فيروسات الذكاء الاصطناعي ذاتية الاستدامة وتيرة التقدم: هذا الأسبوع في الذكاء الاصطناعي

OpenAIOpenAI AnthropicAnthropic Google DeepMindGoogle DeepMind MetaMeta
يُظهر الباحثون دودة ذكاء اصطناعي ذاتية التكرار تستخدم نماذج لغوية مفتوحة الوزن لاختراق أجهزة الكمبيوتر واستدامة نفسها، محققةً معدل نجاح يبلغ حوالي 37% للهجمات الكاملة. وفي أخبار أخرى، يتوقع داواركيش باتيل أن ترتفع تكاليف الحوسبة مع تزايد ذكاء الذكاء الاصطناعي، ويوقع أكثر من 1300 موظف في مختبرات الذكاء الاصطناعي بيانًا يطلبون فيه دعم الولايات المتحدة لوتيرة تطوير الذكاء الاصطناعي المتقدم، وتشير دراسة جديدة إلى أن أنظمة الذكاء الاصطناعي تتفوق في الهندسة لكنها تفتقر إلى قدرات البحث الإبداعي، حيث رُفضت الأوراق التي قُيمت بشكل خفي.
فريق من جامعة تورنتو، ومعهد فيكتور، وجامعة كامبريدج، وServiceNow بنوا نموذجًا أوليًا لفيروس كمبيوتر يستخدم نماذج لغوية كبيرة مفتوحة الأوزان لتشغيل الاستدلال على عقد معالجة رسومية مخترقة، مما يمكنه من التفكير في الهجمات وتنفيذها. الدودة، التي تعمل بإطار عمل مخصص ورسم بياني للاستدلال، حققت ما يقرب من 80% نجاحًا في اكتشاف الثغرات، و53% في الاستغلال، و88% في التكاثر الذاتي، بمعدل نجاح إجمالي للهجوم يبلغ حوالي 37%، مما يسلط الضوء على ظهور تهديدات إلكترونية ذاتية الاستدامة مدفوعة بالذكاء الاصطناعي. بشكل منفصل، يجادل دواركيش باتيل أنه مع زيادة ذكاء أنظمة الذكاء الاصطناعي، ستشهد أسعار الحوسبة ارتفاعًا لأنها تستطيع تحقيق أفضلية مالية من نفس كمية الحوسبة، مما قد يؤدي إلى استئجار وحدة معالجة رسومية H100 بأكثر من 250 ألف دولار سنويًا، رغم أن أتمتة سلسلة التوريد قد تخفض التكاليف في النهاية. في الوقت نفسه، وقع أكثر من 1300 موظف من مختبرات الذكاء الاصطناعي الكبرى، بما في ذلك OpenAI وAnthropic وGoogle DeepMind وMeta وSafe Superintelligence Inc.، على بيان يطلبون فيه دعم الحكومة الأمريكية لجهود دولية لتطوير أدوات لضبط سرعة تطوير الذكاء الاصطناعي الآلي الطليعي عمدًا، مشيرين إلى مخاطر التسارع السريع الذي قد يتجاوز السيطرة البشرية. في البحث، تعاون باحثون من جامعة برينستون وجامعة ستانفورد ومؤسسات أخرى لإجراء 'تقييم ظلي' حيث حاولت أنظمة الذكاء الاصطناعي (Claude Opus 4.8 في إطار العمل OpenClaw) الإجابة على أسئلة بحثية غير منشورة من أوراق مقدمة إلى مؤتمر NeurIPS 2026؛ وقد رفض المؤلفون الأصليون كلا المحاولتين لعدم احتوائهما على مساهمات جديدة ولسوء تصميم التجارب، مما يشير إلى أن أنظمة الذكاء الاصطناعي قوية في الهندسة لكنها ضعيفة في البحث الإبداعي. تشير النتائج إلى أن الجداول الزمنية للتحسين الذاتي المتكرر (RSI) قد تكون أطول مما يتوقع البعض.
المصدر: Import AI — الأصلي
منشوراتنا السابقة حول هذا الموضوع ↓
أخبار جديدة