یک سیستم هوش مصنوعی جدید توسعه یافته توسط گوگل دیپ‌مایند و دانشگاه ییل می‌تواند به ابداع درمان‌های نوین برای مبارزه با سرطان کمک کند. این هوش مصنوعی توانسته است یک درمان جدید پیشنهاد دهد که محققان آن را با موفقیت در سلول‌های زنده انسانی آزمایش کرده و نتایجی امیدوارکننده به دست آورده‌اند.

چگونه هوش مصنوعی گوگل می‌تواند به درمان سرطان کمک کند؟

یکی از بزرگترین چالش‌ها در درمان سرطان، وجود تومورهای به اصطلاح “سرد” است که خود را از دید سیستم ایمنی بدن پنهان می‌کنند. دانشمندان به دنبال راهی برای “داغ کردن” این تومورها و قابل مشاهده کردن آنها برای سلول‌های ایمنی هستند.

برای حل این مشکل، محققان گوگل یک مدل هوش مصنوعی بزرگ به نام C2S-Scale 27B را برپایه مدل‌های Gemma گوگل ساختند. این مدل ۲۷ میلیارد پارامتری برای درک “زبان” پیچیده سلول‌های منفرد طراحی شده است.

پیشنهاد مطالعه: لندرور دیفندر برقی، بازار خودروهای لوکس را تکان خواهد داد_آینده نوین

محققان یک وظیفه بسیار خاص را برای این هوش مصنوعی تعریف کردند: پیدا کردن دارویی که مانند یک “تقویت‌کننده شرطی” عمل کند. این هوش مصنوعی برای انجام این کار، یک غربالگری مخصوص را روی بیش از ۴ هزار دارو انجام داد که نتایج آن جالب توجه بود.

برجسته‌ترین یافته هوش مصنوعی، دارویی به نام سیلمیتاسرتیب (Silmitasertib) بود. مدل پیش‌بینی کرد که این دارو فقط زمانی می‌تواند “ارائه آنتی‌ژن” را افزایش دهد که با دوز پایینی از اینترفرون ترکیب شود.

پیشنهاد مطالعه: جیمیل با هوش مصنوعی، جستجوی ایمیل‌ها را هوشمندتر می‌کند_آینده نوین

دانشمندان دانشگاه ییل این فرضیه هوش مصنوعی را روی سلول‌های واقعی سرطان نورواندوکرین انسان آزمایش کردند. نتایج، پیش‌بینی هوش مصنوعی را کاملاً تأیید کرد؛ استفاده از سیلمیتاسرتیب به تنهایی هیچ تأثیری نداشت، اما ترکیب این دارو با اینترفرون باعث افزایش ۵۰ درصدی در ارائه آنتی‌ژن شد و تومور را برای سیستم ایمنی “داغ” و قابل مشاهده کرد.

«ساندار پیچای»، مدیرعامل گوگل، درباره هوش مصنوعی جدید گفت: «با انجام آزمایش‌های پیش‌بالینی و بالینی بیشتر، این کشف ممکن است یک مسیر امیدوارکننده جدید را برای توسعه درمان‌هایی برای مبارزه با سرطان آشکار کند.»

مدیر ارشد خدمات اپل، ادی کیو، در پادکستی به نام The Town شرکت کرد و جزئیات جدیدی از استراتژی اپل در هالیوود و برنامه‌های آینده این شرکت برای اکران‌های سینمایی و ورزشی را به اشتراک گذاشت.

توضیح ادی کیو درباره دلیل حذف پلاس از نام Apple TV

بر اساس گزارش‌ها، کیو در این گفت‌وگو اعلام کرد که اپل نام سرویس استریم Apple TV+ را به Apple TV تغییر داده است تا این برند ساده‌تر و منسجم‌تر شود. او توضیح داد که در ابتدا علامت «پلاس» به این دلیل اضافه شده بود که این سرویس به‌عنوان بخشی افزوده بر اپلیکیشن اصلی Apple TV طراحی شده بود.

