اخبار هوش مصنوعی

شرکت آنتروپیک نسخه عمومی افزونه Claude in Chrome را برای تمامی پلن‌های اشتراکی خود منتشر کرد. این افزونه به دستیار هوش مصنوعی اجازه می‌دهد تا مستقیماً در محیط مرورگر کروم محتوای صفحات را بخواند، متن وارد کند و فرم‌ها را تکمیل کند. برای امنیت بیشتر، یک عامل امنیتی پیش از اجرای هر اقدام، آن را با درخواست اولیه کاربر مطابقت می‌دهد. در ارزیابی‌های انجام‌شده، استفاده از ابزارهای نظارتی توانسته است امنیت این افزونه را به میزان قابل‌توجهی افزایش دهد. این قابلیت در حال حاضر تنها روی نسخه دسکتاپ مرورگر کروم در دسترس کاربران قرار دارد.

شرکت OpenAI اعلام کرد که ارائه مدل‌های هوش مصنوعی خود به ابزار کدنویسی Cursor را متوقف می‌کند. این تصمیم پس از آن اتخاذ شد که شرکت اسپیس‌ایکس متعلق به ایلان ماسک، استارتاپ سازنده Cursor را به ارزش ۶۰ میلیارد دلار خریداری کرد. OpenAI اعلام کرد که با توجه به تجربه نقض قراردادهای قبلی توسط شرکت‌های ماسک، نمی‌تواند از رعایت شرایط استفاده از خدمات خود مطمئن باشد. تاریخ ۲۱ آبان ۱۴۰۵ به عنوان زمان پیشنهادی برای قطع کامل این دسترسی تعیین شده است. در همین حال، شرکت آنتروپیک آمادگی خود را برای پشتیبانی از مدل‌های Claude در پلتفرم Cursor اعلام کرد.

مجله تایم چهارمین فهرست سالانه چهره‌های اثرگذار هوش مصنوعی را در سال ۲۰۲۶ منتشر کرد. این فهرست ۱۰۰ رهبر، نوآور و متفکر را که در شکل‌دادن به آینده هوش مصنوعی نقش دارند، معرفی می‌کند. در میان افراد نام‌آشنای این فهرست، نام علی قدسی، مدیرعامل و هم‌بنیان‌گذار ایرانی-سوئدی دیتابریکس، در کنار چهره‌هایی چون سم آلتمن و ایلان ماسک دیده می‌شود. این فهرست تصویری از تنش‌ها و روندهای اصلی صنعت مانند رقابت شرکت‌های بزرگ، گسترش دیتاسنترها و مناقشات نظامی و سیاسی پیرامون هوش مصنوعی ارائه می‌دهد. به گفته تایم، هوش مصنوعی اکنون به جزئی ثابت از زندگی و کسب‌وکارها تبدیل شده است.

نشست تخصصی فردای ایران در عصر هوش مصنوعی با حضور کارشناسان ارشد به کالبدشکافی موانع توسعه این فناوری در کشور پرداخت. کارشناسان بزرگ‌ترین اشتباه استراتژیک را غفلت فراگیر از زیرساخت داده به عنوان پیش‌نیاز حیاتی هوش مصنوعی دانستند. به گفته تحلیلگران، حرکت به سمت هوش مصنوعی بدون داده‌های باکیفیت مانند داشتن خودروی بدون بنزین است و به سرمایه‌گذاری‌های ناموفق منجر می‌شود. همچنین در سطح مدیریتی تفاوت میان هوشمندسازی ساده و تحول بنیادین دیجیتال به درستی درک نشده است. در نهایت، فقدان استراتژی در زنجیره ارزش جهانی و تلاش برای حضور در تمامی ابعاد با وجود محدودیت منابع از دیگر خطاهای حاکمیتی عنوان شد.

