بلاگ

مدل Devstral 2 با ۷۲٪ در بنچمارک صنعتی امتیاز می‌گیرد و به رقبای اختصاصی نزدیک می‌شود.

در روز سه‌شنبه، استارتاپ فرانسوی هوش مصنوعی میسترال AI مدل Devstral 2 را منتشر کرد؛ یک مدل کدنویسی وزن‌های باز با ۱۲۳ میلیارد پارامتر که برای کار به‌عنوان بخشی از یک عامل خودکار مهندسی نرم‌افزار طراحی شده است. این مدل با کسب امتیاز ۷۲٫۲٪ در بنچمارک SWE‑bench Verified، که سعی دارد توانایی سیستم‌های هوش مصنوعی در حل مشکلات واقعی GitHub را ارزیابی کند، به‌عنوان یکی از مدل‌های وزن‌های باز برتر شناخته می‌شود.

جالب‌تر از همه، میسترال نه تنها یک مدل هوش مصنوعی عرضه کرد، بلکه برنامه توسعه‌ای جدیدی به نام Mistral Vibe منتشر کرد. این ابزار یک رابط خط فرمان (CLI) است که شبیه به Claude Code، OpenAI Codex و Gemini CLI می‌باشد و به توسعه‌دهندگان اجازه می‌دهد به‌صورت مستقیم در ترمینال خود با مدل‌های Devstral تعامل داشته باشند. این ابزار می‌تواند ساختارهای فایل و وضعیت Git را اسکن کند تا زمینه (کانتکست) را در تمام پروژه حفظ کند، تغییرات را در چندین فایل اعمال کند و دستورات شل را به‌صورت خودکار اجرا نماید. میسترال این CLI را تحت مجوز Apache 2.0 منتشر کرد.

همواره مناسب است که نتایج بنچمارک‌های هوش مصنوعی را با احتیاط در نظر گرفت، اما از کارکنان شرکت‌های بزرگ هوش مصنوعی شنیده‌ایم که به عملکرد مدل‌ها در بنچمارک SWE‑bench Verified به‌دقت زیادی توجه می‌کنند؛ این بنچمارک ۵۰۰ مسئله واقعی مهندسی نرم‌افزار را که از مشکلات GitHub در مخازن محبوب پایتون استخراج شده‌اند، به مدل‌های هوش مصنوعی ارائه می‌دهد. هوش مصنوعی باید توصیف مسأله را بخواند، به کدبیس دسترسی پیدا کند و یک پچ کارآمد تولید کند که تست‌های واحد را پاس کند. در حالی که برخی پژوهشگران هوش مصنوعی اشاره کرده‌اند که حدود ۹۰٪ از وظایف این بنچمارک شامل رفع اشکال نسبتاً ساده‌ای است که مهندسان باتجربه می‌توانند آن را در کمتر از یک ساعت تکمیل کنند، این یکی از معدود روش‌های استاندارد برای مقایسه مدل‌های کدنویسی است.

در کنار مدل بزرگ‌تر کدنویسی هوش مصنوعی، میسترال همچنین Devstral Small 2 را منتشر کرد؛ نسخه‌ای با ۲۴ میلیارد پارامتر که در همان بنچمارک ۶۸٪ امتیاز می‌گیرد و می‌تواند به‌صورت محلی روی سخت‌افزارهای مصرف‌کننده مانند لپ‌تاپ بدون نیاز به اتصال اینترنت اجرا شود. هر دو مدل از پنجره زمینه ۲۵۶٬۰۰۰ توکنی پشتیبانی می‌کنند که به آن‌ها امکان پردازش کدبیس‌های متوسط‑حجم را می‌دهد (اگرچه اینکه حجم را بزرگ یا کوچک در نظر بگیرید، بسته به پیچیدگی کلی پروژه متغیر است). شرکت Devstral 2 را تحت مجوز MIT اصلاح‌شده و Devstral Small 2 را تحت مجوز Apache 2.0 با آزادی‌پذیری بیشتر منتشر کرد.

