اخبار هوش مصنوعی در 2025-10-20
مدلهای جدید هوش مصنوعی
- آنتروپیک (Anthropic) کلود برای علوم زیستی (Claude for Life Sciences) را با رابطهای جدید برای ابزارهای علمی مانند Benchling، PubMed و Synapse.org، بهعلاوهی قابلیتهای عامل (Agent Skills) برای دنبال کردن پروتکلهای علمی به شکلی پایدار و یکنواخت معرفی کرد @AnthropicAI
- آنتروپیک کلود کد (Claude Code) را برای وب و iOS منتشر کرد، که به کاربران امکان میدهد وظایف کدنویسی را بدون نیاز به باز کردن ترمینال واگذار کنند @claudeai
- DeepSeek یک مدل OCR 3B جدید عرضه کرد که برای بهرهوری توکن بهینهسازی شده و قادر به پردازش بیش از ۲۰۰ هزار صفحه در روز بر روی A100-40G است @reach_vb
- Veo 3.1 گوگل با جهشی ۳۰ امتیازی نسبت به Veo 3.0، در هر دو جدول ردهبندی تبدیل متن به ویدئو و تصویر به ویدئو در رتبهی اول قرار گرفت و به اولین مدلی تبدیل شد که در تاریخ Video Arena امتیاز ۱۴۰۰ را پشت سر میگذارد @arena
- گوگل قابلیتهای جدید ویرایش دقیق را برای Veo معرفی کرد که امکان افزودن یا حذف عناصر از صحنههای ویدئویی را فراهم میکنند، در حالی که یکپارچگی ویدئوی اصلی حفظ میشود @GoogleDeepMind
تحلیل صنعت
- داریو آمودی، مدیر عامل Anthropic، اظهار داشت که آنها میخواهند «درصد قابل توجهی از تمام کارهای علوم زیستی در جهان بر روی کلود اجرا شود» و معتقد است که ما در حال نزدیک شدن به نقطهی عطفی برای پیشرفتهای بیولوژیکی مدلهای زبان بزرگ (LLM) هستیم @AndrewCurran_
- گوگل انتظار دارد که تا پایان سال، داروهای طراحیشده با هوش مصنوعی را وارد آزمایشهای بالینی کند، که نشاندهندهی پیشرفت سریع در کاربردهای هوش مصنوعی در صنعت داروسازی است @AndrewCurran_
- OpenAI محدودیتهای کپیرایت Sora را تشدید کرد، پس از آنکه برایان کرانستون، ستارهی Breaking Bad، خود را در نسلهای Sora 2 دید و با SAG-AFTRA تماس گرفت که منجر به بیانیهی مشترکی در مورد حفاظت از صدا و شباهت شد @AndrewCurran_
- قطعی بزرگ AWS بر بسیاری از سرویسهای هوش مصنوعی از جمله Perplexity تأثیر گذاشت، که نشاندهندهی وابستگیهای زیرساختی در استقرار هوش مصنوعی است @AravSrinivas
- رید هافمن بر اهمیت حمایت از «افراد خوب» در حوزهی هوش مصنوعی تأکید کرد و به طور خاص Anthropic، مایکروسافت، گوگل و OpenAI را به خاطر استقرار هوش مصنوعی به شیوهای متفکرانه و ایمن ستود @reidhoffman
اخلاق و جامعه
- SAG-AFTRA، OpenAI، برایان کرانستون و آژانسهای استعدادیابی با یکدیگر همکاری میکنند تا از حفاظت صدا و شباهت در Sora 2 اطمینان حاصل کنند، به دنبال نگرانیها در مورد استفادهی غیرمجاز از شباهت بازیگران @sagaftra
- گرگلی اوروس (Gergelyorosz) به پدیدهی حسابهای ناشناسی اشاره میکند که در رسانههای اجتماعی، پاسخهای تولیدشده با هوش مصنوعی را منتشر میکنند و متذکر میشود که فراگیر شدن هوش مصنوعی چگونه به کاهش اعتماد و تجربهی بدتر در رسانههای اجتماعی منجر میشود @GergelyOrosz
- رید هافمن هشدار میدهد که مکالمات مربوط به ایمنی هوش مصنوعی را به کلیشهها یا زنگهای خطر محدود نکنیم و بر لزوم گفتوگوی متفکرانه در مورد استفادهی مسئولانه از هوش مصنوعی برای میلیاردها انسانی که زندگیشان با هوش مصنوعی تغییر خواهد کرد، تأکید میکند @reidhoffman
کاربردها
- شرکتهایی مانند Sanofi، AbbVie و Novo Nordisk هماکنون از کلود برای تحقیقات علوم زیستی از مراحل اولیهی کشف تا تجاریسازی استفاده میکنند @AnthropicAI
