«چت‌جی‌پی‌تی» در چند سال اخیر بسیار قوی ظاهر شده و پیشرفت‌های چشمگیری داشته است، اما حوزه رباتیک یکی از زمینه‌هایی است که هنوز بحث‌های زیادی برای ورود چت‌جی‌پی‌تی به آن وجود دارد. با موفقیت هوش مصنوعی مولد، صحبت‌های زیادی درباره امکان آوردن هوش انعطاف‌پذیر مدل‌های زبانی بزرگ به دنیای فیزیکی شکل گرفته است. این نوع هوش که اغلب «هوش مصنوعی مجسم» نامیده می‌شود، یکی از عمیق‌ترین فرصت‌ها در حوزه فناوری و اقتصاد جهانی است. شاید بتوان استدلال کرد که آینده‌ی هوش مصنوعی مجسم روشن است، اما مسیر آن بسیار ساده‌تر از مسیر پیش روی هوش مصنوعی در قلمرو کاملا دیجیتالی به نظر می‌رسد. راه رسیدن به «چت‌جی‌پی‌تی»(ChatGPT) برای حوزه رباتیک، چندین سرعت متفاوت دارد و برای تبدیل شدن این ایده به واقعیت، به پیشرفت‌های جدیدی نیاز است. این ایده، پیامدهایی را برای بنیان‌گذاران و سرمایه‌گذاران استارت‌آپ‌ها به همراه خواهد داشت که این گزارش آنها را در چند توصیه خلاصه کرده است. خودکارسازی رباتیک یک امر اجتناب‌ناپذیر است و همه عدم قطعیت در این پرسش نهفته شده که این کار چگونه امکان‌پذیر خواهد شد. شرکت «آمازون»(Amazon) از زمان خرید شرکت «کیوا سیستمز»(Kiva Systems) در سال ۲۰۱۲، بیش از ۷۵۰ هزار ربات را در انبارهای خود مستقر کرده است. استارت‌آپ‌ها و سرمایه‌گذاران تلاش می‌کنند تا برنامه‌های کاربردی بعدی را به تصویر بکشند که می‌توانند به این سطح از هم‌سویی بین قابلیت‌های رباتیک و نیازهای بازار دست یابند. خط سیر هوش مصنوعی، یک متغیر کلیدی در این فرآیند است و مدل‌های قوی جدید می‌توانند تغییرات مطلق بازی باشند اما در روند توسعه این مدل‌ها کجا ایستاده‌ایم؟ برای درک بهتر این پرسش باید به صحبت‌های متخصصان باتجربه حوزه رباتیک و افرادی توجه کنیم که در حال توسعه مدل‌های پایه رباتیک هستند. گامی به سوی هوش مصنوعی مجسم هدف از پژوهش‌های پیرامون هوش مصنوعی مجسم، ایجاد نوعی هوش رباتیک است که به ‌جای انجام دادن یک کار ویژه، همه‌منظوره باشد و آن قدر انعطاف‌پذیر عمل کند که بدون نیاز به آموزش اختصاصی، از عهده رسیدگی به موارد استفاده جدید یا بسیار پویا برآید. مدل‌های پایه رباتیک همه منظوره، دو وعده را نوید می‌دهند. ۱. آنها موارد استفاده حوزه رباتیک را به طور چشمگیری افزایش می‌دهند. ۲. آنها زمان‌بندی طولانی تجاری‌سازی سیستم‌های رباتیک را کاهش می‌دهند. هر دو وعده در قلمروی کاملا دیجیتال توسط مدل‌های هوش مصنوعی مانند «چت‌جی‌پی‌تی-۴»(GPT-4)، «جمینای»(Gemini)، «کلود»(Claude) و «لاما»(Llama) محقق می‌شوند. این مدل‌ها روزنه‌ها را به روی موارد استفاده جدید و بی‌شمار باز کرده‌اند. این در حالی است که مدل‌های کوچک و تک‌منظوره، هوش مصنوعی را در یک مسیر سریع به سمت منسوخ شدن قرار می‌دهند. مدل‌های همه‌منظوره به یک روش واقعی برای ساختن تقریبا هر چیزی در حوزه هوش مصنوعی تبدیل شده‌اند. شاید بتوان پیش‌بینی کرد که یک مدل جدید شبیه به چت‌جی‌پی‌تی بر توسعه اپلیکیشن‌های رباتیک مسلط خواهد شد. در هر حال، این هدف در کوتاه‌مدت محقق نخواهد شد. در عوض، انتظار می‌رود که روش‌های هوش مصنوعی مولد به ‌تدریج به حوزه رباتیک القا شوند و مدتی با حوزه رباتیک کلاسیک هم‌زیستی داشته باشند. حوزه رباتیک به لطف روش‌های هوش مصنوعی مولد به‌ طور پیوسته در حال پیشرفت است. استارت‌آپ‌های امروزی از روش‌هایی استفاده می‌کنند که نویدبخش هوش جامع‌تر، انعطاف‌پذیرتر و ورود سریع‌تر به بازار هستند. آنها فقط به یک مدل جهانی به عنوان پایه و اساس برنامه خود متکی نیستند. مدل‌های همه‌منظوره، پتانسیل تبدیل شدن به پایه‌ توسعه روباتیک را دارند و مدل‌های پژوهشی مانند «RT-X» گوگل نیز آنها را برجسته کرده‌اند. سه عامل کاهش سرعت در مدل‌های پایه اولین عامل کاهش سرعت این است که برخلاف فراوانی داده‌های متنی، تصویری و صوتی در مقیاس وب به نظر نمی‌رسد مجموعه‌ای از داده‌های آماده برای آموزش یک مدل پایه پیرامون تعامل با دنیای فیزیکی وجود داشته باشد. مدل‌های ادراکی بسیار قوی شده‌اند اما اتصال ادراک و فعال‌سازی، چالش‌برانگیز است. برای دستیابی به مقیاس لازم برای یک مدل پایه واقعی باید سرمایه‌گذاری قابل توجهی روی مکانیسم‌های جمع‌آوری داده و آزمایش درک اثربخشی انواع گوناگون داده‌های آموزشی صورت بگیرد. به عنوان مثال، هنوز مشخص نیست که ویدیوهای منتشرشده از انسان‌ها در حال انجام دادن وظایف تا چه حد می‌توانند به عملکرد مدل کمک کنند. با ترکیب نبوغ و سرمایه‌گذاری می‌توان داده‌های آموزشی قوی را در مقیاس بزرگ جمع‌آوری کرد. مسیر محتمل این است که مدل‌های قوی با پیش‌آموزش قابل توجه در چند سال آینده پدیدار خواهند شد اما برای انجام دادن کارهای خاص به داده‌های آموزشی تکمیلی بیشتری نیاز دارند. این کار شبیه به تنظیم دقیق مدل‌های زبانی بزرگ است اما آموزش آن ضروری‌تر خواهد بود. دومین عامل کاهش سرعت به جبرگرایی و قابلیت اطمینان مربوط می‌شود. بیرون از حوزه رباتیک، اهمیت جبرگرایی با توجه به کاربرد بسیار متفاوت است و موفق‌ترین برنامه‌های کاربردی هوش مصنوعی مولد اولیه آنهایی هستند که جبرگرایی