بلاگ

در کریسمس سال گذشته، ما نشان دادیم مردم چگونه هوش مصنوعی را در زندگی روزانه خود به‌کار می‌برند. امسال، برای نجات شما از اشک‌ها، می‌گوییم که چگونه افراد تصمیم می‌گیرند که از آن استفاده نکنند.

چرا مهم است: هوش مصنوعی در حال تغییر نحوه کار و خلق آثار توسط افراد است، اما بسیاری تصمیمات آگاهانه‌ای می‌گیرند که چه زمان آن را در کنار بگذارند.

تصویر کلی: شواهد علمی کمی وجود دارد که ثابت کند هوش مصنوعی ما را تنبل یا نادان می‌کند. اما شواهدی وجود دارد که نشان می‌دهد انسان‌ها طبیعتاً تمایل به اتخاذ میان‌برها دارند وقتی فرصتی پیش می‌آید.

• «ما تمام تلاش می‌کنیم تا استفاده از بخش پرکالری بدنمان، یعنی مغز، را تا حد امکان کاهش دهیم»، مهندس، سرمایه‌گذار و مؤسس فناوری پل کدروسکی به Axios می‌گوید.
• هوش مصنوعی مولد به‌گونه‌ای وسوسه‌انگیز است که همیشه برای هر کاری از آن استفاده کنیم، اما هیچ‌کسی نمی‌خواهد به «سلپر» (کسی که دائم برای تمام امور از هوش مصنوعی استفاده می‌کند) تبدیل شود.

دانستن زمان مناسب برای استفاده از میان‌بر — و زمان مصرف کالری‌های مغز — یک تصمیم شخصی است.

• اگرچه برخی مدیران ممکن است استفاده از هوش مصنوعی را در محل کار الزامی کنند، اما اکثر کاربران هنوز به‌صورت قصدی تصمیم می‌گیرند که چه زمان، کجا و چگونه روبات‌های گپ را به کار بگیرند.

کارهای عاشقانه، مانند هنر و نوشتن

بازیگر، موزیسین و کمدین جان لاژوی به Axios گفت که عمدتاً ابزارهای هوش مصنوعی را آزمایش می‌کند تا متوجه شود با چه چیزی مواجه است.

• «من کمی نگران شدم که پشت سر بمانم»، لاژوی، که به خاطر نقشش در سریال کمدی «The League» شناخته شده است، می‌گوید. «احساس می‌کنم این احتمالاً بخشی بزرگ از فرآیند ساخت هر چیزی در آینده خواهد شد.»
• در اوایل سال 2025، لاژوی از هوش مصنوعی برای ساخت یک سری پادکست ویروسی که شامل یک نوزاد و یک سگ بود استفاده کرد. او می‌گوید: «در ابتدا، این کار جالب بود، اما به سرعت متوجه می‌شوید که امکانات بی‌نهایت برای خلاقیت مفید نیستند. محدودیت‌ها برای خلاقیت بسیار سودمندند.»

او تعجب می‌کند چرا هر هنرمندی تمام کار خود را به هوش مصنوعی تحویل می‌دهد. «می‌دانی که کاری که دوست داری انجام بدهی و می‌خواهی، انجام نمی‌دهی»، او گفت.

شما برای این لحظه آموزش دیده‌اید

دیگران از هوش مصنوعی اجتناب می‌کنند برای کاری که برای آن آموزش دیده‌اند و آن را هسته‌ی هویتشان می‌دانند.

• هوش مصنوعی به‌عنوان یک کارآموز برای کارهای خسته‌کننده عالی است، سارا دولی، میزبان پادکست «مادر توانمند با هوش مصنوعی» می‌گوید. اما متخصصانی که با آن‌ها گفتگو کرده است، از آن برای مهارت‌هایی که سال‌ها به‌دست آورده‌اند، مانند برنامه‌نویسی یا کارگردانی خلاقانه، استفاده نمی‌کنند.
• «من هرگز از هوش مصنوعی برای نوشتن ستون‌ام، یا برای نوشتن روزانه، یا برای خلق لطیفه‌ها استفاده نخواهم کرد. اگر نتوانم خودم آن را تولید کنم، اسم خود را پشت آن نخواهم گذاشت»، کارلوس گاربیرس، مدیر توسعه کسب‌وکار و نویسنده ستون برای Petaluma Argus-Courier می‌گوید.

