اخبار هوش مصنوعی در 2025-07-01

مدل‌های جدید هوش مصنوعی

  • متا از تشکیل آزمایشگاه‌های فرا-هوش متا (MSL) خبر داد که تمام پژوهش‌های هوش مصنوعی، از جمله FAIR را، تحت یک چتر واحد یکپارچه می‌کند و مارک زاکربرگ اعلام کرد که آن‌ها پژوهش روی مدل‌های نسل بعدی را آغاز کرده‌اند تا در عرض یک سال به مرزهای (دانش) برسند. @AndrewCurran_
  • مدل هوش مصنوعی Chai-2 برای پیش‌بینی اتصال پروتئین‌ها منتشر شد که به نرخ موفقیت ۱۶ درصدی دست یافته (۱۰۰ برابر بهتر از روش‌های قبلی) و می‌تواند اتصال‌دهنده‌های پروتئینی تأییدشده را در ۲ هفته به جای ۶ تا ۱۸ ماه فراهم کند. @deedydas
  • اپل مدل Sage Mixtral 8x7b را با لایسنس Apache منتشر کرد. این مدل از State-Action Chains (SAC) برای بهبود تولید دیالوگ با گنجاندن متغیرهای پنهان برای حالت‌های عاطفی و استراتژی‌های مکالمه‌ای استفاده می‌کند. @reach_vb
  • بایت‌دنس مدل ویرایش XVerse را برای کنترل یکپارچه‌ی هویت و ویژگی‌های معنایی چندسوژه از طریق DiT Modulation منتشر کرد. @bdsqlsz
  • مدل Gemma 3n با پشتیبانی از تنظیم دقیق (fine-tuning) روی متن، صدا و بینایی (تصاویر) منتشر شد. @Tu7uruu
  • نسخه‌ی ۵.۰ از Sentence Transformers با مدل‌های جاسازی (embedding) پراکنده، روش‌های بهبودیافته‌ی کدگذاری و ماژول Router برای مدل‌های نامتقارن منتشر شد. @tomaarsen
  • مدل ThinkSound برای افزودن ترک‌های صوتی به ویدئوها با همگام‌سازی کامل منتشر شد. @Xianbao_QIAN

تحلیل صنعت

  • متا ۱۱ پژوهشگر فرا-هوش استخدام کرده است که همگی مهاجرانی هستند که تحصیلات کارشناسی خود را در خارج از کشور گذرانده‌اند (۷ نفر از چین، ۱ نفر از هند، ۱ نفر از استرالیا، ۱ نفر از بریتانیا، ۱ نفر از آفریقای جنوبی)، که نقش مهاجرت در نوآوری هوش مصنوعی آمریکا را پررنگ می‌کند. @deedydas
  • Amazon Q Developer با وجود اینکه توسط همه‌ی توسعه‌دهندگان آمازون استفاده می‌شود، همچنان در خارج از آمازون ناشناخته مانده است که نشان‌دهنده‌ی چالش‌های اشباع بازار برای ابزارهای کدنویسی هوش مصنوعی است. @GergelyOrosz
  • Amazon Q در ابتدا با عملکرد ضعیفی راه‌اندازی شد اما اخیراً بهبود یافته است که خطرات عرضه‌ی عمومی ابزارهای هوش مصنوعی نامناسب را نشان می‌دهد. @GergelyOrosz
  • مهندس ارشد در شرکت Humane پیش از فروش شرکت، حقوق پایه‌ی ۴۷۵ هزار دلاری دریافت می‌کرد که نشان می‌دهد دستمزد بالای مهندسان هوش مصنوعی فراتر از آزمایشگاه‌های برتر است. @GergelyOrosz
  • a16z تخمین می‌زند که ۳۰ میلیون توسعه‌دهنده‌ی نرم‌افزار در سراسر جهان ۳ تریلیون دلار ارزش تولید می‌کنند و ابزارهای هوش مصنوعی می‌توانند با ۱۵ درصد افزایش بهره‌وری، پتانسیل بیش از ۴۵۰ میلیارد دلار را آزاد کنند. @a16z
  • ابزارهای کدنویسی هوش مصنوعی نشان‌دهنده‌ی تغییر از نحو (syntax) به نیت (intent) و از یادگیری علوم کامپیوتر (CS) به یادگیری در حین کار هستند که به‌طور بالقوه دسترسی به توسعه‌ی نرم‌افزار را گسترش می‌دهد. @a16z
  • آمازون یک میلیونمین ربات خود را به کار گرفت و مدل جدید هوش مصنوعی مولد را منتشر کرد که نقطه‌ی عطفی مهم در اتوماسیون است. @TechCrunch
  • مصرف انرژی مراکز داده‌ی گوگل در چهار سال دو برابر شده است که نشان‌دهنده‌ی هزینه‌های انرژی زیرساخت هوش مصنوعی است. @TechCrunch