جیکوب تزیمرمن، برنده معتبر مدال فیلدز، تصمیم گرفته است برای کار بر روی ایمنی هوش مصنوعی، فعالیت خود در حوزه ریاضیات را کنار بگذارد و به شرکت OpenAI بپیوندد. او که استاد دانشگاه تورنتو است، نسبت به سرعت پیشرفت این فناوری و خطرات احتمالی آن، از جمله از دست دادن کنترل انسان‌ها یا حتی انقراض بشریت، ابراز نگرانی کرده است. تزیمرمن در پژوهش‌های خود سناریوهایی مانند «نابودی همگانی ناخواسته» یا عمدی را بررسی کرده تا راهکارهای پیشگیرانه تدوین شود. وی معتقد است هوش مصنوعی به نقطه‌ای رسیده که تغییرات با سرعتی بسیار بالا در حال رخ دادن است. هدف او از تغییر مسیر حرفه‌ای، مشارکت در ایمن‌سازی این فناوری برای جلوگیری از پیامدهای ویرانگر آن است.

گوگل نسخه جدید مدل هوش مصنوعی مولد ویدئوی خود را با نام جمنای امنی ۱.۱ فلش برای توسعه‌دهندگان و کاربران حرفه‌ای عرضه کرد. این به‌روزرسانی امکان تحلیل ۱۰ ثانیه از زمینه قبلی ویدئو را فراهم کرده و ساخت ویدئو را در گام‌های ۱۰ ثانیه‌ای تا سقف ۴۰ ثانیه ممکن می‌سازد. یکی از ویژگی‌های مهم این مدل، قابلیت رندر اولیه با کیفیت ۳۶۰پی است که ۶۰ درصد سریع‌تر انجام شده و هزینه‌ها را تا یک‌سوم کاهش می‌دهد. توسعه‌دهندگان همچنین می‌توانند با ارائه ۳ ثانیه ویدئوی مرجع، ثبات شخصیت‌ها و حافظه بصری را در طول فرآیند تولید حفظ کنند. خروجی نهایی این ابزار با کیفیت‌های بالایی نظیر ۱۰۸۰پی و ۴کی قابل دریافت است که برای پروژه‌های حرفه‌ای مناسب خواهد بود. این مدل هم‌اکنون از طریق پلتفرم‌های مختلف گوگل از جمله استودیو هوش مصنوعی و اشتراک‌های ویژه در دسترس قرار گرفته است.

پژوهشگران حوزه زیست‌شناسی روش جدیدی مبتنی بر یادگیری ماشین به نام پاتس‌ام‌پی‌ان‌ان برای طراحی پروتئین‌ها توسعه داده‌اند. عملکرد پروتئین‌ها به ساختار و توالی اسیدهای آمینه آن‌ها بستگی دارد و مدل‌های هوش مصنوعی نیازمند درک دقیق این ارتباط هستند. امی کیتینگ، استاد زیست‌شناسی، تأکید کرد که توانایی بازتولید توالی‌های تکاملی معیار مناسبی برای طراحی پروتئین نیست. مدل جدید با گنجاندن اصول فیزیکی پایداری ساختاری، دقت پیش‌بینی جهش‌ها و تولید توالی‌های جدید را بهبود می‌بخشد. فاستر برینباوم، دانشجوی مقطع دکترا و نویسنده ارشد این پژوهش، بر اهمیت درک چشم‌انداز انرژی توالی‌ها تأکید کرد. این چارچوب محاسباتی به محققان اجازه می‌دهد پروتئین‌هایی با ساختارهای کاملاً نوآورانه طراحی کنند. فناوری‌های یادگیری ماشین به سرعت در حال دگرگونی تحقیقات بنیادین زیست‌شناسی و مهندسی پروتئین هستند. این پیشرفت‌ها افق‌های تازه‌ای را برای توسعه ابزارهای درمانی و داروسازی در سطح سلولی گشوده‌اند.

