Tag: نوآوری فناوری

‏شرکت کوین‌بیس یک هیئت مشورتی مستقل راه‌اندازی کرده است که هدف آن آماده‌سازی بیت‌کوین و اکوسیستم گسترده‌تر بلاک‌چین برای خطرات بلندمدت ناشی از محاسبات کوانتومی است، زیرا پیشرفت‌ها در این زمینه سوالاتی را در مورد دوام استانداردهای رمزنگاری امروزی مطرح می‌کند.

نکات کلیدی

این صرافی در یک پست وبلاگی اخیر اعلام کرد که رایانه‌های کوانتومی، پس از توسعه در مقیاس بزرگ، می‌توانند صنایع مختلفی از مراقبت‌های بهداشتی و امور مالی گرفته تا امنیت ملی را مختل کنند.

برای شبکه‌های بلاک‌چین، پیامدها به‌ویژه جدی هستند. اکثر زنجیره‌های اصلی، از جمله بیت‌کوین و اتریوم، به رمزنگاری منحنی بیضوی متکی هستند، سیستمی که امروزه امن در نظر گرفته می‌شود اما در آینده در برابر ماشین‌های کوانتومی به اندازه کافی قدرتمند، آسیب‌پذیر است.

برای رسیدگی به این احتمال، کوین‌بیس در حال تشکیل هیئت مشورتی مستقل کوین‌بیس در مورد محاسبات کوانتومی و بلاک‌چین است که محققان برجسته را برای ارزیابی خطرات نوظهور و ارائه راهنمایی به توسعه‌دهندگان، موسسات و کاربران گرد هم می‌آورد.

به گفته کوین‌بیس، این هیئت به‌طور مستقل عمل خواهد کرد و مقالات موضعی را منتشر می‌کند که وضعیت محاسبات کوانتومی و پیامدهای آن برای امنیت بلاک‌چین را ارزیابی می‌کند.

همچنین توصیه‌های عملی در مورد چگونگی آماده‌سازی افراد و سازمان‌ها برای تهدیدات کوانتومی بلندمدت ارائه می‌دهد و تجزیه و تحلیل به‌موقع را در صورت وقوع پیشرفت‌های عمده در تحقیقات کوانتومی ارائه خواهد کرد.

این هیئت مشورتی شامل چندین چهره برجسته از رمزنگاری، محاسبات کوانتومی و تحقیقات بلاک‌چین است.

تهدید کوانتومی ۶۰۰ میلیارد دلار بیت‌کوین را تهدید می‌کند. @nic_carter با من برای یک @PodcastDelphi حضوری همراه می‌شود تا ۶ ماه تحقیق خود را در مورد تأثیر کوانتوم بر $BTC پوشش دهد. اولین و تنها پادکست نیک در مورد کوانتوم را مستقیماً در اینجا یا در هر یک از پیوندهای زیر بشنوید.

اعضای این هیئت شامل اسکات آرونسون، محقق برجسته محاسبات کوانتومی و مدیر مرکز اطلاعات کوانتومی در دانشگاه تگزاس در آستین، دن بونه، استاد رمزنگاری استنفورد، جاستین دریک، محقق بنیاد اتریوم، سریرام کانان، بنیانگذار EigenLayer، یهودا لیندل، رئیس رمزنگاری کوین‌بیس، و دالیا مالخی، متخصص در سیستم‌های توزیع‌شده امن و رئیس آزمایشگاه تحقیقاتی UCSB Foundations of Fintech هستند.

کوین‌بیس می‌گوید که تخصص جمعی این گروه برای کمک به صنعت در حرکت فراتر از بحث‌های نظری و به سمت برنامه‌ریزی مشخص است.

در حالی که رایانه‌های کوانتومی در مقیاس بزرگ که قادر به شکستن رمزنگاری فعلی هستند هنوز وجود ندارند، این شرکت استدلال می‌کند که آمادگی باید سال‌ها قبل آغاز شود.

کوین‌بیس قصد دارد اولین مقاله موضعی هیئت را در اوایل سال آینده منتشر کند و یک ارزیابی پایه از خطرات مرتبط با کوانتوم و مسیرهای احتمالی به سمت انعطاف‌پذیری را ترسیم کند.

همانطور که گزارش شده است، برایان آرمسترانگ، مدیرعامل کوین‌بیس، طرحی را برای گسترش دسترسی به بازارهای سرمایه جهانی از طریق توکنیزه کردن مبتنی بر بلاک‌چین تشریح کرده است و استدلال می‌کند که میلیاردها بزرگسال همچنان از سرمایه‌گذاری در سهام و اوراق قرضه محروم هستند.

کوین‌بیس در یک مقاله سیاستی جدید می‌گوید که موانع ساختاری تقریباً دو سوم از جمعیت بزرگسال جهان را از ایجاد ثروت محروم کرده است، زیرا بازده سرمایه همچنان از دستمزدها پیشی می‌گیرد.

این مقاله بر شکاف‌های شدید جغرافیایی و اقتصادی در مشارکت در بازار تأکید می‌کند. در حالی که بیش از نیمی از بزرگسالان در ایالات متحده در سهام یا اوراق قرضه سرمایه‌گذاری می‌کنند، مشارکت در کشورهایی مانند چین و هند به زیر ۱۰ درصد می‌رسد.

آرمسترانگ استدلال می‌کند که دسترسی تا حد زیادی توسط جایی که فرد متولد شده است تعیین می‌شود، نه استعداد او، و به سوگیری شدید خانگی اشاره می‌کند که سرمایه‌گذاران را در بازارهای محلی متمرکز نگه می‌دارد، با وجود قرار گرفتن در معرض محدود رشد جهانی.

‏یوتیوب در حال آماده‌سازی برای گسترش وسیع ابزارهای هوش مصنوعی در سال ۲۰۲۶ است، در حالی که وعده می‌دهد اجرای سخت‌گیرانه‌تری را علیه محتوای مصنوعی بی‌کیفیت اعمال کند؛ این تعادل، چگونگی کسب درآمد سازندگان و تجربه بینندگان از این پلتفرم را شکل خواهد داد.

در نامه‌ای به جامعه در روز چهارشنبه، نیل موهان، مدیرعامل یوتیوب، گفت که بخش اصلی این نقشه راه، تلاش یوتیوب برای کاهش “هوش مصنوعی بی‌ارزش” است.

او نوشت: “ما به عنوان یک پلتفرم باز، طیف وسیعی از آزادی بیان را مجاز می‌دانیم، در حالی که اطمینان حاصل می‌کنیم یوتیوب همچنان مکانی است که مردم از گذراندن وقت خود در آن احساس خوبی دارند.”

در حالی که این پلتفرم مدت‌هاست بر باز بودن و حداقل قضاوت تحریریه تأکید دارد، این شرکت اکنون می‌گوید باید فعالانه از تجربه تماشا محافظت کند.

موهان ادامه داد: “با این باز بودن، مسئولیتی برای حفظ تجربه تماشای باکیفیت که مردم می‌خواهند، وجود دارد. برای کاهش انتشار محتوای هوش مصنوعی بی‌کیفیت، ما فعالانه در حال ساختن سیستم‌های تثبیت‌شده خود هستیم که در مبارزه با هرزنامه و کلیک‌بیت بسیار موفق بوده‌اند و انتشار محتوای تکراری و بی‌کیفیت را کاهش می‌دهند.”