در آنها مهم نیست. جبرگرایی در حوزه رباتیک، حیاتی است. با کنار گذاشتن ایمنی، بازگشت سرمایه رباتیک معمولا به توان عملیاتی بستگی دارد و زمان صرف‌شده برای برطرف کردن خطا به از بین رفتن توان عملیاتی منجر می‌شود. در حال حاضر تلاش زیادی برای روش‌هایی با هدف کاهش عدم قطعیت مدل‌های هوش مصنوعی مولد به طور گسترده - نه فقط در حوزه رباتیک - انجام می‌شود. بنابراین، می‌توان گفت که این مشکل حل خواهد شد اما این قطعا در یک لحظه نخواهد بود. این استدلالی برای هم‌زیستی مدل‌های قطعی و غیر قطعی است. سومین عامل کاهش سرعت مدل‌های پایه رباتیک این است که در حوزه رباتیک، محاسبات اغلب روی لبه پرتگاه انجام می‌شوند و استنتاج را به چالش تبدیل می‌کنند. ربات‌ها باید مقرون‌به‌صرفه باشند اما بسیاری از برنامه‌ها در حال حاضر از هزینه افزودن GPU کافی برای اجرای استنتاج در قوی‌ترین مدل‌ها پشتیبانی نمی‌کنند. این مشکل احتمالا قابل‌حل‌ترین مشکل از سه مورد ذکرشده است. انتظار می‌رود که متخصصان رباتیک‌، مدل‌های زبانی بزرگ را به عنوان نقطه آغاز در نظر بگیرند و از روش‌های تقطیر دانش برای ایجاد مدل‌های کوچک‌تر و متمرکزتر با نیاز کمتر به منابع استفاده کنند. در کا می‌توان گفت که اگرچه جهان به طور فزاینده‌ای در حال دیجیتالی شدن است اما ما هنوز در دنیای فیزیکی زندگی می‌کنیم و تعامل حوزه دیجیتال با دنیای فیزیکی، دامنه نامحدودی برای توسعه دارد.

پژوهشگران انگلیسی معتقدند که استفاده دانشجویان از هوش مصنوعی به منزله ناقوس مرگ برای تفکر انتقادی است. دانشگاه‌های انگلستان اخیرا هشدار دادند که ۹۲ درصد دانشجویان از هوش مصنوعی استفاده می‌کنند و این برای دانشگاه‌ها که قرن‌ها خود را مخزن دانش و حقیقت می‌دانستند، ناگوار است. فروپاشی زمانی آغاز شد که دیگر کسی برای کارشناسان ارزش قائل نشد، تفکر انتقادی تضعیف شد و گفتمان عمومی به حالت دوقطبی درآمد. روزنامه گاردین گزارش داده است که منابع سنتی دانش به طور فزاینده‌ای در حال رد شدن هستند. کتاب‌ها، مقالات، مجلات و رسانه‌های قدیمی با پیشرفت‌های صورت‌گرفته در ارائه و بازیابی اطلاعات، به ویژه از طریق اپلیکیشن‌ها و رسانه‌های اجتماعی به چالش کشیده می‌شوند. به عنوان مثال، فهرست‌های مطالعه تنظیم‌شده برای استفاده دانشگاهیان در پژوهش اغلب توسط دانشجویان نادیده گرفته می‌شوند و جستجو در «گوگل» جای آنها را می‌گیرد. اگر دانشجو از آنچه می‌خواند خوشش نیاید، می‌تواند به سادگی به گوگل روی بیاورد. الگوریتم‌ها می‌توانند دانشجویان را به جهت‌های غیرمنتظره بفرستند و اغلب آنها را از سختگیری تحصیلی به سمت منابع غیر دانشگاهی منحرف می‌کنند. دسترسی ۲۴ ساعته دانشجویان به مطالب آموزشی اهمیت دارد اما دانش در حال تبدیل شدن به یک محتوای ساده است. با لمس یک دکمه، اطلاعات به صورت آنلاین در دسترس قرار می‌گیرد و تعداد زیادی خروجی برای انتخاب وجود دارد. ممکن است کمیت وجود داشته باشد اما لزوما با کیفیت همراه نیست. هوش مصنوعی، غذای ساده نهایی است. این موضوع، پرسش‌های اساسی را نه تنها درباره منظور ما از دانش مطرح می‌کند، بلکه نقش آموزش و پرورش و دانشگاهیان در آینده را نیز برجسته می‌سازد. مزایای هوش مصنوعی در حوزه علوم، اقتصاد یا ریاضیات قابل قدردانی هستند زیرا حقایق را اغلب نمی‌توان انکار کرد اما درباره علوم انسانی و حوزه اجتماعی که بسیاری از موضوعات آنها قابل بحث هستند، چطور؟ پروفسور «اندرو موران»(Andrew Moran) استاد «دانشگاه متروپولیتن لندن»(London Met) گفت: ما به سرعت در حال از دست دادن موقعیت خود در برابر تغییرات عمیق اجتماعی هستیم که در صورت عدم واکنش سریع می‌توانند پیامدهای غیر قابل تصوری را برای دانشگاه‌ها داشته باشند. دکتر «بن ویلکینسون»(Ben Wilkinson) استاد «دانشگاه شفیلد»(Sheffield University) گفت: به عنوان یک مدرس دانشگاه در حوزه علوم انسانی که در آن مقالات یک وسیله کلیدی برای ارزیابی هستند، از شنیدن افزایش انفجاری استفاده از هوش مصنوعی تعجب نمی‌کنم. هوش مصنوعی به ‌طور تهاجمی توسط شرکت‌های فناوری به‌ عنوان کالایی برای صرفه‌جویی در زمان تبلیغ می‌شود و گفتمان گسترده‌تر نیز تنها این دیدگاه را بدون زیر سؤال بردن محدودیت‌ها و اخلاق هوش مصنوعی تقویت می‌کند. اگرچه هوش مصنوعی ممکن است در چندین زمینه آکادمیک مانند نوشتن گزارش‌های پایه و انجام دادن تحقیقات اولیه سودمند باشد اما استفاده از آن توسط دانشجویان برای نوشتن مقاله نشان‌دهنده بی‌ارزش کردن موضوعات علوم انسانی و درک نادرست از تفکر انتقادی در رشته‌هایی مانند تاریخ، ادبیات و فلسفه است. وقتی از هوش مصنوعی می‌خواهیم مقاله بنویسد، صرفا کار را برون‌سپاری نمی‌کنیم، بلکه تفکر و توسعه آن را برون‌سپاری می‌کنیم که با گذشت زمان فقط ما را گیج‌تر می‌کند و هوش ما را کاهش می‌دهد. ویلکینسون افزود: در عصر فناوری که ما اغلب نسبت به یک محصول و نه فرآیند تولید آن وسواس داریم، جای تعجب نیست که ارزش واقعی نوشتن نادیده گرفته شود. دانشجویان به سادگی نشانه‌ها را از دنیایی می‌گیرند که ارتباط خود را با ارزش بی‌بدیل خلاقیت و تفکر انتقادی انسانی از دست می‌دهد.

