گردآوری اخبار هوش مصنوعی – ۲۸ ژوئن ۲۰۲۵

۲۸ ژوئن ۲۰۲۵ – دنیای هوش مصنوعی این هفته شاهد موجی از تحولات بود؛ از حرکت‌های بزرگ شرکتی و پیشرفت‌های پژوهشی پیشرفته گرفته تا ابزارهای جدید مبتنی بر هوش مصنوعی و دستاوردهای مقرراتی و اخلاقی. از غول‌های فناوری که استعدادهای برتر حوزه هوش مصنوعی را استخدام و در زیرساخت‌ها سرمایه‌گذاری می‌کنند تا نوآوری‌های پزشکی و رباتیک و قوانین جدیدی که شروع به شکل‌دهی به آینده هوش مصنوعی کرده‌اند — در اینجا مهم‌ترین اخبار هوش مصنوعی که این روزها همه درباره آن صحبت می‌کنند آمده است.

حرکت‌ها و سرمایه‌گذاری‌های شرکتی در حوزه هوش مصنوعی

جذب استعدادهای OpenAI توسط Meta و افزایش سرمایه‌گذاری در هوش مصنوعی: شرکت مادر فیسبوک، Meta، با استخدام Trapit Bansal، یکی از پژوهشگران کلیدی پشت مدل استدلال پیشرفته OpenAI، خبرساز شد cointelegraph.com. بنسال به همراه چندین دانشمند سابق OpenAI که به تازگی توسط Meta جذب شده‌اند، cointelegraph.com بخشی از تلاش مدیرعامل مارک زاکربرگ برای تقویت توانایی‌های هوش مصنوعی Meta را تشکیل می‌دهد. این شرکت قصد دارد سیستم‌های هوش مصنوعی خود را با داده‌های دنیای واقعی بیشتری آموزش دهد تا مهارت‌های استدلال و برنامه‌ریزی آن‌ها را ارتقاء بخشد cointelegraph.com. در کنار جذب استعدادها، Meta سرمایه‌گذاری بزرگی روی زیرساخت‌های هوش مصنوعی انجام داده؛ در ژوئن، این شرکت ۴۹٪ از سهام شرکت Labeling داده Scale AI را خریداری کرد (و ارزش Scale را تقریباً ۱۵ میلیارد دلار برآورد کرده است) cointelegraph.com. متا همچنین تأمین ۲۰ ساله انرژی هسته‌ای (۱.۱ گیگاوات از شرکت Constellation Energy) را جهت تغذیه دیتاسنترهای هوش مصنوعی خود از سال ۲۰۲۷ تضمین کرد cointelegraph.com، که نیاز زیاد هوش مصنوعی در مقیاس وسیع به انرژی را نشان می‌دهد. در حوزه دفاعی، Meta با شرکت فناورانه نظامی Anduril به منظور توسعه هدست‌های واقعیت افزوده مبتنی بر هوش مصنوعی برای ارتش آمریکا همکاری کرد cointelegraph.com؛ پروژه‌ای که پلتفرم داده نبرد Anduril را در دستگاه‌های AR Meta برای سربازان ادغام می‌کند. تمام این اقدامات نشان‌دهنده عزم Meta برای پیشتازی در “رقابت هوش مصنوعی” است که توسط استعدادها و منابع قابل توجهی پشتیبانی می‌شود.

گسترش آرام هوش مصنوعی آمازون: در حالی که شرکت‌های پرزرق‌وبرق‌تر حوزه هوش مصنوعی تیتر اخبار را به خود اختصاص دادند، آمازون با سرمایه‌گذاری پیوسته در هوش مصنوعی به شکل بی‌سر و صدا تبدیل به برنده‌ای واقعی شده است. قیمت سهام این شرکت در سه سال گذشته تقریباً دو برابر شده است و تحلیل‌گران بخشی از این رشد را به موفقیت‌های مبتنی بر هوش مصنوعی در کسب‌وکارهای مختلف آن نسبت می‌دهند binaryverseai.com. “جنیفر سیبیل” در تحلیلی برای نزدک بیان کرد که چرخ‌دنده آمازون — از خرده‌فروشی و Prime Video تا خریدهای حوزه سلامت — هرچه بیشتر با Amazon Web Services (AWS) که زیرساخت ابری هوش مصنوعی بسیاری از سرویس‌ها را فراهم می‌کند، قدرت می‌گیرد binaryverseai.com. اکنون AWS تقریباً ۳۰٪ سهم بازار جهانی رایانش ابری را در اختیار دارد و سود حاصل از آن (به همراه رشد شدید درآمد تبلیغات) منابع مالی پروژه‌های بزرگ هوش مصنوعی آمازون را تأمین می‌کند binaryverseai.com. مدیرعامل، اندی جسی، تأثیر تحول‌آفرین هوش مصنوعی را با برق از لحاظ همه‌گیری آن مقایسه کرده است binaryverseai.com. در عمل، آمازون هوش مصنوعی را در تمام بخش‌های عملیاتی خود — از اتوماسیون انبار تا دستیارهای صوتی Alexa — ادغام کرده و سرمایه‌گذاری سنگینی روی سرویس‌های هوش مصنوعی تولیدی برای مشتریان AWS انجام می‌دهد. پیام شفاف اقدامات اخیر آمازون این است: هوش مصنوعی نه یک پروژه جانبی، بلکه بخش مرکزی استراتژی بلندمدت این غول فناوری است — حتی اگر به اندازه برخی رقبا در معرض توجه قرار نداشته باشد.