چالش اصلی هوش مصنوعی سازمانی نه خود ایجنت‌های خودمختار، بلکه پیچیدگی روابط میان آن‌ها است. شرکت‌ها معمولاً به جای استفاده از یک ایجنت منفرد، ناوگانی از آن‌ها را مستقر می‌کنند که مرتباً با یکدیگر در ارتباطند. این ایجنت‌ها با فراخوانی ایجنت‌های دیگر و دسترسی به برنامه‌های مختلف، شبکه‌ای پیچیده ایجاد می‌کنند. با افزودن ایجنت‌های بیشتر، تعداد ارتباطات به شکل تصاعدی رشد می‌کند و سیستم غیرقابل پیش‌بینی می‌شود. این پیچیدگی فزاینده نظارت بر سیستم را برای سازمان‌ها دشوار و نگران‌کننده ساخته است.

کاربرد فزاینده ابزارهای هوش مصنوعی در محیط‌های کاری به چالشی جدی تبدیل شده است. مدیران و برنامه‌نویسان با پدیده‌ای به نام فرسودگی ذهنی و افزایش بار شناختی مواجه هستند. استیو یگی، برنامه‌نویس شناخته‌شده، اخیراً بستری برای هماهنگی عامل‌های هوش مصنوعی معرفی کرده است. با این حال، کاربران از استرس شدید ناشی از سرعت بالای این ابزارها شکایت دارند. در همین راستا، مطالع روی ۱۴۸۸ کارمند تمام‌وقت در ایالات متحده انجام شد که ۵۱ درصد آن‌ها را زنان تشکیل می‌دادند. نتایج نشان می‌دهد که نظارت مستمر بر عامل‌های هوش مصنوعی خستگی ذهنی کارکنان را به دنبال دارد.

با افزایش استقلال عامل‌های هوش مصنوعی در سازمان‌ها و توانایی آن‌ها برای برنامه‌ریزی، تصمیم‌گیری و اقدام در میان سیستم‌ها بدون نیاز به تأیید انسانی، چالش‌های نظارتی جدیدی ایجاد شده است. یک پرسش کلیدی در بررسی معماری سازمان‌ها این است که وقتی یک عامل هوش مصنوعی تلاشی برای انجام کاری خارج از حدود مجاز خود انجام می‌دهد، چه سازوکاری جلوی آن را می‌گیرد. مسئولیت تمامی اقدامات این عامل‌ها که روی داده‌ها و زیرساخت‌های سازمان اجرا می‌شوند، مستقیماً متوجه خود سازمان است. این مسئولیت را نمی‌توان تنها با سیاست‌های انتزاعی روی کاغذ یا ارزیابی‌های پس از وقوع حادثه مدیریت کرد. عامل‌های هوش مصنوعی نیازمند قواعدی دقیق و متناسب با شرایط لحظه‌ای هستند، زیرا فاقد قضاوت مستقل و بازدارنده انسانی هستند. بنابراین، استقرار لایه‌های نظارتی مبتنی بر داده برای کنترل و هدایت رفتارهای مستقل این فناوری به یک ضرورت ساختاری تبدیل شده است. این روند بر اهمیت حکمرانی داده‌ها و ایجاد محدودیت‌های سیستمی پیش از وقوع تخلفات احتمالی تأکید می‌کند.

رئیس دانشگاه علوم پزشکی اصفهان در آیین افتتاحیه رویداد «AI-BRIDGE 2026» بر ضرورت به‌کارگیری هوش مصنوعی در پیشگیری و حکمرانی داده‌محور سلامت تأکید کرد. دکتر شاهین شیرانی اعلام کرد که گردش مالی هوش مصنوعی در جهان تا سال ۲۰۳۰ میلادی به رقم بسیار قابل‌توجهی خواهد رسید. وی افزود این دانشگاه از داده‌های سلامت بیش از پنج و نیم میلیون نفر جمعیت استان برخوردار است. هدف اصلی استفاده از این فناوری، پیشگیری از بیماری‌ها و توسعه پزشکی فردمحور پیش از وقوع عوارض جدی است. بیماری‌های قلبی و عروقی، سرطان‌ها و حوادث ترافیکی از مهم‌ترین دلایل مرگ‌ومیر در کشور به شمار می‌روند. این رویداد با هدف ایجاد زنجیره ارتباطی مؤثر میان پژوهشگران، صنایع و متولیان حوزه سلامت برگزار شد.

