چگونه DeepSeek با کمترین هزینه سیستم هوش مصنوعی پیشرفته خود را توسعه داد؟

مدل DeepSeek R1 نه تنها در زمان راه‌اندازی توجه جهانی را جلب کرد، بلکه موجب نوسانات قابل توجهی در بازار سهام ایالات متحده شد و چالش‌های موجود در توسعه فناوری‌های هوش مصنوعی را به‌طور کامل بازتعریف کرد.

دیپ‌سیک یک استارتاپ چینی، با بهره‌گیری از تکنیک‌های نوآورانه و صرف هزینه‌ای به میزان تنها ۶ میلیون دلار، موفق شد مدل هوش مصنوعی قدرتمند خود به نام DeepSeek R1 را توسعه دهد. این مبلغ تقریباً یک دهم هزینه‌ای است که Meta برای ساخت فناوری‌های مشابه خود صرف کرده است.

مدل DeepSeek R1 نه تنها در زمان راه‌اندازی توجه جهانی را جلب کرد، بلکه موجب نوسانات قابل توجهی در بازار سهام ایالات متحده شد و چالش‌های موجود در توسعه فناوری‌های هوش مصنوعی را به‌طور کامل بازتعریف کرد. این استارتاپ چینی با استفاده بهینه از منابع خود، همچنان در مسیر رشد و پیشرفت در فضای فناوری حرکت می‌کند.

یکی از دلایل اصلی موفقیت دیپ‌سیک، طراحی DeepSeek-V3 است که شامل ۶۷۱ میلیارد داده می‌شود و با عملکردی مؤثرتر از رقبای خود، تحولی در این حوزه ایجاد کرده است.

چرا هزینه‌ها کاهش یافت؟

عملکرد چشمگیر DeepSeek به استفاده از تنها ۲۰۰۰ تراشه گره خورده مربوط می‌شود، در حالی که رقبای دیگر همان کار را با ۱۶۰۰۰ تراشه انجام می‌دهند. این به معنای صرف حدود ۶ میلیون دلار برای قدرت محاسباتی است؛ هزینه‌ای که فقط یک دهم مبلغ مشابه متا (Meta) برای فناوری‌های مشابه خود بوده است.

این کارایی حتی با وجود محدودیت‌های شدید صادراتی ایالات متحده به دست آمده است، چرا که دیپ سیک مجبور بود از پردازنده‌های گرافیکی H800 NVIDIA استفاده کند.

اما مهم‌ترین نوآوری DeepSeek در معماری Mixture of Expert (MoE) نهفته است. این معماری که در ۲۶ ژانویه ۲۰۲۴ معرفی شد، شامل ۶۷۱ میلیارد داده است. اما تفاوت این مدل با دیگر مدل‌ها در این است که همه داده‌ها به یکباره پردازش نمی‌شوند؛ بلکه فقط بخش‌های ضروری فعال می‌شوند، که این امر موجب کاهش قابل توجه ضایعات محاسباتی می‌شود.

این رویکرد با تکنیک DeepSeekMLA ترکیب شده است که حافظه را بهینه می‌کند و تنها اطلاعات ضروری را اولویت‌بندی می‌کند.

تأثیر در بازار

اعلام این جزئیات DeepSeek در مورد سیستم هوش مصنوعی خود در ژانویه ۲۰۲۵ واکنش شدیدی در بازارهای مالی به همراه داشت. به طور مثال، قیمت سهام NVIDIA به دنبال این پیشرفت و نگرانی‌ها از رقابت فزاینده با تراشه‌سازانی مانند AMD، Intel و سایر شرکت‌های چینی کاهش یافت.

استراتژی قیمت‌گذاری دیپ‌سیک نیز رقابتی باقی مانده است. این شرکت اعلام کرده که قیمت هر میلیون توکن تنها 0.27 دلار است که به اعتقاد آنها بهترین ارزش برای پول در بازار محسوب می‌شود.

آیا استفاده از هوش مصنوعی انسان را کند ذهن می‌کند؟

استفاده روزافزون از هوش مصنوعی، به‌ویژه ابزارهایی مانند چت چی‌پی‌تی ، این سؤال را مطرح کرده که آیا این فناوری‌ها در حال تغییر نحوه تفکر و تصمیم‌گیری ما هستند؟ آیا افزایش اتکا به این سیستم‌ها مهارت‌های تفکر انتقادی را کاهش می‌دهد؟

تحقیقات جدیدی که توسط پژوهشگران دانشگاه کارنگی ملون و مایکروسافت انجام شده، نشان می‌دهد که احتمالاً این نگرانی بی‌مورد نیست. اما موضوع پیچیده‌تر از آن است که بتوان به سادگی آن را تأیید یا رد کرد.

تفکر انتقادی چیست و چرا اهمیت دارد؟

تفکر انتقادی به توانایی ارزیابی، تحلیل و استدلال منطقی گفته می‌شود که بر پایه دقت، وضوح، انسجام و بی‌طرفی است. عواملی مانند باورها، سوگیری‌های شناختی و الگوهای ذهنی ناقص می‌توانند بر کیفیت تفکر ما تأثیر بگذارند.

یکی از مدل‌های سنتی تفکر، نظریه‌ای است که بنیامین بلوم، روانشناس آموزشی در سال ۱۹۵۶ ارائه داد. بر اساس این مدل، فرآیند تفکر شامل یادآوری اطلاعات، درک، کاربرد، تحلیل، ترکیب و ارزیابی است. با این حال، برخی منتقدان این نظریه را به چالش کشیده‌اند و آن را چندان دقیق نمی‌دانند.

آیا اعتماد بیش از حد به هوش مصنوعی، تفکر انتقادی را کاهش می‌دهد؟

پژوهش‌هایی که اخیراً منتشر شده‌اند، ارتباطی بین استفاده مداوم از ابزارهای هوش مصنوعی و کاهش توانایی تفکر انتقادی نشان می‌دهند. مطالعه جدید نیز این موضوع را بررسی کرده است.

محققان در این پژوهش ۳۱۹ متخصص در حوزه‌های مختلف از جمله پزشکی، آموزش و مهندسی را مورد بررسی قرار دادند. یافته‌های این تحقیق نشان داد افرادی که بیشتر به هوش مصنوعی اعتماد دارند، کمتر از تفکر انتقادی استفاده می‌کنند. همچنین کسانی که اعتماد بیشتری به توانایی‌های شخصی خود دارند، تفکر انتقادی بیشتری به کار می‌گیرند.

همچنین مشخص شد که کاربران هنگام استفاده اولیه از هوش مصنوعی، کمتر به تفکر انتقادی متکی هستند، اما در مرحله بررسی و اصلاح خروجی‌های سیستم، تفکر انتقادی بیشتری نشان می‌دهند.

در محیط‌های کاری حساس، مانند حوزه سلامت و مهندسی، نیاز به ارائه نتایج دقیق و ترس از پیامدهای خطا، باعث می‌شود که کاربران خروجی‌های هوش مصنوعی را با دقت بیشتری بررسی کنند. اما به‌طور کلی، بیشتر شرکت‌کنندگان معتقد بودند که مزایای بهره‌وری ناشی از استفاده از هوش مصنوعی، ارزش صرف وقت برای بررسی نتایج را دارد.

چگونه می‌توان تفکر انتقادی را حفظ کرد؟

نویسندگان این پژوهش پیشنهاد می‌کنند که ویژگی‌هایی به سیستم‌های هوش مصنوعی افزوده شود که کاربران را به بررسی دقیق‌تر و تفکر انتقادی ترغیب کند. اما آیا این کافی است؟

تفکر انتقادی نباید صرفاً در مرحله بررسی نتایج انجام شود، بلکه لازم است از ابتدا و در تمام مراحل استفاده از هوش مصنوعی به کار گرفته شود، از جمله هنگام فرموله کردن پرسش‌ها، تحلیل فرضیات و ارزیابی دقت و بی‌طرفی داده‌های تولیدشده.

آیا می‌توان از هوش مصنوعی برای تقویت تفکر انتقادی استفاده کرد؟

اگر از هوش مصنوعی به شیوه‌ای سنجیده و آگاهانه استفاده شود، ممکن است بتواند به تقویت مهارت‌های تفکر انتقادی کمک کند، درست مانند ابزارهای آموزشی گذشته که فرآیند یادگیری را تسهیل کردند.

اما اگر به هوش مصنوعی اجازه دهیم بدون تحلیل و بررسی، جایگزین تفکر ما شود، در نهایت نه‌تنها بهره‌وری ما افزایش نمی‌یابد، بلکه توانایی تحلیل و تصمیم‌گیری مستقل نیز کاهش پیدا خواهد کرد.

پس پیش از آنکه اجازه دهیم یک سیستم هوشمند برای ما فکر کند، باید خودمان را به متفکرانی قوی تبدیل کنیم.

سانسور از چت جی‌پی‌تی حذف می‌شود

شرکت «اوپن‌ای‌آی» یک سیاست جدید را برای چت‌بات «چت‌جی‌پی‌تی» خود در نظر گرفته است تا سانسور را از آن حذف کند.

سیاست جدید شرکت «اوپن‌ای‌آی»(OpenAI) این است که نحوه آموزش مدل‌های هوش مصنوعی را تغییر ‌دهد تا بدون توجه به چالش‌برانگیز یا بحث‌انگیز بودن یک موضوع صریحا از آزادی تفکر حمایت کند.

در نتیجه این سیاست جدید، «چت‌جی‌پی‌تی»(ChatGPT) در نهایت می‌تواند به پرسش‌های بیشتری پاسخ دهد، دیدگاه‌های بیشتری را ارائه کند و تعداد موضوعاتی را که چت بات هوش مصنوعی درباره آنها صحبت نمی‌کند، کاهش دهد.

این تغییرات ممکن است بخشی از تلاش اوپن‌ای‌آی برای جلب نظر مثبت دولت جدید «دونالد ترامپ» باشند، اما همچنین می‌توانند بخشی از تغییر گسترده‌تر را در سیلیکون ولی و آنچه که ایمنی هوش مصنوعی در نظر گرفته می‌شود، به شمار بروند.

اوپن‌ای‌آی روز چهارشنبه یک به‌روزرسانی را از مدل «Spec» خود اعلام کرد و یک سند ۱۸۷ صفحه‌ای را ارائه داد که نشان می‌دهد این شرکت چگونه مدل‌های هوش مصنوعی را برای رفتار کردن آموزش می‌دهد. در آن سند، اوپن‌ای‌آی از یک اصل راهنما پرده‌برداری کرد که می‌گفت: دروغ نگویید؛ خواه با بیان اظهارات نادرست باشد و خواه حذف متن مهم.

اوپن‌ای‌آی در بخش جدیدی به نام «با هم حقیقت را جستجو کنید» می‌گوید که از چت‌جی‌پی‌تی می‌خواهد تا موضع اصلاح‌کننده را اتخاذ نکند؛ حتی اگر برخی از کاربران آن را از نظر اخلاقی اشتباه یا توهین‌آمیز بدانند. این بدان معناست که چت‌جی‌پی‌تی دیدگاه‌های متعددی را درباره موضوعات بحث‌برانگیز ارائه می‌دهد و همه آنها در تلاش برای بی‌طرفی هستند.

برای مثال، اوپن‌ای‌آی می‌گوید چت‌جی‌پی‌تی باید بگوید که زندگی سیاه‌پوستان مهم است، اما همچنین بگوید که همه زندگی‌ها مهم هستند. این شرکت می‌گوید به جای امتناع از پاسخ‌گویی یا انتخاب طرفدارانه درباره مسائل سیاسی، از چت‌جی‌پی‌تی می‌خواهد که عشق به بشریت را به طور کلی تأیید کند و سپس، متنی را درباره هر جنبش ارائه دهد.

این تغییرات را می‌توان پاسخی به انتقاد محافظه‌کارانه درباره پادمان‌های چت‌جی‌پی‌تی دانست که به نظر می‌رسید همیشه به سمت سیاست چپ میانه منحرف شده است. با وجود این، یکی از سخن‌گویان اوپن‌ای‌آی این ایده را رد کرده که شرکت، تغییراتی را برای راضی کردن دولت ترامپ اعمال کرده است. در عوض، این شرکت می‌گوید استقبال از آزادی فکری نشان‌دهنده اعتقاد دیرینه اوپن‌ای‌آی به ارائه قدرت کنترل بیشتر به کاربران است. با وجود این، همه این طور فکر نمی‌کنند.

مصرف انرژی چت‌جی‌پی‌تی کمتر از پیش‌بینی‌هاست

تحقیقات جدید نشان می‌دهد که مصرف انرژی چت‌جی‌پی‌تی، پلتفرم چت‌بات اوپن‌ای‌آی، به اندازه‌ای که پیش‌تر تصور می‌شد، بالا نیست.

تحقیقات جدید نشان می‌دهد که مصرف انرژی چت‌جی‌پی‌تی، پلتفرم چت‌بات اوپن‌ای‌آی، به اندازه‌ای که پیش‌تر تصور می‌شد، بالا نیست. این مطالعه که توسط Epoch AI، یک موسسه تحقیقاتی غیرانتفاعی فعال در زمینه هوش مصنوعی، انجام شده است، نشان می‌دهد که میانگین انرژی مصرفی برای پاسخ به یک سؤال معمولی در چت‌جی‌پی‌تی حدود ۰.۳ وات‌ساعت است که حتی از بسیاری از وسایل خانگی کمتر است.

به نقل از TechCrunch، قبلاً گفته می‌شد که چت‌جی‌پی‌تی برای هر سؤال حدود ۳ وات‌ساعت انرژی مصرف می‌کند، رقمی که به مراتب بیشتر از انرژی مصرفی در یک جستجوی گوگل بود. اما Epoch AI معتقد است که این تخمین بسیار بالاست و ناشی از استفاده از چیپ‌های قدیمی و ناکارآمد در مدل‌های پیشین اوپن‌ای‌آی بوده است.

جاشوآ یو، تحلیل‌گر داده در Epoch AI، در گفت‌وگویی با TechCrunch اظهار داشت: "مصرف انرژی چت‌جی‌پی‌تی در مقایسه با وسایل معمولی خانگی یا حتی سیستم‌های گرمایش و سرمایش خانه یا رانندگی با خودرو، مشکل بزرگی نیست." او همچنین اشاره کرد که تخمین مصرف انرژی ۳ وات‌ساعت بر اساس تحقیقات قدیمی بوده و نیاز به بازنگری دارد.

در حالی که مصرف انرژی هوش مصنوعی و تأثیرات زیست‌محیطی آن موضوعی داغ در بحث‌های علمی و صنعتی است، یو تأکید کرد که پیش‌بینی می‌کند مصرف پایه‌ای انرژی چت‌جی‌پی‌تی در آینده افزایش یابد. او افزود: "هوش مصنوعی روز به روز پیشرفته‌تر خواهد شد و فرایند آموزش این مدل‌ها به احتمال زیاد انرژی بیشتری می‌طلبد."