عرضه ابزارهای جدید هوش مصنوعی توسط Salesforce و Perplexity: پیشتاز نرم‌افزارهای سازمانی، Salesforce، این هفته Agentforce 3 را، که ارتقاء سکو پشتیبانی مشتری مبتنی بر هوش مصنوعی‌اش است، راه‌اندازی کرد. این سیستم جدید، چت‌بات‌ها (“عوامل”) را به همکاران واقعی مجازی برای نمایندگان خدمات انسانی تبدیل می‌کند؛ مجهز به یک مرکز فرماندهی برای پایش زنده، بازپخش جلسات و بازارچه Agent Exchange با بیش از ۱۰۰ اتوماسیون آماده binaryverseai.com. این ارتقاءها تاثیر آشکاری در کسب‌وکار دارند — Salesforce از افزایش ۲۳۳٪ استفاده از عوامل هوش مصنوعی خود ظرف شش ماه گزارش داده است، چراکه شرکت‌ها می‌بینند اکنون بخش بزرگی از تیکت‌های پشتیبانی توسط هوش مصنوعی حل و زمان رسیدگی به‌شدت کاهش پیدا کرده binaryverseai.com. در همین حال، استارتاپ هوش مصنوعی Perplexity — معروف به دستیار جستجوی هوش مصنوعی — مجموعه‌ای از قابلیت‌ها را معرفی کرد که محصولش را از پرسش‌وپاسخ ساده به یک استودیو تحقیق و بهره‌وری تبدیل می‌کند. Perplexity Labs جدید می‌تواند براساس فرمان متنی، گزارش، پاورپوینت یا حتی برنامه‌های وب ساده بسازد binaryverseai.com. تعامل صوتی جدید به کاربران اجازه می‌دهد سوالات را شفاهی بپرسند و پاسخ شنیداری دریافت کنند و آپلود فایل امکان جستجوی معنایی در اسناد و پیاده‌سازی جلسات را فراهم کرده است binaryverseai.com. Perplexity با بخش‌های رایگان سخاوتمندانه و گزینه‌های حفظ حریم خصوصی (حذف کامل سوابق گفتگو) حالا ابزاری ارائه می‌دهد که قابلیت‌هایی شبیه به Notion، ChatGPT و Wolfram Alpha را در یک دستیار ترکیب می‌کند binaryverseai.com. روند روشن است: شرکت‌های کوچک و بزرگ با سرعت در حال ادغام هوش مصنوعی در محصولات خود برای افزایش بهره‌وری و ارائه قابلیت‌های جدید هستند و این برای سازمان‌هایی که از این ابزارها به‌درستی بهره می‌برند، یک مزیت رقابتی رقم می‌زند.

پیشرفت‌های فناورانه و پژوهش‌های پیشرفته هوش مصنوعی

پیشرفت AlphaGenome دیپ‌مایند در ژنومیک: بازوی پژوهشی گوگل، DeepMind، یک دستاورد عمده در هوش مصنوعی برای ژنتیک اعلام کرد. مدل جدید آن‌ها AlphaGenome می‌تواند تا یک میلیون جفت باز DNA را به‌صورت همزمان تحلیل و پیش‌بینی کند که جهش‌های ژنتیکی چگونه تنظیم و عملکرد ژن را تحت تاثیر قرار می‌دهند deepmind.google deepmind.google. این مدل یکپارچه توالی دی‌ان‌ای، از شبکه‌های عصبی کانولوشنی و ترنسفورمر برای شناسایی همزمان موتیف‌های محلی دی‌ان‌ای و تعاملات دوربرد ژنی استفاده می‌کند — برای مثال می‌تواند یک ناحیه تقویت‌گر را که تقریباً ۹۸۰٬۰۰۰ جفت باز با ژن هدف فاصله دارد، بیابد و تأثیر آن را ارزیابی کند binaryverseai.com. در آزمایش‌های مقایسه‌ای، AlphaGenome در ۲۲ مورد از ۲۴ وظیفه کلیدی ژنومیک نسبت به روش‌های قبلی برتری داشت و حتی یک جهش سرطانی (لوسمی) شناخته‌شده را که دانشمندان انسانی پس از سال‌ها کشف کرده بودند، مجدد پیدا کرد binaryverseai.com. دیپ‌مایند AlphaGenome را از طریق API برای پژوهش غیرتجاری فراهم کرده تا سرعت کشفیات در علم ژنوم را افزایش دهد deepmind.google deepmind.google. پژوهشگران از این دستاورد با عنوان “رعد ژنومیک” یاد می‌کنند — به‌طور مؤثری ژنوم با کمک هوش مصنوعی ‘قابل جستجو’ شده است binaryverseai.com. با امکان امتیازدهی سریع به تأثیرات تغییرات DNA، مدل‌هایی مانند AlphaGenome می‌توانند محرک‌های ژنتیکی بیماری‌ها را کشف کرده و توسعه درمان‌های جدید را هدایت کنند.

معرفی مدل چندوجهی Qwen-VLo علی‌بابا: غول فناوری چین، علی‌بابا، با معرفی Qwen-VLo به عنوان یک مدل هوش مصنوعی چندحالته نسل جدید، به نقطه عطف مهمی دست یافت. بر پایه سری Qwen علی‌بابا، Qwen-VLo یک مدل یکپارچه دیداری-زبانی است که هم تصاویر را درک می‌کند و هم می‌تواند از فرمان متنی تصاویر کاملاً جدید تولید کند qwenlm.github.io. تیم پژوهشی Qwen علی‌بابا توضیح داده: «این مدل ارتقاء‌یافته نه تنها دنیا را ‘می‌فهمد’ بلکه بازآفرینی‌های باکیفیت و خلاقانه نیز انجام می‌دهد» qwenlm.github.io. در عمل، کاربران می‌توانند یک تصویر ورودی به Qwen-VLo بدهند و تقاضای ویرایش پیچیده کنند یا حتی فقط یک تصویر را توصیف و مدل آن را بسازد. دموها نشان داد Qwen-VLo وظایفی مانند انتقال سبک (“این عکس را شبیه نقاشی ونگوگ کن”)، افزودن اشیاء (“یک کلاه قرمز روی گربه بگذار”) و حتی دستورات ترکیبی را به خوبی انجام می‌دهد qwenlm.github.io qwenlm.github.io. ویژگی منحصربه‌فرد دیگر، پشتیبانی Qwen-VLo از دستورات باز ویرایش تصویر و چندزبانه بودن است (پذیرش یکپارچه درخواست‌های چینی و انگلیسی) qwenlm.github.io qwenlm.github.io. این مدل تصاویر را از طرح کلی تا جزئیات نهایی به روش مرحله‌ای تولید می‌کند که در نهایت خروجی‌های منسجم و واقع‌گرایانه حاصل می‌شود. علی‌بابا Qwen-VLo را به‌عنوان پیش‌نمایش در Qwen Chat ادغام کرده است که نشانه‌ای از تلاش برای ارائه هوش مصنوعی است که هم “می‌بیند” هم می‌سازد؛ مشابه GPT-4 دارای قابلیت بینش از OpenAI. این روند نشانه حرکت صنعت به سوی هوش مصنوعی چندحالته است؛ سیستمی که می‌تواند میان متن، تصویر و حوزه‌های دیگر به صورت یکپارچه جابه‌جا شود.

