جدیدترین مطالب
فصلنامه «گام سوم» شماره ۳
در این شماره نیز مقالاتی متنوع در موضوعات اقتصاد، آینده‌پژوهی، خانواده به همراه بخش‌های نوشتار، سیاست و پرونده‌ای با عنوان «آینده‌ای قمر در عقرب» و بخش ضمیمه نوروزی با عنوان «بزرگ شدن در خاندان مرداک» چاپ شده است.
چالش‌های والدین شاغل: وابستگی به خدمات نگهداری کودک
دیگران فکر می‌کنند من مادر بدی هستم چون بچه‌هایم را به مراکز مراقبت پولی می‌فرستم، اما فرزندانم عاشق مراقبان‌شان و فعالیت‌هایی هستند که با آنها انجام می‌دهند. و این‌که من به کارم ادامه می‌دهم، بهترین تصمیم برای خودم و خانواده‌ام است. مراقبت پولی به این معناست که من زیر فشار انجام هم‌زمان همه‌چیز از پا نمی‌افتم. این نوع مراقبت از سلامت روان من محافظت می‌کند تا بتوانم هم کار کنم و هم مادر باشم، بی‌آنکه به کمک پدربزرگ و مادربزرگ وابسته شوم.
الگوریتم جدید برای مقابله با «توهمات» هوش مصنوعی
یکی از مشکلات پایدار ابزارهای هوش مصنوعی مولد امروزی، مانند ChatGPT، این است که اغلب با اطمینان کامل اطلاعات نادرست ارائه می‌کنند. دانشمندان علوم رایانه این رفتار را «توهم» می‌نامند و آن را یکی از موانع اصلی کاربردپذیری هوش مصنوعی می‌دانند. توهم‌ها باعث بروز برخی اشتباهات عمومی شرم‌آور شده‌اند.
ریاکاری در قضاوت کسانی که زیباتر می‌شوند!
برای آن دسته که با این اصطلاح آشنا نیستند، «چهره‌گرایی» به معنای تبعیض بر مبنای جذابیت ظاهری است. در حالی که بیشتر اشکال تبعیض، اغلب بنا به تعریف، به گروه‌های خاصی محدود می‌شوند؛ برای مثال، زن‌ستیزی نمی‌تواند متوجه مردان باشد،چهره‌گرایی هیچ‌کس را مستثنی نمی‌کند.
پربازدیدترین مطالب
هوش مصنوعی و سیاست: چگونه بفهمیم چه چیزی و چه کسی واقعی است؟
اگر خوش‌شانس باشیم، فناوری‌های جدید فقط باعث سردرگمی مختصری می‌شوند. وگرنه، حوزه سیاسی ما می‌تواند برای همیشه تغییر کند.
روند ۱۰۰ ساله تغییر اشتغال زنان به روایت تصویر
نگاهی به تصاویر صد سال گذشته نشان می‌دهد که زنان چگونه از جنگ‌های جهانی تا قرن ۲۱، توانستند مرزهای شغلی را جابه‌جا کنند و مسیر جدیدی در تاریخ نیروی کار رقم بزنند.
انواع هوش، کاربردهای هوش هیجانی و تقویت آن در کودکان
ین مطلب نگاهی دارد به انواع هوش و نقش مهم آنها در زندگی روزمره و توانایی‌های شناختی انسان. همچنین مروری بر هوش هیجانی و کاربردها و روش‌های تقویت آن در کودکان.
نویسنده: مترجم: ۲۱ مرداد ۱۴۰۳
پشت صحنه هوش مصنوعی!!!
دستورالعمل‌ها بطور کلی در سراسر صنعت دچار ابهام هستند. این ابهام به نوعی ناشی از روش آموزش سیستم‌های یادگیری ماشین است. تصور کنید واقعیت‌های پیچیده را به چیزی ساده و قابل فهم برای یک ماشینی که کاملاً احمق است، ساده‌سازی کنید.
حتی اگر انجام حاشیه‌نویسی هنوز بخشی اساسی از ساختار هوش مصنوعی باشد، اما اغلب در بین مهندسان، احساس می‌شود که این یک پیش‌نیاز گذرا و ناخوشایند به منظور انجام کارهای جذاب‌تر در زمینه ساخت مدل‌هاست. به‌طور اصولی، شما تلاش می‌کنید تا اطلاعات برچسب‌گذاری‌شده را تا حد امکان با کمترین هزینه جمع‌آوری کنید تا مدل خود را آموزش دهید و اگر کار کند، حداقل در تئوری، دیگر نیازی به حاشیه‌نویس‌ها ندارید. اما حاشیه‌نویسی هرگز واقعاً تمام نمی‌شود. به عبارت پژوهشگران، سیستم‌های یادگیری ماشین، «شکننده» هستند و به احتمال زیاد در مواجهه با چیزی که در داده‌های آموزشی به خوبی نمایان نشده باشد، مستعد شکستند.
عمل ساده‌سازی واقعیت برای یک ماشین، منجر به پیچیدگی بسیار بیشتری برای انسان می‌شود. نویسندگان دستورالعمل باید قوانینی ارائه کنند که به انسان‌ها امکان می‌دهد دنیا را با یکسانی کامل دسته‌بندی نمایند. برای این کار، آنها اغلب دسته‌بندی‌هایی ایجاد می‌کنند که هیچ انسانی از آن استفاده نمی‌کند. انسانی که از او بخواهند تمامی پیراهن‌ها را در یک عکس برچسب بزند، احتمالاً بازتاب یک پیراهن در آینه را برچسب نمی‌زند. زیرا می‌داند که این یک بازتاب است و واقعی نیست. اما برای هوش مصنوعی که درکی از دنیا ندارد، همه چیز فقط پیکسل‌ها هستند و هر دو کاملاً یکسان به نظر می‌آیند.
متن کامل را در شماره صفر فصلنامه «گام سوم» بخوانید.
