📌 موفقیت بزرگترین شرکت جهان با صبر

جنسن هوانگ با شانس برنده نشد. او با صبر برنده شد.

مدت‌ها پیش از آنکه هوش مصنوعی به مرکز توجه جهانی تبدیل شود، هوانگ بی‌سروصدا انویدیا را حول یک باور ساده بنا می‌کرد: قدرت محاسباتی بسیار بیشتر از آنچه مردم تصور می‌کردند اهمیت خواهد داشت. در حالی که رقبا به دنبال پیروزی‌های گرافیکی کوتاه‌مدت بودند، انویدیا به سرمایه‌گذاری روی تراشه‌هایی ادامه داد که می‌توانستند پردازش موازی عظیم و حجم کاری آینده را مدیریت کنند.

سال‌ها، این شرط‌بندی کند و پرهزینه به نظر می‌رسید. اما وقتی بالاخره من به موفقیت رسیدم، انویدیا از قبل در هسته انقلاب قرار گرفته بود. سخت‌افزار، نرم‌افزار و اکوسیستم قبل از اینکه بازار حتی بفهمد چه چیزی در راه است، آماده بودند.

این اعتقاد بلندمدت، انویدیا را به یکی از ارزشمندترین شرکت‌های جهان تبدیل کرد و شهرت جنسن هوانگ را به عنوان مدیرعاملی که دهه‌ها جلوتر عمل می‌کند، نه فصل‌ها، تثبیت کرد.


🌑 مغز آینده |  NextBrain

@NextBrain_ir

🏮 سازنده تراشه هوش مصنوعی گوگل در Nvidia

انویدیا به تازگی مهندسی را که تراشه هوش مصنوعی گوگل را ساخته و بزرگترین رقیب آنها را ایجاد کرده بود، استخدام کرد.

با جاناتان راس، مردی که اولین واحد پردازش تنسور گوگل را در سال ۲۰۱۵ به عنوان یک پروژه جانبی ساخت، آشنا شوید. این پروژه در نهایت بیش از نیمی از زیرساخت‌های محاسباتی گوگل را تأمین کرد و به بزرگترین رقیب انویدیا در تراشه‌های هوش مصنوعی تبدیل شد.

اما این چیزی است که هیچ‌کس در مورد آن صحبت نمی‌کند. راس در سال ۲۰۱۶ گوگل را ترک کرد و Groq را تأسیس کرد تا یک معماری تراشه کاملاً متفاوت به نام LPU بسازد که به طور خاص برای استنتاج هوش مصنوعی طراحی شده است.

در حالی که پردازنده‌های گرافیکی انویدیا به حافظه پهنای باند خارجی متکی هستند که در سراسر جهان با کمبود شدید مواجه است، LPUهای Groq از SRAM روی تراشه استفاده می‌کنند و از گلوگاه‌هایی که کل صنعت تراشه را خفه می‌کند، جلوگیری می‌کنند.


🌑 آقای هوش مصنوعی

@MrArtificialintelligence

📌گفتگوی تحول دیجیتال

مهدی تقی زاده
مدیرعامل کیمیاگران انرژی
مدرس ، مشاور و مجری مدیریت بهره وری انرژی صنایع
پژوهشکده انرژی دانشگاه صنعتی شریف

🚩مشاهده آرشیو کامل برنامه

https://nextbrain.ir/digital-transformation-talk/

#هوش_مصنوعی #تحول_دیجیتال
#گفتگوی_تحول_دیجیتال


🌑 مغز آینده |  NextBrain

@NextBrain_ir

ناترازی انرژی را نمی‌توان صرفاً به‌عنوان یک عدم‌تعادل فنی میان عرضه و تقاضا تفسیر کرد؛ این پدیده بیش از آنکه ریشه در کمبود منابع داشته باشد، محصول ضعف در حکمرانی انرژی، فقدان عقلانیت سیستمی و غلبه تصمیم‌های کوتاه‌مدت بر نگاه راهبردی است. در چنین بستری، راهکارهایی که با نیت دلسوزانه اما بدون اتکای کافی به تحلیل‌های کارشناسانه ارائه می‌شوند، نه‌تنها مسئله را حل نمی‌کنند، بلکه با بازتولید ناکارآمدی، هزینه‌های پنهان و بلندمدت ایجاد می‌کنند.

