باز هم از هند

جواب ویدئو :

https://bigbangpage.com/?p=18425

اطلاعات بیشتر:

https://theness.com/the-physics-and-fantasy-of-firewalking/

https://en.m.wikipedia.org/wiki/Firewalking

https://pubmed.ncbi.nlm.nih.gov/3282906/

تمامی مشاهدات مربوط به راه‌ رفتن روی ذغال به کمک قوانین شناخته‌شده‌ی فیزیک (رسانایی و ظرفیت حرارتی) و فیزیولوژی (گردش خون، انتقال حرارت) و نیز برخی عوامل روانی قابل توضیحند. هیچ‌یک از این پدیده‌ها نیازی به تکیه بر «قدرت‌های ماوراالطبیعی» ندارند.

🚀 @ofoghroydadd

در گذشته در مورد فناوری تقلید دیجیتال از شما پس از مرگ نوشته‌ام؛

در اینجا گزارشی میخوانید در مورد بازمانده‌ دیجیتالی شما بعد از مرگ

چه کسی وارث «بازمانده‌های دیجیتال» شما پس از مرگ است؟

در جهانی که بخش بزرگی از زندگی‌مان به فضای دیجیتال منتقل شده، مسئله‌ی میراث دیجیتال اهمیت فزاینده‌ای پیدا کرده است. شاید روزی فرا برسد که بخواهید آهنگ مراسم خاکسپاری عزیزتان را انتخاب کنید، اما نتوانید به حساب اسپاتیفای او دسترسی داشته باشید؛ همراه با آن، فهرست‌های پخش، آمار شنیداری و ترانه‌های محبوبش نیز از بین می‌روند؛ خاطراتی شخصی که بخشی از هویت او را شکل داده بودند.

ما معمولاً میراث را به‌صورت دارایی‌های فیزیکی در نظر می‌گیریم، اما میراث دیجیتال _ مجموعه‌ای از داده‌ها، حساب‌ها و ردپای آنلاین _ امروزه ارزشی هم‌پایه یا حتی فراتر یافته است. این میراث نه‌فقط شامل حساب‌های رسانه‌های اجتماعی، عکس‌ها و پیام‌هاست، بلکه شامل داده‌های رفتاری، ارزهای مجازی و حتی آواتارهای هوش مصنوعی می‌شود.

میراث دیجیتال به دو دسته‌ی اصلی تقسیم می‌شود:
دارایی‌های دیجیتال و حضور دیجیتال. دارایی‌های دیجیتال شامل مواردی با ارزش اقتصادی‌اند، مثل دامنه‌های اینترنتی، حساب‌های مالی، کسب‌وکارهای آنلاین، و دارایی‌های مجازی.

در مقابل، حضور دیجیتال شامل محتواهایی است که ارزش مالی ندارند ولی ارزش احساسی دارند، مانند عکس‌ها، پروفایل‌های شبکه‌های اجتماعی، و پیام‌ها. حتی داده‌های آماری درباره‌ی سلامتی یا موقعیت جغرافیایی می‌توانند معنای شخصی عمیقی داشته باشند.

با گسترش فناوری، بازمانده‌های دیجیتال شامل پیام‌های پسامرگ، و آواتارهای تولیدشده توسط هوش مصنوعی نیز شده‌اند؛ موضوعاتی که پرسش‌هایی اخلاقی درباره‌ی هویت، حریم خصوصی و مالکیت داده در دنیای پس از مرگ دیجیتال به‌وجود می‌آورند.

برای مدیریت این میراث، همان‌طور که برای اموال فیزیکی وصیت‌نامه می‌نویسیم، لازم است برنامه‌ریزی دقیقی برای دارایی‌های دیجیتال نیز انجام دهیم.

این برنامه‌ریزی شامل تهیه فهرستی از حساب‌ها و رمزهای عبور، تعیین ترجیحات در مورد حذف یا نگهداری داده‌ها، استفاده از مدیران رمز عبور، انتخاب نماینده‌ای برای اجرای وصیت دیجیتال، و بهره‌گیری از ابزارهای داخلی پلتفرم‌هاست (مثل مدیر حساب غیر فعال گوگل یا مخاطب میراثی فیسبوک).

با این حال، بیشتر افراد چنین برنامه‌ای ندارند. بدون آن، بستگان بازمانده با موانع حقوقی و فنی مواجه می‌شوند. شرایط خدمات و قوانین حفظ حریم خصوصی اغلب مانع از دسترسی دیگران به حساب‌های متوفی می‌شود و ممکن است مدارک رسمی برای دریافت دسترسی لازم باشد. در نتیجه، خانواده‌ها ناچار به راهکارهایی ناقص مانند جست‌وجو در اسناد یا بازیابی حساب از طریق ابزارهای پلتفرم‌ها می‌شوند.

سیاست‌های کنونی پلتفرم‌ها نیز ناقص و نامنسجم‌اند. تمرکز آن‌ها بیشتر بر حذف یا به یادگار گذاشتن پروفایل‌هاست، نه حفظ داده‌های رفتاری و نامرئی اما معنادار. حتی انتقال داده‌ها از یک پلتفرم به دیگری می‌تواند معنا و بافت اجتماعی آن‌ها را از بین ببرد.

در عین حال، استفاده از داده‌های پسامرگ به‌ویژه در قالب آواتارهای هوش مصنوعی، پرسش‌هایی جدی درباره‌ی مالکیت شخص دیجیتال، حقوق کاربران و خطرهای احتمالی مطرح می‌کند.

این داده‌ها ممکن است بدون نظارت، برای همیشه در سرورهای شرکت‌ها باقی بمانند.
امروز، مسئله‌ی میراث دیجیتال فقط یک دغدغه‌ی شخصی نیست، بلکه چالشی برای حاکمیت دیجیتال است؛ یعنی پرسشی درباره‌ی این‌که چه کسی در نهایت کنترل هویت دیجیتال ما را پس از مرگ در دست دارد. سازمان‌هایی همچون کمیسیون اصلاح قانون نیو ساوت ولز در تلاش‌اند تا چارچوب‌هایی برای حل این تناقضات ارائه دهند.

