سواد اطلاعاتی چیست و افراد باسواد اطلاعاتی چگونه متولد می‌شوند؟

توسط دکتر مریم نظری

سواد اطلاعاتی شامل پنج مهارت و یک طرز فکر است که قابلیت یادگیری مستقل و تمام‌عمر را در افراد به وجود می‌آورد.

در واقع فرد باسواد اطلاعاتی با برخورداری از این مهارت‌ها و طرز فکر:

• تشخیص می‌دهد کی و چرا به اطلاعات نیاز دارد و می‌تواند نیاز اطلاعاتی خود را به زبانِ منبع‌فهم بیان کند.
• انواع منابع اطلاعات و ابزارهای دستیابی به اطلاعات را می‌شناسد و می‌داند چطور از این ابزارها برای دستیابی به منابع موردنیازش استفاده کند.
• می‌تواند از میان انبوه منابعی که پیدا می‌کند، مرتبط‌ترین و معتبرترین‌ها را گلچین کند.
• و می‌تواند به صورت موثر و اخلاقی از این منابع استفاده کند و نیاز دانشی و مهارتی خود را تامین نماید.

به عبارتی افراد مجهز به سواد اطلاعاتی قادرند در هر موقعیت و در مواجهه با هر مسئله‌ای تشخیص دهند چه دانش و مهارتی کسر دارند و می‌توانند با بهترین منابع این نیاز دانشی و مهارتی خود را تامین کنند و بهترینِ خود شوند.

---

شرط اصلی پرورش افراد باسواد اطلاعاتی

این است که قبل از هر اقدامی، نیاز مخاطب مدنظرتان را عمیق بشناسید تا بتوانید برنامه‌های سواد اطلاعاتی طراحی کنید که مهارت‌ها و طرز فکر موردنیاز را در او ایجاد کند آن هم با زبان و ادبیاتی که او متوجه می‌شود. به عبارتی:

برنامه‌های سواد اطلاعاتی باید به گونه‌ای طراحی شوند که به مخاطبتان کمک کنند در هر شرایطی تشخیص دهد تا ایده‌آلش چه دانش و مهارت‌هایی کم و کسر دارد.

بدین منظور باید قبل از هر چیز اهمیت و کاربردهای اطلاعات را در دل موقعیت و هدف مدنظرش تشریح کنید تا مثلا دریابد که چرا برای حل مسائلم – به عنوان یک هنرمند، یک معلم، یک خانم خانه‌دار … – باید به اطلاعاتی فراتر از پیش‌دانسته‌های خود مراجعه کنم؟ اینکه سواد اطلاعاتی چه کمکی به من می‌کند؟ 

---

برنامه‌‌های سواد اطلاعاتی باید به گونه‌ای طراحی شوند

که چگونه اندیشیدن درباره نیاز اطلاعاتی و منابع اطلاعات را در مخاطبتان ایجاد کنند.

مثلا به این نتیجه برسد که برای رسیدن به نتیجه دلخواهم باید مهارت جدیدی بیاموزم.

به عبارتی باید ذهنیت او درباره اطلاعات و منابع اطلاعات تغییر کند و  به مصادیقی فراتر از مصادیق اطلاعات به مفهوم مرسوم آن یعنی کتاب، مجله و اینترنت بسط یابد.

اینکه منبع اطلاعات می‌تواند تجربه یک دوست یا یک همکار باشد یا تجربه موفق یک سازمان یا یک کسب و کار باشد.

همین طرز فکر، فرصت‌های یادگیری و رشد را به او نشان می‌دهد و او را عاشق یادگیری و رشد می‌کند.

---

برنامه‌‌های سواد اطلاعاتی باید به گونه‌ای طراحی شوند

که متنوع فکر کردن درباره شیوه‌های دستیابی و استفاده از اطلاعات را در مخاطبتان پرورش دهند.

با توجه به اینکه دسترسی، ارزیابی و استفاده از هر نوع منبع اطلاعاتی نیازمند ملاحظات ویژه‌ای است، لازم است تا چگونه اندیشیدن درباره هر یک از این مهارت‌ها با توجه به ماهیت فعالیت‌ها و مسائل گروه هدف به آنها آموزش داده شود.