تحول دیجیتال انرژی، امکان عبور از این چرخه معیوب را فراهم می‌سازد، مشروط بر آنکه به‌عنوان ابزاری برای شناخت، شفاف‌سازی و تصمیم‌سازی داده‌محور فهم شود، نه صرفاً مجموعه‌ای از فناوری‌ها. این تحول می‌تواند بنیان سیاست‌گذاری و مدیریت انرژی را از واکنش‌های مقطعی به مداخلات عقلانی و نظام‌مند ارتقا دهد.

با این حال، یکی از بزرگ‌ترین موانع سرمایه‌گذاری در حوزه مدیریت انرژی، ساختار قیمت و ارزان بودن نسبی انرژی در کشورهای دارای منابع غنی است. در چنین شرایطی، هدررفت انرژی از منظر اقتصادی ارزان‌تر از سرمایه‌گذاری برای بهره‌وری تلقی می‌شود. این مسئله زمانی تشدید می‌شود که انرژی در سبد تصمیم‌گیری بنگاه‌ها و سیاست‌گذاران، نه به‌عنوان یک دارایی راهبردی، بلکه صرفاً به‌مثابه یک کالای هزینه‌ای دیده می‌شود.

غلبه این نگاه هزینه‌محور، انگیزه سرمایه‌گذاری در مدیریت و بهره‌وری انرژی را تضعیف کرده و هم‌زمان ضرورت فرهنگ‌سازی، آموزش و ارتقای دانش را پررنگ‌تر می‌سازد. تغییر این پارادایم فکری، پیش‌شرط شکل‌گیری تصمیم‌های عقلانی و پایدار در مواجهه با ناترازی انرژی است

📌گفتگوی تحول دیجیتال

گفت و گوی تخصصی با موضوع تحول دیجیتال با بیست شخصیت برجسته علمی و اجرایی کشور

🚩مشاهده آرشیو کامل برنامه

https://nextbrain.ir/digital-transformation-talk/

#هوش_مصنوعی #تحول_دیجیتال
#گفتگوی_تحول_دیجیتال


🌑 مغز آینده |  NextBrain

@NextBrain_ir

📌 هوش مصنوعی ، بزرگ‌ترین آزمایش روانشناختی و اجتماعی تاریخ بشر

یووال نوح هراری، مورخ، هوش مصنوعی را بزرگترین آزمایش روانشناختی و اجتماعی در تاریخ بشر توصیف کرده و هشدار داده است که بشریت در حال استقرار سیستم‌هایی است که می‌توانند بر افکار، احساسات و رفتار در مقیاس بزرگ تأثیر بگذارند. هراری در مصاحبه‌ها و گفتگوها استدلال کرده است که قدرت هوش مصنوعی نه تنها در اتوماسیون، بلکه در توانایی آن در شکل‌دهی روایت‌ها، توجه و تصمیم‌گیری نهفته است.

نگرانی هراری بر سرعت و عدم آمادگی متمرکز است. جوامع، هوش مصنوعی را سریع‌تر از آنچه می‌توانند اثرات بلندمدت آن را بر اعتماد، هویت و دموکراسی مطالعه کنند، به کار می‌گیرند و عملاً آن را همزمان روی میلیاردها نفر آزمایش می‌کنند. او می‌گوید خطر، از دست دادن عاملیت قبل از درک عواقب آن است.

آیا ما برای این آزمایش آماده‌ایم؟


🌑 مغز آینده |  NextBrain

@NextBrain_ir

🏮 اقتصاد ضد تورم با هوش مصنوعی


در این سخنرانی، سم آلتمن، مدیرعامل @openai، @sama، استدلال می‌کند که هوش مصنوعی با کاهش چشمگیر هزینه‌های هوش و نیروی کار، اقتصاد جهانی را «به شدت ضد تورمی» خواهد کرد.

او پیش‌بینی می‌کند که تا اواخر سال ۲۰۲۶، کسی که فقط ۱۰۰ تا ۱۰۰۰ دلار دارد می‌تواند نرم‌افزاری بسازد که زمانی به یک تیم مهندسی کامل نیاز داشت.

تا سال ۲۰۲۷، هوش مصنوعی پیشرفته می‌تواند ۱۰۰ برابر ارزان‌تر از امروز باشد.

آلتمن این را باعث ایجاد فراوانی عظیم و دادن فرصت عادلانه به افراد بیشتر برای ایجاد شرکت‌ها یا پیشرفت علم می‌داند.

