💠 عبور از LLM؛ هوش مصنوعی جدید با «نقشه‌های شناختی» به‌دنبال بازسازی شیوه حل مسئله مغز 🔹 منبع: Tech Xplore، بر پایه پژوهشی از دانشگاه Tsinghua، دانشگاه فناوری گراتس و شورای ملی تحقیقات ایتالیا که در Nature Machine Intelligence منتشر شده است. پژوهشگران چارچوبی برای هوش مصنوعی ارائه کرده‌اند که به‌جای اتکا به شبکه‌های عصبی عمیق (DNN) یا مدل‌های زبانی بزرگ (LLM)، از ایده‌های علوم شناختی و علوم اعصاب برای سازمان‌دهی دانش و حل مسئله استفاده می‌کند. ▫️ هسته اصلی این رویکرد، استفاده از Cognitive Maps یا «نقشه‌های شناختی» برای بازنمایی دانش است؛ ساختاری که در آن اطلاعات به‌صورت روابط و بازنمایی‌های قابل استفاده برای تصمیم‌گیری سازمان‌دهی می‌شوند، نه صرفاً به شکل مجموعه‌ای از پارامترها. پژوهشگران مدلی با عنوان GCML توسعه داده‌اند که می‌تواند با استفاده از این بازنمایی‌ها، برای اهداف مشخص برنامه‌ریزی کند و مسیرهای جدید را تصور و ارزیابی کند. ▫️ آزمایش‌های اولیه نشان داده است که شبکه عصبی مبتنی بر این چارچوب قادر بوده به‌صورت تطبیقی برنامه‌ریزی کند و مسائلی را حل کند که پیش‌تر با آن‌ها مواجه نشده بود. یکی از تفاوت‌های مهم این معماری با بسیاری از سامانه‌های AI کنونی، قابلیت تفسیرپذیری بالاتر فرآیند تصمیم‌گیری عنوان شده است؛ یعنی مسیرهایی که به پیش‌بینی یا اقدام منجر می‌شوند، نسبت به بسیاری از مدل‌های موجود قابل فهم‌تر هستند. ▫️ این مدل از یادگیری محلی (Local Learning) استفاده می‌کند و به فرآیندهای آموزشی بسیار پرهزینه محاسباتی مشابه بسیاری از سامانه‌های مدرن AI نیاز ندارد. هدف مهم دیگر، اجرای این نوع الگوریتم‌ها روی تراشه‌های نورومورفیک (Neuromorphic Chips) و سامانه‌های محاسبات درون‌حافظه‌ای (In-Memory Computing) است. ▫️ در محاسبات درون‌حافظه‌ای، به‌جای جابه‌جایی مداوم داده میان حافظه و پردازنده، عملیات پردازشی مستقیماً در محل ذخیره داده انجام می‌شود؛ برای مثال با استفاده از آرایه‌های Memristor. این معماری می‌تواند مصرف انرژی ناشی از انتقال داده را کاهش دهد. پژوهشگران در حال همکاری با مهندسان Intel و یک استارتاپ آمریکایی برای پیاده‌سازی الگوریتم خود روی تراشه هستند. در ادامه این پروژه، تیم پژوهشی به‌دنبال دستیابی به تأخیر پایین، انعطاف‌پذیری بیشتر در مواجهه با اهداف و شرایط جدید و تولید توضیحات مبتنی بر تجربه برای تصمیم‌های AI است. 🔺در معماری‌های رایج، افزایش توان AI تا حد زیادی با افزایش پارامترها، داده و توان محاسباتی همراه شده است. اما پژوهش حاضر یک پرسش بنیادی‌تر مطرح می‌کند: اگر مغز برای حل مسائل پیچیده از ساختارهایی شبیه نقشه‌های شناختی استفاده می‌کند، آیا می‌توان همین منطق را به الگوریتم‌هایی منتقل کرد که با منابع محاسباتی بسیار کمتری کار کنند؟ این موضوع از منظر فناوری شناختی اهمیت ویژه‌ای دارد؛ زیرا ترکیب نقشه شناختی + یادگیری محلی + تراشه نورومورفیک می‌تواند به سمت سامانه‌هایی حرکت کند که به‌جای پردازش سنگین در مراکز داده، بخشی از هوش خود را مستقیماً در سطح سخت‌افزار و نزدیک به محل دریافت داده اجرا می‌کنند. پیامد احتمالی این روند برای سامانه‌های نظامی و امنیتی نیز قابل توجه است: در محیط‌هایی که تأخیر پایین، مصرف انرژی، تصمیم‌گیری در شرایط ناشناخته و قابلیت اجرا بدون اتصال دائمی به زیرساخت ابری اهمیت دارند، چنین معماری‌هایی بالقوه می‌توانند مزیت ایجاد کنند. از سوی دیگر، ادعای «تفسیرپذیری» در این پژوهش اهمیت مستقلی دارد. اگر سامانه‌های شناختی آینده بتوانند نه‌تنها تصمیم بگیرند، بلکه مسیر تصمیم خود را با ارجاع به تجربه‌ها و بازنمایی‌های مشخص توضیح دهند، مسئله Explainable AI از یک قابلیت نظارتی به بخشی از معماری تصمیم‌گیری تبدیل خواهد شد. در نتیجه، روند مهمی که باید رصد شود، رقابت میان هوش مصنوعی مقیاس‌محور و هوش مصنوعی معماری‌محور و نورومورفیک است؛ رقابتی که ممکن است در سال‌های آینده تعریف «کارآمدی» در AI را از صرفاً تعداد پارامترها و توان پردازشی، به ترکیبی از هوشمندی، انرژی، تأخیر، انعطاف‌پذیری و قابلیت توضیح تصمیم تغییر دهد. 🏷 پیوست خبری 🌐 متاکاگ | فراتر از شناخت

💠 عربستان در جمع ۱۰ سرمایه‌گذار برتر جهان در هوش مصنوعی؛ سرمایه، داده و جذب استعداد در یک منظومه واحد 🔹روزنامه الشرق الأوسط با استناد به گزارش توسعه جهانی ۲۰۲۶ بانک جهانی با عنوان The Promise of Artificial Intelligence و گزارش خبرگزاری رسمی عربستان (SPA). ▫️ بر اساس گزارش بانک جهانی، عربستان سعودی از طریق سازمان داده و هوش مصنوعی عربستان (SDAIA) در حال ایجاد یک اکوسیستم یکپارچه برای داده و هوش مصنوعی است. SDAIA امکان یکپارچه‌سازی داده میان بیش از ۶۰ نهاد دولتی را فراهم کرده است؛ بدون آنکه داده‌ها الزاماً از سامانه‌های اصلی هر دستگاه خارج شوند. بانک جهانی این مدل را نمونه‌ای از اشتراک‌گذاری سازمان‌یافته و امن داده میان نهادهای دولتی ارزیابی کرده است. ▫️ عربستان همچنین در میان ۱۰ کشور نخست جهان از نظر سرمایه‌گذاری خصوصی در هوش مصنوعی قرار گرفته است؛ موضوعی که نشان‌دهنده تلاش ریاض برای تبدیل AI از یک فناوری کاربردی به یکی از پایه‌های اقتصاد ملی است. در حوزه سرمایه انسانی نیز گزارش بانک جهانی نشان می‌دهد عربستان در سال ۲۰۲۵ در میان اقتصادهایی با بالاترین خالص ورود متخصصان هوش مصنوعی