ویژگی جدید «چت‌جی‌پی‌تی» به کاربران امکان می‌دهد تا کارهای خود را به یاد بیاورند و برنامه‌ریزی کنند. کاربران چت‌بات «چت‌جی‌پی‌تی»(ChatGPT) شرکت «اوپن‌ای‌آی»(OpenAI) اکنون می‌توانند از آن بخواهند کارها را به آنها یادآوری یا درخواست‌های تکرارشونده را برنامه‌ریزی کند. ویژگی جدید نسخه بتا که «تسکز»(tasks) نام دارد، از این هفته برای کاربران «چت‌جی‌پی‌تی پلاس»(ChatGPT Plus)، «چت‌جی‌پی‌تی تیم»(ChatGPT Team) و «چت‌جی‌پی‌تی پرو»(ChatGPT Pro) در سراسر جهان عرضه خواهد شد. کاربران با استفاده از ویژگی تسکز می‌توانند یادآورهای ساده‌ای را مانند «وقتی پاسپورتم شش ماه دیگر منقضی شد، به من یادآوری کن» با چت‌جی‌پی‌تی تنظیم کنند تا دستیار هوش مصنوعی به پیگیری آن بپردازد و اعلان را در زمان مقرر ارائه دهد. همچنین، کاربران می‌توانند درخواست‌های تکرارشونده را مانند «هر جمعه، یک برنامه آخر هفته را براساس موقعیت مکانی و پیش‌بینی آب‌وهوا به من بده» یا «هر روز ساعت هفت صبح به من یک گزارش خبری بده» در چت‌جی‌پی‌تی تنظیم کنند. به نظر می‌رسد این ویژگی جدید، اولین گام شرکت اوپن‌ای‌آی به سمت مدل‌های هوش مصنوعی است که می‌توانند تا حدودی مستقل عمل کنند و به عنوان عوامل هوش مصنوعی شناخته می‌شوند. «سم آلتمن»(Sam Altman) مدیرعامل اوپن‌ای‌آی معتقد است که سال ۲۰۲۵ یک سال مهم برای عوامل هوش مصنوعی خواهد بود. حتی آلتمن ادعا کرده است که امسال عوامل هوش مصنوعی به نیروی کار خواهند پیوست. تسکز یک نسخه نسبتا محدود از یک سیستم عامل است که به کاربران امکان می‌دهد یادآوری‌هایی را با چت‌جی‌پی‌تی تنظیم کنند. این یک ویژگی کاربردی است که بیشتر مردم از دستیارهای صوتی مانند «سیری»(Siri) و «الکسا»(Alexa) انتظار دارند. درخواست‌های برنامه‌ریزی‌شده، منحصربه‌فردتر هستند و قابلیت‌های جدیدی را نشان می‌دهند که دستیارهای دیجیتال پیشین قادر به انجام دادن آنها نبودند. کاربران می‌توانند با انتخاب «4o with scheduled tasks» از منوی کشویی در چت‌جی‌پی‌تی به ویژگی جدید دسترسی پیدا کنند. آنها از آنجا می‌توانند پیامی را به ChatGPT بفرستند که به دستیار هوش مصنوعی بگوید چه یادآوری یا اقدامی را می‌خواهند ایجاد کنند. به گفته اوپن‌ای‌آی، چت‌جی‌پی‌تی گاهی اوقات ممکن است وظایف خاصی را براساس چت‌ها پیشنهاد کند. اوپن‌ای‌آی گفت از این دوره نسخه بتا استفاده خواهد کرد تا پیش از آن که این ویژگی را به طور گسترده در اپلیکیشن تلفن همراه و نسخه رایگان ChatGPT در دسترس قرار دهد، درباره نحوه استفاده افراد از ویژگی تسکز بیشتر بیاموزد.