---

و بالاخره برنامه‌‌های سواد اطلاعاتی باید به گونه‌ای طراحی شوند

که امکان طراحی خدمات مخاطب‌پسند را مهیا نمایند.

براساس فهم عمیقی که از نیاز اطلاعاتی (یا فعالیت‌ها و مسائل) مخاطب و منابع موردنیاز او به دست می‌آورید، می‌توانید خدماتی طراحی کنید که درخور (فیت) نیاز اوست.

---

تنها در این صورت است که برنامه‌های سواد اطلاعاتی تحول ایجاد می‌کنند

یعنی افراد راه‌بلد و هر دم در حالِ یادگیری پرورش می‌دهند

که رشد و بهتر شدن جزو برنامه‌های ثابت آنهاست.

---

در بسته جامع مدرسان سواد اطلاعاتی، پراکتیس و آموزشِ سواد اطلاعاتی را با چنین چشم‌اندازی می‌آموزید.

---

دکتر مریم نظری:

با پرده‌برداری از قابلیت‌های فوق‌العاده کاربردی و فرصت‌آفرین سواد اطلاعاتی:
به اساتید و معلمان کمک می‌کنم کلاس درسشان را مولد و تاثیرگذار کنند و در موضوع تدریسشان مرجع شوند.
--
به مربیان و اساتید درس سواد اطلاعاتی کمک می‌کنم برنامه‌های آموزشی تاثیرگذاری طراحی و عرضه کنند طوری که مخاطبشان راه‌بلد شود.
--
به کارجویان علم اطلاعات کمک می‌کنم با یادگیری و آموزش سواد اطلاعاتی وارد بازارهای بکر آموزش و مشاوره شوند و در حوزه موردعلاقه‌شان مشغول کار شوند.
--
و به کتابدارها و حرفه‌مندان علم اطلاعات کمک می‌کنم با بازبینی و بازچینی کتابخانه‌ و خدماتشان و ارائه آموزش‌های تخصصی و جذاب، انواع کاربران را در رسیدن به اهدافشان یاری رسانند و از این طریق برند نو و متفاوتی از رشته و حرفه کتابداری به مخاطب عرضه کنند.
--

درباره دکتر مریم نظری

مریم نظری دکترای سواد اطلاعاتی از دانشگاه شفیلد انگلستان دارد. به واسطه نوآوری‌هایِ تز دکتری‌اش، پژوهش او چندین جایزه جهانی و دعوت بین‌المللی دریافت کرده، و در نشریات بین‌المللی برتر  منتشر شده است. او از سواد اطلاعاتی به عنوان یک متدولوژی توانمندساز برای راه‌بلد کردن افراد، سازمان‌ها و کسب و کارها و برای مولدسازی پژوهش‌ها و آموزش‌های دانشگاهی و غیردانشگاهی استفاده می‌کند. اولین کتاب سواد اطلاعاتی و اولین برنامه درسی دانشگاهی سواد اطلاعاتی در ایران، و اولین مدل بافتی سواد اطلاعاتی در جهان از جمله دستاوردهایِ  17 سال پراکتیس او در حوزه سواد اطلاعاتی هستند.

معرفی کتاب "فیزیک از آغاز تا امروز" ا

فیزیک از آغاز تا امروز - نسخه الکترونیکی

Hossein Javadi

در نسخه الکترونیکی کتاب، ضمن به روز رسانی تا سال 2018، تصاویر کتاب نیز بصورت رنگی منتشر شده است

امکان خرید کتاب الکترونیکی در ایران و خارج از ایران فراهم است

 کتاب فیزیک از آغاز تا امروز

https://www.ketabrah.ir/go/book/24981

پیشگفتار:

