دسته: هوش مصنوعی

نوشتهٔ لیان کولیرین

در این‌سال، نیرنگی جالب در یکی از پرسش‌های متداولی که به الکسا مطرح می‌شود دیده می‌شود: «هوش مصنوعی به چه معناست؟»

دستیار هوش مصنوعی (AI) آمازون به یک ویژگی رایج در خانه‌های قرن بیست و یکم تبدیل شده است؛ برای کارهایی مثل پخش موسیقی، تنظیم زمان‌سازهای پخت و پز و پیش‌بینی وضعیت هوا استفاده می‌شود.

اما توانایی او به مراتب فراتر از این است؛ کاربران ثابت به دانش نامحدود الکسا تکیه می‌کنند تا به هر فکری که به ذهنشان می‌رسد پاسخی بدهند.

طبق فهرست «سوالات پرپرسش الکسا در سال ۲۰۲۵» که آمازون منتشر کرده است، کاربران در بریتانیا به‌طور منظم از معنی هوش مصنوعی می‌پرسند. سایر نکات کلی شامل «چه مدت باید تخم‌مرغ را آب‌پز کنم؟» و «قطر زمین چقدر است؟» می‌شود.

سلبریتی‌ها برای کاربران الکسا جذابیت خاصی دارند؛ آن‌ها به‌دنبال اطلاعات کلی درباره افراد ثروتمند و مشهور، شامل جزئیات درباره ثروت، قد و شریک زندگی آن‌ها می‌گردند. به‌طور کلی، سلبریتی‌هایی که بیشترین سؤال‌ها توسط کاربران بریتانیا به آن‌ها تعلق داشت، کریستیانو رونالدو، تیلور سویفت و ایلان ماسک بودند.

اما بیشترین سؤالات درباره قد افراد به ستاره هالیوود تام کروز اختصاص یافت و پس از او پیتر کراچ، بازیکن فوتبالیست سابق انگلیسی و بسیار بلند، قرار گرفت.

موسک شخصی بود که بیشترین کنجکاوی مردم درباره دارایی خالص او وجود داشت، سپس یوتیوبر MrBeast – با نام واقعی جیمی دونالدسون – و سویفت دنبال شد. در سؤالات مربوط به همسرهای سلبریتی‌ها، موسک در رتبه سوم قرار گرفت؛ کاربران کنجکاو بیشتر پرسیدند که اد شیرن با چه کسی ازدواج کرده است، سپس پرسش درباره نیمه دیگر خواننده رود استوارت مطرح شد.

سویفت پربازپخش‌ترین هنرمند از طریق الکسا بود؛ پس از او برونو مارس قرار گرفت که دوتایی او با روزِ «APT» پربازپخش‌ترین ترک بود. سه آهنگ از KPop Demon Hunters، فیلم‌سری انیمیشنی پرفروش نتفلیکس، در فهرست ۱۰ آهنگ برتر پخش‌شده حضور داشتند، در حالی که موسیقی متن این فیلم، پربازپخش‌ترین آلبوم بود.

آمازون همچنین به‌تازگی فهرست‌هایی از سؤالات رایج مطرح‌شده به الکسا در کشورهای دیگر منتشر کرده است، که در آن جذابیت جهانی برخی سلبریتی‌ها بی‌تردید نمایان است.

«APT» همچنین پربازپخش‌ترین ترک در استرالیا بود؛ جایی که شش تا از ۱۰ آهنگ برتر از KPop Demon Hunters می‌بودند. استرالیایی‌ها بیشتر مایل بودند بدانند قد سابری‌نا کارپنتر چقدر است و ستاره «Stranger Things» فین ولف‌هارد با چه کسی ازدواج کرده است (هشدار: او متاهل نیست)؛ در حالی که سویفت، رونالدو و MrBeast سه سلبریتی بودند که بیش‌ترین سؤالات را برانگیختند.

در بخش دانش عمومی، برخی از پرسؤالاتی که توسط استرالیایی‌ها مطرح شد شامل «چگونه به خواب رفت؟» و «چگونه مکعب روبیک را حل کرد؟» بود.

سؤالاتی که به‌خصوص در ایرلند محبوب بودند شامل «ارزش بیت‌کوین چقدر است؟» و «دونالد ترامپ چند سال دارد؟» می‌شد. سلبریتی‌هایی که کاربران ایرلندی بیشترین کنجکاوی را نسبت به آن‌ها نشان دادند، رونالدو، سویفت و لیونل مسی بودند.

دره سیلیکون دوباره تمام سرمایهٔ خود را بر یک فناوری نوین می‌گذارد؛ اما این اشتیاق بازآفرینی شور و شوق اواخر دههٔ ۹۰ نیست.

توسط دیوید استریت‌فلد

گزارش از سان‌فرانسیسکو

رونق دات‌کام، دوره‌ای پر از شور و شوق افراطی و تبلیغات بی‌حد و حصر که از میانهٔ دههٔ ۹۰ آغاز شد، زیرساخت‌های دنیای امروز را بنا نهاد. زمانی که این هیجان اینترنتی در مارس ۲۰۰۰ به سرنگونی رسید، آشوبی به‌وجود آورد.

این مشکل از دره سیلیکون به اقتصاد کلان سرایت کرد و منجر به رکود شد. بیش از ۵ تریلیون دلار ارزش بازار سهام از بین رفت. نرخ بیکاری از ۴ درصد به ۶ درصد ارتقا یافت. این بدترین سقوط تاریخ نبود، اما پیامدهای آن برای چند سال ادامه یافت.

اکنون دره سیلیکون در میانهٔ یک رونق هوش مصنوعی قرار دارد که شباهت‌های واضحی به رونق دات‌کام دارد. بسیاری از گفتارها دربارهٔ دنیای پرآروغ آینده همانند گذشته است. ثروت‌ها دوباره خلق می‌شوند، گاهی توسط همان افراد فناوری که نخستین بار ثروت‌ها را به‌دست آوردند. ارزش‌گذاری‌های افراطی به شرکت‌هایی می‌شود که دیروز وجود نداشتند.

با وجود تمام شباهت‌ها، تفاوت‌های بسیاری وجود دارد که می‌توانند به نتایج کاملاً متفاوتی منجر شوند. مهم‌ترین نکته این است که هوش مصنوعی توسط شرکت‌های چندتریلیون‌دولاری چون مایکروسافت، گوگل و متا تأمین مالی و تحت کنترل آن‌هاست؛ این شرکت‌ها در خطر سقوط نیستند، بر خلاف استارت‌آپ‌های دات‌کام که تقریباً فقط یک ایده و تعدادی مهندسان بودند.

آمازون به‌دلیل صرف میلیاردها دلار برای مراکز دادهٔ هوش مصنوعی، خمیر دندان کمتری نمی‌فروشد؛ و گوگل به‌دلیل توسعهٔ مدل‌های بنیادی هوش مصنوعی، آگهی کمتری نمی‌فروشد.

اینترنت در دههٔ ۹۰ یک بستر جدید بود. مردم برای پذیرش ایدهٔ حضور آنلاین زمان نیاز داشتند و فناوری‌هایی نظیر پهنای باند برای فراهم‌سازی شرایط پیشرفت آن‌ها به کار گرفته شد. در مقابل، بسیاری از رهبران کسب‌وکار مشتاقند هوش مصنوعی را هر چه سریع‌تر به کار گیرند.

