اجماع خودجوش؛ وقتی هزار عامل هوش مصنوعی بدون دستور کسی با هم همنظر شدندپژوهش جدیدی که در مجلهیScience Advancesمنتشر شده، نشان میدهد گروههای بزرگی از عاملهای هوش مصنوعی ممکن است بدون رهبر، پاداش، دستور همکاری یا حتی هدف مشترک، بهطور خودجوش به یک انتخاب واحد برسند.پژوهشگران برای بررسی این پدیده، گروههایی متشکل از عاملهای مبتنی بر ۱۰ مدل زبانی از خانوادههای Claude، GPT و Llama ساختند. هر عامل در ابتدا یکی از دو گزینه کاملا رندوم و بیمعنا را انتخاب میکرد. سپس در هر مرحله، انتخاب سایر عاملها را میدید و دوباره تصمیم میگرفت. هیچکدام از عاملها حافظهای از مراحل قبلی نداشتند و در دستورالعمل آنها نیز توصیهای برای پیروی از اکثریت یا رسیدن به توافق وجود نداشت.با این حال، در بیشتر مدلها عاملها بهتدریج به سمت گزینهای که در میان گروه محبوبتر بود متمایل شدند. اختلافهای کوچک اولیه میتوانست در چند مرحله تقویت شود و در نهایت کل گروه را به یک انتخاب مشترک برساند.پژوهشگران این گرایش را با کمیتی به نام نیروی اکثریت (Majority Force) توصیف کردند؛ معیاری که نشان میدهد یک عامل تا چه اندازه تحت تأثیر گزینه غالب در گروه قرار میگیرد. نکته جالب این است که رفتار جمعی مشاهدهشده با یک الگوی ریاضی شناختهشده در فیزیک، یعنی مدل توصیفکننده همراستاشدن اسپینهای اتمی در فرومغناطیس، شباهت دارد.این مدل ریاضی به پژوهشگران اجازه داد تخمین بزنند یک گروه تا چه اندازه میتواند پیش از فروپاشی اجماع، بزرگ شود. این ظرفیت میان مدلها تفاوت چشمگیری داشت: برای Llama 3 70B حدود ۳۰ عامل و برای GPT-4o حدود ۸۰ عامل برآورد شد. ظرفیت GPT-4 Turbo حدود ۱۰۰۰ عامل یا حتی بیشتر تخمین زده شد. Claude 3.5 Sonnet نیز در بزرگترین آزمایش، یعنی گروهی متشکل از ۱۰۰۰ عامل، همچنان توانست اجماع خود را حفظ کند؛ البته این به معنای نامحدود بودن ظرفیت آن نیست، زیرا آزمایش از این اندازه فراتر نرفت.مدلهای توانمندتر عموما میتوانستند اجماع را در گروههای بزرگتری حفظ کنند؛ حتی در اندازههایی بزرگتر از عدد مشهور دانبار که معمولا برای ظرفیت شبکههای اجتماعی پایدار انسان حدود ۱۵۰ تا ۳۰۰ نفر مطرح میشود. با این حال، مقایسه مستقیم میان انسان و عاملهای هوش مصنوعی گمراهکننده است.انسانها برای همکاری از روابط اجتماعی، زبان، نهادها، اهداف مشترک و اطلاعات پیچیده استفاده میکنند، در حالی که آزمایش حاضر صرفا یک مسئله بسیار ساده و انتزاعی را بررسی میکرد.بنابراین این پژوهش نشان نمیدهد که عاملهای هوش مصنوعی واقعا یکدیگر را درک کردهاند یا دارای هوش اجتماعی شدهاند. آنچه مشاهده شده، شکل بسیار ابتداییتری از رفتار جمعی است: تمایل سیستمهای منفرد به حرکت به سمت انتخاب غالب، صرفاً بر اساس مشاهده رفتار سایر اعضای گروه.اهمیت این یافته دقیقاً در همین نکته است. اگر هزاران عامل هوش مصنوعی در آینده در یک سیستم مشترک فعالیت کنند، ممکن است رفتارهایی در سطح جمع پدیدار شود که از بررسی تکتک عاملها قابل پیشبینی نباشد.