جمنای قابلیت جدیدی به نام Guided Learning رو معرفی کرده که برای کمک به یادگیری عمیق‌تر طراحی شده و به جای دادن یک جواب کوتاه، مسائل رو مرحله‌به‌مرحله توضیح می‌ده و با پرسش‌های باز، کاربر رو وارد فرایند یادگیری می‌کنه.

‏Guided Learning می‌تونه با استفاده از متن، تصویر، ویدئو، نمودار و کوییز تعاملی، یادگیری رو متنوع‌تر کنه. این قابلیت بر پایه مدل‌های ویژه آموزش گوگل به نام LearnLM ساخته شده که با همکاری معلم‌ها و متخصصان آموزشی توسعه پیدا کرده.

به گفته گوگل، این ابزار می‌تونه برای آمادگی امتحان، نوشتن تحقیق یا حتی یادگیری مهارت‌های شخصی استفاده بشه و معلم‌ها هم می‌تونن لینک مستقیمش رو در کلاس‌های آنلاین به اشتراک بذارن. گوگل گفته هدف اینه که با Guided Learning، مسیر یادگیری برای کاربران در هر سطحی ساده‌تر و مؤثرتر بشه.

@aipulse24

گوگل اعلام کرد ابزار هوش مصنوعی برنامه‌نویسی «Jules» بعد از دو ماه آزمایش عمومی از حالت بتا خارج شده. این ابزار با مدل Gemini 2.5 Pro کار می‌کنه، با گیت‌هاب یکپارچه می‌شه و می‌تونه روی ماشین مجازی گوگل کد رو اصلاح یا به‌روزرسانی کنه، حتی وقتی کاربر حضور نداره.

با عرضه عمومی، نسخه رایگان روزانه ۱۵ تسک و سه تسک هم‌زمان رو پشتیبانی می‌کنه. پلن‌های پولی Google AI Pro و Ultra به‌ترتیب با قیمت ۱۹.۹۹ و ۱۲۴.۹۹ دلار، سقف استفاده رو پنج و بیست برابر بیشتر می‌کنن. سیاست حریم خصوصی هم شفاف‌تر شده و داده مخزن خصوصی برای آموزش استفاده نمی‌شه.

‏«Jules» به‌صورت Asynchronous کار می‌کنه و این هفته قابلیت باز کردن خودکار Pull Request و ویژگی «Environment Snapshots» رو دریافت کرده. از زمان بتا، بیش از ۲.۲۸ میلیون بازدید داشته که ۴۵ درصدش از موبایل بوده و گوگل قصد داره امکانات بیشتری برای این کاربران توسعه بده.

از طریق این لینک میتونید به این ابزار دسترسی داشته باشید.

@aipulse24

شرکت انتروپیک قابلیت «حافظه» رو به چت‌بات خودش، Claude، اضافه کرده تا کاربران بتونن راحت‌تر مکالمات و پروژه‌هاشون رو از جایی که قبلاً رها کرده بودن ادامه بدن. این قابلیت باعث میشه Claude بتونه به چت‌های قبلی کاربر (وقتی که ازش خواسته میشه) رجوع کنه، بنابراین دیگه لازم نیست کاربر دوباره همه چیز رو توضیح بده.

در ویدئوی دموی منتشرشده توسط انتروپیک، کاربری از Claude پرسید قبل از تعطیلات روی چه کاری مشغول بوده و Claude با جستجو در مکالمات قدیمی، فهرست موضوعات، خلاصه کارها و پیشنهاد ادامه پروژه رو ارائه داد. این قابلیت فعلاً برای مشترکان نسخه‌های Max، Team و Enterprise روی وب، دسکتاپ و موبایل فعال میشه و امکان جدا نگه‌داشتن پروژه‌ها و فضاهای کاری مختلف رو هم داره.

