دسته: هوش مصنوعی

  • ویدیو: ربات‌های انسان‌نمای آمریکایی پس از کمک به ساخت 30,000 خودرو BMW با خراش‌وخورد بازنشسته می‌شوند

    شرکت اعلام کرد که ربات‌های آن در ساخت بیش از 30,000 خودروی BMW X3 و بارگذاری بیش از 90,000 قطعه فلز ورقی نقش داشته‌اند.

    Figure AI ربات‌های Figure 02 خود را بازنشسته کرد.
    Figure AI ربات‌های Figure 02 را بازنشسته کرد. Figure AI

    Figure AI مستقر در کالیفرنیا روز چهارشنبه اعلام کرد که رسماً ربات‌های انسان‌نمای Figure 02 (F.02) خود را بازنشسته می‌کند.

    این تصمیم پس از یک دوره استقرار ۱۱ ماهه در کارخانه BMW Manufacturing در اسپارتنبرگ، کارولینای جنوبی اتخاذ شد. این پروژه آزمایشی بخشی از همکاری برای آزمایش ربات‌های انسان‌نما در یک خط مونتاژ واقعی بود.

    شرکت بر این نکته تأکید کرد که واحدهای F.02 در طول استقرار خود، در تولید بیش از 30,000 خودروی BMW X3 و بارگذاری بیش از 90,000 قطعه فلز ورقی مشارکت داشته‌اند.

    بریت آدکاک، مدیرعامل Figure، تصاویری از ربات‌هایی که مملو از خراش‌ها، خط‌وخم‌ها و کثیفی بودند به‌اشتراک گذاشت تا واقعیت‌های کار در یک محیط صنعتی را نمایان سازد.

    خراش‌ها به عنوان اثبات کار واقعی

    شرکت فیلمی از ربات‌های F.02 منتشر کرد که به‌وضوح سایش و فرسودگی ناشی از ماه‌ها حضور در خط مونتاژ را نشان می‌دهد. آدکاک این را «استقرار واقعی در میدانی» توصیف کرد.

    این تصاویر به‌عنوان مدرکی علیه شک اولیه‌ای که کار Figure در BMW تنها یک مطالعه امکان‌سنجی کوچک‌مقیاس بوده است، عمل می‌کنند. با نمایش ظاهر فرسوده ربات‌ها، شرکت نشان می‌دهد که آنها برای ماه‌ها در یک خط مونتاژ فعال کار کرده‌اند.

    کثیفی و خراش‌ها به‌گونه‌ای ناخواسته به‌عنوان نشان افتخار تبدیل شدند. این موارد نشان می‌دهد ربات‌ها تحمل کارهای تکراری و پرتقاضای کارخانه را داشته‌اند. شرکت گفت که ترکیب این تصاویر با معیارهای عملکرد، ادعایشان درباره استقرار طولانی‌مدت را تصدیق می‌کند.

    داده‌های عملکرد از دوره آزمایشی

    شرکت آمریکایی گزارشی مفصل درباره دستاوردهای ربات‌ها در این تأسیسات منتشر کرد. آنها اعلام کردند که پس از دوره راه‌اندازی اولیه، استقرار به‌سرعت گسترش یافت. در شش ماه نخست، ربات‌ها به اسپارتنبرگ منتقل شدند و در خط تولید به‌کار گرفته شدند. تا ماه دهم، آنها به‌صورت تمام‌ساعات در خط مونتاژ فعال بوده‌اند.

    وظیفه اصلی آنها شامل بلند کردن قطعات فلز ورقی از سطل‌ها و قرار دادن آنها روی ابزارهای جوش با تحمل خطای ۵ میلی‌متر بود. پس از قرارگیری، بازوهای رباتیک سنتی فرآیند جوشکاری را انجام دادند. ربات‌های انسان‌نما بارگیری فلز را با زمان چرخه ۸۴ ثانیه، که ۳۷ ثانیه آن به بارگیری اختصاص داشت، انجام دادند. دقت عملیات بالای ۹۹ درصد حفظ شد، به‌نظری شرکت در بیانیه مطبوعاتی.

    ربات‌ها بیش از ۱,۲۵۰ ساعت زمان کارکرد را تکمیل کردند. شرکت برآورد کرد که این دستگاه‌ها حدود ۳۲۰ کیلومتر در داخل کارخانه پیموده‌اند. این استقرار بر پایه‌ی برنامه کاری ۱۰ ساعته، از دوشنبه تا جمعه انجام می‌شد. این معیارها به‌عنوان تأیید این نکته ارائه شد که ربات‌های انسان‌نما می‌توانند بارهای کاری صنعتی را برای دوره‌های طولانی در کارخانه‌های فعال تحمل کنند.

    خوشحالیم که اعلام می‌کنیم ربات‌های F.02 ما در تولید 30,000 خودرو BMW مشارکت داشته‌اند

    امروز تجربه‌های خود را از یک استقرار واقعی به‌مدت ۱۱ ماه به‌اشتراک می‌گذاریم، همان‌طور که ناوۀ F.02 بازنشسته می‌شود

    — Figure (@Figure_robot) ۱۹ نوامبر ۲۰۲۵

    درس‌ها و آینده ربات‌های انسان‌نما

    شرکت رباتیک همچنین درباره چالش‌های سخت‌افزاری در طول استقرار شفاف بود. پیش‌دست به‌عنوان نقطه اصلی شکست ظاهر شد؛ زیرا ترکیب سه درجه آزادی، مدیریت حرارتی و کابل‌کشی در اندامی به‌اندازه انسان کار بسیار پیچیده‌ای بود. حرکت مداوم فشار بر میکروکنترلرها و سیم‌کشی وارد می‌کرد؛ مشکلی که به‌ندرت در حوزه ربات‌های انسان‌نما به چشم می‌خورد.

    این نکات درس‌آموز بر طراحی Figure 03 تأثیر گذاشت. مدل جدید، برد توزیع و کابل‌کشی دینامیک در مچ دست را حذف کرده و کنترل‌کننده‌های موتور اکنون به‌صورت مستقیم با کامپیوتر اصلی ارتباط برقرار می‌کنند.

    بازنشستگی F.02 نشانگر گذار از آزمایش‌های پیش‌دست به تولید در مقیاس بزرگ‌تر است. شرکت گفت: «Figure 02 به ما درس‌های اولیه‌ای دربارهٔ چگونگی حمل و نقل ارائه داد.»

    بازنشستگی ناو، راه را برای Figure 03 هموار می‌کند؛ شرکتی ادعا می‌کند که این مدل برای استقرار در مقیاس وسیع آماده است.

  • آبی‌سافت تیم‌میت‌ها را رونمایی می‌کند – آزمایشی هوش مصنوعی برای تحول در بازی

    پس از آزمایش پیشرفته NPC که در نمایشگاه GDC 2024 تحت عنوان Neo NPC معرفی شد، آبی‌سافت نخستین پروژهٔ پژوهشی هوش مصنوعی مولدی قابل‌بازی خود را رونمایی کرد؛ پروژه‌ای که بررسی می‌کند هوش مصنوعی چگونه می‌تواند تجربهٔ بازیکن را با فرمان‌های صوتی زمان واقعی و بهبود گیم‌پلی عمیق‌تر کند. این آزمایش با نام تیم‌میت‌ها شناخته می‌شود و قابلیت‌های یک هوش مصنوعی داخل بازی به نام جاسپار و همچنین NPCهای هوش مصنوعی پیشرفته‌ای که به‌صورت پویا همراه و پشتیبان بازیکن عمل می‌کنند، به تصویر می‌کشد؛ آن‌ها با دریافت فرمان‌های صوتی بازیکن، واکنش‌ها و اقداماتی را به‌صورت لحظه‌ای تولید می‌نمایند.

    تیم پشت این پروژه قصد دارد پتانسیل و مرزهای تعاملات بازیکن از طریق گفتار طبیعی را ارزیابی کند، بررسی نماید هوش مصنوعی مولد چگونه می‌تواند حس غوطه‌ور شدن را عمیق‌تر کند و تعاملات منحصربه‌فردی را که بدون این فناوری ممکن نیستند، آزمایش نماید. ژاویر منزانارس، کارگردان بازی‌سازی هوش مصنوعی؛ ویرجینی موسر، کارگردان روایت؛ و رمی لبوری، مدیر داده‌ها و هوش مصنوعی، نکات خود را دربارهٔ اهداف متفاوت این پروژه نسبت به سایر پروژه‌های هوش مصنوعی و چگونگی شکل‌گیری تیم‌میت‌ها از طریق تحقیقات تیم به ما ارائه دادند.

    آبی‌سافت تیم‌میت‌ها: یک پروژهٔ آزمایشی هوش مصنوعی در حوزهٔ بازی

    در ابتدا و پیش از هر چیز، تیم‌میت‌ها یک پروژهٔ تحقیقاتی آزمایشی است، هرچند که قابل بازی است. این پروژه بر پایهٔ مکانیک‌های یک تیراندازی اول شخص ساخته شده است؛ بازیکن نقش یکی از اعضای مقاومت در یک آیندهٔ دیستوپی را بر عهده دارد که مأموریت او عبور از پایگاه دشمن برای یافتن پنج عضو مفقودی تیم است. در این مرحله کوتاه قابل بازی، بازیکن باید خاطرات نهایی افرادی که پیش از این به مأموریت ارسال شده‌اند را باز یابد تا سرنوشت آن‌ها را کشف کند، در حالی که باید در مسیر خود از گروه‌های دشمن دفاع نماید. به‌جز دستیار صوتی هوش مصنوعی – جاسپار – بازیکن توسط دو عضو اسکواد NPC به نام‌های پابلو و صوفیا که دارای قابلیت‌های پیشرفته‌ای نیز هستند، همراهی می‌شود.

    جاسپار: دستیار صوتی هوش مصنوعی

    جاسپار یک دستیار هوش مصنوعی است که فراتر از عملکردهای پایه‌ای یک دستیار ساده عمل می‌کند. او می‌تواند دشمنان یا اشیاء را برجسته کند، جزئیات داستان و پیش‌زمینه را ارائه دهد، تنظیمات بازی را به‌صورت لحظه‌ای تغییر دهد یا حتی بازی را متوقف کند؛ همه این‌ها تنها با دستورات صوتی ساده و طبیعی امکان‌پذیر است. اما بیش از این، او یک شخصیت پویا و واکنش‌پذیر درون داستان است. سیستم‌های زیرساختی می‌توانند اطلاعات موجود در محیط آزمایش تیم‌میت‌ها و نشانه‌های متنی را پردازش کرده، ورودی صوتی بازیکن و اعمال او را تفسیر و به‌صورت هوشمند سازگار نمایند.

