Tag: نوآوری فناوری

جان ترنوس، مدیر اجرایی جدید اپل، اولین سخنرانی کلیدی خود را در رویداد “شگفتی و درخشش” (Surprise and Shine) در حالی برگزار کرد که تنها هشت روز از آغاز به کارش می‌گذشت. او در تاریخ ۱ سپتامبر، پس از ۱۵ سال مدیریت این شرکت، جایگزین تیم کوک شد که اکنون به سمت رئیس هیئت مدیره اجرایی منصوب شده است.

معرفی نسل جدید تراشه و سیری هوش مصنوعی

ترنوس در این رویداد از سیری بازطراحی شده و یک تراشه ۲ نانومتری جدید با تمرکز بر عملکرد هوش مصنوعی رونمایی کرد. او با اشاره به تراشه جدید A20 Pro گفت: «این سریع‌ترین تراشه‌ای است که تاکنون در آیفون به کار رفته است.» وی چشم‌انداز خود را حول محور دستگاه شخصی “ایده‌آل” توصیف کرد؛ دستگاهی که «همیشه همراه شماست، عمیقاً شخصی است و قادر است در لحظات مهم، هوشمندی را به ارمغان بیاورد.» سپس به معرفی خط تولید آیفون ۱۸ پرداخت.

سیری هوش مصنوعی (Siri AI) بزرگترین بازنگری اپل در دستیار صوتی خود از زمان عرضه در سال ۲۰۱۱ محسوب می‌شود. این دستیار قادر است مکالمات را ادامه دهد، به آنچه روی صفحه نمایش است ارجاع دهد و بدون نیاز به توضیح مجدد زمینه توسط کاربر، در بیش از ۳۰۰ هزار اپلیکیشن شخص ثالث اقداماتی را انجام دهد. اپل اولین بار این دستیار را در رویداد WWDC در ماه ژوئن معرفی کرد و آن را بر اساس معماری ترکیبی مدل‌های روی دستگاه و رایانش ابری خصوصی (Private Cloud Compute) برای درخواست‌های سنگین‌تر توصیف کرد. اپل امروز به وعده‌های خود عمل کرد.

سیری هوش مصنوعی جدید از ماه جاری به صورت بتا بر روی دستگاه‌های مناطق پشتیبانی شده عرضه خواهد شد. این سیری ارتقا یافته با قابلیت‌های عامل‌محور (agentic features) جالب و صدایی روان‌تر عرضه می‌شود که جایگزین صدای رباتیک آشنایی شده که از زمان راه‌اندازی، امضای سیری بوده است.

تراشه A20 Pro: قدرت و کارایی بی‌سابقه

تراشه A20 Pro اولین تراشه اپل است که بر اساس فرآیند ۲ نانومتری TSMC (N2) ساخته شده و اولین تراشه گوشی هوشمندی است که بر روی این گره (node) عرضه می‌شود. ترانزیستورهای کوچک‌تر به اپل اجازه می‌دهند تا بدون افزایش هزینه‌های حرارتی یا باتری، قدرت پردازشی بیشتری را در همان مساحت تراشه جای دهد.

اپل اعلام کرده است که پردازنده شش هسته‌ای این تراشه، شامل دو هسته “سوپر کور” با کارایی بالا و چهار هسته با مصرف بهینه، تا ۲۰ درصد سریع‌تر از A19 Pro است. پردازنده گرافیکی هفت هسته‌ای آن، که نسبت به شش هسته سال گذشته افزایش یافته، تا ۴۰ درصد سریع‌تر است. پهنای باند حافظه نیز ۵۰ درصد افزایش یافته که برای هوش مصنوعی روی دستگاه اهمیت مستقیمی دارد، زیرا پهنای باند معمولاً گلوگاه اجرای مدل‌های زبانی به صورت محلی به جای ابری است.

مهم‌ترین تغییر برای بارهای کاری هوش مصنوعی، موتور عصبی (Neural Engine) است. اپل آن را به یک طراحی دوگانه با ۳۲ هسته دو برابر کرده است، در حالی که موتور عصبی در سه نسل متوالی تراشه ۱۶ هسته‌ای باقی مانده بود. اپل این تراشه را با یک سیستم خنک‌کننده محفظه بخار جدید با سه برابر سطح مقطع طراحی قبلی همراه کرده است که به تراشه اجازه می‌دهد وظایف سنگین‌تر هوش مصنوعی، مانند بخش‌های روی دستگاه سیری هوش مصنوعی، را بدون افت عملکرد (throttling) انجام دهد.

آیفون ۱۸ پرو و آیفون Duo: نوآوری در طراحی و قابلیت‌ها

آیفون ۱۸ پرو همچنان با نمایشگر ۶.۳ اینچی و مدل پرو مکس با صفحه نمایش ۶.۹ اینچی عرضه می‌شود که تا حد زیادی بدون تغییر نسبت به نسل آیفون ۱۷ پرو باقی مانده است. اپل دو رنگ جدید مشکی، نقره‌ای، یخی و شرابی را برای این مدل‌ها معرفی کرده و جزیره پویا (Dynamic Island) را کوچکتر کرده است.

اولین گوشی تاشوی اپل، آیفون Duo، دارای یک نمایشگر کاور ۵.۵ اینچی و یک صفحه نمایش داخلی ۷.۸ اینچی است که مانند یک تبلت کوچک باز می‌شود. قیمت آن از ۱۹۹۹ دلار برای مدل ۲۵۶ گیگابایتی آغاز شده و تا حدود ۳۰۰۰ دلار برای مدل ۲ ترابایتی می‌رسد. این گوشی در رنگ‌های آبی تیره و سفید عرضه می‌شود و طبق گزارش مارک گورمن از بلومبرگ، اولین آیفونی است که از Apple Pencil پشتیبانی می‌کند. این دستگاه از Touch ID به جای Face ID استفاده می‌کند و تا ماه اکتبر، یک ماه پس از عرضه سایر محصولات، به فروشگاه‌ها نخواهد رسید.

به‌روزرسانی‌های نرم‌افزاری و سخت‌افزاری

iOS 27 که سیری هوش مصنوعی جدید و سایر قابلیت‌های Apple Intelligence را در خود جای داده است، در تاریخ ۱۴ سپتامبر عرضه می‌شود. این سیستم عامل بر روی تمام آیفون‌های از آیفون ۱۱ به بعد و آیفون SE نسل دوم اجرا می‌شود، اما قابلیت‌های سیری هوش مصنوعی و Apple Intelligence به آیفون ۱۵ پرو و مدل‌های جدیدتر محدود خواهد بود.

صبح بخیر!

درگیری بر سر اثبات ریاضی هوش مصنوعی، پرونده‌ای برای VVV و استنتاج خصوصی گشود

توکن VVV روز سه‌شنبه با جهش قابل توجهی در حجم معاملات، ۳۴ درصد افزایش یافت و به ۲۴.۷۷ دلار رسید. دلیل این رشد؟ یک مناقشه عمومی بین یک ریاضیدان دانشگاه نیویورک و OpenAI بر سر اعتبار اثبات‌های دینامیک سیالات.

جزئیات این ماجرا پیچیده و مورد مناقشه است؛ ریاضیدان صراحتاً اعلام کرده که کسی را به سوءاستفاده از داده‌هایش متهم نمی‌کند و OpenAI نیز دسترسی به آن‌ها را رد کرده است. اما سوالی که در X و Hacker News مطرح شد، ساده‌تر از خود اختلاف بود: آیا مکالمات خصوصی یک محقق با یک چت‌بات می‌تواند به پیشبرد کار یک رقیب کمک کند؟ هیچ‌کس ثابت نکرو‌ده که چنین اتفاقی افتاده است. نکته اینجاست که تعداد زیادی از افراد این سوال را محتمل دانسته‌اند.

این همان استدلالی است که Venice از ژانویه ۲۰۲۵ مطرح کرده است. این پروژه متعلق به اریک وورهیس، بنیان‌گذار ShapeShift، است و ایده آن یک پلتفرم هوش مصنوعی است که در آن درخواست‌ها (prompts) به جای قرار گرفتن روی سرورهای شرکت، روی دستگاه کاربر باقی می‌مانند. آن‌ها به مدل‌های متن‌باز، بدون فیلترینگ محتوا و بدون نیاز به حساب کاربری، متکی هستند.

