دبیرخانه شورای راهبری فناوریهای نوین و هوشمندسازی دانشگاه علوم پزشکی و خدمات بهداشتی درمانی بوشهر با همکاری مرکز مطالعات و توسعه آموزش پزشکی (EDC) برگزار میکند:
سلسله کارگاههای آموزش مهارتهای کلیدی کار با هوش مصنوعی
کارگاه اول: برنامهنویسی و مهندسی پرامپت (Prompt Engineering)
نوشتن دستورهای دقیق و ساختارمند برای گرفتن پاسخهای مفید و مطلوب از هوش مصنوعی.
حضور برای همه علاقهمندان آزاد و رایگان است.
صدور گواهی حضور برای همه شرکتکنندگانبرای دریافت گواهی میبایست در کارگاه ثبتنام کنید:
https://aisbpums.ir/w/PRMPTENG
زمان: پنجشنبه ۱۴ آبانماه ۱۴۰۵ ساعت: ۹ تا ۱۲
لینک ورود به وبینار:
https://aparatt.com/aisbpums/live
برای اطلاع از دیگر کارگاهها و اخبار آموزشی، عضو کانال ما شوید:
https://ble.ir/aisbpums
۶۴۴
۱۰:۵۳
لینک صحیح وبینار:https://aparat.com/aisbpums/live
۶۵۰
۵:۱۰
گروهی از پژوهشگران چینی از مؤسساتی مانند ByteDance، دانشگاه Tsinghua و آزمایشگاه هوش مصنوعی شانگهای در مقالهای جدید با عنوان «The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement» یک نقشه راه پنجمرحلهای برای رسیدن به هوش مصنوعی خودبهبوددهنده ارائه کردهاند؛ سیستمی که بتواند ضعفهای خود را بشناسد، روشهای بهبود عملکردش را ارتقا دهد و در نهایت نسلهای قدرتمندتری از خودش را بسازد. این مقاله که در سپتامبر ۲۰۲۶ منتشر شده، نخستین بار توسط South China Morning Post گزارش شد و توجه بسیاری را به خود جلب کرد.
آنچه این پژوهش را هیجانانگیز و همزمان دلهرهآور میکند، مفهوم «خودبهبودی بازگشتی» (RSI) است: چرخهای که در آن هوش مصنوعی بدون نیاز به دخالت انسان، نسل بعدی مدلها را طراحی و توسعه میدهد. در صورت تحقق کامل چنین چرخهای، بشر ممکن است به نقطهای برسد که عنوان مقاله به آن اشاره دارد: «آخرین هوش مصنوعیای که انسان میسازد» — یعنی پس از آن، این ماشینها هستند که ماشینهای بعدی را میسازند.
با این حال، پژوهشگران تأکید میکنند که فاصله میان آزمایشهای محدود امروزی و سیستمی که واقعاً بتواند بهطور مستقل و پایدار خودش را بهبود دهد، همچنان بسیار زیاد است. نقشه راه پنجمرحلهای آنها نشان میدهد که حرکت از «اجرای دستورات انسانی» به «طراحی مستقل نسل بعدی سیستمها» نیازمند عبور از مراحل متعدد و غلبه بر محدودیتهای فنی و ایمنی است؛ بنابراین تصویر یک «انفجار هوش مصنوعی» قریبالوقوع، حداقل در کوتاهمدت، اغراقآمیز به نظر میرسد.
با این وجود، همین نقشه راه نیز پرسشهای بنیادینی را پیش میکشد: اگر روزی هوش مصنوعی بتواند بدون نظارت انسان خودش را بازطراحی کند، چه کسی مسئولیت ایمنی، اخلاق و کنترل چنین سیستمی را بر عهده خواهد داشت؟ مقاله چینیها شاید هنوز یک هشدار عملی نباشد، اما بیشک زنگ بیدارباشی است برای آغاز جدیتر بحثهای جهانی درباره مرزهای خودمختاری ماشینها.
