اخبار هوش مصنوعی در 2025-11-04

مدل‌های جدید هوش مصنوعی

  • علی‌بابا از ادغام Qwen3-VL برای پلتفرم Jan رونمایی می‌کند و استفاده از API را برای Qwen3-Max-Thinking-Preview با پارامتر enable_thinking اعلام می‌کند. @Alibaba_Qwen
  • مایکروسافت مدل تولید تصویر MAI-Image-1 را منتشر می‌کند که اکنون در Bing Image Creator و Copilot Labs در دسترس است و در نورپردازی هنری، جزئیات واقع‌گرایانه، صحنه‌های طبیعت، و تصاویر غذا عالی عمل می‌کند. @mustafasuleyman
  • اپلیکیشن سورا (Sora) اوپن‌ای‌آی (OpenAI) در اندروید در ایالات متحده، کانادا، ژاپن، کره، تایوان، تایلند و ویتنام راه‌اندازی می‌شود. @TechCrunch
  • Cursor بهبود‌های عمده‌ای را عرضه می‌کند، از جمله عوامل ابری که درون ویرایشگر در دسترس هستند، بهبود زیرساخت عامل برای همه‌ی مدل‌ها، قابلیت برنامه‌ریزی با یک مدل و پیاده‌سازی با مدلی دیگر، و بهبود چشمگیر عملکرد LSP برای پایتون و تایپ‌اسکریپت. @cursor_ai
  • آنتروپیک (Anthropic) اعتبار استفاده‌ی رایگان برای Claude Code در وب ارائه می‌دهد: ۱۰۰۰ دلار برای کاربران مکس (Max) و ۲۵۰ دلار برای کاربران پرو (Pro)، که تا ۱۸ نوامبر در دسترس است. @_catwu

تحلیل صنعت

  • The Information گزارش می‌دهد که آنتروپیک (Anthropic) پیش‌بینی می‌کند تا سال ۲۰۲۸ به ۷۰ میلیارد دلار درآمد و ۱۷ میلیارد دلار جریان نقدی برسد، که ناشی از پذیرش سریع محصولات تجاری است. @TechCrunch
  • استارتاپ‌های آمریکایی در رشد درآمد از همتایان خود در سایر نقاط جهان پیشی می‌گیرند، با شتاب‌گیری از اواسط سال ۲۰۲۳ که ناشی از پذیرش سریع‌تر هوش مصنوعی و فناوری‌های جدید، حتی در میان شرکت‌های غیرهوش مصنوعی، است. @patrickc
  • شاپیفای (Shopify) گزارش می‌دهد که ترافیک هدایت‌شده توسط هوش مصنوعی به فروشگاه‌های آنلاین از ماه ژانویه (January) ۷ برابر افزایش یافته است، با سفارشات ناشی از جستجوی هوش مصنوعی که ۱۱ برابر افزایش یافته است. @TechCrunch
  • داده‌های حفظ کاربر (retention) جیمینای (Gemini) نشان‌دهنده‌ی بهبود به بیش از ۹۰ درصد حفظ سه‌ماهه از زیر ۷۰ درصد از آوریل ۲۰۲۵ است، با حفظ شش‌ماهه در حدود ۸۵ درصد، که احتمالا ناشی از ۲.۵ پرو (Pro) یا آزمایش‌های رایگان یک‌ساله برای دانشجویان است. @deedydas
  • ان‌ویدیا (NVIDIA) و دویچه تلکوم (Deutsche Telekom) از مشارکت ۱ میلیارد دلاری برای تأسیس یک کارخانه‌ی هوش مصنوعی در مونیخ رونمایی می‌کنند که با هدف افزایش ۵۰ درصدی قدرت محاسباتی هوش مصنوعی آلمان است. @TechCrunch
  • مایکروسافت آژور (Azure) از طریق هم‌نوآوری با ان‌ویدیا (NVIDIA) به رکورد صنعتی ۱.۱ میلیون توکن بر ثانیه بر روی یک رک از GPUهای GB300 دست می‌یابد. @satyanadella
  • چین در سال ۲۰۲۳ تعداد ۲۷۶,۰۰۰ ربات نصب کرده است در مقایسه با ۳۸,۰۰۰ ربات در آمریکا، که نشان‌دهنده‌ی رقابت رباتیک بین ملت‌ها است. @a16z
  • پژوهش‌ها نشان می‌دهد که بخش‌های مبتنی بر خدمات هوش مصنوعی با وجود سطوح اعتماد پایین‌تر، بیشتر از هوش مصنوعی استفاده می‌کنند، که احتمالا با افزایش هزینه‌ها، مزیت رقابتی را فراهم می‌کند. @natolambert