قرار داشته است. میزان خالص ورود متخصصان AI به عربستان ۳٫۰۸ نفر به ازای هر ۱۰ هزار عضو لینکدین گزارش شده است. ▫️ این روند در چارچوب چشم‌انداز ۲۰۳۰ عربستان دنبال می‌شود؛ راهبردی که پیوند میان داده، زیرساخت محاسباتی، سرمایه‌گذاری و نوآوری را برای ساخت اقتصاد دیجیتال دنبال می‌کند. انتشار این گزارش هم‌زمان با نام‌گذاری سال ۲۰۲۶ در عربستان به‌عنوان «سال هوش مصنوعی» صورت گرفته است؛ اقدامی که بر اولویت سیاسی و اقتصادی AI در برنامه توسعه این کشور تأکید دارد. 🔺مدلی که SDAIA در بیش از ۶۰ نهاد دولتی دنبال می‌کند، از منظر فناوری شناختی یک تحول مهم دارد: ارزش راهبردی هوش مصنوعی فقط به مدل‌های زبانی یا توان پردازشی وابسته نیست؛ بلکه به توانایی یک دولت برای سازمان‌دهی، اتصال و قابل‌استفاده‌کردن داده‌های پراکنده نیز وابسته است. اگر این زیرساخت داده‌ای با سرمایه‌گذاری خصوصی و جذب متخصصان AI ترکیب شود، عربستان به‌تدریج می‌تواند از مرحله «مصرف‌کننده فناوری» به سمت تولیدکننده و تنظیم‌کننده خدمات الگوریتمی در مقیاس ملی حرکت کند. نکته کمتر دیده‌شده اینجاست: مدل SDAIA لزوماً به معنای تجمیع فیزیکی همه داده‌ها در یک مخزن واحد نیست؛ بلکه قابلیت تعامل میان سامانه‌های متعدد، همراه با باقی‌ماندن داده در اختیار نهادهای اصلی را دنبال می‌کند. چنین معماری‌ای می‌تواند هم‌زمان مسئله دسترسی، امنیت و حکمرانی داده را مدیریت کند. پیامد بلندمدت این روند در توانایی AI برای تصمیم‌سازی دولت، شخصی‌سازی خدمات، تحلیل رفتار اجتماعی و پیش‌بینی روندهای جمعیتی و اقتصادی نهفته است. بنابراین، آنچه اکنون در عربستان در حال شکل‌گیری است صرفاً یک برنامه سرمایه‌گذاری در هوش مصنوعی نیست؛ بلکه تلاش برای ایجاد زیرساخت داده‌ای یک دولت الگوریتمی است. 🏷 پیوست خبری-تحلیلی 🌐 متاکاگ | فراتر از شناخت

💠 هشتمين کمپ ملی هوش مصنوعی امارات 🔹پایگاه خبری Startup Scene در گزارشی از برگزاری هشتمین دوره «کمپ هوش مصنوعی امارات» (UAE AI Camp 2026) از ۱۷ تا ۲۹ اوت به میزبانی دبی خبر داد. این رویداد ملی که توسط «برنامه ملی هوش مصنوعی» و با همکاری «برنامه ملی برنامه‌نویسان» برگزار می‌شود، نقشه راه کلان این کشور برای ارتقای سواد الگوریتمی، آمادگی شناختی جامعه و جامعه‌پذیر کردن فناوری‌های نوظهور در لایه‌های مختلف اجتماعی و مدیریتی است. ▫️ گستره مخاطبان: فراگیری پروژه از دانش‌آموزان و دانشجویان تا صاحبان کسب‌وکارهای کوچک و متوسط (SMEs)، مدیران پروژه و فعالان حوزه حقوقی و رعایت قوانین (Compliance) را شامل می‌شود. ▫️ محورهای تخصصی و فنی: برگزاری کارگاه‌های کاربردی با محوریت امنیت سایبری (شناسایی