واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering
واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering

ارزیابیهایی درباره برخی پیآوردهای هوش مصنوعی 2

محتمل‌ترین نتیجه هوش مصنوعی فوق‌العاده هوشمند: همه خواهیم مرد!
"الیزر یودکوفسکی" می‌گوید بشریت برای زنده ماندن از رویارویی با هوش مصنوعی بسیار هوشمندتر آماده نیست.
یک محقق برجسته هوش مصنوعی هشدار داد که متوقف کردن توسعه سیستم‌های هوش مصنوعی پیشرفته در سراسر جهان و مجازات شدید افرادی که این مهلت قانونی را نقض می‌کنند تنها راه نجات بشریت از انقراض است.
 
به گزارش فرارو به نقل از راشاتودی؛ "الیزر یودکوفسکی" یکی از بنیانگذاران موسسه تحقیقاتی هوش ماشینی (MIRI) روز چهارشنبه در مقاله‌ای نظری برای نشریه "تایم" توضیح داد که چرا طوماری را امضا نکرده است که از تمام آزمایشگاه‌های هوش مصنوعی می‌خواهد که فورا حداقل برای شش ماه آموزش سیستم‌های هوش مصنوعی قوی‌تر از جی پی تی -۴ (یک مدل زبان بزرگ چند وجهی است که اوایل ماه جاری توسط Open AI منتشر شد) را متوقف کنند.
 
یودکوفسکی استدلال کرد که نامه امضا شده توسط افرادی مانند ایلان ماسک و استیو وزنیاک مدیر اپل برای حل مشکلی که به دلیل توسعه سریع و کنترل نشده هوش مصنوعی ایجاد می‌شود بسیار ناچیز است.
 
 
محتمل‌ترین نتیجه هوش مصنوعی فوق‌العاده هوشمند: همه خواهیم مرد!
الیزر یودکوفسکی؛ محقق برجسته هوش مصنوعی
 
او نوشت: "محتمل‌ترین نتیجه ساخت یک هوش مصنوعی فوق العاده هوشمند تحت هر چیزی که از راه دور مانند شرایط کنونی باشد این است که به معنای واقعی کلمه همه روی زمین خواهند مرد".
 
او استدلال کرد که زنده ماندن از رویارویی با یک سیستم کامپیوتری که "نه برای ما و نه به طور کلی برای زندگی حساس" است به "دقت و آمادگی و بینش‌های علمی جدید" نیاز دارد که بشر در حال حاضر فاقد آن می‌باشد و بعید به نظر می‌رسد در آینده قابل پیش بینی نیز به آن دست یابد.
 
یودکووسکی هشدار داد: "یک هوش مصنوعی به اندازه کافی هوشمند برای مدت طولانی در رایانه محصور نخواهد شد". او توضیح داد که این واقعیت که امکان ارسال رشته‌های DNA به آزمایشگاه‌ها برای تولید پروتئین وجود دارد احتمالا به هوش مصنوعی این امکان را می‌دهد که اشکال حیات مصنوعی را بسازد یا مستقیما به سمت تولید مولکولی پسا بیولوژیکی حرکت کند و به جهان راه یابد.
 
به گفته این محقق یک مهلت نامعلوم و جهانی برای دوره‌های آموزشی اصلی جدید هوش مصنوعی باید فورا معرفی شود. او تاکید کرد: "هیچ استثنایی نمی‌تواند وجود داشته باشد از جمله برای دولت‌ها یا ارتش‌ها".
 
یودوفسکی تاکید کرده که قرارداد‌های بین‌المللی باید امضا شوند تا سقفی در مورد میزان قدرت محاسباتی که هر فردی ممکن است از آن در آموزش چنین سیستم‌هایی استفاده کند تعیین شود.
 
او در مقاله اشاره کرده که تهدید هوش مصنوعی به قدری زیاد است که باید "در دیپلماسی بین المللی به صراحت اعلام شود که جلوگیری از سناریو‌های انقراض توسط هوش مصنوعی اولویتی بالاتر از جلوگیری از تبادل کامل هسته‌ای است".

ببینید | چرا هوش مصنوعی ترسناک شده است؟!
هوش مصنوعی وسیله‌ای است برای رشد و پیشرفت، اما مثل همه فناوری‌های دیگر سکه‌ای است که روی دیگری هم دارد و می‌تواند بسیار خطرناک باشد.

به زودی درک هوش مصنوعی برای انسان غیرممکن خواهد شد

به زودی درک هوش مصنوعی برای انسان غیرممکن خواهد شد
وقتی صحبت از هوش مصنوعی قابل توضیح و شفاف به میان می‌آید داستان شبکه‌های عصبی به ما می‌گوید که احتمالا در آینده به جای نزدیک شدن از آن هدف دور خواهیم شد.
 "جک دی کُوان" ریاضیدان و زیست شناس نظری در سال ۱۹۵۶ میلادی در جریان یک سفر یک ساله به لندن و در اوایل دهه ۲۰ زندگی اش با "ویلفرد تیلور" ملاقات کرد و ماشین یادگیری تازه او را از نزدیک مشاهده نمود. او در بدو ورود از مشاهده "بانک عظیم ماشین یادگیری" که با آن مواجه شده بود گیج شد.

به گزارش فرارو به نقل از کانورسیشن؛ کوان تنها می‌توانست بایستد و ماشینی که خود در حال انجام کارش بود را تماشا کند کاری که به نظر می‌رسید انجام می‌داد اجرای یک "طرح حافظه انجمنی" بود به نظر می‌رسید که می‌توانست یاد بگیرد که چگونه اتصالات را پیدا کند و داده‌ها را مورد بازیابی قرار دهد.
شاید شبیه بلوک‌های مدار ناهمواری به نظر می‌رسید که با دست در انبوهی از سیم‌ها و جعبه‌ها به هم لحیم شده‌اند، اما چیزی که کوان شاهد آن بود یک شکل مشابه اولیه از یک شبکه عصبی به نظر می‌رسید یک پیشرو برای پیشرفته‌ترین هوش مصنوعی امروزی از جمله چت جی پی تی (Chat GPT) که به دلیل توانایی در تولید محتوای نوشتار در پاسخ به تقریبا هر دستوری بسیار مورد بحث قرار گرفته است. فناوری زیربنایی چت جی پی تی یک شبکه عصبی است.
 همان طور که کوان و تیلور ایستاده بودند و کار ماشین را تماشا می‌کردند واقعا نمی‌دانستند که چگونه این کار را انجام می‌دهد. پاسخ به مغز ماشین مرموز تیلور را می‌توان جایی در "نورون‌های آنالوگ" در ارتباط‌های ایجاد شده توسط حافظه دستگاه آن و مهم‌تر از همه در این واقعیت یافت که عملکرد خودکار آن را واقعا نمی‌توان به طور کامل توضیح داد. دهه‌ها به طول می‌انجامد تا این سیستم‌ها هدف خود را پیدا کنند و آن قدرت باز شود.
 
اصطلاح "شبکه عصبی" طیف گسترده‌ای از سیستم‌ها را در بر می‌گیرد، اما به طور مرکزی به گفته IBM این شبکه‌های عصبی هم چنین به عنوان شبکه‌های عصبی مصنوعی (ANN) یا شبکه‌های عصبی شبیه سازی شده (SNN) شناخته می‌شوند که زیرمجموعه‌ای از یادگیری ماشین هستند و در قلب الگوریتم‌های یادگیری عمیق قرار دارند. مهم این است که خود این اصطلاح و شکل و ساختار آن از مغز انسان الهام گرفته شده و از روشی که نورون‌های بیولوژیکی به یکدیگر سیگنال می‌دهند تقلید می‌کند.
 
ممکن است در مراحل اولیه شک و تردیدی در مورد ارزش آن وجود داشته باشد، اما با گذشت سال‌ها مُدهای هوش مصنوعی به شدت به سمت شبکه‌های عصبی حرکت کرده اند. اکنون اغلب تصور می‌شود که آن‌ها آینده هوش مصنوعی هستند. آن‌ها پیامد‌های بزرگی برای ما و معنای انسان بودن دارند. ما اخیرا پژواک این نگرانی‌ها را شنیده‌ایم و درخواست‌هایی به منظور توقف توسعه‌های جدید هوش مصنوعی برای یک دوره شش ماهه به منظور کسب اطمینان از پیامد‌های آن مطرح شده اند.
 
مطمئنا اشتباه است که شبکه عصبی را صرفا به عنوان ابزار‌های جدید براق و چشم نواز رد کنیم. آنان در حال حاضر به خوبی در زندگی ما جا افتاده‌اند. برخی در عملی بودن خود قدرتمند هستند. اطلاعیه اخیر مایکروسافت مبنی بر آن که جستجو‌های موتور جستجوی بینگ با مجهز شدن به هوش مصنوعی تقویت می‌شود و این که آن را به کمک خلبانی برای وب تبدیل می‌کند نشان می‌دهد که چگونه چیز‌هایی که ما کشف کرده و درک می‌کنیم محصول این نوع اتوماسیون (خودکاری شدن) هستند.
 
هوش مصنوعی با استفاده از داده‌های گسترده برای یافتن الگو‌ها می‌تواند به طور مشابه برای انجام کار‌هایی مانند تشخیص تصویر با سرعت آموزش داده شود. برای مثال، آن را در تشخیص چهره ادغام می‌کند. این توانایی در شناسایی الگو‌ها منجر به کاربرد‌های بسیار دیگری مانند پیش بینی بازار‌های سهام شده است.
 
