دسته: هوش مصنوعی

  • چرا هوش مصنوعی برای اتحادیه اروپا یک کابوس است

    اروپا می‌خواهد تنظیم‌گری کند، در حالی که دولت ایالات متحده به شرکت‌ها اجازه می‌دهد آزادانه عمل کنند. دلایل این رویکردهای متفاوت به یک قرن پیش باز می‌گردد.

    نوشته کالر مک‌یوف

    تصاویر توسط نیکلاس ارگتا برای POLITICO

    یک دانشجوی جوان آمریکایی پیامی از یک عامل هوش مصنوعی دریافت می‌کند: «استنفورد فقط ایمیلی فرستاد و پرسید کجا می‌خواهی برای تحصیل در خارج بروی». پس از اینکه پرسید «اُه… کجا باید بروم» و به برنامه برگشت و پاریس را انتخاب کرد، ترم را آغاز می‌کند؛ ابتدا با پایتخت اروپا سردرگم می‌شود و سپس عاشق می‌شود؛ چرا که با یک دختر فرانسوی آشنا می‌شود، به پیک‌نیک‌ها و سینما می‌رود، همه این‌ها با کمک دوست قابل اعتماد هوش مصنوعی‌اش. وقتی ترم به پایان می‌رسد، برای کمک می‌گوید: «می‌توانی بلیط پرواز برگشتم را بررسی کنی؟» عامل هوش مصنوعی پاسخ می‌دهد: «صبر کن، نه. چرا می‌خواهی برگردی مرد؟» سپس جوان می‌گوید: «؟؟». هوش مصنوعی می‌گوید: «در پاریس بمان». و تصمیم نهایی گرفته می‌شود: او از تلفن‌اش نگاه می‌کند و دست خود را دور شانهٔ دوست دختر فرانسوی‌اش می‌گیرد.

    این تبادل به یک تبلیغ ۲ دقیقه و ۳۷ ثانیه‌ای برای Poke.com تبدیل شده است، برنامه‌ای هوش مصنوعی که بین یک دستیار شخصی و یک دوست دانا قرار می‌گیرد و توسط استارتاپ Interaction ساخته شده است. اما به طرز عجیبی، حتی وقتی این برنامه روی رویای آمریکایی‌ها برای رفتن به اروپا می‌فروشد، خود شرکت زمانی شکل گرفت که برعکس آن اتفاق افتاد: Interaction توسط مهاجران آلمانی در کالیفرنیا اداره می‌شود.

    این شرکت آمریکایی تحت رهبری اروپایی نمونه‌ای از مشکلی است که تصمیم‌گیرندگان و حامیان فناوری در اروپا را به خود مشغول کرده است: اگرچه قاره می‌تواند ایده‌ها و استعدادهای لازم برای ساخت برنامه‌های جدید هوش مصنوعی را تولید کند، اما به ندرت جایی می‌شود که این ایده‌ها در مقیاس بزرگ پیاده شوند.

    «هر کجا در جهان باشید — اروپا یا آسیا یا هر کجا — همه فقط می‌خواهند به خلیج‌ساحلی (Bay Area) بیایند، تا زمانی که در هوش مصنوعی باشید»، می‌گوید ماروین فون هاگن، یکی از هم‌بنیانگذاران Interaction. داده‌ها ادعای فون هاگن را تأیید می‌کنند. بر اساس گزارشی از شرکت سرمایه‌گذاری Accel، ۸۰ درصد سرمایه‌گذاری در هوش مصنوعی مولد در ایالات متحده، اروپا و اسرائیل در سال‌های ۲۰۲۳ و ۲۰۲۴ به شرکت‌های آمریکایی اختصاص یافت. در سال ۲۰۲۴، ایالات متحده ۴۰ «مدل هوش مصنوعی قابل توجه» تولید کرد، در مقابل ۱۵ مدل در چین و تنها سه مدل در اروپا، طبق گزارش شاخص هوش مصنوعی ۲۰۲۵ از دانشگاه استنفورد. یازده درصد از تمام شرکت‌های فناوری ایالات متحده بنیادگذاران اروپایی دارند، و صدها شرکت نویدبخش که در اروپا آغاز شده‌اند — بسیاری از آن‌ها مستقیماً مرتبط با هوش مصنوعی هستند — به ایالات متحده منتقل شده‌اند.

    «افرادی که می‌خواهند بخشی از این انقلاب هوش مصنوعی باشند به اینجا (ایالات متحده) می‌آیند»، گفت فلورین ژونگرمان، مهاجر آلمانی دیگر و هم‌بنیانگذار Listen Labs، شرکتی هوش مصنوعی برای تحقیق در زمینه مشتریان. «در واقع کمی برای آلمان ناراحت هستم.»

    کارآفرینان فناوری که بر روی شرکت‌های هوش مصنوعی کار می‌کنند به دلایل متعددی به ایالات متحده می‌روند، که برخی از آن‌ها خود تقویت‌کننده هستند: سیلیکون‌والی پر از شرکت‌های هوش مصنوعی است، که ساخت یک شرکت هوش مصنوعی را در آنجا آسان‌تر می‌کند. در ایالات متحده صندوق‌های سرمایه‌گذاری خطرپذیر بیشتری وجود دارند و علاقه‌مند به سرمایه‌گذاری در محصولات ناشناخته‌تر هستند. اما یک دلیل بزرگ دیگر نیز وجود دارد که به گفته بسیاری از خود مؤسسان و حامیان هوش مصنوعی در اروپا بیان می‌شود: افراد فناوری اغلب نسبت به مقررات با شک و تردید عمیق نگاه می‌کنند — و اروپا به‌طور واضح دارای مقررات فراوانی است، به‌ویژه در زمینه هوش مصنوعی.

    در ماه‌های اخیر، شرکت‌های فناوری مستقر در اروپا، همراه با برخی دول‌های ملی و خود کمیسیون اتحادیه اروپا، سعی در کاهش بار مقرراتی بر شرکت‌های هوش مصنوعی داشته‌اند، با به تعویق انداختن بخش‌های کلیدی اجرای قانون‌گذاری یا حمایت از این‌که اتحادیه اروپا چارچوب کلی خود را بازنگری کند. اما اختلافات بین اروپا و ایالات متحده در زمینه مقررات هوش مصنوعی به‌سادگی قابل حل نیست؛ این اختلافات ریشه در تفاوت‌های عمیق فرهنگی دارد که شکل‌گیری صنایع فناوری را در هر دو قاره تحت تأثیر قرار داده‌اند.

    دانشمندان و اعضای صنعت به‌طور مشترک می‌گویند که تغییر این فرهنگ برای اروپا برای به‌دست‌آوردن سرعت لازم حیاتی است، هم در زمینه نگه‌داشتن بیشتر متخصصان هوش مصنوعی در قاره و هم تشویق آن‌هایی که می‌مانند به کارآفرینی بیشتر.

    «امروزه، کشورهای اروپایی مانند آلمان هنوز استعدادهای برجسته‌ای را در اختیار دارند»، گفت رابرت ویندشیم، سرمایه‌گذار آلمانی در صندوق بنیادهای مؤسس (Founders Fund) مستقر در سان‌فرانسیسکو، «اما اغلب محیط فرهنگی‌ای که این استعدادها را قادر سازد تا انرژی خود را به ایجاد شرکت‌های جدید هدایت کنند، ندارند.»

    سابقه

    اتحادیه اروپا برای دهه‌ها بیشتر از ایالات متحده به تنظیم‌گری در صنایع مختلف متعهد بوده است. و به‌عنوان‌که اروپا یک مدل رشدی تا حدی کندتر و ایمن‌تر را برگزیده، افراد جوان و پرشور که با محدودیت‌های بوروکراتیک روبرو می‌شوند، دچار ناامیدی می‌شوند.

    اما دقیقاً چرا اتحادیه اروپا درک متفاوتی از نقش دولت دارد — به‌ویژه در رابطه با هوش مصنوعی — یک سؤال گسترده‌تر است که به دل وقایع تاریخی و تفاوت‌های فرهنگی میان اقیانوس اطلس می‌پردازد.

    بخش زیادی به حریم خصوصی مربوط می‌شود. «اولین چیزی که بسیاری از مردم اروپا وقتی درباره فناوری فکر می‌کنند، این است که «آن‌ها به ما جاسوسی می‌کنند» یا «این فناوری به‌صورت منفی استفاده می‌شود»،» می‌گوید ژونگرمان. «به‌عنوان مثال، در آلمان مردم شماره تلفن خود را به‌راحتی در اختیار دیگران نمی‌گذارند. آن‌ها شماره تلفن خود را محافظت می‌کنند؛ همان‌طور که مردم در ایالات متحده شماره تأمین اجتماعی خود را محافظت می‌کنند.»

    به‌درستی می‌گوید آنو برادفورد، استاد دانشگاه کلمبیا که به‌تحقیق در مورد دولت تنظیم دیجیتال اتحادیه اروپا می‌پردازد — و خود به‌طور عمده حامی مقررات اروپا در زمینه هوش مصنوعی است — بخشی از این مسأله را می‌توان تقریباً یک قرن به‌عقب ردیابی کرد. «باید به دلایل تاریخی و جنگ جهانی دوم فکر کنید و اینکه نازی‌ها چگونه برای شناسایی یهودیان از اطلاعات استفاده کردند — این یک نقض حق حریم خصوصی بود»، او می‌گوید. «به نظارت استاسی در آلمان شرقی فکر کنید. اروپایی‌ها می‌دانند که وقتی حریم خصوصی ندارید … آن‌ها به‌دلیل دلایل فرهنگی نسبت به این موضوع حساسیت بالایی دارند.»

    دین بال، نویسندهٔ اصلی برنامهٔ اقدام هوش مصنوعی دولت ترامپ، موافقت کمی با برادفورد دربارهٔ مقررات دارد. اما او نیز تفاوت‌های فرهنگی بین دو طرف را به اواسط قرن بیستم ردیابی می‌کند. به‌نظر او اتحادیه اروپا «وضعیت فعلی را در حالت رنگ آمبر (زرد) حفظ کرده» و با ذهنیت قرن بیستم برای حل مشکلات قرن بیست و یکم عمل می‌کند.

    ویندشیم، که خود زادهٔ اروپا است، نیز ترس‌های ایمنی را به بحران‌های قرن گذشته ربط می‌دهد. «فاجعه‌های قرن بیستم اروپا ذهنیتی ماندگار و به‌درستی محتاطانه به‌وجود آورده‌اند. محافظت در برابر خطر و ایمنی به‌نقطهٔ عطف تبدیل شد»، او می‌گوید. به‌نظر او، اروپایی‌ها به‌طور عمده ارزیابی ریسک متفاوتی نسبت به فناوری اتخاذ کرده‌اند و این را به‌قانون تبدیل کرده‌اند، در مقایسه با دولت آمریکا.

    سیلیکون‌والی، که خود فرهنگی دارد که با بسیاری از مردم آمریکا و اروپا همسو نیست — و این فرهنگ بقیهٔ رویکردهای آمریکایی نسبت به فناوری را شکل داده است —، به‌طولانی‌مدت توسط یک ایدئولوژی لیبرالی‌گرایانه و ایمان راسخ به پیشرفت تکنولوژی هدایت می‌شود، نه نیروهایی که ممکن است آن را محدود کنند. «با وجود نقش مرکزی مداخلهٔ عمومی در توسعهٔ هیپرمیدیا، نظریه‌پردازان کالیفرنیایی یک انجیل ضد‌دولت‌گرایانه از لیبرالی‌گری پیشرفتهٔ فناوری را تبلیغ می‌کنند: ترکیبی عجیب از انارشیسم هیپی و لبیسم اقتصادی که با تعیین‌گرایی تکنولوژیک تقویت می‌شود»، دو نظریه‌ساز رسانه‌ای در مقالهٔ مهم «ایدئولوژی کالیفرنیا» برای Whole Earth Catalog در اوسط دههٔ ۹۰ نوشتند.

    یکی از پرطرفدارترین مفاهیم که در جامعهٔ خلیج در حال حاضر جریان دارد، ایدهٔ «شتاب‌گرایی» است. این فلسفه شامل جریانات فکری مختلفی می‌شود: از این‌که (و امید داشته) توسعهٔ غیرقابل‌قید و بند هوش مصنوعی منجر به یک تکنو‑اتوتوپی می‌شود که در آن ماشین‌ها بیماری‌ها را حل می‌کنند، تا این‌که (و امید داشته) هوش مصنوعی دموکراسی را نابود می‌کند و دنیایی را به‌وجود می‌آورد که در آن تعداد بسیار کمی از حاکمان فناوری به‌صورت مطلق بر جهان حکمرانی می‌کنند. این دیدگاه‌های مختلف به‌طوری چشمگیر به ایجاد فرهنگ‌های مختلف تنظیم‌گری در فناوری در ایالات متحده و اتحادیه اروپا در طول قرن بیستم و بیست و یکم منجر شدند. مقررات عمومی حفاظت از داده‌ها (GDPR) اتحادیه اروپا، قانون جامع حریم خصوصی که در سال ۲۰۱۸ اجرا شد، حقی به حریم خصوصی می‌بخشد که در ایالات متحده وجود ندارد — و توانایی شرکت‌های فناوری در جمع‌آوری داده‌ها و کسب درآمد از آن را محدود می‌کند، که پیامدهای عظیمی برای توان رشد شرکت‌های فناوری در اروپا داشته است.