در حال حاضر Devstral 2 به‌صورت رایگان از طریق API میسترال قابل استفاده است. پس از پایان دوره رایگان، قیمت‌گذاری به‌صورت ۰٫۴۰ دلار برای هر یک میلیون توکن ورودی و ۲٫۰۰ دلار برای هر یک میلیون توکن خروجی خواهد بود. Devstral Small 2 هزینهٔ ۰٫۱۰ دلار برای هر یک میلیون توکن ورودی و ۰٫۳۰ دلار برای هر یک میلیون توکن خروجی دارد. میسترال می‌گوید این مدل «۷ برابر به‌صرفه‌تر از Claude Sonnet در کارهای دنیای واقعی» است. Sonnet 4.5 شرکت Anthropic از طریق API با هزینهٔ ۳ دلار برای هر یک میلیون توکن ورودی و ۱۵ دلار برای هر یک میلیون توکن خروجی قیمت‌گذاری می‌شود؛ هزینه‌ها با توجه به تعداد کل توکن‌های استفاده‌شده متغیر می‌باشد.

ارتباط Vibe‑Coding

نام «Mistral Vibe» به «vibe coding» ارجاع دارد؛ اصطلاحی که پژوهشگر هوش مصنوعی آندره کارپاتی در فوریهٔ ۲۰۲۵ برای توصیف سبکی از برنامه‌نویسی ابداع کرد که در آن توسعه‌دهندگان خواسته‌های خود را به زبان طبیعی بیان می‌کنند و کد تولیدشده توسط هوش مصنوعی را بدون بازبینی دقیق می‌پذیرند. همان‌طور که کارپاتی می‌گوید، می‌توانید «به‌تمامی به ویب‌ها تسلیم شوید، رشد نمایی را در آغوش بگیرید و فراموش کنید که کد حتی وجود دارد». فرهنگ‌لغت‌نامهٔ کالینز این واژه را «کلمهٔ سال ۲۰۲۵» نامید.

رویکرد کدنویسی ویب هم شور و هیجان و هم نگرانی را به‌وجود آورده است. در مصاحبه‌ای با Ars Technica در ماه مارس، توسعه‌دهنده سیمون ویلوین گفت: «من واقعاً از کدنویسی ویب لذت می‌برم. این یک روش سرگرم‌کننده برای آزمایش یک ایده و اثبات کارآیی آن است». اما او هشدار داد: «کدنویسی ویب به‌سوی یک کدبیس تولیدی به‌وضوح خطرناک است. بیشتر کاری که ما به‌عنوان مهندسان نرم‌افزار انجام می‌دهیم شامل توسعهٔ سیستم‌های موجود است، جایی که کیفیت و قابلیت درک کد پایه‌ای بسیار مهم است».

میسترال شرط می‌بندد که Devstral 2 قادر باشد تمامیت پروژه‌ها را حفظ کند، خطاها را شناسایی کرده و با تصحیح مجدد سعی کند؛ و این توانمندی‌های ادعایی مدل آن را برای کارهای جدی‌تر نسبت به نمونه‌های ساده و ابزارهای داخلی مناسب سازد. شرکت می‌گوید این مدل می‌تواند وابستگی‌های فریم‌ورک را پیگیری کرده و وظایفی همچون رفع اشکال و به‌روزرسانی سیستم‌های قدیمی را در مقیاس مخازن انجام دهد. هنوز تجربه‌ای از آن نداریم، اما به‌زودی ممکن است تست مقایسه‌ای Ars Technica بین چندین ابزار کدنویسی هوش مصنوعی را مشاهده کنید.

این نشریه به‌جای انتخاب یک فرد خاص برای این جایزه، دسته‌ای گسترده‌تر را برگزید

نوشتهٔ الکس نیتزبرگ

در دل «خوب، بد و غیرقابل تصور» هوش مصنوعی

مجری فوکس نیوز برت بایر در برنامه «گزارش ویژه» بررسی می‌کند که فناوری چگونه در حال تغییر نحوهٔ عملکرد جهان است.

