معاون سیاستگذاری و برنامهریزی توسعه اقتصاد دیجیتال وزارت ارتباطات در گفتوگویی ضمن تشریح جزئیات گزارشهای رسمی اخیر درباره سهم اقتصاد دیجیتال، تأکید کرد: سهم ۷.۱۴ درصدی اقتصاد دیجیتال در سال ۱۴۰۳ را نباید مستقیماً با برآوردهای قبلی مقایسه کرد؛ چراکه تعریف عملیاتی و روش محاسبه تغییر کرده است.
به گزارش وزارت ارتباطات، احسان چیتساز در این گفتوگو با اشاره به چارچوبهای بینالمللی اندازهگیری اقتصاد دیجیتال گفت: اقتصاد دیجیتال فقط اپراتورها و شرکتهای فناوری نیست.
وی افزود: بر اساس چارچوب OECD، اقتصاد دیجیتال را میتوان در سه لایه دید؛ لایه اول هسته اقتصاد دیجیتال شامل شبکههای ارتباطی، اپراتورها، مراکز داده و تجهیزات ICT، لایه دوم اقتصاد پلتفرمی و خدمات دیجیتال و لایه سوم دیجیتالیشدن کل اقتصاد.
بیشتر بخوانید تصویب برنامه اقدام وزارتخانهها در چارچوب تقسیم کار ملی هوش مصنوعی ارائه روشی نوین برای تحلیل تصاویر ماهوارهای با هوش مصنوعی تسهیلات ۴ همتی برای کسبوکارهای دیجیتال؛ دریافت وام در کمتر از ۳ هفته
چیتساز با اشاره به آمار جدید اعلام کرد: در سری جدید و همتعریف، سهم اقتصاد دیجیتال از GDP در سال ۱۴۰۰ حدود ۴.۴۹ درصد، در سال ۱۴۰۱ حدود ۴.۰۱ درصد، در سال ۱۴۰۲ حدود ۵.۴۱ درصد و در سال ۱۴۰۳ به ۷.۱۴ درصد رسیده است.
معاون سیاستگذاری و برنامهریزی توسعه اقتصاد دیجیتال ادامه داد: رشد ارزش افزوده واقعی اقتصاد دیجیتال در سال ۱۴۰۳ بر مبنای قیمتهای ثابت، ۳۵.۸ درصد گزارش شده است.
وی درباره تناقض احتمالی این آمار با اظهارات معاون علمی رئیسجمهور توضیح داد: باید بین سه مفهوم اقتصاد دیجیتال، اقتصاد دانشبنیان و نوآوری تفاوت بگذاریم. این سه حوزه همپوشانی دارند، اما یکی نیستند.
چیتساز بر ضرورت راستیآزمایی و انتشار روششناسی تأکید کرد و گفت: اگر عدد ۷.۱۴ درصد قرار است مبنای سیاستگذاری، بودجه، تنظیمگری و ارزیابی عملکرد دولت باشد، باید بتوان آن را از نظر علمی بازتولید کرد.
وی افزود: حداقل باید تعریف عملیاتی اقتصاد دیجیتال، کدهای فعالیت اقتصادی ISIC، نحوه تفکیک سه لایه، منابع داده، روش محاسبه ارزش افزوده و شاخصهای قیمت منتشر شود.
معاون سیاستگذاری و برنامهریزی توسعه اقتصاد دیجیتال با احتیاط درباره سالهای ۱۴۰۴ و ۱۴۰۵ گفت: هنوز حسابهای ملی و حساب اقماری اقتصاد دیجیتال این سالها منتشر نشده است و نمیتوان درباره سهم قطعی این دو سال حکم داد.
وی تصریح کرد: افزایش سهم اقتصاد دیجیتال از GDP الزاماً به معنای بهبود وضعیت اقتصاد دیجیتال نیست؛ سهم یک نسبت است و باید رشد اقتصاد دیجیتال و سلامت آن را از افزایش سهم تفکیک کرد.
