دانشمندان در کالیفرنیای شمالی از پایان کار ساخت بزرگترین دوربین دیجیتال جهان با لنزی به عرض ۱.۵ متر که می‌تواند یک توپ گلف را از فاصله ۲۴ کیلومتری تشخیص دهد، خبر داده‌اند. ساخت بزرگترین دوربین جهان با لنزی به عرض ۱.۵ متر LSST پس از دو دهه تحقیقات و کار توسط دانشمندان در کالیفرنیای شمالی تکمیل شد. رصدخانه «ورا روبین» به‌زودی بررسی یک دهه‌ای خود از فضا و زمان را با LSST آغاز می‌کند و کل آسمان نیم‌کره جنوبی را زیر نظر می‌گیرد. اما مأموریتی به این بزرگی به دوربینی با قدرت مساوی نیاز دارد. خوشبختانه «آزمایشگاه ملی شتاب‌دهنده اسلک» برای ارائه آن آماده‌ است. دانشمندان و مهندسان اسلک به‌طور رسمی پایان ساخت دوربین LSST را اعلام کردند.LSST بزرگ‌ترین دوربین دیجیتالی است که تا‌به‌حال ساخته‌ شده‌ است. این دوربین که اندازه یک ماشین جمع‌وجور است، حدود ۳ تن وزن دارد و لنز آن با عرض ۱.۵ متر رکورد جهانی گینس را به خود اختصاص داده است. این دوربین ۳۲۰۰ مگاپیکسلی در مجموع دارای ۱۸۹ حسگر است. دوربین ۳۲۰۰ مگاپیکسلی، این دوربین آن‌قدر قوی است که می‌تواند یک توپ گلف را از فاصله ۲۴ کیلومتری تشخیص دهد. این دوربین قرار است قلب تلسکوپ جدیدی در رصدخانه Vera C. Rubin واقع در کوه‌های شیلی باشد. اعتبار هزینه ‌شده برای ساخت دوربین LSST حدود ۱۶۸ میلیون دلار (تقریبا ۱۵۵ میلیون یورو) برآورد شده است. قبل از اینکه دوربین LSST بتواند به دانشمندان برای بررسی انرژی تاریک و دیگر اسرار کیهانی کمک کند، باید با یک بوئینگ ۷۴۷ ویژه از اسلک به قله ۲۷۱۳ متری Cerro Pachón در رشته کوه‌های آند منتقل شود. برنامه این رصدخانه طی ده‌سال آینده نقشه‌برداری از کل آسمان جنوبی خواهد بود. دانشمندان پیش‌بینی می‌کنند دوربین LSST به آن‌ها کمک کند ۱۷ میلیارد ستاره و ۶ میلیون جرم جدید را در منظومه شمسی کشف کنند. پس از تکمیل این پروژه ۱۰ ساله، دوربین LSST یک فیلم سه‌بعدی از کل آسمان جنوب ایجاد خواهد کرد. انتشار اولین تصاویر LSST برای عموم برای بهار سال آینده برنامه‌ریزی شده‌ است.

دیلی‌میل گزارش داده است که یک متخصص هوش مصنوعی در مصاحبه با این رسانه گفت که کارکنان مبتنی بر هوش مصنوعی در آینده جای انسان‌ها را خواهند گرفت و با افزایش بهره‌وری، روزهای کاری را به سه روز در هفته کاهش خواهند داد. کارکنان آینده، رویایی هستند. آن‌ها مرخصی نمی‌گیرند، به تعطیلات نمی‌روند و برای ملاقات با رییس درخواست نمی‌کنند. این متخصص گفته است که برخی از صنایع ممکن است به زودی این نوع کارکنان را استخدام کنند. چندین شرکت در ماه‌های اخیر اعلام کرده‌اند که در حال ساخت عوامل هوش مصنوعی یا «کارمندان مصنوعی» (synthetic employees) هستند. این کارکنان دیجیتال می‌توانند محل کار را به کلی تغییر دهند. کارهایی مانند پاسخ دادن به ایمیل‌ها، سازمان‌دهی صورت‌حساب‌ها، پاسخ دادن به پرسش‌های خدمات مشتریان و مدیریت در آینده به آن صورتی که ما می‌شناسیم نخواهند بود و تغییر خواهند یافت. اد بروسارد، مدیرعامل شرکت هوش مصنوعی تومورو.ای‌آی معتقد است که میزان بهره‌وری این کارمندان مصنوعی بسیاری عالی است؛ به طوری که یک هفته کاری سه روزه را ایجاد خواهد کرد. بروسارد که با شرکت «OpenAI» تحت مدیریت سم آلتمن کار می‌کند گفت طی دو سال آینده شاهد جهش و پشت سر گذاشتن مرزهای پیشرفت توسط این نوع کارکنان خواهیم بود. شرکت فناوری هوش مصنوعی انویدیا و شرکت هوش مصنوعی پزشکی هیپوکراتیک ای‌آی اخیرا اعلام کردند که در زمینه کارکنان حوزه مراقبت‌های بهداشتی هوش مصنوعی همکاری خواهند کرد. این شرکت‌ها امیدوارند که پرستاران هوش مصنوعی جدیدشان بتوانند کمبود مراقبت‌های بهداشتی را در سراسر جهان برطرف کنند. پژوهشگران هیپوکراتیک ای‌آی گفتند که پرستاران مصنوعی با مجموعه بزرگی از داده‌های اختصاصی مانند برنامه‌های مراقبت