عرضه «Gemini 4 Argon» گوگل، راهبرد دوگانه غول‌های فناوری را آشکار کرد؛ رقابت بر سر عملکرد در کنار کنترل امنیتی
شرکت‌های فعال در حوزه هوش مصنوعی مولد بیش از گذشته به راهبرد «عرضه مرحله‌ای» روی آورده‌اند؛ رویکردی که بر اساس آن، مدل‌های پیشرفته ابتدا در اختیار متخصصان امنیتی قرار می‌گیرند و سپس برای عموم کاربران منتشر می‌شوند. با پیشرفت هوش مصنوعی و گسترش توانایی آن از شناسایی آسیب‌پذیری‌های نرم‌افزاری به طراحی و اجرای حملات سایبری، هدف از این راهبرد آن است که متخصصان دفاع سایبری فرصت بیشتری برای آماده‌سازی اقدامات مقابله‌ای داشته باشند.
گوگل روز سیزدهم ماه جاری به وقت محلی، دسترسی به مدل پیشرفته هوش مصنوعی خود با نام «Gemini 4 Argon» را برای عموم کاربران دارای اشتراک پولی، توسعه‌دهندگان و مشتریان سازمانی گسترش داد. این مدل برای حل مسائل پیچیده و چندمرحله‌ای در حوزه‌هایی مانند برنامه‌نویسی، امور مالی، حقوق، امنیت سایبری و سایر زمینه‌ها طراحی شده است.
گوگل پیش از عرضه عمومی، در روز سی‌ام ماه گذشته مدل آرگون را در اختیار گروهی منتخب از متخصصان حاضر در برنامه همکاری امنیت سایبری خود با نام «Fairwind» و همچنین دولت آمریکا قرار داده بود. دلیل این تصمیم، نگرانی از آن بود که توانایی مدل در شناسایی آسیب‌پذیری‌های امنیتی به ابزاری برای هک و نفوذ تبدیل شود. گوگل اعلام کرد که در این فاصله، مقاومت نسخه عمومی مدل را در برابر حملات «تزریق پرامپت» تقویت کرده است؛ حملاتی که در آن‌ها مهاجمان با وارد کردن دستورهای مخرب تلاش می‌کنند رفتار هوش مصنوعی را دست‌کاری کنند.
البته گوگل تنها شرکتی نیست که چنین رویکردی را در پیش گرفته است. آنتروپیک نیز در آوریل امسال نسخه پیش‌نمایش مدل پیشرفته «Mythos» خود را با نام «Claude Mythos Preview» تنها در اختیار گروه محدودی از شرکت‌ها قرار داد. این شرکت در آن زمان توضیح داد که با توجه به احتمال سوءاستفاده هکرها از قابلیت‌های این فناوری، تصمیم گرفته است ابتدا شرکت‌های بزرگ فناوری و امنیت سایبری را برای استفاده دفاعی به آن مجهز کند. آنتروپیک سپس در ژوئن، دو مدل را از طریق طرح همکاری امنیت سایبری «Project Glasswing» عرضه کرد: «Fable5» که نسخه‌ای عمومی از خانواده مدل‌های Mythos با اصلاحات امنیتی بود و «Mythos5» که به‌طور ویژه برای کاربردهای امنیتی طراحی شده است.
اوپن‌ای‌آی نیز در سپتامبر مسیر مشابهی را دنبال کرد. این شرکت ابتدا مدل «GPT-6 Astra» را در اختیار سازمان‌های منتخب حاضر در برنامه امنیت سایبری «Daybreak» قرار داد و سپس طی چند روز، دسترسی کاربران پولی را به‌تدریج گسترش داد. آسترا نخستین مدلی است که در ارزیابی‌های داخلی اوپن‌ای‌آی، رتبه خطر «بحرانی» را دریافت کرده است؛ رتبه‌ای که بالاترین سطح خطر در نظام ارزیابی این شرکت محسوب می‌شود. گزارش‌ها حاکی از آن است که این مدل، در صورت برخورداری از برخی مجوزهای دسترسی، می‌تواند بدون دخالت انسان آسیب‌پذیری‌های امنیتی را شناسایی کند و زنجیره‌ای از حملات را طراحی و اجرا کند.
