ثروت رمزارزی بارون ترامپ: ۱۵۰ میلیون دلار

بارون ترامپ، کوچک‌ترین پسر دونالد ترامپ، تنها با ۱۹ سال سن و در حالی که دانشجوی سال دوم دانشگاه نیویورک (NYU) است، ثروتی معادل ۱۵۰ میلیون دلار از طریق سرمایه‌گذاری در حوزه رمزارز به دست آورده است. این موفقیت مالی عمده، که منبع آن شرکت رمزارز World Liberty Financial است، در پی پیروزی پدرش در انتخابات و به لطف هوش او در زمینه رمزارزها حاصل شده است. بارون که معمولاً دور از انظار عمومی است، پدرش را با مفاهیم رمزارز آشنا کرد.

مشارکت در راه‌اندازی شرکت و ثروت خانوادگی

بارون ترامپ، که ۲ متر و اندی قد دارد و به ندرت در انظار عمومی حاضر می‌شود، در زمستان گذشته در یک مراسم تحلیف مورد تشویق قرار گرفت. او به پدرش در مورد رمزارزها، از جمله تعریف «کیف پول» (wallet)، آموزش داده است. او در سال گذشته، کمتر از دو ماه پیش از انتخابات ۲۰۲۴، شرکت رمزارز World Liberty Financial را با پدر و برادران بزرگتر خود تأسیس کرد.

فوربس تخمین می‌زند که این شرکت بیش از ۱.۵ میلیارد دلار به ثروت خانواده ترامپ اضافه کرده است، که حدود ۱۰ درصد از آن، معادل ۱۵۰ میلیون دلار، به بارون تعلق دارد.

ساختار سهم و رشد پس از انتخابات

شرکت DT Marks Defi LLC، که سهام خانواده ترامپ در World Liberty را در اختیار دارد، در شهریور پارسال، در مجموع ۲۲.۵ میلیارد توکن رمزارز به نام $WLFI دریافت کرد. این شرکت در ازای تبلیغات و استفاده از نام ترامپ، ۷۵ درصد از درآمدهای World Liberty را پس از ۱۵ میلیون دلار درآمد اولیه کسب کرد.

بر اساس گزارش‌های مالی که دونالد ترامپ به عنوان رئیس‌جمهور ثبت کرده، او در ابتدای سال جاری ۷۰ درصد از DT Marks Defi LLC را مالک بوده و ۳۰ درصد باقی‌مانده متعلق به خانواده بود. با فرض تقسیم مساوی این ۳۰ درصد بین سه پسر، سهم بارون ۱۰ درصد تخمین زده می‌شود، اگرچه امکان دارد این سهم در توافقات بعدی کاهش یافته باشد.

سرمایه‌گذاری جاستین سان و درآمد اولیه

در ابتدا، سهم ۱۰ درصدی بارون ارزش چندانی نداشت، زیرا توکن‌های World Liberty قابل انتقال یا فروش مجدد نبودند و فروش توکن‌ها نیز متوسط بود. اما پس از پیروزی ترامپ در انتخابات، جاستین سان، کارآفرین میلیاردر رمزارز که تحت بررسی SEC قرار داشت، اعلام کرد که ۷۵ میلیون دلار در این پروژه سرمایه‌گذاری می‌کند.

فروش توکن‌ها بلافاصله افزایش یافت. تا اواسط تابستان، World Liberty حدود ۶۷۵ میلیون دلار توکن فروخته بود. سهم بارون از این فروش، پس از کسر مالیات، حدود ۳۸ میلیون دلار برآورد شده است.

محصولات جدید و ارزش‌گذاری استیبل‌کوین

World Liberty در اسفند پارسال محصول دیگری را معرفی کرد: یک استیبل‌کوین (رمزارز با ارزش ثابت) به نام USD1 که به دلار آمریکا وابسته است. ارزش بازار این رمزارز حدود ۲.۶ میلیارد دلار است، که نشان می‌دهد ارزش کسب‌وکار زیربنایی آن حدود ۸۸۰ میلیون دلار است. به نظر می‌رسد که یک نهاد وابسته به خانواده ترامپ ۳۸ درصد از این سرمایه‌گذاری را در اختیار دارد. سهم بارون از این بخش می‌تواند حدود ۳۴ میلیون دلار ارزش داشته باشد.

قرارداد با Alt5 Sigma و سهم توکن‌ها

در اواسط تابستان، World Liberty با یک شرکت مراقبت‌های بهداشتی با نام Alt5 Sigma به توافق رسید؛ این شرکت قصد داشت به یک شرکت خزانه‌داری رمزارز تبدیل شود. Alt5 Sigma در ازای یک میلیون سهم از سهام خود و انواع دیگر ضمانت‌نامه‌ها، ۷۵۰ میلیون دلار توکن $WLFI معامله کرد. Alt5 Sigma از مبلغی که جمع‌آوری کرده بود، ۷۱۷ میلیون دلار توکن World Liberty Financial خریداری کرد که بیش از ۵۰۰ میلیون دلار آن به شرکت ترامپ و حدود ۴۱ میلیون دلار (پس از کسر مالیات) به بارون ترامپ رسید.

ارزش توکن‌های قفل شده و دارایی خالص نهایی

بارون همچنین ۲.۲۵ میلیارد توکن World Liberty دریافت کرد که ۱۰ درصد از آن ۲۲.۵ میلیارد توکن اولیه بود. اگرچه این توکن‌ها در ابتدا فاقد ارزش‌گذاری بودند چون قابل فروش مجدد نبودند، اما در اواسط تابستان دارندگان توکن رأی به آزادسازی ۲۰ درصد (به جز اموال بنیان‌گذاران) دادند.

توکن‌های محدودی که در بازار فروخته می‌شوند، حدود ۲۰ سنت قیمت دارند. فوربس با احتساب این مسائل و قفل بودن توکن‌های بنیان‌گذاران، ارزش سهم ۱۰ درصدی بارون از توکن‌های اولیه را حدود ۴۵ میلیون دلار تخمین می‌زند. مجموع این دارایی‌ها به کمی بیش از ۱۵۰ میلیون دلار می‌رسد.

شهر بافته: آزمایشگاه زنده تویوتا

شرکت تویوتا، که اکنون خود را به یک شرکت «جابجایی» (mobility) تغییر برند داده است، در نمایشگاه لوازم الکترونیکی مصرفی (CES) سال گذشته، برنامه‌های خود برای ساخت Woven City را اعلام کرد. این پروژه شامل ساخت یک کلان‌شهر ۱۷۵ هکتاری با فناوری پیشرفته و مملو از حسگر است که قرار است از ابتدا در دامنه کوه فوجی در ژاپن بنا شود.

این شهر که قرار است در سال ۲۰۲۶ کلنگ‌زنی شود، به عنوان یک آزمایشگاه زنده برای آزمایش جدیدترین فناوری‌های هوشمند تویوتا عمل خواهد کرد.

زیرساخت‌های هوشمند و آزمایشگاه زندگی

Woven City به گونه‌ای طراحی شده است که در آن ساختمان‌ها، وسایل نقلیه و انسان‌ها از طریق انواع حسگرها با یکدیگر «صحبت» خواهند کرد. منازل مسکونی به دستیاران هوش مصنوعی مجهز می‌شوند که همه چیز را، از دفع زباله ساکنان گرفته تا وضعیت سلامتی آن‌ها، تحت نظر قرار می‌دهند.

وسایل نقلیه خودران مانند E-Palettes تویوتا (که شاتل‌های خودران و فروشگاه‌های خرده‌فروشی سیار هستند) افراد را جابجا خواهند کرد، در حالی که روبات‌ها زیر زمین مسئولیت تحویل کالاها را بر عهده خواهند گرفت.

انگیزه ساخت «شهر واقعی» و طراحی پایدار

رئیس تویوتا، آکیو تویودا، هدف از Woven City را آزمایش تمام ایده‌های فناوری در یک مکان واحد توصیف کرد. در حالی که تویوتا قبلاً میلیون‌ها دلار در سایت‌های آزمایشی شبیه‌سازی شده مانند M-City در دانشگاه میشیگان برای تحقیقات وسایل نقلیه خودران سرمایه‌گذاری کرده بود، تویودا این بار پرسید: «چرا یک شهر واقعی نسازیم و افراد واقعی در آن زندگی نکنند؟». این شهر از نظر زیست‌محیطی نیز طراحی شده است: ساختمان‌ها از چوب ساخته می‌شوند، که ردپای کربنی کمتری نسبت به بتن دارد، و کل اکوسیستم از طریق سوخت هیدروژنی تأمین انرژی خواهد شد.

طرح جامع و ساختار شبکه‌ای شهر

تویوتا برای توسعه طرح جامع، شرکت معماری بیارکه اینگلس (Bjarke Ingels) را استخدام کرده است. عنصر اصلی این طرح یک شبکه درهم‌تنیده است که امکان همزیستی بین عابران پیاده، دوچرخه‌سواران و خودروها را فراهم می‌کند. این شهر دارای سه نوع خیابان خواهد بود: یکی منحصراً برای خودروهای خودران، دیگری برای وسایل نقلیه کوچک با سرعت کمتر، و سومی (که اینگلس آن را «پارک خطی» توصیف کرد) تنها برای عابران پیاده خواهد بود. همچنین، محله‌ها، پارک‌ها و یک میدان مرکزی به عنوان فضاهای تجمع اجتماعی برای ساکنان در نظر گرفته شده است.

