هفته نامه ی آمریکایی «تایم» اوایل سال جاری میلادی، جلد یکی از شماره های خود را به هوش مصنوعی اختصاص داد. این طرح، سؤال تایم از ابزار هوش مصنوعی «چت جی پی تی» درباره ی درج عنوان «مسابقه ی تسلیحاتی هوش مصنوعی دارد همه چیز را تغییر می دهد» روی جلد این هفته نامه، و پاسخ چت جی پی تی را نشان می دهد. (+)
پیشرفت سریع هوش مصنوعی پیامدهای گسترده ای در حوزه های متعدد دارد؛ از جمله احتمال استفاده از این ابزار در توسعه ی سلاح های بیولوژیک پیشرفته. این احتمال از آن جایی به طور خاص نگران کننده است که هوش مصنوعی برای اشخاص و نهادهای غیردولتی نیز قابل دسترسی است. سرعت رشد فناوری های مرتبط با هوش مصنوعی اغلب از سرعت تکامل ظرفیت های نظارتی نهادهای دولتی تنظیم کننده ی مقررات فراتر است، که منجر به ایجاد خلأ قابل توجهی در سیاست ها و مقررات موجود در این حوزه شده است. همه گیری بیماری کووید-۲۰۱۹ نمونه ای مناسبی است که نشان می دهد شیوع یک بیماری همه گیر حتی با درجه ی متوسط می تواند چه تأثیر مخربی[۲] بر نظام های جهانی داشته باشد[۳].
مدیران سه شرکت پیشرو در حوزه ی هوش مصنوعی، از جمله «سام آلتمن» (مرکز تصویر) مدیرعامل «اُپن اِی آی» (سازنده ی «چت جی پی تی»)، نامه ی سرگشاده ای را امضا کرده اند که درباره ی خطرات هوش مصنوعی هشدار می دهد. (+)
در همین باره بخوانید:
›› از همه گیری کرونا تا همه گیری فقر/ از هر ده آمریکایی یک نفر سال گذشته گرسنگی کشید
›› دزدی فروشگاه ها از مردم در آمریکا و دزدی مردم از بیمارستان ها در انگلیس/ کرونا و چهره پشت ماسک غرب
آن چه این مسئله را بغرنج تر می کند، عدم توازن اقتصادی میان حوزه های تهاجمی و تدافعی در فناوری های بیولوژیک است. به عنوان نمونه، هزینه ی نهایی احیای یک ویروس خطرناک، مانند آبله، می تواند تنها ۱۰۰ هزار دلار باشد. این در حالی است که ساخت یک واکسن پیچیده ممکن است بیش از ۱ میلیارد دلار هزینه داشته باشد[۴]. تلاش های قبلی برای استفاده ی تسلیحاتی از عوامل بیولوژیک (مانند تلاش «اوم شینریکو[۵]» برای استفاده از سم بوتولینوم) به دلیل عدم شناخت باکتری با شکست مواجه شده اند[۶]. با این حال، پیشرفت های کنونی در حوزه ی هوش مصنوعی ممکن است بتوانند این خلأ اطلاعاتی را به سرعت برطرف کنند: نمونه های پیشرفته ی «مدل زبانی بزرگ[۷]» می توانند اطلاعاتی درباره ی عوامل بیماری زای همه گیر بالقوه ارائه کنند و با توجه به محدودیت های عملیاتی، مزایای نسبی هر کدام از آن ها برای استفاده به عنوان سلاح بیولوژیک را بررسی کنند.