محافظت از هویت و چهره

یوتیوب همچنین در حال تقویت حفاظت از شباهت و هویت است و بر اساس چارچوب Content ID خود، به سازندگان و هنرمندان کنترل بیشتری بر نحوه استفاده از چهره‌ها و صداهایشان در محتوای تولید شده توسط هوش مصنوعی می‌دهد.

موهان گفت: “از آنجایی که برچسب‌ها همیشه کافی نیستند، ما هر رسانه مصنوعی مضر را که دستورالعمل‌های انجمن ما را نقض می‌کند، حذف می‌کنیم. در نهایت، ما متعهد به محافظت از یکپارچگی خلاقانه با حمایت از قوانین مهمی مانند قانون NO FAKES هستیم.”

موهان همچنین گفت که سازندگان همچنان ملزم به افشای زمان انتشار رسانه‌های مصنوعی واقع‌گرایانه یا تغییریافته هستند و افزود که یوتیوب همچنین محتوای تولید شده با ابزارهای هوش مصنوعی داخلی خود را برچسب‌گذاری خواهد کرد.

ابزارهای جدید برای سازندگان

با وجود این وعده‌ها، موهان اذعان کرد که تغییرات جدید اغلب با شک و تردید مواجه می‌شوند، اما گفت که این شرکت مسئولیت دارد تا اطمینان حاصل کند که کیفیت با قدرتمندتر شدن ابزارهای هوش مصنوعی، کاهش نمی‌یابد.

در عین حال، یوتیوب در حال پیشروی عمیق‌تر در ایجاد با کمک هوش مصنوعی است، با ویژگی‌های جدید دیگری که برای سال ۲۰۲۶ برنامه‌ریزی شده‌اند، از جمله ابزارهایی که به سازندگان اجازه می‌دهند با استفاده از مدل‌های هوش مصنوعی از خودشان، ویدیوهای کوتاه (Shorts) تولید کنند.

او نوشت: “هوش مصنوعی به عنوان پلی بین کنجکاوی و درک عمل خواهد کرد. در نهایت، ما بر این تمرکز داریم که اطمینان حاصل کنیم هوش مصنوعی به افرادی که یوتیوب را عالی می‌سازند خدمت می‌کند: سازندگان، هنرمندان، شرکا و میلیاردها بیننده‌ای که به دنبال ثبت، تجربه و به اشتراک گذاشتن ارتباط عمیق‌تری با دنیای اطراف خود هستند.”

زمان‌بندی هوش عمومی مصنوعی در حال فشرده شدن است

به گفته داریو آمودی، مدیرعامل شرکت Anthropic، زمان برای آماده‌سازی سیاست‌گذاران در حال اتمام است، سریع‌تر از آنچه بسیاری تصور می‌کنند.

آمودی در یک میزگرد در مجمع جهانی اقتصاد در داووس، در کنار دیمیس هاسابیس، مدیرعامل Google DeepMind، هشدار داد که تکامل سریع هوش مصنوعی آماده است تا از انعطاف‌پذیری بازارهای کار و نهادهای اجتماعی پیشی بگیرد.

آمودی پیش‌بینی تهاجمی خود را مبنی بر اینکه هوش مصنوعی در سطح انسانی تنها چند سال دیگر فاصله دارد، نه دهه‌ها، تأیید کرد.

آمودی گفت: «فکر نمی‌کنم این اتفاق خیلی دور باشد.» او بر پیش‌بینی خود مبنی بر اینکه قابلیت‌های فوق بشری می‌تواند تا سال‌های ۲۰۲۶ یا ۲۰۲۷ به دست آید، پافشاری کرد. «خیلی سخت است که ببینم چطور ممکن است بیشتر از این طول بکشد.»

موتور محرک این شتاب، یک حلقه بازخورد در حال ظهور است که در آن مدل‌های هوش مصنوعی شروع به خودکارسازی ایجاد خود کرده‌اند. آمودی خاطرنشان کرد که در Anthropic، نقش سنتی مهندس نرم‌افزار در حال حاضر توسط هوش مصنوعی دوباره تعریف می‌شود.

او گفت: «من مهندسانی در Anthropic دارم که می‌گویند: «من دیگر هیچ کدی نمی‌نویسم. فقط اجازه می‌دهم مدل کد را بنویسد، من آن را ویرایش می‌کنم.»» «شاید شش تا دوازده ماه دیگر از زمانی که مدل بیشتر، شاید همه، کارهایی را که [مهندسان نرم‌افزار] انجام می‌دهند، از ابتدا تا انتها انجام می‌دهد، فاصله داشته باشیم.»

در حالی که آمودی پیشرفت را به سرعت در حال افزایش می‌بیند – که تنها با عرضه تراشه و چرخه‌های آموزشی محدود می‌شود – هاسابیس دیدگاهی سنجیده‌تر ارائه کرد.

او گفت: «من فکر می‌کنم پیشرفت قابل توجهی حاصل شده است، اما دیدن اینکه چگونه برخی از حوزه‌های مهندسی، کدنویسی یا ریاضیات خودکار می‌شوند، آسان‌تر است، تا حدی به این دلیل که قابل تأیید هستند – خروجی چیست.» «برخی از حوزه‌های علوم طبیعی بسیار سخت‌تر هستند. شما لزوماً نمی‌دانید که آیا ترکیب شیمیایی که ساخته‌اید، یا پیش‌بینی‌ای در مورد فیزیک، درست است یا خیر. ممکن است مجبور شوید آن را به صورت تجربی آزمایش کنید و این زمان بیشتری می‌برد.»

هاسابیس گفت که سیستم‌های هوش مصنوعی فعلی هنوز فاقد توانایی تولید سؤالات، نظریه‌ها یا فرضیه‌های اصلی هستند، حتی با وجود اینکه در حل مشکلات تعریف‌شده بهبود می‌یابند.

هاسابیس گفت: «طرح سؤال در وهله اول، یا ارائه نظریه یا فرضیه، بسیار سخت‌تر است.» «این بالاترین سطح خلاقیت علمی است و مشخص نیست که ما این سیستم‌ها را داشته باشیم.»

مدیر DeepMind یک «احتمال ۵۰ درصدی» برای رسیدن به هوش عمومی مصنوعی تا سال ۲۰۳۰ را حفظ کرد و به شکاف بین محاسبات با سرعت بالا و نوآوری واقعی اشاره کرد.

پیامدهای اقتصادی

با وجود جدول زمانی‌های متفاوتشان، این دو رهبر به یک اجماع غم‌انگیز در مورد پیامدهای اقتصادی رسیدند و توافق کردند که مشاغل یقه سفید در تیررس قرار دارند.

آمودی قبلاً تخمین زده بود که تا نیمی از نقش‌های حرفه‌ای سطح پایه ممکن است در عرض پنج سال از بین بروند، احساسی که او در داووس بر آن تأکید کرد.

نگرانی اصلی برای هر دو مدیر اجرایی، نه فقط خود فناوری، بلکه توانایی دولت‌های جهان برای همگامی با آن است. هاسابیس هشدار داد که حتی بدبینانه‌ترین اقتصاددانان ممکن است سرعت این انتقال را دست‌کم بگیرند و خاطرنشان کرد که «پنج تا ده سال دیگر، زمان زیادی نیست.»

برای آمودی، وضعیت از یک چالش فنی به یک «بحران» وجودی در حکمرانی تبدیل شده است.

او گفت: «این اتفاق خیلی سریع در حال رخ دادن است و یک بحران است، ما باید تقریباً تمام تلاش خود را صرف فکر کردن در مورد چگونگی عبور از این بحران کنیم.» در حالی که او همچنان خوش‌بین است که خطرات – از اصطکاک ژئوپلیتیکی گرفته تا سوء استفاده فردی – قابل مدیریت هستند، هشدار داد که زمان برای خطا کم است.

