‏🔶 ۲/۳ ‏📌 چکیده: CNA با توسعه ابزار ابری DEPART، فرآیند بودجه‌ریزی برای تعمیرات انبار موتورهای نیروی دریایی را از ماه‌ها به کمتر از ۳۰ ثانیه کاهش داد؛ این ابزار با یک کلیک می‌تواند پیش‌بینی ساعت پروازی را به هزینه‌های نگهداری تبدیل کرده و بودجه نهایی را برای کنگره آماده کند. DEPART بر پایه الگوریتم حریصانه‌ای برای توزیع بهینه وجوه بین ۳۰۵ نوع موتور عمل می‌کند و امکان اجرای تحلیل‌های «اگر‑چنین‑بود» را برای برنامه‌ریزان فراهم می‌سازد. تیمی ۱۴ نفره از دانشمندان داده، اقتصاددانان و تحلیلگران CNA این نرم‌افزار را با زبان R در بستر ابری «Jupiter» و پلتفرم Advana توسعه دادند. اگر این مدل بر بودجه ۲۰۲۲ اعمال می‌شد، می‌توانست ۱۴۶ موتور F/A‑18 سوپر‑هورنت اضافی را تحت پوشش مالی قرار دهد و در چارچوب بودجه باقی بماند. CNA زمان بودجه‌ریزی را از ماه‌ها به دقیقه‌ها کاهش می‌دهد تدوین بودجه برای تعمیرات انبار موتورهای هواپیماهای نیروی دریایی پیش از ساخت ابزار برنامه‌ریزی توسط CNA برای ابر نیروی دریایی، فرآندی دستی و سنگین بود. تحلیلگر CNA، فرانک والاس، در نوامبر ۲۰۲۱ فکر می‌کرد کار را می‌داند؛ زمانی که رهبران آمادگی هوانوردی نیروی دریایی را به مقر CNA دعوت کرد تا در کارگاهی با رویکرد طراحی‑فکری شرکت کنند. شاخه آمادگی هوانوردی از CNA درخواست کرده بود مدلی برای بهینه‌سازی تخصیص بودجه به انواع مختلف تعمیرات موتورها توسعه دهد. بودجه‌ریزی ناکافی برای برخی انواع تعمیرات، منجر به کمبود سوپر هورنت‌های آماده برای مأموریت شده بود. اما وقتی متخصصان هوانوردی نیروی دریایی به مشکلات فرآیند سالانه بودجه‌ریزی برای نگهداری انبارهای هوانوردی اشاره کردند، تمرکز تغییر کرد. والاس می‌گوید: «آنها یادداشت‌های چسبان زیادی روی تابلو می‌چسباندند». سه دفتر از اداره نیروی دریایی سعی می‌کردند با استفاده از فرآیند برنامه‌ریزی‌ای که با بیش از ۵۰ صفحه‌کار تب‌دار در یک کتاب‌کار Excel مایکروسافت آغاز می‌شد، همکاری کنند. داده‌ها به‌صورت دستی وارد می‌شد و سپس در چهار مجموعه دیگر از کتاب‌کارها در مراحل بعدی کپی‑پیست می‌شد؛ به این ترتیب هر گام احتمال خطای انسانی را به همراه داشت. این صفحه‌کارها طی چند ماه بین دفاتر ایمیل می‌شد تا بودجه‌ای بالغ بر ۶۰۰ میلیون دلار تنظیم شود. به‌روزرسانی‌هایی مثل تغییر پیش‌بینی ساعت پروازی اغلب قابل ادغام نبودند، زیرا به معنای شروع دوبارهٔ فرآیند بود. یک یادداشت چسبان چالش اصلی را خلاصه کرد: «چگونه می‌توانیم این کار را با یک کلیک انجام دهیم؟» بودجهٔ یک‑کلیک برای نگهداری انبار امروزه کاربران نیروی دریایی می‌توانند وارد محیط ابری «جوپیتر» نیروی دریایی شوند و از ابزار برنامه‌ریزی و تخصیص آمادگی موتورهای انبار (DEPART) که توسط CNA توسعه یافته، استفاده کنند. این ابزار تمام مراحل بودجه‌ریزی را به یک فرآیند یکپارچه تبدیل می‌کند. برای مثال، اگر پیش‌بینی ساعت پروازی هواپیماهای P‑8A