شبکه‌های عصبی نحوه تفسیر و ارتباط ما را نیز تغییر می‌دهند. گوگل ترنسلیت (مترجم گوگل ) که توسط تیم مغز گوگل توسعه یافته است یکی دیگر از برنامه‌های برجسته شبکه عصبی است.
 
لایه‌های مرموز "ناشناختنی"
نگاهی به تاریخچه شبکه‌های عصبی به ما نکته مهمی در مورد تصمیمات خودکاری که زمانه فعلی ما را تعریف می‌کنند یا تصمیماتی که احتمالا تاثیر عمیق تری در آینده خواهند داشت را می‌گویند. حضور آن‌ها هم چنین می‌گوید که ما احتمالا تصمیمات و تاثیرات هوش مصنوعی را در طول زمان حتی کمتر درک می‌کنیم. این سیستم‌ها صرفا جعبه‌های سیاه نیستند آن صرفا قطعات مخفی یک سیستم نیستند که قابل مشاهده یا درک نباشند.
 این چیزی متفاوت است چیزی که ریشه در اهداف و طراحی خود این سیستم‌ها دارد. یک تعقیب طولانی مدت وجود دارد. هرچه غیر شفاف‌تر باشد سیستم معتبرتر و پیشرفته‌تر تصور می‌شود. این صرفا در مورد پیچیده‌تر شدن سیستم‌ها یا محدود کردن دسترسی به کنترل مالکیت معنوی نیست (اگرچه این موارد بخشی از آن هستند). در عوض، می‌توان گفت اخلاقی که آن‌ها را هدایت می‌کند علاقه‌ای خاص و نهفته به "ناشناخته ماندن" دارد.
 این رمز و راز حتی در قالب و گفتمان شبکه عصبی رمزگذاری شده است. آن‌ها دارای لایه‌های عمیق انباشته شده هستند از این رو عبارت یادگیری عمیق و در درون آن اعماق "لایه‌های پنهان" حتی اسرارآمیزتر هستند. اسرار این سیستم‌ها در اعماق زیر سطح قرار دارند.
 
این احتمال وجود دارد که هر چه تاثیر هوش مصنوعی در زندگی ما بیش‌تر باشد کمتر متوجه چگونگی و چرایی آن شویم. امروزه فشاری قوی برای قابل توضیح شدن هوش مصنوعی وجود دارد. ما می‌خواهیم بدانیم هوش مصنوعی چگونه کار می‌کند و چگونه به تصمیمات و نتایج می‌رسد.
 
اتحادیه اروپا به قدری نگران "خطرات غیرقابل قبول" و حتی برنامه‌های کاربردی "خطرناک" است که در حال حاضر در حال پیشبرد قانون جدید هوش مصنوعی با هدف تعیین "استاندارد جهانی" برای "توسعه هوش مصنوعی ایمن، قابل اعتماد و اخلاقی" می‌باشد. اتحادیه اروپا در این باره نگرانی دارد که سیستم‌هایی که در آینده ظهور می‌کنند پیامد‌هایی برای حقوق بشر داشته باشند.
 
این بخشی از فراخوان‌های گسترده‌تر برای شفافیت در حوزه هوش مصنوعی است تا بتوان فعالیت‌های آن را بررسی، ممیزی و ارزیابی کرد. مثال دیگر، جلسه توجیهی انجمن سلطنتی بریتانیا در مورد هوش مصنوعی قابل توضیح است که در آن اشاره شده که "مناظره‌های مرتبط با سیاستگذاری در سراسر جهان به طور فزاینده‌ای نیاز به نوعی توضیح پذیری هوش مصنوعی دارند".
 با این وجود، داستان شبکه‌های عصبی به ما می‌گوید که احتمالا در آینده به جای نزدیک‌تر شدن از آن هدف دورتر خواهیم شد.
 
با الهام از مغز انسان
 این شبکه‌های عصبی ممکن است سیستم‌های پیچیده‌ای باشند، اما برخی از اصول اصلی را دارند. آن‌ها با الهام از مغز انسان به دنبال کپی یا شبیه سازی اشکال تفکر بیولوژیکی و انسانی هستند. از نظر ساختار و طراحی همانطور که IBM نیز توضیح می‌دهد از "لایه‌های گره، حاوی یک لایه ورودی، یک یا چند لایه پنهان و یک لایه خروجی" تشکیل شده اند و هرگره یا نورون مصنوعی به گره یا نورون مصنوعی دیگری متصل می‌شود. از آنجایی که آن‌ها برای ایجاد خروجی‌ها به ورودی‌ها و اطلاعات نیاز دارند "به داده‌های آموزشی برای یادگیری و بهبود دقت خود در طول زمان متکی هستند".
 این جزئیات فنی مهم هستند، اما تمایل به مدل سازی این سیستم‌ها بر اساس پیچیدگی‌های مغز انسان نیز اهمیت دارد. درک جاه طلبی پشت این سیستم‌ها برای درک آن چه که این جزئیات فنی به همراه دارند حیاتی می‌باشد.
 
"تئو کوهونن" دانشمند شبکه عصبی در مصاحبه‌ای در سال ۱۹۹۳ میلادی به این نتیجه رسیده بود که یک سیستم "خودسازمانده" "رویای من است" که "چیزی شبیه به آن چه که سیستم عصبی ما به طور غریزی انجام می‌دهد" خواهد بود. برای مثال کوهونن این تصور را مطرح کرد که چگونه یک سیستم "خودسازماندهی" سیستمی که خود را نظارت و مدیریت می‌کند "می تواند به عنوان یک تابلوی نظارت برای هر ماشینی در هر هواپیما یا هر نیروگاه هسته‌ای استفاده شود". او فکر می‌کرد که این بدان معناست که در آینده "شما می‌توانید بلافاصله ببینید که سیستم در چه شرایطی قرار دارد".
 
هدف اصلی این بود که سیستمی داشته باشیم که بتواند با محیط اطراف خود سازگار شود. آن رویا این بود که سیستم‌هایی بتوانند بدون نیاز به دخالت زیاد انسان خود را مدیریت کنند و این که پیچیدگی‌ها و ناشناخته‌های مغز سیستم عصبی و دنیای واقعی به زودی به توسعه و طراحی شبکه‌های عصبی می‌رسند.
 
چیزی عجیب در مورد آن با این وجود، با بازگشت به سال ۱۹۵۶ میلادی و آن ماشین یادگیری عجیب این رویکرد عملی که تیلور هنگام ساخت آن اتخاذ کرده بود بلافاصله توجه کوان را به خود جلب کرد. کوان در مصاحبه‌ای گفت که تیلور کار را براساس تئوری و روی رایانه انجام نداده در عوض با استفاده از ابزار‌هایی که در دست داشته در واقع با استفاده از سخت افزار کار را انجام داده بود. این یک چیز مادی بود ترکیبی از قطعات شاید حتی یک ابزار. کوان خاطرنشان می‌کند که "همه کار‌ها با مدار‌های آنالوگ انجام شد چندین سال به طول انجامید تا تیلور آن را بسازد و با آن بازی کند". در واقع، یک مورد آزمون و خطا بود. قابل درک است که کوان می‌خواست با آن چه می‌دید کنار بیاید.
 
او سعی کرد از تیلور بخواهد که این ماشین یادگیری را برایش توضیح دهد. با این وجود، شفاف سازی‌ای صورت نگرفت و کوان نتوانست تیلور را وادار به توضیح درباره چگونگی کار کند. نورون‌های آنالوگ یک راز باقی ماندند. کوان فکر کرد مشکل شگفت انگیزتر این بود که تیلور "واقعا خود نمی‌دانست که چه اتفاقی در حال رخ دادن است".
 
در مصاحبه‌ای در اواسط دهه ۱۹۹۰ میلادی کوان با فکر کردن به ماشین تیلور فاش ساخت که شما نمی‌توانید کاملا بفهمید که چگونه کار می‌کند. این نتیجه گیری نشان می‌دهد که چگونه ناشناخته‌ها عمیقا در شبکه‌های عصبی جاسازی شده است. غیر قابل توضیح بودن این سیستم‌های عصبی حتی از مراحل اساسی و رشدی که قدمت آن به حدود هفت دهه قبل می‌رسد نیز وجود داشته و این رمز و راز امروزه باقی مانده است و می‌توان آن را در اشکال پیشرفته هوش مصنوعی یافت. غیرقابل درک بودن عملکرد تداعی‌های ایجاد شده توسط دستگاه تیلور کوان را به این فکر واداشت که آیا چیزی در مورد آن وجود دارد؟
 
تقلید از مغز لایه به لایه
 شاید پیش‌تر متوجه شده باشید که هنگام بحث در مورد منشاء شبکه‌های عصبی تصویر مغز و پیچیدگی‌هایی که این شبکه‌ها برمی انگیزد هرگز دور از دسترس نیست. مغز انسان به عنوان نوعی الگو برای این سیستم‌ها عمل می‌کند. در مراحل اولیه به ویژه مغز هنوز یکی از ناشناخته‌های بزرگ و الگویی برای نحوه عملکرد شبکه عصبی شد.
 
بنابراین، سیستم‌های آزمایشی جدید بر اساس چیزی که عملکرد آن تا حد زیادی ناشناخته بود مدل‌سازی شدند. "کارور مید" مهندس محاسبات عصبی به طرز آشکاری از مفهوم "کوه یخ شناختی" که برای او جذابیت خاصی پیدا کرده بود صحبت کرده است. این تنها نوک کوه یخ آگاهی است که ما از آن آگاه هستیم و قابل مشاهده است. مقیاس و شکل بقیه بخش‌های کوه یخی در زیر سطح ناشناخته‌ای باقی مانده اند.
 