این که نیوتن با مشاهده سقوط سیب، قانون جهانی گرانش را کشف کرد، داستانی تخیلی بیش نیست. اما اگر گفته شود که نیوتن تنها کسی بود که وجه مشترک سقوط سیب و گردش ماه به دور زمین را درک کرد، واقعیتی انکارناپذیر است. اندیشه های مربوط به قانون جهانی گرانش، سال ها قبل از تولد نیوتن نیز وجود داشت و برخی نظریه های ارائه شده توسط دیگر فیزیکدانان با دست آورد نیوتن، تنها گامی فاصله داشت و آن ذره ای فرض کردن زمین و خورشید بود و این گام مهم را نیوتن برداشت. روند مشابهی در پیدایش مکانیک کوانتوم و نسبیت نیز مشاهده می شود. زمینه های فکری نسبیت را می توان در کارهای لورنتس مشاهده کرد و آنگاه خواهیم دید که چگونه اینشتین گام نهایی را برداشت و با نفی دستگاه مطلق اتر، انسان را با دنیایی جدید آشنا کرد که در آن فضا مستقل از ماده نیست و زمان با فضا در آمیخته است. مکانیک کوانتوم نیز آنطور که ماکس پلانک ارائه داده بود، قادر به توجیه پیدیده های زیر اتمی نبود و چند گام مناسب توسط اینشتین، بور، کمپتون و دوبروی و ... برداشته شد تا سرانجام توسط شرودینگر، دیراک و فاینمن و ... مکانیک کوانتوم جدید شکل گرفت. با این وجود هنوز مکانیک کوانتوم نیاز بکارهای زیادی دارد تا بتواند مشکلات و ابهامات موجود در فیزیک ذرات را برطرف کند.  

کتاب حاضر برای مشخص کردن این گامها و توضیح نحوه‌ی اندیشیدن به پدیده های فیزیکی به رشته ی تحریر در آمده است. هرچند که سعی شده رویدادهای تاریخی فیزیک در تحریر کتاب فیزیک از آغاز تا امروز نیز مد نظر قرار گیرد، اما این کتاب، تاریخ فیزیک نیست. اما در این کتاب چنان به روند تکامل علم فیزیک توجه شده است که زمینه ی رشد اندیشه های منجر به کشفیات فیزیکی تشریح گردد. بحث های فلسفی در کنار رویدادهای تاریخی مطرح شده است تا فلسفه ی علم فیزیک، زینت بخش محتوای علمی آن گردد. با این وجود نمی توان این کتاب را فلسفی قلمداد کرد. درک عمیق دانش فیزیک، بدون توجه به روند تاریخی و نگرش های فلسفی آن، از جذابیت این دانش بنیادی می کاهد. به همین دلیل هرجا که لازم دیده شد، محتوای علمی کتاب با تاریخ و فلسفه فیزیک در هم آمیخته است تا زوایای تاریک و مبهم فیزیک برای خواننده روشن گردد.

کتاب در سطحی تهیه شده است که برای همه ی گروه‌های سنی با هر پایه‌ای از معلومات فیزیکی، مفید واقع شود. با این وجود کتاب حاضر برای دانشجویان رشته های فیزیک، ریاضی و مهندسی مناسبتر است. تلاش شده جهت گیری مطالب کتاب به گونه ای باشد که انگیزه پژوهش دانشجویان و دانش آموزان عزیز را تقویت کند. اگر دانشجویان و دانش آموزان، مطالب این کتاب را متناسب با مطالب درسی انتخاب و مطالعه کنند، مطالب کتب درسی بیشتر قابل لمس و درک خواهد شد. علاوه بر آن، خواننده کتاب درگیر اندیشه های منجر به نظریه های علمی می‌شود و پس از مدتی می تواند موشکافانه نظریه های فیزیکی را با نگاهی نقادانه مورد مطالعه قرار دهد. 

هریک از فصول کتاب تکمیل کننده فصل قبلی است، بنابراین پیشنهاد می شود کتاب با فصل بندی ارائه شده مطالعه شود تا پیوستگی و ارتباط نظریه های فیزیکی و اهمیت آنها مشخص شود. در این صورت خواننده مشاهده خواهد کرد که هیچ نظریه ای کامل نیست و هر نظریه جدیدی با اشکالات و ابهامت خاص خود رو به رو است که زمینه ی اندیشه و پژوهش های بعدی را فراهم می سازد.