سم آلتمنُ مدیرعامل اُپن‌ای‌آی می‌گوید که هوش‌ مصنوعی فوق هوشمند یا ابرهوش‌ مصنوعی (superintelligent) این شرکت برای ورود به بازار کار در سال ۲۰۲۵ آماده می‌شود. سم آلتمن گفت که در سال ۲۰۲۵ میلادی، هوش مصنوعی ممکن است به نیروی کار بپیوندد. این هوش مصنوعی که برای عملکرد مستقل طراحی شده‌ است، می‌تواند میزان بهره‌وری را متحول کند. مدیر عامل اُپن‌ای‌آی تاکید کرده است که سال ۲۰۲۵ می‌تواند یک لحظه مهم در تاریخ هوش مصنوعی (AI) باشد. انتظار می‌رود اولین عوامل کارمندان هوش مصنوعی به نیروی کار بپیوندند و بر بهره‌وری کسب و کار تاثیر مادی بگذارند. این توسعه که به عنوان بخشی از تکامل گسترده‌تر هوش مصنوعی پیش‌بینی می‌شود، می‌تواند جریان‌های کاری سنتی را بازتعریف کند و چشم‌انداز اقتصادی را تغییر دهد. بر اساس وبلاگ شخصی آلتمن، این کارمندان هوش مصنوعی برای عملکرد مستقل در محیط‌های حرفه‌ای طراحی شده‌اند و نتیجه‌ سال‌ها توسعه هستند. برخلاف ابزارهای فعلی که برای عملکرد مؤثر به نظارت انسانی متکی هستند، هدف کارمندان هوش مصنوعی جدید، انجام وظایف پیچیده است و به طور مستقیم به بهره‌وری شرکت‌ها در بخش‌های مختلف کمک می‌کند. او گفت: «ما معتقدیم که در سال ۲۰۲۵، ممکن است اولین کارمندان هوش مصنوعی را ببینیم که به نیروی کار می‌پیوندند و خروجی شرکت‌ها را تغییر می‌دهند. ما همچنان بر این باوریم که قرار دادن مکرر ابزارهای عالی در دست مردم منجر به نتایج عالی و گسترده می‌شود.» مدیر عامل اُپن‌ای‌آی ادعا می‌کند که این سیستم‌ها دارای قابلیت‌هایی برای «تغییر مادی خروجی» سازمان‌ها با کاربردهای بالقوه در خدمت‌رسانی به مشتری، تحقیقات، عملیات و فراتر از آن هستند. وی تاکید می‌کند که این معرفی تدریجی خواهد بود و به کسب و کارها و جامعه فرصت می‌دهد تا با پیامدهای استقرار آنها سازگار شوند. آلتمن افزود: ما در حال تبدیل کردن هدف خود به ابرهوش مصنوعی به معنای واقعی کلمه هستیم. ما عاشق محصولات فعلی خود هستیم، اما ما برای ایجاد آینده‌ای باشکوه، اینجا هستیم. با ابرهوش مصنوعی، ما می‌توانیم هر کاری را انجام دهیم. ابزارهای فوق هوشمند می‌توانند اکتشافات و نوآوری‌های علمی را بسیار فراتر از آنچه ما به تنهایی انجام می‌دهیم، سرعت ببخشند و به نوبه خود فراوانی و شکوفایی را افزایش دهند. با این حال، منتقدان سؤالاتی را در مورد آمادگی چنین فناوری و تاثیر اجتماعی آن مطرح کرده‌اند. نگرانی‌ها در مورد جابجایی مشاغل، استفاده اخلاقی و پیامدهای گسترده‌تر ادغام هوش مصنوعی پیشرفته در محل کار است. کارشناسان از دولت‌ها و تنظیم‌کننده‌های قوانین می‌خواهند که چارچوب‌های محکمی برای مقابله با خطرات احتمالی ایجاد کنند و در عین حال از مزایای این جهش فناوری تا بیشترین حد ممکن استفاده کنند.

پژوهشگران دانشگاه کمبریج بریتانیا در گزارشی تازه اعلام کرده‌اند که عصر جدیدی از حکمرانی هوش مصنوعی در راه است. در عصر هوش مصنوعی نه تنها توجه انسان، بلکه نیت‌ها و تصمیم‌گیری‌ها نیز به عنوان کالایی برای خرید و فروش تبدیل خواهد‌ شد. روزنامه گاردین گزارش داده است، این پژوهش که در مرکز لورهولم برای آینده هوش مصنوعی انجام شده، از ظهور پدیده‌ای به نام «اقتصاد نیت» خبر می‌دهد که می‌تواند از انتخاب یک فیلم ساده تا رای شهروندان در انتخابات را تحت تاثیر قرار دهد. اقتصاد توجه، درک مفهوم و عملکرد فعلی به گفته دکتر جانی پن، مورخ فناوری در مرکز لورهولم