گفتگوها با دوستان

“من تمام تلاش خود را می‌کنم تا از هوش مصنوعی استفاده نکنم در مکالمات با دوستان و خانواده‌ام،” می‌گوید کارا ماسسا، معاون در Method Communications.

• «در یک مباحثه دوستانه خیلی راحت است بگویم: “اوه، می‌توانم فقط از ChatGPT بپرسم”. اما این بلافاصله گفت‌وگو را به پایان می‌رساند و حس می‌شود که یک ضایعه بزرگ رخ داده است»، او گفت.

جایی که دقت بیشترین اهمیت را دارد، مانند تحلیل داده‌ها

علم، ریاضیات و تحلیل داده‌ها از موضوعات برجسته‌ای بودند که خوانندگان AI+ گفتند برایشان از هوش مصنوعی استفاده نمی‌کنند.

• «برای تحلیل داده‌ها نیست»، کیلی سودر‌لند، سرپرست بخش بینش در سامسارا می‌گوید.
• رُقایه شیپچاندلر اکبری، بنیان‌گذار استارتاپ آموزش هوش مصنوعی Ammi.ai، از هوش مصنوعی برای ریاضیات یا محاسبات دقیق استفاده نمی‌کند.

ابزارهای هوش مصنوعی هنوز نمی‌توانند تشخیص دهند کیفیت شواهد علمی، خلأهای پژوهشی، نمایندگی افراد مورد مطالعه یا منابع جانبداری در روش‌ها یا طراحی آزمایش‌ها، هیدی کینگ، اقتصاددان و خواننده Axios، در ایمیلی گفت. او برای هیچ‌چیزی که می‌خواهد دقیق باشد از آن استفاده نمی‌کند.

• «من آن را برای بررسی گرامر و نقطه‌گذاری دوست دارم»، او افزود.

بیشتر بخوانید: اکثریت آمریکایی‌ها نمی‌خواهند هوش مصنوعی همه‌چیز را انجام دهد

پس از آزمون FSD v14، فن اظهار کرد که تجربه‌اش از FSD در ابتدا حس جادویی داشت، اما به‌زودی به یک روتین عادی تبدیل شد.

مدیر روباتیک NVIDIA، جیم فن، نسخهٔ v14 Tesla Full Self-Driving (Supervised) را به‌عنوان اولین هوش مصنوعی که از «تست تورینگ فیزیکی» عبور کرده، تحسین کرد.

پس از آزمون FSD v14، فن اظهار کرد که تجربه‌اش از FSD ابتدا حس جادویی داشت، اما به‌سرعت به یک روتین تبدیل شد. و درست همانند تلفن‌های هوشمند امروز، حذف آن هم‌اکنون «صدمه‌ی واضح» می‌سازد.

دیدگاه‌های عملی جیم فن درباره FSD v14

فن، پژوهشگر پیشرو در هوش مصنوعی تجسمی که در حال حاضر بر روی حل هوش مصنوعی فیزیکی در NVIDIA کار می‌کند و پیشرو در پروژهٔ GR00T شرکت است، اشاره کرد که در واقع به دنیای تسلا خیلی دیر وارد شد. با این حال، او از نخستین کسانی بود که FSD v14 را امتحان کرد.

«من خیلی دیر یک تسلا به دست آوردم، اما از نخستین افرادی بودم که FSD نسخهٔ v14 را تجربه کردند. شاید این اولین باری باشد که هوش مصنوعی‌ای را می‌بینم که تست تورینگ فیزیکی را پشت سر می‌گذارد: پس از یک روز طولانی کاری، یک دکمه می‌زنید، پشت‌صندلی می‌نشینید و نمی‌توانید تشخیص دهید که آیا یک شبکه عصبی یا یک انسان شما را به خانه می‌برد»، فن در یک پست در X نوشت.

