«چت‌جی‌پی‌تی» در چند سال اخیر بسیار قوی ظاهر شده و پیشرفت‌های چشمگیری داشته است، اما حوزه رباتیک یکی از زمینه‌هایی است که هنوز بحث‌های زیادی برای ورود چت‌جی‌پی‌تی به آن وجود دارد. با موفقیت هوش مصنوعی مولد، صحبت‌های زیادی درباره امکان آوردن هوش انعطاف‌پذیر مدل‌های زبانی بزرگ به دنیای فیزیکی شکل گرفته است. این نوع هوش که اغلب «هوش مصنوعی مجسم» نامیده می‌شود، یکی از عمیق‌ترین فرصت‌ها در حوزه فناوری و اقتصاد جهانی است. شاید بتوان استدلال کرد که آینده‌ی هوش مصنوعی مجسم روشن است، اما مسیر آن بسیار ساده‌تر از مسیر پیش روی هوش مصنوعی در قلمرو کاملا دیجیتالی به نظر می‌رسد. راه رسیدن به «چت‌جی‌پی‌تی»(ChatGPT) برای حوزه رباتیک، چندین سرعت متفاوت دارد و برای تبدیل شدن این ایده به واقعیت، به پیشرفت‌های جدیدی نیاز است. این ایده، پیامدهایی را برای بنیان‌گذاران و سرمایه‌گذاران استارت‌آپ‌ها به همراه خواهد داشت که این گزارش آنها را در چند توصیه خلاصه کرده است. خودکارسازی رباتیک یک امر اجتناب‌ناپذیر است و همه عدم قطعیت در این پرسش نهفته شده که این کار چگونه امکان‌پذیر خواهد شد. شرکت «آمازون»(Amazon) از زمان خرید شرکت «کیوا سیستمز»(Kiva Systems) در سال ۲۰۱۲، بیش از ۷۵۰ هزار ربات را در انبارهای خود مستقر کرده است. استارت‌آپ‌ها و سرمایه‌گذاران تلاش می‌کنند تا برنامه‌های کاربردی بعدی را به تصویر بکشند که می‌توانند به این سطح از هم‌سویی بین قابلیت‌های رباتیک و نیازهای بازار دست یابند. خط سیر هوش مصنوعی، یک متغیر کلیدی در این فرآیند است و مدل‌های قوی جدید می‌توانند تغییرات مطلق بازی باشند اما در روند توسعه این مدل‌ها کجا ایستاده‌ایم؟ برای درک بهتر این پرسش باید به صحبت‌های متخصصان باتجربه حوزه رباتیک و افرادی توجه کنیم که در حال توسعه مدل‌های پایه رباتیک هستند. گامی به سوی هوش مصنوعی مجسم هدف از پژوهش‌های پیرامون هوش مصنوعی مجسم، ایجاد نوعی هوش رباتیک است که به ‌جای انجام دادن یک کار ویژه، همه‌منظوره باشد و آن قدر انعطاف‌پذیر عمل کند که بدون نیاز به آموزش اختصاصی، از عهده رسیدگی به موارد استفاده جدید یا بسیار پویا برآید. مدل‌های پایه رباتیک همه منظوره، دو وعده را نوید می‌دهند. ۱. آنها موارد استفاده حوزه رباتیک را به طور چشمگیری افزایش می‌دهند. ۲. آنها زمان‌بندی طولانی تجاری‌سازی سیستم‌های رباتیک را کاهش می‌دهند. هر دو وعده در قلمروی کاملا دیجیتال توسط مدل‌های هوش مصنوعی مانند «چت‌جی‌پی‌تی-۴»(GPT-4)، «جمینای»(Gemini)، «کلود»(Claude) و «لاما»(Llama) محقق می‌شوند. این مدل‌ها روزنه‌ها را به روی موارد استفاده جدید و بی‌شمار باز کرده‌اند. این در حالی است که مدل‌های کوچک و تک‌منظوره، هوش مصنوعی را در یک مسیر سریع به سمت منسوخ شدن قرار می‌دهند. مدل‌های همه‌منظوره به یک روش واقعی برای ساختن تقریبا هر چیزی در حوزه هوش مصنوعی تبدیل شده‌اند. شاید بتوان پیش‌بینی کرد که یک مدل جدید شبیه به چت‌جی‌پی‌تی بر توسعه اپلیکیشن‌های رباتیک مسلط خواهد شد. در هر حال، این هدف در کوتاه‌مدت محقق نخواهد شد. در عوض، انتظار می‌رود که روش‌های هوش مصنوعی مولد به ‌تدریج به حوزه رباتیک القا شوند و مدتی با حوزه رباتیک کلاسیک هم‌زیستی داشته باشند. حوزه رباتیک به لطف