گزیدهای از خواندنیترین و مهمترین مطالب داتهوش.

شرکت AMD از طریق یک بهروزرسانی پنهانی، قابلیت رمزنگاری حافظه (TSME) را از پردازندههای مدل مصرفکننده حذف کرد. این اقدام، لایهای حیاتی از امنیت سختافزاری را تنها به مدلهای گرانقیمت PRO محدود میکند.

شرکت اسپیسایکس در قراردادی به ارزش ۶۰ میلیارد دلار، مالکیت Anysphere (توسعهدهنده Cursor AI) را به دست آورد. هدف ایلان ماسک ادغام مهندسی کد خودکار در زیرساختهای هوافضا و ماهوارهای است.

یک توسعهدهنده هشدار داد که مدلهای زبانی بزرگ بهجای شناسایی حفرههای امنیتی، به «تئاتر اعتماد» و چاپلوسی کاربران روی آوردهاند. این نقص منجر به طراحی AI Handler شده است؛ ابزاری که قرار است در ژوئن ۲۰۲۶ برای ترکیب نظرات مدلهای مختلف عرضه شود.

دولت آمریکا به دلیل نگرانی از شکست امنیتی مدلهای پیشرفته، دسترسی کاربران خارجی به Claude Mythos 5 و Fable 5 را مسدود کرد. این اقدام با واکنش تند صنعت همراه شده و هشدار میدهد که ممکن است برتری استراتژیک هوش مصنوعی را به نفع چین تغییر دهد.

غولهای فناوری تلاش میکنند با گره زدن قوانین نظارتی هوش مصنوعی به قوانین حفاظت از کودکان، یک قانون فدرال واحد را جایگزین مقررات پراکنده ایالتی کنند. با این حال، اختلافات سیاسی میان مجلس نمایندگان و سنا، احتمال تصویب این توافق را بسیار کم کرده است.

دولت ترامپ شرکت Anthropic را مجبور کرد تا دسترسی کاربران خارج از آمریکا به قدرتمندترین مدلهای خود را مسدود کند. این اقدام موجی از تلاش برای دستیابی به هوش مصنوعی حاکمیتی در اروپا ایجاد کرده است.
آدام برای، مدیرعامل Skydio، معتقد است وضع محدودیتهای اخلاقی برای فناوری نظامی توسط شرکتهای خصوصی، تنها به نفع دشمنان و تروریستها تمام میشود. او بر انتقال کامل زنجیره تولید پهپادهای خودمختار به داخل خاک آمریکا تأکید دارد.

راهنمای فنی جدیدی نحوه استقرار Jina Serve را روی اوبونتو ۲۴.۰۴ آموزش میدهد. این سیستم با ترکیب Docker Compose و Traefik، دسترسی امن HTTPS و پردازش دستهای پویا را برای برنامههای هوش مصنوعی چندوجهی فراهم میکند.

کوالکام با معرفی پردازنده Snapdragon Reality Elite، قدرت پردازش هوش مصنوعی در عینکهای AR را ۱۶۰٪ افزایش داد. این تراشه که در عینکهای Aura به کار میرود، هدفش حذف قطعات اضافی و اجرای محلی هوش مصنوعی در دستگاههای ظریف است.

شرکت WorkOS پروتکل باز Auth.md را معرفی کرد تا عاملهای هوش مصنوعی بتوانند بدون دخالت انسان و از طریق استانداردهای مشترک، در سرویسهای مختلف احراز هویت شوند. این تغییر، تمرکز زیرساختهای وب را از مرورگرهای کاربرمحور به APIهای فرآیندمحور منتقل میکند.

گوگل با انتشار اندروید ۱۷ و Wear OS 7، مدلهای هوش مصنوعی Gemini Omni و Lyria 3 را مستقیماً در سیستمعامل ادغام کرد. این بهروزرسانی با تمرکز بر تولید محتوای چندوجهی در دستگاه، پاسخی پیشدستانه به استراتژی AI اپل در iOS 27 است.

شرکت Xreal عینک Aura را به عنوان نخستین سختافزار مجهز به پلتفرم Android XR گوگل معرفی کرد. با وجود باز شدن درهای رزرو پولی، قیمت نهایی محصول هنوز نامعلوم است.

