Tag: نوآوری فناوری

هوش مصنوعی پیشرفته در انجام وظایف مهندسی پژوهش موفق بود اما در خلق ایده‌های نوآورانه ناکام ماند

یک مطالعه جدید نشان می‌دهد که عامل‌های هوش مصنوعی پیشرفته امروزی قادر به انجام بسیاری از وظایف مهندسی مورد نیاز برای تحقیقات هوش مصنوعی هستند، اما در تولید کارهای اصیل که شایسته پذیرش در یک کنفرانس برجسته یادگیری ماشین باشند، موفق نبوده‌اند.

در این مطالعه با عنوان «آیا عامل‌های هوش مصنوعی می‌توانند تحقیقات باز هوش مصنوعی را انجام دهند؟» که روز چهارشنبه منتشر شد، پژوهشگرانی از دانشگاه پرینستون، موسسه امنیت هوش مصنوعی بریتانیا، دانشگاه استنفورد، دانشگاه تورنتو و چندین سازمان آکادمیک و تحقیقاتی، ارزیابی کردند که آیا عامل‌های هوش مصنوعی پیشرفته می‌توانند به طور مستقل تحقیقات اصیل هوش مصنوعی را انجام دهند.

پژوهشگران در این باره نوشتند: «پاسخگویی دقیق به این پرسش نیازمند طرح سوالات پژوهشی واقعی و دست‌نخورده‌ای است که عامل نتواند آن‌ها را از داده‌های آموزشی خود حفظ کند یا به صورت آنلاین بیابد. برای برآورده کردن این الزامات، ما به تحقیقات با کیفیت بالای هوش مصنوعی تکیه کردیم که در زمان انجام آزمایش‌ها عمومی نبودند.»

پژوهشگران سوالات اصلی پژوهشی دو مقاله منتشر نشده NeurIPS 2026 را در اختیار عامل‌های هوش مصنوعی قرار دادند و مانع از بازیابی پاسخ‌ها توسط سیستم‌ها از داده‌های آموزشی یا وب شدند. هر عامل شش روز، هزاران دلار اعتبار API، منابع GPU، دسترسی به اینترنت و دسترسی به یک ماشین مجازی برای تولید مقاله‌ای با کیفیت کنفرانسی در اختیار داشت. مقالات حاصل سپس توسط نویسندگان اصلی تحقیقات منتشر نشده مورد بررسی قرار گرفتند. هر دو مقاله رد شدند.

این عامل‌ها بخش زیادی از مهندسی مورد نیاز برای تحقیق را انجام دادند؛ از جمله مرور ادبیات، اشکال‌زدایی نرم‌افزار، اجرای آزمایش‌ها، مدیریت منابع GPU و تولید مقالات آکادمیک کامل بدون دخالت انسان. اما داوران نتیجه گرفتند که این سیستم‌ها در تولید سهم علمی اصیل که شایسته انتشار در یک کنفرانس برجسته یادگیری ماشین باشد، ناکام مانده‌اند.

نویسندگان این مطالعه اظهار داشتند که ارزیابی آن‌ها، به دلیل آزمودن مسائل پژوهشی باز به جای وظایف از پیش تعریف شده، بهتر از معیارهای قبلی، استدلال علمی را اندازه‌گیری می‌کند.

نویسندگان هشدار دادند که این مطالعه تنها دو پروژه تحقیقاتی را بررسی کرده و محدودیت‌هایی از جمله حجم نمونه کوچک و این واقعیت که پژوهشگران اصلی مقالات تولید شده توسط هوش مصنوعی را ارزیابی کرده‌اند، اذعان داشتند. آن‌ها گفتند که نتایج نشان می‌دهد عامل‌های هوش مصنوعی پیشرفته فعلی می‌توانند بسیاری از وظایف مهندسی دخیل در تحقیق را خودکار کنند، اما همچنان در تولید کارهای علمی اصیل با مشکل مواجه هستند.

این مطالعه در حالی منتشر می‌شود که پژوهشگران همچنان در حال کشف رفتارهای شگفت‌انگیز و گاهی پرخطر در عامل‌های هوش مصنوعی با قابلیت استقلال فزاینده هستند.

در ماه مه، پژوهشگرانی از دانشگاه کالیفرنیا، ریورساید، مایکروسافت و انویدیا دریافتند که عامل‌های هوش مصنوعی اغلب وظایف خطرناک یا غیرمنطقی را انجام می‌دهند، در حالی که بر تکمیل اهداف خود تمرکز دارند. اوایل این ماه، OpenAI فاش کرد که یکی از عامل‌های هوش مصنوعی پیشرفته‌اش از محفظه خود فرار کرده و Hugging Face را هک کرده است، در حالی که تلاش می‌کرد در یک معیار امنیت سایبری تقلب کند. این هفته، این شرکت فاش کرد که این عامل به چهار سرویس آنلاین دیگر نیز دسترسی پیدا کرده بود.

کاربران ویندوز ۱۱ با اپلیکیشن جدید مایکروسافت مواجه شدند

برخی از کاربران ویندوز ۱۱ در حال کشف یک اپلیکیشن جدید مایکروسافت هستند که آن را نصب نکرده‌اند. این اپلیکیشن با نام OneDrive Photos، تصاویر محلی را به‌طور خودکار فهرست‌بندی کرده و قابلیت جستجوی مبتنی بر هوش مصنوعی و گروه‌بندی اختیاری چهره‌ها را ارائه می‌دهد.

این قابلیت که اولین بار توسط نشریه تخصصی Windows Latest مشاهده شد، از طریق Windows Update یا به‌روزرسانی‌های کلاینت موجود OneDrive ارائه می‌شود و نه به‌عنوان یک دانلود جداگانه.

طبق گزارش Windows Latest، OneDrive Photos قادر است تصاویر ذخیره‌شده در رایانه شخصی را شناسایی و نمایش دهد، حتی اگر کاربر وارد حساب مایکروسافت نشده باشد. پس از ورود به حساب کاربری، این اپلیکیشن امکان جستجوی مبتنی بر هوش مصنوعی را فراهم می‌کند که می‌تواند عکس‌ها را با استفاده از پرس‌وجوهای زبان طبیعی و تشخیص کاراکتر نوری پیدا کند.

این اپلیکیشن همچنین شامل یک ویژگی اختیاری “افراد” (People) است که چهره‌های مشابه را گروه‌بندی می‌کند. این گروه‌بندی فقط برای کاربر قابل مشاهده است، با اشخاص ثالث به اشتراک گذاشته نمی‌شود و با غیرفعال کردن این ویژگی قابل حذف است. با این حال، Windows Latest خاطرنشان کرده است که این ویژگی نیازمند رضایت کاربر است، زیرا داده‌های چهره ممکن است در برخی حوزه‌های قضایی به‌عنوان اطلاعات بیومتریک تلقی شوند.