دبیرخانه شورای راهبری فناوریهای نوین و هوشمندسازی دانشگاه علوم پزشکی بوشهر
۵۲۱
۴:۴۱
راهنمای کاربردی: چگونه با پرامپت، استنادهای علمی معتبر پیدا کنیم؟
اصل کلیدی: نگذارید مدل از حافظهاش استنادها را "حدس بزند"؛ او را مجبور کنید در محدوده منابع قابل تأیید جستجو و استناد کند.
نرخ توهم استنادی مدلهای زبانی بین ۱۱٪ تا ۵۷٪ گزارش شده است.
هفت تکنیک به ترتیب اثربخشی
قفل منابع (مؤثرترین ضدتوهم)مقالات تأییدشده را خودتان به مدل بدهید و بگویید: «فقط از این منابع استناد کن؛ ساخت استناد جدید ممنوع.» مدل از "حدس زدن از حافظه" به "استخراج از منبع دادهشده" تغییر میکند.
دستور «اولویت دقت، اجازه عدم پاسخ»در پرامپت بنویسید: «اگر منبعی را نمیتوانی تأیید کنی، صریحاً بگو تأیید نمیکنم. جعل نکن.» قوانین صریح: فقط مقالات داوریشده، ارائه DOI، نقل قول دقیق با شماره صفحه، و ترجیح کمتر گفتن بر جعل کردن.
RAG به جای تولید مستقیماول بازیابی از پایگاه داده واقعی (CrossRef، OpenAlex، Semantic Scholar)، بعد استناد. مطالعات نشان میدهد RAG بالاترین دقت را در مقایسه با پرامپت مستقیم دارد.
الزام DOI + تأیید متقابل«برای هر مقاله DOI دقیق بده؛ بدون DOI استناد نکن.» سپس هر DOI را در CrossRef یا سایت ناشر چک کنید.
اجماع چندمدلییک مدل پیشنهاد بدهد، مدل دیگر تأیید یا رد کند. استناد تأییدشده توسط ۳ مدل یا بیشتر حدود ۹۵.۶٪ دقت دارد؛ ۵.۸ برابر بهتر از استناد تکمدلی.
خودتأییدی اجباری در خروجیبرای هر استناد بخواهید بنویسد: «وضعیت تأیید: تأییدشده / تأییدنشده + دلیل.» این فشار "باید قابل بررسی باشد" را در فرآیند تولید افزایش میدهد.
ابزار تخصصی آکادمیکسرویسهایی نظیر Elicit ، Consensus و Scite را به چت عمومی ترجیح دهید؛ یا حداقل پایگاه داده را در پرامپت محدود کنید (مثلاً «فقط Web of Science یا Scopus»).
نمونه قالب آماده پرامپت (ترکیب تکنیکهای ۱، ۲، ۴ و ۶)
«فقط بر اساس منابع زیر پاسخ بده. برای هر استناد: عنوان، نویسنده، سال، DOI و نقل قول دقیق ارائه کن. اگر DOI قابل تأیید نیست یا منبع در فهرست نیست، استناد نکن و بنویس "قابل تأیید نیست". در انتها برای هر منبع وضعیت تأیید را مشخص کن. ترجیحاً کمتر استناد کن تا اینکه جعل کنی.»
نکته مهمهیچ پرامپتی جای تأیید دستی نهایی هر DOI و شماره صفحه را نمیگیرد.
دبیرخانه شورای راهبری فناوریهای نوین و هوشمندسازی دانشگاه علوم پزشکی بوشهر
https://ble.ir/aisbpums
https://whatsapp.com/channel/0029Vb7COPCHltYHptaoQI3C
هفت تکنیک به ترتیب اثربخشی
«فقط بر اساس منابع زیر پاسخ بده. برای هر استناد: عنوان، نویسنده، سال، DOI و نقل قول دقیق ارائه کن. اگر DOI قابل تأیید نیست یا منبع در فهرست نیست، استناد نکن و بنویس "قابل تأیید نیست". در انتها برای هر منبع وضعیت تأیید را مشخص کن. ترجیحاً کمتر استناد کن تا اینکه جعل کنی.»
