نقش هوش مصنوعی در کشف سوپرکاتالیزور جدید هسته اصلی این دستاورد علمی، توسعه یک «سوپرکاتالیزور» جدید است؛ ماده‌ای که می‌تواند واکنش شیمیایی تبدیل نیترات به آمونیاک را بسیار سریع‌تر و کارآمدتر انجام دهد. پژوهشگران در این پروژه از نوعی کاتالیزور ویژه به نام «کاتالیزور دو اتمی» یا DAC استفاده کردند. این فناوری با کاتالیزورهای سنتی تفاوت دارد، زیرا به جای استفاده از ساختارهای تک‌اتمی یا نانوذرات معمولی، از جفت اتم‌هایی استفاده می‌کند که عملکرد مکمل دارند. به گفته محققان، استفاده از دو اتم مکمل باعث می‌شود فرآیندهای پیچیده‌ای مانند انتقال الکترون، شکستن پیوندها، تشکیل پیوندهای جدید و ایجاد مولکول‌های واسطه با بازده بسیار بالاتری انجام شود. همین موضوع نقش مهمی در تبدیل مؤثر نیترات به آمونیاک ایفا می‌کند. نکته جالب‌تر این است که دانشمندان برای یافتن بهترین ترکیب اتمی، از هوش مصنوعی کمک گرفتند. به جای آنکه هزاران آزمایش مختلف به روش سنتی آزمون و خطا انجام شود، الگوریتم‌های هوش مصنوعی ترکیب‌هایی را که بیشترین پتانسیل را داشتند شناسایی کردند. این موضوع باعث شد پژوهشگران زمان بسیار زیادی را ذخیره کنند و فرآیند توسعه کاتالیزور به شکل چشمگیری سرعت بگیرد. 🍂 @NeuronRC

⭕هوش مصنوعی OpenAI یک مسئله هندسه دشوار و پیچیده ۸۰ ساله را حل کرد کمپانی OpenAI در دستاوردی بزرگ، اعلام کرده مدل استدلالی جدیدش موفق شده با ارائه یک اثبات، «مسئله فاصله واحد در صفحه» را که از سال ۱۹۴۶ توسط «پل اردوش» مطرح شده بود، حل کند. ریاضی‌دانان برای ۸۰ سال تصور می‌کردند چیدمان مبتنی‌بر «شبکه مربعی» بهینه‌ترین حالت است، اما هوش مصنوعی خانواده جدیدی از ساختارها را کشف کرده که عملکرد بهتری دارند. این موفقیت پس از حواشی ادعاهای نادرست پیشین این شرکت، با تأیید رسمی ریاضی‌دانان برجسته‌ای چون «نوگا آلون» و «ملانی وود» همراه شده است. 🔸«تیم گاورز»، برنده مدال فیلدز، این دستاورد را یک نقطه‌عطف دانسته و تأکید کرده که تاکنون هیچ اثبات دیگری از سوی هوش مصنوعی به چنین سطحی از اعتبار نرسیده است. نکته مهم اینکه مدل استدلالی OpenAI بدون آموزش تخصصی ریاضی، به‌طور مستقل توانسته استدلال‌های طولانی را حفظ و ایده‌های پیچیده جبری را برای حل مسئله‌ای هندسی به کار بگیرد. 🍂@NeuronRC

هوش مصنوعی راه تازه‌ای برای درمان ابولای کنگو پیدا کرد پژوهشگران مؤسسه تحقیقاتی ساوت‌وست در تگزاس با استفاده از نرم‌افزار داکینگ مولکولی «رودیوم» و ابزارهای هوش مصنوعی (از جمله مدل زبانی بزرگ گیمز)، نزدیک به دو دوجین ترکیب ضدویروسی را شناسایی کرده‌اند که پتانسیل درمان ابولای نوع باندی‌بوگیو را دارند. این سویه نادر که در حال حاضر جمهوری دموکراتیک کنگو را تحت تأثیر قرار داده، تا ۴۰ درصد مبتلایان را می‌کشد و هیچ داروی تأییدشده‌ای برای آن وجود ندارد. نرم‌افزار داکینگ مولکولی که در این مطالعه مورد استفاده قرار گرفته، یک شبیه‌سازی کامپیوتری است که قبل از آزمایش‌های گران و وقت‌گیر، به دانشمندان می‌گوید «کدام داروهای بالقوه احتمال بیشتری برای تاثیرگذاری دارند.» 🆔 @AiGovernance