کمبریج در بریتانیا، برای دهه‌ها، جلب توجه کاربران به عنوان سرمایه اصلی دنیای اینترنت بوده‌ است. او تاکید کرده است که شبکه‌های اجتماعی مانند فیس‌بوک و اینستاگرام با این سرمایه کار می‌کنند، آن‌ها کاربران را ساعت‌ها در پلتفرم‌های خود نگه می‌دارند و در این زمان، تبلیغات مختلف را به آن‌ها نشان می‌دهند. تبلیغ‌کنندگان هم برای خرید این توجه دو راه دارند یا در مزایده‌های آنی شرکت می‌کنند تا تبلیغشان همان لحظه نمایش داده‌ شود، یا مثل رزرو بیلبوردها، از قبل زمان نمایش تبلیغات خود را می‌خرند. اقتصاد نیت، بازار نوظهور پیش‌بینی رفتار انسان پژوهشگران مرکز لورهولم کمبریج می‌گویند «اقتصاد نیت» پدیده‌ای در حال ظهور است و به‌زودی جایگزین اقتصاد توجه خواهد‌ شد. در این اقتصاد جدید، شرکت‌های فناوری با استفاده از هوش مصنوعی، فراتر از جلب توجه ساده کاربران عمل می‌کنند. آن‌ها با تحلیل رفتار کاربران، می‌توانند انگیزه‌ها و نیات آن‌ها را شناسایی و پیش‌بینی کنند و این اطلاعات گران‌بها را به بالاترین پیشنهاد دهنده بفروشند. برای مثال، یک شرکت می‌تواند بفهمد که شما قصد رزرو هتل دارید، به کدام نامزد انتخاباتی علاقه‌مند هستید یا حتی چه برنامه‌های سفری در ذهن دارید. این اطلاعات برای تبلیغ‌کنندگان، کسب‌وکارها و سایر شرکت‌ها بسیار ارزشمند است، چرا که می‌توانند پیش از آنکه شما تصمیم نهایی خود را بگیرید، پیشنهادهای هدفمندی به شما ارائه دهند. محققان از این اتفاق به عنوان دوره تازه «سودجویی» یاد می‌کنند. درست مثل دوران «تب طلا» که با هجوم به معادن طلا همراه شد، شرکت‌های مختلف برای دستیابی به اطلاعات ارزشمند درباره نیت‌ها و قصدهای مردم با یکدیگر رقابت خواهند‌ کرد. شرکت‌هایی که بتوانند نیات انسانی را شناسایی، هدایت و معامله کنند، سود سرشاری به دست خواهند‌ آورد. برای نمونه، در آینده‌ای نه چندان دور، شرکتی مانند متا می‌تواند قصد شما برای رزرو رستوران، پرواز یا هتل را به مزایده بگذارد و به بالاترین پیشنهاد دهنده بفروشد. اگرچه امروز هم صنعتی برای پیش‌بینی و مزایده رفتار انسان وجود دارد، اما مدل‌های هوش مصنوعی این کار را با دقت، پویایی و شخصی‌سازی بیشتری انجام خواهند‌ داد. نقش مدل‌های زبانی بزرگ در شکل‌گیری اقتصاد نیت مدل‌های زبانی بزرگ، که فناوری پایه‌ای ابزارهایی مانند چت‌جی‌پی‌تی هستند، نقش کلیدی در شکل‌گیری اقتصاد نیت خواهند‌ داشت. این مدل‌ها به شیوه‌های مختلف با کاربران تعامل می‌کنند و از این راه، داده‌های رفتاری و روانشناختی آن‌ها را جمع‌آوری، تحلیل و پیش‌بینی می‌کنند. برای مثال، یک مدل زبانی می‌تواند در گفت‌وگو با کاربر، به طور هوشمندانه‌ای پرسش‌هایی هدفمند بپرسد. تصور کنید در حال گفت‌وگو با یک دستیار هوش مصنوعی هستید و او می‌پرسد: «به دیدن فیلم مرد عنکبوتی فکر کرده‌اید؟» یا وقتی از خستگی و فشار کاری صحبت می‌کنید، پیشنهاد می‌دهد: «می‌خواهید برای آن فیلمی که قبلا درباره‌اش صحبت کردیم، بلیت رزرو کنم؟» نکته مهم این است که این پیشنهادها به صورت تصادفی مطرح نمی‌شوند. هر پیشنهاد بر اساس تحلیل دقیق رفتار شخصی کاربر و نمایه روان‌شناختی او تنظیم می‌شود. به عبارت دیگر، مدل زبانی می‌تواند با هزینه کم، از اطلاعات مختلفی مانند سلیقه موسیقایی، گرایش‌های سیاسی، نوع واژگان مورد استفاده، سن، جنسیت و حتی میزان تمایل شما به تعریف و تمجید استفاده کند تا احتمال موفقیت در رسیدن به هدف مورد نظر