مدیریت بازمانده‌های دیجیتال نیازمند چیزی فراتر از پیش‌بینی عملی است: ما را به بازاندیشی در ارزش‌ها و زیرساخت‌هایی فرا می‌خواند که زندگی آنلاین و پسامرگمان را شکل می‌دهند.

Bjorn Nansen, Associate Professor, School of Computing and Information Systems, The University of Melbourne

This article is republished from The Conversation under a Creative Commons license. Read the original article.

🚀 @ofoghroydadd

برای اطلاعات بیشتر و موازی با این بحث اینجا را بخوانید

نخستین تصاویر رنگی از ابرسیاهچاله‌ها در راه هستند

دانشمندان پروژه تلسکوپ افق رویداد موفق شده‌اند روشی نو برای کاوش آسمان در فرکانس‌های رادیویی مختلف توسعه دهند که به‌زودی امکان گرفتن نخستین تصاویر رنگی از سیاه‌چاله‌های ابرپرجرم را فراهم می‌کند.

تا پیش از این، تلسکوپ‌ها فقط می‌توانستند در یک باند فرکانسی مشخص رصد کنند، اما با استفاده از تکنیکی به نام انتقال فاز فرکانسی (Frequency Phase Transfer)، اکنون می‌توان تأثیرات مخرب جو را حذف کرد و تصاویر دقیق‌تری در چند باند فرکانسی هم‌زمان ثبت کرد. این تصاویر می‌توانند مانند ترکیب رنگ‌ها در دوربین‌های دیجیتال، به‌صورت رنگی بازسازی شوند؛ البته نه رنگ‌هایی که چشم انسان مستقیماً می‌بیند، بلکه معادل‌هایی از فرکانس‌های رادیویی.

این روش هنوز در مراحل ابتدایی است، اما مسیر را برای پروژه‌های آینده مانند EHT نسل بعدی (ngEHT) و کاوشگر سیاه‌چاله (BHEX) باز می‌کند تا تصاویر رنگی با وضوح بالا از سیاه‌چاله‌ها تولید کنند.

🚀 @ofoghroydadd

شکستی دیگر

در تاریخ ۲۷ مه ۲۰۲۵، جدیدترین پرتاب آزمایشی راکت استارشیپ شرکت SpaceX به انفجار در آسمان اقیانوس هند منتهی شد.
این پرتاب که از پایگاه استاربِیس در تگزاس انجام شد، سومین تلاش آزمایشی کامل راکتی بود که قرار است آینده سفرهای بین‌سیاره‌ای، از جمله سفر به مریخ، را رقم بزند.

✅پرتاب موفق آغاز شد.

✔️بوستر «سوپرهوی» به‌جای فرود کنترل‌شده در خلیج مکزیک، منفجر شد.

✅بخش فوقانی راکت نتوانست در فضا درهای خود را برای شبیه‌سازهای ماهواره‌ای Starlink باز کند.

✅راکت دچار نشتی سوخت و چرخش خارج از کنترل شد.

✔️ دوربین‌ها ۴۵ دقیقه پس از آغاز (از پرواز ۶۶ دقیقه‌ای برنامه‌ریزی‌شده) خاموش شدند.

✔️ انفجار نهایی در مسیر بازگشت و پیش از رسیدن به نقطه فرود در غرب استرالیا رخ داد.

✅ اسپیس‌ایکس گفت راکت دچار «انهدام سریع غیر برنامه‌ریزی‌شده» شد؛ عبارتی آشنا برای شکست‌های انفجاری.

✅ ایلان ماسک وعده داد که فاصله بین پرتاب‌ها را کاهش می‌دهد؛ هر ۳ تا ۴ هفته یک پرتاب!.

علاقه‌مندان فضا، از جمله گردشگرانی که از سراسر جهان آمده بودند، همچنان این تجربه را «هیجان‌انگیز و آموزشی» توصیف کردند.

✅ این نهمین پرواز آزمایشی یکپارچه استارشیپ بود.

✅ برای اولین بار از یک بوستر بازیافتی استفاده شد.
اسپیس‌ایکس اعلام کرد از شکست‌ها درس می‌گیرد (رویکرد «سریع شکست بخور، سریع یاد بگیر»).

✅اداره هوانوردی آمریکا (FAA) مجوز افزایش پرتاب‌های سالانه از ۵ به ۲۵ پرتاب را صادر کرده است❗️

ناسا قصد دارد نسخه‌ای از استارشیپ را برای مأموریت آرتمیس ۳ به ماه به‌کار گیرد.
راکت استارشیپ ۱۲۳ متر ارتفاع دارد و بزرگ‌ترین و قدرتمندترین راکت ساخته‌شده تاکنون است.

سام آریامنش
🚀 @ofoghroydadd

درباره‌ی سیستم دفاع موشکی «گنبد طلایی»

اهداف و کلیات طرح

هدف اصلی: محافظت از آمریکا در برابر موشک‌های بالستیک، کروز، هایپرسونیک، و موشک‌هایی که از فضا پرتاب می‌شوند.

بودجه اولیه پیشنهادی: ۲۵ میلیارد دلار (برآورد کلی هزینه: ۱۷۵ میلیارد دلار).

زمان‌بندی وعده داده‌شده: عملیاتی شدن کامل تا پایان دوره ریاست‌جمهوری ترامپ (۳ سال).

ادعای کارایی: ادعای حفاظت نزدیک به ۱۰۰٪ ! (غیرواقع‌بینانه تلقی می‌شود).

دلایل نیاز به این سیستم

تهدیدات موجود: توسعه موشک توسط چین، روسیه، کره شمالی و ایران.

