fact_Check

⚠️❓نفوذ به اوپن‌کد!
چه کسانی باید کلیدهای API را عوض کنند؟

اوپن‌کد (OpenCode)، دستیار متن‌باز برنامه‌نویسی با هوش مصنوعی، وقوع نفوذ امنیتی به سرویس آنلاین «Console» خود را تأیید کرده است؛ اما برخلاف برخی هشدارهای منتشرشده، این حادثه همهٔ کاربران را شامل نمی‌شود.

طبق اعلام شرکت در ۱۷ اکتبر، ۱٫۴ درصد از کاربران Console آسیب دیده‌اند؛ گروهی که کلیدهای API سرویس‌های هوش مصنوعی دیگر را به فضای کاری خود متصل کرده بودند. اوپن‌کد می‌گوید به همهٔ افراد آسیب‌دیده ایمیل زده است: «اگر ایمیلی دریافت نکرده‌اید، تحت تأثیر نبوده‌اید.» این، ارزیابی اعلام‌شدهٔ شرکت است.
مهاجم به یک سامانهٔ قدیمیِ در حال کنارگذاشته‌شدن دسترسی پیدا کرده و کلیدهای ذخیره‌شده در فضاهای کاری آسیب‌دیده ممکن است افشا شده باشند. کلید API نوعی مجوز دسترسی نرم‌افزاری است؛ سرقت آن می‌تواند به استفاده از سرویس و ایجاد هزینه به حساب صاحب کلید منجر شود. بااین‌حال، سوءاستفاده از تمام کلیدهای در معرض خطر تأیید نشده است.
این رخداد به Console مربوط است، نه لزوماً برنامهٔ نصب‌شدهٔ اوپن‌کد. به گفتهٔ یکی از بنیان‌گذاران، کلیدهایی که صرفاً در برنامهٔ محلی وارد می‌شوند، به سامانه‌های شرکت ارسال نمی‌شوند.
کاربران دریافت‌کنندهٔ ایمیل هشدار باید کلیدهای مرتبط را در پنل خودِ ارائه‌دهنده باطل و جایگزین کنند و مصرف و صورتحسابشان را بررسی کنند. حذف کلید از اوپن‌کد به‌تنهایی کافی نیست. صرف استفاده از ChatGPT، Claude یا Gemini نیز به معنی آسیب‌دیدن در این حادثه نیست.
منابع: ۱ ۲

🟢گاهی دربارهٔ هوش مصنوعی:
t.me/andishehsarapub

🎁اطلاعات درست، تکذیب شایعات نادرست و نقد مطالب شبه‌علمی:
t.me/addlist/JuLe7JilD9thMjA8

❓ آیا تمرین تعادل صبحگاهی ۳۰۰ درصد مؤثرتر از اوقات دیگر است؟

در ویدئوی مورد نقد، دو ادعای مرتبط مطرح می‌شود:
۱. تمرین تعادل در صبح، ۳۰۰ درصد مؤثرتر از انجام آن در ساعات دیگر روز است.
۲. علت این برتری آن است که دستگاه دهلیزی گوش داخلی هنگام خواب «ریست» می‌شود و صبح، عملکرد بهتری دارد.

✔️خلاصه:
سندی مؤید هیچ‌یک از این دو ادعا توسط مدعی ارائه نشده، با جست‌وجو در مقالات معتبر و حتی کم‌اعتبار مطالعه‌ای که به چنین نتیجه‌ای رسیده باشد یافت نشد!

مشروح:
برای ارزیابی علمی، باید این دو ادعا را جداگانه بررسی کنیم.
نخست، ادعای اول.

❓ واقعیت علمی دربارهٔ تفاوت تعادل در ساعات مختلف روز چیست؟

پژوهشی تفاوت‌های صبح و عصر را در شاخص‌های کنترل وضعیت بدن بررسی کرده است:
Morning/Evening Differences in Somatosensory Inputs for Postural Control
متن کامل مقاله:
https://pmc.ncbi.nlm.nih.gov/articles/PMC4151602/
در این مطالعه، ۱۹ مرد جوان سالم با میانگین سنی ۲۰٫۵ سال، پس از یک شب خواب معمول، در ساعت ۶ صبح و ۶ عصر ارزیابی شدند. برخی شاخص‌های کنترل وضعیت بدن در عصر بهتر بود و یافته‌ها با تغییرات روزانهٔ دمای بدن و سطح خواب‌آلودگی و هوشیاری هم‌زمانی داشتند. با این‌حال همهٔ شاخص‌ها تفاوت معناداری نشان ندادند؛ برای مثال شاخص رومبرگ (Romberg's index) بین دو زمان تفاوت معناداری نداشت.

این مطالعه عملکرد شرکت‌کنندگان را در دو زمان روز بررسی کرد؛ نه اینکه نشان دهد تمرین یکسان در صبح یا عصر، پس از چند هفته، بهبود بیشتری ایجاد می‌کند.
همچنین نتایج یک مطالعه روی ۱۹ مرد جوان را نمی‌توان بدون شواهد بیشتر به زنان، سالمندان یا همهٔ افراد تعمیم داد.

❓آیا مرور نظام‌مند پژوهش‌ها برتری یک زمان مشخص را تأیید می‌کند؟

مروری نظام‌مند مطالعات مربوط به تأثیر زمان روز بر کنترل وضعیت بدن و راه رفتن را بررسی کرده است:
Does Time of Day influence postural control and gait? A review of the literature

https://pubmed.ncbi.nlm.nih.gov/34836768/

این مرور ۲۲ مطالعه دربارهٔ کنترل وضعیت بدن و ۱۱ مطالعه دربارهٔ راه‌رفتن را بررسی کرد.
در مطالعات کنترل وضعیت بدن ۶ مطالعه بهترین عملکرد را در صبح، ۴ مطالعه در بعدازظهر، ۴ مطالعه در عصر و ۸ مطالعه هیچ اثر مشخصی از زمان روز گزارش کردند.

تحلیل کمّی پژوهشگران شواهد اولیه‌ای به نفع عملکرد بهتر در عصر یافت؛ اثری کوچک اما از نظر آماری معنادار.
با این‌حال، نویسندگان تأکید کردند که دربارهٔ تأثیر زمان روز بر کنترل وضعیت بدن و راه رفتن، اجماع روشنی وجود ندارد.