روش‌های هوش مصنوعی مولد به‌ طور پیوسته در حال پیشرفت است. استارت‌آپ‌های امروزی از روش‌هایی استفاده می‌کنند که نویدبخش هوش جامع‌تر، انعطاف‌پذیرتر و ورود سریع‌تر به بازار هستند. آنها فقط به یک مدل جهانی به عنوان پایه و اساس برنامه خود متکی نیستند. مدل‌های همه‌منظوره، پتانسیل تبدیل شدن به پایه‌ توسعه روباتیک را دارند و مدل‌های پژوهشی مانند «RT-X» گوگل نیز آنها را برجسته کرده‌اند. سه عامل کاهش سرعت در مدل‌های پایه اولین عامل کاهش سرعت این است که برخلاف فراوانی داده‌های متنی، تصویری و صوتی در مقیاس وب به نظر نمی‌رسد مجموعه‌ای از داده‌های آماده برای آموزش یک مدل پایه پیرامون تعامل با دنیای فیزیکی وجود داشته باشد. مدل‌های ادراکی بسیار قوی شده‌اند اما اتصال ادراک و فعال‌سازی، چالش‌برانگیز است. برای دستیابی به مقیاس لازم برای یک مدل پایه واقعی باید سرمایه‌گذاری قابل توجهی روی مکانیسم‌های جمع‌آوری داده و آزمایش درک اثربخشی انواع گوناگون داده‌های آموزشی صورت بگیرد. به عنوان مثال، هنوز مشخص نیست که ویدیوهای منتشرشده از انسان‌ها در حال انجام دادن وظایف تا چه حد می‌توانند به عملکرد مدل کمک کنند. با ترکیب نبوغ و سرمایه‌گذاری می‌توان داده‌های آموزشی قوی را در مقیاس بزرگ جمع‌آوری کرد. مسیر محتمل این است که مدل‌های قوی با پیش‌آموزش قابل توجه در چند سال آینده پدیدار خواهند شد اما برای انجام دادن کارهای خاص به داده‌های آموزشی تکمیلی بیشتری نیاز دارند. این کار شبیه به تنظیم دقیق مدل‌های زبانی بزرگ است اما آموزش آن ضروری‌تر خواهد بود. دومین عامل کاهش سرعت به جبرگرایی و قابلیت اطمینان مربوط می‌شود. بیرون از حوزه رباتیک، اهمیت جبرگرایی با توجه به کاربرد بسیار متفاوت است و موفق‌ترین برنامه‌های کاربردی هوش مصنوعی مولد اولیه آنهایی هستند که جبرگرایی در آنها مهم نیست. جبرگرایی در حوزه رباتیک، حیاتی است. با کنار گذاشتن ایمنی، بازگشت سرمایه رباتیک معمولا به توان عملیاتی بستگی دارد و زمان صرف‌شده برای برطرف کردن خطا به از بین رفتن توان عملیاتی منجر می‌شود. در حال حاضر تلاش زیادی برای روش‌هایی با هدف کاهش عدم قطعیت مدل‌های هوش مصنوعی مولد به طور گسترده - نه فقط در حوزه رباتیک - انجام می‌شود. بنابراین، می‌توان گفت که این مشکل حل خواهد شد اما این قطعا در یک لحظه نخواهد بود. این استدلالی برای هم‌زیستی مدل‌های قطعی و غیر قطعی است. سومین عامل کاهش سرعت مدل‌های پایه رباتیک این است که در حوزه رباتیک، محاسبات اغلب روی لبه پرتگاه انجام می‌شوند و استنتاج را به چالش تبدیل می‌کنند. ربات‌ها باید مقرون‌به‌صرفه باشند اما بسیاری از برنامه‌ها در حال حاضر از هزینه افزودن GPU کافی برای اجرای استنتاج در قوی‌ترین مدل‌ها پشتیبانی نمی‌کنند. این مشکل احتمالا قابل‌حل‌ترین مشکل از سه مورد ذکرشده است. انتظار می‌رود که متخصصان رباتیک‌، مدل‌های زبانی بزرگ را به عنوان نقطه آغاز در نظر بگیرند و از روش‌های تقطیر دانش برای ایجاد مدل‌های کوچک‌تر و متمرکزتر با نیاز کمتر به منابع استفاده کنند. در کا می‌توان گفت که اگرچه جهان به طور فزاینده‌ای در حال دیجیتالی شدن است اما ما هنوز در دنیای فیزیکی زندگی می‌کنیم و تعامل حوزه دیجیتال با دنیای فیزیکی، دامنه نامحدودی برای توسعه دارد.