Poseidon افزایش یابد، DEPART محاسبه می‌کند این افزایش چقدر تعمیرات، بازسازی و بازرسی‌های پیش‌بینی‌شده برای موتورهای P‑8 را افزون می‌کند. سپس هزینهٔ کل این رویدادهای نگهداری را برآورد کرده و بودجهٔ موجود برای سایر موتورها را تنظیم می‌کند. همچنین مؤلفه‌های اصلاح‌شدهٔ بودجهٔ نهایی «یادداشت هدف برنامه» را که باید به کنگره ارائه شود، آماده می‌سازد. کل فرآیند در DEPART کمتر از ۳۰ ثانیه طول می‌کشد و حتی می‌تواند با یک کلیک انجام شود. برنامه‌ریزان نیروی دریایی از DEPART برای تهیهٔ بودجهٔ تعمیرات انبار موتورهای سال مالی ۲۰۲۵ برای ناوگان نیروی دریایی، ناوگان تفنگداران دریایی، ذخیرهٔ نیروی دریایی و ذخیرهٔ تفنگداران دریایی استفاده می‌کنند. در سال ۲۰۲۱، وقتی والاس دریافت که شاخه آمادگی هوانوردی به یک ابزار انتها‑به‑انتها نیاز دارد نه فقط یک مدل تصمیم‌گیری، تیمی متشکل از ۱۴ نفر دانشمند داده، اقتصاددان و تحلیلگر CNA را گرد هم آورد. خوشبختانه CNA دهه‌ها تجربه در زمینهٔ آمادگی و بودجه‌ریزی هوانوردی نیروی دریایی دارد و یک تحلیلگر علمی به‌صورت دائم به مدیر آمادگی ناوگان اختصاص یافته است. این تیم دو بار در هفته در «اسکرام»های دو هفته‌ای شرکت می‌کرد و در چارچوب «اسپرینت»های دو هفته‌ای، رویکرد سیلیکون‌ولی را برای توسعهٔ نرم‌افزار اتخاذ کرد تا به‌صورت مکرر و در همکاری با حامیان نیروی دریایی، تکرار و بهبود یابد. ابزاری برای تجزیه و تحلیل برنامه‌ریزی بودجه

‏🔶 ۳/۳ آنها ابزار را با زبان برنامه‌نویسی R ساختند و از محیط ابری جدید «Jupiter» نیروی دریایی که در بستر پلتفرم تجزیه و تحلیل داده‌های Advana متعلق به DOD قرار دارد، بهره بردند. این امکان را برای برنامه‌ریزان سه دفتر فراهم می‌کند تا به‌صورت همزمان و بر روی یک فایل کار کنند، نه اینکه نسخه‌های در حال تغییر جدول‌های اکسل را از طریق ایمیل رد و بدل کنند. چون ماه‌ها به دقیقه تبدیل شده‌اند، برنامه‌ریزان می‌توانند پیش از اتخاذ تصمیم نهایی بودجه، چندین تحلیل «اگر‑چنین‑بود» را اجرا کنند. «می‌توانید هر تعادل‑سهمی، چه از دست می‌دهید و چه به دست می‌آورید را با هر تغییر بودجه ببینید»، می‌گوید والاس (Wallace). وظیفهٔ اولیه — مدل تصمیم‌گیری بهینه‌سازی — همچنان هستهٔ این ابزار است. این مدل از یک «الگوریتم حریصانه» برای توزیع وجوه موجود بین ۳۰۵ نوع موتور و رویدادهای نگهداری استفاده می‌کند و راه‌حلی را می‌جوید که بیشترین سهم را در افزایش آمادگی کلی ناوگان داشته باشد. اگر این الگوریتم به‌صورت بازنگری بر بودجهٔ مالی ۲۰۲۲ اعمال می‌شد، مدل بودجهٔ بیشتری را به تعمیر موتورهای F/A‑18 سوپر‑هورنت اختصاص می‌داد و برای سایر موارد کمتر هزینه می‌کرد. در مجموع می‌توانست ۱۴۶ موتور اضافی را تحت پوشش مالی قرار دهد در حالی که در چارچوب بودجه می‌ماند. ابزارهای بهتر تصمیمات بهتری می‌آورند و هواپیماهای بیشتری از نیروی دریایی و سپاه‌نظامی در آسمان می‌نشینند.

