about-3 back-contact back-deep eitaa کانال روبیکاخبرگزاری سایبربان
مطالب پربازدید
«حملات
1404/07/10 - 08:30- جنگ سایبری

«حملات تخریبی» به کشور۳ برابر شد/ افشای نام «اهداف اصلی» حملات هکرها

بر اساس داده‌های گزارش سالانه گراف، هوش مصنوعی مولد (GenAI) چشم‌انداز تهدیدات ایران را در سال ۱۴۰۳ دگرگون کرد؛ جایی که حملات با LLMJacking، باج‌افزار و فریب‌های پیشرفته، نهادهای دولتی و آموزشی را در کانون هدف قرار دادند.

اسرار
1404/08/05 - 14:27- جنگ سایبری

اسرار نظامی و اطلاعات سری پدافند لیزری اسرائیل به دست هکرها افتاد

گروه هکری جبهه پشتیبانی سایبری «الجبهة الإسناد السيبرانية» اعلام کرد که با نفوذ به شرکت نظامی مایا، به اطلاعات محرمانه پدافند پیشرفته لیزری Iron Beam و تعداد زیادی از سلاح‌های پیشرفته اسرائیل دست یافته است.

افشای
1404/08/04 - 13:09- جنگ سایبری

افشای اطلاعات حساس وزارت جنگ رژیم صهیونیستی توسط گروه هکری جبهه پشتیبانی سایبری

گروه هکری «الجبهة الإسناد السيبرانية» با نفوذ به شرکت پوششی «مایا» وابسته به وزارت دفاع رژیم صهیونیستی، اطلاعات محرمانه‌ای از پروژه‌های نظامی این رژیم از جمله سامانه دفاع لیزری، پهپاد و موشک‌ها را فاش کرد.

فیس‌بوک با استفاده از خلاقیت انسانی برای به چالش کشیدن مؤثرتر مدل‌های یادگیری ماشینی، پلتفرم جدیدی را برای جمع‌آوری داده‌ها و محک زدن در هوش مصنوعی منتشر می‌کند.

به گزارش کارگروه فناوری اطلاعات سایبربان؛ تیم هوش مصنوعی فیس‌بوک اخیراً اعلام کرد که یک پلتفرم جدید برای جمع‌آوری داده‌ها و معیارگذاری در هوش مصنوعی به نام «Dynabench» ایجاد کرده‌اند.

در حالیکه مدل‌های یادگیری ماشینس به داده‌ها و قدرت محاسباتی زیادی نیاز دارند، اما برای پیشرفت بیشتر این مدل‌ها از طریق هوش مصنوعی، محققان از آزمون‌های مختلفی علیه هوش مصنوعی استفاده می‌کنند تا میزان پیشرفت این مدل‌ها را تشخیص دهند. به این تست‌ها معیار می‌گویند.

بنابراین فیس‌بوک پلتفرمی ایجاد کرده که اساساً در مورد معیارهای هوش مصنوعی از طریق روشی به نام «جمع‌آوری داده‌های خصمانه پویا» تجدیدنظر می‌کند. در این روش، Dynabench حالت‌های مختلف هوش مصنوعی و معیارهای آنها را ارزیابی می‌کند. در این روش همچنین از انسان و مدل برای ایجاد مجموعه داده‌های جدیدتر و چالش‌برانگیزتر استفاده و در نتیجه منجر به هوش مصنوعی کارآمدتر و انعطاف‌پذیرتر می‌شود.

به بیان ساده، Dynabech فریب راحت‌تر سیستم‌های هوش مصنوعی به‌وسیله انسان را ارزیابی خواهد کرد. در نتیجه معیار بهتری ارائه می‌شود که می‌تواند کیفیت یک مدل هوش مصنوعی را نسبت به معیارهای فعلی نشان دهد که با گذشت زمان ثابت و اشباع شده‌اند.