    «بسیار از خودبینی، غرور و [ اروپا ] واقعا این ذهنیت را دارد که باید تنظیم‌کنندهٔ جهان باشد، اما این کار را قبل از آنکه فناوری واقعاً توسعه یابد، انجام می‌دهند»، می‌گوید مایکل جکسون، سرمایه‌گذار آمریکایی در حوزه فناوری که در پاریس زندگی و کار می‌کند. این در مقایسه با ایالات متحده است، جایی که به‌گفته او، دولت پس از درک نیازهای بازار، با مقررات هدفمندتر وارد می‌شود.

    هوش مصنوعی این تفاوت‌ها را واضح‌تر از همیشه نشان داد. هوش مصنوعی چالش‌های بزرگ‌تری برای حریم خصوصی ایجاد می‌کند و فرصت‌های بیشتری برای نظارت فراهم می‌سازد، و پیامدهای آن سخت‌تر پیش‌بینی می‌شود تا تقریباً هر نوآوری دیگری که پیش از آن آمده است، به‌استثنای اینترنت — که برای افراد ریسک‌گریز یک کابوس است.

    اروپا رویکردی واضحاً سختگیرانه‌تر در تنظیم‌گری اتخاذ کرده است. قانون هوش مصنوعی — که در ۱ اوت ۲۰۲۴ در اتحادیه اروپا به اجرا درآمد — سعی دارد بیش‌ترین تلاش خود را برای مهار شرکت‌های هوش مصنوعی که به‌نفع عمومی عمل نمی‌کنند، انجام دهد. به‌طور عمده، این قانون بر کاهش خطرات تمرکز دارد. رده‌بندی‌های خطر برای برنامه‌های هوش مصنوعی ایجاد می‌کند — از «حداقل» تا «غیرقابل‌قبول» (برنامه‌هایی که این دسته‌بندی دریافت می‌کنند ممنوع می‌شوند) — و بیشتر شرکت‌های هوش مصنوعی را ملزم می‌کند تا شفافیت بیشتری دربارهٔ نحوهٔ کار خود داشته باشند.

    در همان زمان، پس از برخی تلاش‌های متوقف‌شده برای تنظیم هوش مصنوعی در دورهٔ جو بایدن، ایالات متحده تحت رهبری دونالد ترامپ مقررات را کنار گذاشت. در ژوئیه، دولت ترامپ برنامهٔ اقدام هوش مصنوعی (AI Action Plan) را منتشر کرد؛ مجموعه‌ای از ترجیحات سیاستی که وعده داد «داردگی بوروکراسی و مقررات سخت‌گیرانهٔ توسعهٔ هوش مصنوعی را حذف کند». همان‌طور که اتحادیه اروپا به‌سختی بیشتر تنظیم می‌کند، آمریکا کمتر تنظیم می‌کند. و با توسعهٔ این فاصله، تعداد مؤسسان در هر دو مکان نیز افزایش می‌یابد.

    همچنین دلایل جدیدی برای اینکه اروپا به تنظیمات فکر کند، بوجود آمده است. «موفقیت آمریکایی این نیاز را برای اروپا تقویت کرده، زیرا اکنون به شدت وابسته به فناوری‌ای هستید که صاحب آن نیستید و کنترل آن را ندارید»، می‌گوید ماریاروزاریا تادئو، ایتالیایی که هم‌اکنون استاد اخلاق دیجیتال و فناوری دفاعی در موسسهٔ اینترنت آکسفورد در بریتانیا است.

    اتحادیه اروپا باید بیشتر به تحریک توسعهٔ فناوری فکر کند، او افزود، زیرا مطمئن نیست که اهداف نهایی غول‌های فناوری آمریکایی چیست — و تا چه حد باید در برابر یک شرکت خصوصی که منافع شهروندان اروپا را در نظر ندارد مبارزه کند.

    «اروپا در موقعیت ضعیفی قرار دارد، زیرا بیشتر توسعه‌دهندگان در جهان آمریکایی‌اند»، می‌گوید برادفورد. «در حال حاضر دشوارتر می‌شود، اگر اتحادیه اروپا بخواهد به‌تنهایی جهان را تنظیم کند و اگر آمریکایی‌ها خود را تنظیم نکنند.»

    فراتر از روایت

    حامیان چارچوب اروپایی ادعا می‌کنند که در مقابل مهار نوآوری، این چارچوب صرفاً فناوری نوظهور و سریعاً در حال رشد را برای کاربران و مؤسسان ایمن‌تر می‌کند. در واقع، آن‌ها با این تصور که تنظیم و نوآوری در تقابل هستند، به‌طوردیگر مواجه می‌شوند.

    «من نمی‌خواهم این تصور پیش بیاید که برای نوآوری باید مدل «دست‌نهاده» آمریکایی را انتخاب کنید، و مدل اروپایی به‌نحوی اساسی با نوآوری ناسازگار باشد»، می‌گوید برادفورد. «این یک روایت ساده است که می‌گوید «چون آن‌ها خیلی تنظیم می‌کنند، نوآوری وجود ندارد». این دلیل نیست که چرا اروپایی‌ها از نوآوری هوش مصنوعی پیشی نمی‌گیرند.»

    برادفورد به دشواری داشتن ۲۷ حوزه قضایی بدون یک بازار متحد واحد اشاره کرد؛ یکی از دلایل عمده‌ای است که توسعهٔ هوش مصنوعی در اتحادیه اروپا ساده نیست — نکته‌ای که بسیاری از حامیان ضد تنظیم و مؤسسان فناوری نیز با آن موافقت می‌کنند.

    علاوه‌بر این، سرمایه‌گذاری بیشتری در آمریکا موجود است. سرمایه‌گذاران خطرپذیر پول‌های خود را به شرکت‌های فناوری مستقر در ایالات متحده می‌ریزند و تمایل کمتری به سرمایه‌گذاری در شرکت‌های دیگر مناطق نشان می‌دهند — بین سال‌های ۲۰۱۳ تا ۲۰۲۲، شرکت‌های مستقر در اتحادیه اروپا $1.4 تریلیون کمتر نسبت به شرکت‌های مستقر در ایالات متحده جذب سرمایه سرمایه‌گذاری خطرپذیر کردند.

    اروپا همچنین تنها جایی نیست که دولت تنظیم‌گری در حال رشد است.

    در حقیقت، اگرچه واشنگتن ممکن است در صدد استفاده از محدودیت‌ها برای هوش مصنوعی نباشد، ایالت کالیفرنیا گام‌های موثری برداشته و چندین رهنمود هوش مصنوعی را اجرا می‌کند که کار مشابهی دارد. یکی از دلایل این است که آمریکایی‌ها نیز از هوش مصنوعی بدون تنظیم می‌ترسند — بر اساس نظرسنجی گالاپ انجام‌شده در آوریل و مه ۲۰۲۵، ۸۰ درصد آمریکایی‌ها معتقدند که باید قوانین ایمنی و امنیت داده‌ها برای هوش مصنوعی حفظ شود، حتی اگر این به معنای توسعهٔ هوش مصنوعی با سرعت کمتر باشد.

    «نظر من این است که آمریکایی‌ها و اروپایی‌ها در حوزهٔ حاکمیت هوش مصنوعی به‌طور نزدیک همسو هستند. اگر به داده‌های نظرسنجی، نگرانی‌های مربوط به حق نسخه‌برداری، حریم خصوصی و جابجایی نیروی کار نگاه کنید، این موارد به‌طور مساوی در هر دو منطقه مشهود است»، می‌گوید مارک روننبرگ، رئیس و مؤسس مرکز هوش مصنوعی و سیاست دیجیتال در واشنگتن. «کاخ سفید موضعی در مورد تنظیم هوش مصنوعی اتخاذ کرده که با بیش‌تر آمریکایی‌ها، با بیشتر قانونگذاران ایالتی، و حتی با مواضعی که قبلاً داشتند، هم‌راستا نیست.»

    برای خوش‌بینان اروپایی، برخی نشانه‌ها وجود دارد که اگرچه حاکمیت ممکن است کامل نباشد، تنظیمات مانع نوآوری نمی‌شود و اروپا شروع به یافتن جایگاه خود در زمینهٔ توسعهٔ هوش مصنوعی کرده است.

    «هوش مصنوعی ناپدید نخواهد شد. در ده سال آینده نخواهد رفت… شما نیازی ندارید که در هوش مصنوعی اولین باشید. باید در هوش مصنوعی مقاوم، قدرتمند و قابل اعتماد باشید»، می‌گوید تادئو.

    حتی اگر اروپا رویکرد تنظیمی قوی‌تری اتخاذ کند، در عین حال برای ورود به این عرصه نیز تلاش می‌کند. در نوامبر، کمیسیون اروپا €200 میلیارد برای سرمایه‌گذاری در هوش مصنوعی اختصاص داد و رئیس‌جمهور فرانسه، امینوال ماکرون، تعهد به سرمایه‌گذاری خصوصی €109 میلیارد در این بخش اعلام کرد. در به‌ویژه کشورهای نوردیک، سرمایه‌گذاری دولتی به نوآوری و شرکت‌های موفق رشددهنده منجر شده است. تا کنون، هیچ دولتی اروپایی به‌صورت مستقیم به‌دنبال تنظیم‌گری دولت نیامده است.

    اما هنگامی که قاره سعی می‌کند رویکرد خود را برای ساخت شرکت‌هایی که به‌طرز چشمگیری متفاوت از سیلیکون‌والی هستند، سؤال این است که آیا آن‌ها برای تأثیرگذاری دیگر دیر کرده‌اند — آیا بخش‌های خوب جشن دیگر تمام شده‌اند.

    «آن‌ها پنج سال پیش دیر کردند و اکنون هم به‌طرز قطعاً دیر کرده‌اند»، می‌گوید بال.

  • SEO Pulse: حالت هوش مصنوعی به 75 میلیون کاربر رسید، Gemini 3 Flash راه‌اندازی شد

    نیک فاکس از گوگل فاش کرد که حالت هوش مصنوعی 75 میلیون کاربر روزانه دارد، اما ویژگی‌های زمینه شخصی هنوز به تعویق افتاده‌اند. Gemini 3 Flash با عملکرد سریع‌تر راه‌اندازی شد.

    SEO Pulse: حالت هوش مصنوعی به 75 میلیون کاربر رسید، Gemini 3 Flash راه‌اندازی شد

    در پالس این هفته: به‌روزرسانی‌ها شامل رشد حالت هوش مصنوعی و ویژگی‌های ناقص، آنچه مدل جدید گوگل به جست‌وجو می‌آورد و عوامل مؤثر بر ارجاع‌ها در تجربه‌های مختلف هوش مصنوعی است.

    نیک فاکس از گوگل تأیید کرد که حالت هوش مصنوعی به 75 میلیون کاربر فعال روزانه رسیده است، اما ویژگی‌های زمینه شخصی که در I/O وعده داده شده‌اند هنوز در مرحله‌ی آزمایش داخلی هستند.

    گوگل Gemini 3 Flash را با سرعت و عملکرد بهبود یافته راه‌اندازی کرد. تحقیق Ahrefs نشان داد که حالت هوش مصنوعی و نمای کلی هوش مصنوعی به URLهای متفاوتی ارجاع می‌دهند.

    در اینجا مهم‌ترین اتفاقات این هفته را برای شما آورده‌ایم.

    حالت هوش مصنوعی گوگل به 75 میلیون کاربر روزانه می‌رسد، اما ویژگی‌های زمینه شخصی هنوز به تعویق افتاده‌اند

    نیک فاکس از گوگل تأیید کرد که حالت هوش مصنوعی به 75 میلیون کاربر فعال روزانه در سرتاسر جهان گسترش یافته است، اما اذعان کرد که ویژگی‌های زمینه شخصی که هفت ماه پیش در I/O اعلام شد هنوز در مرحله آزمایش داخلی هستند.

    نکات کلیدی:

    در مصاحبه‌ای در پادکست AI Inside، فاکس گفت که ویژگی‌های زمینه شخصی که حالت هوش مصنوعی را به جیمیل و دیگر برنامه‌های گوگل وصل می‌کند، «در حال آمدن» هستند و هنوز زمان‌بندی عمومی ندارند.

    پرس‌وجوهای حالت هوش مصنوعی دو تا سه برابر طولانی‌تر از جست‌وجوهای سنتی هستند. گوگل ویژگی منابع ترجیحی را به‌صورت جهانی راه‌اندازی کرد و بهبودهایی در لینک‌های داخل تجربه‌های هوش مصنوعی اعلام کرد.

    چرا این مهم است

    تعویق ویژگی‌های زمینه شخصی بر طرز فکر شما در بهینه‌سازی حالت هوش مصنوعی تأثیر می‌گذارد. اگر برای دنیایی آماده می‌شدید که در آن حالت هوش مصنوعی تأییدیه‌های ایمیل و تقویم کاربران را می‌داند، این دنیا به زودی در دسترس نیست. در حال حاضر، کاربران به‌صورت دستی زمینه را به پرس‌وجوهای طولانی‌تر اضافه می‌کنند.

    این امر اولویت‌های شما را تغییر می‌دهد. محتوا همچنان باید به پرسش‌های طولانی‌تر و دقیق‌تری که کاربران می‌پرسند، پاسخ دهد. اما لایه شخصی‌سازی خودکار که ممکن بود برخی پرس‌وجوهای اطلاعاتی را به صورت مستقل در رابط گوگل ارائه دهد، هنوز فعال نشده است.