‏🔺 #آمریکا 🧠 دفاع غیرنظامی در قرن بیست و یکم ‏🏛 منبع: CNA Analyses ‏📄 عنوان اصلی: Civil Defense in the 21st Century Read more --> ‏🔎 Cold War, Duck and Cover, PPD‑8, Federal Civil Defense Administration, Hurricane Katrina #تحلیل_راهبردی #جهانی #ژئوپلیتیک #CNA_Analyses ‏✅ با ژئوپلیس دنیا در دستان شماست ‏🌍 @Geopolis_ir

‏🔺 ۲/۲ ‏📌 چکیده: دفاع مدنی به‌عنوان سامانه‌ای از اقدامات حفاظتی و امدادی غیرنظامی در مواجهه با حملات، تخریب یا فاجعه‌های طبیعی تعریف می‌شود. در دوران جنگ سرد، این مفهوم به‌عنوان ستون اصلی امنیت ملی ایالات متحده مطرح بود و برنامه‌هایی چون «پوشش بگیر و مخفی شو» برای آمادگی شهروندان در برابر سلاح‌های هسته‌ای اجرا شد. پس از پایان جنگ سرد، واژهٔ دفاع مدنی کمتر به کار رفت و نهادهای آن در آژانس‌های مدیریت اضطراری ادغام شدند؛ تمرکز به خطرات نوظهور مانند تروریسم پس از ۱۱ سپتامبر، فاجعه‌های طبیعی پس از کاترینا و ریتا، و بهداشت عمومی در دوران H1N1 تغییر یافت. در سال ۲۰۱۱، دستورالعمل PPD‑8 رویکرد «تمام‑خطرها» را برای آمادگی ملی معرفی کرد و چارچوبی شامل خطرات طبیعی، تروریسم، همه‌گیری‌ها، سایبری و صنعتی ارائه داد، هرچند سناریوهای حملهٔ نظامی یا فشار دولتی‑ملکه در آن گنجانده نشده است. دفاع مدنی به‌عنوان «سیستم اقدامات حفاظتی و فعالیت‌های امدادی اضطراری که توسط غیرنظامیان در مواجهه با حملهٔ خصمانه، تخریب یا فاجعهٔ طبیعی انجام می‌شود» تعریف می‌شود. در اوج دوران جنگ سرد، که از اواخر دههٔ ۱۹۴۰ تا اوایل دههٔ ۱۹۶۰ ادامه داشت، دفاع مدنی ستون اصلی امنیت ملی ایالات متحده بود. این مفهوم در تمام مراحل مدیریت اضطراری—آمادگی، پاسخ و بهبود پس از حمله به سرزمین مادری—حضور داشت. در ابتدا، دفاع مدنی بر کاهش اثرات جنگ بر جمعیت غیرنظامی و مقابله با شرایط اضطراری فوری ناشی از حمله متمرکز بود. برای این منظور، برنامه‌های دفاع مدنی سعی می‌کردند شهروندان را برای تهدیدات نظامی گسترده‌ای چون سلاح‌های هسته‌ای آماده کنند. از نمونه‌های این برنامه‌ها می‌توان به پیام‌های «پوشش بگیر و مخفی شو» (Duck and Cover) که توسط «برت لاک‌پشت» ارائه شد و توسط ادارهٔ فدرال دفاع مدنی تدوین گردید، و همچنین کمپین‌های رسانه‌ای برای آگاهی‌بخشی دربارهٔ مکان‌های پناه‌گاه‌های رادیواکتیو اشاره کرد. پس از پایان جنگ سرد، واژهٔ دفاع مدنی توسط دولت‌های فدرال، ایالتی و محلی کمتر به کار رفت و نهادهای اختصاصی دفاع مدنی در آژانس‌های مدرن مدیریت اضطراری