خاطرات کاذب کاشته‌شده با هوش مصنوعیسه مطالعه به‌هم‌پیوسته بررسی می‌کنند هوش مصنوعی چگونه می‌تواند خاطرات کاذب را در انسان القا و تقویت کند. این پژوهش پدیده را در سه وجه بررسی می‌کند: رابط‌های مکالمه‌ای، رسانه‌های دیداری دستکاری‌شده و تزریق نامحسوس اطلاعات نادرست در چت‌بات.مطالعه اول با شبیه‌سازی مصاحبه شاهد جرم نشان داد چت‌بات‌های مولد مبتنی بر مدل‌های زبانی بزرگ بیش از سه برابر شرایط کنترل خاطرات کاذب فوری القا کردند و ۳۶٫۴٪ پاسخ‌های کاربران گمراه شد. مطالعه دوم نشان داد تصاویر ویرایش‌شده با هوش مصنوعی و به‌ویژه ویدیوهای تولیدشده از این تصاویر، بازخوانی کاذب را تا ۲ برابر افزایش و اطمینان به خاطرات کاذب را نیز بالا می‌برند. مطالعه سوم نشان داد چت‌بات‌هایی که در مکالمه به‌طور نامحسوس اطلاعات نادرست تزریق می‌کنند، نرخ بازخوانی کاذب را به‌مراتب بیشتر از روش‌های سنتی متنی افزایش می‌دهند.این مطالعات الگویی ثابت را آشکار می‌کنند: هوش مصنوعی از طریق پرسشگری القایی، دستکاری دیداری یا انحراف مکالمه‌ای توانایی بی‌سابقه‌ای برای شکل‌دهی و تحریف حافظه انسان دارد. بنابراین ادغام آن در زمینه‌های حساس مانند فرایندهای حقوقی، محیط‌های درمانی و مصرف روزمره اطلاعات نیازمند توجه دقیق به خطرات دستکاری حافظه است.۱) چت‌بات مکالمه‌ای مبتنی بر LLM خاطرات کاذب را در مصاحبه شاهدان تقویت می‌کندChan et al., 2024, arXiv:2408.04681چکیده: این مطالعه القای خاطره کاذب از طریق پرسشگری القایی در تعامل انسان–هوش مصنوعی را با شبیه‌سازی مصاحبه شاهدان جرم بررسی می‌کند. چهار شرایط آزمون شد: کنترل، پرسشنامه، چت‌بات از پیش برنامه‌ریزی‌شده، و چت‌بات مولد LLM. شرکت‌کنندگان (N=۲۰۰) ویدیوی جرم را دیدند و به پرسش‌هایی شامل پنج پرسش گمراه‌کننده پاسخ دادند. خاطرات کاذب بلافاصله و یک هفته بعد ارزیابی شد. چت‌بات مولد بیش از ۳ برابر کنترل و ۱٫۷ برابر روش پرسشنامه خاطره کاذب فوری القا کرد و ۳۶٫۴٪ پاسخ‌ها گمراه شد. پس از یک هفته تعداد خاطرات کاذب ثابت ماند، اما اطمینان به آن‌ها همچنان بالاتر از کنترل بود. کاربران کم‌آشنا با چت‌بات اما آشنا با هوش مصنوعی و علاقه‌مند به تحقیقات جنایی، مستعدتر بودند. یافته‌ها خطر استفاده از هوش مصنوعی پیشرفته در مصاحبه‌های پلیسی را برجسته می‌کند.۲) حافظه‌های مصنوعی انسان: تصاویر و ویدیوهای ویرایش‌شده با هوش مصنوعی می‌توانند خاطرات کاذب بکارندPataranutaporn et al., 2025, CHIچکیده: با ادغام ابزارهای ویرایش هوش مصنوعی در گوشی‌های هوشمند، کاربران می‌توانند عکس‌ها را تغییر دهند یا به ویدیوهای واقع‌گرایانه تبدیل کنند. این مطالعه تأثیر محرک‌های دیداری تغییر‌یافته با هوش مصنوعی بر خاطرات کاذب را بررسی می‌کند. در مطالعه پیش‌ثبت‌شده، ۲۰۰ شرکت‌کننده به چهار شرایط ۵۰ نفره تقسیم شدند: تصاویر ویرایش‌نشده، تصاویر ویرایش‌شده، ویدیوهای تولیدشده، و ویدیوهای تولیدشده از تصاویر ویرایش‌شده. محرک‌های ویرایش‌شده بازخوانی کاذب را معنادار افزایش دادند و ویدیوی تولیدشده از تصویر ویرایش‌شده قوی‌ترین اثر را داشت (۲٫۰۵ برابر کنترل). اطمینان به خاطرات کاذب نیز در این شرایط بالاترین بود (۱٫۱۹ برابر کنترل). کاربردهای بالقوه در HCI مانند بازقالب‌بندی درمانی حافظه و چالش‌های اخلاقی، حقوقی، سیاسی و اجتماعی بحث می‌شود.