Tag: نوآوری فناوری

‏بایننس از یک کیف پول جدید رونمایی کرده است که هوش مصنوعی را با امور مالی غیرمتمرکز ادغام می‌کند. «کیف پول Agentic»، یک کیف پول رمزنگاری بدون کلید است که به عوامل هوش مصنوعی اجازه می‌دهد تا تراکنش‌ها را از طرف کاربران و در چارچوب پارامترهای از پیش تعریف شده اجرا کنند.

معرفی کیف پول Agentic

این کیف پول جدید که همین امروز معرفی شد، به عنوان یک حساب جداگانه و ایزوله در کیف پول بایننس کاربر عمل می‌کند و به عوامل مجهز به هوش مصنوعی اجازه می‌دهد تا دارایی‌های دیجیتال را بدون دسترسی مستقیم به وجوه اصلی کاربر، معامله، انتقال و مدیریت کنند. این اقدام بایننس برای گسترش قابلیت‌های هوش مصنوعی فراتر از ابزارهای معاملاتی و ورود به فعالیت‌های درون زنجیره‌ای در سراسر اکوسیستم‌های وب ۳ است.

بایننس، کیف پول Agentic را به عنوان راه حلی برای یکی از چالش‌های نوظهور در اتوماسیون رمزنگاری معرفی می‌کند. با جداسازی موجودی‌ها و اجازه دادن به مجوزهای قابل تنظیم، بایننس قصد دارد به کاربران نظارت بدهد و در عین حال از اتوماسیون بهره‌مند شود.

وینسون لیو، رئیس جهانی کیف پول بایننس، گفت: «در بایننس، ما هوش مصنوعی را کلید دسترسی بیشتر به فرصت‌های دارایی‌های دیجیتال می‌دانیم. کیف پول Agentic به گونه‌ای طراحی شده است که به کاربران و توسعه‌دهندگان یک راه امن و عملی برای اجازه دادن به عوامل هوش مصنوعی برای اقدام در زنجیره ارائه دهد.»

وی افزود که این محصول، اکوسیستم هوش مصنوعی بایننس را فراتر از صرافی گسترش می‌دهد. لیو گفت: «با کیف پول Agentic، ما تجربه هوش مصنوعی بایننس را فراتر از صرافی و به وب ۳ گسترش می‌دهیم و در عین حال، عامل، کیف پول و تجربه صرافی را در یک برنامه واحد گرد هم می‌آوریم. نتیجه، یک راه شهودی‌تر، امن‌تر و خود-حراستی برای کاربران است تا به عوامل هوش مصنوعی خود اجازه دهند در زنجیره و در محدوده‌های مشخص عمل کنند.»

ویژگی‌های کیف پول

بر اساس بیانیه مطبوعاتی بایننس، کیف پول Agentic یک چارچوب ساختاریافته برای فعالیت‌های مبتنی بر هوش مصنوعی معرفی می‌کند که شامل ویژگی‌هایی مانند محدودیت‌های خرج کردن، محدودیت‌های توکن و قوانین تراکنش از پیش تعریف شده است. نقل و انتقالات به آدرس‌های فهرست سفید ذخیره شده در دفترچه آدرس کاربر محدود می‌شود، در حالی که یک داشبورد نظارت اختصاصی، دیدی بلادرنگ از فعالیت عامل ارائه می‌دهد.

این کیف پول در زمان راه‌اندازی از طیف وسیعی از عملیات پشتیبانی می‌کند، از جمله بررسی موجودی، نقل و انتقالات، معامله از طریق سفارشات بازار و محدود و مدیریت سفارشات. ما می‌دانیم که عوامل هوش مصنوعی در اینجا و آنجا سر و صدا کرده‌اند و سود هنگفتی از اتوماسیون خالص ثبت کرده‌اند.

این مهندس آنتروپیک، با استفاده از ربات معاملاتی Claude Code که ۸۶ میلیون معامله را تجزیه و تحلیل می‌کند و کیف پول‌ها را بر اساس نرخ برد و سود رتبه‌بندی می‌کند، ۲۰۰ دلار را به ۱۴۳۰۰ دلار تبدیل کرد. این سیستم از هوش مصنوعی برای اسکن ۱۴۰۰۰ کیف پول در عرض چند دقیقه و فیلتر کردن معاملات استفاده می‌کند. این سیستم تنها ۱۰ معامله انجام می‌دهد…

فناوری و سازگاری

خود کیف پول از فناوری بدون کلید استفاده می‌کند و نیاز به مدیریت مستقیم کلیدهای خصوصی توسط کاربران را از بین می‌برد. این امر یکی از نقاط اصطکاک اصلی در راه‌حل‌های رمزنگاری خود-حراستی را از بین می‌برد. در عوض، این کیف پول به زیرساخت‌های درجه سازمانی همراه با «امضای خودکار امن» بایننس متکی است که به تراکنش‌های از پیش تایید شده اجازه می‌دهد بدون تاییدهای مکرر اجرا شوند.

این محصول با چندین چارچوب عامل هوش مصنوعی که از پروتکل‌های استفاده از ابزار پشتیبانی می‌کنند، از جمله OpenClaw، Claude Code و Cursor، سازگار است. این قابلیت همکاری نشان می‌دهد که بایننس نه تنها کاربران خرده‌فروشی، بلکه توسعه‌دهندگانی را که برنامه‌های مالی بومی هوش مصنوعی می‌سازند، هدف قرار داده است.

در زمان راه‌اندازی، کیف پول Agentic از چندین شبکه بلاک چین اصلی، از جمله BNB Smart Chain، Solana، Base و Ethereum پشتیبانی می‌کند و قصد دارد با گذشت زمان به زنجیره‌های بیشتری گسترش یابد. در حال حاضر، هر کاربر محدود به ایجاد یک کیف پول Agentic است.

مشوق‌ها و تبلیغات

برای تشویق به پذیرش، بایننس در حال راه‌اندازی یک کمپین تبلیغاتی ۱۵ روزه است که تا ۲۰ تراکنش بدون کارمزد برای هر کاربر ارائه می‌دهد که در سطح جهانی به ۲۰۰,۰۰۰ تراکنش محدود شده است. این شرکت همچنین کارمزد خدمات را برای معاملات انجام شده از طریق کیف پول Agentic در طول دوره تبلیغاتی حذف می‌کند.