نکتهٔ مهم این که این مرور دربارهٔ تغییرات عملکرد در ساعات مختلف روز است؛ نه اثبات برتری ۳۰۰ درصدی یک برنامهٔ تمرینی صبحگاهی.

❓ آیا تمرین در صبح واقعاً به بهبود بیشتر تعادل سالمندان منجر می‌شود؟

یک مطالعهٔ پایلوت اثر زمان اجرای یک برنامهٔ ورزشی را در سالمندان بررسی کرد:
Does the time of day differently impact the effects of an exercise program on postural control in older subjects? A pilot study

https://pmc.ncbi.nlm.nih.gov/articles/PMC9022324/

در این پژوهش، سالمندان ساکن مراکز مراقبتی در یک برنامهٔ ۳ ماههٔ تمرین چندجزئی شرکت کردند. برنامه شامل راه رفتن، تمرین قدرتی، انعطاف‌پذیری، هماهنگی و تعادل بود.
۱۴ نفر در ابتدا وارد مطالعه شدند اما فقط ۹ نفر برنامه را کامل کردند: ۴ نفر در گروه تمرین صبحگاهی و ۵ نفر در گروه تمرین بعدازظهر.

پس از مداخله بهبود معنادار برخی شاخص‌های کنترل وضعیت بدن فقط در گروه تمرین بعدازظهر مشاهده شد.
خود پژوهشگران نیز تأکید کردند که به‌دلیل کوچک بودن نمونه، برای تأیید این نتیجه به مطالعات بزرگ‌تر نیاز است.

این یافته نه برتری قطعی تمرین عصرگاهی را ثابت می‌کند و نه قابل تعمیم به همهٔ سالمندان است.
با این حال، نشان می‌دهد که نتایج واقعی پژوهش‌ها با ادعای قطعی «۳۰۰ درصد مؤثرتر بودن تمرین صبحگاهی» هم‌خوانی ندارند.

🔴 مطالعهٔ پایلوت، به‌تنهایی برای تعیین بهترین زمان تمرین در همهٔ سالمندان کافی نیست.

❓ اشکال ادعای «۳۰۰ درصد مؤثرتر» چیست؟

برای تأیید چنین ادعای کمّی‌ای، به شواهد مستقیم و قابل‌اعتماد نیاز داریم که برنامهٔ تمرینی یکسان را در زمان‌های مختلف روز مقایسه کند، پیامد را به‌روشنی تعریف کند و تفاوت مشاهده‌شده را با روش آماری مشخص گزارش دهد.

برای مثال، این پیامدها یکسان نیستند:
- عملکرد تعادل در یک آزمون مشخص
- میزان یادگیری یک مهارت تعادلی
- میزان بهبود پس از چند هفته تمرین
- کاهش تعداد زمین خوردن‌ها در زندگی واقع.

حتی اگر فرد در یک ساعت از روز عملکرد بهتری در آزمون تعادل داشته باشد، نمی‌توان نتیجه گرفت که تمرین در همان ساعت باعث یادگیری بیشتر یا کاهش بیشتر زمین خوردن‌ها می‌شود. برای اثبات هرکدام از این پیامدها شواهد متناسب با همان ادعا لازم است.

از سوی دیگر عبارت «۳۰۰ درصد مؤثرتر» نیز باید دقیق تعریف شود:
کدام پیامد، در مقایسه با چه زمانی و بر اساس چه محاسبه‌ای؟

از نظر ریاضی، «۳۰۰ درصد بیشتر» با «سه برابر» یکسان نیست: افزایش ۳۰۰ درصدی نسبت به مقدار پایه، در معنای معمول ریاضی، به چهار برابر مقدار پایه می‌رسد؛ درحالی‌که سه برابر شدن، معادل ۲۰۰ درصد افزایش است.
در منابع بررسی‌شده، شواهد معتبر و مستقیمی که برتری ۳۰۰ درصدی تمرین تعادل صبحگاهی را تأیید کند، پیدا نشد.

❓ آیا دستگاه دهلیزی گوش داخلی هنگام خواب «ریست» می‌شود؟
پیام بعد را ببینید:
t.me/Fact_Check

لطفاً بخوانید:
«استثمار علم» (Scienceploitation):
t.me/Fact_Check/3461

❓ دربارهٔ منبع اصلی ویدئویی که با جملهٔ «سالمندان عزیز، تا حالا از خودتون پرسیدین چرا ...» آغاز می‌شه و در شبکه‌های اجتماعی فارسی پربازدید شده:
t.me/Fact_Check/3471
&
t.me/Fact_Check/3447

⚠️ «سالمندان عزیز، تا حالا از خودتون پرسیدین چرا ...»
❓آیا شما هم ویدئویی را که با جملهٔ بالا آغاز شده دیده‌اید؟

در چند پیام قبل برخی از اشکالات یکی از توصیه‌های آن ویدئو را دیدیم.
به سایر توصیه‌های آن ویدئو نیز ایرادهای مشابهی وارد است اما با همین یک نمونه می‌توان آن را پیامی حاوی اطلاعات نادرست و گمراه‌کننده دانست.

ویدئو چند مطلب درست را کنار هم قرار می‌دهد:
🔹توانایی حفظ تعادل با وضعیت عملکردی و سلامت ارتباط دارد.
🔹تمرین تعادل می‌تواند مهارت تعادلی را بهبود دهد.
🔹یادگیری مهارتهای حرکتی با سازگاریهای عصبی همراه است.
🔹زمین‌خوردن سالمندان یک مشکل مهم سلامت عمومی‌ست.
🔹عملکرد بدن ممکن است در ساعتهای مختلف روز تفاوت داشته باشد.