این قابلیت میتواند بسیار مفید باشد. برای مثال، مجموعه بزرگی از عاملها شاید بتواند بدون مدیریت دائمی انسان، بخشهای مختلف یک پروژه علمی، مهندسی یا نرمافزاری را هماهنگ کند. اما همین سازوکار میتواند به یک آسیبپذیری جدی تبدیل شود.اگر یک تصمیم ضعیف یا ناکارآمد به انتخاب غالب تبدیل شود، عاملهای دیگر ممکن است صرفاً به دلیل رایجبودن آن، از آن پیروی کنند. برای نمونه، در یک پروژه نرمافزاری ممکن است یک روش ناکارآمد در کد به هنجار غالب تبدیل شود و عاملهای بعدی نیز همان روش را تکرار کنند؛ نه به این دلیل که بهترین راهحل است، بلکه چون اکثریت قبلاً آن را انتخاب کردهاند.پژوهشگران همچنین به پدیدهای مهمتر اشاره میکنند: یک گروه از عاملهایی که تکتک آنها از نظر ایمنی قابلقبول به نظر میرسند، لزوماً در تعامل با یکدیگر رفتاری ایمن نخواهند داشت. در برخی پژوهشهای مرتبط، حتی نشان داده شده که عاملهای منفردِ همراستا با اهداف تعیینشده میتوانند در اثر همنوایی، به وضعیتهایی برسند که نتیجه جمعی آنها با هدف مطلوب ناسازگار باشد.به بیان ساده، مسئله آینده هوش مصنوعی ممکن است فقط این نباشد که «هر عامل بهتنهایی چقدر باهوش و ایمن است؟» بلکه این پرسش نیز اهمیت پیدا میکند که «وقتی هزاران عامل با یکدیگر تعامل میکنند، چه رفتاری در سطح کل سیستم پدیدار میشود؟»این پژوهش هنوز بسیار ابتدایی است و نباید آن را به معنای ظهور «جامعه هوش مصنوعی» یا «هوش جمعی واقعی» تفسیر کرد. آزمایش فاقد حافظه، پاداش، هدف مشترک، اطلاعات نامتقارن و پیامدهای واقعی بود.
جوانان بیش از نسلهای پیشین نگرشهای خصمانه نسبت به زنان دارند؛ هشدار یک پژوهش استرالیاییپژوهشی جدید از دانشگاه ملبورن نشان میدهد که نوجوانان و جوانان استرالیاییبیش از نسلهای مسنتر گرایش به نگرشهای زنستیزانه و خصمانه نسبت به زنان دارند؛ نگرشهایی که به گفته پژوهشگران نهتنها بر رفتارهای روزمره در مدارس اثر گذاشته، بلکه قویترین پیشبینیکننده حمایت از افراطگرایی خشونتآمیز نیز محسوب میشود.این پژوهش که نخستین پژوهش گسترده از این نوع در استرالیاست، دیدگاههای ۱۱۲۲ نوجوان ۱۳ تا ۱۷ ساله، ۲۳۰۷ بزرگسال و همچنین بیش از ۵۰۰ معلم را بررسی کرده است. هدف پژوهش، مقایسه نگرشها درباره زنان، برابری جنسیتی، تأثیر فضای آنلاین و رابطه این عوامل با گرایشهای افراطی بوده است.یافتههای نگرانکنندهنتایج نشان داد در میان پسران ۱۳ تا ۱۷ ساله:۳۱٫۸٪ معتقدند تلاش برای ایجاد فرصتهای برابر برای زنان در استرالیا «بیش از حد پیش رفته است».۳۰٫۱٪ باور دارند در شرایط کمبود شغل، مردان بیش از زنان حق داشتن شغل دارند.۲۴٫۷٪ معتقدند فمینیسم به جامعه آسیب میزند و در صورت لزوم باید حتی با خشونت با آن مقابله کرد.به گفته دکتر «سارا مِگِر»، سرپرست پژوهش، از میان تمام متغیرهای بررسیشده، نگرشهای خصمانه نسبت به زنان قویترین عامل پیشبینیکننده حمایت از افراطگرایی خشونتآمیز بوده است.