چیتساز با تأکید بر اینکه عدد ۷.۱۴ درصد دماسنج است، نه تشخیص بیماری، گفت: برای من اقتصاد دیجیتال سالم یعنی همزمان رشد واقعی ارزش افزوده، افزایش سرمایهگذاری، توسعه شبکه، افزایش کیفیت اینترنت، رشد اشتغال تخصصی و افزایش تابآوری.
معاون سیاستگذاری و برنامهریزی توسعه اقتصاد دیجیتال درباره هدف ماده ۶۴ برنامه هفتم اظهار کرد: رسیدن به سهم ۱۰ درصدی دشوار است، اما غیرممکن نیست.
وی افزود: برای تحقق آن باید اقتصاد اپراتورها اصلاح شود، شبکه ملی اطلاعات و فیبر نوری توسعه یابد، ثبات مقرراتی ایجاد شود، سرمایهگذاری در شرکتهای نوآور افزایش یابد و صنایع بزرگ دیجیتالی شوند.
چیتساز با دفاع از توسعه شبکه ملی اطلاعات گفت: شبکه ملی اطلاعات تابآوری اقتصاد دیجیتال را به شکل جدی افزایش میدهد، اما جایگزین اینترنت جهانی نیست و نباید هم چنین تعریفی از آن داشته باشیم.
وی معماری مطلوب را «دو لایه» دانست و افزود: لایه اول تابآوری ملی است و لایه دوم اتصال جهانی و رشد اقتصادی.
معاون سیاستگذاری و برنامهریزی توسعه اقتصاد دیجیتال با انتقاد از سرمایهگذاری روی موتورهای جستوجوی سنتی گفت: اشتباه است اگر امروز میلیاردها تومان صرف کنیم تا موتور جستوجوی نسل قبل را بازسازی کنیم.
وی تصریح کرد: باید به سمت معماری جدید برویم؛ اول اپراتور هوش مصنوعی، بعد مدلهای زبانی فارسی، دادههای باکیفیت، جستوجوی مولد، دستیارهای هوشمند و در نهایت عاملهای هوشمند.
چیتساز درباره امنیت شبکه ملی اطلاعات تأکید کرد: هدف فقط خرید تجهیزات امنیتی نیست؛ باید به سمت امنیت زنجیره تأمین برویم.
وی افزود: در زیرساخت حیاتی، امنیت زنجیره تأمین به اندازه امنیت خود تجهیزات مهم است.
معاون سیاستگذاری و برنامهریزی توسعه اقتصاد دیجیتال یکی از ریشههای شکاف ظرفیت و تقاضا را اقتصاد نامناسب بخش ارتباطات دانست و گفت: سرکوب تعرفهای از سال ۱۳۹۸ شروع شد و به اقتصاد هسته دیجیتال آسیب زد.
وی درباره خسارتهای جنگ تحمیلی اظهار کرد: باید بین جبران خسارت و تأمین مالی بازسازی و تداوم فعالیت تفاوت بگذاریم.
چیتساز تأکید کرد: هدف ما بازآرایی فعالیتهای جاری، بازسازی ظرفیت ازدسترفته و افزایش تابآوری برای بحران بعدی است.
معاون سیاستگذاری و برنامهریزی توسعه اقتصاد دیجیتال در جمعبندی اظهار کرد: مهمترین درس این تجربه این است که امنیت پایدار در فضای مجازی با قطع ارتباطات ایجاد نمیشود؛ با ساختن زیرساختی ایجاد میشود که هم در برابر بحران مقاوم باشد و هم امکان حکمرانی مؤثر ملی و اتصال به جهان را حفظ کند.
وی خاطرنشان کرد: موفقیت ما را نه ۷.۱۴ درصد و نه حتی ۱۰ درصد تعیین میکند. موفقیت زمانی است که مردم و بنگاهها این رشد را در کیفیت بهتر خدمات، اینترنت پایدارتر، فرصتهای شغلی بیشتر و رفاه بیشتر احساس کنند.
