انتشار نسخه ۳۳ نرم افزار اوبی اس استودیو

شرکت سربرااس مدل‌های هوش مصنوعی با تریلین پارامتر را راه‌اندازی کرده است. این شرکت با استفاده از چندین چیپ WSE-3T که هر کدام ۴۴ گیگابایت حافظه‌ی روی‌شیپ دارند، توانسته است مدل‌های بزرگ هوش مصنوعی با پارامترهای تریلیونی را اجرا کند. یکی از مدل‌های مورد استفاده، مدل منبع باز Kimi K3 با حدود ۳ تریلیون پارامتر است که عملکرد قابل‌توجهی در بنچمارک‌های Terminal-Bench 2.1 و BrowseComp از خود نشان داده است. برای اجرای این مدل، از تکنیک‌هایی مانند کوانتیزاسیون ۴ بیتی و کش KV ۸ بیتی استفاده شده است. مدل Kimi K3 شامل ۶۹ لایه‌ی توجه خطی و ۲۴ لایه‌ی چگال است که با تقسیم لایه‌ها بین چندین چیپ، مجموعاً ۵۹ چیپ مورد نیاز شناسایی شده است. ارتباط بین چیپ‌ها از طریق RDMA بر روی اترنت با تاخیر حدود ۲ میکروثانیه انجام می‌شود و فقط فعال‌سازی‌ها بین چیپ‌ها منتقل می‌گردند.

پژوهشگران آسیب‌پذیری‌های نرم‌افزارهای تیل‌اسکیل و هداسکیل را گزارش کرده‌اند. آنها به حذف لایه‌های امنیتی، گسترش مرزهای امنیت و استفاده از فرآیندهای با امتیازات بالا اشاره کردند. گزارش نشان می‌دهد که این نرم‌افزارها به دلیل انتخاب‌های طراحی، در معرض خطر هستند. پژوهشگران معتقدند که آگاهی سریع از این آسیب‌پذیری‌ها به بهبود امنیتی کمک می‌کند.

پروژه FindMyWeb ابزاری متن‌باز است که به کاربران اجازه می‌دهد ردیاب‌های شخصی خود را بدون وابستگی به سخت‌افزارهای انحصاری بسازند. این سامانه از شبکه‌های اپل، گوگل و سامسونگ پشتیبانی می‌کند تا از پراکندگی سیستم‌های ردیابی جلوگیری شود. بخش بک‌اند این پروژه با زبان پایتون و کتابخانه FindMy.py توسعه یافته است. فرانت‌اند آن نیز با ترکیب زبان‌های پایتون، وی‌یو، سی و تایپ‌سکریپت پیاده‌سازی شده است. ردیاب‌های این مجموعه از فریمور سفارشی مبتنی بر زیفر استفاده می‌کنند. هدف اصلی این پروژه ایجاد یک رابط کاربری وب یکپارچه برای مدیریت ردیاب‌ها است.

صنایع خلاق و رسانه‌ای در آمریکا طی چهار سال گذشته با از دست رفتن بیش از ۲۰۰ هزار شغل مواجه شده‌اند که حدود ۵۰ هزار مورد آن تنها در سال اخیر رخ داده است. این کاهش اشتغال که با شدت رکودهای اقتصادی سال‌های ۲۰۰۱ و ۲۰۰۸ قابل مقایسه است، با ظهور سیستم‌های هوش مصنوعی همزمان شده است. بخش فیلم‌سازی و ضبط صدا با از دست دادن بیش از ۱۰۰ هزار شغل، بیشترین آسیب را دیده و حدود یک‌سوم کل کارکنان این بخش را از دست داده است. همچنین صنعت نشر نیز با کاهش بیش از ۷۰ هزار شغل روبرو بوده است. اگرچه جداسازی اثر هوش مصنوعی از سایر عوامل مانند تغییرات تکنولوژیک و تمرکز رسانه‌ای دشوار است، اما کاهش گسترده در زیربخش‌های هنر دیجیتال نشان‌دهنده تأثیر این فناوری است.

موسسه فناوری ماساچوست (MIT) از پلتفرم امنیت سایبری جدید و منبع‌باز به نام آرگوس رونمایی کرد که به طور ویژه برای مقابله با حملات مبتنی بر هوش مصنوعی طراحی شده است. این ابزار به صورت ۲۴ ساعته بر کلود، کدهای برنامه‌نویسی و دستگاه‌ها نظارت می‌کند تا حملات خودکار را در کسری از ثانیه شناسایی و متوقف کند. آرگوس با بهره‌گیری از سیستم نظارتی پیشرفته می‌تواند کدهای مخرب و تلاش برای دسترسی غیرمجاز را در عرض چند ثانیه خنثی کند. تمامی اقدامات این پلتفرم از طریق یک سیستم کنترل دقیق با قابلیت بازگشت خودکار و کلید توقف اضطراری انجام می‌شود تا خطرات ناشی از عملکرد خودکار نرم‌افزار به حداقل برسد. این سیستم با دسترسی فقط‌خواندنی به بررسی تهدیدات می‌پردازد و پیشنهادات خود را پیش از اجرا به تایید کاربران می‌رساند. هدف از توسعه این پلتفرم، ایجاد تعادل میان سرعت بالا در مقابله با حملات سایبری و حفظ امنیت سیستم‌های تولیدی است.

بر اساس گزارش مارک روان، مدیر عامل شرکت اپولو، هوش مصنوعی تا کنون در بخش‌های غیر فناوری، سودآوری ایجاد نکرده است. در حالی که شرکت‌های بزرگ فناوری (Mag 7) از افزایش درآمد و سود بر اثر AI برخوردار هستند، شرکت‌های دیگر (S&P 493) هیچ تغییر قابل توجهی در این زمینه ندیده‌اند. شرکت‌های اصلی آمریکا، هزینه‌های AI را به عنوان یک هزینه و نه منبع رشد در نظر می‌گیرند. روان معتقد است که هوش مصنوعی به عنوان یک محاسبه‌گر خوب عمل می‌کند، اما در کسب و کار، تصمیم‌گیری بر اساس judgment است که AI قادر به درک آن نیست. تا کنون هیچ نشانه‌ای از بهبود رشد درآمد یا سود در خارج از بخش فناوری وجود ندارد.