تازه‌ترین اخبار
هر چیزی که در دات‌هوش منتشر شده، به ترتیب زمان. تازه‌های کمتر از یک ساعت با نشانک زنده مشخص شده‌اند.
- ۱۹۵۱
آموزش کاربردیElisym لایه‌ی پرداخت و شناسایی غیرمتمرکز برای عامل‌های هوش مصنوعی را فعال کرد
پلتفرم Elisym زیرساختی غیرمتمرکز برای یافتن فرصت‌های شغلی و تسویه حساب‌های مالی میان عامل‌های هوش مصنوعی فراهم می‌کند. این سیستم با ترکیب پروتکل Nostr و شبکه‌ی Solana، نیاز به واسطه‌های مرکزی را در اقتصاد عامل‌محور حذف می‌کند.
۱ مهر ۱۴۰۵۱ دقیقه خواندن - ۱۹۵۲
زندگی با AIمهندسان ردیت: گردش‌کارهای هوش مصنوعی غرور حرفه‌ای را می‌کُشد
بحث‌های گسترده در میان توسعه‌دهندگان نرم‌افزار نشان می‌دهد که جایگزینی خلاقیت انسانی با خروجی‌های مدل‌های زبانی، منجر به بحران روانی و احساس پوچی شده است. متخصصان گزارش می‌دهند که نقش آن‌ها از مهندسی تبدیل به «واسطه‌ای انسانی» برای فشردن دکمه اینتر شده است.
۱ مهر ۱۴۰۵۸ دقیقه خواندن - ۱۹۵۳
اخبار کوتاه روزانههدف ۸۵ هزار نفری AT&T برای سال ۲۰۳۰؛ جایگزینی نیروی انسانی با هوش مصنوعی
شرکت AT&T برای کاهش هزینه‌های عملیاتی و انرژی، در حال حذف گسترده مشاغل میانی و جونیور است تا تا سال ۲۰۳۰ تعداد کارکنان خود را به ۸۵ هزار نفر برساند. این استراتژی شامل جایگزینی زیرساخت‌های مسی قدیمی با فیبر نوری و اتوماسیون فرآیندهای اداری توسط هوش مصنوعی است.
۱ مهر ۱۴۰۵۵ دقیقه خواندن - ۱۹۵۴
آموزش کاربردیAI-QUANT: شبیه‌سازی سقوط‌های مصنوعی برای شناسایی نقاط ضعف سبد سهام
تست‌های استرس سنتی به‌دلیل تکیه بر داده‌های تاریخی، قادر به پیش‌بینی وقایع «قوی سیاه» نیستند. AI-QUANT با استفاده از هوش مصنوعی زاینده، سقوط‌های مصنوعی بازار را شبیه‌سازی می‌کند تا نقاط ضعف پنهان در استراتژی‌های سرمایه‌گذاری را پیش از وقوع بحران واقعی شناسایی کند.
۱ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۹۵۵
آموزش کاربردی«گلوگاه حافظه»؛ علت ناکارآمدی سخت‌افزاری در مدل‌های زبانی بزرگ
تولید توکن در مدل‌های زبانی بزرگ به‌جای قدرت محاسباتی، توسط پهنای‌باند حافظه محدود می‌شود. این واقعیت فیزیکی توضیح می‌دهد چرا کوانتش و دسته‌بندی، تنها اهرم‌های واقعی برای افزایش سرعت هوش مصنوعی هستند.
۱ مهر ۱۴۰۵۱۰ دقیقه خواندن - ۱۹۵۶
اخبار کوتاه روزانه«سوءاستفاده از نقاط ضعف ناشناخته»؛ دلیل تعویق نامحدود مدل Astra
شرکت OpenAI انتشار مدل Astra را به‌طور نامحدود به تعویق انداخت زیرا تست‌های داخلی نشان داد این مدل می‌تواند به‌صورت خودکار نقاط ضعف امنیتی ناشناخته را شناسایی و مورد سوءاستفاده قرار دهد. دسترسی به این مدل اکنون تنها برای گروه محدودی از ارزیابان امنیتی جهت پیشگیری از حملات سایبری فراهم است.
