هوش مصنوعی در تحلیل داده‌های مغزی پیشرفت می‌کند

OpenAI از پیشرفت مدل‌های خود در کدنویسی زبان‌های کم‌منبع مانند فورترن و ویژوال‌بیسیک خبر داد. این زبان‌ها در سامانه‌های بانکداری، پیش‌بینی آب‌وهوا و ایمنی هسته‌ای استفاده می‌شوند. مدل GPT-6 Astra در ۲۰ زبان برنامه‌نویسی ارزیابی شد و در ۱۹ زبان از آن به موفقیت ۸۳ درصدی دست یافت. COBOL با ۷۲ درصد موفقیت، دشوارترین زبان باقی ماند. مدل GPT-6 Luna با هزینه ۷۸ درصد کمتر از GPT-5.6 Sol، میانگین موفقیت ۴۰٫۳ درصدی داشت. OpenAI نتایج آزمون MultiLangBench را در گیتهاب منتشر کرد. در ارزیابی دوم، مدل GPT-6.1 Sol در مهاجرت کدهای COBOL به زبان‌های جدید، دقت ۸۶٫۶ درصدی نشان داد.

شرکت آنتروپیک در یک پژوهش جدید، توانایی مدل هوش مصنوعی Claude در طراحی پروتئین‌های متصلشونده به سم عقرب را بررسی کرد. در این پروژه، Claude طی ۶۴ ساعت ۳۱۸۴۸۴ طرح پروتئینی تولید کرد که ۱۷ مورد از آن‌ها به نوروتوکسین‌ها متصل شدند. پژوهشگران تأکید کردند که این پروتئین‌ها هنوز به عنوان پادزهر تأیید نشده‌اند. سالانه ۱٫۲ میلیون نفر دچار عقرب‌گزیدگی می‌شوند و ۳۲۵۰ نفر جان خود را از دست می‌دهند. روش‌های سنتی تولید پادزهر زمان‌بر و گران‌قیمت هستند. این پژوهش با استفاده از طراحی پروتئین از صفر انجام شد و پنج نوروتوکسین از عقرب‌های مختلف انتخاب شدند.

مارتا مینو، استاد حقوق و کارشناس حقوق اساسی در دانشگاه هاروارد، در سخنرانی خود در MIT، به چالش‌های دموکراسی و تأثیر هوش مصنوعی بر آن اشاره کرد. او گفت که دموکراسی و قانون اساسی در زمان حاضر در وضعیت ضعیف هستند و به مشکلاتی مانند نقض حقوق، محدودیت آزادی بیان، کاهش قدرت کنگره و بی‌اعتبار کردن دیگران اشاره کرد. بر اساس نظرسنجی گالاپ، ۷۷ درصد مردم معتقدند که بنیانگذاران آمریکا از وضعیت کنونی کشور ناامید خواهند شد. مینو چهار عامل کلیدی دموکراسی را آموزش، اطلاعات قابل اعتماد، امنیت و عدالت معرفی کرد و به تأثیرات منفی AI بر این زمینه‌ها اشاره کرد. او پیشنهاد کرد که با استفاده مناسب از فناوری، می‌توان به حل مشکلات کمک کرد. مینو همچنین به خطرات AI در آموزش اشاره کرد و گفت که این فناوری می‌تواند مهارت‌های فکری مستقل را تضعیف کند.

روند رشد هوش مصنوعی ممکن است بحران مالی کشورهای ثروتمند را تشدید کند. سود شرکتهای آمریکایی در سال گذشته ۳۰ درصد افزایش یافته است، اما درآمدهای مالیاتی دولت فدرال آمریکا کاهش یافته است. اقتصاددانان پیش‌بینی می‌کنند که هوش مصنوعی نسبت بدهی به تولید ناخالص داخلی را کاهش دهد، اما دولت همچنان ممکن است در دهه ۲۰۵۰ بسیار بدهکارتر باشد. استفاده از هوش مصنوعی ممکن است در بخش‌هایی که مالیات کمتری دارند، ارزش‌آفرینی کند و دولت را از منابع مالی محروم کند. در حال حاضر، دولتها بخش عمده درآمد خود را از نیروی کار به دست می‌آورند.

گزارش مؤسسه آنتروپیک نشان داد که شکاف عمیقی در انتظارات از هوش مصنوعی بین کارکنان آنتروپیک و بزرگسالان آمریکایی وجود دارد. ۹۱ درصد از کارکنان آنتروپیک انتظار دارند که هوش مصنوعی تا سال ۲۰۳۰ به کشفیات علمی در سطح جایزه نوبل دست یابد، در حالی که این رقم در میان بزرگسالان آمریکایی ۳۹ درصد است. کارکنان آنتروپیک نیز انتظار دارند که هوش مصنوعی تا سال ۲۰۳۰ بتواند ۸۰ درصد از وظایف شغلی آنها را انجام دهد، در حالی که تنها ۵ درصد از شاغلان آمریکایی چنین انتظاری دارند.

مدیران ارشد سازمان‌ها معتقدند که چالش اصلی در پذیرش هوش مصنوعی عامل‌محور، سازگاری با فناوری جدید است. اما در واقع، مشکل اصلی مدیریت کار و هماهنگی آن با سیستم‌های موجود است. این موضوع نیاز به برنامه‌ریزی جامع برای ورود مؤثر عامل‌های هوش مصنوعی به سازمان دارد.