انتهای پیام/
به گزارش سیتنا به نقل از تککرانچ، شرکت «الیشن» اعلام کرد که یک فعالیت غیرمجاز در یکی از سامانههای این شرکت شناسایی شده و تیمهای امنیتی و فنی در حال بررسی ابعاد این رخداد هستند.
این شرکت هنوز جزئیات دقیقی درباره نحوه نفوذ، عامل یا عوامل احتمالی حمله و اینکه آیا اطلاعات مشتریان از سامانههای شرکت خارج شده است یا خیر، منتشر نکرده است.
الیشن که در زمینه مدیریت، جستوجو و تحلیل دادههای سازمانی فعالیت میکند، در سالهای اخیر تمرکز بیشتری بر استفاده از هوش مصنوعی برای دسترسی و تحلیل دادههای سازمانی داشته است.
این شرکت اعلام کرده است که رخداد شناساییشده باعث ایجاد اختلال کوتاهمدت در دسترسی برخی مشتریان به خدمات آن شده، اما این اختلال در مدت کوتاهی برطرف شده است.
اهمیت این حمله از آن جهت است که شرکتهای فعال در حوزه مدیریت داده و هوش مصنوعی معمولاً با حجم قابل توجهی از اطلاعات سازمانی و دادههای حساس مشتریان سروکار دارند و به همین دلیل، در صورت نفوذ، میتوانند به اهداف ارزشمندی برای مهاجمان سایبری تبدیل شوند.
الیشن اعلام کرده است تحقیقات درباره این حادثه ادامه دارد و در صورت بهدست آمدن اطلاعات بیشتر، جزئیات جدیدی درباره دامنه و پیامدهای این رخداد منتشر خواهد کرد.
این حادثه بار دیگر اهمیت حفاظت از زیرساختهای مرتبط با هوش مصنوعی و سامانههای مدیریت داده را برجسته میکند؛ بهویژه در شرایطی که سازمانها روزبهروز بخش بیشتری از دادههای عملیاتی خود را در اختیار سامانههای هوشمند قرار میدهند.
انتهای پیام
به گزارش سیتنا، در ادامه، به بررسی قابلیتهای کلیدی این اپلیکیشن، یکپارچگی با کسبوکارها و رقابت با سایر پلتفرمها میپردازیم.
قابلیتهای کلیدی اپلیکیشن Mac
اپلیکیشن جدید Meta AI برای مک، فراتر از یک چتبات ساده عمل میکند و سه قابلیت اصلی را ارائه میدهد: دیکته سیستمی (System-wide Dictation): کاربران میتوانند با یک کلید میانبر، دیکته صوتی را در هر اپلیکیشنی (ایمیل، اسناد، ویرایشگر کد) فعال کنند و متن تایپشده را مستقیماً دریافت کنند. این ویژگی مشابه ابزارهایی مانند Wispr Flow و Superwhisper عمل میکند . تحلیل محتوای صفحه (Screen Context): کاربران میتوانند یک پنجره یا بخشی از صفحه را به Meta AI نشان دهند و بر اساس محتوای آن، سوال بپرسند یا از هوش مصنوعی بخواهند آن را خلاصه یا تحلیل کند. این قابلیت با مدل Muse Spark متا پیادهسازی شده است . دسترسی سریع (Quick Access): با کلید میانبر Option + Space، یک پنل کوچک Meta AI بالای هر اپلیکیشنی باز میشود تا بدون نیاز به جابهجایی، از آن استفاده کنید .
