مبانی نظری و معماریهای مقیاسپذیر مدلهای بنیان
- اصول نظری، بازنمایی و یادگیری در مدلهای بنیان
- معماریهای نوین (ترانسفورمرهای نسل جدید، معماریهای کارآمد و چندوجهی)
- قابلیتهای نوظهور: فهم، استدلال، برنامهریزی، تعمیم
درباره کنفرانس
در سالهای اخیر، هوش مصنوعی و بهویژه مدلهای بنیان (Foundation Models) بهعنوان یک پارادایم زیرساختی، نقش تعیینکنندهای در بازتعریف شیوههای محاسبه، یادگیری و تولید دانش ایفا کرده است. این مدلها که بر پایه حجم عظیمی از دادهها و معماریهای مقیاسپذیر آموزش مییابند، از چارچوبهای تخصصی محدود فراتر رفته و به سامانههایی عمومی برای تحلیل، استنتاج، تولید محتوا و حل مسائل پیچیده در حوزههای متنوع علمی و کاربردی تبدیل شدهاند.
کنفرانس هوش مصنوعی مبتنی بر مدلهای بنیان: نظریه، روشها و کاربردها با هدف فراهمسازی بستری علمی برای بررسی دقیق، انتقادی و واقعبینانه این تحول برگزار میشود. این رویداد، پژوهشگران و متخصصان از حوزههای مهندسی و علوم پایه تا پزشکی، مدیریت، علوم انسانی و اجتماعی، و نیز فعالان صنعت و سیاستگذاری را گرد هم میآورد تا از منظرهای گوناگون به ابعاد نظری، روششناختی و کاربردی مدلهای بنیان بپردازند.
تمرکز کنفرانس بر تحلیل لایههای بنیادین فناوری و نیز پیامدهای آن در دنیای واقعی است؛ از معماریها و سازوکارهای یادگیری، ارزیابی و بهینهسازی مدلهای بنیان، تا کاربردهای بینرشتهای در سلامت، مهندسی، آموزش، هنر، اقتصاد و توسعه پایدار. همزمان، کنفرانس به موضوعات کلیدی مرتبط با اعتمادپذیری، تفسیرپذیری، امنیت، سوگیری، حریم خصوصی، اخلاق و مسئولیتپذیری اجتماعی میپردازد و تلاش میکند چارچوبهایی برای توسعه و بهکارگیری مسئولانه هوش مصنوعی ارائه کند.
این رویداد، فرصتی برای ارائه آخرین دستاوردهای پژوهشی، تبادل ایدهها، شکلدهی همکاریهای علمی ، صنعتی و گفتوگوی بینرشتهای پیرامون مسیرهای آینده هوش مصنوعی فراهم میسازد. از تمامی پژوهشگران، دانشجویان، متخصصان و کنشگران این حوزه دعوت میشود با ارائه مقاله، پوستر، ارائه صنعتی یا مشارکت در نشستهای تخصصی، در ارتقای مرزهای دانش و توسعه مسئولانه هوش مصنوعی سهیم باشند.
شماره کنونی
دوره 1 شماره 1 (1404): روانشناسی عمومی: بینشها و روندها
چاپ شده:
2025-05-31
اطلاعیه مهم - تعویق زمان برگزاری کنفرانس و تمدید مهلت ارسال مقالات
به اطلاع کلیه پژوهشگران، نویسندگان محترم مقالات و شرکتکنندگان گرامی میرساند، بهدلیل بروز اختلالات گسترده و قطعی اینترنت در روزهای اخیر و در نتیجه عدم امکان دریافت و پردازش کامل مقالات ارسالی در بازه زمانی مقرر، کمیته برگزاری کنفرانس ناگزیر به تعویق زمان برگزاری کنفرانس گردیده است
در راستای حمایت از پژوهشگران و بهمنظور حفظ عدالت علمی و تضمین کیفیت فرآیند داوری، مهلت ارسال مقالات نیز تمدید میگردد. تاریخ جدید مهلت ارسال مقالات و همچنین زمان جدید برگزاری کنفرانس، پس از بازگشت شرایط پایدار، متعاقبا اعلام خواهد شد. اطلاعرسانیهای بعدی از طریق وبسایت رسمی کنفرانس و سایر کانالهای اطلاعرسانی رسمی انجام خواهد شد.