در پایان لازم است از معاونت محترم پژوهشی دانشگاه تهران، به ویژه آقای دکتر فرشید فروز بخش که با مساعدت خویش، تدوین و تکمیل کتاب را امکان پذیر کردند، تشکر و قدردانی شود. از راهنمایی ارزنده آقایان دکتر بهزاد مشیری و دکتر حسن زند سپاس گزاریم. همچنین از استاد عزیز آقای دکتر محمود قرآن نویس که در تدوین رئوس اصلی کتاب به‌ویژه بخش پلاسما راهنمایی های ارزنده ای مبذول داشتند و استاد گرامی آقای دکتر پرویز تاجداری که همواره از راهنمایی و همکاری ایشان در جهت انتشار کتاب برخوردار بوده ایم، سپاس‌گزاری می شود. از آقایان نوید علیزاده، مهندس رشید معموری و سید امین مرادی سالاری که در تدوین صفحات و تصاویر کتاب همکاری داشتند، سپاس‌گزاری می شود.

امید است این گام کوچک مورد قبول جامعه ی علمی کشور عزیزمان قرار گیرد و زمینه انتشار آثار ارزشمند و غنی تری را فراهم سازد. همچنین از خوانندگان عزیز تقاضا می شود نقطه نظرهای خود را همراه با ذکر نارسایی های کتاب یادآور شوند تا در چاپ های بعدی رعایت گردد. هرگونه نظر و انتقاد و پیشنهاد یا ذکر غلط های تحریری کتاب با کمال میل پذیرفته می شود و موجب سپاس گزاری است. مطالب بیشتری در زمینه مباحث این کتاب را می توانید در آدرس زیر ملاحظه کنید.

 http://cph-theory.persiangig.com

با آرزوی بهروزی

حسین جوادی   

امکان خرید کتاب الکترونیکی در ایران و خارج از ایران فراهم است

 کتاب فیزیک از آغاز تا امروز

https://www.ketabrah.ir/go/book/24981

 کتاب آنسوی مدل استاندارد: مشکلات فیزیک مدرن و راه‌حل‌ها

https://www.ketabrah.ir/go/book/24977

هوش مصنوعی و آینده ما / دکتر سریع القلم

دومین شرکت بزرگ جهان State Grid چین است که ۵۸۵ میلیارد دلار سرمایه دارد و برای یک میلیارد و صد میلیون نفر تأمین انرژی می­ کند.

 دکتر محمود سریع القلم
استاد علوم سیاسی دانشگاه شهید بهشتی تهران و پژوهشگر توسعه

«اخیراً در رقابتی میان چند شرکت و مؤسسه تحقیقاتی، آزمایشگاه هوش مصنوعی دانشگاه استنفورد موفق شد در کویر نِوادای آمریکا، وسیله نقلیه­ ای را بدون راننده برای ۲۱۱ کیلومتر آزمایش کند. این مؤسسه از طرف آژانس پروژه­ های عالی پیشرفته پنتاگون، دو میلیون دلار جایزه گرفت. شرکت فولکس واگن یکی از این رقبا بود که موفقیتی کسب نکرد، هرچند در سال ۲۰۱۷، این شرکت خودروسازی ۱۲٫۱میلیارد یورو برای تحقیقات سرمایه گذاری کرده بود.

پیش ­بینی می­ شود تا سال ۲۰۳۵، ۲۸ درصد مشاغل با وجود هوش مصنوعی (Artificial Intelligence/ AI) در خطر باشند. به عنوان مثال، اگر کامیون­ های بدون راننده در آمریکا عملیاتی شوند، دو میلیون شغل از بین می­رود. هم­ اکنون یک میلیون خودرو در چین بدون بنزین و با باطری کار می­کند و صد شرکت چینی در تولید خودرو و کامیون برقی در حال فعالیت هستند.