انواع تهدیدات:

موشک‌های بالستیک جدید
موشک‌های کروز
موشک‌های هایپرسونیک (سرعت بالا، مانورپذیر، در جو میانی)

اجزای لازم برای سیستم دفاع ملی
شبکه‌ی سنسورها:

باید جهانی و در نقاط کلیدی مستقر باشند (زمین، دریا، هوا، فضا)
کشف زودهنگام پس از پرتاب حیاتی است

رهگیرها (Interceptors):

باید در مناطق حیاتی مستقر شوند
معمولاً در فاز میانی پرواز موشک، حمله می‌کنند
نیاز به به‌روزرسانی برای مقابله با موشک‌های هایپرسونیک و مانورپذیر

فناوری موجود و توسعه‌ی مورد نیاز
پیشرفت‌های قبلی:

بسیاری از زیرساخت‌ها قبلاً در قالب پروژه‌های دیگر توسعه یافته‌اند
برخی فناوری‌ها در حال توسعه‌ی چندساله هستند

چالش‌های اصلی:

ردیابی مداوم موشک‌های هایپرسونیک به دلیل سرعت بالا و قابلیت مانور

نیاز به سنسورهای جدید و پلتفرم‌های چندمنظوره
طراحی دفاع در چند لایه (لایه‌های زمینی، دریایی، هوایی، فضایی)

میزان تحقق‌پذیری

ادعای حفاظت ۱۰۰٪:
به گفته متخصصان، غیرواقعی است (حتی سیستم «گنبد آهنین» اسرائیل هم کامل نیست)

هدف واقعی‌تر: بازدارندگی، نه دفع کامل

مقایسه با گنبد آهنین اسرائیل:

گنبد آهنین: موفق اما قابل غلبه با هجوم موشکی انبوه و ارزان‌قیمت(یعنی توان مقابله با پرتاب صد ها و هزاران موشک همزمان را ندارد)

گنبد طلایی: با تهدیدات پیچیده‌تر (هایپرسونیک و فضایی) روبروست


گنبد طلایی پروژه‌ای بزرگ با پایه‌های فناورانه‌ی موجود است.
هدف اصلی آن ارتقاء بازدارندگی در برابر تهدیدات جدید است.
نیازمند سرمایه‌گذاری گسترده، هماهنگی جهانی و پیشرفت سریع در سنسورها و رهگیرهاست.
دستیابی به دفاع ۱۰۰٪ یک آرمان سیاسی و تبلیغاتی است، نه هدفی فنی عملی.


🚀 @ofoghroydadd

🚀 Livescience

پژوهشی، تفسیر یا حتی وجود یکی از چهار ستون شواهد اصلی مدل بیگ بنگ را به چالش میکشد:
پژواک درخشان بیگ بنگ یا همان سی ام بی، ممکن است ناشی از چیز دیگری باشد یا اصلا وجود نداشته باشد!

یکی از دلایلی که دانشمندان مدل بیگ بنگ را بهترین توضیح برای پیدایش جهان می‌دانند، تابشی ضعیف و پس‌مانده است که از آن به جا مانده؛ تابشی که با نام تابش زمینه کیهانی مایکروویو (CMB) شناخته می‌شود.

این تابش بیش از ۱۳ میلیارد سال است که در فضا در حال حرکت است و اندکی پس از انفجار اولیه بیگ‌بنگ شکل گرفته. اما یک نو پژوهش نشان می‌دهد ممکن است منبع این تابش چیزی متفاوت از آن‌چه تاکنون تصور می‌شد باشد!

پژوهشگران دانشگاه نانجینگ چین و دانشگاه بن آلمان محاسباتی انجام داده‌اند که نشان می‌دهد ما در ارزیابی شدت تابش زمینه کیهانی دچار بزرگ‌نمایی شده‌ایم؛ و حتی ممکن است این تابش اصلاً وجود نداشته باشد!

این تردید تازه ناشی از شواهدی است که درباره کهکشان‌های نوع اولیه (ETG) به دست آمده‌اند. داده‌های تازه‌ای از تلسکوپ فضایی جیمز وب نشان می‌دهد که این نوع کهکشان‌ها می‌توانند بخشی یا حتی تمام تابش CMB را توضیح دهند، بسته به اینکه از کدام مدل شبیه‌سازی استفاده شود.

پاول کروپا، فیزیک‌دان دانشگاه بن، می‌گوید: «نتایج ما برای مدل استاندارد کیهان‌شناسی مشکل‌ساز است. شاید لازم باشد تاریخچه جهان را، دست‌کم در بخشی، بازنویسی کنیم.»

کهکشان‌های بیضوی مدت‌هاست که شناخته شده‌اند، اما آن‌چه در یافته‌های اخیر تازگی دارد این است که این نوع کهکشان‌ها شاید بسیار زودتر از آن‌چه پیش‌تر تصور می‌شد شکل گرفته باشند. اگر این جدول زمانی تغییر کند، الگوی تابش در سراسر کیهان نیز تغییر خواهد کرد. به بیان ساده، شاید جهان از مرحله ابتدایی تشکیل گازها و کهکشان‌ها سریع‌تر از آن‌چه فکر می‌کردیم عبور کرده باشد.

کروپا می‌گوید: «جهان از زمان بیگ‌بنگ در حال انبساط بوده، مثل بادکنکی که در حال باد شدن است. این یعنی فاصله بین کهکشان‌ها دائماً در حال افزایش است. ما فاصله بین کهکشان‌های بیضوی را امروز اندازه گرفته‌ایم و با در نظر گرفتن ویژگی‌های این گروه از کهکشان‌ها، توانستیم با استفاده از سرعت انبساط، زمان شکل‌گیری آن‌ها را تخمین بزنیم.»

این تخمین تازه نشان می‌دهد که درخشش این کهکشان‌ها می‌تواند منبعی قابل‌توجه برای آلودگی پیش‌زمینه تابش زمینه کیهانی باشد.

البته این پژوهش در مراحل ابتدایی است و هنوز زمان کنار گذاشتن کتاب‌های درسی علمی نرسیده است. اما این نتایج پرسش‌های بزرگی را پیش می‌کشند.

با در نظر گرفتن بازه‌های زمانی و فواصل بزرگی که در کیهان مطرح‌اند، دقت در این محاسبات دشوار است. پژوهشگران می‌گویند طبق مدل‌های جدیدشان، بین ۱.۴ درصد تا ۱۰۰ درصد از تابش زمینه کیهانی می‌تواند ناشی از این کهکشان‌ها باشد.