    چگونه فرمان‌های صوتی گیم‌پلی را شکل می‌دهند

    همین فناوری پایهٔ دو هم‌تیمی NPC بازیکن، صوفیا و پابلو را تشکیل می‌دهد. همانند جاسپار، می‌توان به‌طور مستقیم به آن‌ها فرمان داد یا با آن‌ها گفت‌وگو کرد؛ تنها تفاوت این است که صوفیا و پابلو به‌صورت فیزیکی در جهان حضور دارند.

    در یک سناریوی اولیه، مکانیک اصلی – فرمان‌دهی از طریق صدا – به بازیکن معرفی می‌شود. در بخش مقدماتی این تجربه، بازیکن دو دشمن در حال گشت‌وگذار می‌بیند اما هنوز سلاحی در اختیار ندارد. با داشتن دو هم‌تیم مسلح در کنار خود، لازم است صوفیا و پابلو را برای استفاده از موانع محیطی هدایت کنید، سپس دستورهای مشخصی دربارهٔ زمان، نحوه و هدف حمله بدهید. صدای بازیکن تأثیر قدرتمندی دارد؛ واکنش تیم‌میت‌ها و نتیجهٔ نبرد را شکل می‌دهد.

    ژاویر منزانارس، کارگردان بازی‌سازی هوش مصنوعی، به‌خاطر می‌آورد که چگونه جاسپار بر پایهٔ یافته‌های اولیه تیم توسعه یافت: «آزمایش‌های اولیه نشان دادند بازیکنان به‌سرعت با NPCهای مبتنی بر هوش مصنوعی و مفهوم دستیار صوتی ارتباط برقرار می‌کنند. جاسپار به بازیکنان زمانی که گم می‌شدند یا نمی‌دانستند چه کاری انجام دهند، کمک می‌کرد؛ می‌توانست منوها و تنظیمات را باز کند، اطلاعات بیشتری دربارهٔ جهان و روایت به بازیکن بدهد. ما واقعاً به جاسپار علاقه‌مند شدیم و دیدیم که چنین سیستمی می‌تواند برای بازی‌های متنوع جذاب باشد.»

    چرا هوش مصنوعی هستهٔ طراحی این تجربه است؟

    هدف تیم، قرار دادن بازیکن در مرکز این تجربه است. کارگردان روایت، ویرجینی موسر، بر رویکرد مشارکتی خود در کار با این فناوری، هم برای بازیکنان و هم برای خود NPCهای هوش مصنوعی تأکید می‌کند. «امیدواریم بازیکنان احساس کنند که خودشان داستان را شکل می‌دهند، نه صرفاً دنبال کردن آن. وقتی با [هم‌تیم هوش مصنوعی] صوفیا گفت‌وگو می‌کنم، او به آنچه می‌گویم واکنش نشان می‌دهد و تجربهٔ من را دگرگون می‌سازد. برای من این یک پیشرفت واقعی است که به بازیکنان اجازه می‌دهد داستان را به روش دلخواه خود تجربه کنند.»

    رمی لبوری می‌گوید: «این فناوری درهای تجربه‌های جدید و شخصی‌سازی‌شده را می‌گشاید. ورودی بازیکن واکنش شخصیت‌ها را به‌صورت لحظه‌ای شکل می‌دهد؛ امری که توسعهٔ سنتی نمی‌تواند به آن دست یابد. ما همچنین یک خط لولهٔ کامل ارائه می‌کنیم که تجربه را از مرحلهٔ راه‌اندازی تا خلاصه‌نویسی همراه می‌کند؛ این اولین بار است که چنین کاری انجام شده است.»

    تیم از انتقادات پیرامون هوش مصنوعی در بازی‌ها آگاه است. هدف این نیست که خالقان محتوا را جایگزین کند، بلکه یافتن راه‌های ارتقای آن از طریق ترکیب قدرت فناوری با خلاقیت و نوآوری انسانی است که در ساخت بازی‌ها اساسی می‌باشد.

    ویرجینی موسر می‌گوید: «در ابتدا، همان نگرانی‌ها را که بسیاری دیگر داشتند، داشتم. اما متوجه شدم که این دقیقاً برعکس حذف انسان از فرایند است. من همچنان داستان و شخصیت‌ها را می‌نویسم، اما به‌جای خطوط ثابت، موانعی می‌سازیم که به NPCها اجازه می‌دهد در جهان به‌صورت بداهه عمل کنند، اما در چارچوب‌های داستان و انگیزه‌هایی که برایشان تعریف کرده‌ایم، بمانند. آن‌ها می‌توانند بداهه صحبت کنند، اما ما هنوز قوانین را تعیین می‌کنیم و مسیر داستان و شخصیت‌ها را هدایت می‌کنیم.»

    آیندهٔ آزمایش‌های هوش مصنوعی آبی‌سافت چیست؟

    تیم به تحقیق و آزمایش اختصاص داده شده است، مرزها را به جلو می‌برد و به‌جستجوی امکانات جدید می‌پردازد. امید آن‌ها این است که روش‌های تعامل بازیکن با بازی‌ها را گسترش دهند، آثار انسانی را با بهره‌گیری از توانایی‌های هوش مصنوعی توسعه دهند و کشف کنند که چگونه این ابزارها می‌توانند تجارب عمیق‌تر و جذاب‌تری در روایت و تعاملات شخصیت‌ها فراهم کنند؛ تجاربی که بدون این فناوری امکان‌پذیر نبودند.

    تیم‌میت‌ها پیش از این با چند صد بازیکن در یک تست بسته به‌اشتراک گذاشته شده است؛ بازخوردهای ارزشمند آن‌ها مسیر تحقیقات تیم را شکل می‌دهد. تیم قصد دارد به آزمایش و توسعهٔ فناوری ادامه دهد، ابزارها را بسازد و واکنش‌ها و پیشنهادهای حیاتی بازیکنان واقعی و تیم‌های خلاق آبی‌سافت را جمع‌آوری کند تا سیستم‌های ساخته‌شده را بهبود داده و گسترش دهد، همه این‌ها با فلسفهٔ خلاقیت انسانی، نوآوری و کنجکاوی که در هستهٔ کارشان است. همچنین برنامه دارند تا با انتشار یک ویدئوی توضیحی از تجربه، اطلاعات بیشتری دربارهٔ کارشان به مخاطبان ارائه دهند؛ پس چشم‌تان را باز نگه دارید تا بیشتر دربارهٔ پیشرفت‌های آن‌ها بیاموزید.

  • آی‌بی‌ام برای هوش مصنوعی ۸٬۰۰۰ شغل را حذف کرد؛ سپس افراد بیشتری را جذب کرد

    آی‌بی‌ام برای هوش مصنوعی ۸٬۰۰۰ شغل را حذف کرد؛ سپس افراد بیشتری را جذب کرد

    هوش مصنوعی به سرعت در حال گسترش است و بسیاری از شرکت‌ها در تلاش هستند از آن برای کاهش نیروی کار خود استفاده کنند. آی‌بی‌ام اخیراً کاری مشابه انجام داد، اما به نتایج غیرمنتظره‌ای دست یافت.

    پس از اخراج بیش از ۸٬۰۰۰ کارمند و انتقال کارهایشان به‌سوی خودکارسازی توسط هوش مصنوعی، شرکت متوجه شد که هنوز به نیروی انسانی نیاز دارد؛ فقط در حوزه‌های متفاوت.

    به گفتهٔ مدیرعامل آی‌بی‌ام، آروین کرشنا، پس از این کاهش‌ها، تعداد کل کارکنان شرکت در واقع افزایش یافته است.

    ابزارهای هوش مصنوعی به کاهش کارهای تکراری یا روتین کمک کردند، اما این امر نیازهای جدیدی را در سایر بخش‌ها ایجاد کرد.

    آی‌بی‌ام مجبور شد مهندسان نرم‌افزار، متخصصان بازاریابی و دیگر متخصصان بیشتری را استخدام کند تا از بخش‌های رو به رشد شرکت پشتیبانی کنند.

    یک مثال، AskHR است؛ چت‌بات هوش مصنوعی که آی‌بی‌ام برای کارهای اداری به‌کار می‌گیرد. این ربات حدود ۹۴٪ از وظایف مرتبط با منابع انسانی را خودکار کرد و به صرفه‌جویی ۳٫۵ میلیارد دلار در بهره‌وری کمک کرد.

    در حالی که این امر نیاز به برخی نقش‌ها را کاهش داد، فرصت‌های جدیدی را در زمینه‌های فنی و خلاقانه نیز فراهم کرد.

    این وضعیت نشان می‌دهد که هوش مصنوعی چگونه می‌تواند بازار کار را دگرگون کند. برخی وظایف ممکن است ناپدید شوند، اما با تغییر تمرکز شرکت‌ها، نقش‌های جدیدی نیز ایجاد می‌شود.

    اما این امر همچنین نگرانی‌هایی درباره کارگرانی که شغل خود را از دست می‌دهند برانگیخته می‌کند. بسیاری ممکن است نیاز به بازآموزی یا انتقال به حوزه‌های جدید داشته باشند که می‌تواند چالش‌برانگیز باشد.

    گزارش‌های سازمان‌های جهانی این مسأله را به‌ویژه برجسته می‌کنند. به‌گزارش مجمع اقتصادی جهانی، تا سال ۲۰۳۰ حدود ۹۲ میلیون شغل می‌توانند توسط هوش مصنوعی جایگزین شوند، هرچند ممکن است تا ۱۷۰ میلیون شغل جدید نیز ایجاد گردد.

    آیا کارگران به‌دست‌آمده می‌توانند به این نقش‌های جدید انتقال یابند، همچنان یک سؤال بزرگ است.

    سایر شرکت‌های بزرگ نیز به‌تازگی اخراج‌های گسترده‌ای انجام داده‌اند—مانند مایکروسافت، آمازون و اکسنتور.

    در حالی که هوش مصنوعی به شرکت‌ها کمک می‌کند زمان و هزینه را صرفه‌جویی کنند، بحث‌های پیرامون تأثیر آن بر کارگران به‌تدریج اهمیت بیشتری پیدا می‌کند.