سابقه شکست و مقایسه با پروژه‌های مشابه

تویوتا اولین شرکتی نیست که ساخت یک شهر «واقعی» با فناوری آینده‌نگر را پیشنهاد داده است. دیزنی با EPCOT در دهه ۱۹۶۰ همین ایده را داشت، و اخیراً شرکت‌هایی مانند آلفابت (شرکت مادر گوگل)، فیس‌بوک و بیل گیتس نیز جوامع با فناوری پیشرفته خود را پیشنهاد یا آغاز کرده‌اند.

با این حال، سابقه این پروژه‌ها خوش‌بینانه نبوده است. برای مثال، سونگدو (Songdo) در کره جنوبی، که یکی از اولین «شهرهای هوشمند» بود، تنها به یک سوم جمعیت هدف ۳۰۰ هزار نفری خود رسیده است و ساکنان آنجا را «سرد، تنها و خالی» توصیف کرده‌اند.

انتقاد از دیدگاه‌های محدود و عدم تمرکز بر انسان

منتقدان، از جمله جان یونگ (بنیان‌گذار انجمن جامعه هوشمند)، معتقدند که فناوری به‌تنهایی یک شهر را نمی‌سازد. یونگ می‌گوید اگر عناصر اصلی برنامه‌ریزی شهری ادغام نشوند، این‌ها شهرهای واقعی نیستند، زیرا «برای آشنایی مردم با یکدیگر طراحی نشده‌اند». بن گرین، محقق هاروارد، از شهرهای هوشمند شرکتی به دلیل داشتن «دیدگاه محدود» انتقاد می‌کند و می‌گوید فن‌دوستان، شهرها را چیزی جز «زمینه‌های انتزاعی برای راه‌حل‌های کارآمد تحرک و ارائه خدمات» نمی‌دانند.

چالش داده‌ها و ضرورت دیدگاه انسان‌محور

این پروژه‌ها اغلب چالش‌های واقعی و فوری شهری مانند آلودگی، نابرابری اجتماعی و ناامنی مسکن را نادیده می‌گیرند. تویوتا قصد دارد شهر خود را با افرادی که «برای شرکت در آزمایش ثبت‌نام می‌کنند» پر کند. این می‌تواند مقاومت در برابر مسائل اخلاقی مانند حریم خصوصی داده‌ها را کاهش دهد. با این حال، یونگ معتقد است که این آزمایش‌ها در نهایت اگر «انسان را در مرکز آن فراموش کنید» در معرض خطر بی‌ربطی قرار می‌گیرند. او می‌افزاید: «هیچ شهری یک آرمان‌شهر نیست».

سوپر مموری: راه‌حل حافظه بلندمدت هوش مصنوعی

شرکت استارتاپی «سوپر مموری» (Supermemory) که توسط دراویا شاه ۱۹ ساله تأسیس شده است، توانسته حمایت مالی مدیران اجرایی گوگل و سایر رهبران فناوری را برای راه‌حل حافظه هوش مصنوعی خود جلب کند. با وجود اینکه مدل‌های هوش مصنوعی توانایی بیشتری برای به‌خاطر سپردن اطلاعات در پنجره‌های متنی (context windows) یافته‌اند، همچنان در حفظ حافظه بلندمدت در طول جلسات متعدد دچار مشکل هستند.

سوپر مموری با هدف حل این مسئله، یک راه‌حل حافظه جامع برای برنامه‌های هوش مصنوعی ارائه می‌دهد.

بنیان‌گذار جوان و سابقه کارآفرینی

دراویا شاه، بنیان‌گذار شرکت، اهل بمبئی هند است. او در ابتدا با ساخت ربات‌ها و برنامه‌هایی برای مصرف‌کنندگان شروع به کار کرد، از جمله رباتی که توئیت‌ها را به اسکرین‌شات‌های زیبا تبدیل می‌کرد و آن را به ابزار رسانه‌های اجتماعی Hypefury فروخت. شاه پس از فروش و کسب درآمد، تصمیم گرفت به جای شرکت در کنکور IIT، به ایالات متحده نقل مکان کرده و در دانشگاه ایالتی آریزونا تحصیل کند.

وی در آمریکا، چالش ساخت یک محصول جدید در هر هفته و به مدت ۴۰ هفته را آغاز کرد و در طول یکی از همین هفته‌ها، سوپرمموری (که در ابتدا Any Context نام داشت) را ساخت و در گیت‌هاب قرار داد.

ساختار حافظه و استخراج بینش‌ها

هدف اصلی سوپرمموری استخراج «حافظه‌ها» یا بینش‌ها از داده‌های بدون ساختار و کمک به برنامه‌های کاربردی هوش مصنوعی برای درک بهتر زمینه است. این راهکار که اکنون به عنوان یک API حافظه جهانی برای برنامه‌های هوش مصنوعی توصیف می‌شود، یک گراف دانش (knowledge graph) را بر اساس داده‌هایی که پردازش می‌کند، ایجاد کرده و زمینه را برای کاربران شخصی‌سازی می‌نماید.

این قابلیت می‌تواند از پرس‌و‌جو در میان ورودی‌های ماهانه یک برنامه ژورنال‌نویسی تا جستجو در یک برنامه ایمیل را پشتیبانی کند.

پشتیبانی از داده‌های چندوجهی و انواع ورودی

شاه اظهار داشت که نقطه قوت اصلی سوپرمموری توانایی آن در استخراج بینش‌ها از هر نوع داده بدون ساختار و ارائه زمینه بیشتر درباره کاربران به برنامه‌ها است. این شرکت می‌گوید راه‌حل آن‌ها از ورودی‌های چندوجهی (multimodal) پشتیبانی می‌کند. این بدان معناست که یک ویرایشگر ویدئو می‌تواند دارایی‌های مرتبط را از یک کتابخانه برای یک اعلان خاص بازیابی کند.

سوپرمموری می‌تواند انواع داده‌ها از جمله فایل‌ها، اسناد، چت‌ها، پروژه‌ها، ایمیل‌ها و جریان‌های داده برنامه‌ها (app data streams) را جذب کند. این سیستم همچنین یک افزونه کروم برای افزودن آسان یادداشت‌ها از وب‌سایت‌ها و اتصال به ابزارهایی مانند گوگل درایو و Notion را داراست.

جذب سرمایه از رهبران صنعت فناوری

سوپرمموری موفق به جذب ۲.۶ میلیون دلار سرمایه بذری (seed funding) شده است که رهبری آن را شرکت‌های Susa Ventures، Browder Capital و SF1.vc بر عهده داشتند. این دور تأمین مالی همچنین شامل سرمایه‌گذاران فردی برجسته‌ای بود، از جمله جف دین (رئیس بخش هوش مصنوعی گوگل)، دین کنشت (مدیر ارشد فناوری کلودفلر)، لوگان کیلپاتریک (مدیر محصول DeepMind)، بنیان‌گذار سِنتری، و مدیران اجرایی از شرکت‌های OpenAI، Meta و Google. این حمایت قوی صنعتی، تأییدی بر نیاز مبرم به لایه حافظه در اکوسیستم هوش مصنوعی است.

مزیت رقابتی و عملکرد بالا

با وجود رقابت قابل توجه در فضای حافظه هوش مصنوعی (مانند استارتاپ‌هایی چون Letta و Mem0)، شاه معتقد است که سوپرمموری به دلیل ارائه تأخیر کمتر (lower latency) از سایرین متمایز خواهد شد.

جاشوا برودر، بنیان‌گذار DoNotPay و یکی از سرمایه‌گذاران، اظهار داشت که راهکار سوپرمموری عملکرد بالایی ارائه می‌دهد و در عین حال به کاربران اجازه می‌دهد زمینه مرتبط را به سرعت آشکار سازند. این شرکت اکنون مشتریان متعددی دارد، از جمله دستیار دسکتاپ Cluely، ویرایشگر ویدئوی Montra و استارتاپ املاک Rets. همچنین با یک شرکت رباتیک برای حفظ حافظه‌های بصری گرفته شده توسط ربات همکاری می‌کند.

ضرورت لایه حافظه در آینده هوش مصنوعی

اگرچه این برنامه برای مصرف‌کنندگان نیز کارایی دارد، اما بیشتر شبیه یک «زمین بازی» برای توسعه‌دهندگان است تا ابزار را بهتر درک کنند و احتمالاً از آن در گردش کار یا برنامه‌های خود استفاده کنند. اهمیت این لایه حافظه در آینده توسط سرمایه‌گذاران نیز تأیید می‌شود؛ برودر تأکید کرد که «تعداد بیشتری از شرکت‌های هوش مصنوعی به یک لایه حافظه نیاز خواهند داشت». سرعت عمل شاه در توسعه محصول، عاملی بود که سرمایه‌گذاران را تحت تأثیر قرار داد.

بازپس‌گیری کلاهبرداری بریتانیا با هوش مصنوعی

دولت بریتانیا با استفاده از یک ابزار جدید هوش مصنوعی که برای مبارزه با تقلب طراحی شده است، در طول سال گذشته تقریباً ۵۰۰ میلیون پوند را که در اثر کلاهبرداری از دست رفته بود، باز پس گرفته است. دفتر کابینه اعلام کرد که مبلغ بازیابی‌شده، یعنی ۴۸۰ میلیون پوند در ۱۲ ماه از فروردین سال گذشته، بزرگ‌ترین مبلغی است که تاکنون توسط تیم‌های مبارزه با تقلب دولتی در یک سال واحد بازپس گرفته شده است.