را افزایش دهد. پژوهشگران می‌گویند این مدل‌ها حتی می‌توانند مکالمات روزمره را طوری هدایت کنند که اطلاعات شخصی بیشتری از کاربر به دست آورند. سپس این اطلاعات را در اختیار تبلیغ‌کنندگان، کسب‌وکارها و دیگر شرکت‌های ثالث قرار دهند تا آن‌ها بتوانند پیشنهادهای خود را با دقت بیشتری به مخاطبان هدف برسانند. نظرات مدیران شرکت‌های بزرگ فناوری نشان می‌دهد که اقتصاد نیت به سرعت در حال شکل‌گیری است. جنسن هوانگ، مدیرعامل شرکت انویدیا که بزرگترین تولیدکننده تراشه‌های هوش مصنوعی در جهان است، می‌گوید در آینده‌ای نزدیک، مدل‌های هوش مصنوعی می‌توانند نیت و خواسته شما را درک کنند و با توجه به شرایط و موقعیتی که در آن قرار دارید، بهترین اطلاعات را به شما ارائه دهند. پیشرفت‌های اخیر نشان می‌دهند این پیش‌بینی چندان دور از ذهن نیست. برای نمونه، شرکت متا مدل هوش مصنوعی به نام «سیسرو» ساخته که می‌تواند بازی پیچیده دیپلوماسی را در سطح انسانی بازی کند. اهمیت این دستاورد در این است که بازی دیپلوماسی به درک عمیق از نیت‌ها و انگیزه‌های طرف مقابل نیاز دارد و موفقیت سیسرو نشان می‌دهد هوش مصنوعی تا چه حد در فهم و پیش‌بینی رفتار انسان پیشرفت کرده‌ است. نگرانی‌های اخلاقی و اجتماعی پژوهشگران دانشگاه کمبریج درباره پیامدهای گسترش اقتصاد نیت هشدار می‌دهند. آن‌ها می‌گویند اگر این فناوری بدون نظارت و مقررات مناسب گسترش یابد، انگیزه‌ها و نیت‌های انسانی به کالایی برای خرید و فروش تبدیل خواهند‌ شد. دکتر جانی پن، از پژوهشگران این مطالعه، می‌گوید باید پیش از آنکه در دام پیامدهای ناخواسته این فناوری گرفتار شویم، تاثیرات احتمالی آن را بر ارزش‌های بنیادین جامعه از جمله انتخابات آزاد و منصفانه، مطبوعات آزاد و رقابت عادلانه در بازار را بررسی کنیم. در غیر این صورت، ممکن است در آینده‌ای نه چندان دور، استقلال تصمیم‌گیری انسان‌ها به طور جدی به چالش کشیده‌ شود.

به رغم روی آوردن بسیاری از شرکت‌های هوش مصنوعی به ارائه مدل‌های هوش مصنوعی استدلالی، بسیاری از افراد آن را به عنوان بهترین گزینه برای پیشرفت این حوزه قبول ندارند. پس از انتشار مدل «o1» شرکت «اوپن‌ای‌آی»(OpenAI) معروف به «مدل استدلالی»، جهان با انفجار مدل‌های استدلالی از آزمایشگاه‌های هوش مصنوعی رقیب روبرو شده است. به نقل از تک کرانچ، شرکت هوش مصنوعی «دیپ‌سیک»(DeepSeek) در اوایل ماه نوامبر یک پیش‌نمایش را از اولین الگوریتم استدلالی خود موسوم به «DeepSeek-R۱» منتشر کرد. در همان ماه، گروه «کوئن»(Qwen) زیرمجموعه «علی‌بابا»(Alibaba) از مدلی رونمایی کرد که به ادعای آن، اولین رقیب باز o1 است. فشار رقابتی شدیدی بر شرکت‌های هوش مصنوعی برای حفظ سرعت کنونی نوآوری وجود دارد. براساس یک برآورد، ارزش بازار جهانی هوش مصنوعی در سال ۲۰۲۳ به ۱۹۶.۶۳ میلیارد دلار رسید و تا سال ۲۰۳۰ می‌تواند به ۱.۸۱ تریلیون دلار برسد. به عنوان مثال، اوپن‌ای‌آی ادعا کرده است که مدل‌های هوش مصنوعی استدلالی می‌توانند مشکلات سخت‌تری را نسبت به مدل‌های پیشین حل کنند و نشان‌دهنده یک تغییر در توسعه هوش مصنوعی مولد هستند. با وجود این، همه متقاعد نشده‌اند که مدل‌های استدلالی بهترین مسیر رو به جلو هستند. «آمیت تالوالکار»(Ameet Talwalkar) دانشیار یادگیری ماشینی در «دانشگاه کارنگی ملون»(CMU) عقیده دارد که محصول اولیه مدل‌های استدلالی بسیار چشمگیر است. با وجود این، او انگیزه‌های هر کسی