به نقل از «خبرگزاری دانشجو»

مهدیار: برخی نهادهای انقلابی رفتارهای ضداجتماعی دارند / بزرگترین مسئله ما شفافیت و تعارض منافع است

تاریخ انتشار: ۲۴ اسفند ۱۳۹۹ | کد خبر: ۳۱۳۱۶۷۱۶

به همت بسیج دانشجویی دانشگاه خواجه نصیر، میزگرد عدالتخواهی مردمی با حضور تعدادی از فعالین اجتماعی همراه با پخش مستند قزل قیه برگزار شد.

به گزارش خبرنگار گروه دانشگاه خبرگزاری دانشجو، به همت بسیج دانشجویی دانشگاه خواجه نصیر، میزگرد عدالتخواهی مردمی با حضور میلاد گودرزی، سردبیر برنامه اینترنتی آوانت، امین سلیمی، سردبیر خبرگزاری دانشجو، سیامک مختاری، کارگردان مستند و مصطفی دد‌جانی، مدیرعامل تعاونی معدن هاجرخاتون و میثم مهدیار، معاون پژوهشکده فرهنگ و هنر اسلامی همراه با پخش مستند قزل قیه برگزار شد.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

 

میثم مهدیار، معاون پژوهشکده فرهنگ و هنر اسلامی در این میزگرد گفت: یک اتفاقی در این چند سال افتاده است که خیلی من به آن فکر میکنم که ریشه آن‌ها چیست. نهادهای انقلابی که از دل انقلاب بیرون آمدند که هویت مبارزه گونه داشتند، چگونه رفتارهای ضد اجتماعی دارند و هویت آن‌ها شده است. این مسائل فقط مسئله ستاد اجرایی نیست و سازمان اوقاف نیز درگیر همین مسئله است. از این طرف بنیاد مستضعفان هم همین طور است و در ماجراهای مختلف مثل روستای ابوالفضل ما آن را دیدیم.

 

مهدیار در ادامه افزود: چرا نهادهایی که قرار بوده خودشان در خدمت مردم باشند، رفتارهای ضد مردمی دارند و از اجتماع دور شده‌اند؟ مسئله از آنجا شروع شده است که وقتی یک اجتماعی به نظام تبدیل می‌شود، نیاز به نهادهای جدیدی دارد و بعد از آن به افراد اعتماد می‌کنند. وقتی به افراد اعتماد می‌کنیم، شفافیت را جدی نمی‌گیریم و کم کم این مسئله باعث ایجاد فساد می‌شود. در وضعیت فعلی نهادهای نظارتی ما فربه شده‌اند و از طرف دیگر نظارت مردم نیز وجود ندارد و شفافیت هم نیست و این قضیه را تشدید می‌کند. این فقدان شفافیت باعث شکل‌گیری حیات خلوت و فسادهای بززگتر می‌شود.

 

معاون پژوهشکده فرهنگ و هنر اسلامی اظهار کرد: هر سازمانی که ارتباط خود را با محیط پیرامون و اجتماع از دست دهد، تبدیل به یک محیط راکد و فسادزا می‌شود. وقتی شفاف باشیم و تعارض منافع را حل کنیم، تبدیل به یک سازمان پویا می‌شویم. چون با مسائل اجتماعی و مسئله روز مردم در تماس هست و آن را درک می‌کند. بزرگترین مسئله ما با نهادهای انقلابی همین مسئله شفافیت و تعارض منافع است.

 

مهدیار در پایان بیان کرد: مسئله قزل قیه ماجرای یک شهر یا شهرک نیست. ماجرای توزیع رانتی ماست که در بخش‌ها و سطوح مختلف اتفاق افتاده و اتفاق خواهد افتاد. اگر بتوانیم این مسائل را کم کم نشان دهیم و زخم‌ها را التیام دهیم، می‌توانیم امید مردم را نسبت به جاهای مختلف نظام برگردانیم.

منبع: خبرگزاری دانشجو

کلیدواژه: قزل قیه

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت snn.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «خبرگزاری دانشجو» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۱۳۱۶۷۱۶ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

رفتارهای غیرمنطقی انسان الگوی جدید هوش مصنوعی شد

خبرگزاری علم و فناوری آنا؛ محققان دانشگاه ام آی تی و دانشگاه واشنگتن راهی برای مدل‌سازی رفتار یک سوژه، خواه انسانی یا ماشینی، ابداع کردند که محدودیت‌های محاسباتی ناشناخته را توضیح می‌دهد. این روش جدید به درک تفکر انسان و ماشین و چگونگی حل مشکلات کمک می‌کند و هر گونه محدودیتی را که ممکن است مانع حل مسئله شود شناسایی می‌کند.

