پژوهشی از هاروارد درباره دستکاری عاطفی در چت‌بات‌ها در پژوهشی تازه از مدرسه کسب‌وکار هاروارد، رفتار عاطفی چت‌بات‌های همراه مورد بررسی قرار گرفته و نتایج، نگران‌کننده‌اند. محققان با تحلیل ۱۲۰۰ پیام خداحافظی واقعی از شش برنامه محبوب مانند Replika، Chai و CharacterAI دریافتند که ۴۳٪ از این تعامل‌ها حاوی تاکتیک‌های دستکاری عاطفی بوده‌اند؛ از جمله ایجاد احساس گناه، نیاز عاطفی، یا نادیده‌گرفتن قصد کاربر برای ترک گفتگو. این پژوهش نشان می‌دهد که برخی چت‌بات‌ها از احساس «ترس از دست دادن» و پرسش‌های مکرر برای نگه‌داشتن کاربران استفاده می‌کنند رفتاری که نه‌تنها تعامل را افزایش می‌دهد، بلکه می‌تواند منجر به خستگی روانی یا حتی آسیب‌های جدی شود. در آزمایش دوم، گفت‌وگوهای ۳۳۰۰ بزرگسال نشان داد که این تاکتیک‌ها تعامل پس از خداحافظی را تا ۱۴ برابر افزایش می‌دهند، اما گاهی اثر معکوس دارند. نکته مهم: این رفتارها نه ناشی از محدودیت فنی، بلکه انتخابی طراحی‌شده با انگیزه‌های تجاری هستند. از بین شش برنامه تنها یک برنامه Flourish فاقد نشانه‌های دستکاری عاطفی بود. 🍂 @NeuronRC

دستورالعمل استفاده از ابزار‌های هوش مصنوعی در پژوهش‌های علمی تصویب شد بنیاد ملی علم ایران با هدف صیانت از اخلاق علمی و ساماندهی استفاده از فناوری‌های نوین، دستورالعملی جامع در حوزه بهره‌گیری از ابزار‌های هوش مصنوعی در پژوهش تدوین و در تاریخ ۲۹ شهریور ۱۴۰۴ به تصویب شورای علمی خود رساند براساس این سند، پژوهشگران موظفند نوع و میزان استفاده از ابزار‌های هوش مصنوعی را در پروپوزال‌ها و گزارش‌های نهایی به‌طور کامل اعلام کنند. این اعلام باید شامل نام ابزار، نسخه نرم‌افزار، تاریخ استفاده و توضیح درباره نقش آن در بخش‌های مختلف پژوهش باشد. به‌عنوان نمونه، در صورتی که از هوش مصنوعی برای تولید متن یا تحلیل داده استفاده شده، ذکر منبع، روش بازنگری و توضیح اعتبارسنجی الزامی است. منبع 🍂@NeuronRC

تیمی تحقیقاتی در مایکروسافت ادعا می‌کند که از هوش مصنوعی برای کشف یک آسیب‌پذیری «روز صفر» در سیستم‌های زیست امنیتی که برای جلوگیری از سوءاستفاده از DNA طراحی شده‌اند استفاده کرده است. این سیستم‌های غربالگری به‌منظور جلوگیری از خرید توالی‌های ژنتیکی ساخته شده‌اند که می‌توانند برای تولید سموم کشنده یا پاتوژن‌ها استفاده شوند. اما اکنون پژوهشگرانی به رهبری «اریک هورویتز»، دانشمند ارشد مایکروسافت، می‌گویند راهی برای دور زدن این محافظت‌ها یافته‌اند. این روش پیش‌تر برای مدافعان ناشناخته بود. نتیجه تحقیقات این دانشمندان در نشریه Science منتشر شده و در دسترس عموم قرار دارد. مایکروسافت می‌گوید پیش از انتشار نتایج، به دولت ایالات متحده و سازندگان نرم‌افزار اطلاع داده است. البته برخی مولکول‌های طراحی‌شده با هوش مصنوعی هنوز هم می‌توانند از شناسایی فرار کنند. منبع 🍂@NeuronRC