آمودی گفت: «این خطری است که اگر با هم کار کنیم، می‌توانیم به آن رسیدگی کنیم.» «اما اگر خیلی سریع پیش برویم که هیچ حفاظی وجود نداشته باشد، فکر می‌کنم خطر بروز مشکل وجود دارد.»

تغییر ماهیت مشاغل

برخی از تحلیلگران کارگری استدلال می‌کنند که این اختلال ممکن است کمتر به عنوان جایگزینی مستقیم شغل و بیشتر به عنوان بازسازی خود کار حرفه‌ای ظاهر شود.

باب هاچینس، مدیرعامل Human Voice Media، گفت که موضوع اصلی این نیست که آیا هوش مصنوعی جایگزین کارگران می‌شود یا خیر، بلکه این است که چگونه ماهیت مشاغل آنها را تغییر می‌دهد.

هاچینس گفت: «ما باید از پرسیدن این سؤال که آیا هوش مصنوعی جایگزین مشاغل ما می‌شود یا خیر، دست برداریم و شروع به پرسیدن این سؤال کنیم که چگونه آنها را تخریب می‌کند؟» «تهدیدی مستقیم وجود ندارد که یک ماشین کاملاً جایگزین فردی شود که کار یک نویسنده یا برنامه‌نویس را انجام می‌دهد. تهدید این است که این شغل به وظایف کوچکتر تقسیم می‌شود و توسط یک الگوریتم مدیریت می‌شود.»

به گفته هاچینس، این تغییر، نقش‌های انسانی را از «خالق» به «تأییدکننده» تغییر می‌دهد.

او گفت: «این توانایی متخصصان را برای تصمیم‌گیری از بین می‌برد و مشاغل حرفه‌ای معنادار را به مشاغل غیر ماهر و کم‌درآمد با تمرکز بر تکمیل وظایف فردی تقسیم می‌کند.»

او افزود: «نیروی کار در حال ناپدید شدن نیست، بلکه کمتر آشکار، ناامن‌تر و بسیار دشوارتر برای اتحادیه‌سازی می‌شود.»

‏ویتالیک بوترین، هم‌بنیان‌گذار اتریوم، اعلام کرد که قصد دارد در سال ۲۰۲۶ به طور کامل به شبکه‌های اجتماعی غیرمتمرکز بازگردد. او در آخرین پست خود در X توضیح داد که ابزارهای ارتباطی جمعی بهتر برای یک جامعه بهتر ضروری هستند، در حالی که اشاره کرد پلتفرم‌های فعلی اغلب تعامل کوتاه‌مدت را بر منافع بلندمدت کاربران ترجیح می‌دهند و در ارائه بهترین اطلاعات، استدلال‌ها یا حوزه‌های توافق شکست می‌خورند.

او گفت که هیچ راه‌حل ساده‌ای برای این مسائل وجود ندارد، اما افزود که افزایش رقابت یک نقطه شروع مهم است که می‌تواند از طریق عدم تمرکز فعال شود. به گفته بوترین، شبکه‌های اجتماعی غیرمتمرکز می‌توانند با تکیه بر یک لایه داده مشترک که به هر کسی اجازه می‌دهد کلاینت خود را بر روی آن بسازد، به رقابت کمک کنند، به جای اینکه کاربران را در یک پلتفرم واحد قفل کنند.

او همچنین گفت که در ابتدای سال جاری به شبکه‌های اجتماعی غیرمتمرکز بازگشته است. جالب اینجاست که هر پستی که او در سال ۲۰۲۶ منتشر کرده یا خوانده است، از طریق Firefly انجام شده است، یک پلتفرم چند کلاینتی که از خواندن و ارسال در X، Lens، Farcaster و Bluesky پشتیبانی می‌کند.

انتقاد از پروژه‌های شبکه‌های اجتماعی مبتنی بر رمزنگاری

بوترین از مسیری که بسیاری از پروژه‌های شبکه‌های اجتماعی مبتنی بر رمزنگاری در گذشته طی کرده‌اند انتقاد کرد و در عین حال بیان کرد که این صنعت اغلب افزودن توکن‌های سفته‌بازی را به عنوان نوآوری در نظر گرفته است. او گفت که اگرچه ترکیب پول و پلتفرم‌های اجتماعی ذاتاً اشتباه نیست و Substack را به عنوان نمونه‌ای از یک اقتصاد که از محتوای باکیفیت از طریق اشتراک‌ها پشتیبانی می‌کند، ذکر کرد، اما آزمایش‌های اجتماعی رمزنگاری گذشته بر ایجاد حباب‌های قیمتی پیرامون سازندگان به جای حمایت از کیفیت محتوا متمرکز بوده‌اند.

او گفت که این رویکردها در دهه گذشته بارها شکست خورده‌اند و به سرمایه اجتماعی موجود پاداش داده‌اند و توکن‌های مرتبط پس از یک یا دو سال ارزش خود را از دست داده‌اند. بوترین همچنین به شدت به این استدلال‌ها حمله کرد که ایجاد بازارهای و دارایی‌های جدید به طور خودکار مفید است زیرا “اطلاعات را استخراج می‌کند” و گفت که چنین ادعاهایی اغلب با تصمیمات محصولی که اولویت را به توانایی کاربران برای بهره‌مندی از آن اطلاعات نمی‌دهند، در تضاد است.

او گفت که در عوض، پلتفرم‌های اجتماعی غیرمتمرکز باید توسط تیم‌هایی ساخته و اداره شوند که در درجه اول بر حل مشکلات اجتماعی و بهبود تعامل آنلاین متمرکز هستند.

کمک مالی به ابزارهای پیام‌رسانی متمرکز بر حریم خصوصی

در نوامبر، بوترین در مجموع ۲۵۶ اتر (ETH) برای حمایت از توسعه ابزارهای پیام‌رسانی متمرکز بر حریم خصوصی اهدا کرد. ۱۲۸ اتر به Session و SimpleX، دو پروژه که روی ارتباطات رمزگذاری شده سرتاسر کار می‌کنند، اختصاص یافت. بوترین گفت که پیام‌رسانی رمزگذاری شده برای حریم خصوصی دیجیتال حیاتی است و ایجاد حساب‌های بدون مجوز و حریم خصوصی ابرداده را به عنوان حوزه‌های مهمی که هنوز نیاز به بهبود دارند، ترویج کرد.

او ضمن اذعان به اینکه این پلتفرم‌ها همچنان در حال پیشرفت هستند، فعالانه ارتباطات متمرکز بر حریم خصوصی را پیش برد. او همچنین از توسعه‌دهندگان بیشتری خواست تا به حل چالش‌های فنی باقی‌مانده کمک کنند.

‏Delphi Digital بر این باور است که چرخه ارتقای بزرگ بعدی سولانا، این شبکه را به یک محیط “درجه صرافی” تبدیل خواهد کرد که قادر به پشتیبانی از دفترهای سفارش درون‌زنجیره‌ای است و می‌تواند با مکان‌های متمرکز از نظر تأخیر، عمق نقدینگی و ساختار بازار رقابت کند. این شرکت تحقیقاتی در پستی در تاریخ ۲۰ ژانویه در X با عنوان “سال ۲۰۲۶، سال سولانا” استدلال کرد که نقشه راه سولانا برای سال ۲۰۲۶، “تهاجمی‌ترین چرخه ارتقا”ی آن تا به امروز است، چرخه‌ای که “همه چیز را از اجماع تا زیرساخت‌ها بازسازی می‌کند تا به یک نزدک غیرمتمرکز تبدیل شود.”