با این حال، او هشدار می‌دهد که بدون سیاست‌های مناسب، هوش مصنوعی می‌تواند ثروت و قدرت را متمرکز کند.

در جهانی که خلق کردن ارزان می‌شود، او معتقد است که توجه انسان منبع کمیاب اصلی خواهد بود و بازاریابی و ارتباط انسانی را ارزشمندتر از ساختن خود می‌کند.

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

🏮 هوش مصنوعی در مقابل ذهن انسان

بدون شک هوش مصنوعی با سرعت دیوانه‌واری در حال تکامل است. اما وقتی دقیق‌تر نگاه کنید، هوش انسانی هنوز در سطح کاملاً متفاوتی عمل می‌کند.

#aivshuman #explore #fyp #ai #airevolution

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

مغز انسان با تقریباً 20 وات قدرت، تعامل عصبی را انجام می‌دهد. در عین حال، به سازگاری ادامه می‌دهد - خود را از طریق یادگیری، استراحت و تجربه زیسته تغییر شکل می‌دهد. این سطح از کارایی چیزی است که ماشین‌ها هنوز نمی‌توانند به آن دست یابند.

آنچه هوش زیستی را منحصر به فرد می‌کند، محاسبات خام نیست. بلکه ادغام است.

بینایی 👀، منطق 🧩، حافظه 🧠، احساسات ❤️ و حرکت 🚶، همه به عنوان یک سیستم واحد با هم کار می‌کنند - که توسط میلیاردها سال تکامل اصلاح شده است.

از سوی دیگر، هوش مصنوعی با استفاده از مدل‌های ریاضی لایه‌ای، شناخت را تقلید می‌کند. این سیستم برای انجام وظایفی که زیست‌شناسی به طور طبیعی انجام می‌دهد، به مجموعه داده‌های عظیم، محاسبات سنگین و مصرف انرژی زیاد متکی است.

شکاف واقعی مربوط به سرعت یا مقیاس نیست - بلکه مربوط به معماری است. سیستم‌های بیولوژیکی خود را التیام می‌بخشند، خود را بهینه‌سازی می‌کنند، در حوزه‌های مختلف تعمیم می‌دهند و به طور یکپارچه با دنیای فیزیکی تعامل دارند 🌍. هوش مصنوعی مدرن در مسائل محدود و به خوبی تعریف شده می‌درخشد، اما هنوز فاقد این هوش عمیق و جامع است.

این تضاد، پیشرفت هوش مصنوعی را کم‌اهمیت جلوه نمی‌دهد 🚀 - محدودیت‌های آن را روشن می‌کند. و درک این شکاف اگر می‌خواهیم به سمت پیشرفت در یادگیری ماشین، علوم اعصاب، رباتیک و در نهایت، هوش عمومی واقعی حرکت کنیم، بسیار مهم است.

📌 مدیرعامل اوراکل : هوش مصنوعی با داده های خصوصی به اوج می‌رسد

داده های عمومی کافی نیستند

اوراکل قبلاً پایگاه‌های داده خود را اصلاح کرده است تا داده‌های شرکت‌های خصوصی بتوانند به مدل‌های هوش مصنوعی تغذیه شوند.

پایگاه‌های داده سازمانی در حال مهندسی مجدد هستند تا داده‌های عملیاتی خصوصی جهان برای آموزش در حوزه‌های مختلف تخصصی در اختیار LLMها قرار گیرد.

الیسون آموزش مدل و استنتاج را بزرگترین فرصت تجاری در تاریخ می‌داند - بزرگتر از اینترنت، بزرگتر از هر انقلاب صنعتی.

برای روشن شدن موضوع، او تأکید می‌کند که باهوش‌ترین افرادی که می‌شناسد نه تنها ثروت... بلکه ثروت خود را سرمایه‌گذاری می‌کنند.

این تغییری است که تقریباً هیچ کس در مورد آن صحبت نمی‌کند.

این تغییری است که تقریباً هیچ کس در مورد آن صحبت نمی‌کند. کل بحث «چه کسی داده‌ها را در اختیار دارد» یک انحراف است.

جذب دانش فنی شرکت‌ها، داستان اصلی است

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

📌 هوش مصنوعی پتانسیل جایگزینی کار فکری روتین دارد

هوش مصنوعی به سراغ ذهن شما نمی‌آید و اینگونه است که...