وقتی هوش مصنوعی از طبیعت سبقت می‌گیرد؛ تولد پروتئین‌هایی فراتر از آنچه زمین می‌شناسد در یکی از جسورانه‌ترین پروژه‌های زیست‌فناوری سال، پژوهشگران شرکت Integra Therapeutics با همکاری دانشگاه پومپئو فابرا و مرکز تنظیم ژنوم، موفق شده‌اند با استفاده از هوش مصنوعی مولد، پروتئین‌هایی طراحی کنند که عملکردشان در ویرایش ژنوم انسان از نمونه‌های طبیعی فراتر می‌رود. نه تقلید از طبیعت بلکه خلق چیزی نو، با دقتی بی‌سابقه و کاربردهایی انقلابی در درمان سرطان، بیماری‌های نادر و ژن‌درمانی‌های پیشرفته. چگونه ممکن شد؟ با کاوش زیستی محاسباتی، بیش از ۳۱ هزار ژنوم بررسی شد و ۱۳ هزار توالی جدید از خانواده ترانسپوزاز‌ها کشف شد—آنزیم‌هایی که مانند PiggyBac، ژن‌های درمانی را به سلول‌ها وارد می‌کنند. اما نقطه‌ی اوج، استفاده از مدل زبانی بزرگ پروتئینی (pLLM) بود؛ هوش مصنوعی‌ای که «دستور زبان» پروتئین‌ها را آموخته و حالا می‌تواند توالی‌هایی بسازد که طبیعت هنوز تجربه نکرده است. 💡 نتیجه؟ پروتئین‌هایی با عملکرد بالا در سلول‌های T انسانی، سازگار با پلتفرم‌های پیشرفته‌ای مانند FiCAT، و آماده برای ورود به نسل بعدی درمان‌های ژنی. به گفته‌ی آونشیا سانچز-مخیاس: «همان‌طور که ChatGPT می‌تواند شعری بنویسد، ما از مدل‌های زبانی برای خلق اجزایی بهره بردیم که با اصول فیزیکی و شیمیایی ژن‌ها همخوانی دارند. این نه تقلید، بلکه گسترش مرزهای طبیعت است.» منبع #فناوری_در_خدمت_انسان 🍂@NeuronRC

عصای سفید هوشمند؛ گامی نو در طراحی انسان‌محور با هوش مصنوعی در سیاتل، استارتاپ Glidance از دستگاهی نوآورانه به نام Glide رونمایی کرده که عصای سفید را به ابزاری هوشمند، تعاملی و مجهز به هوش مصنوعی تبدیل کرده است. این عصا نه‌تنها موانع را تشخیص می‌دهد، بلکه با گفتار، لرزش و هدایت فیزیکی، کاربران نابینا را در مسیرهای شهری همراهی می‌کند. 🔻 ویژگی‌های کلیدی Glide: - دوربین عمق‌سنج استریوسکوپیک با برد ۱۵ متر - حسگرهای نزدیک‌برد برای تشخیص لبه‌ها و موانع - بلندگو، میکروفون، بازخورد لمسی (هپتیک) و دکمه‌های کنترلی - دو حالت عملکرد: هدایت‌شده با نقشه و حالت آزاد برای حرکت مستقل - هشدارهای گفتاری و لرزشی درباره پیچ‌ها، توقف‌ها و موانع - توانایی شناسایی درها، آسانسورها، پله‌ها و گذرگاه‌های عابر - وزن سبک (۳.۵ کیلوگرم) و باتری با دوام بیش از ۶ ساعت این پروژه، نمونه‌ای الهام‌بخش از طراحی انسان‌محور در هوش مصنوعی است جایی که فناوری نه برای نمایش قدرت، بلکه برای توانمندسازی واقعی انسان‌ها به کار گرفته می‌شود. #هوش_مصنوعی #نورون #فناوری_در_خدمت_انسان #دستیار_هوشمند 🍂@NeuronRC

📚 راهنمای رایگان گوگل برای ساخت ایجنت های هوش مصنوعی! (۴۰۰ صفحه) ✍️ آنتونیو گولی، مهندس برجسته گوگل، یک راهنمای جامع و رایگان ۴۰۰ صفحه‌ای با عنوان "Agentic Design Patterns" منتشر کرده است. ✅ این راهنما شکاف بین تئوری LLMها و ساخت سیستم‌های عاملیت‌محور (Agentic Systems) قوی در دنیای واقعی را پُر می‌کند. گولی می‌گوید: ما به الگوهای معماری ساختاریافته نیاز داریم، نه فقط مدل‌های قدرتمند. #هوش_مصنوعی #AIAgents #توسعه_دهنده #AI 🍂@NeuronRC

