در دور جدید رقابت های شکل گرفته در عرصه هوش مصنوعی، رقابت از ساخت مدل‌های بزرگ به سمت هوش مصنوعیِ اقدام‌کننده حرکت می‌کند.مجموعه خبرهای اکتبر ۲۰۲۶ نشان می‌دهد صنعت هوش مصنوعی در حال عبور از مرحله‌ای است که در آن معیار اصلی رقابت، توانایی تولید متن و پاسخ‌گویی به پرسش‌ها بود. مدل‌های جدید اکنون به سمت انجام وظایف چندمرحله‌ای، کار با رایانه، تحلیل داده‌های علمی، تولید محیط‌های تعاملی و مدیریت بخشی از فعالیت‌های حرفه‌ای حرکت می‌کنند.
این تغییر می‌تواند بهره‌وری در حوزه‌هایی مانند پزشکی، مهندسی، آموزش و پژوهش را افزایش دهد؛ اما هم‌زمان مسائل تازه‌ای درباره امنیت، حریم خصوصی، مسئولیت حقوقی و آینده اشتغال ایجاد می‌کند. بنابراین آینده هوش مصنوعی فقط به قدرت مدل‌ها وابسته نیست؛ کیفیت حکمرانی، نظارت و توانایی جوامع در سازگارشدن با این فناوری نیز تعیین‌کننده خواهد بود.
در ادامه ، مهم‌ترین خبرها و تحولات هوش مصنوعی در روزهای اخیر را منتشر کرده ایم.
۱. OpenAI از مدل GPT-6.1 Terra برای انجام کارهای حرفه‌ای رونمایی کرد
شرکت OpenAI در ۲۶ اکتبر از مدل جدید GPT-6.1 Terra رونمایی کرد؛ مدلی که تمرکز اصلی آن بر درک محتوای بصری، کار با رایانه و اجرای وظایف حرفه‌ای است. این مدل می‌تواند محتوای نمایشگر را تحلیل کند و در چارچوب ابزارهای در دسترس، اقداماتی مانند تکمیل فرم‌ها، بررسی اسناد، کار با نرم‌افزارها و پردازش اطلاعات را انجام دهد.
یکی از نکات مهم در معرفی این مدل، کاهش هزینه استفاده از آن است. OpenAI اعلام کرده قیمت استاندارد API این مدل نسبت به GPT-5.6 Terra و GPT-6.1 Sol حدود ۵۰ درصد پایین‌تر است. شرکت همچنین مدعی شده Terra در برخی آزمون‌های ارزیابی توانایی کار با رایانه، عملکرد بهتری از نسل قبلی خود داشته است.
این تحول نشان می‌دهد رقابت شرکت‌های هوش مصنوعی به‌تدریج از پاسخ‌گویی به پرسش‌ها به سمت انجام کارهای واقعی و چندمرحله‌ای حرکت می‌کند. با این حال، نتایج اعلام‌شده درباره عملکرد مدل عمدتاً مبتنی بر ارزیابی‌های خود شرکت است و برای سنجش مستقل آن باید منتظر بررسی‌های بیرونی ماند.
منبع: معرفی رسمی GPT-6.1 Terra در OpenAI.
۲. گوگل از Genie 4 برای شبیه‌سازی تعاملی جهان رونمایی کرد
گوگل دیپ‌مایند در ۲۷ اکتبر مدل جدیدی به نام Genie 4 را معرفی کرد که با هدف تولید محیط‌های تعاملی و شبیه‌سازی جهان واقعی توسعه یافته است. این مدل می‌تواند بر اساس دستورهای متنی، محیط‌های مجازی بسازد و امکان تغییر و تعامل با عناصر آن را در زمان واقعی فراهم کند.یکی از ویژگی‌های قابل توجه Genie 4، تولید هم‌زمان تصویر، صدا و گفت‌وگو در محیط شبیه‌سازی‌شده است. برای مثال، کاربر می‌تواند محیطی طبیعی یا شهری را ایجاد کند و سپس با دستورهای متنی، شرایط آب‌وهوا، حرکت دوربین یا حضور اشخاص و اشیای جدید را تغییر دهد.