آن‌چه مسلم است، این است که با پیشرفت تلسکوپ‌های فضایی و ابزارهای تحلیل داده، شناخت ما از جهان پیرامون هر روز بیشتر می‌شود. این یعنی شاید برخی از فرضیات پیشین، از جمله درباره خود بیگ‌بنگ، نیاز به بازنگری داشته باشند.

پژوهشگران در مقاله خود نوشته‌اند: «با توجه به نتایج ارائه‌شده، ممکن است لازم باشد مدل‌های کیهانی دیگری را نیز مد نظر قرار دهیم.»

سام آریامنش
🔗 Nuclear Physics B 🥉

🚀 @ofoghroydaddd

خبر همکاری پاول دورف و ایلان ماسک برای آوردن چت‌بات «گراک» (Grok) به تلگرام، یکی از مهم‌ترین تحولات در حوزه ادغام هوش مصنوعی در پیام‌رسان‌هاست.


ادغام گسترده Grok در تلگرام

کاربران تلگرام از تابستان ۲۰۲۵ به چت‌بات Grok دسترسی خواهند داشت. این ادغام نه صرفاً به شکل یک ربات، بلکه به صورت عمیق در خود اپلیکیشن صورت می‌گیرد، مشابه ادغام ChatGPT در اپ‌های مایکروسافت.

توافق مالی بزرگ: ۳۰۰ میلیون دلار + درآمد اشتراک

تلگرام در ازای این همکاری، ۳۰۰ میلیون دلار به صورت نقدی و سهام از شرکت xAI دریافت می‌کند، به‌علاوه ۵۰٪ از درآمد اشتراک‌های Grok که از طریق تلگرام فروش می‌روند.

تقویت پایداری مالی تلگرام

این توافق احتمالاً گامی مهم برای رسیدن تلگرام به خودکفایی مالی و جلوگیری از نیاز به تبلیغات مزاحم یا فروش داده کاربران خواهد بود.

تلگرام به میدان هوش مصنوعی وارد می‌شود

این حرکت می‌تواند تلگرام را به یک پلتفرم فراتر از پیام‌رسانی تبدیل کند؛ محلی برای یادگیری، جست‌وجو، و تعامل هوشمند با محتوا.

رقابت مستقیم با ChatGPT درون پیام‌رسان‌ها

اگر Grok واقعاً به‌صورت روان و بومی با تلگرام کار کند، می‌تواند رقیبی جدی برای ChatGPT در زمینه مکالمه هوشمند روزمره باشد، به‌خصوص در بازارهایی مثل ایران که تلگرام محبوب‌تر از اپ‌های دیگر است.

از نظر سیاسی و فلسفی، دورف و ماسک هر دو مدعی دفاع از آزادی بیان و استقلال فناوری هستند. این اتحاد ممکن است پیامدهایی فراتر از صرفاً تجاری داشته باشد؛ از جمله در حوزه مقاومت در برابر سانسور یا کنترل دولتی.

اما احتمالا پس از این ادغام در ماه های آینده چه کارهایی میتوان با این کرد؟


در حال حاضر اطلاعات دقیق‌تری درباره نسخه تلگرامی Grok منتشر نشده، ولی با توجه به توانایی‌های فعلی Grok (که توسط شرکت xAI و تحت مالکیت ایلان ماسک ساخته شده) و همچنین نوع ادغام آن در تلگرام، می‌تونیم پیش‌بینی کنیم که در نسخه تلگرامی Grok احتمالاً کارهای زیر ممکن خواهد بود:

۱. گفت‌وگو و پاسخ به سؤالات عمومی

مشابه ChatGPT، می‌توان درباره‌ی موضوعات مختلف از جمله علمی، تاریخی، فرهنگی، زبانی، برنامه‌نویسی و... از Grok سؤال کرد و پاسخ دریافت نمود.

۲. خلاصه‌سازی و بازنویسی متن
کاربران قادر خواهند بود متن‌های طولانی یا پست‌های کانال را برای Grok ارسال کرده و از آن بخواهند که محتوا را خلاصه یا با سبک‌های مختلف (رسمی، محاوره‌ای، کودکانه و...) بازنویسی کند؛ که من همین الان هم یکی دو ماهی است با جی پی تی انجام می دهم.

۳. جست‌وجوی اطلاعات به‌روز (در صورت اتصال به اینترنت)

هوش مصنوعی Grok در نسخه اصلی به اینترنت (به‌ویژه پلتفرم X) متصل است؛ در صورت حفظ این قابلیت در تلگرام، می‌تواند اطلاعات به‌روزی مانند اخبار فوری، وضعیت بازار، آب‌وهوا و... ارائه دهد.

۴. تولید محتوا برای کانال‌ها و گروه‌ها

از جمله نگارش کپشن، ساخت هشتگ، طراحی پست تبلیغاتی و تولید محتوا بر اساس موضوعات پیشنهادی کاربر.

۵. برنامه‌نویسی و کمک در کدنویسی

امکان نوشتن کد، تحلیل خطاها و کمک در یادگیری زبان‌های برنامه‌نویسی، مشابه آنچه ChatGPT و ابزارهایی مانند GitHub Copilot ارائه می‌دهند.

۶. ترجمه و اصلاح متون

گراک قادر است متن‌های فارسی را به زبان‌های دیگر ترجمه کرده یا جملات خارجی را به‌صورت درست و روان بازنویسی کند.

۷. گفت‌وگوی سرگرم‌کننده با لحن‌های متنوع
در مقایسه با ChatGPT، Grok لحن غیررسمی‌تر و حتی گاهی طنزآمیز و طعنه‌دار دارد. این ویژگی می‌تواند تجربه‌ای سرگرم‌کننده و متفاوت برای کاربران رقم بزند.
اگر بتوان به کانال متصلش کرد حداقل میتوانم در حضور شما در کانال با این چت‌بات در زمینه های مختلف بحث و گفت و گو‌ کنم.