پژوهشگران انگلیسی معتقدند که استفاده دانشجویان از هوش مصنوعی به منزله ناقوس مرگ برای تفکر انتقادی است. دانشگاه‌های انگلستان اخیرا هشدار دادند که ۹۲ درصد دانشجویان از هوش مصنوعی استفاده می‌کنند و این برای دانشگاه‌ها که قرن‌ها خود را مخزن دانش و حقیقت می‌دانستند، ناگوار است. فروپاشی زمانی آغاز شد که دیگر کسی برای کارشناسان ارزش قائل نشد، تفکر انتقادی تضعیف شد و گفتمان عمومی به حالت دوقطبی درآمد. روزنامه گاردین گزارش داده است که منابع سنتی دانش به طور فزاینده‌ای در حال رد شدن هستند. کتاب‌ها، مقالات، مجلات و رسانه‌های قدیمی با پیشرفت‌های صورت‌گرفته در ارائه و بازیابی اطلاعات، به ویژه از طریق اپلیکیشن‌ها و رسانه‌های اجتماعی به چالش کشیده می‌شوند. به عنوان مثال، فهرست‌های مطالعه تنظیم‌شده برای استفاده دانشگاهیان در پژوهش اغلب توسط دانشجویان نادیده گرفته می‌شوند و جستجو در «گوگل» جای آنها را می‌گیرد. اگر دانشجو از آنچه می‌خواند خوشش نیاید، می‌تواند به سادگی به گوگل روی بیاورد. الگوریتم‌ها می‌توانند دانشجویان را به جهت‌های غیرمنتظره بفرستند و اغلب آنها را از سختگیری تحصیلی به سمت منابع غیر دانشگاهی منحرف می‌کنند. دسترسی ۲۴ ساعته دانشجویان به مطالب آموزشی اهمیت دارد اما دانش در حال تبدیل شدن به یک محتوای ساده است. با لمس یک دکمه، اطلاعات به صورت آنلاین در دسترس قرار می‌گیرد و تعداد زیادی خروجی برای انتخاب وجود دارد. ممکن است کمیت وجود داشته باشد اما لزوما با کیفیت همراه نیست. هوش مصنوعی، غذای ساده نهایی است. این موضوع، پرسش‌های اساسی را نه تنها درباره منظور ما از دانش مطرح می‌کند، بلکه نقش آموزش و پرورش و دانشگاهیان در آینده را نیز برجسته می‌سازد. مزایای هوش مصنوعی در حوزه علوم، اقتصاد یا ریاضیات قابل قدردانی هستند زیرا حقایق را اغلب نمی‌توان انکار کرد اما درباره علوم انسانی و حوزه اجتماعی که بسیاری از موضوعات آنها قابل بحث هستند، چطور؟ پروفسور «اندرو موران»(Andrew Moran) استاد «دانشگاه متروپولیتن لندن»(London Met) گفت: ما به سرعت در حال از دست دادن موقعیت خود در برابر تغییرات عمیق اجتماعی هستیم که در صورت عدم واکنش سریع می‌توانند پیامدهای غیر قابل تصوری را برای دانشگاه‌ها داشته باشند. دکتر «بن ویلکینسون»(Ben Wilkinson) استاد «دانشگاه شفیلد»(Sheffield University) گفت: به عنوان یک مدرس دانشگاه در حوزه علوم انسانی که در آن مقالات یک وسیله کلیدی برای ارزیابی هستند، از شنیدن افزایش انفجاری استفاده از هوش مصنوعی تعجب نمی‌کنم. هوش مصنوعی به ‌طور تهاجمی توسط شرکت‌های فناوری به‌ عنوان کالایی برای صرفه‌جویی در زمان تبلیغ می‌شود و گفتمان گسترده‌تر نیز تنها این دیدگاه را بدون زیر سؤال بردن محدودیت‌ها و اخلاق هوش مصنوعی تقویت می‌کند. اگرچه هوش مصنوعی ممکن است در چندین زمینه آکادمیک مانند نوشتن گزارش‌های پایه و انجام دادن تحقیقات اولیه سودمند باشد اما استفاده از آن توسط دانشجویان برای نوشتن مقاله نشان‌دهنده بی‌ارزش کردن موضوعات علوم انسانی و درک نادرست از تفکر انتقادی در رشته‌هایی مانند تاریخ، ادبیات و فلسفه است. وقتی از هوش مصنوعی می‌خواهیم مقاله بنویسد، صرفا کار را برون‌سپاری نمی‌کنیم، بلکه تفکر و توسعه آن را برون‌سپاری می‌کنیم که با گذشت زمان فقط ما را گیج‌تر می‌کند و هوش ما را کاهش می‌دهد. ویلکینسون افزود: در عصر فناوری که ما اغلب نسبت به یک محصول و نه فرآیند تولید آن وسواس داریم، جای تعجب نیست که ارزش واقعی نوشتن نادیده گرفته شود. دانشجویان به سادگی نشانه‌ها را از دنیایی می‌گیرند که ارتباط خود را با ارزش بی‌بدیل خلاقیت و تفکر انتقادی انسانی از دست می‌دهد.

