اخبار هوش مصنوعی در 2025-10-24
مدلهای جدید هوش مصنوعی
- انتروپیک افزایش گستردهی استفاده از TPUهای گوگل کلود را اعلام کرد که با تضمین تقریباً یک میلیون TPU و بیش از یک گیگاوات ظرفیت در سال ۲۰۲۶، به ارزش دهها میلیارد دلار، با هدف افزایش چشمگیر منابع محاسباتی جهت پژوهشهای هوش مصنوعی و توسعهی محصول انجام میشود @AnthropicAI
- گوگل Gemini 2.5 Flash را منتشر کرد که دارای راهنمایی گامبهگام بهبودیافته برای موضوعات پیچیده، پاسخهای سازمانیافتهتر و درک بهتر تصاویر برای یادداشتها و نمودارها است @GeminiApp
- گوگل مدل ویدیویی Veo 3.1 را راهاندازی کرد که دارای بافتهای واقعی، کنترل آسانتر دوربین و دیالوگ با جلوههای صوتی برای ساخت داستانهای جذاب است @GeminiApp
- میسترال ایآی Mistral AI Studio را معرفی کرد؛ یک پلتفرم هوش مصنوعی تولیدی که توسعهدهندگان را قادر میسازد از مرحلهی آزمایش هوش مصنوعی به تولید حرکت کنند و دارای زمان اجرای قوی برای عاملها و قابلیت مشاهدهی عمیق در سراسر چرخهی حیات هوش مصنوعی است @MistralAI
- مایکروسافت چندین بهروزرسانی برای Copilot اعلام کرد که شامل کانکتورهایی برای جستجو در OneDrive، Outlook، Gmail، Google Drive و Google Calendar، همچنین Groups برای همکاری بلادرنگ، Learn Live بهعنوان یک معلم سقراطی با قابلیت صوتی، و Mico بهعنوان یک همراه بیانگر میشود @Copilot
- اوپنایآی ChatGPT Atlas را راهاندازی کرد که میتواند آنچه کاربران جستجو کردهاند، بازدید کردهاند و پرسیدهاند را به خاطر بسپارد و به ChatGPT زمینهی بهتری برای پاسخهای دقیقتر و قابلیت باز کردن، بستن یا بازبینی تبها میدهد @OpenAI
تحلیل صنعت
- سازندهی اوریو ۴۰ میلیون دلار در آموزش مدل ویدیویی خود برای تبلیغات تلویزیونی سرمایهگذاری کرده و ادعا میکند که این کار هزینههای تولید را ۳۰ تا ۵۰ درصد کاهش میدهد. همچنین پیشبینی میشود تا سال آینده تشخیص اینکه یک تبلیغ توسط هوش مصنوعی تولید شده باشد، دشوار خواهد بود @AndrewCurran_
- اعتماد به کار از راه دور در میان بسیاری از بنیانگذاران به دلیل مواردی از انجام چندین شغل توسط کارمندان یا تغییر هویت، از بین رفته است. این امر منجر به دستورالعملهای بازگشت به دفتر شده، زیرا شرکتها کار حضوری را ترجیح میدهند تا از نظارت بر کارمندان از راه دور جلوگیری کنند @GergelyOrosz
- مورد سوهام پارخ که گفته میشود با قبول چندین پیشنهاد شغلی، بیش از ۲۳ شرکت را فریب داده است، بهعنوان هشداری به شرکتهای سیلیکون ولی دربارهی خطرات کار از راه دور و خروجی پایین علیرغم عملکرد قوی در مصاحبه عمل میکند @GergelyOrosz
- Sierra این امکان را میدهد که عاملها در پلتفرمهای متعددی از جمله وبسایتها، اپلیکیشنهای موبایل، سیستمهای تلفنی و اکنون ChatGPT منتشر شوند و به شرکتها اجازه میدهد یک بار بسازند و در همهجا اجرا کنند تا به صدها میلیون مصرفکننده دست یابند @btaylor
اخلاق و جامعه
- موسیقی هوش مصنوعی ظاهراً در آزمون تورینگ موفق شده است؛ بهطوری که مردم تنها با شانس ۵۰/۵۰ میتوانستند آهنگهای قدیمیتر Suno را از آهنگهای انسانی تشخیص دهند. این موضوع نشاندهندهی تغییرات بزرگی در مصرف موسیقی است، زیرا ساخت آهنگ توسط هوش مصنوعی کمتر از گوش دادن به آهنگها زمان میبرد @emollick
