هوش مصنوعی؛ فناوری نوظهور فراتر از زیرساخت حیاتی

مددی, سعید; کاظم پور, ذکریا; رضوی, سیدعبدالهادی

هوش مصنوعی؛ فناوری نوظهور فراتر از زیرساخت حیاتی

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ کارشناسی‌ارشد سیستم اطلاعات مکانی(GIS)، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران

² استادیار و عضو هیأت علمی وزارت علوم، تحقیقات و فناوری، تهران، ایران

³ استادیار گروه آینده‌پژوهشی، پژوهشکده سرمایه اجتماعی، دانشگاه فرماندهی و ستاد آجا، تهران، ایران

چکیده .

هوش مصنوعی به‌‌‌عنوان یک فناوری برهم‌‌زن بطور گستره تمامی ابعاد جامعه بشری را تحت تأثیر قرار داده است. هوش مصنوعی، زیرساخت‌‌های حیاتی را نیز به‌‌عنوان ستون فقرات جامعه، بطور قابل ملاحظه‌‌ای متحول نموده است به طوری که چنین به نظر می‌‌رسد، هوش مصنوعی فراتر از یک فناوری معمول، خود نیز در حال مطرح شدن به یک زیرساختی حیاتی است. در این راستا، پژوهش حاضر به دنبال یافتن پاسخ به این پرسش کلیدی است که این نگرش تا چه حدی می‌‌تواند منطبق بر مبانی علمی یا شواهد عینی باشد. در این مطالعه، ظرفیت‌های هوش مصنوعی به‌عنوان یک «زیرساخت حیاتی» مورد تحلیل و بررسی قرار گرفت. در این راستا، تعداد ۱۴ متغیر مرتبط با موضوع شناسایی شد و به‌منظور ارزیابی روابط میان آن‌ها، از روش تحلیل اثرات متقابل بهره گرفته شد. نتایج تحقیق نشان می‌‌دهد در نقشه تحلیل اثرات متقابل متغیرها بر یکدیگر، متغیر بدیل‌‌ناپذیر بودن با مختصات (31-30)، آسیب‌‌پذیر و تهدیدزا بودن با مختصات (30-29) و امنیت‌‌زا و امنیت‌‌زدا بودن با مختصات (31-29) دارای بیشترین تاثیرگذاری بر روی سایر متغیرها بوده و در عین حال بیشترین اثرپذیری از سایر متغیرها را نیز دارند. ویژگی مردم پایه بودن، فراگیر بودن، فراملی بودن و در دسترس بودن فناوری هوش مصنوعی متغیرهایی هستند که اثرگذاری کمتری بر سایر متغیرها داشته ولی اثرپذیری بالایی از آنها دارند. در نهایت ویژگی «زیرساخت سایر زیرساخت‌‌های حیاتی بودن»، خودتکاملی، خودمختاری، غیرمتمرکز، فراشبکه‌‌ای و انعطاف‌‌پذیر بودن هوش مصنوعی متغیرهای هستند که اثرگذاری بسیار بالایی بر سایر متغیرها دارند ولی تاثیر چندانی از آنها نمی‌‌پذیرند. لذا این متغیرها که به‌‌عنوان متغیرهای «تعیین‌‌کننده» شناخته می‌‌شوند، ایده تحقیق را توسعه داده و نگرش اولیه مبتنی بر «زیرساخت حیاتی» بودن فناوری هوش مصنوعی را قوت بخشیده و مورد تأیید قرار می‌دهند.

