📌 مدیر عامل گوگل : مرز میان تخیل و تجلی در حال محو شدن است

بگذارید این جمله برای یک لحظه به ذهنتان خطور کند... ما به سمت جهانی می‌رویم که شکاف بین فکر و واقعیت کاملاً از بین می‌رود.

🤖 به تمیز کردن خانه‌ام فکر کنید → ربات فوراً آن را انجام می‌دهد
🏗️ یک ساختمان را تصور کنید → هوش مصنوعی آن را طراحی می‌کند، ربات‌ها آن را می‌سازند
🍳 هوس یک غذای خاص را بکنید → ربات سرآشپز آن را کاملاً خلق می‌کند
🎨 هنر را تصور کنید → دست‌های رباتیک آن را زنده می‌کنند
🌱 یک باغ را تصور کنید → سیستم‌های خودکار آن را پرورش می‌دهند

ما دیگر فقط در مورد دستیاران دیجیتال صحبت نمی‌کنیم. ما در مورد یک دنیای فیزیکی صحبت می‌کنیم که به نیت خالص انسان پاسخ می‌دهد. هوش مصنوعی به عنوان مغز، رباتیک به عنوان دست‌ها و پاها.

ما در حال گذار از «آنچه می‌خواهی بنویس» به «آنچه می‌خواهی فکر کن» به «آنچه می‌خواهی زندگی کن» هستیم.

این دهه‌ها طول نمی‌کشد - این تحول اکنون در حال وقوع است. سوال این نیست که آیا این آینده فرا خواهد رسید یا خیر، بلکه این است که چقدر سریع با زندگی در جهانی که افکار به واقعیت ملموس تبدیل می‌شوند، سازگار خواهیم شد.
@karnil

به جای این موارد به دنبال دوپامین طبیعی باشید

۱. صمیمیت واقعی: صحبت با کسی که دوستش داری یا افکار و ذهنیت مشترک دارید
۲. خوش گذرانی واقعی: بازی دست جمعی ، طبیعت گردی و...
۳.آرامش واقعی: مدتیشن، موزیک خوب، پیاده روی

۴.تغذیه سالم: غذا نه! باید سوخت مورد نیاز برای بدن تامین شود تا حال خوب بدست بیاری, سوخت مورد نیاز ویتامین ها و مواد غذایی طبیعی و مفید هستند

۵. پاداش معنادار: هدف گذاری و تموم کردن یک هدف یا پروژه


@karnil

اهرم مدیریتی

اهرم مدیریتی به معنای استفاده از ابزارها، روش‌ها و تاکتیک‌هایی است که مدیر می‌تواند با صرف هزینه، زمان یا انرژی نسبتاً کم، تأثیر زیادی بر نتایج نهایی سازمان بگذارد. در واقع، همان‌طور که در اهرم فیزیکی یک نیرو کم را به توان بیشتری تبدیل می‌کند، در مدیریت هم اقدامات کوچک ولی هوشمندانه می‌توانند بازدهی و اثربخشی را به‌طور چشم‌گیری افزایش دهند. این اهرم‌ها می‌توانند در حوزه‌های مختلفی مثل نیروی انسانی، فرآیندها، فناوری، فرهنگ سازمانی و حتی شبکه‌سازی و ارتباطات مورد استفاده قرار گیرند.

برای مثال، فرض کنید یک مدیر فروش تصمیم می‌گیرد به‌جای استخدام چند نیروی جدید، سیستم CRM (مدیریت ارتباط با مشتری) را بهبود دهد و آموزش‌های کوتاه‌مدتی برای تیم فروش برگزار کند. در نتیجه، با همان نیروی موجود، تعاملات با مشتریان بهینه‌تر می‌شود، زمان پیگیری‌ها کاهش می‌یابد و در نهایت فروش افزایش می‌یابد. این‌جا «آموزش هدفمند» و «به‌کارگیری فناوری» به‌عنوان دو اهرم مدیریتی عمل کردند؛ سرمایه‌گذاری کمی لازم بود ولی بهره‌وری نیروی فروش به‌طور محسوسی رشد کرد.