یکپارچگی با کسبوکارها و ابزارهای بازاریابی
متا این اپلیکیشن را بهطور خاص برای صاحبان کسبوکار، تولیدکنندگان محتوا و بازاریابان طراحی کرده است . مهمترین ویژگیهای آن در این حوزه عبارتند از: اتصال به حسابهای متا: کاربران میتوانند حسابهای اینستاگرام و فیسبوک، کمپینهای تبلیغاتی و حتی Google Workspace (Gmail، Docs، Sheets و Slides) خود را به Meta AI متصل کنند . تحلیل عملکرد و رقبا: هوش مصنوعی میتواند بر اساس دادههای اختصاصی حساب کاربری (مانند نرخ تعامل و عملکرد تبلیغات)، تحلیلهای دقیقی ارائه دهد و حتی بر اساس دادههای عمومی، اطلاعاتی درباره رقبا استخراج کند . تولید محتوای خودکار: Meta AI میتواند پیشنویس اسناد، ارائهها (Proposal Decks)، صفحات گسترده و حتی گزارشهای دورهای را بهصورت خودکار تولید کند .
رقابت با گوگل و سایرین
این حرکت متا، در رقابت مستقیم با گوگل و اپلیکیشن Gemini آن انجام شده است که ماه گذشته قابلیت دیکته سیستمی را برای مک عرضه کرد . OpenAI و Anthropic نیز پیشتر امکان کنترل مستقیم کامپیوتر را در محصولات خود فراهم کردهاند .
گامی به سوی اتوماسیون کسبوکار با هوش مصنوعی
مارک زاکربرگ در تماس درآمدی سهماهه دوم ۲۰۲۶ گفت که فرصت بزرگی برای فروش عاملهای هوشمند (AI Agents) به کسبوکارها وجود دارد . اپلیکیشن جدید Mac متا، گامی در همین راستا است و با ترکیب دیکته سیستمی، تحلیل محتوای صفحه و یکپارچگی عمیق با ابزارهای بازاریابی، به دنبال تبدیل Meta AI به یک «خلبان خودکار» برای مدیریت کسبوکار است .
جدول اطلاعات کلیدی ویژگی توضیح دیکته سیستمی تایپ با صدا در تمام اپلیکیشنهای مک تحلیل محتوای صفحه مشاهده و پاسخ به سوالات بر اساس پنجره فعلی کلید میانبر Option + Space برای دسترسی سریع اتصال به حسابها اینستاگرام، فیسبوک، کمپینهای تبلیغاتی، Google Workspace مدل هوش مصنوعی Muse Spark سیستمعامل macOS 15 یا جدیدتر (پردازنده Apple Silicon) حجم اپلیکیشن حدود ۱۶ مگابایت (نسخه بتا) هزینه رایگان (با محدودیت برای ویژگیهای پیشرفته و اشتراک Meta One)
انتهای پیام
به گزارش سیتنا، در ادامه، به بررسی رکوردهای جدید این ربات، دلایل برتری رباتهای انساننما و جایگاه Unitree در صنعت رباتیک میپردازیم.
رکوردشکنی در دوی سرعت و پرش ارتفاع
ربات سوپرمن Unitree با ثبت سرعت ۱۲.۶۶ متر بر ثانیه و پرش عمودی ۲ متری، از رکوردهای جهانی انسانها پیشی گرفته است. رکورد جهانی دوی سرعت انسان ۱۲.۴ متر بر ثانیه و پرش ارتفاع ۱.۸ متر است.
چرا رباتهای انساننما از انسانها بهتر عمل میکنند؟
رباتهای انساننما به چند دلیل میتوانند از انسانها بهتر عمل کنند: تعداد موتورهای بیشتر: بیش از ۴۰ موتور مفصلی برای حرکات دقیق هوش مصنوعی پیشرفته: مدلهای AI برای تعادل و هماهنگی طراحی متفاوت: برخی رباتها از تکنیکهای راهرفتن با زانوهای صاف یا ترکیب چرخ و پا استفاده میکنند که کارآمدتر از بدن انسان است.