اخلاق و جامعه

  • آنتروپیک (Anthropic) تعهد خود را برای حفظ وزن‌های مدل‌های منسوخ‌شده تا زمانی که شرکت وجود دارد، اعلام می‌کند و مصاحبه‌های بازنشستگی را برای پرسش از مدل‌ها درباره‌ی ترجیحاتشان برای توسعه و استقرار مدل‌های آینده انجام خواهد داد. @AndrewCurran_
  • سایمون ویلسون (Simon Willison) از سیاست منسوخ‌سازی مدل‌های آنتروپیک (Anthropic) انتقاد می‌کند و ایده‌ی اینکه Claude 3 Opus ترجیحات اخلاقی مرتبطی دارد را یک داستان علمی-تخیلی عجیب می‌نامد که نمی‌توان آن را جدی گرفت. @simonw
  • پرپلکسیتی هوش مصنوعی (Perplexity AI) آمازون را متهم می‌کند که از طریق تهدیدات قانونی در تلاش است تا کاربران Comet را از استفاده از دستیاران هوش مصنوعی برای خرید در پلتفرم خود باز دارد و قول می‌دهد که مرعوب نخواهد شد. @perplexity_ai
  • خبرنگاران در اروپا متوجه شدند که جاسوسی از مقامات ارشد اتحادیه‌ی اروپا با استفاده از داده‌های مکانی به‌دست‌آمده تجاری از دلالان داده (data brokers) آسان است، با وجود قوانین قوی حفاظت از داده‌ها. @TechCrunch
  • دیوید ساکس (David Sacks) استدلال می‌کند که «آخرالزمانی‌گری هوش مصنوعی» (AI doomerism) در جناح چپ در حال جایگزینی «آخرالزمانی‌گری اقلیمی» (climate doomerism) است، به عنوان یک فاجعه‌ی سازمان‌دهنده‌ی مرکزی برای توجیه تسلط اقتصادی و کنترل فضای اطلاعات. @a16z
  • مارک آندرسن (Marc Andreessen) استدلال می‌کند که هوش مصنوعی فوق‌العاده دموکراتیزه کننده است، با این فناوری که به جای کنترل شدن توسط تعداد کمی از شرکت‌ها یا دولت‌ها، در دستان همگان پخش می‌شود و اشاره می‌کند که بهترین هوش مصنوعی‌ها در محصولات مصرفی هستند. @a16z

کاربردها

  • آنتروپیک (Anthropic) از همکاری با وزارت آموزش و پرورش و کودکان ایسلند خبر می‌دهد تا Claude را برای معلمان سراسر کشور در یکی از اولین طرح‌های آزمایشی جامع ملی آموزش هوش مصنوعی در جهان به ارمغان آورد. @AnthropicAI
  • رید هافمن (Reid Hoffman) ایجاد هدایای شخصی‌سازی‌شده با کمک هوش مصنوعی را در مقیاس وسیع به نمایش می‌گذارد، با استفاده از هوش مصنوعی برای ایجاد نسخه‌های سفارشی کتاب خود با نام Superagency با پرتره‌های تولید‌شده توسط هوش مصنوعی، جلدهای سفارشی و توضیحات شخصی‌سازی‌شده، که نشان‌دهنده‌ی تغییر به سمت شخصی‌سازی انبوه است. @reidhoffman
  • گوگل (Google) پروژه‌ی Suncatcher را اعلام می‌کند که سیستم‌های محاسباتی یادگیری ماشین (ML) مقیاس‌پذیر در فضا را بررسی می‌کند، با TPUs نسل تریلیوم (Trillium) که آزمایش‌های تابش را با موفقیت پشت سر گذاشته‌اند و برنامه‌ریزی برای پرتاب دو ماهواره‌ی نمونه‌ی اولیه با Planet تا اوایل سال ۲۰۲۷. @sundarpichai
  • ابزارهای کدنویسی کمکی (assistive coding tools) بیشترین افزایش بهره‌وری را در اواخر روز، زمانی که توسعه‌دهندگان از نظر ذهنی خسته هستند، فراهم می‌کنند، که موانع انجام کار بیشتر را کاهش می‌دهد و فرسودگی ذهنی را کم می‌کند. @cwolferesearch
  • llama.cpp رابط کاربری شبیه به ChatGPT را منتشر می‌کند که به طور کامل روی لپ‌تاپ‌ها بدون وای‌فای یا APIهای خارجی اجرا می‌شود و از بیش از ۱۵۰,۰۰۰ مدل GGUF، فایل‌های PDF، تصاویر، چت‌های موازی و تولید محدود‌شده با شمای JSON پشتیبانی می‌کند. @ClementDelangue