کلاهبرداری‌های الگوریتمی و حفاظت از گذرواژه‌ها)، سلامت دیجیتال، «آکادمی جمینای» برای دانش‌آموزان و آموزش مفاهیم لبه دانش مانند تمایز میان «هوش مصنوعی مولد» (Generative AI) و «هوش مصنوعی عاملیت‌محور» (Agentic AI - سامانه‌های خودمختار دارای قدرت تصمیم‌گیری و اجرا). ▫️ مسئله‌محوری در حکمرانی شهری: برگزاری هاکاتون «آینده حمل‌ونقل» با همکاری سازمان حمل‌ونقل حکومت عجمان جهت پیاده‌سازی تفکر الگوریتمی بر چالش‌های واقعی زیرساختی. ▫️ همکاری با بازیگران کلیدی جهانی: اجرای رویداد با مشارکت مستقیم غول‌های فناوری غرب و شرق، از جمله مهارات گوگل، مایکروسافت، اینتل، اکسنچر، بایت‌پلاس (BytePlus - بازوی فناوری‌های سازمانی بایت‌دنس/تیک‌تاک)، Think Media Labs و Spectrum. 🏷 پیوست خبری 🌐 متاکاگ | فراتر از شناخت

💠 رقابت تنگاتنگ هوش مصنوعی! 💥 🔷 نمی دونم دقت کردین یا نه اما فاصله بین انتشار مدل های جدید داره کمتر و کمتر میشه! بین مدل های منتشر شده همچنان (تا اواسط آگوست ۲۰۲۶) Fable 5 مدل برتر است اما Anthropic انتظار ۱۰ برابر شدن تقاضا رو داشت که خب ۸۰ برابر شد و همین باعث شد GPU و برق کم بیارن و در نتیجه از تمامی پلن ها حذف ش کردن و فقط بصورت Usage Credit قابل دسترسی هست! (اونم بسیار گران: هر یک میلیون توکن ۵۰ دلار) 🔷 مدل Opus 5 هم که به طور میانگین برای هر سوال 510 کلمه جواب میده یعنی هم خیلی حرف میزنه، هم خیلی طول می کشه جواب بده، هم نسبت به سایر مدل ها هم چنان گرانه، و مشکلاتی نظیر بی اعتنایی به کانتکست هم در اون گزارش شده! خلاصه اینکه Claude باید به خودش بیاد اگه بخواد عقب نمونه!!

🔶 مدل GPT 5.6 Sol هم چنان جزو مدل های تاپ هست چون هم به صرفه تره هم قدرت پردازش ش خوبه! تازه Open AI قراره به زودی مدل Astra رو هم منتشر کنه که ظاهراً ورژنی از GPT 6 هست. 🔶 گوگل هم Gemini 3.7 Flash رو داده بیرون که برای کدینگ (با Spark) از همه مناسب تره! البته گوگل با وجود پردازشگر های TPU ش هم چنان به سطح سایر مدل های آمریکایی نرسیده! (نیاز هم نیست برسه چون مارکت ش چیز دیگه ای هست!) 🔶 ایلان ماسک هم میگه تا ۲-۳ هفته دیگه Grok 4.7 رو میده بیرون که از همه مدل های موجود در بازار، حتی Fable 5 پیشی می گیره با کسری از هزینه اون! ♦️ چینی ها هم بیکار نیستن البته! مون شات که Kimi K3 ش هم چنان سر زبون ها مونده! (البته فقط برای اشتراک دارها قابل دسترسی هست!) مدل Qwen 3.8 علی بابا با وجود ادعا هاشون خیلی خودشو نشون نداد! و Z.ai همون صاحب مدل GLM دیگه ادعای خیلی بزرگی کرده و گفته به زودی مدلی منتشر می کنه که از Mythos (همون غول Anthropic که هیچ وقت منتشر نشد) هم بهتره! 👇 نظرتون راجع به این مدل ها چیه؟ کدوم به نظرتون بهتره؟ 🆔 @MetaCognition #هوش_مصنوعی #ابزارها #آخرین_اخبار_تکنولوژی 🌐 متاکاگ | فراتر از شناخت