چرا Delphi Digital سال ۲۰۲۶ را “سال سولانا” می‌نامد؟

Delphi Digital این نقشه راه را کمتر به عنوان مجموعه‌ای از پیشرفت‌های عملکردی و بیشتر به عنوان یک فشار برای بازارهای سرمایه معرفی کرد: “نقشه راه سولانا در مورد تبدیل آن به یک محیط درجه صرافی است که در آن یک CLOB بومی درون‌زنجیره‌ای می‌تواند با تأخیر، عمق نقدینگی و انصاف CEX رقابت کند. در اینجا تمام ارتقاهایی که این امر را ممکن می‌سازند، آورده شده است.” از این دیدگاه، کاهش میلی‌ثانیه‌ها تنها تا جایی اهمیت دارد که نتایج اجرای قابل پیش‌بینی و قابل اجرا برای برنامه‌هایی مانند معاملات با فرکانس بالا و دفترهای سفارش محدود مرکزی ایجاد کند. Delphi Digital نوشت که نقطه عطف این طرح، Alpenglow است، یک بازطراحی اجماع که آن را “مهم‌ترین تغییر در سطح پروتکل در تاریخ سولانا” نامید. این شرکت گفت که Alpenglow یک معماری جدید را بر اساس Votor و Rotor معرفی می‌کند، که Votor نحوه رسیدن اعتبارسنج‌ها به توافق را تغییر می‌دهد. به جای “زنجیر کردن چندین دور رأی‌گیری به یکدیگر”، اعتبارسنج‌ها آرا را خارج از زنجیره جمع‌آوری کرده و “در یک یا دو دور به قطعیت می‌رسند”، و “قطعیت نظری در محدوده ۱۰۰ تا ۱۵۰ میلی‌ثانیه، از ۱۲.۸ ثانیه اصلی” ایجاد می‌کنند.

Delphi Digital بر مسیرهای نهایی‌سازی موازی Votor به عنوان یک ویژگی انعطاف‌پذیری، نه فقط یک بازی سرعت، تأکید کرد. اگر یک بلوک “حمایت قاطع (۸۰٪ + سهام)” دریافت کند، بلافاصله نهایی می‌شود. اگر حمایت بین ۶۰٪ تا ۸۰٪ باشد، دور دوم فعال می‌شود و اگر آن نیز ۶۰٪ را پاک کند، قطعیت حاصل می‌شود. Delphi Digital استدلال کرد که هدف، حفظ قطعیت حتی با بخش‌های غیرپاسخگوی شبکه است. Alpenglow همچنین چیزی را معرفی می‌کند که Delphi Digital آن را مدل انعطاف‌پذیری “۲۰+۲۰” نامید: ایمنی تا زمانی که بیش از ۲۰٪ از سهام مخرب نباشد، حفظ می‌شود، در حالی که فعالیت حتی اگر ۲۰٪ دیگر آفلاین باشد، ادامه دارد و “تا ۴۰٪ از شبکه را تحمل می‌کند که یا مخرب یا غیرفعال است و همچنان قطعیت را حفظ می‌کند.” بر اساس این طراحی، اثبات تاریخ “عملاً منسوخ شده” و با زمان‌بندی اسلات قطعی و تایمرهای محلی جایگزین می‌شود. Delphi Digital گفت که انتظار می‌رود این ارتقا در اوایل تا اواسط سال ۲۰۲۶ اجرا شود.

Delphi Digital همچنین به Firedancer، کلاینت اعتبارسنج C++ شرکت Jump، به عنوان یک ارتقای ساختاری با هدف کاهش یک ریسک عملیاتی طولانی‌مدت اشاره کرد. سولانا از نظر تاریخی به یک کلاینت واحد، که اکنون به عنوان Agave شناخته می‌شود، متکی بوده است و Delphi Digital این “تک‌فرهنگی” را به عنوان یک ضعف اصلی توصیف کرد، زیرا خطاهای سطح کلاینت می‌توانند به توقف‌های گسترده‌تر شبکه منجر شوند. Delphi Digital گفت که هدف Firedancer، یک موتور قطعی و با توان عملیاتی بالا است که می‌تواند “میلیون‌ها TPS را با حداقل تغییرات تأخیر” پردازش کند. قبل از آمادگی کامل، Delphi Digital “Frankendancer” را برجسته کرد، یک ساختار انتقالی که ماژول‌های تولید شبکه و بلوک Firedancer را با اجزای زمان اجرا و اجماع Agave ترکیب می‌کند، به عنوان پلی برای افزایش “قابل توجه” تنوع کلاینت.

در مورد زیرساخت‌ها، Delphi Digital DoubleZero را به عنوان یک پوشش فیبر خصوصی برای اعتبارسنج‌ها برجسته کرد و مشخصات انتقال آن را به اتصال صرافی سنتی تشبیه کرد: “همان زیرساختی که صرافی‌های سنتی مانند نزدک و CME برای انتقال در سطح میکروثانیه به آن متکی هستند.” استدلال این است که با گسترش مجموعه‌های اعتبارسنج، تغییرات انتشار به دشمن پنجره‌های قطعیت تنگ تبدیل می‌شود. Delphi Digital گفت که با مسیریابی پیام‌ها در امتداد “مسیرهای بهینه” و پشتیبانی از تحویل چندپخشی، DoubleZero می‌تواند شکاف‌های تأخیر را در میان اعتبارسنج‌ها کاهش دهد – یک عامل توانمند برای تشکیل مجمع Votor و طراحی انتشار Rotor.

نقشه راه ساخت بلوک

Delphi Digital همچنین نقشه راه ساخت بلوک سولانا را به عنوان یک پروژه ساختار بازار معرفی کرد. این شرکت BAM (بازارچه مونتاژ بلوک) Jito را به عنوان جدا کردن سفارش از اجرا از طریق یک بازار و لایه حریم خصوصی توصیف کرد، با تراکنش‌هایی که وارد TEE می‌شوند تا “نه اعتبارسنج‌ها و نه سازندگان نمی‌توانند محتوای تراکنش خام را قبل از اعمال سفارش ببینند”، که رفتار قبل از اجرا مانند frontrunning را کاهش می‌دهد. در همین حال، Harmonic رقابت سازندگان را با معرفی یک لایه تجمیع باز هدف قرار می‌دهد تا اعتبارسنج‌ها بتوانند پیشنهادهایی را از “چندین سازنده رقیب در زمان واقعی” بپذیرند، و Delphi Digital خلاصه کرد: “Harmonic را به عنوان یک بازار فرعی و BAM را به عنوان یک بازار خرد در نظر بگیرید.” Raiku این فرضیه را با افزودن تأخیر قطعی و تضمین‌های اجرای قابل برنامه‌ریزی در مجاورت مجموعه اعتبارسنج سولانا تکمیل می‌کند، با استفاده از تراکنش‌های Ahead-of-Time (AOT) برای گردش‌های کاری از پیش متعهد شده و تراکنش‌های Just-in-Time (JIT) برای نیازهای زمان واقعی – بدون تغییر اجماع L1.