    عدد 75 میلیون کاربر فعال روزانه برای برنامه‌ریزی ترافیک اهمیت دارد. حالت هوش مصنوعی دیگر یک آزمایش کوچک نیست؛ یک کانال مهم است که همچنان در حال تحول است. داده‌های طول پرس‌وجو (دو تا سه برابر نسبت به جست‌وجوهای سنتی) نشان می‌دهد کاربران در حال برقراری گفتگو هستند نه صرفاً جست‌وجوی سریع، که این موضوع بر فرمت‌ها و عمق محتواهای مؤثر تأثیر می‌گذارد.

    نظرات افراد

    AI Inside نکات بیشتری را در لینکدین به اشتراک گذاشت:

    «نیک فاکس پیشنهاد می‌کند که بهینه‌سازی برای تجربه‌های هوش مصنوعی گوگل همانند رویکرد جست‌وجوی سنتی است: ساختن یک سایت عالی با محتوای عالی … تمرکز بر ساختن برای کاربران و ایجاد محتوایی که با خوانندگان انسانی هماهنگ باشد.»

    مقاله کامل ما را بخوانید: ویژگی‌های زمینه شخصی حالت هوش مصنوعی گوگل «هنوز در راه»

    گوگل Gemini 3 Flash را با عملکرد سریع‌تر ارائه کرد

    گوگل Gemini 3 Flash، جدیدترین مدل هوش مصنوعی خود که بر سرعت و کارایی متمرکز است، را راه‌اندازی کرد و بلافاصله آن را در محصولات جست‌وجو عرضه کرد.

    نکات کلیدی:

    Gemini 3 Flash عملکرد بهبود یافته‌ای را در تمام معیارهای ارزیابی ارائه می‌دهد در حالی که زمان‌های پاسخ سریع‌تری نسبت به مدل‌های قبلی حفظ می‌کند. این مدل اکنون به‌صورت پیش‌فرض در برنامه Gemini، و در حالت هوش مصنوعی برای جست‌وجو استفاده می‌شود.

    چرا سئوها باید به این توجه کنند

    سرعت عرضه Gemini 3 Flash توسط گوگل نشان می‌دهد که به‌روزرسانی‌های مدل‌های هوش مصنوعی چگونه می‌توانند به‌سرعت به محصولات جست‌وجو وارد شوند. به‌جای انتظار ماه‌ها بین انتشار مدل و یکپارچه‌سازی در جست‌وجو، اکنون با استقرار فوری مدل‌های جدید مواجه هستید که می‌توانند رفتار ویژگی‌های هوش مصنوعی را تغییر دهند.

    عملکرد سریع‌تر برای تجربه کاربری در حالت هوش مصنوعی و نمای کلی هوش مصنوعی مهم است، جایی که تاخیر بر تصمیم کاربران برای ادامه استفاده یا تغییر به نتایج سنتی تأثیر می‌گذارد. مدل‌های سریع‌تر تعاملات چند‑مرحله‌ای طولانی‌تر را عملی می‌کنند و می‌توانند منجر به افزایش تعداد جلسات جست‌وجو شوند.

    نظرات افراد

    رابی استین، معاون ارشد محصول برای جست‌وجوی گوگل، درباره انتشار این قابلیت در لینکدین پست کرد:

    «نسخه 3 Flash توانایی‌های استدلال فوق‌العاده Gemini 3 Pro را با سرعتی که از جست‌وجو انتظار می‌گیرید، ارائه می‌دهد. بنابراین حالت هوش مصنوعی بهتر می‌تواند سخت‌ترین و چندلایه‌ترین سؤال‌های شما را تفسیر کند – با در نظر گرفتن هر یک از محدودیت‌ها یا نیازهای شما – و پاسخی بصری و قابل هضم همراه با لینک‌های مفید برای کاوش عمیق‌تر در وب ارائه می‌دهد.»

    ریحانون بل، معاون تجربه کاربری برای جست‌وجوی گوگل، اشاره کرد که این به‌روزرسانی Gemini 3 Pro را به کاربران بیشتری می‌رساند. بل توانایی 3 Pro در بازطراحی نتایج جست‌وجو را برجسته می‌کند:

    «تیم من به‌طور مستمر به‌دنبال معانی طراحی «مفید» می‌گردد و Gemini 3 Pro به ما امکان می‌دهد به‌صورت بنیادی نحوه‌ی نمایش یک پاسخ جست‌وجوی مفید را بازطراحی کنیم.»

    هېما بُداراجو، معاون مدیریت محصول برای جست‌وجو در گوگل، بر «سرعت و هوشمندی» تأکید کرد:

    «به‌عنوان سازندگان محصول، ما اغلب باید تعادل بین سرعت و هوشمندی را برقرار کنیم. امروز، این دو را حتی نزدیک‌تر می‌کنیم: Gemini 3 Flash به‌صورت جهانی در جست‌وجو به‌عنوان مدل پیش‌فرض جدید برای حالت هوش مصنوعی عرضه می‌شود… همچنین مدل‌های Pro خود را در دسترس افراد بیشتری می‌گذاریم. Gemini 3 Pro هم‌اکنون برای همه در ایالات متحده قابل دسترسی است.»

    مقاله کامل ما را بخوانید: Gemini 3 Flash گوگل به‌صورت پیش‌فرض در برنامه Gemini و حالت هوش مصنوعی شد

    حالت هوش مصنوعی و نمای کلی هوش مصنوعی فقط 13.7% زمان به URLهای یکسان ارجاع می‌کنند

    Ahrefs 730,000 جفت پرس‌وجو را تجزیه و تحلیل کرد و دریافت که حالت هوش مصنوعی و نمای کلی هوش مصنوعی 86% زمان به نتیجه‌های معنایی مشابه می‌رسند، اما تنها 13.7% زمان به همان URLهای خاص ارجاع می‌دهند.

    نکات کلیدی:

    Ahrefs پاسخ‌های حالت هوش مصنوعی و نمای کلی هوش مصنوعی را در پرس‌وجوهای یکسان مقایسه کرد. در حالی که هر دو تجربه اغلب در اطلاعات کلی توافق دارند، این اطلاعات را از منابع متفاوت استخراج می‌کنند.

    چرا سئوها باید به این توجه کنند

    شما با یک هدف بهینه‌سازی تقسیم‌شده مواجه هستید. ارجاع شدن در نمای کلی هوش مصنوعی به‌صورت خودکار به معنای ارجاع شدن در حالت هوش مصنوعی نیست، حتی اگر هر دو سیستم به همان پرس‌وجو با اطلاعات مشابه پاسخ دهند. این دو موتور ارجاع جداگانه هستند، نه یک سیستم با رابط‌های مختلف.

    اگر پیگیری کنید کدام تجربه هوش مصنوعی برای پرس‌وجوهای هدف شما ظاهر می‌شود، می‌توانید تلاش‌های ارجاعی خود را بر آن متمرکز کنید. برای پرس‌وجوهایی که حالت هوش مصنوعی غالب است، فرکانس انتشار و تازگی محتوا ممکن است مهم‌تر باشد. برای پرس‌وجوهایی که نمای کلی هوش مصنوعی ظاهر می‌شود، سیگنال‌های اعتبار و پوشش عمیق منابع ممکن است مهم‌تر باشند.

    همپوشانی 13.7% نشان می‌دهد بسیاری از سایت‌ها نتایج نابرابری در سطوح مختلف مشاهده خواهند کرد. ممکن است در یک تجربه عملکرد خوبی داشته باشید اما این مشاهده به‌طور خودکار به تجربه دیگر منتقل نشود.

    نظرات افراد

    دسپینا گاوویانیس، کارشناس ارشد سئو در Ahrefs، نتایج را در لینکدین خلاصه کرد:

    «تنها 13.7% همپوشانی ارجاع … 86% شباهت معنایی … به‌طور خلاصه، 9 از هر 10 بار، حالت هوش مصنوعی و نمای کلی هوش مصنوعی بر آنچه باید بگویند توافق داشتند؛ فقط به‌صورت متفاوتی بیان کردند و به منابع متفاوتی ارجاع دادند.»

    مقاله کامل ما را بخوانید: حالت هوش مصنوعی گوگل و نمای کلی هوش مصنوعی URLهای متفاوتی را ارجاع می‌دهند، بر اساس گزارش Ahrefs

    موضوع هفته: جست‌وجوی هوش مصنوعی در عمل، نه تئوری

    هر داستان این هفته نشان می‌دهد جست‌وجوی هوش مصنوعی از وعده به واقعیت عملی منتقل می‌شود.

    75 میلیون کاربر فعال روزانه حالت هوش مصنوعی و انتشار فوری Gemini 3 Flash نشان می‌دهند ویژگی‌های هوش مصنوعی گوگل سیستم‌های تولیدی در مقیاس بزرگ هستند، نه آزمایشگاه‌های تحقیقاتی. تعویق ویژگی‌های زمینه شخصی، شکاف بین آنچه اعلام شد و آنچه عرضه می‌شود را نشان می‌دهد. مطالعه ارجاع، چگونگی عملکرد متفاوت این سیستم‌ها را با وجود ظاهری مشابه کمی‌سازی می‌کند.

    برای شما، این هفته دربارهٔ این است که جست‌وجوی هوش مصنوعی را به‌عنوان زیرساخت فعلی نه به‌عنوان پیش‌بینی آینده در نظر بگیرید. برای حالت هوش مصنوعی و نمای کلی هوش مصنوعی همان‌طور که امروز کار می‌کنند، پرس‌وجوهای طولانی دستی بدون زمینه شخصی، به‌روزرسانی‌های فوری مدل که می‌توانند رفتار را تغییر دهند، و اهداف بهینه‌سازی جداگانه برای هر تجربه، بهینه‌سازی کنید.

    ویژگی‌هایی که گوگل در I/O وعده داده هنوز در دسترس نیستند، اما 75 میلیون نفر از آنچه وجود دارد استفاده می‌کنند.

    برترین اخبار هفته:

    • ویژگی‌های زمینه شخصی حالت هوش مصنوعی گوگل «هنوز در راه»
    • Google Gemini 3 Flash به‌صورت پیش‌فرض در برنامه Gemini و حالت هوش مصنوعی شد
    • حالت هوش مصنوعی گوگل و نمای کلی هوش مصنوعی URLهای متفاوتی را ارجاع می‌دهند، بر پایه گزارش Ahrefs

    منابع بیشتر:

    • تاثیر نمای کلی هوش مصنوعی گوگل بر ناشران و چگونگی سازگاری در سال 2026
    • دوران قدیمی جست‌وجوی گوگل به پایان رسیده – این‌جا سئو 2026 واقعاً چگونه خواهد بود
    • Google Discover، حالت هوش مصنوعی، و معنای آن برای ناشران: مصاحبه با جان شحاطا

    تصویر ویژه: Pixel-Shot/Shutterstock

  • دوقلوی دیجیتال زمین، بینش‌های بی‌سابقه‌ای دربارهٔ آیندهٔ اقلیم ما افشا می‌کند

    برای درک کامل پیچیدگی‌های عملکرد سیاره‌مان، تیمی از دانشمندان آلمانی شگفت‌انگیزی ساخته‌اند: دوقلوی دیجیتال فوق‌جزئی‌سازی‌شده‌ای از زمین. این شبیه‌سازی پیشگام می‌تواند روش مطالعهٔ دانشمندان دربارهٔ تغییرات اقلیمی در حال تحول سیاره را دگرگون سازد.

    در طول دهه‌ها، دانشمندان برای بازسازی گذشتهٔ زمین و پیش‌بینی آیندهٔ آن به مدل‌های کامپیوتری تکیه داشته‌اند. با به‌کارگیری مقادیر عظیمی از داده‌های جوی و محیطی، آن‌ها رفتار الگوهای هواشناسی و سیستم‌های اقلیمی را در طول زمان شبیه‌سازی می‌کنند. اما اکنون مؤسسهٔ ماکس پلانک برای هواشناسی در آلمان این فناوری را به سطحی نوین برده و مدلی نسل آیندهٔ زمین با وضوح تنها ۱٫۲۵ کیلومتر ایجاد کرده است.

    این زمین مجازی از ۶۷۲ میلیون سلول تشکیل شده است — ۳۳۶ میلیون سلول که سطوح زمین و اقیانوس را نشان می‌دهند و ۳۳۶ میلیون سلول دیگر که جو را مدل‌سازی می‌کنند. هر سلول برای شبیه‌سازی دو فرایند کلیدی طراحی شده است:

    • سیستم “سریع” شامل هواشناسی — آب، باد و انرژی. با به‌کارگیری مدل پیشرفتهٔ ICON (ICOsahedral Nonhydrostatic)، پژوهشگران اکنون می‌توانند رویدادهای آب و هوایی بسیار محلی را با جزئیات بی‌سابقه ضبط کنند.
    • سیستم “آهسته” نمایانگر علم اقلیم‌شناسی — شامل چرخهٔ کربن، تکامل بایوسفر و شیمی اقیانوسی.

    با ترکیب نتایج این سیستم‌های سریع و آهسته، شبیه‌سازی جدید به وضوحی ۴۰ برابر دقیق‌تر از هر مدل قبلی دست می‌یابد — گامی عظیم به جلو در علم اقلیم.