۳) لغزش از خلال چت: تزریق نامحسوس اطلاعات نادرست در مکالمات چت‌بات LLM حافظه کاذب را افزایش می‌دهدPataranutaporn et al., 2025, IUIچکیده: این مطالعه پتانسیل چت‌بات‌های مولد مخرب برای القای خاطرات کاذب از طریق تزریق نامحسوس اطلاعات نادرست را بررسی می‌کند. آزمایشی با ۱۸۰ شرکت‌کننده پنج شرایط را پس از ارائه یک مقاله بررسی کرد: بدون مداخله، خلاصه صادقانه، خلاصه گمراه‌کننده، بحث با چت‌بات صادق، و بحث با چت‌بات گمراه‌کننده. خلاصه گمراه‌کننده وقوع خاطره کاذب را افزایش داد، اما تعامل با چت‌بات گمراه‌کننده نرخ‌های به‌مراتب بالاتری از بازخوانی کاذب ایجاد کرد.جمع‌بندی: خطر دستکاری حافظه توسط هوش مصنوعی محدود به یک رسانه یا تعامل نیست؛ پرسشگری القایی، تزریق نامحسوس اطلاعات و تصاویر و ویدیوهای ویرایش‌شده همگی می‌توانند حافظه انسان را شکل داده و تحریف کنند. در زمینه‌های حساس مانند مصاحبه‌های قضایی و پلیسی، محیط‌های درمانی و مصرف روزمره اطلاعات، طراحی و به‌کارگیری هوش مصنوعی باید با ملاحظات اخلاقی و سازوکارهای اعتبارسنجی همراه باشد. منبعـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ#چکیده_سایت
آدرس تارنمای ما : https://manainstitute.ir ما را در بله و ایتا دنبال کنید: @maanainstitute۳
علمآموزی برای دردهای امتما نیاز داریم که در مباحث علمی تعمق کنیم، اما نه بهبهای کنار گذاشتن واقعیت و با دور شدن از مشکلات جهان اسلام و دردها و آرمانهای امت.منبع: حوزه و بایستهها، ص ۴٢ـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ#جملات_منتخب
آدرس تارنمای ما : https://manainstitute.ir ما را در بله و ایتا دنبال کنید: @maanainstitute۳بازنگری سندتوسعه علوم شناختی؛ مبانی فلسفی وتابآوری شناختی اولویتهای کشورعطاالله پورعباسی در تشریح وضعیت اجرای «سند راهبردی علوم و فناوریهای شناختی» (مصوب سال ۱۳۹۰) اظهارکرد: این سند دارای ۷ هدف اصلی و حدود ۱۸ اقدام اجرایی است که تمامی آن‌ها با درجات متفاوتی از تحقق در دستور کار قرار داشتهاند؛ هرچند میزان پیشرفت در بخشهای گوناگون یکسان نبوده است.وی با اشاره به نوپا بودن زیستبوم سازمانیافته علوم شناختی در ایران (با قدمتی حدود ۱۵ سال) تصریح کرد: در دوره نخست توسعه، تمرکز اصلی بر ایجاد زیرساختها، تربیت نیروی انسانی و بومیسازی دانش بود، اما اکنون نیازمند گذر از ظرفیتسازی عمومی به سمت کاربردیسازی دستاوردها و پاسخگویی به نیازهای مشخص و اولویتدار کشور هستیم.دو محور کلیدی در بازنگری سنددبیر ستاد توسعه علوم و فناوریهای شناختی، «مبانی فلسفی علوم شناختی» و «تابآوری شناختی» را دو اولویت اصلی در بازنگری این سند برشمرد و گفت:مبانی فلسفی: توسعه این حوزه نباید صرفاً به جنبههای فناورانه محدود شود؛ بلکه ورود فعال اندیشمندان به مباحث فلسفه ذهن، بهرهگیری از آموزههای اسلامی درباره نفس و معرفت، و شکلگیری گفتوگوی علمی میان دیدگاههای فلسفی شرق و غرب از ضرورتهای اساسی است.تابآوری شناختی: با توجه به تحولات و شرایط روز کشور و اهمیت فزاینده مؤلفههای شناختی در عرصههای اجتماعی، امنیتی و حکمرانی، توسعه فناوریهای این حوزه باید پیوند عمیقتری با نیازهای راهبردی و پدافندی جامعه پیدا کند.