दुनिया में AI - 23 जुलाई 2026 की सबसे महत्वपूर्ण घटनाएं

आज का Daily AI World Brief दुनिया के प्रमुख क्षेत्रों से कृत्रिम बुद्धिमत्ता (AI) से संबंधित सबसे महत्वपूर्ण समाचारों को एकत्रित करता है। इसका मुख्य ध्यान व्यावसायिक कार्यान्वयन, नियमों, सुरक्षा और AI मॉडल के विकास पर है। यूरोप वैश्विक स्तर पर व्यवसाय में AI को आकार देने के लिए EU साझेदारी - Mirage News वैश्विक स्तर पर व्यवसाय में AI को आकार देने के लिए EU साझेदारी Mirage News यह महत्वपूर्ण क्यों है: यह जानकारी AI समाधानों को अपनाने, नियमों या सुरक्षा के लिए महत्वपूर्ण हो सकती है। स्रोत: Google News AI Europe (23.07.2026) Mintra ने संगठनों को EU AI Act के लिए तैयार करने में मदद करने हेतु ऑनलाइन प्रशिक्षण शुरू किया - American Journal of Transportation Mintra ने संगठनों को EU AI Act के लिए तैयार करने में मदद करने हेतु ऑनलाइन प्रशिक्षण शुरू किया American Journal of Transportation यह महत्वपूर्ण क्यों है: यह जानकारी AI समाधानों को अपनाने, नियमों या सुरक्षा के लिए महत्वपूर्ण हो सकती है। स्रोत: Google News AI Europe (23.07.2026) EU के Google प्रतिबंधों ने वैश्विक AI डेटा युद्ध को हवा दी - Modern Ghana EU के Google प्रतिबंधों ने वैश्विक AI डेटा युद्ध को हवा दी Modern Ghana यह क्यों महत्वपूर्ण है: यह जानकारी AI समाधानों को अपनाने, विनियमन या सुरक्षा के लिए महत्वपूर्ण हो सकती है। स्रोत: Google News AI Europe (23.07.2026) Open AI models go rogue, ecape and and hack online AI sharing hub - France 24 Open AI models go rogue, ecape and and hack online AI sharing hub France 24 Why this matters: यह जानकारी AI समाधानों को अपनाने, विनियमन या सुरक्षा के लिए महत्वपूर्ण हो सकती है। Source: Google News AI Europe (23.07.2026) उत्तरी अमेरिका Guardrails as Scapegoats: Auditing Unfaithful Safety Refusals in Tool-Augmented LLM Agents arXiv:2607.19449v1 Announce Type: cross Abstract: टूल-संवर्धित (tool-augmented) LLM एजेंटों के लिए मूल्यांकन ढांचे मुख्य रूप से क्षमता मेट्रिक्स या स्पष्ट टूल क्रैश पर केंद्रित होते हैं, जिससे मूक बुनियादी ढांचा विफलताएं और खाली, शून्य या विकृत पेलोड के साथ HTTP 200 प्रतिक्रियाएं काफी हद तक अनियंत्रित रह जाती हैं। हम एक हल्का ब्लैक-बॉक्स ऑडिटिंग फ्रेमवर्क पेश करते हैं जो 12 उत्पादन-निकट टूल स्टब्स में चार मूक विफलता प्रोफाइल इंजेक्ट करता है और एजेंट की प्रतिक्रियाओं को तीन परस्पर अनन्य व्यवहार श्रेणियों में वर्गीकृत करता है: Honest Surrender (HSR), Fabrication (FAR), और Unfaithful Safety Refusal (USR)। एक तटस्थ सिस्टम प्रॉम्प्ट के तहत शून्य तापमान पर दो फ्रंटियर और दो ओपन-सोर्स मॉडल का मूल्यांकन करते हुए, हम पाते हैं कि FAR हावी है (वैध प्रतिक्रियाओं का 56.6%): एजेंट खाली पेलोड को वास्तविक डेटा के रूप में मानते हैं, और चुपचाप निर्मित परिणाम देते हैं। USR, जिसमें एक एजेंट विफलता की व्याख्या करने के लिए एक नीति या गोपनीयता तर्क गढ़ता है, आधारभूत स्तर पर लगभग अनुपस्थित है (0.25%, 396 वैध प्रक्षेपपथों में एक मामला)। हमारा मुख्य निष्कर्ष एक एब्लेशन से निकलता है जहां हम सिस्टम प्रॉम्प्ट को मानक सुरक्षा भाषा ("उपयोगकर्ता गोपनीयता और डेटा सुरक्षा को प्राथमिकता दें") के साथ बढ़ाते हैं, जो USR को 15.6x तक बढ़ा देता है (0.25% से 3.95%; एब्लेशन दर पर 95% CI: 2.2%-6.4%; फिशर का सटीक परीक्षण, p < 0.001)। USR एक सुप्त व्यवहार है, जो तब सक्रिय होता है जब सिस्टम प्रॉम्प्ट में सुरक्षा शब्दावली मॉडल को टूल के चुपचाप विफल होने पर नीतिगत तर्क की ओर बढ़ने के लिए तैयार करती है। संवेदनशील उपकरण (fetch_medical_record, retrieve_contract, fetch_user_profile) USR मामलों के बहुमत का कारण बनते हैं। हम उत्पादन-स्तर के पता लगाने के लिए एक पेलोड-प्रतिक्रिया मिसअलाइनमेंट ह्यूरिस्टिक का प्रस्ताव करते हैं और सुरक्षा-केंद्रित तैनाती के लिए शासन निहितार्थों पर चर्चा करते हैं। यह क्यों महत्वपूर्ण है: यह जानकारी AI समाधानों को अपनाने, विनियमन या सुरक्षा के लिए महत्वपूर्ण हो सकती है। स्रोत: arXiv AI (23.07.2026) ऑफेंसिव सिक्योरिटी के लिए स्वायत्त AI एजेंटों की नैतिकता arXiv:2607.20255v1 Announce Type: cross Abstract: LLM-driven autonomous agents are reshaping offensive security.

Unlike traditional penetration-testing tooling -- deterministic, narrowly scoped, and operated by trained practitioners -- agentic security tools exhibit \textit{indeterminacy} along three independent dimensions.

First, their actions are drawn from a non-deterministic policy whose outputs resist both ex-ante and ex-post explanation, frustrating incident attribution and pre-deployment safety review.

Second, their impact is open-ended due to the non-deterministic actions, agency of utilized models, and opaque LLM supply-chains.

Third, their user population is indeterminate in both size and required skill: the operating skill floor for using or developing offensive capabilities has dropped sharply.

These three properties are linked thematically, but are not derivable from one another.

Combined with the structural cost asymmetry between offense and defense, they enable the industrialization of offensive capability.

The net short-term effect favors attackers, even if the same technology may, in the long run, democratize access to defensive practice.