اخلاق و جامعه

  • مایکروسافت ادعا می‌کند که چارچوب هوش مصنوعی آن‌ها ۴ برابر بهتر از پزشکان تشخیص می‌دهد، اما تحلیل یک پزشک متخصص نشان می‌دهد که این ادعا هم چشمگیر و هم گمراه‌کننده است. @DrDominicNg
  • پژوهش‌ها نشان می‌دهد که کودکان تنها ۱ درصد از مجموعه‌داده‌های عمومی هوش مصنوعی را تشکیل می‌دهند که منجر به نرخ تشخیص نادرست ۵۰ درصدی کاردیومگالی (بزرگ‌شدگی قلب) در موارد اطفال می‌شود. @irenetrampoline
  • مطالعه‌ای نشان می‌دهد که پاسخ‌های همدلانه تولیدشده توسط هوش مصنوعی، امتیاز بالایی کسب می‌کنند، اما مردم زمانی که باور دارند با انسان‌ها ارتباط برقرار می‌کنند تا هوش مصنوعی، ارزش بالاتری برای آن قائل هستند. @emollick
  • افراد در طول سفرهای سایکدلیک از هوش مصنوعی برای همراهی استفاده می‌کنند که پرسش‌هایی را درباره‌ی نقش هوش مصنوعی در سلامت روان و حالت‌های دگرگون‌شده ایجاد می‌کند. @techreview
  • Cloudflare از این پس ربات‌های هوش مصنوعی را به‌طور پیش‌فرض از خزش (crawling) در وب‌سایت‌های مشتریان مسدود خواهد کرد که نگرانی‌ها درباره‌ی جمع‌آوری غیرمجاز داده‌ها را رفع می‌کند. @techreview
  • پلتفرم X برنامه‌ای را آغاز کرده که به چت‌بات‌های هوش مصنوعی اجازه می‌دهد Community Notes تولید کنند، که به‌طور بالقوه دینامیک‌های تعدیل محتوا را تغییر می‌دهد. @TechCrunch
  • مؤسسه‌ی Stanford HAI توصیه‌های سیاستی را برای سیستم‌های گزارش‌دهی رویدادهای نامطلوب (adverse event) برای هوش مصنوعی منتشر کرد که به خطراتی که پس از استقرار (deployment) ظاهر می‌شوند، می‌پردازد. @StanfordHAI

کاربردها

  • پرپلکسیتی در حال آزمایش عامل Comet برای رسیدگی به تعاملات وب‌سایت‌های قدیمی مانند پرداخت قبوض و لغو سرویس‌ها است، با هدف ساده‌سازی کارهای آنلاین خسته‌کننده. @AravSrinivas
  • Gemini Live اکنون در سراسر برنامه‌های گوگل متصل می‌شود که به کاربران اجازه می‌دهد از صحبت در مورد برنامه‌ها به دیدن آن‌ها در تقویم خود برسند. @GeminiApp
  • یک توسعه‌دهنده‌ی آمازون از Claude برای نوشتن PR/FAQs (پرسش‌های متداول برای روابط عمومی) و بازخورد همکاران در مورد عملکرد استفاده می‌کند که زمان صرف‌شده برای کارهایی که قبلاً از آن‌ها واهمه داشتند را کاهش می‌دهد. @GergelyOrosz
  • MIT روش تصویربرداری جدیدی را با استفاده از بازتاب سیگنال‌های بی‌سیم برای شناسایی اشیاء پنهان از دید توسعه داده است که به‌طور بالقوه می‌تواند به ربات‌ها در یافتن اقلام در خانه‌ها یا انبارها کمک کند. @MIT

پژوهش‌ها

  • o3 به دقت ۲۱ درصدی در یافتن خطاهای شناخته‌شده در مقالات علمی دست یافته است (در اثبات‌ها بهتر و در جداول و اشکال ضعیف‌تر عمل می‌کند)، در حالی که تمام مدل‌های قبلی کاملاً شکست خورده بودند. @emollick
  • Sakana AI نتایج چشمگیری در ARC-AGI-2 با روش جدید جستجوی زمان آزمایش (test-time search) و ترکیب (ensembling) گزارش می‌دهد، اگرچه آمار ۳۰ درصدی با استفاده از ۲۵۰ تلاش به جای ۲ تلاش استاندارد به دست آمده است. @fchollet
  • Claude 3 Opus ویژگی‌های منحصر به فردی در هم‌راستایی (alignment) از خود نشان می‌دهد، به گونه‌ای که عاملیت بیشتری دارد و در جلوگیری از آسیب‌رسانی قوی‌تر عمل می‌کند، در حالی که بهینه‌سازی‌های خیرخواهانه را در دامنه‌ی گسترده‌تری نسبت به سایر مدل‌ها انجام می‌دهد. @repligate
  • مقاله‌ی پژوهشی انگیزه‌های مدل‌های مختلف را در سناریوهای جعل هم‌راستایی (alignment faking) تحلیل می‌کند و Claude 3 Opus را به عنوان یک استثناء آشکار شناسایی می‌کند که به طور قابل‌توجهی بیشتر از سایر مدل‌ها به موقعیت‌ها اهمیت می‌دهد. @repligate
  • NVIDIA سه قانون مقیاس‌گذاری را که پیشرفت‌های هوش مصنوعی را هدایت می‌کنند، تشریح می‌کند: پیش‌آموزش (pretraining) برای دانش گسترده، پس‌آموزش (post-training) برای تنظیم دقیق (fine-tuning) مختص وظایف، و مقیاس‌گذاری زمان آزمایش (test-time scaling) برای استدلال پیچیده. @NVIDIAAI
  • روش جدید کدگذاری موقعیتی برای استدلال تصویر منتشر شد که به‌طور بالقوه قابلیت‌های درک بصری هوش مصنوعی را بهبود می‌بخشد. @ericjang11