مدل هوش مصنوعی Gemini Argon 4 گوگل اکنون در سراسر جهان در دسترس است
پس از پشت سر گذاشتن چالشهای جدی، به نظر میرسد مدل هوش مصنوعی پرچمدار گوگل بار دیگر در مسیر پیشرفت قرار گرفته و آماده رقابت با رقبای خود است. گوگل روز سهشنبه اعلام کرد که مدل Gemini Astra 4 پس از یک دوره آزمایشی اولیه، اکنون در اختیار توسعهدهندگان و مشتریا…
خلاصه تحلیلی خبر
پس از پشت سر گذاشتن چالشهای جدی، به نظر میرسد مدل هوش مصنوعی پرچمدار گوگل بار دیگر در مسیر پیشرفت قرار گرفته و آماده رقابت با رقبای خود است. گوگل روز سهشنبه اعلام کرد که مدل Gemini Astra 4 پس از یک دوره آزمایشی اولیه، اکنون در اختیار توسعهدهندگان و مشتریا…
موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، گوگل، مدل، Argon، هوش
پس از پشت سر گذاشتن چالشهای جدی، به نظر میرسد مدل هوش مصنوعی پرچمدار گوگل بار دیگر در مسیر پیشرفت قرار گرفته و آماده رقابت با رقبای خود است.
گوگل روز سهشنبه اعلام کرد که مدل Gemini Astra 4 پس از یک دوره آزمایشی اولیه، اکنون در اختیار توسعهدهندگان و مشتریان تجاری سراسر جهان قرار گرفته است. در مرحله نخست، دسترسی به این مدل تنها برای گروهی از متخصصان مورد اعتماد حوزه دفاع سایبری و از طریق برنامه Fairwind گوگل امکانپذیر بود. چنین عرضه مرحلهای، که هم با هدف رعایت ملاحظات ایمنی و هم برای جلب توجه عمومی انجام میشود، در میان آزمایشگاههای پیشرو هوش مصنوعی به رویهای رایج تبدیل شده؛ بهویژه در شرایطی که نگرانیها درباره خطرات هوش مصنوعی ناسازگار با اهداف انسانی افزایش یافتهاند.
در حال حاضر، دسترسی به Argon از طریق رابط برنامهنویسی کاربردی (API) در AI Studio تنها برای مشتریان پولی امکانپذیر است. مشترکان طرحهای Google AI Ultra و Pro نیز میتوانند از طریق اپلیکیشن Gemini به آن دسترسی داشته باشند. پلتفرم توسعه نرمافزار عاملمحور گوگل با نام Antigravity نیز از این مدل پشتیبانی میکند. هزینه استفاده از Argon در حال حاضر برای هر یک میلیون توکن ورودی ۲ دلار و برای هر یک میلیون توکن خروجی ۱۰ دلار تعیین شده است، اما این تعرفهها از ماه دسامبر دو برابر خواهند شد.
با وجود افزایش قیمت در ماه دسامبر، Argon همچنان بهمراتب ارزانتر از برخی مدلهای پیشرفته رقیب خواهد بود. برای نمونه، هزینه استفاده از GPT-6 Astra شرکت اوپنایآی به ازای هر یک میلیون توکن ورودی ۱۰ دلار و برای هر یک میلیون توکن خروجی ۵۰ دلار اعلام شده است. بنابراین، قیمت رقابتی میتواند مزیتی مهم برای Argon به شمار برود؛ هرچند گزارشهایی درباره تردید برخی کارکنان گوگل نسبت به عملکرد این مدل در حوزههای مهمی مانند برنامهنویسی، تا حدی از هیجان عرضه آن کاستهاند.
چالشهای گوگل در رقابت هوش مصنوعی
مشکلات گوگل در توسعه فناوری هوش مصنوعی به این موارد محدود نمیشود. در ماههای اخیر، رقبایی مانند اوپنایآی، آنتروپیک و متا بهطور پیوسته محصولات جدیدی روانه بازار کردهاند، اما طبق گزارشها، عرضه Gemini 3.5 Pro گوگل به تعویق افتاده تا این شرکت فرصت بیشتری برای تقویت تواناییهای آن داشته باشد. گوگل همچنین اخیراً تعدادی از پژوهشگران ارشد خود را از دست داده است که جف دین، دانشمند ارشد باسابقه این شرکت، از جمله آنها به شمار میرود.
گوگل احتمالاً برای تغییر این تصور که حتی کارکنان داخلیاش نیز اعتماد خود را به فناوری و مأموریت شرکت از دست دادهاند، تلاش میکند میزان استفاده از مدل جدید در پروژههای داخلی را برجسته کند. کورای کاووکچوغلو، از مدیران ارشد گوگل دیپمایند، روز سهشنبه در اطلاعیه معرفی این مدل گفت
ما در گوگل از Argon برای حل دشوارترین مسائل مهندسی خود استفاده کردهایم. طی چند هفته گذشته، مهندسان نرمافزار توانستهاند با سرعتی بیسابقه، کدهایی با کیفیت بالا تولید و منتشر کنند.
کاووکچوغلو همچنین افزود که این مدل برای بهینهسازی تجربه کاربری مرورگر کروم نیز به کار رفته و به روانتر و کارآمدتر شدن عملکرد آن کمک کرده است.
نقش Argon در توسعه رباتهای هوشمند
کاووکچوغلو معتقد است ترکیب توانایی استدلال چندوجهی، برنامهنویسی عاملمحور و درک عمیق از دنیای فیزیکی در Argon میتواند زمینهساز پیشرفتهای مهمی در ساخت رباتهای دارای بدن فیزیکی شود. برخی کارشناسان بر این باورند که توسعه چنین رباتهایی شاید تنها مسیر عملی برای دستیابی به هوش عمومی مصنوعی واقعی باشد.
بر اساس این دیدگاه، عاملهای هوشمندی که مانند انسانها بدنی فیزیکی دارند و میتوانند مستقیماً با محیط اطراف خود تعامل کنند و از آن بازخورد بگیرند، قادر به ساخت مدلی غنی و پویا از جهان خواهند بود. چنین درکی میتواند به آنها کمک کند تا در مواجهه با چالشهای جدید، انعطافپذیری بیشتری از خود نشان دهند و رفتارشان را با شرایط متفاوت سازگار کنند.
در یکی از آزمایشها، ویدئویی از یک انسان در حال انجام بازی کورنهول در اختیار Argon قرار گرفت. این مدل توانست چیدمان فیزیکی اتاق و حرکات بدن فرد هنگام پرتاب را تحلیل کند. سپس محاسبات حاصل در اختیار یک ربات انساننما قرار گرفت. کاووکچوغلو درباره نتیجه این آزمایش گفت
این ربات در آزمایشی در دنیای واقعی، در مدت کوتاهی هفت پرتاب پیاپی را با موفقیت انجام داد.
البته بخش عمده کاربران گوگل از هوش مصنوعی برای ساخت رباتهایی استفاده نمیکنند که بتوانند در دورهمیهای محلی و مهمانیهای دوستانه بازی کنند. اگر گوگل واقعاً قصد دارد قدرتمندترین مدل هوش مصنوعی خود را به محصولی فراگیر و محبوب تبدیل کند، باید نشان دهد که Argon برای انجام کارهای روزمره نیز کاربردی است؛ همان کارهایی که میلیونها نفر در حال حاضر برای انجامشان به کلود، چتجیپیتی و میوز متکی هستند. عرضه یک نسخه رایگان از این مدل نیز میتواند به افزایش استقبال کاربران کمک کند.
برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.