‏شرکت بزرگ رسانه‌های اجتماعی متا با شرکت خدمات وب آمازون (AWS) قراردادی امضا کرد تا ده‌ها میلیون پردازنده Graviton5 را برای زیرساخت هوش مصنوعی نسل بعدی خود به کار گیرد و این شرکت را به یکی از بزرگترین مشتریان Graviton در سطح جهانی تبدیل کند.

همکاری چند میلیارد دلاری

به گزارش خبرگزاری رویترز، نافع بشارات، معاون AWS، گفت که این مشارکت بین سه تا پنج سال به طول می‌انجامد و ارزش آن به میلیاردها دلار می‌رسد. متا از پردازنده‌های نسل پنجم CPU آمازون استفاده خواهد کرد که به‌طور ویژه برای بارهای کاری هوش مصنوعی عامل‌گرا طراحی شده‌اند؛ برنامه‌هایی که می‌توانند استدلال کنند، کد تولید کنند و وظایف چند مرحله‌ای را به‌طور مستقل هماهنگ کنند.

هر تراشه Graviton5 شامل 192 هسته است که می‌توانند به‌طور همزمان به وظایف مختلف اختصاص داده شوند و پردازش موازی را برای گردش کارهای پیچیده هوش مصنوعی امکان‌پذیر می‌کنند.

اهمیت استراتژیک

سانتوش جاناردان، رئیس زیرساخت‌های متا، در بیانیه‌ای گفت: «همانطور که زیرساخت‌های پشت جاه‌طلبی‌های هوش مصنوعی متا را توسعه می‌دهیم، تنوع بخشیدن به منابع محاسباتی ما یک ضرورت استراتژیک است. AWS سال‌ها یک شریک ابری مورد اعتماد بوده است و گسترش به Graviton به ما امکان می‌دهد بارهای کاری فشرده CPU را در پشت هوش مصنوعی عامل‌گرا با عملکرد و کارایی مورد نیاز در مقیاس خود اجرا کنیم.»

این معامله نشان می‌دهد که چگونه شرکت‌های بزرگ فناوری در حال گسترش فراتر از پردازنده‌های گرافیکی هستند که بر آموزش مدل‌های هوش مصنوعی تسلط داشته‌اند. با بالغ شدن برنامه‌های هوش مصنوعی از تحقیق به تولید، شرکت‌ها به طور فزاینده‌ای به CPUهایی نیاز دارند که برای اجرای کارآمد مدل‌های آموزش‌دیده بهینه شده‌اند؛ رسیدگی به درخواست‌های کاربران، تولید پاسخ‌ها و مدیریت وظایف استدلال پیچیده در زمان واقعی.

این معامله یک روز پس از آن صورت می‌گیرد که متا، شرکت مادر فیس‌بوک و اینستاگرام، گزارش‌های مربوط به اخراج‌های گسترده را تأیید کرد و اعلام کرد که 8000 شغل حذف و 6000 موقعیت شغلی باز، پر نخواهند شد. این تغییر در حالی صورت می‌گیرد که متا به طور فزاینده‌ای هوش مصنوعی را به عنوان ستاره شمال خود قرار می‌دهد و تلاش می‌کند با رقبای قدرتمندی مانند OpenAI، Anthropic و گوگل رقابت کند.

‏شرکت OpenAI روز چهارشنبه از نسخه رایگان و تخصصی ChatGPT برای پزشکان، پرستاران، دستیاران پزشک و داروسازان رونمایی کرد و بدین ترتیب تلاش خود را برای ورود به بخش مراقبت‌های بهداشتی که با کمبود نیروی انسانی، بار اداری زیاد و فرسودگی شغلی دست و پنجه نرم می‌کند، افزایش داد.

معرفی ChatGPT برای متخصصان بالینی

این محصول که ChatGPT برای متخصصان بالینی نام دارد، برای انجام مستندسازی، تحقیقات پزشکی و مشاوره درمانی طراحی شده است؛ وظایفی که زمان‌بر هستند و از ساعاتی که متخصصان می‌توانند با بیماران بگذرانند، می‌کاهند. در حال حاضر، دسترسی به این ابزار محدود به متخصصان تأیید شده در ایالات متحده است و برنامه‌هایی برای گسترش بین‌المللی آن وجود دارد.

افزایش استفاده از هوش مصنوعی در پزشکی

این خبر در حالی منتشر می‌شود که استفاده از هوش مصنوعی در پزشکی در حال افزایش است. طبق نظرسنجی سال ۲۰۲۶ انجمن پزشکی آمریکا که توسط OpenAI به آن استناد شده است، ۷۲ درصد از پزشکان در حال حاضر از هوش مصنوعی در عمل بالینی استفاده می‌کنند، در حالی که این رقم تنها یک سال پیش ۴۸ درصد بود. این شرکت می‌گوید استفاده متخصصان بالینی از پلتفرم خود در سال گذشته بیش از دو برابر شده است و میلیون‌ها نفر به طور هفتگی به ChatGPT متکی هستند.

ویژگی‌های کلیدی

از جمله ویژگی‌های این ابزار می‌توان به عملکرد جستجوی بالینی با استفاده از میلیون‌ها منبع بررسی شده، حالت تحقیق عمیق برای بررسی متون پزشکی، الگوهای گردش کار قابل استفاده مجدد برای وظایفی مانند نامه‌های ارجاع و درخواست‌های مجوز قبلی، و امکان کسب اعتبار آموزش پزشکی مداوم در حین تحقیق در مورد سوالات بالینی در پلتفرم اشاره کرد.

حفظ حریم خصوصی و امنیت داده‌ها

مکالمات برای آموزش مدل‌های OpenAI استفاده نخواهد شد و پشتیبانی از انطباق با HIPAA از طریق یک توافقنامه همکار تجاری برای حساب‌های واجد شرایط در دسترس است.

معرفی HealthBench Professional

همزمان با راه‌اندازی این ابزار، OpenAI HealthBench Professional را نیز معرفی کرد؛ یک معیار جدید که برای ارزیابی عملکرد هوش مصنوعی در وظایف بالینی واقع‌بینانه در سه دسته مشاوره درمانی، مستندسازی و تحقیقات پزشکی طراحی شده است.