مجله تایم روز پنج‌شنبه اعلام کرد که «معماران هوش مصنوعی» به‌عنوان شخصیت سال 2025 آن انتخاب شده‌اند، نه انتخاب یک فرد منفرد برای این افتخار.

«به‌خاطر به‌وجود آوردن عصر ماشین‌های متفكر، به‌دلیل شگفت‌زده کردن و نگران کردن بشریت، به‌دلیل تحول حاضر و فراتر رفتن از ممکن، معماران هوش مصنوعی شخصیت سال 2025 مجله TIME هستند»، این نشریه در پست خود در X نوشت.

پست شامل دو جلد مجله است که یکی از آن‌ها به‌وضوح هشت شخصیت بزرگ فناوری را نشان می‌دهد که به‌نظر می‌رسد در کنار هم بر روی یک تیر بالا بر فراز شهر نشسته‌اند — این افراد عبارتند از مارک زاکربرگ (متا)، ایلان ماسک (xAI)، سِم آلتمن (OpenAI)، لیزا سو (AMD)، جنسِن هوانگ (Nvidia)، دمیس هاسابیس (Google DeepMind)، داریو آمودی (Anthropic) و فی‑فی لی (استنفورد و World Labs).

مسئول کاخ سفید هم‌پیمانان را به آزادسازی هوش مصنوعی از مقررات کشنده نوآوری فشار می‌آورد

در این تصویر، لوگوی مجله خبری هفتگی آمریکایی تایم بر روی یک گوشی هوشمند که یک تراشه و نماد هوش مصنوعی در پس‌زمینه دارد، دیده می‌شود. (بودرول چاکروت/تصاویر SOPA/LightRocket از طریق Getty Images)

به گزارش مجله تایم، اثر نقاش دیجیتال جیسون سایلر «یک تجلیل از عکسی مشهور سال ۱۹۳۲ از کارگران ساختمانی بر روی تیر فولادی، ۸۰۰ فوت بالای ساختمان RCA در نیویورک» است.

هوش مصنوعی و کاربردهای مختلف آن در حال فراگیر شدن در سراسر جهان هستند و بسیاری پیش‌بینی می‌کنند که با پیشرفت این فناوری و نفوذ آن در جامعه، تحول‌های قابل‌توجهی در افق پیش رو رخ خواهد داد.

ماسک می‌گوید هوش مصنوعی و رباتیک تنها چیزهایی هستند که می‌توانند بحران عظیم بدهی ایالات متحده را حل کنند

ایلون ماسک، مدیرعامل شرکت تسلا، در نشست سرمایه‌گذاری آمریکا‑عربستان سعودی در مرکز کندی در واشنگتن، دی‌سی، ایالات متحده، روز چهارشنبه، ۱۹ نوامبر ۲۰۲۵ حضور داشت. (استفانی رینولدز/بلومبرگ از طریق Getty Images)

«به‌دلیل هوآنگ، ماسی‌اوی سون (سافت‌بانک)، آلتمن و دیگر غول‌های هوش مصنوعی، بشریت اکنون به‌سرعت در جاده‌ای بدون ترمز پیش می‌رود، به سوی آینده‌ای بسیار خودکار و پر از عدم‌قطعیت»، تایم نوشت.

سال گذشته، این نشریه دونالد ترامپ، که در آن زمان رئیس‌جمهور منتخب بود، را به‌عنوان شخصیت سال ۲۰۲۴ نامید.