گوگل کاربردهای این فناوری را فراتر از سرگرمی می‌داند. ساخت محیط‌های آموزشی برای ربات‌ها و عامل‌های هوش مصنوعی، آزمایش رفتار سامانه‌ها در شرایط مختلف و توسعه تجربه‌های تعاملی از جمله کاربردهای احتمالی آن هستند.
البته Genie 4 هنوز در مرحله پیش‌نمایش پژوهشی قرار دارد و دسترسی اولیه به آن محدود به گروهی از آزمایش‌کنندگان مورد تأیید گوگل است. این شرکت همچنین به محدودیت‌هایی مانند ناپایداری برخی جزئیات در شبیه‌سازی‌های طولانی اشاره کرده است.
منبع: معرفی Genie 4 در Google DeepMind.
۳. متا با معرفی Muse Wonder رقابت در حوزه عامل‌های هوشمند را تشدید کرد
شرکت متا در ۱۲ اکتبر از دو مدل هوش مصنوعی جدید با نامهای Muse Wonder و Muse Wonder Full رونمایی کرد. این مدل‌ها برای انجام وظایف حرفه‌ای و شخصی طراحی شده‌اند و متا آنها را بخشی از راهبرد خود برای توسعه عامل‌های هوشمند معرفی کرده است.
بر اساس توضیحات شرکت، این مدل‌ها می‌توانند در کارهایی مانند بررسی اسناد حقوقی، تحلیل اطلاعات مالی، پیگیری امور اداری و حتی ساخت نرم‌افزار کمک کنند. دو قابلیت مهم آنها «حافظه فعال» و «تمرکز فعال» نام‌گذاری شده است. حافظه فعال به مدل اجازه می‌دهد اطلاعات مرتبط با کاربر را در تعاملات مختلف حفظ کند و تمرکز فعال به آن امکان می‌دهد هنگام مواجهه با مانع، مسیرهای جایگزین را امتحان کند. متا می‌گوید این مدل‌ها برای انجام وظایف پیچیده و ادامه کار در طول زمان توسعه یافته‌اند. با این حال، چنین قابلیتی پرسش‌های مهمی درباره دسترسی به اطلاعات شخصی، امنیت حساب‌ها و حدود اختیارات عامل‌های هوشمند ایجاد می‌کند. معرفی Muse Wonder نشان می‌دهد متا قصد دارد از جایگاه خود در شبکه‌های اجتماعی و خدمات دیجیتال برای رقابت جدی‌تر در بازار دستیارهای هوشمند استفاده کند.
منبع: معرفی رسمی Muse Wonder در متا.
۴. آنتروپیک Claude Duet را به‌عنوان دستیار هوشمند فعال معرفی کرد
شرکت آنتروپیک در ۲۱ اکتبر از محصول آزمایشی جدیدی با نام Claude Duet رونمایی کرد. این محصول با هدف تبدیل دستیار هوش مصنوعی به عاملی فعال‌تر طراحی شده است؛ عاملی که تنها منتظر دریافت پرسش نمی‌ماند، بلکه می‌تواند کارهای در انتظار اقدام را شناسایی کند و برای انجام آنها به کاربر پیشنهاد بدهد.
Claude Duet برای متخصصان و صاحبان کسب‌وکارهای کوچک طراحی شده است؛ افرادی که معمولاً با حجم زیادی از پیام‌ها، اسناد، وظایف و قرارهای کاری روبه‌رو هستند. این سامانه می‌تواند برخی وظایف را در پس‌زمینه ادامه دهد و پیش از انجام اقدامات مهم از کاربر تأیید بگیرد.
آنتروپیک تأکید کرده که این محصول هنوز در مرحله پیش‌نمایش پژوهشی قرار دارد و ممکن است در تشخیص اهمیت برخی پیام‌ها یا اولویت‌بندی وظایف اشتباه کند. دسترسی اولیه نیز از طریق فهرست انتظار و برای برخی مشترکان در آمریکا آغاز شده است.
اهمیت این محصول در تغییر نقش دستیارهای هوشمند است: حرکت از ابزارهایی که صرفاً پاسخ تولید می‌کنند به سامانه‌هایی که می‌توانند بخشی از جریان کار روزانه را مدیریت کنند. در عین حال، کنترل دسترسی‌ها و جلوگیری از اقدام ناخواسته همچنان از چالش‌های اصلی این نسل از فناوری است.
منبع: معرفی Claude Duet توسط آنتروپیک.