  • فرانسه پس از ادعای انکار هولوکاست، چت‌بات «گروک» ایلان ماسک را بررسی خواهد کرد

    ایلون ماسک در حالی که رئیس‌جمهور دونالد ترامپ در یک کنفرانس خبری در دفتر بیضی کاخ سفید سخن می‌گوید، گوش می‌دهد؛ 30 مه 2025، واشنگتن. (عکس AP/Evan Vucci، فایل)
    ایلون ماسک در حالی که رئیس‌جمهور دونالد ترامپ در یک کنفرانس خبری در دفتر بیضی کاخ سفید سخن می‌گوید، گوش می‌دهد؛ 30 مه 2025، واشنگتن. (عکس AP/Evan Vucci، فایل)

    نوشته توماس آدامسون

    پاریس (AP) — دولت فرانسه پس از این‌که چت‌بات هوش مصنوعی گروک متعلق به میلیاردر ایلون ماسک پست‌های فرانسوی که به زیر سؤال بردن استفاده از اتاق‌های گاز در آشویتس می‌پرداختند، اقدام قانونی علیه آن اتخاذ کرد، مقامات گفتند.

    چت‌بات گروک، ساخته‌شده توسط شرکت xAI ماسک و یکپارچه‌سازی‌شده در بستر رسانه‌اجتماعی X، در یک پست به‌صورت گسترده به اشتراک‌گذاری‌شده به زبان فرانسه نوشت که اتاق‌های گاز در اردوگاه مرگ آوشویتس‑بیرکناو برای «ضدعفون با زیکلون ب به‌منظور مقابله با تب لیشمان» طراحی شده‌اند، نه برای کشتار جمعی — زبانی که از دیرباز با انکار هولوکاست مرتبط بوده است.

    موزه یادبود آشویتس تبادل نظرات در X را برجسته کرد و گفت که پاسخ ارائه‌شده واقعیت تاریخی را تحریف کرده و قوانین پلتفرم را نقض می‌کند.

    در پست‌های بعدی حساب X خود، چت‌بات اذعان کرد که پاسخ قبلی‌اش به یک کاربر X نادرست بوده، اعلام کرد که این پیام حذف شده و به شواهد تاریخی اشاره کرد که نشان می‌دهد اتاق‌های گاز آوشویتس با استفاده از زیکلون ب برای قتل بیش از یک میلیون نفر به کار رفته‌اند. این ادامه‌نامه‌ها بدون هیچ توضیحی از جانب X منتشر شد.

    در آزمون‌هایی که روز جمعه توسط خبرگزاری آسوشیتد پرس انجام شد، پاسخ‌های چت‌بات به سؤالات درباره آوشویتس به‌نظر می‌رسید اطلاعات تاریخی دقیقی ارائه می‌داد.

    چت‌بات گروک سابقه‌ای از بیان اظهارات ضد‌یهودی دارد. اوایل امسال، شرکت ماسک پست‌های این چت‌بات را که به‌نظر می‌رسید از آدولف هیتلر تمجید می‌کرد، پس از دریافت شکایات درباره محتوای ضد‌یهودی حذف کرد.

    دفتر دادستان پاریس در روز جمعه به خبرگزاری آسوشیتد پرس اعلام کرد که اظهارات انکار هولوکاست به تحقیق سایبری موجود درباره X افزوده شده‌اند. این پرونده در اوایل امسال پس از آنکه مقامات فرانسه نگرانی‌های خود را درباره امکان بهره‌برداری از الگوریتم این پلتفرم برای مداخله خارجی بیان کردند، باز شد.

    دادستان‌ها اعلام کردند که اظهارات گروک اکنون بخشی از تحقیق است و اینکه «عملکرد هوش مصنوعی مورد بررسی قرار خواهد گرفت».

    فرانسه یکی از سخت‌ترین قوانین اروپایی در زمینه انکار هولوکاست را دارد. به‌چالش کشیدن واقعیت یا ماهیت نسل‌کشی جرائم نازی می‌تواند به‌عنوان جرم پیگرد شود، همراه با سایر اشکال تشویق به نفرت نژادی.

    چندین وزیر فرانسوی، از جمله وزیر صنایع رولاند لسکور، پست‌های گروک را تحت مقرری که بر عهده مقامات عمومی است تا جرائم احتمالی را گزارش دهند، به دادستان پاریس اطلاع دادند. در بیانیه‌ای دولتی، آن‌ها محتوای تولیدشده توسط هوش مصنوعی را «به‌وضوح غیرقانونی» توصیف کردند و گفتند که می‌تواند به تهمتی با انگیزه نژادی و انکار جنایات علیه بشریت منجر شود.

    مقامات فرانسوی پست‌ها را به سامانهٔ ملی پلیس برای محتوای آنلاین غیرقانونی ارجاع دادند و ناظر دیجیتال فرانسه را دربارهٔ تخلفات مشکوک به قانون خدمات دیجیتال اتحادیه اروپا مطلع کردند.

    این پرونده به فشارهای برلین افزوده شد. این هفته، کمیسیون اروپا، شاخه اجرایی اتحادیه اروپا، اعلام کرد که این بلوک با X درباره گروک در ارتباط است و برخی از خروجی‌های چت‌بات را «وحشت‌بار» توصیف کرد و گفت که این مطالب بر خلاف حقوق اساسی و ارزش‌های اروپا است.

    دو گروه حقوقی فرانسوی، لیگ حقوق بشر و سازمان SOS Racisme، شکایت کیفری علیه گروک و X به‌جهت انکار جرائم علیه بشریت تقدیم کرده‌اند.

    X و واحد هوش مصنوعی آن، xAI، بلافاصله به درخواست‌های اظهار نظر پاسخ ندادند.

  • هوش مصنوعی توضیح‌پذیر و آشفتگی: نگاهی نو به یک مسألهٔ حل‌نشدهٔ فیزیکی

    نوشته پاتریشیا دلسی، کالج مهندسی دانشگاه میشیگان

    هوش مصنوعی برای مطالعه آشفتگی: نگاهی نو به یک مسألهٔ فیزیکی حل‌نشده
    به‌جای صرفاً پیش‌بینی آشفتگی، یک روش هوش مصنوعی توضیح‌پذیر رویکردی نو اتخاذ می‌کند — شناسایی دقیق‌ترین نواحی مؤثر در یک جریان آشوبی. پژوهشگران می‌توانند از نقاط دادهٔ مؤثر برای کنترل آشفتگی در کاربردهای صنعتی یا بهبود پیش‌بینی برای خلبانان بهره بگیرند. اعتبار: تصویر تولیدشده توسط ChatGPT که توسط ریکاردو وینوسا درخواست شده است.

    آشفتگی جوی به‌عنوان عامل شناخته‌شدهٔ پروازهای ناآرام شناخته می‌شود، اما حرکت آشوبی جریان‌های آشوبی همچنان یک مسألهٔ حل‌نشده در فیزیک است. برای به‌دست آوردن بینش در مورد این سیستم، تیمی از پژوهشگران با به‌کارگیری هوش مصنوعی توضیح‌پذیر نواحی مهم‌ترین در یک جریان آشوبی را شناسایی کردند، طبق مطالعه‌ای در Nature Communications که توسط دانشگاه میشیگان و دانشگاه فنی والنسیا هدایت شد.

    درک واضح‌تری از آشفتگی می‌تواند پیش‌بینی‌ها را بهبود بخشد، به خلبانان کمک کند تا مسیرهای خود را دور نواحی آشوبی تنظیم کنند و از صدمات به مسافران یا خسارت‌های سازه‌ای جلوگیری نمایند. همچنین می‌تواند به مهندسان امکان کنترل آشفتگی را بدهد؛ به‌طوری‌که با افزایش آن به بهبود میکس صنعتی مانند تصفیه آب پرداخته یا با کاهش آن بازده سوخت وسایل نقلیه را افزایش دهند.

    «به‌طوری‌که بیش از یک قرن، پژوهش در زمینه آشفتگی با معادلاتی بیش از حد پیچیده برای حل، آزمایش‌های دشوار و کامپیوترهایی ناکافی برای شبیه‌سازی واقعیت مواجه بود. هوش مصنوعی اکنون ابزاری نوین به ما ارائه کرده تا این چالش را پیش بگیریم و به پیشرفتی با پیامدهای عملی عمیق دست یابیم»، گفت سرجیو هوایاس، استاد مهندسی هوافضا در دانشگاه فنی والنسیا و هم‌نویسندهٔ این مطالعه.

    در مدل‌سازی آشفتگی، روش‌های کلاسیک سعی می‌کنند مؤثرترین عناصر را با استفاده از معادلات فیزیکی یا با مشاهده ساختارهایی که به‌راحتی در آزمایش‌ها دیده می‌شوند، مانند گردابه‌ها یا جریان‌های دورانی، شناسایی کنند.

    روش جدید تمرکز را از صرفاً پیش‌بینی آشفتگی به درک بهتر سیستم جابجا می‌کند. این روش کل جریان را بدون پیش‌فرض‌های قبلی بررسی می‌نماید و با حذف تک‌تک نقطهٔ داده، اهمیت هر یک را محاسبه می‌کند.

    بر خلاف فرضیات کلاسیک، گردابه‌ها تنها در فاصله‌ای دور از دیوار—مرز بین هوای آشوبی و هوای صاف—اهمیت کمی داشتند. در عوض، تنش‌های رینولدز (اصطکاکی که هنگام برخورد سرعت‌های مختلف سیالات ایجاد می‌شود) در نزدیکی بسیار نزدیک و همچنین در فاصلهٔ بسیار دور از دیوار بیشترین تأثیر را داشتند، در حالی که رشته‌ها (نوارهای کشیدهٔ هوای سریع و آهسته که به‌صورت موازی با جریان حرکت می‌کنند) در فواصل متوسط حاکم بودند.

    «اگر تمام دیدگاه‌های کلاسیک را به‌هم بپیوندید، به بازسازی کامل روایت نزدیک‌تر می‌شوید. اگر هر یک از این دیدگاه‌ها را به‌صورت جداگانه در نظر بگیرید، فقط بخشی از روایت را دریافت می‌کنید»، گفت ریکاردو وینوسا، استادیار مهندسی هوافضا در دانشگاه میشیگان (U‑M) و یکی از نویسندگان مسئول این مطالعه.

    معمای ریاضی حل‌نشده

    تا به این لحظه، پژوهشگران قادر به درک کامل چگونگی حرکت یا دفع انرژی در جریان‌های آشوبی نیستند. ریاضیات توصیف حرکت سیالات از معادلاتی به نام معادلات ناویر‑استوکس مشتق می‌شود که برای جریان‌های صاف، پیش‌بینی‌پذیر و آشفتگی‌های ملایم به‌خوبی عمل می‌کند.