دستاوردهای ۱۵ ساله زیستبوم شناختی ایران:پورعباسی در بخش دیگری از گزارش خود به بخشی از ظرفیتهای ایجادشده در کشور به شرح ذیل اشاره کرد:نیروی انسانی: فعالیت حدود ۹ هزار پژوهشگر و نزدیک به یکهزار فناور در کشور.اقتصاد دانشبنیان: حضور دستکم ۶۰ شرکت فناور فعال و تجاریسازی حدود ۶۰ محصول در بازار.زیرساختهای آزمایشگاهی: فعالیت ۷۴ آزمایشگاه تخصصی در بستر شبکه آزمایشگاهی کشور با برخورداری از حدود ۶۰۰ دستگاه و تجهیزات پیشرفته.جایگاه علمی: کسب رتبه نخست در منطقه خاورمیانه و جایگاه نوزدهم جهان در مجموع حوزه علوم شناختی.وی در ادامه با تأکید بر ضرورت تدوین نقشه جامع حکمرانی شناختی و تقویت هماهنگی میان نهادهای اجرایی، خاطرنشان کرد: بازنگری سند فرصتی مغتنم است تا با استفاده از تجارب گذشته و رفع کاستیها، مسیر توسعه علوم و فناوریهای شناختی با تمرکز بر حل مسائل کلان ملی و ارتقای کیفیت زندگی شهروندان با قدرت ادامه یابد.منبعـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ#خبر
آدرس تارنمای ما : https://manainstitute.ir ما را در بله و ایتا دنبال کنید: @maanainstitute۲معرفتشناسی هوش مصنوعی/بخش اولمعرفتشناسی هوش مصنوعی شاخهای نوظهور از پژوهشهای فلسفیست که به بررسی نقش هوش مصنوعی در کسب دانش، توجیه باورها و دستیابی به فهم میپردازد. مدخل جدید دانشنامه فلسفه استنفورد در این موضوع نشان می‌دهد که موفقیت سامانههای هوش مصنوعی در حوزههایی مانند پزشکی، زیستشناسی، ریاضیات و پاسخگویی به پرسشهای انسانی، مسائل بنیادی تازهای را دربارهی ماهیت دانش و اعتبار منابع آن مطرح کرده است. پرسش اصلی این است که آیا میتوان به خروجیهای هوش مصنوعی اعتماد کرد و باورها و کنشهای خود را بر اساس آن‌ها موجه دانست؟مسئلهی شفافیتاز مهمترین مسائل معرفتشناسی هوش مصنوعی، دشواری شناخت سازوکارهای درونی آن است. بسیاری از مدل‌های هوش مصنوعی، به‌ویژه شبکههای عصبی عمیق و مدل‌های زبانی بزرگ، به دلیل پیچیدگی محاسباتی و تعداد فراوان پارامترها، مانند جعبه سیاه عمل می‌کنند؛ یعنی ممکن است خروجی آن‌ها مشخص باشد، اما مسیر دقیق رسیدن به آن خروجی برای انسان روشن نباشد. این وضعیت پرسش‌هایی درباره چگونگی شناخت عملکرد مدل، شناسایی خطاها و ارزیابی اعتبار نتایج ایجاد می‌کند.تبیینپذیری و تفسیرپذیریمسئله دیگر تعیین معنای تبیینپذیری و تفسیرپذیری و بررسی میزان ضرورت آنهاست. تبیینپذیری به ارائه توضیحی دربارهی چرایی یک نتیجه اشاره دارد و تفسیرپذیری به امکان فهم عملکرد مدل مربوط می‌شود. برای مثال، در تشخیص پزشکی صرفاً دانستن اینکه هوش مصنوعی بیماری خاصی را تشخیص داده کافی نیست؛ پزشک باید بداند چه عواملی در این نتیجه نقش داشتهاند. بااینحال، پرسش مهم این است که آیا برای اعتماد به یک سامانه، شناخت کامل سازوکارهای درونی آن ضروری است یا توضیحی محدود اما کاربردی کفایت می‌کند.محدودیت شناخت انسانابهام هوش مصنوعی دلایل متعددی دارد: پیچیدگی محاسبات، دسترسینداشتن به دادههای آموزشی، محرمانهبودن الگوریتمها و تفاوت میان زبان ریاضی مدلها و شیوهی معمول تفکر و توضیح انسانی. همچنین، در شبکههای عصبی، ویژگیها ممکن است بهصورت توزیعشده میان نورونهای متعدد بازنمایی شوند. بنابراین، حتی متخصصان نیز همیشه نمیتوانند توضیحی روشن دربارهی نقش هر بخش از مدل عرضه کنند. این مسئله پرسشی فلسفی را مطرح می‌کند: آیا فقدان شناخت کامل از فرایند تولید نتیجه، لزوماً به معنای ناتوانی در کسب دانش از آن نتیجه است؟