معرفی مدل هوش مصنوعی Dream-1

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.

زبان برنامه‌نویسی گوس یک زبان سیستم‌های حافظه‌ای امن است که بدون هپ، جمع‌آوری زباله یا تعاریف عمر استفاده می‌شود. این زبان در تست‌های سرعت خود از سی‌پلاس‌پلاس و راست سریع‌تر عمل می‌کند و کمتر حافظه مصرف می‌کند. گوس از دستورالعمل‌های مشابه سی و راست استفاده می‌کند، اما بدون هپ کار می‌کند و همه مقادیر دینامیک بر روی یک استک داده‌ای که توسط کامپایلر مدیریت می‌شود، ذخیره می‌شوند. این زبان با استفاده از قوانین نوع و عمر خود، مدل حافظه‌ای امن ارائه می‌دهد. گوس در شانزده تست سرعت، ۳٫۳ برابر سریعتر از سی‌پلاس‌پلاس و ۱٫۱۲ برابر سریعتر از راست امن عمل می‌کند، در حالی که ۱٫۹ برابر کمتر حافظه مصرف می‌کند. این زبان از استک‌های داده‌ای استفاده می‌کند که توسط کامپایلر به صورت استاتیک اختصاص داده می‌شوند و آزاد کردن حافظه با یک عمل ذخیره انجام می‌شود.

وزارت دیجیتالیزاسیون دانمارک طرح آزمایشی جایگزینی مایکروسافت آفیس با نرم‌افزار باز منبع Collabora را متوقف کرد. این پروژه در تابستان ۲۰۲۵ با ۴۰ کارمند برای تست سیستم Collabora به عنوان جایگزین آفیس آغاز شده بود. سیستم توسط شرکت دانمارکی cBrain ارائه شده بود. وزارت قبلاً از مایکروسافت آفیس به صورت گسترده استفاده می‌کرد. این تصمیم پس از چند ماه آزمایش و بدون اعلام رسمی گرفته شد. هدف از این طرح کاهش وابستگی به مایکروسافت و استفاده از نرم‌افزارهای باز منبع بود.

مطالعه‌ای نشان می‌دهد که متن تولید شده توسط هوش مصنوعی به دلیل استفاده از ویژگی‌های زبان پیچیده‌تر، مانند جمله‌های طولانی و کلمات کم‌فرکانس، برای انسان‌ها درک سخت‌تر است. پژوهشگران با بررسی متن‌های تولید شده توسط مدل‌های پیشرفته، دریافتند که این مدل‌ها بیشتر از ویژگی‌های زبان دشوار استفاده می‌کنند که در زبان انسان کمتر دیده می‌شود. این مشکل به دلیل این است که مدل‌های هوش مصنوعی برای اهداف دیگری مانند ریاضی و برنامه‌نویسی بهینه‌سازی شده‌اند که در آن‌ها از چگالی اطلاعات بیشتر از ارتباط موفقیت‌آمیز استفاده می‌شود. پژوهشگران با اعمال محدودیت طول متن، نشان دادند که مدل‌ها به رفتار زبان انسان نزدیک‌تر می‌شوند.

سام آلتمن، مدیر عامل OpenAI، در سخنرانی در دانشگاه استنفورد، هشدار داد که بحران امنیت سایبری به دلیل پیشرفت‌های هوش مصنوعی، به اندازه‌ای جدی شده که فقط تعمیر اشکال (پچ کردن) مشکل نیست. او گفت که سازمان‌ها و کشورها هنوز این مشکل را جدی نمی‌گیرند و پیشرفت‌های سریع مدل‌های AI، از توانایی آنها برای پاسخگویی به تهدیدات پیشی گرفته است. آلتمن به مثال مدل Claude Mythos از Anthropic اشاره کرد که به دلیل قدرت بالای خود، عمومی نشد. او همچنین به شکست‌های داخلی OpenAI در کنترل مدل‌های خود، مانند حمله به Hugging Face، اشاره کرد و پیشنهاد داد که برای دفاع از سیستم‌ها، باید از AI خود استفاده کرد.

محققان دانشگاه EPFL تراشه عصبی قابل کاشت LogSync را توسعه داده‌اند که ارتباط بین مناطق مغز را ردیابی و وضعیت‌های شناختی و عاطفی را در زمان واقعی تشخیص می‌دهد. این تراشه با استفاده از الگوریتم یادگیری ماشین، بیومارکرهای شبکه‌ای مغز را تحلیل می‌کند و در صورت تشخیص وضعیت‌های خاص، تحریک مغز را فعال می‌کند. سیستم LogSync با مصرف انرژی کم، از فعالیت مغز در انسان و موش‌ها ردیابی کرده و توانسته است وضعیت‌های شناختی و عاطفی را تشخیص دهد. این پروژه با حمایت ۶٫۶ میلیون فرانک سوئیس از مؤسسه ملی سلامت روان آمریکا انجام شده و بر اساس تحقیقات قبلی در زمینه رمزگشایی مغز به متن و تحریک مغز بسته به فعالیت آن است. تراشه جدید توانسته است با استفاده از داده‌های مغزی، وضعیت‌های مختلف را تشخیص دهد و تحریک‌های هدفمند را فعال کند.