این صرفه‌جویی‌های مالی از طریق مقایسه اطلاعات نگهداری شده توسط وزارتخانه‌های مختلف دولتی و همچنین استفاده از ابزار هوش مصنوعی جدید حاصل شده است.

هدف‌گذاری سرمایه‌های عمومی و برنامه‌های آتی

جاش سایمونز، وزیر دفتر کابینه، اعلام کرد که استفاده از «ابزارهای پیشرفته هوش مصنوعی و داده» تضمین می‌کند که دولت می‌تواند از بودجه عمومی محافظت کرده و اجازه ندهد این پول‌ها «جیب کلاهبرداران و شیادان را پر کند».

این صرفه‌جویی‌ها قرار است برای استخدام پرستاران، معلمان و افسران پلیس استفاده شود. دستاورد ۴۸۰ میلیون پوندی، که بزرگ‌ترین مبلغ بازیابی شده در یک سال است، در یک اجلاس مبارزه با تقلب که به طور مشترک توسط بریتانیا، ایالات متحده، کانادا و استرالیا برگزار می‌شود، اعلام خواهد شد.

بازپس‌گیری وجوه مربوط به کلاهبرداری‌های همه‌گیری

بیش از یک سوم از پولی که دولت بازپس گرفته، به فعالیت‌های کلاهبرداری در طول همه‌گیری کووید-۱۹ مربوط می‌شود. از کل مبلغ بازیابی شده، ۱۸۶ میلیون پوند مستقیماً به کلاهبرداری کووید مرتبط بود. این رقم شامل جلوگیری از انحلال صدها شرکتی است که وام‌های برگشت‌پذیر (Bounce Back Loans) با پتانسیل کلاهبرداری دریافت کرده بودند.

این وام‌ها، که تا سقف ۵۰ هزار پوند بودند، به دلیل عدم دقت کافی در بررسی‌ها مورد انتقاد قرار گرفته بودند و نمونه‌هایی از کلاهبرداری در آن‌ها مشاهده شده بود (مانند زنی که شرکتی ساختگی ایجاد کرده و پول وام را به لهستان فرستاده بود).

معرفی شتاب‌دهنده ارزیابی ریسک تقلب

ابزار هوش مصنوعی جدید با نام “شتاب‌دهنده ارزیابی ریسک تقلب” (Fraud Risk Assessment Accelerator) توسط محققان دفتر کابینه توسعه یافته است. این ابزار به این دلیل توسعه داده شد که نگرانی‌هایی در وایتهال (Whitehall) در مورد سطح تقلب مشاهده شده در طول همه‌گیری وجود داشت.

دفتر کابینه می‌گوید این ابزار “سیاست‌ها و رویه‌های جدید را برای شناسایی نقاط ضعف، قبل از اینکه مورد سوءاستفاده قرار گیرند، اسکن می‌کند”. هدف این است که سیاست‌ها قبل از اجرا، “ضدتقلب” (fraud-proof) شوند.

گسترش بین‌المللی فناوری بریتانیا

این ابزار که قبلاً در حال اجرا در سایر بخش‌های دولتی است، اکنون برای استفاده بین‌المللی مجوز داده خواهد شد. قرار است این ابزار به کشورهای دیگر، از جمله ایالات متحده و استرالیا، ارائه شود. انتظار می‌رود که کشورهای کانادا و نیوزلند نیز به نوعی این ابزار را بپذیرند. این حرکت تأکیدی بر قابلیت‌های بریتانیا در حوزه فناوری مبارزه با تقلب است، با این حال، می‌تواند نگرانی‌هایی را در میان گروه‌های کمپین ایجاد کند.

نگرانی‌ها در مورد تعصب و استفاده کنترل‌نشده

استفاده دولت از هوش مصنوعی برای مقابله با تقلب قبلاً با انتقاد فعالان مدنی مواجه شده است. سال گذشته، مشخص شد که یک ابزار هوش مصنوعی مورد استفاده برای مبارزه با تقلب در مزایای رفاهی، بر اساس عواملی مانند سن، معلولیت، وضعیت تأهل و ملیت افراد، سوگیری (bias) نشان داده است.

اسنادی که تحت قوانین آزادی اطلاعات برای روزنامه گاردین منتشر شد، اعتراف کرده بودند که ابزار مورد استفاده توسط وزارت کار و امور بازنشستگی، در یک “تحلیل عدالت”، “تفاوت نتیجه از نظر آماری قابل توجهی” را نشان داده است.

راه‌اندازی شبکه اجتماعی سورا ۲ شبیه تیک‌تاک

شرکت OpenAI در حال آماده‌سازی برای راه‌اندازی یک برنامه مستقل شبکه اجتماعی برای مدل هوش مصنوعی تولید ویدئوی خود به نام Sora 2 است. این پلتفرم که یک فید ویدیویی عمودی با قابلیت اسکرول شبیه به تیک‌تاک (TikTok) دارد، کاملاً توسط هوش مصنوعی تولید می‌شود.

این حرکت نشان می‌دهد که OpenAI معتقد است این برنامه می‌تواند نحوه تعامل مردم با ویدئوهای تولیدشده توسط هوش مصنوعی را به شکلی اساسی تغییر دهد، مشابه تأثیری که ChatGPT بر متن‌های تولیدشده توسط هوش مصنوعی داشت.

طراحی شبیه به تیک‌تاک و محتوای انحصاری هوش مصنوعی

برنامه جدید Sora 2 دارای یک فید ویدیویی عمودی با ناوبری اسکرول-به-کشیدن است که به طور چشمگیری شبیه به تیک‌تاک به نظر می‌رسد. با این حال، تفاوت کلیدی این است که تمام محتوای موجود در این فید، که شامل یک صفحه پیشنهادی شبیه به “For You” است، توسط هوش مصنوعی تولید شده است.

کاربران در سمت راست فید، یک نوار منو خواهند دید که گزینه‌هایی برای لایک، کامنت گذاشتن یا ریمیکس کردن یک ویدئو را در اختیار آن‌ها قرار می‌دهد. طبق اسناد مشاهده شده، کاربران نمی‌توانند عکس یا ویدئوهایی را از گالری خود یا سایر برنامه‌ها در این پلتفرم بارگذاری کنند.

قابلیت‌های تولید ویدئو و بازخورد داخلی

کاربران در این برنامه می‌توانند کلیپ‌های ویدیویی تا ۱۰ ثانیه طول، با استفاده از مدل نسل بعدی Sora 2 تولید کنند. OpenAI این برنامه را در هفته گذشته به صورت داخلی راه‌اندازی کرده است. بازخورد دریافتی از سوی کارکنان بسیار مثبت بوده است؛ به طوری که برخی از مدیران شوخی کرده‌اند که استفاده مکرر از این ابزار ممکن است به کاهش بهره‌وری منجر شود.

OpenAI پیش از این مدل Sora را در زمستان سال گذشته به صورت رسمی از طریق یک صفحه وب و سپس درون برنامه ChatGPT منتشر کرده بود، که در آن زمان یکی از پیشرفته‌ترین مدل‌های تولید ویدئو بود.

تأیید هویت و کنترل بر چهره افراد

یکی از ویژگی‌های مهم اپلیکیشن Sora 2، قابلیت تأیید هویت است که به کاربران اجازه می‌دهد چهره خود را تأیید کنند. در صورتی که کاربری هویت خود را تأیید کند، می‌تواند از چهره‌اش در ویدئوهای تولیدی استفاده کند. همچنین، کاربران دیگر می‌توانند آن‌ها را تگ کرده و از چهره‌شان در کلیپ‌ها استفاده نمایند.

برای مثال، می‌توان ویدیویی از خود و یک دوست در حال سوار شدن بر ترن هوایی در شهربازی ساخت. نکته حائز اهمیت این است که کاربران هر زمان که از چهره آن‌ها استفاده شود، حتی اگر کلیپ در حالت پیش‌نویس باقی بماند و هرگز پست نشود، اعلان دریافت خواهند کرد.

رقابت بازار و فرصت‌های تیک‌تاک

برنامه Sora 2 با محصولات ویدئویی جدیدی از رقبای بزرگی چون متا (Meta) و گوگل (Google) رقابت خواهد کرد. متا اخیراً فیدی به نام “Vibes” را در برنامه Meta AI معرفی کرده است که منحصراً به ایجاد و اشتراک‌گذاری ویدئوهای کوتاه تولیدشده توسط هوش مصنوعی اختصاص دارد.

گوگل نیز مدل تولید ویدیوی خود، Veo 3، را در یوتیوب ادغام می‌کند. با این حال، منابع داخلی در OpenAI احساس می‌کنند که معامله متناوب پرزیدنت ترامپ برای فروش عملیات آمریکایی تیک‌تاک، فرصتی منحصر به فرد به OpenAI داده است تا یک برنامه ویدیوی کوتاه، به‌ویژه بدون پیوندهای نزدیک به چین، را راه‌اندازی کند.

فیلترهای کپی‌رایت و مسائل ایمنی

OpenAI در تلاش است تا محتوای تولیدشده توسط هوش مصنوعی را مدیریت کند. اغلب اوقات، برنامه Sora 2 به دلیل حفاظت‌های کپی‌رایت و سایر فیلترها از تولید ویدئوها خودداری می‌کند. OpenAI همچنین با یک سری شکایت در خصوص نقض کپی‌رایت مواجه است، از جمله پرونده مهمی که توسط نیویورک تایمز مطرح شده و ادعا می‌کند مدل‌های هوش مصنوعی بر روی محتوای دارای حق نسخه‌برداری این روزنامه آموزش دیده‌اند.