شرکتی به نام Humanyze با آویختن کارت شناسایی هوشمند، رابطه میان کارآمدی و روش معاشرت کارمندان را می سنجد. شرکت Ping An از طریق ۵۰ عکس از صورت متقاضیان وام، تصمیم می­گیرد به آنها وام بدهد یا خیر. شرکت بزرگ مواد شوینده جانسون و جانسون از طریق نرم افزار، متقاضیان را استخدام می­کند. در علوم پزشکی و اعمال جراحی نیز، هوش مصنوعی پیشرفت­ های قابل توجهی ایجاد کرده است.

یکی از زمینه­ های هوش مصنوعی در صنعت نفت و گاز و انرژی است. چینی­ ها با شدت بالا در پی انرژی های جایگزین هستند. هم ­اکنون ۲۴ درصد انرژی چین از این نوع صنایع است؛ در آمریکا ۱۵ درصد. چینی ­ها ۴۷ میلیارد دلار برای بهره برداری از انرژی خورشیدی سرمایه­ گذاری کرده ­اند و این در حالی است که چین ۸۰ درصد نیازهای انرژی خود را وارد می­کند.

آمریکا تا یک دهه دیگر، ۲۰ میلیون بشکه نفت در روز تولید خواهد کرد و هوش مصنوعی نقش اساسی در این صنعت ایفا خواهد نمود. چینی­ ها در صنعت گاز آلاسکا، ۴۳ میلیارد و شرکت Rosneft روسی، ۹ میلیارد دلار سرمایه ­گذاری کرده­ اند. با توجه به اینکه در ۲۵ سال گذشته، ۲۵۰۰۰ رودخانه در چین خشک شده است، برای انتقال آب از جنوب به شمال، ۴۸ میلیارد دلار هزینه شده و هوش مصنوعی در صرفه­ جویی و کارآمدی آب با دقت بالا به­ کار گرفته شده است.

رقابت اصلی در جهان در هوش مصنوعی میان آمریکا و چین است. بسیاری از شرکت ­های آمریکایی که فعالیت آنها کارگر محور است، به خرید شرکت­ های هوش مصنوعی روی آورده ­اند تا در آینده عقب نمانند و با داشتن Portfolio، درآمدهای خود را متنوع سازی کنند. در سال ۲۰۱۷، ۱۳۰ شرکت در آمریکا با قیمت ۲۱٫۸ میلیارد دلار خریداری شد.

طی سال ­های ۲۰۱۶-۲۰۱۳، چینی ­ها سعی کردند ۲۷ شرکت آمریکایی را در حوزه هوش مصنوعی نقداً خریداری کنند که با مخالفت خزانه­ داری آمریکا با عنوان تهدید علیه امنیت ملّی روبرو شدند.

دست­رسی به فناوری و هوش مصنوعی در آمریکا برای چینی ­ها بسیار تعیین کننده است. ۳۰ سال پیش تجارت این دو کشور ۸ میلیارد دلار بود، هم اکنون به حدود ۶۳۶ رسیده است. در سال ۲۰۱۱ کنگره آمریکا، پروژه­ های مشترک با چین برای سازمان ناسا را غیر قانونی اعلام کرد. دولت آمریکا مراقب شرکت­ های آمریکایی در چین نیز می­باشد.

مؤسسه مالی J.P. Morgan که به فرزندان مقامات چینی شغل داده بود تا فعالیت ­های خود در چین مورد توجه خاص قرار گیرد، در ۲۴ ژانویه ۲۰۱۶ از سوی وزارت خزانه­ داری ایالات متحده، ۲۶۴ میلیون دلار جریمه شد.

چینی­ ها برنامه ریزی و سرمایه­ گذاری وسیعی را در زمینه هوش مصنوعی به راه انداخته ­اند، به ­طوری که برخی جنگ تجاری جدید را کوششی از طرف آمریکا برای کاهش درآمدهای ملّی چین قلمداد می­کنند. چین ۱۵۰ میلیارد دلار برای بهبود در طراحی و تولید Micro Processor ها سرمایه ­گذاری کرده است.

