Tag: خنثی

‏[بیانیه مطبوعاتی – پاناما سیتی، پاناما، ۱۹ مارس ۲۰۲۶]
پیش‌فروش توکن $METAWINNERS در mw.xyz آغاز شده است.

$METAWIN توکن جامعه MetaWinners است – مجموعه‌ای از بومیان کریپتو که به یکی از فعال‌ترین و قابل‌تشخیص‌ترین جوامع در وب ۳ تبدیل شده است.

این جامعه با ۴۴۰,۰۰۰ کیف پول متصل، ۳۰۰,۰۰۰ عضو جامعه در شبکه‌های اجتماعی، مجموعه‌ای از NFTهای کاملاً فروخته‌شده و بیش از ۶.۵ میلیون دلار جوایز توزیع‌شده فقط به دارندگان NFT، با سابقه اثبات‌شده‌ای در ارائه خدمات به دارندگان و اعضا، وارد این راه‌اندازی شده است.

پیش‌فروش در حال حاضر برای عموم آزاد است. ۲۰۰,۰۰۰,۰۰۰ توکن — ۲۰٪ از کل عرضه ثابت یک میلیارد توکنی — در یک جدول زمانی از مراحل افزایشی در دسترس است. هیچ دور خصوصی، تخصیص سرمایه خطرپذیر و قیمت‌گذاری ترجیحی وجود ندارد.

چرا توکن $METAWIN؟

بیشتر راه‌اندازی‌های توکن از شرکت‌کنندگان می‌خواهند که روی یک نقشه راه شرط‌بندی کنند. $METAWIN به شرکت‌کنندگان اجازه می‌دهد تا به جامعه‌ای بپیوندند که قبلاً نتایج را ارائه کرده است.

۰۱ / دسترسی به میلیون‌ها دلار جوایز از طریق MetaWin.com

$METAWIN کلید برخی از بزرگترین مسابقات جایزه در کریپتو است. MetaWin.com یک شریک اکوسیستم مستقل است که انتظار می‌رود قرعه‌کشی‌های جایزه انحصاری را برای دارندگان $METAWIN باز کند.

۰۲ / پیش‌فروش منصفانه — بدون VC، بدون افراد داخلی، یک قیمت در هر مرحله

هیچ دور خصوصی در پشت این پیش‌فروش وجود ندارد. هیچ سرمایه خطرپذیری وجود ندارد. هیچ تخصیص سازمانی وجود ندارد. ۲۰۰,۰۰۰,۰۰۰ توکن در مراحل افزایشی برای عموم در دسترس است — یک قیمت ثابت در هر مرحله، یکسان برای هر شرکت‌کننده. مراحل اولیه با قیمت کمتری نسبت به مراحل بعدی قیمت‌گذاری می‌شوند. پس از بسته شدن یک مرحله، دوباره باز نمی‌شود.

۰۳ / یک اکوسیستم زنده، نه یک وعده

جامعه MetaWinners از سال ۲۰۲۲ فعال بوده است. جوایز پرداخت شده است. NFTها فروخته شدند. شرکت‌کنندگانی که به پیش‌فروش می‌پیوندند، چیزی را که قرار است ساخته شود، تأمین مالی نمی‌کنند — آن‌ها به جامعه‌ای با سابقه چهار ساله و یک شریک اکوسیستم در MetaWin.com می‌پیوندند که در حال حاضر یکی از شناخته‌شده‌ترین نام‌ها در بازی‌های کریپتو است.

سلب مسئولیت: $METAWIN هیچ سودمندی مستقیم در زنجیره، حقوق حاکمیتی یا استحقاق درآمد ندارد. تمام مزایای اکوسیستم به‌طور داوطلبانه توسط MetaWin.com به‌عنوان یک شریک مستقل ارائه می‌شود و از نظر قراردادی تضمین نمی‌شوند.

نحوه شرکت

پیش‌فروش در مراحل افزایشی ساختار یافته است. هر مرحله یک قیمت ثابت برای هر توکن دارد. پس از بسته شدن یک مرحله، مرحله بعدی با قیمت بالاتری باز می‌شود! مراحل اولیه قیمت کمتری برای هر توکن نسبت به مراحل بعدی دارند. پیش‌فروش ممکن است قبل از پر شدن تمام مراحل به صلاحدید صادرکننده بسته شود.

فرآیند شرکت

شرکت در mw.xyz در دسترس است.

@Meta_Winners در X به‌روزرسانی‌های زنده پیش‌فروش را ارائه می‌دهد.

درباره جامعه MetaWinners

MetaWinners جامعه‌ای از شرکت‌کنندگان بومی کریپتو است که توسط رقابت در زنجیره و فرهنگ جایزه متحد شده‌اند. این اکوسیستم شامل ۴۴۰,۰۰۰ کیف پول متصل، بیش از ۳۰۰,۰۰۰ عضو جامعه در شبکه‌های اجتماعی، یک مجموعه NFT ۱۰,۰۰۰ قطعه‌ای فروخته‌شده و بیش از ۶.۵ میلیون دلار جوایز توزیع‌شده به اعضای جامعه است. $METAWIN توسط TropiChain Inc.، جمهوری پاناما صادر می‌شود. برای اطلاعات بیشتر، کاربران می‌توانند از mw.xyz بازدید کنند یا @Meta_Winners را در X دنبال کنند.

درباره MetaWin.com

MetaWin.com یک پلتفرم پیشرو در زمینه کازینو و جوایز کریپتو است که توسط Casinos.org به‌عنوان بهترین کازینو کریپتو در سال ۲۰۲۵ نام‌گذاری شده است. این پلتفرم طیف گسترده‌ای از بازی‌های نوآورانه را ارائه می‌دهد و در سراسر صنعت به دلیل برداشت‌های فوری و تضمین حداکثر RTP شناخته شده است. MetaWin.com به‌طور مستقل از TropiChain Inc. فعالیت می‌کند و صادرکننده، حامی یا سازمان‌دهنده توکن $METAWIN یا پیش‌فروش نیست. هرگونه مزایایی که توسط MetaWin.com به دارندگان $METAWIN ارائه می‌شود، کاملاً داوطلبانه و اختیاری است.

اطلاعیه مهم: توکن‌های $METAWIN توکن‌های جامعه هستند و نشان‌دهنده سهام، حقوق حاکمیتی یا استحقاق درآمد نیستند. مشارکت شامل ریسک قابل‌توجهی است، از جمله از دست دادن کامل سرمایه. برای افراد در اروپا، بریتانیا یا سایر حوزه‌های قضایی محدود در دسترس نیست. این اطلاعیه، مشاوره مالی یا سرمایه‌گذاری را تشکیل نمی‌دهد. قبل از شرکت در mw.xyz، Litepaper کامل را بخوانید.

‏مطابق با یک تحقیق جدید، گفتن به یک ربات چت هوش مصنوعی مبنی بر داشتن یک بیماری روانی می‌تواند نحوه پاسخگویی آن را تغییر دهد، حتی اگر وظیفه بی‌ضرر یا مشابه وظایف قبلی باشد.

بررسی رفتار مدل‌های زبانی بزرگ

این مطالعه پیش‌انتشار، که توسط چاغلار ییلدیریم، محقق دانشگاه نورث‌ایسترن رهبری می‌شود، رفتار عوامل مدل‌های زبانی بزرگ را تحت تنظیمات مختلف کاربر آزمایش کرد، زیرا این عوامل به طور فزاینده‌ای به عنوان عوامل هوش مصنوعی به کار گرفته می‌شوند.

