ساینس دیلی در تازه‌ترین مورد گزارش داده است که روش نوآورانه پژوهشگران «دانشگاه تگزاس در آستین»، از هوش مصنوعی و حسگرهای زیستی استفاده می‌کند تا راه را برای توسعه سریع‌تر داروهایی مانند داروی آلزایمر هموار کند. گالانتامین (Galantamine) یک داروی رایج است که افراد مبتلا به بیماری آلزایمر و سایر انواع زوال عقل در سراسر جهان برای درمان علائم بیماری خود از آن استفاده می‌کنند. تولید ترکیبات فعال در آزمایشگاه در مقیاس مورد نیاز، از نظر تجاری ساده نیست. در آمده است که ماده مؤثر طی یک فرآیند زمان‌بر از گل نرگس استخراج می‌شود و عوامل غیرقابل پیش‌بینی مانند آب و هوا و عملکرد محصول می‌توانند بر عرضه و قیمت دارو تأثیر بگذارند. پژوهشگران دانشگاه تگزاس در آستین، سیستم‌هایی را از جمله یک سیستم هوش مصنوعی و حسگرهای زیستی درخشان برای مهار میکروب‌ها توسعه داده‌اند که می‌توانند مشکل تولید داروها را حل کنند. پژوهشگران در این پروژه، فرآیندی را با استفاده از باکتری‌های اصلاح‌شده ژنتیکی برای ایجاد پیش‌ساز شیمیایی گالانتامین به عنوان محصول جانبی متابولیسم سلولی طبیعی این میکروب ارائه داده‌اند. این باکتری‌ها طوری برنامه‌ریزی شده‌اند که غذا را به ترکیبات دارویی تبدیل کنند. اندرو الینگتون، استاد دانشگاه تگزاس در آستین و پژوهشگر ارشد این پروژه، گفت: هدف این است که در نهایت داروهایی از این دست را در مقادیر زیاد تخمیر کنیم. این روش، یک منبع قابل اعتماد را ایجاد می‌کند که هزینه تولید آن بسیار کمتر است، فصل رشد ندارد و تحت تاثیر خشکسالی یا سیل قرار نمی‌گیرد. دنی دیاز، پژوهشگر مقطع فوق دکتری دانشگاه تگزاس در آستین، یک سیستم هوش مصنوعی را به نام «MutComputeX» ابداع کرد که کلید این فرآیند است. این سیستم، نحوه جهش پروتئین‌ها را در باکتری‌ها برای بهبود کارآیی و دمای عملیاتی آنها به منظور به حداکثر رساندن تولید ماده شیمیایی دارویی مورد نیاز مشخص می‌کند. دیاز گفت: این سیستم به شناسایی جهش‌هایی کمک کرد که باکتری‌ها را در تولید مولکول مورد نظر کارآمدتر می‌کنند. در برخی موارد، سیستم تا سه برابر بیشتر از سیستم طبیعی موجود در گل نرگس کارآمد بود. فرآیند مهار میکروب‌ها برای تولید محصولات جانبی سودمند، چیز جدیدی نیست. برای مثال، باکتری‌ها به تولید پنیر و ماست کمک می‌کنند. تخمیر میکروبی در حال حاضر برای ساخت انواع خاصی از انسولین برای درمان دیابت مورد استفاده قرار می‌گیرد. هورمون‌ها و پروتئین‌های نوترکیب مورد استفاده در چندین دارو مانند داروهای خودایمنی و حتی واکسن‌ها نیز تحت این فرآیند ایجاد می‌شوند. استفاده از هوش مصنوعی در این فرآیند، نسبتا جدید است و آنچه را که با تخمیر میکروبی امکان‌پذیر می‌شود، گسترش می‌دهد. این گروه پژوهشی، باکتری «اشریشیا کلی»(E. coli) را برای تولید «4-O’Methyl-norbelladine» اصلاح ژنتیکی کردند که یک عنصر شیمیایی سازنده گالانتامین است. این مولکول در خانواده‌ای از ترکیبات استخراج‌شده از گل نرگس موجود است که کاربرد دارویی در درمان بیماری‌هایی مانند سرطان، عفونت‌های قارچی و عفونت‌های ویروسی دارند، اما استفاده از تخمیر میکروبی برای ایجاد یک ماده شیمیایی در این خانواده، یک کار جدید است. پژوهشگران یک حسگر زیستی فلورسنت را نیز ابداع کردند تا به سرعت نشان دهد کدام باکتری، مواد شیمیایی مورد نظر را تولید می‌کند و چه مقدار از آن را ارائه می‌دهد. هنگامی که حسگر زیستی با پروتئینی که به طور ویژه ساخته شده است، تماس پیدا می‌کند، به رنگ سبز می‌درخشد. سایمون دویلزنیتز، پژوهشگر ارشد این پروژه گفت: حسگر زیستی به ما امکان می‌دهد تا نمونه‌ها را در چند ثانیه آزمایش و تحلیل کنیم. همچنین، برنامه یادگیری ماشینی به ما امکان می‌دهد که به راحتی ترکیبات را از ده‌ها هزار مورد به ده‌ها مورد محدود کنیم. این دو در کنار هم، یک سیستم واقعا قوی را تشکیل می‌دهند. این پژوهش در مجله «Nature Communications» به چاپ رسید.

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.