یک مطالعه در آلمان نشان می‌دهد زمانی که داکتران برای تشخیص سرطان سینه از هوش مصنوعی استفاده کردند، میزان تشخیص سرطان حدود ۱۸ درصد بهبود یافته است. در این مطالعه، رادیولوژیست‌ها - داکترانی که نتایج معاینات تلویزیونی سینه‌ها و سایر آزمایش‌ها را تحلیل می‌کنند. برای ارزیابی نتایج معاینات تلویزیونی ۴۶۰ هزار زن در آلمان، از هوش مصنوعی استفاده کردند. این زنان میان ۵۰ تا ۶۹ سال سن داشتند. بر اساس معلومات پژوهشگران، رادیولوژیست‌ها در هر ۱۰۰۰ زن با استفاده از هوش مصنوعی یک مورد بیشتر سرطان سینه را تشخیص دادند. الکساندر کاتالینیک، از دانشگاه لوبیک آلمان می‌گوید که میزان تشخیص سرطان سینه در وضعیت بهتر قرار دارد و این مطالعه شواهد قوی و واقعی آن است. او که پژوهشگر اصلی این مطالعه است گفت: «بر اساس این شواهد، ما باید از هوش مصنوعی در ارزیابی سرطان سینه بیشتر استفاده کنیم و در نهایت، این باید به معیار مبدل شود.» ماموگرام (معاینات تلویزیونی) بیش از ۴۶۳ هزار زن در آلمان، از ماه جولای سال ۲۰۲۱ تا فبروری ۲۰۲۳ مورد ارزیابی قرار گرفت. از این میان، حدود ۵۰ در صد آن توسط دو رادیولوژیست مرور شده بود که یک روش معیاری در آلمان است. تنها در بیش از نصف این موارد، از هوش مصنوعی کمک گرفته شد. زمانی که داکتران از هوش مصنوعی استفاده کردند، میزان تشخیص سرطان سینه در هر ۱۰۰۰ زن به ۶.۷ رسید در حالی که میزان تشخیص انسان‌ها در هر ۱۰۰۰ زن ۵.۷ بود. کاتالینیک گفت: «هوش مصنوعی واقعاً برای جایگزینی ارزیابی انسانی تا اندازه‌ای مناسب است...اما تا کجا می‌خواهید پیش بروید؟ این فقط یک پرسش علمی نیست، بلکه یک سوال اجتماعی نیز است. اعتماد جامعه نسبت به هوش مصنوعی چگونه است؟» در جریان مطالعه پژوهشگران یافتند که هوش مصنوعی در بخش نتایج تشخیص نادرست سرطان سینه نیز کمک کرد. با آنهم، هوش مصنوعی، در برخی از ارزیابی‌ها نتوانست سرطان را تشخیص دهد. ستیفان بونک، یکی از بنیانگذاران شرکت تکنالوژی مراقبت‌های صحی در برلین که هوش مصنوعی را برای این مطالعه تولید کرده بود، گفت که همانطوری که انسان کامل نیست، هوش مصنوعی نیز کامل نیست. بونک افزود: «در ۲۰ مورد مطالعهٔ ما هوش مصنوعی گفت که بیمار به سرطان سینه مبتلا نیست، اما رادیولوژیست‌ها سرطان را تشخیص دادند.» اما او اضافه کرد که بر اساس نتایج این مطالعه، در مقایسه با هوش مصنوعی، انسان‌ها ۱۰ برابر بیشتر در تشخیص سرطان عاجز ماندند. او گفت که هوش مصنوعی خسته نمی‌شود و در هر زمان و مکان به عین روال کار می‌کند، که این خودش یک مزیت است و به همین دلیل هوش مصنوعی می‌تواند سرطان‌های تشخیص دهد که انسان متوجه آن نمی‌شود. با آنهم، بونک علاوه کرد که اتکای روز افزون بر هوش مصنوعی به مرور زمان سبب خطر از دست رفتن تخصص انسانی خواهد شد. اما وی یانگ، استاد بخش رادیولوژی سینه در مرکز طبی سرطان اندرسن دانشگاه تکزاس به این باور است که استفادهٔ روز افزون از هوش مصنوعی رادیولوژیست‌ها را انرژی می‌بخشد. یانگ گفت: «من فکر می‌کنم ظهور هوش مصنوعی فرصت و محرکی است برای اینکه ما در مورد رشته خود هیجان‌زده‌تر شویم تا رادیولوژیست‌های آموزش‌دیده فضای باز، زمان و تمرکز کافی بر کارهای پیچیده‌تر را داشته باشند.» به نظر کاتالینیک، استفاده از رادیولوژیست‌ها و هوش مصنوعی، بهترین‌های دنیای انسانی و جهان تکنالوژی را ارایه می‌کند و ترکیب انسان‌ با هوش مصنوعی بهتر از تشخیص انسانی است.