دکتر حسین ربانی، مدیر مرکز پردازش تصویر و سیگنال پزشکی دانشگاه علوم پزشکی اصفهان، توسعه هوش مصنوعی بدون تقویت حکمرانی داده را غیرممکن دانست. وی در رویداد تخصصی اشاره کرد که کشور در حوزه آموزش و پژوهش ظرفیت‌های خوبی دارد اما با چالش‌هایی در زمینه زیرساخت و بازار روبه‌روست. ربانی بر لزوم تدوین قوانین جامع و شفاف برای استفاده مسئولانه از داده‌های سلامت تأکید کرد. جایگاه ایران در حوزه داده و زیرساخت بهبود یافته، اما در بخش سیاست‌گذاری و اخلاق با افت مواجه شده است. وی همچنین رشد شتابان کشورهای منطقه مانند عربستان و ترکیه را هشدار جدی برای حفظ مزیت‌های پژوهشی ایران برشمرد.

شرکتها در حال استقرار عاملهای هوش مصنوعی، هوش مصنوعی صوتی و ابزارهای خودکارسازی در کانالهای ارتباطی مختلف هستند. به گفته گوراو آناند، مدیر جهانی مجموعه تعامل با مشتری در تاتا کامیونیکیشنز، سازمانها با عجله ابزارهای مکالمه‌ای هوش مصنوعی را به سیستمهای قدیمی متصل کرده‌اند. این در حالی است که معماری زیرساختی بسیاری از سازمانها برای پشتیبانی از این فناوریها طراحی نشده است. وی افزود که اگرچه ابزارهای دیجیتال به طور گسترده پذیرفته شده‌اند، اما پلتفرمهای اندکی به صورت یکپارچه و مقیاس‌پذیر عمل می‌کنند. این شکاف و چالش ارکستراسیون بار شناختی سنگینی را برای سازمانها در ارتباط با مشتری ایجاد کرده است. شرکت تاتا کامیونیکیشنز این چالشها را در عصر عاملهای هوش مصنوعی بررسی کرده است.

رونق هوش مصنوعی در سیلیکون‌ولی علاوه بر خلق ثروت‌های نجومی، می‌تواند بزرگ‌ترین موج کمک‌های بشردوستانه در تاریخ را رقم بزند. بنیان‌گذاران و کارکنان شرکت‌هایی مانند اوپن‌آی‌وی و آنتروپیک در حال آماده‌سازی برای اهدای حدود ۴۳۰ میلیارد دلار به امور خیریه هستند. الکساندر برگر از نهاد کوآرافیشنت گیوینگ معتقد است با تأمین مالی روش‌های کم‌هزینه، منابع مالی باقی‌مانده به سمت اقدامات نودوستانه پرهزینه‌تر و نجات جان انسان‌ها هدایت خواهد شد. عرضه اولیه سهام این آزمایشگاه‌های هوش مصنوعی می‌تواند ارزش آن‌ها را به بیش از یک هزار میلیارد دلار برساند. سازمان‌های غیرانتفاعی مانند گیو‌دایرکتلی خود را برای دریافت این حجم عظیم از منابع مالی و بهبود صدها میلیون زندگی آماده می‌کنند.

