قاتل چت جی‌پی‌تی از چین رسید/مدل هوش مصنوعی GLM-۵.۲ چیست؟

به گزارش خبرنگار اقتصاد معاصر؛ شتاب بی‌سابقه توسعه هوش مصنوعی، در کنار امید به افزایش بهره‌وری، رشد اقتصادی و پیشرفت‌های علمی، یک نگرانی جدی را نیز به مرکز بحث‌های اقتصادی جهان آورده است. اگر ماشین‌ها و سامانه‌های هوشمند بخش بزرگی از وظایف انسانی را بر عهده بگیرند، میلیون‌ها نیروی کار چگونه باید زندگی خود را تامین کنند؟ این پرسش دیگر تنها موضوع بحث‌های آینده‌پژوهانه نیست و اقتصاددانان، سیاست‌گذاران و مدیران فناوری در کشورهای مختلف در حال بررسی مدل‌هایی هستند که بتواند هزینه اجتماعی گسترش اتوماسیون را کاهش دهد.

نگرانی اصلی این است که موج جدید اتوماسیون، برخلاف بسیاری از انقلاب‌های صنعتی گذشته، فقط مشاغل فیزیکی و تکراری را هدف قرار ندهد. توانایی مدل‌های هوش مصنوعی در انجام کارهای تحلیلی، نوشتاری، برنامه‌نویسی، بازاریابی و سایر فعالیت‌های شناختی، مشاغل یقه‌سفید را نیز در معرض تغییر قرار داده است. هرچند هنوز در بیشتر کشورها نمی‌توان افزایش گسترده بیکاری را مستقیما به هوش مصنوعی نسبت داد، بحث درباره چگونگی حمایت از نیروی کاری که ممکن است در سال‌های آینده شغل خود را از دست بدهد، جدی‌تر شده است.

یکی از ایده‌هایی که بیش از گذشته مورد توجه قرار گرفته، پرداخت نوعی «سود سهام هوش مصنوعی» به شهروندان است. منطق این طرح ساده است، اگر شرکت‌های هوش مصنوعی با استفاده از داده‌ها، دانش و زیرساخت‌های عمومی ثروت عظیمی ایجاد می‌کنند، بخشی از این ثروت نیز باید به جامعه بازگردد. در برخی پیشنهادها، این منابع از طریق مالیات بر درآمدهای حاصل از هوش مصنوعی تامین می‌شود و در برخی دیگر، ایجاد صندوق‌های ثروت ملی و سهیم کردن مردم در ارزش شرکت‌های بزرگ فناوری مطرح شده است. کره جنوبی نیز شاهد طرح بحث درباره استفاده از درآمدهای مالیاتی اضافی ناشی از توسعه هوش مصنوعی برای پرداخت «سود شهروندی» بوده است.

البته اجرای چنین مدلی با یک تناقض مهم روبه‌رو است، بسیاری از شرکت‌های فعال در خط مقدم توسعه هوش مصنوعی، با وجود ارزش‌گذاری‌های بسیار بالا، هنوز سودآوری قابل‌توجهی ندارند. به همین دلیل، اگر حذف مشاغل سریع‌تر از سودآوری این صنعت اتفاق بیفتد، دولت‌ها ممکن است نتوانند منابع مالی مورد انتظار را از طریق مالیات بر شرکت‌های هوش مصنوعی تامین کنند. در مقابل، پیشنهاد دیگری مطرح شده که بر مالکیت عمومی بخشی از سهام شرکت‌های بزرگ هوش مصنوعی از طریق صندوق‌های ملی تمرکز دارد تا شهروندان مستقیما در افزایش ارزش این شرکت‌ها شریک شوند.

گزینه دیگری که سابقه بیشتری در سیاست‌گذاری اجتماعی دارد، «درآمد پایه تضمین‌شده» است؛ یعنی پرداخت مستقیم و منظم پول از سوی دولت به شهروندان یا گروه‌های مشخص، بدون آنکه اشتغال شرط اصلی دریافت آن باشد. تجربه‌های متعددی از این سیاست در کشورهای مختلف اجرا شده و صدها برنامه آزمایشی نیز در آمریکا شکل گرفته است. برخی از این برنامه‌ها بر گروه‌هایی مانند افراد بیکار، خانواده‌های کم‌درآمد یا گروه‌های آسیب‌پذیر متمرکز بوده‌اند و هدف آن‌ها تامین نیازهای اولیه یا فراهم کردن فرصت آموزش و بازگشت به بازار کار بوده است.

حتی نخستین طرح‌هایی که مستقیما کارگران آسیب‌دیده از هوش مصنوعی را هدف قرار می‌دهند نیز در حال شکل‌گیری هستند. در آمریکا، برنامه‌ای برای گروه محدودی از کارکنان حوزه‌هایی مانند فناوری و بازاریابی ایجاد شده که به شرکت‌کنندگان برای یک دوره یک‌ساله ماهانه حدود هزار دلار پرداخت می‌کند و در کنار آن، آموزش مهارت و مشاوره شغلی ارائه می‌شود. هم‌زمان، جزایر مارشال نیز به عنوان نخستین کشور، اجرای یک برنامه درآمد پایه همگانی در سطح ملی را آغاز کرده است.