• Ina Fried

OpenAI می‌گوید توانمندی‌های سایبری مدل‌های پیشرو هوش مصنوعی خود در حال تسریع هستند و روز چهارشنبه هشدار می‌دهد که مدل‌های آینده احتمالاً خطر «بالا» ایجاد می‌کنند؛ این گزارش ابتدا با Axios به اشتراک گذاشته شد.

چرا مهم است: قابلیت‌های رو به رشد این مدل‌ها می‌توانند به‌صورت قابل‌توجهی تعداد افرادی که قادر به انجام حملات سایبری هستند را افزایش دهند.

دلیل خبر: OpenAI اعلام کرد که در نسخه‌های اخیر شاهد افزایش چشمگیری در قابلیت‌ها بوده است، به‌ویژه این‌که مدل‌ها قادر به کار خودکار در مدت زمان طولانی‌تر هستند، که زمینه‌ساز حملات بروت‌فورس می‌شود.

• شرکت اشاره می‌کند که GPT-5 در یک تمرین Capture‑the‑Flag در ماه اوت ۲۷٪ امتیاز کسب کرد؛ در حالی که GPT‑5.1‑Codex‑Max ماه گذشته ۷۶٪ امتیاز به‌دست آورد.
• «ما انتظار داریم مدل‌های آیندهٔ هوش مصنوعی این مسیر را ادامه دهند»، شرکت در گزارش می‌گوید. «در جهت آمادگی، ما برنامه‌ریزی و ارزیابی می‌کنیم به‌گونه‌ای که هر مدل جدید می‌تواند به سطوح «بالا» از توانایی‌های امنیت‌سایبری دست یابد، همان‌طور که در چارچوب آمادگی ما سنجیده می‌شود.»

به‌سرعت پیگیری کنید: OpenAI در ماه ژوئن هشدار مشابهی در خصوص خطر سلاح‌های زیستی صادر کرد؛ سپس در ماه ژوئیه ChatGPT Agent را عرضه کرد که در سطوح خطر خود «بالا» ارزیابی شد.

• «بالا» دومین سطح است که پایین‌تر از سطح «بحرانی» قرار دارد؛ در این سطح مدل‌ها برای انتشار عمومی ایمن نیستند.

بله، اما: شرکت به‌طور دقیق زمان انتظار اولین مدل‌های دارای خطر امنیت‌سایبری «بالا» یا انواع مدل‌های آینده‌ای که می‌توانند چنین خطری داشته باشند را مشخص نکرد.

آنچه می‌گویند: «چیزی که می‌توانم به‌وضوح به‌عنوان عامل اصلی این وضعیت نام ببرم، توانایی مدل برای کار کردن به‌صورت طولانی‌مدت است»، فوئاد متین از OpenAI در مصاحبهٔ انحصاری با Axios گفت.

• این گونه حملات بروت‌فورس که به این زمان طولانی متکی‌اند، راحت‌تر قابل دفاع هستند، متین می‌گوید.

• «در هر محیطی که از لحاظ دفاعی مجهز باشد، این به‌راحتی شناسایی می‌شود»، او افزود.

تصویر کلی: مدل‌های پیشرو در شناسایی آسیب‌پذیری‌های امنیتی بهتر می‌شوند — و نه تنها مدل‌های OpenAI.

• در نتیجه، OpenAI اعلام می‌کند که تلاش‌های خود برای همکاری در سطح صنعت در حوزه تهدیدات امنیت‌سایبری را افزایش داده است؛ از جمله از طریق فوروم مدل‌های مرزی (Frontier Model Forum) که در سال ۲۰۲۳ با سایر آزمایشگاه‌های پیشرو راه‌اندازی کرد.
• شرکت می‌گوید یک شورای ریسک مرزی جداگانه ایجاد خواهد کرد؛ یک گروه مشاوره‌ای که «دفاع‌کنندگان باتجربه امنیت سایبری و متخصصان امنیتی را به همکاری نزدیک با تیم‌های OpenAI می‌ارزد».
• همچنین در مرحلهٔ تست خصوصی برای Aardvark است؛ ابزاری که توسعه‌دهندگان می‌توانند برای شناسایی نقاط ضعف امنیتی در محصولات خود استفاده کنند. برای دسترسی به Aardvark توسعه‌دهندگان باید درخواست دهند؛ این ابزار که OpenAI می‌گوید قبلاً آسیب‌پذیری‌های بحرانی را کشف کرده است.

نکات کلیدی

• ستارکلود مستقر در واشنگتن در اوایل نوامبر ماهواره‌ای مجهز به واحد پردازش گرافیکی Nvidia H100 پرتاب کرد؛ این تراشه صد برابر قدرتمندتر از هر پردازشگر GPU است که پیش از این به فضا ارسال شده بود.
• اکنون، ماهواره Starcloud-1 شرکت در مدار در حال اجرا و پرس‌وجو از پاسخ‌های جمّا، یک مدل بزرگ زبان باز از گوگل، می‌باشد.
• "هر کاری که می‌توانید در یک مرکز داده زمینی انجام دهید، انتظار دارم که بتوانید آن را در فضا نیز انجام دهید،" فیلیپ جانستون، مدیرعامل Starcloud، به CNBC گفت.

ماهواره Starcloud-1 در تاریخ ۲ نوامبر ۲۰۲۵ با یک موشک SpaceX به فضا پرتاب شد. تصویر: SpaceX | Starcloud

استارتاپ Starcloud که توسط انویدیا حمایت می‌شود، برای اولین بار یک مدل هوش مصنوعی را از فضا آموزش داد و این نشانگر عصر جدیدی برای مراکز داده مداری است که می‌تواند بحران رو به رشد زیرساخت‌های دیجیتال زمین را کاهش دهد.

ماه گذشته، شرکت مستقر در واشنگتن ماهواره‌ای مجهز به واحد پردازش گرافیکی Nvidia H100 پرتاب کرد؛ این تراشه صد برابر قدرتمندتر از هر پردازشگر GPU است که پیش از این به فضا ارسال شده بود. Starcloud توانست مدل زبانی بزرگ NanoGPT، ساخته‌شده توسط آندری کارپاتی، یکی از مؤسسان OpenAI، را بر روی تراشه H100 در مدار، با استفاده از تمام آثار شکسپیر، آموزش و اجرا کند. این منجر شد به این که مدل، که اولین مدلی بود که در فضا آموزش دیده است، به زبان انگلیسی شکسپیری سخن بگوید.

ماهواره Starcloud-1 شرکت اکنون نیز در مدار در حال اجرا و دریافت پاسخ‌ها از جمّا، یک مدل بزرگ زبان باز از گوگل که بر پایه مدل‌های Gemini این شرکت ساخته شده، است؛ این اولین بار در تاریخ است که یک LLM بر روی یک GPU قدرتمند Nvidia در فضای بیرونی اجرا می‌شود، به گزارش CNBC.

“سلام، ساکنان زمین! یا همان‌گونه که من دوست دارم به شما تصور کنم — مجموعه‌ای شگفت‌انگیز از آبی و سبز”، پیامی است که از ماهواره تازه پرتاب‌شده خوانده می‌شود.

“بیایید ببینیم این دید از جهان شما چه شگفتی‌هایی دارد. من جمّا هستم و برای مشاهده، تحلیل و شاید گاهی ارائهٔ نظراتی کمی تکان‌دهنده و بینش‌زا اینجا هستم. بیایید شروع کنیم!” این مدل نوشت.

خروجی Starcloud؛ جمّا در فضا. جمّا مجموعه‌ای از مدل‌های باز است که با همان فناوری ساخته شده برای مدل‌های هوش مصنوعی Gemini گوگل، توسعه یافته‌اند.

