اخبار هوش مصنوعی در 2025-11-16
پژوهشها
- آلفاایوُلو گوگل با جستجوی موازی و مکرر راهحلها، تأیید آنها و انجام انتخاب طبیعی برای تکامل ایدهها، راهحلهایی بهتر از انسان برای برخی مسائل ریاضی، از جمله مسئلهی بوسه، کشف میکند. ترنس تائو، ریاضیدان، آن را روی ۶۷ مسئله آزمایش کرد و دریافت که مدلهای پایه هوش مصنوعی هوشمندتر سریعتر به راهحلها همگرا میشوند، موازیسازی عموماً کمک میکند اما هزینهی محاسباتی را افزایش میدهد و هک پاداش رایج است @deedydas
- تیم Future House به پیشرفتی در تحقیقات علمی با کمک هوش مصنوعی دست یافته است که به عنوان یکی از مهمترین تأثیرات هوش مصنوعی توصیف میشود @sama
تحلیل صنعت
- شاپیفای اولین شرکتی بود که خارج از مایکروسافت از گیتهاب کوپایلوت استفاده کرد، و رئیس مهندسی آنها گفت که شهرت آنها در ارائهی بازخورد عالی به آنها کمک کرد تا دسترسی زودهنگام پیدا کنند @GergelyOrosz
- برخی شرکتها دریافتهاند که استفادهی توسعهدهندگان از ابزارهای هوش مصنوعی در مصاحبهها سیگنال زیادی نمیدهد، و حداقل یک استارتاپ در سیلیکون ولی مصاحبههای «چیزی با هوش مصنوعی بسازید» را حذف کرده است @GergelyOrosz
- مدلهای چینی در حال حاضر سهم بازار آزمایشگاههای پیشرو هوش مصنوعی را به خود اختصاص دادهاند، با این سؤال که آیا این روند در شرکتها پایدارتر است یا خیر @natolambert
- مرکز دادهی Fairwater مایکروسافت در آتلانتا بیش از ۱۵ میلیون ساعت کار برای ساخت آن صرف شده است، که بیش از دو برابر ۷ میلیون ساعت مورد نیاز برای ساختمان امپایر استیت است @mustafasuleyman
کاربردها
- جیمیل قابلیت جدید زمانبندی هوشمند را معرفی میکند که از محتوای ایمیل برای یافتن زمانهای جلسه استفاده میکند و به طور خودکار رویدادها را هنگام انتخاب زمان توسط گیرنده ایجاد میکند، که نشاندهندهی بهبود قابل توجهی در بهرهوری است @deedydas
- نسخهی جدید پلاگین llm-anthropic از خروجیهای ساختاریافته از طریق API رسمی و قابلیت جستجوی وب Anthropic پشتیبانی میکند @simonw
- آندری کارپاتی پیشنهاد میکند که قابلیت تأیید پیشبینیکنندهترین ویژگی برای اتوماسیون هوش مصنوعی در پارادایم برنامهنویسی جدید است، جایی که وظایفی که میتوانند تمرین شوند، بازنشانی شوند و پاداش داده شوند، بیشترین قابلیت را برای بهینهسازی شبکهی عصبی دارند @karpathy
- متخصصان ساخت هوش مصنوعی لزوماً متخصصان استفاده از هوش مصنوعی نیستند، که فرصتهایی را برای متخصصان حوزهای ایجاد میکند تا قبل از دیگران قابلیتهای هوش مصنوعی را در زمینههای خود کشف کنند @emollick
اخلاق و جامعه
- معیارگذاری فعلی هوش مصنوعی بیش از حد بر توانایی مدل از طریق فراخوانی API تمرکز دارد تا کار عاملانه که ابزارها و توانایی حل مسئله را ترکیب میکند، که از نظر اقتصادی اهمیت بیشتری دارد @emollick
- معیارگذاری بهتر برای درک اینکه چرا تواناییهای عاملانه از بین میروند، از جمله ضعفهای بینایی و «حلقههای مرگ» که در آن هوش مصنوعی به تلاش برای همان رویکرد شکستخورده ادامه میدهد، مورد نیاز است @emollick
- ویندوز با انتقاد توسعهدهندگان به دلیل گنجاندن تبلیغات در یک سیستم عامل پولی و روشن کردن پیشفرض قابلیتهای هوش مصنوعی در سطح سیستم عامل مانند Recall، که توسعهدهندگان نمیخواهند، مواجه است @GergelyOrosz
- سیستم پزشکی کانادا در خارج از شهرهای بزرگ به طور کامل فروپاشیده است، با این حال ادغام هوش مصنوعی به طور بالقوه میتواند کمبود کارکنان را کاهش دهد، اما هنوز سالها تا پیادهسازی آن فاصله داریم @AndrewCurran_