⚠️سپس ادعاهایی را مطرح می‌کند که وانمود می‌کند از مقالاتی در موضوعات بالا نتیجه گرفته شده‌اند؛
اما هیچ‌یک از آنها به شکلی که مطرح شده‌اند از این مقالات نتیجه گرفته نمی‌شوند.
ادعاهای مطرح شده:

🔸کاهش ۸۶ درصدی زمین خوردنهای مرگبار
🔸معکوس شدن کوچک شدن مغز با ۳۰ تا ۶۰ ثانیه تمرین
🔸رشد قطعی مادهٔ خاکستری در هیپوکامپ و مخچه
🔸افزایش ۳۰۰ درصدی اثربخشی تمرین در صبح
🔸ریست شدن سیستم دهلیزی در خواب
یا دقیقتر بودن آزمون تعادل از فشار خون و کلسترول برای پیشبینی مرگ

در اینجا با یک الگوی رایج مواجهیم:
چند واقعیت علمی معتبر به هم پیوند داده می‌شوند و سپس نتیجه‌ای بسیار بزرگتر از شواهد ساخته می‌شود تا جلب توجه شود.
🔴چیزی که به آن Scienceploitation می‌گوییم.
---
✔️واقعیت آنقدر جذاب نیست که بازدید یک پیام را میلیونی کند:

تمرین تعادل می‌تواند مفید باشد و پژوهشهای علمی نیز از اهمیت آن حمایت می‌کنند.

این واقعیت، مجوزی برای نسبت دادن هر درصد جذاب و هر اثر شگفت‌انگیزی به آن نیست.

✔️مطالعه نشان داده ناتوانی در انجام آزمون ۱۰ ثانیه‌ای ایستادن روی یک پا با افزایش خطر مرگ به هر علت همراه بوده؛
❌نه اینکه تمرین این حرکت خطر مرگ یا سکته را ۸۴ درصد کاهش می‌دهد.

✔️پژوهشهای مربوط به تمرین تعادل و سازگاری عصبی نیز از یادگیری مهارت و برخی تغییرات عصبی حمایت می‌کنند؛
❌نه اینکه ۳۰ ثانیه تمرین روزانه، کوچک شدن مغز را معکوس کند.

برای ادعای کاهش ۸۶ درصدی زمین خوردنهای مرگبار، برتری ۳۰۰ درصدی تمرین صبحگاهی و ریست شدن سیستم دهلیزی هنگام خواب، باید شواهد مستقیمی ارائه شود که دقیقاً همان ادعاها را اثبات کنند.
--
⚠️ممکن است کسی بگوید: «حتی اگر عددها دقیق نباشند، تمرین تعادل که مفید است؛ پس چه اشکالی دارد مردم را به انجام آن تشویق کنیم؟»

این دفاع چند پیامد مهم را نادیده می‌گیرد:

۱. اعتماد مخاطب به علم را آسیب‌پذیر می‌کند
توصیه‌های واقعی و مستند دربارهٔ پیشگیری از زمین خوردن و هر موضوع دیگری بدبین شود.
بزرگنمایی یک توصیهٔ مفید می‌تواند به اعتماد عمومی به علم آسیب بزند.

۲. ممکن است به احساس امنیت کاذب منجر شود
سالمندی که باور کند روزی یک دقیقه ایستادن روی یک پا خطر زمین خوردن مرگبار را ۸۶ درصد کاهش می‌دهد ممکن است تصور کند همین یک حرکت برای محافظت از او کافی است.
درحالی‌که پیشگیری از زمین خوردن می‌تواند به بررسی داروها، ارزیابی بینایی و فشار خون، رسیدگی به مشکلات پا و راه رفتن، اصلاح خطرهای محیط خانه و برنامهٔ ورزشی متناسب با توان فرد نیاز داشته باشد.
تمرین تعادل به عنوان بخشی از این برنامه توصیه می‌شود و جایگزین ارزیابی جامع خطر نیست.

۳. ممکن است رسیدگی به عوامل مهمتر به تعویق بیفتد
زمین خوردن در سالمندان می‌تواند عوامل متعدد و گاه قابل درمانی داشته باشد. نسبت دادن کاهش بسیار بزرگ خطر به یک حرکت کوتاه ممکن است توجه را از عوامل مهمتر منحرف کند؛ برای مثال داروهایی که سرگیجه یا خواب‌آلودگی ایجاد می‌کنند، افت فشار خون هنگام برخاستن، اختلال بینایی، ضعف عضلانی یا خطرهای موجود در خانه.
هدف از پیشگیری علمی، انتخاب مداخله بر اساس شواهد و وضعیت فرد است، نه معرفی یک حرکت به‌عنوان راه حل جادویی.

۴. افراد آسیب‌پذیر ممکن است تمرین را ناایمن انجام دهند
توصیهٔ عمومی دربارهٔ تمرین باید سطح توانایی، شرایط ایمنی و نیاز به حمایت را در نظر بگیرد.

۵. مرز میان یافتهٔ پژوهشی و تبلیغ گم می‌شود
وقتی یک نتیجهٔ مشاهده‌ای به ادعای مداخله‌ای تبدیل می‌شود، مخاطب نمی‌تواند تشخیص دهد پژوهش واقعاً چه چیزی را ثابت کرده.
این کار به‌ویژه هنگامی مشکل‌ساز است که اعداد دقیق، اصطلاحات تخصصی و نام مجلات معتبر برای افزایش اعتماد به محتوا استفاده شوند بدون اینکه لینک مقاله یا توضیح محدودیتهای آن ارائه شود.

۶. اصلاح اطلاعات غلط دشوارتر می‌شود
ادعایی که ترکیبی از واقعیت و بزرگنمایی است، از یک ادعای کاملاً ساختگی مقاومتر است.

«استثمار علم» (Scienceploitation):
t.me/Fact_Check/3461
دربارهٔ منبع اصلی ویدئو:
t.me/Fact_Check/3471

t.me/Fact_Check/3447

❓چرا تکذیب این ویدئو مهم است؟

⚠️⚠️هشدار:
از داخل ایران چت‌جی‌پی‌تی را بدون وی‌پی‌ان باز نکنید!

ساعاتی است کاربران چت‌جی‌پی‌تی با آی‌پی ایران با این پیام روبه‌رو می‌شوند اما با وی‌پی‌ان می‌توانند از آن استفاده کنند.

این که بعد از مشاهدهٔ باز نشدن آن وی‌پی‌ان را روشن کنید و از آن استفاده کنید کافی نیست.
باید مراقب باشید قبل از باز کردن چت‌جی‌پی‌تی وی‌پی‌ان روشن باشد چون بنا بر سیاست رسمی اوپن ای‌آی، امکان مسدود شدن حساب کاربرانی وجود دارد که از کشورهایی هستند که چت‌جی‌پی‌تی در آن‌ها پشتیبانی نمی‌شود.