💠 ریاض، میزبان نخستین مجمع جهانی اخلاق هوش مصنوعی یونسکو در جهان عرب 🔹عربستان سعودی قرار است از ۱۴ تا ۱۷ سپتامبر ۲۰۲۶ در ریاض میزبان چهارمین دوره «مجمع جهانی یونسکو درباره اخلاق هوش مصنوعی» باشد؛ رویدادی که برای نخستین‌بار در یک کشور عربی و همچنین برای نخستین‌بار در خاورمیانه برگزار می‌شود. این مجمع با مشارکت یونسکو، سازمان داده و هوش مصنوعی عربستان (SDAIA) و مرکز بین‌المللی پژوهش و اخلاق هوش مصنوعی (ICAIRE) و هم‌زمان با Global AI Summit 2026 برگزار خواهد شد. ▫️ محور اصلی نشست، «تحول همکاری جهانی برای حکمرانی اخلاقی هوش مصنوعی» اعلام شده است. موضوعاتی مانند حکمرانی AI، شفافیت، حقوق بشر و پیامدهای اجتماعی و اقتصادی هوش مصنوعی در دستور کار قرار دارد. ▫️ یکی از محورهای اصلی، بررسی چگونگی تبدیل «توصیه یونسکو درباره اخلاق هوش مصنوعی» به قوانین ملی، سازوکارهای نظارتی و ضمانت‌های نهادی خواهد بود. این توصیه‌نامه در سال ۲۰۲۱ توسط ۱۹۳ کشور عضو یونسکو تصویب شد و اصولی مانند حریم خصوصی داده، جلوگیری از تبعیض، اثرات زیست‌محیطی، نظارت انسانی و پاسخ‌گویی را دربرمی‌گیرد. ▫️ تاکنون بیش از ۷۵ کشور با یونسکو برای ارزیابی آمادگی خود جهت اجرای این چارچوب همکاری کرده‌اند. عربستان این رویداد را در شرایطی میزبانی می‌کند که سال ۲۰۲۶ را «سال هوش مصنوعی» نام‌گذاری کرده و هم‌زمان در تلاش است خود را به‌عنوان یک مرکز جهانی برای سرمایه‌گذاری، زیرساخت و سیاست‌گذاری AI معرفی کند. 🔺میزبانی یک مجمع یونسکو، هم‌زمان با Global AI Summit و فعالیت نهادهایی مانند SDAIA و ICAIRE، به عربستان امکان می‌دهد در یکی از مهم‌ترین عرصه‌های آینده رقابت فناوری ـ یعنی تعیین استانداردهای اخلاقی و تنظیم‌گری AI ـ حضور پررنگ‌تری پیدا کند. اما خود گزارش به یک تناقض مهم اشاره می‌کند: تجربه «تعهد داوطلبانه» شرکت‌های فناوری در نشست ۲۰۲۴ یونسکو نشان داده که فاصله قابل توجهی میان پذیرش اصول اخلاقی و اجرای قابل سنجش آنها وجود دارد. در آن نشست، شرکت‌هایی مانند Microsoft، Telefónica، Salesforce، LG AI Research، Mastercard، Lenovo، Motorola و GSMA متعهد شدند اصول اخلاقی یونسکو را در طراحی و استقرار سامانه‌های AI رعایت کنند؛ اما این تعهد الزام حقوقی نداشت. گزارش به پرونده دیگری نیز اشاره می‌کند: یک تحقیق سفارش‌داده‌شده توسط Microsoft در سال ۲۰۲۶ شواهدی درباره استفاده وزارت دفاع اسرائیل از Azure و خدمات AI مایکروسافت پیدا کرد، هرچند مشخص نکرد این فناوری دقیقاً