Dynabech می‌تواند عملکرد مدل‌های هوش مصنوعی را در شرایط مختلف، که داده‌های از پیش تعیین شده آنها کافی نیست، منعکس کند و انسان‌ها می‌توانند از آنها بخواهند به شیوه‌های مختلف پیچیده عمل کنند و واکنش نشان دهند.

فرض کنید دانش‌آموزی همه چیز را یاد می‌گیرد و آزمون کتبی را با موفقیت می‌دهد، اما وقتی از او سؤال پرسیده می‌شود، گیج می‌شود زیرا شاید مطالبی را یاد گرفته اما آنها را به درستی درک نکرده است. در اینجا Dynabench کمک کننده است. مدل‌های هوش مصنوعی با نقاط داده و معیارهای از پیش تعیین شده مانند آن دانش‌آموز هستند و انسان‌ها آزمون کنندگانی هستند که سؤالات مختلفی می‌پرسند و چالش‌هایی را از طریق Dynabench مطرح می‌کنند تا بدانند که مدل هوش مصنوعی از کجا به‌وسیله انسان فریب خورده است و درنتیجه پیش‌بینی نادرست داشته است. نقاط ضعف مدل‌های هوش مصنوعی به بهبود این سیستم‌ها با مجموعه داده‌های جدید و چالش‌برانگیز Dynabench کمک می‌کند، سپس برای آموزش نسل بعدی مدل‌های هوش مصنوعی استفاده می‌شود. این مدل‌ها می‌توانند با Dynabench محک زده شوند، به این معنی که آنها آزمایشاتی برای نسل‌های بعدی هوش مصنوعی می‌شوند. بنابراین، این یک چرخه فضیلت در پیشرفت تحقیقات هوش مصنوعی ایجاد می‌کند.

Dynabench از افراد برای بازبینی از مدل‌های هوش مصنوعی استفاده و از افراد برای مراجعه به وب‌سایت و آزمایش مدل‌های هوش مصنوعی می‌کند، سپس پاسخ‌های آنها را بر این اساس امتیاز می‌گیرد. در حال حاضر، این نوع آزمایش مدل هوش مصنوعی با «GPT-3» انجام می‌شود که در آن افراد محدودیت‌ها را امتحان یا چت‌بات‌هایی را ارزیابی می‌کنند که قصد دارند به عنوان انسان خود را نشان دهند. با این حال، با استفاده از پلتفرم Dynabench، از شکست این مدل‌های هوش مصنوعی به طور خودکار برای ایجاد معیارهایی در مدل‌های آینده استفاده می‌شود و این امر کمک می‌کند تا با گذشته زمان تکامل یابد و بهتر شود.

در حال حاضر، Dynabench فقط روی مدل‌های زبان کار خواهد کرد، زیرا آنها ساده‌ترین نوع مدل‌های هوش مصنوعی هستند که انسان با آنها تعامل دارد. اما درنهایت شاید کار با انواع دیگر شبکه‌های عصبی مانند روش‌ها و سیستم‌های تشخیص گفتار و تصویر نیز شروع شود.

منبع:

تازه ترین ها
پاکستان
1404/09/25 - 20:02- آسیا

پاکستان صدرنشین جستجوی محتوای نامناسب در جهان

مدیر کل اداره مخابرات پاکستان گفت که این کشور همچنان در صدر جستجوهای مربوط به محتوای نامناسب در سطح جهانی قرار دارد.

قوانین جدید مالزی درمورد پلتفرم‌های اصلی رسانه اجتماعی

مالزی قوانین جدیدی را در مورد پلتفرم‌های اصلی رسانه‌های اجتماعی برای تقویت ایمنی آنلاین، به ویژه برای کودکان، اجرا کرد.

برگزاری
1404/09/25 - 18:57- سایرفناوری ها

برگزاری سمینار آموزش فناوری‌های هوشمند هوآوی در تونس

سمینار هوآوی در مورد آموزش فناوری‌های هوشمند و خدمات پزشکی از راه دور در تونس برگزار شد.