⚠️در طولانی‌مدت وقتی از چت‌جی‌پی‌تی استفاده نمی‌کنید آن را باز نگذارید تا در صورت قطع شدن وی‌پی‌ان با آی‌پی ایران روبه‌رو نشود!

⚠️استفاده از کشورهای پشتیبانی‌نشده ممکن است به مسدودشدن حساب منجر شود.
(ایران در فهرست کشورهای پشتیبانی‌شده ChatGPT نیست. این یک محدودیت رسمی و مستند است.)

طبق راهنمای رسمی OpenAI، دسترسی به ChatGPT یا API آن از کشور پشتیبانی‌نشده، یا فراهم‌کردن چنین دسترسی‌ای، ممکن است باعث مسدودشدن یا تعلیق حساب شود. این هشدار فقط درباره بازنشدن وب‌سایت نیست؛ به وضعیت مجازبودن استفاده نیز مربوط است.
منبع رسمی

هر خبر تازه‌ای درباره «قطع ChatGPT در ایران» را با توجه به تاریخ انتشار، منبع اصلی و نوع محدودیت بررسی کنید؛ زیرا «فیلترشدن»، «پشتیبانی‌نشدن رسمی»، «اختلال اینترنت» و «قطعی جهانی» چهار ادعای متفاوت‌اند و نباید به جای یکدیگر به کار روند.

به‌روزرسانی می‌شود:
t.me/Fact_Check

t.me/andishehsarapub

🔴 پاسخ چت‌بات مدرک نیست
از چت‌بات منبع بخواهید!

این کار به‌عنوان نمونه‌ای از خطر تکیهٔ چت‌بات‌ها روی محتوای تأییدنشده شبکه‌های اجتماعی مطرح شده است:

چت‌بات هوش مصنوعی Grok در بیش از ۳۰۰ پاسخ جداگانه، هویت ادعایی شاکی ناشناس پرونده تعرض جنسی مرتبط با دانشگاه کرنل* (شناخته‌شده در پرونده‌ها با نام مستعار Jane Doe) را ذکر کرده است.
این پاسخ‌ها عمدتاً بر اساس پست‌های منتشرشده در خود شبکه اجتماعی ایکس شکل گرفته‌اند.

عدد ۳۰۰ مربوط به تعداد پاسخ‌های مستقیم گروک است، نه تعداد بازنشر یا بازدید پست‌ها.

تولید جداگانهٔ یک ادعا توسط چت‌بات، به‌معنای وجود منابع معتبر متعدد نیست.

هویتی که گروک برای شاکی ناشناس مطرح کرده، بر اساس نوشته‌های کاربران بوده نه اطلاعات موثق.
منبع
-----
*✍️خلاصه پرونده دانشگاه کرنل:

یک دانشجوی سابق دانشگاه کرنل (شناخته‌شده در پرونده‌ها با نام مستعار Jane Doe) ادعا کرده که در ۱۹ اکتبر ۲۰۲۴ در خانه انجمن برادری Chi Phi، پس از مصرف الکل و مواد مخدر (از جمله کتامین)، مورد تجاوز گروهی توسط هفت عضو آن انجمن قرار گرفته است.
او حدود سه هفته بعد موضوع را به پلیس دانشگاه گزارش داد. دادستان محلی ابتدا به دلیل کمبود شواهد کافی پرونده کیفری را بست. دانشگاه هم تحقیقات داخلی (Title IX) انجام داد که منجر به اخراج و تعلیق برخی افراد و تعطیلی دائمی شاخه انجمن شد.

در سپتامبر ۲۰۲۶، شاکی شکایت مدنی مفصلی علیه دانشگاه، انجمن و هفت مرد متهم مطرح کرد. پس از آن دادستان محلی پرونده را دوباره باز کرد و فرماندار نیویورک هم دادستان کل ایالت را به عنوان دادستان ویژه منصوب کرد. متهمان اتهامات را رد کرده‌اند و تاکنون هیچ اتهام جنایی رسمی علیه آن‌ها مطرح نشده است. این پرونده توجه گسترده‌ای در رسانه‌ها و دانشگاه جلب کرده است.

❗️از خود گروک پرسیدم نام چه کسی را گفتی؟😃:
t.me/andishehsarapub/16693

🟢 گاهی دربارهٔ هوش مصنوعی:
t.me/andishehsarapub

🎁 اطلاعات درست، تکذیب شایعات نادرست و نقد مطالب شبه‌علمی:
t.me/addlist/JuLe7JilD9thMjA8

🚨👆 این یک تبلیغ از طرف تلگرام است و ارتباطی با کانالی که تبلیغ را در آن مشاهده می‌کنید ندارد.

🔴 اگر این پیام یا پیام مشابهی را در کانالی دیدید، مطلع باشید که این یک تبلیغ است که «شرکت تلگرام» «به صورت اجباری» در کانال‌ها منتشر می‌کند!

⚠️با دیدن Ad
[advertisement]
در پیام، چنان که در تصویر می‌بینید، می‌شود متوجه شد که این یک آگهی تحمیلی از طرف خود تلگرام است، نه از طرف مدیر کانال.

🟢کانال‌هایی مانند کانال اندیشه‌سرا که تاکنون هیچ تبلیغی را منتشر نکرده‌اند ناگزیر میزبان تبلیغات ناخواسته از سوی تلگرام هستند!
حتی آگهی را پس از انتشار هم در کانال خود نمی‌بینند مگر آن‌که با اکانتی به کانال سر بزنند که ادمین آن کانال نباشد.

نکته:
اگر ادمین کانال باشید خودتان این آگهی‌ها را نمی‌بینید! ممکن است تبلیغاتی در کانالتان باشد که با آن‌ها کاملاً مخالف بتشید یا حتی مخاطبانتان را فریب دهد.
این نکته را به اطلاع مخاطبانتان برسانید.
بسیاری از مخاطبان گمان می‌کنند چنین تبلیغاتی توسط مدیر کانال منتشر می‌شود.