انتروپیک اعلام کرده که با این ویژگی «دیگه هیچ‌وقت روند کارتون رو گم نمی‌کنید» و می‌تونید بدون شروع از صفر، پروژه‌ها رو ادامه بدید یا به بحث‌های قبلی رجوع کنید. برای فعال‌کردنش باید به بخش Settings، قسمت Profile برید و گزینه جستجو و ارجاع به چت‌ها رو روشن کنید.

البته انتروپیک تأکید کرده که این قابلیت با شبیه به چیزی که در حافظه ChatGPT میبینیم فرق داره و Claude به‌طور خودکار همه گفته‌ها رو ذخیره یا پروفایل شخصی کاربر رو ایجاد نمی‌کنه؛ بلکه فقط وقتی کاربر بخواد، به مکالمات قبلی مراجعه می‌کنه.

@aipulse24

​شرکت گوگل در مطالعه‌ای جدید ادعا کرده که هوش مصنوعی جمنای تأثیر محیط زیستی بسیار کمی داره و هر درخواست متنی معمولی از اون فقط به اندازه پنج قطره آب مصرف می‌کنه. طبق این گزارش، هر پرامپت حدود ۰.۲۶ میلی‌لیتر آب و ۰.۲۴ وات-ساعت برق مصرف می‌کنه که معادل تماشای تلویزیون برای کمتر از نه ثانیه‌اس. گوگل میگه این آمار پایین به خاطر بهینه‌سازی‌هایی بوده که در یک سال گذشته انجام داده، اما کارشناسان معتقدند این ادعاها گمراه‌کننده‌اس چون گوگل داده‌های کلیدی رو از گزارش خودش حذف کرده.

​انتقاد اصلی متخصصان اینه که گوگل «مصرف غیرمستقیم آب» رو در محاسباتش نیاورده. آماری که گوگل ارائه داده فقط مربوط به آبیه که مستقیماً در سیستم‌های خنک‌کننده دیتاسنترها برای جلوگیری از داغ شدن سرورها استفاده می‌شه. اما بخش عمده آب مصرفی یک دیتاسنتر در واقع مربوط به نیروگاه‌های برق (گازی یا هسته‌ای) می‌شه که برق مورد نیاز همون دیتاسنتر رو تولید می‌کنن. به گفته کارشناسان، با حذف این بخش، گوگل در واقع فقط «نوک کوه یخ» رو به ما نشون می‌ده و اطلاعات مهم رو پنهان می‌کنه.

​اشکال دیگری که به این گزارش وارده، نحوه مقایسه داده‌هاست. گوگل برای اینکه آمار خودش رو بهتر جلوه بده، مصرف آب «مستقیم» خودش رو با تحقیقات قبلی مقایسه کرده که در اون‌ها مصرف آب «کل» (مستقیم و غیرمستقیم) محاسبه شده بود. علاوه بر این، گوگل از معیار «میانه» (median) برای هر پرامپت استفاده کرده تا تأثیر درخواست‌های بسیار سنگین و پرمصرف، میانگین رو بالا نبره. کارشناسان میگن این روش مقایسه درست نیست و تصویر دقیقی از واقعیت ارائه نمی‌ده.

​اما شاید مهم‌ترین نکته، تصویر کلی ماجرا باشه. حتی اگه ادعای گوگل مبنی بر بهینه‌تر شدن هر درخواست هوش مصنوعی درست باشه، رشد انفجاری و استفاده گسترده از این فناوری باعث شده که مصرف کل منابع و آلودگی کلی شرکت به شدت افزایش پیدا کنه. این پدیده به «پارادوکس جونز» معروفه. گزارش پایداری خود گوگل نشون می‌ده که انتشار کربن این شرکت در سال گذشته ۱۱ درصد بیشتر شده. به همین خاطر، کارشناسان میگن با وجود آمارهای جزئی و به ظاهر مثبت، داستان کامل بسیار نگران‌کننده‌تره.