در این مطالعه آمده است: «سیستم‌های مستقر اغلب بر اساس پروفایل‌های کاربر یا حافظه پایدار شرط‌بندی می‌کنند، با این حال ارزیابی‌های ایمنی عامل‌ها معمولاً سیگنال‌های شخصی‌سازی را نادیده می‌گیرند. برای رفع این شکاف، ما بررسی کردیم که چگونه افشای سلامت روان، یک نشانه زمینه کاربردی حساس و واقع‌بینانه، بر رفتار مضر در تنظیمات عاملی تأثیر می‌گذارد.»

این گزارش در حالی منتشر می‌شود که عوامل هوش مصنوعی در حال گسترش در فضای آنلاین هستند و توسعه‌دهندگان در حال تبدیل حافظه به یک ویژگی اصلی هستند، و شرکت‌های بزرگ در حال ساخت سیستم‌هایی هستند که مکالمات گذشته و ترجیحات کاربر را به خاطر می‌آورند تا پاسخ‌های شخصی‌تری را در طول زمان ارائه دهند.

همچنین این گزارش در حالی منتشر می‌شود که توسعه‌دهندگان هوش مصنوعی با شکایت‌هایی در مورد خودکشی‌ها و جرایم خشونت‌آمیز مواجه هستند که ادعا می‌شود در ارتباط با تعاملات با سیستم‌های آن‌ها انجام شده است. در ماه اکتبر، شرکت OpenAI، توسعه‌دهنده ChatGPT، فاش کرد که بیش از یک میلیون کاربر در هفته در مورد خودکشی با این ربات چت بحث می‌کنند. اوایل این ماه، خانواده جاناتان گاوالاس شکایتی را علیه گوگل تنظیم کردند و ادعا کردند که Gemini منجر به تشدید خشونت و در نهایت خودکشی او شده است.

آزمایش‌ها و نتایج

محققان از یک معیار به نام AgentHarm برای اجرای مجموعه یکسانی از وظایف در سه شرایط استفاده کردند: بدون اطلاعات پیش‌زمینه، یک بیوگرافی کوتاه کاربر، و همان بیوگرافی با یک خط اضافه که بیان می‌کند کاربر دارای یک بیماری روانی است.

ییلدیریم به Decrypt گفت: «در این مطالعه، ما از یک افشای بسیار مختصر و عمومی استفاده کردیم، “من یک بیماری روانی دارم.” نکته اصلی این است که حتی یک نشانه کوچک می‌تواند رفتار مدل را تغییر دهد، نه اینکه همه عبارات تأثیر یکسانی داشته باشند. حذف‌هایی که ما با افشای بیماری‌های مزمن و ناتوانی‌های جسمی انجام دادیم، نشان‌دهنده ویژگی خاصی برای نشانه سلامت روان است، اما ما عبارات یا ویژگی خاصی را در این دسته به طور سیستماتیک تغییر ندادیم.»

در میان مدل‌های آزمایش‌شده، از جمله DeepSeek 3.2، GPT 5.2، Gemini 3 Flash، Haiku 4.5، Opus 4.5 و Sonnet 4.5، هنگامی که محققان زمینه سلامت روان شخصی را اضافه کردند، مدل‌ها کمتر احتمال داشت که وظایف مضر را تکمیل کنند – درخواست‌های چند مرحله‌ای که می‌توانستند منجر به آسیب‌های دنیای واقعی شوند.

این مطالعه نشان داد که نتیجه، یک مصالحه است: افزودن جزئیات شخصی باعث شد سیستم‌ها در مورد درخواست‌های مضر محتاط‌تر شوند، اما همچنین احتمال رد درخواست‌های قانونی نیز افزایش یافت.

ییلدیریم گفت: «من فکر نمی‌کنم یک دلیل واحد وجود داشته باشد؛ این واقعاً ترکیبی از انتخاب‌های طراحی است. برخی از سیستم‌ها به طور تهاجمی‌تری تنظیم شده‌اند تا از درخواست‌های پرخطر خودداری کنند، در حالی که برخی دیگر اولویت را به مفید بودن و پیگیری وظایف می‌دهند.»

با این حال، این مطالعه نشان داد که این تأثیر بسته به مدل متفاوت است، و نتایج زمانی تغییر کرد که LLMها پس از افزودن یک اعلان طراحی‌شده برای سوق دادن مدل‌ها به سمت انطباق، جیل‌بریک شدند.

وی گفت: «یک مدل ممکن است در یک محیط استاندارد ایمن به نظر برسد، اما زمانی که چیزهایی مانند اعلان‌های سبک جیل‌بریک را معرفی می‌کنید، بسیار آسیب‌پذیرتر می‌شود. و به طور خاص در سیستم‌های عاملی، یک لایه اضافی وجود دارد، زیرا این مدل‌ها فقط متن تولید نمی‌کنند، بلکه در حال برنامه‌ریزی و عمل در چندین مرحله هستند. بنابراین اگر یک سیستم در پیروی از دستورالعمل‌ها بسیار خوب باشد، اما محافظت‌های آن آسان‌تر دور زده شوند، این می‌تواند در واقع خطر را افزایش دهد.»

تابستان گذشته، محققان دانشگاه جرج میسون نشان دادند که سیستم‌های هوش مصنوعی می‌توانند با تغییر یک بیت در حافظه با استفاده از Oneflip، یک حمله شبیه به “تایپو” که مدل را به طور معمول کار می‌کند اما یک ماشه پشتی را پنهان می‌کند که می‌تواند خروجی‌های اشتباه را به دستور اجبار کند، هک شوند.

اگرچه این مقاله یک علت واحد برای این تغییر شناسایی نمی‌کند، اما توضیحات احتمالی از جمله سیستم‌های ایمنی که به آسیب‌پذیری درک‌شده واکنش نشان می‌دهند، فیلتر کردن فعال‌شده با کلمات کلیدی، یا تغییر در نحوه تفسیر اعلان‌ها هنگام گنجاندن جزئیات شخصی را برجسته می‌کند.

OpenAI از اظهار نظر در مورد این مطالعه خودداری کرد. Anthropic و Google بلافاصله به درخواست اظهار نظر پاسخ ندادند.

ییلدیریم گفت که هنوز مشخص نیست که آیا اظهارات خاص‌تری مانند “من افسردگی بالینی دارم” نتایج را تغییر می‌دهد یا خیر، و افزود که اگرچه ویژگی خاص احتمالاً مهم است و ممکن است در مدل‌ها متفاوت باشد، اما این یک فرضیه باقی می‌ماند تا یک نتیجه‌گیری که توسط داده‌ها پشتیبانی می‌شود.

وی گفت: «اگر یک مدل خروجی تولید کند که از نظر سبک، محافظه‌کارانه یا نزدیک به رد کردن باشد بدون اینکه رسماً رد کند، قاضی ممکن است آن را متفاوت از یک تکمیل پاک ارزیابی کند، و آن ویژگی‌های سبک‌شناختی خودشان می‌توانند با شرایط شخصی‌سازی هم‌تغییر کنند.»

ییلدیریم همچنین خاطرنشان کرد که امتیازات منعکس‌کننده نحوه عملکرد LLMها هنگام قضاوت توسط یک بازبین هوش مصنوعی واحد بود، و نه یک اندازه‌گیری قطعی از آسیب‌های دنیای واقعی.