پژوهشگران مؤسسه فناوری ماساچوست یا همان ام‌آی‌تی، چارچوب نرم‌افزاری جدیدی به نام «کری‌وی‌سی‌دی» برای طراحی مواد با کمک هوش مصنوعی توسعه داده‌اند که نرخ پایداری مواد تولیدی را به طور چشمگیری افزایش می‌دهد. مدل‌های هوش مصنوعی پیشین معمولاً میلیون‌ها طرح ماده تولید می‌کنند، اما به دلیل نادیده‌گرفتن پایداری شیمیایی، هزینه‌های پردازشی سنگینی را به صنایع تحمیل می‌کنند. رویکرد تازه پیش از آغاز مرحله پرهزینه تولید، قوانین کلیدی شیمی و الکترون‌های اتمی را اعمال می‌کند تا مواد کاربردی با ویژگی‌های هدایت حرارتی بالا برای خنک‌سازی مراکز داده ایجاد شوند. بر اساس مقاله منتشرشده در نشریه «نیچر کامپیوتیشنل ساینس»، این فناوری به مدل‌های موجود اجازه می‌دهد در نزدیک به ۷۰ درصد موارد به پایداری دینامیکی شبکه دست یابند. مینگدا لی، استادیار علوم و مهندسی هسته‌ای ام‌آی‌تی، کارکرد این سیستم را به دستگاه پخش‌کننده دیسک تشبیه می‌کند که می‌تواند به هر مدل هوش مصنوعی متصل شود. این نوآوری فرآیند غربالگری مواد ناپایدار را که پیش‌تر تا ۹۰ درصد هزینه‌های محاسباتی را به خود اختصاص می‌داد، بسیار کارآمدتر می‌کند. تیم پژوهشی امیدوار است با این روش، طراحی پیشرفته مواد برای صنایع نیمه‌هادی و مراکز داده دموکراتیک‌تر و کم‌هزینه‌تر شود.

انقلاب هوش مصنوعی در چین در کنار ضرورت‌های اقتصادی برای جبران کمبود نیروی کار، چالش‌های اجتماعی گسترده‌ای را به همراه داشته است. در سال ۲۰۲۵ میلادی، صنعت میکرودرام‌ها با ارزشی معادل ۱۰۰ میلیارد یوان معادل ۱۵ میلیارد دلار توانست حدود ۷۰۰ هزار شغل مستقیم ایجاد کند. با این حال، عرضه مدل‌های پیشرفته هوش مصنوعی توسط شرکت بایت‌دنس فرآیند تولید سریال‌ها را از چند هفته به چند روز کاهش داد و هزینه‌ها را تا ۹۰ درصد کم کرد. این تحول سریع موجب کاهش چشمگیر درآمد فعالان این حوزه و اجبار بسیاری از کارگران به تغییر شغل شد. حکومت چین نگران است که گسترش این فناوری در نظامی فاقد شبکه قدرتمند تأمین اجتماعی، مشاغل زیادی را از بین ببرد.

شرکت سرآوا در دوره جدید فعالیت خود، تمرکز اصلی را بر جذب سرمایه و حمایت از کسب‌وکارها و تیم‌های فناوری‌محور در حوزه هوش مصنوعی قرار داده است. فرزین فردیس، مدیرعامل سرآوا، اعلام کرد که این سرمایه‌گذاری‌ها کل زنجیره ارزش هوش مصنوعی را پوشش خواهد داد. هدف از این اقدام، افزایش بهره‌وری صنایع و نیروی کار، بازآفرینی کسب‌وکارها و توسعه اقتصادی در ایران است. سرآوا پس از بازطراحی فرآیندها و ساختار خود تلاش می‌کند تا ظرفیت خود را برای توسعه موج تازه فناوری‌های هوش مصنوعی افزایش دهد. این مجموعه پیش‌تر نیز نقش مهمی در سرمایه‌گذاری و رشد کسب‌وکارهای دیجیتال در کشور ایفا کرده بود. پنجره فرصت فناوری جدید در ایران اکنون به طور ویژه بر هوش مصنوعی متمرکز شده است. این تصمیم پس از بررسی دقیق روندهای فناوری و نیازهای آینده بازار گرفته شده است.