توضیحات بعدی:
t.me/andishehsarapub/9016
🎁 مطالب مرتبط با بهداشت و سلامت:
t.me/addlist/JuLe7JilD9thMjA8

⚠️⚠️ اگر در بازار غیررسمی به شما بگویند دارو ساخت بریتانیاست راست گفته‌اند❗️

کشف ۱۲ هزار قلم تزریقی تقلبی لاغری به ارزش ۲ میلیون پوند؛ پشت پرده بازار سیاه داروهای لاغری چیست؟

🆘 این خبر را برای کسانی بفرستید که درباره داروهای تزریقی لاغری کنجکاوند یا ممکن است آن‌ها را از فروشندگان غیرمجاز تهیه کنند.

در بیرمنگام انگلستان، بیش از ۱۲ هزار قلم تزریقی تقلبی با برچسب دو داروی مشهور کاهش وزن، «تیرزپاتاید» و «رتاتروتاید»، کشف و ضبط شد؛ محموله‌ای با ارزش حدود ۲ میلیون پوند!

سازمان تنظیم مقررات دارو و محصولات سلامت بریتانیا (MHRA) اعلام کرد که این کشف در ۱۴ اکتبر ۲۰۲۶، در یک واحد صنعتی در منطقه نچلز بیرمنگام انجام شده. جعبه‌هایی نیز پیدا شد که برای حدود ۳۰ هزار محصول دیگر کافی بود!

⚠️ مقامات هشدار داده‌اند که ایمنی، کیفیت و اثربخشی این محصولات ارزیابی نشده است. بنابراین معلوم نیست واقعاً چه ماده‌ای در آن‌ها وجود دارد، دوزشان چقدر است یا آیا آلوده‌اند.

💉 تیرزپاتاید با نام تجاری مونجارو (Mounjaro)، در بریتانیا برای دیابت نوع ۲ و مدیریت وزن در افراد واجد شرایط، مجوز دارد. اما این مجوز به معنای اصالت هر محصولی با این نام نیست.

💉 رتاتروتاید دارویی پژوهشی است که تاکنون (اکتبر ۲۰۲۶) مجوز مصرف عمومی در بریتانیا را ندارد.

🔴 این اولین پرونده از این نوع نیست. بریتانیا در ماه‌های گذشته نیز عملیات‌هایی علیه تولید و توزیع غیرقانونی داروهای کاهش وزن انجام داده است؛ از جمله کشف حدود ۱۲ هزار دوز داروی غیرمجاز در نورث‌همپتون‌شایر در مه ۲۰۲۶.

چرا این موضوع مهم است؟
داروی تقلبی فقط مشکل بی‌اثر بودن احتمالی را ندارد؛ احتمال وجود ماده‌ای متفاوت، دوز نامعلوم یا آلودگی نیز مطرح است.

⚠️⚠️ توصیه مهم: داروی کاهش وزن را فقط با تجویز معتبر و از مسیر قانونی تهیه کنید. بسته‌بندی شبیه اصل یا ادعای فروشنده، اصالت دارو را ثابت نمی‌کند.
حتی ممکن است واسطه یا فروشنده نهایی واقعاً ندانند که دارو اصل نیست.

منابع: ۱ ۲ ۳

💉 پاسخ به سؤالات آمپول‌های دیابت و لاغری:
t.me/dramindaneshpoor/257

🎁 اطلاعات درست، تکذیب شایعات نادرست و نقد مطالب شبه‌علمی:
t.me/addlist/JuLe7JilD9thMjA8

❌ خبر قفل کردن آیفون‌های از دریا گرفته شده توسط اپل، این روزها یکی از اخبار پربازدید شبکه‌های اجتماعی فارسی بوده
اما چنین خبری در وبسایت اپل یا منبع معتبری یافت نشد!

برخی افراد آگهی فروش «آیفون‌های دریایی»! با قیمت خیلی کم را در وب منتشر کرده‌اند و کلاهبرداری می‌کنند!

تصاویر معروف جمع کردن گوشی موبایل از روی آب با هوش مصنوعی ساخته شده بود و نوشته‌های خبرگزاری‌ها از این حکایت دارد که آن‌چه از غرق شدن کشتی کانتینربر در خلیج فارس بر روی آب بوده، گوشی موبایل نبوده است.

⚠️ در این روزها که صفحات مجازی با مطالب نادرست یا گمراه‌کننده دنبال افزایش بازدید هستند، با درستی‌سنجی شایعات مجازی همراه شوید:
t.me/Fact_Check
🎁 اطلاعات درست، تکذیب شایعات نادرست و نقد مطالب شبه‌علمی:
t.me/addlist/JuLe7JilD9thMjA8

⚠️⚠️ هشدار به کاربران هوش مصنوعی:

هوش مصنوعی با سیکوفانسی sycophancy (چاپلوسی و تملق‌گویی) که بنا بر بررسی علمی از ویژگی‌های اوست؛ شما را به اشتباه نیندازد.

ممکن است هوش مصنوعی حتی بی‌جا مطمئنترتان کند که حق با شماست!

یک پژوهش منتشرشده در مجلهٔ معتبر Science در سال ۲۰۲۶، هشداری جدی دربارهٔ هوش مصنوعی دارد:
در آزمایش‌های این پژوهش، ۱۱ مدل هوش مصنوعی در پاسخ به کاربران، ۴۹ درصد بیشتر از انسان‌ها رفتار تأییدکننده نشان دادند؛ حتی در موقعیت‌هایی که موضوع به رفتارهای زیان‌بار مربوط می‌شد.

چرا این خطرناک است؟
فرض کنید به هوش مصنوعی می‌گویید:
«من مطمئنم همکارم به من حسادت می‌کند. این رفتارهایش را تحلیل کن و توضیح بده چرا حسود است.»
اگر هوش مصنوعی بدون شواهد کافی، فرض شما را بپذیرد و برایش دلیل بتراشد، ممکن است به‌جای کمک به کشف حقیقت، سوءظن شما را تقویت کند.

حالا چه کار کنیم؟
هر وقت دربارهٔ موضوعی نظر قطعی دارید، این جمله را به پرسشتان اضافه کنید:
«فرض نکن که من درست می‌گویم. شواهد موافق و مخالف را بررسی کن. قوی‌ترین توضیح جایگزین چیست؟ چه اطلاعاتی می‌تواند نشان دهد برداشت من اشتباه است؟»

این یک تضمین برای گرفتن پاسخ درست نیست؛ اما راهی برای به چالش کشیدن پیش‌فرض‌های خودتان است.