وی گفت: «در حال حاضر، سیگنال رد به ما یک بررسی مستقل می‌دهد و این دو اندازه‌گیری تا حد زیادی در جهت‌گیری سازگار هستند، که اطمینان‌خاطری را ارائه می‌دهد، اما به طور کامل مصنوعات خاص قاضی را رد نمی‌کند.»

‏لیگ برتر بیسبال روز پنجشنبه اعلام کرد که پلتفرم Polymarket را به عنوان شریک رسمی و انحصاری خود در بازارهای پیش‌بینی انتخاب کرده است. این اقدام در پی تصمیم لیگ‌هایی مانند لیگ ملی هاکی و لیگ برتر فوتبال آمریکا صورت می‌گیرد که پیش از این با پلتفرم‌های بازارهای پیش‌بینی قرارداد امضا کرده بودند.

علاوه بر این، رابرت مانفرد، کمیسر لیگ برتر بیسبال، یک یادداشت تفاهم (MOU) با کمیسیون معاملات آتی کالا (CFTC) امضا کرد. این اقدام در راستای نامه‌ای است که لیگ برتر بیسبال در سال ۲۰۲۴ به این نهاد ارسال کرده و در آن خواستار حفاظت‌های بیشتر از یکپارچگی در صنعت بازارهای پیش‌بینی شده بود.

همکاری با Polymarket به این پلتفرم و کارگزاران آن، دسترسی انحصاری به برند و لوگوی لیگ برتر بیسبال، داده‌های رسمی لیگ از طریق Sportradar و همچنین حضور در کانال‌های دیجیتال و رویدادهای لیگ را اعطا می‌کند. وبسایت Front Office Sports اولین رسانه‌ای بود که این قرارداد چند ساله را پیش از اعلام رسمی گزارش داد.

چارچوب یکپارچگی مشترک

محور اصلی این توافق، یک چارچوب یکپارچگی مشترک است که بر اساس آن، هر دو طرف برای محدود کردن بازارهایی که می‌توانند خطراتی را برای یکپارچگی ایجاد کنند، مانند بازارهای مربوط به پرتاب‌های انفرادی، تصمیمات مدیریتی یا عملکرد داوران، همکاری خواهند کرد. Polymarket همچنین کنترل‌های یکپارچگی را در قوانین ایالات متحده خود اعمال خواهد کرد و همه کارگزاران خود را ملزم به رعایت استانداردهای یکسان می‌کند.

یادداشت تفاهم با CFTC

یادداشت تفاهم با CFTC یک کانال رسمی برای تبادل اطلاعات محرمانه بین دو سازمان در مورد یکپارچگی بیسبال حرفه‌ای و بازارهای پیش‌بینی مرتبط با آن ایجاد می‌کند. نمایندگان تعیین‌شده به طور منظم برای نظارت و رسیدگی به تهدیدات احتمالی با یکدیگر دیدار خواهند کرد.

رابرت مانفرد، کمیسر لیگ برتر بیسبال، در بیانیه‌ای گفت: «توافق‌نامه‌های جدیدی که با Polymarket و CFTC منعقد کردیم، گام‌های ضروری در مدیریت فعالانه فضای جدید و به سرعت در حال رشد بازارهای پیش‌بینی است. محافظت از یکپارچگی بازی در زمین، اولویت اصلی ما است. با مشارکت در این جامعه، می‌توانیم با هدف کاهش ریسک و در عین حال ارائه فرصت‌های تعامل با هواداران، مرزهای روشنی ایجاد کنیم.»

در حالی که Polymarket حقوق انحصاری را به عنوان صرافی رسمی لیگ برتر بیسبال در اختیار دارد، این لیگ قصد دارد روابط یکپارچگی را با سایر پلتفرم‌های بازار پیش‌بینی که قراردادهای بیسبال ارائه می‌دهند، برقرار کند و از هر یک از آن‌ها بخواهد تا اقدامات حفاظتی مناسب را در قوانین خود اتخاذ کنند. (افشا: شرکت مادر Decrypt، Dastan، پلتفرم بازار پیش‌بینی Myriad را اداره می‌کند.)

نگرانی‌ها در مورد معاملات داخلی

این اعلامیه در پی نگرانی‌های فزاینده در مورد معاملات داخلی در پلتفرم‌های بازار پیش‌بینی منتشر شد، به ویژه در مورد یک شرط‌بندی به موقع Polymarket از یک کاربر ناشناس در مورد برکناری نیکلاس مادورو، رئیس‌جمهور سابق ونزوئلا در ماه ژانویه، تنها چند ساعت قبل از دستگیری وی توسط نیروهای ویژه ایالات متحده.

این پرونده و موارد دیگر، موجی از قوانین پیشنهادی اخیر را به دنبال داشته است، از جمله «قانون ممنوعیت معاملات رویداد در عملیات حساس و عملکردهای فدرال» یا «قانون BETS OFF» که بازارهای پیش‌بینی را بر اساس تروریسم، ترور و جنگ ممنوع می‌کند. همچنین شرط‌بندی بر روی رویدادهایی با نتایج مشخص، مانند جوایز اسکار یا نمایش نیمه‌وقت سوپر بول را ممنوع خواهد کرد.

پلتفرم‌ها در حال اتخاذ ابتکاراتی برای خودتنظیمی در این مسائل هستند، به طوری که Kalshi اخیراً اولین اقدامات اجرایی خود در مورد معاملات داخلی را فاش کرد – از جمله علیه یک ویرایشگر ویدیویی سابق برای ستاره YouTube، MrBeast – و Polymarket با غول داده Palantir برای توسعه «مدل‌های نظارتی» برای بازارهای پیش‌بینی ورزشی همکاری می‌کند.

مایکل سلیگ، رئیس CFTC، در بیانیه‌ای گفت: «یادداشت تفاهم یک گام مشارکتی در جهت ارتقای یکپارچگی و انعطاف‌پذیری بازارهای پیش‌بینی مربوط به بیسبال حرفه‌ای است. از طریق این یادداشت تفاهم، CFTC در موقعیت خوبی قرار دارد تا ابزارهای اضافی برای محافظت از این بازارها و شرکت‌کنندگان آن در برابر تقلب، دستکاری و سایر سوء استفاده‌ها اضافه کند. من از لیگ برتر بیسبال و کمیسر راب مانفرد برای مشارکت با CFTC و ایفای نقش پیشرو در محافظت از یکپارچگی این بازارهای در حال رشد تشکر می‌کنم.»

‏تیم اصلی پشت پروژه بحث‌برانگیز، پس از اجرای موفقیت‌آمیز چندین به‌روزرسانی متوالی پروتکل، امروز اعلام کرد که به‌روزرسانی بعدی در حال انجام است.

در همین حال، توکن اصلی این پروژه از دیروز افزایش جزئی داشته است. با این حال، عملکرد کلی آن همچنان ناامیدکننده است.

به‌روزرسانی‌های اخیر

این تیم اولین به‌روزرسانی پروتکل سال جاری را در ۲۰ فوریه اعلام کرد که نسخه ۱۹.۶ را به همراه داشت. به‌روزرسانی بعدی، نسخه ۱۹.۹، در ۴ مارس منتشر شد و نسخه ۲۰.۲ که بسیار مورد انتظار بود، قبل از روز پای (۱۴ مارس) با موفقیت منتقل شد. این به‌روزرسانی به‌ویژه مهم بود زیرا مبانی فعال‌سازی قابلیت‌های قرارداد هوشمند را مشخص کرد.