توکن VVV به عنوان یک کلید دسترسی عمل می‌کند، نه یک تراشه حاکمیتی. با استیک کردن VVV، سهم متناسبی از ظرفیت استنتاج API روزانه دریافت می‌شود. توکن دوم، DIEM، با قفل کردن VVV استیک شده ایجاد می‌شود و روزانه ۱ دلار اعتبار API را برای همیشه ارائه می‌دهد. انتشار این توکن‌ها بارها کاهش یافته است؛ از ۱۴ میلیون در سال در زمان راه‌اندازی به ۲.۵ میلیون در اول سپتامبر، با ۲ میلیون توکن برنامه‌ریزی شده برای اکتبر. بخشی از درآمد صرف خرید VVV در بازار آزاد و سوزاندن آن می‌شود. Venice در ماه اوت اعلام کرد که به نرخ درآمد سالانه بیش از ۱۰۰ میلیون دلار رسیده است، که نسبت به ۷۰ میلیون دلار در ماه قبل افزایش یافته است.

حال، چرا این داستان اهمیت دارد؟ واضح است که حریم خصوصی یک روایت اصلی در این چرخه است. توکن ZEC از Zcash اخیراً از یک محدوده ۹ ساله خارج شده و به بالاترین سطح تاریخی خود یعنی بیش از ۱۲۰۰ دلار رسیده است و بسیاری پیش‌بینی می‌کنند که در این چرخه به ۰.۱ بیت‌کوین برسد. دلیل این امر افزایش نیاز به حفظ حریم خصوصی ثروت است، زیرا سیاست‌گذاران اقداماتی مانند مالیات بر میلیاردرها را مطرح می‌کنند. اکنون، استدلال برای هوش مصنوعی خصوصی (استنتاج) قوی‌تر می‌شود. هرگونه شائبه‌ای مبنی بر اینکه آزمایشگاه‌های پیشرو ایده‌ها را از کاربران خود گرفته و برای اکتشافات خود مورد استفاده قرار می‌دهند، با مخالفت‌های جدی در بالاترین سطوح روبرو خواهد شد. و یک پروتکل رمزارزی جایگزین قدرتمندی را ارائه می‌دهد (با محصولی که در حال حاضر توسط درآمد قابل توجهی پشتیبانی می‌شود). این یک روایت قوی برای چرخه صعودی بعدی است و VVV به احتمال زیاد جایگاه خود را در لیست “برترین آلت‌کوین‌های مورد توجه” برای چند سال آینده تثبیت کرده است.

خزانه‌های شرکتی و ETFها
ردیاب میم کوین

اتریوم در مسیر دستیابی به لایه ۱ امن در برابر کوانتوم تا سال ۲۰۲۹؛ فاز اولیه‌سازی ارتقاء «هگوتا» آغاز شد

بنیاد اتریوم با هدف دستیابی به یک لایه ۱ (Layer 1) مقاوم در برابر محاسبات کوانتومی تا دسامبر ۲۰۲۹، طرحی چند مرحله‌ای را برای ارتقاء شبکه خود تدوین کرده است. این طرح که با آغاز فاز اولیه‌سازی ارتقاء «هگوتا» (Hegotá) همراه است، امنیت پسا-کوانتومی را در کنار اولویت‌هایی چون حریم خصوصی، نهایی‌سازی سریع‌تر تراکنش‌ها، مدیریت وضعیت (state management) و توسعه zkEVM قرار داده است. با این حال، ارتقاء بعدی با محدودیت‌های شدیدی در زمینه دامنه اختیارات مواجه خواهد بود.

در پستی که در تاریخ ۸ سپتامبر منتشر شد، بنیاد اتریوم اعلام کرد که حدود ۶۰ پژوهشگر، مهندس و متخصص در تمامی ۹ تیم پروتکل، در ارزیابی یکپارچه ۶۲ پیشنهاد EIP (Ethereum Improvement Proposal) برای «هگوتا» مشارکت داشته‌اند. حاصل این تلاش، ۳۹۷ امتیازدهی پیش از بحث و بررسی جمعی پیشنهادات مورد مناقشه بوده است.

هدف اصلی توسعه‌دهندگان هسته‌ای اتریوم، دستیابی به مقاومت کوانتومی در لایه‌های اجرا (execution)، اجماع (consensus) و داده (data) تا دسامبر ۲۰۲۹ است. این ضرب‌الاجل با اهداف مهاجرت تعیین‌شده توسط شرکت‌هایی چون گوگل، Cloudflare و مایکروسافت هم‌راستا است، هرچند زمان دقیق «روز کوانتوم» (Q-day) که در آن کامپیوترهای کوانتومی می‌توانند رمزنگاری فعلی را تهدید کنند، همچنان نامشخص است.

مفروضات برنامه‌ریزی به‌طور عمدی جسورانه در نظر گرفته شده‌اند. بنیاد اتریوم اعلام کرده است که اتریوم باید خود را برای «روز کوانتوم» از اوایل سال ۲۰۳۰ آماده کند، در حالی که اذعان دارد تخمین‌های معتبر معمولاً این تاریخ را دیرتر می‌دانند و حتی ممکن است این روز هرگز فرا نرسد. با این حال، دسامبر ۲۰۲۹ تا حداقل ژانویه ۲۰۲۷ «غیرقابل مذاکره» باقی خواهد ماند، زمانی که پیشرفت در حوزه محاسبات کوانتومی با همکاری متخصصان خارجی مجدداً ارزیابی خواهد شد.

بر اساس نقشه راه فعلی، ارتقاء «گلمستردام» (Glamsterdam) در دسامبر ۲۰۲۶ و آمادگی کامل پسا-کوانتومی در «ال ستاره» (L)، پنج ارتقاء پس از آن، انتظار می‌رود. دستیابی به این هدف نیازمند میانگین فاصله زمانی ۷.۲ ماهه بین هر ارتقاء است. در مقابل، یک نقطه عطف حداقل قابل قبول برای آمادگی پسا-کوانتومی در «جی ستاره» (J)، با فاصله زمانی ۱۲ ماهه بین ارتقاءها قابل دستیابی است.

در صورت بروز چنین شرایطی، «حداقل آمادگی پسا-کوانتومی» (MV-PQ) اتریوم را در طول «روز کوانتوم» با تضمین‌های کاهش‌یافته فعال نگه خواهد داشت. پژوهشگران همچنان در حال تعیین دقیق این تضمین‌ها هستند. هدف نهایی همچنان مقاومت کامل در لایه‌های اجرا، اجماع و داده تا دسامبر ۲۰۲۹ باقی می‌ماند.

«هگوتا» به خودی خود ارتقاء مقاوم در برابر کوانتوم نیست، بلکه ارتقایی است که تعیین می‌کند آیا کار بعدی در زمینه امنیت کوانتومی می‌تواند طبق برنامه پیش برود یا خیر.

دو پیشنهاد در صدر لیست «هگوتا» قرار دارند: یکی «FOCIL» است که با اجازه دادن به اعتبارسنج‌ها برای تعیین الزامات برای سازندگان (builders)، هدف آن گنجاندن تراکنش‌ها است. دیگری «Frame Transactions» است که انتزاع حساب (account abstraction) را فراهم کرده و مسیری را برای جایگزینی کلیدهای آسیب‌پذیر secp256k1 ارائه می‌دهد.

از میان ۶۲ پیشنهاد، تنها دو مورد امتیاز «اس» (S) دریافت کردند که به معنای «باید اجرا شوند» است. پانزده مورد امتیاز «آ» (A) کسب کرده و انتظار می‌رود اجرا شوند، در حالی که هشت مورد در دسته «بی» (B) و هفت مورد در دسته «سی» (C) قرار گرفتند. بیست و هشت پیشنهاد رد شدند و دو پیشنهاد دیگر تا زمان ارائه شواهد از شبکه اصلی (mainnet) در حالت تعلیق باقی ماندند.

