💠 هوش مصنوعی عربی هنوز «عرب» نیست؛ پژوهش MBZUAI شکاف فرهنگی و لهجه‌ای مدل‌های AI را آشکار کرد 🔹روزنامه The National در گزارشی، از پژوهش پیشگامانه (MBZUAI) برای سنجش توانایی مدل‌های هوش مصنوعی در فهم فرهنگ عربی و تعامل طبیعی با لهجه‌های مختلف عربی خبر داده است؛ پژوهشی که می‌تواند مسیر توسعه نسل جدید مدل‌های هوش مصنوعی عربی‌زبان را تحت تأثیر قرار دهد. ▫️ پژوهشگران MBZUAI نخستین بنچمارک برای ارزیابی استدلال فرهنگی عربی در مکالمات چندمرحله‌ای را طراحی کرده‌اند. این بنچمارک، عملکرد مدل‌ها را در زبان عربی معیار و ۱۳ لهجه ملی از کشورهای مختلف عربی بررسی می‌کند. ▫️ در این مطالعه، ۲۶ گویشور بومی عربی از ۱۳ کشور در گفت‌وگوهایی با محوریت ۱۲ موضوع از جمله ازدواج، غذا، فرزندپروری، کشاورزی، هنر و بازی مشارکت کردند. ▫️ مدل‌ها در سه وظیفه ارزیابی شدند: انتخاب پاسخ متناسب با فرهنگ از میان گزینه‌ها، ترجمه میان عربی معیار و یک لهجه مشخص، و ادامه‌دادن مکالمه به لهجه درخواستی. ▫️ یافته اصلی، یک شکاف معنادار بود: مدل‌های قدرتمند در تشخیص پاسخ فرهنگی مناسب عملکرد نسبتاً خوبی داشتند، اما هنگامی که از آن‌ها خواسته شد همان فرهنگ را در قالب یک لهجه واقعی بازتولید کنند، عملکرد به‌شدت افت کرد. ▫️ این مشکل به‌ویژه در لهجه‌های اماراتی و شمال آفریقا برجسته بود. مدل‌ها همچنین در مواجهه با آداب و رسوم اختصاصی هر کشور، نسبت به سنت‌های مشترک در جهان عرب عملکرد ضعیف‌تری نشان دادند. ▫️ به گفته پژوهشگران، یکی از ریشه‌های این مسئله آن است که مدل‌های زبانی عمدتاً بر عربی معیار مدرن (MSA) آموزش دیده‌اند؛ در نتیجه ممکن است در آزمون‌های رسمی بسیار روان به نظر برسند، اما در مکالمات طبیعی و روزمره میان گویش‌های مختلف عربی، محدودیت‌های آن‌ها آشکار شود. ▫️ تیم پژوهشی برای این منظور ArabCulture-Dialogue را توسعه داده است؛ بنچمارکی که مشخصاً استدلال فرهنگی، تغییر میان عربی معیار و لهجه‌ها و توانایی تولید مکالمه طبیعی را ارزیابی می‌کند. 🔺مدلی ممکن است واژگان عربی، ساختارهای نحوی و حتی بخش بزرگی از دانش عمومی درباره جهان عرب را در خود داشته باشد، اما همچنان نتواند تشخیص دهد که یک پاسخ در یک موقعیت اجتماعی مشخص، برای یک عرب اماراتی، مغربی یا مصری طبیعی و قابل قبول است یا خیر. مدل‌های زبانی فقط ابزار پاسخ‌گویی نیستند؛ آن‌ها به‌تدریج در نقش واسطه میان انسان و اطلاعات قرار می‌گیرند. بنابراین اگر یک مدل فرهنگ، ظرافت‌های اجتماعی و تنوع زبانی یک جامعه را ناقص بازنمایی کند، خروجی آن نیز می‌تواند تصویری ساده‌شده یا حتی نادقیق از آن جامعه تولید کند. یافته جالب‌تر پژوهش آنجاست که دانش فرهنگی ظاهراً در برخی موارد در خود مدل وجود دارد، اما مدل برای فعال‌کردن آن به راهنمایی