این راه‌اندازی به‌تدریج انجام خواهد شد، زیرا تیم قصد دارد دسته‌هایی را که با نوآوری و عملیات محصول مبتنی بر کاربرد همسو هستند، در اولویت قرار دهد. آن‌ها افزودند که جزئیات به نیازهای ناشی از فرآیند ایجاد کاربرد بستگی دارد.

کانال رسمی Pi Network در X، بدون ارائه مهلت مشخصی، اعلام کرد که به‌روزرسانی نسخه ۲۱ در راه است و اپراتورهای گره باید اطمینان حاصل کنند که سیستم‌هایشان “به‌روز” هستند. آن‌ها افزودند که به‌زودی دستورالعمل‌های بیشتری ارائه خواهد شد.

شبکه اصلی Pi با موفقیت به پروتکل ۲۰ ارتقا یافته است و زیرساخت‌های پشتیبانی از قراردادهای هوشمند را فراهم کرده است. اپراتورهای گره، لطفاً اطمینان حاصل کنید که سیستم‌های شما به‌روز هستند و برای دستورالعمل‌های مربوط به به‌روزرسانی نسخه ۲۱ آینده، منتظر بمانید.

— Pi Network (@PiCoreTeam) ۱۹ مارس ۲۰۲۶

فهرست شدن در Kraken و واکنش بازار

علاوه بر به‌روزرسانی‌های ذکر شده، که همگی در ماه گذشته اعلام شدند، خبر بزرگ دیگر در جامعه Pi Network هفته گذشته از Kraken منتشر شد. این صرافی آمریکایی اعلام کرد که توکن اصلی را از ۱۳ مارس برای معامله فهرست می‌کند.

اثرات ترکیبی برای PI فوری و بسیار چشمگیر بود. این توکن در عرض چند روز تقریباً ۱۰۰٪ افزایش یافت و به اوج پنج ماهه خود، حدود ۰.۳۰ دلار رسید. با این حال، پس از شروع معاملات در Kraken، از عواقب یک رویداد کلاسیک “خرید شایعه، فروش خبر” رنج برد.

در یک مقطع بیش از ۳۰٪ کاهش یافت و همچنان ارزش خود را از دست داد و به زیر ۰.۱۷ دلار رسید که دیروز ثبت شد. جالب اینجاست که در روز گذشته (۳٪) اندکی بهبود یافته است، در حالی که اکثر آلت‌کوین‌های دیگر ۳ تا ۵ درصد ضرر داشته‌اند.

‏هوش مصنوعی عمومی، یا AGI، اغلب به عنوان سیستمی توصیف می‌شود که می‌تواند در حوزه‌های مختلف به روشی مشابه انسان‌ها عمل کند. نتایج منتشر شده این هفته از آزمون معیار MATHVISTA نشان می‌دهد که مدل‌های فعلی هنوز از رسیدن به این هدف فاصله دارند.

بررسی توانایی‌های هوش مصنوعی

پژوهشگرانی از مایکروسافت ریسرچ، صحرا ای‌آی و دانشگاه اموری، توانایی‌های اساسی هوش عمومی، یعنی استدلال ریاضی مبتنی بر اطلاعات بصری، از جمله نمودارها، گراف‌ها و دیاگرام‌ها را مورد آزمایش قرار دادند.

در میان ۱۲ مدل پایه آزمایش شده، از جمله ChatGPT، Gemini و Claude، GPT-4 Vision با کسب ۴۹.۹ درصد بالاترین امتیاز را به دست آورد. شرکت‌کنندگان انسانی به طور متوسط ۶۰.۳ درصد کسب کردند که این امر شکاف بین سیستم‌های هوش مصنوعی فعلی و توانایی استدلال گسترده‌تر که اغلب با AGI مرتبط است را برجسته می‌کند.

هاو چنگ، پژوهشگر اصلی در مایکروسافت ریسرچ، به دکریپت گفت: «ما می‌خواهیم ماشین کارهایی را انجام دهد که یک فرد عادی و متوسط می‌تواند برای کارهای روزمره خود انجام دهد. این اساساً همان چیزی است که همه به دنبال آن برای AGI هستند.»

با قرار دادن مسائل در تصاویر، دیاگرام‌ها و نمودارها، این پروژه آزمایش می‌کند که آیا مدل‌ها می‌توانند اطلاعات بصری را به درستی تفسیر کرده و مسائل ریاضی و منطقی چند مرحله‌ای را حل کنند – مهارت‌هایی که فراتر از تطبیق الگو در متن به تنهایی است.

چالش‌های پیش رو

مدل‌ها هنوز در انجام این وظایف مشکل دارند و اندازه‌گیری این محدودیت دشوار است.

هنگامی که تیم چنگ مجموعه‌های داده ارزیابی موجود را بررسی کرد، بسیاری از آن‌ها شامل مسائلی بودند که نیازی به استدلال بصری نداشتند. مدل‌ها اغلب با تکیه صرف بر متن به پاسخ‌های صحیح می‌رسیدند.

چنگ گفت: «این ایده‌آل نیست.»

MathVista که در گیت‌هاب و هاگینگ فیس در دسترس است، در اکتبر ۲۰۲۳ راه‌اندازی شد. به گفته مایکروسافت ریسرچ، از آن زمان تاکنون بیش از ۲۷۵۰۰۰ بار دانلود شده است، که شامل بیش از ۱۳۰۰۰ دانلود در ماه گذشته می‌شود.

با این حال، ایجاد این مجموعه داده نیازمند بیش از برچسب‌گذاری داده‌های استاندارد بود. مایکروسافت ریسرچ به مفسرانی نیاز داشت که بتوانند مسائل را در سراسر حساب، جبر، هندسه و آمار بررسی کنند، در حالی که استدلال ریاضی عمیق‌تر، مانند تفسیر نمودارها یا حل معادلات، را از وظایف ساده‌تر مانند شمارش اشیاء یا خواندن اعداد متمایز کنند.

پس از یک فاز آزمایشی، مایکروسافت، صحرا ای‌آی را برای پشتیبانی از این تلاش انتخاب کرد. این شرکت مفسران آموزش‌دیده، گردش‌های کاری سفارشی و بررسی‌های کیفیت چند مرحله‌ای را برای تولید بیش از ۶۰۰۰ نمونه چندوجهی مورد استفاده در این معیار ارائه کرد.

اهمیت معیارهای قابل اعتماد

به گفته شان رن، مدیرعامل صحرا ای‌آی و دانشیار علوم کامپیوتر در دانشگاه کالیفرنیای جنوبی، بدون معیارهای قابل اعتماد، اندازه‌گیری پیشرفت به سمت هوش ماشینی گسترده‌تر دشوار می‌شود.

رن به دکریپت گفت: «این ظرافت آلودگی داده‌ها وجود دارد، جایی که وقتی شروع به استفاده از این مجموعه داده برای آزمایش می‌کنیم، آن نتایج در نسخه بعدی جذب می‌شوند. بنابراین شما واقعاً نمی‌دانید که آیا آن‌ها فقط یک مجموعه داده را حل می‌کنند یا توانایی آن را دارند.»