سایت علمی انگجت در تازه‌ترین مطلب نوشته است که گویا گوگل هزاران دلار به ناشران می‌پردازد تا از هوش مصنوعی این شرکت برای نوشتن داستان‌ها و مقالات خود استفاده کنند. این سایت نوشته است که گوگل به شکلی بی‌سر و صدا با برخی از ناشران برای استفاده از ابزارهای جدید هوش مصنوعی برای انتشار داستان‌ها و مقالات‌شان معامله کرده است. در ادامه آمده است که این معاملات ده‌ها هزار دلار در سال ارزش دارند و ظاهراً بخشی از برنامه ابتکار اخبار گوگل(Google News Initiative) یا GNI هستند که برنامه‌ای شش ساله است که پروژه‌های سواد رسانه‌ای، ابزارهای راستی‌آزمایی و سایر منابع را برای اتاق‌های خبر تأمین مالی می‌کند. حرکت به سمت ابزارهای انتشارات هوش مصنوعی گامی جدید و احتمالاً بحث برانگیز برای این شرکت خواهد بود. طبق گزارشات، این برنامه در حال حاضر تعداد انگشت شماری از ناشران کوچک‌تر را هدف قرار داده است. در این گزارش آمده است: ابزارهای بتا به ناشرانی که منابع کمتری دارند این امکان را می‌دهد تا با نمایه‌سازی گزارش‌های تازه منتشر و تولید شده توسط سازمان‌های دیگر، مانند آژانس‌های خبری دولتی و رسانه‌های خبری همسایه و سپس خلاصه کردن و انتشار آن‌ها به عنوان یک مقاله جدید، محتوای انباشته شده را به شکلی کارآمدتر ایجاد کنند. دقیقاً مشخص نیست که ناشران تحت این پروژه چقدر دستمزد می‌گیرند، اگرچه گفته می‌شود که این مبلغ یک عدد پنج رقمی برای هر سال است. طبق گزارش‌ها، سازمان‌های رسانه‌ای با انتشار حداقل سه مقاله در روز، یک خبرنامه هفتگی و یک کمپین بازاریابی ماهانه با استفاده از این ابزار موافقت کرده‌اند. در گزارش آمده است که ظاهراً ناشران در این برنامه ملزم به افشای استفاده خود از هوش مصنوعی نیستند، همچنین به دیگر وب‌سایت‌ها اطلاع داده نمی‌شود که محتوای آن‌ها با هوش مصنوعی نوشته شده و در سایت‌های دیگر استفاده می‌شود. گفته می‌شود که نسخه تولید شده توسط هوش مصنوعی از یک سیستم رنگی برای نشان دادن قابلیت اطمینان هر بخش از متن استفاده می‌کند تا به ویرایشگران انسانی کمک کند تا قبل از انتشار محتوا، آن را بررسی کنند. گفتنی است که گوگل هنوز به پرسش خبرنگاران درباره این موضوع پاسخ روشنی نداده و تنها در بیانیه‌ای گفته است: در مراحل اولیه بررسی ایده‌ها برای ارائه بالقوه ابزارهای مجهز به هوش مصنوعی برای کمک به روزنامه‌نگاران در کارشان هستیم. ابزارهای هوش مصنوعی به منظور جایگزینی نقش اساسی روزنامه‌نگاران در گزارش، ایجاد و بررسی حقایق مقالات خود استفاده نمی‌شوند و نمی‌توانند هم جایگزین شوند. مشخص نیست که گوگل از این کار چه هدفی دارد، اگرچه این اولین شرکت فناوری نخواهد بود که برای استفاده از ابزارهای اختصاصی به اتاق‌های خبر پول می‌دهد. این کار به معاملاتی شباهت‌ دارد که فیسبوک زمانی با ناشران برای ایجاد محتوای ویدیویی زنده در سال ۲۰۱۶ منعقد کرد. این شرکت با پرداخت میلیون‌ها دلار به ناشران برای استفاده از پلتفرم ویدیویی نوپای خود و دهها رسانه به سرتیتر خبرها آمد. البته این پروژه پس از اینکه فیسبوک متوجه شد تعداد بازدیدهای چنین محتواهایی را اشتباه محاسبه کرده است، کنار گذاشته شد. با اینکه این شبکه اجتماعی خیلی زود به این پروژه پایان داد، بر اساس برخی تخمین‌ها این کار در صنعت رسانه به قیمت از دست رفتن کار صدها روزنامه‌نگار تمام شد. اکنون در حالی که به نظر می‌رسد برنامه GNI بسیار کوچک‌تر از چیزی است که فیسبوک تقریباً یک دهه پیش روی آن تلاش کرد، احتمالاً بررسی جدیدی را در مورد استفاده از ابزارهای هوش مصنوعی مولد توسط ناشران ایجاد خواهد کرد. پایگاه‌های خبری مانند CNET و Sports Illustrated به دلیل تلاش برای جا زدن و به اشتراک گذاشتن مقالاتی که در واقع توسط هوش مصنوعی نوشته شده‌اند اما گفته می‌شود که به دست کارکنان انسانی نوشته شده‌اند، به طور گسترده مورد انتقاد قرار گرفته‌اند.