یک اصل مهم را فراموش نکنید:
هوش مصنوعی‌ای که همیشه با شما مخالفت کند، لزوماً بهتر نیست؛ هوش مصنوعی مفید باید وقتی شواهد با شما موافق‌اند، موافقت کند و وقتی شواهد مخالف‌اند، بتواند مخالفت کند.
منبع منبع
t.me/andishehsarapub

❓✍️ منظور از sycophancy در این بحث چیست؟

Sycophancy
تملق‌گویی، چاپلوسی یا موافقت افراطی برای جلب رضایت:
در هوش مصنوعی به رفتاری گفته می‌شود که مدل به‌جای اولویت‌دادن به پاسخ درست، بیش‌ از حد با باورها و نظرهای کاربر همراهی می‌کند.

پیش از دوران هوش مصنوعی:
در انگلیسی، واژهٔ sycophant از سدهٔ شانزدهم برای توصیف خبرچین یا اتهام‌زننده به کار می‌رفت و بعدها معنای چاپلوس، به‌ویژه کسی که برای جلب رضایت افراد قدرتمند تملق می‌گوید بر آن غلبه کرد. Sycophancy نیز به رفتار چنین فردی گفته می‌شود.

🟢 گاهی دربارهٔ هوش مصنوعی:
t.me/andishehsarapub
🎁 اطلاعات درست، تکذیب شایعات نادرست و نقد مطالب شبه‌علمی:
t.me/addlist/JuLe7JilD9thMjA8

⚠️⚠️ اگر اکنون تلفنتان زنگ بخورد و صدای فرزندتان را بشنوید که می‌گوید «کمک کن! پول لازم دارم»، آیا مطمئنید خودش است؟

هوش مصنوعی می‌تواند صدای افراد را شبیه‌سازی کند؛ بنابراین شنیدن صدای آشنا، به‌تنهایی ثابت نمی‌کند که تماس واقعی است.

تصور کنید کسی با صدایی شبیه صدای یکی از عزیزانتان تماس می‌گیرد و می‌گوید تصادف کرده، بازداشت شده یا در وضعیت اضطراری است. بعد از شما می‌خواهد فوراً پول واریز کنید و به کسی هم چیزی نگویید.

در چنین لحظه‌ای، ترس و عجله ممکن است فرصت فکرکردن را از شما بگیرد.

اما یک راهکار ساده وجود دارد:

۱. تماس را به‌عنوان مدرک هویت کافی ندانید.

۲. با شماره‌ای که از قبل برای آن شخص دارید، خودتان با او تماس بگیرید؛ نه با شماره‌ای که تماس‌گیرنده به شما می‌دهد.

۳. با خانواده یک «رمز اضطراری» از پیش تعیین کنید؛ چیزی که حدس‌زدنش برای دیگران آسان نباشد.
این رمز می‌تواند پرسیدن نام یکی از فامیل‌های نه‌چندان نزدیک باشد. (با نزدیکان خود قرار بگذارید که در صورت برقراری چنین تماسی از شما نام بعضی از فامیل‌های نه‌چندان نزدیک را بپرسند.)

۴. تا وقتی هویت فرد را مستقلاً تأیید نکرده‌اید، پول نفرستید و اطلاعات محرمانه ندهید.

⚠️ نکتهٔ مهم: حتی تصویر زنده در تماس ویدئویی هم لزوماً هویت فرد را ثابت نمی‌کند؛ جعل‌های ویدئویی نیز امکان‌پذیر است.

این به معنای بی‌اعتمادی به عزیزانتان نیست؛ به معنای داشتن روشی مطمئن برای اطمینان از هویت آن‌هاست.

📌 همین امروز این موضوع را با خانواده‌تان مطرح کنید؛ پیش از آن‌که در یک موقعیت اضطراری مجبور شوید درباره‌اش تصمیم بگیرید.

اگر این مطلب برای شما ساده و معلوم به نظر می‌رسد، ممکن است برای برخی از اطرافیان شما مخصوصاً بزرگترها ساده و معلوم نباشد، آن را به اطلاع آن‌ها برسانید.
ضمناً در نظر داشته باشید که بسیاری از افراد به  روش‌هایی گول خورده‌اند که ممکن بوده در حالت معمول برایشان ساده و معلوم به نظر برسد.

🟢 گاهی دربارهٔ هوش مصنوعی:
t.me/andishehsarapub
🎁 اطلاعات درست، تکذیب شایعات نادرست و نقد مطالب شبه‌علمی:
t.me/addlist/JuLe7JilD9thMjA8

🧠 رفع یک تصور اشتباه بزرگ رایج نزد عموم، دربارهٔ هوش مصنوعی
با توجه به
Benchmark Data Contamination
#ب_پ
t.me/andishehsarapub

🔴 اگر دانش‌آموزی پرسش‌ها و پاسخ‌های امتحان را قبلاً دیده باشد، آیا نمرهٔ عالی‌اش ثابت می‌کند که درس را خیلی خوب بلد است؟

حالا همین سؤال را دربارهٔ هوش مصنوعی مطرح کنید.
مدل‌های زبانی بزرگ (LLMها) روی مجموعه‌های عظیمی از داده‌های وب آموزش دیده‌اند.
اگر سؤال‌ها یا پاسخ‌های یک آزمون استاندارد قبلاً در داده‌های آموزشی وجود داشته باشند، نمرهٔ مدل ممکن است تا حدی تحت تأثیر آشنایی قبلی قرار بگیرد؛ و لزوماً توانایی واقعی در حل مسائل جدید را نشان ندهد.
به این پدیده «آلودگی داده‌های آزمون» یا
Benchmark Data Contamination
می‌گویند.

🔴 مطالعات متعدد نشان داده‌اند که این آلودگی در بسیاری از معیارهای رایج ارزیابی وجود دارد؛ از جمله
MMLU, GSM8K, HumanEval, HellaSwag, MATH, ARC (AI2 Reasoning Challenge), BIG-Bench Hard (BBH) & TruthfulQA
همچنین معیارهای پزشکی مانند
MedQA, PubMedQA & MedMCQA*
این آلودگی می‌تواند نمرهٔ گزارش‌شدهٔ مدل را به‌طور قابل‌توجهی بالاتر از توانایی واقعی آن نشان دهد (گاهی تا حدود ۱۰ تا ۴۰ درصد، بسته به معیار و مدل). به این افزایش مصنوعی نمره، «متورم‌شدن عملکرد» می‌گویند.