فراتر از «FOCIL»، «اشتهای کمی» برای دامنه اختیارات اضافی در لایه اجماع وجود دارد، مگر اینکه پیشنهادی مستقیماً از آمادگی پسا-کوانتومی پشتیبانی کند. ظرفیت محدود تست و مهندسی، ملاحظات اصلی توسعه‌دهندگان در هنگام آماده‌سازی «هگوتا» و ارتقاءهای بعدی است.

خطر کوانتومی در طول سال مورد توجه قرار گرفته است، به طوری که ویتالیک بوترین در ماه فوریه نقشه‌ای را منتشر کرد که برنامه‌هایی برای جایگزینی امضاهای آسیب‌پذیر BLS در لایه اجماع و معرفی انتزاع حساب از طریق EIP-8141 را نشان می‌داد.

اما به جای در نظر گرفتن مقاومت کوانتومی به عنوان یک ارتقاء واحد، طرح جدید اتریوم کار را در چندین ارتقاء توزیع می‌کند و توسعه‌ها در کنار تغییراتی در زمینه حریم خصوصی، مدیریت وضعیت، نهایی‌سازی سریع و اثبات‌های اجباری اجرا انجام می‌شوند.

گام‌های بعدی شامل یک جلسه پرسش و پاسخ در ردیت است که برای ۱۶ سپتامبر در ساعت ۲ بعد از ظهر UTC برنامه‌ریزی شده است، جایی که تیم پروتکل قصد دارد اولویت‌های خود، لیست اولویت‌بندی «هگوتا» و سوالات جامعه اتریوم را مورد بحث قرار دهد.

درخواست توقف داوطلبانه در توسعه هوش مصنوعی از سوی دانشمند ارشد OpenAI

یاکوب پاچوکی، دانشمند ارشد شرکت OpenAI، خواستار توقف داوطلبانه در روند توسعه هوش مصنوعی شده و هشدار داده است که هیچ آزمایشگاهی در حال حاضر تدابیر امنیتی کافی برای ادامه توسعه سیستم‌های قدرتمندتر با حداکثر سرعت را برای مدت طولانی ندارد.

پاچوکی در پستی با عنوان «ذهنی بیگانه» که روز یکشنبه منتشر شد، استدلال کرد که تعهدات داوطلبانه شرکت‌ها باید به استانداردهای ایمنی اجباری تبدیل شوند و توسط حسابرسان مستقل، دولت‌ها یا نهادهای بین‌المللی اجرا گردند. وی اظهار داشت که OpenAI در صورت لزوم توسعه بیشتر را متوقف خواهد کرد، اما هیچ توقف جدیدی را اعلام نکرد.

او نوشت: «در حال حاضر معتقدم که هیچ آزمایشگاهی مشکل هم‌ترازی (alignment) و نظارت را به اندازه کافی حل نکرده است تا بتواند با حداکثر سرعت برای مدت طولانی‌تری به طور مسئولانه توسعه را ادامه دهد. انتظار دارم و امیدوارم که توقف‌های داوطلبانه تا زمان برقراری معیارهای ایمنی مشترک، رایج شوند.»

پاچوکی که در سال ۲۰۱۷ به OpenAI پیوست، همچنین از توسعه هوش مصنوعی قدرتمندتر برای تأمین امنیت زیرساخت‌ها و محافظت در برابر عوامل سرکش دفاع کرد، اما در عین حال نسبت به استفاده از این تهدیدات برای توجیه توسعه بی‌پروا هشدار داد.

وی نوشت: «ایده پیشرفت با هر هزینه‌ای، پس از درک جدی بودن پیامدها، پوچ به نظر می‌رسد.»

او همچنین به حادثه نقض امنیتی در Hugging Face شرکت OpenAI اشاره کرد، جایی که عوامل هوش مصنوعی که در ارزیابی‌های امنیت سایبری مشغول بودند، از محیط آزمایشی خود فرار کرده و به شرکت حمله کردند. طبق گفته OpenAI، این عوامل کانال‌های ارتباطی مخفی ایجاد کرده و پس از مداخله محققان، آن‌ها را مجدداً بازسازی کردند.

یک تحقیق مستقل توسط METR نشان داد که حدود ۱۲۰۰ عامل به طور هماهنگ در یک تابلوی پیام غیرمجاز فعالیت می‌کردند و حدود ۷۰۰ نفر در حمله شرکت داشتند. پاچوکی گفت که این حادثه دلیل اصلی لزوم پایداری تدابیر امنیتی هوش مصنوعی حتی زمانی است که مدل‌ها معتقدند کسی ناظر آن‌ها نیست.

وی نوشت: «نکته حیاتی این است که ما نیاز داریم هوش مصنوعی‌های آینده، ارزش‌های انسانی را صرف نظر از اینکه آیا معتقدند تحت نظارت انسان هستند یا خیر، حفظ کنند.»

در تحقیقاتی که سال گذشته منتشر شد، OpenAI دریافت که جریمه کردن مدل‌ها برای ابراز قصد تقلب می‌تواند آن‌ها را آموزش دهد تا این قصد را پنهان کنند و همچنان به تقلب ادامه دهند.

از آن زمان، مدل‌های هوش مصنوعی در یافتن و بهره‌برداری از نقص‌های نرم‌افزاری توانمندتر شده‌اند: OpenAI، Astra را در بالاترین سطح ریسک امنیت سایبری خود طبقه‌بندی کرد، در حالی که Anthropic اعلام کرد Mythos Preview هزاران آسیب‌پذیری ناشناخته قبلی را در سیستم‌عامل‌ها و مرورگرهای اصلی کشف کرده است.

سناتور برنی سندرز (مستقل-ورمونت) و نماینده گرگ کاسار (دموکرات-تگزاس) با استناد به حوادث اخیر فرار سیستم‌های هوش مصنوعی از کنترل انسان، در تاریخ ۳ سپتامبر از قانون آتی «منع هوش مصنوعی فوق‌العاده» خبر دادند. این پیشنهاد توسعه هوش مصنوعی پیشرفته را تا زمانی که یک رگولاتور فدرال جدید قوانین ایمنی را تعیین کند، متوقف کرده و توسعه و استقرار هوش مصنوعی فوق‌العاده را به طور دائم ممنوع می‌کند.

هوش مصنوعی Anthropic طولانی‌ترین اثبات ریاضی تاریخ را ارائه کرد و قضیه آخر فرما را حل کرد

شرکت Anthropic اعلام کرده است که مدل هوش مصنوعی Claude آن، طولانی‌ترین اثبات ریاضی تاریخ را نوشته و با استفاده از آن، قضیه آخر فرما را که ۳۵۸ سال ریاضیدانان را به چالش کشیده بود، به طور رسمی اثبات کرده است.

Claude این کار را در ۱۱ روز و عمدتاً به صورت خودکار انجام داده است. حاصل کار، ۱۳ میلیون خط کد است که کامپیوتر می‌تواند آن را خط به خط بررسی کند و دیگر نیازی به اعتماد صرف به گفته ریاضیدانان نیست.

قضیه آخر فرما بیان می‌کند که نمی‌توان سه عدد صحیح مثبت را یافت که اگر هر کدام به توانی بزرگتر از ۲ رسانده شوند، مجموع دو عدد اول برابر با عدد سوم شود. پیر دو فرما این ادعا را در حاشیه کتابی در سال ۱۶۳۷ نوشت و مدعی شد که اثبات “شگفت‌انگیزی” دارد که حاشیه کتاب برای نگارش آن کوچک بوده است. سپس او درگذشت و ریاضیدانان در طول ۳۵۸ سال آینده تلاش کردند تا اثبات او را بازسازی کنند.

اثبات و بررسی: دو وظیفه متفاوت

اثبات ریاضی زنجیره‌ای از گام‌های منطقی است و اگر یکی از این حلقه‌ها شکسته شود، کل اثبات فرو می‌ریزد. یافتن یک حلقه شکسته در میان صدها صفحه استدلال متراکم، می‌تواند سال‌ها از عمر ریاضیدانان را بگیرد.