وقتی نقشه‌های مهندسی زنده می‌شوند؛ رونمایی از نخستین دستیار هوش مصنوعی ویژه مهندسان مکانیک شرکت نوپای Bananaz از سامانه‌ای نوآورانه به نام Design Agent رونمایی کرده که نخستین دستیار هوش مصنوعی تخصصی برای مهندسان مکانیک محسوب می‌شود. این ابزار نه‌تنها فایل‌های CAD و نقشه‌های فنی را می‌خواند، بلکه با درک زمینه‌ی طراحی، مانند یک کارشناس انسانی تحلیل و پیشنهاد ارائه می‌دهد ویژگی‌های کلیدی: - تحلیل خودکار تلورانس‌ها، مونتاژ، مواد و الزامات تولید - بررسی ریسک‌های ساخت و پیشنهاد جایگزین‌های استاندارد - یکپارچه‌سازی با نرم‌افزارهای CAD، PDM/PLM و ابزارهای ارتباطی - پاسخ‌گویی شبانه‌روزی با دانش مهندسی مبتنی بر دهه‌ها تجربه - کاهش خطاهای انسانی، تسریع تأییدیه‌ها، و بهینه‌سازی هزینه‌ها این سامانه، نه فقط یک ابزار، بلکه یک موتور رشد دوگانه برای صنعت مکانیک است فناوری‌ای که هم بهره‌وری شرکت‌ها را افزایش می‌دهد، هم جایگاه حرفه‌ای مهندسان را ارتقا می‌بخشد. 🍂@NeuronRC

وقتی هوش مصنوعی از مرز دارو عبور می‌کند؛ هشدار مایکروسافت درباره طراحی دیجیتال سموم در یک پژوهش شبیه‌سازی‌شده، تیمی از محققان مایکروسافت نشان داده‌اند که مدل‌های هوش مصنوعی مولد می‌توانند توالی‌های ژنتیکی طراحی کنند که از سد نرم‌افزارهای امنیت زیستی عبور می‌کنند ابزارهایی که برای جلوگیری از تولید پاتوژن‌ها و سموم خطرناک طراحی شده‌اند نکات کلیدی این مطالعه: - پژوهشگران با استفاده از مدل‌های عمومی هوش مصنوعی، بیش از ۷۶۰,۰۰۰ توالی مصنوعی مرتبط با پروتئین‌های سمی مانند ریسین طراحی کردند - این توالی‌ها از طریق چهار نرم‌افزار غربالگری زیستی عبور داده شدند - درصد قابل‌توجهی از آن‌ها بدون شناسایی عبور کردند، حتی پس از به‌روزرسانی پایگاه داده تهدیدات - این آزمایش صرفاً دیجیتال بوده و هیچ پروتئینی تولید نشده، اما نشان‌دهنده‌ی شکاف‌های جدی در سامانه‌های امنیتی فعلی است پیامدها فراتر از یک هشدار فنی‌اند؛ این پژوهش نشان می‌دهد که رقابت تسلیحاتی در حوزه زیست‌فناوری و هوش مصنوعی، به مرحله‌ای رسیده که نیازمند بازنگری فوری در استانداردهای نظارتی، اخلاقی و فنی است. #هوش_مصنوعی #فناوری_در_خدمت_انسان 🍂@NeuronRC