Delphi Digital در نهایت نقشه راه فنی را به تقاضای بازار مرتبط کرد: جاذبه معاملات نقدی سولانا، ادغام معاملات آتی درون‌زنجیره‌ای به سمت تعداد انگشت شماری از مکان‌ها و نیاز به دستیابی به برابری عملکرد با پلتفرم‌های متمرکز. این شرکت انتظارات برای “معاملات آتی بومی سولانا مانند Bulk Trade که اوایل سال آینده عرضه می‌شود” را ذکر کرد و به محصولاتی مانند xStocks اشاره کرد که “سهام درون‌زنجیره‌ای را مستقیماً به سولانا” می‌آورند و استدلال کرد که نقدینگی و توجه به سمت شبکه‌ای با تسویه سریع‌تر، UX بهتر و سرمایه متراکم‌تر در حال ادغام است.

‏سام آلتمن، مدیرعامل OpenAI، در واکنش به هشدار عمومی ایلان ماسک، رئیس تسلا، در مورد استفاده از ChatGPT، موضع گرفت.

اتهام به ریاکاری

آلتمن ماسک را به ریاکاری متهم کرد، زیرا ماسک با اشاره به مرگ‌های مرتبط با این چت‌بات هوش مصنوعی، از تصادفات مرگبار «ظاهراً» مرتبط با فناوری Autopilot تسلا چشم‌پوشی کرده بود.

درگیری زمانی آغاز شد که یک کاربر X اعلام کرد: «ChatGPT اکنون به ۹ مرگ مرتبط با استفاده از آن مرتبط شده است و در ۵ مورد ادعا می‌شود که تعاملات آن منجر به خودکشی شده است، از جمله نوجوانان و بزرگسالان.» ماسک در پاسخ گفت: «اجازه ندهید عزیزانتان از ChatGPT استفاده کنند.»

آلتمن در توییتی نوشت: «گاهی اوقات از اینکه ChatGPT بیش از حد محدودکننده است شکایت می‌کنید و سپس در مواردی مانند این ادعا می‌کنید که بیش از حد آزاد است. تقریباً یک میلیارد نفر از آن استفاده می‌کنند و برخی از آنها ممکن است در وضعیت روحی بسیار شکننده‌ای باشند.»

بررسی‌های قانونی

این مشاجره در بحبوحه بررسی‌های قانونی و نظارتی چت‌بات‌های هوش مصنوعی و تأثیر آنها بر کاربران آسیب‌پذیر رخ داده است، و OpenAI با چندین شکایت مرگ ناشی از سهل‌انگاری مواجه است که به ادعای شکست در اقدامات احتیاطی سلامت روان مربوط می‌شود.

مدیرعامل OpenAI افزود: «ما به تلاش خود برای درست انجام دادن این کار ادامه خواهیم داد… اما اینها موقعیت‌های غم‌انگیز و پیچیده‌ای هستند که شایسته احترام هستند.»

آلتمن بحث ایمنی را به سمت ماسک برگرداند و با استناد به گزارش‌هایی مبنی بر مرگ «بیش از ۵۰ نفر» در تصادف‌های مرتبط با Autopilot تسلا، گفت که تجربه کوتاه خودش باعث شد فکر کند این فناوری «به هیچ وجه ایمن نیست» و قبل از خودداری از اظهارنظر بیشتر در مورد تصمیمات ماسک در مورد چت‌بات Grok، این موضوع را بیان کرد.

او خاطرنشان کرد: «شما از این اتهام استفاده می‌کنید که ‘هر اتهامی اعتراف است’.»

OpenAI سال گذشته فاش کرد که تقریباً ۱.۲ میلیون نفر از ۸۰۰ میلیون کاربر هفتگی آن، هر هفته در مورد خودکشی با این چت‌بات بحث می‌کنند و صدها هزار نفر علائم تمایل به خودکشی یا روان‌پریشی را نشان می‌دهند.

هفت خانواده در ماه نوامبر شکایاتی را علیه این پلتفرم تنظیم کردند و ادعا کردند که مدل GPT-4o این شرکت زودتر از موعد و بدون اقدامات احتیاطی مؤثر منتشر شده است.

چهار مورد از این شکایت‌ها به نقش ادعایی ChatGPT در خودکشی اعضای خانواده می‌پردازد، در حالی که سه مورد دیگر ادعا می‌کنند که ChatGPT توهمات مضر را تقویت کرده است که در برخی موارد منجر به مراقبت‌های روانپزشکی بستری شده است.

ماه گذشته، OpenAI با اولین شکایت خود مواجه شد که ChatGPT را به یک قتل مرتبط می‌کرد، وراث یک زن ۸۳ ساله اهل کانکتیکات از این شرکت و مایکروسافت شکایت کردند و ادعا کردند که این چت‌بات باورهای توهمی استین-اریک سولبرگ را تأیید کرده است، که سپس مادرش، سوزان آدامز را کشت و در ماه اوت خودکشی کرد.

تنش‌های دیرینه

این جنگ لفظی به تنش‌های دیرینه بین بنیانگذاران OpenAI اشاره دارد.

ماسک در سال ۲۰۱۵ به همراه آلتمن، گرگ براکمن و ایلیا سوتسکور در راه‌اندازی OpenAI مشارکت کرد، اما طبق اعلامیه‌ای که می‌گفت کناره‌گیری او «یک تعارض احتمالی آینده را از بین می‌برد» در سال ۲۰۱۸ از هیئت مدیره آن استعفا داد، زیرا تسلا کار هوش مصنوعی خود را گسترش می‌داد.

از آن زمان، ماسک OpenAI را متهم کرده است که مأموریت غیرانتفاعی خود را برای تبدیل شدن به «یک بازوی بسته و سودمحور مایکروسافت» رها کرده است و چندین شکایت علیه این شرکت تنظیم کرده است، از جمله ادعاهایی مبنی بر رها کردن مأموریت تأسیس خود و سرقت اسرار تجاری.

در ماه نوامبر، یک قاضی فدرال به شکایت ضد انحصار ماسک علیه اپل و OpenAI اجازه داد تا به سمت محاکمه پیش برود، و X Corp. و xAI به دنبال میلیاردها دلار خسارت هستند، زیرا اپل ChatGPT را به عنوان دستیار هوش مصنوعی انحصاری در iOS قرار داده و ظاهراً رقبایی مانند Grok را مسدود کرده است.

‏نَنسِن قابلیت‌های معاملاتی مبتنی بر هوش مصنوعی را در محصولات وب و تلفن همراه خود راه‌اندازی کرده است که نشان‌دهنده یک تغییر استراتژیک از ابزارهای صرفاً تحلیلی به سمت آنچه که آن را معاملات عاملی می‌نامد، مدلی که اطلاعات لحظه‌ای درون‌زنجیره‌ای را مستقیماً به اجرا متصل می‌کند.

در بیانیه‌ای مطبوعاتی که با CryptoNews به اشتراک گذاشته شد، این شرکت توضیح می‌دهد که این راه‌اندازی به کاربران اجازه می‌دهد تا از بینش به معامله در یک رابط واحد، در ابتدا در شبکه‌های سولانا و بیس، حرکت کنند.

ماه گذشته، ما نسخه آزمایشی معاملات را برای کاربران پولی راه‌اندازی کردیم. امروز، ما راه جدیدی برای معامله برای 𝒂𝙡𝙡 کاربران باز می‌کنیم. pic.twitter.com/J5X5uTuMKV

این راه‌اندازی نشان‌دهنده گسترده‌ترین توسعه محصول نَنسِن تا به امروز است که پلتفرم را فراتر از تحلیل به سمت اجرا ارتقا می‌دهد. اکنون معاملات مستقیماً در ترمینال وب نَنسِن و برنامه تلفن همراه آن، Nansen AI، در دسترس است و به کاربران اجازه می‌دهد تا فرصت‌ها را شناسایی کنند، سبدهای سرمایه‌گذاری را مدیریت کنند و معاملات را بدون خروج از پلتفرم انجام دهند.