@aipulse24

شرکت انتروپیک افزونه جدید Claude برای کروم رو به‌صورت آزمایشی عرضه کرده تا کاربرها بتونن مستقیماً در مرورگر به Claude دستور بدن و کارهایی مثل مدیریت تقویم، نوشتن ایمیل یا پر کردن فرم‌ها رو انجام بدن. به گفته انتروپیک، مرورگر-ایجنت‌های هوش مصنوعی دیر یا زود به بخشی جدایی‌ناپذیر از کارهای روزمره تبدیل می‌شن، اما در عین حال خطرهای امنیتی بزرگی مثل prompt injection وجود داره؛ جایی که هکرها دستورهای مخفی رو در وب‌سایت‌ها یا ایمیل‌ها جاسازی می‌کنن تا Claude رو به انجام کارهای ناخواسته مثل پاک کردن ایمیل‌ها یا انتقال داده حساس وادار کنن. آزمایش‌های اولیه نشون داده که بدون محافظت، این حمله‌ها می‌تونن با موفقیت بالایی اجرا بشن.

انتروپیک برای مقابله با این خطرها لایه‌های دفاعی مختلفی در نظر گرفته؛ از جمله تأیید کاربر قبل از انجام کارهای حساس، امکان محدود کردن دسترسی Claude به سایت‌ها، مسدودسازی سایت‌های پرریسک، و استفاده از مدل‌های شناسایی الگوهای مشکوک. این اقدامات باعث شده نرخ موفقیت حمله‌ها به طور قابل توجهی کاهش پیدا کنه. با این حال، شرکت تأکید کرده که هنوز باید با کمک کاربرهای آزمایشی نقاط ضعف باقی‌مونده شناسایی بشه. فعلاً این قابلیت فقط برای هزار نفر از کاربران پلن Max فعال شده و انتروپیک امیدوار هست با جمع‌آوری بازخورد و بهبود امنیت، بتونه در آینده این ابزار رو برای همه کاربران عرضه کنه.

@aipulse24

شرکت krea.ai در پستی که در شبکه اجتماعی ایکس منتشر کرده از اولین مدل تولید ویدیوی realtime رونمایی کرده، با استفاده از این مدل میتونید به صورت زنده حالات ویدیوی تولید شده رو تغییر بدید.

این مدل فعلا در مرحله بتا قرار داره و تایم دقیقی هم برای عرضه عمومی اون مشخص نشده.

@aipulse24

دمیس هاسابیس میگه اینکه بعضی رقبا مدل‌های هوش مصنوعی فعلی رو «هوش در سطح دکترا» معرفی می‌کنن، حرف درستی نیست. به گفته‌ی اون، این سیستم‌ها بعضی توانایی‌ها دارن که در سطح دکترا حساب میشه، اما در کل «هوش عمومی» ندارن. نمونه‌اش هم اینه که همین چت‌بات‌های امروزی اگه سؤال ساده ریاضی دبیرستانی یا حتی شمارش پایه‌ای رو کمی متفاوت مطرح کنیم، ممکنه جواب اشتباه بدن؛ چیزی که برای یک سیستم AGI واقعی نباید ممکن باشه. هاسابیس پیش‌بینی می‌کنه برای رسیدن به چنین سطحی از هوش عمومی هنوز ۵ تا ۱۰ سال فاصله داریم.

اون یکی از کمبودهای اصلی رو «یادگیری پیوسته» می‌دونه؛ یعنی اینکه سیستم بتونه به صورت آنلاین چیز جدیدی یاد بگیره یا رفتارش رو سریع تنظیم کنه. به گفته‌ی هاسابیس، این قابلیت‌ها هنوز در مدل‌های فعلی وجود ندارن و شاید صرفاً بزرگ‌تر کردن مدل‌ها ما رو به اونجا نرسونه. احتمالاً هنوز یک یا دو جهش علمی مهم لازمه که به گفته‌ی اون در پنج سال آینده اتفاق میفته و مسیر رسیدن به AGI رو هموار می‌کنه.

