پرش به محتوای اصلی

موضوع

فرسایش مهارت

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

۴۳۱ مقاله منتشر شده

حذف نیروهای جوان انتخاب است، نه اجتناب‌ناپذیری هوش مصنوعی
زندگی با AI

مطالعه استنفورد: استخدام برنامه‌نویسان تازه‌کار در مشاغل حساس به هوش مصنوعی ۲۰٪

داده‌های جدید نشان می‌دهد شرکت‌ها به‌جای استفاده از هوش مصنوعی برای توانمندسازی نیروهای تازه‌کار، وظایف آن‌ها را به‌طور کامل خودکار کرده‌اند. این روند باعث ایجاد یک «تنگنای…

۸ دقیقه خواندن۳
انسان‌های نظارت‌کننده، یک‌سوم درخواست‌های خطرایی هوش مصنوعی را از دست می‌دهند

یک‌سوم دستورات خطرناک عامل‌های کدنویس با تایید برنامه‌نویسان اجرا می‌شوند

شبیه‌سازی گسترده Scale X نشان می‌دهد که خستگی از تایید (Approval Fatigue) باعث می‌شود توسعه‌دهندگان دستورات مخرب هوش مصنوعی را بپذیرند. این داده‌ها مدل امنیتی «انسان در حلقه» را…

۶ دقیقه خواندن
«کد نویسی هیچ‌وقت سخت نبود»؛ توهینی به تمام برنامه‌نویسان
زندگی با AI

برنامه‌نویسی فراتر از کدنویسی؛ چرا هوش مصنوعی مهندسی نرم‌افزار را ساده نکرد؟

نقد دیدگاه رایج مبنی بر اینکه مدل‌های زبانی بزرگ کدنویسی را به امری پیش‌پاافتاده تبدیل کرده‌اند. این تحلیل استدلال می‌کند که مهندسی نرم‌افزار یک حرفه پیچیده مبتنی بر حکمت و دقت…

۷ دقیقه خواندن
هوش مصنوعی و آینده نگارش: فراتر از صفحه‌کلید
آموزش کاربردی

نویسندگان انسانی از تولیدکننده به معمار محتوا تبدیل می‌شوند

هوش مصنوعی زاینده با اتوماسیون پیش‌نویس‌های سئو-محور، نقش نویسندگان را تغییر داده است. اکنون تمرکز نویسندگان از خلق دستی متن به مدیریت استراتژیک، راستی‌آزمایی و تزریق عمق احساسی…

۴ دقیقه خواندن
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 خواندن۲
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 خواندن۲
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 خواندن۲
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 خواندن۲
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 خواندن