🇮🇷به یاد همه دانش‌آموزان شهید میناب و برای همه دانش‌آموزان ایران 🇮🇷 🏛️ دانشگاه صنعتی امیرکبیر (پلی‌تکنیک تهران) برگزار می‌کند: 🌟 *دوره هوش مصنوعی برای دانش‌آموزان ایران* 🌟 این دوره با حضور و تدریس جمعی از اساتید و متخصصان مجرب هوش مصنوعی کشور و با هدف آشنایی دانش‌آموزان با دنیای هوش مصنوعی طراحی شده است. ✨ *ویژگی‌های دوره* ✅ آموزش مفاهیم اولیه، کاربردها و ابزارهای هوش مصنوعی ✅ مناسب برای تمامی مقاطع تحصیلی ابتدایی، متوسطه اول و متوسطه دوم ✅ جلسات عمومی برای همه مقاطع و جلسات اختصاصی برای هر مقطع ✅ تدریس توسط اساتید دانشگاه در حوزه هوش مصنوعی ✨ *جزئیات دوره* 🗓️ زمان: تیر و مرداد ۱۴۰۵ 💻 نحوه برگزاری: آنلاین 🎁 هزینه: رایگان ✨ *اطلاعات تماس* برای شرکت در دوره و اطلاع از زمان و نحوه برگزاری کلاس ها، ما را در پیام رسان بله به آدرس زیر دنبال کنید. 🌐 آدرس کانال: http://ble.ir/ai4students 💬 شناسه کانال در پیام رسان بله: @ai4students 🛟 شناسه پشتیبان کانال: @ai4students_admin 📧 ایمیل: ai4students168@gmail.com 🚀 🇮🇷 آینده ایران را با علم می‌سازیم. 🍂 @NeuronRC

تحلیل داده‌های ماهواره‌ای: آلودگی آتش‌سوزی تأسیسات نفتی تهران به اندازه فوران آتشفشان بود مطالعه جدید دانشمندان چینی با استفاده از داده‌های ماهواره‌های چینی و اروپایی نشان می‌دهد که در پی انفجار تأسیسات نفتی و انبارهای سوخت تهران، حدود ۲۹۸۰۰ تن گاز سمی دی‌اکسید گوگرد وارد جو شده بود. این میزان معادل فوران چندروزه آتشفشانی همچون کیلاویا (Kīlauea) در هاوایی است، و غلظت این گاز را در جو به ۲.۵ برابر وضعیت عادی رسانده بود. محققان توانستند با تکیه بر فناوری سنجش از دور ماهواره‌ها، حرکت این توده سمی را تا مسافت ۲۰۰۰ کیلومتری در بخش‌هایی از خاورمیانه و شرق آسیا ردیابی کنند. این مقاله می‌گوید طبق گزارش‌های محلی، برخی از ساکنان منطقه دچار سردرد، طعم تلخ در دهان، تحریک چشم و پوست و مشکلات تنفسی شده بودند. 🍂@NeuronRC

هوش مصنوعی Copilot Health برای بررسی تخصصی وضعیت سلامتی منتشر شد مایکروسافت نسخه اولیه ابزار جدید خود به نام Copilot Health را در دسترس قرار داد. این دستیار هوش مصنوعی شخصی‌سازی‌شده تاریخچه پزشکی شما را می‌شناسد، داده‌های ورزشی و تندرستی‌تان را درک می‌کند و به شما کمک می‌کند تا پرونده‌ها و آزمایش‌های پزشکی خود را در یک بستر واحد تحلیل و مدیریت کنید. این قابلیت جدید به عنوان یک بخش اختصاصی درون چت‌بات کوپایلت و در آدرس اینترنتی ویژه آن در دسترس کاربران قرار گرفته است تا به پرسش‌های مرتبط با سلامت آنها پاسخ دهد. البته درحال‌حاضر، نسخه پیش‌نمایش کوپایلت هلث برای کاربران بالای ۱۸ سال در ایالات متحده که اشتراک فعال مایکروسافت ۳۶۵ دارند، در دسترس قرار گرفته است. 🆔 @AiGovernance