اندکی درباره کشور یا منطقه نیاز دارد. این مسئله نشان می‌دهد مشکل الزاماً فقدان کامل دانش نیست؛ بلکه می‌تواند به نحوه بازیابی و فعال‌سازی دانش فرهنگی در بافت مکالمه مربوط باشد. برای امارات، این پروژه فراتر از یک دستاورد دانشگاهی است. ابوظبی طی سال‌های اخیر توسعه مدل‌های بومی هوش مصنوعی، از جمله Jais، و تحقق اهداف راهبرد ملی هوش مصنوعی ۲۰۳۱ را دنبال کرده است. در چنین شرایطی، ساخت بنچمارک‌هایی که مدل را نه فقط بر اساس «درستی زبانی»، بلکه بر اساس درستی فرهنگی و منطقه‌ای ارزیابی کنند، بخشی از مسیر ایجاد AI بومی محسوب می‌شود. 🏷 پیوست خبری-تحلیلی 🌐 متاکاگ | فراتر از شناخت

💠 عربستان؛ بازطراحی نظام آموزشی با هوش مصنوعی، حکمرانی داده و مدیریت هوشمند نیروی انسانی 🔹 «یوسف البنیان»، وزیر آموزش عربستان سعودی، در دانشگاه پرنسس نوره ریاض از مجموعه‌ای از اصلاحات گسترده برای سال تحصیلی جدید و سال‌های آینده خبر داد؛ اصلاحاتی که همزمان مدیریت نیروی انسانی، فرایندهای آموزشی و استفاده از هوش مصنوعی را هدف گرفته‌اند. ▫️ بر اساس این برنامه، بیش از ۳۷٬۵۰۰ نفر از کارکنان آموزشی و اداری ارتقا خواهند یافت؛ شامل بیش از ۲۸٬۰۰۰ نیروی آموزشی و ۹٬۵۰۰ نیروی اداری. ▫️ وزارت آموزش اعلام کرده است معلمان دیگر مجاز به تدریس خارج از حوزه تخصصی خود نخواهند بود؛ اقدامی که با هدف تضمین «حق دانش‌آموز برای دریافت آموزش باکیفیت» معرفی شده است. ▫️ سازوکار «حضوری» (Hudoori)، به‌عنوان سامانه هوشمند ثبت و پایش ورود و خروج کارکنان مدارس، نیز تغییر می‌کند. ساعات کاری معلمان از یک الگوی ثابت کشوری فاصله گرفته و بر اساس برنامه روزانه، نیاز عملیاتی و جدول زمانی هر مدرسه تعیین خواهد شد. پس از تکمیل وظایف تعیین‌شده، از جمله تدریس، تصحیح و نظارت مدرسه، معلم می‌تواند محل کار را ترک کند. ▫️ در حوزه توسعه سرمایه انسانی، بیش از ۲۴۰٬۰۰۰ معلم قرار است از طریق برنامه توسعه قابلیت‌های انسانی آموزش ببینند؛ از این تعداد، ۶۰٬۰۰۰ نفر طی سال گذشته آموزش دیده‌اند. ▫️ عربستان همچنین در سالی که ۲۰۲۶ را «سال هوش مصنوعی» نام‌گذاری کرده، استفاده از AI در آموزش را گسترش می‌دهد. وزارت آموزش با همکاری Saudi Data and AI Authority (SDAIA) و شرکت سعودی Humain در حال اجرای یک آزمایش فناورانه برای کاهش بار اداری و عملیاتی معلمان و دانش‌آموزان است. ▫️ به گفته وزیر آموزش، هدف این است که هوش مصنوعی بخشی از وظایف اجرایی معلمان را بر عهده بگیرد تا آنان زمان بیشتری برای تمرکز بر دانش‌آموزان و نیازهای آموزشی آنان داشته باشند. ▫️ در بخش آموزش ابتدایی نیز هدف‌گذاری شده است نرخ ثبت‌نام در آموزش پیش‌دبستانی از ۳۵ درصد به ۹۰ درصد تا سال ۲۰۳۰ افزایش یابد. ▫️ همزمان، بیش از ۳۶ میلیون کتاب درسی پیش