نتایج مقایسه‌ای

این شرکت گزارش داد که GPT-5.4 که در فضای کاری ChatGPT برای متخصصان بالینی اجرا می‌شود، در این معیار نمره ۵۹.۰ را کسب کرد؛ که بالاتر از پزشکان انسانی است که حتی با زمان نامحدود و دسترسی به اینترنت نمره ۴۳.۷ را کسب کردند و همچنین بالاتر از مدل‌های رقیب از Anthropic، Google و xAI بود.

نکته مهم

با این حال، این نتایج با یک هشدار مهم همراه است: OpenAI هم این محصول و هم معیار مورد استفاده برای ارزیابی آن را ایجاد کرده است.

همکاری با متخصصان

این شرکت می‌گوید برای توسعه این ابزار، با صدها مشاور پزشک همکاری کرده و بیش از ۷۰۰۰۰۰ پاسخ مدل را بررسی کرده است. در آزمایش‌های اولیه، پزشکان ۹۹.۶ درصد از پاسخ‌ها را در بیش از ۷۰۰۰ مکالمه ایمن و دقیق ارزیابی کردند.

تأکید بر نقش کمکی

OpenAI مراقب بوده است که این ابزار را به عنوان یک سیستم پشتیبانی و نه جایگزینی برای قضاوت بالینی معرفی کند؛ تمایزی که ناظران و بدبینان احتمالاً با گسترش بیشتر این محصول، آن را از نزدیک زیر نظر خواهند داشت.

بازار رو به رشد هوش مصنوعی در مراقبت‌های بهداشتی

مراقبت‌های بهداشتی، یک بازار به سرعت در حال گسترش برای ابزارهای هوش مصنوعی است. فراتر از داده‌های OpenAI که نشان می‌دهد استفاده متخصصان بالینی از ChatGPT در سال گذشته بیش از دو برابر شده است، داده‌های McKinsey نشان می‌دهد که ۵۰ درصد از رهبران مراقبت‌های بهداشتی گزارش می‌دهند که سازمان‌هایشان هوش مصنوعی مولد را پیاده‌سازی کرده‌اند، در حالی که این رقم در سه ماهه چهارم سال ۲۰۲۴، ۴۷ درصد و در سه ماهه چهارم سال ۲۰۲۳، ۲۵ درصد بوده است. در همین حال، تحقیقات BCG نشان می‌دهد که ۶۰ درصد از مصرف‌کنندگان در حال حاضر از هوش مصنوعی برای سلامت شخصی استفاده می‌کنند.

‏شرکت گوگل روز چهارشنبه در کنفرانس Cloud Next 2026 خود در لاس وگاس از دو پردازنده هوش مصنوعی رونمایی کرد که نسل هشتم سیلیکون سفارشی این شرکت را نشان می‌دهد و با هدف به چالش کشیدن تسلط انویدیا در زمینه تراشه‌های هوش مصنوعی طراحی شده است.

عملکرد و ویژگی‌های تراشه‌ها

TPU 8t که برای آموزش طراحی شده است، تقریباً 3 برابر عملکرد محاسباتی بیشتری نسبت به نسل قبلی خود دارد. یک سوپرپاد واحد می‌تواند تا 9600 تراشه را پشتیبانی کند و 121 اگزافلاپس ظرفیت محاسباتی ارائه دهد. طبق اعلام گوگل، این معماری همچنین 2.8 برابر عملکرد بهتری نسبت به قیمت ارائه می‌دهد.

TPU 8i رویکرد متفاوتی را در پیش می‌گیرد و برای بارهای کاری استنتاج بهینه شده است. این تراشه 3 برابر SRAM بیشتری نسبت به نسل‌های قبلی دارد – 384 مگابایت SRAM روی تراشه همراه با 288 گیگابایت حافظه با پهنای باند بالا. این شرکت ادعا می‌کند که این تراشه تا 80 درصد عملکرد بهتر به ازای هر دلار و 2 برابر عملکرد بیشتر به ازای هر وات ارائه می‌دهد.

هر دو تراشه از معماری جدید Boardfly گوگل استفاده می‌کنند که طبق اسناد فنی، با کاهش قطر شبکه، تا 50 درصد بهبود در تأخیر برای بارهای کاری فشرده ارتباطی را به ارمغان می‌آورد.

همکاری‌های جدید و چشم‌انداز آینده

این اعلامیه سخت‌افزاری پس از گسترش مشارکت گوگل با شرکت Anthropic در اوایل این ماه صورت می‌گیرد که به این استارتاپ هوش مصنوعی چندین گیگاوات ظرفیت TPU نسل بعدی را ارائه می‌دهد. این معامله نشان می‌دهد که چگونه گوگل از سیلیکون سفارشی خود برای جذب شرکت‌های بزرگ هوش مصنوعی که به دنبال جایگزین‌هایی برای GPUهای انویدیا در بازار زیرساخت‌های رقابتی هستند، استفاده می‌کند.

ساندار پیچای، مدیرعامل گوگل، این تراشه‌ها را برای عوامل هوش مصنوعی هدفمند معرفی کرد و اظهار داشت که آن‌ها توان عملیاتی عظیم و تأخیر کمی را ارائه می‌دهند که برای اجرای همزمان میلیون‌ها عامل به صورت مقرون به صرفه مورد نیاز است. این شرکت قبلاً از Citadel Securities، شرکت خدمات مالی، پذیرش داشته است که TPUها را برای تأمین بارهای کاری هوش مصنوعی خود انتخاب کرده است.

استراتژی دو تراشه‌ای منعکس‌کننده نیازهای محاسباتی متفاوت سیستم‌های هوش مصنوعی مدرن است: پردازش موازی عظیم برای آموزش مدل‌های پیشرفته در مقابل عملیات سریع و حافظه‌محور برای استقرار این مدل‌ها به عنوان عوامل تعاملی.

پیچای روز چهارشنبه گفت که گوگل در مسیر صرف 185 میلیارد دلار در سال جاری برای تأمین زیرساخت‌های هوش مصنوعی برای “عصر عاملیت” قرار دارد و این شرکت در حال حاضر تقریباً 75 درصد از کد جدید خود را با هوش مصنوعی و تحت نظارت مهندسان تولید می‌کند.