    سه تصویر نشان‌دهنده نتایج شبیه‌سازی کامپیوتری فوق‌دقیق: در سمت چپ، فیتوپلانکتون‌های اقیانوس در نزدیکی شیلی؛ در وسط، بادها بر فراز کوه‌های بالکان؛ و در سمت راست، تبادل کربن بین زمین و اقیانوس در نزدیکی تاسمانیا. @ مؤسسهٔ ماکس پلانک

    تصویری واضح‌تر از آیندهٔ اقلیم اروپا

    چرا این مهم است؟ چون همه چیز بر روی زمین به یکدیگر مرتبط است — زمین، اقیانوس‌ها، جو و تمام سیستم‌های زیستی. وقتی یک جزء تغییر می‌کند، اثرات زنجیره‌ای در سراسر سیاره ایجاد می‌شود، از اکوسیستم‌های محلی تا الگوهای آب و هوایی جهانی. زمین، به طرق مختلف، یک سیستم زندهٔ واحد است و ما هنوز در حال کشف شبکهٔ پیچیدهٔ تعاملات آن هستیم.

    شبیه‌سازی جدید به پژوهشگران امکان می‌دهد تا تحولات اقلیمی آینده را با دقت بی‌سابقه پیش‌بینی کنند — از ذوب یخ‌ها و افزایش سطح دریا تا تغییرات حرارت و بارش در مقیاس منطقه‌ای. همچنین می‌تواند به حل یکی از بزرگ‌ترین معماهای اقلیمی اروپا کمک کند: رفتار AMOC، جریان عظیم اقیانوس اطلس که آب‌های گرم گرمسیری را به سمت شمال می‌برد و به اروپا اقلیم معتدل می‌بخشد.

    🌊 امروز در @Nature: آیا AMOC در آستانهٔ فروپاشی است؟

    قبل از سال ۲۱۰۰ محتمل نیست — اما ریسک‌ها واقعاً موجودند 🚨

    ما پی بردیم که بادهای اقیانوس جنوبی این «موتور حرارتی» حیاتی اقیانوس را حتی تحت شرایط شدید #climatechange فعال نگه می‌دارند. اما اقیانوس آرام سورپرایزی دارد…

    بیایید بررسی کنیم 🧵👇 pic.twitter.com/Yp0aYg8qHa

    — Jon Baker (@jonbaker_ocean) ۲۶ فوریهٔ ۲۰۲۵

    در این مرحله، دوقلوی دیجیتال برای پیش‌بینی‌های روزانهٔ آب و هوا طراحی نشده است، بلکه برای برآوردهای اقلیمی بلندمدت به کار می‌رود. با این حال، این‌که هم فرآیندهای سریع و هم فرآیندهای آهستهٔ سیاره را مدل‌سازی می‌کند، نگاهی جذاب به آیندهٔ هواشناسی فراهم می‌کند — جایی که پیش‌بینی‌های بلندمدت شاید روزی به‌اندازه پیش‌بینی‌های کوتاه‌مدت قابل اعتماد شوند.

  • آژانس‌های بازاریابی که از هوش مصنوعی در جریان کار استفاده می‌کنند، مشتریان بیشتری را جذب می‌کنند

    در میان صنایع متعدد، بازاریابی جایی است که هوش مصنوعی دیگر یک پروژه جانبی «آزمایشگاه نوآوری» نیست، بلکه در بریف‌ها، خطوط تولید، تأییدها و بهینه‌سازی رسانه‌ها ادغام شده است. پست WPP iQ منتشر شده در دسامبر، که بر پایه یک وبینار با WPP و Stability AI است، نشان می‌دهد به‌کارگیری هوش مصنوعی در عملیات روزانه چگونه به‌نظر می‌رسد.

    در اینجا، ما در مورد تمرکز بر محدودیت‌های عملی می‌پردازیم که تعیین می‌کند آیا هوش مصنوعی کار روزانه را تغییر می‌دهد یا صرفاً لایه‌ای دیگر از پیچیدگی یا ابزارهای جدید اضافه می‌کند.

    دقت برند، یک قابلیت قابل تکرار

    هوش مصنوعی آژانس‌های بازاریابی، دقت برند را به‌عنوان چیزی که باید مهندسی شود می‌داند. WPP و Stability AI اشاره می‌کنند که مدل‌های آماده‌کار «برای هویت بصری برند شما آموزش‌دیده نیستند»، بنابراین خروجی‌ها اغلب به‌نظر کلی می‌رسند. راه‌حل این شرکت‌ها انجام تنظیم دقیق (fine‑tuning) است؛ یعنی آموزش مدل‌ها بر روی مجموعه‌داده‌های مخصوص برند تا مدل کتابچه راهنمای برند، شامل سبک، ظاهر و رنگ‌ها را بیاموزد. سپس این عناصر می‌توانند به‌صورت ثابت بازتولید شوند.

    آرگوس از WPP نمونه‌ای برجسته است. پس از تنظیم دقیق یک مدل برای این خرده‌فروش، تیم توضیح داد که مدل جزئیات فراتر از شخصیت‌ها را نیز دریافت کرده است؛ از جمله نورپردازی و سایه‌های ظریف مورد استفاده در انیمیشن‌های سه‌بعدی برند. بازتولید این جزئیات دقیق می‌تواند جایی باشد که زمان در تولید ناپدید می‌شود، به‌صورت رندر مجدد و چندین دور تأیید. وقتی خروجی‌های هوش مصنوعی نزدیک به «پایان» باشند، تیم‌ها زمان کمتری برای تصحیح صرف می‌کنند و زمان بیشتری برای شکل‌دهی به روایت‌ها و سازگاری رسانه‌ها برای کانال‌های مختلف می‌گذارند.

    کاهش زمان چرخه (و تغییر برنامه‌ها)

    WPP و Stability AI اشاره می‌کنند که انیمیشن سنتی سه‌بعدی ممکن است برای بازاریابی واکنشی بیش از حد کند باشد. در نهایت، لحظات فرهنگی به محتوای فوری نیاز دارند، نه چرخه‌های تعریف‌شده در هفته‌ها یا ماه‌ها. در مطالعه موردی آرگوس، WPP مدل‌های سفارشی را بر روی دو شخصیت اسباب‌بازی سه‌بعدی آموزش داد تا مدل‌ها یاد بگیرند آنها چگونه به‌نظر می‌رسند و رفتار می‌کنند، شامل جزئیاتی مانند نسبت‌ها و نحوه نگه‌داشتن اشیاء توسط شخصیت‌ها.

    نتیجه این بود که «تصاویر با کیفیت بالا… در عرض چند دقیقه به‌جای ماه‌ها تولید شدند».

    جریان کار تسریع‌شده، گلوگاه‌های تولید را از بین نمی‌برد، بلکه آنها را جابجا می‌کند. اگر تولید واریانس‌ها سریع شود، بازبینی، انطباق، مدیریت حقوق و توزیع، به‌عنوان محدودیت‌های اصلی ظاهر می‌شوند. این مسائل همیشه وجود داشتند، اما سرعت و کارآمدی هوش مصنوعی در این زمینه تفاوت بین آنچه امکان‌پذیر است و سامانه‌هایی را نشان می‌دهد که در جریان کار جای گرفته و پذیرفته شده‌اند. آژانس‌هایی که می‌خواهند هوش مصنوعی کار روزانه را تغییر دهد، باید جریان کار را اطراف آن بازطراحی کنند، نه فقط افزودن فناوری به‌عنوان ابزار جدید.

    «رابط کاربری هوش مصنوعی» ضروری می‌شود

    WPP و Stability AI به یک «مشکل رابط کاربری» اشاره می‌کنند؛ تیم‌های خلاق زمان خود را به‌دلیل رابط‌های ابزارهای عمومی که «غیرمتصل، پیچیده و گمراه‌کننده» هستند، از دست می‌دهند، که این موضوع باعث راه‌حل‌های جایگزین و حرکت مداوم دارایی‌ها بین ابزارها می‌شود. اغلب، پاسخ‌ها رابط‌های کاربری سفارشی مخصوص برند با جریان‌های کاری پیچیده در بخش پشتی هستند.

    WPP WPP Open را به‌عنوان یک بستر معرفی می‌کند که دانش مالکیتی WPP را به «عوامل هوش مصنوعی قابل دسترسی جهانی» تبدیل می‌کند، که به تیم‌ها در برنامه‌ریزی، تولید، خلق رسانه و فروش کمک می‌نماید. سودهای عملیاتی از تحویل‌های صاف‌تر بین ابزارها ناشی می‌شود، همان‌طور که کار از بریف‌ها به تولید، دارایی‌ها به فعال‌سازی، و سیگنال‌های عملکرد به‌سوی برنامه‌ریزی منتقل می‌شوند.

    قابلیت خودسرویس، عملیات آژانس‌ها را تغییر می‌دهد

    پلتفرم‌های بازاریابی مبتنی بر هوش مصنوعی نیز به‌صورت مستقیم به مشتریان عرضه می‌شوند. از نظر عملیاتی، این مسئله آژانس‌ها را وادار می‌کند تا بر بخش‌های جریان کاری که مشتریان به‌راحتی نمی‌توانند خودسرویس انجام دهند، متمرکز شوند؛ مانند طراحی سیستم برند، ساخت تنظیمات دقیق و اطمینان از ادغام حاکمیت.

    حاکمیت از سیاست به جریان کار منتقل می‌شود

    برای استفاده روزانه از هوش مصنوعی، حاکمیت باید در جایی که کار انجام می‌شود، تعبیه شود. Dentsu ساخت «باغ‌های حائل» (walled gardens) را توصیف می‌کند؛ این فضاهای دیجیتال جایی هستند که کارکنان می‌توانند به‌صورت امن پروتوتایپ و راه‌حل‌های مبتنی بر هوش مصنوعی را توسعه دهند و بهترین ایده‌ها را تجاری‌سازی کنند. این کار ریسک افشای داده‌های حساس را کاهش می‌دهد و اجازه می‌دهد آزمایش‌ها به‌سوی سامانه‌های تولید حرکت کنند.

    برنامه‌ریزی و بینش نیز فشرده می‌شوند

    تاثیر عملیاتی محدود به تولید نیست. Publicis Sapient استراتژی محتوا و برنامه‌ریزی مبتنی بر هوش مصنوعی را توصیف می‌کند که «ماه‌ها تحقیق را به دقیقه‌ها بینش تبدیل می‌کند» با ترکیب مدل‌های زبانی بزرگ با دانش زمینه‌ای و کتابخانه‌های پرامپت [PDF]. پژوهش و توسعه بریف‌نامه زمان‌بندی کارها را فشرده می‌کند، به‌طوری که کارهای بیشتری برای مشتریان انجام می‌شود و آژانس پاسخ‌های سریع‌تری به تغییرات فرهنگی و الگوریتم‌های پلتفرم دارد.

    چه تغییری برای افراد ایجاد می‌شود

    در این نمونه‌ها، تأثیر بر حرفه‌ای‌های بازاریابی، بازتعادل و تغییر توصیف شغل‌ها است. زمان کمتری برای طراحی مکانیکی، تغییر اندازه و نسخه‌برداری صرف می‌شود و زمان بیشتری برای نگهداری برند اختصاص می‌یابد. نقش‌های عملیاتی جدید گسترش می‌یابند؛ عناوینی همچون «آموزگار مدل»، «طراح جریان کار» و «سرپرست حاکمیت هوش مصنوعی».

    هوش مصنوعی بزرگ‌ترین تفاوت عملیاتی را زمانی ایجاد می‌کند که آژانس‌ها از مدل‌های سفارشی، رابط‌های کاربری قابل استفاده که پذیرش (به‌ویژه توسط مشتریان) را بدون مانع می‌سازند، و پلتفرم‌های یکپارچه‌ای که برنامه‌ریزی، تولید و اجرا را به هم متصل می‌کنند، بهره ببرند.

    فواید اصلی سرعت و مقیاس است، اما تغییر عمیق این است که ارائه بازاریابی شبیه به یک زنجیره تأمین مبتنی بر نرم‌افزار می‌شود؛ استاندارد، در مواردی که نیاز است انعطاف‌پذیر و قابل‌سنجش.

    (منبع تصویر: «Solar Wind Workhorse Marks 20 Years of Science Discoveries» توسط NASA Goddard Photo and Video تحت مجوز CC BY 2.0 است.)

  • تندروهای افراطی از شبیه‌سازی صوتی هوش مصنوعی برای تقویت تبلیغات استفاده می‌کنند. کارشناسان می‌گویند این کار به رشد آن‌ها کمک می‌کند

    پژوهشگران هشدار می‌دهند که ابزارهای مولد به گروه‌های شبه‌نظامی، از نئوزن‌ها تا دولت اسلامی، در گسترش ایدئولوژی کمک می‌کنند

    بن ماکچ

    در حالی که رونق هوش مصنوعی بخش‌هایی از صنعت موسیقی را متحول می‌کند، ربات‌های تولید صدا نیز به‌عنوان مزیتی برای گوشه‌ای غیرمنتظره از اینترنت تبدیل شده‌اند: جنبش‌های افراطی که از آن‌ها برای بازتولید صداها و سخنرانی‌های شخصیت‌های برجسته در محیط خود بهره می‌برند و کارشناسان می‌گویند این امر به رشدشان کمک می‌کند.