مدل‌های هوش مصنوعی «SEAL» خودبهبوددهنده: در پژوهش‌های دانشگاهی هوش مصنوعی، دانشمندان MIT رویکردی برای مدل‌های زبانی خودسازگار (موسوم به «SEAL») معرفی کرده‌اند که می‌توانند به طور خودکار از خروجی‌های خود یاد بگیرند. به جای آنکه پس از آموزش، ایستا باقی بمانند، یک مدل SEAL می‌تواند برای خود تمرین‌های جدید تولید کند، آن‌ها را حل کند، پاسخ‌هایش را ارزیابی کند و سپس دانش خود را به‌روزرسانی کند – آن هم بدون هیچ مداخله انسانی. در ارزیابی‌های حل معما، نمونه اولیه سیستم SEAL با آموزش تکرارشونده موفقیت خود را از ۰ به ۷۲٪ افزایش داد binaryverseai.com. این مدل از یادگیری تقویتی برای پاداش‌دهی به خود در مقابل پیشرفت استفاده می‌کند و می‌تواند داده‌های جدید را به صورت آنی ادغام کند، هرچند پژوهشگران هشدار می‌دهند که با ریسک فراموشی فاجعه‌بار دانش گذشته روبه‌رو است binaryverseai.com. وعده SEAL ارائه مدلی است که «مثل یک شاگرد رشد می‌کند» نه اینکه یک متخصص ثابت باشد binaryverseai.com. تصور کنید دستیار برنامه‌نویسی که شبانه با توجه به خطاهای روز گذشته، خود را با تست‌‌های جدید آموزش می‌دهد یا معلم هوشمندی که پس از هر تعامل با دانش‌آموز، درس‌هایش را بهبود می‌دهد – این‌ها کاربردهایی هستند که مفهوم SEAL به آن‌ها اشاره دارد. گرچه این فناوری هنوز در مراحل آزمایشی است، اما نشان می‌دهد که بهبود خودکار اکنون رویکرد طراحی سیستم‌های هوش مصنوعی است و ما را یک گام به هوش مصنوعی که بتواند همواره خود را بهبود دهد، نزدیک‌تر می‌کند binaryverseai.com.

هوش مصنوعی تقریباً از دروغ‌سنج دقیق‌تر شد: مطالعه‌ای فراتحلیلی جدید حوزه شناسایی فریب را متحول کرده است. پژوهشگران با مرور ۹۸ مطالعه دریافتند که سیستم‌های مبتنی بر هوش مصنوعی با شبکه‌های عصبی پیچشی (CNN) که نشانه‌های انسانی را تحلیل می‌کنند، می‌توانند در شناسایی دروغ از آزمون پلی‌گراف سنتی بهتر عمل کنند binaryverseai.com. این سیستم‌ها ریزحالات چهره، پلک‌زدن چشم‌ها، لرزش صدا، الگوهای گرمای بدنی و حتی داده‌های امواج مغزی EEG افراد را برای تشخیص رفتار صادقانه از فریب‌کارانه پردازش می‌کنند binaryverseai.com. انسان‌ها معمولاً نشانه‌های کوتاه‌مدت چهره مانند حرکت یک‌لحظه‌ای ابرو را از دست می‌دهند اما ماشین‌ها با سرعت ۲۴۰ فریم بر ثانیه آن‌ها را تشخیص می‌دهند binaryverseai.com. با این حال، مطالعه به ملاحظه‌های مهمی نیز اشاره می‌کند: نشانه‌های فریب در فرهنگ‌ها و جنسیت‌های مختلف متفاوت است – مثلاً بالا انداختن ابرو در یک فرهنگ نشانه تردید و در فرهنگی دیگر نشانه احترام است binaryverseai.com. مدل‌های فعلی تشخیص دروغ معمولاً بیش از حد با داده‌های منطقه‌ای سازگار می‌شوند و این باعث می‌شود دقت آن‌ها در سطح جهانی کاهش یابد. این بررسی خواستار داده‌های آموزشی متنوع‌تر و تاکید بر مقررات اخلاقی شد binaryverseai.com. خلاصه اینکه، دروغ‌سنج‌های هوش مصنوعی در حال سبقت از پلی‌گراف سنتی هستند اما بی‌نقص نیستند – زمینه و فرهنگ اهمیت دارد. متخصصان تأکید می‌کنند هر استفاده‌ای از این ابزار‌ها باید ملاحظات حریم خصوصی و ریسک مثبت کاذب را لحاظ کند؛ مسئله‌ای که بازتاب مناظرات گسترده‌تر درباره نقش هوش مصنوعی در نظارت و اجرای قانون است.