"جیمز اندرسون" که برای مدتی روی شبکه‌های عصبی کار می‌کرد در سال ۱۹۹۸ میلادی خاطرنشان ساخت که وقتی نوبت به تحقیق روی مغز می‌شود "به نظر می‌رسد کشف اصلی ما آگاهی از این است که واقعا نمی‌دانیم چه اتفاقی رخ می‌دهد".
 
"ریچارد واترز" روزنامه نگار حوزه فناوری در گزارش مفصلی در "فایننشال تایمز" در سال ۲۰۱۸ میلادی اشاره کرد که چگونه شبکه‌های عصبی "بر اساس نظریه‌ای درباره نحوه عملکرد مغز انسان مدل سازی می‌شوند و داده‌ها را از لایه‌هایی از نورون‌های مصنوعی منتقل می‌کنند تا زمانی که یک الگوی قابل شناسایی ظاهر شود".
 
واترز پیشنهاد کرد که این مشکلی را ایجاد می‌کند، زیرا برخلاف مدار‌های منطقی به کار رفته در یک برنامه نرم افزاری سنتی هیچ راهی برای ردیابی این فرآیند برای شناسایی دقیق این که چرا یک رایانه به یک پاسخ خاص می‌رسد وجود ندارد. نتیجه گیری واترز آن است که این نتایج را نمی‌توان حذف کرد. استفاده از این نوع مدل از مغز که داده‌ها را از لایه‌های زیادی می‌گیرد به این معنی است که پاسخ به راحتی قابل ردیابی نیست. چند لایه بودن بخش خوبی از دلیل این امر است.
 
اقتباس کل بازی است
 راز عمیق‌تر می‌شود. همان طور که لایه‌های شبکه‌های عصبی انباشته شده‌اند پیچیدگی آن‌ها افزایش یافته است. هم‌چنین منجر به رشد لایه‌های پنهان در این اعماق شده است. بحث در مورد تعداد بهینه لایه‌های پنهان در یک شبکه عصبی ادامه دارد.
 
به دلیل نحوه عملکرد یک شبکه عصبی عمیق با تکیه بر لایه‌های عصبی پنهان که بین اولین لایه نورون‌ها (لایه ورودی) و آخرین لایه (لایه خروجی) قرار گرفته اند تکنیک‌های یادگیری عمیق هستند و حتی برای برنامه نویسانی که در ابتدا آن‌ها را تنظیم کرده اند اغلب مبهم یا ناخوانا هستند.
 
"کاترین هیلز" متفکر برجسته و میان رشته‌ای رسانه‌های نوین با بیان نکته‌ای مشابه خاطرنشان کرد که محدودیت‌هایی برای "تا چه اندازه می‌توانیم درباره سیستم بدانیم"؟ وجود دارد نتیجه‌ای که مربوط به "لایه پنهان" در شبکه عصبی و الگوریتم‌های یادگیری عمیق است.
 
به دنبال چیز‌های غیرقابل توضیح روی هم رفته این تحولات طولانی بخشی از چیزی است که "تاینا بوچر" جامعه شناس فناوری آن را "مشکل ناشناخته" نامیده است.
 
"هری کالینز" با گسترش تحقیقات تاثیرگذار خود در مورد دانش علمی در زمینه هوش مصنوعی اشاره کرده که هدف شبکه‌های عصبی این است که احتمالا در ابتدا توسط یک انسان تولید می‌شوند، اما به محض اینکه برنامه نوشته شود زندگی خود را می‌کنند و نحوه عملکرد برنامه دقیقا می‌تواند مرموز باقی بماند. این وضعیت بازتاب آن رویا‌های دیرینه در مورد یک سیستم خودسازمانده است.
 
این احتمال وجود دارد که هر چه تاثیر هوش مصنوعی در زندگی مان بیش‌تر شود کمتر متوجه چگونگی و چرایی آن شویم. با این وجود، بیان این موضوع در روزگار کنونی خوشایند نیست. ما می‌خواهیم بدانیم هوش مصنوعی چگونه کار می‌کند و چگونه به تصمیمات و نتایجی که بر ما تاثیر می‌گذارد می‌رسد.
 
همان‌طور که پیشرفت‌های هوش مصنوعی به شکل گیری دانش و درک ما از جهان، آن چه کشف می‌کنیم، نحوه رفتار با ما، نحوه یادگیری، مصرف و تعامل ما، ادامه می‌دهد، انگیزه برای درک آن بیش‌تر می‌شود. وقتی صحبت از هوش مصنوعی قابل توضیح و شفاف به میان می‌آید داستان شبکه‌های عصبی به ما می‌گوید که احتمالا در آینده به جای نزدیک شدن از آن هدف دور خواهیم شد.


دیدگاههای تازه گفته بیل گیتس درباره هوش مصنوعی

چرا ChatGPT را احمق جلوه می‌دهید؟!

چرا ChatGPT را احمق جلوه می‌دهید؟!
گروه علمی: بیل گیتس مردم را سرزنش می‌کند که چرا هوش مصنوعی بینگ(Bing) شرکت مایکروسافت را احمق نشان می‌دهند، چرا که وی معتقد است این کاربران هستند که هوش مصنوعی را تحریک می‌کنند تا اشتباه کند و چیزهای دیوانه‌وار بگوید.به گزارش ایسنا، بیل گیتس، یکی از بنیانگذاران شرکت مایکروسافت به هوش مصنوعی ابراز اطمینان کرده و می‌گوید که هیچ تهدیدی برای انسان نیست.
 
این میلیاردر فناور می‌گوید: افراد زیادی وجود دارند که در تلاش هستند تا هوش مصنوعی را احمق نشان دهند، اما [هوش مصنوعی] خوب است و هیچ تهدیدی در مورد آن وجود ندارد.پیش از این، چندین کاربر نسبت به پاسخ‌های چت‌بات هوش مصنوعی ChatGPT در موتور جستجوی «بینگ» مایکروسافت پس از پاسخ دادن به پرسش‌ها به شیوه‌ای نگران‌کننده و دیوانه‌وار ابراز نگرانی کردند. در عین حال، مایکروسافت پس از مطرح شدن شکایات، ربات خود را آموزش داد تا مشکل برطرف شود.
به گفته مایکروسافت، اگر کاربران برای مدت طولانی با Bing صحبت کنند، ممکن است تحریک شود و پاسخ‌های غیرمنتظره بدهد.بیل گیتس در این مصاحبه خاطرنشان کرد که «بینگ» همچنان اشتباه می‌کند و چیزهای احمقانه می‌گوید، اما برای این کار شما باید کمی آن را تحریک کنید.
نقش بزرگ هوش مصنوعی
بیل گیتس فکر می‌کند که اگرچه پیش‌بینی می‌شود هوش مصنوعی منجر به جابجایی‌های زیادی در نیروی کار شود، اما همچنین موجب افزایش کارایی خواهد شد و نقش مهمی در منابع انرژی تجدیدپذیر خواهد داشت.
طبق گفته وی، طی دو سال آینده پیش‌بینی می‌شود که دقت و قابلیت‌های هوش مصنوعی به سرعت افزایش یابد.

گیتس مشارکت فعال خود در خدمات‌دهی شرکت OpenAI به مایکروسافت را فاش کرد که به کسب و کارها امکان می‌دهد از فناوری ChatGPT و سایر قابلیت‌های هوش مصنوعی استفاده کنند. وی می‌گوید: هوش مصنوعی نقش بزرگی ایفا خواهد کرد و من بسیار درگیر هوش مصنوعی توسعه یافته توسط مایکروسافت و OpenAI هستم.
وی افزود: در مورد این ایده که رایانه‌ها قادر به خواندن و نوشتن شوند، هیچ کس نمی‌دانست که چه زمانی به وجود می‌آید و اکنون فرا رسیده است.

ایجاد کنترل بیشتر توسط مایکروسافت
شرکت مایکروسافت به تازگی اعلام کرده است که قابلیت‌های جدیدی را برای ربات هوش مصنوعی خود معرفی می‌کند، از جمله این که کاربران می‌توانند نوع شخصیتی را که می‌خواهند با آن ارتباط برقرار کنند، انتخاب کنند. پس از انتشار ChatGPT  توسط شرکت OpenAI ، رقابت در عرصه راه‌اندازی و توسعه ربات‌های گفتگوگر افزایش یافته است و تقریباً همه شرکت‌های دیجیتال برتر سکوهای رسانه‌های اجتماعی خود را با هوش مصنوعی، ابزارگذاری (مجهز) کرده‌اند.

نشانه هایی که نشان می‌دهد هوش مصنوعی از فرمان انسان خارج می‌شود

8 علامتی که نشان می‌دهد هوش مصنوعی از کنترل انسان خارج می‌شود

8 علامتی که نشان می‌دهد هوش مصنوعی از کنترل انسان خارج می‌شود
اگرچه در ابتدای راه چت‌بات‌های هوش مصنوعی قرار داریم، اما شواهد نشان می‌دهند که احتمالاً این فناوری از سیطره ما خارج خواهد شد.

زمان انقلاب هوش مصنوعی ظاهراً فرارسیده است و به‌نظر می‌رسد که از همین ابتدای راه درحال ازدست‌دادن کنترل این فناوری هستیم. موتورهای جستجو، هالیوود و شرکت‌های بزرگ رسانه‌ای در تلاشند تا وارد این صنعت شوند و از آن به نفع خود استفاده کنند. اما این صنعت به‌راحتی می‌تواند بسیاری از صنایع دیگر و شکل زندگی ما را تغییر دهد. در ادامه به بررسی این مسئله می‌پردازیم که انقلاب ربات‌ها چرا و چگونه می‌تواند از کنترل خارج شود.