رسمی‌سازی یک اثبات به معنای ترجمه آن به زبانی به قدری دقیق و تحت‌اللفظی است که کامپیوتر بتواند هر مرحله را به طور مستقل و بدون ورود به مباحث ذهنی، تأیید کند. ریاضیدانان مدتی است که در این زمینه با مشکل مواجه بوده‌اند. جایزه‌ای در سال ۱۹۰۸ در آلمان به ارزش تقریبی ۱ تا ۲ میلیون دلار امروزی برای اولین اثبات معتبر این قضیه، تنها در سال اول ۶۲۱ ارسال نادرست دریافت کرد.

بررسی صحت یک اثبات مهم ریاضی می‌تواند سال‌ها طول بکشد. رسمی‌سازی، یعنی تبدیل استدلال ریاضی به شکلی که دستیارهای اثبات کامپیوتری مانند Lean بتوانند آن را تأیید کنند، می‌تواند کمک‌کننده باشد.

اثبات رسمی قضیه آخر فرما توسط کلود

ماه گذشته، کلود اولین اثبات رسمی قضیه آخر فرما را تکمیل کرد، یکی از… (تصویر توییت از حساب کاربری @AnthropicAI در تاریخ ۴ سپتامبر ۲۰۲۶)

اثبات اصلی در سال ۱۹۹۵ توسط اندرو وایلز، ریاضیدان بریتانیایی، ارائه شد و با پیچیدگی‌هایی همراه بود. وایلز راه‌حل خود را در ژوئن ۱۹۹۳ در سه سخنرانی اعلام کرد، اما بعدها یک بازبین ایرادی در آن یافت. او تقریباً یک سال را صرف رفع این مشکل با کمک ریچارد تیلور، دانشجوی سابق خود، کرد و در نهایت در ماه مه ۱۹۹۵، اثباتی اصلاح شده و ۱۲۹ صفحه‌ای را منتشر کرد. این اثبات بر پایه‌ی ریاضیاتی بنا شده بود که در زمان حیات فرما وجود نداشت، که دلیل اصلی تردید ریاضیدانان امروزی در مورد صحت اثبات “شگفت‌انگیز” فرما است.

کوین بازارد، ریاضیدان کالج امپریال لندن، در سال ۲۰۲۴ پروژه‌ای را برای انجام دقیقاً همان کاری که کلود انجام داد، آغاز کرد: ترجمه اثبات وایلز به Lean، زبانی که کامپیوترها می‌توانند آن را بررسی کنند. این کار نیازمند ارتشی از ریاضیدانان داوطلب است؛ طرح اولیه این پروژه ۸۶ صفحه است و بودجه آن تا سال ۲۰۲۹ تأمین شده است. کلود کل این فرآیند را در ۱۱ روز به پایان رساند.

نحوه عملکرد کلود

Anthropic در پستی مفصل‌تر توضیح داده است که تیانی پنگ، که ابزارهای رسمی‌سازی هوش مصنوعی را با تیمی در کلمبیا توسعه می‌دهد، تصمیم گرفت ببیند کلود تا چه حد می‌تواند به تنهایی پیش برود. ده‌ها عامل کلود به صورت موازی کار کردند، تعاریف را نوشتند، نتایج کوچک را اثبات کردند و آن‌ها را روی هم انباشتند، با حداقل ورودی انسانی جز راهنمایی‌های گاه‌به‌گاه مانند “اولویت‌بندی این قضیه بعدی”.

در ابتدا همه چیز روان نبود. در مراحل اولیه، عوامل مدام آنچه را که قبلاً اثبات کرده بودند فراموش می‌کردند و همکاری متوقف می‌شد. این شروع‌های نادرست هنوز حدود ۷ درصد از خطوط اثبات نهایی را تشکیل می‌دهند. ابزاری به نام Prove2Me که توسط تیم پنگ ساخته شده بود، این مشکل را حل کرد. این ابزار به هر عامل یک لیست وظایف زنده از اثبات‌های کوچکتر مورد نیاز ارائه می‌داد، بنابراین هیچ‌کس کار تکراری انجام نمی‌داد یا از مسیر منحرف نمی‌شد. همچنین فایل‌ها را سازماندهی می‌کرد تا Lean بتواند همه چیز را سریع‌تر بررسی کند و یادداشت‌های به زبان ساده از هر نتیجه نگه می‌داشت تا عوامل بتوانند از کار یکدیگر استفاده کنند و دوباره اختراع نکنند.

در پایان، کلود بیش از ۳۰,۰۰۰ قضیه پشتیبان را اثبات کرده و میلیاردها توکن مصرف کرده بود. این مدل بر اساس یک مدل تحقیقاتی کار می‌کرد که Anthropic می‌گوید تقریباً با Claude Fable 5.1، نسخه‌ای که بعداً به صورت عمومی منتشر شد، قابل مقایسه است. اثبات نهایی ۱۳ میلیون خط دارد، که بیش از پنج برابر حجم Mathlib، کتابخانه مشترکی که ریاضیدانان در حال حاضر برای این نوع کار استفاده می‌کنند. یک رمان معمولی حدود ۸۰,۰۰۰ کلمه دارد. اثبات کلود معادل ۱۶۰ رمان استدلال منطقی خالص است.

آیا این موضوع اهمیت دارد؟

بازارد، که پروژه او تا سال ۲۰۲۹ تأمین مالی شده است، اثبات کلود را بررسی کرده و آن را تأیید کرده است. او گفته است که این اثبات “قضیه را بدون هیچ فرضیه‌ای جز اصول اولیه ریاضیات اثبات می‌کند.” این با کشف ریاضیات کاملاً جدید توسط کلود، که Anthropic قبلاً در تحقیقات رمزنگاری خود در اوایل سال جاری ادعا کرده بود، متفاوت است. وایلز سه دهه پیش قضیه فرما را اثبات کرده بود؛ کلود صرفاً یک رسید قابل بررسی توسط ماشین برای آن ساخته است. این موضوع اهمیت دارد زیرا ریاضیدانان به طور فزاینده‌ای با اثبات‌های تأیید نشده، از جمله اثبات‌های نوشته شده توسط هوش مصنوعی، مواجه هستند که سریع‌تر از آن است که انسان‌ها بتوانند آن‌ها را به صورت دستی بررسی کنند. همچنین، این نوع اثبات‌ها قطعی هستند و مستعد خطاهای انسانی نیستند، که در ریاضیات بسیار مهم است.

این یک مشکل جدید نیست. اثبات قضیه کپلر با کمک کامپیوتر چهار سال طول کشید تا یک هیئت داوری بتواند به “۹۹٪ اطمینان” برسد، و اثبات قضیه پوانکاره توسط گریگوری پرلمان نیز تقریباً همین مدت طول کشید تا به طور کامل درک شود. اگر نمی‌خواهید حرف Anthropic را در مورد این موضوع بپذیرید، مجبور نیستید. اثبات کامل ۱۳ میلیون خطی در حال حاضر در GitHub موجود است و هر ریاضیدانی که وقت کافی داشته باشد می‌تواند آن را خط به خط بررسی کند.

گروه هفت (G7) از دولت‌ها و کسب‌وکارها می‌خواهد که اکنون برای حملات سایبری مبتنی بر محاسبات کوانتومی آماده شوند و هشدار می‌دهد که مهاجرت به سیستم‌های امن ممکن است سال‌ها طول بکشد و داده‌های حساس در حال حاضر در معرض خطر هستند.

هشدار درباره تهدید کوانتومی

گروه کاری امنیت سایبری گروه هفت، که متشکل از کانادا، فرانسه، آلمان، ایتالیا، ژاپن، بریتانیا و ایالات متحده است، در گزارشی جدید، محاسبات کوانتومی را تهدیدی امنیتی و اقتصادی برای سازمان‌های دولتی و خصوصی و نه فقط اپراتورهای زیرساخت‌های حیاتی خوانده است.

این گروه در گزارش خود آورده است: «اگرچه جدول زمانی دقیق نامشخص است، اما پیشرفت‌های اخیر نشان‌دهنده پیش‌بینی توسعه کامپیوترهای کوانتومی قادر به شکستن مکانیزم‌های رمزنگاری کلید عمومی پرکاربرد و تهدید امنیت زیرساخت‌های دیجیتال است.»