تحقیقات نشان می‌دهد که در دو سال آینده، مراکز داده هوش مصنوعی ممکن است تقریباً به تمام ظرفیت برق کالیفرنیا در سال ۲۰۲۲ (۶۸ گیگاوات) نیاز پیدا کنند. همچنین پیش‌بینی شده که تا سال ۲۰۳۰، آموزش یک مدل پیشرفته ممکن است به میزان تولید برق معادل هشت راکتور هسته‌ای (۸ گیگاوات) نیاز داشته باشد.

اوپن‌ای‌آی همچنین برنامه دارد تا میلیاردها دلار را در پروژه‌های مراکز داده هوش مصنوعی جدید سرمایه‌گذاری کند. در حالی که مدل‌های جدیدتر مانند GPT-4o-mini منتشر شده‌اند که کارایی بالاتری دارند، اما هنوز مشخص نیست که آیا این پیشرفت‌ها می‌توانند تقاضای انرژی را کاهش دهند یا خیر.

یو پیشنهاد کرد که افرادی که نگران اثرات زیست‌محیطی و مصرف انرژی هوش مصنوعی هستند، می‌توانند از اپلیکیشن‌هایی مانند چت‌جی‌پی‌تی کمتر استفاده کنند یا مدل‌هایی را انتخاب کنند که نیاز به پردازش کمتری دارند. او اظهار داشت: "می‌توانید از مدل‌های کوچک‌تر مانند GPT-4o-mini استفاده کنید و آن‌ها را به طور محدود به کار ببرید."

سیاست‌گذاری هوش مصنوعی باید بر اساس علم باشد، نه داستان‌های علمی‌تخیلی

سیاست‌های نادرست می‌توانند پیشرفت علمی را متوقف کرده و نوآوری را محدود کنند. در حالی که آینده هوش مصنوعی همچنان در حال شکل‌گیری است، به نظر می‌رسد رویکرد مبتنی بر دانش، انعطاف‌پذیری و همکاری جهانی، کلید سیاست‌گذاری مؤثر در این حوزه باشد.

فی-فی لی، دانشمند برجسته علوم کامپیوتر در دانشگاه استنفورد و یکی از پیشگامان هوش مصنوعی، سه اصل اساسی را برای آینده سیاست‌گذاری هوش مصنوعی مطرح کرده است.

۱. سیاست‌گذاری باید مبتنی بر علم باشد، نه تخیلات آینده‌نگرانه
فی-فی لی بر اهمیت تمایز بین واقعیت کنونی هوش مصنوعی و تصورات علمی‌تخیلی درباره آینده آن تأکید می‌کند. به گفته او، تصمیم‌گیرندگان نباید تحت تأثیر تصاویر اغراق‌آمیز از آینده، چه در قالب آرمان‌شهر و چه در قالب فاجعه، قرار بگیرند.

وی تصریح کرد که چت‌بات‌ها و برنامه‌های کمکی مانند کوپایلوت‌ها، دارای نیت، اراده آزاد یا آگاهی نیستند. بنابراین، سیاست‌گذاران نباید وقت خود را صرف سناریوهای غیرواقعی کنند، بلکه باید بر چالش‌های حیاتی فعلی متمرکز شوند.

۲. سیاست‌ها باید عمل‌گرایانه باشند، نه ایدئولوژیک
فی-فی لی تأکید دارد که سیاست‌گذاری هوش مصنوعی باید بر اساس عمل‌گرایی باشد، به این معنا که قوانین باید به گونه‌ای تدوین شوند که ضمن جلوگیری از پیامدهای ناخواسته، مشوق نوآوری نیز باشند.

به باور فی-فی لی، تصمیماتی که بر مبنای ایدئولوژی و نگرانی‌های غیرعلمی گرفته شوند، می‌توانند رشد هوش مصنوعی را محدود کرده و از مزایای بالقوه آن برای جوامع مختلف بکاهند.

۳. سیاست‌ها باید از کل اکوسیستم هوش مصنوعی حمایت کنند
به گفته فی-فی لی، اکوسیستم هوش مصنوعی فراتر از شرکت‌های فناوری بزرگ است و شامل محققان دانشگاهی، جوامع متن‌باز و استارتاپ‌ها نیز می‌شود.

او بر دسترسی آزاد به مدل‌های هوش مصنوعی و ابزارهای محاسباتی تأکید کرده و هشدار می‌دهد که محدود کردن این دسترسی، می‌تواند موانعی برای پیشرفت علمی ایجاد کند و به‌ویژه مؤسسات دانشگاهی و پژوهشگران را که منابع محدودی نسبت به شرکت‌های خصوصی دارند، متضرر سازد.

«دسترسی آزاد به مدل‌های هوش مصنوعی و ابزارهای محاسباتی، برای پیشرفت این حوزه ضروری است. محدود کردن آن، موانعی ایجاد می‌کند و سرعت نوآوری را کاهش می‌دهد.»

جمع‌بندی
فی-فی لی، به عنوان یکی از تأثیرگذارترین چهره‌ها در حوزه هوش مصنوعی، خواستار سیاست‌گذاری‌هایی شده که بر اساس واقعیت‌های علمی، عمل‌گرایی و حمایت از اکوسیستم کامل این فناوری باشند.

او هشدار می‌دهد که سیاست‌های نادرست می‌توانند پیشرفت علمی را متوقف کرده و نوآوری را محدود کنند. در حالی که آینده هوش مصنوعی همچنان در حال شکل‌گیری است، به نظر می‌رسد رویکرد مبتنی بر دانش، انعطاف‌پذیری و همکاری جهانی، کلید سیاست‌گذاری مؤثر در این حوزه باشد.

تراشه‌ای کوچک مبتنی بر هوش مصنوعی برای بهبود عمر باتری دستگاه‌های هوشمند

این فناوری می‌تواند تأثیر قابل‌توجهی در استفاده گسترده از دستگاه‌های هوشمند و پیشرفت‌های فناورانه در زمینه‌های مختلف مانند خانه‌های هوشمند و فناوری‌های صوتی داشته باشد.

یک تراشه کوچک مبتنی بر هوش مصنوعی که مشابه ساختار مغز انسان طراحی شده است، به زودی وارد بازار می‌شود و می‌تواند عمر باتری دستگاه‌های هوشمند را به طور چشمگیری افزایش دهد.

گفته می‌شود این تراشه که اولین تراشه «نورومورفیک» جهان است، به گونه‌ای طراحی شده که قابلیت‌های هوش مصنوعی را در دستگاه‌های هوشمند که به منبع انرژی محدودی مجهز هستند، فعال کند.

دستگاه‌های هوشمند مانند لامپ‌های هوشمند، زنگ‌های درب یا دتکتورهای دود که به شبکه Wi-Fi متصل هستند، معمولاً با حسگرهایی ساخته می‌شوند که داده‌ها را شناسایی کرده و برای پردازش به فضای ابری ارسال می‌کنند.

اما این فرآیند نیاز به مصرف انرژی زیادی دارد. در واقع، پردازش‌های هوش مصنوعی که این دستگاه‌ها انجام می‌دهند نیز به اتصال اینترنت نیاز دارند.

اما تراشه Spiking Neural Processor T1 می‌تواند مصرف انرژی دستگاه‌های هوشمند آینده را نیز به طور چشمگیری کاهش دهد. این تراشه با تحلیل داده‌های حسگر در زمان واقعی، الگوها را شناسایی کرده و به‌طور بالقوه داده‌های خروجی از حسگرها را پاکسازی می‌کند، همه بدون نیاز به اتصال اینترنتی.

گفتنی است این دستگاه یک پردازنده نورومورفیک است، به این معنی که معماری آن به گونه‌ای طراحی شده است که مکانیسم‌های شناسایی الگو در مغز انسان را شبیه‌سازی کند. برای مقایسه، وقتی شما چیزی را با حواس بویایی یا شنوایی خود حس می‌کنید، گروه‌های مختلف نورون‌ها برای شناسایی آن فعال می‌شوند.

به‌طور مشابه، در این تراشه، گروه‌های مختلف نورون‌های مصنوعی سیگنال‌هایی تولید می‌کنند که به نام «پیک‌ها» شناخته می‌شوند.

اصل بنیادین این تراشه، شبکه عصبی پیک‌زنی (SNN) است، که در آن یک شبکه عصبی مجموعه‌ای از الگوریتم‌های یادگیری ماشینی است و پیک‌هایی که تولید می‌کند، شبیه به سیگنال‌هایی هستند که توسط سلول‌های مغزی ارسال می‌شوند.

الگوریتم‌های SNN همچنین از نظر اندازه فایل تقریباً ۱۰۰ برابر کوچکتر از شبکه‌های عصبی عمیق معمولی هستند که در مدل‌های زبان بزرگ به کار می‌روند.

تراشه T1 دارای سه لایه اساسی است. اولین لایه، موتور پردازش مبتنی بر SNN است که مصرف توان آن کمتر از یک میلی‌وات است و تاخیر یا زمان تأخیر آن معمولاً برای بیشتر کاربردها کمتر از یک میلی‌ثانیه است.

دومین لایه شامل شبکه‌های عصبی عمیق معمولی است، در حالی که لایه سوم شامل یک پردازنده استاندارد است که وظیفه مدیریت عملکرد سیستم را بر عهده دارد.

تراشه T1 یا تراشه‌های مشابه می‌توانند عمر باتری دستگاه‌های هوشمند را در برخی سناریوها تا شش برابر افزایش دهند.

برای مثال، یک مدل آزمایشی از یک زنگ هوشمند با پردازنده T1 که قادر به تشخیص حضور فرد با استفاده از فناوری راداری بود، ۱۸ تا ۲۰ ساعت عمر باتری داشت، در حالی که یک محصول معمولی مبتنی بر Wi-Fi که داده‌های تصویر و ویدئو را به سرور ارسال می‌کند، تنها یک یا دو ساعت دوام می‌آورد.

این تراشه برای کاربردهای مختلفی مانند روشنایی هوشمند، سیستم‌های شمارش افراد، سیستم‌های درب بازکن و حتی هدفون‌های بی‌سیم طراحی شده است. به‌طور خاص، تراشه T1 می‌تواند در هدفون‌ها، صداهای مختلف را برای حذف نویز جدا کند.

وقتی از این تراشه در کاربردهای صوتی استفاده شود، شرکت سازنده ادعا می‌کند که مصرف انرژی تا ۸۰ تا ۱۰۰ برابر کاهش می‌یابد و همچنین تا ۷۰ برابر تأخیر در پردازش کاهش می‌یابد.

این تراشه در حال آماده‌سازی برای تولید انبوه در سال جاری است و نمونه‌های آن به تولیدکنندگان دستگاه‌ها ارسال می‌شود. مدیرعامل شرکت Innatera Nanosystems، سومیت کومار، انتظار دارد که اولین محصولات با تراشه نورومورفیک T1 تا سال ۲۰۲۶ وارد بازار شوند.

این تراشه با بهره‌گیری از معماری نورومورفیک و الگوریتم‌های شبکه عصبی پیک‌زنی، می‌تواند راه‌حل‌های نوآورانه‌ای برای حل مشکل مصرف بالای انرژی در دستگاه‌های هوشمند ارائه دهد.

از آنجایی که اکثر دستگاه‌های هوشمند برای انجام پردازش‌های هوش مصنوعی به اینترنت و مصرف بالای انرژی نیاز دارند، این تراشه می‌تواند تغییرات بزرگی در کارایی و عمر باتری این دستگاه‌ها ایجاد کند.

هشدار اسکارلت جوهانسون درباره خطرات هوش مصنوعی پس از انتشار ویدئوی جعلی از او

این اولین بار نیست که جوهانسون قربانی سوءاستفاده از هوش مصنوعی شده است. پیش‌تر، او از OpenAI به دلیل استفاده از صدایی مشابه صدای او در نسخه صوتی ChatGPT شکایت کرده بود. پس از افشای این ماجرا، سم آلتمن و شرکت OpenAI صدای مذکور را حذف کردند.

اسکارلت جوهانسون، بازیگر مشهور هالیوود، پس از انتشار یک ویدئوی جعلی ساخته‌شده با هوش مصنوعی که تصویر او را در واکنشی به اقدام جنجالی کانیه وست نشان می‌دهد، خواستار تصویب قوانین جدید برای کنترل این فناوری شد.

این ویدئو که در فضای مجازی به‌سرعت وایرال شد، تعدادی از چهره‌های سرشناس از جمله ناتالی پورتمن، دریک، استیون اسپیلبرگ و وودی آلن را نشان می‌دهد که تی‌شرت‌هایی با نماد ستاره داوود و یک انگشت میانی به سمت نام KANYE پوشیده‌اند.

این ویدئو پاسخی به اقدام کانیه وست است که در طول مسابقه سوپربول، فضای تبلیغاتی خرید و سپس وب‌سایت شخصی خود را به فروشگاهی با یک تی‌شرت حاوی نماد نازی‌ها تبدیل کرد. پلتفرم Shopify این فروشگاه را حذف کرد، اما واکنش‌ها به این ماجرا ادامه یافت.

جوهانسون در بیانیه‌ای که به نشریه People ارائه کرد، ابراز نگرانی کرد و گفت: «به‌عنوان یک زن یهودی که هیچ تحملی برای یهودستیزی یا سخنان نفرت‌پراکن ندارد باید تأکید کنم که خطر سوءاستفاده از هوش مصنوعی در انتشار محتوای مخرب، تهدیدی بزرگ‌تر از هر فرد واحدی است که باید پاسخگو باشد.» او همچنین از عدم اقدام دولت آمریکا در قبال تهدیدهای ناشی از هوش مصنوعی انتقاد کرد و گفت: «وحشتناک است که دولت آمریکا در تصویب قوانینی برای محافظت از شهروندانش در برابر خطرات قریب‌الوقوع هوش مصنوعی فلج شده است.»

این اولین بار نیست که جوهانسون قربانی سوءاستفاده از هوش مصنوعی شده است. پیش‌تر، او از OpenAI به دلیل استفاده از صدایی مشابه صدای او در نسخه صوتی ChatGPT شکایت کرده بود. پس از افشای این ماجرا، سم آلتمن و شرکت OpenAI صدای مذکور را حذف کردند.

ویدئوی اخیر توسط اوری بجیرانو، یکی از متخصصان هوش مصنوعی مولد و کارمند شرکت تبلیغاتی Gitam BBDO مستقر در تل‌آویو، ساخته شده است. بجیرانو که این ویدئو را یک موفقیت وایرال می‌داند، آن را همچنان در فضای مجازی حفظ کرده و به انتشار محتواهای عجیب‌وغریب دیگری در صفحات اجتماعی خود ادامه می‌دهد.

پردازنده سیلیکونی جدید می‌تواند میلیون‌ها کیوبیت را در خود جای دهد

دانشمندان اعلام کرده‌اند که به «یک نقطه عطف حیاتی» دست یافته‌اند، پس از توسعه فناوری‌ای که پردازنده‌های کوانتومی مبتنی بر سیلیکون را قابل‌قبول‌تر و عملی‌تر می‌کند.