اعتبار خروجیهامسئله محوری دیگر این است که چه زمانی باور به خروجی هوش مصنوعی عقلانی و موجه است. درستبودن اتفاقی یک پاسخ برای تبدیل آن به دانش کافی نیست؛ باید شواهدی دربارهی اعتبار آن وجود داشته باشد. از جمله معیارهای توجیه میتوان به سابقه موفقیت مدل، آزمون روی دادههای مستقل، مقایسهی نتایج با شواهد واقعی و پایداری خروجیها اشاره کرد. در مدل‌های یادگیری ماشین، استقرا نقش مهمی دارد: اگر مدل در موارد فراوان درست عمل کرده باشد، میتوان با احتمالی معین به نتایج جدید آن اعتماد کرد؛ اما این اعتماد تضمین قطعی حقیقت نیست. نویسنده: دکتر هادی صمدیـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ#یادداشت
آدرس تارنمای ما : https://manainstitute.ir ما را در بله و ایتا دنبال کنید: @maanainstitute۳معرفتشناسی هوش مصنوعی/بخش دوماعتماد عقلانی به هوش مصنوعیاعتماد به هوش مصنوعی باید از اعتمادبیچونوچرا متمایز شود. آیا کاربران باید به دلیل دقت بالای یک سامانه به آن اعتماد کنند یا فهم سازوکار آن نیز ضروری است. پاسخ به زمینهی کاربرد بستگی دارد. برای مثال، در تشخیص بیماری، دقت، شواهد بالینی و امکان ارزیابی نتیجه اهمیت دارند. همچنین، شناخت محدودیتها و سوگیریهای مدل کمک می‌کند کاربران بدانند چه زمانی نتایج آن قابل اتکاست و چه زمانی به بررسی مستقل نیاز دارد.نقش هوش مصنوعی در شناخت جهاندانش با فهم یکسان نیست. ممکن است هوش مصنوعی پیشبینی دقیقی ارائه کند، اما نتواند توضیح دهد چرا پدیدهای رخ داده است. در نتیجه، باید میان پیشبینی، کشف الگوها و فهم روابط علّی تمایز گذاشت. مدل می‌تواند ارتباط آماری میان متغیرها را شناسایی کند، بیآنکه علت واقعی این ارتباط را آشکار سازد. بنابراین، از مسائل مهم این حوزه آن است که هوش مصنوعی تا چه اندازه می‌تواند فراتر از تولید پیشبینیهای موفق، به تبیین علمی پدیدهها و شناخت سازوکارهای جهان کمک کند.فاعل شناسا؟سرانجام، این پرسش مطرح است که آیا هوش مصنوعی خود می‌تواند فاعل شناسا باشد یا صرفاً ابزاری برای شناخت انسان است. اگر سامانههای هوش مصنوعی باور، قصد یا آگاهی نداشته باشند، آیا میتوان خروجی آن‌ها را نوعی گواهی معرفتی، مشابه سخن یک انسان آگاه، تلقی کرد؟ دیدگاه دیگر این است که هوش مصنوعی را باید در کنار ابزارهایی مانند ماشینحساب و دستگاههای اندازهگیری بررسی کرد. این اختلاف بر چگونگی ارزیابی اعتبار نتایج و مسئولیت کاربران در پذیرش آن‌ها تأثیر میگذارد.در شرایطی از تاریخ علم هستیم که آگاهی از معرفتشناسی هوش مصنوعی برای تمامی پژوهشگران، دانشگران، و دانشجویان در تمامی رشتههای علمی ضروریست. نویسنده: دکتر هادی صمدیمنبع: کانال فلسفه علمـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ#یادداشت
