پرش به محتوای اصلی

موضوع

فرسایش مهارت

De-skilling, human judgment loss from over-reliance on AI

۷۹۹ مقاله منتشر شده

حالت خودکار Claude Code به‌صورت پیش‌فرض فعال شد تا توسعه‌دهندگان از تأییدهای اشتباه در امان باشند

دقت طبقه‌بندی‌کننده ایمنی Claude Code در برابر بازبین‌های انسانی

آنتروپیک حالت خودکار (Auto Mode) را برای اکثر طرح‌های Claude Code پیش‌فرض می‌کند تا سرعت توسعه افزایش یابد. آزمایش‌های داخلی نشان می‌دهد طبقه‌بندی‌کننده ایمنی این ابزار در شناسایی…

۲ دقیقه خواندن۳
داستان‌های کوتاه هوش مصنوعی بالاتر از انسانی ارزیابی شدند، تا زمانی که منبع آن فاش شد.

چرا خوانندگان پس از شناسایی نویسنده AI امتیاز داستان‌ها را کم می‌کنند؟

مطالعه‌ای جدید نشان می‌دهد مردم داستان‌های کوتاه تولیدشده توسط هوش مصنوعی را به دلیل خوانایی بالاتر و لحن مثبت ترجیح می‌دهند، اما به محض افشای هویت نویسنده، امتیازات آن‌ها به‌شدت…

۳ دقیقه خواندن۳
حذف نشانه‌های هوش مصنوعی از نوشته: مهارتی که یک پرچم را به قانونی دائمی تبدیل می‌کند
آموزش کاربردی

چگونه می‌توان اثرات نوشتاری هوش مصنوعی را به‌طور دائمی حذف کرد؟

یک گردش‌کار جدید برای صیقل دادن پیش‌نویس‌های هوش مصنوعی، ویرایش‌های تک‌باره را با یک «فایل مهارت» دائمی جایگزین می‌کند. این سیستم با ثبت الگوهای عبارات نامناسب، «ردپاهای» هوش…

۵ دقیقه خواندن۳
درگاه بازبینی دستی برای نوشتن حافظه عامل هوش مصنوعی: چرا RufRoot اهمیت آن را ثابت می‌کند
آموزش کاربردی

گیتِ بازبینی انسانی؛ راهکار جلوگیری از فساد حافظه در عامل‌های هوش مصنوعی

یک الگوی معماری جدید برای عامل‌های هوش مصنوعی، لایه‌ای از بازبینی انسانی را برای جلوگیری از تخریب حافظه بلندمدت معرفی کرده است. این رویکرد با انتقال تصمیم نهایی ثبت داده از مدل به…

۴ دقیقه خواندن۲
جیل لپور درباره «دولت مصنوعی» و چرا رهبران دره سیلیکون خوانندگان بد علمی‌تخیلی هستند.

جایگزینی دموکراسی با الگوریتم؛ هشدار جیل لپور درباره «دولت مصنوعی»

جیل لپور، مورخ دانشگاه هاروارد، هشدار می‌دهد که رهبران سیلیکون‌ولی در حال جایگزینی ساختارهای دموکراتیک با سیستم‌های شرکتی هوش مصنوعی هستند. او معتقد است تلقیِ «بهینه‌سازی فنی» به…

۲ دقیقه خواندن
لحظات تدریس: آیا معلمان هوش مصنوعی می‌دانند چه‌وقت کمک کنند و چه‌وقت دست نگه دارند؟
آموزش کاربردی

TutorMoments: مدل‌های زبانی با کمک بیش از حد، تفکر انتقادی دانش‌آموزان را

یک چارچوب ارزیابی جدید نشان می‌دهد که مدل‌های زبانی در نقش معلم، تمایل دارند بیش از حد به دانش‌آموز کمک کنند و فرصت «تلاش سازنده» را از آن‌ها بگیرند. با وجود بهبود در مهندسی…

۷ دقیقه خواندن۳
ده روش که برنامه‌نویسی عامل‌محور مهندسی نرم‌افزار را دگرگون خواهد کرد
آموزش کاربردی

برنامه‌نویسی عامل‌محور: تغییر نقش توسعه‌دهنده از نویسنده کد به مدیر سیستم

مهندسی نرم‌افزار از کدنویسی دستی به سمت ارکستراسیون هوش مصنوعی حرکت می‌کند. در این مدل، عامل‌های هوشمند به‌طور مستقل برنامه‌ریزی و اجرا می‌کنند و نقش برنامه‌نویس به هدایت این…

۶ دقیقه خواندن۱
رهبران امنیت سایبری چه مهارت‌هایی در کارکنان می‌خواهند؟ سه مهارت کلیدی که از مدارک و تجربه مهم‌ترند
زندگی با AI

۳ مهارت انسانی که در امنیت سایبریِ عصر هوش مصنوعی از گواهینامه‌ها ارزشمندتر شدند

با اتوماسیون وظایف امنیتی توسط هوش مصنوعی عامل‌محور، اولویت استخدام از سوابق تحصیلی به کنجکاوی، تفکر انتقادی و قضاوت ریسک‌محور تغییر کرده است. کارشناسان هشدار می‌دهند اتکای بیش از…

۶ دقیقه خواندن۱
مردی که سؤالات شما را پاسخ می‌دهد: داغ‌ترین چت‌بات هوش مصنوعی

«عطش ارتباطات انسانی»؛ دلیل موفقیت چت‌بات دستی تاکر برایانت

تاکر برایانت با راه‌اندازی ChatTJB، رابطه‌ای را شبیه‌سازی کرد که در آن یک انسان به جای مدل زبانی، تمام پاسخ‌ها را دستی تولید می‌کند. این پروژه پس از یک کمپین تبلیغاتی در…

۴ دقیقه خواندن
تصویری از یک ربات در حال تایپ روی لپ‌تاپ، نمادی از داستان‌نویسی هوش مصنوعی.

توزیع آماری؛ دلیل شکست مدل‌های زبانی در نوشتن داستان‌های جذاب

کریس مک‌کورمیک استدلال می‌کند که داستان‌های تولیدشده توسط هوش مصنوعی به‌دلیل تکیه بر میانگین آماری، فاقد درخشش خلاقانه انسانی هستند. او معتقد است متن‌های انسانی افق زبانی خواننده…

۲ دقیقه خواندن۲
واگذاری مشخصات بزرگ به هوش مصنوعی برای ساخت کل پروژه، مانند خرید بلیط بخت‌آزمایی است.
زندگی با AI

تحلیل توسعه‌دهندگان: خرد کردن وظایف احتمال موفقیت عامل‌های هوش را می‌افزاید

ارائه مستندات جامع به هوش مصنوعی برای ساخت یک‌باره محصول، ریسک شکست کلی را افزایش می‌دهد. راهکار جایگزین، خرد کردن پروژه به واحدهای کوچک و اجرای موازی برای حفظ نظارت انسانی است.

۲۸ دقیقه خواندن۱