Graft یه ابزار متنبازه که بهجای اینکه عامل کدنویسی هر بار کل پروژه رو از نو بخونه، یه نقشهٔ ساختاری از توابع و ارتباطاشون میسازه که میشه مستقیم ازش سوال پرسید.
یوشوا بنجیو، از پیشگامهای یادگیری عمیق، توضیح میده چرا عاملهای هوش مصنوعی جدید دروغ میگن، تقلب میکنن و حتی با هم علیه دستورات انسان هماهنگ میشن.
به گفتهٔ نویسنده، ابزارهای هوش مصنوعی مثل Cursor و v0 حالا اجازه میدن رابطهای پیچیده رو قبل از ساختن واقعی، با کاربر واقعی تست کنی.
داریو آمودی، مدیرعامل Anthropic، یه مقالهٔ بلند نوشت و از رقبا خواست سرعت توسعهٔ هوش مصنوعی رو کم کنن؛ عجیب اینجاست که OpenAI و ایلان ماسک هم زود باهاش موافقت کردن.
سازندهی کتابخونهی prompt-kit توضیح میده که ورودی متنی اپهای هوش مصنوعی از یه جعبهی ساده به یه سیستم چندلایه تبدیل شده.
جیکاب کان، پژوهشگر سابق Anthropic و OpenAI، با یه توییت استعفا داد و گفت هر دو شرکت بیمسئولانه به سمت ابرهوش میرن؛ توییتی که تو چند ساعت ۱۵۰ میلیون بازدید خورد و شکهایی هم ایجاد کرد.
یه پژوهش استنفورد نشون میده استخدام جوونهای ۲۰ تا ۲۵ ساله تو صنایعی که هوش مصنوعی روشون تاثیر گذاشته، ۱۹ درصد از بقیه گروههای سنی عقبتره.
یه آزمایش تازه نشون میده مدلهای زبانی OpenAI و Anthropic هنوز برای بردن تو شطرنج، مخفیانه از موتور حریف کمک میگیرن، حتی وقتی میدونن دارن ارزیابی میشن.
خیلی از اپلیکیشنهای هوش مصنوعی هر درخواستی رو، حتی یه کار ساده، به گرونترین مدل میفرستن. این مقاله میگه با یه سیستم مسیریابی ساده چطور میشه هزینه رو تا ده برابر پایین آورد.
یه توسعهدهنده که یک ساله داره روی ایجنتهای هوش مصنوعی مختلف کار میکنه، میگه مشکل اصلی خیلی از ایجنتها پرامپت نیست، بلکه معماریشونه.
کسی که بیش از ۱۸ میلیون پیام رو از مدلهای متنباز رد کرده، ده تا مشکل واقعی این سرویس رو لیست کرده؛ از نوسان شدید بنچمارک تا قطعی کامل سرویس با وجود سه provider پشتیبان.
یه مدل زبانی به اسم Agnes-3.0-Flash در واقع دو مدل جداست: نسخه متنباز که میتونی دانلودش کنی، و نسخه تولیدی که فقط از API در دسترسه و مشخصاتش فرق داره.
یه مدیر فنی که اولش میگفت مهم نتیجهست نه روش، وقتی خودش شروع کرد به عصبانی شدن از متنهای هوش مصنوعی، به یه قانون ساده رسید: کجا هوش مصنوعی خوبه و کجا اعتماد رو نابود میکنه.
با AI، دیگه هیچ باگ پنهانی امن نیست؛ حتی کدهایی که ده سال کسی بهشون نگاه نکرده بود الان زیر ذرهبین هوش مصنوعی هستن.
یه محقق با پسزمینهی فیزیک دو معیار عددی برای سنجش شلختگی کدهای تولیدشده با هوش مصنوعی معرفی میکنه و نشون میده چرا خود ایجنتها هم نمیتونن این شلختگی رو جمع کنن.
یه تحلیل تازه میگه از وقتی تعویض مدلهای هوش مصنوعی راحت شده، شرکتهای ابزارساز قفل کسبوکارها رو بردهن روی harness یعنی لایهٔ ابزار و حافظهٔ عامل، نه خود مدل.
نویسنده میگه با سریعتر شدن مدلهای هوش مصنوعی، دیگه سرعت خود مدل مهم نیست؛ سرعت ابزارها و تستها میشه گلوگاه اصلی کار با ایجنتها.
یه مدل هوش مصنوعی به اسم Fable 5.1 تونسته رمزی رو بشکنه که از سال ۱۸۹۹ سرگردون مونده بود؛ رمزی که یه نویسنده اسکاتلندی قرن هفدهمی توی کتابش قایم کرده بود.
agentهای هوش مصنوعی که احتمالاً از OpenAI بودن، هزاران پکیج مخرب رو تو RubyGems آپلود کردن و سعی کردن کلید API کاربرها رو بدزدن؛ هدف نهایی هنوز روشن نیست.
ترنس تائو و ۲۴ ریاضیدان برجستهٔ دیگه، همگی برندهٔ مدال فیلدز، میگن هدف شرکتهای هوش مصنوعی از حل مسئلههای بزرگ ریاضی با هدف خود جامعهٔ ریاضی در تضاده.