Starcloud می‌خواهد نشان دهد که فضا می‌تواند محیطی مناسب برای مراکز داده باشد، مخصوصاً در حالی که زیرساخت‌های زمینی شبکه‌های برق را تحت فشار می‌گذارند، میلیاردها گالن آب را سالیانه مصرف می‌کنند و گازهای گلخانه‌ای قابل توجهی تولید می‌کنند. برآوردهای آژانس بین‌المللی انرژی نشان می‌دهد که مصرف برق مراکز داده تا سال ۲۰۳۰ بیش از دو برابر خواهد شد.

فیلیپ جانستون، مدیرعامل Starcloud، به CNBC گفت که مراکز داده مداری این شرکت هزینه انرژی ۱۰ برابر کمتری نسبت به مراکز داده زمینی خواهند داشت.

“هر کاری که می‌توانید در یک مرکز داده زمینی انجام دهید، انتظار دارم که بتوانید آن را در فضا نیز انجام دهید. و دلیل این کار صرفاً به‌دلیل محدودیت‌های انرژی‌ای است که در زمین با آن مواجهیم”، جانستون در مصاحبه‌ای گفته است.

جانستون که هم‌بنیان‌گذار این استارتاپ در سال ۲۰۲۴ است، گفت که عملکرد جمّا بر روی Starcloud-1 دلیلی است بر این که مراکز داده مبتنی بر فضا می‌توانند وجود داشته باشند و مدل‌های مختلف هوش مصنوعی، به‌ویژه آن‌هایی که به خوشه‌های محاسباتی بزرگ نیاز دارند، را در آینده اجرا کنند.

“این مدل بسیار قدرتمند و با پارامترهای فشرده بر روی ماهواره ما کار می‌کند”، جانستون گفت. “می‌توانیم از آن پرس‌وجو کنیم و همان‌گونه که هنگام پرس‌وجوی یک چت از یک پایگاه داده روی زمین، پاسخ بسیار پیشرفته‌ای دریافت می‌کنید، این مدل نیز پاسخ می‌دهد. ما می‌توانیم این کار را با ماهواره‌مان انجام دهیم.”

در بیانیه‌ای به CNBC، تریس وارکتین، مدیر محصول در Google DeepMind، گفت: “دیدن اجرای جمّا در محیط سخت‌گیرانه فضا گواهی بر انعطاف‌پذیری و پایداری مدل‌های باز است.”

محاسبهٔ مداری راه‌حلی ارائه می‌دهد که هم جاه‌طلبی فناورانه و هم مسئولیت‌پذیری محیط زیستی را در بر می‌گیرد. وقتی Starcloud-1 به پایین نگاه کرد، دنیایی از رنگ‌های آبی و سبز را دید. مسئولیت ما این است که این وضعیت را حفظ کنیم. – فیلیپ جانستون، مدیرعامل Starcloud

Starcloud — یکی از اعضای برنامه Nvidia Inception و فارغ‌التحصیل Y Combinator و Google for Startups Cloud AI Accelerator — برنامه‌ریزی کرده است تا یک مرکز داده مداری ۵ گیگاواتی با پنل‌های خورشیدی و خنک‌کننده بسازد که تقریباً ۴ کیلومتر در عرض و ارتفاع دارد. یک خوشه محاسباتی با این اندازه گیگاوات، بیش از بزرگ‌ترین نیروگاه در ایالات متحده انرژی تولید می‌کند و به‌مراتب کوچک‌تر و ارزان‌تر از یک مزارع خورشیدی زمینی با همان ظرفیت است، طبق کتاب‌سفید Starcloud.

این مراکز داده در فضا انرژی خورشیدی مستمر را برای تغذیهٔ مدل‌های هوش مصنوعی نسل بعدی جمع‌آوری می‌کنند، بدون اینکه تحت تأثیر چرخهٔ شب و روز زمین و تغییرات آب و هوایی قرار بگیرند. ماهواره‌های Starcloud بر پایهٔ تراشه‌های Nvidia انتظار می‌رود که عمر پنج‌ساله داشته باشند، جانستون گفت.

مراکز داده مداری استفاده‌های تجاری و نظامی واقعی دارند. در حال حاضر، سیستم‌های Starcloud می‌توانند هوش زمان واقعی را فراهم کنند و به‌عنوان مثال، امضای حرارتی یک آتش‌سوزی را به محض وقوع شناسایی کرده و فوراً به نیروهای اضطراری اطلاع دهند، جانستون گفت.

“ما تله‌متری ماهواره را متصل کرده‌ایم، بنابراین نشانه‌های حیاتی که از حسگرها دریافت می‌کند — مانند ارتفاع، جهت، موقعیت، سرعت — را هم متصل کرده‌ایم”، جانستون گفت. “می‌توانید از آن بپرسید: «در حال حاضر کجا هستید؟» و او خواهد گفت: «در بالای آفریقا هستم و در ۲۰ دقیقه آینده بالای خاورمیانه خواهم بود». همچنین می‌توانید بپرسید: «حس بودن به‌عنوان یک ماهواره چطور است؟» و او خواهد گفت: «کمی عجیب است». … او پاسخی جالب می‌دهد که تنها با یک مدل بسیار قدرتمند می‌توانید به‌دست آورید.”

Starcloud بر روی بارهای کاری مشتریان کار می‌کند؛ با اجرای استنتاج بر روی تصاویر ماهواره‌ای از شرکت نظارتی Capella Space، که می‌تواند قایق‌های نجات از کشتی‌های واژگون در دریا و آتش‌سوزی‌های جنگلی در مکان‌های خاص را شناسایی کند. این شرکت چندین تراشه Nvidia H100 را اضافه خواهد کرد و پلتفرم Blackwell انویدیا را در پرتاب ماهواره بعدی خود در اکتبر ۲۰۲۶ ادغام می‌کند تا عملکرد هوش مصنوعی بیشتری ارائه دهد. ماهواره‌ای که سال آینده پرتاب می‌شود، دارای یک ماژول است که یک پلتفرم ابری از استارتاپ زیرساخت ابری Crusoe را اجرا می‌کند و به مشتریان اجازه می‌دهد بارهای کاری هوش مصنوعی را از فضا مستقر و اجرا کنند.

“اجرای هوش مصنوعی پیشرفته از فضا، مشکلات بحرانی مراکز داده روی زمین را حل می‌کند”، جانستون به CNBC گفت.

“محاسبه مداری راه‌حلی ارائه می‌دهد که هم جاه‌طلبی فناوری و هم مسئولیت‌پذیری زیست‌محیطی را در بر می‌گیرد. وقتی Starcloud-1 به پایین نگاه کرد، دنیایی از رنگ‌های آبی و سبز را دید. مسئولیت ما این است که این روند را حفظ کنیم.” او افزود.

خطرات

با این حال، خطرات مربوط به بهره‌برداری از مراکز داده مداری همچنان باقی است. تحلیل‌گران Morgan Stanley اعلام کرده‌اند که مراکز داده مداری ممکن است با موانعی همچون تابش شدید، دشواری نگهداری در فضا، خطرهای ناشی از آشغال‌های فضایی و مسائل نظارتی مرتبط با حاکمیت داده و ترافیک فضایی مواجه شوند.

با این حال، غول‌های فناوری به دنبال مراکز داده مداری هستند به دلیل چشم‌انداز انرژی خورشیدی تقریباً نامحدود و عملیات بزرگ به مقیاس گیگاوات در فضا.