فن افزود: «اگرچه دقیقاً می‌دانم یادگیری روبات‌ها چگونه کار می‌کند، اما همچنان تماشای فرمانی که به خود می‌چرخد، برایم حس جادویی دارد. ابتدا احساس سورئالیستیک می‌کند، سپس به یک روتین تبدیل می‌شود. سپس، مثل تلفن هوشمند، حذف آن به‌طور فعال درد می‌دهد. این همان‌طور است که بشریت بازنویسی می‌شود و به فناوری‌های شبه‌خدایی می‌چسبد.»

«من خیلی دیر یک تسلا به دست آوردم، اما از نخستین افرادی بودم که FSD v14 را تجربه کردند. شاید این اولین باری باشد که هوش مصنوعی‌ای را می‌بینم که تست تورینگ فیزیکی را پشت سر می‌گذارد: پس از یک روز طولانی کاری، دکمه‌ای می‌زنید، پشت‌صندلی می‌نشینید و نمی‌توانید تشخیص دهید که آیا یک شبکه عصبی یا یک انسان شما را به خانه می‌برد… https://t.co/PDOn6ZFTZA— Jim Fan (@DrJimFan) 23 دسامبر 2025

«می‌توانید تکامل هوش را حس کنید https://t.co/vNODOnZdgY— Elon Musk (@elonmusk) 24 دسامبر 2025

تست تورینگ فیزیکی

تست اصلی تورینگ در سال ۱۹۵۰ توسط آلن تورینگ ابداع شد و هدف آن تعیین این بود که آیا یک دستگاه می‌تواند رفتاری برابر یا غیرقابل تشخیص از انسان نشان دهد یا خیر. با تمرکز بر گفتگوهای متنی، تست اولیه تورینگ معیار بالایی برای پردازش زبان طبیعی و یادگیری ماشین تعیین کرد.

این آزمون توسط مدل‌های بزرگ زبانی امروزی پشت سر گذاشته شده است. اما قابلیت مکالمه به‌صورت انسانی، چالشی کاملاً متفاوت از حل مسائل دنیای واقعی یا تعاملات فیزیکی است. به همین دلیل، فن تست تورینگ فیزیکی را معرفی کرد که سیستم‌های هوش مصنوعی را به چالش می‌کشد تا هوش خود را از طریق اقدامات فیزیکی نشان دهند.

بر پایهٔ نظرات فن، تسلا این اقدامات فیزیکی هوشمند را با FSD v14 به نمایش گذاشته است. ایلان ماسک با جیم فن هم‌نظر شد و در یک پست در X اعلام کرد که با FSD v14 «می‌توانید تکامل هوش را حس کنید». ماسک همچنین هوش مصنوعی تسلا را تحسین کرد و آن را بهترین «هوش مصنوعی دنیای واقعی» امروز نامید.

• سرمایه‌گذاران در این سال به شرکت‌های هوش مصنوعی هجوم آورده‌اند، اما بازار ممکن است در سال ۲۰۲۶ به بخش‌های مختلف تقسیم شود.
• نوسان شدید در فروش و رشدهای فناوری در سه‌ماهه چهارم می‌تواند نشانه‌های اولیهٔ تمایز باشد.
• شرکت‌های زیرساخت هوش مصنوعی به عنوان برندگان پیش‌بینی می‌شوند، همان‌طور که مدل‌های کسب‌وکار شرکت‌های بزرگ فناوری در حال تحول هستند.

پیش‌بینی می‌شود بازار هوش مصنوعی در سال ۲۰۲۶ به بخش‌های جداگانه تقسیم شود.

سه‌ماههٔ آخر سال ۲۰۲۵ با نوسانات شدید فروش و رشدهای فناوری همراه بود؛ معاملات دورانی، انتشار بدهی‌ها و ارزیابی‌های بالا، نگرانی‌هایی دربارهٔ حباب هوش مصنوعی به وجود آوردند.

این نوسان ممکن است نشانه اولیه‌ای از نحوه تحول سرمایه‌گذاری در هوش مصنوعی باشد، زیرا سرمایه‌گذاران با دقت بیشتری به این می‌نگرند که چه کسی پول خرج می‌کند و چه کسی درآمد کسب می‌کند, بر اساس گفته استیفن یو، مدیر ارشد سرمایه‌گذاری در صندوق Blue Whale Growth Fund.