این خبر دو سال پس از آن منتشر می‌شود که مایکروسافت مجبور شد قابلیت Recall مبتنی بر هوش مصنوعی خود را پس از واکنش‌های شدید مربوط به حریم خصوصی، بازنگری کند و این ابزار اسکرین‌شات‌گیری را به‌طور پیش‌فرض به حالت انتخابی (opt-in) تغییر دهد.

اخیراً، در ماه مه، گوگل شروع به دانلود مدل هوش مصنوعی Gemini Nano خود (حدود ۴ گیگابایت) برای نصب‌های واجد شرایط Chrome از طریق به‌روزرسانی‌های مرورگر کرد تا قابلیت‌های هوش مصنوعی روی دستگاه را فعال کند، که این امر نگرانی‌ها در مورد قابلیت‌های هوش مصنوعی که از طریق به‌روزرسانی‌های معمول نرم‌افزاری ارائه می‌شوند را افزایش داده است.

طبق گزارش Windows Latest، OneDrive Photos به کلاینت موجود OneDrive متصل است و در حال حاضر به‌تنهایی قابل حذف نیست. کاربرانی که می‌خواهند این اپلیکیشن را حذف کنند، باید OneDrive را به‌طور کامل از ویندوز حذف کنند.

مایکروسافت به درخواست توضیح از سوی Decrypt پاسخی فوری نداد.

MoonPay با معرفی PayBox، امکان خرج کردن پول توسط عوامل هوش مصنوعی را فراهم کرد

شرکت MoonPay امروز از محصول جدید خود به نام PayBox رونمایی کرد؛ یک خزانه پرداخت که به چت‌بات‌های Claude و ChatGPT متصل می‌شود و به عوامل هوش مصنوعی (AI agents) اجازه می‌دهد تا به طور مستقل و از طرف شما پول خرج کنند.

نحوه عملکرد PayBox

مکانیسم PayBox بسیار ساده است. این خزانه به عنوان یک گاوصندوق دیجیتال امن عمل می‌کند که هم کیف پول‌های رمزارزی و هم کارت‌های پرداخت را در خود جای می‌دهد. شما خواسته خود را به چت‌بات می‌گویید. سپس هوش مصنوعی تراکنش را آماده می‌کند. شما با یک کلید عبور (Passkey) که یک کلید دیجیتال امن است و روی گوشی یا دستگاه شما ذخیره می‌شود (مانند Face ID برای پرداخت‌ها) آن را تأیید می‌کنید. در نهایت، پول منتقل می‌شود.

ایوان سوتو-رایت، مدیرعامل MoonPay، در بیانیه‌ای گفت: «کارت پول را پنهان می‌کرد. تلفن کارت را پنهان می‌کرد. این عصری است که پول در مکالمه ناپدید می‌شود. میلیاردها عامل هوش مصنوعی در حال آنلاین شدن هستند و هر کدام از آن‌ها نیاز به نگهداری، جابجایی و خرج کردن امن پول خواهند داشت.» (افشای اطلاعات: MoonPay Ventures یکی از سرمایه‌گذاران Dastan، شرکت مادر Decrypt است.)

تاکنون، Claude و ChatGPT قادر به تحقیق در مورد سرمایه‌گذاری‌ها، مقایسه قیمت پروازها و برنامه‌ریزی خریدها بودند، اما نمی‌توانستند آن‌ها را نهایی کنند. شما همچنان مجبور بودید یک مرورگر را باز کنید، وارد یک سرویس پرداخت شوید و خودتان تراکنش واقعی را انجام دهید. PayBox با هدف پر کردن این شکاف طراحی شده است.

اولین ادغام‌ها در زمان راه‌اندازی

در زمان راه‌اندازی، اولین ادغام‌ها شامل رزرو رستوران، رزرو پرواز و خرید از خرده‌فروشان آنلاین بزرگ است. کاربران همچنین می‌توانند توکن‌ها را مبادله کنند، وجوه را بین بلاک‌چین‌ها منتقل کنند و پول را به پروتکل‌های DeFi مانند Aave هدایت کنند.

PayBox در زمان راه‌اندازی از Solana و هفت زنجیره سازگار با اتریوم (خود اتریوم، Hyperliquid، Tempo، Base، Robinhood Chain، Arbitrum و Polygon) پشتیبانی می‌کند. همچنین با x402، یک پروتکل پرداخت باز که توسط Coinbase توسعه یافته و سپس به بنیاد لینوکس اهدا شده است – و اکنون توسط Visa، Mastercard، Stripe، Shopify، AWS و Anthropic پشتیبانی می‌شود – کار می‌کند. این پروتکل به عوامل هوش مصنوعی اجازه می‌دهد تا به هر سرویسی که برای پذیرش تراکنش‌های آغاز شده توسط عامل ساخته شده است، پرداخت کنند.

پیشینه توسعه PayBox

PayBox ناگهانی ظهور نکرده است. MoonPay بخش عمده‌ای از سال ۲۰۲۶ را صرف توسعه این محصول کرده است. در ماه مارس، این شرکت یک استاندارد کیف پول باز برای عوامل هوش مصنوعی را منتشر کرد که توسط PayPal، بنیاد اتریوم و بنیاد Solana پشتیبانی می‌شود. در ماه مه، برنامه‌ای را راه‌اندازی کرد که به کاربران اجازه می‌داد ارز دیجیتال را در داخل ChatGPT خریداری کنند، اگرچه آن نسخه همچنان کاربران را برای تکمیل خرید به صفحه پرداخت هدایت می‌کرد. در ماه ژوئن، یک اپلیکیشن دسکتاپ را عرضه کرد که Claude و Codex را مستقیماً به کیف پول‌های رمزارزی متصل می‌کرد.

زیرساخت PayBox از Sodot، یک استارتاپ اسرائیلی مدیریت کلید که MoonPay در ماه آوریل با معامله‌ای تماماً سهامی به ارزش تقریبی ۱۰۰ میلیون دلار آن را خریداری کرد، تأمین می‌شود. فناوری Sodot در حال حاضر بیش از ۵۰ میلیارد دلار دارایی و بیش از ۱۰ میلیون کیف پول را برای مشتریانی از جمله eToro و BitGo ایمن می‌کند.

کلیدهای کیف پول با استفاده از MPC (محاسبات چندجانبه) تقسیم می‌شوند؛ یک تکنیک رمزنگاری که در آن یک کلید خصوصی به قطعات جداگانه تقسیم می‌شود که توسط طرف‌های مختلف نگهداری می‌شوند، بنابراین هیچ طرفی به تنهایی نمی‌تواند به وجوه شما دسترسی داشته باشد. این قطعات در TEEs (محیط‌های اجرای قابل اعتماد – مناطق ایزوله در سخت‌افزار که از داده‌های حساس حتی از سروری که نرم‌افزار را اجرا می‌کند محافظت می‌کنند) ذخیره می‌شوند.

