اتفاقی بیسابقه در المپیاد جهانی ریاضی / دو هوش مصنوعی نمره کامل گرفتند دو مدل هوش مصنوعی متعلق به شرکتهای چینی هواوی و شیائوهونگشو در المپیاد جهانی ریاضی (IMO) سال ۲۰۲۶ به نمرهی کامل دست یافتند. این سیستمها توانستند برای اولینبار تمامی مسائل را بهطور مستقل و تحت شرایط رسمی داوری حل کنند و رکورد مهمی را به ثبت برسانند.
به گزارش خبرآنلاین، به نقل از زومیت، رقابت المپیاد جهانی ریاضی از ۱۰ تا ۲۱ جولای (۲۰ تا ۳۱ تیر) در شانگهای برگزار شد و ۶۶۶ شرکتکننده از کشورهای مختلف در آن حضور داشتند. از میان تمامی داوطلبان زیر ۲۰ سال، تنها هفت نفر موفق به کسب نمرهی کامل شدند و حالا نام دو مدل هوش مصنوعی نیز در کنار آنها قرار گرفته است.
شیائوهونگشو که در سطح جهان با نام ردنوت شناخته میشود، در بیانیهای اعلام کرد مدل dots-note-3.0 برای نخستین بار در این رقابتها شرکت کرده است: «از این نتیجه بسیار خرسندیم، زیرا کسب نمرهی کامل در المپیاد جهانی ریاضی بهشدت دشوار است. پیش از این، هیچ مدل زبانی بزرگی تحت فرایند رسمی داوری این المپیاد موفق به کسب نمرهی کامل نشده بود.»
هواوی نیز سیستم هوش مصنوعی خود با نام Celia را دارای «قابلیتهای جامع حل مسئله» در شاخههای مختلف ریاضی توصیف کرد. در جریان آزمون، مسئلهها تنها پس از پایان رقابت انسانی در اختیار شرکتهای فناوری قرار گرفت و ارسال پاسخها در یک بازهی زمانی مشخص الزامی بود. شیائوهونگشو در این باره تأکید کرد: «در طول آزمایش، هرگونه مداخلهی انسانی بهطور کامل ممنوع بود و راهحلهای هوش مصنوعی برای نمرهدهی به برگزارکنندگان المپیاد تحویل داده شد.»
پیشرفت هوش مصنوعی در این حوزه سرعتی چشمگیر داشته است. در المپیاد جهانی ریاضی ۲۰۲۴، مدلهای گوگل تنها توانستند امتیازی در سطح مدال نقره کسب کنند و چهار مسئله از شش مسئله را حل کنند. سال گذشته نیز مدلهای ساختهشده توسط گوگل و اوپنایآی برای اولین بار به سطح مدال طلا رسیدند، اما هنوز با نمرهی کامل فاصله داشتند.
۵۸۵۸
شش نشانه برای تشخیص چهرههای ساختهشده با هوش مصنوعی پژوهشگران در مطالعهای تازه نشان دادهاند که برخلاف تصور رایج، تشخیص تصاویر چهرههای تولیدشده با هوش مصنوعی همچنان امکانپذیر است. نتایج این تحقیق نشان میدهد آموزش کوتاهمدت و آشنایی با چند ویژگی ظریف، میتواند دقت افراد را از حدود ۴۰ درصد به نزدیک ۸۰ درصد افزایش دهد.
به گزارش خبرآنلاین، به نقل از سیتنا، با پیشرفت سریع فناوری هوش مصنوعی، تصاویر موسوم به «دیپفیک» و چهرههای تولیدشده توسط الگوریتمها بهقدری واقعی شدهاند که تشخیص آنها از تصاویر واقعی روزبهروز دشوارتر میشود. با این حال، پژوهشگران در مطالعهای جدید اعلام کردهاند که انسانها همچنان میتوانند با آموزش و تمرین، این تصاویر را با دقت بالایی شناسایی کنند.
این پژوهش به سرپرستی «کلر ساترلند» از دانشگاه ابردین و «ایمی داول» مدیر آزمایشگاه احساسات و چهرهها در دانشگاه ملی استرالیا انجام شده است. محققان در این مطالعه بررسی کردند که آیا میتوان افراد را برای تشخیص چهرههای ساختهشده با هوش مصنوعی آموزش داد یا خیر.
برای انجام این تحقیق، هزاران تصویر چهره با استفاده از مدل تولید تصویر StyleGAN۳ ایجاد شد. شرکتکنندگان ابتدا بدون آموزش در آزمون تشخیص تصاویر واقعی و ساختگی شرکت کردند و سپس پس از دریافت آموزش، بار دیگر مورد ارزیابی قرار گرفتند.