آدرس تارنمای ما : https://manainstitute.ir ما را در بله و ایتا دنبال کنید: @maanainstitute۳ارزیابی لانست: جنگ هستهای و استفاده مخرب از هوش مصنوعی، بشریت را تا سال ۲۱۰۰ به خطر انقراض تهدید میکندکمیسیونی تازهتأسیس، ۱۷ تهدید فاجعهبار برای سلامت انسان را شناسایی کرده است، اما میگوید برای هر یک «مسیری واقعبینانه برای اقدام» وجود دارد.بر اساس ارزیابی جهانی تازهای از خطرها، ممکن است انسان تا سال ۲۱۰۰ بهدلیل استفاده مخرب از هوش مصنوعی یا منازعه هستهای منقرض شود. این دو در صدر فهرستی از ۱۷ تهدید عمده برای سلامت انسان در ۷۵ سال آینده قرار دارند؛ فهرستی که کاهش کمکهای مالی کشورهای ثروتمند، بحران اقلیمی و سوءتغذیه کودکان را نیز در بر میگیرد.کارشناسان «کمیسیون لانست درباره تهدیدهای جهانی سلامت در قرن ۲۱» گفتند همه این تهدیدها با یکدیگر تعامل دارند و باید همزمان به آن‌ها پرداخته شود؛ با این حال تأکید کردند برای هر یک «مسیری واقعبینانه برای اقدام» وجود دارد.پروفسور کریستوفر موری، رئیس کمیسیون و مدیر مؤسسه سنجش و ارزیابی سلامت در دانشگاه واشینگتن، گفت: «تصمیمهایی که رهبران امروز میگیرند، سلامت و رفاه نسل بعدی را شکل خواهد داد.»کمیسیون بر پایه روندهای کنونی محاسبه کرد هر تهدید ممکن است چند سال از عمر را از طریق بیماری، ناتوانی یا مرگ زودرس از میان ببرد؛ معیاری که به آن «سالهای عمر تعدیلشده بر اساس ناتوانی» (DALY) میگویند.گزارش میگوید: «استفاده مخرب از هوش مصنوعی، از جمله سلاحهای زیستی، و منازعه هستهای همراه با قحطی هستهای، خطر انقراض را در ۷۵ سال آینده با خود دارند.» گزارش میافزاید هرچند احتمال این خطرها پایین است، اما جنگ هستهای با مسدود کردن نور خورشید و ایجاد قحطی، یا سلاحهای زیستی ساختهشده با هوش مصنوعی، توان پایان دادن به بشریت را دارند. یادداشت تحلیلی لانست نیز هشدار می‌دهد: «اگر این خطرها محقق شوند، ابعاد آسیب، مصیبتی آخرالزمانی بر بشریت وارد خواهد کرد.»دیگر خطرهایی که می‌توانند بیش از یک میلیارد DALY تجمعی ایجاد کنند و «تهدیدهای فاجعهبار عمده» شمرده شدهاند عبارتاند از: آلودگی هوا، مقاومت ضدمیکروبی، سوءتغذیه کودکان و فروپاشی اقلیمی، منازعه متعارف، کاهش کمکهای خارجی، مصرف بالای الکل، فشار خون بالا، نابرابری درآمد، سطح پایین تحصیلات، همهگیریهای طبیعی، چاقی، سلامت روان ضعیف، سیگار و پیری ناسالم. برای ورود به فهرست، تهدیدها باید هم شمار بالایی از سالهای سلامت ازدسترفته ایجاد میکردند و هم راهحل بالقوه داشتند.ابراهیم ابوبکر، عضو کمیسیون و استاد همهگیرشناسی بیماریهای عفونی در دانشگاه کالج لندن، گفت: «هدف ما تنها ترساندن نیست؛ اگر امروز سیاستگذار باشید، اینها تهدیدهای بالقوهای هستند که با آن‌ها روبهرو میشوید و اگر اقدام کنید، واقعاً میتوانید تغییر ایجاد کنید.»بر اساس گزارش که بهترین و بدترین سناریوها را برای هر تهدید مدلسازی کرده است، محدود کردن گرمایش جهانی به حدود ۱٫۸ درجه سانتیگراد (۳٫۲ درجه فارنهایت) بهجای ۴٫۴ درجه، می‌تواند از ازدسترفتن ۱٫۸۹ میلیارد سال زندگی سالم جلوگیری کند. در مناطق با درآمد بالاتر، بیماریهای غیرواگیر مانند چاقی و سلامت روان ضعیف تهدیدهای غالب بودند؛ در مناطق کمدرآمد، عواملی مانند سطح پایین تحصیلات.بسیاری از کشورهای بزرگ اهداکننده، از جمله آمریکا و بریتانیا، در سال گذشته کاهشهای بزرگی در هزینههای کمکرسانی اعلام کردهاند. کمیسیون دریافت فروپاشی یا کاهش شدید کمکهای بینالمللی سلامت می‌تواند تا پیش از ۲۱۰۰ موجب تا ۱٫۵ میلیارد DALY شود که نزدیک ۷۰ درصد آن در جنوب صحرای آفریقا خواهد بود؛ منطقهای که بیشترین بار سوءتغذیه کودکان را نیز تحمل می‌کند.