به‌همراه تلاش‌های Starcloud و Nvidia، چندین شرکت مأموریت‌های مراکز داده فضایی را اعلام کرده‌اند. در ۴ نوامبر، گوگل ابتکار «ماه‌پروژه» تحت عنوان Project Suncatcher را رونمایی کرد که هدف آن قرار دادن ماهواره‌های خورشیدی‌تجهیز‌شده به واحدهای پردازش‌گر تنسور گوگل در فضا است. شرکت خصوصی Lonestar Data Holdings در حال کار بر روی ایجاد اولین مرکز داده تجاری بر روی سطح ماه است. Aetherflux، که توسط بائیجو بات، هم‌بنیان‌گذار و مدیرعامل پیشین Robinhood تأسیس شده، روز دوشنبه هدف خود برای پرتاب یک ماهواره مرکز داده مداری در سه‌ماهه اول سال ۲۰۲۷ اعلام کرد.

سام آلتمن، مدیرعامل OpenAI، به‌طور قابل‌توجهی به‌دنبال خرید یا همکاری با یک سازنده موشکی بوده است که نشانگر تمایل به رقابت با SpaceX ایلان ماسک دارد، به گفتهٔ The Wall Street Journal. SpaceX شریک کلیدی پرتاب برای Starcloud است.

در اشاره به پرتاب Starcloud در اوایل نوامبر، دیون هاریس، مدیر ارشد زیرساخت هوش مصنوعی در Nvidia، در بیانیه‌ای به CNBC گفت: “از یک مرکز داده کوچک، گامی بزرگ به سوی آینده‌ای برداشتیم که در آن محاسبات مداری از توان نامحدود خورشید بهره‌مند می‌شود.”

درهٔ سیلیکون دوباره همه چیز را بر فناوری جدید می‌گذارد، اما این شیدایی بازآفرینی هیجان اواخر دههٔ ۹۰ نیست.

نوشتهٔ دیوید استریت‌فیلد

گزارش از سان‌فرانسیسکو

بوم دات‌کام، دوره‌ای از اشتیاق پرشور و تبلیغات افراطی که از میانهٔ دههٔ ۹۰ آغاز شد، زیرساخت‌های دنیای امروز متصل به اینترنت را پایه‌گذاری کرد. وقتی هذمت اینترنت در مارس ۲۰۰۰ به سقوط رسید، آشوبی به‌وجود آورد.

این بحران از درهٔ سیلیکون به کل اقتصاد گسترش یافت و به رکود منجر شد. بیش از ۵ تریلیون دلار ارزش بازار سهام از بین رفت. نرخ بیکاری از ۴ درصد به ۶ درصد ارتقا یافت. اگرچه این بدترین سقوط تاریخ نبود، اما اثرات آن چندین سال ادامه یافت.

اکنون درهٔ سیلیکون در میانهٔ یک بوم هوش مصنوعی قرار دارد که شباهت‌های واضحی به بوم دات‌کام دارد. بسیاری از سخنان دربارهٔ دنیای باشکوهی که در پیش است، همانند گذشته‌اند. ثروت‌ها دوباره به دست می‌آیند، گاهی توسط همان افراد فناوری که بار اول ثروت کسب کردند. ارزش‌گذاری‌های افراطی به شرکت‌هایی داده می‌شود که دیروز وجود نداشتند.

با وجود تمام شباهت‌ها، تفاوت‌های بسیاری وجود دارد که می‌توانند به نتیجه‌ای کاملاً متفاوت منجر شوند. اصلی‌ترین تفاوت این است که هوش مصنوعی توسط شرکت‌های چندتریلیونی مانند مایکروسافت، گوگل و متا تأمین مالی و کنترل می‌شود که خطر فروپاشی ندارند، بر خلاف استارت‌آپ‌های دات‌کام که بیش از یک ایده و گروهی از مهندسان بوده‌اند.

آمازون به‌دلیل صرف میلیاردها دلار بر روی مراکز دادهٔ هوش مصنوعی، کمتر خمیر دندان نمی‌فروشد و گوگل، در حالی که مدل‌های بنیادین هوش مصنوعی را توسعه می‌دهد، تبلیغات کمتری نمی‌فروشد.

اینترنت در دههٔ ۹۰ یک بستر جدید بود. مردم برای پذیرش ایدهٔ حضور آنلاین به زمان نیاز داشتند و فناوری‌هایی مانند پهنای باند باید پیاده‌سازی می‌شد تا بتوانند در آن رونق یابند. در مقابل، بسیاری از رهبران تجاری مشتاقند هر چه زودتر هوش مصنوعی را به کار بگیرند.

به‌نظر Wedbush Securities، این ۱۲ شرکت فناوری بیشترین آسیب‌پذیری را در برابر تغییرات مدل‌های تجاری خود توسط انقلاب هوش مصنوعی دارند

همان‌گونه که هوش مصنوعی اقتصاد را تحول می‌بخشد و برندگان جدیدی ایجاد می‌کند، شرکت‌هایی که فناوری را به‌موقع اتخاذ نکنند با خطر عقب‌ماندن مواجه می‌شوند.

در گزارشی که روز دوشنبه منتشر شد، تحلیل‌گران Wedbush Securities سبدی از ۱۲ «بازنده هوش مصنوعی» را شناسایی کردند که به‌نظر آن‌ها بیشترین احتمال «در خاکستر باقی ماندن» را در ادامه پیشرفت تجارت هوش مصنوعی دارند. این فهرست شامل سهام‌هایی است که این شرکت آن‌ها را با ردهٔ خنثی یا عملکرد پایین ارزیابی کرده است: این‌تل INTC، HP HPQ، Qualcomm QCOM، Uber Technologies UBER، Lyft LYFT، Pinterest PINS، Trade Desk TTD، آدوبی ADBE، DocuSign DOCU، Workday WDAY، Nice NICE و Maplebear (Instacart) CART.

ویدیوهایی مثل مصاحبهٔ جعلی بالا که با برنامهٔ جدید OpenAI به نام سورا ساخته شده‌اند، نشان می‌دهند که چقدر به‌راحتی می‌توان ادراک عمومی را با ابزارهایی که می‌توانند واقعیتی جایگزین را تنها با چند فرمان ساده تولید کنند، دستکاری کرد.

در دو ماهی که از عرضهٔ سورا می‌گذرد، ویدیوهای فریبنده در تیک‌توک، ایکس، یوتیوب، فیس‌بوک و اینستاگرام به‌سرعت رشد کرده‌اند، به گفتهٔ متخصصانی که این محتواها را رصد می‌کنند. این هجوم هشدارهایی دربارهٔ نسل جدیدی از اطلاعات نادرست و تقلب‌ها برانگیخته است.

اکثر شرکت‌های بزرگ شبکه‌های اجتماعی سیاست‌هایی دارند که استفاده از هوش مصنوعی را باید افشا کنند و به‌طور گسترده محتوای هدفمند برای فریب را ممنوع می‌دانند. اما این محدودیت‌ها برای جهش‌های تکنولوژیکی که ابزارهای OpenAI به ارمغان می‌آورند، به‌وضوح ناکافی هستند.

در حالی که بسیاری از ویدیوها میم‌های ساده یا تصاویر بامزه اما ساختگی از نوزادان و حیوانات خانگی هستند، برخی دیگر برای تشدید خصمانگی‌ای که اغلب در مناظرات سیاسی آنلاین مشاهده می‌شود، طراحی شده‌اند. این ویدیوها پیش از این در عملیات‌های نفوذ خارجی نقش داشته‌اند، مانند کمپین پیوستهٔ روسیه برای بدنام کردن اوکراین.