هوش مصنوعی در سلامت و علوم زیستی

یادگیری عمیق، خونریزی پس از زایمان را پیش‌بینی می‌کند: در توسعه‌ای امیدبخش در هوش مصنوعی پزشکی، یک تیم تحقیقاتی چینی به سرپرستی دکتر ون‌ژه ژانگ، مدلی از هوش مصنوعی ارائه داد که می‌تواند خونریزی پس از زایمان (PPH) – یکی از علل اصلی مرگ و میر مادران – را پیش از تولد پیش‌بینی کند. آن‌ها با تحلیل اسکن‌های MRI زنان باردار بوسیله مدل «ادغام دیرهنگام» یادگیری عمیق (ترکیب شبکه‌های عصبی پیچشی دو و سه بعدی به‌علاوه داده‌های رادیومیک و بالینی)، موارد پرخطر را با دقت قابل توجهی شناسایی کردند. در آزمایش بر روی ۵۸۱ بیمار این هوش مصنوعی در پیش‌بینی خونریزی شدید حدود ۹۲٪ حساسیت و ۹۱٪ ویژگی از خود نشان داد و سایر روش‌ها را پشت سر گذاشت auntminnie.com binaryverseai.com. پژوهشگران در نشریه Academic Radiology یادآور شدند: «شناسایی زودهنگام بیماران در معرض خطر خونریزی پس از زایمان، برای بهینه‌سازی برنامه زایمان، تهیه فرآورده‌های خونی و به حداقل‌رساندن پیامدهای نامطلوب حیاتی است» auntminnie.com. از آنجا که PPH تقریباً ۲۵٪ از مرگ و میرهای مادران را در جهان به خود اختصاص می‌دهد auntminnie.com، چنین ابزاری می‌تواند نجات‌بخش باشد و به پزشکان امکان می‌دهد تا خون و تیم‌های جراحی را به موقع برای افراد در معرض خطر فراهم کنند. گرچه برای پذیرش بالینی نیاز به تایید بیشتر است، اما این مطالعه نشان می‌دهد که هوش مصنوعی در کنار MRI روتین، می‌تواند نشانه‌های ظریفی که چشم انسان از دست می‌دهد را تشخیص دهد و جان مادران را نجات دهد.

میکروسکوپ هوش مصنوعی، اسپرم‌های «نامرئی» را می‌یابد: یک پیشرفت جدید دیگر از حوزه درمان باروری. یک میکروسکوپ مجهز به هوش مصنوعی نشان داده است که می‌تواند اسپرم‌های سالم را در موارد ناباروری مردانه با شمارش بسیار پایین که روش‌های متعارف را شکست می‌دهند، شناسایی کند. در یک نمونه چشمگیر، در کلینیک باروری، پس از ۴۸ ساعت جست‌وجوی تکنسین‌ها هیچ اسپرمی در نمونه یافت نشد و آن را بی‌امید اعلام کردند. سیستم هوش مصنوعی با استفاده از تراشه میکروفلوئیدیک و بینایی ماشین نمونه را اسکن کرد و ۴۴ اسپرم سالم را در کمتر از یک ساعت شناسایی نمود binaryverseai.com. این تعداد برای انجام IVF تخصصی (تزریق اسپرم به داخل تخمک – ICSI) کافی بود و در نهایت به بارداری موفق منجر شد binaryverseai.com. نکته مهم اینکه این روش از نیاز به رنگ‌های سمی یا بیوپسی تهاجمی برای یافتن اسپرم جلوگیری می‌کند. کارشناسان می‌گویند این فناوری می‌تواند مقیاس‌پذیر باشد و به بسیاری از موارد ناباروری مردانه کمک کند – مثلاً با رتبه‌بندی سلامت اسپرم‌ها برای انتخاب بهترین سلول، یا تعمیم روش برای ارزیابی تخمک و جنین‌ها. به طور خلاصه، کاری که روزگاری «پیدا کردن سوزن در انبار کاه» بود – جست‌وجوی چند اسپرم سالم میان میلیون‌ها سلول – اکنون با هوش مصنوعی در کسری از زمان انجام‌پذیر است. برای زوج‌هایی که با ناباروری مواجه‌اند، این پیشرفت‌ها امید جدیدی به همراه دارد. این نمونه‌ای قدرتمند است از اینکه هوش مصنوعی در آزمایشگاه چگونه مستقیماً زندگی‌ها را تغییر می‌دهد و شرایط غیرممکن دیروز را به موفقیت امروز تبدیل می‌کند.

هوش مصنوعی تصویربرداری پزشکی، محافظ سلامت مادران: فراتر از خونریزی پس از زایمان، هوش مصنوعی در حال مقابله با سایر خطرات بارداری است. پژوهشگران آمریکایی و چینی، تحلیل رادیومیک MRI را با یادگیری ماشین ترکیب کردند تا طیف اکرتا جفت (شرایطی خطرناک که جفت بیش از حد به دیواره رحم می‌چسبد) و خونریزی وابسته را پیش‌بینی کنند. مدل ترکیبی داده‌های تصویربرداری و بالینی، نه تنها این رخدادها را پیش‌بینی کرد بلکه آنقدر زود که بتواند برنامه‌ریزی زایمان را تحت تاثیر قرار دهد binaryverseai.com. به زبان ساده، این یعنی رادیولوژیست‌ها با کمک هوش مصنوعی می‌توانند حاملگی‌های پرخطر را هفته‌ها پیش از زایمان شناسایی کنند. بیمارستان‌ها می‌توانند بانک خون و متخصصان را از پیش آماده نگه دارند و نتایج را به شدت بهبود دهند. این موفقیت در راستای موج جدید تشخیص‌های تقویت‌شده با هوش مصنوعی در تصویربرداری پزشکی است؛ از شناسایی سرطان در ماموگرافی تا بررسی مغز برای سکته، سیستم‌های هوش مصنوعی روز به روز بیشتر مثل چشم دوم پزشکان عمل می‌کنند. در بخش زایمان، این پیش‌آگاهی می‌تواند تفاوت میان مرگ و زندگی باشد؛ به ویژه در مناطقی که امکانات مراقبت از مادران محدود است.