‏سام آلتمن، مدیرعامل OpenAI، در برابر نگرانی‌های فزاینده در مورد مدل جدید و قدرتمند هوش مصنوعی کلود میتوس، محصول شرکت رقیب Anthropic، موضع گرفت و پیشنهاد داد که این شرکت از “ترس” برای بازاریابی محصول خود استفاده می‌کند.

انتقاد آلتمن از بازاریابی مبتنی بر ترس

آلتمن در مصاحبه با برنامه پادکست theCore Memory که توسط اشلی ونس، روزنامه‌نگار فناوری، میزبانی می‌شود، استدلال کرد که استفاده از “بازاریابی مبتنی بر ترس” با هدف نگه داشتن هوش مصنوعی در دست “گروهی کوچک‌تر از مردم” است.

آلتمن گفت: “شما می‌توانید این را به راه‌های مختلفی توجیه کنید و برخی از آن‌ها واقعی هستند، مانند اینکه نگرانی‌های ایمنی مشروعی وجود خواهد داشت.”

“اما اگر چیزی که می‌خواهید این است که ‘ما به کنترل هوش مصنوعی، فقط خودمان، نیاز داریم، زیرا ما افراد قابل اعتمادی هستیم’، فکر می‌کنم بازاریابی مبتنی بر ترس احتمالاً مؤثرترین راه برای توجیه آن است.”

آلتمن افزود که در حالی که نگرانی‌های معتبری در مورد ایمنی هوش مصنوعی وجود دارد، “این یک بازاریابی باورنکردنی است که بگوییم: ‘ما یک بمب ساخته‌ایم. ما در شرف انداختن آن بر سر شما هستیم. ما یک پناهگاه بمب به قیمت ۱۰۰ میلیون دلار به شما می‌فروشیم. شما به آن نیاز دارید تا در همه چیزتان اجرا شود، اما فقط در صورتی که ما شما را به عنوان مشتری انتخاب کنیم.’”

وی خاطرنشان کرد که “همیشه آسان نیست” که بین قابلیت‌های جدید هوش مصنوعی و اعتقاد OpenAI به اینکه این فناوری باید در دسترس باشد، تعادل برقرار کرد.

کلود میتوس و نگرانی‌های امنیتی

مدل کلود میتوس شرکت Anthropic که ماه گذشته معرفی شد، توجه شدیدی را از سوی محققان، دولت‌ها و صنعت امنیت سایبری به خود جلب کرده است، به‌ویژه پس از آنکه آزمایش‌ها نشان داد که می‌تواند به‌طور خودکار آسیب‌پذیری‌های نرم‌افزاری را شناسایی و عملیات سایبری پیچیده را اجرا کند. این مدل تنها از طریق یک برنامه محدود به مجموعه‌ای محدود از سازمان‌ها توزیع می‌شود.

این عرضه، منعکس‌کننده یک شکاف گسترده‌تر در صنعت هوش مصنوعی در مورد نحوه استقرار سیستم‌های قدرتمند است، به طوری که برخی از شرکت‌ها بر دسترسی کنترل‌شده تأکید می‌کنند و دیگران استدلال می‌کنند که توزیع گسترده‌تر برای تسریع نوآوری و درک فناوری ضروری است.

میتوس به کانون این بحث تبدیل شده است. قابلیت‌های این مدل توسط Anthropic هم به‌عنوان یک پیشرفت دفاعی – که امکان تشخیص سریع‌تر نقص‌های حیاتی نرم‌افزار را فراهم می‌کند – و هم به‌عنوان یک خطر بالقوه تهاجمی در صورت سوء استفاده، معرفی شده است. اوایل این ماه، این مدل صدها آسیب‌پذیری را در مرورگر فایرفاکس موزیلا در طول آزمایش شناسایی کرد و همچنین توانایی انجام شبیه‌سازی حملات سایبری چند مرحله‌ای را نشان داد.

Anthropic دسترسی به این سیستم را از طریق پروژه Glasswing محدود کرده و به شرکت‌های منتخب از جمله آمازون، اپل و مایکروسافت اجازه می‌دهد تا قابلیت‌های آن را آزمایش کنند. این شرکت همچنین منابع قابل توجهی را به حمایت از تلاش‌های امنیتی منبع باز اختصاص داده است و استدلال می‌کند که مدافعان باید قبل از اینکه این فناوری به‌طور گسترده‌تری در دسترس قرار گیرد، از آن بهره‌مند شوند.

این مدل همچنین محدودیت‌هایی را در سیستم‌های ارزیابی هوش مصنوعی موجود آشکار کرده است، به طوری که Anthropic اذعان می‌کند که بسیاری از معیارهای امنیت سایبری فعلی دیگر برای اندازه‌گیری قابلیت‌های جدیدترین سیستم آن کافی نیستند.

با این حال، گروهی از محققان هفته گذشته ادعا کردند که توانسته‌اند یافته‌های میتوس را با استفاده از مدل‌های در دسترس عموم بازتولید کنند.

واکنش‌های دولتی و پیش‌بینی‌ها

علیرغم درخواست‌هایی در بخش‌هایی از دولت ایالات متحده برای توقف استفاده از این فناوری به دلیل نگرانی‌ها در مورد کاربردهای احتمالی آن در جنگ و نظارت، آژانس امنیت ملی (NSA) طبق گزارش‌ها شروع به آزمایش نسخه پیش‌نمایش این مدل در شبکه‌های طبقه‌بندی‌شده کرده است. در بازار پیش‌بینی Myriad، متعلق به شرکت مادر Decrypt یعنی Dastan، کاربران شانس ۴۹ درصدی را برای انتشار کلود میتوس برای عموم تا ۳۰ ژوئن در نظر گرفته‌اند.

آلتمن پیشنهاد داد که سخنان پیرامون سیستم‌های هوش مصنوعی بسیار خطرناک ممکن است با بهبود قابلیت‌ها افزایش یابد، اما استدلال کرد که نباید همه این ادعاها را جدی گرفت.

وی گفت: “سخنان بیشتری در مورد مدل‌هایی که برای انتشار بسیار خطرناک هستند، وجود خواهد داشت. همچنین مدل‌های بسیار خطرناکی وجود خواهند داشت که باید به روش‌های مختلف منتشر شوند. من مطمئن هستم که میتوس یک مدل عالی برای امنیت سایبری است، اما فکر می‌کنم ما برنامه‌ای داریم که در مورد نحوه ارائه این نوع قابلیت به جهان احساس خوبی داریم.”