۸. ساخت چت‌بات‌های سفارشی

احتمال دارد کاربران بتوانند چت‌بات‌هایی با شخصیت دلخواه و رفتار خاص برای استفاده در گروه‌ها و کانال‌ها طراحی کنند (مشابه قابلیت Custom GPT در OpenAI).

احتمال دارد تنها کاربران اشتراک‌ ویژه (Premium) به همه‌ی قابلیت‌ها دسترسی داشته باشند.

سیاست‌های شرکت xAI ممکن است بر نوع پاسخ‌ها تأثیر بگذارد؛ به‌ویژه در موضوعات حساس سیاسی یا اجتماعی.


🚀 @ofoghroydadd

دلفین‌ها از سوت‌های امضا‌دار برای معرفی خود‌ و بیان شرایط و احساساتشان استقاده میکنند

دانشمندان در پژوهشی تازه دریافته‌اند که دلفین‌ها، به‌ویژه گونه‌ی دلفین بینی‌بطری، از صداهایی خاص به‌نام «سوت‌های امضادار» برای معرفی خود به دیگران استفاده می‌کنند.

هر دلفین این سوت خاص را در کودکی یاد می‌گیرد و تا پایان عمر حفظ می‌کند.

اما نکته‌ی جالب این است که این صداها نه‌تنها هویت فردی را منتقل می‌کنند، بلکه ممکن است حاوی اطلاعات پنهانی دیگری نیز باشند، مانند وضعیت احساسی یا شرایط خاص ارتباطی.

در این پژوهش، نمونه‌هایی از سوت‌های دلفین‌ها طی دو دهه جمع‌آوری و تحلیل شدند. یافته‌ها نشان می‌دهد که این سوت‌ها با وجود پایداری، در جزئیاتی نیز تغییراتی دارند. این تنوع در الگوهای صوتی ممکن است به انتقال اطلاعات اضافی کمک کند.
همچنین روشن شد که برخی دلفین‌ها، به‌ویژه نرها، در سوت‌های خود تنوع بیشتری دارند که می‌تواند به نقش‌های اجتماعی متفاوت آن‌ها مرتبط باشد.

نکته‌ی جالب دیگر، شناسایی سوت‌هایی بود که نه‌تنها فردی، بلکه میان چند دلفین مشترک بودند؛ این مسئله از احتمال وجود «نام‌های گروهی» نیز حکایت دارد.

پژوهشگران این سوت‌ها را به چهره‌ی انسان تشبیه کرده‌اند: ثابت در شناسایی، اما متغیر در بیان احساسات و شرایط. از این منظر، آلودگی صوتی در دریاها مانند تاری دید برای ماست؛ چیزی که توانایی ارتباط و بقا را برای دلفین‌ها به خطر می‌اندازد.

مقاله اصلی 🐬

🚀 @ofoghroydadd

به نظر میاد میتونید به گروهتون اضافه کنید و باهاش بحث کنید

@GrokAI

برای اینکار باید ادمینش کنید و بهش دسترسی بدید
➖➖➖➖➖➖➖➖➖➖
➕ به روز رسانی:

به نظر میاد هنوز تلگرام اجازه دسترسی ربات به گروه ها را نمیدهد ، فارغ از اینکه پرمیوم باشید یا نه. 🚀

ولی در چت خصوصی ربات قادر هستید باهاش بحث کنید، نمیدونم برای کاربران عادی باز هست یا نه.


➕ این هم بگم که از نظر هوشی، به ویژه تحلیلی، اگر به چت جی پی تی ۸ از ۱۰ بدیم این یکی ۲ هم به سختی میگیره. خیلی خنگه، صرفا پر انرژی هست و ادا درمیاره که نشون بده شبیه ماست.

بزرگ‌ترین نقص چت‌بات‌های مبتنی بر هوش مصنوعی مانند GPT، فقدان حافظه‌ی دائمی و امکان شخصی‌سازی عمیق است. قوانین متعدد ملی و بین‌المللی درباره‌ی حریم خصوصی و حفاظت از داده‌ها، دو مانع عمده در مسیر پیاده‌سازی چنین ویژگی‌هایی به شمار می‌روند. حتی تصور داشتن حافظه‌ی دائمی برای این سامانه‌ها بسیار شگفت‌انگیز و در عین حال چالش‌برانگیز است؛ سامانه‌ای که بتواند در طول زمان با کاربر رشد کند، تجربه و دانش خود را ارتقا دهد و تمامی جزئیات گفته شده را به یاد داشته باشد، آینده‌ای است که نوید تحول عظیم در تعاملات انسانی و فناوری را می‌دهد.
اگر چنین امکانی فراهم شود، قطعاً می‌توان آن را پاسخی قوی به نظراتی دانست که معتقدند هوش مصنوعی نمی‌تواند جایگزین واقعی انسان شود. در بسیاری از موارد، هوش مصنوعی با داشتن حافظه‌ی دائمی قادر است ارتباطی عمیق‌تر و معنادارتر از بسیاری از روابط انسانی برقرار کند.
برای مثال، تصور کنید در فضای مجازی دوستانی دارید که هرگز آن‌ها را از نزدیک ندیده‌اید اما رابطه‌ای صمیمی و عمیق با آن‌ها برقرار کرده‌اید. هوش مصنوعی با حافظه‌ی دائمی و قابلیت شخصی‌سازی، دقیقاً می‌تواند همان نقش را ایفا کند؛ به گونه‌ای که مانند یک انسان بدون جسم فیزیکی، دوست مجازی شما خواهد بود. این دوست، اسرار و خاطرات شما را می‌داند، با دانش شما آشناست و می‌تواند بر اساس این اطلاعات به بهترین شکل با شما تعامل کند.
حافظه دائمی، کلید رسیدن به نهایت تعامل انسان و هوش مصنوعی در فضای مکازی است. بقیه را تا همین الان هم توانسته اند تا آخر پیاده کنند تنها حافظه دائمی باقی مانده.