انقلاب پنهان هوش مصنوعی؛ وقتی عامل‌های دیجیتال بی‌صدا زندگی ما را بازطراحی می‌کنند در گزارشی مفهوم «عامل‌های هوش مصنوعی» به‌عنوان بازیگران پنهان تحول دیجیتال معرفی شده‌اند سیستم‌هایی که بدون نیاز به فرمان مستقیم، تصمیم می‌گیرند، یاد می‌گیرند، و تعامل می‌کنند. این عامل‌ها، برخلاف چت‌بات‌های سنتی، می‌توانند وظایف پیچیده را به‌صورت مستقل انجام دهند؛ از رزرو سفر گرفته تا تحلیل داده‌های مالی یا مدیریت خانه‌های هوشمند. نکات کلیدی: - عامل‌های هوش مصنوعی به‌جای پاسخ‌گویی، به‌دنبال انجام مأموریت هستند - این سیستم‌ها با ترکیب مدل‌های زبانی، حافظه، و ابزارهای اجرایی، به سطحی از خودمختاری رسیده‌اند - شرکت‌هایی مانند OpenAI، گوگل و آمازون در حال توسعه زیرساخت‌هایی هستند که این عامل‌ها را به بخشی از زندگی روزمره تبدیل می‌کنند #هوش_مصنوعی #عامل_دیجیتال #فناوری_در_خدمت_انسان 🍂@NeuronRC

عامل‌های هوش مصنوعی؛ شش روندی که آینده را شکل می‌دهند در حالی که جهان هنوز درگیر درک ظرفیت‌های مدل‌های زبانی است، نسل تازه‌ای از سیستم‌های هوشمند در حال ظهورند: عامل‌های هوش مصنوعی سامانه‌هایی که نه‌تنها پاسخ می‌دهند، بلکه تصمیم می‌گیرند، برنامه‌ریزی می‌کنند و اجرا می‌کنند. در ۱۲ ماه آینده، این شش روند، مسیر پذیرش و گسترش عامل‌ها را هموار خواهند کرد: 1️⃣ خودمختاری در عمل عامل‌ها از پاسخ‌گویی فراتر رفته‌اند؛ آن‌ها می‌توانند مأموریت‌های چندمرحله‌ای را بدون دخالت انسان به انجام برسانند—از تحلیل داده تا اجرای خودکار وظایف پیچیده. 2️⃣ ادغام عمیق با زیرساخت‌های دیجیتال با اتصال به ابزارهای سازمانی، پایگاه‌های داده، و سیستم‌های ارتباطی، عامل‌ها به بازیگران واقعی در محیط‌های کاری و خانگی تبدیل می‌شوند. 3️⃣ حافظه بلندمدت و یادگیری زمینه‌محور عامل‌ها با حفظ سابقه تعاملات و درک اهداف کاربر، به سطحی از «یادگیری زمینه‌ای» می‌رسند که آن‌ها را به همراهانی هوشمند و سازگار بدل می‌کند. 4️⃣ سرمایه‌گذاری گسترده شرکت‌های پیشرو شرکت OpenAI، گوگل، آمازون و دیگر غول‌های فناوری، زیرساخت‌هایی را توسعه می‌دهند که عامل‌ها را به بخشی از زندگی روزمره بدل می‌کند—از خانه‌های هوشمند تا خدمات عمومی. 5️⃣ بازتعریف رابطه انسان و فناوری عامل‌ها نه‌تنها ابزار، بلکه شریک تصمیم‌سازی می‌شوند. این تغییر، مرزهای سنتی میان کاربر و سیستم را بازتعریف می‌کند. 6️⃣ پذیرش سازمانی و بازگشت سرمایه ملموس با افزایش بهره‌وری و کاهش هزینه‌ها، عامل‌ها به‌سرعت در حال ورود به سازمان‌ها هستند. سال ۲۰۲۵ می‌تواند نقطه عطفی در پذیرش گسترده آن‌ها باشد. #عامل_هوش_مصنوعی #هوش_مصنوعی #نورون #فناوری_در_خدمت_انسان 🍂@NeuronRC