طبق اعلامیه راه‌اندازی شرکت، «کلیدهای کیف پول از طریق MPC در محیط‌های ایزوله سخت‌افزاری تقسیم می‌شوند، بنابراین هیچ دستگاه، جلسه یا طرفی، نه MoonPay و نه عامل هوش مصنوعی، هرگز کلید کامل را در اختیار ندارد یا نمی‌تواند به تنهایی امضا کند.»

پرداخت‌های کارتی از طریق پروتکل تجارت عاملی Visa انجام می‌شود. این بدان معناست که هوش مصنوعی پرداخت را بدون دیدن شماره کارت واقعی شما پردازش می‌کند و خطر نشت و استفاده مجدد از اطلاعات اعتباری را کاهش می‌دهد.

MoonPay، PayBox را به عنوان راه‌حلی برای یک مشکل ساختاری که محصولات موجود را آزار می‌داده، معرفی می‌کند. این شرکت اعلام کرد: «محصولات موجود بین راحتی و کنترل، یک مصالحه را تحمیل می‌کنند: برای اینکه یک عامل بتواند به طور مستقل تراکنش انجام دهد، کاربر معمولاً باید به آن اجازه دهد تا وجوه را به طور کامل در اختیار بگیرد و به یک طرف واحد، پلتفرم، عامل یا کیف پول میزبانی شده اعتماد کند تا آن پول را به طور ایمن نگهداری و جابجا کند. PayBox به گونه‌ای ساخته شده است که هیچ طرفی، از جمله MoonPay و خود هوش مصنوعی، نمی‌تواند به طور یک‌جانبه به وجوه یا اطلاعات اعتباری کاربر دسترسی داشته باشد.»

هزاران کتاب فیزیکی برای آموزش هوش مصنوعی از بین می‌روند

در اقدامی که یادآور رمان مشهور پادآرمانشهری “فارنهایت ۴۵۱” است، برخی شرکت‌های هوش مصنوعی نه تنها کتاب‌ها را می‌خوانند، بلکه آن‌ها را از بین می‌برند.

همزمان با رقابت توسعه‌دهندگان برای ساخت مدل‌های قدرتمندتر هوش مصنوعی و افزایش دعاوی حقوقی مربوط به حق نشر، صنعتی نوپا شکل گرفته است که میلیون‌ها کتاب فیزیکی را تهیه کرده، آن‌ها را از هم باز کرده، برای ایجاد مجموعه داده‌های آموزشی اسکن کرده و سپس دور می‌اندازد.

بر اساس گزارشی که ابتدا توسط 404 Media منتشر شد، شرکت‌های هوش مصنوعی با استفاده از واسطه‌ها، کتاب‌ها را در مقیاس صنعتی و به صورت ناشناس خریداری می‌کنند. شرکت‌هایی که در تأمین انبوه تخصص دارند، توانایی خود را در یافتن صدها هزار عنوان کتاب اعلام کرده و در عین حال، محرمانگی را برای مشتریان هوش مصنوعی خود تضمین می‌کنند که نشان‌دهنده حساسیت پیرامون این عمل است.

منتقدان می‌گویند این خرید گسترده ناشی از تلاش شرکت‌های هوش مصنوعی برای حفظ دانش بشری پیش از آن است که با متون تولید شده توسط هوش مصنوعی، که اغلب “لجن هوش مصنوعی” نامیده می‌شود، رقیق شود. کتاب‌های منتشر شده قبل از ظهور هوش مصنوعی مولد در سال ۲۰۲۳، به ویژه ارزشمند هستند زیرا داده‌های آموزشی با کیفیت بالا و کاملاً نوشته شده توسط انسان را فراهم می‌کنند.

این افزایش تقاضا در حال حاضر بازار کتاب‌های دست دوم را دگرگون کرده است. یک کتابفروش که نامش فاش نشده، به 404 Media گفته است که پس از ورود خریداران هوش مصنوعی به بازار، فروش هفتگی او از حدود ۲۰ کتاب به چند صد کتاب افزایش یافته است. وی با وجود سودآوری این افزایش، ابراز نگرانی کرده است که کتاب‌های کمیاب و خارج از چاپ پس از اسکن و تخریب، برای همیشه از بین می‌روند.

این کتابفروش به 404 Media گفته است: «این امر از نظر مالی برای من سودمند است و همچنین موجودی قدیمی را که در غیر این صورت بعید است فروخته شود، پاک می‌کند. من با موجودی از خارج از کشور و کتاب‌های زبان خارجی برای این فروش‌ها مناسب بوده‌ام. از سوی دیگر، من از استفاده نهایی راضی نیستم و از اینکه کتاب‌های کمیاب خمیر می‌شوند، خوشم نمی‌آید.»

این عمل مشابه “پروژه پاناما” شرکت Anthropic است که میلیون‌ها کتاب را از طریق اسکن مخرب دیجیتالی کرد.

تابستان گذشته، در دعوای حقوقی مربوط به حق نشر Bartz v. Anthropic PBC، یک قاضی فدرال در سانفرانسیسکو حکم داد که اسکن کتاب‌های فیزیکی خریداری شده قانونی به نسخه‌های دیجیتال، حتی زمانی که اصل آن‌ها از بین رفته باشد، استفاده منصفانه تحول‌آفرین محسوب می‌شود. قضات فدرال بعداً احکام مشابهی در مورد استفاده منصفانه در پرونده‌های جداگانه حق نشر مربوط به OpenAI و Meta صادر کردند.

با این حال، در پرونده‌ای جداگانه، یک قاضی فدرال در همان منطقه این هفته با توافق تسویه حق نشر ۱.۵ میلیارد دلاری موافقت کرد که بر اساس آن Anthropic باید حدود ۳۰۰۰ دلار به ازای هر کتاب به هزاران نویسنده بپردازد، پس از آنکه این شرکت از کپی‌های دزدی آثار آن‌ها برای آموزش Claude استفاده کرده بود.

در واکنش به انتقادات فزاینده، توسعه‌دهندگان هوش مصنوعی، از جمله ایلان ماسک، علیه این عمل موضع گرفته و گفته‌اند که شرکت‌ها باید کتاب‌هایی را که اسکن می‌کنند، حفظ کنند.

ماسک در پلتفرم X نوشت: «من از تیم SpaceX AI خواسته‌ام تا هر کتاب نادری را در یک کتابخانه حفظ کرده و آن‌ها را به روش سخت اسکن کند، نه اینکه صرفاً ستون فقرات را جدا کرده و اسکن کنند.»

شرکت Anthropic اعلام کرد که نسخه‌ای منتشر نشده از قدرتمندترین مدل هوش مصنوعی این شرکت، دو حمله قبلاً ناشناخته به الگوریتم‌های رمزنگاری را کشف کرده است که یکی از آن‌ها متوجه طرحی است که در حال حاضر برای تبدیل شدن به یک استاندارد فدرال ایالات متحده رقابت می‌کند.