شناسایی «نیت» افراد با استفاده از هوش مصنوعی براساس اسنادی که توسط محققان دانشگاه Vanderbilt بررسی شده، شرکت چینی Geedge Networks درحال استفاده از مدل‌های هوش مصنوعی برای تحلیل داده‌های موقعیت مکانی، الگوهای استفاده از اینترنت، تماس‌های تلفنی و حتی تاریخچه تماشای فیلم و مطالعه کتاب شهروندان است هدف نهایی این پردازش‌ها، ساخت پروفایل‌های رفتاری دقیق برای شناسایی «نیت» افراد است تا سیستم بتواند کسانی را که ممکن است در آینده به منتقدان دولت تبدیل شوند، شناسایی کند. براساس صورت‌جلسه یکی از نشست‌های این شرکت در تاریخ ۵ فوریه ۲۰۲۴، تمرکز تیم تحقیقاتی روی «کشف اطلاعات مضر» بوده است؛ عبارتی که حزب کمونیست چین معمولاً برای توصیف نارضایتی‌های سیاسی یا محتوای مخالف دولت به کار می‌برد. 🍂 @NeuronRC

🌱 الْحَمْدُ لِلَّهِ الَّذِی جَعَلَنَا مِنَ الْمُتَمَسِّکِینَ بِوِلاَیَهِ أَمِیرِالْمُؤْمِنِینَ وَالْأَئِمَّهِ المعصومین عَلَیْهِمُ السَّلاَمُ 🌱 🍂@NeuronRC

اساتید دانشگاه استنفورد در پاسخگویی به سؤالات حقوقی از هوش مصنوعی شکست خوردند پژوهش جدید نشان می‌دهد که در پاسخ‌گویی به سؤالات دانشجویان حقوق، اساتید این رشته پاسخ‌های تولیدشده توسط هوش مصنوعی را به پاسخ‌های همکاران انسانی خود ترجیح می‌دهند. این یافته‌ها در حوزه‌ای که کاملاً به قضاوت و استدلال وابسته است، می‌تواند آینده آموزش عالی و نحوه تدریس در دانشگاه‌ها را دگرگون کند. در این پژوهش، محققان ۴۰ سؤال از مباحث «حقوق قراردادها» را که معمولاً دانشجویان در کلاس یا ساعات اداری می‌پرسند، طراحی کردند و به هوش مصنوعی و اساتید دانشگاه استنفورد دادند. سپس ۱۶ استاد حقوق از دانشگاه‌های برجسته آمریکا مثل ییل، نیویورک و شیکاگو بدون اینکه بدانند کدام پاسخ متعلق به همکارانشان و کدام متعلق به هوش مصنوعی است، به ارزیابی آن‌ها پرداختند که درنهایت، سیستم‌های هوش مصنوعی توانستند عملکردی کاملاً هم‌تراز و در مواردی بهتر از بهترین اساتید حاضر در مطالعه ثبت کنند. در این پژوهش هوش مصنوعی موفق شد در ۷۵ درصد از رقابت‌ها، نمره بالاتری نسبت به اساتید حقوق کسب کند و به عنوان گزینه برتر انتخاب شود. 🍂 @NeuronRC

رتبه‌بندی مشاغلی که از سوی هوش مصنوعی در معرض خطر هستند تصویر گرافیکی بالا بر پایه داده‌های Microsoft Research ساخته شده؛ داده‌هایی که بررسی کرده‌اند مردم چگونه از هوش مصنوعی استفاده می‌کنند و این وظایف تا چه اندازه با فعالیت‌های شغلی هم‌خوانی دارند. 📌روش پژوهش 🔻در این تحلیل، مایکروسافت ۲۰۰ هزار گفت‌وگوی کاربران آمریکایی با Copilot را در سال ۲۰۲۴ بررسی کرده است. 🔻 این گفت‌وگوها بر اساس میزان موفقیت هوش مصنوعی در انجام وظایف سنجیده شدند. 🔻 در مرحله بعد، سطح ارتباط هر وظیفه با هر شغل تحلیل شد. 🔻 سپس برای هر شغل یک امتیاز کلی بر پایه این شاخص‌ها محاسبه گردید؛ هرچه امتیاز بالاتر بود، میزان مواجهه آن شغل با هوش مصنوعی هم بیشتر در نظر گرفته می‌شد. ✅نتیجه پژوهش: 🔸مترجمان و مفسران در رتبه نخست قرار گرفتند، چون ۹۸ درصد از کارکردهای شغلی آن‌ها با گفت‌وگوهای Copilot تطابق داشت. 🔸 برخی از مشاغل دانش‌محور مانند مورخی و نویسندگی هم میزان هم‌پوشانی بالایی با هوش مصنوعی داشتند. 🔸کارمندان پذیرش مسافر و نمایندگان خدمات مشتریان که در مجموع نزدیک به سه میلیون شغل را در آمریکا تشکیل می‌دهند، در میان ۱۰ رتبه اول قرار گرفته‌اند. 🔸 شغل رستوران‌داری هم سطح بالایی از مواجهه با هوش مصنوعی را نشان داده است؛ ✔️موضوع پژوهش های آینده با این حال، اینکه آیا مشتریان از حضور یک ماشین که وظایف محیط غذاخوری را انجام می‌دهد رضایت داشته‌اند یا نه، دست‌کم در دنیای امروز، همچنان جای تردید دارد. منبع 🍂@NeuronRC