در مورد ایمنی، OpenAI با انتقادات فزاینده‌ای درباره ایمنی کودکان مواجه است. تیک‌تاک رویکرد محتاطانه‌تری دارد و محتوای تولیدشده توسط هوش مصنوعی را که «گمراه‌کننده در مورد مسائل با اهمیت عمومی یا مضر برای افراد» است، صراحتاً ممنوع می‌کند.

رقابت حاکمیتی هوش مصنوعی کره‌جنوبی

کره جنوبی با راه‌اندازی جاه‌طلبانه‌ترین طرح هوش مصنوعی حاکمیتی خود، قصد دارد با غول‌های جهانی مانند اوپن‌ای‌آی (OpenAI) و گوگل رقابت کند. این کشور با اختصاص ۵۳۰ میلیارد وون (حدود ۳۹۰ میلیون دلار) به پنج شرکت محلی، به دنبال توسعه مدل‌های زبان بزرگ (LLM) متناسب با زبان و فرهنگ خود است.

این حرکت تأکیدی بر تمایل سئول برای کاهش وابستگی به فناوری‌های خارجی هوش مصنوعی، تقویت امنیت ملی و حفظ کنترل شدیدتر بر داده‌ها در عصر هوش مصنوعی است.

رقابت حاکمیتی و ساختار حذف

وزارت علوم و فناوری اطلاعات و ارتباطات پنج شرکت را برای رقابت در این پروژه انتخاب کرده است: ال‌جی اِی‌آی ریسرچ (LG AI Research)، اس‌کی تلکام (SK Telecom)، نِیور کلاد (Naver Cloud)، اِن‌سی اِی‌آی (NC AI)، و استارتاپ آپ‌استیج (Upstage). دولت هر شش ماه یک بار پیشرفت این گروه اولیه را بررسی می‌کند، شرکت‌های ضعیف را حذف می‌کند و تأمین مالی پیشتازان را تا زمانی که تنها دو شرکت باقی بمانند تا مسیر هوش مصنوعی حاکمیتی کشور را رهبری کنند، ادامه خواهد داد.

هر یک از این بازیگران مزیت‌های متفاوتی را برای این مسابقه به ارمغان می‌آورند تا در زمین خانگی خود با شرکت‌هایی مانند گوگل و آنتروپیک رقابت کنند.

استراتژی ال‌جی: کارایی در مقابل مقیاس خالص

ال‌جی اِی‌آی ریسرچ، واحد تحقیق و توسعه گروه ال‌جی، مدل هوش مصنوعی ترکیبی استدلال‌گر خود به نام Exaone 4.0 را ارائه می‌دهد. این نسخه جدید پردازش زبان گسترده را با ویژگی‌های استدلال پیشرفته‌تر ترکیب می‌کند. ال‌جی به جای دنبال کردن مقیاس صرف، بر هوشمندتر کردن کل فرآیند تمرکز دارد، به‌گونه‌ای که هوش مصنوعی آن بتواند ارزش عملی واقعی ارائه دهد که فراتر از مدل‌های عمومی است.

این شرکت از طریق دسترسی عمیق به داده‌های صنعتی واقعی (از بیوتکنولوژی تا مواد پیشرفته و تولید) به دنبال بهبود مدل‌های خود است. ال‌جی همچنین به جای کلاسترهای عظیم پردازنده گرافیکی (GPU)، بر کارایی و به حداکثر رساندن بهره‌وری از هر تراشه تمرکز دارد.

مزیت اس‌کی تلکام: شبکه‌های مخابراتی و بومی‌سازی

اس‌کی تلکام (SKT)، غول مخابراتی کره جنوبی، در تابستان مدل زبان بزرگ جدید خود، A.X را عرضه کرد. اس‌کی تلکام ادعا می‌کند که A.X 4.0 ورودی‌های کره‌ای را تقریباً ۳۳ درصد کارآمدتر از GPT-4o پردازش می‌کند که برتری آن در زبان محلی را نشان می‌دهد.

مزیت اصلی اس‌کی تلکام، تطبیق‌پذیری آن است، زیرا به اطلاعات شبکه مخابراتی خود، از جمله ناوبری و سرویس‌های تاکسی آنلاین، دسترسی دارد. این شرکت از زیرساخت‌های خود برای تبدیل شدن به پلی بین تحقیقات مدل‌های پیشرفته و تأثیرگذاری در دنیای واقعی استفاده می‌کند، و هوش مصنوعی را مستقیماً به زندگی روزمره می‌آورد.

رویکرد نِیور کلاد: مالکیت کامل «پشته هوش مصنوعی»

نِیور کلاد، بازوی خدمات ابری شرکت پیشرو اینترنت کره جنوبی، مدل‌های HyperCLOVA X و محصولات مبتنی بر آن مانند چت‌بات CLOVA X و موتور جستجوی Cue را معرفی کرده است. نِیور تنها شرکت در کره و یکی از معدود شرکت‌های جهانی است که می‌تواند ادعای داشتن یک «پشته هوش مصنوعی کامل» (AI full stack) را داشته باشد. این شرکت مدل HyperCLOVA X را از پایه ساخت، مراکز داده عظیم و خدمات مصرف‌کننده را اداره می‌کند.

نِیور، مشابه گوگل، هوش مصنوعی خود را در خدمات اصلی مانند جستجو، خرید، نقشه و امور مالی تعبیه می‌کند و بر پیچیدگی (Sophistication) به جای دنبال کردن صرف مقیاس بزرگ تأکید دارد.

آپ‌استیج: کارایی هزینه‌ای و مدل تخصصی

آپ‌استیج تنها استارتاپ شرکت‌کننده در این پروژه است. مدل آن، Solar Pro 2 که تنها ۳۱ میلیارد پارامتر دارد، عملکرد بهتری برای مردم کره جنوبی ارائه می‌دهد و نسبت به مدل‌های بزرگ جهانی مقرون‌به‌صرفه‌تر است. آپ‌استیج قصد دارد با تمرکز بر تأثیر واقعی کسب‌وکار، نه فقط معیارهای سنجش، خود را متمایز کند. این استارتاپ با هدف دستیابی به عملکرد زبان کره‌ای ۱۰۵ درصد استاندارد جهانی، در حال توسعه مدل‌های تخصصی برای صنایعی مانند امور مالی، حقوق و پزشکی است.

تمهیدات اسپاتیفای در برابر سوءاستفاده هوش مصنوعی

در پایان شهریور، اسپاتیفای (Spotify) اعلام کرد که در حال تقویت تدابیر حفاظتی خود برای هنرمندان و تولیدکنندگان موسیقی در برابر سوءاستفاده از هوش مصنوعی (AI) است. این تدابیر جدید شامل اجرای بهتر قوانین نقض هویت، راه‌اندازی یک سیستم فیلتر جدید برای اسپم، و ملزم کردن به افشای استفاده از هوش مصنوعی در اعتبارات موسیقی است.

اسپاتیفای اذعان کرد که پیشرفت‌های اخیر در هوش مصنوعی مولد (Generative AI) اغلب “ناآرام‌کننده” بوده است، و با هدف کاهش محتوای مضر و جلوگیری از انحراف حق امتیازها به سمت “بازیگران بد” (bad actors)، اقدام به حذف ۷۵ میلیون قطعه موسیقی اسپمی کرده است.

مقابله با محتوای “بی‌کیفیت” و بازیگران بد

اسپاتیفای معتقد است که هوش مصنوعی، در بهترین حالت، راه‌های جدیدی را برای هنرمندان جهت خلق موسیقی و برای شنوندگان جهت کشف آن باز می‌کند. با این حال، در بدترین حالت، هوش مصنوعی توسط “بازیگران بد” و “مزارع محتوا” برای گیج کردن شنوندگان، فریب آن‌ها، تزریق “بی‌کیفیت‌ها” (slop) به اکوسیستم، و دخالت در مسیر شغلی هنرمندان واقعی استفاده می‌شود.

این نوع محتوای مضر، تجربه کاربری شنوندگان را تنزل می‌دهد و اغلب تلاش می‌کند تا حق امتیازها را به سمت افراد سودجو منحرف سازد. مدیرعامل اسپاتیفای، دانیل اِک، بر لزوم محافظت شدید در برابر بدترین بخش‌های هوش مصنوعی مولد تأکید کرده است.

اجرای قوی‌تر برای جلوگیری از جعل هویت

یکی از اقدامات کلیدی اسپاتیفای، تقویت قوانین خود در زمینه جعل هویت است. این شرکت یک خط‌مشی جدید معرفی کرده است که نحوه رسیدگی به ادعاهای مربوط به شبیه‌سازی‌های صوتی هوش مصنوعی (AI voice clones) و سایر اشکال جعل هویت صوتی غیرمجاز را شفاف می‌سازد. بر اساس این قانون، تقلید صوتی تنها زمانی در موسیقی مجاز است که هنرمند شبیه‌سازی شده، استفاده از صدای خود را صراحتاً تأیید کرده باشد.

علاوه بر این، اسپاتیفای در حال افزایش سرمایه‌گذاری برای محافظت در برابر یک تاکتیک جعل هویت دیگر است؛ جایی که آپلودکننده‌ها موسیقی (هوش مصنوعی یا غیره) را به طور متقلبانه به پروفایل هنرمند دیگری تحویل می‌دهند.

