پنکیک سواپ پیش‌بینی بازار با استفاده از هوش مصنوعی را راه‌اندازی می‌کند

پنکیک سواپ پیش‌بینی بازار با استفاده از هوش مصنوعی را راه‌اندازی می‌کند

by with No Comment AICryptocurrencyEthereum

کاربران آربیتروم Arbitrum اکنون می توانند با استفاده از بازار مبتنی بر هوش مصنوعی پنکیک سواپ PancakeSwap، حرکات قیمت اتر را پیش بینی کرده و از داده های یادگیری ماشینی آلورا برای بهینه کردن دقت این پیش بینی استفاده کنند.

پنکیک سواپ “صرافی غیرمتمرکز چند زنجیره ای DEX” به تازگی با شبکه آلورا برای راه اندازی بازار پیش بینی مبتنی بر هوش مصنوعی AI در آربیتروم شریک شده است.

این بازار پیش‌بینی جدید، خوراک داده‌های قیمت مبتنی بر هوش مصنوعی را ارائه می‌کند، شایان توجه است که این داده ها از طریق شریک جدید پنکیک سواپ، شبکه هوش مصنوعی غیرمتمرکز “آلورا” منشأ می‌گیرند.

از طریق قابلیت‌های یادگیری ماشینی Allora، کاربران پنکیک سواپ می‌توانند حرکت قیمت اتر را در آربیتروم ARB پیش‌بینی کنند.

در مصاحبه ای با Chef Gyoza مدیر محصول پنکیک سواپ، وی تصمیم به همکاری با آلورا را به صورت زیر بیان کرد:
در طول 3 سال گذشته، مدل‌های ساخته شده توسط تیم آزمایشگاه آلورا (که قبلا به عنوان Upshot شناخته می‌شد) به طور موثر پیش‌بینی قیمت بیش از 400 میلیون دارایی را با ضریب اطمینان 95 تا 99 درصد و با ارائه دقیق‌ترین پیش‌بینی‌ها انجام داده است.

و اما چگونه کار می کند
مدل‌های پیش‌بینی قیمت هوش مصنوعی آلورا احتمال افزایش یا کاهش قیمت دارایی‌های مختلف کریپتو را پیش‌بینی می‌کنند و کاربران می‌توانند همسو با آن و یا مخالف آن پیش‌بینی ها حرکت کنند.

فرآیند پرداخت آن بر اساس دقت هوش مصنوعی هدایت شده و در طول زمان با توجه به عملکرد هوش مصنوعی تنظیم می شوند، درست مانند کاربران که در بازار پیش بینی، پیش بینی می کنند.

Gyoza عملکرد در بازار پیش بینی جدید را خلاصه کرده و گفت:
«کاربران پنکیک سواپ می‌توانند از پیش‌بینی هوش مصنوعی پیروی کنند و یا با آن مخالفت کنند. از آنجایی که عملکرد و رکورد هوش مصنوعی در تست‌های ما به دقتی نزدیک به 65 درصد رسیده است، کاربران باید انتخاب کنند که چه زمانی با هوش مصنوعی مخالفت کنند، تا طبیعتاً شانس بیشتری داشته باشند.»

جلوگیری از سوء استفاده
Gyoza در مورد پتانسیل دستکاری بازار و استفاده کاربران از ویژگی جدید بازار پیش بینی، افزود:
«کاربران می‌توانند کل تاریخچه هر چرخه بازار، تاریخچه فید قیمت و تاریخچه پیش‌بینی هوش مصنوعی را از طریق قسمت تاریخچه در صفحه پیش‌بینی ردیابی کنند و در آخر هر چرخه نیز تمام نتایج از طریق قرارداد پیش‌بینی v2 در زنجیره تسویه می شوند.»

گیوزا توضیح داد که پیش‌بینی هوش مصنوعی تنها پس از قفل شدن چرخه ها صادر می شود تا از دستکاری نتایج جلوگیری ‌کند، بدین ترتیب که برای جلوگیری از تأثیر پذیری کاربران از پیش بینی هوش مصنوعی برای منافع خود، پنکیک سواپ چرخه را قبل از فاش شدن پیش بینی هوش مصنوعی قفل می کند. این بدان معنا که کاربران نمی توانند انتخاب هوش مصنوعی را قبل از شرط بندی خود ببینند.

همچنین کاربران به جای بیان مستقیم حدس خود (بالا یا پایین)، به سادگی پول را در استخری که فکر می کنند برنده می شوند، قرار می دهند. این امر همه را در مورد موقعیت های فردی در تاریکی نگه می دارد و از تلاش کاربران برای دستکاری بازار با شرط بندی بر اساس پیش بینی هوش مصنوعی قبل از افشای آن جلوگیری می کند.

به طور خلاصه، پنکیک سواپ این سیستم را به روشی طراحی کرده تا پیش‌بینی قیمت هوش مصنوعی خود را تا حد امکان منصفانه و دقیق انجام دهد.

Gyoza نظر پنکیک سواپ را در مورد تأثیری که این پیش‌بینی ها به عنوان یک ویژگی جدید در بازار، می‌تواند بر نقدینگی و نوسانات روی پلتفرم خود داشته باشد را به صورت زیر بیان کرد:
«در حال حاضر، ما فکر نمی‌کنیم که بتواند تا حد زیادی بر بازار تأثیر بگذارد، زیرا هنوز یک محصول نوپا است. با این حال، ما معتقدیم که با آلورا به عنوان یک شریک، می‌توانیم پیش‌بینی‌ها را به بسیاری از بازارهای دیگر، هم در داخل و هم خارج از زنجیره گسترش دهیم.»

پنکیک سواپ به هوش مصنوعی تبدیل می شود
پنکیک سواپ اخیراً اعلام کرد که در حال آماده شدن برای راه اندازی CupcakeHop، یک ابزار مدیریت پورتفولیوی مبتنی بر هوش مصنوعی است که توسط Bril Finance توسعه یافته است.