جفری هینتون، پدرخوانده هوش مصنوعی، توضیح می‌دهد که امواج قبلی فناوری اغلب مشاغل را تغییر می‌دادند نه اینکه آنها را از بین ببرند. وقتی دستگاه‌های خودپرداز معرفی شدند، کارمندان بانک به جای ناپدید شدن، به نقش‌های پیچیده‌تری روی آوردند.

اما او پیشنهاد می‌کند که هوش مصنوعی ممکن است متفاوت باشد. در حالی که انقلاب صنعتی جایگزین کار فیزیکی شد، هوش مصنوعی پتانسیل جایگزینی کار فکری روتین را دارد، به این معنی که افرادی که وظایف شناختی تکراری انجام می‌دهند، بیشتر در معرض خطر قرار می‌گیرند.

آیا فکر می‌کنید مشاغل با هوش مصنوعی جایگزین خواهند شد؟

منبع: جفری هینتون x

🌑 مغز آینده |  NextBrain

@NextBrain_ir

🏮با فینالیست چالش نوآوری رئیس جمهور ۲۰۲۵ آشنا شوید: وُکادیان

وُکادیان، که توسط یوجی (دانشگاه هاروارد) تأسیس شده است، با هوش مصنوعی صوتی پیش‌بینی‌کننده که خستگی و خطر را قبل از وقوع حادثه تشخیص می‌دهد، ایمنی محل کار را متحول می‌کند.

وُکادیان با شروع یک کار گفتاری سریع قبل از شیفت، به صنایع پرخطر کمک می‌کند تا عملکرد را پیش‌بینی کرده و از حوادث جلوگیری کنند - بدون نظارت مزاحم یا سخت‌افزار اضافی.

وُکادیان به اطمینان از اینکه هر کارگر هر روز با خیال راحت به خانه می‌رسد، کمک میکند

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

📌 گزارش تحلیلی شاخص هوش مصنوعی 2026استنفورد
اگر بخواهید فقط با یک منبع، تصویر واقعی آینده هوش مصنوعی را ببینید، پاسخ روشن است: گزارش تحلیلی شاخص هوش مصنوعی 2026استنفورد .
این یادداشت تحلیلی نشان می‌دهد چه چیزی واقعاً در حال تغییر است، چرا اهمیت دارد، و چرا بسیاری هنوز آن را دست‌کم می‌گیرند. اگر بخواهید بفهمید هوش مصنوعی فقط «چه می‌کند» نه، بلکه «به کجا می‌رود»، اینجا نقطه شروع شماست.

🌑 مغز آینده | NextBrain

@NextBrain_ir

🏮 نقشه راه هوش مصنوعی گارتنر

هفت بُعد حیاتی برای ساخت سازمان هوشمند از نگاه Gartner 2025
هوش مصنوعی یک ابزار ساده نرم‌افزاری نیست ؛ هوش مصنوعی، یک لایه شناختی برای سازمان است لایه‌ای که می‌تواند ببیند، تحلیل کند، یاد بگیرد، پیش‌بینی کند و حتی تصمیم‌سازی انجام دهد.به همین دلیل، سازمان‌هایی که بدون نقشه راه وارد این حوزه می‌شوند، معمولاً پس از چند پروژه نمایشی و چند داشبورد جذاب، با هزینه‌های سنگین، فرسودگی تیم‌ها و بی‌اعتمادی مدیریتی مواجه می‌شوند.در مقابل، سازمان‌هایی موفق خواهند شد که هوش مصنوعی را نه به‌عنوان یک پروژه فناوری، بلکه به‌عنوان یک معماری تحول سازمانی ببینند.
نقشه راه هوش مصنوعی گارتنر یکی از عملیاتی‌ترین مدل‌ها برای طراحی بلوغ هوش مصنوعی در سازمان‌هاست. این مدل، مسیر حرکت سازمان را در هفت بُعد کلیدی تعریف می‌کند؛ ابعادی که اگر حتی یکی از آن‌ها نادیده گرفته شود، احتمال شکست پروژه‌های هوش مصنوعی به‌شدت افزایش پیدا می‌کند.
مشاهده یادداشت

🌑 آقای هوش مصنوعی

@MrArtificialintelligence

🧠 آیا هوش مصنوعی واقعاً «می‌فهمد»؟

سر راجر پنروز، فیزیکدان و برنده نوبل، یکی از بزرگ‌ترین فرضیات عصر ما را به چالش می‌کشد:
آیا چیزی که امروز «هوش مصنوعی» می‌نامیم واقعاً هوشمند است؟

به گفته پنروز:
کامپیوترها می‌توانند محاسبه کنند، پردازش کنند و حتی رفتار انسان را تقلید کنند…
اما این به معنای «فهمیدن» نیست.