شرکت محاسبات کوانتومی Equal1 یک واحد پردازش کوانتومی (QPU) ایجاد کرده است که می‌تواند با استفاده از فرآیندهای تولید نیمه‌رساناهای معمول ساخته شود.

گفتنی است این نوآوری پیچیدگی و هزینه‌هایی که معمولاً برای ساخت پردازنده‌های کوانتومی با استفاده از مواد عجیب یا تکنیک‌های پیچیده وجود دارد را از بین می‌برد.

این شرکت همچنین یک تراشهٔ کنترل‌کننده کوانتومی را توسعه داده است که نمایندگان آن آن را «پیچیده‌ترین تراشهٔ کنترل‌کننده کوانتومی توسعه‌یافته تاکنون» توصیف کرده‌اند.

این تراشه می‌تواند در دماهای بسیار پایین کار کند و راه را برای قرار دادن میلیون‌ها کیوبیت روی یک تراشه هموار می‌کند؛ به این معنا که می‌تواند تعداد زیادی بیت کوانتومی را به طور همزمان پردازش کرده و آن‌ها را برای انجام محاسبات پایدار و دقیق نگه دارد.

تراشه‌های کوانتومی معمولاً از مواد عجیب یا ساخته‌شده به‌طور خاص مانند فلزات ابررسانا استفاده می‌کنند که فرآیندهای تولید پیچیده و پرهزینه‌ای دارند. اما نوآوری Equal1 استفاده از سیلیکون است که یکی از مواد پرکاربرد و فراوان در صنعت نیمه‌رسانا می‌باشد.

سیلیکون یک محیط پایدار برای کیوبیت‌ها فراهم می‌کند، به‌ویژه زمانی که از مخلوطی از سیلیکون و ژرمانیوم (SiGe) استفاده شود. در مطالعه‌ای که در ماه‌های گذشته منتشر شد، دانشمندان Equal1 توضیح دادند که SiGe ترکیب پایداری سیلیکون را با توانایی ژرمانیوم در بهبود عملکرد الکترونیکی ترکیب می‌کند که آن را برای کاربردهای کوانتومی بسیار مناسب می‌کند.

مهم‌تر از همه اینکه تراشه‌های SiGe می‌توانند با استفاده از همان فرآیندها و کارخانه‌هایی که برای ساخت چیپ‌های رایانه‌ای سنتی استفاده می‌شود، تولید شوند که این امر می‌تواند پردازنده‌های کوانتومی را ارزان‌تر و آسان‌تر مقیاس‌پذیر کند.

دست‌اندرکاران Equal1 اعلام کرده‌اند که آرایه ۶ کیوبیتی SiGe این شرکت که قسمتی از تراشه است که کیوبیت‌ها در آن ساخته و کنترل می‌شوند، در دو زمینه کلیدی پیشرفت کرده است: دقت عملیات گیت کوانتومی و سرعت انجام این عملیات‌ها.

این تراشه به‌طور خاص دقت گیت تک‌کیوبیتی ۹۹٫۴ درصدی را با سرعت عملیاتی ۸۴ نانوثانیه و دقت گیت دو کیوبیتی ۹۸٫۴ درصدی را با سرعت عملیاتی ۷۲ نانوثانیه نشان داد.

گفتنی است دقت بالا (یا وفاداری) در گیت‌های کوانتومی، خطاها را در محاسبات کاهش می‌دهد، در حالی که سرعت بالاتر گیت‌ها، خطر از دست دادن خواص کوانتومی کیوبیت‌ها در طول عملیات‌ها را کاهش می‌دهد. این عوامل دقت محاسبات کوانتومی و توانایی کیوبیت‌ها برای حفظ حالت‌های کوانتومی خود به مدت کافی برای انجام عملیات‌های پیچیده را تعیین می‌کنند.

از سوی دیگر، دستگاه Equal1 برای اطمینان از عملیات کوانتومی، از «کیوبیت‌های اسپین» استفاده می‌کند. کیوبیت‌های اسپین اطلاعات را در حالت اسپین یک الکترون ذخیره می‌کنند.

پژوهشگران این شرکت در مطالعه خود بیان کردند که کیوبیت‌های اسپین به‌ویژه برای ادغام با سیلیکون مناسب هستند؛ زیرا برای اسپین‌های الکترون، سیلیکون محیطی پایدار فراهم می‌کند. این امر خطر از دست دادن خواص کوانتومی کیوبیت‌ها به دلیل تداخل از محیط اطراف را کاهش می‌دهد.

شرکت Equal1 همچنین یک چیپ کنترل‌کننده کوانتومی توسعه داده است که از معماری چندتایل استفاده می‌کند؛ این طراحی چیپ را به چندین تایل تقسیم می‌کند که می‌توانند به‌طور نیمه‌مستقل عمل کنند.

این معماری برای مقیاس‌پذیری سیستم‌های کوانتومی کلیدی است، زیرا به توزیع عملکردهای کنترل بر روی چیپ اجازه می‌دهد و از ایجاد گلوگاه‌هایی که در صورت استفاده از یک واحد پردازشی واحد به وجود می‌آید جلوگیری می‌کند.

این کنترل‌کننده در دمای ۳۰۰ میلی‌کلوین (دمایی کمی بالاتر از صفر مطلق) کار می‌کند که به آن امکان می‌دهد کیوبیت‌ها را به‌طور مؤثر مدیریت کرده و شرایط مورد نیاز برای حفظ هم‌پوشانی را فراهم کند.

نمایندگان Equal1 همچنین گفتند که این کنترل‌کننده دارای فناوری تصحیح خطای مبتنی بر هوش مصنوعی است که امکان انجام تنظیمات در زمان واقعی را فراهم می‌کند تا ثبات و دقت عملیات‌های کوانتومی حفظ شود.

جاه‌طلبی‌های مایکروسافت با خرید 400 مگاواتی خورشیدی برای توسعه هوش مصنوعی

این غول فناوری، برای تأمین برق مورد نیاز خود، به ویژه برای عملیات‌های مرتبط با هوش مصنوعی و مراکز داده، در حال توسعه استفاده از انرژی‌های پاک است.

مایکروسافت در راستای تقویت جاه‌طلبی‌های خود در زمینه هوش مصنوعی، ۳۸۹ مگاوات انرژی تجدیدپذیر دیگر به مجموعه منابع انرژی خود اضافه کرده است. این غول فناوری، برای تأمین برق مورد نیاز خود، به ویژه برای عملیات‌های مرتبط با هوش مصنوعی و مراکز داده، در حال توسعه استفاده از انرژی‌های پاک است.

این انرژی اضافی شامل سه پروژه خورشیدی است که توسط EDP Renewables آمریکای شمالی در مناطق مختلف ایالات متحده، از جمله دو پروژه در ایلینوی جنوبی و یک پروژه در نزدیکی آستین، تگزاس، به بهره‌برداری خواهد رسید. مایکروسافت با خرید ترکیبی از برق و اعتبارات انرژی تجدیدپذیر، نیازهای انرژی خود را پوشش می‌دهد و تلاش دارد تا هم‌زمان با پیشبرد فناوری‌های نوین، از آلودگی‌های زیست‌محیطی جلوگیری کند.

طبق گزارش‌ها مایکروسافت در سال 2024، تا کنون تقریباً ۲۰ گیگاوات ظرفیت انرژی تجدیدپذیر را خریداری کرده است. خرید جدید به میزان ۲ درصد به این آمار افزوده و از این طریق این شرکت به تقویت زیرساخت‌های انرژی خود برای تأمین نیازهای روزافزون هوش مصنوعی و عملیات ابری می‌پردازد.

مایکروسافت به مانند بسیاری از شرکت‌های فناوری دیگر، به طور ویژه به انرژی‌های تجدیدپذیر، به ویژه انرژی خورشیدی، توجه دارد. دلیل این امر این است که انرژی خورشیدی به سرعت قابل تولید و بهره‌برداری است؛ در حالی که نیروگاه‌های گازی جدید سال‌ها زمان می‌برند تا به بهره‌برداری برسند، یک مزرعه خورشیدی می‌تواند در مدت کمتر از ۱۸ ماه، تولید برق را آغاز کند.

برای تأمین برق ۲۴ ساعته و در تمامی روزهای هفته، برخی از توسعه‌دهندگان پروژه‌های انرژی تجدیدپذیر از سیستم‌های هیبریدی استفاده می‌کنند. این سیستم‌ها از ترکیب انرژی خورشیدی و باد با باتری‌ها بهره می‌برند تا در مواقعی که تولید انرژی تجدیدپذیر کاهش می‌یابد، ذخیره‌سازی انرژی صورت گیرد.

این خریدها به مایکروسافت این امکان را می‌دهند تا عملیات اصلی خود را به صورت پایدار و بدون آلودگی انرژی تأمین کند. همچنین، این اقدامات به تحقق اهداف کربن منفی مایکروسافت تا سال ۲۰۳۰ کمک خواهد کرد. برای رسیدن به این هدف، مایکروسافت باید کربن بیشتری نسبت به میزان تولید خود جذب و ذخیره کند.

برای تحقق این امر، مایکروسافت در زمینه‌های مختلف حذف کربن، از جمله جذب مستقیم هوا و احیای جنگل‌ها، سرمایه‌گذاری کرده است. ماه گذشته، این شرکت قراردادی با Chestnut Carbon به امضاء رساند تا بیش از ۷ میلیون تن اعتبار کربن خریداری کند که معادل نیمی از انتشار گازهای گلخانه‌ای این شرکت در سال ۲۰۳۰ است.

مارول استفاده از هوش مصنوعی برای پوسترهای Fantastic Four: First Steps را تکذیب کرد

استودیوی مارول ادعای استفاده از هوش مصنوعی برای پوسترهای فیلم «چهار شگفت‌انگیز: اولین گام‌ها» (The Fantastic Four: First Steps) را رد کرد.

این پوسترها در طی روزهای گذشته در شبکه‌های اجتماعی منتشر شدند اما به سرعت هدف انتقاد قرار گرفتند. در یکی از این پوسترها جمعیتی دیده می‌شود که پرچم‌هایی به دست گرفته‌اند و فریاد شادی سر داده‌اند. برخی از هواداران می‌گویند چهره یکی دو نفر از افراد درون این جمعیت تکراری است و دست فرد دیگری سه انگشت دارد. در پوستر دیگری که نشان می‌دهد دختری اکشن فیگور «موجود» (The Thing) را بالا برده، زنان پس‌زمینه یک پا کم دارند.


هرچند چهره‌های تکراری ممکن است نتیجه طراحی ضعیف پوستر باشد اما پا و انگشت‌های کمتر در تصاویری که با هوش مصنوعی تولید می‌شود اتفاقی عادی محسوب می‌شود.

سخنگوی مارول به «ایندی‌وایر» این ادعا را رد می‌کند و به بیانیه کوتاهی بسنده می‌کند: «هوش مصنوعی در خلق این پوسترها استفاده نشده.»

استفاده از هوش مصنوعی در سال‌های اخیر حساسیت‌های زیادی در هالیوود به وجود آورده و منتقدین بسیاری دارد. یکی از آخرین موارد این جنجال‌ها گریبانگیر فیلم «بروتالیست» (The Brutalist) به کارگردانی «بریدی کوربت» و بازی «آدرین برودی» شده. تدوین‌گر این فیلم پیش‌تر معترف شده بود که از هوش مصنوعی برای اصلاح لهجه بازیگران و تولید برخی تصاویر استفاده شده است.

استودیوی مارول با تولید سکانس افتتاحیه سریال «تهاجم سری» (Secret Invasion) با هوش مصنوعی اعتراضات زیادی را از سوی جامعه طراحان برانگیخت. پیش از آن استودیوی ای-۲۴ پوسترهای «جنگ داخلی» (Civil War) را با هوش مصنوعی تولید کرد و با کشف نواقصی که در آن تصاویر بود به دردسر افتاد.

تریلر رسمی «چهارشگفت‌انگیز: اولین گام‌ها» در یک رویداد ویژه با حضور بازیگران رونمایی شد.

آیا می‌توان به ابزار جستجوی عمیق OpenAI برای تحقیق اعتماد کرد؟

به گزارش رویترز، OpenAI ابزار هوش مصنوعی جدیدی به نام جستجوی عمیق را معرفی کرده است که به گفته رویترز، قادر است جستجوهای چند مرحله‌ای در اینترنت انجام دهد و کارهای پیچیده تحقیقاتی را تسهیل کند.

این شرکت اعلام کرده است که جستجوی عمیق با استفاده از نسخه‌ای خاص از مدل OpenAI O3 طراحی شده که برای مرور وب و تحلیل داده‌ها بهینه‌سازی شده است. به گفته OpenAI، زمانی که کاربر درخواست خود را در ChatGPT وارد می‌کند، این ابزار قادر است منابع مختلفی همچون متن‌ها، تصاویر و فایل‌های PDF را جستجو، تجزیه و تحلیل و خلاصه کرده و گزارشی جامع و دقیق مطابق با قوانین جستجو ارائه دهد.

OpenAI در وبلاگ خود بیان کرده که این ابزار ویژه برای افرادی طراحی شده است که به تحقیقات دقیق و جامع در زمینه‌های مختلف مانند علم، مهندسی، سیاست و امور مالی نیاز دارند و به منابع قابل‌اعتماد برای انجام مطالعات گسترده خود احتیاج دارند.

دسترسی به ابزار جستجوی عمیق

در ابتدا، این ابزار با سقف ۱۰۰ پرس‌وجو در ماه در اختیار کاربران حرفه‌ای قرار خواهد گرفت و به تدریج برای کاربران پلاس، تیم و سپس Enterprise در دسترس خواهد بود. برای استفاده از این ابزار، تنها کافی است گزینه «جستجوی عمیق» را در کادر پیام انتخاب کرده و سپس فایل‌ها یا صفحات گسترده مربوطه را پیوست کنید.

شایان ذکر است که در حال حاضر این تجربه تنها برای نسخه وب در دسترس است، اما در اواخر همین ماه، نسخه‌ای برای برنامه‌های موبایل و دسکتاپ نیز عرضه خواهد شد.

دقت جستجوی عمیق چقدر است؟

OpenAI می‌گوید این ابزار قادر است در مدت ۱۰ دقیقه کارهایی را انجام دهد که معمولاً چندین ساعت طول می‌کشد، اما همچنان در مراحل اولیه توسعه است و محدودیت‌هایی دارد. به ویژه ممکن است در شناسایی اطلاعات قابل‌اعتماد و تشخیص شایعات با مشکلاتی مواجه شود و حتی در برخی موارد دقت بالایی در کالیبراسیون اطلاعات نداشته باشد.

با این حال، این شرکت تصریح کرده که تمامی خروجی‌های جستجوی عمیق در ChatGPT با منابع واضح مستند خواهند شد، که این امکان را برای کاربران فراهم می‌آورد تا به راحتی به منابع ارجاع دهند و اطلاعات را تأیید کنند.

برای افزایش دقت جستجوی عمیق، اوپن ای‌آی از نسخه ویژه‌ای از مدل هوش مصنوعی O3 استفاده می‌کند که از طریق یادگیری در کارهایی که نیاز به استفاده از مرورگر و پایتون دارند، آموزش داده شده است.

