پرش به محتوا
آخرین اخبار
بسته جعلی NuGet برای دست‌کاری نتایج بازی Digitain شناسایی شد OpenAI نقش مدل‌های خود در حمله به Hugging Face را تأیید کرد آسیب‌پذیری Kiro اجرای کد مخرب را بدون تأیید کاربر ممکن می‌کرد هزاران مخزن جعلی GitHub کاربران و عامل‌های هوش مصنوعی را هدف گرفتند حملات گسترده به وردپرس با دو آسیب‌پذیری بحرانی آغاز شد باج‌افزار جدید ENCFORGE زیرساخت‌های هوش مصنوعی را هدف قرار داد حمله یک عامل هوش مصنوعی به پلتفرم Hugging Face تأیید شد آسیب‌پذیری بحرانی nginx امکان اجرای کد از راه دور را فراهم می‌کند بسته جعلی NuGet برای دست‌کاری نتایج بازی Digitain شناسایی شد OpenAI نقش مدل‌های خود در حمله به Hugging Face را تأیید کرد آسیب‌پذیری Kiro اجرای کد مخرب را بدون تأیید کاربر ممکن می‌کرد هزاران مخزن جعلی GitHub کاربران و عامل‌های هوش مصنوعی را هدف گرفتند حملات گسترده به وردپرس با دو آسیب‌پذیری بحرانی آغاز شد باج‌افزار جدید ENCFORGE زیرساخت‌های هوش مصنوعی را هدف قرار داد حمله یک عامل هوش مصنوعی به پلتفرم Hugging Face تأیید شد آسیب‌پذیری بحرانی nginx امکان اجرای کد از راه دور را فراهم می‌کند
اخبار

ابزارهای جدید هوش مصنوعی در مسیر علم

اردیبهشت ۱۵, ۱۴۰۴ نوشتهٔ nastaran بدون نظر

کمیته رکن چهارم – سازمان غیرانتفاعی FutureHouse که با حمایت مالی اریک اشمیت، مدیرعامل پیشین گوگل، تأسیس شده، نخستین مجموعه از ابزارهای هوش مصنوعی خود را برای کمک به تحقیقات علمی منتشر کرد. این اقدام بخشی از هدف بلندمدت این سازمان برای ساخت یک «دانشمند هوش مصنوعی» در طی دهه آینده است.

به گزارش کمیته رکن چهارم، این ابزارها که در قالب یک پلتفرم و API عرضه شده‌اند، شامل چهار مدل به نام‌های Crow، Falcon، Owl و Phoenix هستند. هر کدام از این ابزارها نقش خاصی در فرآیند تحقیق ایفا می‌کنند: از جستجوی مقالات علمی و تحلیل آن‌ها تا طراحی آزمایش‌های شیمی.

مدل Crow برای پاسخ به سؤالات درباره مقالات علمی، Falcon برای جستجوی پیشرفته‌تر در پایگاه‌های داده، Owl برای یافتن تحقیقات مرتبط و Phoenix برای طراحی آزمایش‌های شیمی کاربرد دارند.

این سازمان در توضیح این ابزارها اعلام کرده است که برخلاف دیگر مدل‌ها، ابزارهای مذکور به مجموعه‌ای گسترده از مقالات علمی دسترسی دارند و با منطق شفاف و فرآیندهای چندمرحله‌ای به بررسی منابع می‌پردازند. این نهاد امیدوار است که با گسترش استفاده از این ابزارها، روند کشف علمی با سرعت بیشتری انجام شود.

با این حال، تاکنون هیچ نوآوری علمی مشخصی به‌واسطه این ابزارها ثبت نشده است. به گفته کارشناسان، پیچیدگی و عوامل گمراه‌کننده در دنیای واقعی همچنان مانع دستیابی به نوآوری‌های معنادار از سوی مدل‌های هوش مصنوعی هستند.

گزارش‌های پیشین نیز حاکی از عملکرد نه‌چندان قابل‌قبول سیستم‌های مشابه بوده‌اند. برای نمونه، گوگل در سال ۲۰۲۳ ادعا کرد که مدل هوش مصنوعی آن‌ها ۴۰ ماده جدید ساخته است، اما بررسی‌های مستقل این ادعا را رد کردند.

سازمان FutureHouse نیز در بیانیه‌ای اذعان کرده است که ابزارهایی مانند Phoenix ممکن است خطاهایی داشته باشند و از کاربران خواسته است بازخوردهای خود را برای بهبود این سیستم‌ها ارائه دهند.

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *


Type The Red Captcha Characters Below.