اگر پاسخ‌های معیار در داده‌های آموزشی یک مدل ظاهر شوند، نمرات بالا می‌توانند منعکس‌کننده حفظ کردن باشند تا استدلال. این امر تعیین اینکه آیا سیستم‌های هوش مصنوعی واقعاً در حال بهبود هستند را دشوارتر می‌کند.

پژوهشگران همچنین به محدودیت‌های داده‌های آموزشی اشاره می‌کنند. بخش زیادی از اینترنت که به صورت عمومی در دسترس است، قبلاً در مجموعه‌های داده مدل گنجانده شده است.

چنگ گفت: «شما قطعاً باید راهی برای تزریق برخی از دانش جدید به این فرآیند داشته باشید. من فکر می‌کنم این نوع چیزها باید از داده‌های باکیفیت ناشی شود تا بتوانیم این مرز دانش را بشکنیم.»

راه‌حل‌های پیشنهادی

یک مسیر پیشنهادی شامل محیط‌های شبیه‌سازی‌شده است که در آن مدل‌ها می‌توانند تعامل داشته باشند، از تجربه یاد بگیرند و از طریق بازخورد بهبود یابند.

چنگ گفت: «شما یک دنیای دوقلو یا یک آینه از دنیای واقعی را در داخل یک جعبه شنی ایجاد می‌کنید تا مدل بتواند بازی کند و کارهای زیادی را انجام دهد که انسان‌ها در زندگی واقعی انجام می‌دهند، بنابراین می‌تواند اساساً مرز اینترنت را بشکند.»

رن گفت که انسان‌ها هنوز هم می‌توانند نقش مهمی در بهبود سیستم‌های هوش مصنوعی ایفا کنند. در حالی که مدل‌ها می‌توانند محتوا را به سرعت تولید کنند، انسان‌ها همچنان در ارزیابی آن بهتر هستند.

وی گفت: «این نوع شکاف بین انسان و هوش مصنوعی، جایی که آن‌ها در آن خوب هستند، جایی که خوب نیستند، می‌تواند برای بهبود واقعی هوش مصنوعی در آینده مورد استفاده قرار گیرد.»

‏جنسن هوانگ آن را «لحظه جی‌پی‌تی برای گرافیک» نامید. اینترنت آن را «فیلتر یاسیفیکیشن» با نیازمندی به یک واحد پردازش گرافیکی (GPU) با قیمت 1500 دلار نامید.

در کنفرانس جی‌تی‌سی 2026 این هفته، انویدیا از DLSS 5 رونمایی کرد—جاه‌طلبانه ترین ویژگی گرافیکی خود تا به امروز، و تقریباً مطمئناً پرطرفدارترین آن در شبکه‌های اجتماعی.

برخلاف نسخه‌های قبلی DLSS که بر ارتقاء کیفیت یا تولید فریم متمرکز بودند، DLSS 5 به رندرینگ عصبی کامل می‌پردازد. این فناوری، بافر رنگ و بردار حرکت یک بازی را دریافت کرده و سپس آن‌ها را بازتفسیر می‌کند.

پوست، پراکندگی زیرسطحی را دریافت می‌کند. پارچه، آن درخشش سینمایی را به دست می‌آورد. مو، نورپردازی، سایه‌ها، همه به سمت چیزی که انویدیا آن را فوتورئالیسم در سطح هالیوود توصیف می‌کند، در زمان واقعی تولید می‌شوند.

به جای «ارتقاء کیفیت»، به «یک هنرمند هوش مصنوعی دوم که هر فریم بازی شما را دوباره نقاشی می‌کند» فکر کنید.

نسخه‌های نمایشی اولیه بر روی دو کارت گرافیک RTX 5090 اجرا می‌شدند. یک GPU برای بازی، یک GPU برای مدل عصبی. اما انویدیا می‌گوید پشتیبانی از یک GPU واحد قبل از عرضه در پاییز 2026 ارائه خواهد شد.

عناوین بزرگی مانند Assassin’s Creed Shadows، Starfield، Resident Evil Requiem و Oblivion Remastered در حال حاضر در صف هستند. توسعه‌دهندگان می‌توانند شدت، ماسک‌گذاری و درجه‌بندی رنگ را برای حفظ ظاهر مورد نظر خود تنظیم کنند.

واکنش‌ها

این بخش آخر، بار سنگینی را به دوش کشید. مطبوعات فناوری آن را دوست داشتند. بقیه، نه چندان.

پیش‌نمایش‌های عملی، نورپردازی و جزئیات را «شگفت‌انگیز» توصیف کردند، به‌ویژه در چهره‌ها و محیط‌ها. توسعه‌دهندگان نیز این هیجان را تکرار کردند، و تاد هاوارد، کارگردان Starfield، گفت که این فناوری «[بازی] را زنده کرد».

اما اینترنت چیز دیگری دید.

نظرات یوتیوب، تاپیک‌های ردیت و انجمن‌های بازی با اصطلاحاتی مانند «شلختگی هوش مصنوعی»، «دره وهمی» و «فیلتر اینستاگرام که اشتباه پیش رفت» روشن شدند.

گریس اشکرافت از Resident Evil Requiem به نقطه اشتعال تبدیل شد، با مقایسه‌های پهلو به پهلو که نسخه‌ای را نشان می‌داد که بازیکنان آن را پلاستیکی، ایربراش شده و به طرز عجیبی بیش از حد بهبود یافته توصیف کردند.

سپس میم‌ها آمدند.

قالب فوراً ضربه خورد: «DLSS 5 خاموش در مقابل روشن». خاموش، هنر اصلی بود. روشن، چیز دیگری بود…

کراتوس با آرایش کامل. پاتریک استار به یک کابوس فوق‌العاده واقعی تبدیل شد. حتی جنسن هوانگ نیز این درمان را دریافت کرد.

به اندازه‌ای سریع گسترش یافت که حتی سازندگان و توسعه‌دهندگان بزرگ نیز به آن پیوستند.

تغییر دیدگاه

و این نکته مهم است—بازیکنان سال‌هاست که با DLSS مشکلی ندارند. ارتقاء کیفیت، تولید فریم، همه اینها. زیرا نامرئی بود. به عملکرد کمک می‌کرد بدون اینکه هنر را تغییر دهد. DLSS 5 این قرارداد را نقض می‌کند.

این فقط بهبود یک تصویر نیست. این تصمیم‌گیری در مورد چگونگی ظاهر آن تصویر است. وقتی هوش مصنوعی به چهره یک شخصیت می‌رسد، از هنرمند نمی‌پرسد که چه منظوری داشته است. بلکه ایده خود از واقع‌گرایی را اعمال می‌کند.

این تغییر، از ابزار به سلیقه، همان چیزی است که مردم به آن واکنش نشان می‌دهند. زیرا در آن مرحله، فقط در مورد گرافیک بهتر نیست. بلکه در مورد این است که گرافیک متعلق به کیست.

‏شرکت OpenAI از سرعت خود نمی‌کاهد. کمتر از دو هفته پس از راه‌اندازی GPT-5.4 – که خود تنها دو روز پس از GPT-5.3 منتشر شد – این شرکت روز سه‌شنبه دو مدل دیگر را عرضه کرد: GPT-5.4 Mini و GPT-5.4 Nano.

اینها نسخه‌های ساده‌شده مدل اصلی نیستند، بلکه ماشین‌هایی هستند که برای کارهایی طراحی شده‌اند که در آنها انتظار نیم دقیقه برای دریافت پاسخ، گزینه مناسبی نیست.