قبولی ChatGPT در آزمون برنامه‌نویسی

8 علامتی که نشان می‌دهد انقلاب هوش مصنوعی از کنترل ما خارج می‌شود

چندی قبل در خبری اعلام شد که ChatGPT به‌اندازه کافی باهوش است که در گوگل استخدام شود. این شرکت اخیراً این ابزار هوش مصنوعی را مشابه نیروهایی که در شرف استخدام قرار دارند، آزمایش کرده و متوجه شده است که چت‌بات شرکت OpenAI با موفقیت این آزمون را پشت سر می‌گذارد.

وب‌سایت PC Magazine می‌گوید اگر گوگل ChatGPT را به‌عنوان برنامه‌نویس استخدام می‌کرد، می‌توانست از پرداخت سالانه 183 هزار دلار دستمزد خودداری کند. افراد زیادی تاکنون قابلیت‌های برنامه‌نویسی این ربات را آزمایش کرده‌اند و نگران آینده شغلی برنامه‌نویسان هستند.

استفاده از ChatGPT توسط قاضی

8 علامتی که نشان می‌دهد انقلاب هوش مصنوعی از کنترل ما خارج می‌شود

خودکارسازی فرایندهای دادگاهی با کمک هوش مصنوعی حتی روی کاغذ هم ایده بدی به‌نظر می‌رسد. بااین‌حال، یک قاضی در کلمبیا تصمیم گرفت که از ChatGPT برای تصمیم‌گیری درباره بیمه درمانی یک کودک مبتلا به اوتیسم استفاده کند. قاضی «خوان مانوئل پادیلا گارسیا» ظاهراً باور دارد که استفاده از چت‌بات‌های هوش مصنوعی می‌تواند به صرفه‌جویی در زمان کمک کند.

گارسیا در حکم خود نوشت: «بررسی استدلال‌های این پرونده با استفاده از هوش مصنوعی انجام می‌شود.» او می‌گوید امیدوار است که با استفاده از این فناوری انجام کارها را بهینه‌تر کند.

استفاده از هوش مصنوعی برای نوشتن فیلم‌نامه‌ها

8 علامتی که نشان می‌دهد انقلاب هوش مصنوعی از کنترل ما خارج می‌شود

برنامه‌های زیادی این ایده را تبلیغ می‌کنند که هوش مصنوعی می‌تواند فیلم‌نامه بنویسد و فرایندهای فیلم‌سازی را خودکار کند. برای مثال، استارتاپ دیپ‌مایند اخیراً ابزاری به‌ نام Dramatron را معرفی کرد که ظاهراً همراهی برای نوشتن سناریو است. در وب‌سایت این برنامه گفته شده که Dramatron می‌تواند متونی تولید کند که یکپارچگی محتوایی بالایی دارند.

Dramatron می‌تواند توصیف شخصیت‌ها و مکان‌ها، دیالوگ‌ها و نقاط مهم داستانی را هم مشخص کند. بااین‌حساب، شاید بهتر باشد که پس از سپردن وظیفه فیلم‌سازی به هوش مصنوعی، تماشای فیلم‌ها را هم به هوش مصنوعی واگذار کنیم!

استفاده از هوش مصنوعی به‌جای صداپیشگان

8 علامتی که نشان می‌دهد انقلاب هوش مصنوعی از کنترل ما خارج می‌شود

وب‌سایت Vice به‌تازگی در گزارشی گفته بود که صنعت سرگرمی هم درحال حرکت به‌سمت خودکارسازی صداپیشگی است. ظاهراً برخی شرکت‌ها از صداپیشگان خواسته‌اند تا حق معنوی استفاده از صدای خود را واگذار کنند تا این شرکت‌ها بتوانند با برنامه‌های هوش مصنوعی از صدای آن‌ها استفاده کنند.

این قراردادهای عجیب‌وغریب ازجمله چیزهایی هستند که می‌توانند به‌طور کامل این صنایع را نابود کنند.

استفاده از هوش مصنوعی به‌جای خبرنگاران

8 علامتی که نشان می‌دهد انقلاب هوش مصنوعی از کنترل ما خارج می‌شود

چه می‌شود اگر یک روز فناوری هوش مصنوعی اخبار را برای مخاطبان تولید کند؟ حدود یک ماه پیش مشخص شد که وب‌سایت CNET، رسانه بزرگ دنیای فناوری، بی‌سروصدا مشغول انجام چنین کاری بوده و اخبار خود را با یک هوش مصنوعی اختصاصی تولید می‌کرده است.

البته این مطالب نه‌تنها پر از اطلاعات غیردقیق بود، بلکه برخی از آن‌ها را می‌توان به سرقت ادبی متهم کرد. جایگزین‌کردن صنعتی که تماماً بر پایه صحت اطلاعات بنا شده است، با هوش مصنوعی احتمالاً کار چندان عاقلانه‌ای نیست.

توجه بازار بورس به هوش مصنوعی

8 علامتی که نشان می‌دهد انقلاب هوش مصنوعی از کنترل ما خارج می‌شود

هرجا که حرف از پول باشد، پای بازار بورس و به‌خصوص وال استریت هم به میان می‌آید. Morning Brief می‌گوید بازارهای مالی اکنون به هر کسب‌وکاری که پسوند هوش مصنوعی داشته باشد یا ادعا کند که درحال کار روی سیستم‌های هوش مصنوعی است، توجه نشان می‌دهند. به‌نظر می‌رسد که سهام این شرکت‌ها رشد چشمگیری را در پیش خواهد داشت و احتمالاً باید منتظر یک موج دیگر شبیه به موج web3 باشیم.

استفاده از هوش مصنوعی برای جاسوسی

8 علامتی که نشان می‌دهد انقلاب هوش مصنوعی از کنترل ما خارج می‌شود

آنچه برای آینده بسیار ترسناک به‌نظر می‌رسد، ترکیب سیستم‌های نظارتی و هوش مصنوعی برای ساخت یک سیستم اَبَرجاسوسی هوشمند است. وب‌سایت Wired اخیراً در گزارشی گفته بود که روسیه از هوش مصنوعی در دوربین‌های امنیتی خود استفاده کرده است تا کاری کند که هیچ‌کس نتواند در شهرها از دید دولت مخفی بماند.

رقابت بر سر هوش مصنوعی در دنیای فناوری

8 علامتی که نشان می‌دهد انقلاب هوش مصنوعی از کنترل ما خارج می‌شود

دره سیلیکون به‌دنبال درآمدزایی از هوش مصنوعی است و همه شرکت‌ها سعی دارند به‌نحوی به این بازار بزرگ ورود کنند تا بخشی از کاربران ChatGPT را به‌سمت خود بیاورند. مایکروسافت با معرفی نسخه جدید موتور جستجوی بینگ اعلام کرد که دور جدید رقابت در دنیای فناوری آغاز شده است. این شرکت می‌خواهد با کمک چت‌بات خود لذت اکتشاف را در میان کاربران افزایش دهد.

در سوی دیگر، گوگل هم اعلام کرده است که هوش مصنوعی خود موسوم به Bard را به موتور جستجویش اضافه می‌کند. بااین‌حال، این شرکت کار سخت‌تری در پیش دارد؛ چرا که در گام نخست مرتکب اشتباهاتی شده است. در چین، دو شرکت Alibaba و بایدو اخیراً اعلام کرده‌اند که آن‌ها هم می‌خواهند ابزارهای هوش مصنوعی خاص خود را داشته باشند.

منبع: دیجیاتو- ایمان صاحبی

دنیای متاوِرس metaverse چیست و چه آینده ای دارد ؟

دنیای متاورس metaverse چیست و چه آینده ای دارد ؟


 متاورس چیست؟

برای درک بهتر مفهوم متاورس اول نگاهی به معنای واژه ای آن می اندازیم. متاورس از دو واژه متا (Meta) و ورس (Verse) تشکیل شده است. کلمه متا به معنی «برتر» و ورس که از کلمه  «Universe» گرفته شده به معنی «جهانی» است. به این ترتیب عبارت متاورس را می‌توان «جهان برتر» یا «برتر از جهان» تلقی کرد.

متاورس به عنوان یک شبکه‌ مجازی عمل کرده که در آن کاربران قادر خواهند بود با یکدیگر و با دیگر اجزای محیط اطراف خود تعامل کنند. به عبارتی دیگر، در دنیای متاورس افراد به صورت آنلاین و مجازی به نقش‌آفرینی می‌پردازند.

این دنیای مجازی، جنبه‌های مختلف شبکه‌های اجتماعی،‌ بازی‌های ویدیوئی، فناوری واقعیت مجازی (VR) و واقعیت افزوده (AR) و در نهایت بلاک‌چین را با یکدیگر ادغام می‌کند. به همین دلیل متاورس را می‌توان به دنیایی که توسط واقعیت‌های مجازی و واقعیت‌های افزوده ساخته می‌شود هم نسبت داد.

با افزایش نفوذ بلاک‌چین در دنیای فناوری، پای متاورس به بازی‌های بلاک‌چینی باز شد. بازی‌هایی که افراد در آن می‌توانند آیتم‌های بازی را در قالب توکن خریداری و معامله کنند. البته توجه داشته باشید نوع عملکرد بازی‌های متاورس در بلاک‌چین، تفاوتی با بازی‌های غیر بلاک‌چینی ندارد و فقط دارایی‌های بازیکن در بازی به توکن تبدیل شده است.