با این حال، کاربران به مرور زمان این سرویس استریم را فقط Apple TV می‌نامیدند و شرکت هم این تغییر را پذیرفت. کیو افزود که علامت پلاس معمولاً برای سرویس‌هایی استفاده می‌شود که ترکیبی از نسخه رایگان و پولی دارند، مانند iCloud+، اما از آنجایی که در این مورد چنین تمایزی وجود نداشت، حذف پلاس بهترین تصمیم برای ساده‌سازی برند و هماهنگی بیشتر با تجربه کاربری اپل بوده است.

پیشنهاد مطالعه: ناسا به پرتاب پهپاد دراگون‌فلای به تیتان چراغ سبز داد_آینده نوین

کیو تأکید کرد که رویکرد اپل در حوزه استریم محتوا بر کیفیت متمرکز است، نه بر حجم یا تعداد تولیدات. او گفت: «ما به‌دنبال کمیت نیستیم، کیفیت برای ما اولویت دارد.» به گفته او، زمانی که اپل وارد بازار رقابتی استریم محتوا شد، به‌جای تلاش برای ساخت آرشیو گسترده، تمرکز خود را بر خلق محتوای متمایز و ارزشمند قرار داد.

از دید مالی، او دیدگاه‌های منفی صنعت درباره عملکرد Apple TV را رد کرد و اظهار داشت که این سرویس اکنون بیش از 40 تا 45 میلیون مشترک دارد. کیو در پایان تأکید کرد که وضعیت مالی Apple TV پایدار و مطلوب است و عملکرد کلی آن فراتر از پیش‌بینی‌ها بوده است.

پیشنهاد مطالعه: OpenAI از اشتراک ارزان‌قیمت ChatGPT Go رونمایی کرد؛ ماهی ۴.۶ دلار_آینده نوین

در مورد رویکرد اپل به اکران‌های سینمایی، کیو توضیح داد که این شرکت هنوز در مرحله یادگیری و تجربه‌اندوزی قرار دارد و تصمیمات خود را به‌صورت موردی اتخاذ می‌کند. او با اشاره به موفقیت چشمگیر فیلم فرمول 1 که توانست بیش از 630 میلیون دلار فروش جهانی ثبت کند، گفت این اتفاق نشان می‌دهد اپل در مسیر درستی حرکت می‌کند.

کیو همچنین به علاقه اپل به حوزه ورزش اشاره کرد و گفت این علاقه در راستای استراتژی شرکت برای عرضه محتوای ممتاز است. او تأیید کرد که اپل درحال نهایی‌کردن قرارداد پخش مسابقات فرمول 1 است و افزود که شرکت قصد ندارد با خرید استودیوهای بزرگ، فعالیت‌های خود را گسترش دهد.

گوگل قابلیت جدیدی به جیمیل و تقویم گوگل اضافه کرده است که زمان‌بندی جلسات را بسیار ساده‌تر می‌کند. این قابلیت با نام «کمک به برنامه‌ریزی» با استفاده از هوش مصنوعی جمینای، کاربر را در برنامه‌ریزی جلسات یاری می‌رساند.

نحوه عملکرد قابلیت جدید جیمیل

زمانی که کاربر در حال نوشتن ایمیل جدیدی است که به نظر می‌رسد مربوط به هماهنگی یک قرار یا جلسه کاری است، جیمیل به طور خودکار این موضوع را تشخیص می‌دهد و گزینه‌ای برای کمک گرفتن از جمینای نمایش می‌دهد.

جمینای با بررسی تقویم گوگل کاربر و محتوای ایمیل، چند زمان مناسب برای برگزاری جلسه را پیشنهاد می‌کند. کاربران می‌توانند پیشنهادهای هوش مصنوعی را تغییر دهند یا زمان‌های جدیدی به آن اضافه کنند و سپس زمان‌ها را مستقیماً در ایمیل قرار دهند.