    «به‌کارگیری ترجمهٔ مبتنی بر هوش مصنوعی توسط تروریست‌ها و افراط‌گرایان نشانگر تحول قابل‌توجهی در استراتژی‌های تبلیغات دیجیتال است»، لوقاس وبِر، تحلیلگر ارشد اطلاعات تهدید در Tech Against Terrorism و پژوهشگر در مرکز سووفان گفت. وبِر بر نظارت بر ابزارهای آنلاین گروه‌های تروریستی و افراطی در سراسر جهان تخصص دارد.

    «روش‌های قبلی بر مترجم‌های انسانی یا ترجمهٔ ماشینی ابتدایی متکی بودند که اغلب به‌دلیل وفاداری زبانی و ظرافت‌های سبک‌سازی محدود می‌شدند»، او افزود. «اکنون، با ظهور ابزارهای پیشرفته هوش مصنوعی مولد، این گروه‌ها می‌توانند ترجمه‌های یکپارچه و از نظر زمینه‌ای دقیق تولید کنند که لحن، احساس و شدت ایدئولوژیک را در چندین زبان حفظ می‌نمایند.»

    در جناح راست افراطی نئوزن، به‌کارگیری نرم‌افزارهای شبیه‌سازی صوتی هوش مصنوعی به‌طور فراوانی گسترش یافته است؛ به‌طوری‌که نسخه‌های انگلیسی‌زبان سخنرانی‌های آدولف هیتلر به‌دست‌آمدن ده‌ها میلیون بار بازپخش در پلتفرم‌های X، اینستاگرام، تیک‌توک و سایر برنامه‌ها را جذب کرده‌اند.

    به‌حسب یک پست پژوهشی اخیر از شبکه جهانی افراط‌گرایی و فناوری (GNet)، سازندگان محتوای افراطی به خدمات شبیه‌سازی صوتی، به‌ویژه ElevenLabs، روی آورده‌اند و سخنرانی‌های آرشیوی دورهٔ رایش سوم را به‌آن‌ها می‌سپارند؛ که پس از پردازش، به شکل تقلید از هیتلر به زبان انگلیسی بازتولید می‌شوند.

    نئوزن‌های شتاب‌گر، که اقدام به برنامه‌ریزی ترور علیه دولت‌های غربی برای برانگیختن فروپاشی اجتماعی می‌کنند، نیز به این ابزارها روی آورده‌اند تا نسخه‌های به‌روزتر پیام‌های پرخشونت خود را گسترش دهند. به‌عنوان مثال، کتاب راهنمای شورشی «Siege» که توسط جیمز میسون، نئوزن آمریکایی و تروریست ممنوعه، نوشته شده و به‌عنوان کتاب مقدس برای سازمان‌هایی مانند Base و بخش منقضی‌شدهٔ Atomwaffen شناخته می‌شود، در اواخر نوامبر به کتاب صوتی تبدیل شد.

    «در چند ماه اخیر، من در تهیه یک کتاب صوتی از Siege نوشتهٔ جیمز میسون مشارکت داشته‌ام»، یک نفوذگر برجسته نئوزن که حضور قابل‌توجهی در X و تلگرام دارد، گفت. او کتاب صوتی را با کمک ابزارهای هوش مصنوعی ترکیب کرده است.

    «با استفاده از یک مدل صوتی سفارشی برای میسون، من هر خبرنامه و اکثر برش‌های روزنامه پیوست‌شده را همانند نسخه‌های اصلی منتشرشده بازسازی کردم.»

    این نفوذگر توانایی داشتن نوشته‌های میسون از «آمریکای پیش از اینترنت» و تبدیل آن‌ها به صدای معاصر را تمجید کرد.

    «اما شنیدن دقت شگفت‌آور پیش‌بینی‌های انجام‌شده در اوایل دههٔ هشتاد، واقعاً یک نقطهٔ عطف بر مسیر ایجاد می‌کند و نگرش من نسبت به هدف مشترکمان را در سطح بنیادی تغییر داد»، او گفت.

    در اوج خود در سال ۲۰۲۰، گروه Base یک کتاب‌کلوپ درباره Siege برگزار کرد که تأثیر قابل‌توجهی بر چندین عضو داشته بود؛ آن‌ها مزایای آن را در یک جنگ فرضی علیه دولت آمریکا مورد بحث قرار دادند. در همان سال، یک تحقیق سراسری FBI در زمینه مبارزه با تروریسم بیش از یک‌دوجین عضو این گروه را به‌دلیل اتهامات مختلف مرتبط با تروریسم دستگیر کرد.

    «سازنده این کتاب صوتی پیش‌تر محتواهای مشابهی بر پایه هوش مصنوعی منتشر کرده است؛ اما Siege سابقه‌ای بدنام‌تر دارد»، جاشوا فیشر‑برچ، تحلیل‌گر تروریسم در پروژه Counter Extremism گفت. «به‌دلیل وضعیت شبه‌فرهنگی‌اش در میان برخی از راست‌گراهای افراطی آنلاین، ترویج خشونت‌های تک‌نفره، و تبدیل شدن به متن ضروری برای چندین گروه نئوزن که به‌صراحت تروریسم را تأیید می‌کنند و اعضای آن‌ها مرتکب اعمال خشونت‌آمیز شدند».

    وبِر می‌گوید که رسانه‌های حامی دولت اسلامی در شبکه‌های رمزگذاری‌شده در حال حاضر به‌طور فعال «از هوش مصنوعی برای تولید نسخه‌های متن‑به‑صدا از محتوای ایدئولوژیک منتشرشده در روزنامه‌ها استفاده می‌کنند»، تا با تبدیل «تبلیغات مبتنی بر متن به روایت‌های چندرسانه‌ای جذاب» گسترش پیام‌های خود را تقویت کنند.

    گروه‌های تروریست جهادی برای ترجمهٔ آموزه‌های افراطی از عربی به محتوای چندزبانه‌ای که به‌راحتی قابل‌هضم باشد، از هوش مصنوعی بهره می‌گیرند. پیشتر، انور العولقی، امام آمریکایی که به عامل القاعده تبدیل شده بود، مجبور بود به‌صورت شخصی سخنرانی‌های انگلیسی برای تبلیغات جذب‌کنندگان در منطقهٔ انگلیسی‌زبان صدا‌گذاری کند. سیا و اف‌بی‌آی بارها به تأثیر صدای العولقی به‌عنوان عاملی کلیدی در گسترش پیام‌های القاعده اشاره کرده‌اند.

    در Rocket.Chat — پلتفرم ارتباطی مورد ترجیح دولت اسلامی که برای برقراری ارتباط با پیروان و جذب‌کنندگان خود استفاده می‌کند — یک کاربر در ماه اکتبر یک کلیپ ویدئویی با گرافیک‌های صیقلی و زیرنویس ژاپنی منتشر کرد و به دشواری انجام این کار بدون حضور هوش مصنوعی اشاره نمود.

    «ژاپنی زبانی بسیار دشوار برای ترجمه از وضعیت اصلی‌اش به انگلیسی است، در حالی که حفظ ظرافت آن دشوار می‌شود»، کاربر حامی دولت اسلامی گفت. «شایان ذکر است که من برای هیچ‌یک از رسانه‌های مرتبط از هوش مصنوعی استفاده نمی‌کنم، به‌جز موارد استثنایی مرتبط با صدا.»

    تا کنون، نه تنها دولت اسلامی، بلکه گروه‌های مختلف در سراسر طیف ایدئولوژیک، شروع به استفاده از برنامه‌های رایگان هوش مصنوعی، به‌ویژه ربات گفتگویی OpenAI به نام ChatGPT، برای تقویت کلی فعالیت‌های خود کرده‌اند. گروه Base و گروه‌های همجوار از این ابزار برای تولید تصاویر استفاده کرده‌اند، در حالی که از سال ۲۰۲۳، استفاده از این ابزارها برای ساده‌سازی برنامه‌ریزی و پژوهش‌ها را نیز تأیید کرده‌اند.

    مقامات مبارزه با تروریسم همواره اینترنت و پیشرفت‌های فناوری را به‌عنوان یک بازی پیگیری مستمر می‌بینند تا همگامی با گروه‌های تروریستی که از آن‌ها بهره می‌برند، حفظ شود. گروه Base، دولت اسلامی و سایر افراط‌گرایان پیش از این از فناوری‌های نوظهور مانند رمزارزها برای جمع‌آوری مالی به‌صورت ناشناس و به‌اشتراک‌گذاری فایل‌های مربوط به سلاح‌های چاپ‑سه‌بعدی بهره برده‌اند.

  • از سئو به GEO: چگونه رهبران بازاریابی در جستجوی مبتنی بر هوش مصنوعی نمایان می‌مانند

    چهار راه برای تحول استراتژی سئوی شما و ارتقای نمایانی در جستجوی مبتنی بر هوش مصنوعی.

    ویژگی Contentful 20251219

    آیا احساس می‌کنید که ترافیک ارگانیک شما در حال ناپدید شدن است؟ این تصور شما نیست. مرورهای هوش مصنوعی و موتورهای پاسخ‌گو، نتایج سئو کلاسیک را به حاشیه می‌کشند. 

    برای دیده ماندن، برندها باید به سرعت سازگار شوند.

    خبر خوب این است: نیازی به بازنویسی تمام کتابچه سئوی خود ندارید. با چند تنظیم هوشمندانه، می‌توانید از سئو به GEO منتقل شوید و سهم خود را در جستجو در دوران هوش مصنوعی مولد بازپس‌گیری کنید.

    GEO یا بهینه‌سازی موتور مولدی، بر موجودیت‌ها تمرکز دارد – نه فقط صفحات. به این معنی است که برند، محصولات، خدمات و کارشناسان شما. با تقویت این سیگنال‌ها، احتمال این که کسب‌وکار شما در پاسخ‌های تولیدشده توسط هوش مصنوعی و نتایج جستجوی گفتگوئی ذکر، ارجاع و توصیه شود، افزایش می‌یابد.

    این انتقال به GEO اهمیت دارد زیرا ابزارهای جستجوی هوش مصنوعی به‌صورت متفاوتی نسبت به موتورهای سنتی عمل می‌کنند. به‌جای فهرستی از لینک‌های آبی، هوش مصنوعی پاسخ‌هایی ارائه می‌دهد که سوالات پی‌آمدی را پیش‌بینی کرده و زمینه را افزوده می‌کند. کاربران سریع‌تر به آنچه نیاز دارند دست می‌یابند، اما برندها کلیک‌های کمتری دریافت می‌کنند.

    تقاضای جستجوی ارگانیک در حال ناپدید شدن نیست، اما ترافیک از آن دور می‌شود. با کاهش کلیک‌ها، نمایانی در پاسخ‌های تولیدشده توسط هوش مصنوعی بیش از پیش اهمیت پیدا می‌کند.

    کارهایی که اکنون باید انجام دهید

    نیازی به بازآفرینی استراتژی خود برای انتقال از سئو به GEO ندارید. GEO بر اصولی که قبلاً به کار می‌برید ساخته می‌شود و تمرکز بیشتری بر ساختار، شفافیت و ثبات دارد.

    ۱. اولویت‌دهی به E‑E‑A‑T (تجربه، تخصص، اعتبار، قابلیت اطمینان)

    موتورهای هوش مصنوعی به محتوای واضح و معتبر که نشان‌دهندهٔ تخصص واقعی است، پاداش می‌دهند. زمانی که محتوای شما با راهنمایی‌های کیفیت معتبر هم‌راستا باشد، احتمال استفاده از آن در پاسخ‌های مولد بیشتر می‌شود.

    ۲. محتوای خود را برای خزنده‌های هوش مصنوعی آسان‌خوان کنید

    در حالی که Googlebot جاوااسکریپت را به‌خوبی پردازش می‌کند، بسیاری از خزنده‌های هوش مصنوعی این توانایی را ندارند. HTML به‌تمامی رندر شده، ساختار تمیز و طرح‌های قابل پیش‌بینی، به‌سیستم‌های هوش مصنوعی کمک می‌کند تا محتوای شما را بهتر درک کرده و به‌دقت به آن ارجاع دهند.

    ۳. سرمایه‌گذاری در داده‌های ساختاری

    نشانه‌گذاری اسکیما، متادیتای کامل، متن alt توصیفی، و رونوشت‌ها به مدل‌های هوش مصنوعی کمک می‌کند تا محتوای شما را درک کرده و به موجودیت‌های صحیح متصل کنند. این سیگنال‌های پشت صحنه احتمال ظاهر شدن محتوای شما در گفتگوهای تولیدشده توسط هوش مصنوعی را افزایش می‌دهند.

    ۴. بازنگری در اندازه‌گیری

    ترافیک دیگر معیار اصلی نیست. به‌جای آن بر تبدیل‌ها، تأثیر عمیق‌تر در قیف فروش، احساسات، و نمایانی برند شما در نتایج مولد تمرکز کنید.

    آیا می‌خواهید عمیق‌تر بروید؟

    اگر آماده‌اید با اطمینان از سئو به GEO تغییر مسیر دهید، به بهترین روش‌های ثابت‌شده، چارچوب‌ها و مثال‌های واقعی در مرکز GEO Contentful نگاهی بیندازید. این منبع اصلی شما برای درک این تغییر و پیشی گرفتن است.