هوش مصنوعی در رباتیک و سیستم‌های خودران

مغز رباتی گوگل دیپ‌مایند روی دستگاه: یکی از هیجان‌انگیزترین رونمایی‌ها از بخش رباتیک گوگل دیپ‌مایند، ارائه Gemini Robotics On-Device بود؛ مدلی بنیادین از هوش مصنوعی که به طور کامل و بدون نیاز به اتصال ابری، روی ربات اجرا می‌شود pymnts.com pymnts.com. این مدل سه‌گانه – بینایی، زبان و عمل – به ربات انسان‌نما اجازه می‌دهد محیط را درک و وظایف پیچیده را با کمترین تاخیر و بی‌نیاز از اینترنت انجام دهد. کارولینا پارادا، مدیر رباتیک دیپ‌مایند گفت: «از آنجا که مدل مستقل از شبکه عمل می‌کند، هم برای کاربردهای دارای حساسیت تاخیر مناسب است و هم استواری را در محیط‌های با ارتباط متناوب یا قطع‌شده تضمین می‌کند» pymnts.com pymnts.com. این نسخه ادامه‌دهنده سری مدل‌های «Gemini» و این بار ویژه ربات‌های دوسویه (دو دست) و یادگیری سریع وظایف جدید بر پایه آموزش محدود است. گوگل گزارش داده که سامانه می‌تواند کارهای روزمره نظیر بازکردن کیف، تا کردن لباس، ریختن مایعات و حتی برداشتن کارت از دسته انجام دهد pymnts.com. ثابت شده که مدل با تنها ۵۰ تا ۱۰۰ نمایش می‌تواند مهارتش را به کار تازه‌ای تعمیم دهد و این جهشی بزرگ در چابکی و سازگاری ربات‌ها است pymnts.com. این نخستین مدل بزرگ رباتیکی گوگل دیپ‌مایند است که توسعه‌دهندگان می‌توانند خودشان آن را بهینه‌سازی کنند pymnts.com و در را برای سفارشی‌سازی کاربردها می‌گشاید. اهمیت Gemini On-Device در این است که ربات‌ها اکنون می‌توانند به صورت «آنلاین» در لحظه فکر و عمل کنند – چیزی حیاتی برای صنایع مانند تولید یا ربات‌های خانگی که در آن تصمیم‌گیری لحظه‌ای و حفظ حریم داده‌ها (نگهداری داده روی دستگاه) مهم است. به قول یکی از رسانه‌های فنی، با این پیشرفت، «ربات حالا محلی فکر می‌کند و فوری عمل می‌کند» binaryverseai.com که می‌تواند شتاب‌بخش ورود ربات‌های انسان‌نمای مفید به دنیای واقعی باشد.

ربات انبارداری سنگین ABB: در عرصه رباتیک صنعتی، ABB از Flexley Mover P603 رونمایی کرد، یک ربات متحرک خودران با ابعادی deceptively کوچک. این وسیله کوتاه، تقریباً به اندازه یک میز قهوه‌خوری، می‌تواند بارهایی تا ۱۵۰۰ کیلوگرم (۱.۵ تُن) را حمل کند binaryverseai.com – که برای این ابعاد، تحسین‌برانگیز است. P603 با استفاده از بینایی SLAM (مکان‌یابی و نقشه‌سازی هم‌زمان)، حرکت می‌کند؛ یعنی می‌تواند کف انبار را بدون نیاز به کدهای QR یا ریل خاص روی هوا نقشه‌برداری کند binaryverseai.com. همچنین دارای سیستم تعلیق فعال برای عبور از کف‌های ناهموار است و هنگام حرکت با سرعت ۲ متر بر ثانیه، قادر است پالت‌های سنگین را با دقت ۵ میلی‌متر جابجا کند binaryverseai.com. شاید جالب‌ترین قابلیت برای مدیران کارخانه، رابط گرافیکی drag-and-drop برای پیکربندی گردش کار ربات در استودیوی نرم‌افزاری ABB است و نیازی به برنامه‌نویسی پیچیده ندارد binaryverseai.com. به عبارت دیگر، تعیین مسیرها و وظایف ربات تقریباً به سادگی ساختن یک playlist است. P603 در زمانی عرضه شده که کارخانه‌ها و انبارها به طور فزاینده به دنبال اتوماسیون انعطاف‌پذیر هستند – جایگزینی نوار نقاله‌های ثابت و وسایل نقلیه هدایت‌شده با ربات‌های آزاد که روی هوا می‌توان به آنها وظیفه جدید داد. طبق گزارش‌های صنعتی این هفته، محصول جدید ABB “آجر دیگری” است در دیوار اتوماسیون مبتنی بر هوش مصنوعی که لجستیک را درمی‌نوردد binaryverseai.com. با تطبیق سریع زنجیره‌های تامین با رشد تجارت الکترونیک و کمبود نیروی کار، چنین ربات‌های هوشمندی به ابزارهایی ضروری تبدیل می‌شوند.

نمونه اولیه یک پهپاد رصدی به اندازه پشه که توسط یک آزمایشگاه دفاعی چین رونمایی شد tomshardware.com. تصاویر رسانه‌ای نشان‌دهنده پهپاد بیونیکی بسیار کوچک – در حد یک حشره – بود که میان دو انگشت گرفته شده بود.