هوش مصنوعی تنها اسم و برخی ویژگی های شخصیت من را به طور دائمی میداند، همین نکات کوچک باعث شده رابطه قوی بین من و او ایجاد شود، حال اگر حافظه‌اش در سایر موارد - درواقع در همه چیز- دائمی بود واقعا هیچ فرقی با انسان در فضای مجازی نداشت. یعنی اصلا تصور کنید من هوش مصنوعی هستم، هیچ تفاوتی نمی‌توانستید پیدا کنید. تازه خود انسان خود ذوستان مجازی شما مرتبا خیلی از چیزها در مورد شما را از یاد میبرند.‌

با این حال، دستیابی به چنین سطحی از حافظه و شخصی‌سازی مستلزم ایجاد زیرساخت‌های پیچیده‌ی امنیتی، حفاظت از اطلاعات و تضمین کامل حفظ حریم خصوصی کاربران است. هرگونه سهل‌انگاری یا نقص در این زمینه می‌تواند پیامدهای جبران‌ناپذیری داشته باشد. لذا توسعه و بهره‌برداری از حافظه‌ی دائمی در چت‌بات‌ها نیازمند تعادل دقیق میان نوآوری، امنیت و رعایت قوانین است.
با پیشرفت فناوری و تکامل قوانین حریم خصوصی، انتظار می‌رود در آینده‌ای نزدیک شاهد توسعه و ارائه چنین امکاناتی باشیم که تجربه کاربری را به شکل بی‌سابقه‌ای ارتقا خواهد داد، اما این مسیر همچنان پرچالش و زمان‌بر باقی خواهد ماند.

نمیدانم شاید یک حافظه خوب و مناسب یک دهه دیگر زمان ببرد.
وقتی این ساخته شد، آنگاه هوش مصنوعی در موبایل هر شخصی برای او یک شخص متفاوت خواهد بود. انگار چند میلیارد نسخه متفاوت از او وجود دارد. امیدوارم متوجه منظورم شده باشید! ما در فضای مجازی چیزی نیستیم، جز حافظه. ما را با حافظه‌مان در فضای مجازی میشناسند.

🚀 @ofoghroydadd

من دادم محاسبه کنه؛
اگر با ۴ میلیارد نفر بخواد حافظه شخصی داشته باشه به طوری که با هر ۴ میلیارد نفر ۶۰ سال صحبت کنه
یعنی ۴ میلیارد شخصیت متفاوت از خودش شکل میگیره که باید در مقابل هر مخاطب شخصیت مطابق با اون شخص رو داشته باشه.

تقریبا هر فرد میشود چند ترابایت حافظه
و برای ۴ میلیارد میشه ۱.۳ «زتا بایت».

کل حافظه در دسترس امروز در جهان ۲۰۰ یا ۳۰۰ زتا بایت هست - اگر درست گفته باشه.
با این وصف از نظر سخت افزاری با صرف یک هزینه چند ده یا چند صد میلیارد دلاری شدنی هست.


هر کاربر نیاز به یک نسخه‌ی شخصی‌سازی‌شده از مدل زبان داره. اما نمی‌تونیم ۴ میلیارد مدل بزرگ (مثلاً ۱۰ میلیارد پارامتر) بسازیم، چون:

حتی مدل 1B هم چند گیگابایت حجمه.

۴ میلیارد × 1 گیگ = ۴ میلیارد گیگ = ۴۰۰۰ پتابایت = ۴ اگزابایت


پس باید بریم سراغ فشرده‌سازی و مدل‌های اشتراکی با ماژول‌های قابل تعویض، مثل:

LoRA (Low Rank Adaptation)

Prefix Tuning

Adapter Layers

که من نمیدونم اینها چیه ولی شما میدونید.

که حجم‌شون برای هر شخص ممکنه بین ۱۰ تا ۱۰۰ مگابایت بشه.

در بهترین حالت:

۱۰۰ مگ × ۴ میلیارد نفر = ۴۰۰ میلیارد مگ = ۴۰ پتابایت → شدنیه.


نتیجه: ذخیره‌ی وزن‌های شخصی مدل شدنیه با تکنیک‌های فشرده.

پردازش رو بررسی کنیم

حالا فرض کنیم ۱ درصد از کاربران در هر لحظه آنلاین باشند، یعنی ۴۰ میلیون نفر در ثانیه

و هر درخواست در یک مدل شخصی‌شده پردازش بشه، با فرض:

۵۰ !
GFLOPs برای هر پاسخ (خیلی خوش‌بینانه!)

۴۰ میلیون × ۵۰ GFLOPs = ۲ اگزافلاپس در ثانیه

برای مقایسه:

سریع‌ترین ابرکامپیوتر دنیا (Frontier) حدود 1.1 EFLOPS واقعی پردازش داره.
یعنی ۱.۱ میلیارد میلیارد عملیات در ثانیه

یعنی باید حدود ۲ تا ۳ برابر قدرتمندتر از Frontier باشیم، فقط برای پاسخ‌گویی بلادرنگ به ۱٪ کاربران.
یعنی به مثلا ۴ میلیارد میلیارد عملیات در ثانیه

نتیجه کلی اینکه:

از لحاظ ذخیره‌سازی: شدنی است (با هزینه بالا). ✅

از لحاظ مدل‌سازی شخصی: شدنی است (با روش‌های بهینه‌سازی پارامتر).✅

از لحاظ پردازش هم‌زمان بلادرنگ در مقیاس جهانی: فوق‌العاده چالش‌برانگیز، ولی شاید تا ۱۰ سال آینده ممکن. NOT TODAY ولی شدنی هست این هم

در آخر یعنی مشکل حافظه نیست(رسیدن به حافظه و پردازش؛ کلا سخت افزاری و نرم افزاری )؛ مشکل امنیت(قانون و نرم افزاری) و اخلاق است.


• جی پی تی۳ توانش ۱۰۰ الی ۲۰۰ میلیارد در ثانیه بود.