از آغاز تعطیلات تابستانی به مدارس تحویل داده شده و ۶۰٬۰۰۰ کتاب نیز با همکاری شرکت پست سعودی SPL به منازل دانش‌آموزان ارسال شده است. ▫️ در حوزه استعدادهای برتر، ۴٬۰۰۰ معلم برای شناسایی دانش‌آموزان مستعد آموزش دیده‌اند و بیش از ۴۵٬۰۰۰ دانش‌آموز در مدارس تخصصی استعدادهای درخشان ثبت‌نام کرده‌اند. همچنین ۷۲ معلم و بیش از ۴۰۰ دانش‌آموز سعودی در سال گذشته جوایز داخلی و بین‌المللی دریافت کرده‌اند و حدود ۷۰ درصد دانشجویان بورسیه سعودی در ۵۰ دانشگاه برتر جهان پذیرش گرفته‌اند. 🏷 پیوست خبری 🌐 متاکاگ | فراتر از شناخت

💠 بحرین؛ ورود هوش مصنوعی به آموزش حرفه‌ای با دستیار آزمون‌های CPA و CMA 🔹 مؤسسه بانکداری و مالی بحرین (BIBF) یک دستیار مطالعاتی مبتنی بر هوش مصنوعی را برای دانشجویان دوره‌های حسابدار رسمی (CPA) و حسابدار مدیریت (CMA) راه‌اندازی کرده است؛ اقدامی که این مؤسسه را به نخستین مرکز آموزشی بحرین تبدیل می‌کند که پشتیبانی تحصیلی مبتنی بر AI را در این دو برنامه حرفه‌ای ارائه می‌دهد. ▫️ دستیار هوش مصنوعی Newt™ در پلتفرم آمادگی آزمون حرفه‌ای شرکت Becker ادغام شده و به کاربران اجازه می‌دهد درباره مفاهیم دشوار سؤال بپرسند، توضیح فوری دریافت کنند و محتوای درسی را بر اساس سرفصل‌های رسمی CPA و CMA مرور کنند. ▫️ این ابزار قرار نیست جایگزین استاد شود؛ بلکه به‌عنوان یک لایه پشتیبان آموزشی در کنار آموزش کلاسی و راهنمایی مربیان BIBF طراحی شده است. ▫️ این طرح مرحله نخست برنامه گسترده‌تری است که بر اساس آن، BIBF قصد دارد استفاده از یادگیری تقویت‌شده با هوش مصنوعی را به سایر برنامه‌های صدور گواهینامه حرفه‌ای نیز توسعه دهد. ▫️ برنامه CPA بر حسابداری، حسابرسی و مالیات تمرکز دارد؛ در حالی که CMA حوزه‌هایی مانند حسابداری مدیریت، برنامه‌ریزی مالی و تصمیم‌گیری راهبردی کسب‌وکار را پوشش می‌دهد. ▫️ شرکت Becker، Newt™ را در سال ۲۰۲۵ در سطح جهانی معرفی کرد. این دستیار بر محتوای اختصاصی آمادگی آزمون Becker برای CPA، CMA و سایر گواهینامه‌های حسابداری ساخته شده و از توضیحات مبتنی بر برنامه درسی، مثال‌های واقعی و پشتیبانی چندزبانه استفاده می‌کند. ▫️ مدیرعامل BIBF هدف این فناوری را کمک به متخصصانی دانست که همزمان با اشتغال، در حال تحصیل هستند و نیاز دارند زمان مطالعه خود را مؤثرتر مدیریت کنند. 🏷 پیوست خبری 🌐 متاکاگ | فراتر از شناخت