را که با اطمینان ادعا می‌کند می‌داند مدل‌های استدلالی صنعت را به کجا می‌رسانند، زیر سوال می‌برد. تالوالکار گفت: شرکت‌های هوش مصنوعی، مشوق‌های مالی را برای ارائه پیش‌بینی‌های درخشان درباره قابلیت‌های نسخه‌های آینده فناوری خود دارند. ما خطر تمرکز نزدیک‌بینانه را روی یک الگوی واحد داریم. به همین دلیل است که برای جامعه تحقیقاتی گسترده‌تر هوش مصنوعی بسیار مهم است که کورکورانه به تبلیغات و تلاش‌های بازاریابی این شرکت‌ها باور نداشته باشند و در عوض روی نتایج ملموس تمرکز کنند. دو جنبه منفی مدل‌های استدلالی این است که پرهزینه و قدرت‌طلب هستند. «گای ون دن بروک»(Guy Van Den Broeck) استاد علوم رایانه «دانشگاه کالیفرنیا لس‌آنجلس»(UCLA) گفت: هزینه کلی استدلال مدل زبانی بزرگ مطمئنا کاهش نمی‌یابد. یکی از دلایل بالا بودن هزینه مدل‌های استدلالی این است که برای اجرا به منابع محاسباتی زیادی نیاز دارند. برخلاف بیشتر مدل‌های هوش مصنوعی، o1 و سایر مدل‌های استدلالی سعی می‌کنند کار خود را هنگام انجام دادن آن مورد بررسی قرار دهند. این ویژگی به آنها کمک می‌کند تا از برخی مشکلاتی که معمولا مدل‌ها را به خطر می‌اندازند، دور بمانند و جنبه منفی این است که اغلب برای رسیدن به راه‌حل‌ها به زمان بیشتری نیاز دارند. اوپن‌ای‌آی، مدل‌های استدلالی آینده را به تصویر می‌کشد که ساعت‌ها، روزها یا حتی هفته‌ها به صورت متوالی فکر می‌کنند. این شرکت اذعان می‌کند که هزینه‌های استفاده بیشتر خواهند بود اما بازدهی مدل‌ها ممکن است ارزش این زمان را داشته باشد. ارزش پیشنهادی مدل‌های استدلالی امروزی به اندازه کافی آشکار نیست. «کوستا هوانگ»(Costa Huang) پژوهشگر و مهندس یادگیری ماشینی در سازمان غیرانتفاعی «Ai2» خاطرنشان کردکه o1 یک ماشین حساب قابل اعتماد نیست و جستجوهای گذرا در رسانه‌های اجتماعی، تعدادی از خطاهای حالت o1 pro را نشان می‌دهند. هوانگ گفت: این مدل‌های استدلالی، تخصصی هستند و ممکن است در حوزه‌های عمومی ضعیف عمل کنند. برخی محدودیت‌ها زودتر از سایر محدودیت‌ها برطرف می‌شوند. ون دن بروک ادعا کرد که مدل‌های استدلالی، استدلال واقعی را انجام نمی‌دهند و به همین دلیل فقط می‌توانند وظایف محدودی را با موفقیت انجام دهند. وی افزود: استدلال واقعی روی همه مشکلات کار می‌کند؛ نه فقط مشکلاتی که احتمالا در داده‌های آموزشی مدل وجود دارند. این چالش اصلی است که هنوز باید بر آن غلبه کرد. با توجه به انگیزه قوی بازار برای تقویت مدل‌های استدلالی، این یک شرط قطعی است که مدل‌ها با گذشت زمان بهتر شوند. از این گذشته، تنها شرکت‌های اوپن‌ای‌آی، دیپ‌سیک و علی‌بابا نیستند که در این حوزه جدید تحقیقات هوش مصنوعی سرمایه‌گذاری می‌کنند. بنیان‌گذاران صنایع نیز برای آینده‌ای گام برمی‌دارند که تحت سلطه استدلال هوش مصنوعی است. با وجود این، تالوالکار نگران است که آزمایشگاه‌های بزرگ از این پیشرفت‌ها محافظت کنند. وی افزود: قابل درک است که آزمایشگاه‌های بزرگ، دلایل رقابتی را برای مخفی ماندن دارند اما این عدم شفافیت به شدت مانع توانایی جامعه پژوهشی برای تعامل با این ایده‌ها می‌شود. من انتظار دارم با کار کردن افراد بیشتری در این حوزه، مدل‌های استدلالی به سرعت پیشرفت کنند. اگرچه برخی از ایده‌ها از دانشگاه می‌آیند اما با توجه به انگیزه‌های مالی انتظار می‌رود که بیشتر مدل‌ها توسط آزمایشگاه‌های صنعتی بزرگ مانند اوپن‌ای‌آی ارائه شوند.