یک متخصص در زمینه هوش مصنوعی که بررسی کاملی روی ادبیات علمی در مورد هوش مصنوعی انجام داده و به این نتیجه رسیده است که هیچ مدرکی برای حمایت از این تصور وجود ندارد که هوش مصنوعی را می‌توان به طور ایمن کنترل کرد. دکتر رومن وی یامپولسکی از کارشناسان برجسته هوش مصنوعی می‌گوید ما با یک رویداد تقریباً تضمین شده با پتانسیل ایجاد یک فاجعه وجودی روبرو هستیم. علاوه بر این، حتی اگر مکانیسم‌ها یا روش‌هایی برای کنترل هوش مصنوعی پیشنهاد شده باشد، دکتر رومن وی یامپولسکی معتقد است که این اقدامات برای تضمین ایمنی کافی نخواهند بود. کار او در زمینه «ایمنی هوش مصنوعی» تا حدی توسط ایلان ماسک و موسسه آینده زندگی(FLI) که توسط مکس تِگمارک استاد دانشگاه MIT و ژان تالین یکی از بنیانگذاران اسکایپ تاسیس شده است، پشتیبانی شده است. موسسه آینده زندگی همان موسسه‌ای است که برای توسعه ابزارهای هوش مصنوعی قدرتمندتر از GPT-4 درخواست کرد این پروژه با یک توقف شش ماهه روبرو شود. نامه سرگشاده این موسسه توسط بیش از 33 هزار نفر از جمله ایلان ماسک، استیو وزنیاک هم‌بنیانگذار اپل، یوشوا بنجیو، پدرخوانده هوش مصنوعی و سایر کارشناسان امضا شده است. نگرانی در مورد مدیریت و تنظیم مقررات برای هوش مصنوعی با نفوذ ابزارهای جدید هوش مصنوعی در بازار طی یک سال گذشته، دکتر یامپولسکی پیشنهاد می‌کند که سیستم‌های هوش مصنوعی پیشرفته به دلیل غیر قابل پیش‌بینی بودن و استقلال ذاتی، با وجود مزایای بالقوه‌شان، همیشه خطراتی را به همراه خواهند داشت. دکتر یامپولسکی در یک بیانیه مطبوعاتی گفت: «چرا بسیاری از پژوهشگران تصور می‌کنند که مشکل کنترل هوش مصنوعی قابل حل است؟ تا آنجا که ما می‌دانیم، هیچ گواهی برای آن وجود ندارد، هیچ مدرکی وجود ندارد. قبل از شروع تلاش برای ساخت یک هوش مصنوعی کنترل شده، مهم است که نشان دهیم مشکل قابل حل است.» وی افزود: «این همراه با آماری که نشان می‌دهد توسعه اَبَرهوش مصنوعی یک رویداد تقریباً تضمین شده است، نشان می‌دهد که ما باید از تلاش‌های ایمنی قابل توجهی در زمینه هوش مصنوعی حمایت کنیم.» [caption id="attachment_10880" align="aligncenter" width="681"] عکس: شبکه‌های اجتماعی[/caption] توسعه ابرهوش مصنوعی اجتناب‌ناپذیر است از آنجایی که هوش مصنوعی در حالت ابرهوشمندی می‌تواند به تنهایی یاد بگیرد، تطبیق یابد و به صورت نیمه مستقل عمل کند، اطمینان از ایمن بودن آن، به ویژه با وجود افزایش قابلیت‌های آن به طور فزاینده‌ای چالش برانگیز می‌شود. می‌توان گفت که هوش مصنوعی فوق هوشمند «ذهن» خود را خواهد داشت. پس چگونه آن را کنترل کنیم؟ آیا قوانین رباتیک آیزاک آسیموف که رفتار اخلاقی بین انسان و ربات را برقرار می‌کند، هنوز در دنیای امروز اعمال می‌شود؟ دکتر یامپولسکی که حوزه اصلی مورد علاقه او ایمنی هوش مصنوعی است، توضیح داد: ما با یک رویداد تقریبا تضمین شده با پتانسیل ایجاد یک فاجعه وجودی روبرو هستیم. وی افزود: جای تعجب نیست که بسیاری این را مهم‌ترین مشکلی که بشریت تا به حال با آن روبرو بوده است، توصیف می‌کنند. نتیجه می‌تواند رفاه یا انقراض بشر باشد. یکی از چالش‌های اصلی، تصمیم‌گیری‌های بالقوه و شکست موجودات فوق‌ هوشمند است که پیش‌بینی و تهدید آن‌ها را دشوار می‌کند. با افزایش استقلال هوش مصنوعی، کنترل انسان روی آن کاهش می‌یابد که منجر به نگرانی‌های ایمنی می‌شود. دکتر یامپولسکی ایجاد تعادل بین توانایی و کنترل هوش مصنوعی را پیشنهاد و اذعان می‌کند که ابرهوش ذاتاً فاقد قابلیت کنترل است. وی همچنین درباره اهمیت همسویی هوش مصنوعی با ارزش‌های انسانی بحث می‌کند و روش‌هایی را برای به حداقل رساندن خطرها مانند اصلاح‌پذیری، شفافیت هوش مصنوعی و طبقه‌بندی به عنوان قابل کنترل یا غیرقابل کنترل پیشنهاد می‌کند. با وجود این چالش‌ها، دکتر یامپولسکی ادامه تحقیقات و سرمایه‌گذاری در ایمنی و امنیت هوش مصنوعی را تشویق و تأکید می‌کند که اگرچه دستیابی به هوش مصنوعی صد درصد ایمن ممکن است دست نیافتنی باشد، اما تلاش برای بهبود ایمنی آن همواره ارزشمند است. دکتر یامپولسکی، دانشیار دانشگاه لوئیزویل است که نتایج تحقیقات خود را در کتابی با عنوان «هوش مصنوعی غیر قابل توضیح، غیر قابل پیش‌بینی، غیر قابل کنترل» منتشر کرده است.