HAWK و چالش کوانتومی

این طرح HAWK نام دارد، یک سیستم امضای دیجیتال که از ریاضیات برای اثبات اینکه تراکنش از سوی شماست بدون افشای کلید خصوصی شما استفاده می‌کند و برای مقاومت در برابر کامپیوترهای کوانتومی آینده ساخته شده است. موسسه ملی استاندارد و فناوری (NIST)، نهاد غیرنظارتی فدرال، آن را در ماه مه به دور سوم رقابت امضای پسا-کوانتومی خود منتقل کرد و HAWK تنها نامزد مبتنی بر شبکه (lattice-based) باقی‌مانده است.

Claude، مدل هوش مصنوعی Anthropic، یک تقارن پنهان در ریاضیات HAWK را کشف کرد که هیچ انسانی به آن فکر نکرده بود. برای کوچکترین پیکربندی، هزینه بازیابی یک کلید مخفی از ۲ به توان ۶۴ عملیات به ۲ به توان ۳۸ عملیات کاهش یافت، که تقریباً ۶۷ میلیون بار کار کمتر است.

اصلاح این مشکل به معنای تقریباً دو برابر کردن اندازه کلیدهای HAWK است. Anthropic در این باره نوشت: «متأسفانه، دو برابر کردن اندازه کلید HAWK بسیاری از دلایلی را که این طرح (در وضعیت فعلی خود) را به یک نامزد جذاب امضای PQC تبدیل می‌کند، از بین می‌برد.»

این تفاوت برای بلاک‌چین‌ها اهمیت بیشتری دارد تا به نظر می‌رسد. اندازه امضا به فضای بلاک و فضای بلاک به کارمزدها مربوط می‌شود، بنابراین هر زنجیره‌ای که به دنبال جایگزینی مقاوم در برابر کوانتوم باشد، تا حدی بر اساس بایت در هر امضا انتخاب می‌کند. کلیدهای فشرده و امضای سریع، تمام مزیت HAWK بودند و اصلاح آن بخش زیادی از این مزیت را از بین می‌برد.

نگران نباشید، دارندگان ارز دیجیتال: سکه‌های شما (فعلاً) امن هستند. HAWK هرگز در هیچ کجا مستقر نشده است و بیت‌کوین همچنان بر روی ECDSA، طرح امضای پیشاکوانتومی که نامزدهایی مانند HAWK قرار است در نهایت جایگزین آن شوند، اجرا می‌شود.

Anthropic هر دو نتیجه را قبل از انتشار به نویسندگان الگوریتم‌ها و شرکای دولتی و صنعتی ایالات متحده اطلاع داد و یافته HAWK را با NIST هماهنگ کرد.

حمله به AES

حمله دوم، AES را هدف قرار می‌دهد، رمزنگاری که ترافیک HTTPS، درایو رمزگذاری شده و بک‌اند صرافی شما را مختل می‌کند. AES-128 کامل، داده‌ها را از ۱۰ دور رمزگذاری عبور می‌دهد و Claude یک نسخه تحقیقاتی ۷ دوره‌ای را مورد حمله قرار داد که از سال ۲۰۱۳ هیچ پیشرفتی در آن صورت نگرفته بود.

این تنظیمات به طور عمدی سختگیرانه بود. محققان مدل را از تمام پنج خانواده شناخته شده تحلیل رمز AES منع کردند و به آن دستور دادند تا ششمین خانواده را ابداع کند. این کار با این جمله به پایان رسید که اولین حمله دیفرانسیلی چیزی را شکست نداد، بلکه بازی را ابداع کرد. Claude همچنین یادداشت‌های کاری را از اجرای قبلی عامل‌ها به ارث برد که حدود ۲۰۰ نوع حمله ناموفق را قبلاً امتحان کرده بودند.

با این حال، مدل مقاومت کرد. طبق رونوشت‌هایی که Anthropic منتشر کرد، این مدل به محققان گفت: «در مورد AES-128 r5/r6/r7 چیزی پیدا نکرد، زیرا چیز آسانی برای یافتن وجود ندارد؛ این پرمطالعه‌ترین رمز بلوکی موجود است.»

Anthropic تنها سه پیام اساسی در سه روز آینده ارسال کرد، از جمله: «دوباره، هدف این است که ما یک مدل بسیار هوشمند مانند یک محقق برجسته داشته باشیم، ما می‌خواهیم حملات جدیدی پیدا کنیم.» پیام دیگر اجازه نداد Claude AES را با یک رمز ساده‌تر جایگزین کند.

سپس ترفندی را تولید کرد که مقاله آن را «پل موبیس» (Möbius Bridge) نامیده است و یکی از ۹ بایت کلید را که مهاجم قبلاً مجبور بود حدس بزند، از بین برد. اصلاح آن به نسخه منتشر شده چند روز دیگر و یک میلیارد توکن خروجی زمان برد.

کشف ضعف در LEA

یافته‌ای که کوتاه‌ترین مسیر را به چیزی واقعی داشت، کمترین توجه را به خود جلب کرد. Claude همچنین ۱۳ دور از LEA، یک استاندارد ملی کره جنوبی و استاندارد رمزگذاری سبک ISO که برای تلفن‌ها و دستگاه‌های اینترنت اشیا ساخته شده است را در کمتر از یک ساعت بر روی یک دسکتاپ در برابر بهترین نتیجه قبلی که به ۲ به توان ۹۸ جفت متن ساده نیاز داشت، شکست. LEA مستقر شده ۲۴ دور را اجرا می‌کند، بنابراین هیچ چیز در میدان شکسته نشده است.

مقاله HAWK در مورد تقسیم کار به طور غیرمعمولی صریح است. نویسندگان آن نوشتند: «بیشتر اکتشافات ریاضی در این مقاله با کمک هوش مصنوعی انجام شده است. سهم نویسندگان انسانی عمدتاً شامل هدایت، سازماندهی و تأیید کار هوش مصنوعی بود.»

Claude ایده حمله به AES را در عرض چند روز پیدا کرد. سپس محققان Anthropic صدها ساعت صرف یادگیری کافی رمزنگاری کردند تا تأیید کنند که این ایده کار می‌کند – همان مدلی که در طول آزمایش‌های داخلی ۲۷۱ آسیب‌پذیری در فایرفاکس پیدا کرده بود.

Anthropic نوشت: «جامعه امنیت سایبری اکنون با این واقعیت دست و پنجه نرم می‌کند که مدل‌های زبانی قادر به کشف تعداد زیادی باگ هستند که فرآیندهای استاندارد انسانی (مانند اولویت‌بندی آسیب‌پذیری، تأیید و اصلاح) در پیگیری آن‌ها دچار مشکل می‌شوند.» این شرکت هشدار داد که محققان انسانی ممکن است به گلوگاه تبدیل شوند.

Anthropic همچنین CryptanalysisBench را ساخت – ۱۹۱ وظیفه شکستن رمز که عمدتاً از مسابقات NIST گرفته شده‌اند. مدل‌ها یک اسکریپت حمله کارآمد را ارسال می‌کنند که یا در یک بازی امنیتی رسمی برنده می‌شود یا نمی‌شود، بدون امتیاز جزئی و بدون نمره دهی انسانی.