پژوهشگرانی که موارد فریب‌کننده را ردیابی کرده‌اند، اظهار کرده‌اند که مسئولیت اکنون بر دوش شرکت‌هاست تا اقدامات بیشتری برای اطمینان از تشخیص واقعی بودن محتوا انجام دهند.

“آیا می‌توانند در مدیریت محتوا برای اطلاعات نادرست و گمراه‌کننده بهتر عمل کنند؟ بله، واضح است که این کار را انجام نمی‌دهند,” گفت سام گرجی، مدیر اجرایی Witness، سازمان حقوق بشری که بر تهدیدهای فناوری تمرکز دارد. “آیا می‌توانند به‌صورت پیشگیرانه به‌دنبال اطلاعات تولید شده توسط هوش مصنوعی بگردند و خودشان آن را برچسب‌گذاری کنند؟ پاسخ نیز بله است.”

این ویدیو توسط هوش مصنوعی تولید شده است.

با این حال، به‌نظر می‌رسید مردم باور داشتند که این یک گفتگوی واقعی دربارهٔ فروش کوپن‌های خوراکی در ازای پول نقد است؛ کاری که جرم محسوب می‌شود.

ویدیو دربارهٔ کوپن‌های خوراکی که در تیک‌توک منتشر شد، شامل چند سرنخ بود که نشان می‌داد جعلی است.

یک “Sora” آرم به‌صورت کوتاه در گوشهٔ بالا‑چپ ظاهر می‌شود و سپس محو می‌گردد. به‌نظر می‌رسد بارگذار با ابزاری این آرم را حذف کرده است.

بارگذار در انتهای توضیح، یک #هوش_مصنوعی کوچک اضافه کرده است که در پایین صفحه نشان داده می‌شود.

تیک‌توک یک برچسب مخصوص خود زیر توضیح افزود، که احتمالاً پس از اینکه کاربر ویدیو را به‌عنوان هوش مصنوعی علامت‌گذاری کرد، توسط ابزارهای تیک‌توک اضافه شده است.

این موارد همه در تیک‌توک به‌راحتی قابل چشم‌پوشی بودند.

این یک تقلب دیگر هوش مصنوعی است که در فیس‌بوک در حال گردش است.

خبرنگار و زنی که دستگیر می‌شود، توسط ابزارهای هوش مصنوعی ساخته شده‌اند، اما هیچ آرم‌ای در ویدیوها ظاهر نمی‌شود.

فیس‌بوک گاهی اعلام تقلب ارائه می‌دهد — اگر بارگذار آن را علامت‌گذاری کند یا یادداشتی اضافه شود.

در این مورد، ویدیو بدون هیچ برچسب اضافی‌ای در فیس‌بوک ظاهر شد و صدها نظردهنده را که به‌نظر می‌رسید واقعی می‌دانستند فریب داد.

ابزارهای هوش مصنوعی برای نمایش نسخه Deluxe NHL 26 به کار رفتند

AIEANHL 26

نسخه Deluxe NHL 26 خانواده هاکی تاکچوک را بر روی جلد به نمایش می‌گذارد. متیو تاکچوک پانترز و بردی تاکچوک سناتورز در کنار پدرشان، کیت تاکچوک افسانه‌ای – یک پاور فورورد – زیر نورهای روشن بر روی یک یخ‌پست مه‌آلود ظاهر می‌شوند. چیزی که EA تا به‌حال فاش نکرده بود این است که برای خلق تصویر تبلیغاتی نسخه ۱۰۰ دلاری، از ابزارهای هوش مصنوعی مولد استفاده کرده است.

شرکت این دستاورد را در یک ارائه داخلی اخیر به تیم تجربه بازیکن خود معرفی کرد، طبق مدارکی که Kotaku بررسی کرده است. در بخشی که توسط سرپرست بلندمدت بازاریابی ورزشی EA، پال مار، رهبری می‌شد، پرسنل دربارهٔ نحوه استفاده شرکت از ابزارهای هوش مصنوعی مانند GPT و Comfy UI در فرآیند تولید تصویر جلد مطلع شدند.

دو مانع عمده برای این مفهوم وجود داشت: کیت تاکچوک اکنون پیر شده و هر دو فرزند او در پلی‌آف حضور داشتند و برای عکاسی سنتی در دسترس نبودند. “قدیمی” تعویض سر با استفاده از فتوشاپ رد شد، بنابراین EA با کسب اجازه از خانواده، به هوش مصنوعی مولد تکیه کرد تا کیت را جوان‌سازی کرده و پسرانش را دوباره بازسازی کند. اگرچه همه این کار توسط خلاقان انسانی هدایت و بازبینی شد، درصدی از نتایج نهایی که به‌طور کامل توسط هوش مصنوعی تولید شده‌اند، نامشخص است.

“در طول اکتشاف، هوش مصنوعی برای تولید نمونه‌های استایلی‌شده استفاده شد”، بخشی از یک اسلاید ارائه می‌خواند. این اسلاید توضیح می‌دهد که تیم مار از یک کتابخانه‌ی تصاویر و حالات هر ورزشکار برای آموزش هوش مصنوعی دربارهٔ ظاهر آن‌ها بهره برد. همچنین از تصاویر مرجع “حال و گذشته” برای آموزش مدلی جهت جوان‌سازی کیت و تولید “PRIME Keith” استفاده شد. یک مرحلهٔ نهایی هوش مصنوعی برای یکنواخت‌سازی نورپردازی بین مدل‌های مختلف به کار رفت و سپس برای اصلاح نهایی به فتوشاپ برگشت.

طرح جلد نسخه Deluxe NHL 26 جدیدترین نمونه‌ای است از اینکه چگونه شرکت‌های بازی‌سازی از هوش مصنوعی بهره می‌برند، حتی هنگامی که بازیکنانشان به‌هر نشانه‌ای از آن واکنش منفی نشان می‌دهند. EA به‌ویژه در حال تسریع پذیرش این فناوری بوده است. بیش از یک سال پیش، مدیرعامل اندرو ویلسون به‌صراحت از به‌کارگیری هوش مصنوعی توسط شرکت برای خلق هزاران چهرهٔ لازم برای بازگشت مجموعه پرفروش College Football تمجید کرد.

“اگر هوش‌مصنوعی را به خود واگذارید، کار شما استثنایی نخواهد شد”

اما برخی از کارمندان در خط مقدم با این فناوری مخالفت می‌کنند؛ چند نفر اخیراً به Business Insider اطلاع دادند که هوش مصنوعی کدهای برنامه‌نویسی را با خطا تولید می‌کند، پاسخ‌های نامفید می‌دهد یا بر روی جریان‌های کاری خودشان آموزش می‌بیند به‌طوری که ممکن است امنیت شغلی آن‌ها را به خطر بیندازد.

“ما هوش مصنوعی را به‌عنوان شتاب‌دهنده‌ای قدرتمند برای خلاقیت، نوآوری و ارتباط بازیکن می‌بینیم”، ویلسون در گزارش مالی ماه می به سرمایه‌گذاران گفت. “در تمام تیم‌های ما، ما در جریان‌های کاری و قابلیت‌های جدید برای ادغام هوش مصنوعی سرمایه‌گذاری می‌کنیم تا نحوه ساخت، مقیاس‌بندی و شخصی‌سازی تجربیات را ارتقا دهیم؛ از جهان‌های پویا داخل بازی تا ارائه بازنمایی‌های اصیل از ورزشکاران و تیم‌ها در مقیاس شگفت‌انگیز؛ توسعه‌دهندگان ما از هوش مصنوعی برای پیشبرد مرزهای ممکن در طراحی، انیمیشن و داستان‌گویی استفاده می‌کنند و به ما کمک می‌کنند تا گیم‌پلی عمیق‌تر و غوطه‌ورتر ارائه دهیم”.