نوجوانی یکی از حساس‌ترین و پیچیده‌ترین مراحل رشد انسانی است که در آن تغییرات جسمی، روحی و اجتماعی بسیاری رخ می‌دهد. این دوره می‌تواند برای والدین چالش‌برانگیز باشد، زیرا فرزندانشان به تدریج استقلال بیشتری طلب می‌کنند و هویت خود را شکل می‌دهند. ممکن است به عنوان پدر یا مادر یک نوجوان برخی اوقات فکرتان درگیر این مسئله شود که چطور می توانید او را بهتر تربیت کنید. همان طور که می دانید پدر و مادر بودن اصلا کار آسانی نیست و برای این که بتوانید به طور مناسب با فرزندتان رفتار کنید نیاز دارید که در ابتدا با روش های تربیت نوجوان آشنا شوید. نوجوانی یکی از سخت ترین دوره های زندگی است که هر کسی آن را پشت سر می گذارد. اما این که شما به عنوان پدر یا مادر بتوانید به طور مناسب با فرزندتان در این دوره رفتار کنید، مسئله بسیار مهمی است. همان طور که می دانید یکی از پر چالش ترین سال های زندگی، دوران نوجوانی است. در این دوران به علت به وجود آمدن تغییرات جسمی و روحی، اغلب رفتارهای متفاوتی را از نوجوانان مشاهده می کنید. در این زمان ممکن است شما به عنوان والدین او در تلاش باشید تا به فرزندتان کمک کنید؛ اما احتمال دارد این کمک ها او را آزار دهد. این مقاله به بررسی چالش‌های اصلی والدین در تربیت فرزندان نوجوان و ارائه راهکارهایی برای مدیریت آن‌ها می‌پردازد. ۱. تغییرات رفتاری و عاطفی نوجوانان نوجوانان در این دوره به دلیل تغییرات هورمونی و اجتماعی دچار نوسانات خلقی و احساسی می‌شوند. آن‌ها ممکن است بیشتر درون‌گرا شوند یا رفتارهای چالش‌برانگیزی مانند سرپیچی از قوانین و افزایش تمایل به استقلال نشان دهند. این تغییرات باعث می‌شود والدین احساس کنند که ارتباط با فرزندشان سخت‌تر شده است. ۲. تأثیر همسالان و فشار گروهی نوجوانان به شدت تحت تأثیر همسالان خود هستند و گاهی ممکن است برای پذیرش در گروه‌های اجتماعی، ارزش‌ها و رفتارهای خانواده را نادیده بگیرند. این موضوع می‌تواند منجر به نگرانی والدین در مورد تأثیرات منفی دوستان فرزندشان شود، به خصوص در مواردی که احتمال بروز رفتارهای پرخطر مانند مصرف مواد مخدر یا پرخاشگری وجود دارد. ۳. مدیریت استقلال و مسئولیت‌پذیری نوجوانان در این دوره به دنبال استقلال هستند و تمایل دارند تصمیمات خود را بگیرند. این مسئله می‌تواند منجر به تعارض‌هایی میان والدین و فرزندان شود. والدین باید تعادلی میان کنترل و آزادی فرزند خود برقرار کنند تا هم استقلال آن‌ها را تقویت کنند و هم از بروز مشکلات جلوگیری نمایند. ۴. استفاده از فناوری و رسانه‌های اجتماعی یکی از بزرگ‌ترین چالش‌های والدین در تربیت نوجوانان، مدیریت استفاده از فناوری و رسانه‌های اجتماعی است. نوجوانان ساعت‌های زیادی را در فضای مجازی سپری می‌کنند و ممکن است در معرض خطراتی مانند اعتیاد به اینترنت، اطلاعات نادرست و تعاملات ناآگاهانه با افراد ناشناس قرار بگیرند. والدین باید با آموزش و تعیین محدودیت‌های مناسب، استفاده صحیح از این فناوری‌ها را به فرزندان خود بیاموزند. ۵. افت تحصیلی و کاهش انگیزه برخی نوجوانان در این دوره به دلیل مشغولیت‌های اجتماعی و احساسی دچار افت تحصیلی می‌شوند. کاهش تمرکز، بی‌انگیزگی و تمایل به فعالیت‌های غیر درسی می‌تواند عملکرد تحصیلی آن‌ها را تحت تأثیر قرار دهد. والدین باید با ایجاد محیطی حمایتی و تشویقی، نوجوانان را به درس خواندن و پیشرفت تحصیلی ترغیب کنند. ۶. مشکلات هویتی و سردرگمی‌های شخصیتی نوجوانان در تلاش برای یافتن هویت خود هستند و ممکن است با بحران‌های هویتی مواجه شوند. آن‌ها به دنبال پاسخ به سؤالاتی درباره خود، آینده و نقششان در جامعه هستند. این فرایند می‌تواند منجر به بروز اضطراب و نارضایتی شود. والدین باید با حمایت عاطفی و درک احساسات فرزندانشان، به آن‌ها کمک کنند تا هویت خود را به شکلی سالم شکل دهند. ۷. تعارضات خانوادگی و نقش والدین در این دوره، تعارضات بین نوجوانان و والدین افزایش می‌یابد. گاهی والدین سعی می‌کنند کنترل بیشتری بر فرزند خود اعمال کنند که منجر به مقاومت نوجوان می‌شود. یافتن تعادل میان کنترل و آزادی و حفظ گفت‌وگوی سازنده، یکی از مهم‌ترین چالش‌های والدین است. ۸. راهکارهای پیشنهادی برای والدین تقویت ارتباط مؤثر: گفت‌وگوهای باز و صمیمانه با نوجوانان می‌تواند اعتماد را افزایش داده و از بروز سوءتفاهم جلوگیری کند. تعیین مرزها و قوانین مشخص: داشتن قوانین منصفانه و انعطاف‌پذیر می‌تواند به نوجوانان کمک کند تا مسئولیت‌پذیرتر باشند. آموزش مهارت‌های زندگی: والدین باید مهارت‌های مدیریت زمان، تصمیم‌گیری و حل مسئله را به نوجوانان آموزش دهند. حمایت عاطفی و تشویق: حمایت و تشویق نوجوانان در مسیر رشد شخصی و تحصیلی آن‌ها را به سمت موفقیت سوق می‌دهد. آگاهی از دنیای نوجوانان: والدین باید با تغییرات فرهنگی و اجتماعی آشنا باشند و دنیای فرزندشان را بشناسند. دوران نوجوانی مرحله‌ای پرچالش برای والدین و فرزندان است. درک تغییرات روانی و اجتماعی نوجوانان، ایجاد محیطی حمایتی و داشتن ارتباطی باز و مؤثر می‌تواند به والدین کمک کند تا این دوره را به خوبی مدیریت کنند. با بهره‌گیری از روش‌های صحیح تربیتی، می‌توان نوجوانان را برای مواجهه با چالش‌های زندگی آماده کرد و آن‌ها را به سمت رشد و موفقیت هدایت نمود.