ضرورت پذیرش رمزنگاری پسا کوانتومی

گروه هفت از سازمان‌ها خواسته است که برای محافظت در برابر حملات کلاسیک و کوانتومی، رمزنگاری پسا کوانتومی (PQC) را اتخاذ کنند. بدون این اقدام، داده‌های سرقت شده و ذخیره شده امروز می‌توانند توسط یک کامپیوتر کوانتومی قدرتمند در آینده رمزگشایی شوند. این کامپیوترها همچنین قادر به شکستن امضاهای دیجیتال، امکان جعل هویت و افشای اطلاعات شرکت‌ها و زنجیره‌های تأمین آن‌ها خواهند بود.

در این گزارش آمده است: «ما اذعان داریم که انتقال به PQC مشکلی نیست که سازمان‌های فردی بتوانند به تنهایی آن را حل کنند، بلکه یک انتقال جمعی است که تنها با مشارکت زودهنگام، برنامه‌ریزی هماهنگ و تصمیم‌گیری آگاهانه در سراسر بخش‌های دولتی و خصوصی قابل دستیابی است.»

تأثیر بر ارزهای دیجیتال

اگرچه این گزارش به طور مستقیم به ارزهای دیجیتال اشاره نکرده است، اما همین کلاس از رمزنگاری کلید عمومی از کیف پول‌های بلاک‌چین محافظت کرده و تراکنش‌ها را مجاز می‌داند. کامپیوترهای کوانتومی فعلی قادر به شکستن رمزنگاری بیت‌کوین نیستند. با این حال، توسعه‌دهندگان در حال بررسی پیشنهادهای پسا کوانتومی از جمله BIP-360 هستند که شبکه را برای پشتیبانی از طرح‌های امضای جدید آماده می‌کند.

حاکمیت بیت‌کوین، انتقال به سیستم‌های امن‌تر را پیچیده‌تر می‌کند. هرگونه تغییر امنیتی عمده نیازمند حمایت گسترده توسعه‌دهندگان، ماینرها، کسب‌وکارها و کاربران است. دارندگان بیت‌کوین نیز به راهی برای انتقال وجوه از آدرس‌های آسیب‌پذیر بدون ایجاد اختلال در شبکه نیاز خواهند داشت.

محققان اتریوم در حال برنامه‌ریزی برای جایگزینی چندین جزء رمزنگاری مورد استفاده توسط حساب‌ها، اعتبارسنج‌ها و برنامه‌ها هستند. یکی از پیشنهادهای اخیر، بازسازی قرارداد سپرده اتریوم برای پشتیبانی از کلیدهای بزرگتر مورد نیاز سیستم‌های پسا کوانتومی است.

به گفته محققان، سولانا ممکن است مسیر مهاجرت ساده‌تری داشته باشد زیرا از امضاهای EdDSA استفاده می‌کند. بنیاد سولانا امضاهای پسا کوانتومی را در یک شبکه آزمایشی آزمایش کرده و یک خزانه اختیاری مبتنی بر هش برای محافظت از وجوه معرفی کرده است.

توصیه‌های گروه هفت

گروه کاری امنیت سایبری G7 از دولت‌ها خواسته است تا از تحقیقات، مشارکت‌های دولتی-خصوصی و استراتژی‌های ملی PQC حمایت کنند و امنیت کوانتومی را به الزامات تدارکات اضافه کنند. همچنین به سازمان‌ها توصیه شده است که سیستم‌های حیاتی خود را شناسایی کرده و در طول ارتقاهای برنامه‌ریزی شده، محصولات امن در برابر کوانتوم را برای کنترل هزینه‌ها اتخاذ کنند.

این گروه تاکید کرده است: «برای تقویت تاب‌آوری جمعی و حفاظت از داده‌های محرمانه، زنجیره‌های تأمین و سیستم‌های حیاتی، سازمان‌های دولتی و خصوصی باید اکنون به طور مشترک اقدام کنند. انتقال به PQC پایه و اساس کلیدی برای کمک به ایجاد آینده‌ای دیجیتال امن و تاب‌آور است.»

افشای استفاده عوامل OpenAI از وب‌سایت آلمانی برای دور زدن محدودیت‌ها

بر اساس تحقیقات رویترز که روز جمعه منتشر شد، عوامل شرکت OpenAI از ماه مه از یک وب‌سایت آلمانی برای تبادل میانبرهای وظایف، راه‌های دور زدن محدودیت‌ها و روش‌های پنهان کردن فعالیت‌های خود استفاده کرده‌اند.

رویترز به نقل از دو منبع آگاه گزارش داد که مقامات OpenAI هفته‌ها پیش از انتشار این خبر از این فعالیت‌ها مطلع شده بودند اما آن را فاش نکردند. این شرکت اعلام کرده است که حوادث مرتبط را گزارش داده و با کارشناسان خارجی با حسن نیت همکاری کرده است.

محققان سیدنی ون آرکس، کورمک اسلید برد، اسپنسر کیتس و توماس لارسن در گزارش اولیه خود حدود ۱۸ هزار پست از سوی عوامل هوش مصنوعی را شناسایی کردند که خود را متعلق به OpenAI معرفی کرده بودند. ون آرکس، مدیرعامل سازمان غیرانتفاعی ایمنی هوش مصنوعی Nightingale، و برد در اواخر اوت این فعالیت را کشف کردند.

این محققان معتقدند که به این عوامل وظایف جستجوی وب زمان‌بندی شده با مجوز دسترسی به وب‌سایت‌ها اما بدون امکان ارسال مطلب به آن‌ها محول شده بود. با این حال، آن‌ها راهی برای نوشتن در DseWiki، یک سایت برنامه‌نویسی آلمانی که به صورت عمومی قابل ویرایش است، پیدا کردند و در آنجا پاسخ‌ها را مبادله کرده و راه‌هایی برای دور زدن محدودیت‌ها به اشتراک گذاشتند.

بر اساس این گزارش، عوامل از ۱۱ مه تلاش برای ویرایش این ویکی را آغاز کردند و در ۲۴ مه موفق شدند. آن‌ها سپس هویت مدیران را جعل کرده، تلاش برای سوءاستفاده از آسیب‌پذیری‌ها را انجام دادند و زمان قطع شدن فعالیت‌هایشان را بررسی کردند. رویترز گزارش داد که پس از شروع حذف پیام‌ها توسط مدیر سایت در ۱۹ ژوئن، آن‌ها صفحات پشتیبان ایجاد کردند. محققان از طریق نام‌های کاربری عوامل و الگوهای ترافیکی، از جمله بازدید از آدرس‌های IP متعلق به OpenAI در ۲۱ ژوئن، این فعالیت را به OpenAI مرتبط دانستند.

محققان اظهار داشتند که فعالیت عوامل در روز بعد به شدت کاهش یافت که نشان‌دهنده مداخله احتمالی شرکت است.

OpenAI با استناد به مطالبی که بررسی کرده بود، فعالیت در DseWiki را هک ندانست و اعلام کرد که در حال بررسی کامل یافته‌ها است.

یک سخنگوی OpenAI در بیانیه‌ای که با وب‌سایت Decrypt به اشتراک گذاشته شد، گفت: «ما نتوانستیم به ادعاها پاسخ دهیم زیرا رویترز و نویسندگان گزارش از درخواست ما برای دسترسی به یافته‌ها قبل از انتشار خودداری کردند. ما اکنون در حال بررسی دقیق محتویات آن هستیم و اقدامات لازم بعدی را انجام خواهیم داد.»

این سخنگو همچنین ادعاهای گزارش رویترز مبنی بر مقاومت تیم حقوقی این شرکت در برابر تحقیقات گسترده‌تر را رد کرد.

آن‌ها گفتند: «ادعاهایی مبنی بر اینکه تیم حقوقی ما مانع تحقیق در مورد این حادثه شده است، نادرست است.»

