تحریم‌ها تأمین تراشه برای شرکت‌های دانش‌بنیان را دشوار کرده

تیم امنیت سایبری آنتروپیک هشدار داد که مدل‌های هوش مصنوعی متن‌باز می‌توانند خود را روی دستگاه‌های IoT مانند تلویزیون‌های هوشمند تکثیر کنند. این توانایی به عنوان تکثیر و سازگاری خودمختار (ARA) شناخته می‌شود. آزمایش‌ها نشان داد که مدل‌های کوچک هوش مصنوعی می‌توانند در آینده نزدیک به این توانایی برسند. پژوهشگران تخمین می‌زنند که این مدل‌ها تا پایان سال ۲۰۲۶ به سطح توانمندی موردنیاز برای تکثیر خودمختار برسد. کرم‌های هوش مصنوعی می‌توانند شبکه را بررسی کنند، از آسیب‌پذیری‌ها بهره‌برداری کنند و وزن‌های مدل را به دستگاه‌های دیگر انتقال دهند. مجموع‌های از دستگاه‌های اینترنت اشیا می‌توانند توان محاسباتی کافی برای اجرای مدل‌های هوش مصنوعی فراهم کنند.

کاخ سفید در نوامبر ۲۰۲۵ مأموریت «Genesis» را معرفی کرد که به گفتگوهای اساسی درباره استفاده از هوش مصنوعی در پیشبرد علم می‌پردازد. این مأموریت بر دو مسیر متمرکز است: ایجاد زیرساخت یکپارچه برای هوش مصنوعی و تعیین سیاستها و منابع برای دانشمندان. نمونه‌هایی از کاربردها شامل استفاده از هوش مصنوعی در انرژی همجوشی، مولکول‌ها و مواد، و علم کوانتوم است. بانک داده پروتئین (Protein Data Bank) و ابزارهای پژوهشی بزرگ مانند رصدخانه «ورا سی. روبین» و برخورددهنده بزرگ هادرونی (Large Hadron Collider) از منابع مهم داده هستند. چالش اصلی ناهمگنی داده‌ها و استانداردهای متغیر در بنگاه‌های تحقیق و توسعه است. نسل بعدی دانشمندان به زیرساخت محاسباتی مانند ابرمحاسبات در مقیاس اگزاسکیل و ابررایانههای تخصصی نیاز دارند.

ابزار تولید ویدئوی هوش مصنوعی هیگزفیلد قابلیت جدیدی را برای کاربران خود فراهم کرده است که امکان ساخت ویدئوهای بیش از ۱۰ دقیقه را میسر می‌سازد. این ارتقای چشمگیر به پشتوانه استفاده از مدل جی‌پی‌تی-۶ آسترا عملی شده، در حالی که پیش از این مدت‌زمان ویدئوها به حدود یک دقیقه محدود بود. شرکت سازنده علاوه بر این، از مدل تصویری برای طراحی اینفوگرافیک‌ها و تصاویر تبلیغاتی با متن‌های خوانا بهره می‌برد. تیم توسعه این پلتفرم همچنین از ابزارهای کدنویسی پیشرفته برای پیاده‌سازی سریع ایده‌ها و تبدیل آنها به نمونه‌های اولیه استفاده می‌کند. هیگزفیلد قصد دارد در گام بعدی امکانی فراهم کند تا کاربران ایده‌های خود را به صورت صوتی بیان کنند و ویدئوی نهایی هم‌زمان با توصیف آنها تولید شود.

شرکت متا از خانواده مدل‌های هوش مصنوعی مرزی خود با نام‌های «Muse Wonder» و «Muse Wonder Full» رونمایی کرد. این مدل‌ها برای انجام وظایف شخصی و حرفه‌ای طراحی شده‌اند و ترکیبی از قابلیت‌های «حافظه فعال» و «تمرکز فعال» را ارائه می‌دهند. این فناوری‌ها در مرکز داده «Prometheus» با مقیاس گیگاواتی آموزش دیده‌اند و از طریق «Meta Model API» و «Muse Code» در دسترس کاربران قرار گرفته‌اند. متا قصد دارد از این مدل‌ها برای حل مسائل حقوقی، مالی و سلامت و همچنین پشتیبانی از برنامه‌نویسی پیشرفته استفاده کند. این عرضه ادامه روند توسعه سیستماتیک و مقیاس‌پذیر متا در حوزه هوش مصنوعی پس از گذشت چهارده ماه از بازسازی زیرساخت‌های این شرکت به شمار می‌رود.

گوگل سیاست‌های محدودیت مصرف سرویس Gemini را از «تعداد درخواست» به «بودجه بار محاسباتی» تغییر داده است. در این سیستم جدید، هر پرامپت بر اساس میزان منابع سخت‌افزاری مصرفی، طول تاریخچه مکالمه و پیچیدگی پردازش، بخشی از سهمیه ۵ ساعته کاربر را اشغال می‌کند. برای نمونه، یک پیام متنی ساده کمتر از یک درصد سهمیه را مصرف می‌کند، در حالی که تحلیل اسناد حجیم می‌تواند تا ۱۵ درصد و قابلیت «تحقیق عمیق» تا ۵۰ درصد از سهمیه را کاهش دهد. این بازنگری با هدف مدیریت بهینه زیرساخت‌های ابری و تفکیک دقیق‌تر سطوح اشتراک انجام شده است. مدل‌های پیشرفته و فرایندهای چندمرحله‌ای بیشترین فشار را به سهمیه کاربران وارد می‌کنند.

شرکت گوگل به طور رسمی از دسترسی کاربران به مدل مرزی جدید خود با نام Gemini 4 Argon خبر داد. این معماری اختصاصی برای وظایف عمیق در حوزه‌های کدنویسی، مالی، حقوق، امنیت سایبری و علوم پایه بهینه‌سازی شده است. مدل آرگون توانسته رتبه نخست را در شاخص Vals Index کسب کند. نرخ رسمی این مدل ۲ دلار به ازای هر یک میلیون توکن ورودی و ۱۰ دلار برای توکن‌های خروجی تعیین شده است. قابلیت جدید Task نیز به جمنای اضافه شده است تا این ابزار را به یک دستیار اجرایی و خودمختار تبدیل کند. این ویژگی امکان اجرای مداوم وظایف در پس‌زمینه و مدیریت همزمان تا ۱۵ تسک مستقل را فراهم می‌کند. گوگل از این مدل در پیچیده‌ترین پروژه‌های مهندسی نرم‌افزار خود بهره برده است.