بالینی، اسناد نظارتی مراقبت‌های بهداشتی، کتاب‌های راهنمای پزشکی، پایگاه‌های اطلاعاتی داروها و سایر اسناد باکیفیت پزشکی آموزش خواهند دید. تاکنون بیش از ۱۰۰۰ پرستار و ۱۰۰ پزشک در آمریکا، کارکنان مراقبت‌های بهداشتی هوش مصنوعی را آزمایش کرده‌اند. شرکت نرم‌افزار هوش مصنوعی کاگنیشن در اوایل ماه جاری به اولین شرکتی تبدیل شد که یک مهندس نرم‌افزار هوش مصنوعی مستقل ساخت و نام آن را دوین گذاشت. دوین در عرض ۲۰ دقیقه می‌تواند به تنهایی وبسایت‌ها و برنامه‌های رمزگذاری را ایجاد کند و از اینترنت برای آموزش دادن مهارت‌ها به خود بهره ببرد. دوین برای استخدام در دسترس است اما یک فهرست انتظار طولانی برای آن وجود دارد. علاوه بر کارکنان هوش مصنوعی، شرکت‌ها در حال حاضر از برنامه‌های کاربردی مبتنی بر هوش مصنوعی استفاده می‌کنند؛ به طوری که ۴۰ درصد از منابع انسانی شرکت‌های سراسر جهان از هوش مصنوعی بهره می‌برند. نیروی کار هوش مصنوعی تازه کار خود را آغاز کرده است. بروسارد گفت: من معتقدم که این پیشرفت تنها در دو سال آینده حاصل خواهد شد و از همه پیشرفت‌هایی که در ۷۵ سال گذشته در حوزه صنعت دیده شده‌اند، بیشتر قابل توجه خواهد بود. تا پایان دهه جاری، همه شغل‌های اداری توسط عوامل هوش مصنوعی تغییر خواهند کرد. این مدیرعامل فناوری تنها متخصصی نیست که در مورد تغییرات عمده حاصل از هوش مصنوعی صحبت کرده است. بیل گیتس بنیان‌گذار شرکت مایکروسافت تقریبا سه دهه پیش در کتاب خود با نام راه پیش رواستفاده کردن از هوش مصنوعی را پیش‌بینی کرد. گیتس اکنون معتقد است که کارکنان مصنوعی، تاثیر زیادی را در آموزش و مراقبت‌های بهداشتی خواهند داشت. او ادعا می‌کند از زمانی که ما از تایپ کردن دستورات به سوی کلیک کردن روی نمادها برویم، بزرگ‌ترین انقلاب در محاسبات شکل خواهد گرفت. همچنین، او معتقد است که عوامل هوش مصنوعی، جایگزین سایت‌های جستجو و خرید اینترنتی مانند «آمازون»(Amazon) خواهند شد. بروسارد باور دارد افزایش بهره‌وری ارائه‌شده توسط کارمندان دیجیتال به قدری زیاد خواهد بود که یک هفته کاری سه‌روزه را به همراه خواهد داشت. وی خاطرنشان کرد که این فناوری در آینده نزدیک، وظایف مدیریت و پژوهش را در چندین صنعت از جمله قانون، سرمایه‌گذاری و بازاریابی بر عهده خواهد گرفت. بروسارد در وب‌سایت خود نوشت: یکی از عواملی که ما بیشتر از همه از آن استفاده می‌کنیم، «عامل استخراج واقعیت» است که در خواندن تعداد زیادی از اسناد و استخراج حقایق و اطلاعات سودمند تخصص دارد و آنها را به شکلی ارائه می‌دهد که سایر عوامل هوش مصنوعی بتوانند به راحتی آنها را بخوانند. سپس می‌توان از این اطلاعات برای بسیاری از برنامه‌های تجاری مانند بررسی اسناد حقوقی، تحلیل سرمایه‌گذاری، پژوهش‌های حوزه مشتری، ارائه اطلاعات مناسب به کارکنان مرکز تماس یا مذاکره قیمت برای قراردادهای بزرگ استفاده کرد. بروسارد معتقد است سازمان‌های بزرگی که موفق نمی‌شوند از کارکنان مصنوعی استفاده کنند، در دهه آینده نابود خواهند شد. وی افزود: سازمان‌هایی که به سرعت تصمیم می‌گیرند، آزمایش و کار کردن را روی تعامل انسان و هوش مصنوعی آغاز خواهند کرد و دستاوردهای بزرگی را از نظر بهره‌وری، اثربخشی و رفاه خواهند دید. شرکت‌هایی که از این جریان عقب می‌مانند، اساسا از بین خواهند رفت. سازمان‌های بزرگ دارای مزیت بزرگی هستند زیرا مشتریان زیاد، داده‌های خصوصی و دسترسی به قدرت محاسباتی دارند اما ارزش هر سه مورد از بین خواهد رفت و شرکت‌های بزرگی که از این مزایای خود استفاده نمی‌کنند، به زودی کوچک می‌شوند و در نهایت ناپدید خواهند شد تا شرکت‌های جدید هوش مصنوعی جای آنها را بگیرند. همچنین، بروسارد پیش‌بینی کرد که مردم دیگر مجبور نخواهند بود تا به جستجوی اطلاعات بپردازند، فرم‌ها را پر کنند یا هتل رزرو کنند. در عوض، آنها از یک