پیشنهاد مطالعه: صدور مجوز عرضه سالانه 500 هزار چیپ هوش مصنوعی انویدیا به امارات_آینده نوین

با انتخاب یکی از زمان‌های پیشنهادی توسط گیرنده، دعوت‌نامه جلسه به صورت خودکار در تقویم هر دو نفر ثبت می‌شود.

در حال حاضر، این قابلیت فقط برای هماهنگی بین دو نفر فعال شده است و هنوز جلسات گروهی را پشتیبانی نمی‌کند.

پیشنهاد مطالعه: تلسکوپ جیمز وب اولین تصویر از شفق قطبی نپتون را ثبت کرد_آینده نوین

هدف گوگل از اضافه کردن این ابزار، کاهش رفت و برگشت‌های متعدد ایمیلی برای هماهنگ کردن زمان جلسات است تا کاربران راحت‌تر بتوانند قرارهای خود را تنظیم کنند.

تیم‌های تحقیقاتی چینی موفق به توسعه پارچه هوشمندی به نام A-Textile شده‌اند که می‌تواند لباس‌های معمولی شما را به یک دستیار هوش مصنوعی مجهز به قابلیت کنترل از راه دور لوازم خانگی تبدیل کند.

این فناوری نوین با دقت ۹۷.۵ درصدی قادر به تشخیص صدای شما حتی در محیط‌های پر سر و صدا است.

پارچه هوشمند برای تعامل با هوش مصنوعی

پارچه A-Textile بر اساس پدیده‌ای فیزیکی به نام اثر تریبوالکتریک کار می‌کند. وقتی صحبت می‌کنید، امواج صوتی باعث ایجاد لرزش‌های بسیار ریزی در الیاف پارچه می‌شوند.

این حرکات جزئی، بارهای الکترواستاتیکی کوچکی تولید می‌کنند که توسط یک لایه سیلیکونی حاوی نانوگل‌های SnS₂ ثبت می‌شوند.

یک لایه پنبه کربنیزه نیز این بارهای الکتریکی را ذخیره می‌کند.

سپس، سیگنال‌های الکتریکی به یک پردازنده ارسال می‌شوند و در آنجا، یک مدل هوش مصنوعی آنها را به دستورات قابل فهم تبدیل می‌کند.

پیشنهاد مطالعه: نرم‌افزار حرفه‌ای Expert RAW سامسونگ با فیلتری تازه آپدیت شد

نتایج آزمایش‌ها نشان می‌دهد که این سیستم در تشخیص دستورات صوتی به دقت ۹۷.۵ درصدی دست یافته و حتی در محیط‌های پرسروصدا نیز عملکرد خوبی دارد.

محققان اعلام کرده‌اند که این فناوری کاربردهای متعددی دارد.

آنها توانسته‌اند با صحبت‌کردن با لباس خود، لوازم خانگی هوشمند مانند لامپ و دستگاه تهویه مطبوع را روشن و خاموش کنند.

همچنین، این پارچه می‌تواند با ChatGPT تعامل داشته باشد.

کاربران می‌توانند سوالات پیچیده‌ای مانند «آب‌وهوای امروز چطور است؟» یا «متاورس را توضیح بده» را از لباس خود بپرسند.

پیشنهاد مطالعه: هوش مصنوعی جدید روند درمان سرطان را به چند هفته کاهش می‌دهد_آینده نوین

این سیستم همچنین با نقشه گوگل برای مسیریابی و با ChatGPT برای درخواست دستور تهیه غذا و برنامه سفر نیز تعامل دارد.

این دستاورد مهم در زمینه پارچه‌های هوشمند، گام بزرگی در جهت ادغام فناوری هوش مصنوعی در زندگی روزمره ما محسوب می‌شود.

