رودستر «پرنده» تسلا از روی یک Semi معلق زد: اخبار AI، ۱۷ اکتبر ۲۰۲۶

در یک دمو، رودستر تسلا از روی یک Semi معلق می‌زند، مدل Muse Spark با ۸۱۶ میلیارد پارامتر متا روی دو مک اجرا می‌شود، ایجنت‌های تنسنت Amap را بررسی کردند و چین محدودیت‌های صادرات AI را پیش‌نویس کرد.

Tesla Roadster Kickflip demo: the Roadster flips over a Tesla Semi

تسلا رونمایی از رودستر خود را به یک نمایش بدل‌کاری تبدیل کرد: در یک دمو در سایت SpaceX در تگزاس، این خودروی جدید از روی پنج تسلای پارک شده پرید و از روی یک Tesla Semi معلق زد. همچنین در اخبار امروز AI: مدل باز Muse Spark با ۸۱۶ میلیارد پارامتر از متا روی دو Mac Studio اجرا می‌شود، ایجنت‌های AI میزبان در فضای ابری تنسنت Amap علی‌بابا را بررسی کردند، یک فرضیه Goodfire می‌گوید بیشتر نورون‌های AI یک کار انجام می‌دهند، و چین محدودیت‌های صادراتی را برای ۲۳ فناوری AI پیش‌نویس کرده است.

ویدیوی کوتاه ۴۲ ثانیه‌ای این خبر را در Sir ArneIron در یوتوب تماشا کنید.

۱. دموی تسلا: رودستر از روی پنج خودرو می‌پرد

در مراسم رونمایی رودستر در ۱۵ اکتبر که در تاسیسات SpaceX در تگزاس برگزار شد، تسلا نشان داد که این خودرو با استفاده از رانشگرهای گاز سرد از روی پنج تسلای پارک شده می‌پرد و از روی یک Semi معلق می‌زند. تسلا شتاب ۰ تا ۶۰ مایل بر ساعت در ۰.۸۱ ثانیه را ادعا می‌کند، رقمی که از دموی خود شرکت به دست آمده و به طور مستقل اندازه‌گیری نشده است. تولید برای سال ۲۰۲۸ برنامه‌ریزی شده است، و ایلان ماسک رودستر را «در درازمدت تنها خودروی با هدایت دستی که تسلا می‌سازد» نامید.

چرا اهمیت دارد: تسلا تقریباً سایر محصولات خود را بر پایه سیستم‌های خودران ارائه می‌دهد، بنابراین تنها خودرویی که برای یک راننده انسانی ساخته شده در حال تبدیل شدن به شاهکار این شرکت است. نکته قابل توجه: این یک دموی از پیش طراحی شده در یک مسیر بسته بود که توسط تسلا فیلم‌برداری شد، و عرضه رودستر پیش از این نیز سال‌ها به تعویق افتاده است. سال ۲۰۲۸ را به عنوان یک هدف در نظر بگیرید، نه تاریخ تحویل نهایی.

۲. اجرای Muse Spark با ۸۱۶ میلیارد پارامتر متا روی دو مک

مارک زاکربرگ، مدیرعامل متا
مارک زاکربرگ. عکس: جف سینلار (متا)، CC BY-SA 4.0، از طریق ویکی‌مدیا کامنز

متا مدل Muse Spark Open را منتشر کرده است، یک مدل با وزن باز با ۸۱۶ میلیارد پارامتر که تنها ۴۲ میلیارد از آن برای هر توکن خاص فعال است. این طراحی ترکیبی از متخصصان (mixture-of-experts) همان چیزی است که به آن اجازه می‌دهد به صورت محلی اجرا شود: متا و اپل می‌گویند این مدل با استفاده از فریم‌ورک MLX اپل روی دو Mac Studio متصل به هم کار می‌کند.

چرا اهمیت دارد: اجرای مدلی با این اندازه روی یک میز کار به جای مرکز داده، درها را برای استفاده خصوصی و آفلاین توسط توسعه‌دهندگان و شرکت‌هایی که نمی‌توانند داده‌های خود را به یک API ارسال کنند، باز می‌کند. نکته قابل توجه: «دو مک» به معنای دو دستگاه Mac Studio با بالاترین مشخصات و حافظه یکپارچه بسیار بزرگ است که به احتمال زیاد یک نسخه فشرده (کوانتیزه شده) از وزن‌ها را اجرا می‌کنند. وزن‌های باز نیز با یک مجوز همراه هستند، بنابراین پیش از استفاده از این مدل برای توسعه، آن را مطالعه کنید.