دستیار دیجیتال می‌خواهند تا این کارها را انجام دهند. بروسارد ادامه داد: ما روش‌های بسیار متفاوتی را از کار کردن خواهیم دید. نقش‌های جدید ظاهر خواهند شد و سازمان‌ها کار خود را تغییر خواهند داد که معمولا خروجی خلاق انسان را به سوی عوامل هوش مصنوعی خواهد برد. این کار می‌تواند به انسان‌ها آزادی بدهد. از آنجا که تأثیر انسان می‌تواند از ساعات کاری او جدا شود، این کاملا امکان‌پذیر است که به یک هفته کاری سه‌روزه یا کمتر برویم. لزوما باهوش‌ترین و سخت‌کوش‌ترین افراد بهترین عملکرد را ندارند، بلکه افرادی می‌توانند بهترین عملکرد را داشته باشند که در آموزش عوامل هوش مصنوعی بهترین هستند. بروسارد معتقد است که عوامل هوش مصنوعی کاملا آماده نیستند که در کل نقش‌ها جایگزین شوند. وی افزود: ما هنوز با یک عامل هوش مصنوعی که به طور کامل جایگزین یک پرستار یا یک توسعه‌دهنده نرم‌افزار شود، فاصله داریم. ما دیده‌ایم که عوامل هوش مصنوعی، بخش‌هایی را از این نقش‌ها انجام می‌دهند و به خوبی از عهده آنها برمی‌آیند. برای مثال، هوش مصنوعی اغلب در شناسایی سلول‌های سرطانی در اسکن‌ها بهتر از انسان عمل می‌کند اما این همه کار یک متخصص رادیوگرافی نیست.

سایت علمی زی‌بیزینس در گزارشی اعلام کرده است که یک دستگاه مبتنی بر هوش مصنوعی که در «دانشگاه لستر» ابداع شده است، در آزمایش‌ها توانست ضربان قلب نشان‌دهنده آریتمی بطنی را با موفقیت تشخیص دهد. پژوهشگران دانشگاه لستر به بررسی این موضوع پرداخته‌اند که آیا هوش مصنوعی می‌تواند خطر ضربان قلب کشنده را پیش‌بینی کند یا خیر. در آزمایش دانشگاه لستر، یک دستگاه مبتنی بر هوش مصنوعی در ۸۰ درصد موارد به درستی ضربان قلب کشنده را شناسایی کرده، ابداع کرده است. آریتمی بطنی، یک اختلال در ضربان قلب است که از حفره‌های پایینی (بطن‌ها) نشات می‌گیرد. در این شرایط، قلب آن قدر سریع می‌تپد که فشار خون کاهش می‌یابد و در صورت عدم درمان فوری می‌تواند به سرعت به از دست دادن هوشیاری و مرگ ناگهانی منجر شود. این دستگاه مبتنی بر هوش مصنوعی، نتایج الکتروکاردیوگرام هولتر چندین بزرگسال را بررسی کرد که در طول زندگی عادی روزانه آنها در خانه گرفته شده بود. شرکت‌کنندگان، افراد بالغ بودند که بین سال‌های ۲۰۱۴ تا ۲۰۲۲، روش الکتروکاردیوگرام هولتر را به عنوان بخشی از مراقبت‌های درمانی دریافت کردند. نتایج برای این بیماران مشخص بود و ۱۵۹ نفر به ‌طور میانگین ۱.۶ سال پس از آزمایش، آریتمی‌های کشنده بطنی را تجربه کردند. این دستگاه هوش مصنوعی موسوم به «VA-ResNet-50» برای بررسی ضربان قلب بیماران استفاده شد تا بررسی کند که آیا قلب آنها ضربان‌های کشنده را نشان می دهد یا خیر. پروفسور آندره نگ از پژوهشگران این پروژه گفت: دستورالعمل‌های بالینی کنونی که به ما کمک می‌کنند تا تصمیم بگیریم کدام بیماران بیشتر در معرض خطر ابتلا به آریتمی بطنی هستند و چه کسانی از درمان نجات‌بخش با «دفیبریلاتور کاردیوورتر قابل کاشت»(ICD) بیشتر سود می‌برند، دقت کافی ندارند. آنها ممکن است به بروز یک اختلال قابل توجه منجر ‌شوند و تعداد مرگ و میر ناشی از این وضعیت را افزایش دهند. نگ ادامه داد: ما متوجه شدیم که این دستگاه هوش مصنوعی در مقایسه با دستورالعمل‌های پزشکی کنونی، عملکرد خوبی دارد و به درستی پیش‌بینی می‌کند که قلب کدام بیمار در چهار مورد از هر پنج مورد به آریتمی بطنی دچار می‌شود. وی افزود: وقتی دستگاه می‌گفت که یک شخص در معرض خطر است، خطر رویداد کشنده سه برابر بیشتر از بزرگسالان عادی بود. یافته‌های این پژوهش نشان می‌دهند که استفاده کردن از هوش مصنوعی برای مشاهده نوار قلب بیماران کمک می‌کند تا خطر ابتلا به آریتمی بطنی را تعیین کنیم، درمان مناسب را پیشنهاد دهیم و در نهایت جان افراد را نجات دهیم. این پژوهش در مجله «European Heart Journal» به چاپ رسید.