۱ مهر ۱۴۰۵۳ دقیقه خواندن - ۱۹۵۷
اخبار کوتاه روزانهدرون استراتژی OpenAI برای جذب بنیان‌گذار Patreon و جامعهٔ هنرمندان
شرکت OpenAI برای کاهش تنش با جامعهٔ هنرمندان و توسعه ابزارهای تخصصی برای تولیدکنندگان محتوا، سام یام (Sam Yam)، بنیان‌گذار Patreon را به خدمت گرفت. این اقدام نشان‌دهنده چرخش استراتژیک OpenAI از چت‌بات‌های عمومی به سمت محصولات عمودی و تخصصی است.
۱ مهر ۱۴۰۵۱ دقیقه خواندن - ۱۹۵۸
اخبار کوتاه روزانه«دور زدن سخت‌افزاری»؛ چالش جدید نظارت بر ضبط‌های غیرقانونی در هند
گسترش عینک‌های هوشمند در هند باعث افزایش ضبط‌های غیرقانونی و هدف قرار دادن گروه‌های حاشیه‌نشین شده است. کارشناسان هشدار می‌دهند که حفاظ‌های سخت‌افزاری به‌راحتی دور زده می‌شوند و قربانیان راهکار قانونی محدودی دارند.
۱ مهر ۱۴۰۵۷ دقیقه خواندن - ۱۹۵۹
آموزش کاربردیبردارهای سرورلس در برابر LLM؛ کاهش هزینهٔ عملیاتی به صفر
یک معماری جدید Jamstack امکان استقرار جست‌وجوی معنایی بدون نیاز به LLM را فراهم می‌کند. این روش با استفاده از بردار‌های سرورلس و ذخیره‌سازهای برداری در حافظه، هزینه‌های توکنی را حذف و ریسک توهم را به صفر می‌رساند.
۱ مهر ۱۴۰۵۵ دقیقه خواندن - ۱۹۶۰
آموزش کاربردیاشتراکهای پولی در برابر مدل‌های رایگان؛ تحلیل بهره‌وری تولید محتوا
تحلیلی کاربردی نشان می‌دهد ابزارهای رایگان تبدیل عکس به ویدیو، هزینه‌های پنهانی در قالب اتلاف وقت و افت کیفیت تحمیل می‌کنند. برای تولیدکنندگان محتوای حرفه‌ای، پلتفرم‌های شفاف و پولی در بلندمدت مقرون‌به‌صرفه‌تر هستند.
۱ مهر ۱۴۰۵۵ دقیقه خواندن - ۱۹۶۱
آموزش کاربردیمعماری Zero-State در IdeaAI؛ حذف چرخهٔ کپی-پیست در کدنویسی محلی
عامل دسکتاپ IdeaAI با دسترسی مستقیم به سیستم فایل و ترمینال، نیاز به جابه‌جایی دستی کد بین مرورگر و IDE را از بین می‌برد. این ابزار برخلاف دستیارهای متنی، قادر است به‌طور مستقل فایل بسازد و خطاهای محیطی را در لحظه رفع کند.
۱ مهر ۱۴۰۵۲ دقیقه خواندن - ۱۹۶۲
آموزش کاربردیتأیید اثر به‌جای تأیید اجرا؛ راهکار مقابله با شکست‌های خاموش عامل‌های هوش مصنوعی
بسیاری از عامل‌های هوش مصنوعی به‌دلیل تغییرات جزئی در APIها، بدون ثبت هیچ خطایی متوقف می‌شوند اما وضعیت آن‌ها «موفق» نمایش داده می‌شود. راهکار این بحران، تغییر متد نظارت از «آیا کد اجرا شد؟» به «آیا اثر ملموسی تولید شد؟» است.