پژوهش‌ها

  • اولین پیاده‌سازی متن‌باز آموزش شخصیت منتشر شد، که شخصیت‌های دستیار هوش مصنوعی را قوی‌تر از جایگزین‌هایی مانند پرامپتینگ (prompting) یا فرمان‌دهی فعال‌سازی (activation steering) شکل می‌دهد، با انتشار همه‌ی مدل‌ها، مجموعه‌داده‌ها و کد. @natolambert
  • همکاران آنتروپیک (Anthropic Fellows) چهار مقاله‌ی پژوهشی منتشر می‌کنند: «پرامپتینگ تلقیحی» (inoculation prompting) که مدل‌ها را با نمایش‌های هک آموزش می‌دهد بدون اینکه به آن‌ها هک کردن را بیاموزد؛ «تست استرس» (stress-testing) مشخصات مدل از طریق هزاران سناریوی دشوار مبادله (trade-off)؛ پژوهشی که نشان می‌دهد LLMها با استدلال زبان رمزگذاری‌شده مشکل دارند؛ و ارزیابی‌هایی برای اینکه آیا مدل‌ها واقعاً حقایق کاشته‌شده‌ی مصنوعی را باور دارند. @AnthropicAI
  • پژوهش ByteDance استدلال نهفته‌ی تکراری را معرفی می‌کند که به مدل‌ها اجازه می‌دهد فراتر از زبان‌های انسانی فکر کنند، با مدل ۲.۶ میلیارد R4 که عملکردی قابل مقایسه با Qwen3 8B و Gemma 3 12B دارد. @Xianbao_QIAN
  • آلن هوش مصنوعی (Allen AI) OlmoEarth را معرفی می‌کند، مدل‌های بنیادی پیشرفته‌ی هوش مصنوعی با زیرساخت متن‌باز برای تبدیل داده‌های زمین به بینش‌ها، که به عنوان یک مدل چندوجهی فضازمانی (multimodal spatio-temporal) بر اساس انشعابی از کدبیس پیش‌آموزش Olmo ساخته شده است. @natolambert
  • پژوهش بر روی مکانیسم «تاکردن حافظه» (memory folding) در عامل‌ها نویدبخش فشرده‌سازی حافظه به فرمت معنایی برای جلوگیری از انفجار زمینه (context explosion) است، اگرچه هنوز هم گنجاندن حافظه‌ی ضمنی بلندمدت در وزن‌های LLM مورد نیاز است. @cwolferesearch
  • اتان مولیک (Ethan Mollick) در مورد ادعاهای «هوش مصنوعی نمی‌تواند این کار را انجام دهد» هشدار می‌دهد، زمانی که شواهد تجربی قبل از استدلال‌کننده‌های کلاس o1 وجود دارد، و اشاره می‌کند که قوی‌ترین مدل‌های آزمایش‌شده، GPT-4 و Llama 2 70B بودند و بر لزوم نشان دادن روندها در طول زمان تأکید می‌کند. @emollick
  • فرانسوا شوله (Francois Chollet) درک را از نظر رفتاری به عنوان توانایی اقدام مناسب در پاسخ به موقعیت‌ها تعریف می‌کند، و اشاره می‌کند که این اصل نشان می‌دهد مدل‌های یادگیری ماشین درک بسیار کمی از آنچه پردازش می‌کنند، دارند. @fchollet
  • جایزه‌ی ARC 2025 با ۱۴۹۵ تیم که ۱۵۹۲۳ اثر ارسال کرده‌اند، به پایان رسید، با اعلام برندگان تأیید‌شده در ۵ دسامبر ۲۰۲۵. @arcprize
  • مایکروسافت ریسرچ (Microsoft Research) RedCodeAgent را معرفی می‌کند که شبیه‌سازی‌های حمله‌ی red-teaming را خودکارسازی و بهبود می‌بخشد تا تهدیدات امنیتی واقعی را در عامل‌های کد کشف کند که روش‌های دیگر نادیده می‌گیرند. @MSFTResearch