سرمایه‌گذاران، به‌ویژه خرده‌فروشان که از طریق صندوق‌های قابل معامله (ETF) به هوش مصنوعی دسترسی دارند، معمولاً بین شرکت‌های دارای محصول اما بدون مدل تجاری، شرکت‌هایی که برای تأمین زیرساخت هوش مصنوعی هزینه می‌سوزانند و شرکت‌هایی که از مخارج هوش مصنوعی بهره‌مند می‌شوند، تمایزی ایجاد نمی‌کنند؛ یو به CNBC گفت.

تا به امروز، «به‌نظر می‌رسد همهٔ شرکت‌ها در حال پیروزی هستند»، اما هوش مصنوعی هنوز در مراحل ابتدایی‌اش است، او گفت. «تفاوت‌گذاری بین انواع مختلف شرکت‌ها بسیار مهم است»؛ این همان «آنچه بازار ممکن است شروع به انجام آن کند» است، یو افزود.

این تصویر که در ۲۰ آوریل ۲۰۱۸ در پاریس گرفته شده است، برنامه‌های Google، Amazon، Facebook و Apple را به همراه انعکاس یک کد باینری بر روی صفحه یک تبلت نشان می‌دهد. Lionel Bonaventure | Afp | Getty Images

او سه دسته را می‌بیند: شرکت‌های خصوصی یا استارت‌آپ‌ها، شرکت‌های عمومی که هزینه‌های هوش مصنوعی را صرف می‌کنند و شرکت‌های زیرساخت هوش مصنوعی.

براساس داده‌های PitchBook، گروه اول که شامل OpenAI و Anthropic می‌شود، در سه‌ماههٔ اول سال ۲۰۲۵ حدود ۱۷۶٫۵ میلیارد دلار سرمایه‌گذاری خطرپذیر جذب کرده است. در همین حال، نام‌های بزرگ فناوری نظیر Amazon، Microsoft و Meta، چک‌های خود را به تأمین‌کنندگان زیرساخت هوش مصنوعی مانند Nvidia و Broadcom می‌پردازند.

صندوق Blue Whale Growth Fund بازده جریان نقدی آزاد یک شرکت را محاسبه می‌کند؛ این بازده نشان می‌دهد که پس از هزینه‌های سرمایه‌ای، چه مقدار پول تولید می‌شود و این مقدار را در مقایسه با قیمت سهام می‌سنجد تا تعیین کند آیا ارزش‌گذاری‌ها توجیه‌پذیرند یا خیر.

ییو گفت اکثر شرکت‌های موجود در «هفت شگفت‌انگیز» از زمان شروع سرمایه‌گذاری گسترده در هوش مصنوعی، «پاداش قابل‌توجهی» را در بازار معامله می‌کنند.

او افزود: «وقتی به ارزیابی‌های هوش مصنوعی نگاه می‌کنم، حتی اگر به تغییراتی که هوش مصنوعی در جهان خواهد ایجاد کرد باور داشته باشم، نمی‌خواهم موضع‌گیری را به سمت شرکت‌های هزینه‌کننده هوش مصنوعی داشته باشم.» او افزود که شرکتش ترجیح می‌دهد «در سمت دریافت‌کننده» باشد، چرا که هزینه‌کرد هوش مصنوعی قرار است تأثیر بیشتری بر مالیات شرکت‌ها بگذارد.

ژولیان لاپارگ، استراتژیست ارشد بازار در Barclays Private Bank و Wealth Management، به CNBC گفت که «حباب هوش مصنوعی» «در بخش‌های خاصی متمرکز است تا اینکه در تمام بازار گسترده پخش شده باشد.»

ریسک بزرگ‌تر در شرکت‌هایی نهفته است که از رونق سرمایه‌گذاری در هوش مصنوعی بهره‌مند شده‌اند اما هنوز سودآور نشده‌اند — «به‌عنوان مثال، برخی شرکت‌های مرتبط با محاسبه کوانتومی»، لاپارگ افزود.

او افزود: «در این موارد، موقعیت‌گیری سرمایه‌گذاران به‌نظر می‌رسد بیشتر بر پایه امیدواری است تا نتایج ملموس.» او گفت که «تمایز کلید اصلی است.»