Mythos 5، ۸۵.۷ درصد از وظایف با راه‌حل‌های شناخته شده را شکست داد، در حالی که ضعیف‌ترین مدل آزمایش شده ۶۵.۳ درصد را شکست داد. در برابر رمزهای با قدرت کامل بدون شکست منتشر شده، هر مدل زیر ۹ درصد امتیاز کسب کرد.

هوش مصنوعی ممکن است ظرف حدود پنج سال آینده از هوش ترکیبی بشریت پیشی بگیرد و طبق گفته ایلان ماسک، بعید است که انسان‌ها در طول یک دهه کنترل این فناوری را در دست داشته باشند.

پیش‌بینی‌های ماسک درباره هوش مصنوعی

بنیانگذار شرکت xAI روز پنجشنبه در گفتگو با زنی میتون بدوس، سردبیر اکونومیست، اظهار داشت که هوش مصنوعی در مسیر پیشی گرفتن از انسان‌ها در تقریباً تمام وظایف فکری قرار دارد.

ماسک گفت: «واقعاً هیچ کاری نخواهد بود که هوش مصنوعی نتواند بهتر از انسان‌ها انجام دهد، شاید به جز انسان بودن. محتمل‌ترین نتیجه، عصری از فراوانی شگفت‌انگیز خواهد بود که در آن هر کسی می‌تواند هر آنچه را که تصور می‌کند، داشته باشد. این ممکن است مضحک به نظر برسد، اما ما اکنون در سال ۲۰۲۶ هستیم. بیایید ببینیم در سال ۲۰۳۶ در چه وضعیتی قرار داریم.»

این گفتگو تازه‌ترین مورد از اظهارات ماسک است که معتقد است هوش مصنوعی به «عصر فراوانی» منجر خواهد شد که هم آسایش و هم بحران وجودی را برای بشریت به ارمغان می‌آورد. با این حال، ماسک گفت که همچنان معتقد است هوش مصنوعی پیشرفته خطرات وجودی را به همراه دارد، اما دیگر مسیری واقع‌بینانه برای کند کردن روند توسعه آن نمی‌بیند.

وی افزود: «من هیچ راهی برای توقف واقعی این شتاب باورنکردنی هوش مصنوعی و ربات‌ها نمی‌بینم. گاهی فکر می‌کنم، خب، شاید حتی اگر دکمه توقفی وجود داشت، احتمالاً نباید آن را فشار می‌دادیم، زیرا محتمل‌ترین نتیجه، فراوانی باورنکردنی برای همه است.»

پیشنهاد همکاری و انتقاد از رقبا

در عوض، ماسک پیشنهاد کرد که شرکت‌های پیشرو در زمینه هوش مصنوعی جهان باید جلسات منظمی برای بحث در مورد نگرانی‌های ایمنی و امنیتی برگزار کنند. او همچنین پیشنهاد داد که به آزمایشگاه‌های رقیب هوش مصنوعی دسترسی زودهنگام و محدود به مدل‌های پیشرفته یکدیگر داده شود تا بتوانند قابلیت‌های خطرناک را قبل از انتشار عمومی شناسایی کنند. وی گفت که اگر شرکتی نتواند ریسک‌های جدی را برطرف کند، دولت‌ها می‌توانند مداخله کنند.

در حالی که ماسک پیشنهاد همکاری توسعه‌دهندگان پیشرو هوش مصنوعی را مطرح کرد، او همچنین زمانی را به انتقاد از رقیب دیرینه خود، سم آلتمن، و تحول شرکت OpenAI از یک سازمان غیرانتفاعی به یک شرکت انتفاعی اختصاص داد و گفت که این شرکت از مأموریت اصلی خود منحرف شده است.

وی گفت: «من طرفدار سم آلتمن نیستم، زیرا شما یک سازمان غیرانتفاعی را تأسیس کردید که قرار بود یک شرکت هوش مصنوعی متن‌باز و متعلق به جهان باشد، و این شرکت به نوعی به یک شرکت انتفاعی ۸۰۰ میلیارد دلاری با کد منبع بسته تبدیل شد.»

در ماه مه، هیئت منصفه کالیفرنیا دعوی قضایی ۱۵۰ میلیارد دلاری ماسک علیه OpenAI، سم آلتمن مدیرعامل و گرگ براکمن هم‌بنیانگذار را رد کرد و متهمان را در ادعاهای مبنی بر رها کردن مأموریت غیرانتفاعی سازمان با حرکت به سمت ساختار تجاری، مقصر ندانست. این حکم به یکی از چالش‌های حقوقی پر سر و صدای ماسک علیه توسعه‌دهنده ChatGPT پایان داد.

ماسک همچنین پیشنهاد کرد که شرکت Anthropic به دلیل عدم اعتماد بنیانگذار آن، داریو آمودئی، و تیمش به سم آلتمن، مدیرعامل OpenAI، تأسیس شده است و استدلال کرد که در غیر این صورت آنها در OpenAI باقی می‌ماندند.

وی گفت: «من فکر می‌کنم داریو فردی بسیار اصولی است. او به آینده جهان اهمیت می‌دهد و من فکر می‌کنم همه کسانی که تاکنون در Anthropic ملاقات کرده‌ام، خوش نیت بوده‌اند. هیچ کس “آشکارساز شرارت” من را فعال نکرده است. جاده جهنم عمدتاً با نیت بد سنگفرش شده است. چند سنگفرش خوش‌نیت نیز در آن وجود دارد، بنابراین ما نمی‌خواهیم غافل باشیم.»

در حالی که ماسک از رهبری آمودئی در Anthropic تمجید کرد، منتقدان از جمله سم آلتمن، این شرکت را به بازاریابی مبتنی بر ترس برای فروش محصولات هوش مصنوعی Claude خود متهم کرده‌اند.

با وجود اختلافاتش با رهبری OpenAI، او گفت که شرکت‌های رقیب هوش مصنوعی باید مایل به همکاری در زمینه ایمنی باشند.

ماسک گفت: «در نهایت، اگر لازم باشد صحبت کنیم، صحبت خواهیم کرد. تفاوت‌های شخصی خود را برای خیر جهان کنار بگذاریم.»

مایکروسافت اولین مدل اختصاصی خود را برای امنیت سایبری به نام MAI-Cyber-1-Flash معرفی کرد و آن را در سیستم شکار آسیب‌پذیری MDASH ادغام نمود. این شرکت ادعا می‌کند که این سیستم جدید، عملکرد بهتری نسبت به مدل‌های Mythos 5 از Anthropic و GPT-5.6 Sol از OpenAI دارد و در عین حال، ۵۰ درصد ارزان‌تر از بهترین پیکربندی فعلی MDASH مایکروسافت است.