کمیسیون از ۳۵ کارشناس تشکیل شده و یافتههایش روز یکشنبه در اجلاس جهانی سلامت در برلین آلمان ارائه می‌شود. ارزیابی آنان هر سال با دادههای تازه و خطرهای نوظهور بهروزرسانی می‌شود. نویسندگان از رهبران خواستند پیش از تبدیل این خطرها به بحران، با سرمایهگذاری در نوآوریهای فناورانه و تقویت نظامهای سلامت به آن‌ها بپردازند.موری گفت: «سه سال پیش فکر میکردیم سه تهدید بزرگ وجود دارد: منازعه، اقلیم و همهگیریها. اما شمار بسیار بیشتری تهدید وجود دارد و دولتها باید پول و نیروی انسانی را به پیشبینی، پیشگیری و آمادهسازی برای این مجموعه متنوعتر اختصاص دهند.»منبعـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ#چکیده_سایت
آدرس تارنمای ما : https://manainstitute.ir ما را در بله و ایتا دنبال کنید: @maanainstitute۳تبدیل جیوه به طلاآیا طلای مصنوعی می‌تواند بازار جهانی طلا را متحول کند؟ ادعای یک استارتآپ آمریکایی درباره تبدیل جیوه به طلا
استارتآپ آمریکایی «ماراتون فیوژن» (Marathon Fusion) مستقر در سانفرانسیسکو مدعی است که توانسته جیوه را از طریق فرایندی به نام تبدیل هستهای به طلای پایدار تبدیل کند و رکورد پیشین سازمان پژوهشهای هستهای اروپا (سرن) را ۱۰ برابر بهبود دهد. این ادعا هنوز به‌طور مستقل تأیید نشده و میزان طلای تولیدشده و هزینه آن نیز مشخص نیست.روش تبدیل جیوه به طلا چگونه است؟ماراتون فیوژن اعلام کرده است که با استفاده از نوترونهای حاصل از واکنشهای همجوشی، جیوه را به ایزوتوپی ناپایدار تبدیل می‌کند که در اثر واپاشی به طلا تبدیل می‌شود. این شرکت در سال ۲۰۲۳ تأسیس شده و در زمینه توسعه فناوری نیروگاههای همجوشی فعالیت می‌کند. از حامیان آن میتوان به شبکه فناوریهای اقلیمی بیل گیتس و شرکت معدنی انگلو امریکن اشاره کرد.سرن در سال ۲۰۲۵ گزارش داده بود که برخورددهنده بزرگ هادرونی این سازمان طی سالهای ۲۰۱۵ تا ۲۰۱۸ حدود ۲۹ پیکوگرم طلا تولید کرده است؛ مقداری بسیار ناچیز که هستههای اتمی آن تنها کسری از ثانیه دوام داشتند و سپس از بین رفتند. در مقابل، ماراتون مدعی تولید طلای پایدار است؛ هرچند جزئیات کافی برای ارزیابی ادعای آن منتشر نشده است.آیا طلای آزمایشگاهی می‌تواند بازار طلا را متحول کند؟تجربه الماسهای آزمایشگاهی نشان می‌دهد که تولید انبوه یک محصول مشابه نمونه طبیعی می‌تواند قیمتها را بهشدت کاهش دهد. قیمت عمدهفروشی الماسهای آزمایشگاهی از سال ۲۰۱۵ تاکنون، طبق برآورد یک تحلیلگر صنعت، ۹۰ تا ۹۵ درصد افت کرده و این رقابت بر قیمت الماسهای طبیعی نیز فشار وارد آورده است.اما بازار طلا تفاوت مهمی با بازار الماس داردبر اساس آمار شورای جهانی طلا، معادن در سال ۲۰۲۵ حدود ۳۶۷۲ تن طلا تولید کردند و مجموع طلای استخراجشده در طول تاریخ به حدود ۲۲۲ هزار و ۶۰۰ تن میرسد. همچنین بانکهای مرکزی، از جمله چین و لهستان، طلا را بهعنوان ذخیرهای برای حفظ ارزش داراییهای خود نگهداری می‌کنند و در سالهای اخیر خرید آن را افزایش دادهاند.