نقش فضای آنلاینپژوهشگران دریافتند ارتباط معناداری میان مصرف برخی محتواهای آنلاین و افزایش دیدگاههای زنستیزانه وجود دارد. در این میان، بیشترین ارتباط با موارد زیر مشاهده شد:محتوای «مانوسفر» (Manosphere)؛مجموعهای از جوامع آنلاین با محوریت هویت مردانه که برخی شاخههای آن به زنستیزی شهرت دارند.(نمونه این جوامع در تلگرام و اینستاگرام فارسی نیز هستند/سام)پورنوگرافیاپلیکیشنها و فرهنگ قرارهای آنلاینبه گفته پژوهشگران، این محتواها میتوانند در شکلگیری نگرشهای منفی نسبت به زنان نقش مهمی ایفا کنند.بازتاب در مدارسبیش از ۵۰۰ معلم شرکتکننده در پژوهش گزارش دادهاند که دانشآموزان بهطور فزایندهای از ادبیات و استدلالهای رایج در جوامع «مانوسفر» استفاده میکنند. برخی معلمان گفتهاند دانشآموزان از چهرههایی مانند اندرو تیت نقلقول میکنند و حتی از اجرای دستورات معلمان زن خودداری میکنند، در حالی که همان دستورات را از معلمان مرد میپذیرند.گزارشها نشان میدهد این رفتارها حتی در میان کودکان ۶ ساله نیز مشاهده شده است.زنان جوان نیز تحت تاثیرهستندیکی از یافتههای جالب پژوهش این بود که برخی نگرشهای سنتی یا نابرابر تنها در میان پسران دیده نمیشود. برای نمونه، زنان نسل Z بسیار بیشتر از زنان نسلهای پیشین با این گزاره موافق بودند که ازدواج به شوهر حق رابطه جنسی با همسرش را میدهد، حتی اگر زن تمایلی نداشته باشد.این نتیجه نشان میدهد تأثیر فضای فرهنگی و آنلاین میتواند بر هر دو جنس اثر بگذارد و صرفا محدود به مردان نباشد.چرا این موضوع مهم است؟پژوهشگران تأکید میکنند مسئله فقط برابری جنسیتی نیست. به باور آنان، زنستیزی میتواند بخشی از فرایند رادیکالیزه شدن افراد باشد و با پذیرش خشونت سیاسی و اجتماعی ارتباط پیدا کند(نتیجهی پستی که بالاتر فرستادم؛ زن ستیزی روی سیاست حاکم تاثیر دارد/سام)به همین دلیل، نویسندگان پژوهش پیشنهاد کردهاند که آموزش احترام و روابط سالم از سنین پایینتر آغاز شود.زنستیزی در برنامههای مقابله با افراطگرایی به رسمیت شناخته شود.نظارت و تنظیمگری بیشتری بر الگوریتمها و پلتفرمهای آنلاین اعمال شود.این پژوهش تصویری نگرانکننده از بخشی از نسل جوان استرالیا ارائه میدهد؛ نسلی که در محیطی اشباع از شبکههای اجتماعی، اینفلوئنسرها و محتواهای الگوریتمی رشد کرده است. یافتهها نشان میدهد نگرشهای خصمانه نسبت به زنان صرفاً یک مسئله فرهنگی یا اخلاقی نیست، بلکه میتواند با گرایش به خشونت و افراطگرایی نیز پیوند داشته باشد.از دید پژوهشگران، مقابله با این روند نیازمند آموزش زودهنگام، سواد رسانهای و توجه جدیتر به تأثیرات فضای آنلاین است.خاستگاه :Phys⚛ @AndisheKonim
چه زمانی میتوان کودک را در خانه تنها گذاشت؟ عصبشناسی میگوید پرسش اصلی چیز دیگری است.والدین معمولا برای تنها گذاشتن کودک در خانه به دنبال یک پاسخ ساده هستند: «از چه سنی میتوانم این کار را انجام دهم؟» اما پژوهشی درباره رشد مغز کودکان نشان میدهد که سن بهتنهایی معیار مناسبی برای سنجش آمادگی کودک نیست؛ پرسش مهمتر این است که آیا کودک از نظر رشدی برای مواجهه با موقعیتهای پیشبینینشده آماده است یا نه.مغز کودک چگونه آمادگی را تعیین میکند؟