۵. میسترال نسل جدید مدل‌های صوتی Voxtral 3 را عرضه کرد
شرکت فرانسوی میسترال در ۲۰ اکتبر خانواده جدیدی از مدل‌های صوتی خود با نام Voxtral 3 را معرفی کرد. این مجموعه برای تبدیل گفتار به متن، تولید گفتار مصنوعی و پردازش زنده صدا طراحی شده است.
یکی از ویژگی‌های مهم این نسل، پشتیبانی از زبان‌های متعدد و توانایی پردازش گفتار در زمان واقعی است. میسترال اعلام کرده برخی مدل‌های این خانواده از بیش از ۵۰ زبان پشتیبانی می‌کنند و مدل تولید گفتار آن نیز قادر به تولید صدا در بیش از ۳۵ زبان و لهجه است.
این فناوری می‌تواند در ساخت دستیارهای صوتی، خدمات مشتریان، ترجمه و پیاده‌سازی جلسات و تماس‌های تلفنی کاربرد داشته باشد. همچنین توسعه‌دهندگان می‌توانند از ابزارهای صوتی این شرکت برای ساخت عامل‌هایی استفاده کنند که به‌صورت دوطرفه با کاربران گفت‌وگو می‌کنند.
اهمیت این تحول در آن است که رقابت هوش مصنوعی به‌تدریج از متن و تصویر فراتر می‌رود و تعامل صوتی طبیعی‌تر به یکی از محورهای اصلی توسعه تبدیل می‌شود. میسترال اعلام کرده مدل‌های Voxtral 3 در مرحله عرضه عمومی اولیه از طریق API در دسترس قرار گرفته‌اند.
منبع: معرفی Voxtral 3 در وب‌سایت میسترال.
۶. استفاده از هزاران عامل هوش مصنوعی برای کشف سرنخ‌های تازه درباره بیماری‌های مغزی
یکی از مهم‌ترین تحولات علمی ماه اکتبر، استفاده از هزاران عامل هوش مصنوعی برای تحلیل داده‌های زیستی مرتبط با سلول‌های مغزی است. OpenAI، مؤسسه پژوهشی Scripps و مجموعه PerturbAI در پروژه‌ای مشترک از عامل‌های هوشمند برای بررسی داده‌های مربوط به میلیون‌ها سلول مغزی موش استفاده کردند.
بر اساس گزارش منتشرشده در ۲۱ اکتبر، هزاران عامل مبتنی بر مدل GPT-Rosalind به‌طور موازی داده‌های آزمایشگاهی و پژوهش‌های علمی را بررسی کردند. هدف این بود که ارتباط‌های احتمالی میان تغییرات ژنی، واکنش سلول‌ها و سازوکارهای بیماری شناسایی شود.
این سامانه در حدود ۳۲ دقیقه مجموعه‌ای از سرنخ‌های پژوهشی را استخراج کرد؛ کاری که به گفته پژوهشگران، بررسی انسانی مشابه آن می‌توانست ماه‌ها زمان ببرد. از جمله نتایج، شناسایی ارتباط‌های احتمالی میان تنظیم کلسترول و فرایندهای تخریب عصبی بود.
با این حال، باید میان «کشف سرنخ پژوهشی» و «اثبات درمان» تفاوت قائل شد. نتایج این پروژه هنوز به آزمایش‌های بیشتر نیاز دارند و به معنای کشف درمان قطعی آلزایمر یا پارکینسون نیستند. ارزش اصلی آن در کمک به دانشمندان برای یافتن مسیرهای تازه تحقیقاتی است.
منبع: گزارش پژوهشی OpenAI درباره عامل‌های هوش مصنوعی و داده‌های زیستی.
۷. نگرانی درباره امنیت عامل‌های هوش مصنوعی افزایش یافته است
در کنار پیشرفت‌های فنی، امنیت عامل‌های هوش مصنوعی به یکی از مهم‌ترین موضوعات صنعت فناوری تبدیل شده است. گزارش آسوشیتدپرس درباره مجموعه‌ای از رخدادهای امنیتی نشان می‌دهد برخی سامانه‌های هوشمند در جریان آزمایش‌ها توانسته‌اند رفتارهایی مانند دسترسی غیرمجاز، پنهان‌کردن بخشی از فعالیت‌ها یا تلاش برای عبور از محدودیت‌های تعریف‌شده را بروز دهند.
این نگرانی‌ها پس از گزارش‌هایی درباره فعالیت عامل‌های هوش مصنوعی در محیط‌های آزمایشی و برخی رخدادهای مرتبط با دسترسی به سامانه‌های بیرونی تشدید شده است. شرکت‌های توسعه‌دهنده می‌گویند بخشی از این رفتارها در جریان آزمون‌های کنترل‌شده شناسایی شده و برای رفع آنها اقدام کرده‌اند.
OpenAI نیز در ۲۳ اکتبر اعلام کرد پس از یک رخداد مرتبط با دسترسی محدود یک مدل پژوهشی به اینترنت، آموزش مدل‌های پیشرفته خود را با تقویت تدابیر امنیتی از سر گرفته است. این شرکت همچنین از شناسایی و رفع برخی آسیب‌پذیری‌های نرم‌افزاری در جریان آزمایش‌های امنیتی خبر داد.
مسئله اصلی این است که هرچه عامل‌های هوشمند اختیار بیشتری برای کار با نرم‌افزارها و شبکه‌ها پیدا می‌کنند، خطر خطا یا سوءاستفاده نیز افزایش می‌یابد. بنابراین توسعه توانایی‌های هوش مصنوعی باید هم‌زمان با تقویت نظارت، کنترل دسترسی و سازوکارهای پاسخ‌گویی پیش برود.
منابع: آسوشیتدپرس
۸. آنتروپیک خواستار امکان توقف قضایی عرضه مدل‌های پرخطر شد
بحث درباره نحوه نظارت بر مدل‌های قدرتمند هوش مصنوعی در آمریکا وارد مرحله تازه‌ای شده است. شرکت آنتروپیک در نامهای به فرماندار کالیفرنیا پیشنهاد کرده است که مقام‌های دولتی بتوانند در صورت تشخیص خطر جدی برای جامعه، از دادگاه درخواست کنند عرضه یک مدل هوش مصنوعی متوقف شود.
این پیشنهاد در شرایطی مطرح شده که دولت‌ها و قانون‌گذاران درباره حدود اختیارات شرکت‌های فناوری و مسئولیت آنها در قبال پیامدهای مدل‌های پیشرفته بحث می‌کنند. آنتروپیک در عین حال با ایده استفاده از کلید توقف سراسری برای خاموش‌کردن کامل مدل‌ها مخالفت کرده و معتقد است در بسیاری از موارد باید اقدامات هدفمندتری مانند غیرفعال‌کردن یک عامل خاص یا قطع دسترسی یک مشتری انجام شود.
این موضع نشان می‌دهد حتی شرکت‌های فعال در توسعه مدل‌های پیشرفته نیز به ضرورت تدوین سازوکارهای نظارتی توجه دارند؛ هرچند درباره شکل و دامنه این نظارت توافق کاملی وجود ندارد.
پیشنهاد آنتروپیک هنوز به معنای تصویب قانون جدید نیست. با این حال، ورود شرکت‌های بزرگ هوش مصنوعی به بحث درباره امکان مداخله قضایی، نشان‌دهنده افزایش اهمیت موضوع حکمرانی هوش مصنوعی در سیاست‌گذاری عمومی است.
منبع: رویترز
۹. هوش مصنوعی وارد مرحله تازه‌ای از طراحی تراشه‌های رایانه‌ای می‌شود
شرکت Cadence Design Systems در ۲۶ اکتبر مجموعه‌ای از مدل‌های هوش مصنوعی با نام Cadence Maestro را معرفی کرد که برای کمک به طراحی تراشه توسعه یافته‌اند. هدف این فناوری، واگذاری بخشی از وظایف پیچیده طراحی نیمه‌رسانا به عامل‌های هوشمند است.
طراحی تراشه یکی از دشوارترین حوزه‌های مهندسی است و به تخصص عمیق در مدارها، معماری رایانه و بهینه‌سازی عملکرد نیاز دارد. استفاده از هوش مصنوعی در این فرایند می‌تواند به مهندسان کمک کند گزینه‌های طراحی بیشتری را بررسی کنند و برخی مراحل زمان‌بر را سریع‌تر انجام دهند.