تاریخچه متاورس

با وجود اینکه هنوز خیلی با نمونه‌های کاربردی فناوری متاورس فاصله داریم اما این مفهوم مدتهای طولانی و برای چندین دهه است که در داستان‌ها، بازی‌های رایانه‌ای و فناوری‌های دیجیتال مطرح بوده است. در حقیقت واژه متاورس و خلق آن به دهه ۹۰ میلادی زمانی که نیل استفنسون (Neal Stephenson) کتابی با نام اِسنو کرَش (Snow Crash) منتشر کرد باز می‌گردد.

این نویسنده در این کتاب برای اولین بار مفاهیمی مثل متاورس و آواتار (Avatar)  را در قالب داستان پیش‌بینی کرد. مفاهیمی که سالها بعد از آن با همین نام به دنیای دیجیتال راه پیدا کردند. این ماجرا به همین جا ختم نمی‌شود. مدت‌ها بعد نویسنده کتاب بازیکن شماره یک آماده (Ready Player One) ، ارنست کلاین (Ernest Cline) به روایت زندگی انسانها در سال ۲۰۴۴ می‌پردازد.

در این کتاب روایت شده انسان‌ها می‌توانند زندگی مشقت‌باری که در دنیای واقعی دارند را با زندگی در دنیای مجازی و دیجیتال ادامه دهند. نگاهی به همه این جریانات و در نهایت تغییر نام فیس‌بوک به متا همه نشان‌دهنده این است که از گذشته تاکنون برنامه‌های زیادی برای مقوله متاورس وجود داشته است.

تاریخچه متاورس
 تاریخچه متاورس

واقعیت مجازی «VR» در متاورس چیست؟

واقعیت مجازی «Virtual Reality» که به اختصار به آن «VR»  می‌گویند یک دنیای دیجیتالی است که افراد با ورود به آن و با استفاده از عینک‌های واقعیت مجازی با اشیاء و کلیه وقایع موجود در آن تعامل داشته باشند. به این صورت که کاربر با زدن این عینک وارد دنیای مجازی شده و در این دنیا می‌تواند تجربیات گوناگونی داشته باشد.

واقعیت مجازی «VR» در متاورس چیست؟
واقعیت مجازی «VR» در متاورس چیست؟

واقعیت افزوده «AR» در متاورس چیست؟

واقعیت افزوده یا «Augmented Reality» که به آن «AR» هم می‌گویند، در کنار واقعیت افزوده یا«VR»  ابزار تحقق متاورس محسوب می‌شود. به عبارتی دیگر عبارت واقعیت افزوده، همانطور که از اسمش پیداست، ماهیت اضافه‌کنندگی دارد. یعنی یک شی‌ء یا کاراکتر دیجیتالی را به یک فضا اضافه می کند.

اگر فیلم‌های گارفیلد (Garfild)، دامبو (Dumbo)، سونیک خارپشت (Sonic the Hedgehog)، آلیس در سرزمین عجایب (Alice in Wonderland)، مالیفیسنت (Maleficent) و از این قبیل فیلم‌ها را دیده باشیدکه در آن‌ها شخصیت‌های واقعی با شخصیت‌های غیرواقعی مانند حیوانات یا حتی شخصیت‌های کارتونی به بازی پرداخته‌اند بیشتر به مفهوم واقعیت افزوده پی می‌برید.

هرچند مفهوم لایواکشن (Live Action) با مفهوم واقعیت افزوده متفاوت است، اما برای درک بهتر AR می‌تواند بسیار کمک کند. در حقیقت در واقعیت افزوده، تجربیات دیجیتالی، مانند این فیلم‌ها، بدون هیچ واسطه‌ای به دنیای فیزیکی ما اضافه می‌شوند و ما با آن‌ها تعامل برقرار می‌کنیم.

واقعیت افزوده «AR» در متاورس چیست؟
واقعیت افزوده «AR» در متاورس چیست؟

متاورس و فیس‌بوک

شرکت فیس‌بوک (Facebook)،‌ غول حوزه فناوری، یکی از نمونه شرکت‌های پیشرو در حوزه متاورس است. همانگونه که در خبرها شنیدیم فیس‌بوک به‌تازگی اقدام به تغییر نام این کمپانی به «مِتا (Meta)» کرده است.

مارک زاکربرگ (Mark Zuckerberg)، مدیرعامل فیسبوک، در یک کنفرانس مجازی در این‌باره گفته:

«امیدوارم در آینده به‌عنوان یک شرکت متاورس دیده شویم و قصد دارم کار و هویت خود را بر آنچه در حال ساخت آن هستیم، تثبیت کنم. ما اکنون به‌عنوان دو بخش مختلف به کسب‌و‌کار خود نگاه می‌کنیم و گزارش می دهیم؛ یکی برای خانواده اپ‌هایمان و دیگری برای تلاشی که در پلتفرم‌های آینده انجام می‌شود.

حالا به‌عنوان بخشی از پروژه، زمان آن فرا رسیده است که یک برند جدید اتخاذ کنیم تا همه کارهایی را که انجام می‌دهیم در بر گیرد؛ تا منعکس کنیم چه کسی هستیم و قصد ساخت چه چیزی را داریم.»

meta
متاورس و فیس‌بوک

از آنجاکه شرکت فناوری فیس‌بوک دارای پتانسیل بالا و منابع مالی گسترده است به نظر می‌رسد ورود آن به حوزه متاورس تحول بزرگی را در این بخش ایجاد کند. از طرفی دیگر همکاری مشترک فیس‌بوک با شرکت‌های مطرح و بزرگ برای بسط و توسعه متاورس دلیل محکم دیگری بر گسترده‌بودن این پروژه است.

مارک زاکربرگ در وصف دنیای متاورس اینگونه گفته: «در دنیای مجازی متاورس هرکسی می‌تواند هرکاری را که تصور می‌کند انجام دهد. با دوستان یا اعضای خانواده خود دور هم جمع شوند، کار کنند، در کلاس‌های آموزشی شرکت کنند، با یکدیگر بازی کنند، به خرید بروند، و به طور کلی تمامی تجربه‌هایی که انجام آن‌ها را با موبایل یا کامپیوتر نمی‌توان تصور کرد، از نزدیک حس کنند».

خیلی‌ها فناوری متاورس را جایگزینی برای اینترنت امروزی می‌دانند که زاکربرگ یکی از همین افراد است و برای محقق شدن این آینده بسیار در تلاش است.»

Facebook 1

نقش ارزهای دیجیتال و توکن‌های غیرمثلی (NFT) در متاورس

همانطور که پیشتر توضیح دادیم متاورس جایی است که اختیار همه چیز در آن در اختیار خودمان است. نکته‌ای که باید مد نظر قرار دهید این است که دنیای متاورس با ارزهای دیجیتال وابستگی دارد.

در واقع در دنیای متاورس هم این امکان برای کاربران وجود داشته که همانند دنیای واقعی به خرید و فروش و معامله بپردازند. بنابراین برای انجام مبادلات نیاز به ارزی خواهید داشت. به همین دلیل ارزهای دیجیتال می‌توانند بهترین گزینه و انتخاب باشند.

علاوه بر ارزهای دیجیتال اصطلاحی که خصوصا این روزها بیشتر با آن روبه رو می‌شویم توکن‌های غیرمثلی یا NFT (Non-fungible token) هستند. این توکن‌ها یکی از جدیدترین پدیده‌های فناوری بلاک‌چین بوده که به سرعت در حال گسترش است.

از نقش‌ها و ویژگی‌های اصلی توکن‌های غیرمثلی در دنیای متاورس به اعطای مالکیت کامل شخصیت‌ها، آیتم‌های جمع‌آوری‌شده در بازی و حتی زمین مجازی به افراد می‌توان اشاره کرد.

توکن‌های غیرمثلی (NFT) در متاورس
توکن‌های غیرمثلی (NFT) در متاورس

ویژگی‌های متاورس

  • حضور
  • به عنوان اولین و مهم‌ترین ویژگی متاورس به حضور یا همان Presence می‌توان اشاره کرد. منظور از کلمه حضور در متاورس این است که کاربران در این دنیای مجازی و در کنار باقی کاربران، احساس حضور کنند. تحقیقات نشان می‌دهد که این احساس حضور به افزایش کیفیت تعاملات در این دنیای مجازی کمک می‌کند.

    نکته‌ای که باید در اینجا به آن اشاره کنیم این است که این احساس حضور و نزدیکی با دیگران، از طریق هِدسِت و نمایشگرهایی که در مقابل شما قرار دارند انتقال پیدا می‌کند.

  • همکاری
  • قابلیت همکاری یکی دیگر از جوانب مهم در دنیای متاورس محسوب می‌شود. با کمک این قابلیت کاربران می‌توانند به همه‌جای این دنیای مجازی سفر کرده و با یکدیگر همکاری کنند. به عبارتی دیگر یکپارچگی موجود در متاورس به کاربران این امکان را داده تا با داشتن یک آواتار یکسان بتوانند در همه بخش‌های آن حضور داشته و از امکانات آن برخوردار شوند.

  • استانداردسازی
  • استانداردسازی ( Standardization) یکی از اصلی‌ترین ویژگی‌ها و جوانب متاورس است که بر اهمیت آن می‌افزاید. همانطور که هر سیستم و سازمانی برای استانداردشدن نیاز به یک سیستم استانداردسازی دارد، متاورس نیز از این قاعده مستثنا نیست.

    جالب است که بدانید ایجاد این ویژگی در دنیای مجازی متاورس تا حدی حائز اهمیت بوده که حتی یک سازمان بین‌المللی برای آن در نظر گرفته شده تا پروتکل‌های استاندارد متاورس را تأیید کند.