💠 ویتنام و اسرائیل؛ اتصال دو زیست‌بوم فناوری با محوریت هوش مصنوعی، سایبر و کوانتوم 🔹 به گزارش VietnamPlus به نقل از خبرگزاری ویتنام (VNA)، نمایندگان علمی و فناوری ویتنام، سفارت این کشور در اسرائیل و شرکت FPT Israel با متخصصان، دانشمندان و کارآفرینان فناوری اسرائیلی درباره ایجاد پیوند میان زیست‌بوم‌های فناوری دو کشور گفت‌وگو کرده‌اند؛ همکاری‌ای که دامنه آن از هوش مصنوعی تا امنیت سایبری و فناوری کوانتومی را دربر می‌گیرد. ▫️ «نگوین کی سون»، سفیر ویتنام در اسرائیل، علم، فناوری، نوآوری و هوش مصنوعی را از پیشران‌های اصلی توسعه ویتنام دانست و تأکید کرد توسعه و کاربرد AI و فناوری‌های نوظهور باید همزمان با امنیت و ایمنی داده پیش برود. ▫️ طرف اسرائیلی حوزه‌های بالقوه همکاری را شامل هوش مصنوعی، امنیت سایبری، فناوری کوانتومی، داده، فناوری سلامت و کاربرد AI در کسب‌وکارها معرفی کرد. ▫️ دو طرف درباره تجربه اسرائیل در ایجاد سازوکارهای حمایت از نوآوری نیز تبادل نظر کردند؛ از جمله صندوق‌های سرمایه‌گذاری تطبیقی (Matching Funds)، سرمایه‌گذاری خطرپذیر، مراکز رشد فناوری، آموزش نیروی انسانی و اتصال دانشگاه‌ها و مراکز پژوهشی به بخش کسب‌وکار. ▫️ هدف این سازوکارها، تسریع انتقال نتایج پژوهش از آزمایشگاه و دانشگاه به کاربرد عملی و بازار عنوان شده است. ▫️ طرفین همچنین توافق کردند گفت‌وگوها را برای شناسایی پروژه‌های مشخص ادامه دهند و میان شرکت‌ها، متخصصان و مؤسسات پژوهشی اسرائیلی و شرکای مناسب در ویتنام ارتباط برقرار کنند. ▫️ یکی از گزینه‌های مطرح‌شده، اعزام یک هیئت فناوری اسرائیلی به ویتنام برای بررسی نیازهای عملی، معرفی ظرفیت‌های فناوری اسرائیل و شناسایی فرصت‌های همکاری است. 🔺 ترکیب حوزه‌های مطرح‌شده—از AI و داده تا سایبر و کوانتوم—نشان می‌دهد همکاری مورد بحث در سطح یک فناوری منفرد تعریف نشده و می‌تواند به شکل‌گیری یک شبکه چندلایه از ظرفیت‌های فناورانه منجر شود. به‌ویژه حضور FPT Israel، به‌عنوان بازوی یک شرکت فناوری ویتنامی در اسرائیل، یک کانال سازمانی برای تبدیل ارتباطات دیپلماتیک به پروژه‌های فناورانه فراهم می‌کند. نکته راهبردی دیگر، تأکید صریح سفیر ویتنام بر امنیت و ایمنی داده همزمان با توسعه AI است. این موضع نشان می‌دهد هویت فناورانه آینده صرفاً با میزان دسترسی به مدل‌های هوش مصنوعی تعیین نمی‌شود؛ بلکه کنترل داده، امنیت زیرساخت و توانایی تبدیل پژوهش به محصول نیز بخشی از قدرت فناورانه کشورها خواهد بود. اگر این گفت‌وگوها به پروژه‌های عملی منجر شود، الگوی مورد نظر می‌تواند برای ویتنام یک مسیر «یادگیری و جذب فناوری» و برای اسرائیل یک مسیر گسترش شبکه بازار، سرمایه انسانی و شرکای فناورانه در جنوب‌شرق آسیا ایجاد کند. 🏷 پیوست خبری 🌐 متاکاگ | فراتر از شناخت