عملکرد در بنچمارک CyberGym

بر اساس گزارش مایکروسافت، ترکیب این دو سیستم در بنچمارک CyberGym امتیاز ۹۵.۹۵ درصد را کسب کرده است. CyberGym یک معیار ارزیابی است که در آن از عوامل هوش مصنوعی خواسته می‌شود تا ۱۵۰۷ آسیب‌پذیری شناخته شده را در ۱۸۸ پروژه متن‌باز بازتولید کنند و سپس بر اساس درصد موفقیت در بازتولید در یک محیط کنترل شده، امتیازدهی می‌شوند.

این نتیجه، MDASH را در جایگاهی بالاتر از GPT-5.5 Cyber با ۸۵.۶ درصد، Mythos 5 با ۸۳.۸ درصد، GPT-5.6 Sol با ۸۳.۶ درصد و Gemini 3.5 Flash Cyber با ۸۳.۲ درصد قرار می‌دهد. این نتایج توسط خود مایکروسافت گزارش شده و در زمان انتشار، در جدول امتیازات عمومی CyberGym منتشر نشده بود، هرچند این بنچمارک از مجموعه تست عمومی و معیار مشخصی برای موفقیت استفاده می‌کند.

همکاری MAI-Cyber-1-Flash و MDASH

MAI-Cyber-1-Flash به تنهایی عمل نمی‌کند. مایکروسافت اعلام کرده است که این مدل تا ۹۰ درصد وظایف را بر عهده می‌گیرد، در حالی که ۱۰ درصد دشوارترین موارد را به GPT-5.4 ارجاع می‌دهد. این تقسیم وظایف اهمیت دارد زیرا توکن‌ها (بخش‌های متنی که هوش مصنوعی پردازش می‌کند) هر بار که مدلی کد را می‌خواند یا پاسخی تولید می‌کند، هزینه دارند.

این اولین بار است که یک مدل مایکروسافت که برای کارایی ساخته شده، قادر به شکست دادن یک مدل پیشرفته و متراکم است که با در نظر گرفتن قابلیت‌های عمومی طراحی شده است. ساتیا نادلا، مدیرعامل مایکروسافت، در این باره نوشته است: «هنگامی که با MDASH ترکیب می‌شود، (MAI-Cyber-1-Flash) عملکردی در سطح جهانی را با نیمی از هزینه مدل‌های پیشرو ارائه می‌دهد.»

نادلا در پستی در شبکه اجتماعی X (توییتر سابق) اعلام کرد: «امروز، ما مجموعه‌ای از به‌روزرسانی‌ها را اعلام می‌کنیم که امنیت در سطح پیشرفته را با نصف هزینه در اختیار مشتریان قرار می‌دهد. MAI-Cyber-1-Flash اولین مدل امنیت سایبری ماست که از ابتدا برای یافتن چالش‌برانگیزترین آسیب‌پذیری‌ها در پایگاه‌های کد پیچیده ساخته شده است. هنگامی که با MDASH ترکیب می‌شود، آن…»

تعریف مدل و هَرنس

یک مدل (در این مورد MAI-Cyber-1-Flash) هوش مصنوعی است که کد را تحلیل می‌کند. هَرنس (در این مورد MDASH) ماشین‌آلات اطراف آن است: عوامل، ابزارها، بررسی‌ها و گردش کاری که تصمیم می‌گیرند کجا را جستجو کنند، یافته‌های مشکوک را به چالش بکشند، موارد تکراری را حذف کنند و اثبات کنند که یک اشکال قابل فعال‌سازی است.

MDASH از بیش از ۱۰۰ عامل تخصصی استفاده می‌کند که برای حسابرسی کد، بحث در مورد واقعی بودن یک یافته و ساخت اثبات مفهوم (یک نمایش عملی از وجود نقص) اختصاص داده شده‌اند.

مزیت رقابتی مایکروسافت

مایکروسافت معتقد است که اسکن‌های گاه به گاه و وصله‌های تأخیری در حال منسوخ شدن هستند، زیرا هوش مصنوعی کشف اشکالات را ارزان‌تر می‌کند. این شرکت استدلال می‌کند که دهه‌ها داده امنیتی به آن مزیت می‌دهد و می‌افزاید: «هیچ‌کس نمی‌تواند این تاریخچه را تولید کند.»

از زمان عرضه Claude Mythos، کارشناسان امنیت سایبری در تلاش برای رقابت یا هم‌ترازی با قابلیت‌های آن بوده‌اند. محققان، شکار آسیب‌پذیری به سبک Mythos را با مدل‌های عمومی و با هزینه‌ای کمتر از ۳۰ دلار برای هر اسکن بازتولید کرده‌اند. داوید موچادلو، یکی از محققان درگیر، گفته است: «خندق از دسترسی به مدل به سمت اعتبارسنجی در حال حرکت است.»

بخش کمیاب، سیستمی است که یافته‌ها را بدون غرق کردن توسعه‌دهندگان در هشدارهای کاذب، اثبات می‌کند.

وب‌سایت Decrypt نیز گزارش داده بود که GPT-5.5 Cyber اخیراً با کسب امتیاز ۸۵.۶ درصد، با اختلاف اندکی Mythos را پشت سر گذاشته و در صدر جدول عمومی CyberGym قرار گرفته بود. امتیاز مایکروسافت حدود ۱۰ امتیاز بالاتر از GPT-5.5 Cyber و ۷.۵ امتیاز بالاتر از نتیجه قبلی MDASH است، اما این امتیاز کل سیستم را ارزیابی می‌کند، نه فقط MAI-Cyber-1-Flash را به تنهایی.

پیش‌نمایش خصوصی MDASH

مایکروسافت در حال حاضر MDASH را از طریق Microsoft Security Exposure Management در پورتال Defender به صورت پیش‌نمایش خصوصی ارائه می‌دهد. مشتریان می‌توانند مخازن Git را اسکن کنند، یافته‌ها را بر اساس احتمال از کم تا اثبات شده رتبه‌بندی کنند و از Defender CLI برای تولید اصلاحات کد پیشنهادی جهت بررسی توسط توسعه‌دهندگان استفاده نمایند.

این پیش‌نمایش در حال حاضر مخازن را به حدود ۲۵۶ مگابایت محدود می‌کند و اجازه یک اسکن همزمان در هر Tenant را می‌دهد. انتظار می‌رود Project Perception همین رویکرد چند عاملی را فراتر از اسکن کد به سمت نظارت گسترده‌تر بر تهدیدات و گردش کار اصلاحی گسترش دهد.

سیرکل، شرکت سازنده USDC (دلار دیجیتالی که میلیون‌ها نفر در سراسر جهان برای پرداخت، پس‌انداز و حواله‌های بین‌المللی از آن استفاده می‌کنند)، کتابخانه پتنت‌های بلاکچین را که IBM بیش از یک دهه برای ساخت آن صرف کرده بود، خریداری کرد. این معامله که در تاریخ ۲۷ ژوئیه اعلام شد، بیش از ۱۰۰۰ پتنت بلاکچین صادر شده توسط IBM در سراسر جهان را به سیرکل واگذار می‌کند.

