امروز در دنیای هوش مصنوعی اتفاقات مهمی افتاد — از معرفی مدل چندوجهی جمّا ۴ گرفته تا هشداری جدی دربارهی تأثیر هوش مصنوعی بر مهارتهای ریاضی دانشجویان برکلی.
هفتهی گذشته برای کسی که در حوزهی هوش مصنوعی کار میکند، هفتهی کمتحرکی نبود. اخبار امروز از زوایای مختلف نشان میدهند که این فناوری چقدر سریع دارد شکل زندگی حرفهای و آموزشی ما را تغییر میدهد.
گوگل امروز Gemma 4 12B را معرفی کرد؛ مدلی چندوجهی که برخلاف بسیاری از رقبا، بدون انکودر بینایی جداگانه طراحی شده. این رویکرد «encoder-free» هم معماری را سادهتر میکند و هم deployment را برای توسعهدهندگان راحتتر. برای تیمهایی که میخواهند یک مدل واحد برای متن و تصویر داشته باشند، جمّا ۴ میتواند گزینهی جذابی باشد — بهخصوص که در اکوسیستم متنباز گوگل جای میگیرد.
یک گزارش نگرانکننده از دانشگاه برکلی منتشر شده: استادان رشتهی علوم کامپیوتر میگویند همزمان با افزایش استفاده از هوش مصنوعی، نمرات مردودی بالا رفته و سطح مهارت ریاضی دانشجویان پایین آمده. این یعنی هوش مصنوعی بهجای اینکه یادگیری را تقویت کند، دارد جایگزین آن میشود. برای ما در صنعت، این یک زنگ خطر است: نسل بعدی توسعهدهندگان اگر پایههای محکم نداشته باشند، کار کردن با ابزارهای پیچیده هوش مصنوعی برایشان سختتر خواهد بود.
اوبر برای هر کارمند سقف ۱۵۰۰ دلار در ماه برای استفاده از ابزارهای هوش مصنوعی تعیین کرده. سایمون ویلیسون در تحلیلی جالب میگوید این عدد یک سیگنال مفید برای همهی شرکتهاست که دارند مدلهای هزینهای برای این ابزارها طراحی میکنند. اگر شرکت شما هنوز برای هوش مصنوعی بودجهبندی مشخصی ندارد، دیر شده.
آنتروپیک گزارشی دربارهی پیشرفتهایش در زمینهی «بهبود بازگشتی» (recursive self-improvement) منتشر کرده. این یعنی مدلهایی که میتوانند در فرایند بهبود مدلهای بعدی نقش داشته باشند. این یکی از بحثبرانگیزترین حوزههای هوش مصنوعی است و اینکه یک شرکت بزرگ دارد شفاف دربارهاش گزارش میدهد، خودش قابل تأمل است.
آنتروپیک یک چارچوب متنباز برای کشف آسیبپذیریهای امنیتی با کمک هوش مصنوعی منتشر کرده. ابزاری که میتواند به تیمهای امنیتی کمک کند سریعتر و دقیقتر کد را بررسی کنند. برای هر تیمی که روی امنیت نرمافزار کار میکند، ارزش دارد که نگاهی به این مخزن بیندازد.
نظر شخصی من: از کلوژ که نگاه میکنم، میبینم شرکتهای اروپایی هنوز دارند با احتیاط این موج را دنبال میکنند — اما دادههای برکلی نشان میدهد که احتیاط بدون استراتژی مشخص برای آموزش و پیادهسازی، کافی نیست.
