چگونه فرزندان را برای رقابت با هوش مصنوعی آماده کنیم؟

هوش مصنوعی مولد می‌تواند زمان تصمیم‌گیری در مدیریت زنجیره تأمین را از چند روز به چند دقیقه کاهش دهد. این فناوری به مدیران ارشد کمک می‌کند تا با زبانی ساده سؤالاتی مانند موجودی مواد اولیه یا گزینه‌های ارزان‌تر ارسال کالا را مطرح کنند. مایکروسافت از مارس تا اکتبر ۲۰۲۳ یک سیستم مبتنی بر LLM را آزمایش کرد و از نوامبر ۲۰۲۳ به کار گرفت که به بهبود بهرهوری و کارایی منجر شد. این سیستم می‌تواند داده‌ها را به کوئری‌های علم داده ترجمه کند و در مخزن داده سازمان اجرا شود. کارشناسان معتقدند که LLMها می‌توانند بینش‌های ارزشمندی از داده‌ها به دست آورند و مدیران را در تصمیم‌گیری پشتیبانی کنند.

نشریه ساینس در شماره ۱۱ سپتامبر ۲۰۲۵، به بررسی چالش‌های اخلاقی و علمی پیرامون توهم آگاهی در هوش مصنوعی پرداخته است. دانشمندان در این زمینه میان دیدگاه زیستی و نظریه کارکردگرایی محاسباتی اختلاف‌نظر دارند که دومی معتقد است آگاهی صرفاً به پردازش اطلاعات وابسته است. پژوهشگران با شناسایی شاخص‌های عینی در نظریه‌های آگاهی، پیشنهاد می‌دهند که هرچه یک سامانه هوش مصنوعی این شاخص‌ها را بیشتر برآورده کند، احتمال آگاه دانستن آن افزایش می‌یابد. اگرچه هیچ‌کدام از مدل‌های فعلی تمامی معیارهای آگاهی را ندارند، اما شواهد نشان می‌دهد شبکه‌های عصبی مدرن قادر به پیاده‌سازی مؤلفه‌های کلیدی مانند نظریه ذهن و مدل‌سازی جهان هستند. این گزارش تأکید می‌کند که پیشرفت در این حوزه می‌تواند پیامدهای اخلاقی عمیقی برای آینده بشریت داشته باشد. در نهایت، این بحث مطرح است که آیا آگاهی می‌تواند به عنوان یک ویژگی محاسباتی در بسترهای غیرزیستی نیز ظهور کند یا خیر.

نگرانی‌هایی در مورد جایگزینی نیروی کار انسانی با هوش مصنوعی وجود دارد. برخی شرکت‌ها مانند آنتروپیک و ایلان ماسک اقدامات برای کمک به افرادی که از تحولات اقتصادی آسیب می‌بینند انجام می‌دهند. پژوهش‌ها نشان می‌دهد که اشتغال مزایای روانی و اجتماعی فراتر از درآمد دارد. کار به افراد ساختار زندگی، تعاملات اجتماعی، هدف جمعی، جایگاه اجتماعی و انگیزه برای فعالیت می‌دهد. حتی افرادی با گزینه‌های فراوان نیز نسبت به زندگی سراسر فراغت محتاط هستند.

هوش مصنوعی امروزی به عنوان یک «جعبه سیاه» توصیف می‌شود که حتی خود مهندسان نیز دقیقاً نمی‌دانند چگونه کار می‌کند. این وضعیت نگران‌کننده است زیرا برای تعمیر و بهبود این سیستم‌ها، نیاز به درک عملکرد آن‌ها است. هربرت سایمون، پدر علم کامپیوتر، استدلال کرد که طراحی سیستم‌های مصنوعی باید به صورت علمی درک شود. مدل‌های زبانی بزرگ مانند ChatGPT و Claude، اگرچه در بسیاری از موقعیت‌ها آزمون تورینگ را پشت سر گذاشته‌اند، اما هنوز به عنوان جعبه سیاه باقی مانده‌اند. این موضوع چالش‌هایی را برای طراحی مسئولانه فناوری ایجاد می‌کند.

فارغ‌التحصیلان دانشگاهی سال ۲۰۲۶ میلادی به عنوان نخستین نسل کاربران چت‌جی‌پی‌تی وارد بازار کار می‌شوند و با چالش جدیدی به نام هوش مصنوعی مواجه هستند. مؤسسه گارتنر پیش‌بینی کرده است که تا پایان سال پیش رو، ۴۰ درصد از ابزارهای کسب‌وکارها شامل عامل‌های هوش مصنوعی خواهند بود. مطالعات دانشگاه استنفورد نشان می‌دهد نرخ اشتغال افراد ۲۲ تا ۲۵ ساله در مشاغلی مانند توسعه نرم‌افزار کاهش یافته است. پژوهشگران دریافته‌اند که تعداد کارمندان رده‌پایین در برخی شرکت‌ها کاهش یافته، در حالی که تعداد مدیران ارشد تغییری نکرده است. کارشناسان معتقدند این فناوری می‌تواند ساختار سازمان‌ها را تغییر دهد و مشاغل پایه را تهدید کند.

OpenAI نسخه جدید مدل تولید تصویر خود با نام Images 2.6 را رونمایی کرد که با سرعت ۵۰ درصد بیشتر و کیفیت بهبود یافته ارائه می‌شود. این نسخه امکان تبدیل تصاویر به فایل‌های گیف متحرک را فراهم می‌کند که برای تولید محتوای شبکه‌های اجتماعی و تصاویر تبلیغاتی کاربرد دارد. کاربران هر هفته ۴ میلیارد تصویر از طریق ChatGPT تولید می‌کنند. Images 2.6 از امروز در سراسر جهان در دسترس است و قابلیت‌های جدید ویرایش و کنترل بیشتر بر فرایند تولید تصویر را ارائه می‌دهد.