تواناییهایی مانند برنامهریزی، کنترل تکانه، ارزیابی خطر و تنظیم هیجانات در دوران کودکی بهتدریج رشد میکنند و بلوغ آنها تا دوران نوجوانی ادامه دارد.بنابراین ممکن است کودکی بتواند برای خودش غذا آماده کند، از تلفن استفاده کند و یک برنامه روزمره را بدون کمک انجام دهد، اما در موقعیتی غیرمنتظره نتواند تصمیم مناسبی بگیرد.برای مثال، باز شدن در خانه توسط یک فرد غریبه، آسیب دیدن خواهر یا برادر کوچکتر یا وقوع یک آتشسوزی جزئی در آشپزخانه، نیازمند مهارتهایی فراتر از انجام کارهای روزمره است.سن مشخصی برای همه کودکان وجود نداردرشد عصبی کودکان یکسان نیست. دو کودک همسن ممکن است از نظر کنترل تکانه، قضاوت، مدیریت اضطراب و واکنش به خطر تفاوت قابلتوجهی داشته باشند.به همین دلیل، یک کودک ۱۱ ساله ممکن است برای تنها ماندن کوتاهمدت آماده باشد، در حالی که کودک ۱۳ سالهای با کنترل تکانه ضعیف هنوز آمادگی لازم را نداشته باشد.این مسئله در کانادا حتی از نظر قانونی نیز پیچیده است. مقررات استانهای مختلف یکسان نیستند؛ برای نمونه، در انتاریو حداقل سن قانونی مشخصشده ۱۶ سال و در نیوبرانزویک و منیتوبا ۱۲ سال است، در حالی که برخی مناطق فاقد یک حد سنی مشخص هستند.چه مهارتهایی اهمیت دارند؟کودکی که قرار است برای مدت کوتاهی تنها بماند، بهتر است بتواند:خطرهای احتمالی را تشخیص دهد.قوانین ایمنی خانه را بدون نظارت رعایت کند.بداند در شرایط اضطراری با چه کسی و چگونه تماس بگیرد.هنگام وقوع اتفاق غیرمنتظره بتواند تا حد مناسبی آرام بماند.بداند چه کارهایی ممنوع است؛ مثلاً استفاده از اجاق یا باز کردن در برای افراد ناشناس.دستورالعملهای اضطراری را به خاطر بسپارد و اجرا کند.در موقعیتهای مشابه قبلی، قضاوت مناسبی از خود نشان داده باشد.این مهارتها بخشی از چیزی هستند که در علوم شناختی «کارکردهای اجرایی» (Executive Functions) نامیده میشود؛ مجموعهای از تواناییهای ذهنی برای برنامهریزی، حفظ توجه، یادآوری دستورها، کنترل رفتار و تصمیمگیری.استقلال باید تدریجی باشدپیشنهاد پژوهشگر این نیست که کودکان تا رسیدن به یک سن خاص دائما تحت نظارت باشند. برعکس، استقلال بخشی مهم از رشد کودک است و باید فرصت تمرین آن فراهم شود.راه منطقیتر، افزایش تدریجی میزان استقلال است. برای مثال، اگر کودک میتواند ۱۵ دقیقه بهتنهایی در خانه بماند و در این مدت رفتار مناسبی دارد، میتوان در مراحل بعدی مدت را افزایش داد.پیش از این نیز میتوان سناریوهای اضطراری را با کودک تمرین کرد: اگر زنگ هشدار دود به صدا درآمد چه میکند؟ اگر کسی پشت در بود چه؟ اگر خواهر یا برادرش آسیب دید چه کسی را خبر میکند؟پیام اصلی این پژوهش ساده است اینکه سن یک شاخص تقریبی است، نه آزمون آمادگی.تصمیم درباره تنها ماندن کودک باید بر اساس مجموعهای از تواناییهای رشدی، بهویژه قضاوت، کنترل تکانه، تشخیص خطر و واکنش به شرایط غیرمنتظره گرفته شود.به بیان دقیقتر، سؤال مناسب این نیست که «کودک من از چند سالگی میتواند در خانه تنها بماند؟» بلکه این است «آیا کودک من مهارتهای لازم برای حفظ امنیت خودش را در شرایط پیشبینینشده دارد؟»این رویکرد هم با آنچه درباره رشد تدریجی مغز میدانیم سازگارتر است و هم از یک مشکل مهم جلوگیری میکند: اینکه یک حد سنی ثابت، بهاشتباه احساس امنیت قطعی ایجاد کند.خاستگاه :Paediatrics & Child Health (2026)DOI: 10.1093/pch/pxag059⚛ @AndisheKonim