اصفهان در شهریورماه ۱۴۰۵ میزبان همایش ملی سه روزه هوش مصنوعی با عنوان AI Bridge 2026 خواهد بود. این رویداد از ۴ تا ۶ شهریور در دانشگاه علوم پزشکی اصفهان و با شعار پل بزرگ ارتباط دانشگاه، صنعت و بخش خصوصی برگزار می‌شود. هدف اصلی این همایش تقویت ارتباط میان دانش، فناوری، صنعت و بازار در چهار محور ایده، پژوهش، محصول و بازار اعلام شده است. دکتر زینب کمالی، مدیر مرکز هوش مصنوعی آیتک و دبیرکل رویداد، آن را بستری برای تجاری‌سازی و کاربرد هوش مصنوعی در کشور معرفی کرد. دکتر صادق خانی علی‌اکبری، رئیس شورای تخصصی هوش مصنوعی ایران، نیز در آیین افتتاحیه درباره حکمرانی هوش مصنوعی سخنرانی خواهد کرد. این رویداد با حمایت استانداری اصفهان و همکاری نهادهای علمی و صنعتی مختلف برگزار می‌شود. محورهای تخصصی این همایش شامل سلامت، داروسازی، اقتصاد، مدیریت محصول و سیاست‌گذاری است.

مهندسان دانشگاه ام‌آی‌تی الگوریتم یادگیری ماشینی جدیدی برای پیش‌بینی رویدادهای شدید و بدترین سناریوهای احتمالی توسعه دادند. این روش که «یادگیری ایتا» نام دارد، نیازی به داده‌های تاریخی رویدادهای نادر گذشته ندارد. ابزار جدید با رویکرد آماری از داده‌های روزانه برای مدل‌سازی رویدادهای بی‌سابقه استفاده می‌کند. کای چانگ و تمیس ساپسیس جزئیات این دستاورد را در تاریخ ۲۰ اوت در نشریه نیچر کامیکیشنز منتشر کردند. این الگوریتم می‌تواند مواردی مانند طول مدت و شدت توفان‌های بزرگ را برآورد کند. رویکرد مذکور فراتر از آب‌وهوا، در ناوبری رباتیک و بازارهای مالی نیز کاربرد دارد. پژوهشگران معتقدند این ابزار به برنامه‌ریزان شهری در مقابله با حوادث کمک می‌کند. این فناوری ارزیابی ریسک را برای سناریوهای آینده بهبود می‌بخشد.

دانشمندان برای نخستین بار با استفاده از یک مدل هوش مصنوعی توانستند گونه‌های کاملاً جدیدی از ویروس‌ها را در آزمایشگاه تولید کنند. پژوهشگران دانشگاه استنفورد و مؤسسه Arc با آموزش دادن مدل هوش مصنوعی Evo بر اساس ساختار DNA، دستورالعمل‌هایی را برای ساخت ژنوم‌های ویروسی ایجاد کردند. از این تعداد، ۱۶ طراحی قابل‌اجرا بودند و به تولید ویروس‌هایی منجر شدند که توانستند باکتری‌ها را آلوده کنند. پاتریک کای، زیست‌شناس مصنوعی، این دستاورد را یک نقطه عطف مهم در علم نامید. این ویروس‌ها تهدیدی برای انسان محسوب نمی‌شوند و تنها باکتری Phi X-174 را هدف قرار می‌دهند، اما نگرانی‌هایی درباره ساخت سلاح‌های زیستی ایجاد کرده‌اند. موریتس هانکه، پژوهشگر امنیت سلامت، معتقد است که دولت‌ها در ایجاد سازوکارهای حفاظتی در برابر چنین خطراتی کند عمل کرده‌اند. جزئیات این پژوهش در تاریخ ۶ اوت ۲۰۲۶ در نشریه Science منتشر شده است.

استارتاپ فرانسوی میسترال مدل امنیت سایبری متن‌باز جدیدی به نام Shieldstral را با ۳ میلیارد پارامتر معرفی کرد. این مدل روی کارت گرافیک انویدیا با ۱۶ گیگابایت حافظه اجرا می‌شود و تحت مجوز آپاچی ۲.۰ منتشر شده است. شیسترال تعدیل محتوا را به جای وزن‌های ازپیش‌تعیین‌شده، از طریق پرسش‌های زبان طبیعی در زمان استنتاج انجام می‌دهد. این چارچوب وظایفی مانند ارزیابی متن و تصویر را با یک رابط واحد مدیریت می‌کند. مدل جدید در چهار محور ایمنی متنی، تشخیص امتناع، سازگاری با سیاست‌ها و تعدیل چندوجهی ارزیابی شده است. تیم سازنده برای آموزش این مدل از داده‌های ترکیبی و جفت‌های متضاد استفاده کرد. این رویکرد به توسعه‌دهندگان اجازه می‌دهد بدون آموزش مجدد، سیاست‌های ایمنی را سفارشی‌سازی کنند. مدل یادشده عملکردی رقابتی با نمونه‌های بزرگ‌تر از خود ارائه می‌دهد.