آلتمن همچنین پیشنهاداتی مبنی بر اینکه OpenAI در حال کاهش هزینه‌های زیرساختی خود است را رد کرد و گفت که این شرکت به گسترش ظرفیت محاسباتی خود علی‌رغم تغییر روایت‌ها ادامه خواهد داد.

وی گفت: “نمی‌دانم این از کجا می‌آید… مردم واقعاً می‌خواهند داستان عقب‌نشینی را بنویسند. اما خیلی زود دوباره این‌طور خواهد بود که ‘OpenAI خیلی بی‌پروا است. چگونه می‌توانند این مقدار دیوانه‌وار را خرج کنند؟’”

‏یک مقام ارشد نظامی روز چهارشنبه به کنگره گفت که دولت ایالات متحده در حال حاضر یک گره در شبکه بیت‌کوین را اداره می‌کند تا آزمایش‌هایی را در رابطه با امنیت شبکه انجام دهد.

آزمایش‌های امنیتی

دریادار ساموئل پاپارو، فرمانده نیروهای آمریکایی در اقیانوس آرام، روز چهارشنبه به کمیته خدمات مسلح مجلس نمایندگان گفت: «ما در حال حاضر یک گره در شبکه بیت‌کوین داریم.»

وی ادامه داد: «ما بیت‌کوین استخراج نمی‌کنیم. ما از آن برای نظارت استفاده می‌کنیم و تعدادی آزمایش عملیاتی برای ایمن‌سازی و محافظت از شبکه‌ها با استفاده از پروتکل بیت‌کوین انجام می‌دهیم.»

بلاک‌چین بیت‌کوین به ده‌ها هزار گره در سراسر جهان متکی است که به ایمن‌سازی و نگهداری شبکه کمک می‌کنند. شبکه گره‌ها عمداً غیرمتمرکز است، به این معنی که هیچ طرفی کنترل بیت‌کوین و فرآیند اعتبارسنجی تراکنش‌های آن را در اختیار ندارد. این یک نوآوری کلیدی است – نوآوری‌ای که این ارز دیجیتال را در زمان عرضه اولیه در سال ۲۰۰۹ بسیار منحصربه‌فرد کرد.

اگر دولت ایالات متحده تنها یکی از هزاران گره‌ای را که بیت‌کوین را فعال نگه می‌دارند، اداره کند، این مشارکت هیچ تهدیدی برای استقلال شبکه ایجاد نمی‌کند. اما عملیات آمریکا در یک گره ممکن است با این وجود تعجب‌آور باشد، زیرا «مقاومت در برابر سانسور» بیت‌کوین مدت‌هاست که به عنوان دفاعی در برابر تلاش‌های تصرف توسط دولت‌های قدرتمند ملی مطرح شده است.

بیت‌کوین به عنوان یک ابزار

دریادار پاپارو روز چهارشنبه گفت که دولت ایالات متحده در حال حاضر در مرحله «آزمایش» در مورد بیت‌کوین قرار دارد. اما او همچنین تأکید کرد که ارتش آمریکا بیت‌کوین را به عنوان یک ابزار فناوری بسیار ارزشمند می‌بیند – بیشتر از یک دارایی مالی که ارزش انباشت دارد.

وی گفت: «علاقه ما به بیت‌کوین به عنوان یک ابزار رمزنگاری، یک بلاک‌چین و یک اثبات کار قابل استفاده مجدد است – به عنوان یک ابزار اضافی برای ایمن‌سازی شبکه‌ها و اعمال قدرت.»

وی افزود: «از منظر کاربرد نظامی، علاقه من به بیت‌کوین به عنوان یک ابزار علوم کامپیوتر است.»

پاپارو بعداً اشاره کرد که حمایت از هژمونی دلار آمریکا در سراسر جهان به نفع ارتش آمریکاست. و او خاطرنشان کرد که قانون GENIUS، قانونی که تابستان گذشته توسط رئیس‌جمهور دونالد ترامپ امضا شد و انتشار استیبل‌کوین‌ها – ارزهای رمزنگاری شده متصل به ارزش دلار – را قانونی کرد، «یک گام بزرگ به جلو است که ما را در این مسیر حرکت می‌دهد.»

‏حتی هشدارهای پاپ درباره هوش مصنوعی هم ممکن است توسط هوش مصنوعی نوشته شده باشد.

کشف احتمالی استفاده از هوش مصنوعی در حساب X پاپ

به گزارش وایرد، شرکت نوپای تشخیص هوش مصنوعی پنگرام لبز اعلام کرد که افزونه کروم به‌روزرسانی‌شده‌اش، چندین پست از حساب رسمی X پاپ لئو چهاردهم را به عنوان احتمالاً تولیدشده توسط هوش مصنوعی، علامت‌گذاری کرده است. این پست‌ها شامل پیام‌هایی در مورد تأثیر هوش مصنوعی بر تفکر انسانی و ساختارهای اجتماعی بوده‌اند.

یکی از این پست‌ها هشدار داده بود: «وقتی شبیه‌سازی به هنجار تبدیل می‌شود، ظرفیت تشخیص انسان را تضعیف می‌کند.»

مکس سپرو، مدیرعامل پنگرام لبز، به وایرد گفت: «واضح است که او خودش حساب توییترش را اداره نمی‌کند. آن‌ها یک فرد مسئول رسانه‌های اجتماعی دارند. اما همچنین آشکار است که آن‌ها حداقل تا حدی از هوش مصنوعی استفاده می‌کنند.»

پنگرام ادعا می‌کند که مدل تشخیص آن دارای دقت 99.98٪ و نرخ خطای مثبت کاذب یک در 10000 است. یک مطالعه در دسامبر 2025 توسط دانشگاه شیکاگو، پنگرام را در میان ابزارهای تشخیص هوش مصنوعی آزمایش‌شده در بالاترین رتبه قرار داد و دریافت که نرخ خطای مثبت کاذب آن نزدیک به صفر است.

در این مطالعه آمده است: «با توجه به اینکه هر آشکارسازی حداقل کمی ناقص است، سازمان‌ها همچنان باید خودشان ارزیابی کنند که آیا و چگونه از آن‌ها استفاده کنند، و بین سوءاستفاده احتمالی از هوش مصنوعی و خطر اتهامات نادرست تعادل برقرار کنند.»