OpenAI اعلام کرد که حادثه DseWiki ارتباطی با نقض امنیتی Hugging Face در اوایل سال جاری ندارد. این شرکت در ارزیابی ایمنی عمومی خود که روز سه‌شنبه منتشر شد، تدابیر امنیتی اضافی را برای شناسایی و توقف فعالیت‌های غیرمجاز در طول آموزش و استقرار توصیف کرد.

در حالی که گزارش رویترز، Astra را مسئول حادثه آلمان معرفی نمی‌کند، این افشاگری پس از راه‌اندازی مدل GPT-6 Astra در روز پنجشنبه صورت می‌گیرد. OpenAI، Astra را اولین مدل خود با قابلیت‌های “حیاتی” امنیت سایبری نامید، به این معنی که می‌تواند با ابزار و دسترسی مناسب، نقص‌های ناشناخته در سیستم‌های به شدت محافظت شده را قبلاً بدون راهنمایی گام به گام انسانی، شناسایی و مورد سوءاستفاده قرار دهد.

Anthropic نیز پس از دسترسی مدل‌های Claude به سیستم‌های شرکت‌های واقعی در طول آزمایش، اقدامات امنیتی خود را اصلاح کرده است. این شرکت شکست‌های امنیتی و رفتاری را پذیرفت و انزوای سخت‌گیرانه‌تر و نظارت برای ارزیابی‌های امنیت سایبری را معرفی کرد.

این افشاگری همچنین در حالی صورت می‌گیرد که سناتور برنی سندرز (مستقل-ورمونت) و نماینده کنگره گرگ کاسار (دموکرات-تگزاس) از قانون آتی ممنوعیت هوش مصنوعی فوق هوشمند خبر دادند.

بر اساس دفتر سندرز، این پیشنهاد توسعه و استقرار هوش مصنوعی فوق هوشمند را به طور دائم ممنوع کرده و توسعه هوش مصنوعی پیشرفته را تا زمانی که یک نهاد نظارتی فدرال جدید قوانین ایمنی را تعیین کند، به طور موقت متوقف خواهد کرد.

استارتاپ AfterQuery با ارزش‌گذاری ۳.۲ میلیارد دلاری، رکورد جدیدی در تاریخ Y Combinator ثبت کرد

استارتاپ هوش مصنوعی AfterQuery که تنها ۱۸ ماه از تأسیس آن می‌گذرد، در دور جدید تأمین مالی به ارزش‌گذاری ۳.۲ میلیارد دلاری دست یافته است. این رقم بیش از ده برابر ارزش‌گذاری ۳۰۰ میلیون دلاری این شرکت در پنج ماه پیش است که در آن دور تأمین مالی سری A، مبلغ ۳۰ میلیون دلار جذب کرده بود.

به گزارش فوربس، این جهش سریع، AfterQuery را به سریع‌ترین استارتاپ در تاریخ Y Combinator تبدیل کرده که از زمان تأسیس تا رسیدن به وضعیت “یونیکورن” (شرکتی با ارزش‌گذاری بیش از ۱ میلیارد دلار) پیش رفته است. گوستاف آلسترومر، شریک Y Combinator، این خبر را تأیید کرده است. AfterQuery از اظهارنظر در این خصوص خودداری کرده است. یکی از منابع فوربس اعلام کرده که این شرکت در حال حاضر سودآور است و سرمایه‌گذار اصلی دور جدید تأمین مالی خود را نیز مشخص کرده است.

Spencer Mateega و Carlos Georgescu این شرکت را در فوریه ۲۰۲۵ تأسیس کردند. این دو دوست دوران دبیرستان، بدون داشتن محصول یا ایده مشخص، در زمستان ۲۰۲۵ به برنامه Y Combinator پیوستند. در ماه ژوئیه، میتیگا در پستی در شبکه اجتماعی X اعلام کرد که درآمد سالانه تکرارشونده (ARR) این شرکت به “صدها میلیون دلار” رسیده است که در مقایسه با ۱۰۰ میلیون دلار در ماه آوریل، رشد قابل توجهی را نشان می‌دهد.

فاصله گرفتن از غول‌ها

AfterQuery به سرعت در حال نزدیک شدن به “غول‌های” صنعت هوش مصنوعی است. میتیگا در پستی در X در تاریخ ۱۲ ژوئیه ۲۰۲۶ نوشت: “ما در حال حاضر از نرخ درآمد ۱۰۰ میلیون دلاری که در اینجا ذکر شده، چندین برابر فراتر رفته‌ایم. اگر شما یک پژوهشگر یا آزمایشگاه پس از آموزش هستید که به وظایف بلندمدت، داده‌های کاری حرفه‌ای/دانشی، محیط‌های شبیه‌سازی RL با وفاداری بالا، کد… نیاز دارید.”

چرخش استراتژیک و داده‌های تخصصی

بنیان‌گذاران در ابتدا قصد داشتند عامل‌های هوش مصنوعی برای حوزه مالی بسازند. اما آزمایش‌ها نشان داد که مدل‌های پیشرو در تماس‌های تخصصی و حرفه‌ای با ظرافت‌های بالا دچار مشکل می‌شوند؛ نه به دلیل کمبود توانایی خام، بلکه به این دلیل که هیچ‌کس به آن‌ها آموزش نداده بود که چگونه یک متخصص در مواجهه با یک تصمیم دشوار استدلال می‌کند.

بنابراین، آن‌ها استراتژی خود را تغییر دادند. AfterQuery اکنون به متخصصان پول می‌دهد تا داده‌های استدلالی تولید کنند: سوابق مکتوب و گام به گام از نحوه حل یک مشکل توسط یک فرد حرفه‌ای. این داده‌ها برای آموزش مدل‌های هوش مصنوعی جهت قضاوت و درک عمیق‌تر، به جای صرفاً یادگیری حقایق، استفاده می‌شوند. انویدیا از این داده‌ها برای آموزش مدل‌های متن‌باز Nemotron خود استفاده کرده است. همچنین، طبق گزارش فوربس، AfterQuery مشتریانی چون Thinking Machines Lab، متعلق به میرا موراتی، مدیر ارشد فناوری سابق OpenAI، و شرکت هوش مصنوعی حقوقی Legora را در اختیار دارد.

تقاضای رو به رشد برای داده‌های تخصصی

تقاضا برای این نوع داده‌ها در سراسر صنعت هوش مصنوعی احساس می‌شود. آزمایشگاه‌های پیشرو که در حال ساخت پیشرفته‌ترین سیستم‌های هوش مصنوعی هستند، بیشتر متون قابل استفاده در وب را بررسی کرده‌اند و داده‌های مصنوعی (داده‌های آموزشی تولید شده توسط هوش مصنوعی) نیز محدودیت‌های خود را دارند. آنچه در حال حاضر کمیاب است، قضاوت و درک تخصصی است که تنها از متخصصان واقعی و معتبر حاصل می‌شود.

شرکت‌های دیگر نیز از زوایای مختلفی به دنبال رفع این کمبود هستند. شرکت فین‌تک کره‌ای Toss اخیراً با همکاری شرکت زیرساخت داده Poseidon، ۳۰ میلیون کاربر خود را وارد اقتصاد داده هوش مصنوعی کرده است. این شرکت به کاربران عادی پول می‌دهد تا داده‌های دنیای واقعی را که مدل‌ها قادر به یافتن آن‌ها در اینترنت نیستند، ضبط کنند.

رقابت در بازار داده‌های هوش مصنوعی

AfterQuery تنها شرکتی نیست که از این کمبود سود می‌برد. الکساندر وانگ، مدیرعامل Scale AI، در سال ۲۰۲۱ در سن ۲۴ سالگی به اولین میلیاردر صنعت برچسب‌گذاری داده تبدیل شد. سپس متا با پرداخت ۱۴.۳ میلیارد دلار برای خرید ۴۹ درصد سهام، وانگ را در رأس آزمایشگاه هوش مصنوعی خود قرار داد. بنیان‌گذاران رقیب، Mercor، در اکتبر گذشته رکورد وانگ را شکستند و در سن ۲۲ سالگی میلیاردر شدند.