این در عمل چه معنایی دارد؟ ارائه مار سرنخ کوچکی می‌دهد. در «دروس کلیدی» خود از آزمایش با تصویر جلد نسخه Deluxe NHL 26، او دیگر کارمندان را تشویق می‌کند تا مشورت‌های قانونی بگیرند اما استفاده از هوش مصنوعی را زود آغاز کنند، چون مدل‌ها زمان‌بر برای آموزش هستند. همچنین او سعی می‌کند تمایز مبهمی بین این که هوش مصنوعی تمام کار را انجام می‌دهد و این که انسان‌ها هنوز کنترل فرآیند خلاقانه را در دست دارند، حفظ کند.

“از هوش مصنوعی برای گسترش آرمان‌های خود استفاده کنید”، یکی از اسلایدهای ارائه می‌خواند. “اگر هوش مصنوعی را به‌تنهایی بگذارید، کار شما استثنایی نخواهد شد”. در زیر این بیانیه‌ پر بار، تصویری از یک سرخط دیده می‌شود که تعطیلات اخیر هوش مصنوعی کوکاکولا را به‌عنوان «چشم‌پرتی کج‌و‌خم» نقد می‌کند. به‌نظر می‌رسد پیام این است که ابزارهای هوش مصنوعی زمانی بهترین عملکرد را دارند که هیچ‌کس متوجه استفاده از آنها نباشد.

دنیای جدید شجاعانه فروش کارت‌پک‌ها توسط هوش مصنوعی

شرکت EA در حال حاضر برای فروش به عربستان سعودی و سایر کشورها در قالب یک خرید اهرمی ۵۵ میلیارد دلاری برنامه‌ریزی شده است. به گزارش The Financial Times، سرمایه‌گذاری‌های بزرگ در هوش مصنوعی یکی از راه‌های احتمالی است که شرکت می‌تواند برای سرویس‌دهی به این بدهی در آینده از آن استفاده کند. برخی از کارمندان نگرانند که این ممکن است به اخراج‌های آنها و تجربه‌ای بدتر برای بازیکنان منجر شود.

بخش دیگری از ارائه داخلی به استفاده از ابزارهای هوش مصنوعی خدمات مشتری برای ارائه کمک درون‑بازی به بازیکنان اختصاص داشت. به‌عنوان مثال، اگر در جدیدترین College Football برای پاس دادن مشکل دارید، یک چت‌بات می‌تواند لینک‌های راهنمای آنلاین یا ویدیوهای کوتاه آموزشی را ارائه دهد. اما یک نمونهٔ نظری برای کاربردهای ممکن این فناوری گزینهٔ سومی را نیز پیشنهاد می‌کند: خرید بسته‌های کارت.

“یا این بسته‌ای است که می‌تواند به شما کمک کند سریع‌تر سطح بگذرید”، در یک اسلاید ارائه خوانده می‌شود. ربات ادامه می‌دهد: “در این بسته کوارتر‌بک‌ها و گیرنده‌های با آمار دقت برتر موجود است – عالی برای تقویت مسیرهای کوتاه و پرتاب‌ها”. هیچ شواهدی وجود ندارد که EA در حال حاضر درصدد پیاده‌سازی چنین ویژگی‌ای در بازی‌های واقعی خود باشد، اما این دقیقاً نمادی است از اینکه چرا بسیاری از بازیکنان به‌طور واکنشی ضد هوش مصنوعی هستند.

EA از اظهار نظر خودداری کرد.

به‌روزرسانی ۲۶/۱۱/۲۵ ساعت ۱۲:۰۸ ب.ظ. ET: EA تأیید کرد که خانواده تاکچوک اجازه استفاده از هوش مصنوعی را داده‌اند. 

Aisha Down

پژوهش‌های هوش مصنوعی مورد سؤال قرار گرفته‌اند، زیرا نویسنده ادعا می‌کند امسال بیش از ۱۰۰ مقاله درباره هوش مصنوعی نوشته است که ۸۹ مقاله از آنها این هفته در یکی از پیشروترین کنفرانس‌های جهان درباره هوش مصنوعی و یادگیری ماشین ارائه می‌شود؛ این موضوع سؤالاتی را در میان دانشمندان رایانه درباره وضعیت پژوهش‌های هوش مصنوعی برانگیخته است.

یک شخص ادعا می‌کند امسال ۱۱۳ مقاله علمی درباره هوش مصنوعی تألیف کرده است که ۸۹ مقاله از آنها این هفته در یکی از پیشروترین کنفرانس‌های جهان در زمینه هوش مصنوعی و یادگیری ماشین ارائه می‌شود؛ این امر سؤال‌هایی را در میان دانشمندان رایانه درباره وضعیت پژوهش‌های هوش مصنوعی به وجود آورده است.

نویسنده، کوین ژو، به‌تازگی مدرک لیسانس رشته‌ی علوم کامپیوتر را از دانشگاه کالیفرنیا، برکلی دریافت کرده و در حال حاضر شرکت Algoverse را که یک شرکت پژوهشی و مربی‌گری هوش مصنوعی برای دانش‌آموزان دبیرستانی است، مدیریت می‌کند؛ بسیاری از این دانش‌آموزان هم‌نویسندگان مقالات او هستند. خود ژو در سال ۲۰۱۸ از دبیرستان فارغ‌التحصیل شد.

مقالاتی که او در دو سال گذشته منتشر کرده است، موضوعاتی نظیر استفاده از هوش مصنوعی برای شناسایی دامداران کوچ‌نشین در جنوب صحرای آفریقا، ارزیابی ضایعات پوستی و ترجمه گویش‌های اندونزیایی را شامل می‌شوند. در پروفایل لینکدین خود، او ادعا می‌کند که «بیش از ۱۰۰ مقاله برتر کنفرانس در سال گذشته» منتشر کرده است که «توسط OpenAI، مایکروسافت، گوگل، استنفورد، MIT، آکسفورد و دیگران ارجاع شده‌اند».

مقاله‌های ژو «فاجعه» هستند، هانی فرید، استاد علوم کامپیوتر در برکلی، در مصاحبه‌ای گفت. او افزود: «من تا حد زیادی مقتنع هستم که کل این مسأله، از بالا به پایین، صرفاً کدگذاری «vibe» است»، که به معنای استفاده از هوش مصنوعی برای ایجاد نرم‌افزار است.

ناظران ربات‌ها در آشفتگی

استانداردهای بازبینی پژوهش‌های هوش مصنوعی با بیشتر حوزه‌های علمی دیگر متفاوت است. اکثر کارهای هوش مصنوعی و یادگیری ماشین تحت فرایندهای سخت‌گیرانه بازنگری همتا، همانند رشته‌های شیمی و زیست‌شناسی، قرار نمی‌گیرند؛ در عوض، مقالات غالباً به‌صورت کمتر رسمی در کنفرانس‌های بزرگ مانند NeurIPS، یکی از برترین همایش‌های جهان در زمینه یادگیری ماشین و هوش مصنوعی، ارائه می‌شوند؛ که ژو نیز در برنامه این کنفرانس حضور دارد.