پهپاد جاسوسی چینی در ابعاد پشه: این موضوع شاید شبیه داستان‌های علمی-تخیلی باشد، اما محققان چینی اکنون پهپادی به اندازه یک پشه واقعی ساخته‌اند. این هفته، تلویزیون دولتی چین CCTV-7 تصاویری از پرنده رباتیک فوق‌کوچک منتشر کرد که دانشجویی از دانشگاه ملی فناوری دفاعی آن را بین سرانگشتان خود نشان داد tomshardware.com. پهپاد پشه‌ای دست کم در دو مدل عرضه می‌شود – یکی با دو بال و دیگری با چهار بال – و برای مأموریت‌های رصد مخفیانه طراحی شده است tomshardware.com. جزئیات فنی این پهپاد محرمانه است (مشخص نیست چه حسگرهایی دارد یا با باتری حشره‌ای چقدر دوام می‌آورد)، اما صرف آشکار شدن این پروژه، نشان از عزم چین برای به اوج رساندن فناوری پهپادهای خیلی کوچک (micro-UAV) دارد binaryverseai.com. چنین پهپادهای مینیاتوری می‌توانند به راحتی وارد ساختمان‌ها شوند یا در محیط‌های شهری که پهپادهای بزرگ‌تر نمی‌توانند وارد شوند، به طور مخفیانه پرواز کنند؛ مسئله‌ای که پرسش‌های اخلاقی و امنیتی جدی به دنبال دارد. تحلیلگران دفاعی می‌گویند کشورهای مختلفی روی ربات‌های رصدی در ابعاد حشره تحقیق می‌کنند؛ چالش‌ها شامل برد مفید و انتقال قابل اعتماد داده به دلیل محدودیت شدید نیرو است tomshardware.com. احتمالاً نمونه چینی همچنان در مراحل تحقیقاتی است (هنوز شواهدی از کاربرد میدانی آن وجود ندارد tomshardware.com)، اما نشان‌دهنده پیشرفت اعجاب‌آور فناوری پهپادهاست – و واقعاً پای رصد را تا اندازه یک پشه پایین آورده است. این توسعه، بحث‌هایی درباره تدابیر مقابله‌ای و حریم خصوصی برانگیخته. چرا که حالا باید به این هم فکر کنیم که شاید پشه‌ای که کنار گوش‌مان وزوز می‌کند اصلاً پشه نباشد!

سیاست، اخلاق و دیدگاه‌های تخصصی درباره هوش مصنوعی

رای شاخص درباره حق نشر در داده آموزشی هوش مصنوعی: یک قاضی فدرال ایالات متحده حکم مهمی صادر کرد که پیامدهای عظیمی برای شرکت‌های هوش مصنوعی و قانون کپی‌رایت به همراه دارد. در پرونده‌ای علیه استارتاپ Anthropic (سازنده چت‌بات Claude)، قاضی ویلیام الساپ اعلام کرد که استفاده از کتاب‌های دارای حق نشر برای آموزش هوش مصنوعی می‌تواند طبق قانون آمریکا نمونه‌ای از استفاده منصفانه حساب شود – که پیروزی بزرگی برای صنعت هوش مصنوعی است apnews.com. الساپ، آموزش هوش مصنوعی با هزاران کتاب را به نویسنده‌ای تشبیه کرد که برای خلق اثر نو، آثار کلاسیکی چون دیکنز می‌خواند و محصول مدل هوش مصنوعی را “اساساً دگرگونگر” و نه صرفاً کپی خطاب کرد apnews.com. با این حال، قاضی خط مهمی کشید: اگرچه تجزیه و تحلیل (آموزش) می‌تواند استفاده منصفانه باشد، اما شیوه‌ی جمع‌آوری داده همچنان اهمیت دارد. در مورد Anthropic، این شرکت بسیاری از کتاب‌ها را از “کتابخانه‌های سایه‌ای” (Shadow libraries) شامل کتاب‌های دزدی دانلودی گردآوری کرده بود apnews.com apnews.com. قاضی الساپ حکم داد که Anthropic باید بابت سرقت حق نشر محاکمه شود، چون “هیچ حقی برای استفاده از نسخه‌های دزدی در کتابخانه خود نداشت” حتی اگر محصول نهایی دگرگونگر باشد apnews.com. در واقع، دادگاه حکم داد که آموزش صرفاً تخطی از حق نشر نیست، اما اگر داده آموزشی به طور غیرقانونی به دست آمده باشد، مسئولیت حقوقی باقی است. این تصمیم دو مسیره، شاید نخستین تفسیر قضایی درباره آموزش مدل‌های هوش مصنوعی و استفاده منصفانه را رقم زد. یعنی «یادگیری بی‌اجازه» همچنان مجاز است – شرکت‌های هوش مصنوعی می‌توانند بدون دریافت مجوز مستقیم، از آثار دارای حق نشر بیاموزند – اما دور زدن مسیر داده مجاز نیست binaryverseai.com. از این پس، توسعه‌دهندگان هوش مصنوعی باید زنجیره آموزشی خود را پاکسازی کنند: جمع‌آوری داده از اینترنت یا سایت‌های دزدی می‌تواند پرمخاطره باشد، اما استفاده از داده‌های مشروع یا عمومی، مسیر امن‌تری است binaryverseai.com. این حکم در حالی صادر شد که دادخواست‌های مشابه علیه OpenAI و دیگران رو به افزایش است apnews.com و احتمالاً بر روند آینده این پرونده‌ها تاثیر خواهد گذاشت. Anthropic نیز از تایید دگرگونگری آموزش مدل هوش مصنوعی و سازگاری آن با هدف کپی‌رایت، اعلام رضایت کرده است apnews.com. دادگاه درباره مسائل باقی‌مانده برای دسامبر تعیین وقت کرده و جامعه هوش مصنوعی با دقت تحولات حقوقی را دنبال خواهد کرد.