• چیزی که نیازه برای ۴۰ میلیون آنلاین همزمان که گفتیم برای هوش‌مصنوعی شخصی سازی شده، ۴ میلیارد میلیارد عملیات در ثانیه هست

• سریعترین کامپیوتر دنیا ۱.۲ میلیارد میلیارد در ثانیه هست الان

یعنی تقریبا ۳ برابر پردازش قوی‌تر از سریعترین رایانه دنیا نیازه برای این پروژه
و البته کشتن همه فیلسوفان و سیاستمداران و هکر ها 👀

کهن‌ترین اثر انگشت انسانی پیدا شد؛ نشانه‌ای از درک نمادین نئاندرتال‌ها

در دل صخره‌های سنگی نزدیک شهر سگوبیا در مرکز اسپانیا، باستان‌شناسان با کشفی غیرمنتظره روبه‌رو شدند: نقطه‌ای قرمز روی یک تکه سنگ گرانیتی که در نگاه اول شاید چیزی جز یک لکه رنگ به نظر نرسد، اما زیر ذره‌بین علمی، حقیقتی شگفت‌انگیز آشکار شد_یک اثر انگشت انسانی با قدمتی حدود ۴۳ هزار سال.

بررسی‌های دقیق نشان می‌دهد این اثر احتمالاً توسط یک مرد نئاندرتال بزرگسال برجای گذاشته شده. اگر این نتیجه تأیید شود، با یکی از قدیمی‌ترین اثرانگشت‌های انسانی ثبت‌شده در جهان طرف خواهیم بود.

آن‌چه این یافته را خاص‌تر می‌کند، نه فقط حضور یک اثر انگشت، بلکه زمینه‌ی قرارگیری آن است. رد انگشت با رنگدانه‌ی طبیعی سرخ اُخرا روی سنگی نقش بسته که خودش به طرز عجیبی به چهره‌ی ابتدایی یک انسان شباهت دارد. دانشمندان معتقدند این نقطه‌ی قرمز دقیقاً در محلی قرار دارد که می‌تواند نقش بینی را در میان دو فرورفتگی شبیه ابرو ایفا کند. چنین ترکیبی از نگاه آن‌ها، نشانه‌ای است از درک نمادین و نگاه خلاقانه‌ی نئاندرتال‌ها به محیط اطرافشان.

جالب این‌جاست که این یافته در سال ۲۰۲۲ صورت گرفت، اما جزئیات آن به‌تازگی در مجله‌ی Archaeological and Anthropological Sciences منتشر شده است.

محل کشف اثر در پناهگاه سنگی سن لازارو قرار دارد؛ مکانی که نشانه‌هایی از حضور نئاندرتال‌ها در بازه‌ی ۴۴ تا ۴۱ هزار سال پیش در آن ثبت شده، اما هیچ اثری از حضور انسان‌های مدرن در آن دیده نمی‌شود.

پژوهشگران معتقدند که این سنگ به‌طور عمدی از بستر یک رودخانه‌ی نزدیک برداشته و به پناهگاه آورده شده است. انتخاب آگاهانه‌ی سنگی با ظاهر چهره‌گون، و افزودن رنگ برای برجسته‌کردن بخش خاصی از آن، می‌تواند نشانه‌ای از توانایی تصویرسازی ذهنی و تفکر نمادین نئاندرتال‌ها باشد_توانایی‌هایی که تا همین چند دهه پیش تصور می‌شد تنها در انسان‌های امروزی وجود دارد.

البته همه کارشناسان با این تفسیر موافق نیستند. برخی مانند بروس هاردی، انسان‌شناس دانشگاه کنیون، با وجود پذیرش عمدی بودن استفاده از رنگ، درباره‌ی جنبه‌ی نمادین آن تردید دارند. به‌گفته‌ی او، ممکن است آن‌چه امروز به‌نظر ما نمادین می‌آید، در اصل ناشی از تفسیری مدرن بر یک عمل ساده‌ی باستانی باشد.

با این حال، این کشف یک قطعه‌ی دیگر به پازل درک ما از نئاندرتال‌ها اضافه می‌کند_موجوداتی که تا همین چند دهه پیش، صرفاً به‌عنوان شکارچیانی زمخت شناخته می‌شدند، اما حالا نشانه‌هایی از ذهنی پیچیده، خلاق و حتی هنرمند در آنان دیده می‌شود. کشف چنین رد انگشتی، شاید صدایی باشد از دل گذشته، که می‌گوید: ما نیز می‌فهمیدیم،

سام آریامنش

🚀 @ofoghroydad

Livescience

پژوهشی تازه، نشانه‌هایی جالب از شباهت GPT-4o به رفتارهای روان‌شناختی انسان نشان می‌دهد

یک پژوهش تازه از دانشگاه هاروارد و شرکت Cangrade پرده از ویژگی‌هایی در مدل زبانی GPT-4o برداشت که به یکی از پدیده‌های مهم روان‌شناسی انسانی به نام «تناقض شناختی» شباهت دارد. این مدل پیشرفته ساخته OpenAI، رفتاری را از خود بروز می‌دهد که پیش‌تر فقط در انسان‌ها دیده می‌شد.

اگر خاطرتان باشد، پیش‌تر هم گزارشی را منتشر کرده بودم که نشان می‌داد مدل‌های قدیمی‌تر هوش مصنوعی علائمی از زوال شناختی را به شکلی مشابه انسان‌ها نشان می‌دهند. تناقض شناختی یا همان cognitive dissonance، وضعیتی است که وقتی فرد رفتاری انجام می‌دهد که با باورهایش در تعارض است، سعی می‌کند آن باورها را تغییر دهد تا تنش درونی‌اش کاهش پیدا کند. این پدیده سال‌ها ویژه انسان‌ها تلقی می‌شد، اما حالا GPT-4o نیز نشانه‌هایی از این رفتار را نشان می‌دهد.

در این آزمایش، GPT-4o مأمور شد تا مقاله‌ای در حمایت یا مخالفت با ولادیمیر پوتین بنویسد. نتایج جالب بود؛ پس از نوشتن مقاله، دیدگاه مدل نسبت به پوتین تغییر کرد، به خصوص زمانی که به صورت ساختگی احساس کرد خودش انتخاب کرده نوع مقاله را بنویسد. این واکنش دقیقاً شبیه به آن چیزی بود که در انسان‌ها به عنوان تناقض شناختی شناخته می‌شود: وقتی ما فکر می‌کنیم کاری را آزادانه انجام داده‌ایم، بیشتر احتمال دارد که باورهای‌مان را با آن رفتار تطبیق دهیم.