کلیدواژه‌ها

20.1001.1.20086849.1404.16.2.7.3

عنوان مقاله [English]

Artificial Intelligence; Emerging Technology Beyond Critical Infrastructure

نویسندگان [English]

Saeed madadi ¹
Zakariea Kazempour ²
Seyyed Abdulhadi Razavi ³

¹ Tehran University

² Dafous

³ Ministry of Science, Research and Technology

چکیده . [English]

Artificial intelligence (AI), as a disruptive technology, has profoundly reshaped all facets of human society. Its transformative influence extends to critical infrastructures—the backbone of modern civilization—to such an extent that AI itself is increasingly perceived not merely as a technological tool but as an emerging critical infrastructure. In this context, the present study seeks to address a key question: to what extent can this perspective be grounded in scientific principles and supported by empirical evidence? To this end, the capacities of artificial intelligence (AI) as a ‘critical infrastructure’ were analyzed. Fourteen relevant variables were identified, and their interrelationships were evaluated using the Cross-Impact Analysis method. The findings reveal that in the cross-impact analysis map, the variables ‘irreplaceability’ (coordinates: 31–30), ‘vulnerability and threat potential’ (30–29), and ‘security-enhancing or security-undermining’ (31–29) exhibit the highest levels of both influence on, and dependence upon, other variables. Conversely, attributes such as the grassroots nature, ubiquity, transnationality, and accessibility of AI demonstrate lower influence on other variables but high susceptibility to their effects. Finally, characteristics including ‘being the infrastructure of other critical infrastructures,’ self-evolution, autonomy, decentralization, meta-network orientation, and flexibility are identified as variables with very high influence on others while remaining relatively unaffected by them. Therefore, these variables, recognized as determinant factors, have shaped the development of the research framework and have further reinforced and substantiated the initial hypothesis that AI can be regarded as a “critical infrastructure”.

کلیدواژه‌ها [English]

Emerging Critical infrastructure
Artificial intelligence
Cross-Impact Analysis

مراجع

[1] H. Ali Beyki, G.R, Akbarpoor Nikghalb Rashti, , A., Hosseini, S.A., Abbasian Jahromi, H., Classification, Prioritization, Intrinsic Value, Critical Infrastructure, Assets, Indices, Best-Worst, Journal of Geography and Environmental Studies, 11(42), 106-121. 2022. (In Persian). Dor: 20.1001.1.20087845.1401.11.42.7.6.

[2] Y, Chen., “AI as Critical Infrastructure: Safeguarding National Security in the Age of Artificial Intelligence.” OSF Preprints. January [5]. doi:10.31219/osf.io/u4kdq, 2024.

[3] A. Chehri, F. Issouf, Y. Xiaomin Security Risk Modeling in Smart Grid Critical Infrastructures in the Era of Big Data and Artificial Intelligence, Sustainability 13, no. 6: 3196, 2021.

[4] J. Akhnini, H. Karimipour, A. Dehghantanha, A.R. Parizi, AI and Security of Critical Infrastructure. In: Choo, KK., Dehghantanha, A. (eds) Handbook of Big Data Privacy. Springer, Cham. 2020. https://doi.org/10.1007/978-3-030-38557-6_2.

[5] A. McMillan, L. Varga, A review of the use of artificial intelligence methods in infrastructure systems,Engineering Applications of Artificial Intelligence, Volume 116, 2022.

[6] National Civil Defense Organization, Cyber Defense Command, Cyber Defense Operational System of the Country, 2021. (In persian).

[7] National Civil Defense Organization, strategic document of civil defense of Islamic republic of Iran, 2012. (In Persian).

[8] M. Araghizade, B., Kameli, Mapping and Clustering of International Researches on critical infrastructure protection (CIP) Based on Co-Word Analysis of Articles Indexed in Web of Science (WoS) Database, no. 22, 2022. (In persian).

[9] M., Haenlein, A., Kaplan, A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence, Vol. [6], No. [18], Winter 2024, 2023. (In Persian)

[10] M. Hasanzadeh, utilization of artificial intelligence in research domain (pazhohan training workshop). (In persian)

[11] W. Bagby , H. Kimberly, Artificial Intelligence: The Critical Infrastructures, 2021. Available at SSRN 3924512,.

[12] M., Zand, Layered analysis of causes in the dimension of technical infrastructure for artificial intelligence, report of the group on the dimensions of technical infrastructure for artificial intelligence, National Innovation Event, 2023. (In Persian).

[13] Yu. Chen, AI as Critical Infrastructure: Safeguarding National Security in the Age of Artificial Intelligence, 2023, https://osf.io.