اظهارات مدیرعامل

الکس سوانِویک، هم‌بنیان‌گذار و مدیرعامل نَنسِن، گفت که این اقدام شکاف دیرینه بین بینش و عمل را پر می‌کند. وی خاطرنشان کرد که در حالی که نَنسِن از نظر تاریخی در ارائه سیگنال‌های باکیفیت درون‌زنجیره‌ای برتری داشته است، قابلیت‌های جدید به کاربران اجازه می‌دهد تا معاملات را از طریق یک تجربه تلفن همراه مکالمه‌ای و بومی هوش مصنوعی و یک ترمینال معاملاتی سنتی مبتنی بر وب انجام دهند.

داده‌های اصلی

در هسته این محصول، مجموعه داده اختصاصی نَنسِن با بیش از 500 میلیون آدرس کیف پول برچسب‌گذاری شده قرار دارد که این شرکت از آن برای ردیابی رفتار درون‌زنجیره‌ای، شناسایی روندها و تولید سیگنال‌های معاملاتی استفاده می‌کند. این بنیاد داده، آنچه را که نَنسِن به عنوان «معاملات ویژه‌ای» می‌نامد، یک گردش کار بصری که در آن کاربران به طور طبیعی از تجزیه و تحلیل به اجرا می‌روند، تقویت می‌کند.

از طریق برنامه تلفن همراه، کاربران می‌توانند با پرسیدن سؤالات مستقیماً از عامل هوش مصنوعی، که داده‌های لحظه‌ای درون‌زنجیره‌ای را تفسیر می‌کند و پیشنهادات مبتنی بر داده ارائه می‌دهد، معاملات را آغاز کنند. نَنسِن تأکید کرد که در حالی که هوش مصنوعی تصمیم‌گیری را هدایت می‌کند، کاربران کنترل کامل بر اجرا را حفظ می‌کنند.

برخلاف مدل‌های هوش مصنوعی با هدف کلی، Nansen AI به طور خاص بر روی داده‌های درون‌زنجیره‌ای آموزش داده شده و ارزیابی شده است. به گفته این شرکت، این تخصص به آن اجازه می‌دهد تا در معیارهای متمرکز بر تجزیه و تحلیل بلاک‌چین و موارد استفاده از معاملات، از ابزارهای هوش مصنوعی گسترده‌تر پیشی بگیرد و بینش‌هایی را تولید کند که مستقیماً قابل اجرا هستند نه صرفاً توصیفی.

این سیستم به گونه‌ای طراحی شده است که شفاف عمل کند، منحصراً به داده‌های قابل تأیید بلاک‌چین متکی باشد و در پارامترهای تعریف‌شده توسط کاربر عمل کند.

همکاری‌ها

برای پشتیبانی از اجرا در چندین شبکه، نَنسِن با Jupiter، OKX و LI.FI همکاری کرده است. زیرساخت کیف پول از طریق یک Nansen Wallet تعبیه‌شده که توسط Privy پشتیبانی می‌شود، ارائه می‌شود و یک تجربه خود-حراستی را در تلفن همراه و وب امکان‌پذیر می‌کند.

هنری استرن، هم‌بنیان‌گذار و مدیرعامل Privy، گفت که این ادغام امکان معاملات هوشمند و فوری را در عین حفظ حضانت کاربر فراهم می‌کند. معاملات در حال حاضر برای کاربران واجد شرایط در دسترس است، با دسترسی محدود در حوزه‌های قضایی خاص از جمله سنگاپور، روسیه، ایران و دیگران.

‏Chainlink، پلتفرم اصلی اوراکل، با راه‌اندازی «جریان‌های داده ۲۴/۵ سهام ایالات متحده» (24/5 U.S. Equities Streams) سرویس «جریان‌های داده» (Data Streams) خود را گسترش داده است. این سرویس، داده‌های بازار سهام و صندوق‌های قابل معامله در بورس (ETF) ایالات متحده را در طول جلسات معاملاتی، ۲۴ ساعته در روز و ۵ روز در هفته ارائه می‌دهد.

دسترسی به داده‌ها در بیش از ۴۰ بلاک‌چین

بر اساس این اطلاعیه، «جریان‌های داده» در بیش از ۴۰ بلاک‌چین در دسترس است. این سرویس به پروتکل‌ها اجازه می‌دهد تا بازارهای سهام درون زنجیره‌ای بسازند که محدود به ساعات معاملاتی استاندارد ایالات متحده نباشند. آن‌ها می‌توانند بازارهای آتی سهام و بازارهای پیش‌بینی را ایجاد کنند.

علاوه بر این، تعدادی از پروتکل‌ها در حال حاضر از «جریان‌های داده ۲۴/۵ سهام ایالات متحده» Chainlink استفاده می‌کنند. این پروتکل‌ها شامل Lighter، BitMEX، ApeX، HelloTrade، Decibel، Monaco، Opinion Labs و Orderly هستند.

ورود بازار سهام ۸۰ تریلیون دلاری ایالات متحده به زنجیره

«جریان‌های داده ۲۴/۵ سهام ایالات متحده» Chainlink، بازار سهام ایالات متحده با ارزش تقریبی ۸۰ تریلیون دلار را وارد زنجیره می‌کند. داده‌های سریع و امن سهام و ETF اکنون در بیش از ۴۰ زنجیره، ۲۴ ساعته در روز و ۵ روز در هفته در دسترس است. این سرویس مورد اعتماد Lighter، BitMEX، OfficialApeXdex و دیگران است.

Chainlink اعلام کرده است که «جریان‌های داده ۲۴/۵» را بر اساس «استاندارد داده Chainlink» (Chainlink Data Standard) ایجاد کرده است. این استاندارد تاکنون بیش از ۲۷ تریلیون دلار ارزش تراکنش را فعال کرده و بیش از ۱۹ میلیارد پیام تأیید شده را در زنجیره ارائه داده است. همچنین ادعا می‌کند که حدود ۷۰ درصد از امور مالی غیرمتمرکز (DeFi) مرتبط با اوراکل را ایمن کرده است.

علاوه بر این، این سرویس جدید شامل قیمت پیشنهادی و درخواستی، حجم پیشنهادی و درخواستی، قیمت میانی، آخرین قیمت معامله شده، شاخص کهنگی و پرچم‌های وضعیت بازار است.

دسترسی ۲۴/۵ به داده‌های بازار سهام ایالات متحده

به گفته تیم Chainlink، «برای اولین بار، DeFi به داده‌های امن بازار سهام ایالات متحده دسترسی دارد که شامل جلسات خارج از ساعات کاری و شبانه نیز می‌شود و بازار سهام ۸۰ تریلیون دلاری ایالات متحده را وارد زنجیره می‌کند.»

علاوه بر این، «جریان‌های داده ۲۴/۵ سهام ایالات متحده» چندین مشکل مهم را حل می‌کند.

در درجه اول، قیمت‌گذاری قابل اطمینان در کمتر از یک ثانیه – که ۲۴ ساعته در طول جلسات عادی، پیش از بازار، پس از بازار و شبانه در دسترس است – شکاف‌های قیمت‌گذاری، نقاط کور در خارج از ساعات کاری و خطر قیمت‌های مرجع قدیمی را از بین می‌برد.

