رقیب چینی جدید اوپن ای آی و آنتروپیک از راه رسید

بخش مهمی از دشواری فعالیت اقتصادی در ایران امروز از همین‌جا آغاز می‌شود. تعداد مشکلات زیاد است اما منشأ بسیاری از آنها روشن نیست. در نتیجه، به‌تدریج نوعی سردرگمی نسبت به حل مساله شکل می‌گیرد. وقتی اختلالی پس از اختلال دیگر اتفاق می‌افتد و مشخص نیست چگونه و چرا اتفاق افتاده است، سازمان‌ها به‌جای حل ریشه‌ای مساله، به کنار آمدن با آن عادت می‌کنند. وقتی حتی  منشأ مشکل مشخص نیست

این مساله را می‌توان در زیرساخت‌های اقتصاد دیجیتال به‌وضوح دید. پیچیدگی‌های ناشی از محدودیت‌های اینترنت، فیلترینگ و وابستگی زیرساخت‌های مختلف به یکدیگر، گاهی به حدی رسیده که حتی ارائه‌دهندگان زیرساخت هم نمی‌توانند با اطمینان درباره منشأ یک اختلال مسوولیت بپذیرند.

بعضی اختلال‌ها حتی بدون آنکه مشخص شود چه کسی و با چه اقدامی آنها را برطرف کرده، خودبه‌خود از بین می‌روند. رفع شدن مشکل در ظاهر اتفاق خوبی است، اما اگر ندانیم چرا ایجاد و چرا برطرف شده، نمی‌توانیم از تکرار آن جلوگیری کنیم. در این شرایط رفع اختلال، الزاما به معنای حل مساله نیست.

قطع و وصل شدن سرویس‌هایی مانند پیامک و نوتیفیکیشن نمونه دیگری از همین وضعیت است. وقتی یک سرویس دچار اختلال می‌شود، نخستین پرسش کسب‌وکار گاهی این نیست که «چطور آن را حل کنیم؟» بلکه این است که «اصلا مشکل از کجاست؟» در روزهای پس از جنگ، بسیاری از کسب‌وکارها با اختلال در ارسال نوتیفیکیشن مواجه شدند. اما آنها نمی‌دانستند مشکل از سامانه آنهاست یا زیرساخت کشور. برای همین روزها و هفته‌ها این اختلال ادامه داشت بدون آنکه کسی بداند و بگوید که چرا. در چنین شرایطی، تشخیص یک خطای داخلی از یک اختلال بیرونی خودش تبدیل به مساله می‌شود. ابهام قضیه

هزینه این وضعیت فقط چند ساعت قطعی یا سفارش‌های ازدست‌رفته نیست. بخش مهمی از ارزش کسب‌وکارهای دیجیتال حاصل سرمایه‌گذاری‌های بلندمدت است؛ از حضور در موتورهای جست‌وجو مانند گوگل و رسانه‌های آنلاین گرفته تا سرمایه‌گذاری‌های جدید روی ابزارهای هوش مصنوعی.

وقتی اینترنت بین‌المللی ناپایدار و غیرقابل پیش‌بینی است، تحلیل نتیجه این سرمایه‌گذاری‌ها هم دشوار می‌شود. اگر جایگاه یک سایت در موتور جست‌وجو تغییر کند، آیا مشکل از استراتژی محتواست، از خود سایت است یا از دسترسی کاربران و موتورهای جست‌وجو؟ اگر ترافیک کاهش پیدا کند، آیا تقاضا کم شده یا بخشی از کاربران نتوانسته‌اند به سرویس دسترسی پیدا کنند؟ در این شرایط، شرکت فقط با اختلال مواجه نیست؛ با ناتوانی در فهم نتیجه سرمایه‌گذاری‌هایش هم مواجه است.