شش نشانه برای تشخیص تصاویر هوش مصنوعی تقارن بیش از حد چهره: چهرههای تولیدشده توسط هوش مصنوعی معمولاً بیش از اندازه متقارن هستند و ناهماهنگیهای طبیعی صورت، مانند افتادگی جزئی پلک یا تفاوتهای ظریف در لبخند، در آنها کمتر دیده میشود. تناسب غیرطبیعی اجزای صورت: این تصاویر اغلب از ویژگیهای غیرمعمول مانند بینی بسیار بزرگ یا گوشهای برجسته فاصله میگیرند و به سمت چهرههای استاندارد و میانگین گرایش دارند. جذابیت بیش از حد: هوش مصنوعی معمولاً چهرههایی تولید میکند که از نظر ظاهری زیباتر و خوشایندتر از میانگین افراد واقعی هستند. شباهت زیاد به یکدیگر: بسیاری از این چهرهها ویژگی متمایز و منحصربهفرد ندارند و بهنوعی «چهرههای متوسط» محسوب میشوند. بیان محدود احساسات: چهرههای تولیدی هوش مصنوعی معمولاً احساسات کمتری منتقل میکنند و حالات صورت در آنها طبیعی و متنوع نیست. بهیادماندنی نبودن: این تصاویر اغلب پس از مشاهده، کمتر در ذهن مخاطب باقی میمانند. نتایج پژوهش نشان داد میانگین دقت شرکتکنندگان پیش از آموزش حدود ۴۰ درصد بود، اما پس از گذراندن دورهای آموزشی که حدود یک ساعت زمان برد، این میزان به حدود ۸۰ درصد افزایش یافت. برخی از افراد نیز توانستند با دقتی نزدیک به ۱۰۰ درصد تصاویر واقعی را از تصاویر تولیدشده با هوش مصنوعی تشخیص دهند.
محققان معتقدند این فرآیند شباهت زیادی به شیوه یادگیری خود مدلهای هوش مصنوعی دارد؛ به این معنا که انسان نیز با مشاهده نمونههای متعدد و دریافت بازخورد، بهتدریج الگوهای ظریف را شناسایی میکند، حتی اگر نتواند دقیقاً توضیح دهد چگونه به این نتیجه رسیده است.
بر اساس این مطالعه، مدلهای تولید تصویر هنوز در ساخت چهره سالمندان، کودکان و افراد غیرسفیدپوست عملکرد ضعیفتری دارند؛ موضوعی که پژوهشگران آن را ناشی از سوگیری موجود در دادههای آموزشی این مدلها میدانند.
همچنین بررسیها نشان داد برخلاف برخی مطالعات گذشته، آموزش نهتنها دقت افراد را افزایش داد، بلکه اعتمادبهنفس آنها در تشخیص تصاویر ساختگی نیز بیشتر شد.
۵۸۵۸
رشد انفجاری جمینای/ هوش مصنوعی گوگل حالا ۹۵۰ میلیون کاربر دارد گوگل اعلام کرده دستیار هوش مصنوعی جمینای اکنون ۹۵۰ میلیون کاربر فعال ماهانه دارد. رقمی که این سرویس را به نزدیکترین رقیب ChatGPT تبدیل میکند.
به گزارش خبرآنلاین، این آمار همزمان با انتشار گزارش مالی سهماهه دوم شرکت آلفابت منتشر شد. گزارشی که از رشد چشمگیر درآمد و افزایش سرمایهگذاری گوگل در زیرساختهای هوش مصنوعی نیز خبر میدهد.
جهش ۲۰۰ میلیونی در چند ماه بر اساس گزارش «theverge»، گوگل آخرین بار در فوریه اعلام کرده بود جمینای حدود ۷۵۰ میلیون کاربر ماهانه دارد. اکنون این رقم به ۹۵۰ میلیون نفر رسیده است. یعنی حدود ۲۰۰ میلیون کاربر جدید در کمتر از شش ماه، و به گفته ساندار پیچای، مدیرعامل گوگل، تعداد کاربران روزانه جمینای نیز نسبت به سال گذشته سه برابر شده است.
کارشناسان معتقدند مهمترین مزیت گوگل، اکوسیستم گسترده این شرکت است. جمینای تنها یک چتبات مستقل نیست. این هوش مصنوعی در محصولات مختلف گوگل از جمله موتور جستوجو، اندروید، Workspace و دیگر سرویسهای این شرکت ادغام شده است. همین موضوع باعث میشود میلیونها کاربر بدون نصب نرمافزار جدید، به قابلیتهای جمینای دسترسی پیدا کنند.
با وجود این رشد، ChatGPT همچنان از نظر تعداد کاربران اندکی جلوتر است و گزارشها نشان میدهد حدود یک میلیارد کاربر فعال ماهانه دارد. بنابراین رقابت میان OpenAI و گوگل اکنون بیش از هر زمان دیگری نزدیک شده است. با این حال، تعداد کاربران بهتنهایی نشاندهنده برتری فنی نیست و معیارهایی مانند دقت مدل، کیفیت پاسخها، رضایت کاربران و درآمدزایی نیز در ارزیابی موفقیت اهمیت دارند.
رشد کاربران، همزمان با سرمایهگذاری عظیم گوگل همزمان با اعلام این آمار، آلفابت از رشد ۲۴ درصدی درآمد خود خبر داد و اعلام کرد سرمایهگذاری روی زیرساختهای هوش مصنوعی را باز هم افزایش خواهد داد. بخش بزرگی از این سرمایه صرف مراکز داده، تراشهها و سرورهای موردنیاز برای اجرای مدلهای هوش مصنوعی میشود؛ اقدامی که نشان میدهد گوگل رقابت با OpenAI، مایکروسافت و Anthropic را اولویت اصلی خود میداند.
اعداد جدید نشان میدهد رقابت دیگر فقط بر سر عرضه مدلهای قدرتمندتر نیست، بلکه بر سر جذب و حفظ کاربران نیز جریان دارد. البته هنوز مشخص نیست چه میزان از این رشد ناشی از استفاده فعال کاربران است و چه میزان به دلیل ادغام جمینای در سرویسهای پرکاربر گوگل رخ داده است.