سیستم فیلتر جدید برای مبارزه با اسپم‌های انبوه

اسپاتیفای ابراز امیدواری کرده است که تدابیر جدید فیلتر اسپم بتواند مشکلاتی نظیر «آپلودهای انبوه»، «محتوای تکراری»، «هک‌های سئو»، «سوءاستفاده از آهنگ‌های بسیار کوتاه» و سایر اشکال «بی‌کیفیتی» را کاهش دهد. این مسائل به دلیل سهولت استفاده از ابزارهای هوش مصنوعی، رایج‌تر شده‌اند.

فیلتر جدید اسپم، آپلودکننده‌ها و قطعاتی را که درگیر این تاکتیک‌ها هستند، شناسایی و برچسب‌گذاری کرده و توصیه آن‌ها را متوقف خواهد کرد. اسپاتیفای در عین حال متعهد شده است که در اجرای این فیلتر مراقب باشد تا آپلودکننده‌های صحیح مجازات نشوند.

افزایش شفافیت از طریق افشای هوش مصنوعی

سومین اقدام مهم اسپاتیفای، افزایش شفافیت با معرفی افشای هوش مصنوعی برای موسیقی‌هایی است که دارای اعتبارات استاندارد صنعتی هستند. این شرکت معتقد است که استفاده از ابزارهای هوش مصنوعی اغلب طیفی است و یک دودویی ساده نیست؛ چرا که هنرمندان ممکن است از هوش مصنوعی تنها برای بخش‌هایی از تولیدات خود استفاده کنند. به همین دلیل، صنعت به یک رویکرد ظریف برای شفافیت هوش مصنوعی نیاز دارد و نباید مجبور باشد هر آهنگ را صرفاً به عنوان “هوش مصنوعی است” یا “هوش مصنوعی نیست” طبقه‌بندی کند.

همکاری برای توسعه استانداردهای صنعتی

اسپاتیفای اعلام کرده است که از توسعه و پشتیبانی از استانداردهای جدید صنعتی برای افشای هوش مصنوعی در اعتبارات موسیقی، که از طریق Digital Data Exchange (DDEX)، یک سازمان بین‌المللی تنظیم استانداردها، در حال توسعه است، حمایت خواهد کرد. اطلاعات مربوط به این افشای هوش مصنوعی قرار است در سراسر اپلیکیشن اسپاتیفای نمایش داده شود.

این اقدامات جدید حفاظتی با وجود آن صورت می‌گیرد که اسپاتیفای هوش مصنوعی را در سایر بخش‌های کسب‌وکار خود پذیرفته است؛ به عنوان مثال، در بهمن گذشته، این شرکت اعلام کرد که از طریق همکاری با ElevenLabs، کتاب‌های صوتی روایت‌شده توسط هوش مصنوعی بیشتری را قبول خواهد کرد.

استقبال ناشران بزرگ و الزامات سیستمی

این تدابیر جدید مورد استقبال شدید ناشران بزرگ موسیقی و طرفداران قرار گرفته است. سخنگوی یونیورسال موزیک گروپ (UMG) این حفاظت‌های جدید را «گام‌های مهمی رو به جلو» و سازگار با اصول «هنرمند محور» (Artist Centric) آن‌ها دانست. UMG تاکید کرد که پلتفرم‌ها، توزیع‌کننده‌ها و تجمیع‌کننده‌ها باید تدابیری از قبیل فیلتر کردن محتوا، بررسی نقض حق تکثیر، سیستم‌های جریمه برای نقض‌کنندگان مکرر، و تأیید نام و چهره را اتخاذ کنند تا «دریای نویز و محتوای نامربوط» که صدای هنرمندان را تهدید می‌کند، کاهش یابد.

پیش‌بینی‌های جف بزوس: مراکز داده فضایی و رونق هوش مصنوعی

جف بزوس، بنیان‌گذار آمازون، نزدیک یک ماه پیش، در هفته فناوری ایتالیا در تورین، پیش‌بینی‌های بلندپروازانه‌ای در مورد آینده زیرساخت‌ها و هوش مصنوعی (AI) ارائه داد. وی پیش‌بینی کرد که در ۱۰ تا ۲۰ سال آینده مراکز داده‌ای در مقیاس گیگاوات در فضا ساخته خواهند شد.

همچنین، بزوس رشد ناگهانی هوش مصنوعی را با رونق اینترنت در اوایل دهه ۲۰۰۰ مقایسه کرد و نسبت به آینده آن خوش‌بینی نشان داد، هرچند که احتمال وجود حباب‌های سوداگرانه را رد نکرد. این اظهارات در حالی مطرح می‌شود که نیاز به انرژی و آب برای خنک‌سازی سرورهای مراکز داده زمینی، توجه غول‌های فناوری را به سمت مفهوم مراکز داده مداری جلب کرده است.

پیش‌بینی مراکز داده فضایی با قابلیت عملکرد بالاتر

جف بزوس پیش‌بینی کرد که مراکز داده‌ای در مقیاس گیگاوات ظرف ۱۰ تا ۲۰ سال آینده در فضا ساخته خواهند شد. وی تاکید کرد که این مراکز در نهایت از نمونه‌های زمینی پیشی خواهند گرفت. دلیل اصلی این برتری، دسترسی ۲۴ ساعته و پیوسته به انرژی خورشیدی در فضا است.

بزوس اظهار داشت که در فضا هیچ ابری، بارانی یا وضعیت نامساعد جوی دیگری وجود ندارد. او ابراز اطمینان کرد که در طول چند دهه آینده، می‌توانیم هزینه مراکز داده فضایی را بهتر از مراکز داده زمینی کنیم.

مزیت محیطی و هدف‌گذاری خوشه‌های آموزشی

مفهوم مراکز داده مداری در میان غول‌های فناوری توجه زیادی به خود جلب کرده است، زیرا مراکز داده موجود روی زمین به شدت تقاضا برای برق و آب جهت خنک‌سازی سرورها را افزایش داده‌اند. بزوس توضیح داد که “خوشه‌های آموزشی غول‌پیکر” هوش مصنوعی برای آموزش مدل‌ها، بهتر است در فضا ساخته شوند. این اقدام بخشی از روند وسیع‌تری است که هدف آن استفاده از فضا برای بهبود زندگی در زمین است.

تکامل زیرساخت‌های فضایی

بزوس تأکید کرد که تغییر به زیرساخت‌های فضایی بخشی از یک روند تکاملی است. او اشاره کرد که این روند پیش از این با ماهواره‌های هواشناسی و ارتباطاتی آغاز شده است. به گفته وی، گام بعدی شامل مراکز داده است، و سپس انواع دیگری از تولیدات به فضا منتقل خواهند شد.

با این حال، میزبانی مراکز داده در فضا با چالش‌هایی همراه است، از جمله مشکل نگهداری و ارتقاء تجهیزات، هزینه بالای پرتاب موشک‌ها، و ریسک شکست در پرتاب‌ها.

مقایسه رونق هوش مصنوعی با دوران دات‌کام

بنیان‌گذار آمازون اظهار داشت که موج هوش مصنوعی ویژگی‌های مشترکی با دوران دات‌کام دارد، دورانی که پس از هیاهوی گسترده، شاهد سقوط بود. بزوس از خوش‌بینی شدید در مورد پیامدهای اجتماعی و منافع هوش مصنوعی حمایت کرد. او این پیامدها را به منافعی تشبیه کرد که ۲۵ سال پیش با اینترنت به دست آمد و آن‌ها را “واقعی و ماندگار” دانست.

تفکیک منافع واقعی از حباب‌های احتمالی

بزوس بر این نکته تأکید کرد که بسیار مهم است تا حباب‌های بالقوه و پیامدهای ناشی از ترکیدن آن‌ها را، که ممکن است رخ بدهند یا ندهند، از واقعیت اصلی جدا کنیم (decorrelate). وی در سخنرانی خود در ایتالیا خواستار حفظ خوش‌بینی در برابر خطرات حباب‌های سوداگرانه شد. او خاطرنشان کرد که انتظار می‌رود منافع هوش مصنوعی به طور گسترده‌ای منتشر شده و به “همه جا” برسد.

گزارش دورا ۲۰۲۵: هوش مصنوعی و تحول توسعه نرم‌افزار

گزارش سالانه دورا DORA مخفف (DevOps Research and Assessment) در سال 2025 شرکت گوگل کلود، که نتیجه تحقیقات بر روی نزدیک به ۵۰۰۰ متخصص فناوری در سراسر جهان است، نشان می‌دهد که شیوه ساخت نرم‌افزار به‌طور عمقی تغییر کرده است.

برنامه تحقیقاتی DORA بیش از یک دهه است که قابلیت‌ها، شیوه‌ها و معیارهای تیم‌ها و سازمان‌های با عملکرد بالا را بررسی می‌کند.

یافته‌های سال ۲۰۲۵ به وضوح نشان می‌دهد که هوش مصنوعی دیگر یک پدیده جدید نیست، بلکه به بخشی تقریباً جهانی از جعبه ابزار توسعه‌دهندگان تبدیل شده است.

افزایش نجومی پذیرش و اتکای عمیق

این گزارش یک یافته قابل توجه را آشکار می‌کند: پذیرش هوش مصنوعی در میان متخصصان توسعه نرم‌افزار به ۹۰ درصد رسیده است، که افزایشی ۱۴ درصدی نسبت به سال گذشته را نشان می‌دهد.