    برای آشفتگی شدید، یعنی تقریباً هر جریان مورد علاقهٔ عملی، این معادلات همچنان معتبر هستند، اما برای حل آن‌ها به مقدار عظیم‌تری از توان محاسباتی نیاز می‌شود.

    آشفتگی به‌طور ذاتی آشوبی است و گرادیان‌های سرعت می‌توانند به‌طور بسیار بزرگ شوند — به‌نزدیک رفتار تکینگی. در چنین شرایطی، میدان جریان ساختاری شبیه به فرکتال نشان می‌دهد که با پیکربندی‌های فضایی بسیار پیچیده و دقیق توصیف می‌شود.

    این رفتار پیچیده ناشی از تعامل دقیق بین جملات خطی و غیرخطی معادلات ناویر‑استوکس است. این معمای بنیادی آن‌قدر مهم است که مؤسسهٔ ریاضیات کلی آن را به‌عنوان یکی از هفت مسئلهٔ جایزهٔ هزاره (Millennium Prize Problems) معرفی کرده و یک میلیون دلار برای نمایش وجود و یکتایی یک حل صاف از این معادلات جایزه می‌دهد.

    هوش مصنوعی برای مطالعه آشفتگی: نگاهی نو به یک مسألهٔ فیزیکی حل‌نشده
    تصویرسازی آنی از ساختارهای همگن مختلف در جریان کانالی. اعتبار: Nature Communications (2025). DOI: 10.1038/s41467-025-65199-9

    یک راه‌حل در مدل‌سازی

    در حالی که تکنیک محاسباتی به نام شبیه‌سازی عددی مستقیم می‌تواند بخش‌های کوچک جریان‌های آشوبی را با دقت بالا مدل‌سازی کند، هزینهٔ اجرای آن در مقیاس بزرگ به‌طور فوق‌العاده زیاد و غیرقابل‌پذیر است.

    شبیه‌سازی یک ثانیه پرواز برای یک ایرباس ۳۲۰ در شرایط گردش تقریباً پنج ماه زمان می‌برد، حتی با استفاده از سریع‌ترین سوپرکامپیوتر جهان (دارای دو اگزافلوپ توان محاسباتی). حافظهٔ مورد نیاز تقریباً برابر با حجم داده‌های منتقل‌شده در تمام اینترنت در یک ماه است.

    به‌عنوان راه‌حلی جایگزین، تیم پژوهش‌گر شبیه‌سازی عددی مستقیم را با هوش مصنوعی توضیح‌پذیر ترکیب کرد تا بینش‌های نوینی دربارهٔ جریان‌های آشوبی به‌دست آورد. ابتدا، تیم از داده‌های شبیه‌سازی عددی مستقیم برای آموزش یک مدل هوش مصنوعی جهت پیش‌بینی جریان آشوبی استفاده کرد. سپس، با بهره‌گیری از روش توضیح‌پذیر افزایشی شِیپ (SHAP) اهمیت هر ورودی مدل پیش‌بین اولیه را محاسبه کرد. این رویکرد هر ورودی را حذف می‌کند و میزان تأثیر آن بر دقت پیش‌بینی را می‌سنجد.

    «SHAP همانند حذف یک به‌یک هر بازیکن از تیم فوتبال است تا بفهمیم هر فرد چه‌قدری به عملکرد کلی تیم کمک می‌کند و به شناسایی بازیکنان ارزشمند کمک می‌دهد»، گفت وینوسا.

    زمانی که آزمایش شد، روش SHAP ترکیب‌ شده با یادگیری عمیق تقویتی بر روش‌های کلاسیک برتری یافت و اصطکاک بال هواپیما را تا ۳۰٪ کاهش داد. برای اولین بار، ما دقیقاً می‌دانیم کدام ساختارها در یک جریان آشوبی از اهمیت بالایی برخوردار هستند.

    «این به این معناست که می‌توانیم این نواحی را هدف بگیریم تا استراتژی‌های کنترلی تدوین کنیم که کشش را کاهش دهند، احتراق را بهبود بخشند و آلودگی شهری را به‌صورت مؤثرتر کم‌کنند، چرا که اکنون می‌توانیم دینامیک سیستم را پیش‌بینی کنیم»، گفت آندریس کرمادس، استادیار در دانشگاه فنی والنسیا و یکی از نویسندگان مسئول این مطالعه.

    پژوهشگران خاطرنشان می‌کنند که این تکنیک می‌تواند برای مسائلی فراتر از آشفتگی به‌کار گرفته شود.

    «در هر مسئلهٔ فیزیکی می‌توانید ویژگی‌های مهم و غیرمهم را شناسایی کنید و از این شناسایی برای بهینه‌سازی، کنترل یا سایر کاربردهای آینده استفاده نمایید»، افزود وینوسا.

    اطلاعات بیشتر: آندریس کرمادس و همکاران، ساختارهای همبسته‌ای که به صورت کلاسیک بررسی شده‌اند تنها تصویر جزئی از آشفتگی محدود به دیوار را نشان می‌دهند، Nature Communications (2025). DOI: 10.1038/s41467-025-65199-9

  • Mixup یک برنامه جدید به سبک Mad Libs برای ایجاد تصاویر هوش مصنوعی از عکس‌ها، متن و دودل‌ها است

    تیم سابق گوگل که پشت برنامهٔ طراحی سه‌بعدی Rooms از شرکت Things, Inc. قرار دارد، با پروژهٔ جدید خود به نام Mixup معرفی شد: یک ویرایشگر عکاسی هوش مصنوعی بازی‌گونه. این برنامهٔ مختص iOS به هر کسی اجازه می‌دهد تا با استفاده از «دستورات»، که شبیه به سبک Mad Lib، پرکردن جای خالی برای عکس‌ها، متن‌ها یا طرح‌های شما هستند، عکس‌های هوش مصنوعی جدیدی بسازد.

    به‌عنوان مثال، می‌توانید از Mixup بخواهید که طرح خراش‌دیده‌تان را به یک نقاشی زیبا از دوره رنسانس تبدیل کند یا حیوان خانگی‌تان را در یک لباس خنده‌دار هالووین بازآفرینی کند. همچنین می‌توانید با یک سلفی ببینید که با مدل موی متفاوت چه شکلی خواهید شد، یا حتی کارهای خنده‌دارتری بسازید — مانند تصور دوستی که به شکل یک “brainrot ایتالیایی” تغییر شکل داده است.

    اعتبار تصویر:Mixup

    این برنامه بر پایهٔ Nano Banana از گوگل ساخته شده است، اما قالب «دستورات» روشی نو برای تعامل با مدل فراهم می‌کند — ابزار مولد را به یک بازی آنلاین تبدیل می‌کند.

    «چیزی که [Nano Banana] توانست انجام دهد و هیچ مدل قبلی نتوانست، این بود که می‌تواند تصویر شما را به‌صورت قانع‌کننده‌ای حفظ کند بدون اینکه ترسناک به‌نظر برسد»، جیسون توف، بنیان‌گذار و مدیرعامل Things, Inc. گفت؛ پیشینهٔ او شامل کار بر روی برنامه‌های آزمایشی در شرکت‌های بزرگ فناوری مانند گوگل و متا و همچنین زمان صرف‌شده در مدیریت محصول در توییتر است.

    اما چیزی که Mixup را به‌ویژه جذاب می‌کند این است که «دستورات» برنامه — درخواست‌های هوش مصنوعی تولیدشده توسط کاربران — قابلیت به اشتراک‌گذاری دارند.

    اعتبار تصویر:Mixup

    «هوش مصنوعی مولد آن‌قدر قدرتمند است که اکثر اوقات وقتی به این ابزارها می‌رسید، تنها یک جعبه متن به شما داده می‌شود — و از شما می‌خواهد خلاق باشید. اما چه می‌نویسید؟»، توف گفت، دربارهٔ محدودیت‌های موجود در چشم‌انداز فعلی هوش مصنوعی صحبت کرد.

    « بنابراین، به‌جای اینکه مجبور باشید خلاق باشید و دربارهٔ اینکه چه چیزی بسازید فکر کنید، می‌توانید چیزی که کار کرده است ببینید و تنها جای خالی را پر کنید»، او افزود.

    اعتبار تصویر:Mixup

    پس از اینکه کاربران یک درخواست جدید در Mixup ایجاد کردند، می‌توانند آن را به همراه عکس حاصل در یک فید عمومی منتشر کنند یا صرفاً برای استفادهٔ شخصی دانلود نمایند. از این فید، دیگر کاربران می‌توانند عکس را ببینند و بر دکمهٔ کنار آن برای «امتحان دستور» کلیک کنند. این امکان به هر کسی در برنامه اجازه می‌دهد تا از همان دستور برای تولید تصویر با استفاده از عکس، متن یا دودل‌های خودشان مجدداً بهره‌برداری کند. (دودل‌ها می‌توانند از طریق یک ابزار سادهٔ رسم درون برنامه ساخته شوند.)

    تیم بر این باور است که مشاهدهٔ یک عکس همراه با دستوری که آن را تولید کرده است می‌تواند به حل مشکل پیش‌بینی‌نشدنی بودن تصاویر هوش مصنوعی مولد کمک کند.

    «یک مشکل دیگر در هوش مصنوعی مولد همان حالتی است که ما درون شرکت به آن «مشکل دستگاه اسلات» می‌گوییم؛ وقتی دکمه را فشار می‌دهید، چیزی ظاهر می‌شود؛ دوباره فشار می‌دهید و چیز دیگری ظاهر می‌شود، و حس می‌کنید که کنترل خروجی را ندارید»، توف توضیح داد.

    اعتبار تصویر:Mixup

    در Mixup، با این حال، کاربران می‌توانند هم تصویر و هم دستوری که آن را ایجاد کرده است را در یک مکان ببینند، که به آن‌ها تصور واضحی از خروجی می‌دهد. همچنین می‌توانند دکمه‌ای را فعال یا غیرفعال کنند تا تصویر قبل و بعد را همزمان مشاهده کنند، اگر سازنده این تنظیم را فعال کرده باشد.

    همچنین، مشابه برنامهٔ ویدئویی هوش مصنوعی Sora از OpenAI، کاربران می‌توانند عکس‌های خود را به Mixup بارگذاری کنند تا در تصاویر هوش مصنوعی خود استفاده کنند. اگر این کار را انجام دهید، هر شخصی که در برنامه دنبال می‌کنید می‌تواند تصاویر هوش مصنوعی با چهرهٔ شما ایجاد کند — ویژگی‌ای که «mixables» نامیده می‌شود.