۵۸۵۸
مشاور علمی ترامپ، هوش مصنوعی چینی Kimi K3 را به سرقت تکنولوژی آمریکا متهم کرد دولت آمریکا استارتاپ چینی Moonshot AI را متهم کرد که با ایجاد یک پلتفرم مخفی، مدل هوش مصنوعی کلود شرکت انتروپیک را برای توسعهی محصول خود کپیبرداری کرده است.
به گزارش خبرگزاری خبرآنلاین و براساس گزارش زومیت، مایکل کراتسیوس، مشاور علمی دولت ترامپ و مدیر دفتر سیاست علم و فناوری کاخ سفید، استارتاپ چینی Moonshot AI را به سرقت فناوری مدلهای هوش مصنوعی آمریکایی متهم کرد. بر اساس این اتهام، مونشات برای توسعهی مدل K3 خود، از خروجیهای مدل Fable ساخت شرکت آنتروپیک بهره برده است.
بر اساس ادعای کراتسیوس، این اقدام از طریق یک پلتفرم داخلی پیچیده صورت گرفته که امکان «تقطیر هوش مصنوعی» در مقیاس بزرگ را فراهم میکرده است. این سامانه به گونهای طراحی شده بود که با تغییر سریع روشهای دسترسی، از شناسایی شدن توسط سیستمهای امنیتی فرار کند.
کراتسیوس همچنین ادعا کرد که مونشات سرورهای مجهز به تراشههای GB300 را خریداری کرده و به نمونههای مستقر در تایلند نیز دسترسی داشته است. به گفتهی او، هدف از این سرمایهگذاری سختافزاری، آموزش مدلهای هوش مصنوعی مونشات بوده است.
مایکل کراتسیوس گفت: «ما اطلاعاتی داریم که نشان میدهد Moonshot AI مدل Fable شرکت انتروپیک را برای توسعهی مدل K3 خود تقطیر کرده است. آنها برای این کار یک پلتفرم داخلی پیچیده برای تقطیر در مقیاس بزرگ علیه مدلهای آمریکایی توسعه دادند که به آنها اجازه میداد به سرعت بین چندین روش دسترسی جابهجا شوند تا شناسایی نشوند.»
کراتسیوس در ادامه میان تقطیر قانونی و اقدامات مخرب تمایز قائل شد. او تأکید کرد که ایالات متحده از توسعهی آزاد و منصفانهی هوش مصنوعی، از جمله ایجاد مدلهای کوچکتر و کارآمدتر از طریق تقطیر، حمایت میکند. با این حال، او هشدار داد که تقطیر پنهانی در مقیاس بزرگ با هدف سرقت فناوری انحصاری آمریکا و تضعیف تحقیقات این کشور، کاملا غیرقابل قبول است.
۲۲۷۲۲۷
رباتی که از افسانههای باستانی بیرون آمده است/ نخستین ربات «سانتور» جهان در چین رونمایی شد یک شرکت رباتیک در شانگهای از نخستین ربات شبهانسان و چرخدار جهان موسوم به «سانتور» رونمایی کرده است که با ترکیب سرعت و قابلیت عبور از موانع، تحولی بزرگ در عملیاتهای امدادی و صنعتی ایجاد میکند. این ماشین هوشمند که بیش از ۹۵ درصد قطعات آن کاملاً بومی است، با ساختار منحصربهفرد خود توانایی انجام پیچیدهترین مأموریتها را در محیطهای خطرناک دارد.
تینا مزدکی_شرکت رباتیک «ران رباتیکس» (Run Robotics) در جریان کنفرانس جهانی هوش مصنوعی ۲۰۲۶ (WAIC ۲۰۲۶) در شانگهای، از جدیدترین دستاورد خود یعنی نخستین ربات هیبریدی چرخدار-پادار جهان تحت عنوان «سانتور» رونمایی کرد.
نام و طراحی این ربات با الهام از موجود اساطیری سانتور (موجودی با بالاتنه انسان و پایینتنه اسب) شکل گرفته است. برخلاف رباتهای انساننمای سنتی که متکی بر حرکت دوپا هستند، این ربات از یک طراحی دو بخشی بهره میبرد؛ شاسی چهارچرخ و همهفنحریف در بخش پایینی برای حرکت سریع، و بالاتنهای کاملاً مشابه انسان مجهز به بازوهای مکانیکی برای انجام عملیاتهای پیچیده فیزیکی.
این ربات به طور ویژه برای به کارگیری در شرایط سخت و محیطهای پرخطر مانند کارخانههای فولاد، پالایشگاههای نفت، تأسیسات هستهای و معدنکاری طراحی شده است. ترکیب ساختاری آن به گونهای است که بخش چرخدار پایینی امکان پیمایش سریع در سطوح ناهموار و خطرناک را فراهم میسازد، در حالی که بازوهای مکانیکی و بالاتنه هوشمند آن میتوانند اقداماتی نظیر پاکسازی موانع، کار با تجهیزات صنعتی و کمک به تیمهای امداد و نجات را در شرایط بحرانی انجام دهند.