بخش علمی بی‌بی‌سی اعلام کرده است که اگر در گوگل عبارت «سرمایه‌گذاری از طریق هوش مصنوعی» را جستجو کنید، تعداد بی‌شماری پیشنهاد می‌بینید که به شما توصیه می‌کنند اجازه دهید هوش مصنوعی مدیریت سرمایه شما را در دست بگیرد. در ادامه آمده است که خیلی از این پیشنهاد دهندگان مشخصا می‌گویند که پول خود را به آن‌ها بسپاریم تا سود بیشتری به آن تعلق بگیرد و همانطور که هر موسسه سرمایه‌گذاری خوشنامی به مشتریان هشدار می‌دهد که هرگونه سرمایه‌گذاری ریسک از دست رفتن سرمایه را هم به همراه دارد یا به بیان ساده‌تر، چه یک انسان از طرف شما در بازار سهام سرمایه‌گذاری کند چه یک کامپیوتر، همیشه احتمال دارد پول شما از دست برود. با این حال، بر اساس یک نظرسنجی در سال ۲۰۲۳ در ایالات متحده، تبلیغات در مورد توانایی هوش مصنوعی در چند سال گذشته چنان زیاد بوده است که تقریبا از هر سه سرمایه‌گذار، یک سرمایه‌گذار خوشحال می‌شود که به یک بات معاملاتی اجازه دهد از طرف او در مورد سرمایه‌گذاری‌هایش تصمیم بگیرد. جان آلن، رییس بخش نوآوری و عملیاتی انجمن سرمایه‌گذاری بریتانیا که اتحادیه صنفی مدیران سرمایه‌گذاری در بریتانیا محسوب می‌شود می‌گوید، سرمایه‌گذاران باید در استفاده از هوش مصنوعی محتاط‌تر باشند. او می‌گوید: «سرمایه‌گذاری موضوعی بسیار جدی است، زیرا بر وضعیت افراد و آینده بلندمدت آنها تأثیر می‌گذارد، بنابراین ممکن است عاقلانه نباشد که در این مورد، تحت تاثیر آخرین مد روز قرار بگیریم.» آلن افزود: «من فکر می‌کنم حداقل باید منتظر باشیم تا هوش مصنوعی در درازمدت توانمندی خود را ثابت کند، تا بتوانیم کارایی آن را قضاوت کنیم. و در این فاصله، هنوز برای انسان‌های متخصص سرمایه‌گذاری کار وجود خواهد داشت.» جان آلن هشدار می‌دهد که سرمایه‌گذاری توسط ماشین هنوز در دوران کودکی است. با توجه به اینکه ربات‌های تجاری مبتنی بر هوش مصنوعی ممکن است برخی از مدیران سرمایه‌گذاری انسانی بسیار مجرب اما گرانقیمت را بیکار کنند، ممکن است اظهارات آقای آلن چندان بی‌انگیزه هم به نظر نرسد. اما این واقعیت را نباید نادیده گرفت که سوال این است که آیا فعالیت تجاری و مالی هوش مصنوعی واقعا تحولی جدید است که سوالات و ابهاماتی را همراه دارد. اولا، هوش مصنوعی یک گوی بلور پیشگویی نیست و در دیدن شرایط آینده توانایی بیشتری نسبت به انسان ندارد. اگر به تحولات ۲۵ سال گذشته نگاه کنیم، وقایع پیش‌بینی نشده متعددی رخ داده و بر بازارهای سهام تاثیر گذاشته است، مانند حملات ۱۱ سپتامبر ۲۰۰۱، بحران بانکی سال ۲۰۰۷ و ۲۰۰۸ و البته همه‌گیری کرونا. ثانیا، سیستم‌های هوش مصنوعی فقط به اندازه داده‌های اولیه و نرم‌افزاری توانایی دارند که توسط برنامه‌نویسان رایانه انسانی مورد استفاده قرار گرفته است. برای توضیح این موضوع به یک مرور تاریخی نیاز داریم. در واقع، بانک‌های سرمایه‌گذاری از اوایل دهه ۱۹۸۰ از هوش مصنوعی ابتدایی یا به اصطلاح «ضعیف» برای کمک به انتخاب در بازار سهام استفاده می‌کردند. هوش مصنوعی اولیه قادر بود داده‌های‌ مالی را مطالعه کند، از آنها بیاموزد و تصمیم‌های مستقلی بگیرد که با پیشرفت هوش مصنوعی، امید است که دقیق‌تر شود. این سیستم‌های هوش مصنوعی ضعیف وقوع حادثه ۱۱ سپتامبر یا حتی بحران اعتباری را پیش‌بینی نکردند. اما در مورد شرایط امروز وقتی در مورد هوش مصنوعی صحبت می‌کنیم، غالبا منظور چیزی به نام «هوش مصنوعی مولد» است که به مراتب قدرتمندتر از نوع ضعیف است و می‌تواند چیزهای جدیدی را ایجاد کند و از آنها تجربه بیاموزد. وقتی هوش مصنوعی مولد برای سرمایه‌گذاری به کار برود، می‌تواند حجم زیادی از داده‌ها را بررسی و هضم کند و تصمیم‌های خود را بگیرد. هوش مصنوعی مولد همچنین می‌تواند راه‌های بهتری برای مطالعه داده‌ها و توسعه کدهای کامپیوتری خود پیدا کند. اما اگر برنامه‌نویسان در ابتدا به این هوش