گزارش آب و هوای مریخ ممکن است به زودی با پیش‌بینی طوفان‌های گرد و غبار همراه شود، زیرا در ۷۸ درصد موارد، یک طوفان گرد و غبار در سیاره سرخ با مقدار زیاد غیرعادی گرمایش خورشیدی پیش می‌آید. طوفان‌های گرد و غبار یکی از شگفتی‌های طبیعی مریخ و همچنین یکی از بزرگترین خطرات آن است. آنها در مقیاس‌های کوچک شروع می‌شوند، اما برخی از آنها می‌توانند به طوفان‌های جهانی تبدیل شوند که سیاره سرخ را در غبار می‌پوشانند و حتی بزرگترین ویژگی‌های سطح این سیاره را از چشمان کنجکاو ما پنهان می‌کنند. جو نازک مریخ آسیبی را که بادهای پراکنده از گرد و غبار می‌توانند به آن وارد کنند، محدود می‌کند و آنها مطمئنا نمی‌توانند نیروی کافی را برای تهدید یک فضاپیما ایجاد کنند، اما آنها می‌توانند مقدار زیادی گرد و غبار را روی صفحات خورشیدی مریخ‌نوردها بریزند. به همین دلیل بود که مریخ نورد «آپرچونیتی» ناسا از دستیابی به انرژی خورشیدی در میانه یک طوفان گرد و غبار جهانی محروم شد و بعدا هم نتوانست دوباره فعال شود. هشانی پیریس (Heshani Pieris) از دانشگاه کلرادو در بولدر می‌گوید: طوفان‌های گرد و غبار تأثیر قابل توجهی بر روی مریخ نوردها و فرودگرها در مریخ دارند، البته ناگفته نماند که در طی ماموریت‌های سرنشین‌دار آتی به مریخ نیز اتفاقاتی خواهد افتاد. این گرد و غبار بسیار سبک است و به همه چیز می‌چسبد. پیریس و همکارش پل هاین (Paul Hayne) در کلرادو، داده‌های هشت سال مریخی معادل ۱۵ سال زمینی) را از ابزار Mars Climate Sounder در مدارگرد شناسایی مریخ ناسا بررسی کردند. این ابزار سطح مریخ و اتمسفر بالای سیاره سرخ را در افق در نور مرئی و نزدیک به فروسرخ رصد می‌کند و بر نحوه تغییرات دما در سطح که می‌تواند بر جو تأثیر بگذارد و بالعکس، نظارت دارد. پیریس و هاین از اندازه گیری‌های انجام شده توسط Climate Sounder برای بررسی دو نوع طوفان گرد و غبار در مریخ استفاده کردند که به عنوان طوفان‌های نوع A و C مشخص می‌شوند. این طوفان‌ها از نیمکره شمالی سیاره سرخ شروع می‌شوند و در امتداد دو مسیر گسترش می‌یابند. محققان دریافتند که ۷۸ درصد از طوفان‌های گرد و غبار در آن دوره با یک دوره طولانی از روزهای گرم و آفتابی در مریخ پیش از آن رخ داده است. پیریس و هاین استدلال می‌کنند که اگرچه این دلیل غیرقابل انکار نیست که روزهای گرمتر منجر به طوفان گرد و غبار می‌شود، اما همبستگی بین این دو قوی است و شاید، با توجه به اینکه چیزی مشابه در زمین اتفاق می‌افتد، خیلی تعجب آور نباشد. پیریس می‌گوید: وقتی سطح را گرم می‌کنید، لایه اتمسفر درست بالای آن شناور می‌شود و می‌تواند بالا آمده و گرد و غبار را با خود همراه کند. محققان می‌گویند که این یک جهش بزرگ به سمت توانایی پیش بینی ظهور طوفان‌های گرد و غبار در مریخ است. در حال حاضر، آنها الگوریتمی را توسعه داده‌اند که می‌تواند نوع طوفان را بر اساس گرمایش سطح، با اطمینان ۶۴ درصد پیش‌بینی کند. اگر مدل آنها درست باشد، همچنان سؤالات بی پاسخ زیادی در مورد فیزیک طوفان‌های غبار مریخ باقی می‌ماند. به عنوان مثال، چرا برخی از طوفان‌های گرد و غبار رویدادهای محلی هستند، در حالی که برخی دیگر به پدیده‌های جهانی تبدیل می‌شوند؟ هاین می‌گوید: ما باید بفهمیم که چه چیزی باعث می‌شود برخی از طوفان‌های کوچکتر یا منطقه‌ای به طوفان‌هایی در مقیاس جهانی تبدیل شوند. ما به طور کامل فیزیک اولیه چگونگی شروع طوفان‌های گرد و غبار در سطح را درک نمی‌کنیم.