علاوه بر این، ربات سانتور با رعایت استانداردهای ضد انفجار، ترکیبی از وزن سبک و قابلیت اطمینان بالا را ارائه میدهد. این پلتفرم ماژولار توانایی حمل بارهای تجاری بین ۱۰۰ تا ۱۲۰ کیلوگرم را داشته و حتی میتواند بار استاتیک تا حداکثر ۲۱۰ کیلوگرم را تحمل کند. همچنین بسته به نوع مأموریت، امکان نصب انواع بازوهای دوگانه، دستهای پرتوان و سنسورهای چندبعدی نیرو روی آن وجود دارد.
مغز متفکر این ربات به یک سیستم درک محیطی بومی مجهز است که از تلفیق لایدار (Lidar)، بینایی دوچشمی و دوربینهای عمقسنج بهره میبرد. این سیستم هوشمند ربات را قادر میسازد تا لولهها، شیرآلات، گیجها، موانع و افراد را به دقت شناسایی کرده، موقعیت آنها را ارزیابی کند و با مسیریابی خودکار و خودفرمان، چرخه کاملی از درک محیطی تا تصمیمگیری و اجرا را به نمایش بگذارد.
ساخت این محصول حاصل تلاش برای برطرف کردن چالشهای قدیمی رباتها، مانند محدودیت توان حرکتی و عدم تطبیقپذیری با محیطهای گوناگون بوده است. سازندگان آن اعلام کردهاند که خط تولید انبوه و اتوماتیک این محصول در سه ماهه چهارم سال ۲۰۲۶ تکمیل میشود و از هماکنون سفارشهای تجاری متعددی برای دریافت آن ثبت شده است.
رویداد رونمایی از این ربات، که در میان ۱۰ رویداد برتر شبکه تلویزیونی دولتی چین (CCTV) قرار گرفت، نشاندهنده رشد شتابان چین در حوزه رباتیک هوشمند است. طبق آمار وزارت صنعت و فناوری اطلاعات چین، شرکتهای چینی تاکنون بیش از ۴۰۰ مدل ربات انساننما توسعه دادهاند که بیش از نصف کل آمار جهانی را شامل میشود.
همچنین نزدیک به ۷۰ درصد از فروش جهانی رباتهای چهارپا نیز در اختیار سازندگان چینی قرار دارد. این ربات جدید نیز که تمام مراحل تحقیق و توسعه آن در شهر علمی ژانگجیانگ شانگهای انجام شده، گواه دیگری بر تکمیل زنجیره تأمین داخلی و جهش فناوری در این کشور است.
منبع: interestingengineering
۲۲۷۳۲۳
گوگل از Gemini 3.6 Flash رونمایی کرد؛ مدل سبکتر، ارزانتر و هوشمندتر در راه است / اولین اشاره رسمی به Gemini 4 گوگل در تازهترین بهروزرسانی خانواده مدلهای هوش مصنوعی Gemini، از Gemini 3.6 Flash و Gemini 3.5 Flash-Lite رونمایی کرد؛ دو مدلی که با تمرکز بر کاهش هزینه، افزایش سرعت و بهبود عملکرد در برنامهنویسی و پردازش اسناد توسعه یافتهاند. این شرکت همچنین برای نخستینبار تأیید کرد که توسعه Gemini 4 آغاز شده و بزرگترین پروژه آموزش مدلهای زبانی خود را کلید زده است.
به گزارش خبرگزاری خبرآنلاین، در حالی که بسیاری از توسعهدهندگان هنوز منتظر عرضه عمومی Gemini 3.5 Pro هستند، گوگل مسیر متفاوتی را در پیش گرفته است. این شرکت به جای معرفی مدل پرچمدار، نسخههای جدید و اقتصادیتر خانواده Gemini Flash را عرضه کرده؛ مدلهایی که برای استفاده روزمره، ساخت عاملهای هوشمند (AI Agents)، تولید کد و پردازش حجم بالای داده طراحی شدهاند.
این رونمایی نشان میدهد رقابت میان گوگل، OpenAI، Anthropic و دیگر بازیگران بازار، بیش از هر زمان دیگری به سمت افزایش بهرهوری و کاهش هزینه استفاده از مدلهای هوش مصنوعی حرکت کرده است.
Gemini 3.6 Flash؛ هوشمندتر با مصرف کمتر اصلیترین محصول معرفیشده، Gemini 3.6 Flash است؛ مدلی که ادامهدهنده مسیر نسخه 3.5 Flash محسوب میشود اما تقریباً در همه شاخصها بهبود یافته است.
گوگل اعلام کرده این نسخه بر اساس بازخورد توسعهدهندگان از زمان برگزاری کنفرانس Google I/O 2026 طراحی شده و مهمترین هدف آن، کاهش مصرف توکن بدون افت کیفیت پاسخها بوده است.
طبق آمار منتشرشده، Gemini 3.6 Flash در مقایسه با نسل قبل:
حدود ۱۷ درصد توکن خروجی کمتری مصرف میکند. برای انجام وظایف چندمرحلهای به استدلال و فراخوانی ابزارهای کمتری نیاز دارد. با همان کیفیت، پاسخهای کوتاهتر و بهینهتری تولید میکند. این موضوع به معنای کاهش هزینه اجرای برنامههای مبتنی بر هوش مصنوعی برای شرکتها و توسعهدهندگان خواهد بود.
قیمت پایینتر؛ خبر خوب برای توسعهدهندگان گوگل علاوه بر بهبود عملکرد، قیمت استفاده از مدل را نیز کاهش داده است.