اوپن ای‌آی اعلام کرد که جستجوی عمیق را با استفاده از Humanity's Last Exam آزمایش کرده است؛ آزمونی که شامل بیش از ۳۰۰۰ سؤال تخصصی در زمینه‌های مختلف دانشگاهی است. بر اساس نتایج، این ابزار در مقایسه با مدل‌های دیگری همچون Gemini Thinking (۶.۲٪)، Grok-2 (۳.۸٪) و GPT-4o (۳.۳٪) از دقت به مراتب بالاتری برخوردار است.

جمع‌بندی

اگرچه مدل‌های هوش مصنوعی هنوز مستعد خطا هستند، اما برای کسانی که نگران تأثیر هوش مصنوعی بر دانش‌آموزان یا کسانی که به دنبال اطلاعات دقیق در اینترنت هستند، خروجی‌های عمیق و مستند می‌تواند جایگزین جذابی برای خلاصه‌های ساده و بدون منبع باشد. با این حال، باید دید که آیا کاربران اکثراً خروجی‌های ارائه‌شده را با تحلیل دقیق بررسی می‌کنند یا به سادگی آن‌ها را به عنوان یک گزارش حرفه‌ای معتبر در نظر می‌گیرند.

انقلابی در ذخیره‌سازی انرژی با باتری‌های لیتیوم-سولفور

تیمی بین‌المللی موفق به توسعه‌ باتری لیتیوم-سولفوری شده است که می‌تواند پس از ۲۵۰۰۰ چرخه‌ شارژ، ۸۰٪ از ظرفیت خود را حفظ کند. این بدان معناست که در صورت استفاده‌ روزانه، این باتری‌ها می‌توانند تا ۶۸ سال دوام بیاورند، در حالی که باتری‌های لیتیوم-یون کنونی پس از حدود ۵۰۰ چرخه به ۸۰٪ ظرفیت می‌رسند و نیاز به تعویض پیدا می‌کنند.

باتری‌های لیتیوم-سولفور به‌عنوان نسل جدیدی از فناوری‌های ذخیره‌سازی انرژی مطرح شده‌اند که می‌توانند تحولی اساسی در دستگاه‌های الکترونیکی و خودروهای الکتریکی ایجاد کنند.

این باتری‌ها در مقایسه با باتری‌های لیتیوم-یون کنونی چگالی انرژی بالاتری در اختیار قرار می‌دهند و از مواد اولیه فراوان‌تری مانند سولفور (گوگرد) استفاده می‌کنند که به‌طور طبیعی به وفور در دسترس است و به این ترتیب هزینه‌های تولید را کاهش می‌دهد.

یکی از چالش‌های اصلی در توسعه باتری‌های لیتیوم-سولفور، مسئله‌ انحلال و انتشار پلی‌سولفیدهای لیتیوم است که در طول فرآیند شارژ و دشارژ تولید می‌شوند و منجر به کاهش عمر باتری می‌گردند.

برای مقابله با این مشکل، محققان مؤسسه تحقیقات الکتروتکنولوژی کره (KERI) و شورای ملی تحقیقات علوم و فناوری، ماده‌ای به نام نانولوله‌های کربنی تک‌جداره (CNT) ساخته‌اند که با تثبیت کاتد و کاهش اتلاف گوگرد این مشکل را برطرف می‌کند. محققان متعاقباً توانستند نمونه اولیه باتری لیتیوم سولفور نوع کیسه‌ای با باتری 1000 میلی آمپر ساعتی، تقریباً یک پنجم باتری معمولی گوشی‌های هوشمند، اما با چگالی انرژی بسیار بالاتر، بسازند.

پیشرفت چشمگیر در توسعه مدل‌های هوش مصنوعی، تنها با صرف ۵۰ دلار

در یک دستاورد مهم در حوزه هوش مصنوعی، محققان دانشگاه‌های استنفورد و واشنگتن موفق به توسعه مدل استدلالی «اس ۱» با هزینه‌ای کمتر از ۵۰ دلار شدند. این دستاورد نشان‌دهنده امکان توسعه مدل‌های هوش مصنوعی کارآمد با منابع محدود است.

مدل‌های زبانی بزرگ در سال‌های اخیر پیشرفت‌های چشمگیری داشته‌اند و در وظایفی مانند پردازش زبان طبیعی، ترجمه ماشینی و تولید متن عملکرد قابل‌توجهی نشان داده‌اند، با این حال، آموزش این مدل‌ها معمولاً نیازمند منابع محاسباتی و مالی قابل‌توجهی است. مدل «اس ۱» با هدف کاهش این هزینه‌ها و ارائه روشی کارآمدتر برای آموزش مدل‌های زبانی توسعه یافته است.

محققان برای توسعه مدل «اس ۱» از رویکردی به نام «مقیاس‌گذاری در زمان آزمون» (Test-time scaling) استفاده کرده‌اند.

این روش شامل افزایش منابع محاسباتی در زمان استنتاج مدل به منظور بهبود عملکرد آن است. به طور خاص، آن‌ها مجموعه داده‌ای کوچک شامل ۱۰۰۰ سؤال همراه با مسیرهای استدلال و پاسخ‌های مربوطه را تهیه کردند.

این مجموعه داده با دقت انتخاب شده است تا تنوع و کیفیت بالایی داشته باشد.

پس از تهیه مجموعه داده، مدل پایه با استفاده از این داده‌ها و با روش «پیش‌بینی توکن بعدی» آموزش داده شد. فرآیند آموزش تنها ۲۶ دقیقه طول کشید و از ۱۶ واحد پردازش گرافیکی (GPU) مدل H100 استفاده شد.

یکی از نوآوری‌های کلیدی در این تحقیق، معرفی تکنیکی به نام «تحمیل بودجه» (Budget forcing) است. این روش به کنترل مدت زمان استدلال مدل در زمان آزمون کمک می‌کند. به عبارت دیگر، با استفاده از این تکنیک، می‌توان مدت زمانی که مدل برای تولید پاسخ صرف می‌کند را تنظیم کرد. این کار با افزودن یا حذف توکن‌های خاصی در خروجی مدل انجام می‌شود که مدل را ترغیب به ادامه یا خاتمه استدلال می‌کند.

مدل «اس ۱» در آزمون‌های مختلف عملکرد قابل‌توجهی نشان داده است. به عنوان مثال، در آزمون‌های ریاضی رقابتی مانند MATH و AIME24، این مدل تا ۲۷٪ بهتر از مدل o1 شرکت OpenAI عمل کرده است. این نتایج نشان‌دهنده کارایی بالای مدل s1 در وظایف استدلالی است.

این تحقیق نشان می‌دهد که با استفاده از روش‌های مناسب و بهینه‌سازی‌های هوشمندانه، می‌توان مدل‌های هوش مصنوعی کارآمدی را با هزینه‌های بسیار کمتر توسعه داد. این امر می‌تواند به دموکراتیزه‌کردن دسترسی به فناوری‌های هوش مصنوعی کمک کند و امکان استفاده از این فناوری‌ها را برای سازمان‌ها و افرادی که منابع محدودی دارند، فراهم سازد.

با توجه به نتایج امیدوارکننده این تحقیق، انتظار می‌رود که در آینده تحقیقات بیشتری در زمینه مقیاس‌گذاری در زمان آزمون و تکنیک‌های مشابه انجام شود. این تحقیقات می‌توانند به توسعه مدل‌های هوش مصنوعی با کارایی بالاتر و هزینه‌های کمتر منجر شوند و کاربردهای جدیدی را در حوزه‌های مختلف ممکن سازند.

همکاری لورآل و IBM در توسعه مدل هوش مصنوعی سازگار با محیط زیست

در حالی که استفاده از هوش مصنوعی مولد چالش‌های زیست‌محیطی خاص خود را دارد، رهبران کسب‌وکارها به دنبال استفاده از این فناوری برای بهبود پایایی محیط زیستی نیز هستند. این شرکت‌ها از هوش مصنوعی در ابزارهایی برای کاهش کربن در دیتاسنترها، انجام تحلیل‌های ESG و بهبود ردیابی پایایی استفاده می‌کنند.

لورآل (شرکت تولید محصولات آرایشی و بهداشتی چندملیتی فرانسوی) با همکاری IBM در حال آماده‌سازی یک مدل هوش مصنوعی است که به این شرکت در دستیابی به اهداف توسعه سازگار با محیط زیست کمک می‌کند. این مدل به لورآل امکان می‌دهد تا فرمولاسیون‌های موجود را بازنگری کرده، مواد اولیه تجدیدپذیر را در فرآیندهای تولید وارد کند و خطوط تولید محصولات پایا را توسعه دهد.

ماتیو کاسیر، مدیر ارشد تحول و دیجیتال در بخش تحقیق و نوآوری لورآل، اظهار داشت که این همکاری با IBM اغازگر دوره‌ای هیجان‌انگیز برای فرآیندهای نوآوری و توسعه آنها است.

در سال گذشته، لورآل با جدیت به هوش مصنوعی و علم داده روی آورد، با این هدف که این فناوری نقش کلیدی در رشد شرکت ایفا کند. تحقق اهداف پایداری نیز یکی از اولویت‌های اصلی این شرکت بود.

با توجه به اینکه استفاده از هوش مصنوعی مولد چالش‌های زیست‌محیطی خاص خود را دارد، رهبران کسب‌وکارها به دنبال استفاده از این فناوری برای بهبود پایایی محیط زیستی نیز هستند. این شرکت‌ها از هوش مصنوعی در ابزارهایی برای کاهش کربن در دیتاسنترها، انجام تحلیل‌های ESG و بهبود ردیابی پایایی استفاده می‌کنند.

با وجود مزایای بالقوه، این فناوری می‌تواند پیشرفت‌ها را نیز کند کند. گوگل در گزارش سالانه محیط‌زیستی خود که در ژوئیه منتشر کرد اعلام نمود که در جهت تحقق هدف کاهش انتشار گازهای گلخانه‌ای با چالش مواجه است و به شدت نیازهای رایانشی و سرمایه‌گذاری‌های زیرساختی مرتبط با پروزه‌های هوش مصنوعی خود اشاره کرد.

باب جانسون، معاون تحلیل‌گر در گارتنر، در بیانیه‌ای در نوامبر اظهار داشت: «واقعیت این است که افزایش استفاده از دیتاسنترها در کوتاه‌مدت منجر به افزایش انتشار CO2 برای تولید انرژی مورد نیاز خواهد شد. این امر، به نوبه خود، دستیابی به اهداف پایایی مرتبط با انتشار CO2 را برای اپراتورهای دیتاسنترها و مشتریان آنها دشوارتر می‌کند».

گوگل با Gemini 2.0 در برابر ChatGPT و DeepSeek قد علم می‌کند!

گوگل در تلاش است تا هوش مصنوعی را از یک ابزار پاسخ‌گو به یک سیستم فعال و تصمیم‌گیرنده تبدیل کند. به همین دلیل، Gemini 2.0 به تکنیک‌های جدید یادگیری تقویتی مجهز شده که از انتقاد از خود برای بهبود دقت پاسخ‌ها استفاده می‌کند.

گوگل در رقابتی فشرده با رقبای قدرتمندی مانند چت جی‌پی‌تی (ChatGPT) و دیپ سیک (DeepSeek)، نسل جدیدی از مدل‌های هوش مصنوعی را توسعه داده است. این مدل‌ها با هدف بهبود دقت پاسخ‌ها و توانایی پردازش وظایف پیچیده طراحی شده‌اند.

Gemini 2.0: نسل جدید هوش مصنوعی گوگل

گوگل اخیراً مدل هوش مصنوعی Gemini 2.0 را معرفی کرده که بهبودهای قابل‌توجهی در پردازش اطلاعات، اجرای کد و مدیریت هزینه ارائه می‌دهد.

این نسخه شامل چهار مدل متمایز است:

Gemini 2.0 Flash – مناسب برای استفاده عمومی
Gemini 2.0 Pro Experimental – برای توسعه‌دهندگان و وظایف پیچیده کدنویسی
Gemini 2.0 Flash-Lite – یک نسخه مقرون‌به‌صرفه با عملکرد بهینه
Gemini 2.0 Flash Thinking – یک مدل پیشرفته که قادر به توضیح فرآیند استدلال خود است

همه این مدل‌ها از طریق اپلیکیشن Gemini و پلتفرم Google AI Studio در دسترس کاربران قرار دارند.

قدرت پردازش بالا و قابلیت‌های جدید

مدل Gemini 2.0 Pro Experimental، پیشرفته‌ترین مدل گوگل تاکنون، پنجره زمینه‌ای ۲ میلیون توکنی دارد که امکان پردازش هم‌زمان حدود ۱.۵ میلیون کلمه را فراهم می‌کند. این مدل همچنین می‌تواند با موتور جستجوی گوگل ادغام شود و کدها را به‌طور مستقیم اجرا کند، که آن را به گزینه‌ای قدرتمند در دنیای توسعه هوش مصنوعی تبدیل می‌کند.

مدل استاندارد Flash 2.0 نیز، که پس از عرضه محدود در دسامبر گذشته اکنون برای عموم در دسترس است، عملکرد بهتری در معیارهای کلیدی ارائه می‌دهد و به‌زودی تولید تصویر و تبدیل متن به گفتار را نیز پشتیبانی خواهد کرد.

در کنار این موارد، گوگل نسخه Flash-Lite را به‌عنوان یک مدل اقتصادی معرفی کرده که با هزینه کمتر، عملکردی مشابه نسخه‌های قوی‌تر ارائه می‌دهد.

ویژگی‌های منحصر‌به‌فرد Gemini 2.0 Flash Thinking

مدل Flash Thinking در برنامه‌هایی مانند YouTube، Google Maps و Search به کار گرفته شده و در آزمایش‌های علمی عملکرد چشمگیری نشان داده است:
• ۷۳/۳% امتیاز در آزمون ریاضی ایالات متحده
• ۷۴.۲% امتیاز در آزمون علوم

برخلاف مدل‌های سنتی، این مدل می‌تواند فرآیند تفکر و استدلال خود را توضیح دهد، که به کاربران امکان می‌دهد پاسخ‌های آن را بهتر درک و ارزیابی کنند.

همچنین، این مدل از اجرای کد بومی پشتیبانی کرده و سطح اطمینان بالاتری را با کاهش ناسازگاری بین استدلال‌ها و پاسخ‌های نهایی ارائه می‌دهد.

استراتژی گسترده‌تر گوگل در هوش مصنوعی

گوگل در تلاش است تا هوش مصنوعی را از یک ابزار پاسخ‌گو به یک سیستم فعال و تصمیم‌گیرنده تبدیل کند. به همین دلیل، Gemini 2.0 به تکنیک‌های جدید یادگیری تقویتی مجهز شده که از انتقاد از خود برای بهبود دقت پاسخ‌ها استفاده می‌کند.