طرفداران پرداخت‌های مستقیم معتقدند چنین سیاست‌هایی می‌تواند فقر و فشار اقتصادی ناشی از بیکاری را کاهش دهد و به افراد اجازه دهد درباره نحوه مصرف منابع خود تصمیم بگیرند. با این حال، مخالفان هزینه بالای اجرای این برنامه‌ها را یکی از موانع اصلی می‌دانند. گروهی نیز هشدار می‌دهند که جایگزین کردن شغل با پرداخت نقدی، مساله جایگاه اجتماعی، هویت و احساس هدفمندی ناشی از کار را حل نمی‌کند و حتی ممکن است انگیزه حضور در بازار کار را کاهش دهد.

در کنار درآمد پایه، ایده بلندپروازانه‌تری با عنوان «درآمد بالای همگانی» نیز مطرح شده است. ایلان ماسک از جمله چهره‌هایی است که معتقد است اگر هوش مصنوعی بتواند تولید اقتصادی را به‌شدت افزایش دهد و هزینه تولید کالاها و خدمات را کاهش دهد، دولت‌ها در آینده خواهند توانست سطحی از درآمد تضمین‌شده را در اختیار مردم قرار دهند که فقط برای رفع نیازهای اولیه نباشد. با این حال، جزئیات اجرایی این دیدگاه هنوز روشن نیست و تحقق آن به فرض رشد بسیار سریع بهره‌وری و درآمدهای دولت وابسته است.

سم آلتمن نیز مسیر متفاوتی را مطرح کرده است، وی که پیش‌تر یکی از حامیان درآمد پایه محسوب می‌شد، اکنون از ایده «محاسبات پایه جهانی» سخن می‌گوید؛ مدلی که در آن به جای پرداخت پول، بخشی از ظرفیت پردازشی سامانه‌های هوش مصنوعی در اختیار مردم قرار می‌گیرد. در چنین سناریویی، افراد می‌توانند این ظرفیت را برای فعالیت اقتصادی خود استفاده کنند، آن را بفروشند یا برای اهدافی مانند پژوهش‌های علمی اختصاص دهند. با این حال، نحوه توزیع این ظرفیت، سازوکار مالکیت و امکان انتقال آن هنوز مشخص نشده است.

همه راه‌حل‌ها نیز به توزیع پول یا مالکیت محدود نمی‌شوند، بخشی از سیاست‌گذاران معتقدند دولت‌ها باید پیش از گسترده شدن بیکاری، سرمایه‌گذاری بیشتری در آموزش مجدد و انتقال کارکنان به مشاغل جدید انجام دهند. در آمریکا، گروه‌هایی برای تامین منابع مالی برنامه‌های آموزش و جابه‌جایی نیروی کار شکل گرفته‌اند و در چند ایالت نیز پیشنهادهایی مانند الزام شرکت‌ها به اعلام اخراج‌های ناشی از هوش مصنوعی، بیمه دستمزد برای کارکنانی که ناچار به پذیرش مشاغل کم‌درآمدتر می‌شوند و ایجاد صندوق‌های حمایتی و آموزشی مطرح شده است.

آنچه اکنون در برابر دولت‌ها قرار گرفته، فقط مساله ظهور یک فناوری جدید نیست، بلکه احتمال دگرگونی رابطه میان «کار، درآمد و مالکیت» است. اگر هوش مصنوعی بتواند بخش بزرگی از ارزش اقتصادی را با نیروی انسانی کمتر تولید کند، مدل سنتی که در آن اشتغال مهم‌ترین مسیر توزیع درآمد در جامعه است، ممکن است تحت فشار قرار گیرد. سود سهام هوش مصنوعی، درآمد پایه، درآمد بالای همگانی، توزیع قدرت پردازشی و سرمایه‌گذاری گسترده در بازآموزی نیروی کار، هر یک تلاش‌هایی برای پاسخ به همین مساله‌اند.

هنوز مشخص نیست کدام‌یک از این الگوها قابلیت اجرا در مقیاس وسیع را خواهد داشت؛ اما یک موضوع بیش از گذشته روشن شده است. سیاست‌گذاران دیگر نمی‌توانند بحث تاثیر هوش مصنوعی بر بازار کار را صرفا به آینده موکول کنند. رقابت اصلی در سال‌های پیش رو تنها بر سر ساخت مدل‌های قدرتمندتر نخواهد بود؛ بخش مهم‌تری از آن، یافتن راهی برای توزیع دستاوردهای اقتصادی این فناوری میان مردمی است که ممکن است شکل سنتی اشتغالشان برای همیشه تغییر کند.

