🧠 در سال ۲۰۲۶، هوش مصنوعی از حالت هیجانانگیز به حالت عملگرا تغییر خواهد کرد ↗
طرح مسئله ساده است: دوران «نمایش روی صحنه» با این سوال که «آیا این در استفاده روزمره دوام میآورد؟» کنار گذاشته میشود. انرژی از مدلهای بزرگتر فاصله میگیرد و به سمت این میرود که هوش مصنوعی به راحتی در گردشهای کاری پیچیده و انسانی جای بگیرد.
این به صورت مدلهای کوچکتر در جایی که جا میشوند، هوش بیشتر در دستگاهها، و صحبتهای کمتر با محوریت «عاملهای کاملاً خودمختار» خود را نشان میدهد - ابزارهای بیشتری که به طور معناداری افراد را تقویت میکنند (بالاخره... یا حداقل اینطور به نظر میرسد).
🎧 OpenAI ممکن است بخواهد کاربران تعامل با هوش مصنوعی را به شیوهای متفاوت آغاز کنند ↗
طبق گزارشها، OpenAI تیمها را مجدداً سازماندهی کرده است تا مدلهای تولید صدا را با جدیت بیشتری پیش ببرد، و صدا را به عنوان محور جاهطلبیهای آیندهاش در زمینه دستگاههای فیزیکی در نظر بگیرد. جزئیات جذاب شایعه: یک حس نور صفحه (یا بدون صفحه)، که به محاسبات مبتنی بر صدا نزدیکتر است تا یک شبکه برنامه دیگر.
زاویه «همراه» توصیفشده... شدید است. دستگاهی را تصور کنید که از طریق صدا و تصویر، اطراف شما را دریافت میکند و بهطور فعال چیزهایی را پیشنهاد میدهد - که میتواند حس حمایت و همچنین کمی خستگی را در زمانی که هیچ میلی به «بهینهسازی» ندارید، القا کند
📱 گوگل هوش مصنوعی را به دستگاهها میآورد ↗
پیام بزرگ گوگل در اینجا هوش مصنوعی لبهای به عنوان یک لایه پیشفرض است، نه یک حالت اختیاری جذاب. هوش مصنوعی ابری، تأخیر، هزینه و اصطکاک جابجایی دادهها را به همراه دارد - و این بدهبستانها وقتی هوش مصنوعی در نرمافزارهای روزمره گنجانده شود، زشتتر هم میشوند.
این ابزار لبهای گوگل را بررسی میکند و FunctionGemma را برجسته میکند، که به عنوان یک مدل فشرده روی دستگاه طراحی شده است که برای تبدیل زبان طبیعی به اقدامات اجرایی طراحی شده است. کمتر چتبات، بیشتر «گوشی من را وادار به انجام کار کن» که به نظر میرسد جهتگیری جالبتری است.
🧰 جدید در بازار مایکروسافت: ۲ ژانویه ۲۰۲۶ ↗
مایکروسافت میگوید ۱۳۷ پیشنهاد جدید ارائه شده است - راهکارهای ابری، اپلیکیشنهای هوش مصنوعی و نمایندگان فروش. این یک عرضهی فوقالعاده نیست؛ بلکه یک سیل است، مثل یک راهروی اپ استور که ناگهان برچسب «نمایندگان فروش» خورده و همه برای پر کردن قفسهها هجوم میآورند.
چند مثال کاربردی و ناب: یک پلتفرم عامل گفتار و مکالمه عربی با هدف استفاده در بانکها و موارد استفاده دولتی، به علاوه ابزارهای «عامل خودتان را بسازید» که به کلیدهای LLM موجود و دادههای تجاری متصل میشوند. شاید خیلی جذاب نباشد. البته نکته جالبی هم هست.
🐷 مایکروسافت به خوکها میگوید دیگر هوش مصنوعی را «لجنزار» خطاب نکنند ↗
ساتیا نادلا به بحث «هوش مصنوعی بیکیفیت» پرداخت و از مردم خواست که از آن عبور کنند - نه با تظاهر به اینکه خروجیهای بیکیفیت وجود ندارند، بلکه با تغییر چارچوب بحث به عنوان یک مشکل طراحی محصول و طراحی جامعه.
او به ایده «تقویتکننده شناختی» (هوش مصنوعی به عنوان انرژی دوچرخه ذهن) تکیه میکند، که استعارهای زیبا است... و همچنین کمی مبهم، زیرا از پاسخ به این سوال دشوار که آیا خروجی خوب، بدیع و ارزش وقت گذاشتن را دارد یا خیر، طفره میرود.
📈 سال ۲۰۲۶ قرار است سال عرضه اولیه سهام شرکتهای فناوری باشد. آیا این سال، سال ترکیدن حباب هوش مصنوعی نیز خواهد بود؟ ↗
این مقاله بر این موضوع تمرکز میکند که چگونه عرضه اولیه سهام بالقوه از سوی نامهای بزرگ هوش مصنوعی میتواند سطح جدیدی از شفافیت را ایجاد کند - و با این کار، حکم بازار عمومی در مورد اینکه «سودآوری» در هوش مصنوعی اصلاً چگونه است.