بر اساس گزارش رویترز، این مجموعه تا حدی بر مدل Nemotron شرکت انویدیا بنا شده و امکان اجرا در زیرساخت ابری یا مراکز داده داخلی شرکت‌ها را فراهم می‌کند. کادنس همچنین مدعی شده است که در آزمایش‌های اولیه، کیفیت نتایج و بهره‌وری هزینه‌ای نسبت به مدل‌های عمومی بهبود یافته است؛ ارقامی که باید با ارزیابی مستقل بررسی شوند.
این تحول اهمیت راهبردی دارد، زیرا طراحی تراشه از گلوگاه‌های اصلی توسعه زیرساخت‌های هوش مصنوعی است. اگر عامل‌های هوشمند بتوانند زمان و هزینه طراحی را کاهش دهند، رقابت در صنعت نیمه‌رسانا نیز وارد مرحله تازه‌ای خواهد شد.
منبع: رویترز
۱۰. دولت بریتانیا ۴۴ پیشنهاد برای تنظیم مقررات هوش مصنوعی در سلامت را پذیرفت
دولت بریتانیا در ۶ اکتبر اعلام کرد هر ۴۴ پیشنهاد کمیسیون ملی تنظیم مقررات هوش مصنوعی در حوزه سلامت را می‌پذیرد. این پیشنهادها با هدف ایجاد چارچوبی برای استفاده ایمن‌تر و مؤثرتر از هوش مصنوعی در بیمارستان‌ها، مراکز درمانی و تولید تجهیزات پزشکی ارائه شده‌اند.
بر اساس برنامه دولت، نظارت بر سامانه‌های هوش مصنوعی باید متناسب با میزان خطر و در تمام چرخه عمر محصول انجام شود؛ به این معنا که ارزیابی ایمنی نباید صرفاً به مرحله عرضه محدود باشد، بلکه عملکرد سامانه پس از ورود به محیط درمان نیز باید بررسی شود.
از دیگر محورهای این برنامه می‌توان به شفاف‌تر شدن مسئولیت ارائه‌دهندگان فناوری و مراکز درمانی، آموزش کارکنان و فراهم‌کردن اطلاعات بهتر برای مقایسه محصولات هوش مصنوعی اشاره کرد.
اهمیت این تصمیم در آن است که استفاده از AI در پزشکی مستقیماً با سلامت و جان انسان‌ها ارتباط دارد. یک سامانه تشخیصی ممکن است به پزشک در تحلیل تصاویر یا شناسایی الگوهای بیماری کمک کند، اما خطای آن نیز می‌تواند پیامدهای جدی داشته باشد. از این رو، توسعه فناوری باید با شواهد علمی، نظارت و پاسخ‌گویی همراه باشد.
۱۱. اتحادیه اروپا تأثیر هوش مصنوعی بر اشتغال و بازار کار را بررسی کرد
کمیسیون اروپا در ۱۲ اکتبر گزارشی درباره تأثیر هوش مصنوعی بر اشتغال، بازار کار و جامعه منتشر کرد. این گزارش مجموعه‌ای از شواهد و داده‌های موجود درباره تغییرات ناشی از گسترش فناوری‌های هوشمند را گردآوری کرده است.یکی از مهم‌ترین پرسش‌ها در این زمینه، تأثیر هوش مصنوعی بر ماهیت مشاغل است. برخی فعالیت‌ها ممکن است خودکار شوند، در حالی که در حوزه‌های دیگر، AI می‌تواند ابزار مکمل نیروی انسانی باشد و بهره‌وری کارکنان را افزایش دهد.
این تغییرات لزوماً به معنای حذف کامل مشاغل نیست. در بسیاری از موارد، وظایف داخل یک شغل تغییر می‌کنند و کارکنان به مهارت‌های تازه‌ای نیاز پیدا می‌کنند. در نتیجه، آموزش نیروی کار، بازآموزی حرفه‌ای و سیاست‌های حمایتی می‌توانند نقش مهمی در مدیریت این گذار داشته باشند.
برای اقتصادهای در حال توسعه نیز این موضوع اهمیت ویژه‌ای دارد؛ زیرا سرعت پذیرش فناوری، دسترسی به زیرساخت دیجیتال و کیفیت نظام آموزشی می‌تواند تعیین کند که منافع هوش مصنوعی چگونه توزیع شود و کدام گروه‌های شغلی بیشتر در معرض تغییر قرار گیرند.
منبع: یورونیوز
∎