گزیدهای از خواندنیترین و مهمترین مطالب داتهوش.

مایکروسافت قیمت کنسولهای ایکسباکس را از اول اوت ۲۰۲۶ به دلیل افزایش شدید هزینه قطعات افزایش میدهد. این جهش قیمتی ناشی از تقاضای عظیم مراکز داده برای حافظه و فضای ذخیرهسازی است که مستقیماً توسط بخش هوش مصنوعی مایکروسافت تحریک شده است.

سونی در پی عملکرد مالی ضعیف، بخش بزرگی از تیم توسعه Destiny در استودیوی Bungie را تعدیل کرد. این تصمیم با خروج جاستین ترومن، رئیس استودیو و کاهش ارزش این شرکت همراه شده است.

تب عطش زیرساختهای هوش مصنوعی باعث کمبود شدید رم و حافظههای SSD در بازار جهانی شده است. این وضعیت قیمت دستگاههای شخصی را افزایش داده و موجی از بازگشت به فرهنگ تعمیر و بازسازی سختافزار ایجاد کرده است.

پلتفرم OpenKnowledge یک ویرایشگر مارکداون بومی برای هوش مصنوعی است که ذخیرهسازی محلی را با همگامسازی Git و اتصال مستقیم به مدلهای پیشرفته ترکیب میکند. این ابزار تجربهای مشابه Notion را برای ساخت پایگاههای دانش تعاملی فراهم میآورد.

پلتفرم ScholarXIV محیطهای ایزولهی هوش مصنوعی (Sandbox) را برای اجرای شبیهسازیها و تحلیل فعال دادههای پژوهشی معرفی کرد. این ابزار با ترکیب کتابخانه مقالات و ابزارهای تحلیلی، فاصله میان مطالعه نظری و اعتبارسنجی عملی را میگیرد.

توسعهدهندگان اندونزیایی اکنون میتوانند بدون نیاز به کارت اعتباری خارجی و از طریق درگاه پرداخت محلی، به مدلهای پیشرفته هوش مصنوعی دسترسی یابند. Nexotao با ارائه نقاط اتصال سازگار با OpenAI، امکان پرداخت بهازای هر توکن را فراهم کرده است.

پلتفرم Nexotao با پذیرش پرداختهای محلی (QRIS)، نیاز توسعهدهندگان اندونزیایی به کارتهای اعتباری بینالمللی برای دسترسی به APIهای Claude و DeepSeek را حذف کرد. این اقدام هزینه ورود به اکوسیستم مدلهای استدلالی سطح بالا را بهشدت کاهش میدهد.

افزونه جدید مرورگر کروم با تبدیل صفحات وب به فرمت Markdown، حجم دادههای ورودی به مدلهای زبانی را بهشدت کاهش میدهد. این ابزار بدون نیاز به API، نویزهای صفحه را حذف کرده و تعداد توکنها را بهصورت لحظهای تخمین میزند.

DeepReinforce خانواده مدلهای بازمتن Ornith-1.0 را معرفی کرد که قادرند ساختارهای اجرایی (Scaffolds) خود را طی یادگیری تقویتی بهینه کنند. مدل پرچمدار ۳۹۷ میلیارد پارامتری این مجموعه در بنچمارکهای کدنویسی با قدرتمندترین مدلهای تجاری رقابت میکند.

پژوهشگران دریافتند که تقلید از سبک تفکر داخلی مدلها، مؤثرترین راه برای دور زدن حفاظهای امنیتی است. این آسیبپذیری بهویژه در درگاههای MCP که محتوای پاسخ ابزارها را بررسی نمیکنند، بحرانی است.

کمیسیون اروپا در اقدامی پیشدستانه، سرویسهای ابری آمازون و مایکروسافت را تحت قانون بازارهای دیجیتال (DMA) به عنوان دروازهبان شناسایی کرد. این تصمیم با هدف کاهش وابستگی مشتریان به یک ارائهدهنده و ایجاد رقابت عادلانهتر در زیرساختهای حیاتی هوش مصنوعی اتخاذ شده است.

پژوهشگران دریافتند که معماریهای ترکیبی (Hybrid) در درک کلمات محتوایی و ردیابی وضعیتهای پیچیده موفقتر هستند. با این حال، این مدلها در کپیبرداری دقیق و تطبیق ساختاری، همچنان ضعیفتر از ترنسفورمرها عمل میکنند.

گزارشهای داخلی از شرکت xAI حاکی از تغییر استراتژیک مدل Grok برای جذب بازار محتوای بزرگسالان است. در حالی که رقبا حفاظهای سختگیرانهای دارند، این پلتفرم با تولید میلیاردها تصویر و ویدیو در ماه، به قطبی برای محتوای بدون سانسور تبدیل شده است.

غولهای صنعت بیمه برای قیمتگذاری دقیقتر حوادث نادر، از هوش مصنوعی برای خلق سناریوهای آبوهوایی مصنوعی استفاده میکنند. با این حال، توهمات مدلها و تضاد منافع تجاری، دقت علمی این پیشبینیها را به خطر انداخته است.

پژوهشگران با ترکیب اشعه ایکس پیشرفته و یادگیری ماشین، یک طومار زغالشده از دوران باستان را بدون باز کردن فیزیکی بازخوانی کردند. این متن، رسالهای گمشده از فلسفه استoism درباره اخلاق و طبیعت انسان را آشکار میکند.