هزینه استفاده از Gemini 3.6 Flash به شکل زیر اعلام شده است:
۱.۵ دلار برای هر یک میلیون توکن ورودی ۷.۵ دلار برای هر یک میلیون توکن خروجی در نسخه قبلی، هزینه توکن خروجی ۹ دلار بود؛ بنابراین توسعهدهندگان با مدل جدید هزینه کمتری پرداخت خواهند کرد.
جهش قابل توجه در برنامهنویسی یکی از مهمترین محورهای توسعه Gemini 3.6 Flash، تولید کد بوده است.
گوگل میگوید این مدل:
تغییرات ناخواسته کمتری در کد ایجاد میکند. حلقههای تکراری اجرای کد را کاهش داده است. کدهای آماده تولید (Production-ready) با کیفیت بالاتری مینویسد. براساس نتایج منتشرشده:
امتیاز مدل در آزمون DeepSWE از ۳۷ درصد به ۴۹ درصد رسیده است. در معیار MLE Bench نیز عملکرد آن از ۴۹.۷ درصد به ۶۳.۹ درصد افزایش یافته است. این اعداد نشان میدهد Gemini 3.6 Flash نسبت به نسل قبل، گزینه قابل اعتمادتری برای توسعه نرمافزار و پروژههای یادگیری ماشین خواهد بود.
بهبود توانایی استدلال و استفاده از رایانه پیشرفتهای Gemini 3.6 Flash تنها به برنامهنویسی محدود نمیشود.
گوگل اعلام کرده عملکرد مدل در زمینههای زیر نیز ارتقا یافته است:
افزایش امتیاز دانش عمومی از ۱۳۴۹ به ۱۴۲۱ افزایش توانایی انجام کار با رایانه در آزمون OSWorld از ۷۸.۴ درصد به ۸۳ درصد همچنین تاریخ آخرین دادههای آموزشی مدل نیز بهروز شده است.
در حالی که نسخه قبلی تنها اطلاعات تا ژانویه ۲۰۲۵ را در اختیار داشت، Gemini 3.6 Flash اکنون دادههایی تا مارس ۲۰۲۶ را پوشش میدهد.
Gemini 3.5 Flash-Lite؛ مدل اقتصادی برای پردازشهای سنگین در کنار مدل اصلی، گوگل از Gemini 3.5 Flash-Lite نیز رونمایی کرد.
این مدل برای کاربردهایی طراحی شده که نیازمند:
پردازش تعداد بسیار زیادی درخواست پاسخدهی سریع هزینه پایین هستند؛ از جمله:
جستوجوی مبتنی بر عاملهای هوش مصنوعی (Agentic Search) پردازش اسناد استخراج اطلاعات سرویسهای گفتوگومحور با کاربران زیاد هزینهای بسیار پایینتر
گوگل قیمت این مدل را نیز اعلام کرده است:
۰.۳ دلار برای هر یک میلیون توکن ورودی ۲.۵ دلار برای هر یک میلیون توکن خروجی این قیمت، Flash-Lite را به یکی از ارزانترین مدلهای خانواده Gemini تبدیل میکند.
عملکرد بهتر حتی نسبت به Gemini 3 نکته جالب اینجاست که Flash-Lite صرفاً نسخهای سبکتر نیست.
گوگل اعلام کرده این مدل در برخی معیارها حتی از Gemini 3 Flash نیز عملکرد بهتری دارد.
از جمله:
افزایش امتیاز برنامهنویسی در Terminal-Bench از ۳۱ درصد به ۵۴ درصد بهبود پردازش متنهای طولانی از ۶۰.۱ درصد به ۷۲.۲ درصد افزایش توان اجرای وظایف واقعی از ۶۴۲ به ۱۱۴۰ همچنین در آزمونهای SWE-Bench Pro و OSWorld نیز Flash-Lite امتیاز بالاتری نسبت به Gemini 3 Flash کسب کرده است.
معرفی Gemini 3.5 Flash Cyber؛ هوش مصنوعی برای مقابله با آسیبپذیریهای امنیتی گوگل همزمان از مدل تخصصی جدیدی با نام Gemini 3.5 Flash Cyber نیز پرده برداشت.
این مدل بهطور اختصاصی برای:
شناسایی آسیبپذیریهای نرمافزاری اعتبارسنجی مشکلات امنیتی پیشنهاد اصلاح کد وصله کردن (Patch) آسیبپذیریها توسعه یافته است.
هدف گوگل این است که سازمانها بتوانند با هزینه کمتر، مشکلات امنیتی را پیش از سوءاستفاده هکرها شناسایی و برطرف کنند.
CodeMender؛ ابزار جدید گوگل برای امنیت کد گوگل اعلام کرده ابزار امنیتی CodeMender بر پایه چندین عامل هوش مصنوعی Gemini 3.5 Flash Cyber ساخته شده است.
این سامانه وظیفه دارد به صورت خودکار:
کدها را بررسی کند؛ آسیبپذیریها را پیدا کند؛ صحت آنها را ارزیابی کند؛ و در نهایت پیشنهاد اصلاح ارائه دهد. در مرحله نخست، دسترسی به این فناوری تنها برای دولتها و شرکای مورد اعتماد گوگل فراهم خواهد بود.