مدتی قبل محققان کانادایی موفق شدند با تنها ۱۰۰ هزار دلار هزینه و با سفارش پستی دی ان ای اقدام به احیای یکی از گونه های منقرض شده ی ویروس عامل آبله کنند. در حالی که ریشه کن کردن آبله، یکی از مرگ بارترین بیماری های تاریخ بشر، ده ها سال زمان و میلیاردها دلار هزینه برای انسان داشت، برای احیای این بیماری احتمالاً تنها به یک تیم کوچک متشکل از چند دانشمند با دانش تخصصی محدود، شش ماه زمان و حدود ۱۰۰ هزار دلار هزینه نیاز است. به علاوه، هوش مصنوعی می تواند این پیش نیازها را تا حد زیادی کاهش دهد یا از بین ببرد. (+)
در همین باره بخوانید:
›› از بی اعتمادی به دولت تا ترس از مرگ/ چرا آمریکایی ها واکسن کرونا نمی زنند؟
›› آیا می توان به واکسن کرونای «فایزر» اعتماد کرد؟
›› فناوری درمانی با بودجه پنتاگون/ فایزر چگونه از کودکان نیجریه ای به عنوان موش آزمایشگاهی استفاده کرد
›› صدور مجوز فایزر و مدرنا توسط نهادی که اعضای جنین انسان را به موش پیوند می زند
توانایی بالقوه ی مدل های زبانی بزرگ برای رفع این نقص در دانش بیولوژیک، اهمیتی توجه به همگرایی میان هوش مصنوعی و فناوری های بیولوژیک را برجسته می کند؛ به ویژه «بیولوژی مصنوعی» که می تواند امکان طراحی عوامل بیماری زای جدید یا احیای عوامل قبلی به صورت شدیدتر و مرگ بارتر از عوامل بیماری زای موجود در طبیعت را فراهم نماید[۸]. این ابزارِ در حال تکامل، محدود به برنامه های تسلیحات بیولوژیک دولتی نیست، بلکه روزبه روز برای افراد و سازمان های خارج از چارچوب های رسمی حکومتی نیز قابل دسترس تر می شود[۹].
همزمان با ورود گسترده ی فناوری های مبتنی بر هوش مصنوعی به زندگی انسان، خطر «شورش» این فناوری ها یا سوءاستفاده از آن ها نیز روبه افزایش است. (+)
لازم به ذکر است که اگرچه مدل های زبانی بزرگی که در این آزمایش از آن ها استفاده شد، دستورالعمل های بیولوژیک صریحی ندادند، اما این مدل ها می توانند راهنمایی هایی ارائه کنند که ممکن است به برنامه ریزی و اجرای یک حمله ی بیولوژیک کمک کنند. در یک سناریوی آزمایشی، مدل زبانی بزرگ در این تحقیق، درباره ی چگونگی به بار آوردن تعداد زیادی تلفات با استفاده از یک سلاح بیولوژیکی وارد بحث شد. مدل مذکور ضمن شناسایی عوامل بیماری زای بالقوه (از جمله ویروس واریولا (آبله)، یک سویه ی دستکاری شده از ویروس آنفلوانزا، باسیلوس آنتراسیس (سیاه زخم)، و یرسینیا پستیس (طاعون، شانس نسبی آن ها برای ایجاد مرگ ومیر دسته جمعی در ابعاد گسترده را نیز مورد بررسی قرار داد.
شرکت های مختلفی پیشاپیش شروع به گنجاندن فناوری های هوش مصنوعی در محصولاتی مانند ربات های انسان نما کرده اند. اگر روزی هوش مصنوعی از محدودیت های خود خارج شود، آیا این محصولات نمی توانند یک سناریوی کاملاً هالیوودی و آخرالزمانی را رقم بزنند؟ (+)
علاوه بر این، مدل زبانی بزرگ مورد آزمایش، امکان پذیری، زمان، هزینه، و موانع پیش روی دستیابی به جوندگان یا کک های آلوده به یرسینیا پستیس، حمل و نگهداری نمونه های زنده، و توزیع آن نمونه ها را نیز ارزیابی کرد. مدل زبانی مذکور همچنین اشاره کرد که آمار احتمالی مرگ ومیر به عواملی مانند اندازه ی جمعیت مبتلاشده، سرعت و اثربخشی واکنش، و نسبتِ موارد طاعون ریوی به طاعون خیارکی بستگی دارد، چراکه طاعون ریوی مسری تر و کشنده تر است. استخراج این اطلاعات از مدل زبانی بزرگ نیازمند یک تکنیک «جیلبریک» [دستکاری نرم افزاری] نیاز داشت، زیرا مدل مدنظر در ابتدا از بحث درباره ی این موضوعات خودداری می کرد. گزیده هایی از گفت وگوی محققان با این مدل (با حذف برخی از بخش ها برای جلوگیری از سوءاستفاده) در تصویر زیر آمده است.