  • دنیای بی انتها
  • متاورس مفهوم و تعریف گسترده‌تری نسبت به دنیای واقعیی دارد که در آن زندگی می‌کنیم. با توجه به اینکه دنیای متاورس به فضاهای فیزیکی محدود نیست تا بی‌نهایت امکان گسترش آن وجود دارد و حد و مرزی برای آن وجود ندارد. به طور خلاصه باید گفت متاورس یک دنیای بی‌پایان است.

  • همزمانی
  • همزمانی یکی از ویژگی‌های مهم و قابل توجه در متاورس است. این بدان معناست که در دنیای متاورس امکان و قابلیت ارتباط و تعامل بین کاربران سراسر جهان به صورت همزمان وجود دارد. به عبارتی دیگر حوزه متاورس توانایی تعامل و ارتباط میان میلیاردها کاربر در زمان واقعی را فراهم می‌کند.

  • سرعت
  • این ویژگی هم یکی از مهمترین شاخصه‌های متاورس بوده چراکه در آن، نیازی به جستجو برای هیچ موضوعی نیست در متاورس همه‌چیز حتی هرگونه اطلاعات به‌صورت آنی قابل دسترس کاربران است.

  • پایداری
  • ویژگی پایداری در متاورس به منزله امکان دسترسی‌ همیشگی است. شما می‌توانید ساختمان‌های مجازی جدید یا اشیاء دیگری را در دنیای متاورسی خود ایجاد و اضافه کنید. همچنین می‌توانید آنها را آنگونه که می‌خواهید تغییر دهید و نکته جالب توجه این که این تغییرات در بازدیدهای بعدی شما هم اعمال شده و ذخیره می‌شوند.

  • هزینه
  • از مزیت‌های بارز و محبوبی که در دنیای متاورس وجود دارد حذف هزینه‌های دنیای فیزیکی مثل هزینه رفت‌و‌آمد، آموزش‌، خرید سخت‌افزارها و نرم‌افزارها و موارد دیگر می‌شود. چون نه دیگر نیازی به رفت و آمد هست و نه خرید سخت افزار یا نرم افزار. امری که در برخی موارد می‌تواند سبب بهبود وضعیت زندگی انسان شود.


    محدودیت‌های متاورس

  • عدم انطباق و سازگاری برخی افراد
  • در عصر حاضر که عصر تکنولوژی و فناوری است و همه چیز به سمت ماشینی شدن پیش می‌رود هنوز هم افرادی هستند که حاضر نیستند روش‌ها و شیوه‌های زندگی سنتی خود را ترک کرده و به زندگی مدرن روی بیاورند. به عنوان مثال کسانی که ترجیح می‌دهند به جای مطالعه کتاب‌های الکترونیکی یا همان eBookها نسخه چاپی و کاغذی آن را مطالعه کنند.

    افرادی که ترجیح می‌دهند به‌جای استفاده از همراه بانک، از پول نقد استفاده کنند. به جای خرید آنلاین ترجیح می‌دهند به داخل فروشگاه رفته و خودشان از نزدیک خریدشان را انجام دهند. حال چطور می‌توان از این افراد انتظار داشت که وقتی هنوز به خوبی نمی‌توانند با اینترنت ارتباط برقرار کنند، با Metaverse انطباق و سازگاری داشته باشند.

  • حذف لذت‌های فیزیکی در دنیای واقعی
  • یکی دیگر از محدودیت‌ها و در واقع نقاط ضعفی که متاورس برای انسانها به ارمغان می‌آورد از بین بردن و حذف لذتهای فیزیکی است. همانطور که گفتیم در متاورس شما هر آنچه را که بخواهید و به هر جایی که مدنظرتان باشد در کمترین زمان ممکن دسترسی خواهید داشت و این یعنی تجربه نکردن بسیاری از لذتها که تاکنون تجربه می‌کردید.

    مثلا در زندگی واقعیتان شاید یکی از لذتها در هنگام سفر دیدن مناظر و مسیر سفر بوده که این در متاورس دیگر قابل دست یافتن نیست چرا که در حد ثانیه به دورترین مکان‌های موردنظرتان سفر خواهید کرد.

    یا مثلا لذت تعمیر یک وسیله قدیمی، درس دادن و بازی کردن با بچه‌ها، تمیز کردن محیط زندگی، ورزش‌ صبحگاهی، قدم زدن‌های شبانه با دوستان و بسیاری از لذت‌های دیگر که در متاورس حذف شده است.

    شاید برای کسانی که از پیشرفت تکنولوژی لذت می‌برند این محدودیت‌ها مسئله مهمی نباشد و حتی از نظرشان  خنده‌دار هم باشد، اما به خاطر داشته باشید یک زندگی رقابتی و کاملاً هدف‌محور هم معایب خاص خودش را دارد و می‌تواند به روحیات انسان آسیب وارد کند.

    آیا متاورس جایگزین اینترنت خواهد شد؟

    نگرشی که این روزها در بسیاری از محافل و بر سر زبان بسیاری از کاربران میشنویم این است که متاورس قرار است جای اینترنت را بگیرد و حتی خیلی‌ها متاورس را اینترنت آینده نامگذاری کرده‌اند. شاید این نظر تا حدی درست باشد. چراکه متاورس کلیه اطلاعات و داده‌ها را برای ما دست یافتنی می‌کند و با این تفاسیر دیگر به اینترنت نیازی نخواهیم داشت.

    اما از سوی دیگر داده‌ها حاکی از وجود چیزی حدود ۱.۷ میلیارد وب‌سایت در سراسر جهان است. کاملاً مشخص است این حجم از اطلاعات چیزی نیست که براحتی بتوان آن را به پروژه‌ای مثل متاورس انتقال داد. مارک زاکربرگ، متاورس را نسخه‌ای متفاوت از اینترنت فعلی دانسته و بر این موضوع تاکید دارد که اینترنت فعلی همچنان در اختیار کاربران خواهد بود. با این حال بسیاری از خدمات در اینترنت، جای خود را به خدمات جدیدی در متاورس خواهد داد.

    آیا متاورس جایگزین اینترنت خواهد شد؟
    آیا متاورس جایگزین اینترنت خواهد شد؟

    بهترین پروژه های متاورس

    متاورس دارای پروژه‌های متعدد زیادی است که به کاربران این امکان را داده در حین بازی کسب درآمد هم داشته باشند. این پروژه‌ها و پلتفرم‌ها در حوزه ارزهای دیجیتال از محبوبیت زیادی برخوردار هستند و طرفداران زیادی را به خود اختصاص داده‌اند. از مهمترین پرو‌ژه‌های  متاورسی به موارد زیر می‌توان اشاره کرد.

  • دیسنترالند (Decentraland)
  • دیسنترالند یکی از نمونه‌های شناخته شده و مطرح در دنیای متاورس در جهان است. پلتفرم دیسنترالند بر اساس فناوری بلاک‌چین کار می‌کند و در آن‌ گیمرها (بازیکنان) می‌توانند به کمک ارزهای دیجیتال ساختمان‌هایی مثل شهربازی بسازند و حتی از آن‌ها کسب درآمد کنند. در دیسنترالند می‌توانید زمین بخرید و یا آن را بفروشید و از پول آن برای خرید اسلحه در بازی فورتنایت استفاده کنید.

    دیسنترالند (Decentraland)
    دیسنترالند (Decentraland)

  • سند باکس (Sandbox)
  • سندباکس یکی از بهترین پروژه‌های متاورسی بوده که طرفداران زیادی هم دارد. این پروژه مبتنی بر بلاک‌چین دارای امکانات و قابلیت‌های زیادی است که کاربران در آن امکان خرید، فروش، و ادعای مالکیت اموال متفاوت خود را دارند. این پلتفرم در عین امنیت و قابلیت اطمینان دارای معایبی است که از مهمترین آنها به هزینه بالای شبکه اتریوم برای خرید بلاک‌چین می‌توان اشاره کرد.

    سند باکس
    سند باکس

  • ناکاموتو (Nakamoto)
  • ناکاموتو یکی دیگر از پروژه‌های متاورسی است که در این بازی هم مثل بازی دیسنترالند، کاربران امکان خرید زمین‌های مجازی، ساختن آن و درنهایت فروش آن را دارند. خرید و فروش زمین مجازی به منزله سرمایه‌گذاری در متاورس است. لازم به ذکر است که در بازی ناکاموتو، توکن‌های قابل معاوضه به نام ناکا شناخته می‌شود که ارز دیجیتال بسیار مناسب و روبه‌رشدی محسوب می‌شود. این بازی واقعیت مجازی یکی از تازه‌ترین بازی‌های متاورسی است که توکن آن در حال حاضر ارزشی معادل ۳ دلار دارد.

    ناکاموتو (ناکا)
    ناکاموتو (ناکا)

  • اکسی اینفینیتی (Axie Infinity)
  • اکسی اینفینیتی یکی از پروژه‌هایی است که بسیاری از کاربران با نام آن آشنا هستند. محبوبیت این بازی آنلاین به این دلیل است که در حین بازی امکان کسب درآمد را نیز به کاربران خود می‌دهد. در اکسی اینفینیتی کاربران می‌توانند حیوانات موردعلاقه خود را به‌صورت مجازی پرورش داده و با استفاده از انها کسب درآمد کنند.