این مدلها از امروز در دسترس هستند گوگل اعلام کرده:
Gemini 3.6 Flash از امروز در اپلیکیشن Gemini قابل استفاده است. Gemini 3.5 Flash-Lite علاوه بر اپلیکیشن Gemini، وارد موتور جستوجوی گوگل نیز میشود. توسعهدهندگان میتوانند از طریق AI Studio، Android Studio و پلتفرم Antigravity به این مدلها دسترسی داشته باشند. در مقابل، Gemini 3.5 Pro همچنان در مرحله آزمایش با شرکای تجاری قرار دارد و هنوز زمان دقیقی برای عرضه عمومی آن اعلام نشده است.
گوگل رسماً توسعه Gemini 4 را تأیید کرد شاید مهمترین بخش این رونمایی، اشاره کوتاه اما مهم گوگل به نسل بعدی مدلهای خود بود.
گوگل اعلام کرد تیم DeepMind هماکنون آموزش اولیه Gemini 4 را آغاز کرده است؛ پروژهای که از آن بهعنوان بلندپروازانهترین فرایند پیشآموزش (Pre-training) در تاریخ توسعه مدلهای این شرکت یاد میشود.
اگرچه هنوز جزئیاتی از قابلیتهای Gemini 4 منتشر نشده، اما همین اعلام رسمی نشان میدهد رقابت میان گوگل، OpenAI، Anthropic و دیگر شرکتهای فعال در حوزه هوش مصنوعی وارد مرحله تازهای شده است؛ مرحلهای که در آن، تمرکز تنها بر افزایش قدرت مدلها نیست، بلکه کارایی بیشتر، هزینه کمتر و توسعه عاملهای هوشمند به مهمترین میدان رقابت تبدیل شدهاند
۲۲۷۲۲۷
چرا گوگل دسترسی به قویترین هوش مصنوعی امنیتی خود را محدود کرد؟ گوگل با رونمایی از سه مدل جدید از خانواده جِمینای (Gemini)، گام بلندی در بازتعریف رقابت هوش مصنوعی برداشت.
به گزارش خبرآنلاین، در مرکز این رونمایی، مدل تخصصی Gemini 3.5 Flash Cyber قرار دارد. ابزاری که مستقیماً برای شناسایی و رفع آسیبپذیریهای امنیتی توسعه یافته و پاسخ مستقیم گوگل به پیشتازی رقبایی همچون آنتروپیک و اوپنایآی در حوزه امنیت سایبری محسوب میشود.
زره هوشمند گوگل در برابر حملات سایبری مدل Flash Cyber بر پایه نسخه استاندارد Flash آموزش دیده اما بهطور ویژه برای مرور، تحلیل و وصلهکردن خودکار کدهای نرمافزاری بهینهسازی شده است. این مدل درون عامل امنیتی گوگل به نام CodeMender یکپارچه شده و قادر است کدهای پیچیده را تحلیل کند. در آزمونهای اولیه روی موتور مرورگر کروم (V8 JavaScript Engine)، این مدل هوش مصنوعی موفق شد ۵۵ اختلال امنیتی را شناسایی کند که ۱۰ مورد از آنها پیشتر توسط هیچ مدل دیگری کشف نشده بود.
نکته کلیدی در معماری این سیستم، استفاده از چندین عامل همزمان است. بهجای یک فراخوانی پرهزینه به یک مدل غولپیکر، چند عامل سبکوزن بهصورت موازی بخشهای مختلف کد را اسکن کرده و نتایج را در قالب یک گزارش امنیتی دقیق ترکیب میکنند.
فناوری با «کاربرد دوگانه» قدرت بالای هوش مصنوعی در شناسایی نقاط ضعف نرمافزار، چالش بزرگی بههمراه دارد که در علوم رایانه به آن ماهیت کاربرد دوگانه (Dual-Use) میگویند. همان الگوریتمی که به مدافعان برای بستن روزنههای امنیتی کمک میکند، در دست هکرها میتواند به ابزاری برای ساخت سریع اکسپلویت و حملات سایبری تبدیل شود.
به همین دلیل، گوگل رویکردی محتاطانه اتخاذ کرده و دسترسی به Gemini 3.5 Flash Cyber را عمومی نکرده است. این مدل تنها در قالب یک برنامه آزمایشی محدود در اختیار دولتها و شرکای تجاری مورد اعتماد قرار میگیرد تا مدافعان خط مقدم، پیش از سوءاستفاده مهاجمان، کدهای خود را ایمن کنند.
بهینهسازی به جای غولسازی در کنار مدل امنیتی، گوگل دو مدل دیگر یعنی Gemini 3.6 Flash و Gemini 3.5 Flash-Lite را معرفی کرد. مدل ۳.۶ Flash با کاهش ۱۷ درصدی در مصرف توکنهای خروجی و کاهش قیمت، کارایی بالاتری برای کارهای روزمره مهندسی نرمافزار ارائه میدهد. مدل Flash-Lite نیز با سرعت پاسخدهی بالای ۳۵۰ توکن در ثانیه، برای مدیریت عوامل خودکار (AI Agents) طراحی شده است.
این عرضه در حالی صورت میگیرد که پرچمدار اصلی گوگل، یعنی مدل Gemini 3.5 Pro، همچنان با تأخیر در عرضه مواجه است. این موضوع نشاندهنده یک تغییر استراتژیک در گوگل برای تمرکز بر ارزانتر کردن، سریعتر کردن و کاربردیتر کردن مدلهای سبک (Flash)، بهجای رقابت صرف بر سر ابعاد مدلهای غولپیکر است.