#مغز چگونه بین عادت و تصمیمگیری آگاهانه تعادل برقرار میکند؟گاهی مشکل ما برای انجام یک کار دشوار، خودِ کار نیست؛ بلکه شروع کردن آن است. وقتی یک فعالیت برایمان سنگین، مبهم یا ناخوشایند به نظر میرسد، ممکن است مدام آن را عقب بیندازیم و سراغ کارهای سادهتر برویم. یکی از ایدههایی که میتواند به فهم این مسئله کمک کند، مفهوم قاببندی کار یا Task Bracketing است؛ یعنی مشخص کردن یک مرز روشن برای آغاز و پایان یک فعالیت.پژوهشهای علوم اعصاب نشان میدهند وقتی یک رفتار بارها تکرار میشود، مغز بهتدریج میتواند مجموعه مراحل آن را مانند یک واحد رفتاری سازماندهی کند. در این حالت، فعالیت عصبی در اطراف شروع و پایان رفتار برجستهتر میشود و مراحل میانی میتوانند با دخالت و تلاش ذهنی کمتری انجام شوند. به بیان ساده، مغز یاد میگیرد یک کار را بهعنوان یک «بسته رفتاری» اجرا کند؛ شروع مشخصی دارد، مراحلی را پشت سر میگذارد و در نقطهای مشخص تمام میشود.اما نکته مهم پژوهش این است که مغز همیشه نباید خودکار عمل کند. در محیطهای ساده و قابل پیشبینی، عادتها بسیار مفیدند و باعث میشوند برای کارهای تکراری انرژی ذهنی کمتری مصرف کنیم. اما وقتی شرایط پیچیده یا غیرقابلپیشبینی میشود، مغز باید دوباره اطلاعات را بررسی کند، تصمیم بگیرد و در صورت نیاز روش قبلی را تغییر دهد. بنابراین، عادت و تصمیمگیری آگاهانه رقیب یکدیگر نیستند؛ مغز بسته به شرایط بین این دو روش جابهجا میشود.از این یافته میتوان یک کاربرد عملی برای کارهای روزمره برداشت کرد: اگر کاری را مرتب به تعویق میاندازید، به جای اینکه فقط منتظر انگیزه باشید، برای شروع و پایان آن یک الگوی ثابت بسازید. مثلاً یک نشانه کوتاه و مشخص برای ورود به کار داشته باشید و در پایان نیز با یک اقدام ساده، کار را ببندید و نقطه ادامه آن را مشخص کنید.تکرار این الگو میتواند شروع فعالیت را برای مغز آشناتر و قابل پیشبینیتر کند.البته هدف این نیست که برای هر کاری یک مراسم طولانی بسازیم یا همه فعالیتها را کاملاً خودکار کنیم. اصل مهم، کاهش ابهام در شروع و پایان کار است. وقتی مغز بداند یک فعالیت دقیقاً از کجا آغاز میشود و چه زمانی تمام میشود، ممکن است ورود به آن آسانتر شود.در نهایت، پیام اصلی پژوهش این است که برای شرایط آشنا، عادت میتواند کار را سادهتر کند؛ اما برای شرایط جدید، انعطافپذیری و تصمیمگیری اهمیت بیشتری دارد. بنابراین میتوان برای کارهای تکراری یک چارچوب مشخص ایجاد کرد، اما باید آماده باشیم هر زمان شرایط تغییر کرد، از الگوی قبلی فاصله بگیریم و روش تازهای انتخاب کنیم.خاستگاه :sciencedirect.com/science/article/pii/S08…@AndisheKonim