یا در مثال دیگری، در یک کارخانه تولیدی، به‌جای خرید دستگاه جدید گران‌قیمت، مدیر پروژه به تحلیل و بهبود جریان مواد اولیه و چیدمان خطوط تولید می‌پردازد (روش‌هایی مثل منحنی ارزش جریان یا تکنیک ۵S). با تغییر ترتیب کارها و مرتب‌سازی ابزارها، زمان تلف‌شده در هر شیفت کمتر می‌شود و ضایعات مواد کاهش می‌یابد. این‌جا «بهینه‌سازی فرآیند» و «کاهش ضایعات» به‌عنوان اهرم مدیریتی موجب می‌شوند بدون هزینه‌های کلان، میزان تولید و کیفیت کار بالا رود. در نتیجه، اهرم مدیریتی یعنی یافتن نقاط کلیدی و تأثیرگذار سازمان و متمرکز شدن روی آن‌ها تا با کمترین سرمایه‌گذاری بیشترین نتیجه حاصل شود.

@KARNIL

سه دلیل اصلی کاهش کارایی کارکنان

وقتی عملکرد یک کارمند کاهش می‌یابد، یک مدیر توانمند پیش از هرگونه قضاوت، ابتدا سه دلیل اصلی را بررسی می‌کند:

۱. نمی‌خواهد؟ (مشکل انگیزشی):
آیا کارمند انگیزه یا تمایل درونی برای انجام کار ندارد؟
🔹 راه‌حل مدیر: ایجاد محیطی الهام‌بخش و حمایت‌گر که در آن افراد با انگیزه شکوفا شوند.

۲. نمی‌تواند؟ (مشکل مهارتی):
آیا کارمند فاقد دانش، مهارت یا تجربه کافی برای انجام وظیفه مورد نظر است؟
🔹 *راه‌حل مدیر:* سرمایه‌گذاری در آموزش، یادگیری و ارتقای مهارت‌های لازم.

۳. نمی‌گذارند؟ (مشکل سیستمی):
آیا با وجود انگیزه و توانایی، موانع بیرونی مانند فرآیندهای ناکارآمد، کمبود منابع یا مشکلات ساختاری مانع کار او هستند؟
🔹 *راه‌حل مدیر:* شناسایی این موانع و اصلاح یا حذف آن‌ها از مسیر عملکرد تیم.

جمع‌بندی:
یک مدیر مؤثر فقط روی عملکرد فردی تمرکز نمی‌کند، بلکه مسئولیت ایجاد بستری مناسب برای موفقیت را بر عهده دارد. او با مدیریت محیط، فرآیندها و ابزارها، زمینه را برای شکوفایی توانایی‌های تیم خود فراهم می‌کند.

افرادی که فقط روی یک اولویت کلیدی تمرکز کرده و تلاش زیادی برای عالی عمل کردن در همان حوزه‌ داشتند، به طور میانگین ۲۵ درصد عملکرد بهتری نسبت به کسانی داشتند که سعی کرده بودند به سراغ تعداد زیادی از اولویت‌ها بروند.

@karnil

کیست این من، این منِ با من ز من بیگانه‌تر
این منِ من‌من کنِ از من کمی دیوانه‌تر

@mojnegaar

مشکل من نیست

اثر لوکا پونزاتو

@karnil

🔵دانشمندان با ریاضیات ثابت کردند: جهان ما شبیه‌سازی کامپیوتری نیست

🔸پژوهشگران دانشگاه بریتیش کلمبیا با استفاده از قضایای ناتمامیت گودل نشان داده‌اند که جهان نمی‌تواند یک شبیه‌سازی کامپیوتری باشد. آنها توضیح می‌دهند که عمیق‌ترین لایه‌های واقعیت بر پایه درک غیرالگوریتمی بنا شده است، در حالی که هر شبیه‌سازی کامپیوتری ذاتاً الگوریتمی است. این یافته ایده «زندگی در ماتریکس» را رد می‌کند و نشان می‌دهد که واقعیت فراتر از محاسبات و الگوریتم‌هاست.

🔸مطالعه تأکید می‌کند که توصیف کامل واقعیت فیزیکی با یک نظریه محاسباتی گرانش کوانتومی غیرممکن است و هیچ نظریه همه‌چیز صرفاً از محاسبات مشتق نمی‌شود. پژوهشگران نتیجه گرفتند که برای درک جهان باید یک «فرا-نظریه همه‌چیز» توسعه یابد که لایه غیرالگوریتمی را نیز در بر بگیرد. دکتر لاورنس کراوس این نتایج را دارای پیامدهای عمیق برای فیزیک بنیادی دانست. یافته‌ها در ژورنال Holography Applications in Physics منتشر شده است.