پنگرام لبز و نمایندگان واتیکان فوراً به درخواست دکریپت برای اظهارنظر پاسخ ندادند.

نگرانی‌ها در مورد تشخیص هوش مصنوعی و خطاهای مثبت کاذب

تشخیص هوش مصنوعی همچنان بحث‌برانگیز است و خطاهای مثبت کاذب همچنان یک نگرانی در سراسر صنعت است. در سال 2024، آشکارساز هوش مصنوعی زیرو جی‌پی‌تی پس از آنکه کریستوفر پن، دانشمند ارشد داده در شرکت تحلیل بازاریابی تراست اینسایت مستقر در بوستون، فاش کرد که اعلامیه استقلال ایالات متحده را 97.93٪ توسط هوش مصنوعی تولید شده، علامت‌گذاری کرده است، در فضای مجازی سر و صدا به پا کرد.

پن در آن زمان به دکریپت گفت: «این ابزارها برای کارهایی مانند رد صلاحیت دانش‌آموزان، قرار دادن آن‌ها در آزمون یا تعلیق تحصیلی استفاده می‌شوند.» او گفت: «این یک کاربرد بسیار پرخطر است، در حالی که در ایالات متحده، تحصیلات دانشگاهی ده‌ها هزار دلار در سال هزینه دارد.»

به گزارش وایرد، افزونه پنگرام همچنین پست‌هایی از اینفلوئنسرهای دارای تیک آبی در X، نویسندگان پرطرفدار ساب‌استک و پیامی از تیم کوک، مدیرعامل اپل، را که پنجاهمین سالگرد این شرکت را نشان می‌داد، علامت‌گذاری کرده است.

این راه‌اندازی در حالی صورت می‌گیرد که نگرانی‌ها در مورد محتوای هرزنامه‌ای تولیدشده توسط هوش مصنوعی همچنان در حال افزایش است. در اوایل این ماه، محققان دانشگاه استنفورد، کالج امپریال لندن و آرشیو اینترنت دریافتند که متن تولیدشده یا با کمک هوش مصنوعی تقریباً 35٪ از وب‌سایت‌های تازه منتشرشده را تا اواسط سال 2025 تشکیل می‌دهد.

‏دهه‌هاست که مهاجمان در امنیت سایبری برتری داشته‌اند. هوش مصنوعی ممکن است در شرف تغییر این وضعیت باشد.

کشف آسیب‌پذیری‌ها در فایرفاکس

در یک پست وبلاگی که روز سه‌شنبه منتشر شد، موزیلا، توسعه‌دهنده مرورگر فایرفاکس، اعلام کرد که یک نسخه اولیه از مدل هوش مصنوعی کلود میتوس (Claude Mythos) شرکت آنتروپیک (Anthropic) – که در هفته‌های اخیر به دلیل توانایی‌های سایبری خود مورد توجه قرار گرفته است – به شناسایی ۲۷۱ آسیب‌پذیری در این مرورگر در طول آزمایش‌های داخلی کمک کرده است. این باگ‌ها این هفته وصله شدند.

نتایج نشان می‌دهد که چگونه سیستم‌های هوش مصنوعی پیشرفته می‌توانند پایگاه‌های کد بزرگ را تجزیه و تحلیل کرده و نقاط ضعفی را شناسایی کنند که قبلاً به بررسی دستی گسترده توسط محققان امنیت سایبری انسانی نیاز داشت.

موزیلا نوشت: «با رسیدن این قابلیت‌ها به دست مدافعان بیشتر، بسیاری از تیم‌های دیگر اکنون همان سرگیجه‌ای را تجربه می‌کنند که ما در ابتدا با دیدن این یافته‌ها تجربه کردیم. برای یک هدف سخت‌شده، تنها یک باگ از این دست در سال ۲۰۲۵ یک هشدار قرمز بود، و تعداد زیاد آن‌ها در یک زمان باعث می‌شود که شما متوقف شوید و تعجب کنید که آیا اصلاً می‌توان با این سرعت پیش رفت.»

موزیلا پیش از این یک مدل دیگر از آنتروپیک را آزمایش کرده بود که ۲۲ باگ حساس به امنیت را در یک نسخه قبلی فایرفاکس شناسایی کرد. با وجود این موفقیت‌ها، موزیلا اذعان کرد که صنعت امنیت سایبری مدت‌هاست که حذف کامل سوءاستفاده‌های نرم‌افزاری را به عنوان یک «هدف غیرواقعی» تلقی می‌کند.

این شرکت نوشت: «تاکنون، این صنعت تا حد زیادی در امنیت به یک تساوی رسیده است. فروشندگان نرم‌افزارهای حیاتی در معرض اینترنت مانند فایرفاکس، امنیت را بسیار جدی می‌گیرند و تیم‌هایی از افراد دارند که هر روز صبح با این فکر از خواب بیدار می‌شوند که چگونه کاربران را ایمن نگه دارند.»

موزیلا گفت که سیستم هوش مصنوعی جدید می‌تواند کد منبع را تجزیه و تحلیل کرده و آسیب‌پذیری‌ها را به روش‌هایی شناسایی کند که قبلاً به تخصص انسانی کمیاب وابسته بود. با این حال، موزیلا گفت که این شرکت از دیدن این موضوع که هیچ باگی پیدا نشده است که توسط «یک محقق انسانی نخبه» قابل کشف نباشد، دلگرم شده است.

آن‌ها گفتند: «برخی از مفسران پیش‌بینی می‌کنند که مدل‌های هوش مصنوعی آینده، اشکال کاملاً جدیدی از آسیب‌پذیری‌ها را کشف خواهند کرد که درک فعلی ما را به چالش می‌کشد، اما ما اینطور فکر نمی‌کنیم. نرم‌افزاری مانند فایرفاکس به روشی مدولار طراحی شده است تا انسان‌ها بتوانند در مورد درستی آن استدلال کنند. پیچیده است، اما نه به طور دلخواه.»

با این حال، نتایج نشان می‌دهد که ابزارهای هوش مصنوعی می‌توانند به توسعه‌دهندگان اجازه دهند تعداد زیادی از آسیب‌پذیری‌ها را قبل از سوءاستفاده مهاجمان از آن‌ها کشف کنند – اگرچه برعکس، در دستان اشتباه، می‌تواند برای شرکت‌های نرم‌افزاری و کاربران به طور یکسان مشکل بزرگی ایجاد کند.