۱ مهر ۱۴۰۵۷ دقیقه خواندن - ۱۹۶۳
تحلیل و بررسی تخصصیشکاف میان محاسبات و بیان؛ چرا نظارت زبانی بر مدل‌های زبانی بزرگ ناکارآمد است؟
یک مقاله فنی جدید مفهوم «ناخوانایی زبانی» را تعریف می‌کند؛ شکافی که نشان می‌دهد مدل‌های زبانی می‌توانند در لایه محاسباتی کاری کنند و در لایه بیان، چیز دیگری بگویند. این یافته ثابت می‌کند که کنترل‌های ایمنی مبتنی بر متن، دفاعی بنیادین و کافی نیستند.
۱ مهر ۱۴۰۵۱ دقیقه خواندن - ۱۹۶۴
آموزش کاربردیقالبهای جدید QuackBuilds؛ تبدیل ChatGPT به استراتژیست روابط اجتماعی
پلتفرم QuackBuilds راهنمای Social Spark را منتشر کرد تا مانع از شبیه‌سازی احساسات توسط هوش مصنوعی شود. این ابزار ChatGPT را مجبور می‌کند به‌جای بحث‌های انتزاعی درباره احساسات، توصیه‌های عملی برای تعاملات انسانی در دنیای واقعی ارائه دهد.
۱ مهر ۱۴۰۵۱ دقیقه خواندن - ۱۹۶۵
آموزش کاربردیForger: محیط توسعه‌ای برای اجرای عامل‌های کدنویس به‌صورت کاملاً آفلاین
ابزار Forger با حذف وابستگی به ابر، امکان اجرای عامل‌های هوش مصنوعی کدنویس را روی سخت‌افزار محلی فراهم می‌کند. این IDE با پشتیبانی از مدل‌های باز و مدل‌های محلی، امنیت کدها را تضمین و هزینه‌های اشتراکی را حذف می‌کند.
۱ مهر ۱۴۰۵۳ دقیقه خواندن - ۱۹۶۶
آموزش کاربردیمالیات پنهان اتوماسیون؛ عامل‌های زمان‌بندی‌شده توکن‌های شما را می‌سوزانند
عامل‌های هوش مصنوعی بدون حافظه در اتوماسیون‌های زمان‌بندی‌شده، با پردازش تکراری دستورالعمل‌ها در هر اجرا، هزاران توکن را هدر می‌دهند. پیاده‌سازی لایه‌ی حافظه پایدار می‌تواند هزینه‌ها را تا ۸۰٪ کاهش و دقت را افزایش دهد.
۱ مهر ۱۴۰۵۶ دقیقه خواندن - ۱۹۶۷
آموزش کاربردیپیادهسازی هستهٔ Jev در ۲۵ خط کد پایتون؛ افشای سازوکار طبقه‌بندی احتمالات
یک نمایش فنی نشان می‌دهد که قابلیت‌های تصمیم‌گیری Jev برخلاف هیاهوهای تبلیغاتی، بر یک سازوکار سادهٔ طبقه‌بندی احتمالات استوار است. این پیاده‌سازی محلی ثابت می‌کند که برای مدل‌های تصمیم‌گیری پایه، نیازی به APIهای گران‌قیمت یا آموزش‌های پیچیده نیست.
۱ مهر ۱۴۰۵۲ دقیقه خواندن - ۱۹۶۸
تحلیل و بررسی تخصصیKyutai: دقت حل مسائل ریاضی صوتی به ۷۷.۱٪ رسید
شرکت Kyutai دو مدل با وزن‌های باز معرفی کرد که مسائل ریاضی را مستقیماً در قالب صوت و بدون تبدیل به متن حل می‌کنند. این تیم با به‌کارگیری یادگیری تقویتی، دقت مدل در محک GSM8K را از ۲۷.۳٪ به ۷۷.۱٪ افزایش داد.