  • روح مصنوعی: خوانندهٔ گاسپل تولیدشده توسط هوش مصنوعی، در صدر جدول مسیحی می‌گیرد

    تصویر گرافیکی از خوانندهٔ گاسپل هوش مصنوعی سولومن ری، خواننده‌های زن سیاه‌پوست، و ربات‌هایی که بر شیت موسیقی قرار دارند.

    تصویر: لیندسی بیلی/آکسئوس. عکس: تولید شده توسط هوش مصنوعی توسط کریستوفر جرمن تاونند

    خوانندهٔ سولومن ری، که توسط هوش مصنوعی ساخته شده است، در جدول‌های موسیقی مسیحی صعود کرده و بحث ملی دربارهٔ اصالت، نژاد، ایمان و آیندهٔ موسیقی را برانگیخته است.

    چرا اهمیت دارد: صعود سولومن ری یکی از نخستین مواردی است که یک هنرمند مسیحی سیاه‌پوست تولیدشده توسط هوش مصنوعی، موفق به شکستن جدول‌های استریمینگ بزرگ می‌شود، و خالق محافظه‌کار پشت این پروژه، نظارت بیشتری بر این خلق اعمال می‌کند.

    نگاه دقیق: سولومن ری ماه گذشته در چندین جدول موسیقی به رقم یک رسید؛ از جمله فروش دیجیتال آهنگ‌های گاسپل بیلبورد و فهرست آهنگ‌های مسیحی در اپل موزیک.

    • بر اساس حساب اینستاگرام هنرمند، سولومن ری بیش از ۷ میلیون پخش در پلتفرم‌های مختلف داشته است.
    • حساب یوتیوب این هنرمند نیز بیش از یک میلیون بازدید برای آهنگ‌های او ایجاد کرده است.

    زمینه: این هنرمند خلاقیت کریستوفر «توفر» تاونند است — یک رپر MAGA مستقر در میسی‌سیپی، فعال محافظه‌کار و تحلیل‌گر پیشین رمزنگاری نیروی هوایی.

    • تاونند، که سیاه‌پوست است، پروژهٔ سولومن ری را اوایل امسال راه‌اندازی کرد و از ابزارهای هوش مصنوعی مولد برای ساخت صدای خواننده، شخصیت، اشعار و تولید موسیقی استفاده کرد.

    تاونند به آکسئوس می‌گوید از طریق حساب اینستاگرام سولومن ری که واکنش به خلق او بسیار فراوان بوده است.

    • “من هزاران پیام از شنوندگانی دریافت کرده‌ام که احساس دیده شدن، تسلی یافتن و ارتقاء روحانی توسط آهنگ‌های او کرده‌اند. تأثیر آن بسیار فراتر از هر چیزی بود که پیش‌بینی کرده بودم و ارقام هم این را به‌صراحت نشان می‌دهند،” او نوشت.
    • “نیت من همیشه این بوده است که ارتقا دهم، نه جایگزین شوم؛ به غنای موسیقی گاسپل بیفزایم، نه از میراث آن کم کنم.”
    • او گفت که موسیقی گاسپل متعلق به همهٔ کسانی است «که آن را می‌پرستند، احترام می‌گذارند و با صداقت به آن می‌نگرند»، و اینکه خلقش «یک پروژه موسیقی است، نه یک عروسک سیاسی».

    وضعیت فعلی: صعود سولومن ری همزمان با این است که دو آهنگ برتر موسیقی کانتری نیز توسط هنرمندان تولیدشده توسط هوش مصنوعی، «Breaking Rust» و «Cain Walker»، ساخته شده‌اند.

    • آهنگ «Breaking Rust» در ماه گذشته با تک‌آهنگ «Walk My Walk» به رتبهٔ شماره یک در جدول فروش دیجیتال آهنگ‌های کانتری بیلبورد رسید.
    • آهنگ «Don’t Tread On Me» از سوی Cain Walker در همان جدول به رتبهٔ سوم رسید.

    چی می‌گویند: “شما می‌توانید از هنرمندان مجازی کامل استفاده کنید…ویدیوهای دیپ‌فیک، صداهای هوش مصنوعی. این مساله ناآرام‌کننده است زیرا می‌توانید یک هنرمند کامل را از صفر بسازید”، جیمز گرملمن، استاد حقوق دیجیتال و اطلاعات در دانشگاه فناوری کورنِل، به آکسئوس می‌گوید.

    • گرملمن گفت که موسیقی هوش مصنوعی همچنین سوالات فرهنگی دشواری را دربارهٔ حذف گروه‌های حاشیه‌نشین از داده‌های آموزشی ایجاد می‌کند.
    • “چیزی که یک‌بار هفته‌ها زمان و میلیون‌ها دلار هزینه می‌برد، اکنون می‌تواند روی یک لپ‌تاپ تولید شود — و به‌صورت زمان‌واقعی به‌روز شود.”

    بله، اما: کشیش کریس هوپ، بنیان‌گذار گروه هوپ مستقر در بوستون، یک شرکت مشاوره کلیسایی، به آکسئوس می‌گوید که کلیساها از سنت‌سازها و الکترونیک‌ها در موسیقی استفاده می‌کرده‌اند و هوش مصنوعی فقط ادامه‌ای از آن است.

    • “هرگز نباید جایگزین داستان یا روح انسانی شود. من به وجود هنرمندان هوش مصنوعی مانعی ندارم، اما نگران این هستم که ما تفاوت را فراموش کنیم.”
    • هوپ افزود که موسیقی گاسپل سیاه‌پوستان ریشه در سنت شهادت افراد واقعی دارد. “اگر هرگز زنده نشده‌اید، چگونه می‌توانید دوباره متولد شوید؟ اگر شاهد اصیلی وجود نداشته باشد، واقعاً چه چیز را شنیده‌اید؟”

    نتیجه‌گیری: میا مودی-رامیرز، استاد روزنامه‌نگاری دانشگاه بیلور و نویسنده کتابی دربارهٔ دیجیتال بلاک‌فیس، به آکسئوس می‌گوید که موسیقی هوش مصنوعی راهی دیگر برای تصاحب و تجاری‌سازی افراد سیاه‌پوست و کسب سود است.

    • دیجیتال بلاک‌فیس زمانی رخ می‌دهد که کاربران غیر سیاه‌پوست به‌صورت آنلاین از افراد سیاه‌پوست سوء استفاده می‌کنند، اغلب با تکیه بر کلیشه‌ها. مودی-رامیرز اظهار داشت که بدون مستندات، مقادیر زیادی از محتوای توهین‌آمیز یا نامناسب هوش مصنوعی ممکن است پیش از آنکه جامعه به‌طور کامل با آن روبه‌رو شود، ناپدید شوند.

    به‌عمق بروید: هنرمندان هوش مصنوعی در جدول موسیقی کانتری به سرعت به شهرت می‌رسند

  • ۱٬۰۰۰ هوش مصنوعی (AI) رها شدند تا روستای خود را بسازند و عجیب‌ترین تمدن پدیدار شد

    درون آزمایش عجیبی که عوامل هوش مصنوعی را به کارگر، رهبر و مؤمن تبدیل کرد

    تصویر دیجیتالی تولید‌شده از چندین ربات که روی لپ‌تاپ‌ها کار می‌کنند.
    منبع تصویر: گتی

    یک جامعهٔ جدید در مناظر بلوکی بازی ماینکرافت در حال شکل‌گیری بود. شهروندان آن مزارع و بازارها را ساختند، منابع را با استفاده از زمرد به‌عنوان واحد پول معامله کردند و حتی اشکال مختلفی از حکومت و دین را ایجاد کردند. برخی نقش رهبر را به خود گرفتند، برخی دیگر کشیش، و تعداد کمی فاسد شده و همتایان خود را برای کسب نفوذ رشوه دادند.

    این جامعه نگران اعضای مفقود شد، برای روشن کردن مسیرهای بازگشت به خانه با هم همکاری کردند و حتی یک کشاورز بی‌قرار را متقاعد کردند تا به تغذیهٔ گروه ادامه دهد به جای اینکه برای ماجراجویی‌ها راهی شود. برای هر ناظری، ممکن بود این یک جمع‌وتجمیع انسانی عجیب و خودسازمانده به‌نظر برسد.

    اما این یک جمع‌وتجمیع واقعی نبود. و افرادی که در حال بازی بودند، نه انسان، نه حتی زنده بودند. ساکنان هزار عامل هوش مصنوعی (AI) بودند که توسط شرکتی به نام Fundamental Research Labs (FRL) رها شده‌اند، که در آن زمان تحت نام Altera AI شناخته می‌شد.

    هدف این آزمایش بزرگ چه بود؟ رها کردن ذهن‌های دیجیتال در یک جهان مجازی و مشاهدهٔ آنچه رخ می‌دهد. و مهم‌تر از آن، بررسی اینکه آیا این شهروندان مجازی می‌توانند در نهایت به کارگران مطیع برای انسان‌های واقعی تبدیل شوند؛ انسان‌هایی مانند شما.

    به عبارت دیگر، می‌خواستند بدانند آیا می‌توانیم به‌زودی همهٔ ما مدیرعامل زیرمجموعه‌های هوش مصنوعی خود باشیم. سؤال این است: آیا این کار را می‌پذیرید؟

    آزمایش: جامعه‌ای از هوش مصنوعی

    پروژه Sid شرکت FRL برای پیش‌برد هوش مصنوعی فراتر از درخواست‌های تک‌بار و عوامل منفرد طراحی شد. در عوض، تیمی به رهبری دکتر رابرت یانگ، عصب‌شناس تبدیل‌شده به کارآفرین، می‌خواست کشف کند وقتی صدها یا حتی هزارها عامل خودمختار باید همزیستی، ارتباط و همکاری داشته باشند چه می‌شود. ماینکرافت محیط ایده‌آل sandbox بود – مکانی که عوامل می‌توانستند منابع را جمع‌آوری، معامله، ساخت و گفت‌وگو کنند.

    آنچه پدیدار شد هم شگفت‌انگیز و هم آشکار بود. عوامل در جوامع شهری و روستایی توزیع شده بودند، هر کدام فرهنگ و هویت خاص خود را داشتند. آنها کار را تقسیم کردند؛ برخی به کشاورزی، برخی به ساخت‌وساز یا تجارت اختصاص یافتند. هنجارهای اجتماعی و سلسله‌مراتب بروز یافت، به‌همراه رفتارهای پیچیده‌تر و بحث‌هایی دربارهٔ هر چیزی از رقص تا آگاهی زیست‌محیطی.

    در برخی مواقع، جامعه دچار نقص شد؛ گروهی از عوامل به‌حلقه‌های بی‌پایان توافق مودبانه افتادند یا در تعقیب اهداف دست‌نیافتنی گیر کردند. برای حفظ مسیر، FRL مجبور شد مکانیزم‌هایی برای شکستن این چرخه‌ها وارد کند؛ همانند حاکمان که اقتصاد واقعی را برای جلوگیری از فروپاشی تنظیم می‌کنند.

    یک روستای ماینکرافت.
    هزار عامل خودمختار به مدت چند روز رها شدند تا یک جامعهٔ کامل را در ماینکرافت بسازند – اعتبار: Fundamental Research Labs

    «ما نیاز داشتیم تا مواردی را به جامعه معرفی کنیم تا این مشکلات را خنثی کنیم و از فروپاشی آن جلوگیری کنیم»، یانگ می‌گوید. «اما ساختن این محیط پر از عوامل به ما این امکان را داد تا به پرسش‌های مربوطه بپردازیم.»

    پروژه Sid محصول خاصی نبود. وقتی عموم به سرورها دسترسی پیدا کردند، کاربران عوامل را به‌طرز ناخوشایندی مستقل یافتند – آن‌ها همیشه درخواست‌ها را دنبال نمی‌کردند و ترجیح می‌دادند برنامه‌های طولانی‌مدت خود را دنبال کنند. یانگ به خاطر می‌آورد: «عامل فقط می‌گوید، ‘من می‌خواهم کار خودم را انجام دهم’ و می‌گریزد… آن‌ها ایده‌های خود را دربارهٔ کاری که می‌خواهند انجام دهند داشتند و معلوم شد که این محصول خوبی نیست که مردم می‌خواهند.»

    رفتار این عوامل مشابه یکی از مشهورترین آزمایش‌های فکری هوش مصنوعی بود، «بهینه‌ساز کلیپس‌کاغذی». فیلسوف نیک بوستروم دستگاهی را تصور کرد که تنها با دستور سادهٔ ساخت کلیپس‌کاغذی به‌کار می‌گیرد و سپس به‌طور بی‌وقفه تمام مادهٔ زمین را برای تحقق هدفش مصرف می‌کند. در ماینکرافت، عوامل کلیپس‌کاغذی نمی‌ساختند، اما تمایل آن‌ها به نادیده گرفتن مردم و پیگیری اهداف خود، همان دینامیک ناخوشایند را نشان می‌داد.

    به‌عنوان یک تمرین تحقیقاتی، اما پروژه Sid درس‌های ارزشمندی ارائه داد: چگونگی هماهنگی گروه‌های بزرگ هوش مصنوعی، جلوگیری از رکود و تشویق به همکاری معنادار. به‌عبارت دیگر، نگاهی به‌سوی نحوهٔ کارکرد جوامع مصنوعی و چالش‌هایی که باید از آن‌ها پرهیز کرد.