- پژوهشگران استنفورد تکنیکی را توسعه دادند تا با استفادهی صرف از دسترسی blackbox، تشخیص دهند که آیا مدلهای هوش مصنوعی از دادههای آموزشی سرقتشده به دست آمدهاند یا خیر. این کار با آزمایش استقلال ترتیب دادههای آموزشی همراه با تضمینهای آماری و مقادیر p کمتر از 1e-8 انجام میشود @percyliang
- پژوهشها نشان میدهد که LLMها اغلب دستورات دقیق را نادیده میگیرند و پاسخهای اشتباه تولید میکنند؛ زیرا میانبرهای آماری را از دادههای آموزشی یاد میگیرند که منجر به پاسخهای بیش از حد مطمئن میشود، حتی زمانی که بافتار باید پاسخ را تغییر دهد @qi2peng2
کاربردها
- گوگل برای اولین بار مزیت کوانتومی قابلتأیید را با اجرای الگوریتم Quantum Echoes به نمایش گذاشت که گامی مهم به سوی کاربردهای واقعی محاسبات کوانتومی است و همزمان قابلیتهای Earth AI را برای پایش محیط زیست و واکنش به بلایا گسترش میدهد @GoogleAI
- جاستین کی، دانشجوی دکترای MIT، راهحلهای هوش مصنوعی و بینایی ماشین را برای تلاشهای حفاظتی توسعه میدهد و کاربردهای عملی فناوری را برای حفاظت از محیط زیست به نمایش میگذارد @MIT_CSAIL
- پژوهشگران استنفورد یک مدل بینایی ماشین ایجاد کردند که کاربرد واقعی اشیا را در تصاویر تشخیص میدهد و فراتر از تشخیص سادهی شیء، اهداف عملکردی را درک میکند @StanfordHAI
- Tahoe AI مدل بنیادین تکسلولی Tahoe-x1 (Tx1) با ۳ میلیارد پارامتر را منتشر کرد که به عملکردی پیشرفته در معیارهای زیستشناسی سلولی مرتبط با سرطان دست یافته است @nalidoust
پژوهشها
- آندری کارپاتی آموزش دادن nanochat d32 را برای شمردن حروف در کلمات از طریق تولید وظایف مصنوعی و تنظیم دقیق به نمایش گذاشت و نشان داد که چگونه مدلهای کوچک برای یادگیری قابلیتهای جدید به توکنایزیشن دقیق و محاسبات استدلالی پراکنده در چندین توکن نیاز دارند @karpathy
- پژوهشگر MIT محاسبات الهامگرفته از مغز را برای هوش مصنوعی با بهرهوری انرژی بررسی میکند و رویکردهای نورومورفیک را برای کاهش نیازهای محاسباتی هوش مصنوعی مورد تحقیق قرار میدهد @MIT
- پژوهشگران Hubble را منتشر کردند؛ مجموعهای از LLMهای متنباز تا ۸ میلیارد پارامتر که برای مطالعهی خطرات حفظکردن با درج کنترلشدهی متون مانند بخشهایی از کتابها و زندگینامهها طراحی شدهاند @johntzwei
- Isaacus مدل Kanon 2 Embedder را راهاندازی کرد؛ یک LLM تعبیهی حقوقی که ادعا میکند ۹٪ عملکرد بالاتری نسبت به OpenAI Text Embedding 3 Large و ۶٪ بالاتر از Google Gemini Embedding دارد و با سرعت ۳۴۰٪ بیشتر از Voyage 3 Large عمل میکند @rohanpaul_ai
- جفری لیت رویکرد «جراح نرمافزار» را برای کدنویسی هوش مصنوعی پیشنهاد میکند که در آن توسعهدهندگان بر کارهای خلاقانهی اصلی تمرکز میکنند، در حالی که هوش مصنوعی کارهای ثانویه مانند مستندسازی، رفع اشکال و کاوش کد را انجام میدهد و بر سطوح خودمختاری متفاوت برای انواع مختلف کار تأکید میکند @geoffreylitt