@karnil

خلق کردن اکسیژن روح است.
تا زمانی که خلق می‌کنیم احساس زنده بودن می‌کنیم.
تنها راه اتصال به جهانی که دائما خلق می‌کند همین است.


@mojnegaar

🚘 پایان اضطراب برد خودروهای برقی؛ ساخت بزرگراهی در فرانسه که باتری خودرو را شارژ می‌کند

🔸فرانسه نخستین بزرگراه شارژکننده خودروهای برقی را آزمایش کرده است؛ در این مسیر ۱.۵ کیلومتری، چهار خودروی برقی شامل کامیون، ون، سواری و اتوبوس توانستند در حال حرکت با قدرت ۳۰۰ کیلووات شارژ شوند. این فناوری که توسط Electreon، Wireless و Vinci Group توسعه یافته، امکان شارژ بی‌سیم پویا را فراهم می‌کند. توان انتقالی این سیستم به‌طور متوسط بیش از ۲۰۰ کیلووات است که مشابه سوپرشارژرهای تسلا عمل می‌کند. این نوآوری نگرانی‌ها درباره برد خودروهای برقی را کاهش می‌دهد.

🔸رانندگان برای استفاده از این فناوری تنها کافی است از خط ویژه شارژ عبور کنند و نیازی به توقف یا اتصال کابل ندارند. این روش می‌تواند زمان شارژ را به چند دقیقه کاهش دهد و برد خودرو را به‌طور هم‌زمان افزایش دهد.

@karnil

🧠 زیرنویس مغزی؛ دانشمندان راهی برای تبدیل افکار به متن با اسکن MRI پیدا کردند

🔸دانشمندان آزمایشگاه علوم ارتباطات کاناگاوا ژاپن تکنیکی به نام «زیرنویس ذهنی» (Mind Captioning) توسعه داده‌اند که می‌تواند افکار انسان را با تحلیل اسکن MRI به متن تبدیل کند. این روش با ترکیب چندین مدل #هوش_مصنوعی ساخته شده است؛ ابتدا یک مدل زبانی عمیق متن‌های زیرنویس بیش از ۲۰۰۰ ویدیو کوتاه را تحلیل کرده و امضای معنایی ایجاد کرده است. سپس مدل دیگری براساس اسکن‌های مغزی شش شرکت‌کننده که همان ویدیوها را تماشا کرده‌اند آموزش دیده و امضاهای معنایی مرتبط با فعالیت مغزی آنها تولید شده است. 

🔸نتایج نشان داد که مدل هوش مصنوعی می‌تواند افکار را به متن نزدیک به واقعیت تبدیل کند. در یک نمونه، هنگام مشاهده ویدیوی پرش فردی از آبشار، مدل ابتدا واژه «جریان بهاری» را پیش‌بینی کرد، سپس آن را به «آبشار سریعی درحال پایین ریختن» تغییر داد و در نهایت عبارت دقیق‌تر «یک نفر از آبشار مرتفع در لبه کوه می‌پرد» را تولید کرد. این فرایند نشان می‌دهد که مدل با چندین تلاش می‌تواند از مفاهیم کلی به توصیف دقیق‌تر برسد. 

@karnil

🔥 گوگل Nested Learning را معرفی کرد — رویکردی نوین در یادگیری مداوم، شبیه مغز انسان

گوگل در پژوهش تازهٔ خود، پارادایم جدیدی به نام Nested Learning یا یادگیری تودرتو ارائه کرده است؛ روشی که اجازه می‌دهد مدل‌های هوش مصنوعی دانش جدید را درون ساختار قبلی خود لایه‌بندی کنند، بدون اینکه مهارت‌ها و اطلاعات پیشین را از دست بدهند.

✅ رویکرد Nested Learning چیست؟
در این رویکرد، هر مرحلهٔ جدید آموزش درون لایه‌های قبلی قرار می‌گیرد؛ درست مثل لایه‌گذاری دانش در ذهن انسان.
به‌جای بازنویسی یا جایگزینی اطلاعات قبلی، مدل:
توانایی‌های گذشته را حفظ می‌کند
قابلیت سازگاری با وظایف جدید را به‌دست می‌آورد
بهتر تشخیص می‌دهد در چه حالت و چه زمینه‌ای باید پاسخ دهد

✅ چه مزایایی دارد؟

1) یادگیری بی‌پایان بدون فراموشی
مدل می‌تواند به صورت مداوم یاد بگیرد، بدون آنکه دانش قبلی پاک یا تضعیف شود.
این یعنی پایان مشکل «فراموشی فاجعه‌بار» در یادگیری ماشینی.