رقابت بر سر عملکرد، ماجرایی جداگانه است؛ آرگون در صدر آزمون‌های ارزیابی
اگر عرضه مرحله‌ای را اقدامی برای کاهش خطرات امنیتی بدانیم، انتشار عمومی مدل‌ها نقطه آغاز رقابت بر سر توانایی و عملکرد آن‌هاست. به گفته گوگل دیپ‌مایند، مدل آرگون در مقایسه با مدل‌های رقیب، در ۱۳ مورد از ۱۹ شاخص ارزیابی به‌تنهایی رتبه نخست را به دست آورده است.
آرگون در آزمون «AutomationBench» که توانایی خودکارسازی فعالیت‌های کاری را می‌سنجد، امتیاز ۵۱٫۳ درصد را ثبت کرد و از مدل GPT-6 Astra اوپن‌ای‌آی با امتیاز ۴۱٫۴ درصد و مدل «Claude Opus 5.5» آنتروپیک با امتیاز ۴۲٫۵ درصد پیش افتاد. در آزمون «DeepSWE» نیز که توانایی مدل‌ها را در انجام پروژه‌های توسعه نرم‌افزار در بازه‌های زمانی طولانی ارزیابی می‌کند، آرگون به امتیاز ۷۷٫۹ درصد رسید؛ درحالی‌که آسترا امتیاز ۷۴٫۱ درصد و Claude Opus 5.5 امتیاز ۷۴٫۲ درصد را کسب کردند.
نتایج ارزیابی‌های مستقل نیز برتری مشابهی را نشان می‌دهد. آرگون در شاخص «Vals Index» که عملکرد مدل‌های هوش مصنوعی را در انجام وظایف تخصصی می‌سنجد و از سوی مؤسسه ارزیابی «Vals AI» تهیه می‌شود، با امتیاز ۶۸٫۹ درصد در میان ۴۸ مدل بررسی‌شده رتبه نخست را به دست آورد. مدل Claude Opus 5.5 با امتیاز ۶۷ درصد و GPT-6 Astra با امتیاز ۶۳٫۱ درصد در رتبه‌های بعدی قرار گرفتند. همچنین در رتبه‌بندی تجمیعی مدل‌های متنی که پلتفرم ارزیابی هوش مصنوعی «Arena» روز سیزدهم منتشر کرد، آرگون با کسب ۱۵۲۵ امتیاز در صدر جدول ایستاد.
گوگل علاوه بر نتایج آزمون‌ها، به دستاوردهای استفاده داخلی از این مدل نیز اشاره کرده است. کورای کاووکچواوغلو، معاون ارشد و معمار ارشد هوش مصنوعی در گوگل دیپ‌مایند، گفت: «ما در داخل گوگل از آرگون برای حل دشوارترین مسائل مهندسی خود استفاده می‌کنیم.» به گفته گوگل، پس از به‌کارگیری آرگون در ابزارهای داخلی توسعه هوش مصنوعی، تعداد موارد ثبت و ارسال تغییرات کد با استفاده از عامل‌های هوش مصنوعی بیش از ۳۵ درصد افزایش یافت. در همین حال، نرخ بازگرداندن کدها به نسخه‌های قبلی حدود ۳۰ درصد کاهش پیدا کرد. تیم توسعه مرورگر کروم نیز با کمک آرگون حدود ۶ میلیون خط از مجموع ۴۰ میلیون خط کد پروژه کرومیوم را بازآرایی و بازسازی کرد و کاری را که انتظار می‌رفت چند ماه طول بکشد، تنها در چند هفته به پایان رساند.
بااین‌حال، ناظران بیرونی تأکید می‌کنند که عملکرد آرگون هنوز باید در محیط‌های واقعی سازمانی بیشتر بررسی شود. نیتیش تیاگی، تحلیلگر ارشد مؤسسه پژوهش بازار گارتنر، در گفت‌وگو با نشریه فناوری اطلاعات «Computerworld» گفت: «هنوز ثابت نشده است که آرگون بتواند در کاربردهای سازمانی نیز خروجی‌هایی با کیفیتی متناسب با نتایج اعلام‌شده ارائه دهد.» او افزود که شرکت‌ها هنگام انتخاب مدل‌های هوش مصنوعی باید بیش از هر چیز به نتایج آزمایش مستقیم این مدل‌ها در محیط کاری خود توجه کنند.