وقتی یک سازمان با تعداد زیادی مشکل هم‌زمان روبه‌روست، آن هم مشکلاتی که منشأ آن مشخص نیست، یا مسیر پیگیری روشن نباشد، به‌مرور نوعی بی‌تفاوتی در سازمان شکل می‌گیرد و سازمان یاد می‌گیرد با بخشی از مشکلات زندگی کند. این شاید یکی از خطرناک‌ترین پیامدهای اختلال مزمن باشد: اختلال از یک اتفاق غیرعادی به بخشی از شرایط عادی فعالیت اقتصادی تبدیل می‌شود.

در این وضعیت، بخشی از انرژی شرکت‌ها به جای بهبود محصول، شناخت مشتری و نوآوری، صرف تشخیص این می‌شود که آیا اصلا مشکلی وجود دارد و اگر وجود دارد، چه کسی باید آن را حل کند.

راه‌حل اصلی روشن است: زیرساخت باید پایدار، قابل اتکا و قابل پیش‌بینی باشد. هیچ میزان اطلاع‌رسانی نمی‌تواند جای آن را بگیرد. اما اگر فرض کنیم در آینده نزدیک قرار نیست همه این اختلال‌ها برطرف شوند ــ که خود فرض نگران‌کننده‌ای است ــ دست‌کم می‌توان هزینه ابهام را کاهش داد.

دو انتظار حداقلی در این زمینه وجود دارد:

اول، اختلال‌های برنامه‌ریزی‌شده و محدودیت‌های احتمالی تا حد امکان از قبل و شفاف اطلاع‌رسانی شوند.

دوم، برای هر حوزه زیرساختی، مرجع مشخصی وجود داشته باشد که وضعیت را اعلام کند، گزارش اختلال دریافت کند و درباره آن پاسخ‌گو باشد.

این اقدامات اختلال را از بین نمی‌برند، اما سهم و مسوولیت هر بازیگر را در مواجهه با مساله روشن‌تر می‌کنند.

کسب‌وکار باید بداند کدام مساله را باید خودش حل کند و کدام را باید از بیرون پیگیری کند. شاید این پیشنهادها در مقایسه با حداقل‌های مورد انتظار از یک زیرساخت مدرن، عقب‌نشینی فاجعه‌باری به نظر برسند؛ اما حتی همین شفافیت حداقلی می‌تواند بخشی از هزینه‌ای را که ابهام به اقتصاد تحمیل می‌کند، کاهش دهد.

شاید مساله امروز اقتصاد دیجیتال ایران فقط این نباشد که کسب‌وکارها با اختلال مواجه‌اند؛ مساله عمیق‌تر این است که در بسیاری از موارد، حتی نمی‌دانند با چه مساله‌ و اختلالی مواجهند و اقتصادی که نتواند مساله خود را به‌درستی تشخیص دهد، بخشی از توان خود برای یادگیری، اصلاح و در نهایت خلق ارزش را از دست می‌دهد.

* تحلیلگر کسب‌وکارهای پلتفرمی این مطلب برایم مفید است 0 نفر این مطلب را پسندیده اند کپی شد

روباتیک پیشرفته که اغلب به عنوان هوش مصنوعی «مجسم» شناخته می‌شود، بخش کلیدی در رقابت داغ فناوری بین چین و ایالات متحده است. چین از نظر ظرفیت تولید روبات‌های انسان‌نما و توانایی افزایش تولید، از ایالات متحده پیشروتر است.

طبق گزارش گروه تحقیقات و مشاوره فناوری Omdia، سال گذشته از حدود ۱۵۰۰۰ روبات انسان‌نما که به سراسر جهان ارسال شد، Unitree و AGIBOT، دیگر تولیدکنندگان بزرگ روبات انسان‌نمای چینی، هر کدام بیش از ۵۰۰۰ عدد از این روبات‌ها را ارسال کردند که بسیار بیشتر از همتایان آمریکایی آنها بود. تخمین‌های Omdia نشان می‌دهد که برای نیمه اول سال ۲۰۲۶، کل محموله‌های جهانی تولیدکنندگان روبات انسان‌نمای چینی حدود ۱۸۵۰۰ واحد بوده است. اما تحلیلگران می‌گویند در حال حاضر، بسیاری از این روبات‌های انسان‌نما هنوز عمدتا برای نمایش، اجرا و تحقیق استفاده می‌شوند تا کاربردهای دنیای واقعی. برای مثال، روبات‌های انسان‌نمای شرکت یونیتری، با اجرای حرکات پشتک و هنرهای رزمی، تماشاگران را در جشن سالانه جشنواره بهار چین شگفت‌زده کردند.