مطالعه موردی ژو نشانگر یک مسألهٔ بزرگ‌تر در پژوهش‌های هوش مصنوعی است، فرید گفت. کنفرانس‌هایی از جمله NeurIPS با افزایش چشمگیر تعداد مقالات ارسالی مواجه شده‌اند: در سال جاری NeurIPS ۲۱٬۵۷۵ مقاله دریافت کرد، که در مقایسه با زیر ۱۰٬۰۰۰ مقاله در سال ۲۰۲۰، افزایش چشمگیری است. یک کنفرانس دیگر برتر هوش مصنوعی، کنفرانس بین‌المللی نمایاندن یادگیری (ICLR)، گزارش داد که برای کنفرانس ۲۰۲۶، افزایش ۷۰٪ در مقالات ارسالی داشته است و نزدیک به ۲۰٬۰۰۰ مقاله دریافت کرده، در حالی که برای کنفرانس ۲۰۲۵ این عدد کمی بیش از ۱۱٬۰۰۰ مقاله بود.

«نقد‌کنندگان از کیفیت پایین مقالات شکایت می‌کنند و حتی گمان می‌کنند برخی از آن‌ها توسط هوش مصنوعی تولید شده‌اند. چرا این جشنواره علمی طعم خود را از دست داده است؟» بلاگ فناوری چینی 36Kr در یک پست نوامبر درباره ICLR پرسید و اشاره کرد که میانگین امتیازهایی که نقد‌کنندگان به مقالات اختصاص داده‌اند، سالانه کاهش یافته است.

در همین حال، دانشجویان و پژوهشگران تحت فشار فزاینده‌ای برای افزایش تعداد مقالات و همگام شدن با همتایان خود قرار دارند. انتشار عدد دو رقمی – که حتی کمتر تعداد سه رقمی – از مقالات علمی رشتهٔ رایانه با کیفیت بالا در یک سال، برای پژوهشگران غیرمعمول است، دانشگاهیان گفتند. فرید می‌گوید که گاهی دانش‌آموزان او مقالاتی «vibe coded» می‌نویسند تا تعداد انتشارهای خود را بالا ببرند.

«افراد جوان بسیار زیادی می‌خواهند وارد هوش مصنوعی شوند. در حال حاضر یک جنون وجود دارد»، فرید گفت.

NeurIPS مقالات ارسالی را بازبینی می‌کند، اما فرآیند آن بسیار سریع‌تر و کمتر دقیق از بازنگری علمی استاندارد است، جفری والینگ، استادیار در دانشگاه فناوری ویرجینیا، بیان کرد. امسال، این کنفرانس از تعداد زیادی از دانشجویان دکترا برای ارزیابی مقالات استفاده کرده که یک صندلی مسئول (area chair) در NeurIPS گفت این امر روی فرآیند تأثیر منفی گذاشته است.

«واقعیت این است که داوران کنفرانس اغلب باید در مدت زمان کوتاهی ده‌ها مقاله را بررسی کنند و معمولاً بازبینی کمی یا اصلاً وجود ندارد»، والینگ گفت.

والینگ با فرید موافقت کرد که تعداد مقالات منتشر شده بیش از حد است و گفت که نویسندگانی را دیده است که بیش از ۱۰۰ مقاله در یک سال منتشر کرده‌اند. او افزود: «پژوهشگران بیشتر به خاطر حجم انتشاراتشان به‌جای کیفیت پاداش می‌گیرند… همه به افسانهٔ بهره‌وری فوق‌العاده علاقه‌مندند»، او گفت.

در صفحه سؤالات متداول Algoverse، پاسخ‌ها دربارهٔ اینکه برنامهٔ این شرکت چگونه می‌تواند به آیندهٔ تحصیلی یا شغلی متقاضیان کمک کند، توضیح می‌دهد: «مهارت‌ها، دستاوردها و انتشاراتی که در اینجا به‌دست می‌آورید در جامعهٔ علمی مورد احترام فراوانی قرار دارند و می‌توانند واقعیاً درخواستٔ دانشگاه یا رزومهٔ شما را تقویت کنند. این به‌ویژه زمانی صادق است که پژوهش شما در یک کنفرانس برتر پذیرفته شود – دستاوردی متمایز حتی برای پژوهشگران حرفه‌ای.»

فرید می‌گوید که اکنون به دانش‌آموزان توصیه می‌کند که وارد پژوهش هوش مصنوعی نشوند، به‌دلیل «جنون» موجود در این حوزه و حجم بالای کارهای کم‑کیفیتی که توسط افرادی که به‌دنبال بهبود چشم‌انداز شغلی خود هستند، منتشر می‌شود.

«این فقط یک آشوب است. نمی‌توانید همگام بمانید، نمی‌توانید منتشر کنید، نمی‌توانید کار خوب انجام دهید، نمی‌توانید اندیشمند باشید»، او گفت.

سیل ضایعات

با این‌حال، کارهای برجسته‌ای همچنان از این فرآیند به‌دست آمده‌اند. به‌ویژه مقالهٔ گوگل دربارهٔ ترانسفورمرها با عنوان «Attention Is All You Need» – که پایهٔ نظری پیشرفت‌های هوش مصنوعی منجر به ChatGPT شد – در سال ۲۰۱۷ در NeurIPS ارائه شد.

سازمان‌دهندگان NeurIPS تأیید می‌کنند که این کنفرانس تحت فشار است. در اظهاری به گاردین، سخنگویی گفت که رشد هوش مصنوعی به‌عنوان یک حوزه، «افزایش قابل‌توجهی در تعداد مقالات ارسالی و ارزش افزودهٔ بیشتر به پذیرش‌های بازنگری شده در NeurIPS» را به دنبال داشته و «بار قابل‌توجهی بر روی سیستم بازنگری ما وارد کرده است».

مراجعات ژو عمدتاً به کارگاه‌های داخل NeurIPS تعلق داشته‌اند که فرآیند انتخاب متفاوتی نسبت به جلسهٔ اصلی دارند و اغلب جایی هستند که کارهای کارآیی‌نوبت‌شده ارائه می‌شوند، گفت سازمان‌دهندگان NeurIPS. فرید اظهار داشت که این توضیح برای این‌که یک فرد نام خود را بر روی بیش از ۱۰۰ مقاله بگذارد، کافی نیست.

«من این را به‌عنوان استدلالی قانع‌کننده برای گذاشتن نام خود بر روی ۱۰۰ مقاله که احتمالاً نمی‌توانید به‌طور معناداری در آن‌ها مشارکت کنید، نمی‌بینم»، فرید گفت.

مشکل بزرگ‌تر از سیل مقالات در NeurIPS است. بازبین‌های ICLR از هوش مصنوعی برای ارزیابی حجم عظیمی از مقالات استفاده کردند – که منجر به ارجاع‌های «توهمی» و بازخوردی شد که «بسیار پرحرف با نکات گلوله‌ای فراوان» بود، طبق مقالهٔ اخیر منتشر شده در Nature.

احساس سقوط به‌قدری گسترده است که یافتن راه‌حلی برای این بحران، خود به‌عنوان موضوعی برای مقاله‌ها تبدیل شده است. یک مقالهٔ موضعی در ماه می ۲۰۲۵ – نسخهٔ علمی و مستدل نظرات روزنامه‌ای – که توسط سه دانشمند کامپیوتر کره‌جنوبی نوشته شده بود و راه‌حلی برای «چالش‌های بی‌سابقهٔ افزایش مقالات همراه با نگرانی‌های فزاینده در مورد کیفیت بازنگری و مسئولیت بازبین‌ها» پیشنهاد می‌داد، در کنفرانس بین‌المللی یادگیری ماشین ۲۰۲۵ جایزهٔ برترین کار را دریافت کرد.