عرضه یک مدل جدید هوش مصنوعی از سوی یک استارت‌آپ چینی به نام «دیپ‌سیک» توانسته دنیای هوش مصنوعی را تکان دهد. یک استارت‌آپ مرموز و مبتکر چینی، ورود باشکوهی به صحنه هوش مصنوعی داشته است، به طوری که غول‌های «سیلیکون ولی» را ناامید کرده، بازارهای سهام جهانی را متلاطم کرده و مفروضات درباره آنچه که هوش مصنوعی می‌تواند به دست آورد را به چالش کشیده است. هوش مصنوعی «دیپ‌سیک»(DeepSeek)، هزینه اندک برای توسعه هوش مصنوعی و جاه طلبی منبع‌باز را در ماموریتی برای پیشی گرفتن از هوش انسانی در هم می‌آمیزد و موفق شده است از نام‌های شناخته شده‌ای مانند اوپن‌ای‌آی(OpenAI) پیشی بگیرد. اکنون که شاهد چنین رشد سریعی هستیم، پرسش‌هایی به ذهن می‌آید. مثلا اینکه آیا ما شاهد یک انقلاب واقعی در هوش مصنوعی هستیم یا این جریان رسانه‌ای طی یکی دو روز اخیر، تبلیغات بیش از حد است؟ در ادامه، پرده از راز تأسیس و فلسفه «دیپ‌سیک» برمی‌داریم، مدل هوش مصنوعی آن را با دیگر مدل‌های هوش مصنوعی مانند ChatGPT مقایسه می‌کنیم، تحولات خیره‌کننده‌ای را که در بازار ایجاد می‌کند، تشریح می‌کنیم و نگرانی‌های مربوط به حریم خصوصی را که مشابه با موضوع تیک‌تاک(TikTok) است، بررسی می‌کنیم. «دیپ‌سیک» چیست و چه کسی آن را اجرا می‌کند؟ شرکت «دیپ‌سیک» در ژوئیه 2023 توسط لیانگ ونفنگ(Liang Wenfeng)، فارغ‌التحصیل برجسته دانشگاه ژیجیانگ(Zhejiang) تأسیس شد. این شرکت مستقر در هانگژو با پشتوانه مالی قابل توجه و ورود استراتژیک یک صندوق تامینی به نام‌های‌فلایر(High-Flyer) که توسط لیانگ هم‌بنیان‌گذاری شده، پشتیبانی می‌شود. «دیپ‌سیک» با استفاده از قدرت مالی «های‌فلایر» که دارایی حدود 8 میلیارد دلاری دارد، با خرید تراشه‌های قابل توجه A100 شرکت انویدیا با وجود ممنوعیت صادرات آنها به چین، ورود جسورانه‌ای به بخش هوش مصنوعی داشته است. این تراشه‌ها برای پایه فناوری و ظرفیت نوآوری این شرکت بسیار مهم هستند. شهرت «دیپ‌سیک» از توسعه مدل DeepSeek-V3 آمده است که تنها به 6 میلیون دلار هزینه برای منابع محاسباتی نیاز داشت که کسری از آن چیزی است که معمولاً توسط غول‌های فناوری ایالات متحده سرمایه‌گذاری و هزینه می‌شود. کارآیی خیره کننده مدل هوش مصنوعی «دیپ‌سیک»، این دستیار هوش مصنوعی را به صدر جدول بارگیری برنامه‌های رایگان در فروشگاه برنامه‌های ایالات متحده رسانده که حتی ChatGPT را نیز پشت سر گذاشته است. این دستاورد، پتانسیل «دیپ‌سیک» را برای ارائه عملکرد بالا با هزینه کمتر، به چالش کشیدن هنجارهای فعلی و آغاز ارزیابی مجدد در صنعت جهانی هوش مصنوعی برجسته می‌کند. نوآوری‌های فناورانه در «دیپ‌سیک» توسط یک گروه تحقیقاتی اختصاصی در «های‌فلایر» هدایت می‌شود که قصد خود را برای تمرکز بر هوش عمومی مصنوعی(AGI) در اوایل سال 2023 اعلام کرد. این گروه که دارای کنترل عملیاتی بر روی خوشه‌ای از 10 هزار تراشه A100 انویدیا است، قصد دارد هوش مصنوعی را فراتر از برنامه‌های کاربردی سنتی ارتقاء دهد تا به قابلیت‌هایی دست یابد که از عملکرد انسان در کارهای با ارزش اقتصادی پیشی بگیرد. این ادغام عمیق منابع، تعهد جدی «دیپ‌سیک» را برای پیشروی در حوزه هوش مصنوعی نشان می‌دهد که نشان‌دهنده یک همسویی استراتژیک است که می‌تواند به طور قابل‌توجهی بر پیشرفت‌های آینده در هوش مصنوعی تأثیر بگذارد. «دیپ‌سیک» چگونه به وجود آمد؟ پیدایش «دیپ‌سیک» به جاه‌طلبی گسترده‌تری برمی‌گردد که با انتشار هوش مصنوعی ChatGPT توسط شرکت اوپن‌ای‌آی(OpenAI) در اواخر سال 2022 شعله‌ور شد که تنور توسعه این فناوری را در میان شرکت‌های فناوری چینی برای توسعه چت‌بات‌های رقابتی هوش مصنوعی برانگیخت. با وجود تلاش‌های اولیه غول‌های چینی مانند بایدو(Baidu)، شکاف قابل‌توجه در قابلیت‌های هوش مصنوعی بین فناوری‌های ایالات متحده و چین مشهود بود که منجر به ناامیدی گسترده در جامعه فناوری چین شد. این شکاف موجب ظهور «دیپ‌سیک» در سال 2023 با یک ماموریت جسورانه برای پر کردن این شکاف و برتری در هوش عمومی مصنوعی(AGI) و توسعه یک هوش مصنوعی که می‌تواند از هوش انسانی پیشی بگیرد، شد. روح پایه‌گذاری «دیپ‌سیک»، شبیه به روزهای اولیه اوپن‌ای‌آی، ریشه در یک ایده‌آلیسم غیرتجاری دارد. آنها خود را به عنوان گروهی از ایده‌آل‌گرایان معرفی کرده‌اند که نه به خاطر سود، بلکه برای دستیابی به پیشرفت‌های پیشگامانه در هوش عمومی مصنوعی(AGI) تلاش می‌کنند. این چشم‌انداز آرمان‌گرایانه با سرمایه‌گذاری‌های فناورانه قابل توجه، به‌ویژه در توسعه مدل‌های DeepSeek-V3 و DeepSeek-R1 پشتیبانی می‌شود. این مدل‌ها خیلی زود به دلیل عملکردشان مورد تحسین قرار گرفته‌اند که با وجود دسترسی محدود این شرکت به جدیدترین تراشه‌های انویدیا، از برخی جنبه‌ها از مدل‌های پیشرو شرکت‌های اوپن‌ای‌آی و متا پیشی می‌گیرند. مدل DeepSeek-V3 به شکل ویژه به دلیل سرعت استنتاج برتر و هزینه کم برای توسعه شناخته می‌شود و گام‌های مهمی در زمینه‌هایی که نیاز به توانایی‌های محاسباتی فشرده مانند کدنویسی و حل مسئله ریاضی دارند، برداشته است. توانمندی این مدل در یک مقاله تحقیقاتی منتشر شده در Arxiv برجسته شد، جایی که به دلیل عملکرد بهتر از سایر مدل‌های منبع‌باز و مطابقت با قابلیت‌های مدل‌های منبع‌بسته سطح بالا مانند GPT-4 و Claude-3.5-Sonnet مورد توجه قرار گرفت. مقایسه DeepSeek با چت‌بات‌های دیگر مانند ChatGPT «دیپ‌سیک» خود را از سایر برنامه‌های کاربردی هوش مصنوعی مانند ChatGPT از طریق رویکردهای معماری و عملیاتی منحصر به فرد خود متمایز می‌کند که به منظور افزایش کارایی و کاهش هزینه‌های عملیاتی طراحی شده است. «دیپ‌سیک» با استفاده از معماری «مخلوطی از متخصصان»(MoE)، تنها بخش‌های مرتبط از شبکه خود را برای هر پرس و جوی خاص فعال می‌کند و به طور قابل توجهی در توان محاسباتی و هزینه‌ها صرفه‌جویی می‌کند. این به شدت در تضاد با معماری مبتنی بر ترانسفورماتور ChatGPT است که وظایف را در کل شبکه خود پردازش می‌کند و منجر به مصرف بیشتر منابع می‌شود. فناوری مبتکرانه و بهبود عملکرد طراحی «مخلوطی از متخصصان» دیپ‌سیک، امکان پردازش ویژه هر کار را فراهم می‌کند که عملکرد آن را در زمینه‌های تخصصی مانند کدنویسی و حل مشکلات فنی افزایش می‌دهد و زمان پاسخ را سرعت می‌بخشد. برعکس، ChatGPT عملکرد ثابت‌تری را در طیف وسیعی از وظایف ارائه می‌دهد، اما ممکن است به دلیل روش پردازش جامع آن، از نظر سرعت عقب بماند. با وجود این، ChatGPT اغلب پاسخ‌های ظریف‌تر و غنی‌تر ارائه می‌دهد و عمقی را ارائه می‌دهد که ممکن است DeepSeek در زمینه‌های