این متخصصان، از توسعه‌دهندگان تا مدیران محصول، اکنون هوش مصنوعی را در گردش کارهای اصلی خود ادغام کرده‌اند و به‌طور میانگین روزانه دو ساعت را صرف کار با آن می‌کنند.

یافته‌های DORA همچنین به اتکای عمیق بر هوش مصنوعی در طیف وسیعی از وظایف اشاره دارد؛ به طوری که ۶۵ درصد از پاسخ‌دهندگان به شدت به آن متکی هستند (۳۷ درصد اتکای متوسط، ۲۰ درصد زیاد و ۸ درصد خیلی زیاد).

دستاوردهای قابل توجه در بهره‌وری و کیفیت کد

مزایای استفاده از این ابزارهای هوش مصنوعی در تحقیق امسال مشهود است: بیش از ۸۰ درصد از پاسخ‌دهندگان اعلام کرده‌اند که هوش مصنوعی بهره‌وری آن‌ها را افزایش داده است.

علاوه بر این، اکثریت (۵۹ درصد) تأثیر مثبتی از هوش مصنوعی بر کیفیت کد گزارش داده‌اند. این بهبود عملکرد فردی نشان می‌دهد که هوش مصنوعی به عنوان یک ابزار حمایتی برای ارتقاء کارایی و بهره‌وری در گردش کار ادغام شده است.

پارادوکس اعتماد با وجود مزایای فراگیر

با وجود پذیرش گسترده و مزایای درک شده، برخی از متخصصان توسعه نرم‌افزار همچنان نسبت به استفاده از هوش مصنوعی در کار خود محتاط هستند.

این گزارش یک “پارادوکس اعتماد” شگفت‌آور را فاش می‌کند: در حالی که ۲۴ درصد از پاسخ‌دهندگان اعتماد “بسیار زیاد” (۴ درصد) یا “زیاد” (۲۰ درصد) به هوش مصنوعی دارند، ۳۰ درصد یا “کمی” (۲۳ درصد) به آن اعتماد دارند یا “اصلاً” (۷ درصد) اعتماد ندارند.

این پارادوکس حاکی از آن است که خروجی‌های هوش مصنوعی با وجود فقدان اعتماد کامل، مفید و با ارزش تلقی می‌شوند.

هوش مصنوعی به عنوان “آینه و ضریب” سازمانی

در حالی که هوش مصنوعی عملکرد فردی را تقویت می‌کند، تأثیر آن بر سازمان‌ها پیچیده‌تر است.

تحقیقات امسال نشان می‌دهد که هوش مصنوعی می‌تواند به عنوان “آینه و ضریب” عمل کند. در سازمان‌های منسجم، هوش مصنوعی کارایی را تقویت می‌کند؛ اما در سازمان‌های گسسته و پراکنده، نقاط ضعف موجود را برجسته می‌سازد.

همچنین، پذیرش هوش مصنوعی اکنون با افزایش توان عملیاتی تحویل نرم‌افزار (software delivery throughput) مرتبط است، به این معنی که تیم‌ها نرم‌افزار و برنامه‌های بیشتری را منتشر می‌کنند که این یک تغییر مثبت نسبت به یافته‌های سال گذشته است.

الگوهای تیم و مدل قابلیت‌های جدید DORA

برای درک بهتر شرایط زیربنایی، گزارش امسال فراتر از معیارهای عملکرد ساده حرکت کرده و هفت الگوی تیمی متمایز را معرفی می‌کند. این پروفایل‌ها، از جمله “Harmonious high-achievers” و تیم‌هایی که گرفتار “Legacy bottleneck” هستند، روایتی غنی‌تر ارائه می‌دهند که به سازمان‌ها در درک تعامل منحصربه‌فرد بین عملکرد، رفاه و محیط کار کمک می‌کند.

علاوه بر این، برای راهنمایی در پیاده‌سازی، مدل قابلیت‌های DORA AI با هفت قابلیت ضروری (فاکتورهای فنی و فرهنگی) معرفی شده است تا تأثیر هوش مصنوعی تقویت شود.

نقشه راه برای تکامل فرهنگی و سیستمی

تنها پذیرش هوش مصنوعی برای تضمین موفقیت کافی نیست. کلید اصلی این است که هوش مصنوعی یک ابزار متحول کننده برای توسعه‌دهندگان است، اما تحقق پتانسیل کامل آن نیازمند بیش از صرف پذیرش است.

این امر مستلزم آن است که سازمان‌ها فرهنگ، فرآیندها و سیستم‌های خود را تکامل دهند تا از دوران جدید توسعه نرم‌افزار پشتیبانی کنند.

ابزارهای جدید می‌توانند به سازمان‌ها کمک کنند تا فرآیندهای کاری خود را متحول سازند و هم از افزایش بهره‌وری و هم از تحول ناشی از آن بهره ببرند.

احتمال حباب سرمایه گذاری در زیرساخت های هوش مصنوعی

اقتصاد نهفته در پشت رونق سرمایه‌گذاری در مراکز داده هوش مصنوعی، که با دوره حبابی مخابراتی دهه ۱۹۹۰ مقایسه می‌شود، اکنون حالتی مبهم و پیچیده پیدا کرده است.

در بهار ۲۰۲۵، شرکت مشاوره مک‌کینزی پیش‌بینی فوق‌العاده‌ای را در خصوص هزینه‌های سرمایه‌ای برای تراشه‌ها، مراکز داده و انرژی مورد نیاز برای تولید هوش مصنوعی (AI) منتشر کرد: ۵.۲ تریلیون دلار در سراسر جهان طی پنج سال آینده.

این ولع در سرمایه‌گذاری، به‌ویژه در زیرساخت‌های هوش مصنوعی مولد، در آمریکا به “نقطه تب” رسیده است.

۱. پیش‌بینی نجومی هزینه‌های زیرساختی

مک‌کینزی در بهار گذشته پیش‌بینی‌ای بسیار خوش‌بینانه از هزینه‌های سرمایه‌ای لازم برای تراشه‌ها، مراکز داده و انرژی مورد نیاز برای تولید هوش مصنوعی ارائه داد.

برآورد این شرکت مبلغ شگفت‌انگیز ۵.۲ تریلیون دلار در سطح جهانی طی پنج سال آینده بود. نکته قابل توجه این است که کمتر از شش ماه پس از انتشار این رقم، شرکت مشاوره در حال بررسی افزایش این تخمین است.

این ارقام عظیم نشان‌دهنده شدت تعهد مالی به ساخت زیرساخت‌های مورد نیاز برای هوش مصنوعی مولد است.

۲. تب زیرساخت هوش مصنوعی مولد

سرمایه‌گذاری در زیرساخت‌های هوش مصنوعی مولد در آمریکا به اوج خود رسیده است. این هزینه‌ها، که شامل معاملات بزرگ مراکز داده توسط شرکت‌هایی مانند OpenAI، Nvidia و Oracle می‌شود، با هدف افزایش قدرت محاسباتی صورت می‌گیرد که حامیان آن معتقدند برای تأمین هوش مصنوعی مولد ضروری است.

با وجود این هیاهوی مالی و معاملات هنگفت، تردیدهایی در مورد بازگشت سرمایه وجود دارد. تحلیلگران در حال بررسی شباهت‌های این رونق به حباب مخابراتی دهه ۱۹۹۰ هستند.

۳. عدم تطابق تقاضا با هیاهو

اگرچه مصرف‌کنندگان به‌طور فزاینده‌ای از چت‌بات‌ها استفاده می‌کنند، اما تقاضا – به‌ویژه تقاضای درآمدزا – هنوز با هیاهوی ایجاد شده مطابقت ندارد.

سرمایه‌گذاری‌های عظیم توسط شرکت‌های بزرگ با این اعتقاد انجام می‌شود که توان محاسباتی بیشتری برای تأمین هوش مصنوعی مولد مورد نیاز است.

اما شواهد نشان می‌دهد که این زیرساخت گسترده ممکن است در کوتاه‌مدت با تقاضای تجاری کافی مواجه نباشد، که منجر به عدم تعادل اقتصادی می‌شود.

۴. نرخ پایین موفقیت پروژه‌های آزمایشی

مک‌کینزی در نظرسنجی‌هایی که از شرکت‌ها انجام داده است، به داده‌های مهمی دست یافته که نشان‌دهنده شکاف بین سرمایه‌گذاری و پذیرش واقعی است.

طبق یافته‌های مک‌کینزی، نرخ موفقیت پروژه‌های آزمایشی (Pilot projects) هوش مصنوعی در شرکت‌های مورد بررسی کمتر از ۱۵ درصد است.

این نرخ پایین موفقیت، نشان می‌دهد که اگرچه مصرف‌کنندگان به طور فزاینده‌ای از چت‌بات‌ها استفاده می‌کنند، اما تبدیل این فناوری به سود و نتایج عملی در سطح سازمانی هنوز با چالش‌های بزرگی روبه‌رو است.

۵. پیش‌بینی دوره “ناهمواری” عرضه و تقاضا

پانکاژ ساچدوا (Pankaj Sachdeva)، یکی از شرکای مک‌کینزی، پیش‌بینی می‌کند که در آینده‌ای نزدیک، عصر “ناهمواری” (lumpiness) بین عرضه و تقاضا فرا خواهد رسید.