ورود متا، معادلات رقابت را تغییر می‌دهد
متا نیز به این رقابت پیوسته است. این شرکت روز دوازدهم از جدیدترین مدل‌های هوش مصنوعی خود با نام‌های «Muse Wonder» و «Muse Wonder Full» رونمایی کرد. متا پس از جنجال سال گذشته بر سر عملکرد مدل «Llama 4»، الکساندر وانگ، بنیان‌گذار شرکت Scale AI، را به خدمت گرفت و ساختار بخش هوش مصنوعی خود را به‌طور گسترده بازسازی کرد. این شرکت در آوریل مدل «Muse Spark» را معرفی کرد و در سپتامبر نیز عامل هوش مصنوعی شخصی «Muse» را عرضه کرد تا روند توسعه محصولات جدید خود را سرعت ببخشد.
بر اساس ارزیابی مؤسسه مستقل «Artificial Analysis»، مدل Muse Wonder Full در شاخص تجمیعی هوش به امتیاز ۵۶ رسیده است که در مقایسه با امتیاز ۴۸ مدل قبلی «Muse Spark 1.3»، افزایشی ۸ امتیازی محسوب می‌شود. عملکرد این مدل در آزمون «TerminalBench 4.0» نیز بهبود یافته است. این آزمون توانایی مدل را در اجرای فرمان‌ها و حل مسائل در محیط‌های واقعی توسعه نرم‌افزار می‌سنجد و امتیاز مدل جدید در آن از ۳۳ درصد به ۵۷ درصد افزایش یافته است.
سرعت جذب کاربران محصولات متا نیز چشمگیر بوده است. بر اساس داده‌های شرکت تحلیل اپلیکیشن‌های موبایلی «Sensor Tower»، عامل هوش مصنوعی شخصی Muse که روز هشتم ماه گذشته عرضه شد، تنها در ۲۲ روز از مرز ۵ میلیون دانلود تجمعی در آمریکا عبور کرد. این رکورد سریع‌تر از چت‌جی‌پی‌تی اوپن‌ای‌آی با ۵۶ روز و کلود آنتروپیک با ۴۹۲ روز به دست آمده است. نشریه فناوری «The Verge» نیز اشاره کرده که اگرچه تا همین اواخر به نظر می‌رسید اوپن‌ای‌آی و آنتروپیک پیشتاز رقابت بر سر عملکرد مدل‌های هوش مصنوعی هستند، عرضه پیاپی مدل‌های قدرتمند از سوی گوگل و متا شرایط رقابت را تغییر داده است.
عرضه مرحله‌ای به‌تنهایی برای تضمین «ایمنی» کافی نیست
کارشناسان هشدار می‌دهند که عرضه مرحله‌ای مدل‌ها لزوماً به معنای تضمین ایمنی آن‌ها نیست. هوانگ سوک‌جین، استاد جرم‌یابی دیجیتال و سایبری در دانشکده تحصیلات تکمیلی حفاظت از اطلاعات بین‌المللی دانشگاه دونگ‌گوک، توضیح داد: «هوش مصنوعی اکنون به مرحله‌ای رسیده است که می‌تواند تمام مراحل، از کشف آسیب‌پذیری‌ها تا اجرای حملات را خودکار کند. به همین دلیل، شرکت‌ها تلاش می‌کنند پیش از عرضه عمومی مدل‌ها، زمان کافی برای ایجاد سامانه‌های دفاعی به دست آورند.»
او درعین‌حال تأکید کرد: «صرفاً ایجاد فاصله زمانی میان مراحل عرضه، ایمنی را تضمین نمی‌کند. اعتبارسنجی کاربران، کنترل دسترسی و نظارت لحظه‌ای بر سوءاستفاده از آسیب‌پذیری‌ها نیز باید هم‌زمان اجرا شوند.» انتظار می‌رود با تشدید رقابت بر سر عملکرد مدل‌های هوش مصنوعی، تصمیم‌گیری درباره چگونگی و زمان عرضه مدل‌های پیشرفته به یکی از چالش‌های پیچیده‌تر شرکت‌های بزرگ فناوری تبدیل شود.