    اکسی اینفینیتی
    اکسی اینفینیتی

    مهم‌ترین شرکت‌های فعال در حوزه متاورس

    ۱- متا (Meta)

    متا که نام جدید شرکت فیسبوک است از مهم‌ترین شرکتهای فعال در حوزه متاورس محسوب می‌شود. این شرکت تاکنون بیش از ۵۰ میلیون دلار سرمایه خود را صرف توسعه شبکه متاورس کرده است.

    متا (Meta)
    متا (Meta)

    ۲- مایکروسافت (Microsoft)

    شرکت مایکروسافت نمونه‌ای دیگر از شرکتهای مهم و فعال در حوزه متاورس بوده که پیش از ورود به این حوزه فعالیت‌هایی در زمینه هولوگرام و واقعیت گسترده (XR) از طریق پلتفرم مایکروسافت مش داشته است. مایکروسافت قصد دارد دنیای واقعی را با واقعیت مجازی و واقعیت افزوده ترکیب کند. این شرکت همچنین می‌خواهد هولوگرام‌ها و آواتارهای مجازی را تا سال ۲۰۲۲ به Microsoft Teams اضافه کند.

    مایکروسافت (Microsoft)
    مایکروسافت (Microsoft)

    ۳- اپیک

    اپیک شرکت سازنده بازی معروف فورتنایت (Fortnite) است. مدیرعامل اپیک در مصاحبه‌ای اعلام کرده که علاقه بسیاری به توسعه متاورس دارد. هنرمندانی مانند آریانا گرنده و تراوس اسکات در این بازی کنسرت برگزار کرده‌اند و حتی سخنرانی مشهور مارتین لوتر کینگ در سال ۱۹۶۳ نیز در این پلتفرم بازسازی شده است.

    اپیک
    اپیک

    آینده متاورس

    متاورس (Metaverse) مقوله‌ای است که امروزه بیش از گذشته شاهد محقق شدن آن هستیم. دنیای جدیدی که فارغ از محدودیت‌های اینترنت کنونی امکان ارتباطات و کسب تجربیات متنوع را برای همه فراهم می‌کند. در دنیای مجازی متاورس هر آنچه بخواهید در دسترس شماست، می‌توانید شخصیت مورد علاقه خودتان را در آن بسازید و درست شبیه زندگی واقعی در آن زندگی کنید.

    هر چیزی در این دنیا را می‌توانید به صورت کاملا غیر متمرکز کنترل کنید بدون اینکه اختیار و مدیریت آن دست نهاد دولتی خاصی باشد. این همان نقطه اشتراک و ارتباط متاورس با فناوری بلاک‌چین است.

    سرمایه‌گذاری سنگین انگلیس برای هوش مصنوعی

    به‌تازگی یک بسته جدید ۳۴ میلیون پوندی جهت تامین مالی ۲۰۰۰ بورسیه تحصیلی برای دوره‌های تبدیل کارشناسی‌ارشد هوش مصنوعی و علوم داده برای دانشجویان محروم اعلام کرده است.

    اروپا با وجود اینکه در زمینه تحقیقات هوش مصنوعی حرف اول را می‌زند اما وقتی سخن از کاربردهای این فناوری در عرصه‌های صنعتی به میان می‌آید، نام اروپا بعد از آمریکا و چین قرار می‌گیرد. به این منظور، پروژه جدید افق ۲۰۲۰ به دنبال کاهش و حذف این شکاف بین تحقیقات هوش مصنوعی و کاربردهای آن در صنایع است.

    به گزارش ایسنا، روزنامه «فرهیختگان» در ادامه نوشت: سیستم‌های حیاتی ایمنی هوش مشترک(CISC) در قالب این پروژه، بورسیه‌های تحصیلی را با رویکرد هوش مصنوعی انسان محور اتحادیه اروپا در سطح بالایی به ۱۴ دانشمند در کلاس جهانی ارائه می‌دهد و مجموعه‌ای از مهارت‌های میان‌رشته‌ای را برای توسعه سیستم‌های اطلاعاتی مشترک و ارتباط تحقیقات با کاربردهای صنعتی ایجاد می‌کند. درحال حاضر، بسیاری از فناوری‌های روز دنیا با استفاده از هوش مصنوعی کار می‌کنند و نبود این فناوری سرعت انجام و پیشبرد بسیاری از کارها را با کندی مواجه کرده است.

    زمان‌بندی ۹ ساله تا ابرقدرتی در هوش مصنوعی

    در یک دهه آینده، هوش مصنوعی در آستانه ایجاد یک اثر دگرگون‌کننده در حوزه تجاری و اجتماعی است و ملت‌های دنیا خواستار آن هستند که به‌عنوان کشوری موفق و برتر در زمینه هوش مصنوعی فعالیت کنند و حرف‌های زیادی برای گفتن داشته باشند. در استراتژی ملی هوش مصنوعی انگلیس که به تازگی منتشر شده، محققان بر این اساس درنظر گرفته‌اند که انگلیس تا سال ۲۰۳۰ بتواند به ابرقدرت جهانی در حوزه هوش مصنوعی تبدیل شود. این پیش‌بینی جز با رشد اکوسیستم هوش مصنوعی، ‌گذار به اقتصاد مبتنی‌بر هوش مصنوعی و گرفتن حق حاکمیت هوش مصنوعی برای محافظت از شهروندان در عین بهبود نوآوری محقق نخواهد شد. «ریشی سوناک» صدراعظم انگلیس هم‌راستا با این استراتژی، به‌تازگی یک بسته جدید ۳۴ میلیون پوندی جهت تامین مالی ۲۰۰۰ بورسیه تحصیلی برای دوره‌های تبدیل کارشناسی‌ارشد هوش مصنوعی و علوم داده برای دانشجویان محروم اعلام کرده است.

    سرمایه‌گذاری عظیم انگلیسی‌ها

    به گزارش techcrunch، این نخستین بسته حمایتی دولت انگلیس جهت تقویت توانمندی‌های کشور در حوزه فناوری‌های یادگیری ماشینی در درازمدت است. کارشناسان امر امیدوارند این استراتژی بتواند طی ۱۰ سال آینده منجر به افزایش تعداد و انواع فناوری‌های هوش مصنوعی و توسعه و تجاری‌سازی هر چه بیشتر این فناوری‌ها در انگلیس شود. طرح اولویت‌بندی و سطح ارتقای توسعه و کاربردهای هوش مصنوعی از استراتژی‌های صنعتی و دیجیتالی قبلی پیروی می‌کند که وعده‌های هوش مصنوعی را تایید می‌کرد. اما دولت بوریس جانسون اکنون مسیر پیشرفت را در پیش گرفته و برنامه‌ای ۱۰ ساله را درنظر گرفته و برای تبدیل انگلیس به ابرقدرت هوش مصنوعی در جهان سرمایه‌گذاری کرده است. این سرمایه‌گذاری‌ها قرار است صرف ارتقای مهارت‌ها در زمینه این فناوری شود. به‌طور مشخص، کمبود هزینه‌ای برای حمایت از این استراتژی جدید از سوی دولت انگلیس اعلام شده است. درحال حاضر، دولت بر میزان سرمایه‌گذاری نقدی سرمایه‌گذاران در شرکت‌های هوش مصنوعی این کشور تاکید می‌کند به‌طوری‌که بین ماه‌های ژانویه تا ژوئن سال جاری حدود ۱۳.۵ میلیارد پوند به بیش از ۱۴۰۰ شرکت فناوری انگلیس تعلق گرفته است و کل سرمایه‌گذاری دولت در هوش مصنوعی از سال ۲۰۱۴ هزینه‌ای بالغ بر ۲.۳ میلیارد پوند را شامل می‌شود. اما هنوز هیچ اطلاعاتی از میزان کل بودجه‌ای که دولت انگلیس قرار است برای حمایت از توسعه هوش مصنوعی اختصاص دهد، عنوان نشده است. این سرمایه‌گذاری‌ها، حمایت مستمر از برنامه‌ریزی‌های صورت‌گرفته برای آموزش تحصیلات تکمیلی و بازآموزی را شامل می‌شود. به دلیل تغییر قابلیت‌های این کشور در حوزه هوش مصنوعی، این کشور در آینده‌ای نزدیک به بهترین مکان برای زندگی و کار در حوزه هوش مصنوعی تبدیل خواهد شد که در راستای سیاست دیجیتال دولت انگلیس قرار می‌گیرد.

    استراتژی‌ها چگونه عمل می‌کنند؟

    به نظر می‌رسد نخستین مرحله از این استراتژی بر جمع‌آوری داده‌ها برای اطلاع از سیاست‌های آینده هوش مصنوعی متمرکز است. برخی استانداردهای ژئوپلیتیکی هم وجود دارند که پیرامون مقررات هوش مصنوعی در معاملات تجاری است و مشخص می‌کند که آیا انگلیس می‌تواند تا این اندازه در صحنه جهانی در این زمینه تلاش کند یا خیر. در این راستا، دولت انگلیس همچنین قرار است طرح ملی نوآوری و پژوهش هوش مصنوعی را به‌منظور هماهنگی و همکاری میان محققان کشور اجرایی کند که از این طریق به تحول توانمندی‌های هوش مصنوعی در این کشور کمک خواهد کرد. این طرح، پذیرش فناوری‌های هوش مصنوعی در بخش دولتی و تجاری و نیز توانایی آنها برای عرضه به بازار را تقویت می‌کند. در این مسیر، انگلیس قرار است دفتر مشترک هوش مصنوعی و برنامه تحقیقات و نوآوری انگلیس را با هدف تداوم توسعه این فناوری در بخش‌های مستقر در خارج از لندن و جنوب شرق آن راه‌اندازی کند. این امر بر تجاری‌سازی ایده‌ها تمرکز کرده و می‌تواند شاهد تمرکز دولت بر سرمایه‌گذاری در این حوزه باشد که پتانسیل بالایی در حوزه‌های مختلف ازجمله انرژی و کشاورزی دارد. این دولت همچنین یک مرکز استاندارد هوش مصنوعی را برای هماهنگی مشارکت انگلیس در تنظیم قوانین در سطح جهانی راه‌اندازی کرده و با موسسه آلن تورینگ همکاری می‌کند تا دستورالعمل‌های مربوط به اخلاق و ایمنی هوش مصنوعی را در بخش دولتی به‌روزرسانی کنند. استراتژی ملی انگلیس برای استارتاپ‌های فعال در این حوزه نیز شامل برنامه‌ای برای ارزیابی نیازها و چالش‌های تامین بودجه خصوصی طی ۶ تا ۱۲ ماه آینده است. در این مسیر، دولت این کشور درنظر دارد طرح ویزای جدیدی را برای جذب برترین استعدادهای دنیا در حوزه هوش مصنوعی به انگلیس جذب کند.