این ابزار جدید که قرار است در ماه آگوست معرفی شود، برای ارائه استراتژی‌های سرمایه‌گذاری مناسب و مدیریت ریسک در لحظه برای تعداد مخاطبان بسیاری طراحی شده است.

سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

Click for reference

مایکروسافت از رایانه های شخصی مجهز به تراشه‌های هوش مصنوعی و کوپایلوت رونمایی کرد

مایکروسافت از رایانه های شخصی مجهز به تراشه‌های هوش مصنوعی و کوپایلوت رونمایی کرد

by with No Comment AITechnology

در یک رویداد ویژه مایکروسافت از آخرین نسل دستگاه های سرفیس پرو و سرفیس لپ تاپ خود با نام رایانه های شخصی + کوپایلوت رونمایی کرد. این رایانه ها دارای تراشه‌های پیشرفته هوش مصنوعی کوالکام هستند که برای افزایش عملکرد و افزایش عمر باتری طراحی شده‌اند، که در کل گامی رو به جلو در یکپارچه‌سازی قابلیت‌های هوش مصنوعی در رایانه های  شخصی می باشد.

گسترش دامنه رایانه های شخصی مجهز به هوش مصنوعی

هم اکنون علاوه بر محصولات سرفیس، چندین سازنده کامپیوتر دیگر نیز از جمله لنوو، دل، اچ‌پی، ایسوس، ایسر و سامسونگ، رایانه‌های شخصی مجهز به هوش مصنوعی را عرضه می‌کنند. این دستگاه‌ها از پردازنده‌های اسنپدراگون ایکس الیت و ایکس پلاس کوالکام بهره می‌برند که عمر باتری بیشتری داشته و توانایی اجرای ربات چت هوش مصنوعی مایکروسافت را امکان پذیر می کند.

این رایانه‌های جدید با استاندارد کوپایلوت مایکروسافت مطابقت داشته و حداقل سطح عملکرد، ذخیره‌سازی و حافظه را در اختیار دارند. با توجه به سخنان سخنران اصلی مایکروسافت در پردیس ردموند – واشنگتن، مدل‌های آینده با تراشه‌های AMD و Intel نیز به این مجموعه خواهند پیوست.

ویژگی ها و قابلیت های پیشرفته

رایانه های شخصی تازه معرفی شده طیف وسیعی از ویژگی های مبتنی بر هوش مصنوعی، از جمله ترجمه صوتی، پیشنهادات پاسخ پیام برخط و تغییرات در تنظیمات سیستم را ارائه می دهند. این دستگاه‌ها همچنین می‌توانند کاربران را در گفتگو درباره محتوای روی صفحه‌نمایش درگیر کنند. یکی از موارد قابل توجه، ویژگی Recall است که از طریق آن می توان گزارشی از اقدامات قبلی که در رایانه شخصی انجام پذیرفته دریافت کرده و در آن به جستجو پرداخت، همچنین برای اطمینان از حفظ حریم خصوصی فرایند فوق کاملاً آفلاین انجام می پذیرد. این ویژگی به همراه توانایی تولید تصاویر از توضیحات متنی، نقاشی و ادغام مدل های پیشرفته هوش مصنوعی را به همراه دارد که بدون نیاز به اتصال به اینترنت کار می کنند.

با این ابتکار مایکروسافت قصد دارد، بوسیله استفاده از تراشه‌های مبتنی بر Arm کوالکام، موقعیت خود را در بازار رایانه‌های شخصی مستحکم کند. حرکت یاد شده در حالی صورت می‌گیرد که هم اکنون اپل با مک‌بوک‌های مبتنی بر پردازنده Arm به‌طور قابل‌توجهی بر سهم بازاری که به‌طور سنتی در اختیار اینتل بوده، نفوذ کرده است. استراتژی جدید مایکروسافت ارائه دستگاه‌هایی با عملکرد بالا و مجهز به هوش مصنوعی است که بتوانند با محصولات اپل رقابت کرده و تجربه کاربر بهتری را با قابلیت‌های پردازش هوش مصنوعی قوی ارائه کنند.

 

تحلیلگران مورگان استنلی پیش‌بینی ‌کردند که تا سال 2026، سیستم‌های مبتنی بر پردازنده های Arm با توجه به عملکرد خوب و کارایی بهتر باتری، 14 درصد از کل تولید رایانه‌های شخصی ویندوز را به خود اختصاص خواهند داد که افزایش قابل توجهی نسبت به میزان 0 درصد در سال 2023 است.

مشخصات محصول و قیمت

سری Surface Pro که به دلیل سخت افزار قوی آن شناخته می شود، اکنون از سری پردازنده های Snapdragon X استفاده می کند. هدف این به‌روزرسانی رفع مشکلات عملکرد گذشته مرتبط با تراشه‌های کوالکام در دستگاه‌های ویندوز است. همچنین سرفیس پرو از صفحه‌کلید 450 دلاری جدید فلکس بهره مند است، این صفحه‌کلید جدید شامل یک قلم باریک می باشد که می‌توان آن را در محل خود، در بالای صفحه‌کلید قرار داد و یا جدا کرده و از آن استفاده کرد. طراحی محکم‌ و بهره مندی از یک تاچ پد بزرگ‌ برای دسترسی بهتر، از قابلیتهای ویژه این صفحه‌کلید است.

از اهداف اصلی این سرفیس پرو به روز شده استفاده از مزایای جدید پردازنده های کوالکام می باشد تا آن را با قابلیت های هوش مصنوعی مایکروسافت ترکیب کند. انتظار می رود این دستگاه ها عملکرد و عمر باتری بهتری ارائه داده و کاستی های مدل های قبلی را برطرف کنند. مدیر عامل مایکروسافت، ساتیا نادلا، تاکید کرد که این پیشرفت‌ها آغاز مرحله جدیدی برای ویندوز و پردازنده ها است و روز به روز سیستم‌های هوش مصنوعی در تعاملات کاربر و عملکرد کلی دستگاه یکپارچه‌تر می‌شوند.

