بدانة الأشجار في غابات الأمازون... وحش كوني أكبر من الشمس.. كيف تقرأ الكلاب تعبيراتنا

أفادت دراسة حديثة بأن أشجار غابات الأمازون تقوم بالاستجابة للتغيرات المناخية عبر معالجة النسب الزائدة من ثاني أكسيد الكربون في الغلاف الجوي.

وأوضح العلماء أن جذوع الأشجار في الأمازون تصبح أكثر بدانة وتزداد سمكًا بنسبة 3.3% كل عقد منذ سبعينيات القرن الماضي بحيث تمتص النباتات ثاني أكسيد الكربون الإضافي.

ووجد الباحثون أن ارتفاع تركيزات ثاني أكسيد الكربون (CO2) في الغلاف الجوي خلق بيئة غنية بالموارد للنباتات في منطقة الأمازون، ما أدى إلى زيادة متوسط محيط الأشجار في قاعدتها.

تمكن العلماء من تأكيد نظرية الثقب الأسود لستيفن هوكينغ المتنازع عليها، بعد أن رصدوا حدث اندماج ثقبين أسودين كبيرين، وتم رصد وسماع هذا الحدث عبر مقياس التداخل بالليزر المتقدم لموجات الجاذبية المعروف باسم ليغو.

ووفقًا لنظرية هوكينغ، فإن الثقب الأسود المتكون حديثًا من الاندماج يجب أن يكون بحجم مجموع الثقبين الأسودين الأصليين على الأقل، وركز على مفهوم "إشعاع هوكينغ" الذي يشير إلى أن الثقوب السوداء لا "تبتلع" المادة بشكل نهائي، بل تبعث إشعاعًا يؤدي إلى تبخرها تدريجيًا وفنائها في النهاية، وتتناسب درجة حرارة هذا الإشعاع عكسيًا مع مساحة الثقب أي أن الثقوب الكبيرة تكون باردة نتيجة بطء الإشعاع.

ووجد الباحثون أن الثقوب السوداء عندما تندمج تكبر في الحجم أكثر من مجموع وحداتها بمعنى أنها تتمدد عندما تندمج حيث تكتسب مزيدًا من الجاذبية أثناء عملية الاندماج.

يبدو أن الكلاب تستطيع فهم البشر بشكل جيد جدًا فهي تشبه "علماء أنثروبولوجيا"، حيث تقضي الكثير من الوقت في مراقبتنا، وبالتالي تتعلم الارتباطات بين السلوكيات التي قد لا نعرفها عن أنفسنا، ولهذا فإن الكلب الذي يعيش بيننا يمكنه أحيانًا قراءتنا بشكل أفضل من أنفسنا.

ومن خلال الدراسات التي أجريت على الكلاب، وجد أيضًا أنه يمكنهم قراءة الإجهاد واكتشاف الخوف، بل وتحديد وجود أمراض لا نعرف أننا مصابون بها.

ويرجع جزء من مهاراتهم هذه إلى حاسة الشم الحادة لديهم، ومثل البشر يميلون إلى التركيز على تعبيرات وجوهنا.

نشرت OpenAI (أوبن إيه آي) ورقة بحثية جديدة تحدد أسباب اختلاق تشات جي بي تي للأشياء، وقالت إنها قد تكون مشكلة غير قابلة للإصلاح.

يرجع البحث أسباب اختلاق نماذج الذكاء الاصطناعي للأشياء - المعروف في عالم الذكاء الاصطناعي باسم "الهلوسة" - إلى أنها ليست مجرد آثار جانبية مؤسفة للطريقة التي يتم بها تدريب النماذج الكبيرة حاليًا، ولكنها شر لا بد منه رياضيًا ولا مفر منها.

يمكن تفسير المشكلة جزئيًا بأنها ناتجة عن الأخطاء في البيانات الأساسية المستخدمة لتدريب الذكاء الاصطناعي، ولكن باستخدام التحليل الرياضي لكيفية تعلم أنظمة الذكاء الاصطناعي، أثبت الباحثون أنه حتى مع توفر بيانات التدريب المثالية، لا تزال الهلوسة مشكلة قائمة، حيث ترتبط معدلات الهلوسة بشكل أساسي بمدى جودة تمييز أنظمة الذكاء الاصطناعي بين الاستجابات الصالحة وغير الصالحة، ويشير البحث إلى أن سبب استمرار الهلوسة على الرغم من جهود ما بعد التدريب، هو أن معايير تقييم أنظمة الذكاء الاصطناعي تخفض تقييم النماذج التي تعبر عن عدم اليقين، وهو ما أسهم في خلق ما يسميه الباحثون "وباء معاقبة الردود الصادقة"، ويتعين لحل هذه المشكلة اللجوء إلى تطوير باهظ التكلفة، وربما يكون من شأنه التأثير سلبًا على خبرة المستخدم.

وفي حديثه لـ"سبوتنيك"، قال خبير الذكاء الاصطناعي والأمن السيبراني والجرائم الإلكترونية، محمود الروبي، إن "الإجابات غير الدقيقة أو ما يعرف بالهلوسة انتشرت منذ بداية الذكاء الاصطناعي لأسباب متعلقة برياضيات هذه البرمجة، وهي ليست مجرد خطأ برمجي يمكن إصلاحه، الأمر يتعلق بفكرة أن نماذج الذكاء الاصطناعي مبرمجة على أنه يجب أن ترد لأن مسألة التقييم تمنحها صفرًا إذا أجابت إجابة خاطئة، وصفرًا أيضًا إذا أجابت لا أعلم، لذلك اكتسبت فكرة المغامرة بتقديم إجابات غير صحيحة، لأن الشركات يتم تقييمها بناء على الدرجات التي تحصل عليها النماذج".

وأكد الروبي أن "التقييم مسألة تجارية بحتة وتعتمد عليها الشركات المنتجة لبرامج الذكاء الاصطناعي في التسويق لنفسها وتحكمها فكرة الأخلاقيات إلى حد كبير"، مشيرًا إلى أن هناك تحديات أخرى تتعلق بتطوير النماذج مرتبطة بالتكلفة والتعقيدات الرياضية.