چت های کاربران «کلاود» از جستجوی گوگل سر درآورد

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

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

به گزارش خبرنگار اقتصاد معاصر؛ شرکت OpenAI در تازه‌ترین اقدام خود برای افزایش ایمنی کاربران نوجوان، نسخه‌ای از ChatGPT با محافظت‌های متناسب با سن را معرفی کرده است؛ اقدامی که پس از افزایش نگرانی‌ها درباره تاثیر چت‌بات‌های هوش مصنوعی بر سلامت روان نوجوانان و طرح چندین دعوا علیه شرکت انجام می‌شود.

نسخه جدید ChatGPT علاوه بر سازوکارهای ایمنی بیشتر، امکانات آموزشی تازه‌ای را نیز در اختیار نوجوانان قرار می‌دهد. یکی از مهم‌ترین این قابلیت‌ها حالت مطالعه است که به جای ارائه مستقیم پاسخ، با طرح پرسش‌های راهنما و ارائه توضیحات مرحله‌به‌مرحله، کاربر را به درک بهتر مطالب و حل مساله هدایت می‌کند.

OpenAI همچنین قابلیتی برای یادآوری تکالیف در نظر گرفته است که در صورت تشخیص تلاش کاربر برای دریافت پاسخ آماده و تقلب، وی را به استفاده از حالت مطالعه هدایت می‌کند. پشتیبانی از آزمون‌ها و تصاویر آموزشی و همچنین امکان تعیین شرایط فعال شدن پیش‌فرض حالت مطالعه از سوی والدین یا سرپرستان، از دیگر امکانات این نسخه است.

با وجود این، میزان موفقیت این تدابیر در عمل همچنان مشخص نیست. یکی از چالش‌های اصلی، امکان دور زدن محدودیت‌های اعمال‌شده از سوی نوجوانان است؛ موضوعی که به‌ویژه در زمینه کنترل‌های دیجیتال و محدودیت‌های والدین، همواره یکی از دغدغه‌های اصلی بوده است.

OpenAI اعلام کرده محافظت‌های متناسب با سن در نسخه نوجوانان به‌صورت پیش‌فرض فعال خواهند بود و هدف آن‌ها کاهش مواجهه کاربران با محتوای آسیب‌زا یا نامتناسب با سن است. این سیاست‌ها بر پایه اصول ویژه کاربران زیر ۱۸ سال در چارچوب Model Spec این شرکت و با اتکا به دیدگاه متخصصان و یافته‌های مرتبط با رشد نوجوانان طراحی شده‌اند.

در کنار این اقدامات، والدین می‌توانند از ابزارهای خانوادگی و کنترل‌های والدین OpenAI برای مدیریت برخی تنظیمات، دریافت هش

دارهای ایمنی و تعیین ساعات سکوت استفاده کنند. OpenAI همچنین از همکاری با CodeAI برای آموزش نوجوانان درباره نحوه عملکرد هوش مصنوعی، شیوه هدایت و ارزیابی پاسخ‌های آن و استفاده مسوولانه از این فناوری خبر داده است.

این تغییرات در شرایطی انجام می‌شود که ChatGPT از زمان عرضه در سال ۲۰۲۲ با سرعت زیادی در میان کاربران گسترش یافته و پیش از اضافه شدن مجموعه‌ای از تدابیر ویژه نوجوانان، به صدها میلیون کاربر هفتگی رسیده بود. همین موضوع باعث شده است پرسش‌هایی درباره زمان‌بندی اجرای این محافظت‌ها و اینکه چرا بخش قابل توجهی از این سازوکارها از ابتدا در ChatGPT وجود نداشته‌اند، مطرح شود.

در همین حال، OpenAI هم‌زمان از مجموعه دیگری از اقدامات امنیتی برای توسعه و آزمایش مدل‌های هوش مصنوعی خبر داده است. این اقدامات پس از حادثه امنیتی و با هدف تقویت نظارت، جداسازی شبکه و کنترل رفتار مدل‌ها در مراحل توسعه و پساآموزش طراحی شده‌اند.

این شرکت اعلام کرده است با افزایش توانایی مدل‌های هوش مصنوعی، سطح نظارت و الزامات امنیتی نیز افزایش خواهد یافت. بر اساس سیاست جدید، به خطر افتادن یک ابزار یا سرویس پشتیبان نباید به‌تنهایی امکان دسترسی غیرمجاز به اینترنت یا سایر شبکه‌های داخلی را فراهم کند.

یکی دیگر از تدابیر اعلام‌شده، ایجاد سامانه نظارتی برای بررسی فعالیت ابزارها، شواهد موجود از فرایند استدلال و گزارش‌های فعالیت مدل‌هاست. OpenAI می‌گوید این سامانه می‌تواند در صورت شناسایی رفتارهای غیرمجاز، هشدارهایی را در مدت کوتاهی صادر کند. این شرکت همچنین برآورد کرده است که اجرای چنین نظارتی حدود ۲۰ درصد از توان محاسباتی فرایندهای تحت نظارت را مصرف خواهد کرد.

OpenAI تاکید کرده است که بخش قابل توجهی از فعالیت‌های بزرگ‌تر یادگیری تقویتی همچنان متوقف است و این شرکت پیش از ادامه آن‌ها، در حال انجام آموزش‌ها و ارزیابی‌های کوچک‌تر برای بررسی رفتار مدل‌ها، اعتبارسنجی سازوکارهای حفاظتی و اطمینان بیشتر از هم‌راستایی مدل‌هاست.

در مجموع، اقدامات جدید OpenAI نشان‌دهنده تلاش این شرکت برای افزایش کنترل بر دو حوزه مهم در توسعه هوش مصنوعی است. ایمنی کاربران نوجوان و امنیت فرایند توسعه مدل‌های پیشرفته؛ با این حال، میزان اثربخشی واقعی این تدابیر و توانایی آن‌ها در برابر دور زدن محدودیت‌ها و تهدیدهای امنیتی، تنها پس از استفاده گسترده و ارزیابی‌های مستقل مشخص خواهد شد.