همچنین، تیمی حرفه‌ای برای ارزیابی خطرات امنیتی از جمله حملات تزریق دستورات مخرب (Prompt Injection) در نظر گرفته شده تا امنیت سیستم بهبود یابد.

جمع‌بندی: آینده رقابت در هوش مصنوعی

با پیشرفت سریع فناوری‌های هوش مصنوعی، رقابت بین غول‌های این حوزه مانند گوگل، اوپن ای‌آی (OpenAI) و دیپ‌سیک (DeepSeek) شدت گرفته است. گوگل با معرفی Gemini 2.0 سعی دارد جایگاه خود را به‌عنوان رهبر هوش مصنوعی تثبیت کند و درعین‌حال، قابلیت‌های پیشرفته‌تری برای کاربران فراهم آورد. اما سوالی که در نهایت مطرح می‌شود این است

🔹 آیا این مدل‌های جدید می‌توانند برتری گوگل را تضمین کنند؟
🔹 یا رقبایی مانند ChatGPT و DeepSeek همچنان پیشتاز خواهند بود؟

احتمال توقف سیستم هوش مصنوعی متا

شرکت «متا» می‌گوید که ممکن است توسعه سیستم‌های هوش مصنوعی را متوقف کند، زیرا آنها را خیلی خطرناک می‌داند.

«مارک زاکربرگ»(Mark Zuckerberg)، مدیرعامل شرکت «متا»(Meta) متعهد شده است هوش مصنوعی جامع را که تقریبا به عنوان هوش مصنوعی با توانایی‌های یک انسان در انجام دادن کارها تعریف می‌شود، یک روز به طور آشکار در دسترس قرار دهد، اما این شرکت در یک سند پیرامون سیاست جدید خود گفته شرایط خاصی وجود دارد که ممکن است باعث شوند متا سیستم هوش مصنوعی بسیار توانمند خود را منتشر نکند.

این سند که متا آن را «Frontier AI Framework» نامیده است، دو نوع سیستم هوش مصنوعی را شناسایی می‌کند و گفته شده شرکت، انتشار آنها را بسیار خطرناک می‌داند. این دو سیستم، سیستم‌های پرخطر و سیستم‌های بحرانی نام دارند.

به گفته متا، سیستم‌های پرخطر و بحرانی می‌توانند به امنیت سایبری، حملات شیمیایی و بیولوژیکی کمک کنند. تفاوت آنها در این است که سیستم‌های بحرانی می‌توانند به یک نتیجه فاجعه‌آمیز منجر شوند که قابل کاهش نیست. در مقابل، سیستم‌های پرخطر ممکن است انجام دادن یک حمله را آسان‌تر کنند، اما نه به اندازه یک سیستم بحرانی.

متا اذعان می‌کند که فهرست فاجعه‌های احتمالی در سند کامل نیست، اما مواردی را شامل می‌شود که متا معتقد است فوری‌ترین و محتمل‌ترین آنها هستند و در نتیجه انتشار مستقیم یک سیستم هوش مصنوعی قوی به وجود می‌آیند.

موضوع تعجب‌آور این است که بر اساس این سند، متا خطر سیستم را بر اساس هیچ کدام از آزمایش‌های تجربی طبقه‌بندی نمی‌کند، بلکه طبقه‌بندی را بر اساس داده‌های ارائه‌شده توسط پژوهشگران داخلی و خارجی انجام می‌دهد که توسط تصمیم‌گیرندگان ارشد بررسی می‌شوند. متا می‌گوید که معتقد نیست علم ارزیابی به اندازه کافی قوی باشد تا معیارهای کمی قطعی را برای تصمیم‌گیری درباره خطرپذیری یک سیستم ارائه دهد.

متا می‌گوید اگر تشخیص دهد که یک سیستم پرخطر است، دسترسی به آن را به صورت داخلی محدود می‌کند و تا زمانی که اقدامات کاهشی را برای کاهش خطر به سطوح متوسط ​​انجام ندهد، آن را منتشر نخواهد کرد. از سوی دیگر، متا می‌گوید اگر یک سیستم خطرناک تلقی شود، حفاظت‌های امنیتی نامشخصی را برای جلوگیری از نفوذ به سیستم اجرا خواهد کرد و توسعه را متوقف خواهد ساخت تا زمانی که خطر آن کاهش یابد.

سند Frontier AI Framework متا که به گفته شرکت، با تغییر چشم‌انداز هوش مصنوعی تکامل خواهد یافت و متا پیشتر به انتشار آن پیش از اجلاس «France AI Action Summit» در ماه جاری میلادی متعهد شده بود، به نظر می‌رسد پاسخی به انتقاد از رویکرد باز این شرکت برای توسعه سیستم باشد. متا بر خلاف شرکت‌هایی مانند «اوپن‌ای‌آی»(OpenAI) که تصمیم می‌گیرند سیستم‌های خود را پشت یک API قرار دهند، پذیرفته است که فناوری هوش مصنوعی خود را به ‌صورت آزاد اما نه به صورت منبع باز طبق تعریف معمول در دسترس قرار دهد.

متا در انتشار Frontier AI Framework خود نیز ممکن است قصد داشته باشد راهبرد هوش مصنوعی باز خود را با راهبرد شرکت چینی هوش مصنوعی «دیپ‌سیک»(DeepSeek) مقایسه کند. دیپ‌سیک سیستم‌های خود را به صورت آزاد در دسترس قرار می‌دهد، اما هوش مصنوعی این شرکت، محافظ‌های کمی دارد و به راحتی می‌توان آن را برای تولید خروجی‌های مضر هدایت کرد.

متا در این سند نوشته است: ما معتقدیم که با در نظر گرفتن مزایا و خطرات برای تصمیم‌گیری درباره چگونگی توسعه و استقرار هوش مصنوعی پیشرفته می‌توان آن را به گونه‌ای به جامعه تحویل داد که مزایای آن برای جامعه حفظ شود و در عین حال، سطح مناسبی از خطر را داشته باشد.

نیکلاس کیج: به ربات‌ها اجازه ندهید به جای ما خیال‌پردازی کنند

«نیکلاس کیج» در مراسم اهدای جوایز ساترن پس از آنکه برای «سناریوی رؤیایی» (Dream Scenario) برنده جایزه بهترین بازیگر مرد شد برای چندمین بار علیه هوش مصنوعی موضع‌گیری کرد.

«نیکلاس کیج» در مراسم اهدای جوایز ساترن پس از آنکه برای «سناریوی رؤیایی» (Dream Scenario) برنده جایزه بهترین بازیگر مرد شد برای چندمین بار علیه هوش مصنوعی موضع‌گیری کرد. کیج در این مراسم با فیلم «لنگ‌دراز» (Longlegs) نامزد جایزه بهترین بازیگر مرد نقش مکمل نیز بود.

کیج روی صحنه پس از سپاسگزاری از «کریستفر بورگلی» کارگردان، نویسنده و تدوینگر فیلم برای خلق دنیایی «آزاردهنده اما مضحک» گفت که دنیای دیگری وجود دارد که او را می‌آزارد: «همین حالا اطراف ما در جریان است: دنیای جدید هوش مصنوعی. قویاً باور دارم که نباید به ربات‌ها اجازه دهیم به جای ما خیال‌پردازی کنند. ربات‌ها نمی‌توانند به جای ما وضعیت بشر را منعکس کنند. بن بست آنجاست که بازیگری به یک ربات هوش مصنوعی اجازه دهد نمایش او را دستکاری کند حتی یک ذره، یک اینچ عاقبت به یک مایل می‌رسد و سپس همه تمامیت، اصالت و حقیقت هنر با منفعت مالی محض جایگزین می‌شود. نباید اجازه دهیم چنین اتفاق رخ دهد.»

کیج ادامه می‌دهد: «کار همه هنرها از نگاه من، از جمله بازیگری در سینما، این است که آینه‌ای در برابر داستان‌های درونی و بیرونی وضعیت بشر باشد به واسطه فرایند احساسی، متفکرانه و بسیار انسانی بازآفرینی. ربات نمی‌تواند این کار را بکند. اگر با ربات‌ها چنین کاری کنیم، فاقد احساس می‌شود و در آخر برندگی‌اش را از دست می‌دهد و وارفته می‌شود. واکنشی انسانی به زندگی چنان که از آن شناخت داریم وجود نخواهد داشت. ربات‌ها به ما خواهند گفت که زندگی چیست. من می‌گویم از خودتان در برابر دخالت هوش مصنوعی در احساسات اصیل و صادقانه خود محافظت کنید.»

کیج پیش‌تر گفته بود که از هوش مصنوعی وحشت دارد: «واقعاً [وحشتناک] است. و باعث می‌شود که فکر کنم حقیقت هنرمند به کجا می‌کشد؟ آیا جایگزین خواهد شد؟ آیا تغییر شکل خواهد داد؟ نبض آن کجا خواهد بود؟ یعنی وقتی مردم با بدن و چهره من می‌خواهید چه کنید؟ دوست ندارم هیچ کاری با آن بکنید!»

هوش مصنوعی در کمین این مشاغل؛ از حالا به فکر چاره باشید!

در گزارش مجمع جهانی اقتصاد آمده که با ظهور و گسترش دامنه هوش مصنوعی ۱۰ شغل زیر، تا ۵ سال آینده با خطر بیشتری مواجهند اما «مهارت‌های مرتبط با هوش مصنوعی تا سال ۲۰۳۰ بیشترین تقاضا را در بازارکارخواهند داشت.» بنابراین شاید فراگیری مهارتی در پیوند با این موضوع، خطر بیکار شدن را تا حدودی از شما دور کند.

درگزارش سال ۲۰۲۵ مجمع جهانی اقتصاد (WEF) تاکیده شده که هوش مصنوعی ظرف ۵ سال آینده برای ده شغل خطرآفرین خواهد شد و این مشاغل با ریسک بالای از دست رفتن فرصت‌های شغلی مواجه هستند. بنابراین اگر اکنون صاحب یکی از این مشاغل هستید از همین حالا به فکر چاره باشید.

این گزارش به وضعیت و بررسی مشاغل در سال ۲۰۳۰ پرداخته است. طبق معمول هوش مصنوعی نقش مهمی در معادلات بازار کسب و کار ایفا می‌کند.

اما چه مشاغلی بر اساس گزارش مجمع جهانی اقتصاد با رشد هوش مصنوعی بیشتر از دیگر شغل‌ها در خطر نابودی هستند؟

۱- کارمندان خدمات پستی

۲- متصدیان و کارمندان بانک و بیمه

۳- صندوق‌داران فروشگاه‌ها و متصدیان فروش بلیت

۴- دستیاران اداری و منشی‌های اجرایی

۵- فعالان صنعت چاپ و صنایع وابسته

۶- حسابداران، حسابرسان و دستیاران امور حقوقی

۷- کارمندان انبارها و نگهداری موجودی کالاها

۸- متصدیان حمل و نقل و رانندگان قطار و اتوبوس

۹- فروشندگان حضوری در فروشگاه‌ها

۱۰- طراحان گرافیک

نام دو حرفه طراحان گرافیک و دستیاران امور حقوقی نخستین باری است که در پیش‌بینی‌ گزارش "آینده مشاغل پر ریسک" دیده می‌شود. این موضوع ممکن است نشان‌دهنده افزایش ظرفیت هوش مصنوعی مولد (GenAI) برای انجام کارهای مبتنی بر دانش تکراری باشد. آمدن این دو شغل در چنین فهرستی یک تغییر بزرگ به شمار می‌آید. چنانچه در گزارش ۲۰۲۳ همین سازمان مشاغل مرتبط با طراحان گرافیک در رده مشاغل با رشد متوسط ​​در نظر گرفته شده بودند و منشی‌های امورحقوقی در فهرست انتظار کاهش یا رشد شغل حضور نداشتند.»

اتوماسیون هوش مصنوعی و میل به کاهش نیرو در شرکت‌ها

مجمع جهانی اقتصاد در گزارش مفصل ۳۰۰ صفحه‌ای خود آینده مشاغل را بررسی کرده است. براساس این گزارش، ۴۰ درصد شرکت‌ها به‌دلیل اتوماسیون هوش مصنوعی و خودکار شدن امور به دنبال کاهش تعداد نیروی انسانی خود هستند.

بر اساس داده‌های این گزارش گرچه هوش مصنوعی قابلیت تولید ۱۷۰ میلیون شغل جدید در سراسر جهان را دارد اما در عین حال می‌تواند ۹۲ میلیون موقعیت شغلی را نیز از بین ببرد.

برای تهیه گزارش اخیر داده‌های ۱۴ میلیون کارگر شاغل در هزاران شرکت در سراسر جهان گردآوری شده است.

در این گزارش به مهارت‌هایی اشاره شده است که تا سال ۲۰۳۰ بیشتر از بقیه موردنیاز خواهند بود؛ برای مثال، شرکت‌های مختلف گفته‌اند تخصص‌های هوش مصنوعی و بیگ دیتا، شبکه، امنیت سایبری و سواد فناوری ازجمله مهارت‌های موردتقاضا در سال ۲۰۳۰ هستند. کشاورزی و امور مربوط به زراعت و پرورش گیاهان از حوزه‌های دیگری است که طبق این گزارش در سال‌های پیش رو به متخصصان بیشتری نیاز پیدا می‌کند.

هوش مصنوعی به کمک پیش‌بینی طوفان‌های خورشیدی می‌آید

محققان می‌گویند هوش مصنوعی می‌تواند طوفان‌های خورشیدی وحشتناک را قبل از وقوع آنها پیش‌بینی کند و زندگی بشر را نجات دهد.

از منظر یک ناظر معمولی، خورشید ثابت است و هرگز تغییر نمی‌کند، اما واقعیت این است که خورشید توده‌ای جوشان از پلاسما، گازی با بار الکتریکی است که دائماً تحت تأثیر میدان مغناطیسی خورشید قرار می‌گیرد. غیر قابل پیش‌بینی بودن فعالیت روی خورشید یکی از چالش‌هایی است که فیزیکدانان خورشیدی امروزی با آن روبرو هستند.

تأثیر جهش‌های توده تاج خورشید یک جنبه خاص است که با سطوح عدم قطعیت تأثیر آنها همراه است. اما الگوریتم‌های یادگیری ماشین شاید بتوانند هشدار بیشتری به ما بدهند.

به نقل از اس‌ای، یک مقاله جدید نشان می‌دهد که الگوریتم‌هایی که با دهه‌ها فعالیت خورشیدی آموزش دیده‌اند، همه نشانه‌های افزایش فعالیت را از ناحیه AR13664 خورشید مشاهده کرده‌اند و شاید بتوانند به پیش‌بینی طغیان‌های آینده کمک کنند.

پرتاب جرم تاجی یا CME، انفجارهای عظیم پلاسمایی هستند که به دلیل اختلال در میدان مغناطیسی خورشید از تاج خورشید به فضا پرتاب می‌شوند. این رویدادهای انفجاری اغلب با شراره‌های خورشیدی مرتبط هستند و زمانی رخ می‌دهند که خطوط میدان مغناطیسی به طور ناگهانی مجدداً همسو می‌شوند و مقادیر زیادی انرژی آزاد می‌کنند.