کانگیوشیائو لی، تحلیلگر شرکت تحقیقات سرمایه‌گذاری مورنینگ‌استار، در تفسیری گفت: «آزمون رقابتی واقعی این خواهد بود که آیا شرکت‌ها - چینی یا آمریکایی - می‌توانند به عملکرد قابل اعتماد و بازده جذاب سرمایه‌گذاری در استقرارهای صنعتی و تجاری در مقیاس بزرگ دست یابند یا خیر.» یونیتری اعلام کرد که درآمد حاصل از عرضه اولیه سهام (IPO) برای تحقیق و توسعه روبات‌های پیشرفته و توسعه پایگاه تولید روبات خود استفاده خواهد شد.

این شرکت اولین سازنده روبات‌های انسان‌نمای سهامی عام در سرزمین اصلی چین است. تحلیلگران معتقدند که عرضه اولیه سهام می‌تواند الگویی برای ارزیابی سایر عرضه‌های سهام شرکت‌های روباتیک باشد. اولین حضور یونیتری همزمان با کنفرانس جهانی روبات در پکن بود که بیش از ۳۰۰ غرفه‌دار در آن حضور داشتند. رهبران چین، روبات‌ها را در اولویت توسعه قرار دادند. UBTech، یکی دیگر از سازندگان بزرگ روبات‌های انسان‌نمای چینی، سهامی در هنگ‌کنگ دارد. سهام آن روز چهارشنبه بیش از ۱۰درصد کاهش یافت. یونیتری حدود ۱.۷‌میلیارد یوآن (حدود ۲۵۰‌میلیون دلار) درآمد در سال ۲۰۲۵ گزارش کرد که عمدتا از فروش روبات‌های انسان‌نما و روبات‌های چهارپا، که اغلب به سگ‌های روبات چهارپا اشاره دارد، حاصل شده است. بیش از ۴۰درصد از این درآمد از خارج از کشور بوده است. این مطلب برایم مفید است 0 نفر این مطلب را پسندیده اند کپی شد

سامانه موشکی هوش مصنوعی چین مدعی شده است که می‌تواند جنگنده‌های پنهانکار F-22 و F-35 را با دقت ۹۰ درصدی از طریق امضای حرارتی آن‌ها ردیابی کند. ردیابی جنگنده F-35 همواره یک چالش بزرگ بوده و این ادعا می‌تواند معادلات دفاعی را تغییر دهد. فناوری هوش مصنوعی نظامی با توسعه چنین سامانه‌هایی، ابعاد جدیدی در جنگاوری مدرن را نشان می‌دهد. سیستم جدید بر پایه ردیابی حرارتی کار می‌کند. سامانه ردیابی حرارتی هوش مصنوعی چین

محققان چینی یک سیستم هوش مصنوعی سبک‌وزن توسعه داده‌اند که برای شناسایی امضاهای حرارتی F-22 و F-35 طراحی شده است. این سیستم‌های فروسرخ بر اساس الگوهای گرمایی عمل می‌کنند. آزمایشگاه دقت ردیابی اهداف شبیه‌سازی‌شده را بیش از ۹۰ درصد گزارش کرده است. سامانه قادر است بین گرمای هواپیما و شراره‌های فریب‌دهنده تمایز قائل شود. آن جیانگشان، نویسنده اصلی، هدف را ترکیب پردازش سریع و شناسایی قوی برای کاربردهای موشکی می‌داند. محدودیت‌ها و چالش‌ها برای جنگنده‌های پنهانکار