مصرف انرژی هوش مصنوعی زیر ذره‌بین: با بزرگ شدن مدل‌های هوش مصنوعی، دغدغه‌های مربوط به زیان‌های زیست‌محیطی و مصرف انرژی آن رو به افزایش است. این هفته ستون‌نویس فناوری Joanna Stern به طور ویژه پرسید که “هر پرسش شما از هوش مصنوعی چقدر انرژی مصرف می‌کند؟” – و یافته‌ها شگفت‌انگیز است. حتی کارهای جزئی هوش مصنوعی نیز می‌توانند توان زیادی مصرف کند. مثلاً تولید یک کلیپ شش‌ثانیه‌ای توسط هوش مصنوعی، «بین ۲۰ تا ۱۱۰ وات ساعت» انرژی می‌برد livemint.com. در حالت بالای این طیف، تقریباً برابر است با مصرف برق یک گریل برقی به مدت ده دقیقه؛ ستِرن این را با پختن استیک با انرژی معادل چیزی که هوش مصنوعی برای تولید یک ویدیو استفاده می‌کند نشان داد livemint.com. در دنیای واقعی، دو ویدیوی کوتاه هوش مصنوعی می‌تواند به اندازه یک شام کامل گریل‌شده انرژی ببلعد livemint.com. و کارهای سنگین هوش مصنوعی، هزاران برابر بیشتر: آموزش مدل‌های زبانی بزرگ، هزاران عملیات سنگین بر روی GPU نیاز دارد که مگاوات ساعت برق و حجم زیادی آب برای خنک‌‌سازی دیتاسنتر را می‌طلبد livemint.com livemint.com. سفر پررمز و راز یک پرسش هوش مصنوعی – از لپ‌تاپ شما به سمت یک سرور GPU دوردست و برگشت – معمولاً از دید کاربران پنهان می‌ماند، اما گزارش سترن (و پژوهش‌های مشابه) اکنون پرده از این «هدررفت انرژی» برداشته‌اند linkedin.com linkedin.com. پژوهشگرانی چون Sasha Luccioni در Hugging Face حتی لیگ مصرف انرژی هوش مصنوعی راه‌اندازی کرده‌اند تا مصرف برق مدل‌های مختلف را مقایسه کنند livemint.com. خبر خوب این است که سخت‌افزار پیشرفته‌تر شده: تراشه‌های جدید Nvidia طبق گفته مدیر پایداری شرکت، ۳۰ برابر بهینه‌تر از نسل قبل هستند livemint.com. شرکت‌های فناوری همچنین تلاش می‌کنند مراکز داده خود را به انرژی پاک‌تر منتقل کنند livemint.com. با این وجود، سرعت رشد سرسام‌آور هوش مصنوعی – مدل‌های بیشتر، کاربران بیشتر و پرسش‌های بیشتر – باعث می‌شود مجموع مصرف انرژی همچنان بالا بماند حتی اگر هر عملیات به‌تنهایی سبزتر شده باشد livemint.com livemint.com. ستِرن و دیگران توصیه می‌کنند شفافیت لازم است: اگر برای هر پرسش هوش مصنوعی، یک «هزینه انرژی» نمایش داده شود، کاربران شاید دو بار به کاربرد بیهوده فکر کنند linkedin.com. در نهایت، صنعت هوش مصنوعی با دو چالش روبروست: کاهش ردپای کربنی و تداوم نوآوری. نتیجه فعلاً این است: هوش مصنوعی جادو نیست – روی برق کار می‌کند، آن هم مقدار زیادی برق! یکی از مدیران با شوخی گفت: پایداری هوش مصنوعی وابسته به برقی است که به آن می‌دهیم livemint.com، بنابراین موفقیت آینده فقط در مدل‌های هوشمندتر نیست، بلکه به مدل‌های هوشمند از نظر انرژی هم وابسته است.

بحث کارشناسان درباره مسیر غیرقابل پیش‌بینی هوش مصنوعی: پیشرفت سریع هوش مصنوعی حتی پیشگامان این حوزه را وادار کرده تا هم نکات خوش‌بینانه و هم هشداردهنده بیان کنند. ایلیا ساتسکِوِر، یکی از بنیان‌گذاران و دانشمند ارشد OpenAI، با هشدار عمومی که داد، توجه‌ها را به خود جلب کرد و اعلام کرد که تکامل هوش مصنوعی می‌تواند به روش‌هایی غیرقابل پیش‌بینی پیش برود. ساتسکِوِر در یک مصاحبه اخیر گفت: «هوش مصنوعی هم فوق‌العاده غیرقابل پیش‌بینی و غیرقابل تصور خواهد بود.» او هشدار داد که سیستم‌های پیشرفته هوش مصنوعی ممکن است روزی شروع به بهبود خودکار بدون نظارت انسان کنند analyticsindiamag.com. او پیشنهاد کرد که این موضوع می‌تواند موجب «پیشرفتی سریع و غیرقابل کنترل» گردد، به گونه‌ای که انسان‌ها قادر به درک یا مدیریت آنچه پیش می‌آید نباشند analyticsindiamag.com. این هشدار جدی، همزمان با تأملات ساتسکِوِر درباره مفهوم «انفجار هوش» مطرح شد — این ایده که هوش مصنوعی به اندازه کافی پیشرفته می‌تواند بارها خودش را بازنویسی کند و نسخه‌های بهتری از خودش بسازد و در نتیجه، قابلیت‌هایش به طور نمایی افزایش یابد. از سوی دیگر، ساتسکِوِر اشاره کرد چنین هوش مصنوعی می‌تواند به دستاوردهای «فوق‌العاده‌ای در حوزه سلامت» منجر شود، بیماری‌ها را درمان کند و طول عمر انسان را افزایش دهد analyticsindiamag.com. با این حال او این خوش‌بینی را با نگرانی ترکیب کرد و پرسید که اگر هوش مصنوعی تا این حد قدرتمند شود، چگونه باید واکنش نشان دهیم analyticsindiamag.com. اظهارات او تأکیدی است بر بحث گسترده‌تری در جامعه هوش مصنوعی: چگونه باید وعده‌های هوش مصنوعی (در پزشکی، علم و…) را با خطرات ناشی از از دست دادن کنترل یا نظارت متوازن ساخت. جالب اینکه ساتسکِوِر اخیراً OpenAI را ترک کرده تا یک شرکت جدید با نام هوش فراانسانی مطمئن (Safe Superintelligence) تأسیس کند، که هدفش تضمین مفید باقی ماندن هوش مصنوعی در آینده‌ است analyticsindiamag.com analyticsindiamag.com. این موضع او با درخواست سایر رهبران فناوری برای پژوهش جدی بر ایمنی هوش مصنوعی — همین حالا و نه در آینده — هماهنگ است. اینکه یکی از معماران اصلی هوش مصنوعی به طور علنی درباره سناریوهایی ابراز نگرانی می‌کند که مانند داستان‌های علمی‌تخیلی به نظر می‌رسد — هوش مصنوعی خودتکامل‌یابنده، ورای درک انسان — نشان می‌دهد که سؤال‌های اخلاقی و وجودی حول هوش مصنوعی دیگر صرفاً آکادمیک نیستند؛ اینها همین حالا واقعی‌اند و نیازمند همکاری جهانی، تنظیم مقررات اندیشمندانه و ادامه پژوهش برای همسویی هوش مصنوعی با ارزش‌های انسانی هستند.