Unitree؛ پیشگام رباتیک چین بزرگترین تولیدکننده ربات انساننما در جهان شکستن رکورد سرعت در سال ۲۰۲۴ با مدل H1 اجرای هماهنگ با دانشجویان هنرهای رزمی در سال نو چینی
قیمت و دسترسی
ربات G1 انساننمای Unitree با قیمت ۱۷,۹۹۰ دلار در آمازون موجود است.
عصر جدید رباتیک
ربات سوپرمن Unitree نشاندهنده سرعت و دقت بالای فناوری رباتیک چین است. با پیشرفتهای مداوم در زمینه موتورهای مفصلی و هوش مصنوعی، این رباتها نهتنها رکوردهای انسانی را میشکنند، بلکه در کاربردهای صنعتی، لجستیکی و حتی هنری نیز نقشآفرینی میکنند. آینده رباتیک انساننما روشنتر از همیشه به نظر میرسد.
جدول اطلاعات کلیدی ویژگی رکورد سرعت دویدن ۱۲.۶۶ متر بر ثانیه پرش عمودی حدود ۲ متر رکورد جهانی دوی انسان ۱۲.۴ متر بر ثانیه رکورد جهانی پرش انسان ۱.۸ متر تعداد موتورها بیش از ۴۰ موتور مفصلی شرکت سازنده Unitree Robotics قیمت مدل G1 ۱۷,۹۹۰ دلار
انتهای پیام
مقاله مشترک محمدجواد شایگانفرد عضو هیئت علمی دانشکده هوش مصنوعی و کامپیوتر دانشگاه علم و فرهنگ و سپهر سماواتی دانشآموخته رشته کارشناسی ارشد مهندسی کامپیوتر ـ نرمافزار که برآمده از پایاننامه کارشناسی ارشد این دانشآموخته است، با عنوان «A lightweight transfer learning framework with dynamic data augmentation for few-shot remote sensing image classification» در مجله Geomatica از انتشارات Elsevier منتشر شد.
به گزارش دانشگاه علم و فرهنگ، این پژوهش به ارائه یک چارچوب سبک و کارآمد مبتنی بر هوش مصنوعی برای طبقهبندی تصاویر سنجش از دور در شرایط کمبود دادههای آموزشی میپردازد.
پژوهشگران در این مطالعه با ترکیب روشهای یادگیری انتقالی و افزایش پویای دادهها، روشی را ارائه کردهاند که امکان آموزش مدلهای یادگیری عمیق را با حجم محدودی از تصاویر برچسبگذاریشده فراهم میکند.
کمبود دادههای برچسبگذاریشده یکی از چالشهای مهم در توسعه مدلهای هوش مصنوعی برای تحلیل تصاویر ماهوارهای است؛ چراکه تهیه و برچسبگذاری این دادهها به زمان و منابع قابلتوجهی نیاز دارد.
چارچوب پیشنهادی این پژوهش با هدف کاهش وابستگی مدل به حجم بالای دادههای آموزشی طراحی شده است.
نتایج آزمایشها روی تصاویر ماهوارهای نشان داد که روش پیشنهادی، ضمن حفظ کارایی محاسباتی و سبکبودن مدل، موجب کاهش خطای طبقهبندی و بهبود عملکرد آن میشود.
این ویژگی میتواند استفاده از مدلهای هوش مصنوعی را در شرایطی که دادههای آموزشی محدود یا منابع محاسباتی در دسترس کم است، امکانپذیرتر کند.
یافتههای این پژوهش میتواند در حوزههایی همچون پایش محیطزیست، نقشهبرداری کاربری و پوشش اراضی، کشاورزی هوشمند، مدیریت بحران، پایش منابع طبیعی و تحلیل تصاویر ماهوارهای کاربرد داشته باشد.
این مقاله در مجله Geomatica از انتشارات Elsevier منتشر شده، در پایگاه Scopus نمایه میشود و در چارک Q۲ قرار دارد.
انتهای پیام/