پرتاب‌های جرم تاجی می‌توانند با سرعت‌های بین چند صد تا چند هزار کیلومتر در ثانیه حرکت کنند و گاهی اوقات اگر مسیر آنها در جهت ما باشد، در عرض چند روز به زمین می‌رسند.

هنگامی که آنها به زمین می‌رسند، می‌توانند با مغناطیس کره ما تعامل داشته باشند و طوفان‌های ژئومغناطیسی ایجاد کنند که به طور بالقوه ارتباطات ماهواره‌ای، سیستم‌های GPS و شبکه‌های برق را مختل می‌کند. علاوه بر این، آنها می‌توانند به فعالیت شفق قطبی منجر شوند و نمایش‌های خیره کننده‌ای از نورهای شمالی و جنوبی روی زمین ایجاد کنند.

پیش‌بینی دقیق این نوع رویدادها و نحوه تأثیر آنها بر مگنتوسفر ما یکی از چالش‌های پیش روی ستاره‌شناسان بوده است.

اکنون در مطالعه‌ای که توسط گروهی از اخترشناسان به رهبری سابرینا گوستاوینو(Sabrina Guastavino) از دانشگاه جنوا(Genoa) انجام شد، آنها از هوش مصنوعی برای حل این چالش استفاده کردند. آنها از فناوری جدیدی برای پیش‌بینی وقایعی که با طوفان ماه مه 2024 مرتبط بودند و شراره‌های برآمده از منطقه‌ای به نام 13644 در خورشید و پرتاب جرم تاجی حاصل استفاده کردند.

این طوفان، رویدادهای شدید خورشیدی از جمله شراره‌ای که در دسته X8.7 و خیلی شدید طبقه‌بندی شده بود، به راه انداخت.

این تیم با استفاده از هوش مصنوعی توانستند فناوری یادگیری ماشینی را به مقدار زیادی از داده‌های جمع‌آوری‌شده قبلی هدایت کنند تا الگوهای پیچیده‌ای را کشف کند که تشخیص آنها با استفاده از تکنیک‌های مرسوم آسان نیست.

این رویداد یک فرصت عالی و غیر عادی برای آزمایش قابلیت هوش مصنوعی برای پیش‌بینی فعالیت خورشیدی بود. هدف اصلی، پیش‌بینی وقوع شراره‌های خورشیدی، چگونگی تغییر آنها در طول زمان و همچنین تولید پرتاب جرم تاجی و در نهایت، پیش‌بینی طوفان‌های ژئومغناطیسی در اینجا روی زمین بود.

آنها این روند را در برابر رویداد مه 2024 با نتایج چشمگیر اجرا کردند. طبق مقاله آنها، این پیش‌بینی «دقت بی‌سابقه‌ای در پیش‌بینی با کاهش قابل‌توجه عدم قطعیت‌ها با توجه به روش‌های سنتی» را نشان داد.

نتایجِ زمان سفر پرتاب جرم تاجی به زمین و شروع طوفان‌های ژئومغناطیسی نیز بسیار دقیق بود.

کارشناسان می‌گویند تأثیر این مطالعه عمیق است.

قطع شبکه برق، ارتباطات و مشکلات ماهواره‌ای می‌تواند یک نقطه ضعف بزرگ در هنگام برخورد پرتاب‌های جرم تاجی به زمین باشد، بنابراین استفاده از مجموعه ابزارهای هوش مصنوعی و فناوری یادگیری ماشینی برای پیش‌بینی فعالیت خورشیدی، پیشرفتی هیجان‌انگیز به نظر می‌رسد.

همچنین برای آن دسته از کسانی که مشتاق تماشای آسمان هستند، می‌تواند پیش‌بینی بهتری از فعالیت شفق‌های قطبی نیز داشته باشد.

​​​​​​​اتحادیه اروپا اجرای قوانین جدید هوش مصنوعی را آغاز می‌کند

قانون جدید تنظیم‌ کننده استفاده از هوش مصنوعی (AI) در اتحادیه اروپا، که به عنوان "قانون AI" شناخته می‌شود، از روز یکشنبه اجرایی شد.

قانون جدید تنظیم‌ کننده استفاده از هوش مصنوعی (AI) در اتحادیه اروپا، که به عنوان "قانون AI" شناخته می‌شود، از روز یکشنبه اجرایی شد.

اتحادیه اروپا تأکید کرده است که پذیرش این فناوری‌ها می‌تواند مزایای اجتماعی فراوانی داشته باشد. این مزایا شامل افزایش رشد اقتصادی و تحریک نوآوری است که در نهایت رقابت‌پذیری جهانی اتحادیه را تقویت خواهد کرد.

اتحادیه اروپا همچنین نسبت به خطراتی که ممکن است برای امنیت فردی ایجاد شود، هشدار داد. این خطرات شامل تهدیدات برای حقوق اولیه و ایمنی فیزیکی افراد می‌باشد.

همچنین این قانون استفاده از فناوری‌های هوش مصنوعی که ممکن است از آسیب‌پذیری افراد سوءاستفاده کنند را ممنوع کرده است. به ویژه روش‌هایی که افراد را به طور پنهانی طبقه‌بندی کرده یا از آن‌ها برای پاداش یا مجازات استفاده می‌کنند، مشابه آنچه در برخی از سیستم‌ها مانند چین مشاهده می‌شود.

توانایی هوش مصنوعی در شناسایی زنان در معرض سرطان پستان سال‌ها پیش از تشخیص

نتایج یک پژوهش نشان می‌دهد هوش مصنوعی می‌تواند زنان در معرض خطر ابتلا به سرطان پستان را سال‌ها پیش از تشخیص ابتلای آن‌ها به این بیماری شناسایی کند.

پنج پژوهشگر از موسسه بهداشت عمومی نروژ (اف‌اچ‌آی)، دانشگاه کالیفرنیا و دانشگاه واشنگتن به کمک یک برنامه هوش مصنوعی تجاری به تجزیه و تحلیل ماموگرافی‌های ۱۱۶ هزار و ۴۹۵ زن پرداختند که بین سال‌های ۲۰۰۴ تا ۲۰۱۸ در یک برنامه شناسایی سرطان پستان در نروژ شرکت کرده بودند.

در مجموع، ۱۶۰۷ نفر از این زنان به سرطان پستان مبتلا شدند.

الگوریتم هوش مصنوعی توانست پیش‌بینی کند که کدام زنان در معرض خطر بیشتری برای ابتلا به سرطان پستان قرار دارند و حتی ۴ تا ۶ سال قبل از تشخیص این بیماری مشخص کند که کدام پستان در معرض خطر است.

سولوی هافوین، مسئول این برنامه گفت آن‌ها متوجه شدند که الگوریتم هوش مصنوعی می‌تواند پیش‌بینی کند کدام پستان بیشتر در معرض خطر ابتلا به سرطان پستان است.

او گفت: «این پژوهش نشان می‌دهد که الگوریتم‌های هوش مصنوعی که هم‌اکنون در بازار موجود هستند، می‌توانند برای توسعه برنامه‌های شناسایی شخصی‌سازی‌شده‌تر مورد استفاده قرار گیرند.»

بر اساس اعلام موسسه بهداشت عمومی نروژ، از هوش مصنوعی می‌توان برای شناسایی زودهنگام زنان در معرض خصر ابتلا به سرطان پستان استفاده کرد تا هم هزینه‌های درمانی را کاهش داد و هم به شناسایی سریع‌تر جوامعی که نیاز به نظارت بیشتر دارند، کمک کرد.

بنا به گزارش سازمان بهداشت جهانی، ۶۷۰ هزار زن در سال ۲۰۲۲ بر اثر سرطان پستان جان خود را از دست دادند. سرطان پستان شایع‌ترین نوع سرطان در میان زنان در بیشتر کشورهای جهان است.

نتایج این پژوهش در مجله‌های انجمن پزشکی آمریکا (JAMA Network) منتشر شده است.

سال گذشته میلادی، برنامه شناسایی سرطان در نروژ پروژه‌ای را راه‌اندازی کرد که در آن ۱۴۰ هزار زن شرکت داشتند. هدف این پروژه این بود که بررسی کند آیا هوش مصنوعی می‌تواند به اندازه رادیولوژیست‌ها یا حتی بهتر از آن‌ها در تشخیص موارد سرطان مؤثر باشد یا خیر.

آلمان بزرگ‌ترین پلتفرم‌های جرایم سایبری جهان را تعطیل کرد

پلیس جنایی آلمان دو وب‌سایت مشهور ارائه خدمات جرایم سایبری را مسدود کرد. در جریان یک عملیات بین‌المللی، چندین نفر نیز بازداشت شدند. این وب‌سایت‌ها که میلیون‌ها کاربر داشتند، درآمدهای کلانی به دست آورده بودند.

اداره فدرال پلیس جنایی آلمان (BKA) و دادستانی کل فرانکفورت اعلام کردند که دو فروم بزرگ جرایم سایبری در سطح جهان (nulled.to و cracked.io) را تعطیل کرده‌اند.

طبق اعلام مقامات در ویسبادن و فرانکفورت، در این دو وب‌سایت خدمات مرتبط با جرایم سایبری مانند نرم‌افزارهای مورد استفاده برای حملات هکری معامله می‌شد. این دو سایت در مجموع حدود ۱۰ میلیون کاربر داشتند.

دستگیری مظنونان در عملیات بین‌المللی
در همین رابطه در جریان یک عملیات بین‌المللی، دو نفر دستگیر شدند که یکی از آن‌ها شهروند آلمان است. این عملیات با همکاری نهادهای قضایی و پلیسی از کشورهای ایالات متحده، استرالیا، اسپانیا، یونان، رومانی، ایتالیا و فرانسه انجام شد.

در مجموع، پلیس در هفت مورد بازرسی، ۶۷ دستگاه مختلف از جمله ۱۷ سرور را ضبط کرده است. همچنین اعلام شد که این پلتفرم‌ها اکنون به طور کامل از دسترس خارج شده‌اند.

شناسایی مظنونان اصلی
این تحقیقات که از مارس ۲۰۲۴ آغاز شده بود، تاکنون به شناسایی هشت فرد کلیدی که در اداره این پلتفرم‌های مجرمانه نقش داشتند، منجر شده است.

دو نفر از این مظنونان، شهروندان آلمانی ۲۹ و ۳۲ ساله هستند که یکی در منطقه سِگبرگ در ایالت شلسویگ-هولشتاین آلمان و دیگری در والنسیای اسپانیا سکونت دارد. در صورت محکومیت، آن‌ها ممکن است تا ۱۰ سال زندان دریافت کنند.

سایر مظنونان که بین ۲۱ تا ۲۹ سال سن دارند، باید در کشورهای اسپانیا، ایالات متحده، یونان و ایتالیا در دادگاه پاسخگو باشند.

در جریان این عملیات، دارایی‌هایی با ارزش چند صد هزار یورو و همچنین شواهدی مانند آدرس‌های IP و ایمیل کشف و ضبط شده است که اکنون در حال بررسی هستند.

میلیون‌ها کاربر فعال و درآمدهای هنگفت
طبق اعلام نانسی فزر، وزیر کشور آلمان، این عملیات تحت اسم رمز "Talent" و در ۱۰ کشور انجام شده است. وی در برلین تأکید کرد: «مقامات قضایی و امنیتی همچنان به مبارزه با جرایم سایبری ادامه خواهند داد.»

بر اساس گزارش اداره فدرال پلیس جنایی آلمان (BKA) و دادستانی کل فرانکفورت، این دو وب‌سایت از سال ۲۰۱۵ و ۲۰۱۸ فعالیت می‌کردند و هر کدام حدود ۵ میلیون کاربر ثبت‌شده داشتند.

کاربران این فروم‌ها می‌توانستند نرم‌افزارهایی خرید و فروش کنند که برای حملات هکری، سرقت اطلاعات و جاسوسی سایبری مورد استفاده قرار می‌گرفت. همچنین، ابزارهایی مبتنی بر هوش مصنوعی در این پلتفرم‌ها ارائه می‌شد که می‌توانستند به طور خودکار، آسیب‌پذیری‌های امنیتی را شناسایی کنند.

بر اساس برآوردها، مدیران این فروم‌ها از فعالیت‌های خود بیش از یک میلیون یورو در سال درآمد داشتند.

هرچه مردم کمتر در مورد هوش مصنوعی بدانند، بیشتر آن را دوست دارند

ممکن است تصور کنید که افراد باهوش بیشترین استقبال را برای استفاده از هوش مصنوعی دارند، اما تحقیقات نشان می‌دهد که این افراد در واقع کمترین آشنایی را با آن دارند.

یافته‌ها واقعاً جالب هستند! به نظر می‌رسد که نوعی پارادوکس در پذیرش فناوری وجود دارد—افرادی که درک کمتری از هوش مصنوعی دارند، بیشتر به استفاده از آن تمایل دارند، شاید به این دلیل که آن را جادویی و توانمندتر از آنچه واقعاً هست می‌بینند.

از طرف دیگر، کسانی که دانش عمیق‌تری در مورد نحوه کارکرد این فناوری دارند، احتمالاً آن را به عنوان ابزاری کارآمد، اما نه لزوماً خارق‌العاده، در نظر می‌گیرند. این می‌تواند توضیح دهد که چرا کارشناسان فناوری نسبت به هیجان عمومی در مورد برخی کاربردهای هوش مصنوعی بدبین‌تر هستند.

این موضوع چالش بزرگی برای سیاست‌گذاران و مربیان ایجاد می‌کند. آیا باید سواد هوش مصنوعی را ترویج کنیم، حتی اگر باعث کاهش اشتیاق مردم نسبت به پذیرش آن شود؟ یا بهتر است از این حس شگفتی برای تسریع پذیرش استفاده کنیم، حتی اگر به درک ناقصی از فناوری منجر شود؟

به نظر شما تعادل مناسب کجاست؟ آیا باید تلاش کنیم تا مردم را از "جادوی" هوش مصنوعی دور کنیم، یا این جادو خود می‌تواند یک مزیت باشد؟

DeepSeek چه تفاوت‌هایی با ChatGPT دارد؟

DeepSeek به‌عنوان یک رقیب قوی برای ChatGPT در نظر گرفته می‌شود که با هزینه کمتر قابلیت‌های مشابهی را ارائه می‌دهد.

فناوری هوش مصنوعی چینی DeepSeek اخیراً توجه زیادی را جلب کرده است و چندین کشور غربی به دلیل نگرانی‌های امنیتی و اخلاقی اقداماتی را علیه آن انجام داده‌اند. با این حال، این هشدارها نتوانسته‌اند کاربران را از آزمایش این پلتفرم منصرف کنند. در حال حاضر، DeepSeek به عنوان یکی از رقبای برجسته ChatGPT و Gemini شناخته می‌شود و مزیت قابل توجهی که دارد این است که هزینه آن ۲۷ برابر کمتر از ChatGPT است. بنابراین، سوال اصلی این است که چگونه می‌توان از DeepSeek استفاده کرد و چه تفاوت‌هایی با ChatGPT دارد؟

دسترسی به ویژگی‌های DeepSeek

امکانات مختلف فناوری DeepSeek از طریق وب‌سایت آن یا برنامه‌های کاربردی مخصوص در دسترس هستند. این برنامه‌ها برای سیستم‌های اندروید و iOS عرضه شده و نسخه رایگان آن برای کاربران در کشورهای مختلف قابل دسترسی است. همچنین، API مدل به‌صورت کم‌هزینه در اختیار قرار دارد.