عملکرد عملیاتی این سامانه در برابر جنگنده‌های واقعی هنوز تأیید نشده است. شرایط واقعی نبرد، شامل سرعت، ارتفاع، مانورها و شرایط جوی، در آزمایشگاه کاملاً شبیه‌سازی نشده‌اند. با این حال، این پژوهش چالشی فزاینده برای پلتفرم‌های پنهانکار آمریکا، از جمله جنگنده F-35 است. ایالات متحده نمی‌تواند فرض کند کاهش دید راداری برای همیشه کافی است، زیرا هوش مصنوعی در شناسایی الگوهای فروسرخ ماهرتر می‌شود. این امر نیازمند توجه بیشتر به مدیریت حرارتی و امضاهای اگزوز در به‌روزرسانی‌های آتی F-22 و F-35 خواهد بود. Post Views: 1 بیشتر بخوانید:   قیمت بازار و نمایندگی یکی شد برچسب هاموشکی کپی لینک لینک کپی شد

به گزارش هم‌میهن آنلاین و به نقل از شفقنا؛ نشریه اینترنتی bankinfosecurity یا همان بانک داده‌های امنیتی نوشته:

این روزها شرکت‌های علوم زیستی، داروسازی و بیوتکنولوژی و مؤسسات تحقیقاتی در حال پذیرش ابزارهای قدرتمند هوش مصنوعی هستند تا بتوانند کشف و پیشرفت‌های علمی و توسعه نوآوری‌های جدید پزشکی را تسریع کرده و این روندها را سرعت بخشند.

هوش مصنوعی اما اگر در دست بازیگران مخرب قرار گیرد- حتی از طریق اتفاقات خوش‌خیم؛ آیا می‌دانید چه تهدیدات بیولوژیکی می‌تواند ایجاد کند؟

کاخ سفید در اواخر ماه ژوئیه یک سند سیاستی منتشر کرد که هدف آن کاهش تحقیقات بالقوه خطرناک علوم زیستی و البته تحقیقات خطرناک افزایش عملکرد بود- که این تحقیقات توسط دولت ایالات متحده آمریکا تأمین مالی می‌شوند.

این تحقیقات بالقوه خطرناک می‌تواند تحقیق درباره عوامل بیولوژیکی را شامل شود که می‌توانند «پیامدهای اجتماعی منفی» به دنبال داشته باشند- و از جمله برای سلامت عمومی، امنیت زیستی یا امنیت ملی تهدیدآمیز بوده یا خطرات قابل توجهی در این زمینه‌ها داشته باشند.

سیاست جدید کاخ سفید، حمایت فدرال از تحقیقات خطرناک افزایش عملکرد را ممنوع و اختصاص بودجه فدرال برای برخی از تحقیقات علوم زیستی پرخطر را- که در کشورها یا مؤسساتی انجام می‌شود که فاقد استانداردهای مناسب ایمنی زیستی، امنیت زیستی و نظارت هستند- محدود می‌کند.

این سند سیاست‌گذاری ۱۲ صفحه‌ای با این که اطلاعات نسبتاً زیادی در مورد تهدیدات مرتبط با هوش مصنوعی ارائه نمی‌دهد، اما خطرات موجود در این عرصه را تصدیق می‌کند.

اما این‌که کارشناسان بیشتر نگران چه خطرات و تهدیداتی در زمینه هوش مصنوعی هستند؛ باید گفت که به گفته کارشناسان امنیت زیستی، سلاح‌های زیستی جدید یا حوادث ناخواسته خطرناک شماری از خطرات و تهدیداتی هستند که در زمینه هوش مصنوعی وضعیتی هشداردهنده به وجود آورده است.

ابزارهای هوش مصنوعی از قبیل مدل‌های مرزی و پیشروی قدرتمند، مدل‌های زبان بزرگ و سایر سیستم‌های موجود می‌توانند طراحی عوامل بیولوژیکی را آسان‌تر کرده و به کاربرانی که از مهارت‌‌های کمتری برخوردارند، اجازه دهند تحقیقات بیولوژیکی پیچیده‌تری انجام داده و دست به ایجاد و تولید مواد خطرناکی بزنند.

به کانال تلگرام هم میهن بپیوندید

به کانال بله هم میهن بپیوندید

به کانال روبیکا هم میهن بپیوندید