مصنوعی داده‌های بدی داده باشند، تصمیم‌های آن ممکن است کدهای بیشتر و بدتر را تولید کند. [caption id="attachment_10614" align="aligncenter" width="647"] عکس: شبکه‌های اجتماعی[/caption] آمازون و مشکلات هوش مصنوعی لیز گوریه، دانشیار رشته امور مالی در مدرسه بازرگانی اسک در پاریس، متخصص مطالعه اشتباه‌های هوش مصنوعی است. او از تلاش‌های شرکت آمازون برای به کارگیری هوش مصنوعی در سال ۲۰۱۸ به عنوان نمونه بارزی از این نوع اشتباه‌ها یاد می‌کند. او می‌گوید آمازون یکی از اولین شرکت‌هایی بود که گرفتار مشکل شد به این ترتیب که شرکت ابزار هوش مصنوعی را برای استخدام کارکنان خود تنظیم کرد. گوریه می‌گوید: «شرکت هزاران رزومه را دریافت ‌کرد و هوش مصنوعی رزومه‌ها را ‌خواند و به شرکت ‌گفت چه کسی را استخدام کنند. اما مشکل در این بود که ابزار هوش مصنوعی شرکت براساس ترکیب کارمندان موجود آموزش داده شده بود که عمدتا مرد بودند و در نتیجه، آنچه که این الگوریتم در اصل انجام ‌داد این بود که همه متقاضان زن را کنار ‌گذاشت.» به این ترتیب، آمازون مجبور شد استفاده از هوش مصنوعی برای استخدام کارکنان خود را کنار بگذارد. پروفسور ساندرا واچتر، پژوهشگر ارشد هوش مصنوعی در دانشگاه آکسفورد، می‌گوید: «هوش مصنوعی مولد می‌تواند به سادگی اشتباه کند و اطلاعات نادرستی تولید کند، که در زبان فنی به آن توهم می‌گویند.» هوش مصنوعی مولد مستعد جهت‌گیری تبعیض‌آمیز و اشتباه است و می‌تواند اطلاعات نادرست را به سادگی تحویل دهد یا واقعیت را جعل کند. پروفسور واچر همچنین هشدار می‌دهد که سیستم‌های هوش مصنوعی خودکار ممکن است در معرض خطر نشت داده‌ها یا مساله‌ای به نام «حملات وارونگی انگاره» باشند که به زبان ساده، به این معنی است که هکرها از هوش مصنوعی یک سری سوالات خاص را می‌پرسند به این امید که کدگذاری و داده‌های زیربنایی خود را فاش کند. همچنین این احتمال هم وجود دارد که هوش مصنوعی به جای یک مشاور نابغه سرمایه‌گذاری، بیشتر به پیشنهاد دهندگان خرید سهام شبیه شود که در گذشته، در نشریه‌های روز یکشنبه افراد را به خرید سهام خاصی تشویق می‌کردند. پیشنهاد آن‌ها معمولا شامل خرید سهام شرکت‌های کوچک در اول روز دوشنبه بود و البته عده‌ای اول صبح دوشنبه این سهام را می‌خریدند و ساعاتی بعد متوجه می‌شدند که قیمت سهام آنان به شکلی معجزه‌آسا افزایش یافته است. البته کل ماجرا این بود که هجوم خریداران برای گرفتن این سهام محدود طبیعتا قیمت آن را بالا می‌برد. اما چرا با وجود همه این خطرات، هنوز تعداد قابل توجهی از سرمایه‌گذاران مشتاق هستند که به هوش مصنوعی اجازه دهند برای آنها تصمیم بگیرد؟ [caption id="attachment_10613" align="aligncenter" width="640"] عکس: شبکه‌های اجتماعی[/caption] اعتماد به انسان یا کامپیوتر استوارت داف، روانشناس کنش تجاری در شرکت مشاوره پرن کانوله می‌گوید که بعضی از افراد به کامپیوتر بیشتر از انسان اعتماد دارند. او می‌گوید: «این اعتماد تقریبا به طور قطع منعکس‌کننده یک قضاوت ناخودآگاه است، این قضاوت که سرمایه‌گذاران انسانی خطاپذیر هستند، در حالیکه ماشین‌ها تصمیم گیرندگان منطقی هستند که براساس داده‌های عینی و سنجیده تصمیم می‌گیرند. آنها ممکن است بر این باور باشند که هوش مصنوعی هرگز روز تعطیلی ندارد، هرگز عمدا کلاهبرداری نمی‌کند و نخواهد کوشید ضررها را پنهان کند.» آقای داف تاکید دارد که «با این حال، یک ابزار سرمایه‌گذاری هوش مصنوعی ممکن است به سادگی تمام اشتباهات فکری و قضاوت‌های ضعیف برنامه‌ریزان خود را منعکس کند و همزمان، فاقد مزیت تجربه شهودی و عکس‌العمل سریع در برابر وقوع حوادث غیرمنتظره آینده، مانند سقوط مالی یا همه‌گیری کرونا است.» او می‌افزاید: «تعداد اندکی افراد قادر هستند برای مقابله با اینگونه تحولات بزرگ، الگوریتم‌های هوش مصنوعی مناسب و کارآمد بسازند.»