سایت علمی سایت نیچر در تازه‌ترین مورد گزارش داده است که هوش مصنوعی گوگل به زودی می‌تواند از سرفه برای تشخیص بیماری استفاده کند. در گزارش آمده است که گروهی به رهبری دانشمندان گوگل ابزاری برای یادگیری ماشینی ایجاد کرده‌اند که می‌تواند با ارزیابی صداهایی مانند سرفه و تنفس به تشخیص و نظارت بر وضعیت سلامت افراد کمک کند. این سیستم هوش مصنوعی که روی میلیون‌ها کلیپ صوتی از صدای انسان آموزش داده شده است، ممکن است روزی توسط پزشکان برای تشخیص بیماری‌هایی از جمله کووید-۱۹ و سل و ارزیابی عملکرد ریه‌های فرد مورد استفاده قرار گیرد. در ادامه آمده است که این اولین بار نیست که یک گروه تحقیقاتی استفاده از صدا را به عنوان یک نشانگر زیستی برای بیماری‌ها بررسی می‌کنند. این مفهوم در طول همه‌گیری کووید-۱۹، زمانی که دانشمندان دریافتند که می‌توان بیماری تنفسی را از طریق سرفه یک فرد تشخیص داد، مورد توجه قرار گرفت. آنچه در مورد سیستم هوش مصنوعی گوگل جدید به حساب می‌آید، مجموعه داده‌های عظیمی است که این سیستم روی آن‌ها آموزش دیده است و همچنین می‌توان آن را برای انجام چندین کار به خوبی تنظیم کرد. محققان که در اوایل این ماه مقاله مربوط به این ابزار را در یک مجله پیش‌چاپ گزارش کردند، می‌گویند که هنوز خیلی زود است بگوییم هوش مصنوعی HeAR گوگل به یک محصول تجاری تبدیل خواهد شد یا خیر. در حال حاضر، برنامه این است که محققان علاقه‌مند به این مدل دسترسی داشته باشند تا بتوانند از آن در تحقیقات خود استفاده کنند. سوجای کاکارمث، مدیر محصول گوگل در شهر نیویورک که روی این پروژه کار می‌کرد، می‌گوید: هدف ما به عنوان بخشی از پژوهش گوگل این است که نوآوری در این زمینه نوپا را تشویق کنیم. چگونه مدل خود را آموزش دهیم اکثر ابزارهای هوش مصنوعی که در این فضا توسعه می‌یابند، روی فایل‌های ضبط شده صوتی به عنوان مثال، سرفه‌ها که با اطلاعات سلامتی درباره فردی که صداها را تولید کرده است همراه می‌شود، آموزش داده می‌شوند. به عنوان مثال، ممکن است روی این کلیپ‌ها برچسب زده شود تا نشان دهد که فرد در زمان ضبط، برونشیت داشته است. یائل بنسوسان، متخصص حنجره در دانشگاه فلوریدای جنوبی در تامپا، می‌گوید: در پزشکی، به‌طور سنتی، ما از یادگیری نظارتی زیادی استفاده می‌کنیم که بسیار عالی است؛ زیرا شما اعتبار بالینی دارید. نقطه ضعف آن اینجاست که مجموعه داده‌هایی را که می‌توانید استفاده کنید، محدود هستند؛ اما محققان گوگل بیش از ۳۰۰ میلیون کلیپ صوتی کوتاه از سرفه، تنفس و صاف کردن گلو را از ویدئوهای عمومی یوتیوب استخراج کردند. هوش مصنوعی گوگل برای تشخیص کووید-۱۹، سل و مواردی مانند سیگار کشیدن یک فرد تطبیق داده شده است. از آنجایی که این مدل روی طیف وسیعی از صداهای انسانی آموزش دیده، برای تنظیم دقیق آن، محققان تنها مجبور بودند مجموعه داده‌های بسیار محدودی را که با این بیماری‌ها و ویژگی‌ها برچسب‌گذاری شده بودند، به آن ارائه کنند. علی عمران، مهندس دانشگاه اوکلاهاما در تولسا، می‌گوید که حجم عظیم داده‌های استفاده شده توسط گوگل به ما این اطمینان را می‌دهد که این یک ابزار قابل اعتماد است. عمران، توسعه اپلیکیشنی به نام AI4COVID-19 را رهبری می‌کند که در تشخیص سرفه‌های کووید-۱۹ از دیگر انواع سرفه‌ها نتایج امیدوارکننده‌ای داشته است. گروه او قصد دارند برای دریافت تاییدیه از سازمان غذا و داروی ایالات متحده (FDA) درخواست بدهند. او در حال حاضر به دنبال بودجه برای انجام آزمایش‌های بالینی لازم است.