یک زن نابینای اهل پرتغال در انگلیس تحت عمل جراحی پیش‌گامانه چشم با هوش مصنوعی قرار گرفت و بینایی خود را به دست آورد. یک زن نابینای ۳۱ ساله پرتغالی به نام پاتریشیا گونسالوس(Patrícia Gonçalves) بینایی خود را به لطف یک عمل جراحی لیزیک پیشگامانه با هوش مصنوعی به دست آورد. ظهور هوش مصنوعی، عصر رشد و پیشرفت تصاعدی در زمینه علوم پزشکی را رقم زده است. در سال‌های اخیر، فناوری پزشکی مدرن گام‌های بزرگی رو به جلو برداشته است و آینده‌ای پر از امکانات بی‌شمار را نوید می‌دهد. یکی از این دستاوردهای انقلابی، ترکیب هوش مصنوعی با جراحی لیزر است که به تازگی در کلینیک فوکوس در لندن انگلیس به دست آمده است. بر اساس گزارشی که توسط نشریه Blind Ambition منتشر شده است، یک زن ۳۱ ساله پرتغالی نابینا به نام پاتریشیا گونسالوس با موفقیت بینایی خود را به لطف یک عمل جراحی لیزیک پیشگامانه با هوش مصنوعی به دست آورده و نقطه عطفی جدید در فناوری پزشکی را رقم زده است. پاتریشیا اولین فرد در بریتانیاست که این درمان پیشرفته را دریافت کرده است. این تکنیک ابداعی علاوه بر بازگرداندن بینایی، همچنین بر اساس گزارش‌ها این قابلیت را دارد که مرزهای توانایی یک چشم عادی انسان را نیز جابجا کند. بر اساس این گزارش، بینایی گونسالوس پس از عمل جراحی اکنون بهتر از دید طبیعی ۲۰/۲۰ است. وی که اهل پرتغال است، اخیراً از دانشگاه آکسفورد فارغ التحصیل شده است. او در کودکی به آستیگماتیسم شدید و نزدیک‌بینی حاد مبتلا شد و از سنین پایین با مشکلات شدید بینایی دست و پنجه نرم کرد. گونسالوس حدود ۶۵۰۰ پوند برای این جراحی هزینه کرد که با استفاده از یک فناوری اسکن با فناوری پیشرفته، یک همزاد دیجیتالی از چشمان او ایجاد کرد. سپس یک نرم افزار هوش مصنوعی توانست حدود ۲۰۰۰ روش مختلف لیزر درمانی را روی آن شبیه‌سازی و ارزیابی کند تا نتیجه نهایی کل فرآیند را بهینه کند. دکتر دیوید آلمبی، جراح ارشد چشم در کلینیک فوکوس می‌گوید: پاتریشیا از پنج سالگی عینک زده است، در حالی که بدون عینک رسما نابینا محسوب می‌شود و نمی‌تواند حرف بزرگ E را در بالاترین نقطه نمودار آزمایش چشم را ببیند. عمل جراحی گونسالوس زیر نظر دکتر آلمبی انجام شد. دکتر آلمبی پس از اتمام موفقیت آمیز این جراحی گفت: نمره چشم پاتریشیا قبل از جراحی ۲۰ از ۲۰۰ بود که با عینک به ۲۰ از ۲۰ می‌رسید، اما در حال حاضر می‌تواند ۲۰ از ۱۶ ببیند که بهتر از نمره قبلی است.

متخصصان مغز در گروه تحقیقاتی پزشکی و زیست‌فناوری مایکروسافت موسوم به Health Futures، یک مدل هوش مصنوعی ایجاد کرده‌اند که تومورها، سرطان پوست، عفونت‌های قفسه سینه و سایر مشکلات سلامتی را شناسایی می‌کند. متخصصان سلامت، با ارائه داده‌های حاصل از روش‌های تصویربرداری مرسوم به این هوش مصنوعی، می‌توانند از این مدل برای تشخیص علائمی از بیماری استفاده کنند که در غیر این صورت ممکن است مورد توجه قرار نگیرد. به طور معمول، تصاویر حاصل از سونوگرافی، سی‌تی اسکن، روش‌های ام‌آرآی و سایر روش‌ها به متخصصان انسانی فرستاده می‌شود که هر تصویر را به دقت بررسی کنند. دسته‌های سلولی غیرمعمول، تغییر جزئی در شکل سلول‌های پوستی، مایعی که می‌تواند نشان دهنده عفونت ریه و غیره باشد مورد بررسی قرار می‌گیرند. اما ریزترین نشانه‌های خطر، می‌توانند از زیر چشم رادار عبور کنند و احتمال اینکه بیمار ابتلا به یک مشکل خطرناک سلامتی را قبل از پیشرفت متوجه شود، از بین برود. برخی از مراحل شناسایی، مانند شناسایی تومور و نقشه‌برداری شکل دقیق آن، توسط گروهای جداگانه انجام می‌شود و برخی از اکتشافات بالقوه به ناچار از بین می‌روند. هدف مدل BiomedParse پر کردن این شکاف‌ها با کمک به انسان‌ها در انجام سه مرحله اصلی پردازش تصویر پزشکی یعنی یافتن موارد خطرناک، تشخیص و تقسیم‌بندی آنها است. Health Futures  می‌گوید که مدل آنها در ۹ روش