درتازه‌ترین مورد محققان اعلام کرده‌اند که یک ژن جدید که به عنوان «ژن زبان» انسان شناخته می‌شود، می‌تواند صدای موش‌ها را زمانی که در DNA آن‌ها قرار می‌گیرد، تغییر دهد. این ژن منحصر بفرد NOVA1 نام دارد. در حالی که تقریباً همه پستانداران دیگر دارای نوع یکسانی از این ژن در کد ژنتیکی خود هستند، در نسخه انسانی این ژن، یک تغییر کوچک در یک اسید آمینه مشاهده می‌شود. محققان در دانشگاه راکفلر و آزمایشگاه کولد اسپرینگ هاربر در نیویورک اعلام کرده‌اند که این تغییر ظریف ممکن است نقش مهمی در منشأ زبان گفتاری و گسترش و بقای انسان‌های هوشمند ایفا کرده باشد. حتی نئاندرتال‌ها و دنیسوواها نیز این نوع ژن را نداشتند، که نشان می‌دهد این تغییر در چند صد هزار سال گذشته تکامل یافته است. ژن‌های دیگری که به عنوان «ژن‌های زبان» پیشنهاد شده‌اند، مانند FOXP2که باعث تغییر صدای جیرجیر موش‌ها می‌شوند، در DNA نئاندرتال‌ها نیز یافت می‌شوند. بنابراین، اگرچه این ژن‌ها احتمالاً در منشأ زبان انسان نقش داشته‌اند، ممکن است مسوول موفقیت‌های تکاملی اخیر ما نباشند. در ادامه آمده است، هنوز مشخص نیست که توانایی‌های زبانی خویشاوندان منقرض شده انسان‌ها چه بوده است، اما این تغییر اخیر در ژنوم انسان بسیار موفقیت‌آمیز ظاهر شده است. در بیش از ۶۵۰,۰۰۰ توالی DNA انسان، محققان تنها شش نفر را یافتند که نوع مدرن ژن NOVA1 را نداشتند. در مورد منشأ زبان پیچیده انسان، NOVA1 «تازه‌وارد» محسوب می‌شود. ژنتیک‌دان ولفگانگ انارد که روی ژن FOXP2 کار کرده است، گفت: این ژن بخشی از یک تغییر تکاملی گسترده در انسان‌های مدرن اولیه است و به منشأ باستانی زبان گفتاری اشاره دارد. رابرت دارنل، نورواونکولوژیست از دانشگاه راکفلر که از اوایل دهه ۱۹۹۰ روی این ژن و ارتباط آن با بیماری‌ها و عملکردهای ذهنی مطالعه کرده است، می‌گوید: NOVA1 ممکن است یک ژن واقعی زبان انسان باشد؛ البته قطعاً تنها یکی از تغییرات ژنتیکی خاص انسان است. وقتی دارنل و تیمش به طور مصنوعی نوع انسانی NOVA1 را در موش‌ها ایجاد کردند، متوجه شدند که جیرجیر موش‌ها تغییر کرده است. موش‌های بالغ و بچه‌ها هنوز به همان میزان صدا تولید می‌کردند، اما الگوهای صوتی آن‌ها تغییر کرده بود. در مقایسه با موش‌های معمولی، بچه‌موش‌های اصلاح‌شده ژنتیکی جیرجیرهای فراصوتی با فرکانس بالاتری تولید می‌کردند. صدای آن‌ها توجه مادرشان را بیشتر از صدای بچه‌موش‌های معمولی جلب نمی‌کرد، اما این صداها ممکن است نشان‌دهنده تلاش بیشتر برای تعامل اجتماعی باشد؛ هرچند ناموفق. موش‌های نر بالغ نیز در طول جفت‌یابی از صداهای با فرکانس بالاتر برای دلایل مشابه استفاده می‌کنند. وقتی موش‌های نر بالغ با نوع انسانی NOVA1 اصلاح ژنتیکی شدند، جیرجیر آن‌ها در طول جفت‌یابی مانند بچه‌موش‌ها زیرتر نشد، بلکه صداهای آن‌ها شامل هجاهای پیچیده‌تری شد. دارنل توضیح می‌دهد: آن‌ها با موش‌های ماده ‘به طور متفاوتی صحبت کردند’. می‌توان تصور کرد که چنین تغییراتی در صدا می‌تواند تأثیر عمیقی بر تکامل داشته باشد. اینکه چرا موش‌ها با نوع انسانی NOVA1 صدای متفاوتی می‌دهند، معمایی است که دارنل و همکارانش مشتاق حل آن هستند. تیم آنها مشکوک است که نوع انسانی این ژن باعث تغییرات مولکولی در برخی قسمت‌های مغز در حال رشد جوندگان می‌شود – چه در مسیرهای صوتی مغز میانی و ساقه مغز و چه در مناطق تکامل‌یافته‌تر در قشر مغز که کنترل زیر و بمی و فرکانس صدا را بر عهده دارند. ژن NOVA1 به عنوان یک «تنظیم‌کننده اصلی ژن» شناخته می‌شود زیرا در طول رشد بیش از ۹۰ درصد از ژن‌های دیگر انسان را تحت تأثیر قرار می‌دهد. این ژن پروتئینی به نام Nova-1 را رمزگذاری می‌کند که می‌تواند بخش‌هایی از RNA پیام‌رسان را هنگام اتصال به نورون‌ها برش داده و بازآرایی کند. این کار نحوه سنتز پروتئین‌ها توسط سلول‌های مغز را تغییر می‌دهد و احتمالاً تنوع مولکولی در سیستم عصبی مرکزی ایجاد می‌کند. وقتی دارنل و تیمش موش‌ها را با نوع انسانی NOVA1 «انسان‌گونه» کردند، تغییرات مولکولی در برش RNA در سلول‌های مغزی، به ویژه در مناطق مرتبط با رفتارهای صوتی، مشاهده کردند. دارنل می‌گوید: فکر کردیم، وای! این را انتظار نداشتیم. این یکی از آن لحظات واقعاً شگفت‌انگیز در علم بود. برای دارنل، درک NOVA1 یک تلاش مادام‌العمر بوده است. تصور می‌شود که این ژن به تنظیم یادگیری در انسان کمک می‌کند و جهش‌های آن می‌تواند باعث اختلالات شدید روانی و ناهنجاری‌هایی در رشد حرکتی شود. نقش آن در رشد گفتار تازه در حال ظهور است، و اگرچه بسیاری از فرضیات هنوز باقی مانده است، اما احتمالات بسیار عمیق هستند.