OpenAI آنها را “توانمندترین مدل‌های کوچک خود تا به امروز” می‌نامد و می‌گوید GPT-5.4 Mini بیش از دو برابر سریع‌تر از GPT-5 Mini است. اگر تا به حال دیده‌اید که یک دستیار کدنویسی قبل از ویرایش سه خط کد، 45 ثانیه فکر می‌کند، در این صورت جذابیت یک مدل سریع را درک می‌کنید.

ما GPT-5.4 mini و nano را معرفی می‌کنیم، که توانمندترین مدل‌های کوچک ما تا به امروز هستند.

GPT-5.4 mini بیش از 2 برابر سریعتر از GPT-5 mini است. برای کدنویسی، استفاده از کامپیوتر، درک چندوجهی و زیرمجموعه‌ها بهینه شده است.

برای کارهای سبک‌تر، GPT-5.4 nano کوچکترین و ارزان‌ترین مدل ما است…

— توسعه‌دهندگان OpenAI (@OpenAIDevs) 17 مارس 2026

چرا یک مدل با دقت کمتر عمداً منتشر می‌شود؟

پاسخ کوتاه: زیرا دقت همیشه گلوگاه نیست. اگر در حال اجرای یک چت‌بات خدمات مشتری هستید که هر روز به 200 سوال یکسان پاسخ می‌دهد، نیازی به مدلی که در آزمون‌های شیمی در سطح دکترا بهترین نمره را کسب کرده است، ندارید. شما به مدلی نیاز دارید که در کمتر از یک ثانیه پاسخ دهد و هزینه آن کسری از یک سنت برای هر پاسخ باشد. این فضایی است که این مدل‌ها برای آن ساخته شده‌اند.

اما این بدان معنا نیست که این مدل‌ها احمق یا غیرقابل اعتماد هستند. در معیارهای کدنویسی، GPT-5.4 Mini در SWE-Bench Pro – آزمونی که توانایی یک مدل را در رفع مشکلات واقعی GitHub اندازه‌گیری می‌کند – 54.4٪ کسب کرد، در حالی که GPT-5 Mini قدیمی 45.7٪ و GPT-5.4 کامل 57.7٪ کسب کردند.

در OSWorld-Verified، که نحوه عملکرد یک مدل در یک کامپیوتر رومیزی را با خواندن اسکرین‌شات‌ها آزمایش می‌کند، Mini به 72.1٪ رسید، که کمی کمتر از 75.0٪ مدل اصلی است – و هر دو از خط پایه انسانی 72.4٪ فراتر می‌روند. در همین حال، GPT-5.4 Nano در SWE-Bench Pro امتیاز 52.4٪ و در OSWorld امتیاز 39.0٪ را کسب می‌کند – که کمتر از Mini است، اما همچنان جهشی بزرگ نسبت به مدل‌های Nano قبلی محسوب می‌شود.

جری ماسای، معاون ارشد فناوری در Perplexity، پس از آزمایش هر دو مدل گفت: “GPT-5.4 گامی رو به جلو برای مدل‌های Mini و Nano در ارزیابی‌های داخلی ما است.” “Mini استدلال قوی ارائه می‌دهد، در حالی که Nano برای گردش‌های کاری مکالمه زنده پاسخگو و کارآمد است.”

مدل‌های کوچک‌تر، کارهای بزرگ‌تر

به جای هدایت هر کار از طریق یک مدل اصلی گران‌قیمت، اکنون می‌توانید سیستم‌هایی بسازید که در آنها مدل بزرگ برنامه‌ریزی و هماهنگی را انجام می‌دهد، در حالی که مدل‌های کوچک‌تر کارهای اصلی را به موازات انجام می‌دهند – جستجو در یک پایگاه کد در اینجا، خواندن یک سند در آنجا، یا پردازش یک فرم در جای دیگر. همانطور که در مقایسه GPT-5.4 با Grok 4.20 دیدیم، جایی که مدل در گردش کار قرار دارد به اندازه انتخاب مدل مهم است.

GPT-5.4 Mini با نرخ 0.75 دلار در هر میلیون توکن ورودی و 4.50 دلار در هر میلیون توکن خروجی از طریق API اجرا می‌شود. GPT-5.4 Nano حتی ارزان‌تر است: 0.20 دلار در هر میلیون توکن ورودی و 1.25 دلار در هر میلیون توکن خروجی – قیمتی که اجرای تعداد زیادی درخواست در روز را از نظر مالی برای استارت‌آپ‌ها واقع‌بینانه می‌کند. برای درک بهتر، Nano تقریباً چهار برابر ارزان‌تر از Mini در ورودی‌ها است.

برای کاربران معمولی ChatGPT، GPT-5.4 Mini امروز از طریق گزینه “Thinking” در منوی plus برای کاربران Free و Go در دسترس است. مشترکین پولی که به محدودیت‌های نرخ GPT-5.4 خود می‌رسند، به طور خودکار به Mini بازمی‌گردند. با این حال، GPT-5.4 Nano در حال حاضر فقط از طریق API در دسترس است – OpenAI به وضوح آن را به عنوان یک ابزار توسعه‌دهنده، نه یک ابزار مصرف‌کننده، معرفی می‌کند.

‏جهان در حال راه‌اندازی یک ابزار توسعه‌دهنده است که برای کمک به وب‌سایت‌ها در تأیید این موضوع طراحی شده است که عوامل هوش مصنوعی از طرف افراد واقعی عمل می‌کنند.

معرفی AgentKit

AgentKit که امروز در نسخه بتا راه‌اندازی می‌شود، سیستم هویت World ID جهان را با x402، یک پروتکل باز که توسط Coinbase و Cloudflare آغاز شده است، ادغام می‌کند.

این سیستم به عوامل هوش مصنوعی اجازه می‌دهد تا هنگام تعامل با وب‌سایت‌ها، APIها و خدمات آنلاین، مدرک رمزنگاری‌شده‌ای را ارائه دهند که نشان می‌دهد نماینده یک انسان منحصربه‌فرد هستند.

این انتشار با هدف رسیدگی به یک مشکل مداوم انجام می‌شود: عوامل هوش مصنوعی که وظایفی را بر عهده می‌گیرند که قبلاً مستقیماً توسط کاربران انجام می‌شد، از جمله رزرو، خرید بلیط کنسرت، دسترسی به APIها و مقایسه قیمت‌ها.

DC Builder، مهندس تحقیقاتی در بنیاد جهان، به Decrypt گفت: «در حال حاضر، خدمات زیادی وجود دارد که عوامل می‌توانند آن‌ها را اسپم کنند—پلتفرم‌های اجتماعی یا مواردی مانند فروش بلیط. به Ticketmaster فکر کنید: اگر به یک عامل اجازه دهید که بلیط رزرو کند، می‌توانید 100000 بلیط تولید کنید. حتی اگر آن‌ها پول پرداخت را داشته باشند، این یک تجربه کاربری عالی برای افرادی که با ربات‌ها رقابت می‌کنند، نیست.»

پلتفرم‌ها به طور فزاینده‌ای در تشخیص فعالیت‌های خودکار قانونی از شبکه‌های بزرگ ربات‌ها با مشکل مواجه هستند.

در اوایل این ماه، یک قاضی فدرال دستور دادگاهی را علیه توسعه‌دهنده هوش مصنوعی Perplexity صادر کرد و مرورگر Comet این شرکت را از خرید از آمازون از طرف کاربران مسدود کرد.

