پرش به محتوا
آخرین اخبار
آسیب‌پذیری PostgreSQL امکان اجرای کد روی سرور را فراهم می‌کند گوگل آسیب‌پذیری روز صفر کروم را پس از حملات فعال برطرف کرد فیشینگ گسترده با کاراکترهای نامرئی برای دور زدن فیلترهای ایمیل به‌روزرسانی Windows ۱۱ تنظیمات ماوس را در سیستم‌های غیرانگلیسی بازنشانی می‌کند اختلال گسترده چندین مدل هوش مصنوعی Claude حملات گسترده علیه آسیب‌پذیری بحرانی Elementor Pro آسیب‌پذیری بحرانی سوئیچ‌های Cisco Nexus امکان اجرای کد با دسترسی root را می‌دهد تروجان بانکی StreamRat کنترل گسترده دستگاه‌های اندرویدی را فراهم می‌کند آسیب‌پذیری PostgreSQL امکان اجرای کد روی سرور را فراهم می‌کند گوگل آسیب‌پذیری روز صفر کروم را پس از حملات فعال برطرف کرد فیشینگ گسترده با کاراکترهای نامرئی برای دور زدن فیلترهای ایمیل به‌روزرسانی Windows ۱۱ تنظیمات ماوس را در سیستم‌های غیرانگلیسی بازنشانی می‌کند اختلال گسترده چندین مدل هوش مصنوعی Claude حملات گسترده علیه آسیب‌پذیری بحرانی Elementor Pro آسیب‌پذیری بحرانی سوئیچ‌های Cisco Nexus امکان اجرای کد با دسترسی root را می‌دهد تروجان بانکی StreamRat کنترل گسترده دستگاه‌های اندرویدی 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.