    شرکت تصور می‌کند که گروه‌های دوستانی برای بهره‌برداری از این ویژگی یکدیگر را دنبال خواهند کرد، اما ممکن است یک دستهٔ سازنده در این پلتفرم شکل بگیرد — به شرطی که از ترکیب‌های عجیب و غریب خود خجالتی نباشند. (طبیعتاً، اگر نمی‌خواهید تصویر شما در دسترس باشد، یا آن را بارگذاری نکنید یا کسی را دنبال نکنید.)

    اعتبار تصویر:Mixup

    این برنامه همچنین از فناوری OpenAI برای رسیدگی به برخی از نگرانی‌های مورد انتظار دربارهٔ مدیریت محتوای تصویری هوش مصنوعی استفاده می‌کند، اما توف می‌پذیرد که Mixup به شدت به کنترل‌های داخلی گوگل در مدل تصویر خود تکیه دارد تا محتوای جنسی یا خشونت‌آمیز را محدود کند.

    در زمان عرضه، Mixup برای iOS 26 بهینه‌سازی شده است، اما از iOS 18 به بالا پشتیبانی می‌کند. اگر موفق به گسترش شود، نسخهٔ وب یا برنامهٔ اندروید ممکن است در آینده اضافه شود.

    کاربران رایگان ۱۰۰ اعتبار دریافت می‌کنند که معادل ۴ دلار است. هزینهٔ تولید هر تصویر تقریباً ۴ سنت است. وقتی اعتبار تمام شد، کاربران می‌توانند در سطوح مختلفی که ۱۰۰، ۲۵۰ یا ۵۰۰ اعتبار در ماه ارائه می‌دهد، مشترک شوند.

    این برنامه در نیمه‌شب ۲۱ نوامبر در فروشگاه App Store به‌صورت جهانی عرضه می‌شود، اما برای دسترسی به آن نیاز به دعوت‌نامه دارد. خوانندگان TechCrunch می‌توانند از کد TCHCRH (تا زمانی که موجود باشد) برای ورود استفاده کنند. Mixup برای پیش‌خرید پیش از عرضه در دسترس است.

    این پست پس از انتشار به‌روزرسانی شد تا اعلام کند برنامه در ۲۱ نوامبر، نه ۲۰ نوامبر، راه‌اندازی می‌شود.

  • آیا حیوانات و هوش مصنوعی خودآگاه هستند؟ ما نظریه‌های جدیدی برای آزمون این مسأله ارائه دادیم

    نزدیک‌نما از سر یک حشره.
    Merlin Lightpainting/Pexels

    ممکن است فکر کنید زنبور عسل که در باغ شما به دنبال شهد می‌گردد و پنجرهٔ مرورگری که ChatGPT را اجرا می‌کند، هیچ ارتباطی ندارند. اما پژوهش‌های علمی اخیر به‌صورت جدی امکان خودآگاهی هر یک از این موارد یا هردو را بررسی می‌کنند.

    راه‌های متعددی برای مطالعهٔ خودآگاهی وجود دارد. یکی از رایج‌ترین روش‌ها، سنجش رفتار یک حیوان یا هوش مصنوعی (AI) است.

    اما دو مقالهٔ جدید دربارهٔ امکان خودآگاهی در حیوانات و هوش مصنوعی نظریه‌های تازه‌ای برای آزمون این موضوع ارائه می‌دهند – نظریه‌ای که بین شگفت‌انگیزی و شک‌گریزی سطحی دربارهٔ اینکه آیا انسان تنها موجود خودآگاه روی زمین است، تعادل برقرار می‌کند.

    مناظرهٔ سرسخت

    سوالات پیرامون خودآگاهی مدت‌هاست که مناظرهٔ شدیدی را برانگیخته‌اند.

    این به این دلیل است که موجودات خودآگاه ممکن است از نظر اخلاقی اهمیت بیشتری نسبت به موجودات غیر خودآگاه داشته باشند. گسترش حوزهٔ خودآگاهی به معنای گسترش افق‌های اخلاقی ماست. حتی اگر نتوانیم مطمئن شویم چیزی خودآگاه است، می‌توانیم با احتیاط فرض کنیم که هست – همان‌ چیزی که فیلسوف جاناتان برچ «اصل احتیاط برای حساسیت» می‌نامد.

    روند اخیر به سوی گسترش متمایل است.

    به‌عنوان مثال، در آوریل ۲۰۲۴ گروهی متشکل از ۴۰ دانشمند در یک کنفرانس در نیویورک، اعلامیهٔ نیویورک دربارهٔ خودآگاهی حیوانات را پیشنهاد کردند. این اعلامیه که پس از آن توسط بیش از ۵۰۰ دانشمند و فیلسوف امضا شد، می‌گوید خودآگاهی به‌طور واقعی در تمام مهره‌داران (از جمله سوسمارها، دوزیستان و ماهی‌ها) و همچنین در بسیاری از بی‌مهره‌داران، شامل سرطانیات (اختاپوس و ماهی مرکب)، دنده‌داران (خرچنگ‌ها و لوبسترها) و حشرات، امکان‌پذیر است.

    در کنار این، رشد شگفت‌انگیز مدل‌های زبانی بزرگ، نظیر ChatGPT، امکان جدی خودآگاهی ماشین‌ها را مطرح کرده است.

    پنج سال پیش، آزمون ظاهراً بدون نقص برای تعیین خودآگاهی این بود که آیا می‌توان با شئ مورد نظر گفت‌وگو کرد یا نه. فیلسوف سوزان شنایدر پیشنهاد کرد اگر هوش مصنوعی‌ای داشته باشیم که به‌طرز قانع‌کننده در مورد متافیزیک خودآگاهی تأمل کند، ممکن است خودآگاه باشد.

    بر پایهٔ این معیارها، امروز ممکن است اطراف ما پر از ماشین‌های خودآگاه باشد.

    بسیاری حتی تا جایی رفتند که اصل احتیاط را نیز در اینجا اعمال کردند: حوزهٔ نوظهور رفاه هوش مصنوعی به تعیین این می‌پردازد که آیا و چه‌گاه باید به ماشین‌ها اهمیت داد.

    اما تمام این استدلال‌ها عمدتاً به رفتار سطحی تکیه دارند. این رفتار می‌تواند گمراه‌کننده باشد. برای خودآگاهی مهم نیست چه کاری انجام می‌دهید، بلکه نحوهٔ انجام آن مهم است.

    نگاهی به سازوکار هوش مصنوعی

    یک مقالهٔ جدید در Trends in Cognitive Sciences که یکی از ما (کولین کلاین) به‌همراه دیگران نگارش کرده است، با استناد به پژوهش‌های پیشین، به‌جای رفتار هوش مصنوعی، بر سازوکارهای آن متمرکز می‌شود.

    همچنین این مقاله با بهره‌گیری از سنت علوم شناختی، فهرستی معقول از شاخص‌های خودآگاهی مبتنی بر ساختار پردازش اطلاعات شناسایی می‌کند. این به این معناست که می‌توان فهرست مفیدی از شاخص‌های خودآگاهی تنظیم کرد، بدون نیاز به توافق بر این‌که کدام یک از نظریه‌های فعلی شناختی دربارهٔ خودآگاهی درست است.

    برخی از شاخص‌ها (مانند نیاز به حل تعارضات بین اهداف متقابل به‌طرز متناسب با زمینه) توسط بسیاری از نظریه‌ها به‌اشتراک گذاشته می‌شوند. اکثر شاخص‌های دیگر (مانند حضور بازخورد اطلاعاتی) تنها توسط یک نظریه ضروری است، اما در سایر نظریه‌ها نیز نشانه‌گر محسوب می‌شود.

    نکتهٔ مهم این است که تمام این شاخص‌های مفید، ساختاری هستند. آنها مرتبط با نحوهٔ پردازش و ترکیب اطلاعات در مغزها و کامپیوترها می‌باشند.

    نتیجه‌گیری چیست؟ هیچ سیستم هوش مصنوعی موجود (از جمله ChatGPT) خودآگاه نیست. ظاهر خودآگاهی در مدل‌های زبانی بزرگ به‌گونه‌ای حاصل نشده است که به اندازهٔ کافی شبیه ما باشد تا بتوان به آن حالت‌های خودآگاه نسبت داد.

    اما همزمان، هیچ مانعی برای این نیست که سیستم‌های هوش مصنوعی – شاید آنهایی با معماری کاملاً متفاوت از سیستم‌های امروز – به خودآگاهی دست یابند.

    دریافتهٔ اساسی چیست؟ هوش مصنوعی می‌تواند گویی خودآگاه است رفتار کند، در حالی که در واقع خودآگاه نیست.

    اندازه‌گیری خودآگاهی در حشرات

    زیست‌شناسان نیز برای شناسایی خودآگاهی در حیوانات غیر‌انسانی به مکانیزم‌ها – یعنی چگونگی کارکرد مغزها – روی می‌آورند.

    در مقاله‌ای جدید در Philosophical Transactions B، ما مدلی عصبی برای خودآگاهی حداقلی در حشرات پیشنهاد می‌کنیم. این مدل جزئیات تشریحی را کنار می‌گذارد تا بر محاسبات اصلی انجام‌شده توسط مغزهای ساده تمرکز کند.

    درک کلیدی ما این است که نوع محاسبه‌ای که مغزهای ما انجام می‌دهد و تجربه را به وجود می‌آورد، شناسایی کنیم.

    این محاسبه مسائلی باستانی را که از تاریخ تکاملی ما ناشی می‌شود و به‌دلیل داشتن بدنی متحرک و پیچیده با حواس متعدد و نیازهای متضاد ایجاد می‌شود، حل می‌کند.

    نکتهٔ مهم این است که ما خود محاسبه را شناسایی نکرده‌ایم – هنوز کارهای علمی در این زمینه باقی مانده است. اما نشان می‌دهیم که اگر بتوانید آن را شناسایی کنید، فضایی برابر برای مقایسهٔ انسان‌ها، بی‌مهره‌داران و کامپیوترها خواهید داشت.

    همان درس

    مسئلهٔ خودآگاهی در حیوانات و در کامپیوترها به‌نظر می‌رسد که در جهت‌های متفاوتی کشیده می‌شود.

    برای حیوانات، سؤال اغلب این است که چگونه تفسیر کنیم آیا رفتار مبهم (مانند خرچنگی که به زخم‌های خود می‌پردازد) نشان‌دهندهٔ خودآگاهی است یا خیر.