ظرفیت احتمالی تولید طلا و موانع پیش رومطالعهای که ماراتون در سال ۲۰۲۵ انجام داد، برآورد کرده است که یک نیروگاه همجوشی با ظرفیت یک گیگاوات می‌تواند سالانه حدود پنج تن طلا تولید کند. بر این اساس، ۱۰۰ نیروگاه از این نوع قادر خواهند بود سالانه حدود ۵۰۰ تن طلا تولید کنند؛ مقداری معادل تقریباً ۱۴ درصد از تولید معدنی طلا در سال ۲۰۲۵.بااینحال، هنوز هیچ نیروگاه همجوشیای برق را بهصورت تجاری عرضه نمیکند و تجاریسازی این فناوری احتمالاً چندین سال زمان میبرد. افزون بر این، طلای تولیدشده ممکن است حاوی ایزوتوپهای پرتوزا باشد و پیش از فروش به حداکثر ۱۸ سال نگهداری نیاز داشته باشد.منبع کامل جهت مطالعه
ـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ#چکیده_سایت
آدرس تارنمای ما : https://manainstitute.ir ما را در بله و ایتا دنبال کنید: @maanainstitute۲
تکنولوژی؛ رفاهِ در قفس؟!فیلم کوتاه و مفهومی طناب، به بررسی این موضوع میپردازد و می‌تواند ما را به فکر وادارد که آیا روزی زین به پشت می‌شود و تکنولوژی ما را به کنترل خواهد گرفت؟ آیا ما تحت کنترل صاحبات تکنولوژی قرار گرفتهایم؟!ـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ#فلسفیلم
آدرس تارنمای ما : https://manainstitute.ir ما را در بله و ایتا دنبال کنید: @maanainstitute۱بحران پزشکی مدرن؛ چگونه منافع مالی، پژوهشهای بیکیفیت و هوش مصنوعی علم پزشکی را به ورطه فساد میکشانند؟ایالات متحده نزدیک به ۲۰ درصد از تولید ناخالص داخلی خود را صرف سلامت می‌کند و هر سال سه میلیون مقاله زیستپزشکی منتشر می‌کند. پس چرا امید به زندگی در این کشور متوقف شده یا حتی رو به کاهش گذاشته است؟ جان یوانیدیس، استاد پزشکی دانشگاه استنفورد، استدلال می‌کند که منافع ذینفعان و اشتباهات بنیادی پژوهشی، زیستپزشکی را نابود می‌کنند و دو دهه پس از انتشار مقاله جنجالی او با عنوان «چرا بیشتر یافتههای پژوهشی منتشرشده نادرستاند»، وضعیت نهتنها بهتر نشده، بلکه وخیمتر شده است. هوش مصنوعی سیلی تازه از پژوهشهای جعلی به راه انداخته و پزشکی هر روز بیش از پیش از شواهد باکیفیت فاصله میگیرد. او در این گفتوگو با آلاسدیر کریگ از مؤسسه هنرها و ایدهها (IAI)، ابعاد این بحران را آشکار می‌کند و راههایی برای اصلاح آن پیشنهاد می‌دهد.آلاسدیر کریگ: شما گفتهاید: «ما باید با پزشکی مقابله کنیم. این حوزه واقعاً دارد خطرناک می‌شود.» چرا چنین حرفی زدید؟جان یوانیدیس: هزینهکرد برای سلامت در ایالات متحده به حدود ۲۰ درصد از تولید ناخالص داخلی رسیده و در کشورهای دیگر نیز رو به افزایش است. هر سال حدود سه میلیون مقاله در حوزه زیستپزشکی منتشر میکنیم. احتمالاً کیفیت بیشتر این مقالات پایینتر از حد مطلوب است. بسیاری از آن‌ها نادرست یا گمراهکنندهاند. یک مطالعه برآورد کرده است که ۵٫۸ درصد از مقالات زیستپزشکی منتشرشده در سال ۲۰۲۳ کاملاً جعلی بودهاند و این نسبت در حال افزایش است. مطالعه دیگری نشان داده است که در میان ۱۵۶۷ مداخله پزشکی، تنها ۵٫۶ درصد از آن‌ها از شواهد باکیفیت در تأیید فوایدشان برخوردار بودهاند؛ یعنی بیش از ۹۴ درصد شواهد باکیفیتی برای تأیید فواید خود نداشتهاند.بحثهای زیادی در این حوزه مطرح می‌شود که مملو از اطلاعات نادرست و دیدگاههای عجیبوغریب درباره پزشکی است. بنابراین، درگیر آشفتگی بزرگی شدهایم که به بهبود سلامت منجر نمیشود. در واقع، امید به زندگی در ایالات متحده عملاً افزایش نیافته و حتی در برخی دورهها کاهش پیدا کرده است.