سایت علمی اس‌اف در تازه‌ترین گزارشی نوشته است که کارشناسان جهانی هشدار می‌دهند، باید هوش مصنوعی را قبل از این‌که خیلی دیر شود، متوقف کرد. در جهانی که به طور فزاینده تحت سلطه هوش مصنوعی(AI) قرار می‌گیرد، گروهی از کارشناسان خواستار تغییر به سمت فناوری‌های انسان محور هستند. در ادامه آمده است که این گروه بین‌المللی مخالف ایجاد فناوری‌های جدید هوش مصنوعی صرفاً برای ساخت رایانه‌های جدید و پیشرفته‌تر هستند. در عوض، آن‌ها توسعه‌دهندگان را ترغیب می‌کنند که بر روی فناوری‌هایی تمرکز کنند که واقعاً نیازهای انسان را برآورده می‌کند و تجربه انسانی را افزایش می‌دهد. کتاب جدید آنها، با نام «هوش مصنوعی انسان محور»، که شامل مشارکت ۵۰ متخصص از ۱۲ کشور در رشته‌های مختلف، از جمله علوم رایانه، حقوق و جامعه شناسی است، به مفهوم تغییر هوش مصنوعی از پیشرفت‌های مبتنی بر فناوری به پیشرفت‌های متمرکز بر بشر می‌پردازد. این تضمین می‌کند که فناوری‌ها به جای جایگزینی یا بی‌ارزش کردن کارگران انسانی، با رفاه مردم همسو شوند. شانون والور، یک کارشناس برجسته از دانشگاه ادینبرو، تاکید می‌کند که هدف هوش مصنوعی انسان‌محور حمایت و توانمندسازی انسان‌ها است و در تضاد شدید با فناوری توسعه‌یافته صرفاً برای نمایش قدرت است. او رشد هوش مصنوعی مولد را خاطرنشان و از توسعه آن انتقاد می‌کند که منجر به فناوری‌هایی می‌شود که مردم باید با آن سازگار شوند و با آن رقابت کنند، نه اینکه این فناوری طراحی‌شده زندگی افراد را آسان‌تر کند. وی گفت که آنچه به دست می‌آوریم چیزی است که باید با آن کنار بیاییم، این برخلاف چیزی است که طراحی کرده‌ایم تا برای ما سودمند باشد. والور در یک بیانیه رسانه‌ای توضیح می‌دهد که این فناوری آن چیزی نیست که ما به آن نیاز داریم و به جای تطبیق فناوری‌ها با نیازهایمان، خودمان را با نیازهای فناوری تطبیق می‌دهیم. این کتاب نگرانی‌هایی را در مورد مسیر فعلی توسعه هوش مصنوعی، از جمله تعصبات سیستمی و نگرانی‌های حفظ حریم خصوصی، مطرح می‌کند. مالوینا آنا ووجسیک می‌گوید که جوامع به حاشیه رانده شده اغلب از فرآیند طراحی هوش مصنوعی حذف می‌شوند و در نتیجه فناوری‌هایی ایجاد می‌شود که ساختارهای قدرت موجود و تبعیض را تقویت می‌کند. مت مالون در مورد اینکه چگونه هوش مصنوعی حریم خصوصی را به چالش می‌کشد، می‌گوید: در حالی که بسیاری از روش‌های جمع‌آوری و استفاده از داده‌ها توسط هوش مصنوعی بی‌اطلاع هستند اما ادغام شدن فناوری در زندگی ما، فردیت‌مان را تهدید می‌کنند. مالون توضیح می‌دهد: حریم خصوصی تعیین می‌کند که ما تا چه حد اجازه می‌دهیم فناوری به حوزه‌های زندگی و آگاهی انسان ورود کند. اما با محو شدن این موارد، حریم خصوصی به سرعت بازتعریف می‌شود و در حالی که هوش مصنوعی زمان، توجه و اعتماد بیشتری را به خود اختصاص می‌دهد، حریم خصوصی همچنان نقش تعیین‌کننده‌ای در ترسیم مرزهای بین انسان و فناوری ایفا می‌کند. این گروه بین‌المللی همچنین تاثیرات رفتاری هوش مصنوعی را بررسی کردند و نویسندگان نشان دادند که چگونه پلتفرم‌هایی مانند گوگل می‌توانند جنبه‌های اصلی انسانی مانند عقلانیت و حافظه را تغییر دهند و کنترل شخصی بر زندگی ما را کاهش دهند. آن‌ها استفاده از هوش مصنوعی در رسانه‌های اجتماعی را برای محدود کردن بالقوه منافع کاربران و سوق دادن آنها به سمت افراط‌گرایی از طریق توصیه‌ محتوای مغرضانه مورد بررسی قرار دادند. کارشناسان راه‌حل‌های عملی را برای ادغام رویکرد انسان محور به هوش مصنوعی، از جمله تنوع در تحقیقات، همکاری‌های بین رشته‌ای و شیوه‌های جمع‌آوری داده