برای ساختن سیستم‌های هوش مصنوعی که می‌توانند همکاری مؤثری با انسان داشته باشند، الگوبرداری مناسب از رفتار انسان برای شروع مفید است. اما بیشتر انسان‌ها تمایل دارند هنگام تصمیم‌گیری رفتاری نشان دهند که با هنجار‌ها و استاندارد‌ها چندان سازگار نیست. این غیرمنطقی بودن، که مدل‌سازی آن به‌ویژه دشوار است، اغلب به محدودیت‌های محاسباتی ختم می‌شود. دلیلش این است که یک انسان فرصت ندارد مدت‌های طولانی وقت صرف کند تا به راه حل مناسب برای حل یک مشکل برسد.

پیش‌بینی و پیشگیری از رفتار‌های اشتباه

مدل جدید محققان می‌تواند به طور خودکار محدودیت‌های محاسباتی یک سوژه را با دیدن تنها چند نمونه از اقدامات قبلی آنها استنتاج کند. این «پایه استنتاج» می‌تواند برای پیش‌بینی رفتار‌های آتی آن سوژه استفاده شود. برای مثال، می‌تواند پیش‌بینی کند که بر اساس الگو‌های سفر قبلی یک فرد به کجا می‌رود و یا مثلاً حرکت بعدی یک بازیکن را در بازی شطرنج پیش‌بینی کند. این کار می‌تواند به دانشمندان کمک کند نحوه رفتار انسان‌ها را به سیستم‌های هوش مصنوعی بیاموزند تا به همکاران انسانی خود بهتر پاسخ دهند. به گفته پائول جیکوب (Paul Jacob)، نویسنده ارشد این تحقیق، توانایی درک رفتار انسان و سپس استنتاج اهداف او بر اساس رفتار، می‌تواند کارایی یک دستیار هوش مصنوعی را تا حد زیادی ارتقا دهد.

جیکوب می‌گوید: «هوش مصنوعی می‌تواند با مشاهده رفتار‌های قبلی انسان، او را از انجام اشتباه احتمالی بازدارد و وارد عمل شود و راه بهتری را پیشنهاد دهد. حتی می‌تواند با نقاط ضعفی که همکاران انسانی‌اش دارند سازگار شود. توانایی مدل‌سازی رفتار انسان گام مهمی به سوی ساخت یک عامل هوش مصنوعی است که در واقع می‌تواند به آن انسان کمک کند.»

چگونگی آموزش الگوریتم

اولین مرحله در روش آنها شامل اجرای یک الگوریتم حل مسئله در مدت زمان محدود است. برای مثال، اگر مدل هوش مصنوعی در حال انجام مسابقه شطرنج است به الگوریتم  آن اجازه می‌دهند که فقط در تعداد معینی از مراحل اجرا شود. در پایان، محققان می‌توانند تصمیماتی را که الگوریتم در هر مرحله اتخاذ کرده است، مشاهده و بررسی کنند.

سپس این مدل، تصمیمات خود را با تصمیمات سوژه‌ای که از آن الگو گرفته مقایسه می‌کند تا با هم هماهنگ شوند و مرحله‌ای که عامل برنامه‌ریزی را متوقف کرده است شناسایی می‌کند. از این رو، مدل می‌تواند پایه استنتاج یا مدت زمانی که آن سوژه برای این مشکل برنامه‌ریزی می‌کند را برآورد کند. از پایه استنتاج همچنین می‌توان برای پیش‌بینی نحوه واکنش آن سوژه هنگام حل یک مشکل مشابه استفاده کرد.

این روش می‌تواند بسیار کارآمد باشد، زیرا محققان می‌توانند بدون تلاش مضاعف، به مجموعه کاملی از تصمیمات الگوریتم حل مسئله دسترسی داشته باشند. این چارچوب همچنین می‌تواند به حل هر مشکلی که در آن کلاس خاص از الگوریتم قرار دارد کمک کند.

محققان رویکرد خود را در سه مدل‌سازی مختلف آزمایش کردند: استنباط اهداف ناوبری بر اساس مسیر‌های قبلی، حدس زدن قصد ارتباطی افراد از روی نشانه‌های کلامی آنها و پیش‌بینی حرکات بعدی در مسابقات شطرنج انسان با انسان. روش آنها در هر آزمایش یا با یک انتخاب رایج مطابقت داشت یا عملکرد بهتری را نشان داد.

با این روش جدید، سیستم‌های هوش مصنوعی از اشتباهات خود درس می‌گیرند و مهارت‌های تصمیم‌گیری خود را بهبود می‌بخشند. از این رویکرد همچنین می‌توان برای مدل‌سازی فرآیند برنامه‌ریزی در ربات‌ها استفاده کرد. هدف نهایی این روش، ایجاد مدل‌هایی از هوش مصنوعی است که بتوانند همکاری مؤثرتری با انسان داشته باشند.

این گزارش از ام آی تی نیوز به فارسی برگردان شده است.

انتهای پیام/

نازنین احسانی طباطبایی