چندی است پیش‌سفارش‌ رایانه‌های شخصی کوپایلوت با نرخ پایه 999 دلار آغاز شده و به زودی در دسترس خواهند بود. این طیف جدید از دستگاه‌های تقویت‌شده با هوش مصنوعی تعهد مایکروسافت به ادغام ویژگی‌های پیشرفته هوش مصنوعی در استفاده روزمره از رایانه ها را با هدف ارائه تجربیات بصری و پاسخگو بودن به نیاز کاربران نشان می‌دهد.

راه اندازی این رایانه های شخصی مجهز به هوش مصنوعی بخشی از استراتژی گسترده تر مایکروسافت برای ادغام هوش مصنوعی مولد در میان محصولات خود است و از زمان انتشار ربات چت ChatGPT توسط OpenAI که توسط مایکروسافت پشتیبانی می شود، شروع شده و این شرکت به طور مداوم قابلیت های هوش مصنوعی را در محصولات خود گسترش داده است. ربات چت Copilot با استفاده از مدل‌های هوش مصنوعی ChatGPT، در حال حاضر در موتور جستجوی بینگ و سیستم‌عامل‌های ویندوز و همچنین در نرم‌افزار کاربردی مایکروسافت آفیس موجود است.

سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

Click for reference 

Nvidia's Earnings Could Be The Much-Needed Spark To Reignite US Stock Rally: JPMorgan Traders

انویدیا، جرقه مورد نیاز برای احیای رالی صعودی سهام ایالات متحده

by AI

چه اتفاقی افتاد: بلومبرگ روز پنجشنبه گزارش داد که معامله گران JPMorgan به رهبری اندرو تایلر، رئیس بخش اطلاعات بازار ایالات متحده، پیشنهاد کردند که درآمد انویدیا NVIDIA Corp به طور بالقوه می تواند باعث ایجاد یک احساس صعودی مجدد در بازار نسبت به سهام ایالات متحده شود.

این گزارش که پیش از افتتاح بازار در روز پنجشنبه منتشر شد، پیش‌بینی کرده که درآمد انویدیا می‌تواند نگرانی‌ها در مورد کاهش احتمالی نرخ بهره فدرال رزرو را تحت الشعاع قرار داده و به موج جدیدی از اشتیاق برای خرید سهام ایالات متحده منجر شود.

این پیش‌بینی محقق شد زیرا درآمدهای انویدیا، ناشی از تأثیر فزاینده فناوری هوش مصنوعی، باعث شد تا شاخص S&P 500 بیش از 2 درصد افزایش یابد که بهترین روز خود از ماه نوامبر را نشان می‌داد و شاخص سهام “نزدک 100” با فناوری سنگین نیز بیش از 3 درصد افزایش یافت.

بگفته تایلر “این رویداد ممکن است یک کاتالیزور باشد، نه تنها برای وال استریت که از نظر مادی نسبت به سهام ایالات متحده صعودی تر شود، بلکه شاهد جدایی بیشتر سهام و بازدهی آن باشیم، زیرا Magnificent 7 بدون توجه به شرایط نرخ بهره، انتظارات درآمدی را برآورده می کند.”

علیرغم رکود اخیر بازار به دلیل افزایش غیرمنتظره قیمت مصرف کننده و تولیدکننده، درآمد انویدیا امیدها را برای ادامه روند صعودی سال گذشته تجدید کرده است.

چرا این رویداد مهم است: این پیش بینی از میز معاملات JPMorgan در پی گزارش درآمد چشمگیر انویدیا، منجر به افزایش ارزش بازار این شرکت به نزدیک به 2 تریلیون دلار شده است. این گزارش همچنین پیش‌بینی‌های جسورانه جنسن هوانگ، مدیرعامل انویدیا در مورد آینده هوش مصنوعی و نقش این شرکت در آن را دنبال می‌کند. بنابراین این پیشرفت‌ها باعث علاقه مجدد به پتانسیل بلندمدت انویدیا شده است.

در همین حال، جیم کرامر از CNBC از سرمایه گذاران خواسته است که فراتر از شک و تردید نگاه کرده و سهام برنده را بپذیرند، وی همچنین از انویدیا به عنوان مثالی موفق یاد کرد. او معتقد است که بسیاری از سرمایه‌گذاران چشم‌انداز بلندمدت سهام را نادیده گرفته و در عوض بر رویدادهای کلان مانند افزایش نرخ بهره فدرال رزرو تمرکز کرده‌اند.

سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

 

Click for reference

What You Need to Know About White Box and Black Box AI

آنچه باید در مورد هوش مصنوعی جعبه سیاه و جعبه سفید بدانیم

by AI

استفاده از هوش مصنوعی (AI) گفتگو های قابل توجهی را به ویژه به دلیل پیدایش نسبتاً نو و سرشت غیرقابل پیش بینی آن به سوی خود جلب کرده است و کماکان بحث های گسترده ای در مورد امن ترین و اخلاقی ترین رویکردها، برای برپایی آن ادامه دارد.

این راهنما به استفاده از هوش مصنوعی جعبه سیاه، سفید و ارزیابی شایستگی های نسبی آنها می پردازد. این بحث فراتر از گفتمان نظری صرف است، زیرا بر تدوین قوانین و سیاست‌های مختلف تأثیر گذاشته و انواع مزایا و خطرات درک شده آن را منعکس می‌کند.

هوش مصنوعی جعبه سفید

به طور معمول، سیستم های هوش مصنوعی با پردازش داده های موجود به نتایج منطقی می رسند. این نتیجه‌گیری‌ها ممکن است مانند یک سیستم سنجش برای تأیید یا رد یک برنامه و یا تولید داده‌های جدید مانند نوشتن ایمیل عمل کنند. هوش مصنوعی جعبه سفید با شفافیت در عملکرد الگوریتمی و فرآیندهای تصمیم گیری آن مشخص می شود.