ادغام شدند. در دهه‌های پس از آن، تلاش‌های مدیریت اضطراری به سمت خطرات و حوادث نوظهور تغییر یافت. برای مثال، پس از حملات ۱۱ سپتامبر، پیشگیری از تروریسم محور اصلی این تلاش‌ها شد. پس از طوفان‌های کاترینا و ریتا در سال ۲۰۰۵، تمرکز به برنامه‌ریزی منطقه‌ای برای فاجعه‌های طبیعی بزرگ منتقل گشت. در دوران همه‌گیری H1N1 در سال ۲۰۰۹، توجه به آمادگی اضطراری بهداشت عمومی معطوف شد. در سال ۲۰۱۱، دستورالعمل سیاست ریاست‌جمهوری ۸ (PPD‑8) — که به‌عنوان دستورالعمل ریاست‌جمهوری امنیت داخلی‑۸ نیز شناخته می‌شود — رویکرد «تمام‑خطرها» را برای آمادگی ملی فراخوانی کرد. PPD‑8 ایجاد هدف آمادگی ملی را دستور داد؛ هدفی که توانمندی‌های اصلی را تعریف می‌کند و اولویت‌های برنامه‌های کمک‌مالی فدرال، الزامات آموزشی و برنامه‌های تمرینی در سراسر کشور را تعیین می‌نماید. هدف آمادگی ملی بر پایه چارچوب تمام‑خطرها ساخته شده است که شامل خطرات طبیعی، تروریسم، همه‌گیری‌ها و حوادث سایبری و صنعتی می‌شود؛ اما سناریوهای برنامه‌ریزی متمایزی برای حملهٔ نظامی یا فشار از سوی یک دولت‑ملکه را شامل نمی‌شود، هرچند ایالات متحده هم‌اکنون با تهدیداتی مواجه است که نیاز به چنین برنامه‌ای را نشان می‌دهد. تایید شده برای انتشار عمومی.

‏🔻 #ناتو #چین 🧠 اجلاس آنکارای ناتو: ابعاد هند‑اقیانوسیه ‏🏛 منبع: CNA Analyses ‏📄 عنوان اصلی: NATO’s Ankara Summit: The Indo-Pacific Dimensions Read more --> ‏🔎 NATO, China, Russia, Iran, South Korea #تحلیل_راهبردی #روسیه #جهانی #روابط_بین_الملل #ژئوپلیتیک #CNA_Analyses ‏✅ با ژئوپلیس دنیا در دستان شماست ‏🌍 @Geopolis_ir

‏🔻 ۲/۲ ‏📌 چکیده: در تاریخ‌های ۷ و ۸ ژوئیهٔ ۲۰۲۶، ناتو نشست هفتاد و هفت‌ام خود را در آنکارا برگزار کرد؛ محور اصلی برنامه ناتو ۳.۰ بود اما مسائل امنیتی آسیا نیز بررسی شد. چهار شریک ناتو در هند و آرام (استرالیا، نیوزیلند، کرهٔ جنوبی و ژاپن) حضور یافتند، اما تنها رئیس‌جمهور کرهٔ جنوبی نمایندهٔ IP‑4 بود. چین به‌دلیل شلیک موشک بالستیک زیرآبی، نقش در جنگ روسیه‑اوکراین، عدم شفافیت نظامی و روابط با کرهٔ شمالی، روسیه و ایران مورد انتقاد ناتو قرار گرفت، هرچند در بیانیهٔ نهایی چین ذکر نشد و روسیه به‌عنوان تهدید بلندمدت نام برده شد. نمایندگان IP‑4 توانایی صنایع دفاعی خود را برای گسترش پایهٔ صنعتی دفاعی ناتو و توسعهٔ سامانه‌های مشترک اعلام کردند. نکات کلیدی • در تاریخ‌های ۷ و ۸ ژوئیهٔ ۲۰۲۶، سازمان پیمان آتلانتیک شمالی (ناتو) نشست هفتاد و هفت‌ام رهبران خود را در آنکارا، ترکیه برگزار کرد. اگرچه محور اصلی این نشست برنامه‌ها و پیشرفت‌های ائتلاف در مسیر ناتو ۳.