[14] S. Choi., S. Lee, Y. Kim, J. Park, , Y. Kwon, , and Huh, j., Serving Heterogeneous Machine Learning Models on Multi-GPU Servers with Spatio-Temporal Sharing, 2022. https://www.usenix.org/conference/atc22/presentation/choi-seungbeom

[15] J. Rauber, R. Zimmermann, M Bethge, and W. Brendel, Foolbox Native: Fast adversarial attacks to benchmark the robustness of machine learning models in PyTorch, TensorFlow, and JAX. Journal of Open-Source Software, 5(53), 2607, 2020.

https://doi.org/10.21105/joss.02607

[16] T. Rabani, Structural analysis method, a tool for understanding and analyzing the variables affecting the future of urban issues, 2012. (In Persian).

[17] S. Asan, A. Umut, Qualitative cross-impact analysis with time consideration, Technological forecasting and social change, vol74, 2007.

[18] G. Daniel L. Erin, Emerging Technology and Risk Analysis: Artificial Intelligence and Critical Infrastructure. Homeland Security Operational Analysis Center operated by the RAND Corporation, 2024. https://www.rand.org/pubs/research_reports/RRA2873-1.html,

[19] J. Sakhnini, H. Karimipour, Dehghantanha, A., Parizi, R.M., AI and Security of Critical Infrastructure. In: Choo, KK., Dehghantanha, A. (eds) Handbook of Big Data Privacy, Springer, Cham, 2020. https://doi.org/10.1007/978-3-030-38557-6_2.

[20] Laplante, P., and Amaba., B, "Artificial Intelligence in Critical Infrastructure Systems" in Computer, vol. 54, no. 10, pp. 14-24, 2021. doi: 10.1109/MC.2021.3055892.

[21] C. Curtis, Gillespie, N. & Lockey, S, AI-deploying organizations are key to addressing ‘perfect storm’ of AI risks. AI Ethics 3, 145–153, 2023. https://doi.org/10.1007/s43681-022-00163-7.

[22] H. Andersen, D. Broeder Protecting Transnational Information Infrastructure: Vitality, Vulnerability and Diplomacy. Policy brief, EU Cyber Direct, 2023.

[23] M. Flinders, L. Smalley, What is AI infrastructure? IBM, 2024. https://www.ibm.com/topics/ai-infrastructure.

[30] H. Jia, Y. Zeng, promoting good governance of artificial intelligence, National Science Review, Volume 7, Issue 12, December 2020, Pages 1954–1956. https://doi.org/10.1093/nsr/nwaa255

[31] G. Qiao-Franco, R., & Zhu, China’s Artificial Intelligence Ethics: Policy Development in an Emergent Community of Practice. Journal of Contemporary China, 33(146), 189–205, 2022. https://doi.org/10.1080/10670564.2022.2153016

[32] M.Veale1, K. Matus, R. Gorga, AI and Global Governance: Modalities, Rationales, Tensions, ANNUAL REVIEW OF LAW AND SOCIAL SCIENCE, Volume 19, 2023, https://doi.org/10.1146/annurev-lawsocsci-020223-040749

[33] K. Stanley, J., Clune, J., Lehman, & R. Miikkulainen, Designing neural networks through neuroevolution. Nature Machine Intelligence, 1(1), 24–35, 2019. https://doi.org/10.1038/s42256-018-0006-z

[33] A.Verma, N. Singhal, Integrating Artificial Intelligence for Adaptive Decision-Making in Complex System. In: Das, S., Saha, S., Coello Coello, C.A., Bansal, J.C. (eds) Advances in Data-Driven Computing and Intelligent Systems. ADCIS 2023. Lecture Notes in Networks and Systems, vol 892. Springer, Singapore. 2024. https://doi.org/10.1007/978-981-99-9521-9_8.

[34] E. Ferrara, The history of digital disinformation: A review of malicious social media manipulation. Current Opinion in Psychology, 36, 71-76, 2020. https://doi.org/10.1016/j.copsyc.2020.03.007