پتنت‌ها حقوق قانونی هستند که به دارنده، کنترل انحصاری بر یک اختراع خاص را می‌دهند. اگر شما پتنت روشی برای پردازش تراکنش‌ها در بلاکچین را در اختیار داشته باشید – دفتر کل دیجیتال مشترکی که فعالیت‌های رمزارزی به طور دائمی در آن ثبت شده و قابل تغییر نیست – می‌توانید تصمیم بگیرید که چه کس دیگری و با چه شرایطی از آن استفاده کند. IBM از اواسط دهه ۲۰۱۰ و با تمرکز بر بلاکچین سازمانی، در حال ایجاد چنین اهرمی بود.

تا دسامبر ۲۰۲۵، شرکت تحلیل پتنت PatSnap، IBM را با ۷۹۰ پتنت بلاکچین در ایالات متحده معرفی کرده بود – بیش از هر شرکت آمریکایی دیگر، و بانک آمریکا با حدود ۲۰۰ پتنت در جایگاه دوم دور قرار داشت. سیرکل، که اولین پتنت خود را در دسامبر ۲۰۲۳ دریافت کرد (مربوط به پردازش موازی داده‌های بلاکچین – تکنیکی برای تأیید همزمان چندین گروه از تراکنش‌ها)، به طور ناگهانی از تقریباً هیچ به صدر رتبه‌بندی ایالات متحده رسید.

سیرکل در اطلاعیه رسمی خود اعلام کرد: «این مجموعه شامل بیش از ۶۸۰ خانواده پتنت و نزدیک به ۱۰۰۰ پتنت صادر شده در سراسر جهان است که فناوری بنیادی بلاکچین، بانکداری، خدمات مالی، بیمه، زیرساخت سازمانی، تأیید زنجیره تأمین و عملیات امن ابری را در بر می‌گیرد.»

سیرکل قصد دارد از این پتنت‌ها در کل پشته خود استفاده کند. این شرکت افزود: «موقعیت مالکیت معنوی گسترش یافته، مستقیماً از بنیان سیرکل برای ساخت سیستم مالی اینترنت، از جمله USDC، شبکه پرداخت سیرکل، Arc و مجموعه‌ای رو به رشد از محصولات آنچین و ابزارهای مالی عامل‌دار، پشتیبانی می‌کند.» Arc بلاکچین متمرکز بر پرداخت سیرکل است که برای امور مالی نهادی ساخته شده است. ابزارهای عامل‌دار، برنامه‌های نرم‌افزاری مبتنی بر هوش مصنوعی هستند که می‌توانند تراکنش‌های مالی را به طور مستقل اجرا کنند – بدون نیاز به دخالت انسان در هر مرحله.

سارا ویلسون، مشاور حقوقی و دبیر شرکت سیرکل، گفت: «مالکیت معنوی برای پیشبرد مأموریت ما و گسترش پذیرش زیرساخت‌های آنچین حیاتی است. IBM پیشگام نوآوری فناورانه بوده است و این اکتساب توانایی سیرکل را برای پیشبرد زیرساخت‌هایی که امور مالی جهانی و بومی اینترنت را تقویت می‌کنند، افزایش می‌دهد.»

پیش از این معامله، سیرکل به شبکه LOT پیوسته بود – کنسرسیومی که اعضا را در برابر دعاوی حقوقی از سوی “تولرهای پتنت” (شرکت‌هایی که پتنت‌ها را صرفاً برای دریافت هزینه‌های تسویه از سایر شرکت‌ها خریداری می‌کنند، بدون اینکه خودشان چیزی بسازند) محافظت می‌کند. با در اختیار داشتن نزدیک به ۱۰۰۰ پتنت، سیرکل اکنون دارای مالکیت معنوی کافی برای حمله در صورت تمایل است. این شرکت هنوز اعلام نکرده است که آیا قصد انجام چنین کاری را دارد یا خیر.

IBM همچنین یک شریک تأیید شده در Open Standard است، کنسرسیومی که پشت Open USD قرار دارد – یک استیبل‌کوین (رمزارزی که ۱:۱ با دلار آمریکا گره خورده است) که در ۳۰ ژوئن با بیش از ۱۴۰ حامی، از جمله Visa، Mastercard، Google، BlackRock، Stripe و Coinbase راه‌اندازی شد. Open USD درآمد ذخیره را مستقیماً به توزیع‌کنندگان شریک خود توزیع می‌کند، به جای اینکه آن را نگه دارد – مدلی که برای کاهش خط درآمدی که سیرکل به آن وابسته است، طراحی شده است.

IBM مالکیت معنوی بلاکچین بنیادی خود را به سیرکل فروخت و همزمان از استیبل‌کوین ساخته شده برای بلعیدن سهم بازار USDC حمایت کرد. سهام CRCL روز دوشنبه پس از اعلام این خبر ۲.۵۷ درصد افزایش یافت.

سیرکل، صادرکننده استیبل‌کوین USDC، دارایی‌هایی را از سبد پتنت‌های بلاکچین IBM خریداری کرد تا مالکیت معنوی خود را گسترش دهد.

جزئیات قرارداد

این سبد شامل بیش از ۶۸۰ خانواده پتنت و نزدیک به ۱۰۰۰ پتنت صادر شده در سراسر جهان است که فناوری‌های اصلی بلاکچین، بانکداری، خدمات مالی، بیمه، زیرساخت‌های سازمانی، تأیید زنجیره تأمین و عملیات امن ابری را پوشش می‌دهد. جزئیات مالی این معامله منتشر نشده است.

اهداف و پیامدها

سیرکل اعلام کرده است که با این خرید، به بزرگترین دارنده پتنت‌های بلاکچین در ایالات متحده تبدیل شده است. این شرکت معتقد است که سبد پتنت گسترش یافته، محصولات آن از جمله USDC، شبکه پرداخت سیرکل (Circle Payments Network)، Arc و همچنین مجموعه محصولات آن-چین و ابزارهای مالی عامل‌محور را پشتیبانی خواهد کرد. دو شرکت همچنین قصد دارند فرصت‌های تجاری بیشتری را با یکدیگر دنبال کنند.

سارا ویلسون، مشاور عمومی و دبیر شرکت سیرکل، در این باره گفت: «مالکیت معنوی برای پیشبرد مأموریت ما و گسترش پذیرش زیرساخت‌های آن-چین حیاتی است. IBM پیشگام نوآوری فناورانه بوده است و این خرید توانایی سیرکل را برای پیشبرد زیرساخت‌هایی که امور مالی جهانی و بومی اینترنت را تقویت می‌کنند، افزایش می‌دهد.»

سابقه و تحولات اخیر

این تحول بیش از سه سال پس از پیوستن این شرکت به LOT Network، یک سازمان غیرانتفاعی جهانی که به اعضا در برابر دعاوی پتنت از سوی نهادهای ادعای پتنت (PAEs) محافظت می‌کند، رخ می‌دهد. هدف اصلی این اقدام، کاهش ریسک‌های حقوقی و در عین حال حمایت از توسعه محصولات و خدمات مبتنی بر بلاکچین بود.