در حال حاضر، به دلیل فشارهای امنیتی و حملات سایبری متعدد، سرویس ثبت‌نام جدید به‌طور مرتب کار نمی‌کند، اما اگر موفق به ورود شوید، عملکرد خود سرویس‌ها به‌خوبی ادامه دارد. مدل‌های قدیمی‌تر این فناوری در دسترس کاربران هستند. یک نسخه پولی نیز برای DeepSeek وجود دارد که هزینه آن به‌طور قابل توجهی کمتر از هزینه اشتراک‌های ChatGPT است و طبق ادعای DeepSeek، مدل R1 آن توان رقابت با ChatGPT-1 را دارد.

مقایسه بین DeepSeek و ChatGPT

این دو مدل از نظر عملکرد اولیه مشابه هستند و قادر به پاسخگویی سریع به سوالات در حوزه‌های مختلف هستند، اما تفاوت‌هایی در جزئیات آنها وجود دارد. تفاوت‌ها بیشتر در توانایی هر مدل برای پاسخگویی به سؤالات مربوط به بخش‌هایی مانند برنامه‌نویسی، نوشتن خلاقانه و همچنین خلاصه‌سازی و مرور وقایع تاریخی است. همچنین، سرعت پاسخ‌دهی و توانایی تفکر منطقی مدل‌ها می‌تواند متفاوت باشد.

مقایسه در نوشتن خلاق

مدل‌های هوش مصنوعی به‌ویژه در بخش نوشتن خلاق نقش بسیار مهمی ایفا می‌کنند. در حالی که ارزیابی نوشتار خلاق ممکن است از فردی به فرد دیگر متفاوت باشد، هر دو مدل در کیفیت نوشتار و دقت اطلاعات استفاده شده در آن نقاط قوت مشابه دارند. تفاوت اصلی میان DeepSeek و ChatGPT در سرعت پاسخ‌دهی و دقت اطلاعات است. مدل DeepSeek به‌طور رایگان قابلیت‌های تفکر منطقی را ارائه می‌دهد، در حالی که ChatGPT برای دسترسی به این ویژگی‌ها نیاز به اشتراک پولی دارد.

قدرت نرم‌افزاری DeepSeek

هنگامی که چند هفته پیش ChatGPT دچار اختلال شد، بسیاری از برنامه‌نویسان نارضایتی خود را در پلتفرم‌های مختلف ابراز کردند. تحقیقات اخیر نشان داده‌اند که DeepSeek در برخی از چالش‌های نرم‌افزاری عملکرد بهتری نسبت به نسخه‌های پولی ChatGPT داشته است. برای مثال، Javier Aguirre، محقق هوش مصنوعی، در آزمایشی با استفاده از DeepSeek توانست به سرعت و دقت بالاتری مشکل نرم‌افزاری پیچیده‌ای را حل کند.

عملکرد همگرا در طوفان فکری و تحقیق

بسیاری از افراد از مدل‌های هوش مصنوعی برای طوفان فکری و جستجوی اطلاعات استفاده می‌کنند. DeepSeek توانسته است در این زمینه‌ها بهتر از نسخه‌های رایگان ChatGPT عمل کند و وارد جزئیات بیشتری شود. اگرچه نتایج در کلیت به هم نزدیک است، مدل DeepSeek از نظر دقت در جزئیات و سرعت عملکرد نسبت به نسخه‌های رایگان پیشرفته‌تر است.

ضعف DeepSeek در جستجوی اطلاعات سیاسی

یکی از محدودیت‌های اصلی DeepSeek در جستجوی اطلاعات معاصر یا سیاسی است. به‌دلیل محدودیت‌های اعمال شده توسط دولت چین بر محتوای هوش مصنوعی، این مدل قادر به تجزیه و تحلیل وضعیت‌های سیاسی حساس مانند روابط چین و آمریکا نیست.

مکانیزم‌های ورودی

یکی دیگر از تفاوت‌های این دو مدل در مکانیزم‌های ورودی است. در حالی که ChatGPT قادر به پردازش تصاویر، ویدئوها و دستورات صوتی است، DeepSeek تنها از ورودی‌های متنی پشتیبانی می‌کند. انتظار می‌رود در آینده‌ای نزدیک، DeepSeek از ویژگی‌های پردازش تصاویر و دستورات صوتی نیز پشتیبانی کند، اما در حال حاضر ChatGPT در این زمینه برتری دارد.

نتیجه‌گیری

در مجموع، DeepSeek به‌عنوان یک رقیب قدرتمند برای ChatGPT در نظر گرفته می‌شود که با هزینه کمتر قابلیت‌های مشابهی را ارائه می‌دهد. با این حال، محدودیت‌هایی مانند مشکلات در جستجوی اطلاعات سیاسی و عدم پشتیبانی از ورودی‌های غیرمتنی می‌تواند مانعی برای استفاده گسترده از آن باشد.

هشدار پایان بشریت به دست هوش مصنوعی توسط کارمند OpenAI

استفان آدلر، محقق برجسته هوش مصنوعی و یکی از توسعه‌دهندگان برنامه ChatGPT و مسئول ایمنی OpenAI، به دلیل نگرانی‌های شدید خود از پیشرفت‌های سریع در زمینه هوش مصنوعی، استعفای خود را اعلام کرد.

استفان آدلر، محقق برجسته هوش مصنوعی و یکی از توسعه‌دهندگان برنامه ChatGPT و مسئول ایمنی OpenAI، به دلیل نگرانی‌های شدید خود از پیشرفت‌های سریع در زمینه هوش مصنوعی، استعفای خود را اعلام کرد.

آدلر که از مارس ۲۰۲۲، هشت ماه قبل از راه‌اندازی ChatGPT، با OpenAI همکاری می‌کرد، در اظهار نظری صریح گفته است که از سرعت پیشرفت هوش مصنوعی «بسیار وحشت‌زده» است. او افزود: «وقتی به آینده فکر می‌کنم، به اینکه آیا بشریت به آن نقطه خواهد رسید که بتوانم خانواده‌ای بزرگ کنم یا برای بازنشستگی پس‌انداز کنم، نمی‌توانم از خود بپرسم: آیا بشر اصلاً به این مرحله خواهد رسید؟»

آدلر در پست‌های خود در پلتفرم X، به رقابت شدید برای توسعه هوش عمومی مصنوعی (AGI) اشاره کرد و نگرانی‌های خود را درباره توسعه هوش مصنوعی که بتواند به سطح هوش انسانی یا حتی فراتر از آن برسد، ابراز کرد. سام آلتمن، مدیرعامل OpenAI، همواره اعلام کرده است که هدف این شرکت دستیابی به AGI است، اما به نحوی که منافع آن به نفع کل بشریت باشد.

برخی از محققان برجسته در زمینه هوش مصنوعی هشدار داده‌اند که با دستیابی به این فناوری، ممکن است انسان نتواند آن را کنترل کند و این امر ممکن است منجر به وضعیتی شود که از کنترل خارج شده و تهدیدات بزرگی برای بشریت ایجاد کند.

نظرسنجی‌هایی که در سال 2022 انجام شد، نشان داد که اکثر کارشناسان هوش مصنوعی معتقدند که احتمال وقوع فاجعه‌ای وجودی برای بشریت حداقل ۱۰٪ است.

استعفای آدلر تنها چند روز پس از آن اعلام شد که شرکت DeepSeek چین، یک مدل هوش مصنوعی رقیب برای ChatGPT و سایر مدل‌های تولیدی شرکت‌های آمریکایی عرضه کرد و رقابت جهانی در این زمینه را وارد مرحله جدیدی کرد. آدلر در این باره گفت: «مسابقه برای توسعه هوش مصنوعی عمومی یک شرط‌بندی پرمخاطره با عواقب بالقوه فاجعه‌بار است. ما برای پیدا کردن به موقع راه حل شانس کمی داریم.»

او ادامه داد: «امروز به نظر می‌رسد که در وضعیت بسیار خطرناکی قرار داریم، جایی که حتی اگر یک آزمایشگاه بخواهد به‌طور مسئولانه هوش مصنوعی عمومی را توسعه دهد، دیگران ممکن است از راه‌های میانبر استفاده کنند که شاید به شکلی فاجعه‌آمیز عمل کند و این امر همه را مجبور به تسریع توسعه مدل‌های خود کند. امیدواریم که آزمایشگاه‌ها درباره مقررات پیشگیرانه مسئولانه عمل کنند.»

ساعت هوشمند Garmin Instinct Solar 2: عمر باتری نامحدود و شارژر خورشیدی

اگر به دنبال یک ساعت هوشمند هستید که هیچ‌وقت نیاز به شارژ شدن نداشته باشد، احتمالاً Garmin Instinct Solar 2 دقیقاً همان چیزی است که به آن نیاز دارید.

اگر به دنبال یک ساعت هوشمند هستید که هیچ‌وقت نیاز به شارژ شدن نداشته باشد، احتمالاً Garmin Instinct Solar 2 دقیقاً همان چیزی است که به آن نیاز دارید.

این ساعت با طراحی مقاوم و ویژگی‌های پیشرفته ردیابی سلامت و تناسب اندام، گزینه‌ای فوق‌العاده برای عاشقان طبیعت و فعالیت‌های خارج از خانه است. اکنون، با تخفیف ۱۰۰ دلاری و قیمت ۲۶۰ دلار، این ساعت به پایین‌ترین قیمت خود رسیده است.

ویژگی‌های برجسته Garmin Instinct Solar 2

۱. عمر باتری بی‌نهایت (تقریباً!)

• شارژ خورشیدی: قابلیت شارژ خورشیدی Garmin Instinct Solar 2 به آن اجازه می‌دهد همیشه کار کند، به شرط اینکه به اندازه کافی در معرض نور خورشید قرار بگیرد.
  
  عمر باتری فوق‌العاده: حتی بدون شارژ خورشیدی، یک بار شارژ می‌تواند تا 28 روز دوام بیاورد، که برای کاربران عادی شگفت‌انگیز است.

۲. مناسب برای فعالیت‌های بیرون از خانه

• طراحی مقاوم: ساخته‌شده از قاب پلیمری تقویت‌شده با فیبر و محافظت از صفحه توسط شیشه گوریلا گلس Corning.
  
  حسگرهای محیطی: مجهز به قطب‌نما، ارتفاع‌سنج فشارسنج و GNSS چندباندی برای ردیابی دقیق موقعیت، چه در شهر و چه در مناطق دورافتاده.

۳. امکانات ردیابی سلامت و تناسب اندام

• سنسورهای جامع: ردیابی ضربان قلب، سطح اکسیژن خون (SpO2)، خواب، استرس و فعالیت بدنی.
  نمایشگر تک‌رنگ حافظه در پیکسل: وضوح عالی در نور مستقیم خورشید، همراه با نور پس‌زمینه برای شرایط نوری کم.

۴. عملکرد هوشمند

• اعلان‌ها و هشدارها: امکان دریافت اعلان‌ها از گوشی.

برای چه کسانی مناسب است؟

این ساعت برای افرادی طراحی شده است که:

• • وقت زیادی را در فضای باز می‌گذرانند، مانند کوهنوردان، دوچرخه‌سواران یا کمپینگ‌.
  • به دنبال ساعتی با مقاومت بالا و عمر باتری طولانی هستند.
  • به امکانات پیشرفته ردیابی سلامت و تناسب اندام علاقه دارند.

یک گزینه خوب با تخفیف عالی

Garmin Instinct Solar 2 با تخفیف ویژه ۱۰۰ دلاری در دسترس است و با قیمت ۲۶۰ دلار یکی از بهترین پیشنهادهای بازار محسوب می‌شود. با توجه به ویژگی‌های فوق‌العاده و طراحی مقاوم، این ساعت هوشمند گزینه‌ای جذاب برای علاقه‌مندان به فناوری و ورزش است.

اگر به دنبال یک ساعت هوشمند هستید که عملاً هیچ‌وقت شما را در شرایط سخت تنها نگذارد، این پیشنهاد را از دست ندهید!

حقه هوش مصنوعی Pearl؛ انسان‌ها به سوالات پاسخ می‌دهند!

این ابزار با استفاده از مدل‌های زبان بزرگ (LLM) از جمله ChatGPT و مجموعه داده‌های JustAnswer که تاریخچه گسترده‌ای از سوالات و پاسخ‌ها دارد، طراحی شده است.

موتور جستجوی Pearl یک پروژه جدید و جالب است که از هوش مصنوعی برای ارائه پاسخ به سوالات استفاده می‌کند، اما با یک تفاوت مهم: در کنار پاسخ‌های هوش مصنوعی، امکان ارتباط با کارشناسان انسانی نیز وجود دارد.

این ابزار با استفاده از مدل‌های زبان بزرگ (LLM) از جمله ChatGPT و مجموعه داده‌های JustAnswer که تاریخچه گسترده‌ای از سوالات و پاسخ‌ها دارد، طراحی شده است.

یکی از ویژگی‌های جالب Pearl این است که برای ارزیابی کیفیت پاسخ‌های هوش مصنوعی، یک سیستم TrustScore™ (نمره اعتماد) استفاده می‌کند که کیفیت پاسخ‌ها را در مقیاس ۱ تا ۵ رتبه‌بندی می‌کند. اگر کاربر بخواهد پاسخ به سوال خود را از یک متخصص انسانی دریافت کند، باید برای یک اشتراک ماهانه ۲۸ دلاری ثبت‌نام کند.

از طرفی، کورتزیگ، مدیر عامل Pearl، معتقد است که این سیستم می‌تواند چالش‌های قانونی که موتورهای جستجوی هوش مصنوعی با آن روبرو هستند را حل کند.

بر اساس بخش 230 قانون ارتباطات، شرکت‌ها یا پلتفرم‌هایی که به‌عنوان ناشر شناخته می‌شوند، مسئولیت قانونی کمتری در قبال محتوای منتشر شده دارند. از آنجا که Pearl از متخصصان انسانی برای تایید و اصلاح پاسخ‌ها استفاده می‌کند، کورتزیگ امیدوار است که این رویکرد به آنها کمک کند از بخش 230 برای محافظت از خود بهره‌مند شوند.

با این حال، تجربه کاربری نشان می‌دهد که پاسخ‌های هوش مصنوعی همیشه دقیق و مفید نیستند. برای مثال، وقتی کاربر سوالی درباره تاریخچه سایت WIRED پرسید، پاسخ‌هایی که از سوی هوش مصنوعی داده شد، بیشتر شبیه به اطلاعات عمومی در ویکی‌پدیا بود و وقتی از متخصص انسانی برای ارزیابی دقت پاسخ درخواست شد، TrustScore™ به ۳ رسید که نشان‌دهنده کیفیت پایین پاسخ بود.