رقابت در صنعت هوش مصنوعی همچنان سخت است و شرکت اُپن‌ای‌آی ثابت کرده است که هیچ چالشی را ساده نمی‌گیرد. این برند مولد هوش مصنوعی اعلام کرد که از ماه فوریه تا اکنون به ۴۰۰ میلیون کاربر فعال هفتگی خدمات ارائه داده است که نشان دهنده افزایش ۳۳ درصدی در کمتر از سه ماه است. برد لایت‌کپ، مدیر عملیات  شرکت اُپن‌ای‌آی، آخرین آمار کاربران را اعلام کرده است. این ارقام پیش از این گزارش نشده بود. این اعداد به سرعت از آمار قبلی که ۳۰۰ میلیون کاربر هفتگی در ماه دسامبر بود، پیشی گرفته است. به نقل از دیجیتال‌ترندز، این شرکت هوش مصنوعی شاهد رقیب غیرمنتظره‌ای نیز بوده است که توسط یک استارت‌آپ چینی عرضه شد. هوش مصنوعی دیپ‌سیک (DeepSeek) خدمات هوش مصنوعی را با قدرتی قابل مقایسه با چت جی‌پی‌تی توسط مدل‌های منبع باز ارائه می‌کند. با این حال، لایت‌کپ می‌گوید که رشد محصول شاخص این شرکت، یک پیشرفت طبیعی بوده است زیرا این هوش مصنوعی در حال کسب قابلیت‌های بیشتری است و افراد بیشتری نیز با این سرویس آشنا می‌شوند. پیش از معرفی  دیپ‌سیک، اُپن‌ای‌آی رقابت شدیدی با سایر برندهای برجسته مانند گوگل و مدل زبانی جمینای (Gemini) آن داشت. لایت‌کپ می‌گوید که این شرکت از ماه سپتامبر سال ۲۰۲۴ تجارت سازمانی خود را دو برابر کرده و به دو میلیون مشتری رسانده است. او افرود: ما مزایای زیادی از پذیرش مصرف‌کنندگان به صورت طبیعی کسب می‌کنیم. مصرف‌کنندگانی که از قبل در مورد محصول ما اطلاعات دارند. این یک رشد واقعا سالم در یک منحنی متفاوت است. علاوه بر این، استفاده از چت‌جی‌پی‌تی توسط توسعه‌دهندگان نیز در شش ماه اخیر دو برابر شده است. توسعه دهندگان به طور مستقل از کدها و مدل‌های موجود، برای ایجاد محصولات و خدمات خود استفاده می‌کنند. علیرغم تغییراتی که دیپ‌سیک در صنعت ایجاد کرده است، لایت‌کپ به طور مثبت در مورد آن صحبت کرد. این شرکت چینی به طور قابل توجهی بر ارزش سهام چندین شرکت تأثیر گذاشته است. علاوه بر این، جزئیات نشان می‌دهد که دیپ‌سیک از روشی غیرقانونی به نام تقطیر برای استخراج داده‌ها از اُپن‌ای‌آی برای آموزش مدل‌های خود استفاده کرده است. ارقام دیگر نشان می‌دهند که اُپن‌ای‌ای در میان هیاهوی رسانه‌ای پیرامون دیپ‌سیک، شکست نخورده است. آمار اواخر ژانویه نشان داد که بیشترین بازدید روزانه دیپ‌سیک، ۴۹ میلیون بوده است، در حالی که چت جی‌پی‌تی با ۱۳۹.۳ میلیون بازدید روزانه در همان بازه زمانی، ابزار پیشرو در حوزه هوش مصنوعی باقی مانده است. این شرکت  اُپن‌ای‌آی نیز در ابتدا عرضه چت جی‌پی‌تی را به عنوان یک پروژه تحقیقاتی منبع باز آغاز کرد، اما به مرور زمان این هوش مصنوعی اختصاصی‌تر شد. سم آلتمن، مدیرعامل اُپن‌ای‌آی به همراه سایر مدیران این شرکت، بیان کرده‌اند که این شرکت برنامه‌هایی برای ساخت مدل‌های قدیمی‌تر هوش مصنوعی منبع باز در آینده دارد.