در مجموع، در سال ۲۰۱۷، چینی ­ها ۲۳۳ میلیارد دلار معادل ۲۰ درصد جهانی در تحقیق و توسعه پول خرج کرده­ اند. در سال ۲۰۱۸، تعداد مقالات علمی چین از آمریکایی ­ها پیشی گرفت. چینی ­ها حاکمیت سایبری را مطرح کرده­ اند. آنها از طریق محاسبات کوانتومی در پی غنی­ تر کردن سیستم ­های ارتباطی هستند.

چین قصد دارد ۳۵ ماهواره ارتباطی را تا پنج سال آینده در ۲۰۰۰۰ کیلومتری زمین قرار دهد (فاصله زمین تا ماه: ۳۸۴٫۴۰۰ کیلومتر). همچنین چین برای ارسال فضانورد به ماه برای سال ۲۰۳۶ برنامه ­ریزی کرده است. ۴۰ سال پیش چینی ­ها هیچ جایگاهی در میان ۵۰۰ شرکت برتر جهان نداشتند؛ هم اکنون ۱۱۱ شرکت از 500 شرکت، چینی هستند (آمریکا ۱۲۶).

دومین شرکت بزرگ جهان State Grid چین است که ۵۸۵ میلیارد دلار سرمایه دارد و برای یک میلیارد و صد میلیون نفر تأمین انرژی می­کند و در سطح جهانی در صدها شرکت سرمایه­ گذاری کرده است. ۵۰۰ شرکت اول جهان در سال ۲۰۱۷، ۲۳ درصد بیشتر از ۲۰۱۶ سود کرده ­اند. در میان این ۵۰۰ شرکت، تنها یک شرکت سعودی، یک شرکت اماراتی و یک شرکت ترکیه ­ای وجود دارد. بقیه در شرق آسیا، اروپا و آمریکای شمالی هستند.

قدرت در جهان نزد شرکت­ های بزرگ است. دولت­ها و حکومت­ها روش­ های افزایش ثروت آنها را مدیریت می­کنند. ارزش Apple در بازار: ۱ تریلیون دلار؛Amazon؛ 933 میلیارد دلار؛ Microsoft؛ 876 میلیارد دلار و Alphabet؛ 817 میلیارد دلار است. همواره یکی از چالش ­های دولت­ها در آمریکا این بوده که چگونه اخذ مالیات از این شرکت­ها و تنظیم بودجه و هزینه­ ها را مدیریت کنند. جمهوری ­خواهان مالیات شرکت­ها را کم می­کنند و دموکرات­ها قدری آن را افزایش می­دهند تا بخش ­های میانی و فقیر جامعه را با خود همراه سازند.

حتی هوش مصنوعی برگرفته از طبع بشر ایجاب می­کند که بازی دموکراسی، حس خوبی نسبت به آینده به عامه مردم بدهد. شرکت­ های آمریکایی حدود ۲٫۵ تریلیون دلار در بانک ­های بین ­المللی پول دارند. شرکت Apple؛214.9 میلیارد دلار و شرکت دارویی Pfizer؛ 193.6 میلیارد دلار در کشورهای کوچک و بانک­ های کوچک، پول نقد دارند. مؤسسه McKinsey معتقد است حدود ۲۱ تریلیون دلار یعنی یک ­چهارم ثروت جهان به صورت نقد توسط شرکت­ ها در کشورهای کوچک برای فرار از پرداخت مالیات نگهداری می­شود.

در این سوی جهان نیز، عربستان پروژه ۵۰۰ میلیارد دلاری NEOM را در دوسال پیش راه­ اندازی کرده است ( به معنای NEO–Mustaghbal یا آینده جدید). این پروژه در منطقه ­ای در شمال مدینه به وسعت ۲۶۵۰۰ کیلومتر مربع مشتمل بر شرکت­ ها، مؤسسات، مراکز تحقیق و توسعه هوش مصنوعی، سیستم حمل و نقل بدون بنزین، توریسم و مراکز آموزشی و تفریحی خواهد بود. مسئول این پروژهKlaus Kleinfeld از مدیران سابق زیمنس آلمان می­باشد. چندین هتل و مراکز تفریحی تا آخر سال ۲۰۱۸ در این منطقه تکمیل خواهد شد.