او معتقد است:
🔹 هوش واقعی به درک نیاز دارد
🔹 درک ممکن است به آگاهی وابسته باشد
🔹 و آگاهی شاید چیزی فراتر از محاسبات کامپیوتری باشد

پنروز باور دارد که آگاهی می‌تواند به فیزیکی عمیق‌تر وابسته باشد؛ فرآیندهایی که کامپیوترهای امروزی قادر به بازتولید آن نیستند.

شاید وقتش رسیده که دیگر به آن «هوش مصنوعی» نگوییم…

شاید فقط:
«باهوشی مصنوعی» باشد. 👀

📡 مغز آینده | NextBrain
🆔 @NextBrain_ir

#هوش_مصنوعی #AI #RogerPenrose #Consciousness #ArtificialIntelligence

🚨 هشدار یان لکون درباره آینده Agentic AI

یان لکون، برنده جایزه تورینگ و یکی از چهره‌های مطرح دنیای هوش مصنوعی، هشدار داده که تمرکز فعلی صنعت روی Agentic AI مبتنی بر مدل‌های زبانی می‌تواند «نسخه‌ای برای فاجعه» باشد.

او معتقد است مدل‌های زبانی بزرگ (LLM) درک واقعی از جهان فیزیکی ندارند و فقط بر اساس پیش‌بینی متن عمل می‌کنند؛ به همین دلیل نمی‌توانند پیامدهای واقعی تصمیمات خود را به‌درستی پیش‌بینی کنند.

به گفته لکون:
🔹 مدل‌های فعلی فاقد «World Model» واقعی هستند
🔹 درک ضعیفی از علت و معلول دارند
🔹 برای تعامل با دنیای واقعی هنوز شکننده و مستعد خطا هستند

لکون تأکید می‌کند آینده هوش مصنوعی باید از «پیش‌بینی کلمه بعدی» عبور کند و به سمت یادگیری از داده‌های واقعی مثل ویدئو و تعامل با جهان حرکت کند.

❓ آیا یک ماشین بدون درک علت و معلول واقعاً می‌تواند برنامه‌ریزی کند؟

📡 کانال آقای هوش مصنوعی
🆔 @MrArtificialintelligence

#هوش_مصنوعی #AI #AgenticAI #LLM #YannLeCun

⚡ حلقه بازخورد هوش مصنوعی و محاسبات کوانتومی

سه اتفاق مهم در آوریل ۲۰۲۶ رخ داد:

1️⃣ تیمی از Caltech تحقیقی درباره محاسبات کوانتومی منتشر کرد و گفت هوش مصنوعی در توسعه آن «ابزاری و حیاتی» بوده است.
2️⃣ شرکت Nvidia به‌طور بی‌سروصدا مدل‌های رایگان هوش مصنوعی مخصوص کالیبره کردن پردازنده‌های کوانتومی منتشر کرد – سه برابر دقیق‌تر از هر چیزی که قبلاً وجود داشت.
3️⃣ یک استارتاپ ۱۳۹ میلیون دلار سرمایه جذب کرد تا سرورهای شتاب‌دهنده با هوش مصنوعی کوانتومی بسازد.
وقتی این سه خبر را با هم نگاه می‌کنیم، الگوی جالبی دیده می‌شود:
🔁 هوش مصنوعی کامپیوترهای کوانتومی بهتری طراحی می‌کند → کامپیوترهای کوانتومی بهتر، هوش مصنوعی بهتری اجرا می‌کنند → هوش مصنوعی بهتر، کامپیوترهای کوانتومی بهتری طراحی می‌کند.
به گفته پژوهشگران، این حلقه بازخورد همین حالا فعال شده است.
تمام پیش‌بینی‌های قبلی درباره زمان‌بندی محاسبات کوانتومی که قبل از می ۲۰۲۵ انجام شده بودند، بر اساس این فرض بود که تنها انسان‌ها طراحی می‌کنند. حالا آن پیش‌بینی‌ها منسوخ شده‌اند.

📡 کانال مغز آینده
🆔 @nextbrain_ir
#محاسبات_کوانتومی #هوش_مصنوعی #فناوری_آینده #تکنولوژی