میتیگا گفته است که مزیت AfterQuery نسبت به Mercor، که برای تأمین نیروی کار قراردادی خود به مصاحبه‌گر هوش مصنوعی متکی است، نرم‌افزار سفارشی این شرکت است که ورودی‌ها را بر اساس دشواری “طلایی” غربال می‌کند؛ یعنی به اندازه‌ای دشوار که یک مدل پیشرو را به چالش بکشد، اما نه آنقدر دشوار که نتواند از پاسخ یاد بگیرد. AfterQuery همچنین قبل از فروش داده‌ها، مدل‌های خود را بر روی آن‌ها آموزش می‌دهد تا به آزمایشگاه‌ها نشان دهد که این مواد واقعاً تأثیرگذار هستند و نیازی به اعتماد صرف به گفته آن‌ها نیست.

از سوی دیگر، Mercor در حال حاضر با انویدیا برای دور جدید تأمین مالی مذاکره می‌کند که ارزش آن را به ۲۰ میلیارد دلار می‌رساند و دو برابر قیمت ۱۰ میلیارد دلاری آن در اکتبر گذشته است. دور تأمین مالی AfterQuery هنوز نهایی نشده و این شرکت سرمایه‌گذار اصلی خود را معرفی نکرده است.

هوش مصنوعی می‌تواند موج جدیدی از نگرانی‌ها را در مورد حریم خصوصی مالی ایجاد کند.

نگرانی‌های جدید حریم خصوصی مالی با ظهور هوش مصنوعی

بر اساس گزارشی تحقیقاتی از Grayscale، هوش مصنوعی (AI) می‌تواند موج جدیدی از نگرانی‌ها را در مورد حریم خصوصی مالی به همراه داشته باشد. زک پاندل، رئیس بخش تحقیقات این شرکت، پیش‌بینی می‌کند که هوش مصنوعی تهدیدات جدیدی برای حریم خصوصی ایجاد کرده و تقاضا برای راه‌حل‌های نوین را افزایش خواهد داد. او Zcash را به عنوان یکی از گزینه‌های بالقوه در این زمینه معرفی می‌کند.

امواج تاریخی حریم خصوصی مالی

توجه عمومی به حریم خصوصی مالی در طول تاریخ همواره با تغییرات عمده فناورانه افزایش یافته است. موج اول در دهه ۱۹۷۰ با ظهور کامپیوترها و امکان دیجیتالی کردن و خودکارسازی ثبت سوابق مالی رخ داد. موج دوم در دهه ۱۹۹۰ با گسترش اینترنت و افزایش نگرانی‌ها در مورد حریم خصوصی آنلاین پدیدار شد.

موج سوم: هوش مصنوعی و بلاکچین‌های عمومی

Grayscale معتقد است با گسترش استفاده از هوش مصنوعی، موج سوم حریم خصوصی مالی آغاز شده است. پاندل اظهار داشت که ابزارهای هوش مصنوعی احتمالاً چالش‌های جدیدی برای حریم خصوصی در سراسر اقتصاد ایجاد خواهند کرد و این موضوع به ویژه برای بلاکچین‌های عمومی که به طور پیش‌فرض شفاف هستند، اهمیت بیشتری پیدا می‌کند.

به عنوان مثال، در شبکه بیت‌کوین، هر تراکنش در یک دفتر کل عمومی ثبت می‌شود و هر کسی می‌تواند آن را مشاهده کند. هنگامی که فعالیت بلاکچین با اطلاعات خارج از زنجیره مرتبط می‌شود، آدرس‌های کاربران به طور بالقوه می‌توانند از حالت ناشناس خارج شوند؛ خطری که در وایت‌پیپر بیت‌کوین نیز به آن اشاره شده است.

Zcash به عنوان راه‌حلی برای حریم خصوصی

Grayscale بیان کرد که اگرچه این خطر پیش از ظهور هوش مصنوعی نیز وجود داشته، اما پیشرفت‌های این فناوری می‌تواند برچسب‌گذاری آدرس‌های بلاکچین را مؤثرتر و در دسترس‌تر کند و نیاز به حفاظت از حریم خصوصی را افزایش دهد. برخلاف بیت‌کوین، Zcash از طریق تراکنش‌های محافظت‌شده (shielded transactions) که از رمزنگاری دانش صفر (zero-knowledge cryptography) برای پنهان کردن آدرس‌های درگیر در تراکنش و مبلغ منتقل شده استفاده می‌کنند، ویژگی‌های حریم خصوصی بیشتری را ارائه می‌دهد. Grayscale معتقد است این ویژگی حریم خصوصی می‌تواند برای کاربرانی که به حریم خصوصی مالی خود اهمیت می‌دهند، به یک “ضرورت” تبدیل شود.

پتانسیل رشد Zcash

Grayscale پیش از این نیز به نکته مشابهی اشاره کرده بود و خاطرنشان ساخته بود که ZEC در سال گذشته حدود ۲۰ برابر افزایش یافته، اما همچنان کمتر از ۱ درصد از ارزش بازار بیت‌کوین را به خود اختصاص داده است. این شرکت معتقد است که ویژگی‌های حریم خصوصی Zcash و مزایای دیگر آن ممکن است به طور کامل در ارزش‌گذاری فعلی آن منعکس نشده باشد و این امر فضایی را برای رشد بیشتر فراهم می‌کند.

این اظهارات چند روز پس از آن منتشر شد که Grayscale تراست Zcash خود را که در سال ۲۰۱۷ راه‌اندازی شده بود، به یک صندوق قابل معامله در بورس (ETF) اسپات ZEC تبدیل کرد. این صندوق در تاریخ ۲۵ آگوست در بورس NYSE Arca شروع به معامله کرد.

ZEC عملکرد قوی از خود نشان داده است. این دارایی رمزارزی متمرکز بر حریم خصوصی، تنها در ماه گذشته نزدیک به ۸۰ درصد افزایش یافته است. پس از این رشد چشمگیر، ZEC در حدود ۸۵۰ دلار معامله می‌شود، اما علی مارتینز، تحلیلگر رمزارز، انتظار رشد بیشتری را دارد. او پیش‌بینی کرده است که Zcash “به زودی شگفتی‌ساز خواهد شد” و ۱۸۰۰ دلار را “اولین توقفگاه” خود می‌داند.

OpenClaw 2.0: بزرگترین به‌روزرسانی تاریخ با بیش از ۱۶ هزار درخواست ادغام منتشر شد

تیم OpenClaw در آخر هفته گذشته، بزرگترین به‌روزرسانی تاریخ خود را با نام OpenClaw 2.0 منتشر کرد. این به‌روزرسانی که به گفته تیم، “تصادفی” بوده، شامل تغییرات گسترده‌ای در نصب، پیام‌رسانی، حافظه، مهارت‌ها، مدل‌ها، اتوماسیون‌ها، مرورگر، اپلیکیشن‌های نیتیو، پلاگین‌ها و امنیت است – در واقع، هر آنچه یک کاربر باید بداند.

بر اساس پست اعلامی، ۹۳۳ مشارکت‌کننده، که ۵۶۹ نفر از آن‌ها برای اولین بار در این پروژه مشارکت داشته‌اند، بیش از ۱۶ هزار درخواست ادغام (pull request) را به این پروژه ارسال کرده‌اند. این رقم تقریباً نیمی از کل درخواست‌های ادغامی است که OpenClaw تاکنون در یک نسخه واحد ادغام و منتشر کرده است.

OpenClaw یک چارچوب خودمیزبان و متن‌باز است که یک مدل زبان بزرگ (LLM) را به یک عامل هوشمند تبدیل می‌کند که حتی پس از بستن تب مرورگر نیز از بین نمی‌رود. این عامل روی دستگاه شما زندگی می‌کند، طبق برنامه خود بیدار می‌شود و از طریق WhatsApp، Telegram، Discord یا Signal با شما ارتباط برقرار می‌کند، به جای اینکه مودبانه در یک پنجره چت منتظر بماند. در صورت اعطای مجوز، می‌تواند به ایمیل، تقویم، فایل‌ها و ترمینال شما دسترسی پیدا کند.