۱ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۹۶۹
آموزش کاربردینوکیا: AnyJev سوگیری‌های موقعیتی LLM را بدون آموزش مجدد حذف می‌کند
نوکیا کتابخانه AnyJev را برای تبدیل مدل‌های زبانی باز به موتورهای تصمیم‌گیری کالیبره‌شده منتشر کرد. این ابزار بدون نیاز به آموزش مجدد، سوگیری‌های موقعیتی را حذف و قابلیت اطمینان طبقه‌بندی‌های هوش مصنوعی را به‌شدت افزایش می‌دهد.
۱ مهر ۱۴۰۵۴ دقیقه خواندن - ۱۹۷۰
آموزش کاربردیدرون npunlock؛ ابزاری برای باز کردن محدودیت‌های سخت‌افزاری Meteor Lake
پروژه متن‌باز npunlock با دور زدن محدودیت‌های نرم‌افزاری اینتل، امکان اجرای کدهای سفارشی C را روی واحدهای پردازش عصبی (NPU) فراهم می‌کند. این ابزار با باز کردن دسترسی به هسته‌های SHAVE در تراشه‌های Meteor Lake، اجرای عملیات ریاضی تخصصی را مستقیماً روی سخت‌افزار ممکن می‌سازد.
۱ مهر ۱۴۰۵۵ دقیقه خواندن - ۱۹۷۱
داستان‌ها و مصاحبه‌ها«تلفیق کدنویسی و بازبینی»؛ استراتژی جدید Slack برای عامل‌های هوش مصنوعی
اسلک با معرفی Code Channels، عامل‌های کدنویس هوش مصنوعی را از محیط‌های ایزوله به چت‌های مشترک تیمی می‌آورد. هدف این تغییر، ادغام فرآیند نوشتن و بازبینی کد در یک گام همکاری جمعی است.
۱ مهر ۱۴۰۵۱ دقیقه خواندن - ۱۹۷۲
آموزش کاربردیتصمیمات ساختاریافته در برابر استدلال‌های متنی در مدل Jev
مدل Jev با جایگزینی استدلال‌های متنی و گران‌قیمت با تصمیمات ساختاریافته و سریع، تأخیر در اجرای عامل‌های هوش مصنوعی را به ۳۰۰ میلی‌ثانیه کاهش داد. این رویکرد اجازه می‌دهد AI به‌جای تولید متن، دستورات مستقیم نرم‌افزاری صادر کند.
۱ مهر ۱۴۰۵۱۳ دقیقه خواندن - ۱۹۷۳
آموزش کاربردی«تصمیم‌گیری محدود»؛ راهکار Jev برای حذف خطاهای متنی در عامل‌های هوش مصنوعی
شرکت TypeSafe AI با معرفی Jev، رویکرد تولید متن آزاد در عامل‌های هوش مصنوعی را به سیستم «تصمیم‌گیری محدود» تغییر داد. این معماری با اجبار مدل به انتخاب از میان گزینه‌های پیش‌تعریف‌شده، سرعت و پایداری عامل‌ها را در محیط‌های UI به‌شدت افزایش داده است.
۱ مهر ۱۴۰۵۱۷ دقیقه خواندن - ۱۹۷۴
داستان‌ها و مصاحبههااعتراف نخست‌وزیر یونان: هیچ دولتی برای سرعت جایگزینی مشاغل توسط هوش مصنوعی
کیریاکوس میتسوتاکیس، نخست‌وزیر یونان، هشدار داد که سرعت تغییرات بازار کار توسط هوش مصنوعی از توان نظارتی دولت‌ها پیشی گرفته است. او در حالی این ادعا را مطرح کرد که یونان را با مشوق‌های مالیاتی و زیرساخت‌های جدید به عنوان قطب فناوری معرفی می‌کند.