با این حال، شدت این اثر در همه موارد یکسان نیست و به عوامل متعددی بستگی دارد؛ از جمله میزان هم‌پوشانی داده با آزمون، نوع آلودگی (دقیق، نحوی، معنایی یا در سطح کل وظیفه)**، اندازه مدل و مرحله‌ای از آموزش که آلودگی در آن رخ داده است.

🔴 نتیجهٔ عملی چیست؟
وقتی می‌شنوید مدلی در یک آزمون رکورد زده، هنوز این پرسش باقی‌ست:
آیا مدل واقعاً می‌تواند مسائل تازه‌ای را حل کند، یا عمدتاً در آزمونی که بخشی از داده‌های آموزشی‌اش بوده عملکرد خوبی نشان داده است؟

این مسئله برای انتخاب مدل هوش مصنوعی مناسب کارمان اهمیت دارد و می‌تواند با رتبه‌بندی‌های عمومی مدل‌ها تفاوت داشته باشد.

رتبهٔ بالا در یک معیار ایستا، معادل توانایی بالا در همهٔ کاربردهای واقعی نیست. پژوهش‌ها پیشنهاد می‌کنند از معیارهای پویا (dynamic benchmarks)، آزمون‌های خصوصی یا بازنویسی‌شده، و ارزیابی‌های مبتنی بر وظیفهٔ واقعی استفاده شود تا تأثیر آلودگی کاهش یابد.

این موضوع به معنای بی‌ارزش بودن معیارها یا ناتوانی هوش مصنوعی نیست؛ بلکه یادآوری می‌کند که هر نمره‌ای باید در چارچوب روش اندازه‌گیری و احتمال آلودگی تفسیر شود.

✍️پی‌نوشت:

* MMLU:
آزمون چندگزینه‌ای دانش عمومی و تخصصی در ۵۷ موضوع (از تاریخ تا فیزیک).
GSM8K:
مجموعه مسائل ریاضی ابتدایی تا متوسط که نیاز به استدلال چندمرحله‌ای دارد.
HumanEval:
آزمون توانایی نوشتن کد پایتون با بررسی صحت عملکرد برنامه.
HellaSwag:
آزمون درک زبان طبیعی و انتخاب ادامه منطقی جملات در موقعیت‌های روزمره.
MATH:
مجموعه مسائل ریاضی پیشرفته دبیرستانی و المپیادی که نیاز به استدلال دقیق دارد.
ARC (AI2 Reasoning Challenge):
آزمون استدلال علمی سطح دبستان و راهنمایی با سؤالات چندگزینه‌ای.
BIG-Bench Hard (BBH):
زیرمجموعه‌ای سخت از وظایف پیچیده استدلال و درک زبان.
TruthfulQA:
آزمونی برای سنجش تمایل مدل به تولید پاسخ‌های نادرست اما رایج.
MedQA:
آزمون چندگزینه‌ای مبتنی بر سؤالات آزمون پزشکی آمریکا (USMLE) برای سنجش دانش بالینی.
PubMedQA:
مجموعه سؤالات بله/خیر/شاید بر اساس چکیده مقالات علمی پزشکی.
MedMCQA:
آزمون چندگزینه‌ای گسترده از آزمون‌های ورودی پزشکی هند با پوشش موضوعات بالینی و پایه.

** نوع آلودگی معمولاً به چهار سطح تقسیم می‌شود:
دقیق (Exact):
متن آزمون دقیقاً و بدون تغییر در داده‌های آموزشی وجود دارد.

نحوی (Syntactic):
متن آزمون با تغییرات جزئی ظاهری (مثل جابه‌جایی کلمات یا بازنویسی سطحی) ظاهر شده است.

معنایی (Semantic):
مفهوم و محتوای آزمون مشابه است، حتی اگر ظاهر متن متفاوت باشد.

سطح وظیفه (Task-Level):
مدل با نوع مشابهی از مسائل یا قالب کلی آزمون آشنا شده است، بدون این‌که خود سؤال‌ها را دیده باشد.


🟢 گاهی دربارهٔ هوش مصنوعی:
t.me/andishehsarapub
🎁 اطلاعات درست، تکذیب شایعات نادرست و نقد مطالب شبه‌علمی:
t.me/addlist/JuLe7JilD9thMjA8

🔥 احتمال فروریزش هوش مصنوعی
#ب_پ
t.me/andishehsarapub

🔥 هوش مصنوعی‌ها وقتی روی داده‌های تولیدی خودشان آموزش ببینند، «فروریزش» می‌کنند!

🔥 AI models collapse when trained on recursively generated data

یک مقاله مهم که سال ۲۰۲۴ در مجله معتبر Nature منتشر شد، به یکی از خطرهای مهمِ وابستگی نسل‌های بعدی هوش مصنوعی به محتوای تولیدشده توسط نسل‌های قبلی پرداخته و هشدار مهمی داده:

اگر داده‌های تولیدشده توسط یک مدل هوش مصنوعی، بدون تفکیک و کنترل مناسب، به بخش عمده‌ای از داده‌های آموزشی نسل‌های بعدی تبدیل شوند، ممکن است خطاها و سوگیری‌های آماری در فرایند آموزش انباشته شوند و مدل به‌تدریج بخشی از تنوع و اطلاعات موجود در داده‌های اصلی را از دست بدهد.

پژوهشگران این پدیده را «فروریزش مدل» (Model Collapse) نامیده‌اند.
این پدیده در مقالهٔ یادشده برای مدل‌های زبانی بزرگ و نیز برخی مدل‌های مولد دیگر بررسی شده است.

❓ چه اتفاقی می‌افتد؟
در مراحل اولیهٔ فروریزش، ممکن است اطلاعات مربوط به موارد نادر و کم‌احتمال زودتر از دست برود؛ همان بخش‌هایی از داده‌ها که در اصطلاح آماری به آن‌ها «دُم‌های توزیع» (Tails of the Distribution) می‌گویند.

برای مثال، اگر داده‌های آموزشی به‌تدریج تنوع واقعی زبان، سبک‌های کم‌کاربرد، تجربه‌های غیرمعمول یا موارد نادر را کمتر بازتاب دهند، مدل ممکن است در بازنمایی این موارد ضعیف‌تر شود.

