اخبار هوش مصنوعی در 2025-06-29
تحلیل صنعت
- صنعت فناوری دچار رکود عمیقی شده است؛ فارغالتحصیلان جدید نمیتوانند شغل پیدا کنند، مدیران میانی در حال توجیه حضور خود هستند و هر کسی که در هوش مصنوعی فعالیت ندارد، میخواهد به این حوزه منتقل شود، در حالی که عدم امنیت شغلی (از نظر درآمد) به بالاترین حد خود رسیده است. @deedydas
- گزارش هزینهکرد هوش مصنوعی در شرکتها نشان میدهد که OpenAI همچنان برترین ارائهدهندهی مدل است و Claude به عنوان انتخاب دوم در میان ۳۰۰ مدیر اجرایی استارتاپهای نرمافزاری در شرکتهایی با درآمد ۱۰ میلیون تا بیش از ۱ میلیارد دلار قرار دارد. @deedydas
- شرکتها بیشتر از استنتاج و آموزش، صرف ذخیرهسازی داده، پردازش و زیرساخت هوش مصنوعی میکنند، در حالی که نیروی انسانی هوش مصنوعی گرانترین مورد هزینه است. @deedydas
- شرکتهای در حال رشد با درآمد متوسط حدود ۵۰۰ میلیون دلار، سالانه تقریباً ۱۰۰ میلیون دلار صرف آموزش، استنتاج، ذخیرهسازی و پردازش داده میکنند. @deedydas
- ۹۰٪ از استارتاپهای با رشد بالا یا در حال پیادهسازی فعالانه یا در حال آزمایش با عاملهای هوش مصنوعی هستند. @deedydas
- مدلهای قیمتگذاری اشتراکی برای شرکتهای هوش مصنوعی در حال شکست هستند، زیرا کاربران پرمصرف به دلیل هزینههای API مدلهای زبانی بزرگ (LLM) حاشیهی سود منفی ایجاد میکنند، در حالی که کاربران کممصرف در معرض خطر قطع اشتراک قرار دارند. @deedydas
- ابزارهای کمکبرنامهنویسی مانند Cursor و Claude در برنامههای کاربردی بهرهوری داخلی پیشتاز هستند، به طوری که هوش مصنوعی ۳۳٪ از کل کد را در استارتاپهای با رشد بالا مینویسد. @deedydas
کاربردها
- برای کاربردهای عملی عاملهای هوش مصنوعی، مشکلاتی مانند انحراف (drift)، هذیانگویی (hallucination) و خطاهای انباشته، با پرامپتینگ هوشمندانه، استفاده از ابزار، موضوعات محدود، داورهای مدلهای زبانی بزرگ (LLM judges) و فرآیندهای سازمانی، قابلحلتر از آن چیزی هستند که نگرانیهای نظری نشان میدهند. @emollick
- گردش کارهای پیچیدهی عامل هوش مصنوعی را اغلب میتوان به طور موثر به کار انداخت، با وجود مطالعاتی که شکست مدلهای زبانی بزرگ (LLM) آماده (out-of-the-box) را در موارد کاربرد پیچیده نشان میدهند. @emollick
پژوهشها
- Hugging Face مجموعهی دادهی ۲۰ ترابایتی و چندزبانهی جدید FineWeb2 را منتشر میکند که از بیش از ۱۰۰۰ زبان با یک پایپلاین پردازش دادهی قابلانطباق برای هر زبان پشتیبانی میکند. @HuggingPapers
- تحلیل اکوسیستم هوش مصنوعی باز نشان میدهد که ۱۴۱ سازمان مختلف در حال مشارکت با مدلها و مجموعهدادهها هستند و ماهیت مشارکتی توسعهی هوش مصنوعی باز را برجسته میکند. @interconnectsai
- موفقیت بهینهسازی شبکههای عصبی از لحاظ تجربی اثبات شده باقی میماند، با وجود فقدان تضمینهای نظری و بدون دلایل ریاضی برای اینکه چرا توابع هدف غیرمحدب (non-convex) در عمل موفق میشوند. @Shalev_lif