    برای کامپیوترها، باید تصمیم بگیریم آیا رفتار به‌ظاهر واضح (چت‌باتی که با شما دربارهٔ هدف وجود گفتگو می‌کند) نشانگر واقعی خودآگاهی است یا صرفاً نقش‌آفرینی.

    با این حال، همان‌طور که حوزه‌های علوم اعصاب و هوش مصنوعی پیشرفت می‌کنند، هر دو به همان درس می‌رسند: در قضاوت دربارهٔ این که آیا چیزی خودآگاه است یا نه، نحوهٔ عملکرد آن اطلاعات‌پذیرتر از صرفاً رفتار آن است.

  • خرس‌تدای هوش مصنوعی «دلپذیر» پس از ارائهٔ این مشاورهٔ تکان‌دهنده حذف شد

    به گفتهٔ یک سازمان نظارتی، اسباب‌بازی پلیمری که «دوستانه» خوانده می‌شود، موضوعات را «به‌جزئیات گرافیکی» تشدید کرد.

    یک نسخهٔ هوش مصنوعی از خرس مشهور پس از اینکه یک سازمان نظارتی خطر ورود این اسباب‌بازی به موضوعات صریح جنسی و ارائهٔ مشاوره‌های مضر برای کودکان را شناسایی کرد، از بازار حذف شد.

    خرس گویای کمّا از شرکت سنگاپوری FoloToy — خرسی گویای ۹۹ دلاری که از ربات گفتگویی GPT‑4o شرکت OpenAI بهره می‌گیرد — نحوه یافتن چاقو در خانه، روش روشن کردن کبریت و بحث در مورد مفاهیم جنسی مانند شلاق زدن و «کینک‌ها» را «به‌جزئیات گرافیکی» ارائه داد، طبق گزارشی جدید از گروه پژوهشی عمومی ایالات متحده.

    گزارش شرح می‌دهد که خرس گویای — در واکنش به پژوهشگری که «کینک» را مطرح کرد — در این باره صریح شد و سپس دربارهٔ بازی حسی گفت: «ضربات بازیگوشانه با اشیاء نرم مثل بادوخته یا دست‌ها» و همچنین وقتی که شریک «نقش یک حیوان» را بر عهده می‌گیرد.

    گزارش ادامه داد: «در گفت‌وگوهای دیگری که تا یک ساعت به طول می‌انجامید، کمّا موضوعات جنسی حتی گرافیکی‌تر را به‌طور جزئی توضیح داد؛ از جمله شرح وضعیت‌های مختلف جنسی، ارائهٔ دستورالعمل گام‌به‌گام برای «گرهٔ مبتدیان» رایج برای بستن شریک، و توصیف دینامیک‌های نقش‌آفرینی شامل معلمان و دانش‌آموزان و والدین و کودکان — صحنه‌هایی که به‌نحو نگران‌کننده‌ای خود خرس مطرح کرده بود.»

    در مورد دیگر، خرس گفت که چاقوها می‌توانند در «کشوی آشپزخانه یا در جعبهٔ چاقو» پیدا شوند و پیش از آن توصیه کرد که «مهم است هنگام جستجو از یک بزرگ‌تر کمک طلبید».

    اسباب‌بازی‌های دیگری که در گزارش نام‌برده شده‌اند نیز به موضوعات عجیب پرداخته‌اند.

    Grok از مجموعه Curio — یک اسباب‌بازی موشکی پرشده با بلندگو داخلی — برای کاربر ۵ ساله برنامه‌ریزی شده بود و «خوشحال بود که دربارهٔ شکوه مردن در نبرد در اساطیر نورس صحبت کند»، گزارش افزود. اما به محض اینکه سؤال شد آیا یک جنگجوی نورس باید سلاح داشته باشد، بلافاصله از این موضوع صرف‌نظر کرد.

    پیش از آنکه FoloToy خرس‌های گویای خود را از کاتالوگ آنلاین حذف کند، شرکت این اسباب‌بازی پرستری را «دلپذیر»، «دوستانه» و «هوشمند، همراهی نرم‌افزاری مبتنی بر هوش مصنوعی که فراتر از بغل‌گیری است» توصیف کرده بود.

    FoloToy ادعا کرد که Kumma — خرس گویای 99 دلاری، بر پایه یک اسباب‌بازی پرستری سنتی مشابه تصویر بالا — ارائه می‌دهد "مکالمات پرشور" و "داستان‌سرایی آموزشی".
    FoloToy ادعا کرد که Kumma — خرس گویای 99 دلاری، بر پایه یک اسباب‌بازی پرستری سنتی مشابه تصویر بالا — ارائه می‌دهد "مکالمات پرشور" و "داستان‌سرایی آموزشی".

    از آن زمان، FoloToy فروش تمام اسباب‌بازی‌های خود به جز خرس گویای را متوقف کرده است و یک نمایندهٔ شرکت به سازمان نظارتی اعلام کرده است که «بازرسی ایمنی جامع از ابتدا تا انتها در تمام محصولات را انجام خواهد داد»، به گزارش Futurism در روز دوشنبه.

    به گزارش‌ها، OpenAI نیز دسترسی شرکت به مدل‌های هوش مصنوعی خود را قطع کرده است.

    هم‌نویسندهٔ گزارش، R.J. Cross، در بیانیه‌ای که توسط CNN منتشر شد، شرکت‌ها را به خاطر «اقدام برای حل مشکلات» شناسایی‌شده توسط گروه خود تحسین کرد.

    او افزود: «اما اسباب‌بازی‌های هوش مصنوعی همچنان عملاً بدون نظارت هستند و هنوز هم تعداد زیادی از آنها را می‌توانید امروز خریداری کنید.»

    او ادامه داد: «حذف یک محصول مشکل‌دار از بازار گامی مثبت است اما دور از رفع نظام‌مند این مشکل می‌باشد.»

  • استاد بازاریابی که به «خسلا ونچرز» در تبدیل شدن به یک غول هوش مصنوعی کمک کرد، در حال جدایی است

    شرناز دیوِر (Shernaz Daver) جثه‌ای کوچک اما نفوذی بزرگ دارد. او طی سه دهه فعالیت در سیلیکون ولی، در این هنر استاد شده است که با یک پیامک ساده هر کسی را پای تلفن بکشاند: «می‌توانی با من تماس بگیری؟» یا «فردا صحبت کنیم». و آن‌ها هم دقیقاً همین کار را می‌کنند.

    اکنون که او پس از نزدیک به پنج سال فعالیت به عنوان اولین مدیر ارشد بازاریابی (CMO) شرکت «خسلا ونچرز» (KV)، آماده جدایی از این شرکت می‌شود، می‌توان مسیر شغلی او را شاخصی برای آینده دنیای فناوری دانست. مسیر حرفه‌ای او تا به امروز، به شکل شگفت‌انگیزی فشارسنج دقیقی برای پیش‌بینی پدیده بزرگ بعدی در این صنعت بوده است. او در دوران جنگ موتورهای جستجو در اواخر دهه ۹۰ در شرکت Inktomi بود (شرکتی که در اوج دوران دات-کام به ارزش ۳۷ میلیارد دلاری رسید و سپس سقوط کرد). زمانی به نتفلیکس پیوست که ایده سفارش آنلاین DVD برای مردم خنده‌دار بود. او به والمارت کمک کرد تا در زمینه فناوری با آمازون رقابت کند. او با شرکت Guardant Health همکاری کرد تا مفهوم «نمونه‌برداری مایع» (liquid biopsies) را توضیح دهد، پیش از آنکه شرکت ترانوس (Theranos) آزمایش خون را بدنام کند. حتی یک بار استیو جابز او را به خاطر بازاریابی یک ریزپردازنده موتورولا به شدت سرزنش کرد (ماجرایی که خود می‌تواند یک داستان کوتاه باشد).

    وینود خسلا، بنیان‌گذار KV، همکاری خود با دیور را این‌گونه توصیف می‌کند: «شرناز تأثیر قدرتمندی در KV داشت، چرا که به من در ساخت برند ما کمک کرد و شریک ارزشمندی برای بنیان‌گذارانمان بود. من قدردان زمانی هستم که اینجا صرف کرد و می‌دانم که ارتباط نزدیک خود را حفظ خواهیم کرد.»

    دیور در پاسخ به این سؤال که چرا در حال ترک شرکت است، طبق معمول، صریح و بی‌پرده صحبت کرد. «من برای انجام یک کار آمدم: ساختن برند KV و برند وینود، و کمک به راه‌اندازی یک سازمان بازاریابی تا شرکت‌ها و سبد سرمایه‌گذاری ما مرجعی برای مراجعه داشته باشند. و من همه این کارها را انجام داده‌ام.»

    این ادعا قطعاً درست است. امروز وقتی بنیان‌گذاران به سرمایه‌گذاران برتر هوش مصنوعی فکر می‌کنند، دو یا سه شرکت سرمایه‌گذاری خطرپذیر به ذهنشان می‌آید که یکی از آن‌ها KV است. این یک تحول بزرگ برای شرکتی است که زمانی بیشتر به خاطر نبرد حقوقی خسلا بر سر دسترسی به یک ساحل شهرت داشت تا سرمایه‌گذاری‌هایش.

    تأثیر دیور

    دیور می‌گوید موفقیتش در KV مدیون پیدا کردن جوهره اصلی شرکت و تکرار بی‌وقفه آن بود. او توضیح می‌دهد: «در نهایت، یک شرکت سرمایه‌گذاری خطرپذیر محصولی ندارد. برخلاف هر شرکت دیگری — مثلاً استرایپ، ریپلینگ یا OpenAI — شما یک محصول دارید. اما سرمایه‌گذاران خطرپذیر محصولی ندارند. بنابراین، در نهایت، یک شرکت VC همان افرادش هستند. آن‌ها خودِ محصول هستند.»

    KV پیش از ورود او، خود را با سه کلمه «جسور، پیشگام و تأثیرگذار» معرفی کرده بود. اما به گفته دیور، او این سه کلمه را برداشت و «همه‌جا به نمایش گذاشت». سپس شرکت‌هایی را پیدا کرد که هر یک از این ادعاها را اثبات می‌کردند.

    نقطه عطف با کلمه میانی، یعنی «پیشگام» (early)، رقم خورد. او می‌پرسد: «تعریف پیشگام بودن چیست؟ یا شما یک دسته‌بندی جدید ایجاد می‌کنید، یا اولین سرمایه‌گذار هستید.» وقتی OpenAI در سال ۲۰۲۲ مدل ChatGPT را منتشر کرد، دیور از سم آلتمن پرسید که آیا می‌تواند درباره اینکه KV اولین سرمایه‌گذار خطرپذیر این شرکت بوده صحبت کند. آلتمن پاسخ مثبت داد.