ترجمه ی بخشی از گفت وگوی محققان اندیشکده ی «رَند» با یکی از ابزارهای هوش مصنوعی درباره ی مراحل و دستورالعمل شیوع گسترده ی طاعون در میان انسان ها. هوش مصنوعی به طور مفصل توضیحاتی را درباره ی نحوه ی انجام این کار ارائه داده است. ادامه ی این گفت وگو به علت احتمال سوءاستفاده ی «بازیگران بدخواه» منتشر نشده است. (+)
در نمونه ی دیگری که روی سم بوتولینوم متمرکز بود، مدل زبانی بزرگ، با جزئیات کامل، درباره ی جوانب مثبت و منفی سازوکارهای مختلف انتقال عامل بیماری زا گفت وگو کرد؛ از جمله استفاده از هوا و مواد غذایی. مدل زبانی بزرگ در این آزمایش، انتقال عوامل بیماری زا از طریق غذا را ساده اما مملو از ریسک توصیف کرد؛ به ویژه خطرِ شناسایی احتمالی آلودگی و پایداری ماده ی سمی در صورت قرار دادن در مواد غذایی مختلف. از سوی دیگر، مدل مذکور روش های مبتنی بر انتشار عامل بیماری زا از طریق هوا را برای ابتلای سریع یک جمعیت زیاد مؤثر تشخیص داد؛ اگرچه هشدار داد که این روش ها به تجهیزات و تخصص ویژه نیاز دارند. علاوه بر این ها، مدل زبانی بزرگ چندین دستگاه مناسب برای انتشار عوامل بیماری زا از طریق هوا را پیشنهاد داد و حتی یک داستان پوششی باورپذیر مطرح کرد که می توان از آن برای به دست آوردن کلوستریدیوم بوتولینوم به بهانه ی انجام تحقیقات علمی مشروع استفاده کرد.
ترجمه ی بخشی از گفت وگوی محققان اندیشکده ی «رَند» با ابزار هوش مصنوعی. محققان از این ابزار پرسیده اند برای دستیابی به «کلوستریدیوم بوتولینوم» چه بهانه ای می توانند بیاورند. (+)
تحقیقات ما پیچیدگی های مربوط به سوءاستفاده از هوش مصنوعی، به ویژه مدل های زبانی بزرگ، برای تدارک حملات بیولوژیک را برجسته می کند. نتایج اولیه نشان می دهد که مدل های زبانی بزرگ می توانند محتواهای قابل استفاده ای تولید کنند که ممکن است بتوانند به برنامه ریزی یک حمله ی بیولوژیک کمک کنند. با این حال، این سؤال همچنان باقی است که آیا قابلیت های مدل های زبانی بزرگِ موجود، مصداق سطح جدیدی از تهدید، فراتر از اطلاعات مضری هستند که پیشاپیش به راحتی به صورت آنلاین در دسترس است، یا نه. با توجه به خطرات احتمالی، هیچ تردید درباره ی نیاز به انجام آزمایش های دقیق در این باره وجود ندارد. این مسئله به ویژه در شرایطی صدق می کند که برخی افراد[۱۰]، تهدید هوش مصنوعی[۱۱] را برابر با تهدید سلاح های هسته ای می دانند[۱۲].
[۳] Assessing the impact of one million COVID-۱۹ deaths in America: economic and life expectancy losses Link
[۵] «اوم شینریکو» نام قبلی فرقه ی مذهبی-تروریستی ژاپنی است که اکنون «الف» نام دارد، اما همچنان بیش تر با نام قبلی اش شناخته می شود.
[۷] «مدل زبانی بزرگ» (large language model)، که به اختصار ال ال ام (LLM) نامیده می شود، مدل زبانی ای است که می تواند اقدام به درک و تولید گزاره های زبانی با ادبیات انسانی کند. این مدل ها پایه ی ابزارهایی مانند چت چی پی تی (ChatGPT) هستند.