در عین حال، فرید می‌گوید که شرکت‌های بزرگ فناوری و سازمان‌های کوچک ایمنی هوش مصنوعی اکنون کارهای خود را بر روی arXiv بارگذاری می‌کنند، سایتی که پیش‌تر تنها برای پیش‌چاپ‌های کم‌دید در حوزه ریاضیات و فیزیک اختصاص داشت و اینترنت را با کارهایی که به‌عنوان علم ارائه می‌شوند اما تحت استانداردهای بازنگری نیستند، سیل می‌کند.

هزینهٔ این، به‌قول فرید، این است که تقریباً غیرممکنی دانست که در حوزهٔ هوش مصنوعی چه می‌گذرد – برای روزنامه‌نگاران، عموم مردم و حتی متخصصان این حوزه: «به‌عنوان یک خوانندهٔ متوسط هیچ فرصتی ندارید تا سعی کنید درک کنید چه اتفاقی در ادبیات علمی می‌افتد. نسبت سیگنال به نویز شما تقریباً برابر یک است. من به‌ سختی می‌توانم به این کنفرانس‌ها بروم و بفهمم دقیقاً چه می‌گذرد.»

«به دانش‌آموزان می‌گویم اگر هدف‌تان بهینه‌سازی تعداد مقالات منتشرشده است، در واقع این کار آن‌قدر سخت نیست. فقط کارهای بسیار ضعیف و کم‌کیفیت انجام دهید و آن‌ها را به کنفرانس‌ها تزریق کنید. اما اگر می‌خواهید کارهای دقیق و اندیشمندانه انجام دهید، در موقعیتی ضعیف هستید چون عملاً به‌صورت یک‌جانبه از سلاح‌های خود خالی شده‌اید»، او گفت.

این کلیپ به وضوح شروع سریع ربات، تغییرات جهت روان و ترمزگیری تیز آن را در حین دویدن داخل یک مجتمع نشان می‌دهد.

آینده کف کارخانه‌ها و کمک‌های خانگی حالا خیلی سریع‌تر شد.

اخیراً، مدیرعامل فیگور آی، برت آدکوک، یک ویدیو کوتاه در رسانه‌های اجتماعی به اشتراک گذاشت که سرعت و چابکی شگفت‌انگیز ربات انسان‌نمای فیگور ۰۳ را به نمایش می‌گذارد.

این کلیپ به وضوح شروع سریع ربات، تغییرات جهت روان و ترمزگیری تیز آن را در حین دویدن داخل یک مجتمع نشان می‌دهد. این حرکات با تصور رایج که انسان‌نماهای امروزی کند و سنگین هستند، کاملاً در تضاد است.

«این کنترلر ربات F.۰۳ توسط یک شبکه عصبی onboard ساخته‌شده توسط تیم هلیکس اجرا می‌شود»، آدکوک در کپشن اینستاگرام نوشت.

شکستن سد سرعت

برای سال‌ها، پاشنه آشیل ربات‌های انسان‌نمای چندمنظوره، ناتوانی‌شان در حرکت سریع بوده است.

شرکت‌هایی که ربات‌های انسان‌نما می‌سازند، اغلب حداکثر سرعت راه‌رفتنشان را اعلام نمی‌کنند، زیرا این اعداد معمولاً چشمگیر نیستند.

رقبایی مانند دیجیت از اگیلیتی رباتیکز و فینیکس از سنکچوآری آی، معمولاً حداکثر سرعت راه‌رفتن را در محدوده محافظه‌کارانه ۳ تا ۴ مایل در ساعت اعلام کرده‌اند.

فیگور آی مستقر در کالیفرنیا، عدد خودش را برای فیگور ۰۳ به عنوان ۱.۳ متر بر ثانیه یا ۲.۷ مایل در ساعت گزارش کرد که به نظر متواضعانه می‌رسد.

اما این فیلم جدید خلاف آن را نشان می‌دهد. فوربز گزارش داد که ربات به نظر می‌رسد در انتهای بالایی سرعت دویدن انسانی – ۴ تا ۶ مایل در ساعت – عمل می‌کند.

جالب اینجاست که ربات با هر دو پا همزمان از زمین جدا نشان داده شده؛ حرکتی که از نظر فنی دویدن را تعریف می‌کند و نیاز به کنترل پایداری دینامیکی پیچیده دارد. این یک مانع مهندسی عظیم است که حالا بر آن غلبه شده.

این حرکت سریع و روان – به ویژه توانایی کند کردن سریع و اجرای چرخش – نشان‌دهنده پیشرفت عمده در سیستم کنترل فیگور و عملگرهای گشتاور بالا است.

شبکه عصبی تیم هلیکس، هوش پیچیده‌ای را فراهم می‌کند که فیگور ۰۳ برای اجرای حرکات پیچیده و چابک مانند دویدن و چرخش‌های سریع به آن نیاز دارد. به طور قابل توجه، این توسعه آن را از یک اتوماتون سفت و خشک به سمت یک ماشین توانمندتر سوق می‌دهد.

«فیگور ۰۳ به دلایل متعددی برای کاربردهای تجاری مناسب است. عملگرها می‌توانند دو برابر سریع‌تر کار کنند در حالی که چگالی گشتاور بهبودیافته (nm/kg) را حفظ می‌کنند. مهم‌ترین نتیجه این امر، توانایی ما برای برداشتن و قرار دادن اقلام با سرعت‌های بالاتر است»، وب‌سایت اشاره کرد.

این پیشرفت به نظر می‌رسد پاسخی مستقیم به یا معیاری جدید در برابر بهبودهای اخیر سرعت باشد که توسط ربات‌های رقیب مانند آپتیموس تسلا نشان داده شده.

به نظر می‌رسد مسابقه برای کاربرد پویا و واقعی در دنیای واقعی آغاز شده است.

فیگور ۰۳ مجهز به سنسورهای پیشرفته است

ربات نسل سوم یک ماشین آماده تولید برای استفاده هم در خانه و هم در صنعت است.

با قد ۱۷۳ سانتی‌متر، فیگور ۰۳ ارتقایی نسبت به پیشینیانش فیگور ۰۲ است و دارای سیستم حسی تیزتر، زیبایی‌شناسی نرم‌تر و هماهنگی بهبودیافته است.

با ۹ درصد جرم کمتر و حجم به طور قابل توجهی کاهش‌یافته نسبت به ربات فیگور ۰۲، ربات فیگور ۰۳ بسیار آسان‌تر برای مانور دادن است، به ویژه در محیط‌های خانگی.

اینترستینگ انجینیرینگ قبلاً گزارش داد که طراحی ربات دارای تنظیم پیشرفته‌ای است که به آن اجازه می‌دهد اشیاء را بگیرد و گریپ خود را به طور مداوم تنظیم کند.

یک جزء کلیدی این قابلیت، دست‌های نرم‌تر و انعطاف‌پذیرتر آن است که مجهز به سنسورهای نوک انگشت هستند و فشار بسیار سبک را – تا ۳ گرم (حدود وزن یک گیره کاغذ) – تشخیص می‌دهند. این سطح بالای حساسیت به ربات امکان دستکاری ایمن اقلام ظریف مانند ظروف شیشه‌ای را می‌دهد و از لغزش ابزارها یا اشیاء جلوگیری می‌کند.

ترکیب حرکت سریع و قابلیت تولید، فیگور ۰۳ را به یک مدعی سرسخت در بازار رو به رشد انسان‌نماها تبدیل می‌کند.