تولیدکنندگان تصویر با هوش مصنوعی در مرکز پرونده‌های قضایی و بحث‌های مربوط به حق مؤلف در سراسر جهان قرار دارند. پژوهشگران آزمایشگاه هوش مصنوعی و علوم رایانه ام‌آي‌تی دریافته‌اند که در مدل‌های آموزش‌دیده با داده‌های کلان، ارتباط میان خروجی و داده‌های آموزشی ممکن است کاملاً از بین برود. آن‌ها این پدیده را افول انتساب می‌نامند که نشان می‌دهد با افزایش حجم داده‌های آموزشی، اهمیت هر نمونه فردی کاهش می‌یابد. ژنگ دای، پژوهشگر سابق این آزمایشگاه و نویسنده ارشد این پژوهش، می‌گوید حذف یک داده مشخص در این مقیاس، خروجی مدل را تغییر نمی‌دهد. دیوید گیفورد، استاد و محقق اصلی ام‌آي‌تی، تأکید می‌کند که این پژوهش نخستین روش دقیق را برای حذف در مقیاس بزرگ و اثبات ثبات نتایج ارائه می‌دهد. این پروژه در قالب یک مقاله با دسترسی آزاد در نشریه نیچر کامیونیکیشنز منتشر شد. روش سنتی بازآموزی مدل از صفر با میلیون‌ها داده بسیار زمان‌بر و پرهزینه است. پژوهشگران برای حل این مشکل ساختار جدیدی به نام مجموعه انتشار ساخته‌اند که از اجزای کوچک‌تر تشکیل شده است.

مدل‌های هوش مصنوعی با وجود توانایی در تولید متن و تصویر، در شبیه‌سازی فیزیکی محیط‌ها برای ربات‌ها و وسایل نقلیه عملکرد ضعیفی دارند. دلیل این ضعف، نیاز شبکه‌های عصبی به حجم عظیمی از داده‌های فیزیکی است که استخراج آن‌ها با روش‌های عددی مرسوم بسیار زمان‌بر است. پژوهشگران آزمایشگاه هوش مصنوعی ام‌آي‌تی و دانشگاه تسینگهوا رویکرد پیش‌آموزش جدیدی به نام جئوپی‌تی توسعه داده‌اند. این مدل جدید با شبیه‌سازی تعاملات مکانیکی سه‌بعدی، فیزیک را به شکلی کارآمدتر یاد می‌گیرد و عملکرد مدل‌های پیشرو را دو برابر سریع‌تر می‌کند. مدل جئوپی‌تی همچنین می‌تواند با استفاده از ۶۰ درصد داده‌های کمتر نسبت به مدل‌های رایج آموزش ببیند. مینگهاو گو، دانشجوی دکتری ام‌آي‌تی و از نویسندگان این پژوهش، فیزیک را سومین وجه مدل‌های هوش مصنوعی پس از متن و پیکسل می‌داند. کاربران می‌توانند مدل‌های سه‌بعدی وسایل نقلیه را در این سیستم بارگذاری کرده و جهت و سرعت نیرو را شبیه‌سازی کنند. این فناوری به مهندسان کمک می‌کند تا اثرات تصادف خودرو، بازتاب نور و رفتار شناور قایق‌ها را با دقت پیش‌بینی کنند.