۰ بود، اما مسائل امنیتی آسیا نیز مورد بررسی قرار گرفت. • رهبران چهار شریک ناتو در هند و آرام — استرالیا، نیوزیلند، جمهوری کره (ROK) و ژاپن (که به‌صورت جمعی IP‑4 نامیده می‌شوند) — در این اجلاس حضور یافتند؛ اما تنها یک سرپرست کشور IP‑4، یعنی رئیس‌جمهور لی جائه میونگ (Lee Jae Myong) از کرهٔ جنوبی، حضور داشت. • چین بارها مورد انتقاد قرار گرفت: از جمله به‌دلیل شلیک موشک بالستیک زیرآبی (SLBM) در تاریخ ۶ ژوئیه، نقش تسهیل‌گر خود در جنگ روسیه علیه اوکراین، عدم شفافیت در مدرن‌سازی نظامی معمولی و هسته‌ای، و روابط امنیتی‌اش با کرهٔ شمالی، روسیه و ایران. مارک روت، دبیرکل، اظهار کرد که ناتو «نمی‌تواند نسبت به چین ساده‌لوح باشد». • با این حال، در پایان بیانیهٔ اجلاس آنکارا، چین ذکر نشده است؛ در مقابل، روسیه را «تهدیدی بلندمدت» نامید و اعلام کرد که ایران «هرگز نباید سلاح هسته‌ای داشته باشد». در واکنش به این نشست، رسانه‌های دولتی جمهوری خلق چین (PRC) ادعا کردند که بین اعضای ائتلاف تقسیم‌نظر، اصطکاک و اختلاف وجود دارد. • یکی از محورهای اصلی، ضرورت همکاری کشورهای عضو ناتو برای گسترش پایهٔ صنعتی دفاعی (DIB) ائتلاف بود. نمایندگان کشورهای IP‑4 اعلام کردند که صنایع دفاعی آن‌ها توانایی کافی برای حمایت از این تلاش‌ها دارد. در آینده، همکاری در زمینهٔ DIB، توسعهٔ مشترک سامانه‌ها و فروش آن‌ها احتمالاً به ویژگی‌های کلیدی همکاری بین IP‑4 و سایر کشورهای ناتو تبدیل خواهد شد. مجاز برای انتشار عمومی

‏💠 #آمریکا 🧠 دروس حاکمیت هوش مصنوعی ایالتی برای نهادهای اجرای قانون ‏🏛 منبع: CNA Analyses ‏📄 عنوان اصلی: State AI Governance Lessons for Law Enforcement Agencies Read more --> ‏🔎 AI, law enforcement, predictive policing, facial recognition, transparency #تحلیل_راهبردی #جهانی #سیاست_داخلی #CNA_Analyses ‏✅ با ژئوپلیس دنیا در دستان شماست ‏🌍 @Geopolis_ir

‏💠 ۲/۲ ‏📌 چکیده: هوش مصنوعی در نیروی انتظامی با افزایش کارآمدی در مدیریت شواهد دیجیتال و سلامت افسران، چالش‌های شفافیت، حقوق مدنی و اعتماد عمومی را به‌وجود آورده است؛ در نتیجه ایالت‌های کالیفرنیا، تگزاس، کلرادو و یوتا قوانین خاصی برای خرید، به‌کارگیری و نظارت بر این فناوری تصویب کرده‌اند. کالیفرنیا گزارش‌گیری هدفمند، افشای اطلاعات و ردیابی