میتوس: یک مدل پیشرفته

میتوس که در ماه مارس راه‌اندازی شد، پیشرفته‌ترین مدل آنتروپیک برای استدلال، کدنویسی و وظایف امنیت سایبری است. مواد داخلی شرکت این سیستم را به عنوان بخشی از یک رده مدل جدید فراتر از سری Opus قبلی این شرکت توصیف می‌کنند.

آزمایش‌هایی که قبل از انتشار این مدل انجام شد، نشان داد که می‌تواند هزاران آسیب‌پذیری ناشناخته قبلی را در سیستم‌عامل‌های اصلی و مرورگرهای وب شناسایی کند.

آنتروپیک دسترسی محدودی به این سیستم از طریق یک برنامه محدود به نام Project Glasswing دارد که به شرکت‌های فناوری منتخب – از جمله آمازون، اپل و مایکروسافت – این امکان را می‌دهد که از این مدل برای اسکن نرم‌افزارها به منظور یافتن نقاط ضعف استفاده کنند. این امر نشان‌دهنده تلاش فزاینده در صنعت امنیت سایبری برای استفاده از سیستم‌های هوش مصنوعی برای شناسایی و وصله کردن آسیب‌پذیری‌ها قبل از اینکه مهاجمان بتوانند از آن‌ها سوءاستفاده کنند، است.

با این حال، همین فناوری می‌تواند اشکال جدیدی از حملات سایبری را نیز فعال کند. محققان امنیتی می‌گویند سیستم‌های هوش مصنوعی که قادر به تجزیه و تحلیل کد در مقیاس وسیع هستند، می‌توانند کشف آسیب‌پذیری‌های قابل سوءاستفاده را در نرم‌افزارهای پرکاربرد خودکار کنند.

پس از راه‌اندازی میتوس، آزمایش توسط مؤسسه امنیت هوش مصنوعی بریتانیا نشان داد که هوش مصنوعی می‌تواند به طور مستقل عملیات سایبری پیچیده‌ای را اجرا کند، از جمله تکمیل یک شبیه‌سازی حمله شبکه شرکتی چند مرحله‌ای بدون کمک انسان. این قابلیت‌ها توجه دولت‌ها و سازمان‌های اطلاعاتی را به خود جلب کرده است.

استفاده از میتوس در آژانس امنیت ملی آمریکا

با وجود درخواست دولت دونالد ترامپ برای توقف استفاده از فناوری آنتروپیک به دلیل اختلاف نظر در مورد استفاده از آن در جنگ و مسائل نظارتی، روز دوشنبه، آژانس امنیت ملی آمریکا (NSA) فاش کرد که در حال اجرای Claude Mythos Preview در شبکه‌های طبقه‌بندی‌شده است، به گفته منابع آگاه از این استقرار. استفاده از میتوس بر علاقه فزاینده آژانس‌های امنیتی ایالات متحده به توانایی این مدل در شناسایی آسیب‌پذیری‌های نرم‌افزاری حیاتی تأکید دارد.

عملکرد این مدل همچنین محدودیت‌هایی را در سیستم‌های ارزیابی هوش مصنوعی موجود نشان داده است. اوایل این ماه، آنتروپیک اذعان کرد که چندین معیار امنیت سایبری دیگر برای اندازه‌گیری قابلیت‌های جدیدترین مدل‌های آن کافی نیستند.

موزیلا گفت که نتایج به یک تغییر احتمالی در امنیت سایبری اشاره دارد، جایی که مدافعان ممکن است شروع به بستن برتری دیرینه مهاجمان کنند.

موزیلا نوشت: «ما فوق‌العاده به این افتخار می‌کنیم که تیم ما چگونه برای مقابله با این چالش برخاست، و دیگران نیز همین کار را خواهند کرد. کار ما تمام نشده است، اما ما این پیچ را رد کرده‌ایم و می‌توانیم آینده‌ای بسیار بهتر از صرفاً همگام بودن را ببینیم. مدافعان سرانجام این شانس را دارند که قاطعانه پیروز شوند.»

موزیلا بلافاصله به درخواست برای اظهار نظر توسط Decrypt پاسخ نداد.

‏به گزارش نیو ساینتیست، کامپیوترهای کوانتومی ممکن است در نهایت به پردازش برخی از مجموعه‌داده‌های عظیم مورد استفاده برای آموزش هوش مصنوعی کمک کنند.

چالش‌های پیش رو

بر اساس مطالعه‌ای که توسط کلتک، گوگل کوانتوم ای‌آی، استارتاپ محاسبات کوانتومی اوراتومیک و ام‌آی‌تی انجام شده است، محققان می‌گویند یکی از چالش‌ها، وارد کردن مجموعه‌داده‌های بزرگ – که اغلب بر حسب ترابایت یا پتابایت اندازه‌گیری می‌شوند – به یک کامپیوتر کوانتومی است. برای استفاده از اثرات کوانتومی، داده‌ها باید به حالت کوانتومی تبدیل شوند و آماده‌سازی این حالت‌ها به طور سنتی به حافظه کوانتومی قابل توجهی نیاز داشته است.

حسین یوان هوانگ، مدیر ارشد فناوری در اوراتومیک، در بیانیه‌ای گفت: «یادگیری ماشینی واقعاً در همه جا در علم و فناوری و همچنین زندگی روزمره مورد استفاده قرار می‌گیرد. در دنیایی که می‌توانیم این معماری [محاسبات کوانتومی] را بسازیم، احساس می‌کنم هر زمان که مجموعه‌داده‌های عظیمی در دسترس باشد، می‌توان از آن استفاده کرد.»

روش جدید

این مطالعه پیشنهاد می‌کند که به جای نیاز به بارگذاری کل مجموعه داده در حافظه کوانتومی، روش جدید حالت‌های کوانتومی لازم را در طول پردازش آماده می‌کند و بار حافظه را کاهش می‌دهد. محققان می‌گویند این امر می‌تواند به استفاده از اثرات کوانتومی مانند برهم‌نهی بدون نیاز به سیستم‌های ذخیره‌سازی بسیار بزرگ کمک کند.