پژوهشگران امیدوارند که این فناوری بتواند در آینده نزدیک در انواع مختلف لباس‌ها و منسوجات مورد استفاده قرار گیرد.

مدل زبانی جدید اپل با استفاده از معماری پیشرفته قادر است متون طولانی و پیچیده را با سرعت بسیار بالا و دقت قابل توجهی تولید کند. گزارش‌ها حاکی از آن است که تیم تحقیقاتی اپل یک مدل مبتنی بر Diffusion ارائه کرده است که می‌تواند متون را تا 128 برابر سریع‌تر از مدل‌های مشابه ایجاد کند.

سرعت بسیار زیاد مدل زبانی جدید اپل

برخلاف مدل‌های زبانی بزرگ مانند ChatGPT که از نوع Autoregressive هستند و متن را به صورت توکن به توکن تولید می‌کنند، مدل‌های Diffusion چند توکن را همزمان تولید کرده و در چند مرحله اصلاح می‌کنند تا پاسخ نهایی شکل بگیرد. مدل‌های پیشرفته‌تر مانند Flow-matching تلاش می‌کنند نتیجه نهایی را در یک مرحله به دست آورند.

مطالعه جدید اپل با عنوان «FS-DFM: Fast and Accurate Long Text Generation with Few-Step Diffusion Language Models» یک مدل جدید به نام Few-Step Discrete Flow-Matching (FS-DFM) معرفی می‌کند. این مدل قادر است متون طولانی را تنها با هشت مرحله اصلاح و با سرعتی بسیار زیاد تولید کند، در حالی که مدل‌های Diffusion معمولی نیاز به بیش از هزار مرحله دارند تا کیفیت مشابهی ارائه دهند.

پیشنهاد مطالعه: قفل در ماشین را با آیفون و اپل واچ باز کنید!

برای دستیابی به این سرعت، محققان از سه مرحله استفاده کرده‌اند: ابتدا مدل آموزش می‌بیند که چندین مرحله اصلاح متن را مدیریت کند، سپس یک مدل «معلم» برای انجام به‌روزرسانی‌های دقیق و بزرگ‌تر در هر مرحله به کار گرفته می‌شود و در نهایت نحوه اجرای هر مرحله بهینه می‌شود تا مدل بتواند با طی مراحل کمتر و ثبات بیشتر به نتیجه برسد.

در مقایسه با مدل‌های بزرگ مشابه، FS-DFM در معیارهای «آنتروپی» و «سردرگمی» عملکرد قابل توجهی داشته است. سردرگمی کیفیت متن را اندازه می‌گیرد؛ هر چه پایین‌تر باشد، متن طبیعی‌تر و دقیق‌تر است. آنتروپی میزان اطمینان مدل در انتخاب هر کلمه را نشان می‌دهد؛ مقدار پایین متن را تکراری یا قابل پیش‌بینی می‌کند و مقدار زیاد باعث می‌شود متن نامنسجم یا تصادفی شود.

پیشنهاد مطالعه: ایلان ماسک: هوش مصنوعی امکان پذیر آخر بشر را رقم بزند_آینده نوین

مدل FS-DFM با پارامترهای 1.7، 1.3 و 0.17 میلیارد، در مقایسه با مدل‌های Dream و LLaDA با 7 و 8 میلیارد پارامتر، در معیار سردرگمی عددی پایین‌تر و در آنتروپی نتیجه‌ای پایدارتر به دست آورد.

با توجه به عملکرد عالی و کمبود مدل‌های مشابه، محققان اعلام کرده‌اند که قصد دارند کد و چک‌پوینت‌های مدل را منتشر کنند تا امکان بازتولید و تحقیقات بیشتر فراهم شود. مطالعه کامل مقاله در arXiv شامل نمونه‌های عملکردی و نمودارهایی است که مراحل اصلاح هر توکن و نحوه تغییرات آن را نشان می‌دهد.