حسابرسی را الزامی می‌کند؛ تگزاس شفافیت عمومی و امکان بازبینی انسانی را می‌طلبد؛ کلرادو استفاده‌های پرخطر را محدود کرده، ارزیابی سالانه اثرات و «خط‌قرمز»های واضح برای پیش‌بینی جرایم و تشخیص چهره تعیین می‌کند؛ و یوتا پیش از خرید سامانه‌ها حداقل‌سازی داده‌ها و مسئولیت‌پذیری فروشندگان را می‌طلبد. این چارچوب‌های ایالتی نشان‌دهنده تنوع رویکردهای نوظهور و ضرورت آمادگی برای مواجهه با نظارت پیچیده و در حال تحول است. هوش مصنوعی به سرعت در حال بازنگری روش‌های پلیس است؛ از مدیریت شواهد دیجیتال تا برنامه‌های سلامت افسران. اما این کارآمدی افزوده با چالش‌های عملیاتی، اداری و اخلاقی قابل‌توجهی همراه است، به‌ویژه در زمینه شفافیت، حقوق مدنی و اعتماد عمومی. در واکنش، ایالت‌ها به‌طور فزاینده‌ای قانون‌گذاری می‌کنند تا نحوه خرید، به‌کارگیری و نظارت بر هوش مصنوعی را تنظیم کنند. این مقاله سیاست‌های هوش مصنوعی در کالیفرنیا، تگزاس، کلرادو و یوتا را بررسی می‌کند؛ ایالت‌هایی که پیشگامانه الزامات حاکمیتی را که مستقیماً بر نیروی انتظامی تأثیر می‌گذارد، پذیرفته‌اند. هر یک از این ایالت‌ها رویکرد متفاوتی اتخاذ کرده‌اند: • کالیفرنیا رویکرد عملیاتی هدفمندی نسبت به گزارش‌گیری پلیسی مبتنی بر هوش مصنوعی اتخاذ کرده است؛ افشای اطلاعات، تأیید صحت توسط افسر، نگهداری پیش‌نویس‌ها، ردیابی حسابرسی و محدودیت در استفاده فروشندگان از داده‌های نیروی انتظامی را الزامی می‌کند. • تگزاس بر شفافیت و فرآیند قانونی تأکید می‌کند؛ افشای عمومی سامانه‌های هوش مصنوعی، اطلاع‌رسانی به افراد تحت تأثیر تصمیمات خودکار و فراهم کردن مسیرهای بازبینی و تجدیدنظر انسانی را می‌طلبد. • کلرادو سخت‌ترین رویکرد را اتخاذ کرده؛ استفاده‌های پرخطر و ممنوعه را تعیین می‌کند، ارزیابی‌های سالانه اثرات را الزامی می‌داند و مرزهای واضحی (سیاست‌های «خط قرمز») برای سامانه‌هایی چون پیش‌بینی جرایم و تشخیص چهره می‌گذارد. • یوتا بر نظارت بر خرید و مدیریت ریسک متمرکز است؛ پیش از خرید سامانه‌های هوش مصنوعی، حداقل‌سازی داده‌ها و تقویت مسئولیت‌پذیری فروشندگان را الزامی می‌کند. این قوانین ایالتی نقشه‌راه اولیه‌ای برای نحوه مدیریت هوش مصنوعی توسط سازمان‌های نیروی انتظامی در سراسر کشور ارائه می‌دهند. آن‌ها تنوع رویکردهای نوظهور در حوزه‌های قضایی مختلف را نشان می‌دهند و بر ضرورت آمادگی هم‌اکنون برای مواجهه با فضای نظارتی پیچیده و در حال تحول تأکید می‌کنند. مجاز به انتشار عمومی. توزیع نامحدود.