شرکت­های عربی، ژاپنی و اروپایی با رقم­های گوناگون در پی سنجش پروژه­ های احتمالی خود هستند. در این پروسه، عربستان به شبکه ­ی هوش مصنوعی جهان وصل می­شود و ضمن بهره برداری، منابع جدیدی برای درآمد کسب خواهد کرد. به زودی در مدتی کمتر از دو سال، فرودگاه بین­ المللی NEOM با باند ۳۷۵۷ متری افتتاح خواهد شد.

ریشه قدرت و امنیت در استراتژی تولید ثروت است. هوش مصنوعی، کانون علمی و اقتصادی این جهش جدید در تولید ثروت شده است. اخیراً در استراتژی­ که توسط مؤسسه The Gemunder Center Iran Task Force پیرامون تقابل مشترک آمریکا، اسرائیل و کشورهای عربی خلیج فارس علیه ایران پیشنهاد شده است، هوش مصنوعی در مسایل دفاعی و نظامی جایگاه ویژه­ ای دارد. همان کاری که در این استراتژی با مقیاس کوچک­تری نسبت به ایران اعمال می­شود، در مقیاس وسیعتر توسط آمریکا نسبت به چین طراحی شده است: جلوگیری از قدرتمند شدن رقبا و کاهش منابع مالی آنها برای افزایش سطوح مختلف قدرت. کشوری که نتواند ثروت اقتصادی تولید کند، به تدریج ثروت­ های غیر اقتصادی خود را نیز از دست می دهد.

شنیدم حدود ۱۵ سال پیش از یک استاد تمام رشته مهندسی برق در یک دانشگاه بسیار معتبر تهران پرسیده شد: شما که فرد بسیار موفقی هستید، چرا می­خواهید مهاجرت کنید؟ او گفته بود: بله، من تمام مراحل آکادمیک را طی کرده ­ام و راحت زندگی می­کنم، اما با جهت گیری ­های جامعه مشکل دارم. این جامعه از زمان عقب مانده است. یک ضرب المثل چینی می­گوید: وقتی بادهای تغییر می ­وزند، بعضی دیوار می­سازند، بعضی آسیاب بادی.»

o - 'AI brain scans' reveal what happens inside machine learning

'AI brain scans' reveal what happens inside machine learning

Bristol-based Graphcore has used its AI processing units and software to create maps of what happens during a machine learning process

Continue...

Here's Why AI Can't Solve Everything

Yes, even neural networks.

VYACHESLAV POLONSKI, THE CONVERSATION

27 MAY 2018

The hysteria about the future of artificial intelligence (AI) is everywhere. There seems to be no shortage of sensationalist news about how AI could cure diseases, accelerate human innovation and improve human creativity.

Just looking at the media headlines, you might think that we are already living in a future where AI has infiltrated every aspect of society.

While it is undeniable that AI has opened up a wealth of promising opportunities, it has also led to the emergence of a mindset that can be best described as "AI solutionism". This is the philosophy that, given enough data, machine learning algorithms can solve all of humanity's problems.

But there's a big problem with this idea. Instead of supporting AI progress, it actually jeopardises the value of machine intelligence by disregarding important AI safety principles and setting unrealistic expectations about what AI can really do for humanity.

AI solutionism

In only a few years, AI solutionism has made its way from the technology evangelists' mouths in Silicon Valley to the minds of government officials and policymakers around the world.

The pendulum has swung from the dystopian notion that AI will destroy humanity to the utopian belief that our algorithmic saviour is here.

We are now seeing governments pledge support to national AI initiatives and compete in a technological and rhetorical arms race to dominate the burgeoning machine learning sector.

For example, the UK government has vowed to invest £300m in AI research to position itself as a leader in the field.

Enamoured with the transformative potential of AI, the French president Emmanuel Macron committed to turn France into a global AI hub.