در نهایت، این تجربه نشان می‌دهد که باوجود ارائه خدمات انسانی و ابزارهای هوش مصنوعی، بسیاری از کاربران همچنان به منابع دیگر مانند Reddit یا یوتیوب برای مشاوره و راهنمایی‌های بیشتر تکیه می‌کنند.

در مجموع، Pearl تلاش دارد تا ترکیب هوش مصنوعی و کارشناسان انسانی را به عنوان راه حلی برای چالش‌های قانونی و دقت پاسخ‌ها ارائه دهد، اما تجربه کاربران نشان می‌دهد که این رویکرد همیشه در عمل کارایی لازم را ندارد.

آموزش: ۷ ابزار رایگان کدنویسی هوش مصنوعی برای توسعه‌دهندگان در سال ۲۰۲۵

این ابزارها بر روی مجموعه داده‌های گسترده‌ای از کد آموزش دیده‌اند و قادرند الگوهای برنامه‌نویسی را تجزیه و تحلیل کرده و پیشنهادات هوشمندانه‌ای ارائه دهند.

ابزارهای کدنویسی هوش مصنوعی با استفاده از تکنیک‌های یادگیری ماشینی، یادگیری عمیق و پردازش زبان طبیعی، به توسعه‌دهندگان کمک می‌کنند تا کد را سریع‌تر بنویسند و بهینه‌سازی کنند. این ابزارها بر روی مجموعه داده‌های گسترده‌ای از کد آموزش دیده‌اند و قادرند الگوهای برنامه‌نویسی را تجزیه و تحلیل کرده و پیشنهادات هوشمندانه‌ای ارائه دهند.

انواع ابزارهای کدنویسی هوش مصنوعی

ابزارهای کدنویسی مبتنی بر هوش مصنوعی را می‌توان بر اساس عملکرد آن‌ها به چند دسته تقسیم کرد:

ابزارهای تکمیل کد هوش مصنوعی: پیشنهادات بلادرنگ و تکمیل خودکار خطوط کد.
مولدهای کد هوش مصنوعی: تولید اسکریپت‌ها، توابع یا حتی برنامه‌ها بر اساس ورودی زبان طبیعی.
ابزارهای اشکال‌زدایی و تشخیص خطا هوش مصنوعی: شناسایی خطاهای نحوی، مسائل منطقی و آسیب‌پذیری‌های امنیتی.
ابزارهای اتوماسیون تست هوش مصنوعی: تولید و اجرای موارد آزمایشی با حداقل مداخله انسانی.
ابزارهای بهینه‌سازی کد هوش مصنوعی: بهبود عملکرد کد با پیشنهاد شیوه‌های کدنویسی بهینه.
ابزارهای امنیت و انطباق هوش مصنوعی: تجزیه و تحلیل آسیب‌پذیری‌ها و کمک به اعمال بهترین شیوه‌های امنیتی.
مولدهای اسناد هوش مصنوعی: خودکارسازی مستندات API و نظرات درون خطی.

در این مقاله، ۷ مورد از بهترین ابزارهای رایگان کدنویسی هوش مصنوعی را معرفی می‌کنیم که به شما در بهبود فرآیند توسعه نرم‌افزار کمک می‌کنند.

۱. Qodo

Qodo یک دستیار کدنویسی هوش مصنوعی است که به توسعه‌دهندگان کمک می‌کند تا کدهای تمیز، بهینه و بدون خطا بنویسند. این ابزار پیشنهادات کد بلادرنگ، اشکال‌زدایی هوشمند و بهینه‌سازی کد را ارائه می‌دهد.

ویژگی‌های کلیدی:
• تکمیل کد هوشمند
• اشکال‌زدایی مبتنی بر هوش مصنوعی
• بهینه‌سازی کد برای عملکرد بهتر
• پشتیبانی از چندین زبان برنامه‌نویسی

مزایا:
• ساده‌سازی فرآیند نوشتن کد
• مناسب برای توسعه‌دهندگان تازه‌کار و حرفه‌ای

۲. Kite

Kite یک ابزار تکمیل خودکار کد مبتنی بر هوش مصنوعی است که به توسعه‌دهندگان پیشنهادات کد را در زمان واقعی ارائه می‌دهد. این ابزار تأثیر زیادی بر تکمیل خودکار مدرن کد گذاشته است.

ویژگی‌های کلیدی:
• تکمیل کد مخصوص پایتون
• مستندات درون خطی
• یادگیری ماشینی برای بهبود پیشنهادات

مزایا:
• ارائه پیشنهادات کد هوشمند
• کاهش زمان لازم برای جستجوی مستندات

۳. Amazon CodeWhisperer

Amazon CodeWhisperer یک ابزار برنامه‌نویسی هوش مصنوعی است که تکمیل کد و توصیه‌های هوشمند را بر اساس ورودی زبان طبیعی ارائه می‌دهد. این ابزار با خدمات AWS یکپارچه است و به ویژه برای برنامه‌های مبتنی بر ابر مفید است.

ویژگی‌های کلیدی:
• پیشنهادات کد بی‌درنگ
• ادغام با AWS
• پشتیبانی از چندین زبان برنامه‌نویسی

مزایا:
• بهبود بهره‌وری با پیشنهادات هوشمند
• مناسب برای برنامه‌نویسی مبتنی بر ابر

۴. Ponicode

Ponicode یک ابزار تست واحد مبتنی بر هوش مصنوعی است که به خودکارسازی فرآیندهای تست کمک می‌کند و کیفیت کد را بهبود می‌بخشد.

ویژگی‌های کلیدی:
• تولید خودکار تست‌های واحد
• تجزیه و تحلیل کیفیت کد
• پشتیبانی از چندین زبان برنامه‌نویسی

مزایا:
• اطمینان از پوشش کد مناسب با تست‌های هوشمند
• مناسب برای توسعه‌دهندگانی که به تست نرم‌افزار اهمیت می‌دهند

۵. IntelliCode

IntelliCode از مایکروسافت با استفاده از هوش مصنوعی، پیشنهادات کد و بازآفرینی خودکار را بر اساس پروژه‌های منبع باز ارائه می‌دهد.

ویژگی‌های کلیدی:
• توصیه‌های کد مبتنی بر زمینه
• بازآفرینی خودکار کد
• پشتیبانی از چندین زبان

مزایا:
• بهبود کدنویسی با استفاده از بهترین شیوه‌ها
• کاهش خطاهای نحوی

۶. YOGI Bot

YOGI Bot یک ربات چت هوش مصنوعی است که به توسعه‌دهندگان در اشکال‌زدایی و توضیح کد کمک می‌کند.

ویژگی‌های کلیدی:
• پشتیبانی بی‌درنگ برای اشکال‌زدایی
• توضیحات کد با کمک هوش مصنوعی
• پشتیبانی از زبان‌های مختلف

مزایا:
• مناسب برای توسعه‌دهندگان مبتدی و حرفه‌ای
• یادگیری تعاملی و کمک فوری در کدنویسی

۷. CodeT5

CodeT5 از Salesforce Research، یک مدل تولید کد هوش مصنوعی است که به توسعه‌دهندگان کمک می‌کند کدهای با کیفیت بالا را تولید کنند.

ویژگی‌های کلیدی:
• تولید قطعات کد هوشمند
• بهینه‌سازی و ترجمه کد

مزایا:
• کاهش تلاش دستی و ساده‌سازی فرآیند توسعه
• افزایش بهره‌وری با پیشنهادات هوشمند

چرا از ابزارهای کدنویسی هوش مصنوعی استفاده کنیم؟

ابزارهای کدنویسی هوش مصنوعی به دلایل زیر برای توسعه‌دهندگان بسیار مفید هستند:

افزایش بهره‌وری: تسریع کدنویسی با پیشنهادات هوشمند و تکمیل خودکار.
کیفیت کد بهبود یافته: شناسایی خطاهای کد، آسیب‌پذیری‌ها و مشکلات عملکرد.
کاهش زمان اشکال‌زدایی: شناسایی و رفع سریع مشکلات در زمان واقعی.
همکاری تقویت شده: تسهیل همکاری تیمی با پیشنهادات کد و مستندات.
تست و استقرار خودکار: افزایش سرعت چرخه انتشار نرم‌افزار با اتوماسیون تست.
امنیت بهتر: شناسایی آسیب‌پذیری‌ها و رعایت بهترین شیوه‌های امنیتی.
دسترسی برای مبتدیان: کمک به یادگیری و تسلط بر مفاهیم برنامه‌نویسی.

این ابزارها با استفاده از هوش مصنوعی به توسعه‌دهندگان کمک می‌کنند کدهای بهینه‌تر، امن‌تر و سریع‌تری بنویسند، در نتیجه فرآیند توسعه نرم‌افزار به طرز چشمگیری ساده‌تر و کارآمدتر می‌شود.

به‌روزرسانی جدید جیمیل برای ارتقاء امنیت و حریم خصوصی کاربران

یکی از ویژگی‌های مهم این به‌روزرسانی، احراز هویت دو مرحله‌ای پیشرفته است که امنیت حساب‌های جیمیل را افزایش می‌دهد. با فعال‌سازی این قابلیت، کاربران علاوه بر رمز عبور، نیاز به تأیید هویت از طریق دستگاه‌های مورد اعتماد خود دارند.

گوگل به‌تازگی به‌روزرسانی مهمی برای جیمیل ارائه کرده است که امنیت و حریم خصوصی کاربران را بهبود می‌بخشد.

این به‌روزرسانی شامل ویژگی‌های جدیدی است که به کاربران امکان می‌دهد کنترل بیشتری بر اطلاعات شخصی خود داشته باشند و از دسترسی غیرمجاز به حساب‌هایشان جلوگیری کنند.

یکی از ویژگی‌های مهم این به‌روزرسانی، احراز هویت دو مرحله‌ای پیشرفته است که امنیت حساب‌های جیمیل را افزایش می‌دهد. با فعال‌سازی این قابلیت، کاربران علاوه بر رمز عبور، نیاز به تأیید هویت از طریق دستگاه‌های مورد اعتماد خود دارند.

علاوه بر این، گوگل قابلیت‌های جدیدی برای مدیریت حریم خصوصی در جیمیل معرفی کرده است. کاربران اکنون می‌توانند تنظیمات حریم خصوصی خود را به‌طور دقیق‌تر تنظیم کنند و دسترسی برنامه‌های شخص ثالث به داده‌های خود را مدیریت نمایند.

با توجه به این به‌روزرسانی‌ها، ممکن است برخی از کاربران به فکر ایجاد یک حساب ایمیل جدید باشند. با این حال، با استفاده از ویژگی‌های جدید امنیتی و حریم خصوصی جیمیل، می‌توانند از حساب فعلی خود با اطمینان بیشتری استفاده کنند.

اعتراف تدوینگر The Brutalist به استفاده از هوش مصنوعی

«داوید یانچو» تدوینگر «بروتالیست» (The Brutalist) فاش کرده است که از هوش مصنوعی برای اصلاح دیالوگ‌های مجاری و تصاویر سکانس پایانی فیلم استفاده شده است.

«بروتالیست» به کارگردانی «بریدی کوربت» زندگی معماری به نام «لسلو توث» با بازی «آدرین برودی» و همسرش با بازی «فلیسیتی جونز» را روایت می‌‌کند که از اروپای پس از جنگ به آمریکای مدرن آمده‌اند. با این حال، زندگی‌شان پس از برخورد با یک مرد مرموز و ثروتمند با بازی رایلنس برای همیشه متحول می‌شود. «گای پیرس»، «جو آلوین»، «اما لرد» و «الساندرو نیوولا» دیگر بازیگران فیلم خواهند بود.

بسیاری از دیالوگ‌های فیلم به زبان مجاری ضبط شده و سازندگان فیلم با استفاده از هوش مصنوعی «ری‌اسپیچر» (Respeecher) سعی کردند دقت لهجه بازیگران را تا حد ممکن بالا ببرند.

یانچو در مصاحبه با «ردشارک» توضیح می‌دهد: «زبان مادری من مجار است و می‌دانم که یکی از دشوارترین زبان‌هاست. حتی با وجود پیشینه آدرین [که مادرش در سال ۱۹۵۶ از مجارستان به آمریکا مهاجرت کرده] به این سادگی نیست. زبان بسیار منحصربه‌فردی است.»

تدوینگر اضافه می‌کند که برای برودی و جونز مربی لهجه استخدام شده اما سازندگان تمایل داشته‌اند دقت را تا جایی بالا ببرند که حتی مردم مجارستان نقصی در آن پیدا نکنند.

او ادامه می‌دهد: «در ابتدا سعی کردیم این عناصر دشوارتر را با بازیگران دوبله کنیم. سپس سعی کردیم با بازیگران دیگری دوبله کنیم اما جواب نداد. بنابراین به دنبال گزینه‌های دیگری برای اصلاح آن رفتیم.»

یانچو می‌گوید حتی نمونه صدای خود را به هوش مصنوعی داده است: «بیشتر دیالوگ‌های مجار بخش‌هایی از حرف زدن من را دارند. بسیار دقت کردیم که نمایش بازیگران حفظ شود. اساساً برخی حرف‌ها را اینجا و آنجا جایگزین کردیم. با «پروتولز» (ProTools) می‌توانید خودتان این کار را بکنید، اما به قدری دیالوگ مجار داشتیم که نیاز بود سرعت فرایند بیشتر شود وگرنه هنوز در مرحله پس از تولید بودیم.»

علاوه بر این برای سکانس پایانی فیلم در جشنواره ونیز از هوش مصنوعی مولد استفاده شده تا برخی از معماری‌های خیالی فیلم بازآفرینی شود.

تدوینگر می‌گوید: «حرف زدن درباره هوش مصنوعی در این صنعت جنجال‌برانگیز است، اما نباید باشد. باید بحث بسیار آزادانه‌ای درباره اینکه کدامیک از ابزارهای هوش مصنوعی می‌تواند به ما کمک کند داشته باشیم. در فیلم هیچ چیزی نیست که با هوش مصنوعی ساخته شده و پیش از آن ساخته نشده باشد. فقط فرایند را سرعت می‌بخشد. ما از هوش مصنوعی برای خلق جزئیات کوچکی استفاده کردیم که پول و زمان فیلمبرداری آن را نداشتیم.»

تولید سه ساعت و ۳۵ دقیقه‌ای «بروتالیست» با بودجه کمتر از ۱۰ میلیون دلاری بسیاری از منتقدین را در جشنواره ونیز شگفت‌زده کرده بود. بخش‌های زیادی از این فیلم با ویستاویژن فیلمبرداری شده، فرمتی که در دهه ۱۹۶۰ هالیوود رواج داشت. کوربت و «لول کرالی» فیلمبردار «بروتالیست» می‌گویند پیش از تولید فیلم بر روی «سرگیجه» (Vertigo) «آلفرد هیچکاک» مطالعه کرده‌اند.