این عدم تعادل می‌تواند برای سال‌ها ادامه داشته باشد. این پیش‌بینی به این معنی است که زیرساخت‌های عظیم و پرهزینه‌ای که با سرمایه‌گذاری‌های سنگین ایجاد شده‌اند، ممکن است برای مدت طولانی از ظرفیت مورد نیاز تقاضای واقعی (به‌ویژه تقاضای درآمدزا) فراتر باشند.

۶. هدف از هزینه‌های سرسام‌آور

این حجم عظیم از هزینه‌های سرمایه‌ای، که توسط شرکت‌هایی نظیر OpenAI، Nvidia و Oracle انجام شده است، تنها یک هدف دارد: افزایش قدرت محاسباتی.

این شرکت‌ها معتقدند که افزایش قدرت محاسباتی برای پشتیبانی از نسل بعدی هوش مصنوعی مولد ضروری است.

با این حال، با توجه به نرخ موفقیت پایین پروژه‌های آزمایشی (کمتر از ۱۵ درصد) و عدم تطابق تقاضا با این هیاهو، اقتصاد این رونق زیرساختی همچنان در هاله‌ای از ابهام باقی می‌ماند.

امنیت خودکار با سامانه پهپادی

شرکت Flock Safety یک سامانه امنیتی خودکار پهپادی به نام Aerodome Drone as Automated Security (DAS) را معرفی کرده است که به‌طور خاص بخش خصوصی را هدف قرار می‌دهد.

این راه‌حل نظارت هوایی خودکار را برای تأسیسات بزرگ مقیاس، مراکز حمل‌ونقل، قطب‌های لجستیکی، تأسیسات انرژی، پردیس‌های مراقبت‌های بهداشتی و املاک خرده‌فروشی امکان‌پذیر می‌سازد.

این سامانه با هدف ارائه نظارت فوری هوایی و پوشش گسترده از طریق پروازهای خودکار و با راه‌اندازی توسط اپراتور طراحی شده است.

معرفی سیستم پهپادی اتوماتیک

Flock Safety سیستم Aerodome DAS را برای سازمان‌های بخش خصوصی که به دنبال نظارت هوایی خودکار برای تأسیسات بزرگ هستند، معرفی کرده است.

این سامانه به تیم‌های امنیتی اجازه می‌دهد تا پهپادها را در مکان‌های مختلف، از جمله مراکز حمل‌ونقل و قطب‌های لجستیکی، مستقر کنند.

بر اساس گزارش Flock Safety، سیستم Aerodome DAS با استفاده از پروازهای خودکار پهپادی که توسط اپراتور آغاز می‌شوند، امکان نظارت هوایی فوری و پوشش گسترده را فراهم می‌سازد.

پاسخگویی سریع به جرایم سازمان‌یافته

معرفی این سامانه به دنبال افزایش جرایم سازمان‌یافته در خرده‌فروشی ها و سوپرمارکت ها صورت می‌گیرد؛ به‌طوری‌که موارد گزارش شده از سرقت از مغازه‌ها در سال ۲۰۲۴ تا ۹۳ درصد افزایش یافته است.

Flock Safety اعلام کرده است که Aerodome DAS می‌تواند با فعال کردن تشخیص و پاسخ سریع‌تر در طول رویدادهای امنیتی، به رسیدگی به این حوادث کمک کند.

این سیستم همچنین هزینه مرتبط با آلارم‌های کاذب و استقرار دستی نگهبانان را کاهش می‌دهد.

این فناوری بر اساس پلتفرم موجود Flock Safety، یعنی Drone as First Responder (DFR)، توسعه یافته که پیش از این توسط سازمان‌های مجری قانون استفاده می‌شد.

پوشش وسیع و مشخصات فنی

سیستم Aerodome DAS اکنون برای مشتریان تجاری در دسترس است. هر ایستگاه پهلوگیری Aerodome یک ناحیه با شعاع تقریبی ۳.۵ مایل را پوشش می‌دهد.

همچنین، این سیستم از پروازهایی با مدت زمان حداکثر تا ۴۵ دقیقه پشتیبانی می‌کند.

Rahul Sidhu، معاون رئیس بخش هوانوردی Flock Safety، اظهار داشت که رهبران امنیتی اکنون در حالی که باید از محیط‌های بزرگ‌تر محافظت کنند، با بودجه‌های محدودتر و محدودیت‌های واقعی در استخدام پرسنل مواجه هستند.

عملکرد خودمختار و اعلان هشدار

نحوه عملکرد این سیستم به این صورت است که پس از دریافت هشدار از دوربین یا هشدار صوتی، اپراتورها می‌توانند با یک فرمان ساده پهپاد را مستقر کنند.

پس از صدور فرمان، پهپاد به صورت خودمختار به مکان تعیین‌شده پرواز می‌کند و ویدئوی زنده با کیفیت بالا و حرارتی را ارسال می‌کند.

این قابلیت به رهبران امنیتی این امکان را می‌دهد که “نگهبانی در آسمان” داشته باشند و در عرض چند ثانیه صحنه را زیر نظر بگیرند و آلارم‌های کور را به اقدام آگاهانه تبدیل کنند.

قابلیت‌های یکپارچه‌سازی و ایمنی پرواز

قابلیت‌های یکپارچه‌سازی در این سامانه به آن اجازه می‌دهد تا با پنل‌های هشدار کنونی، سیستم‌های مدیریت ویدئو (VMS) و پلتفرم‌های کنترل دسترسی ارتباط برقرار کند.

Aerodome DAS همچنین می‌تواند از طریق رابط FlockOS به سایر محصولات Flock Safety متصل شود.

ویژگی‌های ایمنی شامل ژئوفنسینگ، اجتناب از موانع، فرود دقیق و ثبت کامل فعالیت‌های پرواز است.

Flock Safety تأیید می‌کند که این سیستم با مقررات FAA Part 107 مطابقت دارد و در صورت لزوم از تأییدیه‌ها و معافیت‌های خاص سایت، از جمله عملیات Beyond Visual Line of Sight (BVLOS)، استفاده می‌کند.

نگهبان آسمانی و حمایت از کسب‌وکارها

Flock Safety علاوه بر معرفی Aerodome DAS، اخیراً مرکز اتصال Flock Business Network را برای همکاری بخش خصوصی در زمینه پیشگیری از جرم راه‌اندازی کرده بود.

این شرکت گزارش داده است که با بیش از ۱۰۰۰ کسب‌وکار در بخش‌هایی مانند خرده‌فروشی، مدیریت املاک و مراقبت‌های بهداشتی، همکاری‌هایی دارد.

با توجه به محدودیت‌های پرسنلی و بودجه‌ای، Rahul Sidhu تاکید کرد که Aerodome DAS «نگهبانی در آسمان» را در اختیار تیم‌های امنیتی قرار می‌دهد.

پشتیبانی استقرار، آموزش و کمک به مشتری نیز برای تسهیل عملکرد قابل اعتماد و انطباق مستمر ارائه می‌شود.

محدودیت سرچ گوگل و تأثیر آن بر خروجی هوش مصنوعی

گوگل اخیراً و به آرامی یک تغییر کلیدی را در عملکرد جستجوی خود اعمال کرد: حذف پارامتر جستجوی num=100.

این ترفند به کاربران این امکان را می‌داد که ۱۰۰ نتیجه جستجو را به جای حالت پیش‌فرض ۱۰ نتیجه‌ای، در یک صفحه مشاهده کنند.

این تغییر در نگاه اول کوچک به نظر می‌رسد، اما تأثیر عمیقی بر جریان اطلاعات آنلاین و نحوه یادگیری هوش مصنوعی از وب دارد.

اکنون، حداکثر محدودیت نمایش نتایج به سختی ۱۰ مورد است. اگرچه این تغییر به ندرت مورد توجه قرار گرفته است، اما پیامدهای آن برای سیستم‌های هوش مصنوعی بسیار زیاد است.

محدود کردن عمق وب برای هوش مصنوعی

این اقدام گوگل در محدود کردن نتایج جستجو به ۱۰ مورد، یک عمل ساده نیست، بلکه یک تغییر اساسی در نحوه دسترسی هوش مصنوعی به داده‌هاست.

اکثر مدل‌های زبان بزرگ (LLM) مانند OpenAI، Anthropic و Perplexity، به طور مستقیم یا غیرمستقیم، برای تغذیه سیستم‌های بازیابی و خزنده‌های خود به نتایج ایندکس شده توسط گوگل وابسته هستند.

با حذف امکان مشاهده دنباله بلند نتایج، گوگل عملاً آنچه را که این سیستم‌ها می‌توانند ببینند، تقریباً ۹۰ درصد کاهش داده است. در نتیجه، فضای وب برای هوش مصنوعی نیز همانند انسان‌ها، «کم‌عمق‌تر» شده است.

تأثیر فوری بر نمایش وب‌سایت‌ها

تأثیر این تصمیم گوگل بر اکوسیستم وب فوری و قابل اندازه‌گیری بود. طبق گزارش Search Engine Land، حدود ۸۸ درصد از وب‌سایت‌ها کاهش در نمایش‌ها (impressions) را تجربه کردند.

این نشان می‌دهد که سایت‌هایی که قبلاً در جایگاه‌های ۱۱ تا ۱۰۰ نتایج رتبه‌بندی می‌شدند، اساساً از دید محو شدند.

علاوه بر این، سایت‌هایی که اغلب در عمق نتایج جستجو رتبه می‌گیرند، مانند Reddit، شاهد کاهش شدید در استنادهای مدل‌های زبان بزرگ (LLM) بودند. این تغییر فراتر از یک تغییر در سئو (SEO) است و ماهیت توزیع اطلاعات را تغییر داده است.