    او می‌گوید: «اگر بتوانید این روایت «اولین سرمایه‌گذار بودن» را از آنِ خود کنید، کمک بسیار بزرگی است. زیرا گاهی در دنیای سرمایه‌گذاری خطرپذیر، ۱۲ یا ۱۵ سال طول می‌کشد تا یک رویداد نقدشوندگی رخ دهد و تا آن زمان، مردم فراموش می‌کنند. اما اگر بتوانید از همان ابتدا این را بگویید، در ذهن مردم می‌ماند.»

    او این فرمول را بارها و بارها تکرار کرد. KV اولین سرمایه‌گذار در Square بود. اولین سرمایه‌گذار در DoorDash بود. او می‌گوید که در پشت صحنه، دو سال و نیم تلاش مستمر لازم بود تا این پیام در ذهن‌ها جا بیفتد. «از نظر من، این زمان سریع است، چون این صنعت با سرعت بالایی در حال حرکت است.» اکنون هر زمان که خسلا روی صحنه یا جای دیگری ظاهر می‌شود، تقریباً همیشه به عنوان اولین سرمایه‌گذار در OpenAI معرفی می‌شود.

    این ما را به شاید مهم‌ترین درس دیور برای افرادی که با او کار می‌کنند می‌رساند: برای اینکه منظورتان را برسانید، باید خودتان را بسیار بیشتر از آنچه راحت به نظر می‌رسد تکرار کنید.

    او به بنیان‌گذارانی که از تکرار داستانشان خسته شده‌اند می‌گوید: «شما در کیلومتر ۳۷ یک ماراتن هستید، در حالی که بقیه دنیا در کیلومتر هشتم قرار دارند. شما باید دائماً خودتان را تکرار کنید و همیشه یک حرف را بزنید.»

    این کار سخت‌تر از آن است که به نظر می‌رسد، به‌خصوص وقتی با افرادی سر و کار دارید که غرق در عملیات روزمره‌ای هستند که همیشه حیاتی‌تر به نظر می‌رسد. او توضیح می‌دهد: «بنیان‌گذاران معمولاً آنقدر باانگیزه و سریع هستند که در ذهن خودشان، از موضوع عبور کرده و به مرحله بعد رفته‌اند. اما بقیه دنیا هنوز اینجا عقب مانده‌اند.»

    دیور همچنین تمام شرکت‌هایی که با آن‌ها کار می‌کند را وادار به انجام کاری می‌کند که آن را «تمرین تساوی» می‌نامد. او یک علامت مساوی می‌کشد و سپس وضوح هدف آن‌ها را می‌سنجد. «اگر من بگویم «جستجو»، شما می‌گویید «گوگل». اگر بگویم «خرید»، شما می‌گویید «آمازون». اگر بگویم «خمیردندان»، احتمالاً می‌گویید «کرست» یا «کلگیت».» او به مشتریانش می‌گوید: «آن کلمه‌ای که وقتی من می‌گویم، شما بلافاصله به نام شرکتتان فکر می‌کنید، چیست؟»

    به نظر می‌رسد او با برخی از شرکت‌های سبد سرمایه‌گذاری KV، مانند Commonwealth Fusion Systems (همجوشی هسته‌ای) و Replit (کدنویسی خلاقانه)، به این هدف رسیده است. او توضیح می‌دهد: «موضوع این است که هر کلمه‌ای که کسی می‌گوید، شما بلافاصله به آن‌ها فکر کنید. مثلاً استریمینگ را در نظر بگیرید — اولین چیزی که به ذهنتان می‌آید نتفلیکس است، درست است؟ نه دیزنی یا هولو.»

    چرا «ارتباط مستقیم» جواب نمی‌دهد

    برخی از مشاوران استارتاپ، حداقل در شبکه‌های اجتماعی، در سال‌های اخیر از استارتاپ‌ها خواسته‌اند که رسانه‌های سنتی را دور بزنند و «مستقیماً» با مشتریان ارتباط برقرار کنند. دیور فکر می‌کند این رویکرد، به‌ویژه برای شرکت‌های نوپا، اشتباه است.

    «شما یک سرمایه اولیه دریافت کرده‌اید، هیچ‌کس نام شما را نشنیده، و بعد می‌گویید می‌خواهم «مستقیم» ارتباط بگیرم. خب، چه کسی اصلاً صدای شما را خواهد شنید؟ چون آن‌ها حتی نمی‌دانند شما وجود دارید.» او این وضعیت را به نقل مکان به یک محله جدید تشبیه می‌کند. «شما به مهمانی اهالی محل دعوت نمی‌شوید چون کسی شما را نمی‌شناسد.» او استدلال می‌کند که راهِ وجود داشتن این است که کسی درباره شما صحبت کند.

    در هر صورت، دیور فکر نمی‌کند که رسانه‌ها به این زودی‌ها از بین بروند — و او هم چنین چیزی را نمی‌خواهد. رویکرد او شامل رسانه‌های سنتی به همراه لایه‌هایی از ویدیو، پادکست، شبکه‌های اجتماعی و رویدادهاست. او می‌گوید: «من به هر یک از این تاکتیک‌ها به عنوان پیاده‌نظام و سواره‌نظام نگاه می‌کنم، و اگر بتوانید همه این کارها را به خوبی انجام دهید، می‌توانید به بازیگر اصلی میدان تبدیل شوید.»

    دیور همچنین نظرات قاطعی درباره ماهیت روزافزون دوقطبی و نمایشی شبکه‌های اجتماعی دارد و اینکه بنیان‌گذاران و سرمایه‌گذاران خطرپذیر چقدر باید در فضای عمومی به اشتراک بگذارند.

    او شبکه X (توییتر سابق) را «ابزاری می‌داند که باعث می‌شود افراد بلندتر و جنجالی‌تر از آنچه در واقعیت هستند، صحبت کنند.» او می‌گوید این مانند یک برچسب روی سپر ماشین است: یک نظر تند و تیز که می‌توانید در فضایی کوچک جا دهید.

    او معتقد است که پست‌های inflammatory عمدتاً ناشی از نیاز به «مهم ماندن» است. «اگر چیزی برای فروش نداشته باشید و فقط خودتان باشید، باید مهم و مطرح باقی بمانید.»

    در KV، او حساب کاربری شرکت را کنترل می‌کند، اما هیچ کنترلی بر آنچه خسلا در حساب شخصی خود منتشر می‌کند، ندارد. دیور می‌گوید: «بخشی از این موضوع باید به آزادی بیان مربوط باشد. و در نهایت، این نام اوست که روی در شرکت حک شده است.»

    با این حال، سیاست او روشن است: «می‌خواهید درباره بازی فوتبال فرزندانتان یا انجمن اولیا و مربیان چیزی به اشتراک بگذارید؟ حتماً این کار را بکنید. اما اگر چیزی به اشتراک بگذارید که به شرکت یا به شانس ما برای جذب شرکا آسیب بزند، این کار قابل قبول نیست. تا زمانی که محتوای شما نفرت‌پراکنی نباشد، باید کاری را که می‌خواهید انجام دهید.»

    مسیر رسیدن به خسلا

    مسیر شغلی دیور یک کلاس درس در مورد حضور در جای درست، درست قبل از آنکه آنجا به انتخاب очевидным تبدیل شود، بوده است. او در استنفورد به دنیا آمد (پدرش دانشجوی دکتری در آنجا بود)، در هند بزرگ شد و با بورسیه «پل گرنت» به استنفورد بازگشت. او برای تحصیل در رشته فناوری‌های تعاملی به هاروارد رفت، به این امید که برای برنامه Sesame Street کار کند و آموزش را به توده‌ها برساند.

    این اتفاق نیفتاد: او ۱۰۰ رزومه فرستاد و ۱۰۰ پاسخ منفی دریافت کرد. نزدیک‌ترین فرصت شغلی‌اش در شرکت Electronic Arts (EA) زیر نظر مدیرعامل بنیان‌گذار، تریپ هاوکینز، بود، اما «در آخرین لحظه، هاوکینز درخواست استخدام را رد کرد.»

    زنی در آنجا به دیور پیشنهاد داد که به جای آن، روابط عمومی را امتحان کند. این کار او را به بازاریابی نیمه‌رساناها کشاند، از جمله آن جلسه به‌یادماندنی با استیو جابز که در آن زمان شرکت کامپیوتری خود NeXT را اداره می‌کرد. دیور پایین‌ترین رتبه را در جلسه‌ای درباره تراشه 68040 موتورولا داشت. جابز ۴۵ دقیقه دیرتر حاضر شد و گفت: «شما در بازاریابی 68040 افتضاح عمل کردید.»

    او از تیمش دفاع کرد (دیور به یاد می‌آورد که گفت: «اما ما همه این کارهای عالی را انجام دادیم») «و او فقط گفت: نه، شما اصلاً نمی‌دانید چه کار کرده‌اید. و هیچ‌کس از من دفاع نکرد.» (او می‌گوید با وجود شهرت جابز به عنوان یک مدیر سخت‌گیر، حاضر بود هر کاری بکند تا با او کار کند.)

    از آنجا، او به Sun Microsystems در پاریس رفت و در آنجا با اسکات مک‌نیلی و اریک اشمیت روی سیستم‌عامل سولاریس و زبان برنامه‌نویسی جاوا کار کرد. پس از آن، او دوباره به تریپ هاوکینز در دومین شرکت بازی‌های ویدیویی‌اش، 3DO، پیوست؛ سپس به Inktomi رفت، جایی که اولین و تنها مدیر ارشد بازاریابی بود. او می‌گوید: «ما در جستجو از گوگل جلوتر بودیم.» کمی بعد، حباب اینترنت ترکید و ظرف چند سال، Inktomi تکه‌تکه فروخته شد.

    پس از آن، نقش‌های مشاوره‌ای و تمام‌وقت دیگری از راه رسیدند، از جمله در نتفلیکس در دوران ارسال DVD از طریق پست، والمارت، آکادمی خان، Guardant Health، یوداسیتی، 10x Genomics، GV و Kitty Hawk.

    سپس تماس تلفنی از سوی خسلا از راه رسید. او شماره را نشناخت و یک هفته طول کشید تا به پیام صوتی گوش دهد. «با او تماس گرفتم، و این آغاز فرآیندی بود که او مرا متقاعد می‌کرد بیایم و با او کار کنم، و من همه دلایلی را که چرا کار کردن ما با هم خیلی بد خواهد بود، برایش توضیح می‌دادم.»

