چرا هوش مصنوعی نمی‌تواند سازمان‌های ناآشنا با داده‌هایشان را نجات دهد

پلتفرم «انزو» (ENZO) به عنوان یک ابزار هوش مصنوعی منبع‌باز و محلی معرفی شده است که امکان تعامل با بیش از ۳۰۰ مدل زبانی را فراهم می‌کند. این نرم‌افزار بدون نیاز به حساب کاربری، اشتراک یا واسطه، مستقیماً از طریق زیرساخت‌های شخصی کاربر اجرا می‌شود. کاربران می‌توانند با استفاده از «داکر» (Docker) و تنها با یک دستور، این پلتفرم را روی سیستم خود راه‌اندازی کنند. کلیدهای دسترسی به صورت رمزنگاری‌شده در مرورگر ذخیره شده و امنیت داده‌ها را تضمین می‌کنند. همچنین، امکان استفاده از این ابزار از طریق نوت‌بوک‌های «کولب» (Colab) برای دسترسی از راه دور و بدون نیاز به سخت‌افزار قدرتمند فراهم شده است. این پروژه با هدف حذف پیچیدگی‌های فنی و ارائه تجربه‌ای مستقل از سرورهای مرکزی طراحی شده است.

منابع داخلی در صنعت فناوری ادعا می‌کنند که شرکت‌های OpenAI و Anthropic برای فشار بر دولت جهت وضع مقررات، حوادث امنیتی هوش مصنوعی را بزرگ‌نمایی کرده‌اند. برخی کارشناسان معتقدند رخنه مدل‌های هوش مصنوعی در محیط‌های تست، ناشی از نقص در طراحی سیستم‌ها و نبود محدودیت‌های کافی بوده است، نه شورش هوش مصنوعی. برای نمونه، در حادثه هگینگ فیس، مدل‌های هوش مصنوعی تنها برای انجام وظایف خود از حفره‌های امنیتی استفاده کردند. همچنین Anthropic گزارش داد که مدل‌هایش از محیط تست خارج شده‌اند، اما منتقدان این اتفاق را ناشی از وظایف غیرممکن در محیط‌های ناامن می‌دانند. این شرکت‌ها با ایجاد فضای ترس از «هوش مصنوعی سرکش»، تلاش می‌کنند تا با ایجاد مشارکت‌های عمومی-خصوصی، جایگاه خود را تثبیت کنند. در واقع، این حوادث به جای نشان دادن هوش خودآگاه، ضعف در مدیریت و کنترل ابزارهای ساخته شده را آشکار می‌کنند.

مدیران و مدارک داخلی شرکت‌های مایکروسافت و اوپن‌ای‌آی در پرونده حقوقی نیویورک تایمز افشاگری‌های مهمی انجام دادند. بر اساس اسناد منتشرشده، برنت هکت از مدیران مایکروسافت، جمع‌آوری داده‌ها توسط هوش مصنوعی را بزرگ‌ترین سرقت کار در تاریخ بشر توصیف کرد. این پرونده حقوقی که از اواخر سال ۲۰۲۳ جریان دارد، مایکروسافت و اوپن‌ای‌آی را به نقض حق چاپ مقالات متهم می‌کند. همچنین نیک ترلی از مقامات اوپن‌ای‌آی چت‌جی‌پتی را یک تهدید وجودی برای ناشران دانست که نرخ کلیک نیویورک تایمز را تا نودوسه‌درصد کاهش داده است. شرکت‌های هوش مصنوعی استدلال می‌کنند که این اقدام تحت پوشش استفاده عادلانه قرار دارد.

مقاله فنی منتشرشده در وب‌سایت بارتوش فنسکی به بررسی عملکرد سیستم‌های فایلی مدرن شامل Btrfs، ZFS و bcachefs تحت بارهای کاری خاص پرداخته است. این بنچمارک‌ها بر سناریوهایی تمرکز دارند که معمولاً توسط ابزارهای سنجش عملکرد کلاسیک نادیده گرفته می‌شوند. بررسی رفتار این سیستم‌های فایلی به توسعه‌دهندگان و مدیران سیستم کمک می‌کند تا انتخاب بهینه‌تری برای ذخیره‌سازی داده‌ها داشته باشند. جزئیات نتایج این تست‌ها نشان‌دهنده نقاط قوت و ضعف هر کدام از این سیستم‌ها در مدیریت داده‌های حجیم است. این مقاله توانسته است توجه بسیاری از متخصصان حوزه فناوری و سیستم‌عامل‌ها را در وب‌سایت‌های مرجع به خود جلب کند.

سیستم جدیدی به نام Cua برای تعامل هوش مصنوعی با رایانه‌ها معرفی شده است که امکان اتوماسیون دسکتاپ را فراهم می‌کند. این پلتفرم شامل ابزارهایی مانند Cua Fleets برای مدیریت دسکتاپ‌های لینوکس و CUA-S1 برای تصمیم‌گیری‌های تخصصی است. کاربران می‌توانند از دسکتاپ‌های ابری ایزوله یا ماشین‌های مجازی macOS در محیط‌های مختلف استفاده کنند. این سیستم به عامل‌های هوش مصنوعی اجازه می‌دهد تا میان کدها، رابط‌های برنامه‌نویسی و رابط‌های گرافیکی جابه‌جا شوند. Cua Driver نیز می‌تواند اپلیکیشن‌هایی مانند ماشین‌حساب را برای انجام وظایف عملیاتی هدایت کند. این ابزار از سیستم‌عامل‌های macOS، ویندوز و لینوکس پشتیبانی کرده و از طریق رابط‌های مختلف قابل اتصال است. هدف اصلی این پروژه، ارائه ابزارهای لازم برای مدیریت برنامه‌های بومی دسکتاپ و مرورگرهاست.

یک توسعه‌دهنده با ۷ سال تجربه در زبان راست (Rust)، تجربه‌ی خود را در برنامه‌نویسی با زبان زیگ (Zig) به عنوان جایگزین احتمالی زبان C به اشتراک گذاشته است. وی برای مقایسه عملکرد این دو زبان، پروژه‌ی زبان پرس‌وجوی JSONPath را از راست به زیگ بازنویسی کرد. نویسنده اشاره کرد که برخلاف راست، زیگ در حال حاضر از پشتیبانی ضعیفی در محیط‌های توسعه (IDE) برخوردار است و بیشتر بر ابزارهای خط فرمان تکیه دارد. با این حال، او فرآیند ساخت پروژه با استفاده از build.zig را بسیار ساده و دلپذیر توصیف کرد. این تجربه باعث شد وی از محیط‌های کامل IDE به سمت ترکیب ابزارهای سبک‌تر مانند Helix و Alacritty حرکت کند.