تحول اخیر نشان میدهد که هوش مصنوعی در حال عبور از مرحله «چتباتهای عمومی» و ورود به «ابزارهای تخصصی» است. با این حال، تا زمانی که قابلیتهای این مدلها در شرایط واقعی و در برابر حملات پیچیده بازار سنجیده نشود، نمیتوان از برتری مطلق امنیت پایه هوش مصنوعی سخن گفت.
۵۸۵۸
فرار هوش مصنوعی از سندباکس / مدل جدید «OpenAI» بدون دستور انسان به هاگینگ فیس حمله کرد چند روز پس از آنکه پلتفرم محبوب هاگینگ فیس اعلام کرد ایجنت هوش مصنوعی خودمختاری به سیستمهای آنها نفوذ کرده، شرکت OpenAI با انتشار مطلبی رسماً اعتراف کرد که مدلهای هوش مصنوعی این شرکت عامل اصلی این حمله ناخواسته بودهاند.
به گزارش خبرآنلاین، براساس اعلام رسمی OpenAI، این حادثه در جریان ارزیابیهای امنیتی داخلی و سنجش توانمندیهای سایبری مدلها رخ داده است. در این تست، مدلهای GPT-5.6 Sol و یک مدل عرضهنشده و به مراتب قدرتمندتر، در یک محیط قرنطینه و سندباکس قرار داده شده بودند که برای ارزیابی دقیقتر، لایههای حفاظتی آنها کاهش یافته بود. هدف از این آزمایش، بررسی توانایی مدلها در تبدیل آسیبپذیریهای امنیتی به اکسپلویتهای عملیاتی در یک سامانه بنچمارک به نام ExploitGym بود.
بااینحال، مدلها در طول فرایند تست، روی یافتن پاسخهای بنچمارک ExploitGym متمرکز یا اصطلاحاً هایپرفوکس شدند. آنها برای یافتن پاسخ، ابتدا یک آسیبپذیری روز صفر را در خود محیط تست ایزوله اوپنایآی کشف و اکسپلویت کردند تا به یک Node متصل به اینترنت دست پیدا کنند.
به نقل از دیجیاتو، پس از خروج از محیط قرنطینه، مدلهای هوش مصنوعی استنتاج کردند که پلتفرم هاگینگ فیس احتمالاً میزبان دادهها، مدلها یا راهکارهای مرتبط با بنچمارک ExploitGym است. ازاینرو، به صورت کاملاً خودکار و بدون دستور انسان، حملهای زنجیرهای و چندمرحلهای را علیه سرورهای هاگینگ فیس طراحی و اجرا کردند.
درحالحاضر، تیمهای مهندسی اوپنایآی و هاگینگ فیس درحال همکاری مشترک برای بررسی این حادثه هستند و آسیبپذیریهای مورد استفاده مدلها را در محیطهای آزمایشگاهی و پلتفرمها پچ کردهاند.
هاگینگ فیس در بیانیه خود گفت: «ابزارهای تهاجمی و خودمختار متکی بر هوش مصنوعی دیگر یک موضوع نظری و تئوریک نیستند. استفاده از هوش مصنوعی برای حملات سایبری، سرعت حملات را بالا برده و هزینههای آن را کاهش میدهد. امروزه حفاظت از بسترهای آنلاین نیازمند بهکارگیری هوش مصنوعی دفاعی است.»
اگرچه این حادثه نشاندهنده یک رخنه امنیتی جدی در کنترل مدلهای هوش مصنوعی است، اما به نظر میرسد اوپنایآی از این رویداد برای نمایش قدرت تهاجمی مدلهای خود استفاده کرده است. این اقدام در راستای رقابت فشرده با رقبای حوزه امنیت سایبری، نظیر مدل Claude Mythos از آنتروپیک و Gemini 3.5 Flash Cyber از گوگل است.
اوپنایآی در گزارش خود نمودارهایی را نیز به نمایش گذاشته که نشان میدهد مدل GPT-5.6 Sol چطور در حفظ و اجرای عملیاتهای سایبری چندمرحلهای و پیچیده مهارت یافته است. این شرکت همچنین از مشتریان سازمانی خود خواسته است تا برای دسترسی به مدلهای جدید حوزه امنیت سایبری (OpenAI Cyber) ثبتنام کنند.
۵۸۵۸
اخراج شد، اما هوش مصنوعی به نامش مقاله نوشت یک رسانه بینالمللی با انتشار مقالاتی که توسط هوش مصنوعی تولید شده بود، اما با نام یک خبرنگار اخراجشده منتشر میشد، با موجی از انتقادها روبهرو شده است؛ اتفاقی که بار دیگر بحث درباره اخلاق حرفهای و شفافیت در استفاده از هوش مصنوعی در رسانهها را داغ کرده است.
به گزارش خبرگزاری خبرآنلاین و براساس گزارش هوشیو، «بن توآتی»، نویسنده ساکن استکهلم، میگوید تنها چند روز پس از اخراج از رسانه ClickOut Media متوجه شده است که مقالات جدیدی همچنان با نام او منتشر میشوند؛ در حالی که این مطالب را هرگز ننوشته بود و به گفته او، توسط هوش مصنوعی تولید شده بودند. توآتی این اتفاق را «سیلی به صورت» توصیف کرده و گفته است کیفیت این مطالب بهوضوح پایین بوده و هیچ شباهتی به نوشتههای واقعی او نداشته است.