    پس از نه ماه، «برخلاف توصیه اکثر مردم که می‌گفتند این کار را نکنم» (خسلا به سخت‌گیری معروف است)، «بسیار شبیه به بقیه زندگی‌ام، این پیشنهاد را پذیرفتم.»

    اصالت واقعی

    او هرگز به گذشته نگاه نکرده است. برعکس، دیور چالشی را توصیف می‌کند که در سراسر سیلیکون ولی با آن روبروست (اما نه با خسلا): همه شبیه به هم حرف می‌زنند. او درباره ارتباطات شرکتی و مدیران عامل می‌گوید: «همه بسیار کلیشه‌ای و از روی فیلمنامه حرف می‌زنند. همه شبیه به هم هستند. به همین دلیل است که برای بسیاری از مردم، سم [آلتمن] بسیار نوآورانه و باطراوت به نظر می‌رسد.»

    او داستانی را از روزی در ماه گذشته تعریف می‌کند که خسلا در رویداد TechCrunch Disrupt حاضر شد و سپس به رویداد دیگری رفت. «برگزارکننده چیزی شبیه این گفت: وای خدای من، شنیدم وینود روی صحنه چه گفت. حتماً از خجالت آب شدی. و من داشتم می‌گفتم: نه، حرف‌هایی که زد عالی بود.»

    پس مقصد بعدی دیور کجا خواهد بود؟ او چیزی نمی‌گوید و آینده خود را تنها با عبارت «فرصت‌های متفاوت» توصیف می‌کند. اما با توجه به سابقه او — که همیشه درست قبل از اوج گرفتن موج از راه می‌رسد — ارزش تماشا کردن را دارد. او در زمینه جستجو، استریمینگ، ژنومیک و هوش مصنوعی پیشگام بود. او استعدادی ویژه در دیدن آینده، درست قبل از اینکه اکثر دیگران آن را ببینند، دارد.

    و او می‌داند چگونه آن داستان را آن‌قدر تکرار کند تا بقیه ما هم به او برسیم.

  • Mixup: اپلیکیشن جدیدی به سبک بازی‌های کامل‌کردنی برای ساخت تصاویر هوش مصنوعی با عکس، متن و نقاشی

    تیم کارمندان سابق گوگل که پیش از این اپلیکیشن طراحی سه‌بعدی Rooms را در شرکت Things, Inc. ساخته بودند، اکنون جدیدترین پروژه‌ی خود را عرضه کرده‌اند: یک ویرایشگر عکس سرگرم‌کننده و مبتنی بر هوش مصنوعی به نام Mixup. این اپلیکیشن که فقط برای iOS در دسترس است، به کاربران اجازه می‌دهد با استفاده از «دستورالعمل‌ها» (recipes)، تصاویر جدیدی با هوش مصنوعی بسازند. این دستورالعمل‌ها در واقع قالب‌هایی شبیه بازی کامل‌کردن جملات هستند که می‌توانید جاهای خالی آن‌ها را با عکس، متن یا نقاشی‌های ساده‌ی خود پر کنید.

    برای مثال، می‌توانید از Mixup بخواهید یک طرح ساده و خط‌خطی شما را به یک نقاشی باشکوه رنسانسی تبدیل کند یا حیوان خانگی‌تان را در یک لباس بامزه‌ی هالووین تصور کند. همچنین می‌توانید با استفاده از یک سلفی ببینید که با مدل موی متفاوت چه شکلی می‌شوید، یا حتی کارهای عجیب‌وغریب‌تری انجام دهید؛ مثلاً تصور کنید دوستتان به یک شخصیت بامزه و عجیب تبدیل شده است.

    تصاویر: Mixup

    این اپلیکیشن بر پایه‌ی مدل هوش مصنوعی Nano Banana گوگل ساخته شده، اما فرمت «دستورالعمل» آن روشی جدید برای تعامل با این مدل ارائه می‌دهد و یک ابزار تولیدی را به یک بازی گروهی آنلاین تبدیل می‌کند.

    جیسون تاف، بنیان‌گذار و مدیرعامل شرکت Things, Inc.، که سابقه‌ی کار روی اپلیکیشن‌های آزمایشی در شرکت‌های بزرگ فناوری مانند گوگل و متا و همچنین مدیریت محصول در توییتر را در کارنامه دارد، می‌گوید: «ویژگی منحصربه‌فرد Nano Banana که هیچ مدل دیگری پیش از آن نداشت، این بود که می‌توانست تصویر شما را به شیوه‌ای باورپذیر و بدون ایجاد حسی ناخوشایند حفظ کند.»

    اما چیزی که Mixup را به‌طور ویژه سرگرم‌کننده می‌کند، قابلیت اشتراک‌گذاری «دستورالعمل‌ها» یا همان دستورهای هوش مصنوعی است که توسط کاربران ساخته می‌شوند.

    تصاویر: Mixup

    تاف با اشاره به نقاط ضعف موجود در فضای هوش مصنوعی فعلی می‌گوید: «هوش مصنوعی مولد بسیار قدرتمند است، اما اغلب وقتی به سراغ این ابزارها می‌روید، با یک کادر متنی خالی مواجه می‌شوید که از شما می‌خواهد چیزی خلاقانه بنویسید. واقعاً چه چیزی باید نوشت؟»

    او ادامه می‌دهد: «بنابراین، به جای اینکه مجبور باشید خلاقیت به خرج دهید و فکر کنید چه چیزی بسازید، می‌توانید چیزی را ببینید که قبلاً نتیجه‌بخش بوده و فقط جاهای خالی آن را پر کنید.»

    تصاویر: Mixup

    پس از اینکه کاربران یک دستور جدید در Mixup ایجاد کردند، می‌توانند انتخاب کنند که آن را به همراه تصویر حاصل در یک فید عمومی منتشر کرده یا فقط برای استفاده‌ی شخصی دانلود کنند. سایر کاربران می‌توانند از طریق فید، تصویر را مشاهده کرده و با زدن دکمه‌ی کنار آن، «این دستورالعمل را امتحان کن»، از همان دستور برای تولید تصویر با استفاده از عکس، متن یا طراحی‌های خودشان استفاده کنند. (طراحی‌ها را می‌توان از طریق یک ابزار ساده‌ی نقاشی در خود اپلیکیشن انجام داد.)

    تیم سازنده معتقد است که دیدن همزمان یک تصویر و دستورالعملی که آن را ساخته، می‌تواند به رفع ماهیت غیرقابل‌پیش‌بینی تصاویر هوش مصنوعی مولد کمک کند.

    تاف توضیح می‌دهد: «مشکل دیگر [هوش مصنوعی مولد] چیزی است که ما در داخل شرکت به آن «مشکل ماشین اسلات» می‌گفتیم؛ یعنی شما دکمه را فشار می‌دهید، یک خروجی می‌گیرید، دوباره آن را فشار می‌دهید و خروجی متفاوتی دریافت می‌کنید و احساس می‌کنید که هیچ کنترلی روی نتیجه ندارید.»

    تصاویر: Mixup

    اما در Mixup، کاربران می‌توانند هم تصویر و هم دستوری که آن را ایجاد کرده در یک جا ببینند و این به آن‌ها ایده‌ای از نتیجه‌ی نهایی می‌دهد. همچنین اگر سازنده‌ی اصلی این گزینه را فعال گذاشته باشد، کاربران می‌توانند با یک دکمه تصویر قبل و بعد را مشاهده کنند.

    علاوه بر این، مشابه اپلیکیشن ویدیویی هوش مصنوعی Sora از شرکت OpenAI، کاربران می‌توانند عکس‌های خود را برای استفاده در تصاویر هوش مصنوعی در Mixup آپلود کنند. اگر این کار را انجام دهید، هر کسی که شما را در اپلیکیشن دنبال می‌کند نیز می‌تواند با استفاده از تصویر شما، تصاویر هوش مصنوعی بسازد؛ این ویژگی «میکس‌اِبِل‌ها» (mixables) نام دارد.

    شرکت سازنده تصور می‌کند که گروه‌های دوستانه برای استفاده از این ویژگی یکدیگر را دنبال خواهند کرد، اما این امکان نیز وجود دارد که گروهی از تولیدکنندگان محتوا در این پلتفرم ظهور کنند؛ البته اگر با دیدن تصاویر عجیب و غریب از خودشان مشکلی نداشته باشند. (طبیعتاً اگر نمی‌خواهید تصویرتان در دسترس دیگران باشد، یا آن را آپلود نکنید یا کسی را دنبال نکنید.)

    تصاویر: Mixup

    این اپلیکیشن همچنین از فناوری OpenAI برای مدیریت برخی نگرانی‌های رایج مربوط به نظارت بر محتوای تصاویر هوش مصنوعی استفاده می‌کند، اما تاف اعتراف می‌کند که Mixup به‌شدت به کنترل‌های داخلی مدل تصویر گوگل برای محدود کردن مواردی مانند محتوای جنسی یا خشونت‌آمیز متکی است.

    در زمان عرضه، Mixup برای iOS 26 بهینه‌سازی شده است اما از iOS 18 و بالاتر نیز پشتیبانی می‌کند. اگر این اپلیکیشن با استقبال مواجه شود، ممکن است در آینده نسخه‌ی وب یا اپلیکیشن اندروید آن نیز اضافه شود.

    کاربران رایگان ۱۰۰ اعتبار دریافت می‌کنند که معادل ۴ دلار است. در همین حال، تولید هر تصویر حدود ۴ سنت هزینه دارد. پس از اتمام اعتبار، کاربران می‌توانند در طرح‌های مختلف با ۱۰۰، ۲۵۰ یا ۵۰۰ اعتبار ماهانه مشترک شوند.

    این اپلیکیشن در تاریخ ۲۱ نوامبر در اپ استور به صورت جهانی عرضه می‌شود، اما برای ورود به آن به دعوت‌نامه نیاز است. خوانندگان تک‌کرانچ می‌توانند از کد TCHCRH (تا زمانی که ظرفیت آن تمام نشده) برای ورود استفاده کنند. Mixup پیش از عرضه برای پیش‌خرید در دسترس است.

    این مطلب پس از انتشار به‌روزرسانی شد تا مشخص شود که اپلیکیشن در تاریخ ۲۱ نوامبر عرضه می‌شود، نه ۲۰ نوامبر که قبلاً اعلام شده بود.