‏⭐ #آمریکا #چین 🧠 ترامپ، شی و معاملهٔ جدید آمریکا‑چین - CSIS | مرکز مطالعات استراتژیک و بین‌المللی ‏🏛 منبع: Center for Strategic and International Studies ‏📄 عنوان اصلی: Trump, Xi, and the New U.S.-China Bargain - CSIS | Center for Strategic and International Studies ‏🔎 Trump, Xi, CSIS, tariffs, AI #تحلیل_راهبردی #جهانی #روابط_بین_الملل #CSIS ‏✅ با ژئوپلیس دنیا در دستان شماست ‏🌍 @Geopolis_ir

‏⭐ ۲/۲ ‏📌 چکیده: در این بخش از برنامه «Cache Me if You Can» به بررسی روابط ایالات‌متحده‑چین پس از اجلاس اخیر ترامپ و شی جین‌پینگ در واشنگتن پرداخته می‌شود. مهمان اسکات کندی، مشاور ارشد CSIS، با استناد به پژوهش‌های خود درباره استراتژی اقتصادی پکن، دستاوردهای مذاکرات را در زمینه تعرفه‌ها و تجارت، زنجیره‌های تأمین مواد معدنی حیاتی، رقابت فناوری‌های پیشرفته و همکاری در هوش مصنوعی تحلیل می‌کند. همچنین نقش مسأله تایوان و تنش‌های جهانی در شکل‌گیری دیپلماسی دو کشور و انتظارات هر دو رهبر از این ملاقات مورد بررسی قرار می‌گیرد. ترامپ، شی جین‌پینگ، و معاملهٔ نوین ایالات‌متحده‑چین در این قسمت از Cache Me if You Can، وضعیت روابط ایالات‌متحده‑چین را پس از اجلاس اخیر رئیس‌جمهور ترامپ و رئیس‌جمهور شی جین‌پینگ در واشنگتن بررسی می‌کنیم. در پس‌زمینهٔ تشدید رقابت‌های فناوری، تنش‌های اقتصادی و عدم قطعیت ژئوپولیتیک، دو رهبر سعی کردند رابطه را تثبیت کنند و چارچوبی متقابل‌تر برای تعامل ایجاد نمایند. مهمان ما، اسکات کندی، مشاور ارشد و رئیس هیئت امانت‌داران در حوزهٔ کسب‌وکار و اقتصاد چین در مرکز مطالعات استراتژیک و بین‌المللی (CSIS)، یکی از چهره‌های برجستهٔ اقتصاد چین، سیاست صنعتی و روابط ایالات‌متحده‑چین است. با تکیه بر پژوهش‌های گستردهٔ او دربارهٔ استراتژی اقتصادی پکن و رویکردش به حاکمیت جهانی، اسکات دستاوردهای این اجلاس را تحلیل می‌کند و می‌گوید این توافق‌ها چه معنایی برای مسیر کلی روابط دارند. ما دربارهٔ تعرفه‌ها و تجارت، عناصر کمیاب و زنجیره‌های تأمین مواد معدنی حیاتی، رقابت بر سر فناوری‌های پیشرفته و چشم‌انداز همکاری در حوزهٔ هوش مصنوعی گفتگو می‌کنیم. همچنین بررسی می‌کنیم که تایوان و درگیری‌های جاری جهانی چگونه دیپلماسی ایالات‌متحده‑چین را شکل می‌دهند، هر دو رهبر چه انتظاری از این ملاقات داشتند و چگونه می‌توان پیشرفت معنادار را از نمایش دیپلماتیک تشخیص داد.

‏🔵 #آمریکا #چین 🧠 دانش‌آموزان شما درباره هوش مصنوعی سؤال کردند؛ یک کارشناس CFR پاسخ داد» – سؤالات بحث، شورای روابط خارجی (CFR) ‏🏛 منبع: Council on Foreign Relations ‏📄 عنوان اصلی: “Your Students Asked About AI. A CFR Expert Answered” Discussion Questions - Council on Foreign Relations (CFR) ‏🔎 AI, Kat Duffy, Council on Foreign Relations, generative AI, U.S. leadership #تحلیل_راهبردی #جهانی #روابط_بین_الملل #سیاست_داخلی #CFR ‏✅ با ژئوپلیس دنیا در دستان شماست ‏🌍 @Geopolis_ir