چگونه استفاده شده یا آیا در عملیات نظارتی در غزه نقش داشته است. این نمونه، مسئله مهمی را برجسته می‌کند: حکمرانی اخلاقی AI زمانی معنا پیدا می‌کند که اصول اعلام‌شده بتوانند به سازوکارهای واقعی نظارت، شفافیت و پاسخ‌گویی تبدیل شوند. اگر ریاض بتواند از ظرفیت این نشست برای ایجاد شبکه‌های پایدار میان دولت‌ها، شرکت‌های فناوری، دانشگاه‌ها و نهادهای تنظیم‌گر استفاده کند، ممکن است به تدریج بخشی از معماری حکمرانی AI در جهان عرب و جنوب جهانی را نیز تحت تأثیر قرار دهد. 🏷 پیوست خبری-تحلیلی 🌐 متاکاگ | فراتر از شناخت

💠 ورود ۸۰۰ میلیون دلاری Ooredoo به زیرساخت هوش مصنوعی اندونزی؛ شکل‌گیری هاب یک گیگاواتی AI در جنوب‌شرق آسیا 🔹گروه قطری Ooredoo حدود ۸۰۰ میلیون دلار در یک پلتفرم زیرساخت هوش مصنوعی در اندونزی سرمایه‌گذاری می‌کند؛ پروژه‌ای که با مشارکت Indosat Ooredoo Hutchison، NVIDIA و Nokia در حال شکل‌گیری است و هدف آن ایجاد یکی از بزرگ‌ترین مراکز پردازش هوش مصنوعی جنوب‌شرق آسیا با ظرفیت نهایی ۱ گیگاوات است. ▫️ این پروژه با عنوان Zankore by Indosat راه‌اندازی شده و یک پلتفرم Full-Stack AI Infrastructure و Neocloud است؛ یعنی از لایه محاسبات و شبکه تا زیرساخت‌های موردنیاز برای اجرای بارهای کاری هوش مصنوعی را در یک معماری یکپارچه ارائه می‌کند. ▫️ Ooredoo به‌عنوان سرمایه‌گذار اصلی، ۴۹ درصد سهام پروژه را در اختیار خواهد داشت و انتظار دارد این سرمایه‌گذاری طی پنج سال نخست حدود ۶۰۰ میلیون دلار EBITDA تجمعی ایجاد کند. ▫️ مرحله نخست پروژه قرار است در نیمه اول ۲۰۲۷ عملیاتی شود و ۲۰۰ مگاوات ظرفیت AI با استفاده از سامانه‌های NVIDIA GB300 NVL72 ایجاد کند. ظرفیت پروژه در ادامه به ۱ گیگاوات زیرساخت NVIDIA DSX AI Factory افزایش خواهد یافت. ▫️ معماری NVIDIA DSX، پردازش شتاب‌یافته، شبکه، سامانه‌های خنک‌کننده و تأمین برق را در یک پلتفرم واحد ادغام می‌کند. این پروژه همچنین از فناوری NVIDIA DSX MaxLPS برای بهینه‌سازی مصرف انرژی استفاده می‌کند؛ طبق اعلام NVIDIA، این فناوری می‌تواند ظرفیت پردازشی را با همان بودجه انرژی، تا ۴۰ درصد افزایش دهد. ▫️ Zankore برای ارائه زیرساخت به ابرارائه‌دهندگان خدمات ابری (Hyperscalers)، شرکت‌ها، دولت‌ها و توسعه‌دهندگان AI طراحی شده و یکی از اهداف آن پشتیبانی از پروژه‌های هوش مصنوعی حاکمیتی (Sovereign AI) و کاربردهای سازمانی است. ▫️ Ooredoo اعلام کرده تقاضا برای ظرفیت مراکز داده در جنوب‌شرق آسیا تا سال ۲۰۳۰ حدود ۳.۵ برابر افزایش خواهد یافت که محرک اصلی آن، بارهای پردازشی هوش مصنوعی خواهد بود. 🏷 پیوست خبری 🌐 متاکاگ | فراتر از شناخت