مقامات ایتالیایی در حال بررسی انحصار اپل در خدمات پشتیبانگیری iCloud هستند. این تحقیقات میتواند منجر به جریمههای سنگین اتحادیه اروپا شود، زیرا اپل دسترسی سرویسهای رقیب به قابلیتهای کلیدی سیستمعامل را مسدود کرده است.

نینتندو فروشگاه eShop را از یک رابط وبمحور به یک اپلیکیشن Native تبدیل کرد. این تغییر منجر به افزایش چشمگیر سرعت پیمایش و افزودن قابلیتهایی مثل حالت تاریک و قفل PIN شده است.

شرکت Insta360 با معرفی دوربین Luna Ultra، بازار دوربینهای گیمبالدار را تکان داد. این محصول با ارائه زوم اپتیکال ۳ بر own و کیفیت ۸K، مستقیماً رقیب مدلهای جیدیآی است.

نقش SRE از آتشنشانی دستی به ارکستراسیون بومی هوش مصنوعی تغییر میکند. پیشبینی میشود تا سال ۲۰۲۹، مدیریت هزینهها به اندازه پایداری سیستمها در اولویت قرار گیرد.

الکس بویارسکی ریاضیدان کاربردی، سیستمی برای تأیید تراکنشها توسعه داده که منطق امنیتی را از نرمافزار به سختافزار منتقل میکند. این رویکرد با حذف لایههای آسیبپذیر نرمافزاری، راهکارهای جدیدی برای مقابله با حملات بازپخش (Replay Attacks) ارائه میدهد.

یک مهندس هوش مصنوعی با جایگزینی اشتراکهای ماهانه ابزارهای ویدیو با یک گردشکار خودمیزبان در n8n، هزینههای سالانه را به شدت کاهش داد. این سیستم تولید سناریو، تأمین محتوا و تدوین ویدیو را بدون هزینههای تکرارشونده اتوماتیک میکند.

شرکت Plaud با فروش ۲ میلیون دستگاه ضبط هوشمند، درآمد سالانه بخش نرمافزاری خود را به ۱۰۰ میلیون دلار رسانده است. این شرکت با موفقیت در حال تبدیل خریداران سختافزار به مشترکین طرحهای نرمافزاری با حاشیه سود بالا است.

دولت آمریکا دسترسی خارجی به مدلهای پیشرفته Anthropic را به دلیل مخاطرات امنیتی مسدود کرد. با این حال، کارشناسان هشدار میدهند که محدود کردن یک شرکت بیفایده است، زیرا قابلیتهای مشابه در مدلهای بازمتن در حال گسترش است.

پژوهشگران معماری ترکیبی PACT را معرفی کردهاند که یک مدل زبانی کوچک را برای برنامهریزی استراتژیک با سیاستهای یادگیری تقویتشده ترکیب میکند. این سیستم با اعتبارسنجی نامتقارن اقدامات در محیط شبیهسازی شده، نرخ شکست عاملها را در محیطهای جدید به شدت کاهش میدهد.

پژوهشگران چارچوبی به نام InvDesMobility ابداع کردهاند که تنها دادههای تأییدشده را به مدلهای هوش مصنوعی بازمیگرداند. این رویکرد از ورود دادههای پرت و «نویز» به چرخه کشف مواد با تحرک الکتریکی بالا جلوگیری میکند.

دانشجوها از هوش مصنوعی برای درس کمک میگیرند؛ پس پرسشِ واقعی این نیست که «آیا استفاده کنم» بلکه «چطور، بهشکلِ درست». مرز این است: هوش مصنوعی بهعنوانِ معلمِ خصوصی (توضیح، سؤالپرسیدن، نقدِ پیشنویسِ خودتان) یعنی یاد میگیرید؛ بهعنوانِ نویسندهٔ سایه که همهچیز را مینویسد، یعنی یاد نمیگیرید. دربارهٔ «ابزارهای تشخیصِ متنِ هوش مصنوعی» هم واقعبین باشید — اینها از هر دو طرف غیرقابلاعتمادند و برای فارسی بدترند؛ پس مسئلهٔ اصلی «گیر افتادن» نیست، «یاد گرفتن» است. این راهنما مرز را روشن میکند و نشان میدهد چطور با هوش مصنوعی باهوشتر شوید نه اینکه کار را رد کنید.