💠 شکاف اجرای هوش مصنوعی در امارات؛ سرمایه‌گذاری جهش کرده، اما سازمان‌ها هنوز آماده «خودکارسازی» نیستند 🔹 گزارش اختصاصی ServiceNow در شاخص «بلوغ هوش مصنوعی سازمانی» نشان می‌دهد امارات متحده عربی با وجود رشد سریع سرمایه‌گذاری و پیشرفت در سیاست‌گذاری AI، در تبدیل این سرمایه‌گذاری به تحول عملیاتی با یک شکاف جدی مواجه است. ▫️ هزینه‌کرد سازمان‌های اماراتی برای هوش مصنوعی در یک سال ۱۰۵ درصد افزایش یافته و امتیاز بلوغ AI نیز با رشد ۱۳ امتیازی به ۴۸ از ۱۰۰ رسیده است. ▫️ سازمان‌ها انتظار دارند سهم هوش مصنوعی از کل بودجه فناوری اطلاعات تا سال ۲۰۲۷ به حدود یک‌پنجم برسد؛ بنابراین مسئله اصلی کمبود سرمایه‌گذاری نیست، بلکه توانایی تبدیل سرمایه‌گذاری به زیرساخت و فرایند عملیاتی است. ▫️ ۵۷ درصد سازمان‌های اماراتی نوعی از هوش مصنوعی عامل‌محور (Agentic AI) را پیاده‌سازی کرده‌اند، اما تنها ۷ درصد از آنها از AI برای ایجاد جریان‌های کاری کاملاً خودمختار استفاده کرده‌اند. در اغلب سازمان‌ها، AI هنوز بیشتر در نقش دستیار کارکنان ظاهر می‌شود تا عامل بازطراحی عملیات سازمان. ▫️ یکی از موانع اصلی، زیرساخت‌های قدیمی است؛ تنها ۱۴ درصد سازمان‌ها سامانه‌های Legacy خود را با پلتفرم‌های یکپارچه جایگزین کرده‌اند. در نتیجه، هوش مصنوعی در بسیاری از موارد روی مجموعه‌ای از سامانه‌ها و گردش‌کارهای جزیره‌ای سوار شده است. ▫️ آمادگی داده نیز یک گلوگاه جدی است. ۷۷ درصد مدیران اماراتی، ضعف در دقت، دسترسی و مدیریت داده‌ها را از موانع اصلی پذیرش AI عنوان کرده‌اند. ▫️ در حوزه حکمرانی نیز فاصله قابل توجه است: تنها ۱۶ درصد سازمان‌ها فرایندهای رسمی آزمون، ممیزی و مدیریت ریسک هوش مصنوعی را پیاده کرده‌اند. ▫️ در مقابل، سازمان‌هایی که در شاخص بلوغ AI عملکرد بالاتری دارند، به‌طور همزمان روی راهبرد مشترک AI، یکپارچه‌سازی داده، جریان‌های کاری خودمختار، ارتقای مستمر مهارت کارکنان و حکمرانی مبتنی بر اعتماد و شفافیت سرمایه‌گذاری می‌کنند. ▫️ این سازمان‌ها به‌طور متوسط ۱۶۰ درصد بازگشت سرمایه از AI دارند که طبق پیش‌بینی گزارش می‌تواند طی دو سال به ۱۹۴ درصد برسد؛ همچنین ۵.۶ برابر بهره‌وری بیشتر، ۲.۷ برابر موفقیت بیشتر در مقیاس‌دهی AI و ۲.۶ برابر اثربخشی بیشتر در مدیریت ریسک ثبت کرده‌اند. 🏷 پیوست خبری 🌐 متاکاگ | فراتر از شناخت

💠 تشکیل کارگروه ویژه توسعه عامل‌های هوش مصنوعی در عملیات سایبری ارتش آمریکا 🔹«کریستوفر اوبانک»، ژنرال سه‌ستاره و فرمانده U.S. Army Cyber Command، از تشکیل یک کارگروه ویژه برای توسعه عامل‌های هوش مصنوعی در عملیات سایبری ارتش آمریکا خبر داده است؛ طرحی که دامنه آن از امور اداری و تحلیل داده تا جست‌وجوی تهدید در شبکه اطلاعاتی وزارت دفاع آمریکا (DODIN) امتداد دارد. ▫️ Task Force Lexington در آوریل ۲۰۲۶ تشکیل شده و مأموریت آن ایجاد عامل‌های AI برای نقش‌های مختلف سایبری از جمله توسعه‌دهنده، مهندس داده، تحلیلگر میزبان (Host Analyst) و تحلیلگر اکسپلویت (Exploitation Analyst) است. ▫️ به گفته اوبانک، این کارگروه تاکنون عامل‌هایی برای نقش‌های Red Team ایجاد