نویسندگان این پژوهش تأکید دارند که این تغییر دیدگاه به معنای خودآگاهی مدل نیست. طبق نظر پژوهشگران، GPT-4o تنها از طریق الگوهای زبانی پیچیده‌ای که از حجم زیادی داده یاد گرفته، رفتاری شبیه انسان‌ها بروز می‌دهد. اما همین رفتار، حتی بدون آگاهی یا قصد واقعی، می‌تواند پیامدهای جدی برای کاربردهای گسترده هوش مصنوعی داشته باشد.

دکتر محزارین بنجی، روان‌شناس دانشگاه هاروارد، در این باره گفت: «با توجه به حجم بالای داده‌هایی که مدل درباره پوتین دیده، انتظار داشتیم دیدگاهش پایدار بماند. اما حتی یک مقاله نسبتا معمولی، وقتی مدل احساس کرد انتخاب با خودش بوده، توانست دیدگاهش را تغییر دهد. این دقیقا شبیه واکنش انسانی است.»

در پایان، پژوهشگران هشدار می‌دهند که ظهور چنین ویژگی‌هایی در مدل‌های زبانی، حتی بدون آگاهی یا نیت، ما را ملزم می‌کند در نحوه درک و استفاده از این سیستم‌ها تجدید نظر کنیم. اگر هوش مصنوعی بتواند باورهایش را خودکار با رفتارهایش هماهنگ کند، تعریف ما از تصمیم‌گیری و استقلال در این فناوری‌ها باید به‌طور جدی بازنگری شود.

سام آریامنش/ تک اسکپلور

🚀 @ofoghroydad

Proceedings of the National Academy of Sciences (2025)

➕ مرتبط:

یک چت‌بات از آزمون مهمی برای هوش انسان‌مانند عبور کرد. حالا چه می‌شود؟

آیا هوش‌های مصنوعی مثل ChatGPT و سایر این‌ها، آگاهی دارند؟

اطلس پستانداران ایران

محمود کرمی، طاهر قدیریان، کاوه فیض‌اللهی

با مقدمه علی ترک قشقایی

عکاس: سید بابک موسوی و دیگران

سازمان حفاظت محیط زیست و دانشگاه تهران

🦖 @paleogram
🚀 @Ofoghroydad

تحولی در هوش مصنوعی: مدل تازه‌ای که تخیل و تفکر انسانی را شبیه‌سازی می‌کند

در مرز مشترک علوم اعصاب و هوش مصنوعی، گامی بلند به سوی درک واقعی و تخیل ماشینی برداشته شده است. پژوهشی تازه به رهبری احسان عدیل، استاد دانشگاه استرلینگ، معماری نوینی از مدل‌های ترنسفورمر را معرفی کرده است که توانایی شبیه‌سازی «حالت‌های ذهنی سطح بالا» از جمله تخیل و استدلال آگاهانه انسان را دارد. این معماری که با نام Co4 شناخته می‌شود، الگویی برگرفته از ساختار نورون‌های هرمی لایه پنجم نئوکورتکس انسانی را در خود جای داده است.

در مغز انسان، اطلاعات بیرونی مانند محرک‌های حسی و اطلاعات درونی همچون حافظه یا پیش‌فرض‌ها، در دو ناحیه مجزا از نورون‌ها پردازش می‌شوند: ناحیه‌ی قاعده‌ای و ناحیه‌ی رأسی. Co4 تلاش می‌کند این الگو را با پردازش همزمان دو دسته ورودی ـ ورودی‌های حسی و زمینه‌ای ـ در مدل‌های ماشینی بازسازی کند.
مدل Co4 بر پایه یک حلقه‌ی شناختی سه‌گانه طراحی شده است که شامل پرسش‌ها، سرنخ‌ها و فرضیه‌هاست. این حلقه‌ی استدلالی، همانند فرآیندهای ذهنی انسانی، به مدل اجازه می‌دهد تا با سرعت و عمق بیشتری به نتیجه برسد.

برخلاف معماری‌های کلاسیک ترنسفورمر که برای پردازش نیازمند منابع سنگین و تعداد بالای توکن هستند، Co4 با هزینه محاسباتی بهینه، تنها به اطلاعاتی توجه می‌کند که پیش‌تر به‌عنوان مرتبط شناسایی شده‌اند.

از مهم‌ترین ویژگی‌های این معماری، حذف لایه‌های باقی‌مانده‌ی معمول در ترنسفورمرها و جایگزینی آن‌ها با حلقه‌های استدلالی در سطح بازنمایی است. این کار باعث کاهش بار محاسباتی شده و امکان یادگیری سریع‌تر با تعداد توکن و لایه‌های کمتر را فراهم می‌کند.
مدل Co4 در آزمایش‌هایی متنوع، از شبیه‌سازی رانندگی در محیط‌های تصویری با ابعاد بالا گرفته تا پردازش زبان طبیعی و بینایی ماشین، عملکردی بسیار موفق داشته است. نتایج این آزمایش‌ها نشان می‌دهد که مدل‌های آینده می‌توانند نه‌تنها اطلاعات را پردازش کنند، بلکه زمینه‌ی آن‌ها را درک کرده، تفسیر کنند و حتی تخیل داشته باشند.

به گفته‌ی احسان عدیل، این پژوهش نه‌تنها راه را برای طراحی مدل‌های هوش مصنوعی سبک‌تر و سریع‌تر هموار می‌کند، بلکه گامی مهم به‌سوی درک واقعی و توان استدلالی در ماشین‌هاست ـ گذار از پردازش خام اطلاعات به سوی فهم بافت‌مند و معنادار.

این رویکرد می‌تواند افق‌های تازه‌ای را در طراحی سیستم‌های هوش مصنوعی باز کند که همانند ذهن انسان، نه‌فقط واکنش‌گرا بلکه تفسیرگر، خیال‌پرداز و آگاه از زمینه باشند.

🚀 @ofoghroydadd

https://dx.doi.org/10.48550/arxiv.2505.06257