اگر این روند ادامه یابد، ممکن است مدل‌های نسل‌های بعدی از توزیع واقعی داده‌های اولیه بیشتر فاصله بگیرند و خروجی‌های کم‌تنوع‌تری تولید کنند. در برخی شرایط بررسی‌شده، این فرایند به حالتی می‌رسد که تنوع خروجی‌ها به‌شدت کاهش می‌یابد.

اما سرعت، شدت و حتی شکل نهایی این فرایند به شرایط مسئله و نحوهٔ آموزش وابسته است.

یکی از سازوکارهای مهم این پدیده، خطای آماری ناشی از نمونه‌گیری محدود است:
وقتی از یک توزیع داده، تعداد محدودی نمونه تولید و برای آموزش نسل بعد استفاده می‌شود، احتمال دارد برخی ویژگی‌های کم‌احتمال در نمونه‌ها بازنمایی نشوند. اگر این فرایند تکرار شود، بخشی از اطلاعات ممکن است نسل‌به‌نسل از دست برود.

🔴 نتیجه عملی:
با افزایش محتوای تولیدشده توسط هوش مصنوعی در اینترنت، احتمال دارد داده‌های جمع‌آوری‌شده برای آموزش مدل‌های آینده نیز سهم بیشتری از محتوای مصنوعی داشته باشند.

اگر این داده‌ها بدون شناسایی منشأ، کنترل کیفیت و حفظ تنوع منابع به‌کار گرفته شوند، خطر فروریزش مدل جدی‌تر می‌شود.

به همین دلیل، حفظ دسترسی به داده‌های معتبر و متنوعِ حاصل از فعالیت واقعی انسان‌ها اهمیت دارد. این به معنای بی‌فایده‌بودن داده‌های مصنوعی نیست؛ مسئله، استفادهٔ کنترل‌نشده از آن‌ها و از دست رفتن ارتباط آموزش با توزیع واقعی داده‌هاست.
مقاله:
t.me/CovidPapers/25409

📱 با ما همراه شوید:
دربارهٔ هوش مصنوعی، فراتر از هیاهو و تبلیغات:
t.me/andishehsarapub

✔️ در این روزها که صفحات مجازی با مطالب نادرست یا گمراه‌کننده به دنبال افزایش بازدید هستند،
با درستی‌سنجی شایعات مجازی همراه شوید:
t.me/Fact_Check

🎁 لطفاً با بازنشر مطالب مرتبط با پیش‌گیری و درمان، به سلامت عزیزان خود کمک کنید:
t.me/addlist/piZCzdW-yBw1MzRk

⚠️😃 در جریان اعتراضات گسترده‌ در فرانسه، تصاویری در شبکه‌های اجتماعی منتشر شده که نشان می‌دهد ظاهرا فردی با لباس پلنگ صورتی در حال انجام کارهای مختلفی از جمله شکستن دوربین‌های امنیتی است.
این ویدئوها ساختهٔ هوش مصنوعی هستند و نخستین بار در یک صفحه اینستاگرام منتشر شده‌اند که خود اظهار می‌کند که تصاویر با AI ساخته شده‌اند.

✔️ در این روزها که صفحات مجازی با مطالب نادرست یا گمراه‌کننده به دنبال افزایش بازدید هستند،
با درستی‌سنجی شایعات مجازی همراه شوید:
t.me/Fact_Check

⚠️ هشدار به کاربران هوش مصنوعی. مراقب باشید هوش مصنوعی با سیکوفانسی فریبتان ندهد:
t.me/andishehsarapub/16698
🧠 رفع یک تصور اشتباه بزرگ رایج نزد عموم، دربارهٔ هوش مصنوعی:
t.me/andishehsarapub/16701
🔥 احتمال فروریزش هوش مصنوعی:
t.me/andishehsarapub/16702
🔴 پاسخ چت‌بات مدرک نیست
از چت‌بات منبع بخواهید:
t.me/andishehsarapub/16691
😱 من شاهد قتل هستم:
t.me/andishehsarapub/16601
🌹دربارهٔ هوش مصنوعی، فراتر از هیاهو و تبلیغات:
t.me/andishehsarapub

💧⚠️ هر آبریزش بینی، آلرژی نیست!

آبریزش بینی معمولاً به علت آلرژی یا سرماخوردگی است؛
⚠️اما در برخی موارد نادر، خروج مایع مغزی‌نخاعی (CSF) از بینی می‌تواند علت آبریزش باشد و نیاز به بررسی جدی دارد.
اگر:
• شفاف و کاملاً آبکی باشد،
• یک‌طرفه باشد،
• با خم شدن، زور زدن بیشتر شود،
• و به‌خصوص اگر سابقه ضربه به سر، جراحی یا آسیب ناحیه بینی و جمجمه وجود داشته باشد،

باید احتمال نشت مایع مغزی‌نخاعی را در نظر گرفت.

شایعتر در خانم‌های دارای اضافه‌وزن

⚠️تشخیص نشت و محل آن نیازمند تصویربرداری است.

درمان:
بستن محل سوراخ یا نقص ایجادشده در کف جمجمه با جراحی اندوسکوپیک از داخل بینی و بدون برش خارجی انجام می‌شود.

🚨پس هر آبریزش شفاف و یک‌طرفه را صرفاً آلرژی فرض نکنید.
اگر این علائم را دارید، ارزیابی توسط متخصص گوش، حلق و بینی، به‌ویژه جراح قاعده جمجمه، ضروری است.

✍ #دکتر_صالح_محبی
متخصص گوش، گلو، بینی و جراحی سر و گردن
فلوشیپ جراحی قاعده جمجمه
https://www.instagram.com/dr_saleh_mohebi

🌱 از بخش اد ممبر می‌توانید دوستان خود را به گروه دعوت بفرمایید تا این مطلب و مطالب مشابه را بخوانند:
t.me/HealthNotes

🆘🌹 لطفاً با بازنشر مطالب مرتبط با پیش‌گیری و درمان سبب شوید دامنهٔ تأثیرگذاری ما برای کمک به حفظ سلامت مردم بیشتر شود:
t.me/addlist/JuLe7JilD9thMjA8