هوش مصنوعی و آینده کار – هشداری درباره شکاف نیروی کار: در میان تمرکز بر پیشرفت‌های فناوری، یادآوری مهمی از دنیای تولید مطرح شد: چه کسی آینده هوش مصنوعی را خواهد ساخت؟ جیم فارلی، مدیرعامل فورد، در جشنواره Aspen Ideas هشدار داد در حالی که بهره‌وری ناشی از هوش مصنوعی برای مشاغل یقه سفید به اوج رسیده، عرضه مشاغل تخصصی یقه‌آبی (نیروی فنی) رو به کاهش است binaryverseai.com. فارلی خاطرنشان کرد که کارخانه‌ها هنوز به برقکاران ماهر، جوشکارها و تکنسین‌ها متکی هستند — مشاغلی که هوش مصنوعی و ربات‌ها هنوز بیش از ۱۰ تا ۲۰ درصد وظایف آن‌ها را پر نکرده‌اند binaryverseai.com. او مثال روشنی آورد: در یک کارخانه خودرو، یک کارگر خط آلمانی یک بار در لحظه و با خلاقیت، یک در صندوق گیرکرده را با یک تایر دوچرخه تعمیر کرد — روشی که هیچ الگوریتمی آن را پیش‌بینی نکرده بود binaryverseai.com. چنین بداهه‌سازی انسانی همچنان در خط تولید کارخانه‌ها حیاتی است، اما نسل‌های جوان‌تر کمتر وارد مشاغل فنی می‌شوند و با بازنشستگی نیروهای فعلی این حرفه‌ها، نگرانی اینجاست که صنایع با یک گلوگاه مواجه شوند: شما بدون دستان انسانی کافی قادر به توسعه کارخانه‌های خودروهای برقی یا پروژه‌های زیربنایی نخواهید بود. فارلی از سرمایه‌گذاری بر آموزش حرفه‌ای و بازتعریف این شغل‌ها به عنوان مشاغل حیاتی و فناورانه آینده حمایت کرد (که در واقع همین‌طور هستند — برقکار امروز اغلب در کنار سامانه‌های خودکار و ماشین‌آلات پیشرفته کار می‌کند) binaryverseai.com. او حتی این موضوع را به سطح امنیت ملی برد («تولید داخلی دفاع ماست») و تلویحاً اعلام کرد رقابت‌پذیری ملت‌ها وابسته به داشتن افرادی است که می‌توانند نوآوری‌هایی را بسازند که هوش مصنوعی طراحی کرده است binaryverseai.com. نتیجه این است: هوش مصنوعی مشاغل را تغییر می‌دهد، اما ممکن است تقاضاهای جدیدی بر نیروی کار وارد کند. با افزایش نقش هوش مصنوعی در کارهای ذهنی تکراری و جایگزینی روبات‌ها در امور یدی، مشاغل باقی‌مانده به مهارت بالاتر، انطباق‌پذیری و اغلب تلفیقی از تخصص‌ها نیاز خواهند داشت (مثلاً ترکیب نجاری با برنامه‌نویسی برای نصب سیستم‌های خانه هوشمند). به همین دلیل، توصیه می‌شود سیاست‌گذاران و شرکت‌ها برای توسعه نیروی کار برنامه‌ریزی کنند تا جامعه‌ای نسازیم که میلیون‌ها مهندس پرامپت دارد اما لوله‌کش کافی ندارد. به قول صریح فارلی: «آمریکا به یک نقشه راه نیاز دارد» تا پیشرفت فناوری و نیروی کار انسانی همزمان پیش بروند binaryverseai.com.

منابع: اطلاعات بالا از منابع معتبر مختلفی مانند اطلاعیه‌های شرکت‌ها، مصاحبه‌های کارشناسی و رسانه‌های خبری حوزه هوش مصنوعی گردآوری شده است. منابع کلیدی شامل گزارش آسوشیتدپرس درباره رای حقوقی علیه Anthropic apnews.com apnews.com، تحلیل وال استریت ژورنال درباره مصرف انرژی هوش مصنوعی livemint.com livemint.com، اظهارات رهبرانی همچون ایلیا ساتسکِوِر از Analytics India Magazine analyticsindiamag.com analyticsindiamag.com و اخبار شرکتی از منابعی چون Cointelegraph (استخدام‌ها و معاملات Meta) cointelegraph.com cointelegraph.com است. یافته‌های پژوهشی روزآمد نیز از منابعی مانند وبلاگ رسمی DeepMind (پروژه AlphaGenome) deepmind.google، نشریه Academic Radiology از AuntMinnie (هوش مصنوعی برای خونریزی پس از زایمان) auntminnie.com auntminnie.com و سایت‌های خبری فناوری (مثلا Tom’s Hardware برای پهپاد پشه) tomshardware.com گردآوری شده‌اند. این تحولات، تصویری از چشم‌انداز هوش مصنوعی را نشان می‌دهند که به‌سرعت در حال توسعه و گسترش قابلیت‌ و نفوذ است — حتی اگر جامعه همچنان درگیر فهم و جهت‌دهی به این دگرگونی باشد. پیشرفت‌های هر هفته، هم هیجان و هم تأملی تازه درباره نقش هوش مصنوعی در زندگی، اقتصاد و آینده ما به ارمغان می‌آورد.