سایت علمی ساینمگ گزارش داده است که یک حسگر رباتیک که در «دانشگاه کمبریج» ساخته شده و مبتنی بر هوش مصنوعی است، پس از آموزش دیدن توانست خط بریل را دو برابر سریع‌تر از انسان بخواند. در گزارش آمده است که گروهی از پژوهشگران انگلیسی یک حسگر رباتیک ساخته‌اند که از روش‌های مبتنی بر هوش مصنوعی استفاده می‌کند تا خط بریل را تقریبا دو برابر سریع‌تر از بیشتر انسان‌ها بخواند. گروه پژوهشی دانشگاه کمبریج از الگوریتم‌های یادگیری ماشینی برای آموزش دادن حرکت سریع روی خطوط متن بریل به حسگر رباتیک استفاده کردند. این ربات توانست خط بریل را با سرعت ۳۱۵ کلمه در دقیقه و با دقت نزدیک به ۹۰ درصد بخواند. اگرچه ربات بریل‌خوان به عنوان یک فناوری کمکی توسعه نیافته است، اما پژوهشگران می‌گویند حساسیت بالای مورد نیاز برای خواندن خط بریل، آن را به یک آزمایش ایده‌آل در ساخت دست‌های رباتیک یا پروتزهایی با حساسیت نوک انگشتان انسان تبدیل می‌کند. نوک انگشتان انسان به طور قابل توجهی حساس هستند و به ما کمک می‌کنند تا اطلاعاتی را در مورد دنیای اطراف خود جمع‌آوری کنیم. نوک انگشتان ما می‌توانند تغییرات کوچک را در بافت یک ماده تشخیص دهند یا به ما کمک کنند تا بدانیم هنگام برداشتن یک جسم باید چقدر نیرو استفاده کنیم. برای مثال، برداشتن تخم‌ مرغ بدون شکستن آن یا برداشتن توپ بولینگ بدون انداختن آن. بازتولید این سطح از حساسیت در یک دست رباتیک با صرفه‌جویی کردن در انرژی، یک چالش بزرگ در حوزه مهندسی است. پژوهشگران آزمایشگاه پروفسور فومیا آیدا در دپارتمان مهندسی دانشگاه کمبریج سعی دارند راه‌حل‌هایی را برای این مهارت‌ها و مهارت‌های دیگری ارائه دهند که برای انسان آسان، اما برای ربات‌ها دشوار هستند. پارث پوتدار، پژوهشگر ارشد این پروژه گفت: «نرمی نوک انگشتان، یکی از دلایلی است که ما می‌توانیم اشیا را با فشار مناسب در دست بگیریم. برای ربات‌ها، نرمی یک ویژگی سودمند است اما اطلاعات زیادی نیز باید از حسگر دریافت شوند و داشتن هر دو ویژگی به صورت هم‌زمان، به ویژه هنگام برخورد داشتن با سطوح انعطاف‌پذیر یا تغییرشکل‌پذیر دشوار خواهد بود.» خط بریل یک آزمون ایده‌آل برای نوک انگشت ربات است، زیرا از آن جهت که نقطه‌ها در هر الگوی حروف بسیار نزدیک به هم هستند، خواندن آن به حساسیت بالایی نیاز دارد. پژوهشگران از یک حسگر برای ساخت یک ربات بریل‌خوان استفاده کردند که خواندن انسان را با دقت بیشتری تقلید می‌کند. دیوید هاردمن از پژوهشگران این پروژه گفت: «خوانندگان رباتیک خط بریل وجود دارند، اما آنها فقط یک حرف را در هر مرتبه می‌خوانند و خواندن آنها مانند انسان‌ها نیست. بریل‌خوان‌های رباتیک موجود به یک روش ثابت کار می‌کنند. آنها الگوی یک حرف را لمس می‌کنند، آن را می‌خوانند، از سطح فاصله می‌گیرند، دوباره حرکت می‌کنند و روی الگوی حرف بعدی پایین می‌آیند. ما چیزی می‌خواهیم که واقع‌بینانه‌تر و بسیار کارآمدتر باشد.» حسگر رباتیکی که پژوهشگران در این پروژه استفاده کردند، دارای یک دوربین در نوک انگشت است و با استفاده از ترکیبی از اطلاعات دوربین و حسگرها می‌خواند. پوتدار گفت: این یک مشکل دشوار برای متخصصان رباتیک است زیرا پردازش تصویر زیادی باید انجام شود تا تاری حرکت را از بین ببرد و این به زمان و انرژی نیاز دارد. این گروه پژوهشی، الگوریتم‌های یادگیری ماشینی را توسعه دادند تا خواننده رباتیک بتواند پیش از تشخیص دادن حروف با حسگر، تصاویر را محو کند. آن‌ها الگوریتم را روی مجموعه‌ای از تصاویر واضح از خط بریل با تاری جعلی اعمال‌شده آموزش دادند. پس از این که الگوریتم یاد گرفت حروف را محو کند، پژوهشگران از یک مدل بینایی رایانه‌ای برای شناسایی و طبقه‌بندی کردن هر حرف استفاده کردند. هنگامی که الگوریتم‌ها گنجانده شدند، پژوهشگران ربات خواننده خود را با اعمال آن روی ردیف‌هایی از خطوط بریل آزمایش کردند. بریل‌خوان رباتیک در هر دقیقه توانست ۳۱۵ کلمه را با دقت ۸۷ درصد بخواند که دو برابر سریع‌تر و دقیق‌تر از یک بریل‌خوان انسان است. هاردمن گفت: با توجه به این که ما از الگوریتم تاری جعلی استفاده کردیم، تعجب‌آور بود که ربات چقدر در خواندن خط بریل دقیق عمل می‌کند. ما یک مبادله خوب را بین سرعت و دقت پیدا کردیم که در مورد خوانندگان انسانی نیز صدق می‌کند. پوتدار گفت: سرعت خواندن خط بریل، یک روش عالی برای بررسی کردن پویایی عملکرد سیستم‌های حسگر لمسی است. بنابراین، یافته‌های ما می‌توانند کاربردهایی را فراتر از خط بریل داشته باشند و برای کارهایی مانند تشخیص دادن بافت‌های سطح یا لغزش ربات روی آنها اجرا شوند. پژوهشگران امیدوارند که در آینده بتوانند این فناوری را در مقیاس یک دست یا پوست انسان بسازند. این پژوهش با پشتیبانی «برنامه توسعه پژوهش جهانی سامسونگ» (Samsung Global Research Outreach Program) انجام شد. این پژوهش در مجله IEEE Robotics and Automation Letters به چاپ رسید.