در همان سال، سیرکل اولین پتنت خود را برای پردازش موازی بلاک (Parallel Block Processing) دریافت کرد که امکان پردازش همزمان چندین قطعه اطلاعات را ضمن حفظ اعتبارسنجی سریال بلاک‌ها فراهم می‌کند.

اوایل ماه جاری، سیرکل تأییدیه لازم را از دفتر کنترل ارز (OCC) ایالات متحده برای راه‌اندازی اولین بانک ملی ارز دیجیتال (First National Digital Currency Bank, N.A.) دریافت کرد که با نام Circle National Trust فعالیت خواهد کرد. این مجوز به صادرکننده استیبل‌کوین اجازه می‌دهد تا خدمات امانی ارزهای دیجیتال را ارائه دهد و انتظار می‌رود در نهایت ذخایر USDC را تحت نظارت OCC مدیریت کند. در طول زمان، خدمات امانی ممکن است برای گروه محدودی از مشتریان سازمانی نیز در دسترس قرار گیرد.

این شرکت همچنین به عنوان عضو برجسته به بنیاد x402 بنیاد لینوکس پیوست، در کنار سایر بازیگران صنعت مانند ریپل، کوین‌بیس و بنیاد سولانا. هدف این ابتکار، حمایت از توسعه یک استاندارد باز برای پرداخت‌های بومی اینترنت است که به عوامل هوش مصنوعی، APIها و برنامه‌ها اجازه می‌دهد تا از طریق HTTP تراکنش انجام دهند.

به طور جداگانه، BNY Mellon مشارکت خود را با سیرکل با افزودن USDC به پلتفرم امانت دارایی دیجیتال خود گسترش داد. این ادغام به مشتریان سازمانی اجازه می‌دهد تا استیبل‌کوین را ذخیره، منتقل، ضرب و بازخرید کنند و در عین حال نقش بانک را به عنوان امین اصلی ذخایر USDC تقویت می‌کند.

رئیس کوین‌بیس: نیازی به «چرخش به سمت هوش مصنوعی» در صنعت ارزهای دیجیتال نیست

برایان آرمسترانگ، مدیرعامل صرافی ارز دیجیتال کوین‌بیس، ایده اینکه شرکت‌های فعال در حوزه رمزارزها باید «به سمت هوش مصنوعی بچرخند» را رد کرد و این توصیه را «تفکر مبتنی بر کمبود و مجموع صفر» خواند.

آرمسترانگ در توییتی استدلال کرد که ارزهای دیجیتال یک فناوری با کاربرد عمومی هستند؛ «زیرساختی، همانند برق یا اینترنت» که با «موج بعدی» رقابت نمی‌کند، بلکه «آن را پشتیبانی می‌کند». وی افزود که «کلان‌روند هوش مصنوعی» از اهمیت رمزارزها نمی‌کاهد، بلکه «ارزهای دیجیتال را مهم‌تر می‌سازد».

او در توییتی نوشت: «اگر در حوزه رمزارزها هستید، به سمت هوش مصنوعی بچرخید. من قبلاً نسخه‌هایی از این را شنیده‌ام و این روش اشتباهی برای نگاه کردن به دنیا است. این تفکر مبتنی بر کمبود و مجموع صفر است. رمزارز یک فناوری با کاربرد عمومی است. این زیرساخت است، همان‌طور که برق یا اینترنت زیرساخت هستند. این…»

این اظهارات آرمسترانگ در واکنش به موجی از شرکت‌های رمزارزی است که در حال تغییر جهت به سمت هوش مصنوعی هستند. استخراج‌کنندگان بیت‌کوین تمرکز خود را بر زیرساخت‌های هوش مصنوعی معطوف کرده‌اند و شرکت‌های خزانه‌داری دارایی‌های دیجیتال نیز در حال تغییر رویکرد به سمت هوش مصنوعی به عنوان یک سرمایه‌گذاری اولویت‌دار هستند.

آرمسترانگ اما استدلال می‌کند که این دو حوزه لایه‌های مکمل یکدیگر هستند؛ هوش مصنوعی هوشمندی را فراهم می‌کند و رمزارزها زیرساخت‌های مالی را.

استدلال وی بر پایه «عوامل هوش مصنوعی» (AI agents) استوار است. آرمسترانگ معتقد است این عوامل به «زیرساخت مالی خود» نیاز خواهند داشت و در نهایت «تراکنش‌های بسیار بیشتری در روز نسبت به مجموع تمام انسان‌ها» انجام خواهند داد. وی خاطرنشان کرد که برخلاف انسان‌ها، یک عامل نمی‌تواند حساب بانکی باز کند، سه روز برای انتقال سیم‌کارت منتظر بماند یا در یک کشور واحد اقامت داشته باشد؛ بنابراین به «پول قابل برنامه‌ریزی در لحظه» در قالب رمزارز برای نگهداری وجوه و پرداخت هزینه‌ها نیاز خواهد داشت.

از این رو، وی پیش‌بینی می‌کند که این عوامل به تجارت، ایفای نقش مشاوران مالی و جمع‌آوری یا استقراض پول برای پروژه‌های خود بپردازند، در حالی که وظایف انسانی مانند برنامه‌ریزی مالیاتی، متعادل‌سازی مجدد پرتفوی و پرداخت قبوض را بر عهده می‌گیرند. کوین‌بیس با مشارکت در پروتکل x402 و بلاک‌چین خود به نام Base، به دسته نوظهور «AiFi» (ترکیب هوش مصنوعی و امور مالی) روی آورده است. آرمسترانگ گفت که استیبل‌کوین USDC این شرکت در حال حاضر «بخش عمده‌ای» از پرداخت‌های عاملانه را پشتیبانی می‌کند.

این رویکرد پس از آن اتخاذ می‌شود که کوین‌بیس خود به طور جدی به هوش مصنوعی روی آورده است. اوایل سال جاری، این صرافی در پی رکود در بازار رمزارزها، ۱۴ درصد از کارکنان خود را اخراج کرد. آرمسترانگ این بازسازی را تلاشی برای «بازسازی شرکت به شکلی چابک، سریع و بومی هوش مصنوعی» با «هوش مصنوعی در هسته» توصیف کرد. وی به جای انتخاب بین این دو حوزه، AiFi را به عنوان رویکردی معرفی کرد که کوین‌بیس همزمان هر دو را انجام می‌دهد؛ استفاده از هوش مصنوعی در داخل شرکت و در عین حال ساخت زیرساخت‌های رمزارزی که عوامل هوش مصنوعی بر روی آن‌ها تراکنش خواهند کرد. وی در ایمیلی به کارکنان، این لحظه را «نقطه عطف» خواند و استدلال کرد که شرکت «زود و با دقت در حال تنظیم است تا کوین‌بیس را بازسازی کند».