۱ مهر ۱۴۰۵۵ دقیقه خواندن - ۱۹۷۵
داستان‌ها و مصاحبههاسد دیجیتال؛ چرا یک عامل هوش مصنوعی در کسب ۲۰ دلار شکست خورد؟
یک عامل هوشمند در تلاش برای کسب درآمد از طریق خدمات صوتی، با موانع احراز هویت انسانی مانند تأیید شماره تلفن و فیلترهای IP مواجه شد. این تجربه نشان می‌دهد گلوگاه اصلی اقتصاد عامل‌محور، کیفیت مدل‌ها نیست، بلکه سیستم‌های دروازه‌بانی دیجیتال است.
۱ مهر ۱۴۰۵۲ دقیقه خواندن - ۱۹۷۶
داستان‌ها و مصاحبههاتطابق شناسه‌ی مدل با خروجی ثابت نیست؛ شکافی خطرناک در حاکمیت هوش مصنوعی
یک توسعه‌دهنده کشف کرد که تثبیت شناسه‌ی مدل (Model ID) مانع از تغییر رفتار مدل در سمت سرور نمی‌شود. این یافته نشان می‌دهد که تأیید هویت مدل با تأیید صحت خروجی متفاوت است و سیستم‌های نظارتی فعلی در برابر «رانش مدل» ناتوان‌اند.
۱ مهر ۱۴۰۵۵ دقیقه خواندن - ۱۹۷۷
آموزش کاربردیمدل ۴ میلیاردی Mano-AFK صحت استقرار خودکار اپلیکیشن‌ها را به ۵۸٪ رساند
پلتفرم Mininglamp چارچوب متن‌باز Mano-AFK را برای خودکارسازی کامل چرخه ساخت، تست و استقرار روی مک‌های اپل منتشر کرد. این مدل در تولید مستندات و رفع باگ‌های ساده موفق است، اما در تست‌های رابط کاربری پویا با چالش روبروست.
۱ مهر ۱۴۰۵۶ دقیقه خواندن - ۱۹۷۸
آموزش کاربردیتولید بسته آموزشی ریاضی با Codex در یک اجرای ۳۱ ساعته و قابل‌حسابرسی
یک توسعه‌دهنده با استفاده از یک تسک بلندمدت در Codex، چارچوبی ریاضی را به یک بسته آموزشی نسخه‌بندی‌شده تبدیل کرد. این پروژه با جایگزینی حافظهٔ چت با آرتیفکت‌های نسخه‌بندی‌شده، توانست در برابر ری‌استارت‌های سیستم دوام بیاورد.
۱ مهر ۱۴۰۵۳ دقیقه خواندن - ۱۹۷۹
آموزش کاربردیشکافهای نظارتی در سازمان‌ها؛ پیامد استفادهٔ غیررسمی از ابزارهای هوش مصنوعی
استفادهٔ کارکنان از ابزارهای تأییدنشده یا «هوش مصنوعی سایه»، داده‌های حساس سازمانی را در معرض خطر قرار می‌دهد. چارچوب‌های نظارتی جدید به‌جای مسدود کردن ساده، بر ایجاد زنجیره‌های پاسخگویی قابل ردیابی تأکید دارند.
۱ مهر ۱۴۰۵۳ دقیقه خواندن - ۱۹۸۰
آموزش کاربردیReality Check AI ردپای شواهد را برای ادعاهای هوش مصنوعی قابل‌تعقیب کرد
سامانه Reality Check AI با جایگزینی پاسخ‌های ساده با یک دفتر کل شواهد، ادعاهای آنلاین را به گزاره‌های قابل‌تأیید تبدیل می‌کند. این ابزار هر نتیجه‌گیری هوش مصنوعی را به منابع دقیق متصل می‌کند تا خروجی‌ها توسط انسان قابل حسابرسی باشند.
۱ مهر ۱۴۰۵۱۳ دقیقه خواندن