ترامپ تأیید می‌کند صادرات چیپ هوش مصنوعی NVIDIA به چین و ۲۵٪ سهم ایالات متحده را تبلیغ می‌کند

دونالد ترامپ، رئیس‌جمهور منتخب، در یک پذیرایی در بورس اوراق‌ورقی نیویورک (NYSE) پس از آنکه برای دومین بار در ۱۲ دسامبر ۲۰۲۴ به‌عنوان «شخصیت سال» مجله تایم شناخته شد، سخنرانی کرد. (اسپنسر پلت/گتی ایمیجز)

برای دانلود برنامه فوکس نیوز اینجا کلیک کنید

در سال ۲۰۲۳، این جایزه به ستارهٔ موسیقی تیلور سوئفت اختصاص یافت.

الکس نیتزبرگ، نویسنده‌ای برای فاکس نیوز دیجیتال است.

نویسنده

ایلیا ایلیانکو، دانشجوی دوره دکترا در SpaceTimeLab، دانشگاه UCL

بیانیه افشای اطلاعات

ایلیا ایلیانکو دریافت‌کننده بودجهٔ دکترا از شورای مهندسی و علوم فیزیکی (Engineering and Physical Sciences Research Council) و Ordnance Survey است. او هم‌بنیان‌گذار و مدیر فناوری (CTO) شرکت Safest Way، یک استارت‑اپ حمایت‌شده توسط برنامه شتاب‌دهنده Geovation سازمان Ordnance Survey است. این مقاله به‌همراه Prototypes for Humanity، یک ابتکار جهانی که نوآوری‌های علمی را برای حل چالش‌های اجتماعی و زیست‌محیطی به نمایش می‌گذارد و تسریع می‌کند، سفارش شده است. The Conversation شریک رسانه‌ای Prototypes for Humanity 2025 است.

شرکای

دانشگاه کالج لندن به‌عنوان شریک بنیادین The Conversation UK، تأمین مالی می‌کند.

شناسهٔ دیجیتال (DOI)

https://doi.org/10.64628/AB.xd3cshuxy

در شهر تاریخی پر دیوار دِری (که به لندوندرری نیز شناخته می‌شود) در شمال ایرلند، اقتصاد شبانه پر رونق است. اما همانند بسیاری از مراکز شهری، چالش‌های ایمنی برای کسانی که می‌خواهند به خانه برسند، ایجاد می‌کند. در شب، یک گروه داوطلبی به نام Inner City Assistance Team (iCat) اغلب خیابان‌ها را گشت می‌زند و در مواقعی که افراد احساس آسیب‌پذیری می‌کنند، مداخله می‌کند؛ چه به دلیل مستی، مشکلات روانی یا صرفاً تنها بودن در مناطق تاریک یا ناشناس.

به‌تازگی در این شهر، iCat برنامه Safest Way را معرفی کرد؛ این برنامه ناوبری عابر پیاده‌ای است که من به‌عنوان بخشی از پژوهش دکتری‌ام در UCL توسعه دادم. این برنامه از فناوری هوش مصنوعی استفاده می‌کند تا مسیرهایی نه تنها سریع‌تر بلکه ایمن‌تر برای کاربران هنگام قدم‌زدن به مقصد یا بازگشت از آن نشان دهد – برای مثال، ایمن‌ترین مسیر به خانه پس از یک شب‌نشینی.

نیاز به چنین مداخلاتی ریشه در اختلاف واضح در تجربه ایمنی شهری بین زنان و مردان دارد.

تحقیقات دفتر آمار ملی در سال ۲۰۲۲ نشان داد که ۸۲٪ از زنان احساس ناامنی می‌کنند هنگام قدم زدن به تنهایی در پارک‌ها یا فضاهای باز پس از تاریکی، در مقایسه با ۴۲٪ مردان. همچنین ۶۳٪ از زنان فعالانه از سفرهای تک‌نفره در شب اجتناب می‌کنند، در مقابل ۳۴٪ مردان.

نظرسنجی‌ای توسط Plan International UK در سال ۲۰۲۴ نشان داد که نزدیک به سه‌چهارم دختران و زنان جوان (سنین ۱۴ تا ۲۱) گاهی مسیرهای طولانی‌تری به خانه انتخاب می‌کنند تا از خطر احتمالی عبور کنند، و تقریباً دو‑سومی حداقل یک بار در ماه با تاکسی به خانه می‌روند به‌دلیل ریسک‌های مرتبط با حمل‌ونقل عمومی یا پیاده‌روی.