- Sierra با R1 شریک شد تا فناوری هوش مصنوعی را به کار گیرد برای خودکارسازی بیش از ۴۰ میلیون تماس در سال با بیماران و پرداختکنندگان هزینهها در مدیریت درآمد مراقبتهای بهداشتی @btaylor
- گوگل ترکیب Veo 3.1 با Nano Banana را به نمایش گذاشت برای تنظیم دقیق لباس، مدل مو و پسزمینهی شخصیتهای ویدئویی پیش از تولید ویدئوهای نهایی @GeminiApp
- سایمون ویلسون (Simon Willison) با موفقیت مدل OCR DeepSeek را بر روی سختافزار NVIDIA Spark مستقر کرد، با استفاده از Claude Code به عنوان روت، که جریانهای کاری عملی استقرار مدل هوش مصنوعی را نشان میدهد @simonw
- TechCrunch در مورد OpenEvidence، پلتفرمی که بر اساس مقالات پزشکی JAMA و New England Journal of Medicine آموزش دیده است، گزارش میدهد و به متخصصان پزشکی تأییدشده کمک میکند تا به سرعت به دانش پزشکی موجود برای درمان بیماران دسترسی پیدا کنند @TechCrunch
پژوهشها
- ایتان مالیک (Ethan Mollick) قابلیتهای شبیهسازی پیشرفتهی Veo 3.1 را به نمایش میگذارد و نشان میدهد که چگونه میتواند سناریوهای جدید فیزیکی مانند «سه کشتی اسباببازی، یکی از آهن، یکی از چوب و دیگری از شکر، که در آب میافتند» را با دینامیکهای شگفتانگیز دقیق مدیریت کند @emollick
- کارپاتی (Karpathy) تفاوتهای اساسی بین رویکردهای خودرگرسیو (autoregressive) و انتشار (diffusion) در هوش مصنوعی را توضیح میدهد و اشاره میکند که انتشار از توجه دوطرفه (bidirectional attention) برای بازسازی مکرر بوم توکن (token canvas) استفاده میکند، در حالی که خودرگرسیون توکنها را به صورت متوالی اضافه میکند @karpathy
- ناتان لمبرت (Nathan Lambert) مقالهی ScaleRL را بررسی میکند و مؤلفههای کلیدی برای مقیاسپذیری یادگیری تقویتی را برجسته میکند: نمونهبرداری با اهمیت (importance sampling)، بهروزرسانیهای حین اجرا (in-flight updates) و دستهبندی پیوسته (continuous batching) @natolambert
- دیلیپ جورج (Dileep George) استدلال میکند که مقیاسبندی مدلهای زبان بزرگ (LLM) و مدلهای چندوجهی کنونی (VLM) به هوش عمومی مصنوعی (AGI) منجر نخواهد شد و دوران کنونی هوش مصنوعی را با دوران کشتیهای هوایی در هوانوردی مقایسه میکند که در آن مهندسان به جای حل مسائل بنیادی، بر مقیاسبندی تمرکز کرده بودند @dileeplearning
- امولیک (Emollick) بحث میکند که چگونه عاملهای هوش مصنوعی (AI agents) هزینههای تراکنش و مشکلات نمایندگی (agency problems) را به شدت تغییر خواهند داد، با پیامدهایی برای نحوهی سازماندهی بازارها و شرکتها، حتی با عاملهای ناقصی که صرفاً موانع جمعآوری اطلاعات را کاهش میدهند @emollick
- فرانسوا شوله (Francois Chollet) GPTQ را به عنوان یک روش کوانتیزاسیون پس از آموزش (post-training quantization) توضیح میدهد که مدلها را با استفاده از روشهای مرتبهی دوم، لایه به لایه به int4 فشرده میکند و اکنون در Keras 3 تعبیه شده است @fchollet
- Berkeley AI، ECHO را معرفی میکند؛ یک معیار جدید تولید تصویر «در محیط واقعی» (in-the-wild) که مدلهای جدید تصویر و موارد استفادهی مورد بحث در رسانههای اجتماعی را که معیارهای قدیمی پوشش نمیدهند، آزمایش میکند @aomaru_21490
- Anthrogen Bio، Odyssey را معرفی کرد؛ یک مدل زبان پروتئین با ۱۰۲ میلیارد پارامتر که مکانیزم سلف-اتنشن (self-attention) را با معماری جدیدی جایگزین میکند و با هدف انتشار (diffusion objective) الهامگرفته از تکامل آموزش میبیند @gustaf