وسیع‌تر فاقد آن باشد. هزینه و دسترسی با توجه به میزان دسترسی، ماهیت منبع‌باز DeepSeek، آن را کاملا رایگان می‌کند و به راحتی برای اصلاح و استفاده در دسترس قرار می‌دهد که می‌تواند برای جامعه توسعه دهندگان جذاب باشد. از آن سو، ChatGPT در حالی که یک نسخه رایگان ارائه می‌دهد، شامل سطوح پولی نیز است و دسترسی به ویژگی‌های پیشرفته‌تر و قابلیت‌های API بیشتر آن با پرداخت اشتراک فراهم می‌شود. آیا باید نگران حریم خصوصی باشیم؟ «دیپ‌سیک» با وجود پیشرفت‌های فناورانه خود، از نظر مسائل بالقوه حفظ حریم خصوصی که یادآور نگرانی‌هایی است که قبلاً با سایر پلتفرم‌های چینی مانند TikTok مرتبط بود، تحت نظارت است. این نگرانی عمدتاً از جمع‌آوری داده‌های شخصی گسترده «دیپ‌سیک» از جمله درخواست ثبت تاریخ تولد، ورودی‌های متنی و صوتی، فایل‌های آپلود شده و تاریخچه چت که در سرورهای چین ذخیره می‌شوند، ناشی می‌شود. این عمل با توجه به قوانین سختگیرانه اطلاعات ملی در چین که همه نهادها را مجبور به همکاری با تلاش‌های اطلاعاتی ملی می‌کند، نگرانی‌های قابل توجهی را در مورد امنیت و حریم خصوصی داده‌های کاربران ایجاد می‌کند. علاوه بر این، مدل‌های هوش مصنوعی برجسته مانند ChatGPT و جمینای گوگل نسبت به دیپ‌سیک توصیه به احتیاط کرده‌اند. این نگرانی‌ها شامل پتانسیل بدافزارهای مخفی یا مکانیسم‌های نظارتی است که در این نرم‌افزار قابل تعبیه است و می‌تواند امنیت کاربران را به خطر بیندازد. اقدامات امنیتی دیپ‌سیک پس از یک نقص امنیتی گزارش شده در ماه دسامبر که آسیب‌پذیری‌هایی را برای امکان سرقت احتمالی حساب‌ها فراهم می‌کرد، مورد تردید قرار گرفت، اگرچه این مشکل متعاقباً اصلاح شد. این وضعیت زمانی تشدید شد که شرکت «دیپ‌سیک» در میان افزایش دانلودها فاش کرد که دستیار هوش مصنوعی آن هدف یک «حمله مخرب در مقیاس بزرگ» قرار گرفته است که نشان‌دهنده چالش‌های امنیتی برای آن است. این حادثه بر خطرات مرتبط با استفاده از دیپ‌سیک، به‌ویژه در مورد حفاظت از داده‌های شخصی پردازش شده توسط هوش مصنوعی تاکید می‌کند. کاربران و ذینفعان در فناوری هوش مصنوعی باید این خطرات حریم خصوصی و امنیتی را هنگام ادغام یا استفاده از ابزارهای هوش مصنوعی مانند DeepSeek در نظر بگیرند. نگرانی‌ها فقط در مورد حریم خصوصی داده‌ها نیست، بلکه پیامدهای گسترده‌تری در مورد استفاده از داده‌های جمع‌آوری‌شده برای اهدافی فراتر از کنترل یا آگاهی کاربر، از جمله آموزش مدل‌های هوش مصنوعی یا سایر فعالیت‌های فاش نشده است. همانطور که فناوری هوش مصنوعی در حال تکامل است، اطمینان از شفافیت و اقدامات امنیتی قوی در حفظ اعتماد کاربران و محافظت از اطلاعات شخصی در برابر سوء استفاده بسیار مهم خواهد بود. مطمئناً دیپ‌سیک پویایی بازار را تغییر داده و بحث‌های اخلاقی مختلفی را مطرح کرده است، اما برخی از سؤالات بزرگ هنوز باقی می‌مانند. مثلا آیا دیپ‌سیک کتاب تاریخ هوش مصنوعی را بازنویسی می‌کند؟ چه موانع غیرمنتظره‌ای می‌تواند از شتاب توسعه آن بکاهد و محبوبیت آن را کاهش دهد یا شاید حتی منجر به نابودی آن شود؟ به هر حال، مسیر پیش رو برای این هوش مصنوعی انقلابی و بلندپرواز، پر از احتمالات و مشکلات است و تنها زمان نشان خواهد داد که این فناوری جسورانه چگونه عمل خواهد کرد.