دبیرخانه شورای راهبری فناوریهای نوین و هوشمندسازی دانشگاه علوم پزشکی بوشهر
۵۳۵
۷:۵۹
پژوهش تازهای که توسط آزمایشگاه بهرهوری شرکت ActivTrak انجام شده، نشان میدهد افرادی که در محیط کار از هوش مصنوعی استفاده میکنند، روزانه تا ۹۰ دقیقه بیشتر از همکاران غیرکاربر خود کار میکنند. این یافته مستقیماً وعدههای حامیان هوش مصنوعی را که میگفتند این فناوری ساعات کاری انسان را کاهش میدهد، زیر سؤال میبرد. این تحلیل بر پایه دادههای واقعی رفتار دیجیتال ۹,۱۴۰ کارمند دانشی در ۴۶۷ شرکت، در بازه زمانی ۱ آوریل تا ۲۵ سپتامبر ۲۰۲۶ انجام شده است و نه بر اساس نظرسنجی یا خوداظهاری، بلکه از ردیابی واقعی فعالیتهای کاری.
طول روز کاری کاربران هوش مصنوعی بین ۸.۴ تا ۹.۱ ساعت است، در حالی که این رقم برای افراد غیرکاربر تنها ۷.۶ ساعت است. کاربران سنگین هوش مصنوعی (کسانی که بیش از ۴۵ دقیقه در روز و در حداقل ۵ جلسه از این ابزارها استفاده میکنند) نه تنها بیشتر کار میکنند، بلکه ۱۵.۲٪ بیشتر بین برنامهها جابهجا میشوند و دورههای تمرکز پیوستهشان ۲۲٪ کوتاهتر است (۳۷.۸ دقیقه در مقابل ۴۸.۲ دقیقه برای کاربران سبک). گابریلا ماوخ، رئیس آزمایشگاه بهرهوری ActivTrak، میگوید: «هوش مصنوعی ممکن است به کارمندان کمک کند وظایف را سریعتر انجام دهند، اما پژوهش ما نشان میدهد که به طولانیتر شدن روزهای کاری، جابهجایی بیشتر بین برنامهها و کوتاهتر شدن دورههای تمرکز کمک میکند».
یکی از یافتههای جالب این پژوهش، تفاوت بین هوش مصنوعی تعبیهشده در برنامههای اصلی کار و هوش مصنوعی مبتنی بر مرورگر است. افرادی که از ابزارهای تعبیهشده استفاده میکنند تنها ۰.۶ بار در ساعت بین برنامهها جابهجا میشوند، اما کاربران ابزارهای مرورگری بین ۱.۷ تا ۴.۲ بار؛ یعنی تا چهار برابر بیشتر از غیرکاربران. پژوهشگران این پدیده را «مالیات صندلی چرخان» (swivel-chair tax) مینامند: هزینه پنهانی که کاربر برای رفتوآمد بین سیستمهای جداگانه پرداخت میکند. علاوه بر این، کاربران سنگین هوش مصنوعی ۱۸ دقیقه بیشتر در ساعات پس از کار نیز مشغول هستند.
دبیرخانه شورای راهبری فناوریهای نوین و هوشمندسازی دانشگاه علوم پزشکی بوشهر
۳۷۲
۴:۱۱
گوگل رسماً از «جمینای برای سلامت» رونمایی کرد؛ دستیاری هوشمند که به جای بازی کردن نقش پزشک، بار سنگین کارهای اداری و کاغذبازی مراکز درمانی را از دوش کادر درمان برمیدارد. این خبر که همزمان در وبلاگ رسمی گوگل و Google Cloud منتشر شد، میتواند نقطه عطفی در مبارزه با فرسودگی شغلی پزشکان و پرستاران باشد.