فراتر از قیمت داده، «جریان‌های داده ۲۴/۵» داده‌های دارایی را برای برنامه‌های مالی ارائه می‌دهد تا «تصویری کامل‌تر از شرایط بازار» ارائه دهد. Chainlink می‌گوید این داده‌ها «منطق قیمت‌گذاری هوشمندتر، مدیریت ریسک پیشرفته و اجرای سریع‌تر برای پروتکل‌های درون زنجیره‌ای» را امکان‌پذیر می‌کنند.

به گفته Chainlink، «جریان‌های داده ۲۴/۵ سهام ایالات متحده» با پوشش گسترده و طرح‌های داده پیشرفته همراه است که طیف وسیعی از موارد استفاده درون زنجیره‌ای را امکان‌پذیر می‌کند.

معامله‌گران می‌توانند در طول بیشتر روزهای هفته با سهام و ETFها در زنجیره کار کنند، خواه برای معامله، وام‌دهی یا اهداف دیگر باشد.

همچنین، این محصول ابزارهایی برای کنترل ریسک، اجرای ایمن‌تر و منطق پیشرفته را از طریق داده‌های بازار در اختیار سازندگان قرار می‌دهد.

موارد استفاده شامل موارد زیر است:

Lighter، دومین صرافی معاملات آتی (perp DEX) بر اساس حجم و بزرگترین رول‌آپ ZK در اتریوم، از Chainlink به عنوان اوراکل رسمی RWA خود استفاده می‌کند. با ادغام «جریان‌های داده ۲۴/۵ سهام» Chainlink به عنوان اوراکل اصلی خود، Lighter بازارهای جدید با تأخیر کم را باز می‌کند که فراتر از ساعات معاملاتی استاندارد هستند.

هدف اصلی محصول جدید

در همین حال، بیانیه مطبوعاتی به موضوع اصلی که این محصول جدید قصد دارد آن را حل کند، پرداخته است. این توضیح می‌دهد که در حالی که دارایی‌های دنیای واقعی (RWA) شاهد پذیرش سریع در زنجیره هستند، سهام ایالات متحده همچنان «به طور قابل توجهی کمتر از حد انتظار» است. با این حال، تیم Chainlink استدلال می‌کند که سهام ایالات متحده یکی از بزرگترین و نقدشونده‌ترین کلاس‌های دارایی در جهان است.

آن‌ها توضیح می‌دهند که دلیل این امر ساختاری است. معاملات فعال شده توسط بلاک‌چین به طور مداوم انجام می‌شود. با این حال، بازارهای سهام ایالات متحده در طول جلسات اختصاصی بازار، در جلسات پراکنده معامله می‌شوند.

همچنین، اکثر راه‌حل‌های داده درون زنجیره‌ای تنها یک نقطه قیمت برای سهام در ساعات معاملاتی استاندارد ارائه می‌دهند. این امر دو مشکل مرتبط را ایجاد می‌کند:

«جریان‌های داده ۲۴/۵ سهام ایالات متحده» Chainlink این مشکل را با «تبدیل داده‌های پراکنده بازار سهام ایالات متحده به «جریان‌های داده» (Data Streams) مداوم و رمزنگاری شده» حل می‌کند. این اطلاعیه می‌افزاید: «در نتیجه، بازارهای سنتی می‌توانند به درستی در زنجیره فعالیت کنند.»

انتشار الگوریتم جدید X
پلتفرم رسانه‌های اجتماعی X متعلق به ایلان ماسک، سه‌شنبه به وعده خود عمل کرد و پرده از یکی از محرمانه‌ترین رازهای رسانه‌های اجتماعی برداشت و معماری یادگیری ماشینی را که تعیین می‌کند چه پست‌هایی در فید کاربران ظاهر شوند، منتشر کرد.

تیم مهندسی X در توییتی اعلام کرد: «ما الگوریتم جدید X خود را که توسط همان معماری ترانسفورمر مدل Grok شرکت xAI پشتیبانی می‌شود، منبع باز کرده‌ایم.»

ایلان ماسک پس از انتشار این خبر در توییتی نوشت: «ما می‌دانیم که این الگوریتم هنوز ناقص است و نیاز به پیشرفت‌های چشمگیری دارد، اما حداقل می‌توانید تلاش‌های ما را برای بهتر کردن آن در زمان واقعی و با شفافیت مشاهده کنید. هیچ شرکت رسانه‌های اجتماعی دیگری این کار را انجام نمی‌دهد.»

این انتشار در پی تعهد ماسک در هفته گذشته صورت گرفت که در آن پستی منتشر کرد و اعلام کرد که «الگوریتم جدید X، از جمله تمام کدهایی که برای تعیین پست‌های ارگانیک و تبلیغاتی که به کاربران توصیه می‌شود، استفاده می‌شود را طی ۷ روز منبع باز خواهد کرد.»

او وعده داد که به‌روزرسانی‌ها «هر ۴ هفته یک‌بار، همراه با یادداشت‌های جامع توسعه‌دهندگان، برای کمک به درک تغییرات، تکرار خواهد شد.»

مخزن GitHub جزئیات یک مدل ترانسفورمر مبتنی بر Grok را ارائه می‌دهد که پست‌های فید «برای شما» در X را با پیش‌بینی اقدامات کاربر مانند لایک و پاسخ، با استفاده از یادگیری ماشینی end-to-end بدون ویژگی‌های مهندسی‌شده دستی، که در زبان‌های Rust و Python برای بازیابی و امتیازدهی ماژولار ساخته شده است، رتبه‌بندی می‌کند.

این الگوریتم محتوا را از دو منبع بازیابی می‌کند: پست‌های درون شبکه از حساب‌هایی که کاربران دنبال می‌کنند و پست‌های خارج از شبکه که از طریق بازیابی مبتنی بر ML کشف می‌شوند و هر دو را از طریق یک سیستم امتیازدهی ترکیب می‌کند که احتمال تعامل را برای هر پست پیش‌بینی می‌کند.

میدون کریشنا ام، هم‌بنیان‌گذار و مدیرعامل TknOps.io، ردیاب هزینه LLM، گفت که انتشار منبع باز می‌تواند استانداردهای صنعت را تغییر دهد.

او به Decrypt گفت: «با افشای معماری ترانسفورمر مبتنی بر Grok، X اساساً یک طرح کلی در اختیار توسعه‌دهندگان قرار می‌دهد تا سیستم‌های توصیه‌ای را که سال‌ها در جعبه‌های سیاه قرار داشته‌اند، درک و احتمالاً بهبود بخشند. این سطح از شفافیت می‌تواند سایر پلتفرم‌ها را مجبور به پیروی یا توضیح دلیل عدم انجام این کار کند.»

وی افزود: «خالقین می‌توانند یاد بگیرند که چه چیزی مؤثر است و بدون کورکورانه بازی کردن با سیستم، تنظیمات لازم را انجام دهند، در حالی که مشوق‌های شفاف‌تر به نفع کاربران عادی است و منجر به محتوای بهتر می‌شود.»

هنگامی که از Grok سؤال شد که آیا کد منبع باز می‌تواند به کاربران در تعیین عواملی که باعث ویروسی شدن پست‌ها می‌شود کمک کند، خود Grok الگوریتم را تجزیه و تحلیل کرد و پنج عامل کلیدی را شناسایی کرد.

این عوامل شامل پیش‌بینی‌های تعامل بر اساس سابقه کاربر برای لایک و بازنشر، تازگی و مرتبط بودن محتوا با امتیازدهی بالاتر پست‌های شخصی‌سازی‌شده به‌موقع، امتیازدهی تنوع که نویسندگان تکراری را محدود می‌کند، تعادل بین حساب‌های دنبال‌شده و پست‌های پیشنهادی ML و سیگنال‌های منفی از مسدود کردن و بی‌صدا کردن است که امتیازات را کاهش می‌دهد.