شفاف پیشنهاد می‌کنند. آن‌ها همچنین بر اهمیت اعمال قوانین موجود برای هوش مصنوعی به جای بررسی مقررات کاملا جدید، تاکید می‌کنند و سیاست‌گذاران را تشویق می‌کنند تا با اطمینان هوش مصنوعی را کنترل کنند تا از نوآوری‌های غیرمسئولانه جلوگیری شود. مالون می‌گوید: هیچ کس عصای جادویی ندارد. بنابراین، من به سیاستگذاران می‌گویم موضوع را جدی بگیرید. بهترین کاری را که می‌توانید انجام دهید. در حالی که سعی می‌کنید مکانیسم‌های حاکمیتی درست را ارائه دهید، طیف وسیعی از دیدگاه‌ها از جمله جوامع به حاشیه رانده شده و کاربران نهایی را به میز دعوت کنید. اما اجازه ندهید چند صدا که وانمود می‌کنند دولت‌ها نمی‌توانند هوش مصنوعی را بدون از بین بردن نوآوری کنترل کنند، شما را متوقف کند.

سایت نیواطلس در مطلب تازه‌ی نوشته است که ایلان ماسک، در یک جلسه پرسش و پاسخ با اشاره به سرعت پیشرفت فناوری، گفت: من هرگز ندیده‌ام که فناوری به این سرعت پیشرفت کند، ممکن است کمبود تراشه در کمین ما باشد، اما هوش مصنوعی و خودروهای برقی با چنان سرعتی در حال گسترش هستند که جهان در سال آینده با مشکل تامین برق و ترانسفورماتور مواجه خواهد شد. آقای ماسک در جلسه یک پرسش و پاسخ تلفنی ایلان ماسک در مورد اتومبیل‌های خودران و ربات‌های انسان‌نما صحبت کرد و به آنچه در آینده تسلا در حوزه خودروهای الکتریکی ارائه می‌کند، اشاره کرد. اما او به وضوح می‌خواست واضح‌ترین سیگنال ممکن را به صنعت نیز ارسال کند. ماسک گفت: «تولید انرژی پاک را آغاز کنید و تا جایی که می‌توانید ترانسفورماتورهای الکتریکی بسازید.» وی تاکید کرد: «به نظر می‌رسد که رایانش (فرایند است که در آن اطلاعات با استفاده از دستگاه‌های محاسبه‌ای و نرم‌افزارهای مربوطه پردازش و مدیریت می‌شوند) هوش مصنوعی که فعال می‌شود، هر ۶ ماه یک بار ۱۰ برابر افزایش می‌یابد. بدیهی است که این نمی‌تواند برای همیشه با چنین سرعت بالایی ادامه یابد، وگرنه از جرم جهان فراتر خواهد رفت. من هرگز چیزی شبیه به آن ندیده‌ام. تب تراشه بزرگ‌تر از هر تب طلایی است که تا کنون وجود داشته است.» او گفت: «یک نفرین چینی وجود دارد که می‌گوید امیدوارم در زمان‌ جالبی زندگی کنید. خب، ما در جالب‌ترین زمان زندگی می‌کنیم و این کمی مرا افسرده می‌کند. با خودم می‌گفتم، خب آیا آن‌ها جهان را می‌گیرند؟ آیا ما بی‌فایده می‌شویم؟ اما روشی که به خودم پاسخ دادم، این بود که آیا ترجیح می‌دهم زنده باشم تا آخرالزمان هوش مصنوعی را ببینم یا خیر؟ فکر می‌کنم دوست دارم آن را ببینم.» محدودیت‌های رایانش هوش مصنوعی بسیار قابل پیش‌بینی هستند. یک سال پیش، کمبود تراشه‌ها بود؛ تراشه‌های شبکه عصبی. اکنون پیش‌بینی اینکه کمبود بعدی ترانسفورماتورهای کاهش‌دهنده ولتاژ خواهد بود، بسیار آسان بود. شما باید به آن‎ها نیرو بدهید. اگر ۱۰۰ تا ۳۰۰ کیلو ولت انرژی از یک شبکه برق بیرون بیاید، باید آن را تا ۶ ولت پایین آورد و این میزان زیادی است. سپس با کمبود برق مواجه خواهیم بود. نمی‌توان برق کافی برای راه‌اندازی همه تراشه‌ها پیدا کرد. فکر می‌کنم سال آینده، این را خواهید دید. رشد همزمان خودروهای برقی و هوش مصنوعی که هر دو به برق نیاز دارند و هر دو به ترانسفورماتورهای ولتاژ نیاز دارند، تقاضای فوق‌العاده‌ای برای تجهیزات الکتریکی و تولید برق ایجاد می‌کند. این ایده که چراغ‌های جهان توسعه‌یافته در سال ۲۰۲۵ شروع به سوسو زدن خواهند کرد، زیرا هوش مصنوعی‌های زیادی در حال آموزش هستند، بسیار قابل توجه است و اگر ماسک درست بگوید، به شدت نیاز به مقادیر عظیم انرژی پاک از منابع مختلف احساس می‌شود.