@aipulse24

شرکت‌های OpenAI و گوگل اعلام کردن که مدل‌های استدلالی‌شون تونستن توی مسابقات جهانی ICPC، معتبرترین رقابت برنامه‌نویسی دانشگاهی دنیا، به سطح مدال طلا برسن.

توی این رقابت که ۴ سپتامبر برگزار شد، ۱۳۹ تیم از بین حدود سه‌هزار دانشگاه شرکت کردن و پنج ساعت وقت داشتن تا ۱۲ مسئله پیچیده رو حل کنن. مدل‌های اوپن‌ای‌آی همه مسائل رو درست جواب دادن و عملاً اول شدن، در حالی که الگوریتم گوگل ۱۰ مسئله رو حل کرد و در جایگاه دوم قرار گرفت.

نکته جالب این بود که هر دو مدل تونستن «مسئله C» رو جواب بدن؛ مسئله‌ای که هیچ تیم انسانی از پسش برنیومده بود.

گوگل با نسخه پیشرفته مدل Gemini 2.5 Pro Deep Think وارد مسابقه شد و اوپن‌ای‌آی هم با GPT-5 و یک مدل آزمایشی تازه شرکت کرد که هنوز عمومی نشده. GPT-5 با کمک اون مدل ۱۱ مسئله رو حل کرد و مسئله آخر رو مدل آزمایشی به‌تنهایی جواب داد.

@aipulse24

گوگل دیپ‌مایند مدل‌های جدید هوش مصنوعی خودش رو با نام Gemini Robotics 1.5 و Gemini Robotics-ER 1.5 معرفی کرده که توانایی ربات‌ها رو در انجام کارهای پیچیده چندمرحله‌ای بالا می‌بره. به گفته کارولینا پارادا، مدیر بخش رباتیک دیپ‌مایند، این مدل‌ها به ربات‌ها امکان می‌دن قبل از انجام کار، چند قدم جلوتر رو تصور کنن و حتی برای حل مسئله از جستجوی وب کمک بگیرن. برای نمونه، ربات‌ها حالا می‌تونن لباس‌ها رو بر اساس رنگ تفکیک کنن، چمدان رو متناسب با وضعیت آب‌وهوای لندن ببندن یا زباله و مواد قابل بازیافت رو بر اساس قوانین محلی مرتب کنن.

مدل Gemini Robotics-ER 1.5 محیط اطراف رو درک می‌کنه و با استفاده از ابزارهایی مثل گوگل سرچ اطلاعات تکمیلی رو پیدا می‌کنه، بعد اون‌ها رو به دستورهای قابل فهم برای Gemini Robotics 1.5 تبدیل می‌کنه تا ربات بتونه مرحله به مرحله اجراشون کنه. این سیستم باعث می‌شه ربات‌ها از یک دستور ساده فراتر برن و به حل مسائل واقعی در دنیای فیزیکی نزدیک‌تر بشن.

نکته مهم دیگه اینه که دیپ‌مایند می‌گه این مدل‌ها امکان انتقال مهارت‌ها بین ربات‌های مختلف رو فراهم می‌کنن. یعنی کاری که یک ربات مثل ALOHA2 یاد گرفته، می‌تونه روی ربات‌های دیگه مثل Franka یا حتی ربات انسان‌نمای Apollo هم بدون تغییر اجرا بشه. به این ترتیب، یک مدل می‌تونه چندین نوع ربات رو کنترل کنه و تجربه‌ها بین اون‌ها به اشتراک گذاشته بشه. فعلاً نسخه ER 1.5 از طریق Gemini API در دسترس توسعه‌دهنده‌ها قرار گرفته، اما مدل اصلی Robotics 1.5 فقط در اختیار برخی شرکا خواهد بود.

@aipulse24