به گزارش سیتنا به نقل از رویترز، چند نهاد فدرال آمریکا از جمله آژانس امنیت سایبری و امنیت زیرساخت‌ها (CISA)، اف‌بی‌آی، آژانس امنیت ملی (NSA)، وزارت انرژی و آژانس حفاظت محیط زیست آمریکا در یک هشدار مشترک از حملات فعال علیه کنترل‌گرهای منطقی قابل برنامه‌ریزی (PLC) سری S7 شرکت زیمنس خبر داده‌اند.

بر اساس این هشدار، مهاجمان از هوش مصنوعی برای توسعه اسکریپت‌های بهره‌برداری استفاده می‌کنند و برخی تجهیزات صنعتی متصل به اینترنت را هدف قرار می‌دهند. این تجهیزات در بخش‌هایی مانند تأسیسات آب، انرژی، تولید صنعتی و کشاورزی مورد استفاده قرار می‌گیرند.

مقام‌های آمریکایی این فعالیت را یک «تهدید فعال» توصیف کرده‌اند و از اپراتورهای زیرساخت‌های حیاتی خواسته‌اند با فوریت، امنیت کنترل‌گرهای صنعتی خود را بررسی و اقدامات حفاظتی لازم را اجرا کنند.

نکته قابل توجه در این هشدار، نقش هوش مصنوعی در روند حملات است. استفاده از ابزارهای هوش مصنوعی می‌تواند زمان و مهارت فنی مورد نیاز برای آماده‌سازی کدهای حمله را کاهش دهد و انجام حملات پیچیده علیه تجهیزات صنعتی را برای طیف گسترده‌تری از مهاجمان امکان‌پذیر کند.

با این حال، شرکت زیمنس اعلام کرده است که تاکنون افزایش محسوسی در حملات یا آسیب‌پذیری ناشناخته جدیدی در کنترل‌گرهای S7 مشاهده نکرده است. این شرکت همچنین اعلام کرده با CISA در ارتباط نزدیک قرار دارد و هشدار اخیر عمدتاً به سوءپیکربندی‌هایی مربوط می‌شود که پیش‌تر درباره آنها اطلاع‌رسانی شده بود. 

این هشدار نشان می‌دهد که استفاده مهاجمان از هوش مصنوعی دیگر صرفاً یک سناریوی احتمالی نیست و می‌تواند در حملات واقعی علیه زیرساخت‌های صنعتی و حیاتی مورد استفاده قرار گیرد.

انتهای پیام

به گزارش سیتنا به نقل از آسوشیتدپرس، شرکت امنیت سایبری آتالانتا ابزار «آرگو» را معرفی کرده است؛ سامانه‌ای مبتنی بر ترکیب هوش مصنوعی و روش‌های ریاضی پیشرفته که با هدف شناسایی جامع‌تر آسیب‌پذیری‌های نرم‌افزارها و سامانه‌های متصل به اینترنت توسعه یافته است.

این فناوری در پی حمله سایبری سال ۲۰۲۲ به شبکه ارتباطات ماهواره‌ای ویاست مورد توجه قرار گرفته است. در جریان آن حمله که همزمان با آغاز جنگ روسیه علیه اوکراین رخ داد، هزاران مودم ماهواره‌ای در اوکراین و بخش‌هایی از اروپا از کار افتادند و ارتباطات را مختل کردند.

آتالانتا اعلام کرده فناوری به‌کاررفته در «آرگو» برای تقویت امنیت شبکه ماهواره‌ای ویاست نیز استفاده شده و به این شرکت کمک کرده است تا مقاومت زیرساخت ارتباطی خود در برابر حملات احتمالی آینده را ارزیابی و تقویت کند.

نکته مهم این فناوری، استفاده از رویکردی موسوم به «درک نرم‌افزار» است که با ترکیب مدل‌های ریاضی و هوش مصنوعی تلاش می‌کند رفتار و آسیب‌پذیری‌های سامانه‌های نرم‌افزاری را به شکلی عمیق‌تر بررسی کند.

به گفته کارشناسان، چنین ابزارهایی می‌توانند در آینده علاوه بر شبکه‌های ماهواره‌ای، برای حفاظت از زیرساخت‌های حیاتی مانند شبکه‌های انرژی، سامانه‌های آب و فاضلاب و دیگر تجهیزات متصل به اینترنت مورد استفاده قرار گیرند.

فناوری آتالانتا همچنین در پروژه «ماموریت جنسیس» وزارت انرژی آمریکا برای توسعه سامانه‌های خودکار مرتبط با راکتورهای هسته‌ای به کار گرفته شده است. کارشناسان آزمایشگاه ملی آیداهو معتقدند ابزارهایی از این نوع ممکن است در آینده به بخشی از فرایند استاندارد توسعه و ارزیابی سامانه‌های حساس تبدیل شوند.

این تحول نشان می‌دهد که با افزایش وابستگی ارتباطات، ماهواره‌ها و زیرساخت‌های حیاتی به نرم‌افزار، استفاده از هوش مصنوعی برای شناسایی آسیب‌پذیری‌ها پیش از بهره‌برداری مهاجمان می‌تواند به یکی از محورهای اصلی امنیت سایبری تبدیل شود.

انتهای پیام