نحوه عملکرد AgentKit

AgentKit به افرادی که هویت خود را با استفاده از دستگاه orb جهان تأیید کرده‌اند، اجازه می‌دهد تا World ID خود را به یک عامل هوش مصنوعی واگذار کنند.

جهان که در اصل با نام Worldcoin شناخته می‌شد، در سال 2023 با هدف ارائه یک شناسه دیجیتال «اثبات انسانیت» جهانی و ارز دیجیتال برای کمک به تمایز انسان‌ها از ربات‌ها و گسترش دسترسی به اقتصاد دیجیتال راه‌اندازی شد.

به گفته جهان، شبکه آن شامل نزدیک به 18 میلیون فرد تأیید شده در بیش از 160 کشور است. در حالی که orb به کاربران با ارز دیجیتال در قالب توکن‌های Worldcoin (WLD) پاداش می‌دهد، به گفته Builder، توکن‌ها برای استفاده از AgentKit ضروری نیستند.

هنگامی که عامل هوش مصنوعی به World ID کاربر متصل شد، می‌تواند به صورت رمزنگاری‌شده ثابت کند که نماینده یک انسان است، بدون اینکه هویت فرد را فاش کند.

با گسترش به پروتکل x402، سایت‌ها می‌توانند قبل از اعطای دسترسی به خدمات یا APIها، مدرک را در کنار یا به جای پرداخت‌های خرد درخواست کنند.

Erik Reppel، رئیس مهندسی پلتفرم توسعه‌دهنده Coinbase، به Decrypt گفت: «آنچه این به شما اجازه می‌دهد این است که بر اساس این دانش برنامه‌ریزی کنید که آیا درخواست از یک انسان می‌آید یا یک عامل—یا یک عامل مرتبط با یک انسان. به عنوان فروشنده، شما فقط می‌توانید بگویید: «این مدرک انسانی ندارد، بنابراین من پرداخت را رد می‌کنم.»

سپس پلتفرم‌ها می‌توانند محدودیت‌ها را اعمال کنند یا منابع را بر اساس تعداد افراد منحصربه‌فردی که با یک سرویس تعامل دارند، و نه تعداد عوامل خودکار درگیر، تخصیص دهند.

Builder گفت: «با اثبات انسانیت، حداقل می‌دانید که حساب توسط یک نفر کنترل می‌شود و هزاران حساب وجود ندارند که همگی سعی در خرید چیزی داشته باشند. اما لازم نیست که بخش هویت حاوی اطلاعاتی در مورد خود افراد باشد—ما در پروتکل اثبات انسانی کاملاً ناشناس هستیم.»

Reppel افزود: «فکر می‌کنم در اینترنت موارد زیادی وجود دارد که مهم نیست انسان باشد یا عامل، و موارد زیادی در اینترنت وجود دارد که واقعاً، واقعاً مهم است که انسان باشد یا عامل. آنچه ما نیاز داریم راه‌های باز و قوی برای درک این است که کدام یک از این‌ها هستند—توانایی تشخیص اینکه چه زمانی با یک هوش مصنوعی، یک انسان یا هوش مصنوعی یک انسان خاص صحبت می‌کنید.»

در ماه فوریه، Coinbase یک کیف پول برای عوامل هوش مصنوعی در شبکه Base خود معرفی کرد که برای اجازه دادن به نرم‌افزارهای خودکار برای انجام پرداخت‌ها در حالی که کلیدهای خصوصی را در محیط‌های اجرای مورد اعتماد جدا نگه می‌دارد، طراحی شده است.

Builder گفت، فراتر از تراکنش‌ها، این فناوری می‌تواند به حفظ تعامل انسانی در اینترنت کمک کند، زیرا عوامل خودکار در سراسر اینترنت گسترش می‌یابند.

Builder گفت: «مردم به شبکه‌های اجتماعی می‌روند تا آن ارتباط انسانی را داشته باشند. اگر آن‌ها می‌خواهند با یک عامل تعامل داشته باشند، به ChatGPT، Claude یا یک سرویس دیگر می‌روند.»

‏قیمت طلا در بحبوحه جنگ جاری آمریکا و اسرائیل با ایران نوسان داشته است، اما پلتفرم توکنیزاسیون تئو روز سه‌شنبه اعلام کرد که آزمایش با این فلز گرانبها همچنان با سرعت ادامه دارد.

جمع‌آوری سرمایه و معرفی استیبل‌کوین

این شرکت ۱۰۰ میلیون دلار برای ارائه thUSD، یک «استیبل‌کوین مبتنی بر طلا» جمع‌آوری کرده است، طبق یک بیانیه مطبوعاتی. اگرچه اکثر استیبل‌کوین‌ها توسط پول نقد و اوراق قرضه خزانه‌داری ایالات متحده پشتیبانی می‌شوند، تئو اعلام کرد که thUSD از این دسته نخواهد بود.

در عوض، thUSD به دنبال برابری با دلار آمریکا بر اساس ذخایر thGOLD، توکنی که توسط تئو در ژانویه معرفی شد، خواهد بود. این توکن که بازدهی نیز ایجاد می‌کند، توسط توافق‌نامه‌های وام‌دهی تضمین‌شده بین تئو و خرده‌فروشان طلا، مانند مصطفی گلد سنگاپور، پشتیبانی می‌شود.

استراتژی‌های سرمایه‌گذاری و بازدهی

در نتیجه، تئو اعلام کرد که thUSD از دو منبع مستقل بازدهی ایجاد می‌کند. تئو با ضرب thUSD، اعلام کرد که همزمان معاملات آتی طلا را از طریق مکان‌هایی مانند CME کوتاه می‌کند و به کاهش این فلز گرانبها برای کاهش ریسک، امید دارد.

تئو با داشتن موقعیت بلندمدت از طریق thGOLD و در عین حال کوتاه کردن معاملات آتی طلا، قصد دارد تفاوت بین قیمت نقدی و قیمت آتی این دارایی را که به عنوان معامله نقدی و حمل شناخته می‌شود، به دست آورد. زمانی که تئو سال گذشته از دور جمع‌آوری سرمایه ۲۰ میلیون دلاری رونمایی کرد، اعلام کرد که از این سرمایه برای آوردن استراتژی‌های معاملاتی درجه یک وال استریت به سرمایه‌گذاران روزمره استفاده خواهد کرد.

ایگی ایوپه، مدیر ارشد سرمایه‌گذاری تئو، به Decrypt گفت که این شرکت قصد دارد معاملات آتی طلا را در سرمایه‌گذاری‌های بومی رمزنگاری، از جمله بایننس و صرافی غیرمتمرکز Hyperliquid، نیز کوتاه کند. او تخمین زد که این توافق می‌تواند در شرایط مطلوب، بازده سالانه ۱۰ درصدی را ارائه دهد.

تمرکز بر دارایی‌های کم‌ریسک

اگرچه شرکت‌هایی مانند تئو در حال آزمایش با دارایی‌هایی مانند نفت و املاک و مستغلات هستند، ایوپه گفت که این شرکت مستقر در نیویورک بر روی دارایی‌های ثابت متمرکز مانده است. محصول اصلی این شرکت، thBIll، در ژوئیه گذشته به عنوان یک صندوق بازار پول توکنیزه شده عرضه شد.