از همراهی، شکیبایی و درک ارزشمند شما صمیمانه سپاسگزاریم
دبیرخانه کنفرانس
محورهای کنفرانس
-
-
آموزش، تنظیم و یادگیری در مقیاس بزرگ
- خودنظارتی، انتقالی و تقویتی
- تنظیم و همراستاسازی مدلهای بنیان با دادههای محدود یا بدون برچسب
- یادگیری از دادههای بزرگ، ناهمگن، نویزی و ناقص -
استنتاج، بهینهسازی و استقرار مدلهای بزرگ
- بهینهسازی و فشردهسازی مدلها
- زیرساخت محاسباتی، پردازش توزیعشده و سختافزار تخصصی
- مدیریت تأخیر محاسباتی و هزینههای عملیاتی در سامانههای مقیاسپذیر -
مهندسی چرخهعمر سیستم های یادگیری ماشین و مدلهای زبانی بزرگ
- پایش، نگهداری ، مدیریت تغییرات تدریجی داده و عملکرد مدل در محیطهای عملیاتی
- ارزیابی عملیاتی، کنترل کیفیت و ممیزی مدل
- Edge AI و سامانههای بلادرنگ در محیط واقعی -
هوش مصنوعی مولد، چندوجهی و تولید محتوا
- تولید متن، تصویر، ویدئو، صوت و مدلهای چندرسانهای
- تعامل انسان-هوش مصنوعی، طراحی تعامل و مهندسی پرامپت
- ارزیابی، کنترل ،کاهش خطاهای زایشی و تولید محتوای نادرست(hallucination) -
پردازش زبان طبیعی، گفتار و مدلهای زبانی
- درک و تولید زبان، بازیابی، تقویت (RAG)، خلاصهسازی، ترجمه
- گفتار: ASR/TTS و واسطهای گفتاری
- کاربردهای سازمانی: جستوجوی دانش، اتوماسیون فرایند، دستیارها -
بینایی ماشین و تحلیل سیگنال زمانمند
- تحلیل تصویر و ویدئو، تشخیص، پیشبینی و پایش
- سریهای زمانی، دادهکاوی و پیشبینی
- یادگیری چندوجهی: متن، تصویر و سیگنال در مسائل واقعی -
تصمیمسازی هوشمند، بهینهسازی و سامانههای تصمیمیار
- سیستمهای توصیهگر و تصمیمگیری دادهمحور
- ترکیب هوش مصنوعی با محاسبات نرم ، سیستم های فازی و تحلیل عدمقطعیت
- کاربرد در مسائل پیچیده و پویا -
اعتمادپذیری، تفسیرپذیری، ارزیابی و سنجش کیفیت
- معیارها، بنچمارکها و اعتبار سنجی در کاربردهای واقعی
- توضیحپذیری، کالیبراسیون و سنجش اطمینان/عدمقطعیت
- تحلیل رفتار مدلها در سناریوهای مختلف -
امنیت، ایمنی و حکمرانی هوش مصنوعی
- امنیت زنجیره داده :تابآوری مدلها در برابر حملات ، ورودیهای فریبنده و آلایش دادهها
- حریم خصوصی، حفاظت داده، عدالت الگوریتمی و مدیریت ریسک
- چارچوبهای حکمرانی، تنظیمگری و استانداردها -
هوش مصنوعی شناختی و محاسبات عصبی-سیمبولیک
- استدلال، علّیت، برنامهریزی و مدلسازی شناختی
- محاسبات عصبی-سیمبولیک، تلفیق دانش و سیستمهای قابل اعتمادتر
- مسیرهای پژوهشی برای افزایش قابلیت فهم و استنتاج -
کاربردهای بینرشتهای مدلهای بنیان در علم، صنعت و جامعه
- سلامت، پزشکی و علوم زیستی (کشف دارو، ژنومیک و پزشکی شخصی)
- صنعت، تولید، کنترل فرایند و نگهداری پیشبینانه
- اقتصاد، مدیریت، مالی و خدمات هوشمند
- آموزش، علوم انسانی-اجتماعی، فرهنگ و رسانه -
هوش مصنوعی برای پایداری و محیطزیست
- انرژی، بهینهسازی مصرف، مدلسازی محیطی و اقلیم
