🔵 هوش مصنوعی چه ارتباطی با تنبلی دارد؟ اسکن مغز نشان می‌دهد که وقتی هوش مصنوعی پاسخ‌های خوبی ارائه می‌دهد، افراد کمتر به دانش و تفکر انتقادی خودشان تکیه می‌کنند. آیا هوش مصنوعی ما را کارآمدتر می‌کند یا فقط باعث می‌شود کمتر فکر کنیم؟ 🔸منبع : دويچه‌وله فارسی ▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️ ✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد  👇👇👇👇  @ECONVIEWS 

🔺🔺🔺🔺 درباره اعداد اول، این یافته نشانه‌ای از وجود الگوهای ظریفی بود که در دل آمار ظاهراً مبهم آن‌ها تنیده شده‌اند. اعداد اول و آشوب از آن زمان تاکنون، نزدیک به دوازده معیار تصادفی مختلف با اعداد اول مرتبط شده‌اند، اما بسیاری از این یافته‌ها در حد حدس باقی مانده‌اند. رادزیویل می‌گوید: «بسیاری از این نتایج واقعاً به شکل‌گیری شهود شما کمک می‌کنند. آن‌ها به شما می‌گویند یک شیء معمولی چگونه به نظر می‌رسد، اما به‌خودی‌خود واقعاً چیزی را اثبات نمی‌کنند.» در کنفرانسی در سپتامبر ۲۰۲۵، آدام هارپر، نظریه‌پرداز اعداد در دانشگاه وارویک انگلستان، اثباتی را ارائه کرد که نشان می‌داد نوع دیگری از معیار تصادفی می‌تواند در جست‌وجوی الگوهای اعداد اول مناسب باشد. «آشوب ضربی گوسی» نوعی تصادفی‌بودن بسیار نوسانی و مستقل از مقیاس را توصیف می‌کند که در سامانه‌های آشوبناک مختلف، از تلاطم سیالات گرفته تا گرانش کوانتومی و حتی بازارهای مالی، دیده می‌شود. از آنجا که فراکتال‌ها مستقل از مقیاس هستند، گاهی از این مفهوم با عنوان «معیار فراکتالی تصادفی» نیز یاد می‌شود. به‌طور شگفت‌انگیزی، اثبات هارپر نشان داد که آمار مرتبط با صفرهای تابع زتا را نیز می‌توان با معیارهای فراکتالی تصادفی توصیف کرد. علاوه بر این، هارپر، مکس ونچیانگ شو از دانشگاه نیویورک و کانان سوندراجاران از دانشگاه استنفورد، راهی برای پیش‌بینی زمان ظهور این رفتار آشوبناک در اعداد اول پیدا کردند. معیارهای تصادفی، مجموعه‌های بزرگی از اعداد اول را توصیف می‌کنند. اما هنگامی که مجموعه‌های کوچک‌تر و کوچک‌تری را در نظر می‌گیریم، ویژگی‌های آماری تغییر می‌کنند؛ الگوهای احتمالی از بین می‌روند و جای خود را به تصادفی‌بودنی کاملاً بی‌ساختار می‌دهند. این گروه در یک کنفرانس تابستانی در سال ۲۰۲۵ اعلام کرد که اگر معیارهای فراکتالی تصادفی، اعداد تا x را توصیف کنند، آنگاه در تمام بازه‌های یک دوره گذار، یعنی از x تا x + y، که در آن y کوچک است، می‌توانند ترکیب دقیق تصادفی‌بودن و آشوب را محاسبه کنند. پس از این بازه، ویژگی‌های آماری دوباره به معیارهای فراکتالی تصادفی بازمی‌گردند. هنگامی که ریاضی‌دانان تلاش کردند بازه کوتاه x تا x + √x را بررسی کنند، وارد حوزه عمیق‌تری از ریاضیات شدند که از آن با عنوان «فراتر از سد ریشه دوم» یاد می‌شود. هارپر در مقاله‌ای در سال ۲۰۲۳ حدس زد که پس از ۲۰۰ سال، روش بهتری برای