یک مطالعه در آلمان نشان می‌دهد زمانی که داکتران برای تشخیص سرطان سینه از هوش مصنوعی استفاده کردند، میزان تشخیص سرطان حدود ۱۸ درصد بهبود یافته است. در این مطالعه، رادیولوژیست‌ها - داکترانی که نتایج معاینات تلویزیونی سینه‌ها و سایر آزمایش‌ها را تحلیل می‌کنند. برای ارزیابی نتایج معاینات تلویزیونی ۴۶۰ هزار زن در آلمان، از هوش مصنوعی استفاده کردند. این زنان میان ۵۰ تا ۶۹ سال سن داشتند. بر اساس معلومات پژوهشگران، رادیولوژیست‌ها در هر ۱۰۰۰ زن با استفاده از هوش مصنوعی یک مورد بیشتر سرطان سینه را تشخیص دادند. الکساندر کاتالینیک، از دانشگاه لوبیک آلمان می‌گوید که میزان تشخیص سرطان سینه در وضعیت بهتر قرار دارد و این مطالعه شواهد قوی و واقعی آن است. او که پژوهشگر اصلی این مطالعه است گفت: «بر اساس این شواهد، ما باید از هوش مصنوعی در ارزیابی سرطان سینه بیشتر استفاده کنیم و در نهایت، این باید به معیار مبدل شود.» ماموگرام (معاینات تلویزیونی) بیش از ۴۶۳ هزار زن در آلمان، از ماه جولای سال ۲۰۲۱ تا فبروری ۲۰۲۳ مورد ارزیابی قرار گرفت. از این میان، حدود ۵۰ در صد آن توسط دو رادیولوژیست مرور شده بود که یک روش معیاری در آلمان است. تنها در بیش از نصف این موارد، از هوش مصنوعی کمک گرفته شد. زمانی که داکتران از هوش مصنوعی استفاده کردند، میزان تشخیص سرطان سینه در هر ۱۰۰۰ زن به ۶.۷ رسید در حالی که میزان تشخیص انسان‌ها در هر ۱۰۰۰ زن ۵.۷ بود. کاتالینیک گفت: «هوش مصنوعی واقعاً برای جایگزینی ارزیابی انسانی تا اندازه‌ای مناسب است...اما تا کجا می‌خواهید پیش بروید؟ این فقط یک پرسش علمی نیست، بلکه یک سوال اجتماعی نیز است. اعتماد جامعه نسبت به هوش مصنوعی چگونه است؟» در جریان مطالعه پژوهشگران یافتند که هوش مصنوعی در بخش نتایج تشخیص نادرست سرطان سینه نیز کمک کرد. با آنهم، هوش مصنوعی، در برخی از ارزیابی‌ها نتوانست سرطان را تشخیص دهد. ستیفان بونک، یکی از بنیانگذاران شرکت تکنالوژی مراقبت‌های صحی در برلین که هوش مصنوعی را برای این مطالعه تولید کرده بود، گفت که همانطوری که انسان کامل نیست، هوش مصنوعی نیز کامل نیست. بونک افزود: «در ۲۰ مورد مطالعهٔ ما هوش مصنوعی گفت که بیمار به سرطان سینه مبتلا نیست، اما رادیولوژیست‌ها سرطان را تشخیص دادند.» اما او اضافه کرد که بر اساس نتایج این مطالعه، در مقایسه با هوش مصنوعی، انسان‌ها ۱۰ برابر بیشتر در تشخیص سرطان عاجز ماندند. او گفت که هوش مصنوعی خسته نمی‌شود و در هر زمان و مکان به عین روال کار می‌کند، که این خودش یک مزیت است و به همین دلیل هوش مصنوعی می‌تواند سرطان‌های تشخیص دهد که انسان متوجه آن نمی‌شود. با آنهم، بونک علاوه کرد که اتکای روز افزون بر هوش مصنوعی به مرور زمان سبب خطر از دست رفتن تخصص انسانی خواهد شد. اما وی یانگ، استاد بخش رادیولوژی سینه در مرکز طبی سرطان اندرسن دانشگاه تکزاس به این باور است که استفادهٔ روز افزون از هوش مصنوعی رادیولوژیست‌ها را انرژی می‌بخشد. یانگ گفت: «من فکر می‌کنم ظهور هوش مصنوعی فرصت و محرکی است برای اینکه ما در مورد رشته خود هیجان‌زده‌تر شویم تا رادیولوژیست‌های آموزش‌دیده فضای باز، زمان و تمرکز کافی بر کارهای پیچیده‌تر را داشته باشند.» به نظر کاتالینیک، استفاده از رادیولوژیست‌ها و هوش مصنوعی، بهترین‌های دنیای انسانی و جهان تکنالوژی را ارایه می‌کند و ترکیب انسان‌ با هوش مصنوعی بهتر از تشخیص انسانی است.

یک گروه بین‌المللی از پژوهشگران به چالش شناخته‌شده تخریب باتری در ایربادهای بی‌سیم پرداخته‌اند که بسیاری از ما روزانه از آنها استفاده می‌کنیم. حتما تا اکنون متوجه شده‌اید که باتری‌های الکترونیکی به اندازه زمانی که کاملاً نو بودند، دوام نمی‌آورند. یک گروه پژوهشی بین‌المللی به سرپرستی «دانشگاه تگزاس در آستین»(UT Austin)، چالش تخریب باتری را انجام دادند و در این چالش بر ایربادهای بی‌سیم متمرکز شدند. این گروه پژوهشی از اشعه ایکس، فروسرخ و سایر فناوری‌های تصویربرداری استفاده کردند تا پیچیدگی‌های همه فناوری‌های تعبیه‌شده در این دستگاه‌های کوچک را درک کنند و بدانند که چرا باتری آنها به مرور زمان فرسوده می‌شود. ییجین لیو، دانشیار دپارتمان مهندسی مکانیک دانشگاه تگزاس در آستین و سرپرست این پژوهش، گفت که ایده این پژوهش از ایربادهای شخصی من شکل گرفت. من فقط ایرباد سمت راست را استفاده می‌کنم و پس از دو سال متوجه شدم که عمر باتری ایرباد سمت چپ بسیار بیشتر است. بنابراین، تصمیم گرفتیم آن را مورد بررسی قرار دهیم و ببینیم چه چیزی می‌توانیم پیدا کنیم. پژوهشگران دریافتند که سایر اجزای حیاتی دستگاه مانند آنتن بلوتوث، میکروفون‌ها و مدارها با باتری برخورد می‌کنند و یک محیط کوچک چالش‌برانگیز را به وجود می‌آورند. این امر به شکل‌گیری یک شیب دمایی منجر می‌شود که به باتری آسیب می‌رساند. قرار گرفتن در معرض دنیای واقعی با دماهای گوناگون، درجات کیفیت هوا و سایر عوامل نیز در این مشکل نقش دارد. باتری‌ها اغلب برای مقاومت در برابر محیط‌های خشن طراحی می‌شوند، اما تغییرات مکرر محیطی در نوع خود چالش‌برانگیز هستند. پژوهشگران می‌گویند این یافته‌ها نشان‌دهنده نیاز به تفکر بیشتر درباره نحوه قرارگیری باتری‌ها در دستگاه‌های دنیای واقعی مانند تلفن، لپ‌تاپ و وسایل نقلیه هستند. باید فکر کنیم که چگونه می‌توان آنها را برای کاهش تعامل با اجزای بالقوه آسیب‌رسان بسته‌بندی کرد و چگونه می‌توان تنظیمات آنها را برای رفتارهای متفاوت کاربران تغییر داد. «گوآنان کیان»(Guannan Qian)، پژوهشگر مقطع فوق دکتری در آزمایشگاه لیو و پژوهشگر ارشد این پروژه، گفت: استفاده متفاوت از دستگاه‌ها نحوه رفتار و عملکرد باتری را تغییر می‌دهد. دستگاه‌ها ممکن است در معرض دماهای گوناگون قرار بگیرند. عادت‌های شارژ کردن در افراد گوناگون، متفاوت است و هر کدام از کاربران وسایل نقلیه الکتریکی، سبک رانندگی خود را دارند. همه این موضوعات مهم هستند. لیو و گروهش برای انجام دادن آزمایش‌ها از نزدیک با «گروه تحقیقات آتش‌سوزی» دانشگاه تگزاس به سرپرستی «افودیک ازکوی»(Ofodike Ezekoye)، مهندس مکانیک این دانشگاه همکاری کردند. آنها از فناوری تصویربرداری فروسرخ ازکوی برای تکمیل فناوری اشعه ایکس آزمایشگاهی خود بهره بردند، اما برای دریافت تصویر کامل، به برخی از قوی‌ترین امکانات اشعه ایکس روی این سیاره روی آوردند. لیو خاطرنشان کرد که گروه او به بررسی عملکرد باتری در شرایط واقعی ادامه خواهند داد. وی افزود: یافته‌های این پژوهش را می‌توان به گزینه‌های بزرگ‌تر مانند باتری‌هایی گسترش داد که تلفن‌ها، لپ‌تاپ‌ها و وسایل نقلیه الکتریکی ما را تغذیه می‌کنند. این پژوهش در مجله «Advanced Materials» به چاپ رسید.