این ترس‌ها واکنش مستقیم به محیط ساخته‌شده است؛ پژوهش‌ها نشان می‌دهند که عواملی مانند روشنایی خیابان و وضعیت پیاده‌روها از عوامل کلیدی احساس ایمنی زنان هستند. روشنایی معمولاً عامل تصمیم‌گیری است: ۶۰٪ از زنانی که احساس ناامنی در حرکت به و از وسایل نقلیه عمومی می‌کنند، نور ناکافی را به عنوان دلیل اصلی ذکر می‌کنند.

پر کردن خلأ داده‌ای

به‌طول دهه‌ها، عابران شهری مانند وسایل نقلیه در نظر گرفته شدند، به‌طوری که ابزارهای نقشه‌برداری مسیرها را بر پایه یک معیار — زمان سفر — بهینه‌سازی می‌کنند، در حالی که یک کوچه‌ی تاریک و یک خیابان اصلی را اگر فاصله‌یشان یکسان باشد، یکسان می‌پذیرند. مسئله‌ی احساس ایمنی تا حد زیادی توسط این فناوری نادیده گرفته شده است.

یکی از دلایل این موضوع فقدان داده‌های یک‌شبه است. در حالی که مقامات محلی و نیروی پلیس مقدار زیادی اطلاعات در مورد روشنایی خیابان‌ها، مکان دوربین‌های مداربسته و حوادث جرمی جمع‌آوری می‌کنند، این داده‌ها معمولاً به‌صورت پخش‑پذیری، ناسازگار یا به‌صورت PDFهای ثابت محصور می‌شوند.

برای پر کردن این خلأ، تیم من و من یک لولهٔ داده‌ای توسعه دادیم تا این منابع و سایر منابع را گردآوری کنیم. در لندن، این کار مستلزم ارسال ده‌ها درخواست آزادی اطلاعات به شوراهای محلی برای به‌دست آوردن داده‌های دقیق جغرافیایی بیش از نیم میلیون لامپ خیابانی و هزاران دوربین مداربسته عمومی بود. نقشهٔ روشنایی ما در مسابقهٔ تجسم داده‌های UCL ۲۰۲۵ جایزهٔ اول را به‌دست آورد.

سپس این اطلاعات را با داده‌های رسمی جرائم پلیس، ویژگی‌های شهری مانند مکان پارک‌ها، مناطق صنعتی و ساختمان‌های فرسوده، به‌علاوه داده‌های منبع باز Mapillary و OpenStreetMap ترکیب کردیم تا به هر بخش خیابانی «امتیاز ایمنی» اختصاص دهیم.

حتی پس از آن، داده‌های عینی فقط نیمی از تصویر را تشکیل می‌دهند. ایمنی ادراک‌شده — احساس ایمنی یک خیابان برای کسی که در حال قدم زدن است — برای انتخاب مسیرهایشان حیاتی است. برای مدلسازی این امر در مقیاس بزرگ، به هوش مصنوعی روی آوردیم: به‌طور خاص، مدل دید‑زبان OpenAI به نام Clip (Contrastive Language‑Image Pre‑Training).

بر خلاف بینایی ماشین سنتی که اشیای گسسته‌ای مانند چراغ‌های خیابان را شناسایی می‌کند، Clip (و مدل‌های مشابه دید‑زبان) معنای معنایی یک صحنه کامل را رمزگذاری می‌کند — هم داده‌های تصویری و هم متنی که کاربران ارائه می‌دهند را به بردارهای ریاضی تبدیل می‌کند.