🔹 هوش مصنوعی هنوز حریف ریاضیدانان برتر نمی‌شود پژوهش جدید پروژه «First Proof» نشان می‌دهد که با وجود پیشرفت‌های چشمگیر هوش مصنوعی، این فناوری هنوز در حل مسائل کاملاً جدید ریاضی به سطح برترین متخصصان انسانی نرسیده است. 📌 روش پژوهش 🔻 ۱۰ مسئله ریاضی در سطح پژوهش انتخاب شد که پیش‌تر در هیچ مقاله یا اینترنت منتشر نشده بودند. 🔻 این مسائل به‌صورت کاملاً خودکار در اختیار ۴ سامانه هوش مصنوعی قرار گرفت. 🔻 پاسخ‌ها توسط ۳۰ ریاضیدان متخصص و به‌صورت رسمی ارزیابی شدند. ✅ نتیجه پژوهش 🔸 بهترین سامانه توانست تنها ۶ مسئله از ۱۰ مسئله را حل کند. 🔸 هیچ‌یک از مدل‌های هوش مصنوعی به توانایی برترین ریاضیدانان انسانی نرسیدند. 🔸 برخی مدل‌ها دچار «توهم» شدند و پاسخ‌های نادرست یا بدون استناد علمی ارائه کردند. 🔸 نتایج نشان می‌دهد هوش مصنوعی فعلاً بیشتر یک دستیار پژوهشی قدرتمند است تا جایگزینی برای نبوغ انسانی. ✔️ موضوع پژوهش‌های آینده پژوهشگران پیشنهاد می‌کنند نسل‌های آینده هوش مصنوعی در حل مسائل جدید، بررسی اثبات‌های ریاضی، کاهش خطاهای استدلالی و همکاری مؤثرتر با ریاضیدانان انسانی مورد ارزیابی قرار گیرند تا مشخص شود مرز واقعی توانایی این فناوری کجاست. منبع: Nature / ایسنا 🍂@NeuronRC

🔹 هوش مصنوعی، پلیس آینده؟ پژوهشگران مدل جدیدی از هوش مصنوعی توسعه داده‌اند که می‌تواند زمان و مکان وقوع جرم را با دقت بیشتری نسبت به روش‌های پیشین پیش‌بینی کند. 📌 موضوع پژوهش طراحی یک مدل هوش مصنوعی برای پیش‌بینی وقوع جرائم با تحلیل هم‌زمان مکان، زمان و الگوهای اجتماعی. 🔬 روش پژوهش 🔻 پژوهشگران از ترکیب چند مدل هوش مصنوعی شامل شبکه‌های عصبی گراف (GCN)، ترنسفورمر (Transformer) و شبکه مولد تخاصمی (GAN) استفاده کردند. 🔻 این مدل با داده‌های تاریخی جرائم در شهرهای مختلف آمریکا از جمله لس‌آنجلس و سیاتل آموزش و ارزیابی شد. 🔻 هدف، شناسایی هم‌زمان الگوهای مکانی و زمانی وقوع جرم بود. ✅ نتایج پژوهش 🔸 مدل پیشنهادی در پیش‌بینی سرقت، به دقت ۸۶٫۳ درصد رسید؛ در حالی که بهترین روش‌های قبلی ۸۳٫۲ درصد دقت داشتند. 🔸 این مدل در سایر انواع جرائم نیز عملکرد مطلوبی از خود نشان داد. 🔸 پژوهشگران معتقدند این فناوری می‌تواند به تخصیص بهتر نیروهای پلیس و پیشگیری از جرم کمک کند. ✔️ موضوع پژوهش‌های آینده مدل هنوز در مناطقی که داده‌های جرم کم است یا سابقه تاریخی کافی وجود ندارد، عملکرد ضعیف‌تری دارد. پژوهشگران قصد دارند با استفاده از یادگیری انتقالی (Transfer Learning)، دقت مدل را در این مناطق نیز افزایش دهند. 📚 منبع: International Journal of Innovative Computing and Applications 🍂 @NeuronRC