    نیاز به همکاری صنعت و دانشگاه

    به گزارش timeshighereducation، تمام اینها اخبار خوشایندی هستند اما با وجود این، برای اطمینان از اینکه سرمایه‌گذاری در پژوهش و آموزش هوش مصنوعی پتانسیل لازم را برای تغییر جوامع و منافع اقتصادها در اختیار دارد، همکاری صنعت و دانشگاه ضروری است. در این میان، با وجود همکاری دانشگاه و صنعت باز هم مشکلاتی پیش روی رویکردهای دولت انگلیس در چنین همکاری‌هایی وجود دارد. یکی از چالش‌های کلیدی، درک محدودی است که صنعت ممکن است از چگونگی مشارکت دانشگاه‌ها داشته باشد. بیشتر دانشگاه‌ها و مراکز آموزشی در انگلیس، فهرستی از فرصت‌های همکاری، استخدام فارغ‌التحصیلان، پروژه‌های مشترک کارشناسی‌ارشد، مشاوره و پروژه‌های تامین‌شده را ارائه می‌دهند که یکی از نمونه‌های آن، مشارکت در انتقال دانش است که برای همکاری با یک شرکت، در چالشی که با آن روبه‌رو می‌شود، به‌صورت پاره‌وقت از سوی دانشگاه تحت نظارت قرار گرفته و عملیات انتقال دانش را تامین مالی می‌کند. چنین برنامه‌هایی نه‌تنها انتقال دانش از دانشگاه به تجارت را امکان‌پذیر می‌کند، بلکه دانشگاهیان را هم برای کار روی مشکلات عملی ترغیب می‌کند. اما حتی اگر این فهرست از امکانات و قابلیت‌ها برای شرکت‌ها ارتقا می‌یافت، برای اجرای موفقیت‌آمیز استراتژی هوش مصنوعی ملی، هم صنعت و هم دانشگاه ممکن است برای همکاری نیاز به اتخاذ روش‌های جدید و انعطاف‌پذیر پیدا کنند.

    موانع موجود بر سر راه دانشگاه و صنعت

    یکی از روش‌هایی که در مسیر همکاری صنعت و دانشگاه باید اتفاق بیفتد گسترش کاربردهای هوش مصنوعی است که برای تحقق این امر، طیف وسیعی از ذی‌نفعان و رشته‌های مرتبط با این حوزه باید جمع شوند تا بتوان به شیوه‌ای کاربردی از این حوزه استفاده کرد که نه‌تنها از نظر فنی مناسب هستند، بلکه الزامات اخلاقی و قانونی را نیز برآورده می‌کنند. برای این منظور، دانشگاه‌ها باید فعالیت‌های میان‌رشته‌ای را تشویق کنند که از آن جمله می‌توان به ایجاد پیوند میان ریاضی‌دانان و دانشمندان حوزه کامپیوتر با متخصصان علوم انسانی و اجتماعی به‌منظور تولید سیستم‌های قابل اعتماد و مستقلی اشاره کرد که منصفانه و مسئولانه بوده و حریم خصوصی را حفظ می‌کنند. چند پیشرفت بزرگ در حوزه تعامل هوش مصنوعی و یک رشته متفاوت به تازگی اتفاق افتاده که می‌توان به استفاده موفق از هوش مصنوعی برای حل مسائل درازمدت در حوزه زیست‌شناسی اشاره کرد. شاید دانشگاه‌ها نیز در شرایطی قرار گیرند که مجبور به برداشتن موانع صنعت شوند. فراتر از دسترسی به دانشگاه‌ها و پژوهش، برخی شرکت‌ها ممکن است از دسترسی به منابع دانشگاهی مانند فضای کاری، منابع کتابخانه‌ای، محاسبات با کارایی بالا یا مجموعه سخنرانی‌های عمومی نیز بهره‌مند شوند. درحال حاضر، نه دانشگاه‌ها و نه شرکت‌ها، هیچ کدام به‌طور انحصاری برای این کار راه‌اندازی نشده‌اند.

    کاهش حضور دانشجویان در صنعت

    مشکل دیگری که در رویارویی دولت انگلیس برای رسیدن به ابرقدرتی در حوزه هوش مصنوعی وجود دارد، عدم حضور کافی فارغ‌التحصیلان و دانشجویان فعال در این حوزه است و کارشناسان پیش‌بینی کرده‌اند که با ورود محققان و مغزهای فعال در حوزه هوش مصنوعی از دانشگاه به صنعت می‌توان انتظار داشت این حوزه به مرور و طی چند سال رونق بالایی پیدا کند. شرکت‌های فناورانه بزرگ اغلب مجهز به منابع محاسباتی و انسانی هستند که تحقیقات هوش مصنوعی را در مقیاسی مورد ارزیابی قرار داده و امکان‌پذیر می‌کند که محاسبات آن برای دانشگاهیان دشوار یا غیرممکن است و همین امر می‌تواند باعث فرار دانشگاهیان از دانشگاه‌ها شده و این‌گونه ممکن است یک شکاف دانشی هوش مصنوعی در دانشگاه ایجاد کند. این درحالی است که دولت باید تلاش کند تا متخصصان هوش مصنوعی را در موسسات آموزشی شامل دانشگاه‌ها نگه دارد؛ متخصصان این حوزه بخش مهمی از اکوسیستم نوآوری این فناوری را تشکیل می‌دهند. اما بهترین اقدامی که در این میان می‌توان انجام داد، برقراری رابطه‌ای قوی میان دانشگاه و صنعت است که به دانشگاهیان اجازه می‌دهد به‌طور نیمه‌وقت هم در دانشگاه و هم در صنعت مشغول به فعالیت شوند و هر دو حوزه بتوانند از توانمندی‌های این متخصصان بهره‌مند شوند. این اقدام می‌تواند اقدامات شرکت‌ها را با استفاده از جدیدترین تحقیقات دانشگاهی بهبود بخشد اما همچنین، ورود تجربه کاری محققان و متخصصان به دنیای واقعی کلاس‌های درسی دانشگاهی، به نفع دانشگاه هم تمام می‌شود و دانشجویان را برای فعالیت در حرفه‌های مرتبط با هوش مصنوعی آماده‌تر می‌کند.

    مشارکت دانشگاه و صنعت در مهارت‌آموزی به دانشجویان

    هوش مصنوعی به سرعت درحال تکامل است و بنابراین، یک هدف متحرک به‌شمار می‌رود. از این رو، متخصصان در قالب دانشگاه باید به‌طور مداوم پیشنهادهای ارائه شده را بررسی کرده تا اطمینان حاصل کنند که در قالب همکاری صنعت و دانشگاه، نسل بعدی متخصصان هوش مصنوعی و دانشمندان حوزه داده با مهارت‌های موردنیاز برای جامعه و صنعت تربیت می‌شوند. البته تربیت این گروه از دانشمندان نباید تنها محدود به حوزه‌ها و تخصص‌های موجود باشد و باید نیاز جامعه و صنعت را هم درنظر داشت تا بتوان به درستی نیازها را برآورده کرد. به‌عنوان مثال، در دانشگاه «کوئین مری»، به تازگی بودجه‌هایی ازسوی شورای تحقیقات بیوتکنولوژی و علوم زیستی برای مشارکت صنعتی جدید با هدف پرکردن شکاف مهارت‌های شناخته شده به محققانی تعلق گرفته است که به‌طور همزمان مهارت‌های محاسباتی عمیق و درک کلیدی دارند. همچنین صنعت و دانشگاه می‌توانند از نظر آموزشی به‌طور مشارکتی اقدام کنند. صنعت و دانشگاه قادرند سخنرانی‌ها و کل دوره‌های آموزشی را با همکاری هم طراحی کنند و نه‌تنها برای تجهیز بهتر دانشجویان فعلی بلکه از طریق دوره‌های آنلاین رایگان، آنها را برای زندگی آماده کنند و نیز برای الهام‌بخشیدن به نسل بعدی یا از طریق دوره‌های توسعه حرفه‌ای مستمر عمل کنند که کارمندان شرکت‌ها را از آخرین پیشرفت‌های هوش مصنوعی مطلع می‌کنند. اگرچه چالش‌های زیادی که در مسیر تبدیل شدن انگلیس به ابر قدرت هوش مصنوعی وجود دارد، اما زمان حاضر، مناسب‌ترین زمان برای همکاری صنعت و دانشگاه به‌منظور رفع شکاف مهارت‌های هوش مصنوعی و تقویت نوآوری‌های تحقیقاتی در سطح جهانی است.