تحقیقات در فناوری لیزر فوق سریع پتانسیل جدیدی را در درمان سرطان با دستیابی به شتاب الکترونی تا سطوح مگاالکترون‌ولت باز کرده است که نویدبخش پیشرفت در رادیوتراپی برای مراقبت موثرتر و همچنین نیاز به اقدامات آزمایشگاهی ایمن‌تر به دلیل خطرات قرار گرفتن در معرض تشعشعات است. سایت علمی اس‌دی در گزارشی نوشته است که تیم تحقیقاتی کانادایی در موسسه INRS به کشفی دست یافتند که می‌تواند اثربخشی پرتودرمانی در سرطان‌شناسی را افزایش دهد. در ادامه آمده است که فناوری لیزر فوق سریع به طور مداوم پیشرفت‌های غیرمنتظره‌ای را ارائه می‌دهد. در نگاه اول، مطالعات در این زمینه ممکن است تا حدودی انتزاعی به نظر برسد، اما اغلب به کاربردهای عملی منجر می‌شود. این امر به ویژه در بخش مراقبت‌های بهداشتی مشهود است، جایی که این فناوری در درمان سرطان‌های خاص به کار می‌رود. این کاربرد توسط تیم تحقیقاتی آزمایشگاه منبع نور لیزر پیشرفته(ALLS)  موسسه ملی تحقیقات علمی(INRS) به دنبال کار اخیر پروفسور فرانسوا لگاره مدیر مرکز تحقیقات مخابراتی مرکز EMT کشف شد. این کار ثمره همکاری با فیزیکدانان پزشکی در مرکز بهداشت دانشگاه مک‌گیل(MUHC)  است. مطالعه این تیم که در مجله Laser & Photonics Reviews منتشر شده است، نتایج شگفت‌انگیزی ارائه می‌کند که دانش ویژه‌ای را در مورد پالس‌های لیزر پرقدرت فراهم می‌کند. فرانسوا لگاره می‌گوید: «ما برای اولین بار نشان دادیم که تحت شرایط خاص، یک پرتوی لیزر که به شدت در هوای محیط متمرکز شده است، می‌تواند الکترون‌ها را به انرژی در محدوده مگاالکترون‌ولت (MeV)، یعنی همان اندازه‌ای که برخی از پرتودرمانی‌های مورد استفاده در پرتودرمانی سرطان استفاده می‌شوند، شتاب دهد.» ثابت شده بود که تمرکز یک پرتوی لیزری با شدت کافی در هوای محیط باعث تولید پلاسما در نقطه کانونی می‌شود. این پلاسما به عنوان منبعی از الکترون‌ها عمل می‌کند که می‌تواند حداکثر تا چند کیلوالکترون‌ولت به انرژی برسد. تا همین اواخر به دلیل محدودیت فیزیکی، رسیدن به انرژی‌های بالاتر در هوای محیط ممکن نبود. تیم تحقیقاتی توانست نشان دهد که الکترون‌هایی که در هوای محیط شتاب می‌گیرند، می‌توانند انرژی‌هایی در محدوده مگاالکترون‌ولت یا حدود ۱۰۰۰ برابر بیشتر از حد قبلی برسند. [caption id="attachment_10803" align="aligncenter" width="638"] عکس: شبکه‌های اجتماعی[/caption] بهبود درمان سرطان این پیشرفت تیم در مرکز INRS دریچه‌ای را به سوی پیشرفت‌های بزرگ در فیزیک پزشکی باز می‌کند. یک مثال بارز، رادیوتراپی FLASH است که یک رویکرد جدید برای درمان تومورهایی است که در برابر پرتودرمانی مرسوم مقاوم هستند. این تکنیکی است که می‌تواند برای ارسال دوزهای بالای تشعشع در زمان بسیار کوتاه (میکرو ثانیه به جای چند دقیقه) استفاده شود که از بافت سالم اطراف تومور بهتر محافظت می‌کند. این اثر FLASH هنوز در تحقیقات، ضعیف شناخته شده است، اما به نظر می‌رسد که شامل اکسیژن‌زدایی سریع از بافت‌های سالم است که حساسیت آن‌ها به تشعشع را کاهش می‌دهد. فرانسو لگاره می‌گوید: «هیچ مطالعه‌ای قادر به توضیح ماهیت اثر FLASH نبوده است. با این حال، منابع الکترونی مورد استفاده در رادیوتراپی FLASH دارای ویژگی‌های مشابهی هستند که ما با تمرکز لیزر خود به شدت در هوای محیط تولید می‌کنیم. هنگامی که منبع تشعشع بهتر کنترل