یکی از روش‌های تولید ساختارهای پیچیده، قرار دادن مولکول‌ها روی هم است که این کار با کمک میکروسکوپ تونل‌زنی روبشی انجام می‌شود. محققان در حال توسعه هوش مصنوعی هستند تا کنترل این میکروسکوپ‌ها را به هوش مصنوعی بدهند و کار سریع‌تر و دقیق‌تر انجام شود. ترکیب شیمیایی یک ماده به تنهایی، گاهی اطلاعات کمی در مورد خواص آن ارائه می‌دهد. عامل تعیین کننده، بیشتر، آرایش مولکول‌ها در ساختار شبکه اتمی یا روی سطح ماده است. علم مواد از این عامل برای ایجاد ویژگی‌های خاص با اعمال اتم‌ها و مولکول‌ها روی سطوح با کمک میکروسکوپ‌های با کارایی بالا استفاده می‌کند. این موضوع، بسیار وقت‌گیر بوده و همچنین نانوساختارهای ساخته شده به نسبت ساده هستند. یک گروه تحقیقاتی در دانشگاه گرتس اتریش با استفاده از هوش مصنوعی می‌خواهد ساخت نانوساختارها را بهبود دهند. نتایج کار آنها در مقاله‌ای در مجله Computer Physics Communications منتشر شده‌است. اولیور هافمن از موسسه فیزیک حالت جامد که سرپرستی این گروه تحقیقاتی را بر عهده دارد، می‌گوید: ما می‌خواهیم یک سیستم هوش مصنوعی خودآموز ایجاد کنیم که مولکول‌های منفرد را به‌صورت خودکار و در کمترین زمان در یک جهت درست برای رسیدن به خاصیت مورد نظر قرار دهد. با این کار می‌توان تولید ساختارهای مولکولی بسیار پیچیده، از جمله مدارهای منطقی در مقیاس نانومتری را امکان‌پذیر کرد. مکان‌یابی تک‌تک مولکول‌ها روی سطح یک ماده با استفاده از میکروسکوپ تونل‌زنی روبشی انجام می‌شود. نوک کاوشگر یک تکانه الکتریکی را برای جابه‌جایی مولکولی که حامل آن است، ایجاد می‌کند. هافمن می‌گوید: یک محقق برای تکمیل این مرحله برای یک مولکول ساده به چند دقیقه زمان نیاز دارد. اما برای ساختن ساختارهای پیچیده، هزاران مولکول پیچیده باید به‌صورت جداگانه قرار گرفته و سپس نتیجه آزمایش شود. میکروسکوپ تونل‌زنی روبشی نیز می‌تواند توسط رایانه کنترل شود. تیم هافمن اکنون می‌خواهد از روش‌های مختلف یادگیری ماشینی استفاده کند و چنین سیستم رایانه‌ای را به‌دست آورد تا مولکول‌ها را به‌طور مستقل در موقعیت صحیح قرار دهد. ابتدا، از روش‌های هوش مصنوعی برای محاسبه یک طرح بهینه استفاده می‌شود که کارآمدترین و قابل اعتمادترین رویکرد برای ساخت سازه را توصیف می‌کند. سپس الگوریتم‌های هوش مصنوعی خودآموز، نوک کاوشگر را کنترل می‌کنند تا مولکول‌ها به‌طور دقیق مطابق با نقشه قرار گیرند. به نقل از ستاد نانو، هافمن توضیح می‌دهد: موقعیت‌یابی مولکول‌های پیچیده با بالاترین دقت فرآیند دشواری است، زیرا هم‌ترازی آنها با وجود بهترین کنترل ممکن، همیشه در معرض درجه‌ خاصی از شانس است. محققان این احتمال شرطی را در سیستم هوش مصنوعی ادغام خواهند کرد تا همچنان به‌طور قابل اعتماد عمل کند. محققان با استفاده از یک میکروسکوپ تونلی روبشی کنترل‌شده با هوش مصنوعی که می‌تواند به‌صورت شبانه‌روزی کار کند، درنهایت می‌خواهند به اصطلاح کورل‌های کوانتومی بپردازند. کورل‌های (مرجان‌های) کوانتومی نانوساختارهایی به شکل دروازه هستند که می‌توانند برای به دام انداختن الکترون‌ها از موادی که روی آنها قرار گرفته‌اند استفاده شوند. سپس خواص موج مانند الکترون‌ها منجر به تداخل مکانیکی کوانتومی می‌شود که می‌تواند برای کاربردهای عملی مورد استفاده قرار گیرد.

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.