
شرکت فناوریهای پلیسی Flock در حال تغییر سطح دسترسی نیروهای انتظامی به شبکه سراسری دوربینهای پلاکخوان خود است. این اقدام پس از موج فزاینده انتقادات نسبت به نظارت انبوه و انتشار گزارشهایی مبنی بر سوءاستفاده برخی ماموران از این فناوری انجام میشود.
برای مقابله با این تخلفات، شرکت Flock ماموران را ملزم میکند تا پیش از هرگونه جستجو در پایگاه داده، شماره پرونده کیفری مربوطه را وارد کنند. همچنین سیستمهای حسابرسی خودکار برای شناسایی جستجوهای مشکوک ارتقا خواهند یافت. با این حال، به دلیل عدم راستیآزمایی مستقیم این شمارهها توسط سیستم، همچنان روزنههایی برای دور زدن این محدودیتها وجود دارد.
پژوهشگران به تازگی با استفاده از فناوری قیچی ژنتیکی کریسپر (CRISPR) موفق شدهاند با حذف کروموزوم Y، رویانهای نر موش را به ماده تبدیل کرده و کلونهای ماده تولید کنند.
دانشمندان امیدوارند این روش به حفظ گونههای در حال انقراض—بهویژه در مواردی که تنها چند نمونه محدود از یک گونه باقی مانده است—کمک کند. با این حال، فناوری شبیهسازی یا کلونینگ کاربردهای گسترده دیگری نیز دارد؛ از اصلاح ژنتیکی دامها و بازسازی حیوانات خانگی تا سناریوهای پیچیدهتر زیستی در آینده.
پروژه «اطلس سلولی انسان» که با هدف نقشهبرداری از تمامی سلولهای بدن انسان آغاز شد، در ابتدا تنها بر مطالعه افراد بزرگسال تمرکز داشت. عدم توجه به سلولهای کودکان باعث شد تا پژوهشگرانی مانند «دین تیلور» برای گنجاندن ردههای سنی پایینتر در این طرح اقدام کنند.
سلولهای کودکان از نظر میزان بیان ژنها و واکنش به داروها تفاوتهای بنیادی با بزرگسالان دارند. هدف از جمعآوری این پایگاه داده از بافتهای سالم کودکان، ارائه الگویی استاندارد از روند رشد و کشف ریشههای اولیه بیماریهایی است که در سنین بزرگسالی بروز میکنند.
«آنها بینهایت بیدقت بودند. اگر در کار خود جدی هستید، مدل هوش مصنوعی شما نباید بتواند به اینترنت نفوذ کند و بلافاصله پس از آن دوباره همان خطا را تکرار کند.»
— اظهار نظر یکی از کارمندان سابق OpenAI در گفتگو با رسانهها درباره اهمیت امنیت سایبری و مخاطرات ایجنتهای خودکار.
استارتاپهای پیشرو با جذب سرمایههای کلان در حال ساخت آزمایشگاههای خودکار مبتنی بر هوش مصنوعی هستند تا روند کشف مواد جدید را بسیار سریعتر و ارزانتر کنند. طولانیترین و هزینهبرترین بخش در کشف مواد، سنتز واقعی آنها در دنیای واقعی است.
شرکتهایی نظیر Lila Sciences و Periodic Labs با بهرهگیری از ایجنتهای هوش مصنوعی برای طراحی آزمایشها، هدایت رباتها و تحلیل نتایج، در تلاشند تا چرخه چند دههای کشف مواد جدید را به چند سال یا کمتر کاهش دهند.
این مطلب بر اساس خبر MIT Technology Review بازنویسی و ترجمه شده است.
دیدگاهها۰
برای ثبت نظر، پرسش یا رأی ابتدا وارد حساب کاربری شوید.