طبقه‌بندی نظرات ذهنی نظیر «احساس ایمنی» یا «کمی خطرناک» همچنان یک حوزه تحقیقاتی در حال پیشرفت است. اما در مطالعهٔ ۲۰۲۵ ما، همبستگی بالایی بین نحوهٔ درک ایمنی توسط هوش مصنوعی و آزمون‌کنندگان انسانی بر پایه ۵۰۰ عکس از بخش‌های خیابانی لندن مشاهده شد.

در حالی که امروزه قصد داریم این روش را برای مدل‌سازی ایمنی شهری بر روی میلیون‌ها خیابان در بریتانیا و فراتر از آن مقیاس‌بندی کنیم، اما نسبت به محدودیت‌ها واقع‌بین هستیم. داده‌های گذشتهٔ جرائم و طراحی شهری می‌توانند انتخاب‌های ایمن‌تر را راهنمایی کنند، اما نمی‌توانند حوادث فردی را پیش‌بینی کنند. مدل ما برای پشتیبانی از تصمیم‌گیری طراحی شده است، نه تضمین ایمنی، و باید در کنار تلاش‌های گسترده‌تر مراکز، شوراها و پلیس برای ایمن‌تر کردن خیابان‌های شبانه باشد.

پذیرش اولیه در دِری

از زمان راه‌اندازی نسخهٔ بتای برنامه Safest Way، این برنامه توسط حدود ۱٬۰۰۰ کاربر، عمدتاً در لندن و دِری، که در آن بیشتر زیرساخت‌های ایمنی به‌طور کامل نقشه‌برداری شده‌اند، مورد استفاده قرار گرفته است.

هماهنگی راه‌اندازی در دِری از راه دور یک چالش بود. یکی از اعضای تیم Safest Way در اوایل سال ۲۰۲۵ به شهر سفر کرد تا به‌صورت مستقیم با منظرهٔ سیاسی پیچیدهٔ آن آشنا شود. اما موفقیت این پروژهٔ آزمایشی عمدتاً به‌دلیل مشارکت شرکای ما، iCat، ممکن شد.

هم‌بنیان‌گذار این گروه داوطلب، استفن هنری، به Irish News گفت که ایدهٔ آوردن این برنامه به شهر پس از برخی حملات به زنان در سال ۲۰۲۴ شکل گرفته بود.

این گروه اکنون زیراندازهای نوشیدنی با لوگوی Safest Way و کدهای QR را در پاب‌های محلی توزیع می‌کند. هنری می‌گوید: «ما همچنین به کارمندان توصیه می‌کنیم تا برنامه را دانلود کنند، زیرا آن‌ها اغلب تا ساعت ۳ بامداد یا دیرتر از مکان کار خود خارج نمی‌شوند.»

پس از نمایش اخیر فناوری‌مان در کنفرانس Prototypes for Humanity در دبی، اکنون در حال گسترش پوشش داده‌های برنامه هستیم — از روشنایی خیابان‌ها تا درک ایمنی مدل‌سازی‌شده توسط هوش مصنوعی — تا تمام انگلستان و سپس سایر نقاط بریتانیا را شامل شود. هدف ما پر کردن خلأ اطلاعاتی است که در حال حاضر گروه‌های آسیب‌پذیر را مجبور به پرداخت «مالیات ایمنی» می‌کند.

در دِری، این فناوری پیش از این لایهٔ دیجیتال حفاظتی فراهم کرده است که حضور فیزیکی داوطلبان را تکمیل می‌کند. با گنجاندن این تکنولوژی در آموزش‌های آسیب‌پذیری برای کارکنان امنیتی و استفاده از آن در گشت‌های خود، iCat از کمک واکنشی به کاهش خطر پیشگیرانه پیش می‌رود.

این مقاله به‌همراه Prototypes for Humanity، یک ابتکار جهانی که نوآوری‌های علمی را به نمایش می‌گذارد و تسریع می‌کند تا چالش‌های اجتماعی و محیط‌زیستی را حل کند، سفارش شده است. The Conversation شریک رسانه‌ای Prototypes for Humanity 2025 است.

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.