2) فهم عمیق‌تر از بافت و زمینه
روش Nested Learning کمک می‌کند مدل بداند در چه وضعیتی قرار دارد — مثلاً آیا در حالت استدلال است؟ خلاصه‌سازی؟ ترجمه؟
این منجر به رفتار هوشمندانه‌تر و سازگارتر می‌شود.

3) نزدیک‌تر شدن به شیوه یادگیری انسان
این روش یادگیری را مرحله‌ای، تدریجی و پویا می‌کند — شبیه همان چیزی که در مغز انسان می‌بینیم.



@karnil

💢برایان چسکی، مدیرعامل Airbnb، در مصاحبه‌ای با ABC News به دانشجویان توصیه کرده که به جای ترس از هوش مصنوعی (AI)، روی مهارت‌های انسانی پایدار تمرکز کنند – چون این‌ها هرگز جایگزین‌پذیر نیستند و AI نمی‌تونه خلاقیت یا روابط انسانی رو کاملاً تقلید کنه.

⦁ حل مسئله: همیشه یاد بگیرید مسائل رو حل کنید، چون AI در افکار تازه و خلاقانه مشکل داره.
⦁ رهبری: مهارت‌های رهبری رو تقویت کنید؛ یک مدیر خوب ارتباط مؤثر، اهداف واضح و سازماندهی بالا داره.
⦁ تفکر انتقادی: این مهارت کلیدی‌ست و AI نمی‌تونه جایگزینش بشه.
⦁ ارتباط: مردم همیشه به روابط اجتماعی و ارتباط نیاز دارن، که AI کامل نمی‌تونه پوشش بده.

او هشدار داده که شرکت‌ها نباید مشاغل سطح مبتدی رو با AI جایگزین کنن، حتی اگر AI بتونه کارهای کارآموزی رو انجام بده؛ این کار نسل جوان (Gen Z) رو از بازار کار حذف می‌کنه و در آینده، رهبری استراتژیک رو مختل می‌کنه.

در نهایت، پیش‌بینی صنایع ایمن از AI بی‌فایده‌ست، پس فقط به جلو حرکت کنید و مهارت‌های جاودانه رو پرورش بدید!

@karnil

آیا ما مهارت‌های قرن ۲۱ را بیش از حد پیچیده کرده‌ایم؟

گستردگی اصطلاحات، تعاریف و ابزارهای سنجش مهارت‌ها، موجب سردرگمی در استخدام، آموزش و توسعه نیروی انسانی شده است.
یک مطالعه جدید با رویکردی سه‌مرحله‌ای – مرور نظام‌مند ادبیات، تحلیل معنایی نهفته (LSA)، و تحلیل خوشه‌ای سلسله‌مراتبی – تلاش کرده است میزان هم‌پوشانی معنایی و #روانسنجی مهارت‌های قرن ۲۱ را اندازه‌گیری کند.

یافته‌های اصلی این پژوهش:
پژوهشگران برای تنها ۴۰ مهارت، با ۴۴۶ تعریف متفاوت و ۴۵۷ ابزار سنجش گوناگون مواجه شدند که نشان‌دهنده آشفتگی در این حوزه است.
مغالطه جنگل (Jangle Fallacy): تحلیل‌ها همپوشانی بسیار بالایی را میان مهارت‌ها نشان داد. این یعنی بسیاری از مهارت‌هایی که نام‌های جداگانه دارند (مثل «کار تیمی-teamwork-» و «همکاری-collaboration-»)، در واقع یک چیز را می‌سنجند و ابزارهای اندازه‌گیری یکسانی دارند.
خوشه‌بندی مفاهیم: مهارت‌هایی نظیر رهبری، ارتباطات و آگاهی موقعیتی، همگی در یک خوشه واحد (مهارت‌های بین‌فردی) قرار می‌گیرند و مرزهای معنایی نزدیکی دارند.
در مقابل، برخی مهارت‌ها مثل تفکر محاسباتی (Computational Thinking)، مدیریت زمان (Time Management)، فراشناخت (Metacognition)، تحمل ابهام (Uncertainty Tolerance) و تفکر سیستمی (Systems Thinking) از نظر معنایی نسبت به بسیاری از دیگر مهارت‌ها متمایز بودند و این بر منحصربه‌فرد بودن آن‌ها تأکید می‌کند.