تمرکز اصلی این ابزار بر «زمان» است، نه تشخیص. جمینای برای سلامت پروندههای بیمار را خلاصه میکند، فرایندهای بیمه و مجوز پیش از درمان را سادهسازی میکند و انبوهی از کاغذبازیهای روزمره را خودکار میسازد؛ کاری که امروز ساعتهای طولانی از وقت کادر درمان را میبلعد و انرژی آنها را پیش از رسیدن به بالین بیمار تخلیه میکند.
«انسان در حلقه» شعار کلیدی گوگل است. برخلاف هیاهوی برخی ابزارهای هوش مصنوعی، این محصول هیچ تصمیم تشخیصی یا درمانی نمیگیرد و هر تغییری در پرونده بیمار باید توسط پزشک تأیید شود. گوگل تأکید کرده که هدف، تقویت توان متخصصان انسانی است، نه جایگزینی آنها؛ رویکردی که اعتماد نظام سلامت را به هوش مصنوعی افزایش میدهد.
اگر این وعدهها محقق شود، بیماران بیشترین سود را میبرند. زمانی که پزشک به جای جنگیدن با فرمها و سیستمهای اداری، وقت خود را صرف گوش دادن و مراقبت از بیمار کند، کیفیت درمان و رضایت بیماران به شکلی ملموس بالا میرود. نسخه پیشنمایش «جمینای برای سلامت» حالا در دسترس است و باید دید بیمارستانها چه وقت این دستیار هوشمند را به تیم خود اضافه میکنند.
دبیرخانه شورای راهبری فناوریهای نوین و هوشمندسازی دانشگاه علوم پزشکی بوشهر
۴۰۹
۶:۳۶
دبیرخانه فناوریهای نوین و هوشمندسازی دانشگاه علوم پزشکی بوشهر
دبیرخانه شورای راهبری فناوریهای نوین و هوشمندسازی دانشگاه علوم پزشکی و خدمات بهداشتی درمانی بوشهر با همکاری مرکز مطالعات و توسعه آموزش پزشکی (EDC) برگزار میکند:
سلسله کارگاههای آموزش مهارتهای کلیدی کار با هوش مصنوعی
کارگاه اول: برنامهنویسی و مهندسی پرامپت (Prompt Engineering)
نوشتن دستورهای دقیق و ساختارمند برای گرفتن پاسخهای مفید و مطلوب از هوش مصنوعی.
حضور برای همه علاقهمندان آزاد و رایگان است.
صدور گواهی حضور برای همه شرکتکنندگان برای دریافت گواهی میبایست در کارگاه ثبتنام کنید:
https://aisbpums.ir/w/PRMPTENG
زمان: پنجشنبه ۱۴ آبانماه ۱۴۰۵ ساعت: ۹ تا ۱۲
لینک ورود به وبینار:
https://aparatt.com/aisbpums/live
برای اطلاع از دیگر کارگاهها و اخبار آموزشی، عضو کانال ما شوید:
https://ble.ir/aisbpums
🥲 متأسفانه به دلیل مشکلات موجود، ویدئو از میانه وبینار ضبط شده و در برخی دقایق آن اختلالاتی مشاهده می شود.
دبیرخانه شورای راهبری فناوریهای نوین و هوشمندسازی دانشگاه علوم پزشکی بوشهر
۳۸۸
۱۵:۳۷
پرامپت مؤثر، تفاوت میان پاسخ متوسط و پاسخ حرفهای است. آنچه در ادامه میآید، ده تکنیک کاربردی مهندسی پرامپت همراه با مثال است.