در عصر دیجیتال، فناوری‌های نوین به بخش جدایی‌ناپذیری از زندگی روزمره انسان‌ها تبدیل شده‌اند. کودکان و نوجوانان بیش از هر زمان دیگری در معرض اینترنت، شبکه‌های اجتماعی، بازی‌های ویدیویی و دیگر ابزارهای دیجیتالی قرار دارند. این تغییرات فرصت‌های بسیاری برای یادگیری و پیشرفت فراهم کرده‌اند، اما در عین حال، چالش‌هایی را نیز در مسیر تربیت فرزندان ایجاد کرده‌اند. در این مقاله، چالش‌های تربیت فرزندان در دنیای دیجیتال بررسی شده و راهکارهایی برای مدیریت این چالش‌ها ارائه می‌شود. ۱. تأثیرات مثبت و منفی فناوری بر کودکان ۱.۱. فرصت‌های آموزشی و رشد مهارت‌ها یکی از جنبه‌های مثبت فناوری دیجیتال، دسترسی آسان به منابع آموزشی متنوع است. کودکان و نوجوانان می‌توانند از طریق اینترنت به مطالب علمی، دوره‌های آموزشی و برنامه‌های یادگیری آنلاین دسترسی داشته باشند. این امر به آن‌ها امکان می‌دهد مهارت‌های جدیدی بیاموزند و دانش خود را گسترش دهند. علاوه بر این، بازی‌های آموزشی می‌توانند تفکر منطقی و مهارت‌های حل مسئله را در کودکان تقویت کنند. ۱.۲. تأثیرات منفی بر رشد شناختی و اجتماعی از سوی دیگر، استفاده بیش از حد از ابزارهای دیجیتال می‌تواند تأثیرات منفی بر رشد شناختی و اجتماعی کودکان داشته باشد. اعتیاد به اینترنت و بازی‌های ویدیویی ممکن است باعث کاهش تمرکز، مشکلات خواب و کاهش تعاملات اجتماعی شود. همچنین، وابستگی به فضای مجازی می‌تواند باعث انزوای اجتماعی و کاهش مهارت‌های ارتباطی کودکان شود. ۲. چالش‌های تربیتی والدین در عصر دیجیتال ۲.۱. کنترل و نظارت بر محتوای دیجیتال یکی از چالش‌های اصلی تربیت فرزندان در دنیای دیجیتال، کنترل و نظارت بر محتوایی است که آن‌ها مصرف می‌کنند. اینترنت مملو از اطلاعات مفید و در عین حال، محتوای نامناسب و مضر است. والدین باید از ابزارهای نظارتی و فیلترینگ استفاده کنند تا از دسترسی کودکان به محتوای نامناسب جلوگیری کنند. همچنین، لازم است والدین با کودکان درباره خطرات احتمالی اینترنت، مانند کلاهبرداری‌های آنلاین، اخبار جعلی و محتوای نامناسب، صحبت کنند. ۲.۲. تعادل بین استفاده از فناوری و فعالیت‌های غیر دیجیتالی یکی دیگر از چالش‌های مهم، ایجاد تعادل میان استفاده از فناوری و انجام فعالیت‌های غیر دیجیتالی مانند بازی‌های فیزیکی، مطالعه کتاب و تعاملات اجتماعی است. کودکان نباید تمام وقت خود را صرف تماشای صفحه نمایش کنند، بلکه باید فرصتی برای تجربه‌های دنیای واقعی نیز داشته باشند. والدین می‌توانند با تعیین قوانین مشخص برای مدت زمان استفاده از اینترنت و دستگاه‌های دیجیتال، به ایجاد این تعادل کمک کنند. ۲.۳. مقابله با اعتیاد دیجیتال اعتیاد به اینترنت و بازی‌های ویدیویی یکی از مشکلات رایج در بین کودکان و نوجوانان است. این مشکل می‌تواند تأثیرات منفی بر سلامت جسمی و روانی آن‌ها داشته باشد. نشانه‌های اعتیاد دیجیتال شامل کاهش تمرکز، اضطراب، افسردگی و عدم علاقه به فعالیت‌های غیر دیجیتالی است. والدین باید با ایجاد الگوهای مناسب و تعیین محدودیت‌های زمانی، به کاهش این وابستگی کمک کنند. ۳. تأثیر شبکه‌های اجتماعی بر تربیت فرزندان ۳.۱. تأثیر بر هویت و اعتماد به نفس شبکه‌های اجتماعی می‌توانند بر هویت و اعتماد به نفس کودکان و نوجوانان تأثیر بگذارند. بسیاری از آن‌ها تحت تأثیر تصاویر و مطالب منتشرشده در این فضا قرار می‌گیرند و ممکن است خود را با دیگران مقایسه کنند. این مقایسه می‌تواند به کاهش عزت‌نفس و افزایش اضطراب اجتماعی منجر شود. ۳.۲. مواجهه با خطرات سایبری از دیگر چالش‌های شبکه‌های اجتماعی، مواجهه با خطرات سایبری مانند مزاحمت‌های اینترنتی، سوءاستفاده‌های آنلاین و انتشار اطلاعات شخصی است. والدین باید کودکان خود را از این خطرات آگاه کرده و راهکارهایی برای محافظت از آن‌ها در فضای مجازی ارائه دهند. همچنین، ایجاد گفت‌وگوی باز و صمیمی با فرزندان می‌تواند به آن‌ها کمک کند تا در صورت مواجهه با مشکلات اینترنتی، به والدین خود مراجعه کنند. ۴. راهکارهای مؤثر برای تربیت فرزندان در عصر دیجیتال ۴.۱. آموزش سواد رسانه‌ای یکی از مهم‌ترین اقدامات برای مقابله با چالش‌های عصر دیجیتال، آموزش سواد رسانه‌ای به کودکان است. آن‌ها باید بیاموزند که چگونه اطلاعات معتبر را از اطلاعات نادرست تشخیص دهند و چگونه از حریم خصوصی خود در اینترنت محافظت کنند. والدین می‌توانند با همراهی کودکان در فضای مجازی و آموزش روش‌های صحیح استفاده از اینترنت، این مهارت‌ها را در آن‌ها تقویت کنند. ۴.۲. ایجاد قوانین و محدودیت‌های مشخص تعیین قوانین مشخص برای استفاده از ابزارهای دیجیتال، می‌تواند به کنترل میزان و نحوه استفاده از این فناوری‌ها کمک کند. والدین می‌توانند قوانینی مانند ممنوعیت استفاده از تلفن همراه هنگام صرف غذا، تعیین زمان مشخص برای بازی‌های ویدیویی و محدود کردن استفاده از اینترنت قبل از خواب را اجرا کنند. ۴.