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.

سایت‌های علمی ساینس گزارش داده است که تجزیه و تحلیل اثر انگشت به دلیل منحصر به فرد بودن و ماندگاری الگوها، ابزاری ارزشمند در تنظیمات قانونی و امنیتی در نظر گرفته می‌شود؛ هیچ دو نفر و حتی دوقلوهای همسانی یافت نشدند که الگوی اثر انگشت مشترک داشته باشند در واقع، اثر انگشت آنقدر منحصر به فرد است که اثر انگشت شما حتی با یکدیگر همخوانی ندارد، اما اکنون، تحقیقات جدید با استفاده از هوش مصنوعی (AI) ادعاهایی را مطرح کرده است که می‌تواند مسیر شناسایی اثر انگشت پزشکی قانونی را تغییر دهد. این سایت علمی در گزارشش نوشته است، در حالی که منحصر به فرد بودن اثر انگشتان آن چیزی است که آن‌ها را در تحقیقات صحنه جرم بسیار مهم جلوه می‌دهند، اما ناتوانی در تطبیق اثر انگشت مختلف از یک شخص که به عنوان اثر انگشت درون شخص شناخته می‌شود، می‌تواند باعث ایجاد مشکلات اساسی در ارتباط شواهد پزشکی قانونی شود. محققان دانشگاه کلمبیا مدلی از هوش مصنوعی ایجاد کرده‌اند که می‌تواند با اطمینان ۹۹.۹۹ درصد با اثر انگشت‌های درون فردی مطابقت داشته باشد البته با این استدلال که اثر انگشت یک فرد منحصر به فرد نیست و ما فقط آن‌ها را به روشی اشتباه مقایسه کرده‌ایم. الگوهای اثرانگشت از برجستگی‌ها و شیارهای فرورفته روی انگشتان تشکیل شده است. در حال حاضر، اثر انگشت با مقایسه الگوهای برآمدگی اصطکاکی بر اساس سه دسته‌بندی حلقه‌ها، چرخش‌ها و قوس‌ها تجزیه و تحلیل می‌شوند. فرآیند تصمیم‌گیری هوش مصنوعی جدید مبتنی بر تجزیه و تحلیل الگوهای باینری، جهت، تراکم برآمدگی و جزئیات است. محققان با تجزیه و تحلیل چرخش‌ها و حلقه‌های نزدیک به مرکز اثر انگشت که منحصر به فرد شناخته می‌شوند این مورد را دریافتند که بیشتر شباهت‌های اثر انگشت درون فردی با جهت‌گیری برجستگی توضیح داده می‌شود و به این نتیجه رسیدند که جزئیات، کمترین اعتبار را در بین دسته‌های تحلیل دارند. آنان استدلال کردند در حالی که تجزیه و تحلیل جزئیات ممکن است دقیق‌ترین مورد برای تطبیق انگشتان یکسان باشد، اما بر روی ویژگی‌های اثر انگشت فردی تمرکز می‌کند که بعید است در اثر انگشت درون فردی رخ دهد و این مورد باعث می‌شود که برای تطبیق انگشت متقابل دقت کمتری داشته باشد. این مدل با استفاده از پایگاه داده عمومی دولت ایالات‌متحده از حدود ۶۰هزار اثر انگشت و ۵۲۵ هزار تصویر، آموزش داده شد. آنان دریافتند که عملکرد هوش مصنوعی در بین جنسیت‌ها و گروه‌های نژادی مختلف سازگار است و زمانی که با نمونه‌هایی از همه گروه‌ها آموزش داده می‌شود، بهترین عملکرد را دارد. محقق این تحقیق، ارشد مهندسی دانشگاه کلمبیا که به تجزیه و تحلیل داده‌ها کمک کرد، در بیانیه‌ای گفت: «فقط تصور کنید وقتی این کار روی میلیون‌ها اثر انگشت آموزش داده شود، چقدر خوب عمل می‌کند.» این گروه امیدوار هستند که روزی بتوان از این مدل هوش مصنوعی برای اولویت‌بندی سرنخ‌ها، تبرئه مظنونان بی‌گناه و به‌طور بالقوه کمک به ایجاد سرنخ‌های جدید برای موارد خاص استفاده کرد. هاد لیپسون، محقق و استاد دانشگاه مهندسی کلمبیا گفت: «این تحقیق نمونه‌ای از این مورد است که چگونه حتی نمونه‌ای از هوش مصنوعی تقریبا ساده، با توجه به مجموعه داده‌های ساده‌ای که سال‌ها در اطراف جامعه پژوهشی وجود داشته است، می‌تواند بینش‌هایی ارائه دهد که برای دهه‌ها از کارشناسان دور بوده است.» هیجان‌انگیزتر این واقعیت است که  دانشجوی کارشناسی بدون هیچ پیشینه‌ای در پزشکی قانونی، می‌تواند از هوش مصنوعی برای به چالش کشیدن باورهای رایج در کل رشته استفاده کند. ما در آستانه تجربه انفجاری از اکتشافات علمی مبتنی بر هوش مصنوعی توسط افراد غیرمتخصص هستیم و جامعه متخصص، از جمله دانشگاهیان، باید آماده شوند. با این حال، این تحقیق بدون انتقاد نبوده است؛ این مقاله در ابتدا توسط مجله معتبر پزشکی قانونی با داور و ویراستار متخصص ناشناس رد شد و به این نتیجه رسید که به خوبی شناخته شده است که هر «اثر انگشت منحصر به فرد است» و تشخیص شباهت‌های درون فردی ممکن نیست. در حالی که این مقاله نیاز به آموزش مدل را بر روی مجموعه داده‌های بزرگتر و متنوع‌تر تایید می‌کند، باید دید که آیا هوش مصنوعی قادر به تولید نتایج به اندازه کافی قابل اعتماد برای ارائه شواهد قطعی در محکومیت‌های جنایی است یا خیر. نتایج این تحقیق در نشریه Science Advances منتشر شده است.