تصویربرداری بهتر از چشم انسان عمل می‌کند و با موفقیت به عنوان یک راه حل تجزیه و تحلیل «کلی» برای طیف گسترده‌ای از تخصص‌ها کاربرد دارد. برای ساخت این مدل هوش مصنوعی، محققان از جی‌پی‌تی-۴ اُپن‌ای‌آی برای ایجاد یک مجموعه داده متمرکز بر دو مرحله اول پردازش تصاویر پزشکی استفاده کردند که شامل یافتن مورد خطرناک(شناسایی یک ناهنجاری) و تشخیص(تصویربرداری از آنچه که دقیقا باعث ایجاد ناهنجاری در محیط می‌شود)، بود. این مجموعه داده شامل بیش از شش میلیون تصویر از اندام، بافت شناسی و ناهنجاری‌های متفرقه و توضیحات متنی همراه با آن از سراسر بدن بود. این تصاویر هوش مصنوعی BiomedParse را قادر می‌سازد تا جزئیات ریز را از تصاویر سی‌تی‌اسکن، ام‌آرآی، اشعه ایکس، فراصوت، آسیب‌شناسی، فوندوس(پشت چشم)، درموسکوپی، آندوسکوپی و OCT(موج نور) تشخیص دهد. متخصصان پزشکی مجموعه‌ای از تصاویر برای مثال اسلایدهای آسیب‌شناسی از کبد بیمار و یک متن ساده را در اختیار این هوش مصنوعی قرار می‌دهند. سپس این مدل، اسلایدها را با تصاویر آموزشی مرتبط با بیماری ذکر شده در متن، مقایسه می‌کند. اگر مدل نشانه‌هایی از آن بیماری را پیدا کند، آن را اعلام می‌کند و اگر پیدا نکند، درخواست کاربر را به عنوان نامعتبر رد می‌کند. Health Futures ادعا می‌کند که هوش مصنوعی BiomedParse با موفقیت سرطان پوست، کیست، عفونت قفسه سینه ناشی از کووید-۱۹ و تومورها را در سراسر بدن شناسایی کرده است. مشخص نیست که آیا این گروه قصد دارد این فناوری را تجاری‌سازی کند یا خیر. در این میان، سایر مدل‌های هوش مصنوعی به متخصصان پزشکی کمک می‌کنند تا سرطان لوزالمعده، سرطان ریه، سرطان پستان و سایر شرایط تهدیدکننده حیات را شناسایی و پیش‌بینی کنند.

گروهی از پژوهشگران آمریکایی از بدن انسان برای تامین انرژی فناوری‌های پوشیدنی استفاده کرده‌اند تا مانع اصلی باتری‌های معمولی را برطرف کنند. با وجود پیشرفت‌های جدید در فناوری محاسباتی که وسایل الکترونیکی پوشیدنی را بسیار کوچک می‌کند و در عین حال ویژگی‌های فراوانی را در آنها جای می‌دهد، مشکل تامین برق همچنان به قوت خود باقی است. برخی از دستگاه‌ها با استفاده از انرژی خورشیدی شارژ شده‌اند، اما باتری‌ها یک مولفه جدایی‌ناپذیر باقی مانده‌اند. سایت خبری تامز هاردوار گزارش داده است، گروهی از پژوهشگران آمریکایی با استفاده از روش موسوم به «قدرت روی پوست» که از انرژی RF درون بدن کاربر استفاده می‌کند، راه حل قابل توجهی را برای رفع این مانع پیدا کردند. این روش بدون نیاز به تماس جدا از پوست کاربر، نیاز به باتری را از بین می‌برد. مقاله‌ای که توسط «اندی کنگ»(Andy Kong)، «داهوا کیم»(Daehwa Kim) و «کریس هریسون»(Chris Harrison) پژوهشگران «دانشگاه کارنگی ملون»(CMU) منتشر شده، خاطرنشان می‌کند که بدن انسان در تولید انرژی RF به قدرت ۴۰ مگاهرتز بسیار کارآمد است. استفاده از این انرژی به کمک یک گیرنده فرسوده، به وسایل تهاجمی نیاز ندارد. پژوهشگران بیشتر تلاش خود را روی بهینه‌سازی این گیرنده‌ها برای اطمینان از اندازه، وزن، شکل و کارآیی توان قابل استفاده سرمایه‌گذاری کردند. در گزارش آمده است که گیرنده می‌تواند در هر جایی قرار بگیرد و از آنجا که خازنی است، حتی می‌تواند از روی لباس کار کند. از نظر تئوری ممکن است که بتوان این گیرنده را در یک تلفن همراه هوشمند ادغام کرد. پژوهشگران این فناوری را با دستگاه‌هایی از جمله حلقه هوشمند متصل به بلوتوث، برچسب پزشکی ثبت‌کننده اطلاعات سلامتی کاربر، صفحه نمایش و دستگاه‌های گوناگون دیگر نشان دادند. از سایر امکانات آینده می‌توان به هدست‌های واقعیت افزوده و واقعیت مجازی و انواع جدیدی از دستگاه‌های پوشیدنی اشاره کرد. از آنجا که بدن به طور مداوم انرژی تولید می‌کند، کاربران می‌توانند چندین دستگاه را به طور هم‌زمان و بدون نیاز به برداشتن و شارژ دوباره آنها بپوشند.