شود، تحقیقات بیشتر به ما امکان می‌دهد بررسی کنیم که چه چیزی باعث اثر FLASH می‌شود و در نهایت درمان‌های پرتوهای بهتری را برای بیماران سرطانی ارائه دهیم.» [caption id="attachment_10801" align="aligncenter" width="578"] عکس: شبکه‌های اجتماعی[/caption] کنترل ایمن‌تر این کشف پیامدهای مشخصی دارد. در درجه اول، هنگام استفاده از پرتوهای لیزری که به شدت در هوای محیط متمرکز هستند، نیاز به احتیاط بیشتری دارد. سایمون والریس از اعضای تیم پژوهش توضیح می‌دهد که انرژی‌های الکترونی مشاهده شده به آن‌ها اجازه می‌دهد تا بیش از ۳ متر در هوا یا چندین میلی‌متر زیر پوست حرکت کنند که این یک خطر قرار گرفتن در معرض تشعشع را برای کاربران لیزر فراهم می‌کند. علاوه بر این، با انجام اندازه‌گیری‌ها در نزدیکی منبع، این تیم نرخ دوز تشعشع بالایی از الکترون‌ها را مشاهده کردند که سه تا چهار برابر بیشتر از آنهایی بود که در پرتودرمانی معمولی استفاده می‌شد. والریس می‌گوید: کشف این خطر تشعشع فرصتی برای اجرای اقدامات ایمن‌تر در آزمایشگاه‌هاست. این پژوهشگر جوان خاطرنشان می‌کند که کار با پرتوهای لیزر بسیار متمرکز در هوای محیط باید با دقت انجام شود و دانشمندان باید از قرار گرفتن در معرض دوزهای بالای تشعشع خودداری کنند، زیرا برای سلامتی مضر است.

سایت علمی بیزنس اعلام کرده است که نتایج تحقیقات جدید نشان داد که هوش مصنوعی هنوز برای جایگزینی بیشتر مشاغل انسانی پرهزینه است. این سایت علمی با نشر گزارشی گفته است که محققان از دست دادن شغل ناشی از هوش مصنوعی را کمتر از ریزش شغل کنونی در بازار می‌دانند. در ادامه آمده است که بر اساس نتایج تحقیق موسسه فناوری ماساچوست، هوش مصنوعی (AI) هنوز برای جایگزینی بیشتر مشاغل انسانی پرهزینه است. در گزارش آمده است که عبارت «ماشین‌ها مشاغل ما را می‌دزدند» احساسی است که اغلب در زمان تغییرات سریع فناوری بیان می‌شود. چنین اضطرابی با ایجاد مدل‌های زبانی بزرگ (مانند چت بات ChatGPT، Bard، GPT-۴) که مهارت قابل‌توجهی در کارهایی که قبلا فقط انسان‌ها در آنها مهارت نشان می‌دادند، دوباره ظهور کرده است. سایت علمی بیزنس می‌گوید که تحقیقات نشان داده است که تنها ۲۳ درصد از جبران خسارت کارگرانی که در معرض توانایی رایانه‌ای هوش مصنوعی قرار می‌گیرند، به دلیل هزینه‌های اولیه بالای سیستم‌های هوش مصنوعی، برای شرکت‌ها مقرون‌به‌صرفه است. برعکس، در صورتی که یک سیستم فقط در سطح شرکت قابل استفاده باشد، ۷۷ درصد از وظایف برای خودکارسازی مقرون به صرفه نیستند. در گزارش آمده است که این تضاد روشن می‌کند که مقرون به صرفه بودن مدل‌های هوش مصنوعی احتمالا نقش مهمی در گسترش فناوری ایفا می‌کند. این تحقیق می‌گوید حتی اگر سیستم رایانه‌ای هوش مصنوعی ۱۰۰۰ دلار قیمت داشته باشد، باز هم وظایفی وجود دارد مانند مشاغل کم دستمزد و کار در شرکت‌های کوچک که جایگزینی آن‌ها با هوش مصنوعی از نظر اقتصادی جذاب نیست. این موسسه افزود هوش مصنوعی می‌تواند از طریق کاهش هزینه گسترش یا افزایش مقیاسی که در آن پیشرفت انجام می‌شود، جذاب‌تر شود. در گزارش آمده است که به‌طور کلی، مدل ما نشان می‌دهد که از دست دادن شغل ناشی از توانایی رایانه‌ای هوش مصنوعی، حتی فقط در مجموعه وظایف آن، کمتر از انحراف شغلی موجود در بازار خواهد بود بنابراین جایگزینی نیروی کار بیشتر تدریجی تا ناگهانی خواهد شد.