ایجاد یک مشکل در زنجیره تأمین هوش مصنوعی

این اقدام گوگل که دسترسی به عمق وب را برای مدل‌های خارجی دشوارتر ساخت، یک مسئله جدی در زنجیره تأمین هوش مصنوعی ایجاد کرده است: خط لوله داده‌های آموزشی که سوخت هوش مصنوعی مدرن را تأمین می‌کند، اکنون باریکتر شده است.

این بدان معناست که مدل‌های رقیب گوگل باید برای دسترسی به داده‌های جامع و متنوع، منابع کمتری در اختیار داشته باشند. گوگل صرفاً یک تنظیم را تغییر نداد، بلکه نحوه جریان اطلاعات آنلاین و نحوه یادگیری هوش مصنوعی از آن را دوباره شکل داد.

پیامدهای سخت برای استارتاپ‌ها

این تغییر همچنین پیامدهای سختی برای شرکت‌های نوپا (استارتاپ‌ها) و کسب‌وکارهای کوچک دارد.

کسب قابلیت مشاهده (Visibility) سخت‌تر شده است و کشف ارگانیک محصولات و خدمات (Organic discovery) ضعیف‌تر شده است.

برای استارتاپ‌ها، حتی ساختن یک محصول عالی کافی نیست؛ اگر نتوانند بر توزیع غلبه کنند، کسی محصول آن‌ها را پیدا نخواهد کرد.

اگر افراد نتوانند شرکت‌ها یا محصولات جدید را در عمق نتایج جستجو پیدا کنند، فرصتی برای ارزیابی آن‌ها وجود نخواهد داشت.

عصر جدید «دید الگوریتمی»

حذف پارامتر num=100، نشان‌دهنده ورود به عصر جدید «دید الگوریتمی» است.

گوگل با محدود کردن تعداد نتایج به ۱۰، کنترل خود را بر داده‌هایی که به عنوان مواد آموزشی برای LLM‌های رقیب به کار می‌رود، تشدید می‌کند. این نه تنها بر سئو تأثیر می‌گذارد، بلکه بر کیفیت و کمیت داده‌هایی که مدل‌های هوش مصنوعی می‌توانند برای بهبود عملکرد خود از آن‌ها استفاده کنند، نیز تأثیر می‌گذارد.

در نهایت، این اقدام به معنای کنترل بیشتر گوگل بر نحوه شکل‌گیری دانش توسط هوش مصنوعی است.

مسابقات هوش مصنوعی دیپ‌مایند در المپیاد ریاضی

گوگل دیپ‌مایند (DeepMind) با هدف دستیابی به هوش مصنوعی همگانی (AGI)، مدل هوش مصنوعی خود به نام دیپ تینک DeepThink (نسخه‌ای از جمینای) را در المپیاد جهانی ریاضی (IMO) در استرالیا به رقابت فرستاد.

این رقابت در میان ۶۳۰ نابغه جوان ریاضی برگزار شد. مدیرعامل دیپ‌مایند، هدف نهایی از این کار را برداشتن گامی به سوی هوش مصنوعی همگانی AGI بیان کرد و آن را از بزرگترین فناوری هایی دانست که بشریت تاکنون اختراع کرده است.

این مسابقات نه تنها اندازه توان انسان را نمایش می دهد، بلکه کاستی های بنیادین ماشین‌ها در برنامه‌ریزی های پیچیده را نیز آشکار می‌سازند.

هدف: فتح قلمرو هوش مصنوعی همگانی AGI

هدف اصلی گوگل فراتر از صرفاً شکست دادن نوجوانان باهوش است و ایده رقابت مستقیم با انسان را رد می‌کند.

هدف گوگل بیشتر روی تست هوش عمومی مصنوعی (AGI) بود؛ جایی که در آن هوش مصنوعی بتواند مانند یک انسان فکر کرده و انواع وظایف را انجام دهد و موفقیت در مسابقاتی مانند المپیاد ریاضی می‌تواند اثباتی بر بهبود مستمر سیستم‌های گوگل باشد.

یکی از شرکت‌کنندگان، تایگر ژانگ ۱۷ ساله، دیدگاه متفاوتی داشت؛ او از کودکی با این واقعیت بزرگ شده بود که ماشین‌ها می‌توانند در شطرنج (Deep Blue) و بازی Go (AlphaGo) از انسان‌ها بهتر عمل کنند و معتقد بود که «مغزهای کامپیوتری بسیار متفاوت کار می‌کنند» و در واقع، آن‌ها «در یک بازی مشابه بازی نمی‌کنند».

ماهیت مسائل ریاضی و محدودیت‌های ذاتی LLM

مسائل المپیاد جهانی ریاضی به گونه‌ای طراحی شده‌اند که نیازمند خلاقیت و زنجیره‌های طولانی استدلال هستند و ممکن است تا ۱۰۰ مرحله استدلال نیاز داشته باشند، در حالی که مسائل دبیرستان تنها چند گام نیاز دارند.

با وجود این تصور که سیستم‌های هوش مصنوعی باید در ریاضیات خوب باشند، جون‌هیوک جونگ، مدال‌آور طلای المپیاد ریاضی IMO، وضعیت مدل‌های زبانی بزرگ (LLM) در ریاضیات را به «درخواست از ماهی برای بالا رفتن از درخت» تشبیه کرد.

این ضعف به اساس کارکرد LLMها برمی‌گردد؛ آن‌ها صرفاً برای حدس زدن توکن بعدی بر اساس احتمال دنبال شدن کلمات آموزش دیده‌اند، و اینکه آیا پاسخ نهایی با قضایای ریاضی سازگار است یا خیر، برای فرآیند تصمیم‌گیری اساسی آن‌ها نامرتبط است.

استراتژی‌های تقویت استدلال

محققان برای غلبه بر ضعف‌های ریاضی و استدلال، به روش «یادگیری تقویتی» روی آوردند؛ این روش شامل پاداش دادن به رفتارهای درست، تشخیص رفتارهای نادرست و تحلیل داده‌های مورد نیاز برای بهبود است. طرفداران معتقدند که این روش می‌تواند پیشرفت‌های تقریباً نامحدودی را در استدلال ایجاد کند.

چالش دیگری که باید حل می‌شد، یک‌طرفه بودن (unidirectionality) در LLMها بود؛ این سیستم‌ها در بازگشت از یک مسیر اشتباه در استدلال، که برای حل مسائل پیچیده ضروری است، مشکل دارند.

گوگل برای رفع این مشکل، مفهوم «تفکر موازی» را معرفی کرد که به مدل اجازه می‌دهد چندین مسیر حل را به طور همزمان بررسی و بینش‌ها را ادغام کند.

عملکرد DeepThink و ناکامی در فکر کردن

روز اول مسابقه برای DeepThink بسیار موفقیت‌آمیز بود؛ این مدل هر سه سؤال روز اول را درست پاسخ داد و نمره کاملی کسب کرد.

با این حال، روز دوم دشوارتر بود. مسئله ۶، که یک چالش ترکیبی بود، سخت‌ترین مسئله مسابقه شناخته شد و نیازمند فکر و خلاقیت بالا بود.

DeepMind هیچ امتیازی در مسئله ۶ کسب نکرد و محققان متوجه شدند که سیستم به جای ایجاد یک تصویر بصری از مسئله، «مستقیماً به یک پاسخ مشخص پرید و سپس سخت تلاش کرد تا آن را اثبات کند».

مدل ChatGPT نیز نتایج مشابهی داشت: نمرات کامل در پنج مسئله اول و صفر در مسئله ۶.

دستاورد مدال طلا و بحث تعمیم‌پذیری

DeepThink در نهایت در این رقابت مدال طلا را کسب کرد و در جایگاه ۲۷م، هم‌ردیف ۴۶ دانش‌آموز انسانی، قرار گرفت.

سباستین بوبک از OpenAI این دستاورد را به «لحظه فرود بر ماه» برای هوش مصنوعی تشبیه کرد.

اما همه موافق نبودند؛ ارنست دیویس، استاد علوم کامپیوتر در دانشگاه نیویورک، این مقایسه را «پوچ» خواند و استدلال کرد که مسائل المپیاد نوع بسیار خاصی از معما هستند که به راحتی به حوزه‌های دیگر، مانند توسعه الگوریتم‌های جدید یا مدیریت چالش‌های مهندسی، تعمیم نمی‌یابند.

با این حال، همین رویکرد در برنامه‌نویسی کامپیوتری موفقیت‌آمیز بود؛ DeepMind در مسابقه ICPC مدال طلا کسب کرد و مسئله‌ای را حل کرد که هیچ تیم انسانی قادر به حل آن نبود.

هوش مصنوعی ذهن خوان امواج مغزی را درجا به سخن گفتن ترجمه می کند

مردی که توانایی صحبت کردن را از دست داده بود اکنون می‌تواند مکالمه کند و حتی با کمک صدای مصنوعی کنترل شده توسط مغز آواز بخواند.

رابط مغز و کامپیوتر فعالیت عصبی مرد را با الکترودهای کاشته شده در مغزش می‌خواند و سپس درجا صداهای گفتاری را تولید می‌کند که منعکس کننده زیر و بمی صدا، آهنگ و تاکید مورد نظر اوست.

سرگی استاوسکی از دانشگاه کالیفرنیا دیویس می‌گوید: این اولین از نوع خود برای سنتز صدای فوری است آنهم تنها در ۲۵ میلی ثانیه.