善意を持って行動する人だけが、人工知能の利点を利用するわけではありません。サイバーセキュリティは、特定のサイバーシステムを守ろうとする人と、それを攻撃しようとする人、両方が最先端の技術を利用している分野です。このテーマについての分析において、World Economic Forum (WEF)は、2019年3月に、「ある大手エネルギー会社のCEOが、新しい東ヨーロッパのサプライヤーの口座に€220,000を緊急に転送することを承認した」という例を挙げています。これは、「彼が親会社のCEOと話していると思った電話」を受けた後でした。数時間以内に、金はラテンアメリカの口座を経由して、人工知能（AI）を利用してCEOの声を信憑性を持って模倣したと疑われる犯罪者に渡りました。」一方、Forbesは、「オハイオ州とウェストバージニア州の2つの病院が、ランサムウェア攻撃によりシステム障害が発生し、緊急患者の要請を処理できなかったため、患者を受け入れなかった」という例を挙げています。このサイバーセキュリティの脅威は、確実にEquifaxとWorld Economic Forumが、Future Series: Cybercrime 2025の初回開催の理由です。世界中のサイバーセキュリティ専門家が、ジョージア州アトランタで会合を開き、サイバーセキュリティ分野におけるAIの能力を検討します。また、Capgemini Research Instituteは、報告書を発表し、実質的にすべての組織がAIを使用してサイバーセキュリティ防御を強化する必要があると結論付けています。WEFの分析では、AIをサイバー犯罪に利用しないようにする上で4つの課題が指摘されています。第一に、攻撃者の高度化です – 攻撃の量は増加し、「AIを搭載した技術は、攻撃者が匿名性と距離を維持する能力を高め、すでに課題である犯罪の特定と調査をさらに困難にする可能性があります。」第二に、目標の非対称性です – 守る側は100%の成功率を達成する必要がありますが、攻撃側は一度だけ成功すればよいだけです。「AIと自動化は変動性とコストを削減し、スケールを向上させ、エラーを制限していますが、攻撃者もAIを利用してバランスを崩す可能性があります。」第三に、「組織が成長するにつれて、技術とデータの規模と複雑さも増大し、攻撃者は探索し、悪用できる表面が増えることになります。攻撃者に対抗するために、組織はAIや自動化などの高度な技術を利用して、防御可能な『絞り込みポイント』を作成することができます。」第四に、防御側の可能なリスクと実際の「運用的有効性」のバランスをとることが必要です。WEFは、「セキュリティチームは、リスクベースのアプローチを採用し、ガバナンスプロセスと重要性のしきい値を確立し、運用リーダーにサイバーセキュリティポストを通知し、継続的に改善するためのイニシアチブを特定することで、」このようなリスクを軽減し、克服するための効果的な措置を特定することを目指しています。一方、Forbesは、Naveen Joshiが準備した、サイバーセキュリティでAIを直接利用する4つのステップを以下のグラフィックで紹介しています:どちらにせよ、サイバーセキュリティ分野における攻撃者と守る側は、技術が新たな複雑さの段階に達するにつれて、人工知能の利用を継続的に発展させていくことになります。
オンラインでのフェイクニュースやヘイトスピーチは、1日ごとではなく、1分ごとに問題になっている。IkigaiLabの報告によると、FacebookとTwitterは最近、世界中でのフェイクニュースやヘイトスピーチの拡散を抑えるために、1.5億以上と7000万件の投稿を閉鎖しなければならなかった。しかし、現在でも、このようなタスクを実行するには、膨大な人的リソースとほぼ常時稼働する労力が必要で、ヘイトスピーチの氷山の一角をとることしかできない。問題を解決するために、多くの研究所の研究者は、この巨大なタスクを支援するために人工知能（AI）を訓練し始めている。Ikigaiは、Facebookがニュース、画像、またはその他のコンテンツの真贋を理解するために使用しているRosettaシステムを引用している。説明によると、Rosettaは「投稿の単語、画像、言語、フォント、投稿日などをスキャンし、提示されている情報が本物かどうかを確認しようとする」というものである。システムが情報を収集し、AIがまだ完全に「暗示、参照、軽蔑、投稿されたコンテキストを理解する」ことができないことを念頭に置いて、人間のモデレーターがAIシステムをヘイトスピーチやフェイクニュースを発見するために導く。ヘイトスピーチの特徴であるすべてのニュアンスをカバーできるようにAIシステムの能力をさらに開発しようと、UCサンタバーバラとIntelの研究者チームは、TheNextWeb（TNW）によると、「RedditとGabの最も汚いコミュニティからの数千の会話を使用して、ヘイトスピーチに対抗するためにAIを開発および訓練した」という。彼らの報告によると、これを行うために、研究者グループは「ヘイトスピーチでいっぱいになるように特別にキュレーションされた数千の会話」を特徴とする特定のデータセットを作成した。彼らはまた、VoxのJustin Caffierによって編纂された、ヘイトスピーチの使用で特徴付けられるRedditのグループのリストを使用した。