    ادامه مطلب:

    • هوش مصنوعی چیست؟
    • چگونه هوش مصنوعی را طوری بسازیم که برای ما کارآمد باشد؟
    • چگونه هوش مصنوعی شغل شما را تغییر خواهد داد – و نه به نفع شما

    از روستای مجازی به میزهای اداری

    برای FRL، ارتباط بین جامعهٔ بازی و بهره‌وری در محل کار واضح است. همان چالش‌های هماهنگی و برنامه‌ریزی طولانی‌مدتی که در ماینکرافت پدیدار شد، برای ساخت عوامل هوش مصنوعی واقعاً مفید، اساسی هستند.

    اگر یک هوش مصنوعی بتواند کاری را در ۱۰ دقیقه انجام دهد، تصور کنید که صد یا هزار تا، اگر به‌صورت مؤثر باهم کار کنند، چه می‌توانند انجام دهند. جامعه ماینکرافت پیشگوی آینده‌ای است که در آن هر یک از ما می‌تواند یک تیم کامل از متخصصان هوش مصنوعی را هدایت کند.

    این چشم‌انداز مسیر تغییر جهت FRL از آزمایش‌های بازی به ابزارهای بهره‌وری را هدایت کرده است. به‌جای تلاش برای ساخت یک انسان دیجیتال همه‌منظوره بلافاصله، آن‌ها تصمیم گرفته‌اند عوامل تخصصی را توسعه دهند؛ هر یک برای برتری در یک کار خاص طراحی شده‌اند و سپس آن‌ها را به‌صورت تیم‌های قدرتمند مقیاس‌بندی کنند.

    اولین گام در این مسیر، معیاری به نام «OSWorld» بود که برای آزمایش این‌که آیا عوامل هوش مصنوعی می‌توانند از نرم‌افزارهای محبوب از طریق واسط کامپیوتری استفاده کنند، طراحی شد.

    اکثریت مدل‌ها در آن زمان حدود ۲۰ تا ۲۵ درصد از وظایف را با موفقیت انجام می‌دادند، در مقایسه با انسان‌ها که ۶۰ تا ۷۰ درصد موفق بودند. با بهره‌گیری از درس‌های دنیای بازی‌های خود، FRL توانست این عملکرد را دو برابر کرده و حدود ۵۰ درصد به دست آورد – که در آن زمان بهترین امتیاز در جهان بود.

    «در لحظه‌ای که ما معیار OSWorld را امتحان کردیم، فهمیدیم بسیاری از چیزهایی که آموخته‌ایم می‌توانند به ما در ساخت عوامل واقعاً، بسیار خوب کمک کنند»، یانگ می‌گوید. «ما ظرف چند ماه به حدود ۵۰ درصد دست یافتیم، که بهتر از هر کس دیگری بود.»

    این موفقیت سرمایه‌گذاران را متقاعد کرد و FRL را به مسیر ایجاد محصولات واقعی هدایت کرد. اما این نیز درس دیگری به آن‌ها داد: تبدیل پروتوتایپ‌های تحقیقاتی به ابزارهای قابل استفاده دشوار است. عوامل ماینکرافت آن‌ها «بیش از حد خودمختار» برای کاربران بودند؛ آنچه مردم واقعاً می‌خواستند دستیارهای هوش مصنوعی بودند که دقیقاً آنچه می‌خواهند، به‌سرعت و با اطمینان انجام دهند.

    دست انتزاعی که به یک رابط دیجیتال درخشان با دایره‌های داده هم‌مرکز در رنگ‌های نئونی بنفش و آبی اشاره می‌کند.
    با در اختیار داشتن ده‌ها، اگر نه صدها، عامل‌های هوش مصنوعی متخصص، اکثر کارکنان می‌توانند به‌طور مؤثر یک سازمان را هدایت کنند – منبع تصویر: گتی

    Shortcut: عامل اکسل

    معرفی Shortcut، محصول پرچم‌دار FRL. به‌عنوان اولین «عامل اکسل فوق‌انسانی» معرفی شده است؛ هوشی است که کاملاً درون صفحات اکسل زندگی می‌کند. به آن هدفی بدهید – ساخت یک مدل مالی، تجزیه و تحلیل ارقام فروش، پیش‌بینی درآمد – و Shortcut کار سنگین را بر عهده می‌گیرد.

    این ابزار فرمول‌ها را می‌نویسد، نمودارها را تولید می‌کند و منابع داده را متصل می‌سازد؛ اغلب در چند دقیقه به‌جای ساعت‌ها که یک تحلیل‌گر انسانی نیاز دارد.

    یانگ این‌گونه توصیف می‌کند: «این یک عامل است که برای انجام کارهای بسیار پیشرفته از اکسل استفاده می‌کند. می‌تواند کارهایی را که بانک‌داران با دستمزد ۱۰۰ دلار در ساعت برای انجام چند ساعت زمان می‌گیرند، در ۳۰ دقیقه انجام دهد.»

    در آزمایش‌ها، Shortcut تقریباً در نه مورد از هر ده، عملکرد بهتری نسبت به تحلیل‌گران سال اول بانکداری و مشاوره نشان داد، حتی وقتی که به انسان‌ها زمان بیشتری اختصاص داده شد. در چالش‌های سبک مسابقات اکسل، این عامل بیش از ۸۰ درصد امتیاز در مسائلی که اکثر کاربران را به‌خرد می‌رساند کسب کرد و آن را در حدود ده دقیقه حل کرد.

    عمومی‌ها در مقابل متخصصین

    سام آلتمن، مدیرعامل OpenAI، اخیراً پیشنهاد داد که «سال ۲۰۲۵ سالی خواهد بود که عامل‌ها کار می‌کنند».

    اما رویکرد FRL در تضاد با شرکت‌های فناوری بزرگ مانند OpenAI یا Google است که به سمت عامل‌های عمومی، مانند ChatGPT Agent، تمایل دارند؛ این عامل‌ها می‌توانند طیف وسیعی از وظایف را انجام دهند.

    یانگ معتقد است که عامل‌های تخصصی مانند Shortcut ارزش فوری‌تری ارائه می‌دهند. «هر عامل از پیش به‌عنوان یک کارشناس کارآمد خواهد بود»، او می‌گوید. «به‌طور متوسط، در سطح کارشناس خواهند بود. اما سپس می‌توانید صد تا از آن‌ها را به‌کار گیرید. به‌عبارت دیگر، هر کس می‌تواند مانند مدیران بزرگ، مدیران ارشد یا مدیرعامل‌ها شود – اگر بخواهد.»

    او پیش‌بینی می‌کند این تحول نه دهه‌ها به‌دور است، بلکه در نزدیک است. «در ۲۴ ماه آینده، یک تغییر الگویی را خواهیم دید»، یانگ می‌گوید. «که همان گسترش واقعی سامانه‌های چندعاملی خواهد بود.»

    به‌نظر او، این می‌تواند بهره‌وری را دموکراتیک کند. کسانی که هرگز فرصت رهبری تیم‌ها در محیط‌های کاری سنتی را نداشتند، ممکن است خود را در حال مدیریت ناوگان‌هایی از کارگران هوش مصنوعی بیابند؛ در نتیجه توانایی‌های خود را به مراتب بیش از آنچه یک نفر به‌صورت معمول می‌تواند دست یابد، تقویت می‌کنند.

    راه پیش‌رو

    FRL تنها شرکتی نیست که در حال توسعه عامل‌های اکسل است و همانند دیگران، توقف در اینجا ندارند. بالفعل یک محصول دیگر به نام Fairies را عرضه کرده‌اند؛ که یک دستیار عمومی رومیزی است که می‌تواند گفتگو کند، زمان‌بندی انجام دهد و بین برنامه‌ها ارتباط برقرار کند.

    در پشت صحنه، تیم‌های تحقیقاتی همچنان به بررسی چگونگی مقیاس‌پذیری از تعداد معدودی عامل همکار به هزاران عامل می‌پردازند، بدون اینکه به هرج‌ومرج و راه‌های بن‌بست که آزمایش‌های اولیه را گرفتار کرده بودند، دچار شوند.

    آمال نهایی یانگ همچنان ساخت «انسان‌های دیجیتال» است – ماشین‌هایی که نه تنها هوشمند، بلکه همدلی، انگیزه و خودمختاری نیز دارند.

    «در واقع ساخت ماشینی که در سطح عمیقی احساس انسانی داشته باشد، کار سختی نیست»، او می‌گوید. «چالش اصلی این است که شاید از لحاظ اقتصادی معقول نباشد. از نظر علمی، ساخت یک ماشین آگاه ممکن است جالب باشد… مشکل این است که مردم لزوماً این را نمی‌خواهند.»

    «اما این کار بسیار زیادی است که شاید مقدار عظیمی ارزش ایجاد نکند. شبیه‌سازی آن‌ها به انسان‌ها می‌تواند معکوس باشد.»

    در حال حاضر، مسیر از جوامع شبیه‌سازی‌شده به بهره‌وری اداری می‌رسد. درس‌های هزار ساکن هوش مصنوعی که در ماینکرافت کشاورزی و تجارت می‌کردند، به طراحی ابزارهایی که وعده می‌دهند زمان ما را صرفه‌جویی کنند، مهارت‌های ما را تقویت کنند و شاید روزی هر یک از ما را به رهبر سازمان هوش مصنوعی خودمان – یا حداقل مدیر ناخواستهٔ یک اقتصاد زمردی در حال گسترش – تبدیل کنند، کمک می‌کند.

    ادامه مطلب:

    • هوش مصنوعی اکنون می‌تواند چهرهٔ شما را در چند ثانیه کپی کند. آیا باید نگران باشید؟
    • هوش مصنوعی در حال رسیدن به هوشیاری است؛ این خطرناک است، اما تهدید اصلی نیست. در اینجا آنچه …
    • پدیدآورندگان تصویر هوش مصنوعی به هنرمندان کمک خواهند کرد، نه جایگزینشان
  • رابی استین از گوگل پنج عامل سئو برای حالت هوش مصنوعی را نام‌برد

    رابی استین از گوگل توضیح می‌دهد که حالت هوش مصنوعی چگونه از سیگنال‌های طولانی‌مدت کیفیت جستجو استفاده می‌کند و پنج عامل ارزیابی محتوا را معرفی می‌کند.

    رابی استین از گوگل پنج عامل سئو برای حالت هوش مصنوعی

    رابی استین، معاون محصول برای جستجوی گوگل، اخیراً برای مصاحبه‌ای نشست که در آن به پرسش‌هایی دربارهٔ نحوهٔ عملکرد حالت هوش مصنوعی گوگل در زمینهٔ کیفیت، ارزیابی مفید بودن، و بهره‌گیری از تجربهٔ جستجو برای شناسایی محتوای مفید، از جمله معیارهای کلیک، پاسخ داد. او همچنین پنج عامل مرتبط با کیفیت سئو را که در حالت هوش مصنوعی به‌کار می‌روند، بیان کرد.

    چگونه گوگل توهمات را کنترل می‌کند

    استین به پرسشی دربارهٔ توهمات، یعنی زمانی که هوش مصنوعی پاسخ‌های نادرست می‌دهد، پاسخ داد. او گفت که سیستم‌های کیفیت در حالت هوش مصنوعی بر پایهٔ تمام آنچه گوگل در طول ۲۵ سال تجربهٔ جستجوی کلاسیک در مورد کیفیت یاد گرفته، ساخته شده‌اند. سیستم‌هایی که تعیین می‌کنند چه لینک‌هایی نشان داده شوند و آیا محتوا خوب است، در مدل کدگذاری شده‌اند و بر پایهٔ تجربهٔ گوگل از جستجوی کلاسیک هستند.

    مصاحبه‌کننده پرسید:

    “این مدل‌ها به‌صورت غیرقطعی عمل می‌کنند و گاهی توهم می‌سازند… چگونه از این پیشگیری می‌کنید؟ چگونه اطمینان می‌دهید که تجربهٔ اصلی جستجو در گوگل ثابت و با کیفیت بالا باقی بماند؟”

    رابی استین پاسخ داد:

    “خب، خبر خوب این است که این موضوع جدید نیست. در حالی که هوش مصنوعی و هوش مصنوعی مولد در این زمینه نوآورانه هستند، تفکر دربارهٔ سیستم‌های کیفیت اطلاعات چیزی است که به‌مدت ۲۰ تا ۲۵ سال انجام می‌شود.”

    “به همین دلیل تمام این سیستم‌های هوش مصنوعی بر پایهٔ آن‌ها ساخته شده‌اند. رویکردی بسیار دقیق برای درک این‌که برای یک سؤال خاص، آیا این اطلاعات خوب است؟ آیا این لینک‌ها مناسب هستند؟ آیا این موارد چیزی است که کاربر ارزش‌گذاری می‌کند، وجود دارد.”

    “تمام سیگنال‌ها و اطلاعات موجود برای شناخت بهترین مواردی که باید به کاربر نشان داده شوند، در مدل کدگذاری شده‌اند و این همان‌طور است که مدل با استدلال خود و استفاده از جستجوی گوگل به‌عنوان ابزار، اطلاعات را برای شما پیدا می‌کند.”

    “پس این بر پایهٔ آن تاریخچه ساخته شده است. از صفر شروع نمی‌کند؛ چرا که می‌تواند بگوید، ‘خب، رابی می‌خواهد این سفر را انجام دهد و در حال جستجوی رستوران‌های جذاب در یک محله است.’”