- کشاورزی هوشمند، اقتصاد چرخشی و توسعه پایدار
- کاربردهای مسئولانه در مقیاس ملی-منطقهای -
مرزهای دانش و همگرایی فناوریها
- هوش مصنوعی برای علوم(علوم پایه، شبیهسازی و کشف دانش)
- هوش مصنوعی کوانتومی، نورومورفیک و زیستی
- افقهای پژوهشی و همگرایی با فناوریهای تحولآفرین -
بومیسازی، زبانها و فرهنگ
- مدلهای فارسی و چندزبانه، دادههای بومی و ارزیابی بومی
- چالشهای زبانی-فرهنگی و فرصتهای منطقهای
- کاربرد هوش مصنوعی در فرهنگ، رسانه و خدمات عمومی
اخبار
-
17 خردادمدلهای چندوجهی: از همترازی متن و تصویر تا ادراک یکپارچه
مدلهای چندوجهی بهعنوان یکی از مهمترین روندهای هوش مصنوعی، با هدف نزدیککردن ادراک ماشین به انسان توسعه یافتهاند. این مسیر از 2021 با مدلهایی مانند CLIP آغاز شد که توانستند متن و تصویر را در یک فضای معنایی مشترک همتراز کنند. بین 2023 تا 2024، پیشرفت Transformerها و تکنیکهایی مانند instruction tuning امکان پردازش همزمان چند modality را فراهم کرد. در 2025 تا 2026، این مدلها به کاربردهای گسترده رسیدند و سیستمهایی مانند GPT-4V و DALL·E وارد مرحله درک و تولید شدند. با وجود پیشرفتها، چالشهایی مانند hallucination، کمبود داده باکیفیت و هزینه محاسباتی همچنان پابرجاست، اما آینده به سمت ادراک یکپارچه حرکت میکند.
-
30 فروردینعبور از Scaling Laws و تمرکز بر بهینهسازی هوشمند
در سالهای 2020 تا 2023، Scaling Laws نشان دادند که افزایش اندازه مدل، داده و محاسبات باعث بهبود عملکرد میشود و دوره «بزرگتر بهتر است» شکل گرفت. اما از 2025، محدودیتهایی مانند هزینه بالا، مصرف انرژی و کمبود داده آشکار شد. در نتیجه، تمرکز به سمت بهینهسازی تغییر یافت. تکنیکهایی مانند Mixture-of-Experts، quantization، pruning و distillation باعث افزایش کارایی شدند. همچنین مدلهای کوچک تخصصی یا SLMها برای حوزههای خاص توسعه یافتند. استفاده از داده مصنوعی و سختافزارهای اختصاصی نیز رشد کرد. این تغییر نشاندهنده گذار از افزایش مقیاس به مهندسی کارایی و استخراج هوش بیشتر با هزینه کمتر است.
-
جدید
21 مردادسیستمهای تحقیقاتی خودمختار: از تحلیل تا کشف علمی مستقل
در 2025 تا 2026، سیستمهای تحقیقاتی خودمختار به سطحی رسیدهاند که میتوانند چرخه کامل علم را اجرا کنند. این سیستمها با ترکیب LLMها، پایگاههای داده علمی، ماژولهای برنامهریزی و ابزارهای شبیهسازی، قادر به تولید فرضیه، طراحی آزمایش و تحلیل نتایج هستند. آنها ابتدا مقالات را بررسی کرده و شکافهای دانشی را شناسایی میکنند، سپس فرضیهها را آزمایش میکنند. در مدلهای پیشرفته، چند agent با نقشهای مختلف همکاری میکنند. کاربردها در کشف دارو و علم مواد چشمگیر است، اما چالشهایی مانند اعتبار علمی، توهم و بازتولیدپذیری نتایج همچنان مطرح بوده و نیازمند نظارت انسانی هستند.