یک سیستم هوش مصنوعی را در نظر بگیرید که برای ارزیابی درخواست های وام برای تعیین واجد شرایط بودن متقاضی تعیین شده است. سیستم‌های هوش مصنوعی جعبه سفید، آشکارا فرآیند تحلیل خود را از جمله معیارهای در نظر گرفته شده و منطق پشت نتیجه‌گیری‌هایشان را افشا می‌کنند. این شفافیت کاربران و توسعه دهندگان هوش مصنوعی را قادر می سازد تا عوامل موثر بر تصمیم گیری هوش مصنوعی را درک کرده و راه حل های بالقوه آن را پیش بینی کنند.

هوش مصنوعی جعبه سفید اغلب از مدل‌های یادگیری ماشینی مانند رگرسیون خطی، درخت تصمیم و سیستم‌های مبتنی بر قانون استفاده می‌کند، که سادگی و قابل پیش بینی بودن آنها را به ویژه برای بخش هایی مانند تجارت “که در آن شفافیت بسیار ارزشمند است” مناسب می کند.

هوش مصنوعی جعبه سیاه

هوش مصنوعی جعبه سیاه که بدون افشای مکانیسم های درونی فرآیند تصمیم گیری خود عمل می کند. ورودی‌ها به سیستم وارد شده و خروجی‌ها دریافت می‌شوند، اما کدهای زیربنایی و مسیرهای منطقی غیرقابل دسترس باقی می‌مانند. برای مثال، در مورد پردازش درخواست وام، هوش مصنوعی ممکن است بدون افشای معیارهای تصمیم‌گیری، درخواست‌ها را تأیید یا رد کند.

هوش مصنوعی جعبه سیاه به دلیل دقت در پیش‌بینی مشهور است و اغلب از الگوریتم‌های یادگیری عمیق و پیچیده استفاده می‌کند که پیچیدگی‌های آن فراتر از درک کامل انسان است.

از لحاظ تاریخی، هوش مصنوعی جعبه سیاه به دلیل کمک های پیشگامانه اش، یک استاندارد مهم در این صنعت بوده، ولی استفاده از آن در بخش های خاصی به دلیل عدم شفافیت کاهش یافته است. با این وجود، هوش مصنوعی جعبه سیاه هنوز منسوخ نشده و نتایج استثنایی را ارائه می دهد که برای تحقیقات پیاپی هوش مصنوعی حیاتی است.

مقایسه این دو با هم

درک پویایی عملیاتی هوش مصنوعی جعبه سفید و جعبه سیاه سوال مهمی را مطرح می کند، که در حقیقت، هر کدام کاربرد ویژه خود را دارند و با تناسب به موضوع و بسته به زمینه فعالیت متفاوت است. برای کسب‌وکارهایی که داده‌های حساس را مدیریت می‌کنند یا خدمات ارائه می‌دهند، درک الگوریتم‌های هوش مصنوعی آنها بسیار مهم است که هوش مصنوعی جعبه سفید را به گزینه بهتری تبدیل می‌کند. با این حال، این اهمیت هوش مصنوعی جعبه سیاه را نیز تضعیف نمی کند. اگرچه دیگر معیار صنعت نیست، اما نقش مهمی در پیشرفت هوش مصنوعی ایفا کرده و راندمان عملیاتی و پتانسیل بالای آن برای پیشرفت های آینده قابل توجه است.

به طور خلاصه، هوش مصنوعی جعبه سفید برای کاربردهای صنعتی و بهره برداری ترجیح داده می شود و این در حالی است که هوش مصنوعی جعبه سیاه دارای پتانسیل پیشرفت های قابل توجهی برای آینده فناوری هوش مصنوعی می باشد.

ادغام مدل‌های هوش مصنوعی جعبه سفید و جعبه سیاه

همکاری بین مدل‌های هوش مصنوعی جعبه سفید و جعبه سیاه امکان‌پذیر است. یکی از نمونه های قابل توجه استفاده از مدل های تفسیرپذیری دنباله دار است و این مدل‌ها در تجزیه و تحلیل گذشته‌نگر فرآیندهای تصمیم‌گیری مدل‌های هوش مصنوعی مؤثر هستند. اگرچه مدل‌های هوش مصنوعی ممکن است تصمیم های خود را به طور طبیعی توضیح ندهند، اما مدل‌های تفسیرپذیری این تحلیل ها را آسان می‌کنند. این هم افزایی بی عیب هم نیست، اما با ترکیب کارایی عملیاتی هوش مصنوعی جعبه سیاه با شفافیت هوش مصنوعی جعبه سفید، برتری قابل توجهی را به همراه دارند.

در بخش‌های تنظیم‌شده خاصی که استفاده از هوش مصنوعی جعبه سیاه برای عملیات روزمره محدود است، همچنان می‌توان از آن به عنوان مکانیزم تأیید استفاده کرد. سناریویی را در نظر بگیرید که در آن تصمیم در ابتدا توسط هوش مصنوعی جعبه سفید پردازش می شود، سپس همان سازمان ممکن است از هوش مصنوعی جعبه سیاه برای ارزیابی مجدد این تصمیم استفاده کند و در نتیجه صحت تصمیم اولیه تأیید شود. این رویکرد استفاده از هر دو نوع هوش مصنوعی، عملکرد را افزایش داده و مزایای استفاده کاربران را به حداکثر می رساند.

فرصت ها و چالش های این دوگانه هوش مصنوعی

مزایای هوش مصنوعی جعبه سفید:

تصمیم گیری در بخش عمومی: هوش مصنوعی جعبه سفید که به دلیل داشتن شفافیت و کارآیی شناخته می شود، می‌تواند فرآیندهای تصمیم‌گیری در بخش عمومی را ساده‌تر کرده تا این فرآیندها بتواند با دستورالعمل‌های رسمی هماهنگ شده و تاخیرهای اداری را کاهش دهند.

شفافیت بخش حقوقی: در حوزه حقوقی، هوش مصنوعی جعبه سفید شفافیت را افزایش ‌داده و با کمک به فرآیندهای قضاوت، به نگرانی‌های دیرینه در این بخش پایان می دهد.