‏🔵 ۲/۲ ‏📌 چکیده: در این بخش پرسش و پاسخ، کت دافی به مشکلات ادغام هوش مصنوعی در محیط‌های آموزشی اشاره می‌کند و می‌پرسد مدرسه‌ها چه نمونه‌هایی از عدم توانایی سیستم‌های آموزشی در استفاده مؤثر از این فناوری مشاهده می‌کنند. او نقش دولت‌های ایالتی، محلی و نواحی مدرسه‌ای را مورد بررسی قرار می‌دهد؛ به‌عنوان مثال، اداره آموزش و پرورش شهر نیویورک ابزارهای هوش مصنوعی مولد مانند چت‌بات‌ها را از پیش‌دبستانی تا کلاس هشتم ممنوع کرده و ناحیه مدرسه‌ای لس آنجلس این ممنوعیت را به تمام انواع ابزارهای هوش مصنوعی گسترش داده است. دافی همچنین به کاهش مشارکت مدنی و افزایش گفت‌وگوی هوش مصنوعی میان دانش‌آموزان می‌پردازد و از شرکت‌کنندگان می‌خواهد نظرشان را درباره ضرورت رهبری ایالات متحده در حوزه هوش مصنوعی و زمینه‌های مورد نیاز بیان کنند. متخصصان و کارکنان • منتشر شد سؤال ۱ در بخش پرسش و پاسخ، کت دافی می‌گوید: «ما هوش مصنوعی را بر روی سیستمی آموزشی می‌سازیم که ثابت کرده خود را قادر به ادغام مؤثر فناوری در محیط‌های آموزشی نمی‌داند». چه نمونه‌هایی از این مشکل را در مدرسه یا کلاس خود می‌بینید؟ سؤال ۲ نقش دولت‌های ایالتی، محلی و نواحی مدرسه‌ای باید چه باشد؟ برای مثال، اداره آموزش و پرورش شهر نیویورک تصمیم گرفته است ابزارهای هوش مصنوعی مولد که مستقیماً با دانش‌آموزان در ارتباط هستند، مانند چت‌بات‌ها، را از پیش‌دبستانی تا کلاس هشتم ممنوع کند. ناحیه مدرسه‌ای یکپارچه لس آنجلس (Los Angeles Unified School District) این ممنوعیت را به تمام انواع ابزارهای هوش مصنوعی گسترش داده است. آیا مدرسه شما تصمیم مشابهی اتخاذ کرده؟ نتیجه چه بوده؟ سؤال ۳ کت اشاره می‌کند که سال‌ها مشارکت مدنی در حال کاهش بوده، اما گفت‌وگوی هوش مصنوعی دانش‌آموزان و جوانان را به‌طور قابل‌توجهی تحریک کرده است. تا چه حد با این بیان موافقید؟ چه چیزی این لحظه را از دیگر زمان‌ها متمایز می‌کند؟ سؤال ۴ کت از دانش‌آموزان پرسید: «در کجا برای ایالات متحده رهبری هوش مصنوعی حیاتی است و چرا؟» آیا با این‌که رهبری هوش مصنوعی برای ایالات متحده ضروری است، موافقید؟ اگر بله، در چه زمینه‌ای و به چه دلایلی؟ یا چرا نه؟ سؤال ۵ با وجود تنش‌های واقعی بین ایالات متحده و چین، چه چالش‌های خاصی مرتبط با هوش مصنوعی می‌توانند دو کشور را به همکاری سوق دهند؟ برای وقوع این همکاری چه شرایطی باید فراهم شود؟ • به دوران اوج جنگ سرد و روابط ایالات متحده‑اتحاد جماهیر شوروی فکر کنید؛ آن‌ها هنوز در زمینه کنترل تسلیحات هسته‌ای همکاری می‌کردند. کنترل تسلیحات هسته‌ای چه شباهت یا تفاوتی با رقابت هوش مصنوعی با چین دارد؟ سؤال ۶ کت هوش مصنوعی را فناوری همه‌کاره‌ای می‌داند که می‌تواند برای خیر و برای ضرر به کار رود. به ابزارهای هوش مصنوعی که پیش از این در زندگی‌تان با آن‌ها مواجه شده‌اید فکر کنید: کجا واقعاً به مردم کمک کرده و کجا باعث آسیب یا مشکل شده است؟ چه عاملی تفاوت را ایجاد کرده؟ کت از همه می‌خواهد که نسبت به هوش مصنوعی کنجکاو بمانند. سه سؤال درباره هوش مصنوعی که هنوز برایتان جذاب است را نام ببرید. برای یافتن پاسخ‌های این سؤالات چه راهی می‌توانید پیش بگیرید؟