☀️ تکین مورنینگ ۲۳ ژوئن: از تلسکوپ ناسا تا جیلبریک ابدی اپل

صبح روز سه شنبه با یک فنجان قهوه داغ و شش خبر تکان‌دهنده از دنیای تکنولوژی آغاز می‌شود. در حالی که خورشید روی فلوریدا طلوع می‌کند، تلسکوپ فضایی ناسا برای سفر به مدار آماده می‌شود. در همین حال، مهندسان امنیتی OpenAI ابزار جدیدی را برای شکار آسیب‌پذیری‌ها آماده کرده‌اند، محققان اروپایی دری را به روی جیلبریکرها باز کرده‌اند که دیگر هرگز بسته نمی‌شود، و غول‌های مالی وال‌استریت با پای خود وارد میدان کریپتو شده‌اند.

اما این تازه شروع ماجراست. در آسیا، علی‌بابا با رونمایی از مدل ویدیویی HappyHorse 1.1 همه را شگفت‌زده کرد و به رتبه دوم جهانی رسید، درست در زمانی که رقیبان آمریکایی و چینی‌اش یا متوقف شدند یا با مشکلات کپی‌رایت دست‌وپنجه نرم می‌کنند. و در توکیو، استارت‌آپ Sakana AI با معماری انقلابی خود ثابت کرد که بزرگ‌تر همیشه بهتر نیست.

تلسکوپ فضایی Nancy Grace Roman در حال آماده‌سازی برای پرتاب

تلسکوپ Nancy Grace Roman ناسا در آستانه سفر فضایی

روز شنبه ۲۲ ژوئن ۲۰۲۶، تلسکوپ فضایی Nancy Grace Roman ناسا پس از سال‌ها توسعه و آزمایش، وارد مرکز فضایی کندی در فلوریدا شد. این رویداد نقطه عطفی در برنامه‌های علمی ناسا محسوب می‌شود، زیرا این تلسکوپ قرار است به نسل جدیدی از تلسکوپ‌های فضایی بپیوندد که شامل Hubble، Webb، Spitzer و Chandra هستند.

پرتاب برای ۳۰ آگوست ۲۰۲۶ برنامه‌ریزی شده است، که به معنای تنها ۶۸ روز فاصله تا یکی از مهم‌ترین رویدادهای فضایی سال است. SpaceX با موشک غول‌پیکر Falcon Heavy مسئولیت پرتاب این تلسکوپ را بر عهده دارد. Roman با میدان دید ۱۰۰ برابر بزرگ‌تر از Hubble، قرار است به کشف سیارات فراخورشیدی، بررسی ماده تاریک و انرژی تاریک، و مطالعه تاریخچه کهکشان‌ها بپردازد.

مهندسان ناسا در حال حاضر مشغول نصب تلسکوپ بر روی مخروط محافظ (Payload Fairing) موشک Falcon Heavy هستند. این فرآیند شامل تست‌های نهایی سیستم‌های حیاتی، بارگذاری سوخت، و شبیه‌سازی مراحل پرتاب است. به گفته مارک کلامپین، مدیر بخش اخترفیزیک ناسا، "Roman نسل بعدی از اکتشافات فضایی را تعریف خواهد کرد. ما آماده هستیم تا یکی از پیشرفته‌ترین ابزارهای علمی تاریخ را به فضا بفرستیم."

موشک Falcon Heavy در حال آماده‌سازی برای پرتاب تلسکوپ Roman

چرا Nancy Grace Roman اهمیت دارد؟

این تلسکوپ به نام Nancy Grace Roman، اولین رئیس بخش اخترفیزیک ناسا و یکی از پیشگامان زنان در علم، نام‌گذاری شده است. رومن در دهه ۱۹۵۰ و ۱۹۶۰ نقش کلیدی در تأسیس برنامه تلسکوپ‌های فضایی ناسا ایفا کرد و زمینه‌ساز پرتاب Hubble شد. اکنون، تلسکوپی که نام او را حمل می‌کند، قرار است میراث علمی او را به مرحله بعدی ببرد.

از نظر علمی، Roman قرار است به سوالات بنیادینی پاسخ دهد: آیا ما در کیهان تنها هستیم؟ چرا انبساط کیهان در حال تسریع است؟ چگونه کهکشان‌ها در طول میلیاردها سال شکل گرفته‌اند؟ این سوالات نه تنها برای دانشمندان، بلکه برای تمام بشریت اهمیت دارند.

OpenAI مدل GPT-5.5-Cyber را برای شکار آسیب‌پذیری‌ها معرفی کرد

OpenAI در روز یکشنبه ۲۲ ژوئن ۲۰۲۶، نسخه بهبودیافته مدل GPT-5.5-Cyber را به عنوان بخشی از ابتکار Daybreak منتشر کرد. این مدل، قدرتمندترین ابزار OpenAI برای یافتن و رفع آسیب‌پذیری‌های امنیتی نرم‌افزار است و می‌تواند تحلیل عمیق‌تری در کدبیس‌های بزرگ انجام دهد. Daybreak، یک برنامه تحقیقاتی است که هدف آن کمک به سازمان‌ها برای شناسایی و رفع نقاط ضعف امنیتی قبل از سوءاستفاده هکرها است.

برخلاف مدل‌های زبانی عمومی که برای نوشتن، ترجمه یا پاسخ به سوالات طراحی شده‌اند، GPT-5.5-Cyber به طور خاص برای درک کدهای پیچیده، شناسایی الگوهای آسیب‌پذیر (مانند SQL Injection، Buffer Overflow، و Race Conditions) و پیشنهاد راهکارهای رفع آموزش دیده است. این مدل می‌تواند کدبیس‌های میلیون‌خطی را در عرض چند دقیقه اسکن کند، در حالی که یک تیم امنیتی انسانی ممکن است هفته‌ها زمان نیاز داشته باشد.

شرکت‌هایی مانند GitHub، Microsoft و Amazon به سرعت این ابزار را در خطوط تولید خود ادغام کرده‌اند. به گفته آلکس استاموس، رئیس امنیت سایبری سابق فیسبوک، "GPT-5.5-Cyber تغییر دهنده‌ بازی است. ما اکنون می‌توانیم کدهای قدیمی legacy را که سال‌ها دست نخورده مانده‌اند، اسکن کنیم و آسیب‌پذیری‌هایی را پیدا کنیم که انسان‌ها از آن‌ها غافل بودند."

چالش‌ها و نگرانی‌های اخلاقی

با وجود مزایای بی‌شمار، این فناوری چالش‌های خود را دارد. یکی از نگرانی‌های اصلی این است که هکرهای بدخواه می‌توانند از همین مدل برای یافتن آسیب‌پذیری‌ها و سوءاستفاده از آن‌ها قبل از اینکه شرکت‌ها فرصت رفع داشته باشند، استفاده کنند. OpenAI برای کاهش این خطر، دسترسی به GPT-5.5-Cyber را محدود به سازمان‌های تأییدشده و از طریق API امن کرده است.

همچنین، برخی منتقدان نگران هستند که اتکای بیش از حد به هوش مصنوعی برای امنیت ممکن است مهارت‌های انسانی را تضعیف کند. با این حال، OpenAI تأکید می‌کند که هدف این مدل جایگزینی متخصصان امنیتی نیست، بلکه ابزاری برای افزایش سرعت و دقت کار آن‌ها است. در نهایت، تصمیم‌گیری درباره رفع آسیب‌پذیری‌ها همچنان بر عهده انسان‌ها است.

رابط کاربری GPT-5.5-Cyber در حال اسکن یک کدبیس

آسیب‌پذیری usbliter8 چیپ‌های اپل را برای همیشه جیلبریک کرد

در یکی از جالب‌ترین اخبار امنیتی هفته، شرکت اروپایی Paradigm Shift جزئیات آسیب‌پذیری usbliter8 را منتشر کرد که چیپ‌های A12 و A13 اپل را تحت تأثیر قرار می‌دهد. این نقص در سطح سخت‌افزار (BootROM) بوده و به همین دلیل غیرقابل رفع از طریق به‌روزرسانی نرم‌افزاری است. به زبان ساده، این به معنای آن است که تمام دستگاه‌های مجهز به این چیپ‌ها – از جمله iPhone XR، iPhone XS، iPhone 11 و iPad نسل هشتم و نهم – برای همیشه قابل جیلبریک هستند.

این آسیب‌پذیری در واقع یک نسخه پیشرفته‌تر از باگ معروف checkm8 است که در سال ۲۰۱۹ کشف شد. usbliter8 از یک ضعف در پروتکل USB برای اجرای کد دلخواه در مرحله بوت استفاده می‌کند، درست قبل از اینکه سیستم‌عامل iOS بارگذاری شود. این به جیلبریکرها اجازه می‌دهد تا کنترل کامل دستگاه را در اختیار بگیرند، حفاظت‌های امنیتی را دور بزنند و سیستم‌عامل‌های سفارشی را نصب کنند.

پیامدها برای کاربران و اپل

برای کاربران عادی، این آسیب‌پذیری چندان تهدیدی محسوب نمی‌شود، زیرا برای سوءاستفاده از آن نیاز به دسترسی فیزیکی به دستگاه و ابزارهای تخصصی است. با این حال، برای جامعه جیلبریکرها و محققان امنیتی، این یک فرصت طلایی است. آن‌ها می‌توانند از این باگ برای نصب نرم‌افزارهای سفارشی، آزمایش امنیتی و حتی احیای دستگاه‌های قدیمی استفاده کنند.

از سوی دیگر، این خبر ضربه سنگینی به وجهه امنیتی اپل وارد می‌کند. اپل همواره ادعا کرده که iPhone امن‌ترین گوشی هوشمند بازار است، اما وجود یک آسیب‌پذیری سخت‌افزاری غیرقابل رفع در میلیون‌ها دستگاه، این ادعا را زیر سؤال می‌برد. البته باید گفت که اپل از نسل A14 به بعد (iPhone 12 و جدیدتر) این مشکل را برطرف کرده است.

چیپ A13 Bionic اپل که تحت تأثیر usbliter8 قرار دارد

Franklin Templeton با خرید ۲۵۰ Digital وارد دنیای کریپتو شد

در حرکتی که نشان‌دهنده پذیرش روزافزون دارایی‌های دیجیتال در وال‌استریت است، Franklin Templeton پس از تکمیل خرید شرکت ۲۵۰ Digital، بخش کریپتوی اختصاصی خود را راه‌اندازی کرد. این اقدام در زمانی انجام می‌شود که دارایی‌های توکنیزه‌شده (Tokenized Assets) به سرعت در حال رشد هستند و مجموعه محصولات آنچین Franklin Templeton از حدود ۷۶۸ میلیون دلار به بیش از ۲.۵ میلیارد دلار رسیده است.

Franklin Templeton، یکی از بزرگ‌ترین مدیران دارایی جهان با بیش از ۱.۵ تریلیون دلار دارایی تحت مدیریت، در سال‌های اخیر گام‌های بلندی در حوزه بلاکچین و دارایی‌های دیجیتال برداشته است. شرکت در سال ۲۰۲۱ اولین صندوق سرمایه‌گذاری مشترک (Mutual Fund) مبتنی بر بلاکچین را راه‌اندازی کرد و اکنون با خرید ۲۵۰ Digital، زیرساخت فنی و تیم متخصص لازم برای توسعه محصولات کریپتویی پیشرفته‌تر را به دست آورده است.

چرا غول‌های وال‌استریت به کریپتو روی آورده‌اند؟

دو دلیل اصلی این روند را می‌توان نام برد. اول، تقاضای روزافزون سرمایه‌گذاران نهادی و خرده‌فروشی برای دسترسی به دارایی‌های دیجیتال از طریق کانال‌های سنتی و تنظیم‌شده. دوم، پتانسیل عظیم توکنیزاسیون دارایی‌های واقعی (Real-World Assets یا RWA) مانند املاک، سهام و حتی کالاهای فیزیکی. به گفته تحلیلگران بلومبرگ، بازار RWA تا سال ۲۰۳۰ می‌تواند به ۱۶ تریلیون دلار برسد.

Franklin Templeton با این حرکت، نشان می‌دهد که دیگر کریپتو یک بازار حاشیه‌ای یا سفته‌بازانه نیست، بلکه بخشی از سیستم مالی جهانی در حال تبدیل شدن به آن است. شرکت قصد دارد از زیرساخت بلاکچین برای کاهش هزینه‌ها، افزایش شفافیت و ارائه دسترسی ۲۴/۷ به بازارهای مالی استفاده کند.

لوگوی Franklin Templeton در کنار نماد بیت‌کوین

مدل ویدیویی Alibaba به رتبه ۲ جهانی رسید

Alibaba Cloud در یک حرکت غافلگیرکننده، مدل HappyHorse 1.1 را منتشر کرد که یک ارتقای بزرگ در توانایی تولید ویدیوی هوش مصنوعی است. این مدل در رتبه‌بندی جهانی Hugging Face و Papers with Code به مقام دوم رسید، درست زمانی که Sora اپن‌ای‌آی متوقف شده و Seedance بایت‌دنس به دلیل مشکلات کپی‌رایت به تعویق افتاده است.

HappyHorse 1.1 قادر است ویدیوهای با کیفیت ۴K تا ۶۰ ثانیه بسازد که شامل حرکات دوربین پیچیده، انسجام زمانی بالا و فیزیک واقع‌گرایانه هستند. برخلاف Sora که بیشتر برای محتوای سینمایی و تبلیغاتی طراحی شده، HappyHorse بر روی کاربردهای تجاری مانند تولید محتوای بازاریابی، آموزش مجازی و طراحی محصول تمرکز دارد. به عبارت ساده، Alibaba نمی‌خواهد با هالیوود رقابت کند، بلکه می‌خواهد به کسب‌وکارها کمک کند تا سریع‌تر و ارزان‌تر محتوا تولید کنند.

چرا Sora و Seedance عقب ماندند؟

داستان پشت سر این رقابت جالب است. OpenAI مدل Sora را در فوریه ۲۰۲۴ معرفی کرد، اما هرگز آن را به صورت عمومی منتشر نکرد. دلیل اصلی نگرانی‌های مربوط به دیپ‌فیک، استفاده نادرست و فشارهای قانونی بود. در نهایت، OpenAI تصمیم گرفت Sora را فقط برای مشتریان سازمانی و با محدودیت‌های سخت‌گیرانه عرضه کند، که این امر رشد آن را کند کرد.

ByteDance نیز با مدل Seedance خود با مشکل بزرگی روبرو شد: کپی‌رایت. شرکت‌های سینمایی و استودیوهای بزرگ ادعا کردند که ByteDance بدون اجازه از ویدیوهای آن‌ها برای آموزش مدل استفاده کرده است. این موضوع باعث شد ByteDance پرتاب عمومی Seedance را به تعویق بیاندازد و وارد مذاکرات قانونی شود.

در همین حین، Alibaba با استراتژی محتاطانه‌تری پیش رفت. شرکت از دیتاست‌های قانونی و لایسنس‌شده استفاده کرد، بر روی کاربردهای B2B تمرکز کرد و با تنظیم‌کننده‌های چینی برای اطمینان از انطباق با قوانین همکاری کرد. این رویکرد به Alibaba اجازه داد تا سریع‌تر حرکت کند و از رقیبان پیشی بگیرد.

نمونه ویدیوی تولیدشده توسط HappyHorse 1.1

Sakana AI با سیستم Fugu عملکرد Frontier را بدون مدل غول‌پیکر ارائه کرد

در آخرین خبر صبح، استارت‌آپ ژاپنی Sakana AI سیستم Fugu را معرفی کرد که یک سیستم هماهنگ‌کننده چند-عامله (Multi-Agent Orchestration) است. این سیستم می‌تواند عملکرد سطح Frontier (معادل مدل‌هایی مانند Claude Fable 5) را از طریق یک API واحد و با هماهنگی پویای مدل‌های تخصصی کوچک‌تر ارائه دهد، بدون نیاز به ساخت یک مدل زبانی غول‌پیکر.

برای درک بهتر این ایده، تصور کنید به جای داشتن یک پزشک عمومی که همه چیز را می‌داند (اما در هیچ چیز متخصص نیست)، یک تیم از متخصصان داشته باشید: یک جراح قلب، یک رادیولوژیست، یک داروساز و یک روان‌پزشک. Fugu همان نقش هماهنگ‌کننده این تیم را ایفا می‌کند. وقتی یک سوال پیچیده مطرح می‌شود، Fugu آن را تجزیه می‌کند، هر بخش را به مدل متخصص مناسب می‌فرستد، و سپس پاسخ‌ها را ترکیب می‌کند.

چرا این رویکرد مهم است؟

اولاً، هزینه کمتری دارد. آموزش یک مدل زبانی بزرگ مانند GPT-4 یا Claude Opus میلیون‌ها دلار و هزاران GPU نیاز دارد. در مقابل، Fugu از مدل‌های کوچکتری استفاده می‌کند که هر کدام برای یک وظیفه خاص بهینه‌سازی شده‌اند (مثلاً یکی برای کد، یکی برای ریاضیات، یکی برای تحلیل متن). ثانیاً، انعطاف‌پذیرتر است. می‌توانید هر زمان که مدل بهتری منتشر شد، آن را به تیم اضافه کنید بدون نیاز به آموزش مجدد کل سیستم.

ثالثاً، قابلیت اطمینان بیشتری دارد. اگر یک مدل دچار خطا شود یا در دسترس نباشد، Fugu می‌تواند وظیفه را به مدل دیگری واگذار کند. این مانند یک سیستم Failover در سرورهای ابری است. چهارماً، از نظر محیط‌زیستی پایدارتر است. مدل‌های کوچکتر انرژی کمتری مصرف می‌کنند، که در دورانی که محاسبات هوش مصنوعی بخش قابل‌توجهی از مصرف برق جهانی را تشکیل می‌دهند، اهمیت دارد.

Sakana AI که توسط دو محقق سابق Google Brain تأسیس شده، ادعا می‌کند که Fugu در تست‌های محک (Benchmarks) مانند MMLU، HumanEval و MATH، نتایجی قابل‌مقایسه با Claude Fable 5 و GPT-4 Turbo دارد، اما با هزینه ۱/۱۰ و سرعت ۳ برابر. اگر این ادعاها درست باشند، ممکن است شاهد تغییر پارادایم در صنعت هوش مصنوعی باشیم.

دیاگرام معماری Multi-Agent سیستم Fugu

نتیجه‌گیری: یک صبح پرانرژی با شش خبر تکان‌دهنده

صبح سه شنبه ۲۳ ژوئن ۲۰۲۶ را با شش خبری آغاز کردیم که هر کدام به نوعی آینده را شکل می‌دهند. از کاوش کهکشان‌ها با تلسکوپ Nancy Grace Roman گرفته تا شکار آسیب‌پذیری‌های امنیتی با GPT-5.5-Cyber، از جیلبریک دائمی چیپ‌های اپل تا ورود غول‌های وال‌استریت به دنیای کریپتو، از رقابت داغ مدل‌های ویدیویی AI تا معماری‌های نوین چند-عامله. این اخبار نه تنها جالب هستند، بلکه نشان می‌دهند که چگونه تکنولوژی در حال تغییر قواعد بازی در حوزه‌های مختلف است.

برای کسانی که در حوزه فضا فعالیت می‌کنند، Roman نوید دوران جدیدی از کشفیات علمی را می‌دهد. برای متخصصان امنیت سایبری، GPT-5.5-Cyber ابزاری قدرتمند برای مبارزه با تهدیدات نوظهور است. برای جامعه جیلبریکرها، usbliter8 یک فرصت بی‌نظیر برای تحقیق و توسعه است. برای سرمایه‌گذاران، ورود Franklin Templeton به کریپتو نشانه قانونی‌تر شدن این بازار است. برای تولیدکنندگان محتوا، HappyHorse 1.1 ابزاری جدید برای خلاقیت است. و برای توسعه‌دهندگان هوش مصنوعی، Fugu نشان می‌دهد که بزرگ‌تر همیشه بهتر نیست.