۳. تقویت ارتباط خانوادگی و تعاملات اجتماعی یکی از بهترین راه‌ها برای کاهش وابستگی کودکان به فضای دیجیتال، تقویت ارتباط خانوادگی و ایجاد فرصت‌هایی برای تعاملات اجتماعی است. والدین می‌توانند با برنامه‌ریزی فعالیت‌های خانوادگی مانند گردش‌های تفریحی، بازی‌های گروهی و گفتگوهای صمیمی، کودکان را به شرکت در فعالیت‌های دنیای واقعی تشویق کنند. ۴.۴. ایجاد الگوی مناسب توسط والدین کودکان رفتارهای والدین خود را الگو قرار می‌دهند. اگر والدین خود نیز زمان زیادی را صرف استفاده از تلفن همراه و اینترنت کنند، فرزندان نیز این رفتار را تقلید خواهند کرد. بنابراین، والدین باید با مدیریت صحیح زمان استفاده از فناوری، الگوی مناسبی برای فرزندان خود باشند. عصر دیجیتال با تمام فرصت‌ها و چالش‌های خود، شیوه‌های تربیت فرزندان را دگرگون کرده است. در حالی که فناوری‌های دیجیتال می‌توانند ابزارهای ارزشمندی برای یادگیری و ارتباطات باشند، استفاده نادرست از آن‌ها می‌تواند تأثیرات منفی بر رشد و توسعه کودکان داشته باشد. والدین باید با آگاهی از چالش‌های موجود و بهره‌گیری از روش‌های مؤثر، محیطی سالم و متعادل برای رشد فرزندان خود در دنیای دیجیتال فراهم کنند. ترکیب آگاهی، نظارت، آموزش سواد رسانه‌ای و تقویت روابط خانوادگی می‌تواند به کاهش آسیب‌های ناشی از فناوری و بهره‌گیری از مزایای آن کمک کند.

یکی از روش‌های تولید ساختارهای پیچیده، قرار دادن مولکول‌ها روی هم است که این کار با کمک میکروسکوپ تونل‌زنی روبشی انجام می‌شود. محققان در حال توسعه هوش مصنوعی هستند تا کنترل این میکروسکوپ‌ها را به هوش مصنوعی بدهند و کار سریع‌تر و دقیق‌تر انجام شود. ترکیب شیمیایی یک ماده به تنهایی، گاهی اطلاعات کمی در مورد خواص آن ارائه می‌دهد. عامل تعیین کننده، بیشتر، آرایش مولکول‌ها در ساختار شبکه اتمی یا روی سطح ماده است. علم مواد از این عامل برای ایجاد ویژگی‌های خاص با اعمال اتم‌ها و مولکول‌ها روی سطوح با کمک میکروسکوپ‌های با کارایی بالا استفاده می‌کند. این موضوع، بسیار وقت‌گیر بوده و همچنین نانوساختارهای ساخته شده به نسبت ساده هستند. یک گروه تحقیقاتی در دانشگاه گرتس اتریش با استفاده از هوش مصنوعی می‌خواهد ساخت نانوساختارها را بهبود دهند. نتایج کار آنها در مقاله‌ای در مجله Computer Physics Communications منتشر شده‌است. اولیور هافمن از موسسه فیزیک حالت جامد که سرپرستی این گروه تحقیقاتی را بر عهده دارد، می‌گوید: ما می‌خواهیم یک سیستم هوش مصنوعی خودآموز ایجاد کنیم که مولکول‌های منفرد را به‌صورت خودکار و در کمترین زمان در یک جهت درست برای رسیدن به خاصیت مورد نظر قرار دهد. با این کار می‌توان تولید ساختارهای مولکولی بسیار پیچیده، از جمله مدارهای منطقی در مقیاس نانومتری را امکان‌پذیر کرد. مکان‌یابی تک‌تک مولکول‌ها روی سطح یک ماده با استفاده از میکروسکوپ تونل‌زنی روبشی انجام می‌شود. نوک کاوشگر یک تکانه الکتریکی را برای جابه‌جایی مولکولی که حامل آن است، ایجاد می‌کند. هافمن می‌گوید: یک محقق برای تکمیل این مرحله برای یک مولکول ساده به چند دقیقه زمان نیاز دارد. اما برای ساختن ساختارهای پیچیده، هزاران مولکول پیچیده باید به‌صورت جداگانه قرار گرفته و سپس نتیجه آزمایش شود. میکروسکوپ تونل‌زنی روبشی نیز می‌تواند توسط رایانه کنترل شود. تیم هافمن اکنون می‌خواهد از روش‌های مختلف یادگیری ماشینی استفاده کند و چنین سیستم رایانه‌ای را به‌دست آورد تا مولکول‌ها را به‌طور مستقل در موقعیت صحیح قرار دهد. ابتدا، از روش‌های هوش مصنوعی برای محاسبه یک طرح بهینه استفاده می‌شود که کارآمدترین و قابل اعتمادترین رویکرد برای ساخت سازه را توصیف می‌کند. سپس الگوریتم‌های هوش مصنوعی خودآموز، نوک کاوشگر را کنترل می‌کنند تا مولکول‌ها به‌طور دقیق مطابق با نقشه قرار گیرند. به نقل از ستاد نانو، هافمن توضیح می‌دهد: موقعیت‌یابی مولکول‌های پیچیده با بالاترین دقت فرآیند دشواری است، زیرا هم‌ترازی آنها با وجود بهترین کنترل ممکن، همیشه در معرض درجه‌ خاصی از شانس است. محققان این احتمال شرطی را در سیستم هوش مصنوعی ادغام خواهند کرد تا همچنان به‌طور قابل اعتماد عمل کند. محققان با استفاده از یک میکروسکوپ تونلی روبشی کنترل‌شده با هوش مصنوعی که می‌تواند به‌صورت شبانه‌روزی کار کند، درنهایت می‌خواهند به اصطلاح کورل‌های کوانتومی بپردازند. کورل‌های (مرجان‌های) کوانتومی نانوساختارهایی به شکل دروازه هستند که می‌توانند برای به دام انداختن الکترون‌ها از موادی که روی آنها قرار گرفته‌اند استفاده شوند. سپس خواص موج مانند الکترون‌ها منجر به تداخل مکانیکی کوانتومی می‌شود که می‌تواند برای کاربردهای عملی مورد استفاده قرار گیرد.