مطالعه‌ای جدید از محققان دانشگاه ام‌آی‌تی و سایر مراکز نشان می‌دهد که سامانه‌های هوش مصنوعی در تشخیص بیماری‌های پوستی تأثیر متفاوتی بر کاربران متخصص و غیرمتخصص دارند. این پژوهش بررسی کرد که چگونه روش‌های توضیح‌پذیر هوش مصنوعی می‌توانند به پزشکان عمومی و افراد عادی در تشخیص بیماری کمک کنند. نتایج نشان داد که افراد غیرمتخصص به شدت تحت تأثیر پیش‌بینی‌های هوش مصنوعی قرار می‌گیرند و حتی به توضیحات مبهم یا نادرست اعتماد بیش از حد می‌کنند. در مقابل، پزشکان متخصص عملکرد بهتری داشتند و با تکیه بر دانش خود، از خطاهای احتمالی هوش مصنوعی اجتناب کردند. دکتر مرضیه غفاری، دانشیار ام‌آی‌تی، تأکید کرد که طراحی ابزارهای هوش مصنوعی باید خطاهای ناشی از سوگیری اتوماسیون را به حداقل برساند. دکتر روکسانا دانش‌جو از دانشگاه استنفورد نیز هشدار داد افرادی که کمترین دانش پزشکی را دارند، بیشتر در معرض گمراهی توسط مدل‌های توضیح‌پذیر نادرست هستند.

ابزار هوش مصنوعی کلود کد شرکت انتروپیک با هزینه‌های ماهانه بین ۲۰ تا ۲۰۰ دلار برای توسعه‌دهندگان عرضه شده است. این ابزار مبتنی بر ترمینال توانایی نوشتن، رفع خطا و استقرار خودکار کد را دارد اما هزینه بالای آن نارضایتی برنامه‌نویسان را به همراه داشته است. در همین راستا، ابزار متن‌باز دیگری به نام گوس توسط شرکت بلاک معرفی شده است که عملکردی مشابه دارد اما کاملاً رایگان است. این ابزار جدید روی رایانه شخصی کاربر اجرا می‌شود و هیچ‌گونه هزینه اشتراک یا وابستگی به فضای ابری ندارد. ظهور جایگزین‌های رایگان پاسخی به هزینه‌های فزاینده ابزارهای هوش مصنوعی به شمار می‌رود. برنامه‌نویسان اکنون می‌توانند بدون پرداخت هزینه، از قابلیت‌های پیشرفته کدنویسی هوشمند بهره‌مند شوند.

شرکت سیلزفورس از نسخه کاملاً بازطراحی‌شده دستیار هوش مصنوعی اسلک‌بات رونمایی کرد. این ابزار جدید از یک ابزار ساده اعلان‌رسانی به یک عامل هوش مصنوعی قدرتمند برای جست‌وجوی داده‌های سازمانی و تدوین اسناد تبدیل شده است. این نسخه جدید هم‌اکنون در دسترس مشتریان بخش‌های تجاری و سازمانی قرار گرفته است. این اقدام تلاشی جدی از سوی سیلزفورس برای رقابت با مایکروسافت و گوگل در حوزه هوش مصنوعی محیط کار محسوب می‌شود. مدیران این شرکت معتقدند هوش مصنوعی به تقویت محصولات آن‌ها کمک شایانی خواهد کرد.

شرکت آنتروپیک ابزار جدیدی به نام کوورک را برای انجام کارهای اداری بدون نیاز به برنامه‌نویسی معرفی کرد. این قابلیت جدید که بر پایه هوش مصنوعی دسکتاپ کلود کار می‌کند، به کاربران غیرفنی اجازه می‌دهد تا کارهای مشابه توسعه‌دهندگان را انجام دهند. بنا بر اعلام منابع آگاه، تیم سازنده این ویژگی را تنها در مدت یک هفته و نیم و با استفاده از ابزار کلود کد توسعه داده است. این معرفی نشان‌دهنده نقطه عطف بزرگی در رقابت برای ارائه عوامل هوش مصنوعی کاربردی به کاربران عادی است. با این اقدام، آنتروپیک علاوه بر رقابت با اوپن‌ای‌آی و گوگل، وارد رقابت مستقیم با ابزار کوپایلوت مایکروسافت شده است.