تصمیم‌گیری در محیط‌های قانونمند: شفافیت هوش مصنوعی جعبه سفید مطابقت فرایندها با مقررات سازمانی در محیط‌هایی مانند مؤسسات آموزشی، که استانداردهای مشخصی دارند را تضمین می‌کند.

بررسی و بهبود فرآیند: وضوح ارائه شده توسط هوش مصنوعی جعبه سفید، سازمان ها را قادر می سازد تا رویه های موجود خود را ارزیابی و اصلاح کنند. با استفاده از هوش مصنوعی تغییر متغیرها و پیشبینی نتیجه ای که بر کل فرآیندها می گذارند، می تواند نشان دهد که چگونه نتایج مبتنی بر تغییرات در کل فرایند تأثیر می گذارند.

پذیرش در زمینه‌های حساس: صنایعی که با مسائل مهمی مانند مسائل امنیتی و حقوقی سر و کار دارند، معمولاً در مورد پذیرش هوش مصنوعی مردد هستند. این سازمانها ممکن است هوش مصنوعی جعبه سفید را قابل قبول‌تر بدانند و این باور به طور بالقوه می تواند فرایند ادغام هوش مصنوعی در این زمینه‌ها را تسریع بخشد.

با این حال، مهم است که اذعان کنیم که استفاده از هوش مصنوعی جعبه سفید ممکن است به دلیل کاربردهای کمتر پیچیده ای که این فناوری در آن استفاده می شود، به اندازه هوش مصنوعی جعبه سیاه به پیشرفت های پیشگامانه منجر نشود و پیشرفت در هوش مصنوعی جعبه سفید ممکن است به سرعت پیشرفت نکند. علاوه بر این، نیاز هوش مصنوعی جعبه سفید به توضیح فرآیندهای استدلالی خود می‌تواند منجر به کندتر شدن زمان عملیات شده و آن را برای سناریوهای بیدرنگ نا مناسب کند.

مزایای هوش مصنوعی جعبه سیاه

کاربرد بخش مالی: تا کنون توانایی هوش مصنوعی جعبه سیاه برای پردازش کارآمد حجم زیادی از داده های مالی شناخته شده است، که بوسیله آن می تواند فرایند پیش بینی و رهنمود های بازار را آسان کرد.

توسعه سریع هوش مصنوعی: هوش مصنوعی جعبه سیاه با کمترین آموزش انسانی می‌تواند سریع‌تر از هوش مصنوعی جعبه سفید تکامل یابد و فرصت‌هایی را برای پیشرفت‌های سریع‌تر و کارآمدتر در فناوری هوش مصنوعی ارائه دهد.

پرداختن به محدودیت های انسانی: هوش مصنوعی جعبه سیاه به ویژه در زمینه هایی که درک انسان در آن کافی نیست، مانند کشف نادرستی یا مطالعه الگوهای رفتاری در گونه های زیستی غیر انسانی، ارزشمند است.

از جمله چالش‌های هوش مصنوعی جعبه سیاه شک و تردید فزاینده نسبت به الگوریتم‌های غیرشفاف هوش مصنوعی است که منجر به تردید در پذیرش، به‌ویژه در زمینه‌های دانشگاهی و سایر زمینه‌های حیاتی می‌شود. علاوه بر این، عدم مشاهده عملکرد داخلی هوش مصنوعی جعبه سیاه، نگرانی‌هایی را در مورد جانب داری نادرست و پافشاری بیخردانه احتمالی در تصمیم گیری ایجاد کرده و کاربرد آن را در بخش‌هایی که بی‌طرفی حیاتی است، مانند صنعت قضایی و وکالت مشکل‌ساز می‌کند. علاوه بر این، ناتوانی در تأیید نتایج هوش مصنوعی جعبه سیاه کماکان یک چالش مهم است.

نتیجه

هوش مصنوعی جعبه سفید و جعبه سیاه دو پارادایم متمایز، در توسعه هوش مصنوعی را در بر می گیرند: یکی شفافیت الگوریتمی کامل را در اولویت قرار می دهد، در حالی که دیگری با وجود عدم درک جامع از مکانیسم های آنها، پیشرفت های هوش مصنوعی را به همراه دارد. روندهای نظارتی فعلی به سمت احتیاط بیشتر گرایش دارند، اما هوش مصنوعی جعبه سیاه را از ملاحظات آینده حذف نمی کنند و همانطور که این فناوری نوین پیشرفت می کند، می توانیم پیش بینی کنیم که هر دو نوع هوش مصنوعی به طور گسترده مورد استفاده قرار گرفته و صرف نظر از درک کامل ما از عملکرد درونی آنها ما را به سمت پیشرفت تکنولوژی سوق دهند.

سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

Click for reference

Sam Altman to join new Microsoft AI research team as Twitch founder takes over OpenAI

موسس و مدیرعامل شرکت OpenAI به تیم تحقیقاتی هوش مصنوعی مایکروسافت می‌پیوندد

by AI

به گفته ساتیا نادلا، رئیس و مدیر عامل شرکت مایکروسافت، سام آلتمن، مدیر عامل سابق OpenAI، به مایکروسافت خواهد پیوست تا تیم تحقیقاتی جدید هوش مصنوعی پیشرفته را رهبری کند و از سوی دیگر Emmett Shear یکی از بنیانگذاران Twitch نیز مدیر اجرایی موقت OpenAI خواهد شد.

نادلا گفت: «ما مشتاقانه منتظریم تا با Emmett Shear و تیم رهبری جدید [OpenAI] آشنا شده و با آنها همکاری کنیم و بسیار هیجان زده هستیم که این خبر را به اشتراک بگذاریم که سام آلتمن و گِرِگ براکمن به همراه همکارانشان، به مایکروسافت خواهند پیوست تا یک تیم تحقیقاتی جدید پیشرفته هوش مصنوعی را رهبری کنند و مشتاقانه منتظر حرکت سریع این تیم هستیم تا منابع مورد نیاز برای موفقیت آنها را فراهم کنیم.»