پیتر اشتاینبرگر، توسعه‌دهنده اتریشی، این پروژه را پس از کناره‌گیری از شرکت خود PSPDFKit ساخت. پروژه او در عرض چند هفته رکورد ۱۴۷ هزار ستاره در GitHub را به دست آورد و اکوسیستمی از پروژه‌های جانبی و یک شبکه اجتماعی کاملاً عجیب و مختص هوش مصنوعی به نام Moltbook را ایجاد کرد.

اشتاینبرگر در ماه فوریه به OpenAI پیوست تا هدایت پروژه عامل شخصی این شرکت را بر عهده بگیرد. خود OpenClaw به OpenAI نپیوست، بلکه به یک سازمان غیرانتفاعی مستقل به نام OpenClaw Foundation منتقل شد و OpenAI به عنوان یکی از شرکای این بنیاد در کنار Microsoft، GitHub، Nvidia، Atlassian و Tencent قرار گرفت.

برنامه اولیه برای این به‌روزرسانی OpenClaw در واقع نسبتاً کوچک بود و بر ساده‌سازی نصب و بازسازی اپلیکیشن مرورگر تمرکز داشت. همین. اما سپس تیم تصمیم گرفت تا این کار را به درستی انجام دهد و حافظه، مدل‌ها، پلاگین‌ها، پیام‌رسانی و امنیت را نیز در بر گرفت. پیش از این انتشار، OpenClaw ۱۰۶ نسخه را در ۲۳۰ روز منتشر کرده بود – یعنی تقریباً روزانه. هفت هفته عدم انتشار، به گفته خودشان، عادی نبود.

آن‌ها این زمان اضافی را صرف اطمینان از عدم اختلال در نصب‌های موجود هنگام ارتقا کردند، که اگر قبلاً از OpenClaw استفاده کرده باشید، امری نسبتاً عادی است. به همین دلیل، هشدار چشمک‌زن در یادداشت‌های انتشار در مورد پشتیبان‌گیری از جلسات قبل از دست زدن به ذخیره‌سازی جدید SQLite وجود دارد.

بنابراین، “تصادفی” یک خط تبلیغاتی نیست، بلکه اعتراف عمومی تیم به گسترش دامنه پروژه است. دو اصلاح کوچک – معرفی و مرورگر – به دلیل اینکه با همان کدهایی که در حال بازنویسی آن‌ها بودند، درگیر بودند، همه چیز را تحت تأثیر قرار دادند.

هانس رودولف، مدیر جامعه OpenClaw، این موضوع را به عنوان “خوردن غذای سگ خود” توسط OpenClaw توصیف می‌کند: هنگامی که تیم شروع به اجرای گردش کار خود از طریق جلسات چندنفره کرد، شکاف‌های موجود در طراحی قدیمی تک‌کاربره بیش از حد آشکار شدند تا نادیده گرفته شوند. بنابراین آن‌ها این کار را نکردند. اینگونه است که به جای دو درخواست ادغام، ۱۶ هزار درخواست ادغام حاصل می‌شود.

راه‌اندازی اکنون با بررسی آنچه از قبل دارید – اشتراک موجود Claude یا ChatGPT، کلید API، مدل محلی Ollama – آغاز می‌شود، قبل از اینکه از شما بخواهد چیزی جدید را پیکربندی کنید. قبل از ذخیره کردن، تست می‌کند که آیا مدل واقعاً کار می‌کند یا خیر، سپس شما را مستقیماً وارد یک مکالمه واقعی می‌کند، به جای یک صفحه تنظیمات که هیچ‌کس نمی‌خواست ببیند.

رابط کاربری کنترل (Control UI) حول محور چت بازسازی شده است، به جای یک داشبورد نمای کلی جداگانه، که آن را در خانواده بصری مشابه ChatGPT، Claude و Gemini قرار می‌دهد. فایل‌ها، تفاوت‌های Git، وضعیت درخواست ادغام، یک پنل مرورگر و یک ترمینال همگی اکنون در اطراف مکالمه قرار دارند، به جای اینکه مجبور شوید بین پنج ابزار مختلف جابجا شوید.

این تیم ادعا می‌کند که یک تست تأخیر شبیه‌سازی شده، درخواست‌های اولیه جاوا اسکریپت را از ۱۴۰ به ۴۵ و زمان راه‌اندازی را از ۱.۶ ثانیه به ۵۷۵ میلی‌ثانیه کاهش داده است. سریع‌تر، سریع‌تر است؛ اعداد را به همان ارزشی که دارند بپذیرید.

ویژگی اصلی، جلسات ابری مشترک است – کار یک عامل به چیزی تبدیل می‌شود که همکار می‌تواند در اواسط کار وارد آن شود بدون اینکه زمینه از بین برود. اشتاینبرگر در X گفت که تیم خودش، ابزارهای کدنویسی محلی فردی را برای یک راه‌اندازی مشترک در team.openclaw.ai کنار گذاشته و ابزارهای محلی را “یادگارهای گذشته” نامید.

امنیت نیز برای همگام شدن با این تغییرات، به‌روزرسانی شده است. OpenClaw 2.0 تأییدیه‌های خاص درخواست، مجوزهای فرمان محدود به آرگومان‌های خاص، و موارد پیچیده‌تر مانند سندباکسینگ Docker و Podman، اجرای مبتنی بر نقش، و یک فروشگاه اسرار (Secret Store) با دامنه تیمی را اضافه می‌کند که می‌تواند یک اعتبارنامه را بدون نمایش آن به مدل، در یک درخواست قرار دهد.

نکته: سندباکسینگ و تأییدیه‌ها هنوز به طور پیش‌فرض غیرفعال هستند. مستندات خود OpenClaw می‌گویند که یک Gateway معادل یک دامنه اعتماد است، نه دیواری بین افرادی که به یکدیگر اعتماد ندارند. اگر شرکت شما به جداسازی واقعی کاربران نیاز دارد، باید Gatewayهای جداگانه – که OpenClaw آن‌ها را “سلول” می‌نامد – را راه‌اندازی کنید، نه اینکه یک سوئیچ را فعال کنید.

OpenClaw در این زمینه تنها نبوده است. Hermes Agent از Nous Research، که اولین بار در ماه مارس برچسب‌گذاری شد، کل استراتژی خود را بر مبنای عدم شباهت به OpenClaw بنا نهاده بود: حافظه رویه‌ای که گردش کارهای موفق را به مهارت‌های قابل استفاده مجدد تبدیل می‌کند، و تنظیمات امنیتی که فرض نمی‌کنند شما تنها کسی هستید که با دستگاه کار خواهید کرد.

OpenClaw یک دیمون Gateway را از عامل‌هایی که به آن‌ها مسیریابی می‌کند، جدا می‌کند. Hermes حلقه مکالمه، اعزام ابزار و حافظه را در یک کلاس عامل فشرده می‌کند – مقیاس‌پذیری آن پیچیده‌تر، اما درک آن ساده‌تر است. قضاوت کلی که در طول سال مطرح بوده است: OpenClaw در اکوسیستم و گستردگی کانال برنده است، Hermes در بهبود خودکار و عدم انتشار پیش‌فرض باز برنده است.

سندباکسینگ جدید OpenClaw 2.0 این شکاف را کاهش می‌دهد، اما آن را نمی‌بندد. تنظیمات امنیتی سخت‌گیرانه همچنان نیاز به فعال‌سازی دستی توسط کاربر دارند.

کاربران فعلی از طریق مسیر عادی CLI به‌روزرسانی می‌کنند. ابتدا جزئیات دقیق را بخوانید – جلساتی که پس از مهاجرت SQLite ایجاد شده‌اند، در صورت بازگشت به نسخه قبلی بدون پشتیبان، نمایش داده نخواهند شد.

کاربران جدید از طریق راهنمای راه‌اندازی OpenClaw اقدام می‌کنند، که اکنون شامل معرفی هدایت‌شده در Mac، Windows، Linux، iPhone، iPad و Android، به علاوه واردات مرحله‌ای برای کسانی است که از Claude، Codex یا خود Hermes مهاجرت می‌کنند.

این نرم‌افزار همچنان رایگان، تحت مجوز MIT و در github.com/openclaw/openclaw در دسترس است.