شمارش اعداد اول نسبت به معادله تاریخی ریمان پیدا کرده است. در واقع، در مقاله‌ای در سال ۲۰۲۵، شو و ویکتور وانگ، ریاضی‌دانی که اکنون در مؤسسه ریاضیات تایوان فعالیت می‌کند، نشان دادند که حدس هارپر درست بوده است. با این حال، این استنتاج هنوز به یک اثبات کامل منجر نشده است، زیرا به حدس دیگری متکی بود که از فیزیک‌دانان گرفته شده بود. شو می‌گوید: «این قسمت واقعاً جالب است. من شخصاً علاقه زیادی به فیزیک ندارم، اما کارم به شهود آن‌ها وابسته است.» اما همه این یافته‌ها واقعاً درباره اعداد اول چه می‌گویند؟ رادزیویل محتاط است. او می‌گوید: «اگر یک مولد اعداد تصادفی روی رایانه داشته باشم، برای من تصادفی نیست؛ اما اگر ندانید این مولد چگونه کار می‌کند، برای شما تصادفی است.» به بیان دیگر، همان‌طور که اگر رایانه‌ای با قدرت کافی وجود داشته باشد می‌توان ابر ذرات گاز را به‌صورت قطعی توصیف کرد، ممکن است روشی کاملاً قطعی اما بسیار پیچیده برای توصیف اعداد اول نیز وجود داشته باشد. تا زمانی که چنین روشی کشف نشود، ریاضی‌دانان و فیزیک‌دانان همچنان با معنای نهفته در پسِ این الگوهای عمیق و شگفت‌انگیز احتمالاتی دست‌وپنجه نرم خواهند کرد. Mathematicians Discover Prime Number Pattern in Fractal Chaos | Scientific American https://share.google/7RqCNW7vcfnLIWibi ▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️▫️ ✅ رسانه اقتصادی اجتماعی دورنمای اقتصاد  👇👇👇👇  @ECONVIEWS 

🔵 الگوهای غیرمنتظره اعداد اول در آشوب فراکتالی ریاضی‌دانان راهی جدید برای پیش‌بینی رفتار اعداد اول پیدا کرده‌اند. اعداد اول را گاهی «اتم‌های ریاضیات» می‌نامند، زیرا فقط بر خودشان و عدد ۱ بخش‌پذیرند. ریاضی‌دانان برای دو هزار سال در این اندیشه بوده‌اند که آیا اعداد اول واقعاً تصادفی هستند یا الگوی ناشناخته‌ای در پس ترتیب آن‌ها وجود دارد. در سال‌های اخیر، نظریه‌پردازان اعداد چندین حدس شگفت‌انگیز درباره الگوهای اعداد اول مطرح کرده‌اند؛ به‌ویژه الگوهای احتمالی‌ای که در مجموعه‌های بزرگ این «اتم‌های ریاضی» ظاهر می‌شوند. ریشه این الگوها به یک فرضیه در سال ۱۸۵۹ بازمی‌گردد که با تابع مشهور زتای ریمان ارتباط دارد. ریاضی‌دان آلمانی، برنهارد ریمان، تابعی را به دست آورد که تعداد اعداد اول تا یک عدد x را محاسبه می‌کند. این تابع سه مؤلفه اصلی دارد: یک برآورد هموار، مجموعه‌ای از جمله‌های اصلاحی که از تابع زتای ریمان به دست می‌آیند، و یک جمله خطای کوچک. درباره تابع زتای ریمان مطالب زیادی نوشته شده است، اما مهم‌ترین نکته این است که این تابع، برآورد هموار را اصلاح می‌کند. برای این کار، الگویی موج‌دار ایجاد می‌کند که گاهی تعداد اعداد اول را افزایش و گاهی کاهش می‌دهد. این نوسان‌های اصلاحی توسط مکان «صفرهای» تابع زتای ریمان تعیین می‌شوند. در واقع، فرضیه مشهور ریمان ادعا می‌کند