Снимка: Wikimedia Commons / 總統府

Един от най-уважаваните и цитирани пионери в модерното машинно обучение (machine learning) – професорът от Калифорнийския университет в Бъркли Майкъл И. Джордан (Michael I. Jordan) – разкритикува остро доминиращия нарратив за непосредствена екзистенциална заплаха от изкуствен интелект, определяйки го като „грандиозно морализаторско представление“ и научно необоснован театър [1].

Илюстрация: InfoQ / Meta Engineering Graphics

Технологичният гигант Meta официално представи своята революционна архитектура за сигурност, наречена „Private Processing“, която разширява концепцията за поверителни изчисления (confidential computing) към следващото поколение умни очила (smart glasses) [1]. Технологията е проектирана да реши най-голямата бариера пред масовото навлизане на носимия изкуствен интелект: параноята от непрекъснат видео и аудио шпионаж в личния живот на потребителя.

Снимка: Wikimedia Commons / NASA/JPL-Caltech

Вълната от ентусиазъм около използването на автономни LLM агенти (LLM agents) за автоматизирано проникващо тестване (penetration testing) се сблъска със сериозно техническо отрезвяване [1]. Задълбочен доклад на експерти по офанзивна киберсигурност (cybersecurity) разкри системните „слепи петна“, които правят изцяло автономните инструменти безпомощни при откриването на най-опасните и опустошителни дефекти в съвременния софтуер.

Снимка: Wikimedia Commons / Athenas2030

В сектора на дигиталната отбрана се появи ключов нов инструмент: изследователският екип зад проекта Orion официално обяви пускането на Orion-1 – специализиран модел с изкуствен интелект за киберсигурност (cybersecurity), проектиран специално за нуждите на експертите по реагиране на инциденти и обратен инженеринг [1]. Основната цел на проекта е да разреши един от най-дразнещите парадокси в модерната защита: строгите предпазни филтри (guardrails) на комерсиалните модели, които масово блокират легитимните защитници.

Снимка: Wikimedia Commons / UL Digital Library

В света на разработката на софтуер и дигиталната археология се разгръща тиха, но дълбока революция: използването на големи езикови модели за автоматизирана, масова декомпилация (decompilation) на компилирани изпълними файлове [1]. Процесът, който доскоро изискваше месеци изтощителен ръчен труд от висококвалифицирани експерти по обратно инженерство (reverse engineering), днес се изпълнява за минути благодарение на способността на модерните модели да разпознават скрити програмни структури в суров машинен код.

Снимка: Wikimedia Commons / Ecpp

В общността на софтуерните инженери дебютира изключително обещаващ проект с отворен код: Graphicle – високопроизводителна реализация на езика Rust, пренаписваща архитектурата на популярната библиотека Graphify [1]. Инструментът предоставя на автономните системи за генериране на код (code generation) специализирана графова памет (agent memory), позволяваща им да се ориентират в мащабни проекти с милиони редове код с безпрецедентна скорост и семантична точност.