فرضیه جهان تک‌الکترونی در فیزیک

مصطفی سلیمان، مسئول بخش هوش مصنوعی مایکروسافت، کنترل هوش مصنوعی پیشرفته را چالشی بسیار بزرگ توصیف کرد. وی در مصاحبه با سی‌ان‌بی‌سی از لزوم وجود قوانین و استانداردها در این صنعت دفاع کرد. هم‌زمان، چهار مصرف‌کننده در سانفرانسیسکو شکایتی ضد انحصار علیه روند کندسازی توسعه مدل‌ها ثبت کردند. مارک زاکربرگ، مدیرعامل متا، از پیوستن به پیشنهاد هماهنگی ایمنی خودداری کرد. استدلال زاکربرگ با ادعای مطرح‌شده در دادخواست یادشده هم‌راستا است. او معتقد است که رقابت و مسئولیت‌های قانونی به اندازه کافی فشار لازم را ایجاد می‌کنند. شرکت متا پیش‌تر از ارزیابان مستقل برای بررسی مدل‌های خود استفاده کرده است. این تحولات بحث‌های گسترده‌ای را درباره نحوه تنظیم‌گری و کنترل ریسک‌های هوش مصنوعی برانگیخته است.

چهار مصرف‌کننده در تاریخ ۱۸ سپتامبر دادخواستی را علیه شرکت‌های آنتروپیک، اوپن‌ای‌آی، اسپیس‌اِکس‌‌ای‌آی و گوگل در دادگاه ناحیه‌ای شمالی کالیفرنیا به ثبت رساندند. بر اساس پرونده «بوئیست علیه آنتروپیک»، این شرکت‌ها متهم به تبانی افقی برای کند کردن روند پیشرفت محصولات رقابتی برخلاف قانون شرمن هستند. شاکیان خواستار دریافت خسارت سه‌برابری، دستور صریح قضایی و محاکمه توسط هیئت منصفه شده‌اند. بر خلاف پرونده‌های سنتی کارتل، تمامی مستندات این دعوا بر اساس اظهارات عمومی مدیران ارشد و گزارش‌های رسانه‌ها تنظیم شده است. شاکیان تأکید دارند که هدف از این توافق پنهان‌کاری نبوده، بلکه اقدامات هماهنگ‌شده‌ای برای کنترل سرعت توسعه هوش مصنوعی صورت گرفته است.

مقاله‌ای تازه به بررسی چرایی ناکارآمدی ممنوعیت شبکه‌های اجتماعی برای نوجوانان پرداخته است. این مطلب نشان می‌دهد که محدودیت‌های قانونی ساده نمی‌توانند چالش‌های پیچیده استفاده از فضای مجازی را حل کنند. منتقدان بر این باورند که به جای ممنوعیت مطلق، باید روی سواد دیجیتال و آموزش مهارت‌های استفاده صحیح تمرکز کرد. این مقاله در وب‌سایت ام‌آی‌تی ریدر منتشر شده و بازخوردهایی را در وب‌سایت‌های خبری مختلف به همراه داشته است. بحث درباره ایمنی نوجوانان و نقش شرکت‌های فناوری در این زمینه همچنان داغ است. کارشناسان معتقدند سیاست‌گذاری‌های سلبی معمولاً نتایج مطلوبی به دنبال ندارند.

توسعه‌دهندگان هوش مصنوعی از انتشار مدل جدید خلق تصویر به نام Qwen-Image-2.1 خبر دادند که به عنوان سیستمی فشرده، کارآمد و یکپارچه طراحی شده است. این مدل جدید با هدف بهبود فرآیند تولید تصاویر و افزایش کارایی در دسترس کاربران و پژوهشگران قرار گرفته است. جزئیات فنی و اطلاعات تکمیلی پیرامون قابلیت‌های این نسخه در وبلاگ رسمی تیم توسعه‌دهنده منتشر شده است. کاربران پلتفرم‌های مختلف نظیر هاگر فیس و گیت‌هاب می‌توانند از این مدل برای پروژه‌های پردازش تصویر خود استفاده کنند. انتشار این ابزار گامی دیگر در جهت پیشرفت فناوری‌های تولید محتوای تصویری به شمار می‌رود.

نویسنده در پژوهش‌های اخیر خود بر این باور است که مدل‌های زبانی بزرگ (LLM) برخلاف تصور عموم، فاقد هوش یا توانایی استدلال واقعی هستند. او معتقد است این مدل‌ها صرفاً مدل‌های ریاضی بر پایه توکن‌های زبانی هستند که پاسخ‌هایی از نظر آماری محتمل ارائه می‌دهند و هیچ مکانیسم مشابه مغز انسان برای تفکر ندارند. نویسنده این پدیده را «توهم هوش» می‌نامد و شباهت آن را به شگرد «خواندنی سرد» در کلاهبرداری‌های پیشگوها می‌داند که در آن جملات کلی و آماری برای ایجاد حس دقت به کار می‌روند. او تأکید می‌کند که این مدل‌ها با استفاده از گزاره‌های تأییدکننده، این تصور غلط را ایجاد می‌کنند که با کاربر در تعامل هوشمندانه هستند. در نهایت، او بسیاری از کاربردهای پیشنهادی برای این هوش مصنوعی را به عنوان شبه‌علم‌های مرزی توصیف می‌کند.

استفاده از عوامل هوش مصنوعی در کدنویسی می‌تواند بدون مدیریت صحیح، کیفیت خروجی را کاهش دهد، اما با رویکردی لایه‌بندی شده، امکان افزایش تولید و کاهش باگ‌ها وجود دارد. لایه اول شامل توسعه مبتنی بر مشخصات (Spec-driven) است که در آن هوش مصنوعی با بررسی الزامات، شکاف‌ها و موارد خاص را شناسایی می‌کند تا از بروز خطاهای ناشی از خستگی یا عدم توجه برنامه‌نویس جلوگیری شود. لایه دوم بر توسعه مبتنی بر تست (TDD) با پوشش بیش از ۹۵ درصد تأکید دارد که در آن هوش مصنوعی ابتدا سناریوهای تست را بر اساس الزامات می‌نویسد و سپس کد را پیاده‌سازی می‌کند. لایه سوم نیز شامل تست‌های دستی توسط انسان برای اطمینان نهایی است. این روش دفاعی اجازه می‌دهد ضمن افزایش دو برابری سرعت تولید کد، تعداد باگ‌ها نیز ثابت یا حتی کمتر از قبل باقی بماند.