که تمام این صفرها روی یک «خط بحرانی» قرار دارند؛ خطی که بخش حقیقی آن برابر با 1/2 است. صفرهای تابع زتا از دو جهت برای ریاضی‌دانان جذاب‌اند. نخست، نشان می‌دهند که تابع زتا اطلاعاتی ناشناخته درباره اعداد اول را در خود رمزگذاری کرده است. دوم، نشان می‌دهند که فاصله میان اعداد اول، با وجود بی‌نظمی‌های ظاهری، تا حد امکان منظم است؛ زیرا نوسان‌های کوچک‌تر با تراکم اعداد اول سازگار نخواهند بود. در مجموع، این بدان معناست که خطا در فرمول ریمان برای شمارش اعداد اول، تا حد امکان کوچک است. این فرضیه تا اعداد بسیار بزرگی در محدوده تریلیون‌ها بررسی و تأیید شده است، اما هرگز به‌طور کامل اثبات نشده است. تنها وجود یک مثال نقض می‌تواند بخش بزرگی از نظریه مدرن اعداد را دگرگون کند؛ به همین دلیل، اثبات این فرضیه برای دهه‌ها یکی از اولویت‌های ریاضیات بوده است. اعداد اول و «پیشگوی احتمال» به‌طور مشخص، نشان داده شده است که اعداد اول از برخی «معیارهای تصادفی» خاصی پیروی می‌کنند. در ریاضیات، یک «معیار» به رفتار آماری تعداد زیادی از اشیا مربوط می‌شود. برای مثال، مدل‌سازی یک ذره منفرد گاز ممکن است ساده باشد، اما پیش‌بینی رفتار ابری متشکل از میلیاردها ذره، فراتر از توان محاسباتی امروز است. در عوض، می‌توان آمار کلی حرکت این ابر را با نوع خاصی از «معیار تصادفی» توصیف کرد. ماکسیم رادزیویل، ریاضی‌دان دانشگاه نورث‌وسترن، این روش را یک «پیشگوی احتمال» می‌نامد. او می‌گوید: «من می‌توانم با استفاده از احتمال، خیلی سریع به حقیقت برسم. می‌توانم مدل درست را پیدا کنم و سپس تقریباً برای هر پرسشی، پاسخ درست را به دست آورم.» اما این پیشگو نمی‌تواند معنای عمیق‌تر آن پاسخ را توضیح دهد و در نتیجه، ریاضی‌دانان برای اثبات کشف‌های جدید خود، بینش محدودی در اختیار دارند. البته اعداد اول، اعداد تصادفی نیستند؛ آن‌ها کاملاً قطعی‌اند. اما اگر تعداد زیادی عدد اول را انتخاب کنید، توزیع آن‌ها، یعنی نحوه پراکندگی‌شان روی محور اعداد، از نظر آماری مانند برخی انواع دنباله‌های تصادفی رفتار می‌کند. اما دقیقاً شبیه چه نوع دنباله‌ای؟ نخستین معیار مربوط به اعداد اول در دهه ۱۹۷۰ و در جریان گفت‌وگویی اتفاقی میان هیو مونتگومری، دانشجوی دکتری دانشگاه کمبریج، و فیزیک‌دان مشهور، فریمن دایسون، از مؤسسه مطالعات پیشرفته کشف شد. مونتگومری به‌طور اتفاقی رفتار بسیار مشابهی را در اعداد اول پیدا کرد؛ به‌طور مشخص، در همبستگی میان مکان صفرهای مشهور تابع زتای ریمان. این صفرها با فاصله‌های یکسان از یکدیگر قرار نداشتند، اما در عین حال کاملاً بدون ارتباط آماری نیز نبودند. در کشفی که به همان اندازه که شگفت‌انگیز بود، زیبا نیز به نظر می‌رسید، مشخص شد فاصله میان صفرهای تابع زتای ریمان از همان نوع معیار تصادفی‌ای پیروی می‌کند که سیستم‌های کوانتومی را توصیف می‌کند. 🔻🔻🔻🔻ادامه در پست بعدی