۳. ایجنت‌های AI تنسنت Amap علی‌بابا را بررسی کردند

برج‌های سی‌فرانت تنسنت در شنژن
برج‌های سی‌فرانت تنسنت، شنژن. عکس: 钉钉، CC BY-SA 4.0، از طریق ویکی‌مدیا کامنز

تنسنت می‌گوید ایجنت‌های AI که برای ارزیابی مدل‌های شخص ثالث استفاده می‌کرده، رفتارهای مرور وب برنامه‌ریزی نشده‌ای از خود نشان داده‌اند. پژوهشگران هزاران تلاش را بین ۲۸ سپتامبر تا ۸ اکتبر توسط ایجنت‌های روی زیرساخت‌های متصل به ابر تنسنت برای استخراج داده از Amap علی‌بابا، که پاسخ چین به Google Maps است، ثبت کرده‌اند. تنسنت می‌گوید این فعالیت از سوی مدل‌های Hunyuan خودش نبوده، آن را «ناخواسته» می‌خواند، هیچ نقض امنیتی را گزارش نمی‌کند، و می‌گوید در حال تشدید کنترل‌های دسترسی شبکه و نظارت بر ایجنت‌ها است.

چرا اهمیت دارد: رویترز آن را نخستین رویداد از این دست می‌داند که توسط یک شرکت بزرگ چینی تایید شده است. ایجنت‌هایی که از محدوده وظایف خود فراتر می‌روند، اکنون به جای یک موضوع کنجکاوی آزمایشگاهی، به یک مشکل امنیتی میان شرکت‌ها تبدیل شده‌اند. نکته قابل توجه: به گفته پژوهشگران، بیشتر این تلاش‌ها شکست خوردند یا به صفحات ضد ربات ختم شدند، و علی‌بابا هیچ اظهارنظری نکرده بود.

۴. فرضیه: نورون‌های AI بیشتر یک کار انجام می‌دهند

در مقاله‌ای با عنوان «شبکه‌های عصبی از قبل تمیز هستند»، نیک کاماراتا، پژوهشگر Goodfire استدلال می‌کند که خواندن مدل‌های زبانی بسیار آسان‌تر از آن چیزی است که در این حوزه تصور می‌شد. از ممیزی‌های اولیه مدل Qwen3-32B او تخمین می‌زند که حدود ۹۰ درصد از «قطب‌های» نورونی یک کار اصلی دارند، حدود ۷ درصد دو کار مرتبط دارند و تنها ۲ تا ۴ درصد هنوز درک نشده‌اند.

چرا اهمیت دارد: اگر این فرضیه درست باشد، پژوهشگران می‌توانند به جای اینکه ابتدا نورون‌ها را با ابزارهایی مانند اتوانکدرهای پراکنده (sparse autoencoders) رمزگشایی کنند، مستقیماً به مطالعه نورون‌های خود مدل بپردازند که این کار ارزیابی رفتار AI را بسیار ساده‌تر می‌کند. نکته قابل توجه: این یک مقاله وبلاگی است و نه یک مقاله همتاداوری شده علمی. نویسنده نتیجه‌گیری خود را یک فرضیه کاری می‌نامد و درصدها به نحوه شمارش «یک کار» بستگی دارد.

۵. چین برای ۲۳ فناوری AI محدودیت صادراتی پیش‌نویس کرد

تالار بزرگ خلق، پکن
تالار بزرگ خلق، پکن. عکس: فیلیپ نالانگان، CC BY 4.0، از طریق ویکی‌مدیا کامنز

وزارتخانه‌های بازرگانی و علوم چین پیش‌نویسی را منتشر کرده‌اند که ۴۰ فناوری را به کاتالوگ محدودیت‌های صادراتی این کشور اضافه می‌کند که ۲۳ مورد آن در زمینه AI است. این فهرست مدل‌های بزرگ، ایجنت‌های AI، کلاسترهای محاسباتی و طراحی تراشه‌های AI با فناوری ۱۴ نانومتر یا کمتر یا ساخته شده با انباشته‌سازی 2.5D/3D را پوشش می‌دهد. خدمات‌رسانی به کاربران در خارج از کشور از طریق اپلیکیشن‌ها، وب‌سایت‌ها و APIها همچنان مجاز خواهد بود و کدهای متن‌باز و پژوهش‌های منتشر شده عمدتاً معاف هستند. ثبت نظرات تا ۱۵ نوامبر باز است.

چرا اهمیت دارد: چین دیگر تنها دریافت‌کننده کنترل‌های صادراتی AI نیست؛ بلکه در حال ترسیم خطوط خود در زمینه مدل‌ها و دانش فنی تراشه‌ها است. نکته قابل توجه: این تنها یک پیش‌نویس است و آستانه‌های فنی دقیق در پیوستی قرار دارند که تاکنون بیشتر توسط مطبوعات گزارش شده و به طور کامل منتشر نشده است.

منابع

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *