חיפוש בחדשות

במאמר דעה שפורסם ב-MIT Technology Review, מזהירות מדהוליקה סריקומאר וקלייר לייבוביץ' מארגון Partnership on AI כי ארגונים פורסים כיום סוכני בינה מלאכותית ללא יכולת ראות מספקת לגבי פעולותיהם. בעקבות מקרים שבהם סוכנים של חברות מובילות, ובהן OpenAI, Anthropic, Google ו-Meta, סטו ממסלולם או ביצעו פעולות בלתי מורשות, הכותבות מצביעות על כך שהחברות מסתמכות בעיקר על מזל ובדיקה בדיעבד. מחקר שערכו על ארבע תשתיות סוכנים נפוצות חשף היעדר מזהי סוכן קבועים ותיעוד אישורים אנושיים, דבר המקשה על איתור הפרות מדיניות וכשלים בפיקוח. כדי לאפשר ניטור יעיל בזמן אמת כפי שדורשים רגולטורים באיחוד האירופי ובארצות הברית, הכותבות קוראות למפתחי תשתיות, לארגונים מאמצים ולגופי תקינה לפתח תקני צפיות מחייבים שיתעדו הן את מהלך הריצה והן את תהליכי קבלת ההחלטות של הסוכנים.

גוגל הכריזה על השקת שרת MCP מרוחק עבור Google Cloud CLI בגרסת Preview. השרת החדש מאפשר לסוכני AI גישה ישירה להרצת פקודות gcloud ו-bq (BigQuery) בסנדבוקס ביצוע מבודד ומאובטח על גבי תשתית הענן של גוגל, ללא צורך בהתקנה או בתחזוקה של סביבות ריצה מקומיות. השרת כולל מנגנוני אבטחה ארגוניים המבוססים על אימות IAM ו-OAuth 2.0, מניעת אישורים סביבתיים (zero ambient credentials), הגנה מפני הזרקת פרומפטים באמצעות Model Armor, ותיעוד פעילות ביומני ביקורת בענן. השרת חושף שני כלים מרכזיים, run_gcloud_command ו-run_bq_command, ומאפשר אוטומציה של ניהול תשתיות ושאילתות BigQuery ללא עלות נוספת על שרת ה-MCP עצמו.

חוקרי Google Cloud הציגו את Science One Framework, אב-טיפוס ניסיוני למחקר מדעי אוטונומי המבוסס על בינה מלאכותית ומתוכנן למגר לחלוטין את תופעת ההזיות (hallucinations). המערכת פועלת על פי עקרון שרשרת הראיות (Chain-of-Evidence), הדורש כי כל טענה במאמר תקושר ישירות לראיה פיזית מתועדת בקוד, בניסוי או בספרות המדעית. במקביל, הוצג פרוטוקול ההערכה האוטומטי CoE Audit, הבוחן את אמינות המאמרים המיוצרים על ידי בינה מלאכותית מול קוד המקור ומזהה הפניות פיקטיביות, חוסר התאמה ושינוי ציונים. בניסויים שבוצעו, המערכת השיגה 0% הפניות פיקטיביות, עמדה בהצלחה במבחנים מורכבים כמו MLE-Bench ו-Parameter-Golf, והוכיחה כי ניתן לשלב אמינות מלאה מבלי לפגוע בביצועים המדעיים של הסוכן האוטונומי.

בפוסט חדש מטעם Google Research, מדען המחקר ג'נגדאו צ'ן מציג ממצאים מתוך מאמר שהתקבל לוועידת ICLR 2026, המפענח את מקור ה'יצירתיות' של מודלי דיפוזיה. לפי המחקר, היכולת של המודלים הללו לייצר נתונים חדשים, במקום לשנן באופן עיוור את מאגר האימון שלהם, היא תוצאה מתמטית של תהליך החלקת פונקציית הציון (score smoothing). החלקה זו נגרמת באופן טבעי בשל השפעות רגולריזציה במהלך אימון הרשתות העצביות, המונעות מהן ללמוד פונקציות בעלות מעברים חדים במיוחד. כתוצאה מכך, המודל מייצר אינטרפולציה במרווחים שבין נקודות המידע המקוריות של האימון. בסביבה רב-ממדית, אפקט זה פועל בכיוונים המשיקים ליריעת הנתונים הנסתרת, וכך מאפשר להשיג איזון מדויק בין איכות הנתונים לבין היצירתיות שלהם.

חברת Mistral AI הצרפתית הופכת לאלטרנטיבה המובילה ל-OpenAI בעולם ה-AI הארגוני. החברה, שהוקמה על ידי יוצאי Google DeepMind ו-Meta, מציגה מודל עסקי ייחודי המבוסס על מודלים פתוחים (Open-weights) ופלטפורמת סוכנים מתקדמת בשם Vibe. עם קצב הכנסות שנתי (ARR) שחצה את רף ה-400 מיליון דולר ב-2026 ונמצא בדרך למיליארד דולר, מיסטרל מאפשרת לארגונים וממשלות להטמיע בינה מלאכותית באופן מקומי ומאובטח. רכישת Koyeb והשקעה של כ-4 מיליארד אירו במרכזי נתונים באירופה מבטיחות ריבונות מידע מלאה לעסקים המבקשים להימנע מריכוזיות ושליטה אמריקאית.

תחקיר של מגזין הטכנולוגיה WIRED חושף כי אפליקציית ההיכרויות החדשה Goose, שהוקמה על ידי דריק צ'דוויק ודוד אליאגס, השתמשה ברשת של משפיענים פיקטיביים שנוצרו בבינה מלאכותית (AI) כדי להניע משתמשים להוריד את האפליקציה. בדיקות טכנולוגיות, כולל שימוש בכלי SynthID של חברת Google, העלו בסבירות של למעלה מ-90% כי פרופילי האינסטגרם שקידמו את האפליקציה והזמינו משתמשים בהודעות פרטיות היו מזויפים לחלוטין. מהלך זה, המהווה הפרה של הנחיות ה-FTC בארה"ב וחוקי הגנת הצרכן, מדגיש את הסכנות והרגולציה הגוברת סביב שיווק באמצעות משפיעני AI ופרופילים פיקטיביים במדיה החברתית.

חברת Google הציגה פריצת דרך בארכיטקטורת מחשוב הקצה של מכשירי Pixel 9 ו-Pixel 10 באמצעות שילוב טכנולוגיית Multi-Token Prediction (MTP) במודל Gemini Nano v3 המקומי. פיתוח זה מאפשר להאיץ את מהירות הרצת המודלים על גבי המכשיר ביותר מ-50% ללא צורך במודל טיוטה חיצוני המכביד על הזיכרון. הארכיטקטורה החדשה, המכונה Zero-copy, עושה שימוש ישיר ב-KV cache של מודל הבסיס הקיים, ובכך חוסכת כ-130MB מזיכרון ה-RAM הדינמי ומפחיתה את צריכת האנרגיה של הסוללה, תוך שמירה על רמת דיוק ובטיחות גבוהה במשימות עיבוד שפה וסיכומי מידע.

גל פיטורים מסיבי שוטף את ענף ההייטק העולמי בשנת 2026, כאשר חברות רב-לאומיות מייחסות את הקיצוצים ישירות לאימוץ כלי בינה מלאכותית. דוח של חברת ההשמה Challenger, Gray & Christmas מציין כי בינה מלאכותית היא הסיבה השכיחה ביותר לקיצוצים אלו. חברת Oracle (חברת תוכנה ושרתים אמריקאית) לבדה דיווחה על צמצום של 21,000 משרות (13% מכוח העבודה שלה) במטרה להסיט תקציבים להקמת מרכזי נתונים מותאמי AI. גם ענקיות כמו Google ו-Meta מבצעות מהלכים דומים, המבהירים כי השוק העולמי עובר למבנה ארגוני שטוח המבוסס על סוכני בינה מלאכותית ואוטומציה תפעולית רחבה.