استارتآپ Netris برای حذف گلوگاههای شبکهای در مراکز دادهٔ کوچک AI، ۱۵ میلیون دلار سرمایه جذب کرد. این شرکت بهجای استفاده از هوش مصنوعی، از الگوریتمهای شتابیافته سختافزاری برای فعالسازی سریع خوشههای GPU استفاده میکند.

گروه هکری Sapphire Sleet با آلوده کردن ۱۴۰ بسته در فریمورک Mastra، کلیدهای API و دسترسیهای ابری توسعهدهندگان AI را سرقت کرد. این حمله بهطور خاص سیستمهای کدنویسی خودکار را هدف قرار داده تا به زیرساختهای حساس سازمانها نفوذ کند.

پایپلاین جدید اتوماسیون در Apify به پژوهشگران اجازه میدهد بدون جستوجوی دستی، حوزههای تخصصی یادگیری ماشین در Arxiv را ردیابی کنند. این سیستم جستوجوهای کلیدواژهای را به جریانهای دادهای ساختاریافته برای Slack یا Notion تبدیل میکند.

روشهای سنتی تکهبندی دادهها اغلب ایدهها را در میانه جملات قطع کرده و باعث توهم مدل میشوند. تکهبندی عاملمحور با استفاده از مدلهای زبانی، گزارههای اتمی را بهصورت پویا گروهبندی میکند تا بافتار دقیقتری برای بازیابی اطلاعات فراهم شود.

گوگل در اقدامی برای پایان دادن به نزاعات حقوقی با اپیک گیمز، کارمزد ۳۰ درصدی خود را کاهش داد. از ۳۰ ژوئن ۲۰۲۶، توسعهدهندگان در آمریکا، بریتانیا و اروپا میتوانند از سیستمهای پرداخت خارجی استفاده کنند.

اپل قیمت تقریباً تمام مدلهای مک و آیپد را به دلیل کمبود جهانی حافظه افزایش داد. این تغییرات که بین ۵۰ تا ۱۳۰۰ دلار متغیر است، مستقیماً از فروشگاه رسمی این شرکت اعمال شده است.

پروژه AIClaw با جداسازی حافظه دائمی از آرشیو گفتگوها، مشکل «تداوم حافظه» در عاملهای هوشمند را حل کرده است. این معماری از شلوغ شدن پرامپتها جلوگیری کرده و امکان ویرایش دستی حقایق توسط انسان را فراهم میکند.

یک توسعهدهنده با بهینهسازی لایهی حافظه معنایی در PostgreSQL، سرعت بازیابی دادهها را ۱۸ برابر افزایش داد. این دستاورد ثابت میکند برای مجموعههای داده تا ۱۰۰ هزار بردار، نیازی به دیتابیسهای برداری پیچیده نیست.

تغییر رفتار کاربران از جستوجوی لیستی به دریافت پاسخهای tổng hợp توسط هوش مصنوعی، بازاریابان را به سمت AEO سوق میدهد. در این رویکرد، محتوا به جای تمرکز بر کلمات کلیدی، به شکل دادههای ساختاریافته برای استخراج بهینه توسط مدلهای زبانی تولید میشود.

بهروزرسانی v0.0.2 با معرفی یک ساختار بازیابی سلسلهمراتبی، اولویت را از جستوجوهای ابری به دادههای محلی تغییر داد. این سیستم با توالی جستوجوهای متنی، برداری و گرافی، بدون نیاز به اینترنت به نرخ موفقیت ۷۰ درصدی در بازیابی اطلاعات دست یافت.

گوگل با ادغام بومی «استفاده از کامپیوتر» در Gemini 3.5 Flash، این مدل را از یک چتبات به اپراتوری تبدیل کرد که میتواند مرورگرها و برنامههای دسکتاپ را مدیریت کند. این تغییر، مسیر توسعه عاملهای هوش مصنوعی را برای برنامهنویسان از مدلهای تکمنظوره به ابزارهای یکپارچه تغییر میدهد.

فیفا با ادغام حسگرهای پرتراکم و یک عامل هوش مصنوعی اختصاصی، تاکتیکهای فوتبال و استعدادیابی را مدرن میکند. این اقدام برای جلوگیری از شکاف دادهای میان کشورهای ثروتمند و فقیر در جام جهانی ۲۰۲۶ طراحی شده است.

تحقیقات مجله وایرد فاش کرد که پلیس ایالت آون و سامرست در بریتانیا از شبکهای از مدلهای هوش مصنوعی با دقت بسیار پایین و نبود شفافیت استفاده میکرد. بسیاری از این سامانهها پس از شناسایی عدم قابلیت اعتماد، بهطور مخفیانه کنار گذاشته شدند.

شرکت IBM معماری جدیدی به نام NanoStack را معرفی کرد که با عبور از مرز ۱ نانومتر، تراکم ترانزیستورها و بهرهوری انرژی را بهشدت افزایش میدهد. این فناوری برای رفع بحران مصرف برق و محدودیتهای پهنای باند حافظه در مراکز داده هوش مصنوعی طراحی شده است.

انتقال مدلهای یادگیری ماشین از محیطهای آزمایشگاهی به تولید اغلب بهدلیل شکافهای زیرساختی شکست میخورد. OodlesAI برای حل این مشکل، متدی مبتنی بر مهندسی ویژگی متمرکز و گردشکارهای کانتینری در AWS ارائه داده است.