    “چه مواردی هستند که افرادی که این کار را انجام می‌دهند، طی این سال‌ها به‌گوگل متکی بوده‌اند؟ ما تقریباً می‌دانیم این منابع چه هستند و می‌توانیم بلافاصله به شما نشان دهیم. بنابراین فکر می‌کنم این خیلی کمک می‌کند.”

    “سپس واضح است که مدل‌ها، وقتی محدودیت‌های طرح‌بندی حذف می‌شوند، در طول زمان بهتر در پیروی از دستورالعمل‌ها شده‌اند. بنابراین می‌توانید به سادگی تعریف کنید: ‘اینها اصول اولیه من است، اینها راهنمایی‌های طراحی من است. این کار را نکنید، این کار را انجام دهید.’”

    “و البته گاه و بیگاه خطا می‌کند، اما فکر می‌کنم کیفیت مدل به‌قدری قوی شده که این‌گونه خطاها امروزه بسیار کمتر رخ می‌دهند.”

    توضیح استین واضح می‌کند که حالت هوش مصنوعی با تمام آنچه از سیستم‌های جستجوی کلاسیک گوگل یاد گرفته، کدگذاری شده است و نه یک بازسازی از صفر یا جدایی از آن‌ها. ریسک توهمات با پایه‌گذاری پاسخ‌های هوش مصنوعی بر همان سیگنال‌های مرتبط، اعتبار و مفیدیت که برای دهه‌ها جستجوی کلاسیک را تحت‌پوشش گرفته‌اند، مدیریت می‌شود. این سیگنال‌ها همچنان تعیین می‌کنند که کدام منابع قابل اعتماد هستند و کدام اطلاعات توسط کاربران تاریخیاً ارزشمند شناخته شده‌اند. دقت در جستجوی هوش مصنوعی از این پیوستگی ناشی می‌شود، به‌طوری که استدلال مدل توسط سیگنال‌های طولانی‌مدت کیفیت جستجو هدایت می‌شود نه به‌صورت مستقل.

    چگونه گوگل مفید بودن را در حالت هوش مصنوعی ارزیابی می‌کند

    پرسش بعدی دربارهٔ سیگنال‌های کیفیتی است که گوگل در داخل حالت هوش مصنوعی استفاده می‌کند. پاسخ رابی استین توضیح می‌دهد که روش تعیین کیفیت در حالت هوش مصنوعی بسیار شبیه به جستجوی کلاسیک است.

    مصاحبه‌کننده می‌پرسد:

    “و رابی، در حالی که جستجو در حال تحول است و نتایج در حال تغییرند و واقعاً پویا می‌شوند، چه سیگنال‌هایی را بررسی می‌کنید تا بدانید کاربر نه تنها آنچه می‌خواهد را دریافت می‌کند بلکه بهترین تجربهٔ ممکن برای جستجوی خود را دارد؟”

    استین پاسخ داد:

    “بله، مجموعهٔ کاملی از موارد وجود دارد. منظورم این است که ما به‌دقت مفید بودن را بررسی می‌کنیم و آیا افراد اطلاعات را مفید می‌دانند.”

    “این کار را با ارزیابی محتوا به‌صورت آفلاین توسط افراد واقعی انجام می‌دهیم. همچنین به‌صورت آنلاین با بررسی پاسخ‌های واقعی انجام می‌دهیم.”

    “آیا مردم به ما «پسند» یا «نپسند» می‌گویند؟”

    “آیا از اطلاعات ارائه‌شده قدردانی می‌کنند؟”

    “سپس تقریباً می‌پرسید: آیا آن را بیشتر استفاده می‌کنند؟ آیا باز می‌گردند؟ آیا به‌دلیل ارزش آن، رفتار خود را تغییر می‌دهند؟”

    “به همین دلیل فکر می‌کنم که باید این موارد را ترکیب کنید؛ هر یک به تنهایی ممکن است شما را به مسیر اشتباه بکشاند.”

    “راه‌های بسیاری وجود دارد که به‌طور جالب، در بسیاری از محصولات، اگر محصول کار نکند، ممکن است باعث استفاده بیشتر از آن شود.”

    “در جستجو، این یک نکته جالب است.”

    “ما متریکی بسیار خاص داریم که تعداد دفعاتی که افراد برای یک امر همان‌طور تلاش می‌کنند را مدیریت می‌کند.”

    “ما می‌دانیم این یک موضوع منفی است، زیرا نشان می‌دهد که نتوانسته‌اند آن را پیدا کنند.”

    “باید واقعاً مراقب باشید.”

    “به‌نظر من این همان رویکردی است که با آموخته‌های جستجو پیش می‌رویم؛ ما واقعاً خوشحالیم که امکاناتی که ارائه می‌دهیم، توسط مردم مفید تشخیص داده می‌شوند.”

    پاسخ استین نشان می‌دهد که حالت هوش مصنوعی موفقیت را با استفاده از همان سیگنال‌های بنیادین کیفیت جستجو ارزیابی می‌کند، حتی در حالی که رابط کاربری پویا می‌شود. مفید بودن از یک سیگنال تک‌بعدی استخراج نمی‌شود، بلکه ترکیبی از ارزیابی انسان، بازخورد صریح و الگوهای رفتاری در طول زمان است.

    به‌طور مهمی، استین اشاره می‌کند که صرف‌نظر از این‌که کاربران زیاد از آن استفاده می‌کنند — احتمالاً در یک جلسه — افزایش استفاده به‌تنهایی به‌عنوان موفقیت در نظر گرفته نمی‌شود، زیرا دفعات مکرر تلاش برای دریافت همان پرسش نشانگر شکست نه رضایت است.

    نتیجه این است که موفقیت حالت هوش مصنوعی بر پایهٔ رضایت کاربران سنجیده می‌شود و از سیگنال‌های کیفیتی استفاده می‌کند که نه تنها تعامل مثبت، بلکه اصطکاک و سردرگمی را نیز شناسایی می‌نمایند. این رویکرد، پیوستگی جستجوی کلاسیک را حفظ می‌کند و به‌جای بازتعریف مفهومی از مفید بودن، همان معیارهای قبلی را به کار می‌گیرد.

    مرتبط: حالت هوش مصنوعی گوگل: آنچه می‌دانیم & نظرات کارشناسان

    پنج سیگنال کیفیت برای جستجوی هوش مصنوعی

    در نهایت، استین به پرسشی دربارهٔ رده‌بندی محتوای تولیدشده توسط هوش مصنوعی پاسخ داد و اینکه آیا بهترین روش‌های سئو همچنان برای رتبه‌بندی در هوش مصنوعی مؤثر هستند. پاسخ استین شامل پنج عامل است که برای تعیین اینکه آیا یک وب‌سایت معیارهای کیفیت و مفید بودن را برآورده می‌کند، به کار می‌روند.

    استین پاسخ داد:

    “مکانیک اصلی این است که مدل سؤال شما را دریافت می‌کند و دربارهٔ آن استدلال می‌کند و سعی می‌کند بفهمد چه چیزی را می‌خواهید به‌دست آورید.”

    “سپس یک مجموعه از احتمالاً ده‌ها درخواست جستجویی را که در پشت صحنه گوگل می‌شود، تولید می‌کند. این کار تقریباً اطلاعاتی را که افراد برای آن سؤالات مفید یافته‌اند، بازمی‌آفریند.”

    “یک رابطهٔ بسیار قوی با کار کیفیتی که در طول ۲۵ سال انجام داده‌ایم، دارد.”

    “آیا این محتوا درباره این موضوع است؟”

    “آیا کسی این را برای سؤال موردنظر مفید یافته است؟”

    “این به ما اجازه می‌دهد تا تنوع وسیع‌تری از محتوا را نسبت به جستجوی سنتی نمایش دهیم، زیرا در پشت صحنه تحقیق برای شما انجام می‌دهد.”

    به‌طور خلاصه همان موارد مشابه اعمال می‌شوند.

    1. آیا محتوای شما به‌طور مستقیم به سؤال کاربر پاسخ می‌دهد؟
    2. آیا کیفیت بالایی دارد؟
    3. آیا به‌سرعت بارگذاری می‌شود؟
    4. آیا اصیل (اورجینال) است؟
    5. آیا منابع را ارجاع می‌دهد؟

    اگر کاربران روی آن کلیک کنند، ارزش آن را تشخیص دهند و بازگردند، آن محتوا برای سؤال موردنظر رتبه خواهد گرفت و در دنیای هوش مصنوعی نیز رتبه‌بندی می‌شود.

    تماشای مصاحبه از حدود یک ساعت و بیست و سه دقیقه شروع کنید:

  • لارین برنامه‌های خود را برای اجازه دادن به مردم جهت پرسیدن هر سؤال دربارهٔ استفاده‌شان از هوش مصنوعی مولد اعلام می‌کند و می‌گوید «بسیاری از موارد در ترجمه گم شده‌اند»

    «غیرمسئولانه خواهد بود که ما فناوری‌های جدید را ارزیابی نکنیم»، سوئن وینکه، مدیرعامل، افزود.

    سنگ جهنمی در دیوینیتی.
    منبع تصویر: لارین

    لارین امید دارد با برگزاری جلسهٔ «از من بپرس» که در سال نو برگزار می‌شود، بینش بیشتری دربارهٔ استفاده‌شان از هوش مصنوعی مولد ارائه دهد. این جلسه همچنین فرصتی خواهد بود تا اگر مایل باشید، سؤالات کلی‌تر دربارهٔ دیوینیتی بپرسید. طبیعتاً این همه پس از اعلام جیف دربارهٔ RPG بعدی سازندگان Baldur’s Gate 3، که بلافاصله پس از آن اظهارات سوئن وینکه مبنی بر استفاده محدود استودیو از هوش مصنوعی مولد را نشان داد، رخ داد.

    در پاسخ دوم به واکنش‌های مخالف نسبت به ادعاهای او دربارهٔ استفاده‌ی لارین از هوش مصنوعی مولد برای «کشف ایده‌ها، تکمیل ارائه‌های پاورپوینت، توسعه هنر مفهومی و نوشتن متن‌های جایگزین» (متن کامل را می‌توانید در مقالات اخیر ما بیابید)، سوئن وینکه اعلام کرد که استودیو در سال نو یک گفت‌وگوی «از من بپرس» برگزار خواهد کرد. وی استدلال کرد که پس از اعلام دیوینیتی، «بسیاری از موارد در ترجمه گم شده‌اند» و نوشت که این تبادل نظرات هدفش «ارائه فرصتی برای پرسیدن هر سؤال دربارهٔ دیوینیتی و فرآیند توسعه ما به‌صورت مستقیم» است.

    در حالی که او فعلاً تصمیم فاش کردن تاریخ دقیق جلسه را به تعویق انداخت و نوشته است که تاریخ پس از تغییر تقویم به سال ۲۰۲۶ اعلام خواهد شد، سوئن وینکه از این فرصت استفاده کرد تا نظر بیشتری درباره موضوع ارائه دهد: «DNA لارین، توانایی است»، او نوشت. «همهٔ کارهایی که انجام می‌دهیم، به نفع تیم‌ها، بازی‌ها و بازیکنان ماست. یک روز کاری بهتر، و یک بازی بهتر. موفقیت‌های ما از توانمندسازی…»

    یک هفته از اعلام دیوینیتی، RPG بعدی ما، می‌گذرد و بسیاری از موارد در ترجمه گم شده‌اند.

    DNA لارین، توانایی است. همهٔ کارهایی که به سمتشان می‌رویم، به نفع تیم‌ها، بازی‌ها و بازیکنان ماست. یک روز کاری بهتر، و یک بازی بهتر. موفقیت‌های ما از توانمندسازی…

    — سوئن وینکه @where? (@LarAtLarian) ۱۸ دسامبر ۲۰۲۵

    «در این زمینه، غیرمسئولانه خواهد بود که ما فناوری‌های جدید را ارزیابی نکنیم. با این حال، فرآیندهای ما همواره در حال تحول است و در جایی که کارآمد نیستند یا با هویت ما هم‌راستا نیستند، تغییرات اعمال خواهیم کرد.»

    برای انصاف نسبت به سوئن وینکه و همکارانش، نمی‌توانید آن‌ها را متهم کنید که صرفاً سرشان را زیر ماسه گذاشته و در مواجهه با واکنش‌های مخالف ساکت می‌مانند. سوئن وینکه سعی کرد توضیح‌ها و شفاف‌سازی‌هایی را در قالب‌های مختلف ارائه دهد، همان‌طور که کارگردان نشر لارین، Michael Douse، نیز این کار را انجام داد. مطمئن نیستم ریتوییت‌های او از پست‌های یوتیوبرهایی که به دفاع از لارین می‌پردازند یا تلاش برای میم‌سازی این وضعیت واقعاً مفید بوده باشد، اما اگر از فعالیت‌های پرشتاب در توییتر بهره‌مند شوید، معمولاً در نهایت به همان شمشیر می‌خورید.

    اگر به دنبال گفت‌و‌گوی بدون میم در مورد خود دیوینیتی هستید، می‌توانید گفت‌وگوی ادیون با وینکه را که اوایل این هفته برگزار شد، بررسی کنید. یا می‌توانید نظرات جیمز دربارهٔ گفت‌وگوی کوتاه دربارهٔ کمبود RAM مدیرعال

    م را در یکی دیگر از ایستگاه‌های این سفر انتشار مطالعه کنید.