ClickOut Media در واکنش به این موضوع، دلیل استفاده از نام نویسنده سابق خود را توضیح نداد، اما اعلام کرد که در تولید محتوا از «هوش مصنوعی همراه با بررسی و ویرایش انسانی» استفاده میکند و همچنان در حال توسعه ابزارهای هوش مصنوعی و فرآیندهای تحریریه خود است.
این خبرنگار همچنین مدعی است که در دوران همکاری با این رسانه، مدیران بارها از خبرنگاران خواسته بودند برای افزایش سرعت تولید محتوا از هوش مصنوعی استفاده کنند. حتی به کارکنان آموزش داده میشد چگونه متنهای تولیدشده توسط AI را «انسانیتر» جلوه دهند. به گفته او، در نهایت به دلیل کاهش حجم کار و افزایش بهرهوری ناشی از استفاده از هوش مصنوعی، قرارداد بسیاری از نویسندگان آزاد از جمله خودش لغو شد.
پس از انتشار مقالات با نام او، توآتی با استناد به مقررات حفاظت از دادههای اتحادیه اروپا (GDPR) علیه این رسانه شکایت کرد. در نهایت ClickOut Media نام او را از روی این مطالب حذف کرد و مقالات با نام نویسنده دیگری منتشر شدند. این نخستین بار نیست که ClickOut Media به استفاده غیرشفاف از هوش مصنوعی متهم میشود. این رسانه پیشتر نیز به دلیل انتشار مطالبی با نویسندگان ساختگی و تصاویر پروفایل تولیدشده توسط هوش مصنوعی خبرساز شده بود.
این اتفاق بار دیگر نگرانیها درباره جایگزینی خبرنگاران با هوش مصنوعی، انتشار محتوای بیکیفیت و استفاده از نام روزنامهنگاران واقعی برای مطالب تولیدشده توسط AI را افزایش داده است؛ موضوعی که به یکی از چالشهای جدی صنعت رسانه در عصر هوش مصنوعی تبدیل شده است.
۲۲۷۲۲۷
روش درست استفاده از هوش مصنوعی هوش مصنوعی انسان را کمهوش نمیکند اما واگذار کردن کامل کارهای ذهنی به آن میتواند مهارتهایی را که تنها با تمرین شکل میگیرند، به مرور زمان ضعیف کند.
به گزارش خبرآنلاین، هرچه بیشتر از تواناییهایی مانند حل مسئله، استدلال، نوشتن، به خاطر سپردن اطلاعات یا تفکر انتقادی استفاده کنیم، این مهارتها تقویت میشوند. اما اگر این وظایف را همیشه به هوش مصنوعی بسپاریم، فرصت تمرین از بین میرود و یادگیری عمیق نیز کاهش مییابد.
این موضوع پدیده تازهای نیست. در طول تاریخ، با ظهور فناوریهایی مانند ماشینحساب، GPS و موتورهای جستوجو نیز نگرانیهای مشابهی مطرح شده بود. برای مثال، امروزه بسیاری از افراد شماره تلفن نزدیکان خود را حفظ نیستند یا بدون مسیریاب به سختی مسیرها را پیدا میکنند. با این حال، این فناوریها انسان را «کمهوش» نکردند، بلکه نوع مهارتهایی را که بیشتر از آنها استفاده میشود تغییر دادند. پژوهشگران معتقدند هوش مصنوعی نیز احتمالاً چنین اثری خواهد داشت، اما دامنه آن میتواند گستردهتر باشد، زیرا مستقیماً وارد فرایندهای شناختی مانند نوشتن، تحلیل و تصمیمگیری شده است.
مطالعات اخیر نیز نشان میدهند استفاده مداوم از هوش مصنوعی ممکن است اعتماد کاربران به پاسخهای هوش مصنوعی را افزایش دهد و در نتیجه، آنها کمتر به بررسی مستقل اطلاعات یا ارزیابی انتقادی نتایج بپردازند. این موضوع بهویژه در آموزش، پژوهش و تصمیمگیریهای مهم میتواند مشکلساز باشد. با این حال، پژوهشگران تأکید میکنند هنوز شواهد کافی وجود ندارد که نشان دهد استفاده از هوش مصنوعی بهطور دائمی باعث کاهش تواناییهای شناختی انسان میشود و برای رسیدن به چنین نتیجهای، به مطالعات بلندمدت بیشتری نیاز است.
متخصصان توصیه میکنند بهترین راه استفاده از هوش مصنوعی، جایگزین نکردن آن با تفکر شخصی است. بهجای سپردن کامل کارها به هوش مصنوعی، بهتر است از آن برای ایدهپردازی، یادگیری، دریافت بازخورد یا بررسی دیدگاههای مختلف استفاده شود و در نهایت، تحلیل، قضاوت و تصمیمگیری نهایی بر عهده خود کاربر باقی بماند. به گفته پژوهشگران، مهارتهایی مانند تفکر انتقادی، خلاقیت و حل مسئله تنها زمانی حفظ میشوند که انسان همچنان آنها را بهطور فعال تمرین کند.
۵۸۵۸