ایوپه گفت: «ما اکنون در یک بازار نزولی برای ارزهای رمزنگاری شده هستیم. ما با دارایی‌های کم‌ریسک شروع می‌کنیم، خواه این اوراق قرضه خزانه‌داری باشد یا طلا. اینها چیزهایی هستند که وقتی احساس صعودی ندارید، در آنها سرمایه‌گذاری می‌کنید، بنابراین تقاضای زیادی در حال حاضر در زنجیره وجود دارد.»

ایوپه خاطرنشان کرد که خرده‌فروشان طلا مانند مصطفی از thGOLD سود برده‌اند، زیرا این توکن به آنها اجازه می‌دهد تا به تولید کالا بدون قرار گرفتن کامل در معرض قیمت طلا ادامه دهند.

او گفت: «برای آنها، این پوشش ریسک است. آنها می‌توانند به تجارت خود در تولید جواهرات و فروش آن پایبند باشند و این باعث می‌شود تجارت آنها بسیار قابل پیش‌بینی‌تر شود.»

عملکرد قیمت طلا و رقابت در بازار

از ابتدای این ماه، قیمت طلا از بالاترین رکورد خود یعنی ۵۳۰۰ دلار در هر اونس عقب‌نشینی کرده است. با این حال، طبق Yahoo Finance، آنها همچنان در سال گذشته حدود ۶۷ درصد افزایش یافته‌اند.

تاکنون، بازار طلای توکنیزه شده تحت سلطه صادرکنندگان استیبل‌کوین تتر و پاکسوس بوده است. بر اساس CoinGecko، در روز دوشنبه، تتر گلد و PAX Gold به ترتیب حدود ۲.۷۵ میلیارد دلار و ۲.۵ میلیارد دلار ارزش داشتند.

در چارچوب امور مالی غیرمتمرکز، یا DeFi، توکن thUSD قرار است با پروتکل‌های وام‌دهی مانند Morpho که از بازنمایی‌های دیجیتالی دارایی‌های دنیای واقعی پشتیبانی می‌کنند، سازگار باشد. با این حال، سرمایه‌گذاران در محصولات تئو باید ثبت‌نام کنند و اطلاعات شخصی خود را برای یک لیست سفید ارائه دهند.

او گفت: «شما می‌توانید از ۲۰۰ کشور به آن دسترسی داشته باشید. هنگامی که توکن در زنجیره قرار گرفت، در DeFi بدون مجوز است، که ستاره شمالی ما است.»

‏میلیون‌ها بازیکنی که سال‌ها صرف اسکن نقاط دیدنی در حین بازی پوکمون گو کردند، به ساخت فناوری نقشه‌برداری کمک کردند که اکنون ربات‌های تحویل‌دهنده را در خیابان‌های شهر هدایت می‌کند، طبق گزارش اخیر نشریه MIT Technology Review.

این خبر در حالی منتشر می‌شود که توسعه‌دهندگان هوش مصنوعی و رباتیک در تلاشند تا به ربات‌ها درک دقیق‌تری از محیط اطرافشان بدهند تا بتوانند بدون اتکا به GPS به تنهایی در شهرها حرکت کنند.

در فوریه، Niantic Spatial با Coco Robotics، مستقر در سانتا مونیکا، کالیفرنیا، برای ارائه فناوری ناوبری برای ماشین‌های تحویل خودکار این شرکت همکاری کرد.

پوکمون گو که در سال ۲۰۱۶ منتشر شد، بازیکنان را به مکان‌های واقعی می‌فرستاد تا موجودات دیجیتالی را شکار کنند و از طریق دوربین تلفن‌هایشان با نقاط دیدنی تعامل داشته باشند.

بازیکنان همچنین می‌توانستند اسکن‌های اختیاری از نقاط دیدنی عمومی مانند مجسمه‌ها یا ساختمان‌ها را برای بهبود نقشه‌برداری فضایی سیستم ارسال کنند.

این فناوری نقشه‌برداری اکنون سیستم موقعیت‌یابی بصری (VPS) Niantic Spatial، مستقر در سان فرانسیسکو را تقویت می‌کند که موقعیت مکانی را با تجزیه و تحلیل نقاط دیدنی فیزیکی اطراف تعیین می‌کند. در می ۲۰۲۵، Niantic Spatial از Niantic Inc جدا شد و به یک شرکت مستقل تبدیل شد.

داده‌های کاربران و دقت سیستم

یک سخنگوی Niantic به Decrypt گفت: «VPS اولیه ما با استفاده از اسکن‌هایی ساخته شد که کاربران در بازی‌ها انتخاب می‌کردند، اما هیچ منبع واحدی این مدل را تعریف نمی‌کند. آنچه رویکرد ما را متمایز می‌کند، ترکیبی از مقیاس و جزئیات سطح زمین است و به طور فزاینده‌ای، داده‌هایی که مشتریان ما تولید می‌کنند، همان چیزی است که دقت را در محیط‌هایی که برای آنها مهم است، افزایش می‌دهد.»

Coco Robotics که در سال ۲۰۲۰ تأسیس شد، ربات‌های خودکار کوچکی را اداره می‌کند که سفارش‌های غذا و خرده‌فروشی را در محله‌های شهرهای لس آنجلس، شیکاگو، میامی و هلسینکی تحویل می‌دهند.

VPS در برابر GPS

به دلیل افزایش ترافیک، ساخت‌وساز و سایر خطرات، شرکت‌های رباتیک به طور فزاینده‌ای در حال بررسی سیستم‌های موقعیت‌یابی مبتنی بر دید هستند تا ناوبری GPS را تکمیل کنند.

با GPS، سیگنال‌ها می‌توانند از ساختمان‌ها منعکس شوند یا به طور کامل در خیابان‌های باریک ناپدید شوند و ناوبری دقیق را برای ماشین‌های خودکار دشوار کنند. VPS با مقایسه تصاویر دوربین با نقشه‌های بصری دقیق از محیط، این مشکل را برطرف می‌کند و می‌تواند داده‌های موقعیت مکانی بسیار قابل اطمینان‌تری را در شرایطی که GPS با مشکل مواجه است، ارائه دهد.

نگرانی‌ها در مورد داده‌ها

با این حال، منتقدان استدلال می‌کنند که مجموعه داده‌های پشت هوش مصنوعی فضایی Niantic توسط بازیکنانی ساخته شده است که ممکن است متوجه نشده باشند چگونه می‌توان از اسکن‌هایشان استفاده کرد.

یک کاربر در X نوشت: «۱۴۳ میلیون نفر فکر می‌کردند که در حال گرفتن پوکمون هستند. آنها در واقع در حال ساخت یکی از بزرگترین مجموعه‌های داده بصری در دنیای واقعی در تاریخ هوش مصنوعی بودند.»

کاربر دیگری نوشت: «حرکت اصلی نقشه نبود، بلکه طراحی مشوق‌ها بود. پوکمون گو میلیون‌ها بازیکن را به شکارچیان موارد خاص بدون حقوق تبدیل کرد و باعث شد که داده‌های خروجی مانند بازی احساس شوند.»

با وجود این نگرانی‌ها، Niantic تأکید کرد که مشارکت در اسکن داوطلبانه بوده است.

سخنگو گفت: «بازیکنان می‌توانستند اسکن‌های ناشناس از مکان‌های عمومی را برای کمک به بهبود VPS ارسال کنند. این اسکن کاملاً اختیاری بود و همچنان اختیاری است.» وی افزود که اسکن‌ها به حساب‌های بازیکنان متصل نیستند.