محققان می‌گویند این رویکرد همچنین می‌تواند به کامپیوترهای کوانتومی اجازه دهد تا مجموعه‌داده‌های بزرگ را با استفاده از حافظه کمتر از سیستم‌های کلاسیک پردازش کنند، که نشان می‌دهد ماشینی با حدود 300 کیوبیت منطقی – بیت‌های کوانتومی اصلاح‌شده برای خطا که می‌توانند محاسبات را به طور قابل اعتماد انجام دهند – می‌تواند در برخی از وظایف از کامپیوترهای کلاسیک بهتر عمل کند.

چشم‌انداز آینده

چنین سیستمی هنوز وجود ندارد. با این حال، محققان تخمین می‌زنند که یک کامپیوتر کوانتومی با حدود 60 کیوبیت منطقی می‌تواند در برخی از وظایف پردازش داده مورد استفاده در هوش مصنوعی از سیستم‌های کلاسیک بهتر عمل کند، که نشان می‌دهد پیشرفت‌ها در محاسبات کوانتومی چگونه می‌تواند حوزه‌هایی مانند رمزنگاری و بلاک‌چین را تهدید کند.

دُلو بلووشتاین، هم‌بنیانگذار و مدیر عامل اوراتومیک، پیشتر به دکریپت گفته بود: «مردم عادت دارند که کامپیوترهای کوانتومی همیشه 10 سال دیگر در دسترس باشند. اما وقتی به جایی که کمی بیش از ده سال پیش بودیم نگاه می‌کنید، بهترین تخمین‌ها از آنچه برای الگوریتم شور لازم بود، یک میلیارد کیوبیت بود، در حالی که بهترین سیستم‌هایی که در آزمایشگاه داشتیم حدود پنج کیوبیت بود.»

با این حال، محققان می‌گویند ارتباط بین هوش مصنوعی و محاسبات کوانتومی در حال نزدیک‌تر شدن است، زیرا ابزارهای هوش مصنوعی به دانشمندان کمک می‌کنند تا سیستم‌های کوانتومی پیچیده را تجزیه و تحلیل و مدل‌سازی کنند که در غیر این صورت شبیه‌سازی آن‌ها دشوار خواهد بود و این امر کار بر روی سخت‌افزار و برنامه‌های کاربردی کوانتومی را تسریع می‌کند.

آدریان پرز-سالیناس، استاد فیزیک محاسباتی در مؤسسه فناوری فدرال زوریخ در سوئیس، در بیانیه‌ای گفت: «ماشین کوانتومی یک دستگاه بسیار قدرتمند است، اما ابتدا باید به آن خوراک داد. این مطالعه در مورد تغذیه و اینکه چگونه بارگذاری [داده‌ها] بیت به بیت کافی است، بدون اینکه به این هیولا بیش از حد خوراک داده شود، صحبت می‌کند.»

‏شرکت Amazon.com اواخر روز دوشنبه از گسترش همکاری خود با شرکت هوش مصنوعی Anthropic خبر داد و متعهد شد تا 25 میلیارد دلار سرمایه‌گذاری جدید انجام دهد که شامل 5 میلیارد دلار بلافاصله و تا 20 میلیارد دلار دیگر منوط به دستیابی به اهداف تجاری است.

افزایش سرمایه‌گذاری در Anthropic

این توافق به 8 میلیارد دلار سرمایه‌گذاری قبلی آمازون در Anthropic اضافه می‌شود و کل سهام احتمالی آن را به 33 میلیارد دلار می‌رساند. در مقابل، Anthropic متعهد شد تا سال 2036 بیش از 100 میلیارد دلار برای فناوری‌های Amazon Web Services هزینه کند.

دسترسی به ظرفیت محاسباتی

این شرکت هوش مصنوعی به 5 گیگاوات ظرفیت محاسباتی برای آموزش و استقرار مدل‌های هوش مصنوعی Claude خود بر روی سیلیکون سفارشی آمازون دسترسی خواهد داشت. Anthropic در حال حاضر از 1 میلیون تراشه AWS Trainium2 استفاده می‌کند و با راه‌اندازی 1 گیگاوات توسط آمازون تا پایان سال 2026، ظرفیت اضافی Trainium2 و Trainium3 را به دست خواهد آورد.

اظهارات مدیرعامل آمازون

اندی جسی، مدیرعامل آمازون، در بیانیه‌ای گفت: «سیلیکون هوش مصنوعی سفارشی ما عملکرد بالایی را با هزینه‌ای بسیار کمتر برای مشتریان ارائه می‌دهد، به همین دلیل است که تقاضا برای آن بسیار زیاد است. تعهد Anthropic برای اجرای مدل‌های زبانی بزرگ خود بر روی AWS Trainium در دهه آینده، پیشرفتی را که ما با هم در زمینه سیلیکون سفارشی داشته‌ایم، منعکس می‌کند، زیرا ما همچنان فناوری و زیرساخت‌هایی را که مشتریان ما برای ساخت با هوش مصنوعی مولد نیاز دارند، ارائه می‌دهیم.»

سرمایه‌گذاری‌های آمازون در هوش مصنوعی

آخرین مشارکت آمازون در زمینه هوش مصنوعی پس از مشارکت 50 میلیارد دلاری آن در دور تامین مالی 110 میلیارد دلاری OpenAI در دو ماه پیش صورت گرفت، معامله‌ای که ارزش OpenAI را قبل از پول 730 میلیارد دلار ارزیابی کرد. این غول تجارت الکترونیک انتظار دارد امسال 200 میلیارد دلار برای هزینه‌های سرمایه‌ای هزینه کند که اکثریت آن به توسعه زیرساخت‌های هوش مصنوعی اختصاص دارد.

رقابت در بازار هوش مصنوعی

Anthropic که در سال 2021 توسط محققان و مدیران سابق OpenAI تأسیس شد، درآمد سالانه خود را به بیش از 30 میلیارد دلار رسانده است. مدل‌های هوش مصنوعی Claude این شرکت مستقیماً با سری GPT OpenAI و Gemini گوگل رقابت می‌کنند.

برنامه‌های آینده آمازون

نقشه راه تراشه‌های سفارشی آمازون شامل پردازنده‌های Trainium3 است که در دسامبر 2025 منتشر شد و Trainium4 آینده که AWS می‌گوید 2 اگزافلاپ عملکرد برای پردازش داده‌های FP4 ارائه می‌دهد.