همین وضعیت را در بسیاری از کشورهای دیگر هم میبینیم. ما از مجموعهای که شامل پژوهشگران فوقالعاده و افراد بسیاری با نیتهای خیرخواهانه است، نتیجهای را که باید به دست نمیآوریم.شما استدلال کردهاید که پزشکی مبتنی بر شواهد «به گروگان گرفته شده است». به نظر شما، در فرایند پژوهش چه چیزی اشتباه پیش میرود؟پژوهشهای زیادی انجام میشوند که فایدهای ندارند. منظورم علم پایه نیست؛ ما به آن نیاز داریم و در واقع، به پژوهشهای پایه بیشتری هم نیاز داریم. منظور از «علم پایه»، پژوهشهایی است که عملاً دستاورد ازپیشتعیینشدهای ندارند؛ یعنی نمیدانیم چه چیزی کشف خواهیم کرد و این کشف در نهایت ممکن است در چه حوزه، رشته یا بیماریای کاربرد داشته باشد.وقتی میگویم بسیاری از پژوهشها فایدهای ندارند، منظورم پژوهشهایی است که میکوشند شواهدی برای درمان بیماریهای مشخص تولید کنند. عوامل متعددی گاهی این نوع پژوهشها را بهشدت غیرقابلاعتماد می‌کنند.برای مثال، تعارض منافع شدیدی وجود دارد. برخی پژوهشها با پیشفرض گرفتن ایدئولوژی مشخصی انجام میشوند. استفاده از روش‌های آماری بسیار ضعیف است و رویههای پژوهشی محل تردیدی وجود دارند که به نتایج موسوم به «معنادار» منجر میشوند، درحالیکه این نتایج واقعاً معنادار نیستند. سوگیریهای کنترلنشده فراواناند، طراحی مطالعات ضعیف است و پژوهشها در قالب مطالعات کوچک و پراکندهای انجام میشوند که بیمعنا هستند؛ مطالعاتی که حتی اگر نشانهای از یک اثر یا رابطه آشکار کنند، احتمال کاذب بودن آن بسیار زیاد است.پزشکی مبتنی بر شواهد مدتهاست که به پزشکی مبتنی بر منافع مالی تبدیل شده و اکنون در مسیر تبدیل شدن به پزشکی مبتنی بر فساد قرار دارد.افزون بر این، تقلب نیز احتمالاً در حال گسترش است؛ به‌ویژه با ظهور هوش مصنوعی. امروزه مقالات بسیار زیادی را میتوان با هوش مصنوعی تولید کرد که ممکن است کاملاً نادرست، متقلبانه و جعلی باشند؛ آن هم علاوه بر تقلبهای متعارفی که در گذشته وجود داشتند. مطالعهای جدید نشان داده است که در حال حاضر، تقلب علمی با سرعتی بسیار بیشتر از رشد کل فعالیتهای علمی افزایش مییابد.منبع کامل مصاحبهـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ#مصاحبه
آدرس تارنمای ما : https://manainstitute.ir ما را در بله و ایتا دنبال کنید: @maanainstitute۱
معرفی منبع پژوهشی: درسنامه لایبنیتس آکسفورد (The Oxford Handbook of Leibniz)گوتفرید ویلهلم لایبنیتس تنها یک فیلسوف یا منطقدان نبود؛ او در مرزهای فیزیک، زیستشناسی، ریاضیات و الهیات زیست میکرد.در زمانهای که فلسفه مکانیکیِ دکارت و بویل در پی تقلیل تمام جهان به «ماده و حرکت» و طرد علتهای غایی بود، لایبنیتس نشان داد که برای تبیین عقلانی و بنیادین پدیدههای طبیعی، گریزی از بازگشت به مفاهیم غایتشناسانه و علل صوری ارسطویی نیست.کتاب مرجع The Oxford Handbook of Leibniz، یکی از جامعترین پژوهشهای معاصر است که پیوند عمیق میان ابعاد مابعدالطبیعی، علمشناسی و پژوهشهای تجربی لایبنیتس (از اپتیک و دینامیک تا فیزیولوژی و ریاضیات) را بررسی می‌کند.ـ_ــ_ـ_ـ__ـ_ــ_ـ_ـ#معرفی_کتاب
آدرس تارنمای ما : https://manainstitute.ir ما را در بله و ایتا دنبال کنید: @maanainstitute۲