Meanwhile, the Chinese government is increasing its AI prowess with a national plan to create a Chinese AI industry worth US$150 billion by 2030.   AI solutionism is on the rise and it is here to stay.

Neural networks – easier said than done

While many political manifestos tout the transformative effects of the looming "AI revolution", they tend to understate the complexity around deploying advanced machine learning systems in the real world.

One of the most promising varieties of AI technologies are neural networks. This form of machine learning is loosely modelled after the neuronal structure of the human brain but on a much smaller scale. Many AI-based products use neural networks to infer patterns and rules from large volumes of data.

But what many politicians do not understand is that simply adding a neural network to a problem will not automatically mean that you'll find a solution. Similarly, adding a neural network to a democracy does not mean it will be instantaneously more inclusive, fair or personalised.

Challenging the data bureaucracy

AI systems need a lot of data to function, but the public sector typically does not have the appropriate data infrastructure to support advanced machine learning.

Most of the data remains stored in offline archives. The few digitised sources of data that exist tend to be buried in bureaucracy. More often than not, data is spread across different government departments that each require special permissions to be accessed.

Above all, the public sector typically lacks the human talent with the right technological capabilities to fully reap the benefits of machine intelligence.

For these reasons, the sensationalism over AI has attracted many critics. Stuart Russell, a professor of computer science at Berkeley, has long advocated a more realistic approach that focuses on simple everyday applications of AI instead of the hypothetical takeover by super-intelligent robots.

Similarly, MIT's professor of robotics, Rodney Brooks, writes that "almost all innovations in robotics and AI take far, far, longer to be really widely deployed than people in the field and outside the field imagine".

One of the many difficulties in deploying machine learning systems is that AI is extremely susceptible to adversarial attacks. This means that a malicious AI can target another AI to force it to make wrong predictions or to behave in a certain way.

Many researchers have warned against the rolling out of AI without appropriate security standards and defence mechanisms. Still, AI security remains an often overlooked topic.

Machine learning is not magic

If we are to reap the benefits and minimise the potential harms of AI, we must start thinking about how machine learning can be meaningfully applied to specific areas of government, business and society. This means we need to have a discussion about AI ethics and the distrust that many people have towards machine learning.

Most importantly, we need to be aware of the limitations of AI and where humans still need to take the lead. Instead of painting an unrealistic picture of the power of AI, it is important to take a step back and separate the actual technological capabilities of AI from magic.

For a long time, Facebook believed that problems like the spread of misinformation and hate speech could be algorithmically identified and stopped. But under recent pressure from legislators, the company quickly pledged to replace its algorithms with an army of over 10,000 human reviewers.

The medical profession has also recognised that AI cannot be considered a solution for all problems. The IBM Watson for Oncology programme was a piece of AI that was meant to help doctors treat cancer.

Even though it was developed to deliver the best recommendations, human experts found it difficult to trust the machine. As a result, the AI programme was abandoned in most hospitals where it was trialled.

Similar problems arose in the legal domain when algorithms were used in courts in the US to sentence criminals. An algorithm calculated risk assessment scores and advised judges on the sentencing. The system was found to amplify structural racial discrimination and was later abandoned.

These examples demonstrate that there is no AI solution for everything. Using AI simply for the sake of AI may not always be productive or useful. Not every problem is best addressed by applying machine intelligence to it.

This is the crucial lesson for everyone aiming to boost investments in national AI programmes: all solutions come with a cost and not everything that can be automated should be.

Vyacheslav Polonski, Researcher, University of Oxford

---

This article was originally published on The Conversation. Read the original article.

Learn More

1. Artificial intelligence
   ScienceDaily
2. Inteligência Artificial
   ScienceDaily
3. Helping robots correct errors on-the-fly and learn from each other
   University of Leicester, ScienceDaily

1. Regulations for the development of deep technology applications in healthcare urgently needed to prevent abuse of vulnerable patients
   Dinesh Visva Gunasekeran, BMJ Innovations
2. Artificial intelligence will change the way eye care providers practice
   Healio
3. iCub: The not-yet-finished story of building a robot child
   Lorenzo Natale et al., Science Robotics