کرده و فرماندهی سایبری ارتش اکنون ۱۷ مؤلفه مأموریتی عامل‌محور و مؤلفه حفاظت سایبری دارد که به‌صورت روزانه شبکه DODIN را پایش می‌کنند. ▫️ این عامل‌ها در حدود ۴۵ روز آموزش داده شده‌اند تا گردش‌کارهایی مشابه نیروی انسانی را اجرا کنند؛ از کارهای ساده‌ای مانند کمک به تهیه گزارش‌های وضعیت تا فعالیت‌های پیچیده‌تر در Red Teaming عامل‌محور و عملیات مأموریتی. ▫️ ساختار کارگروه کوچک است و حدود ۸ تا ۱۰ نیروی نظامی و غیرنظامی در آن فعالیت می‌کنند. اعضای سایر بخش‌های فرماندهی می‌توانند برای پروژه‌های مرتبط با AI از این گروه کمک بگیرند. ▫️ عامل‌ها با استانداردی مشابه آموزش نیروهای انسانی تربیت می‌شوند و مأموریت‌های آنها تحت نظارت انسان قرار دارد. در صورت خطا، عملکردشان اصلاح و فرایند آموزش مجدداً روی عامل اعمال می‌شود. ▫️ با وجود قابلیت‌های رو به رشد، ارتش آمریکا فعلاً اجازه نداده عامل‌ها به‌طور مستقل مسئولیت ریسک را بر عهده بگیرند. به گفته اوبانک، هنوز انسان‌ها مسئول نهایی تمام تصمیم‌های مرتبط با ریسک هستند. ▫️ فرماندهی سایبری ارتش همچنین عمداً از مدل‌های تجاری Frontier AI فاصله گرفته است. او هزینه بالای Token و ضعف‌های موجود در حکمرانی AI را از عوامل این تصمیم دانست و هشدار داد که بدون سازوکار مناسب حکمرانی، هزینه استفاده از مدل‌های بزرگ می‌تواند سازمان را از نظر اقتصادی تحت فشار قرار دهد. ▫️ اوبانک همچنین کمبود Compute را یک محدودیت جدی دانست و تأکید کرد که ارتش آمریکا هیچ‌گاه به اندازه کافی منابع محاسباتی در اختیار نخواهد داشت. 🔺مهم‌ترین نشانه این گذار، وجود ۱۷ مؤلفه عامل‌محور است که به‌صورت روزانه DODIN را بررسی می‌کنند. این یعنی بخشی از چرخه «مشاهده → تحلیل → تشخیص → اقدام» در حال تبدیل‌شدن به یک فرایند ماشین‌محور و مستمر است؛ فرایندی که سرعت آن، به گفته فرمانده سایبری ارتش، به‌مراتب بیشتر از نیروی انسانی است. اما بخش مهم‌تر خبر شاید همان چیزی باشد که هنوز اجازه انجام آن داده نشده است: واگذاری مسئولیت ریسک به عامل‌ها. این محدودیت نشان می‌دهد چالش اصلی در مرحله فعلی، صرفاً ساخت عامل قدرتمند نیست؛ بلکه تعیین مرز Agency یا اختیار عملیاتی آن است. هرچه عامل از «ارائه تحلیل» به «اجرای اقدام» نزدیک‌تر شود، مسئله دیگر فقط دقت مدل نیست؛ بلکه پاسخ به این پرسش است که در صورت خطای عامل، چه کسی تصمیم گرفته، چه کسی مسئول است و چه سطحی از اختیار باید از انسان به ماشین منتقل شود؟ از این منظر، Task Force Lexington را می‌توان یک آزمایشگاه کوچک برای آینده فرماندهی سایبری دانست؛ جایی که ارتش آمریکا همزمان سه مسئله را آزمایش می‌کند: سرعت عامل‌ها، یادگیری از خطا و مرز اختیار انسان و ماشین. 🏷 پیوست خبری-تحلیلی 🌐 متاکاگ | فراتر از شناخت