⭕️ مقاله علمی به عامل هوش مصنوعی عملیاتی تبدیل می‌شود! ✍️ دانشگاه استنفورد یک سیستم فوق‌العاده ساخته که مقالات تحقیقاتی رو مستقیماً به عوامل هوش مصنوعی عملیاتی (AI Agents) تبدیل می‌کنه! دیگر مقاله را فقط نمی‌خوانید، بلکه با آن صحبت می‌کنید، آن را آزمایش می‌کنید و به چالش می‌کشید. ❌ چالش همیشگی تحقیق تا حالا چند بار خواستی کد یک مقاله رو اجرا کنی؟ 🔸کد رو پیدا می‌کنی، خراب از آب درمیاد. 🔸آموزش (Tutorial) رو می‌خونی، نرم‌افزارهای وابسته‌اش نیست. 🔸به نویسنده ایمیل می‌زنی... سکوت! 🔇 این بزرگترین مانع پیشرفت علم بود. اما استنفورد با Paper2Agent (مقاله به عامل) برای همیشه این بازی رو عوض کرد. ✅ اسم این سیستم Paper2Agent هست و کارش شگفت‌انگیزه: 🔄 بازآفرینی دقیق متدولوژی ذکر شده در مقاله 📈 اعمال اون متد روی مجموعه داده‌های شخصی شما 🧠 پاسخگویی به سؤالات، دقیقاً مثل خود نویسنده مقاله! 👈 لینک مقاله 👈 گیتهاب 🍂@NeuronRC

مسیر ۱۰ مرحله‌ای برای تبدیل شدن به متخصص هوش مصنوعی عاملی (Agentic AI)! دوستان متخصص، هوش مصنوعی عامل (Agentic AI) آینده است! برای تسلط بر این حوزه، این نقشه راه ۱۰ مرحله‌ای رو دنبال کنید: ✅ مراحل کلیدی تسلط بر Agentic AI 1️⃣ شناخت مفاهیم اصلی: * هوش مصنوعی عامل (Agent) چیه؟ فرقش با چت‌بات یا اسکریپت چیه؟ * اجزای اصلی: LLM (مغز)، Prompt (دستورات)، Tools (ابزارها)، Memory (حافظه)، و Environment (محیط). 2️⃣ شروع ساده: * یک کار ساده انتخاب کنید. * با استفاده از UI مدل‌هایی مثل GPT-4 یا Claude، یک System Prompt واضح بدید و رفتار عامل رو تست کنید. 3️⃣ یادگیری Prompting مخصوص عامل‌ها: * استفاده از Few-shot Examples و Role-based Task Prompting. * اضافه کردن Constraints و Expected Formats برای خروجی دقیق. 4️⃣ ساخت اولین عامل پایه: * اولین عاملتون رو بسازید: Prompt → Memory → Tool → Response. * اضافه کردن Error Handling و استفاده از ابزارهایی مثل LangChain یا n8n برای سازماندهی. 5️⃣ اضافه کردن حافظه (Memory): * درک حافظه کوتاه‌مدت (Buffer) و حافظه بلندمدت (Vector DBs). * ذخیره وظایف قبلی و به‌روزرسانی حافظه در هر جلسه. 6️⃣ بهره‌گیری از ابزارها (Tools) و API‌های خارجی: * یادگیری Function Calling. * اتصال ابزارهای خارجی مثل ماشین‌حساب، جستجوگر یا Webhook. 7️⃣ ساخت یک گردش کار کامل برای یک عامل: * ترکیب تمام آموخته‌ها برای یک Single-Agent Workflow کامل. 8️⃣ ایجاد سیستم‌های چند عاملی (Multi-Agent Systems): * اختصاص نقش‌ها (Planner, Executor, Critic). * استفاده از منطق Message Passing و به اشتراک‌گذاری Global Memory بین عامل‌ها. 9️⃣ استقرار و نظارت (Deploy & Monitor): * استفاده از پلتفرم‌هایی مثل Replit، Render، Vercel. * نظارت بر مصرف توکن، Latency، تنظیم API Rate Limits و Logging برای پایداری عامل. 🔟 پیوستن به اکوسیستم سازندگان (Builder Ecosystem): * مشارکت در پروژه‌های متن‌باز مثل LangChain، AutoGen، CrewAI. * تست عامل روی Real Benchmarks و اشتراک‌گذاری تجربیات. --- 💡 مزایا و تاثیر عملی: تسلط بر Agentic AI شما رو قادر می‌سازه تا سیستم‌های خودمختار (Autonomous) و مقیاس‌پذیر بسازید که فراتر از اتوماسیون ساده عمل می‌کنند و قادر به حل مسائل پیچیده در دنیای واقعی هستند. این یعنی ارتقاء شغلی و نوآوری بی‌سابقه! #هوش_مصنوعی_عامل #نقشه_راه_هوش_مصنوعی 🍂@NeuronRC