نیاز به تمایز همچنین بازتابی از تحول مدل‌های کسب‌وکار شرکت‌های بزرگ فناوری است. شرکت‌های سبک‌دار که پیش‌تر دارای دارایی‌های کم بودند، به‌تدریج دارایی‌های سنگین می‌شوند، زیرا برای استراتژی‌های پرشتاب هوش مصنوعی خود به فناوری، انرژی و زمین نیاز دارند و این موارد را به‌دست می‌آورند.

شرکت‌هایی چون Meta و Google به‌صورت «های‌پرسکلر»ها تغییر شکل داده‌اند؛ آن‌ها سرمایه‌گذاری وسیعی در GPUها، مراکز داده و محصولات مبتنی بر هوش مصنوعی انجام می‌دهند که این امر پروفایل ریسک و مدل تجاری آن‌ها را دگرگون می‌کند.

دوریان کارل، سرپرست درآمد چنددارایی در Schroders، گفت که ارزش‌گذاری این شرکت‌ها به‌عنوان نرم‌افزارها و بازی‌های کم‌هزینهٔ سرمایه‌گذاری شاید دیگر منطقی نباشد — به‌ویژه که این شرکت‌ها هنوز در حال کشف روش‌های تأمین مالی برنامه‌های هوش مصنوعی خود هستند.

کارل به برنامه «Squawk Box Europe» CNBC در ۱ دسامبر گفت: «ما نمی‌گوییم که این کار کارایی نخواهد داشت یا در سال‌های آینده به‌دست نخواهد آمد، اما می‌گوییم: آیا باید با چنین مضربی بالا و انتظارهای رشد سرشار، پرداخت کرد؟»

فناوری امسال برای تأمین زیرساخت هوش مصنوعی به بازارهای بدهی روی آورد، اگرچه سرمایه‌گذاران نسبت به وابستگی به بدهی محتاط بودند. در حالی که Meta و Amazon از این طریق سرمایه جمع‌آوری کردند، بن بارینگر، رئیس جهانی پژوهش فناوری و استراتژیست سرمایه‌گذاری در Quilter Cheviot، در برنامه «Europe Early Edition» CNBC در ۲۰ نوامبر گفت: «آن‌ها هنوز موقعیت نقدی خالص دارند»، که نکته‌ای مهم نسبت به شرکت‌هایی است که ترازنامه آن‌ها ممکن است سفت‌تر باشد.

کارل اضافه کرد: «بازارهای بدهی خصوصی سال آینده بسیار جالب خواهند بود.»

ییو گفت اگر درآمدهای افزایشی هوش مصنوعی کمتر از هزینه‌ها باشند، حاشیه‌ها فشرده می‌شوند و سرمایه‌گذاران بازده سرمایه‌گذاری خود را زیر سوال خواهند برد.

علاوه بر این، اختلاف عملکردی بین شرکت‌ها می‌تواند با فرسودگی سخت‌افزار و زیرساخت بیشتر گسترش یابد. هزینه‌گذارهای هوش مصنوعی باید این موضوع را در سرمایه‌گذاری‌های خود در نظر بگیرند، ییو افزود. «این هنوز بخشی از صورت سود و زیان نیست. از سال آینده به‌تدریج، این موضوع بر اعداد تأثیر خواهد گذاشت.»

«پس، تمایز به‌تدریج بیشتر و بیشتر خواهد شد.»

یک گروه از پژوهشگران از یک هوش مصنوعی برای نوشتن دستور (prompt) و یک هوش مصنوعی دیگر برای تولید تصویر استفاده کردند و دریافتند که تنها ۱۲ الگوی مشترک در هزاران تصویر تکرار می‌شوند

پیشرفت هوش مصنوعی مولد همزمان با بحث‌های فراوانی دربارهٔ میزان «خلاقیت»ی که یک ماشین می‌تواند داشته باشد، به‌وجود آمده است؛ اما گروهی از پژوهشگران به‌تازگی مطالعه‌ای منتشر کردند که نشان می‌دهد سازندگان تصویر مبتنی بر هوش مصنوعی مولد عمدتاً به‌صورت پیش‌فرض تنها به دوازده الگوی کلی یا موضوع عمومی متمایل می‌شوند.