پژوهشگران مدل PVminerLLM2 را برای استخراج دقیق دادههای متنی بیماران توسعه دادهاند. این مدل با جایگزینی روشهای سنتی تنظیم دقیق با «بهینهسازی ترجیحی»، خطاهای سطح توکن را در دادههای پیچیده پزشکی بهشدت کاهش داده است.

پژوهشگران چارچوبی عاملمحور برای خودکارسازی کدهای ۱۰ رقمی تعرفه گمرکی کانادا طراحی کردهاند. این سیستم با ترکیب بازیابی معنایی و رایگیری جمعی، خطاهای لجستیک دریایی را کاهش میدهد، هرچند نظارت انسانی همچنان برای دقت نهایی ضروری است.

تحلیلی روی ۵۶ هزار مقاله طی یک دهه نشان میدهد که نرخ اشتراکگذاری کد و داده از ۱۱٪ به ۶۴٪ رسیده است. این دادهها حاکی از یک چرخش فرهنگی بنیادین به سوی «علم باز» و پایان بحران بازتولید در پژوهشهای هوش مصنوعی است.

هر چیزی که در یک هوش مصنوعیِ ابری مثلِ ChatGPT مینویسید از دستگاهِ شما خارج میشود و به سرورهای آن شرکت در خارج میرود، جایی که ممکن است ذخیره شود، دیده شود یا برای آموزشِ مدلهای بعدی استفاده شود. برای کاربرِ ایرانی یک لایهٔ دیگر هم هست: استفاده از سرویسی که قرار نبوده به شما خدمات بدهد. قاعده ساده است — کدِ ملی، اطلاعاتِ مالی، رمز عبور و اطلاعاتِ پزشکی یا محرمانه را هرگز وارد نکنید. برای کارهای حساس، مدلِ متنباز را محلی اجرا کنید تا هیچ دادهای از سیستمتان بیرون نرود. این راهنما میگوید چه چیزی خطرناک است، راهِ امنِ محلی کدام است، و چند عادتِ ساده.

هوش مصنوعیِ ابری مثلِ ChatGPT و Claude از ایران مسدود است و پرداختِ بینالمللی میخواهد — اما مدلهای متنباز روی سیستمِ خودتان اجرا میشوند: رایگان، بدونِ مسدودسازی و کاملاً خصوصی. این یک راهنمای عملی برای شروع است: چه سختافزاری لازم دارید (یک مدلِ کوچکِ ۷ تا ۸ میلیاردی روی حدودِ ۸ گیگابایت رم اجرا میشود)، سادهترین ابزار برای شروع (Ollama، یا LM Studio برای حالتِ گرافیکی)، از کدام مدل شروع کنید (Llama یا Qwen هشتمیلیاردی؛ Qwen برای فارسی قویتر است)، و صادقانه چه انتظاری داشته باشید (یک پله پایینترِ از پیشروها، با سرعتی که به سختافزارتان بستگی دارد، اما رایگان و خصوصی).

RAID چارچوبی جدید برای پیشبینی دقیق سریهای زمانی در شرایط فقدان دادههای تاریخچه است. این سیستم با جایگزینی یادگیری وابسته به تاریخچه با بازیابی متادیتای معنایی و یک ماژول انتشار گیتشده، تأخیر استنتاج را بهشدت کاهش میدهد.

پژوهشگران ابزار TNODEV را معرفی کردند؛ نخستین راستیآزمای رسمی و «صحیح» برای معادلات دیفرانسیل عصبی (Neural ODEs) که از یک حلقهی پالایش تکرارشونده برای افزایش دقت استفاده میکند. این ابزار در تأیید گنجایش مجموعههای ایمنی، عملکرد بهتری نسبت به موتورهای تحلیل دسترسیپذیری مانند NNV 2.0 و CORA دارد.