این انتشار در بحبوحه نظارت شدید بر ابتکارات هوش مصنوعی X صورت می‌گیرد، زیرا هفته گذشته، X دسترسی API را برای پروژه‌های InfoFi که به کاربران برای تعامل با پلتفرم پاداش می‌دادند، لغو کرد و نیکیتا بیر، رئیس محصول، اعلام کرد که این شرکت «دیگر به برنامه‌هایی که به کاربران برای ارسال پست در X پاداش می‌دهند، اجازه نخواهد داد» به دلیل نگرانی‌های مربوط به هرزنامه تولید شده توسط هوش مصنوعی.

اخیراً، X ویژگی‌های تولید و ویرایش تصویر Grok را فقط به مشترکین پولی محدود کرد و اقدامات فنی را برای جلوگیری از ویرایش تصاویر افراد واقعی پس از استفاده از چت‌بات برای ایجاد تصاویر غیراخلاقی غیرتوافقی، از جمله تصاویر افراد خردسال، اجرا کرد که باعث شد تنظیم‌کننده‌های سراسر جهان تحقیقاتی را آغاز کنند که می‌تواند منجر به اقدامات اجرایی شود.

‏شرکت OpenAI در حال آماده شدن برای راه‌اندازی تبلیغات در ChatGPT است، این در حالی است که مدیرعامل این شرکت، سم آلتمن، پیشتر تبلیغات در هوش مصنوعی را «به‌طور منحصربه‌فردی آزاردهنده» و «آخرین راه‌حل» توصیف کرده بود.

این شرکت روز جمعه اعلام کرد که آزمایش تبلیغات را در ایالات متحده طی چند هفته آینده آغاز خواهد کرد. کاربران رایگان و مشترکین طرح جدید ۸ دلاری ChatGPT Go، محتوای حمایت‌شده را در پایین پاسخ‌ها مشاهده خواهند کرد. علاوه بر این، طرح‌های Pro، Business و Enterprise بدون تبلیغات باقی خواهند ماند.

تغییر نظر آلتمن

چه چیزی باعث تغییر نظر آلتمن شد؟ احتمالاً پول. یا بهتر است بگوییم، کمبود آن.

در هفته‌های آینده، ما قصد داریم آزمایش تبلیغات را در طرح‌های رایگان و Go ChatGPT آغاز کنیم.

ما اصول خود را در مورد چگونگی رویکردمان به تبلیغات، که با اولویت قرار دادن اعتماد و شفافیت کاربران هدایت می‌شود، به اشتراک می‌گذاریم تا هوش مصنوعی را برای همه در دسترس قرار دهیم.

آنچه مهم است: – پاسخ‌ها در… pic.twitter.com/3UQJsdriYR
— OpenAI (@OpenAI) ۱۶ ژانویه ۲۰۲۶

OpenAI در سال ۲۰۲۵ حدود ۸ میلیارد دلار ضرر کرد. اسناد داخلی نشان می‌دهد که زیان‌های عملیاتی پیش‌بینی‌شده تا سال ۲۰۲۸ به ۷۴ میلیارد دلار خواهد رسید. این شرکت ۸۰۰ میلیون کاربر هفتگی دارد، اما تنها ۵ درصد از آن‌ها اشتراک پولی دارند. در همین حال، این شرکت بیش از ۱.۴ تریلیون دلار به هزینه‌های زیرساختی متعهد شده است.

همچنین، رقابت شدیدی در فضای هوش مصنوعی وجود دارد و ChatGPT در حال از دست دادن سهم بازار است. طبق داده‌های Similarweb، ChatGPT از ۸۷ درصد از بازار چت‌بات‌های هوش مصنوعی در ژانویه ۲۰۲۵ به حدود ۶۵ درصد در این ماه کاهش یافته است. Google Gemini در همین بازه زمانی از ۵ درصد به بیش از ۱۸ درصد افزایش یافته است. این یک تغییر کوچک نیست.

علاوه بر این، مشکل عرضه سخت‌افزار وجود دارد. گوگل چیزی دارد که OpenAI ندارد: تراشه‌های خودش. TPUs گوگل بیش از یک دهه است که در حال توسعه هستند و تقریباً ۴ تا ۶ برابر کمتر از واحدهای محاسباتی GPUهای Nvidia که OpenAI به آن‌ها وابسته است، هزینه دارند.

وقتی OpenAI برای سخت‌افزار محاسباتی هزینه می‌کند، بخش عظیمی از آن به حاشیه سود Nvidia می‌رود – که به عنوان «مالیات Nvidia» نیز شناخته می‌شود. وقتی گوگل Gemini را اجرا می‌کند، این شرکت در اصل به خودش پول می‌دهد.

گوگل همچنین توزیعی دارد که OpenAI نمی‌تواند با آن رقابت کند. Gemini در Android، Gmail، Chrome و YouTube تعبیه شده است – که تماس کاربران با مدل هوش مصنوعی آن را بسیار آسان (اگر نگوییم اجتناب‌ناپذیر) می‌کند. OpenAI، با وجود فراگیر بودن، هنوز باید مردم را متقاعد کند که از یک وب‌سایت بازدید کنند.

بنابراین، تبلیغات راه حل است.

OpenAI پنج «اصل تبلیغاتی» را منتشر کرد: تبلیغات باید مفید باشند، بر پاسخ‌های ChatGPT تأثیر نمی‌گذارند، مکالمات از تبلیغ‌کنندگان خصوصی می‌مانند، می‌توانید شخصی‌سازی را خاموش کنید و قرار است تجربه کاربری در اولویت قرار گیرد.

آشنا به نظر می‌رسد؟ گوگل چیزهای مشابهی را در مورد کیفیت جستجو گفت. این کار تا زمانی که فشار درآمدی بر آن غلبه کرد، جواب داد. تفاوت این است که گوگل سال‌ها کسب‌وکارهای سودآوری داشت تا جستجو را یارانه دهد. OpenAI چنین مسیری ندارد.

اینکه آیا آن وعده‌ها محقق می‌شوند یا خیر، به اجرا بستگی دارد. تبلیغات در مقیاس بزرگ از نظر تاریخی موفق بوده است، با گوگل و Meta به عنوان نمونه‌های بارز – که هر دو سیستم‌های هدف‌گیری دقیقی را با جمع‌آوری مقادیر زیادی از داده‌های کاربر ایجاد کردند.

ویژگی حافظه ChatGPT و داده‌های مکالمه‌ای، پتانسیل مشابهی را ارائه می‌دهند. این پلتفرم می‌داند که کاربران در مورد شغل، سلامتی و روابط خود چه می‌پرسند – اطلاعاتی که تبلیغ‌کنندگان به آن اهمیت می‌دهند. بنابراین هدف قرار دادن تبلیغات در محبوب‌ترین چت‌بات هوش مصنوعی جهان ممکن است بسیار سودآور باشد.

در حال حاضر، اولین تبلیغات، تبلیغات ساده محصول در زیر پاسخ‌ها خواهد بود. OpenAI اعلام کرد که «بسیار محترمانه» با داده‌های کاربر رفتار خواهد کرد و قالب را بر اساس بازخورد اصلاح می‌کند. این آزمایش در ایالات متحده برای کاربران بزرگسال در هفته‌های آینده آغاز می‌شود. اینکه آیا این برای پر کردن یک حفره ۷۴ میلیارد دلاری کافی است یا خیر، باید دید.