در این مطالعه که نویسندگان آن را «هشداردهنده‌ای برای خلاقیت محاسباتی» توصیف می‌کنند، دو سامانهٔ هوش مصنوعی تنظیم شدند تا بدون دخالت انسانی ۱۰۰ تصویر تولید کنند. با تکرار این آزمون برای تولید هزاران تصویر، پژوهشگران دریافتند که تمام خروجی‌ها تمایل دارند به یکی از دوازده الگوی رایج مثل یک پل، درخت تنهایی، عکس پرحرکت یا صحنهٔ فانوس دریایی متمایل شوند.

پژوهشگران مجموعهٔ به‌دست‌آمدهٔ تصاویر را به‌عنوان «موسیقی آسانسور بصری» عمومی توصیف کردند. این مطالعه از تحقیقات انجام شده در بخش تجزیه‌وتحلیل داده‌ها دانشگاه دارالنا در سوئد و مرکز BEACON برای مطالعهٔ تکامل در عمل در دانشگاه ایالتی میشیگان در آمریکا نشأت می‌گیرد.

برای این پژوهش، گروه می‌خواست یک هوش مصنوعی را طوری تنظیم کند که بدون دخالت انسانی تصاویر تولید کند. برای این منظور، تیم به یک مولد تصویر هوش مصنوعی یک دستور (prompt) داد تا تصویری بسازد. سپس یک هوش مصنوعی دیگر از آن تصویر توصیف خواست. این توصیف به‌عنوان ورودی به مولد تصویر بازگردانده شد تا تصویری بر پایهٔ این دستور نوشته‌شده توسط هوش مصنوعی، ایجاد کند. این چرخه برای ۱۰۰ دور ادامه یافت. پژوهشگران این آزمایش را ۴۰ بار تکرار کردند و سپس آن را با چهار مولد تصویر متفاوت امتحان کردند.

وقتی پژوهشگران نتایج را بررسی کردند، مشاهده کردند که تصاویر تمایل دارند به یکی از دوازده الگو یا سبک مختلف متمایل شوند. همان‌طور که پژوهشگران بیان کردند: «… این سیستم‌ها به‌صورت سیستماتیک به سمت نقاط انتهایی تقریباً یکسان معنایی و بصری پیشرفت می‌کردند — فانوس‌های دریایی طوفانی، صحنه‌های شبانه شهری، کلیساهای گوتیک و داخلی‌های کاخ‌مانند. به‌جای کشف امکانات خلاقانه، حلقه‌های مستقل هوش مصنوعی به چیزی شبیه «موسیقی آسانسور بصری» تمایل نشان می‌دهند.»

«این نتایج برای خلاقیت محاسباتی هشداردهنده‌اند»، پژوهشگران نوشتند. «اگر سامانه‌های هوش مصنوعی به‌طور مستمر به خروجی‌های عمومی متمایل شوند زمانی که بدون مداخلهٔ انسانی عمل می‌کنند، این سؤال می‌پرسد که آیا رویکردهای فعلی می‌توانند خلاقیت واقعی ماشین را به‌دست آورند یا نه. تمایل به کلیشه‌های «ایمن» بصری نشان می‌دهد که برای حفظ تنوع خلاقانه ممکن است نیاز به مکانیزم‌های صریح ضد‑همگرایی یا نظارت مستمر انسانی باشد.»

سازگاری‌ای که مولدهای تصویر متعدد در بازگشت به همان ۱۲ موضوع یا تم عمومی نشان دادند، «این سامانه‌ها خروجی‌های با احتمال بالا را نسبت به نوآوری واقعی ترجیح می‌دهند» را نشان می‌دهد، پژوهشگران نتیجه‌گیری کردند.

پژوهشگران هشدار دادند که «استفادهٔ گسترده از چنین سامانه‌هایی می‌تواند به‌طور ناخواسته فرهنگ بصری را همگن‌سازی کند.»