سایت علمی دیلی‌میل در گزارشی نوشته است که یک نظرسنجی جدید نشان می‌دهد که هوش مصنوعی می‌تواند انسان‌ها را به سوی انقراض سوق دهد. دیلی‌میل نوشته است که بسیاری از کارشناسان فناوری هشدار داده‌اند که هوش مصنوعی در مسیر تخریب و نابودی قرار دارد، اما یک بررسی جدید از محققان برتر احتمال انقراض انسان را مشخص کرده است. در ادامه آمده است که گروهی از دانشمندان بین‌المللی از دو هزار و ۷۷۸ متخصص هوش مصنوعی در مورد آینده این سیستم‌ها سوال کردند و پنج درصد گزارش کردند که این فناوری منجر به فروپاشی خواهد شد. این سایت علمی نوشته است که از هر ۱۰ محقق، یک نفر به موضوع ترسناک‌تری اشاره کرد و آن وجود ۲۵ درصد شانس نابودی بشر توسط هوش مصنوعی بود. کارشناسان سه دلیل احتمالی را در این مورد ذکر کردند. هوش مصنوعی به گروه‌های تهدیدکننده اجازه می‌دهد ابزارهای قدرتمندی مانند ویروس‌های مهندسی شده بسازند، حاکمان مستبد از هوش مصنوعی برای کنترل جمعیت خود استفاده می‌کنند و سیستم‌های هوش مصنوعی نابرابری اقتصادی را بدتر می‌کند. کنترل و تنظیم هوش مصنوعی تنها راه حل برای محافظت از انسان است و اگر هوش مصنوعی تنظیم نشود، محققان تخمین می‌زنند که ۱۰ درصد احتمال دارد که ماشین‌ها تا سال ۲۰۲۷ در همه وظایف از انسان‌ها بهتر عمل کنند و این احتمال تا سال ۲۰۴۷ به ۵۰ درصد افزایش خواهد یافت. در این نظرسنجی از کارشناسان درباره چهار شغل خاص که کاملاً خودکار می‌شوند، سوال شد و پاسخ دریافت کردند که احتمال ۵۰ درصد وجود دارد که هوش مصنوعی تا سال ۲۱۱۶ به طور کامل همه چیز را تصاحب کند. کاتیا گریس، یکی از نویسندگان این مطالعه، به نیوساینتیست گفته است: «این یک نشانه مهم است که اکثر محققان هوش مصنوعی غیرممکن نمی‌دانند که هوش مصنوعی پیشرفت بشریت را نابود کند.» تقریبا ۵۸ درصد از محققان نسبت به تصاحب هوش مصنوعی خوشبین‌تر بودند و گفتند تنها پنج درصد احتمال دارد که باعث انقراض انسان شود. سازمان ملل متحد پیش از این هشدارهایی را در مورد استفاده گروه‌های تروریستی از هوش مصنوعی برای اهداف مخرب به اشتراک گذاشته است. سایت علمی دیلی‌میل گزارش داده است که اثبات شده که در دنیای جرایم سایبری، هوش مصنوعی ابزار قدرتمندی است که می‌توان از آن برای پیشبرد یا تسهیل تروریسم و افراط‌گرایی خشونت‌آمیز منجر به تروریسم استفاده کرد. مدیر سازمان ملل متحد در گزارشی از سازمان ملل گفت: «اتومبیل‌های خودران، افزایش حملات سایبری به زیرساخت‌های حیاتی، یا امکان گسترش سخنان نفرت‌انگیز و تحریک به خشونت به روشی سریع‌تر و کارآمدتر از مواردی هستند که توسط هوش مصنوعی می‌توان انجام داد. این در حالی است که در سال ۲۰۲۳، تنها ۳۷ درصد از کارگران با هوش مصنوعی جایگزین شدند.» صدها کارشناس، از جمله سم آلتمن، مدیر اجرایی شرکت اُپن ای‌آی(OpenAI)  و دمیس حسابیس، مدیر اجرایی دیپ‌مایند گوگل (Google DeepMind)، در ماه می سال گذشته بیانیه‌ای در یک جمله صادر کردند و خواستار کنترل و وضع مقررات بیشتر برای هوش مصنوعی شدند. در این بیانیه آمده است: «کاهش خطر انقراض ناشی از هوش مصنوعی باید در کنار سایر خطرات اجتماعی مانند بیماری‌های همه‌گیر و جنگ هسته‌ای یک اولویت جهانی باشد.» حتی «پدرخوانده هوش مصنوعی»، جفری هینتون، گفت که از ایجاد هوش مصنوعی پشیمان است اگرچه به نیویورک تایمز گفت: من خودم را با این بهانه دلداری می‌دهم که اگر من این کار را نمی‌کردم، شخص دیگری این کار را می‌کرد. هنوز ابهامات قابل توجهی در مورد تأثیرات بلندمدت هوش مصنوعی وجود دارد و این مطالعه اذعان دارد که پیش‌بینی حتی برای متخصصان نیز سخت است.