بحران رهبری در OpenAI

تصمیم هیئت مدیره OpenAI برای دومین انتصاب موقت ظرف سه روز این بحران را نشان می دهد. در ابتدا، هیئت مدیره در تاریخ 17 نوامبر، میرا موراتی، مدیر ارشد فناوری را جایگزین آلتمن کرد، که این حرکت باعث ایجاد بحران در این شرکت هوش مصنوعی شده و منجر به خروج چهره های کلیدی مانند مدیر کل گِرِگ براکمن و سایر کارکنان ارشد شد.

در میان این تحولات، سهامداران اصلی، از جمله مایکروسافت و کارکنان OpenAI، در آخر هفته برای حمایت از بازگرداندن آلتمن تجمع کردند. با این حال، تلاش‌های آن‌ها تنها منجر به بازدید آلتمن از محل OpenAI، پوشیدن کارت مهمان و اظهار نظر در پلتفرم رسانه اجتماعی X شد.

بر اساس گزارشها هیئت مدیره آلتمن را به دلیل مشکلات ارتباطی و عدم اعتماد به توانایی های رهبری او، برکنار کرد. هیئت مدیره گفت که هدف از اخراج این است که تمرکز شرکت برای اطمینان از اینکه هوش عمومی مصنوعی به نفع بشریت است، را دوباره ترسیم کند.

انتصاب Shear با توجه به حضور محدود رهبری او در صنعت هوش مصنوعی شگفت‌انگیز است.

Shear در پادکست ژوئن در Logan Bartlett Show، بر اهمیت سرعت دادن محتاطانه در توسعه هوش مصنوعی برای اطمینان از ایمنی آن تاکید کرده و نگرانی‌های خود را در مورد این فناوری که به طور بالقوه از هوش انسانی پیشی خواهد گرفت، را ابراز کرد.

با این حال، او ضمن حمایت از یک رویکرد محتاطانه برای جلوگیری از عواقب ناخواسته و آسیب احتمالی، به پتانسیل هوش مصنوعی اذعان داشت: «زمانی که (هوش مصنوعی) بهتر شود، مشکلاتی مانند برنامه نویسی، طراحی تراشه، علم مواد، تولید نیرو و همه چیزهایی دیگری که برای طراحی آن به یک هوش مصنوعی نیاز است، به کلی حل می شوند. در آن مرحله، ما چیزی را ساخته‌ایم که می تواند پیشرفت کرده و خودسازی کند… این نوع هوش چیزی ذاتاً بسیار خطرناک است زیرا هوش قدرت است.

سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

Click for reference 

Meta’s AI Ambitions: A Potential Contender for OpenAI?

جاه طلبی هوش مصنوعی، آیا متا دردسری برای OpenAI می باشد؟  

by AI

بر پایه گزارش ها، شرکت متا در حال حاضر در حال توسعه یک مدل هوش مصنوعی آینده گرا است که انتظار می رود چالش بزرگی را برای مدل زبان GPT-4 “متعلق به OpenAI” ایجاد کند. این پروژه که طی چند سال در مسیر تکمیل قرار می گیرد، به احتمال زیاد مرحله آموزش را در اوایل سال 2024 شروع خواهد کرد.

قابل ذکر است که دو ماه پیش متا با معرفی سیستم هوش مصنوعی لاما Llama 2، وارد حوزه هوش مصنوعی شد. با این حال، پیش‌بینی می‌شود که مدل آتی هوش مصنوعی متا با اختلاف قابل توجهی از نوع فعلی آن بهتر عمل کرده و به‌طور قابل‌توجهی قدرتمندتر از نسل قبلی خود باشد. این مدل پیش رو آماده تا به کسب و کارها، توسعه تجزیه و تحلیل متن پیشرفته و خدمات مرتبط به آن کمک کند.

علاوه بر این، شرکت متا به طور فعال در حال ساخت مراکز داده است که نقش مهمی در تسهیل توسعه این سیستم پیشرفته را خواهد داشت. همزمان، متا خرید تراشه های نیمه هادی انویدیا H100  را که در حال حاضر قدرتمندترین و پرتقاضاترین تراشه های موجود در بازار برای هوش مصنوعی می باشد را افزایش داده است.

متا به چند دلیل قانع کننده این پتانسیل را دارد که حضور چشمگیری در چشم انداز هوش مصنوعی ایجاد کند. قابل ذکر است که مدل هوش مصنوعی لاما با استفاده از مجموعه داده ای حاوی 70 میلیارد پارامتر تحت آموزش قرار گرفته و این در حالی است که OpenAI با این که پارامترهای GPT-4 را به طور عمومی فاش نکرده ولی برآوردهای تقریبی نشان می دهد که آنها می توانند تقریباً 1.5 تریلیون پارامتر باشند که به طور قابل توجهی از مقیاس لاما فراتر می رود.

علاوه بر این، متا با استفاده از پلت فرم رسانه های اجتماعی خود، پایگاه کاربری گسترده ای دارد. فیس بوک، واتس اپ و اینستاگرام در بین پنج شبکه اجتماعی بزرگ جهان قرار دارند که هر کدام ماهانه بیش از 2 میلیارد کاربر دارند. در مقابل، ChatGPT در مجموع 180 میلیون کاربر را ثبت کرده که در چند ماه گذشته این تعداد کاهش قابل توجهی نیز داشته است.

به نظر می‌رسد که آخرین اهداف متا از نظر منطقی با قابلیت‌های مولد هوش مصنوعی که طبق گزارش‌های این شرکت در حال توسعه است، هماهنگ می باشند. در ماه ژوئن، اطلاعاتی درز پیدا کرده که حاکی از آزمایش یک ربات چت اینستاگرام با 30 شخصیت مختلف است، که شباهت هایی به “شخصیت های” تایید نشده هوش مصنوعی دارد و شایع شده که این شرکت اواخر این ماه از آنها ن آن رونمایی خواهد کرد.


سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

Click for reference

AI will reinvent DAOs and tokenized models will be valuable: Vance Spencer

هوش مصنوعی سازمان های خودگردان غیرمتمرکز را از نو می سازد “مدل های توکن شده ارزشمند خواهند بود”

by AIblockchain

یکی از بنیانگذاران Framework Ventures “ونس اسپنسر” هوش مصنوعی را بخش گمشده DAOها “سازمان های خودگردان غیرمتمرکز” دانسته و چشم‌انداز خود برای توکن‌ مدل‌های هوش مصنوعی را به اشتراک گذاشته و گفت که مدل‌های هوش مصنوعی آموزش‌دیده می‌توانند به دارایی‌های ارزشمندی در بلاک چین تبدیل شوند.

اسپنسر این بنیانگذار شرکت سرمایه گذاری متمرکز بر رمزارز، در گفتگویی با کوین تلگراف در هفته بلاک چین “5 سپتامبر – کشور کره” چهار پیش بینی خود در مورد چگونگی برخورد هوش مصنوعی و فناوری بلاک چین را به اشتراک گذاشت.

به گفته وی، یکی از بزرگترین تأثیرات این است که در نهایت هوش مصنوعی باعث غیرمتمرکز شدن “خودمختاری” در سازمان‌های خودمختار خواهد شد.

DAOها بر اساس مفهوم یک جمع غیرمتمرکز با هدفی مشترک می باشند که بدون هیچ قدرت مرکزی فراگیری پایه گذاری شدند. با این حال، بسیاری از بزرگترین DAOها هنوز تا عدم تمرکز یا خودمختاری کامل فاصله دارند.

این در واقع خودمختاری نیست، بلکه یک دسته از افراد در این وسط هستند و به نظر می رسد که هوش مصنوعی واقعاً تنها راه عملی برای ساختن مفهوم ارمانی DAO است.

در ماه مه مالک استیبل کوین DAI “Rune Christensen” نقشه راه پنج مرحله‌ای را برای ارتقای اکوسیستم خود منتشر کرد که شامل تمرکز قوی بر استفاده از هوش مصنوعی برای ایجاد یک «تعادل حاکمیتی» بود.

به گفته وی فاز سوم این نقشه راه، ابزارهای هوش مصنوعی را با هدف بهبود و احتمالاً خودکارسازی برخی جنبه های حکمرانی راه اندازی می کند.

کریستنسن اضافه کرد که این ابزارهای هوش مصنوعی در ابتدا به “همسطح کردن زمین بازی بین خودی های عمیقاً تعبیه شده و اعضای جامعه پیرامونی تر” کمک می کند، اما در نهایت به DAO اجازه می دهد تا فرآیندها و تصمیمات خود را در طول زمان “بدون نیاز به رهبری یا اختیار متمرکز” بهبود بخشد.

سپس اسپنسر پرسید: چه اتفاقی می‌افتد وقتی بازار سازی با خزانه‌ای‌ بزرگ، توسط یک هوش مصنوعی اداره ‌شود؟

او افزود: “این هوش مصنوعی می‌تواند کارهای واقعاً جالبی انجام دهد و فقط باید مداخله انسانی محدودی در آن انجام شود.”

مدل های آموزش دیده هوش مصنوعی می توانند ارزشمند شوند

اسپنسر همچنین آینده‌ای را می‌بیند که در آن مدل‌های آموزش‌دیده هوش مصنوعی در بلاک چین ها توکن‌سازی خواهند ‌شد و افزود که یک نمونه اولیه را می توان در برنامه و بازی غیرمتمرکز بومی اتریوم “AI Arena” مشاهده کرد که در آن بازیکنان یک مدل هوش مصنوعی را آموزش می دهند تا در یک بازی مبارزه ای شبیه به Smash Bros در پلتفرم سوپر نینتندو با یکدیگر بجنگند.

شرکت Framework Ventures در سال 2021 سرمایه گذاری 5 میلیون دلاری را به رهبری پارادایم در AI Arena انجام داد. در مورد این سرمایه گذاری اسپنسر گفت که در AI Arena بازیکنان مبارزان خود را کنترل نمی‌کنند، بلکه در عوض، این مبارزان توسط مدل‌های هوش مصنوعی کنترل می‌شوند که متعلق به بازیکنان بوده و پیشتر توسط آنان آموزش دیده‌اند.

او خاطرنشان کرد، در حالی که این فناوری فرایند معمول یک بازی را تغییر می‌دهد، این مالکیت زنجیره‌ای مدل‌های هوش مصنوعی «جایی است که رمزنگاری در آن جان می گیرد.»

اسپنسر گفت: «به نظر من، در آینده احتمالاً برخی از با ارزش‌ترین دارایی‌های زنجیره‌ای، مدل‌های AI توکن‌شده خواهند بود.»

موارد استفاده دیگر

در همین حال، بازارهای غیرمتمرکز محاسباتی مانند Akash Network و Render Network می‌توانند شاهد نقش ارزهای دیجیتال در رشد هوش مصنوعی باشند.

اسپنسر توضیح داد که پروتکل‌هایی مبتنی بر بلاک چین مانند یک بازار عمل می‌کنند که به خریداران اجازه می‌دهد تا قدرت پردازش محاسباتی مورد نیاز خود را از ارائه‌دهندگان آن خریداری کنند، که با توجه به کمبود فعلی تراشه‌های GPU به صورت ‌ویژه ای مهم است و در واقع داشتن شبکه ای است که بازار تأمین این منابع را راه اندازی می کند، بنابراین این چیزها باید کار کنند. هم اکنون نیز شرکت های بسیار موفقی وجود دارند که این دادوستد پروتکلی را انجام می دهند.

اسپنسر همچنین بیان کرد که فناوری بلاک چین برای ممیزی و تأیید اطلاعات ارائه شده توسط هوش مصنوعی نیز مهم است و توضیح داد: “بگویید که می خواهید ثابت کنید که این تکنولوژی مدل زبانی ChatGPT بوده و نه گوگل بارد و یا فالکون “مدل اماراتی هوش مصنوعی” که به شما پاسخ داده است.”

سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

 

 

Click for reference 

Artificial Intelligence Machines Will Dominate Blockchain Activity, Says Veteran Crypto Venture Capitalist

ماشین‌های هوش مصنوعی بر فعالیت‌های بلاک چین چیرگی خواهند داشت

by AIBitcoin

به گفته سرمایه گذار کهنه کار رمزارزها؛ ربات های هوش مصنوعی AI به زودی راه خود را به اکوسیستم رمزنگاری باز کرده و به بخش بزرگی از فعالیت های بلاک چین تبدیل خواهند شد.

“کریس برنیسک” سرمایه‌گذار مخاطره‌آمیز، شریک Placeholder Capital و تحلیلگر سابق ARK Invest، می‌گوید که «ربات های هوش مصنوعی» در نهایت بر شبکه‌های رمزنگاری تسلط یافته و ما را مجبور خواهند کرد تا در زنجیره های گوناگون راه‌هایی را برای تمایز دادن بین کاربران انسانی و ربات های هوش مصنوعی پیدا کنیم.

به نظر او، رشد خیره‌کننده‌ای در کریپتوهای مبتنی بر هوش مصنوعی قابل پیش‌بینی است و همچنین در چند سال آینده، ممکن است آمار شبکه‌های کریپتو بین MAU (کاربران فعال ماهانه) و MAM (ماشین‌های فعال ماهانه) تقسیم شود و بر اساس داده ها کاربران هنوز به طور کامل درک نمی‌کنند که بلاک چین‌های مناسب برای نیازهای مالی ربات های هوش مصنوعی کدامند، اما وقتی این شناخت شکل بگیرد; رشد آنها همه را مبهوت خواهد کرد.

وی همچنین گفت که در حال حاضر ربات های موجودی که در برخی از زنجیره ها فعال هستند، شبیه به “عصر نوسنگی برای انسان ها، در تراکنش با ابزارهای اولیه” می باشد.

شایان توجه است که پروژه‌های رمزنگاری مرتبط با هوش مصنوعی در سال 2023 شاهد رشد سالمی بودند، ولی هفته گذشته شرکت اطلاعات رمزنگاری Kaiko گزارش داد که هم اکنون این شاخه از رمزارزها شاهد کاهش حجم معاملات نسبت به سایر کلاس‌های دارایی دیجیتال بوده و توکن های مرتبط با هوش مصنوعی نیز این روزها شتاب رشد خود را از دست داده و به کمترین حجم معاملات هفتگی از ژانویه تا کنون رسیده‌اند.

سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.
Click for reference

Google updates its privacy policy to allow data scraping for AI training

تغییر خط مشی حریم خصوصی گوگل برای استفاده از داده ها برای آموزش هوش مصنوعی

by AI

گوگل به‌روزرسانی‌های جدیدی را در خط‌مشی حفظ حریم خصوصی خود انجام داده، که اکنون به آن اجازه می‌دهد از هر گونه داده عمومی برای اهداف آموزشی هوش مصنوعی AI استفاده کند.

به‌روزرسانی خط‌مشی حفظ حریم خصوصی این شرکت که در تاریخ یکم ژوئیه ارائه شد را می‌توان با نسخه‌های قبلی این سیاست مقایسه کرده و اختلافات را دریافت.

در این آخرین نسخه، تغییراتی مشاهده می‌شود که شامل اضافه شدن مدل‌های هوش مصنوعی Google، قابلیت‌های Bard و Cloud AI به سرویس‌هایی است که ممکن است با استفاده از «اطلاعاتی که به صورت آنلاین در دسترس عموم است» و یا از «سایر منابع عمومی» به آموزش هوش مصنوعی پرداخت را ممکن می کند.

چیزی که از این به‌روزرسانی خط‌مشی استنباط می‌شود این است که گوگل اکنون برای عموم و کاربرانش روشن می‌کند که از هر چیزی که به صورت عمومی و یا به صورت آنلاین آپلود می‌شود، می‌تواند در فرآیندهای آموزش و توسعه سیستم‌های هوش مصنوعی فعلی و آینده گوکل استفاده کند.

این به‌روزرسانی Google اندکی پس از آن منتشر شد که OpenAI، توسعه‌دهنده چت ربات محبوب هوش مصنوعی ChatGPT با یک شکایت دسته‌جمعی در کالیفرنیا به اتهام برداشتن اطلاعات خصوصی از کاربران از طریق اینترنت متهم شده است.

این شکایت ادعا دارد که OpenAI از داده‌های میلیون‌ها کامنت در رسانه‌های اجتماعی، وبلاگ‌ها، ویکی‌پدیا و سایر اطلاعات شخصی کاربران برای آموزش ChatGPT بدون دریافت رضایت قبلی از آنها برای انجام این کار استفاده کرده است. در آخر این دادخواست به این نتیجه رسید که این امر، حقوق کپی رایت و حریم خصوصی میلیون‌ها کاربر، در اینترنت را نقض ‌کرده است.

تغییر اخیر توییتر، در تعداد توییت‌هایی که کاربران بسته به نوع حساب خود می‌توانند به آن‌ها دسترسی داشته باشند، شایعاتی را در سراسر اینترنت ایجاد کرده، که به احتمال زیاد دلیل آن ممکن است برای حذف داده‌ها از دسترس هوش مصنوعی باشد.

در اسناد توسعه‌دهندگان توییتر آمده که از محدودیت‌های دسترسی به اطلاعات، به عنوان روشی برای مدیریت حجم درخواست‌های ارائه‌شده به رابط برنامه کاربردی توییتر API اعمال شده است.

ایلان ماسک، مالک و مدیر عامل سابق توییتر اخیراً در توییتی درباره این پلتفرم نوشت: «داده‌ها به قدری غارت می‌شوند که خدمات برای کاربران عادی را مختل می کند».

سلب مسئولیت: این مقاله فقط برای اهداف اطلاعاتی ارائه شده است و توصیه نمی شود به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا سایر موارد مورد استفاده قرار گیرد.

Click for reference