🧩 ۳. تجزیه مسئله (Task Decomposition)کار بزرگ را به زیرکارهای کوچک تقسیم کنید.«ابتدا سؤال پژوهش را تحلیل کن، سپس روششناسی مناسب را پیشنهاد بده و در پایان محدودیتهای مطالعه را فهرست کن.»
دبیرخانه شورای راهبری فناوریهای نوین و هوشمندسازی دانشگاه علوم پزشکی بوشهر
۳۳۱
۴:۱۰
شرکت آنتروپیک در سند رسمی ثبتشده نزد کمیسیون بورس و اوراق بهادار آمریکا (SEC) اعلام کرد که سیستم هوش مصنوعی این شرکت از یکی از حساسترین آستانههای سیاست ایمنی خود عبور کرده است؛ آستانهای که با «تسریع چشمگیر پیشرفت» و خطر «خودبهبودی بازگشتی» مرتبط است. این افشاگری کمتر از یک هفته پیش از عرضه عمومی اولیه سهام آنتروپیک با ارزشگذاری بالقوه ۱.۴ تریلیون دلاری فاش شد و نگرانیهای عمیقی درباره توانایی بشر برای مهار ماشینهای هوشمند ایجاد کرده است.
ترسناکترین نکته سند این است که این تشخیص بر اساس «پیشبینی مدلهای آینده» فعال شده است، نه قابلیتهای مشاهدهشده در مدلهای فعلی. آنتروپیک خود اعتراف کرده که در گذشته «تا پس از وقوع، نتوانسته سرعتگیری قابل توجه در توسعه را شناسایی کند» و ممکن است در آینده نیز نتواند. به عبارت دیگر، سیستم نظارتی این شرکت در تشخیص بلادرنگ قابلیتهای خطرناک هوش مصنوعی ناقص است و زنگ خطر را به دلیل ترس از آینده به صدا درآورده، نه اثبات یک قابلیت بالفعل.
سند همچنین فاش میکند که هوش مصنوعی در حال تسریع تحقیق و توسعه خود آنتروپیک است؛ در سپتامبر ۲۰۲۶ بیش از ۹۰ درصد مشارکتها در پایگاه کد این شرکت توسط مدل کلود نوشته شده بود. بر اساس سیاست مسئولانه مقیاسپذیری (RSP)، عبور از این آستانه به معنای آن است که سرعت پیشرفت قابلیت هوش مصنوعی باید دو برابر شود و آنتروپیک ملزم است به «سطوح امنیتی بیسابقهای» دست یابد، به وضعیت نظارتی «چشم بر همه چیز» برسد و توانایی تست قرمز را تا حدی تقویت کند که برنامههای پاداش باگ خارجی غیرضروری شوند.
کارشناسان هشدار میدهند که تعریف «سست» آنتروپیک از خودبهبودی ممکن است خطر واقعی را پنهان کند، زیرا خودبهبودی واقعی میتواند بسیار سریعتر از دو برابر شدن سرعت تاریخی رخ دهد. این سند در واقع یک «افشای ریسک» برای سرمایهگذاران و همزمان اعترافی علنی به بشریت است: فناوریای که تا دیروز در فیلمهای علمی-تخیلی میدیدیم، امروز در اسناد رسمی یک شرکت چند میلیارد دلاری به شکلی کاملاً واقعی و دلهرهآور در حال رقم خوردن است و حتی سازندگانش نیز از کنترل آن مطمئن نیستند.
دبیرخانه شورای راهبری فناوریهای نوین و هوشمندسازی دانشگاه علوم پزشکی بوشهر
۴۹۸
۵:۰۰
منبع:Claude is cracking down on abusive users — and 1 in 3 Americans could be in for a surprisehttps://www.tomsguide.com/ai/claude-is-cracking-down-on-abusive-users-and-1-in-3-americans-could-be-in-for-a-surprise
دبیرخانه شورای راهبری فناوریهای نوین و هوشمندسازی دانشگاه علوم پزشکی بوشهر
۱۵۵
۹:۰۶