لینک مقاله اصلی

@karnil

ابرکارمند (Superworker) در عصر هوش مصنوعی

حسین حسینی پناه

در دنیایی که هوش مصنوعی (AI) با سرعتی خیره‌کننده در حال دگرگون کردن مشاغل و صنایع است، مرز میان توانایی‌های انسان و ماشین روزبه‌روز کمرنگ‌تر می‌شود. در دل این تحول، مفهومی نو در عرصه‌ی مدیریت منابع انسانی پدیدار شده است؛ مفهومی که آینده‌ی کار را بازتعریف می‌کند: ابرکارمند (Superworker).

ابرکارمند کسی است که به‌جای نادیده گرفتن هوش مصنوعی، آن را به‌عنوان دستیار هوشمند خود می‌پذیرد و از آن برای تقویت توانمندی‌های انسانی بهره می‌گیرد.
در عصری که هر کارمند می‌تواند در کنار خود یک دستیار مبتنی بر هوش مصنوعی داشته باشد، ابرکارمند کسی است که می‌داند چگونه از این فناوری به‌صورت هدفمند، خلاقانه و استراتژیک استفاده کند تا:
ـ ارزشی افزون‌تر برای سازمان بیافریند،
ـ تصمیم‌های دقیق‌تر و سریع‌تری بگیرد،
ـ و زمان خود را صرف کارهایی کند که اثرگذاری بیشتری دارند.

ابرکارمند در واقع کسی است که با تکیه بر هوش مصنوعی، برای خود «مغز دوم» ساخته است؛ مغزی که وظایف تکراری و زمان‌بر را انجام می‌دهد تا او بتواند بر تفکر، نوآوری و تصمیم‌سازی تمرکز کند.
به بیان دیگر، ابرکارمند با ترکیب هوشمندانه‌ی مهارت‌های انسانی (خلاقیت، همدلی، تفکر انتقادی) و قدرت هوش مصنوعی، به سطوح جدیدی از بهره‌وری و خلق ارزش دست می‌یابد.

اگر در گذشته، بهره‌وری به معنای «انجام کار بیشتر در زمان کمتر» بود، امروزه بهره‌وری یعنی «خودکارسازی کارهای تکراری» برای آزادسازی ظرفیت ذهنی انسان جهت انجام کارهای عمیق‌تر.
ابرکارمند بر «خلق ارزش» تمرکز دارد، نه صرفاً «انجام وظیفه».

ویژگی‌های ابرکارمندان

ذهنیت یادگیرنده: ابرکارمند همواره در حال یادگیری و آزمودن روش‌های نو برای بهبود عملکرد خود است.
تفکر داده‌محور: تصمیم‌هایش بر پایه‌ی تحلیل و شواهد است، نه صرفاً احساس یا عادت.
خلاقیت در حل مسئله: از فناوری برای گشودن مسیرهای جدید و نوآورانه استفاده می‌کند.
چابکی ذهنی: به‌سرعت با تغییرات محیط کار سازگار می‌شود و از فرصت‌ها بهره می‌گیرد.
خودمدیریتی بالا: زمان، تمرکز و انرژی خود را به‌شکلی هدفمند هدایت می‌کند.

نقش سازمان‌ها در پرورش ابرکارمندان

تحول به‌سوی ابرکارمندی تنها مسئولیت افراد نیست؛ بلکه تغییری راهبردی در سطح سازمان است. برای پرورش ابرکارمندان، سازمان‌ها باید:
تعریف مشاغل و مدل‌های کاری را بازطراحی کنند تا تعامل انسان و فناوری به‌شکلی هوشمند و سازنده انجام گیرد.
یادگیری مداوم را به بخش جدایی‌ناپذیر فرهنگ سازمانی تبدیل کنند.
توسعه‌ی مهارت‌های دیجیتال، تحلیلی و سیستمی را در مسیر رشد کارکنان بگنجانند.
سیستم‌های #منابع_انسانی را بازآفرینی کنند تا از انسان‌ها به‌عنوان شرکای استراتژیک در مسیر تحول دیجیتال حمایت نمایند.

در عصر #هوش_مصنوعی، برنده‌ی واقعی نه فناوری، بلکه انسانی است که می‌آموزد چگونه از آن به بهترین شکل استفاده کن.
@karnil