این همچنین حاوی یک مفهوم ضمنی نگرانکننده است: هیجان زیادی کارساز بوده است، و ثبتهای IPO معمولاً جای خود را به اعداد و ارقام میدهند. اگر عرضه اولیهها خوب پیش بروند، پول به جریان خود ادامه میدهد؛ اگر با شکست مواجه شوند، بسیاری از هزینههای هوش مصنوعی ناگهان ممکن است... اختیاری به نظر برسند.
سوالات متداول
اینکه هوش مصنوعی در سال ۲۰۲۶ از نمایش به عملگرایی تغییر میکند، به چه معناست؟
این نشاندهندهی رویگردانی از نمایشهای نمایشیِ پر زرق و برق و حرکت به سمت ابزارهایی است که در کارهای روزمره دوام میآورند. به جای شرطبندی روی همه چیز روی مدلهای بزرگتر یا «عاملهای کاملاً خودمختار»، توجه به هوش مصنوعی معطوف میشود که با گردشهای کاری ناقص انسانی سازگار است و به طور مداوم از افراد پشتیبانی میکند. در عمل، این اغلب به صورت مجموعههای قابلیت محدودتر، ادغام دقیقتر و انتظارات دقیقتر در مورد بازگشت سرمایه (ROI) به نظر میرسد.
چرا مدلهای کوچکتر و هوش مصنوعی روی دستگاه ناگهان اینقدر مورد توجه قرار گرفتهاند؟
مدلهای کوچکتر میتوانند برای کارهای هدفمند «به اندازه کافی خوب» باشند، در حالی که ارزانتر و استقرار آنها سادهتر است. هوش مصنوعی روی دستگاه همچنین تأخیر، هزینههای مکرر ابری و اصطکاک مداوم جابجایی دادهها را کاهش میدهد. از آنجایی که هوش مصنوعی به یک لایه پیشفرض در نرمافزارهای روزمره تبدیل میشود، این بدهبستانها به اندازه اندازه مدل خام اهمیت پیدا میکنند.
هوش مصنوعی لبهای چیست و هدف چیزی مانند FunctionGemma چیست؟
هوش مصنوعی لبهای به معنای اجرای مستقیم ویژگیهای هوش مصنوعی روی دستگاهها به جای تکیه بر فضای ابری برای هر تعامل است. وعده این است که پاسخهای سریعتر، هزینه کمتر و دردسرهای کمتر در مدیریت دادهها. FunctionGemma به عنوان یک مدل فشرده روی دستگاه قرار گرفته است که بر تبدیل زبان طبیعی به اقدامات اجرایی متمرکز است - کمتر "چت"، بیشتر "گوشی من را وادار به انجام کار کن"
ابزارهای «عامل» که بازارهایی مانند مایکروسافت را در بر گرفتهاند، چگونه ارزیابی میکنید؟
با آنها مانند نرمافزارهای تجاری رفتار کنید، نه جادو: با گردش کاری که ادعا میکنند بهبود میبخشند شروع کنید، سپس دادههای مورد نیاز، سیستمهایی که با آنها در ارتباط هستند و نحوه مدیریت شکست را ترسیم کنید. بسیاری از پیشنهادات کاربردی به نظر میرسند - مانند پلتفرمهای گفتاری و مکالمهای که برای بخشهای تحت نظارت ساخته شدهاند، یا کیتهای «عامل خودتان را بسازید» که به کلیدهای LLM موجود و دادههای تجاری متصل میشوند. قبل از مقیاسبندی، با محافظها آزمایش کنید.
آیا دستگاههای هوش مصنوعی مبتنی بر صدا یا نور صفحه نمایش ارزشمند هستند - یا فقط طاقتفرسا؟
یک دستگاه «همراه» که با صدا کار میکند، میتواند وقتی موانع را از بین میبرد و به شما کمک میکند سریع عمل کنید، حس حمایت ایجاد کند. اما اگر همیشه در حال گوش دادن، تماشا کردن و ارائه پیشنهادهای پیشگیرانه باشد، میتواند در عین حال مزاحم یا متمرکز بر بهینهسازی شما در زمانی که شما چنین چیزی را نمیخواهید، به نظر برسد. در بسیاری از تنظیمات، عوامل تعیینکننده، کنترل حریم خصوصی، شفافیت و اینکه چقدر راحت میتوانید آن را خاموش کنید، هستند.
آیا عرضه اولیه سهام هوش مصنوعی در سال ۲۰۲۶ نشان خواهد داد که آیا رونق هوش مصنوعی یک حباب است یا خیر؟
ثبتهای احتمالی عرضه اولیه سهام (IPO) میتواند دیدگاه عمومیتر و مبتنی بر اعداد و ارقام را در مورد مدلهای کسبوکار هوش مصنوعی، بهویژه در مورد ساختار هزینه و سودآوری، ایجاد کند. این شفافیت میتواند در صورت قوی به نظر رسیدن اقتصاد، هزینهها را توجیه کند - یا در صورت منفی بودن این موضوع، بودجههای خاص را غیرضروری جلوه دهد. ببینید که شرکتها چگونه حاشیه سود، محاسبه هزینهها و تقاضای پایدار را توضیح میدهند، نه فقط روایتهای رشد.