اما پژوهشگران اشاره می‌کنند که پژوهش در زمینه انتقال فرهنگ انسانی نیز تمایل دارد تم‌های رایج را تکرار کند؛ تم‌هایی که در روایت‌های داستانی و همچنین هنرهای بصری در فرهنگ‌های مختلف و در دوره‌های زمانی گوناگون مشاهده می‌شوند. «تفاوت نه در وجود همگرایی، بلکه در جذاب‌سازهای خاص آن است: جایی که انسان‌ها به اسطوره‌های سیلاب و الگوهای مارپیچ شکل‌گرفته توسط ادراک بدنی می‌پیوندند، سامانه‌های هوش مصنوعی به زیبایی‌های عکاسی استوک شکل‌گرفته توسط داده‌های مقیاس اینترنتی همگرا می‌شوند»، پژوهشگران توضیح دادند.

سیستم‌های هوش مصنوعی مولد بر پایهٔ داده‌های تولیدشده توسط انسان آموزش می‌بینند، نویسندگان این مطالعه می‌پرسند: «همگرایی بر الگوهای هنری مشترک چه پیامی دربارهٔ ما دارد؟»

این پژوهش در Patterns در دسترس است.

دولت نگرانی‌ها را — از بیکاری فراگیر تا احتمال بوجود آمدن حباب مالی — به‌خوبی کم‌اهمیت می‌سازد؛ در حالی‌که رئیس‌جمهور ترامپ از صعود سرسام‌آور قیمت سهام و رشد سریع خوشحال است.

اوایل نوامبر بود و بازار سهام دچار اضطراب شد؛ چرا که سرمایه‌گذاران بار دیگر از شرط‌های کلان شرکت‌های بزرگ فناوری کشور در هوش مصنوعی هراس‌زده شدند.

اما اضطراب به وجود آمده در وال‌استریت آن روز تقریباً در کاخ سفید ثبت نشد. وقتی از او پرسیده شد که آیا نسبت به حبابی نوظهور که در صورت منفجر شدن می‌تواند به اقتصاد صدمه بزند، نگرانی دارد، رئیس‌جمهور ترامپ به سرعت تمام شبهات را رد کرد.

«نه»، او به سرعت پاسخ داد، «من هوش مصنوعی را دوست دارم».

برای آقای ترامپ، این عصر نوین محاسبات نه خطر بلکه پاداش به همراه دارد. در طول سال گذشته، رئیس‌جمهور و معاونان ارشدش به‌طور کامل هوش مصنوعی را پذیرفتند و به حامیان تجاری اصلی آن، از جمله سخیفانه‌ی مالی و حمایت‌های قانونی، دست داده‌اند؛ چرا که دولت می‌کوشد تا یکی از اصلی‌ترین حوزه‌های رشد اقتصاد ناپایدار آمریکا را تسریع کند.

این خوش‌بینی روز سه‌شنبه نمایان شد، پس از این که دولت فدرال اعلام کرد اقتصاد ایالات متحده در سه‌ماهه گذشته با نرخ سالانه بیش از ۴ درصد رشد کرده است. کوین هسِت، رئیس شورای اقتصادی ملی کاخ سفید، به CNBC گفت که داده‌های جدید نشان می‌دهد برنامه کلی رئیس‌جمهور در حال اجراست و او نشانه‌های «رونق» هوش مصنوعی را برجسته می‌کند.

حمایت بدون قید و شرط دولت به شدت با لحن محتاطانه‌ای که اقتصاددانان و حتی برخی فناوران در سیلیکون‌ولی اتخاذ کرده‌اند، در تضاد است. بسیاری هنوز می‌پرسند که آیا هوش مصنوعی می‌تواند سبب از دست رفتن شغل‌های فراوان، حداقل به‌صورت موقت، شود و درباره سرعت و روش‌های رشد این صنعت که شاید پایدار نباشد و می‌تواند به آشوب مالی منجر شود، نگرانند.

کاخ سفید به‌طور عمده این نگرانی‌ها را کنار گذاشته است. در عوض، آقای ترامپ که مدت‌هاست بازار سهام را به‌عنوان معیاری از موفقیت اقتصادی خود می‌داند، قیمت‌های رو به صعود سهام شرکت‌های فناوری بزرگ مانند انویدیا را تشویق و جشن می‌گیرد. بازار سهام یک‌بار دیگر روز سه‌شنبه رکورد جدیدی زد، به لطف شرکت‌های فناوری مرتبط با هوش مصنوعی.