研究者は「Redditから2万2000以上のコメントと、Gabから3万3000以上のコメント」を収集し、2つのサイトは「人気のヘイトキーワードは似ているが、分布は非常に異なる」と発見した。彼らは、ヘイトスピーチの流れが非常に速いため、リアルタイムで介入することは非常に難しいと指摘した。社会的メディアでは、数えきれないほどの人間がそれをフォローする必要がある。問題に対処するために、研究チームはAIを介入するために訓練し始めた。彼らの初期データベースは、Amazon Turkのワーカーにラベル付けされるために送信された。ヘイトスピーチの個々のインスタンスを識別した後、ワーカーは、AIが「ユーザーが将来同様のヘイトスピーチを投稿しないように阻止する」ために使用されるフレーズを作成した。それに基づいて、チームは「このデータセットと介入のデータベースをさまざまな機械学習と自然言語処理システムを通じて実行し、オンラインヘイトスピーチ介入AIのプロトタイプを作成した」という。結果は優れていたが、開発はまだ初期段階にあるため、システムはまだ活用する準備ができていない。説明によると、「システムは理論上、ヘイトスピーチを検出して投稿者に投稿しないように通知するはずである。これはキーワード検出だけに頼るのではなく、コンテキストを正しく理解する必要がある」という。
英国ジャーナル The Lancet Digital Health に掲載された専門家の研究によると、人工知能は医療画像に基づく診断を行う際に人間の専門家と同等のレベルに達したという。英国紙 The Guardian によると、「医療における人工知能の潜在能力は、リソースへの負担を軽減し、医師と患者のやり取りの時間を解放し、さらにはカスタマイズされた治療の開発を支援する」という。同紙は、2019年8月に英国政府が £250m の資金を新しいNHS人工知能研究所に提供することを発表したとも伝えている。研究チームは、dr Xioan Liu と prof Alastair Denniston をリーダーとして、2012年以降に発表された研究論文に焦点を当てた。彼らは、深層学習が可能になった2012年を転換点と見なし、医療画像の解釈における人工知能の使用について調査した。当時、「一連のラベル付き画像をアルゴリズムに与え、特徴を抽出して類似の画像を分類する方法が開発された。これにより、がんや 眼疾患 などの疾患の診断が可能になった」としている。初期の段階で、研究者は20,000件以上の関連研究を発見したが、人間の疾患に関するもので、高品質のデータを提供するものは14件のみであった。「深層学習システムを別のデータセットでテストし、同じ画像を人間の専門家に提示した」としている。14件の研究から得られた結果に基づいて、専門家チームは「深層学習システムは87%の確率で疾患を正しく検出し、91%の確率で正常を正しく判断した。一方、人間の専門家は86%の確率で疾患を検出し、91%の確率で正常を判断した」と結論付けた。研究について、prof Denniston は「結果は期待に応えたが、人工知能の周りの過熱した話題に対する現実的なチェックでもあった」と述べている。ただし、医療における人工知能の使用については楽観的であり、「深層学習システムは診断ツールとして機能し、スキャンと画像のバックログに対処するのに役立つ」と述べている。Dr. Liu も「専門家が画像を解釈することができない場所では、役立つ可能性がある」と述べている。大西洋の反対側では、医療における人工知能の使用に関連して、ミネソタ州の Mayo Clinic...
世界中の学校の子供たちにおけるいじめ、自己傷害、サイバーバーリングに関するデータは、危険なレベルに達している。Jun Wuによると、アメリカの教育統計センターと司法局によると、2017年には、12歳から18歳の学生の約20%がいじめを受けたことがある。 疾病対策センターによると、9〜12年生の学生の19%が、調査前の12ヶ月間に学校敷地内でいじめを受けたと報告している。さらに心配されるのは、学校の敷地を超えて広がるサイバーバーリングの増加である。Wuは「オンラインフォーラム、メール、ソーシャルメディアプラットフォームでの嫌がらせは、対面でのいじめよりも被害者の精神衛生に多大な被害を与えることがある。サイバーバーリングは、学校でのいじめのエスカレーションになることがある。一方、いじめはソーシャルメディアで始まり、教室にまで広がることがある。」オーストラリアでは、研究者们は「サイバープレデターが「Momo」という名前で子供たちに連絡し、自分自身を傷つけるように求めているという現象「Momo」について報告している。この現象は、学校全体に波紋を広げている。」いじめやうつによる自傷行為を防ぐために、人工知能開発者はこの広範な問題に対する解決策を模索している。SkyNewsによると、イギリスのいくつかの学校では、STEER社が開発したAIツール「AS Tracking」を使用し始めている。このツールは、150の学校で使用されており、2019年9月には5万人の児童生徒がオンライン心理テストを受ける予定である。説明によると、このテストでは、生徒に自分が安心できる空間を想像し、抽象的な質問（例：「誰かがあなたの空間に入ってくるのはどのくらい簡単ですか？」）を出す。生徒は「とても簡単」から「とても難しい」までのスケールでボタンをクリックして回答する。結果はSTEERに送られ、「教師のダッシュボードに注意が必要な生徒をフラグ付けする。」STEERの共同創設者であるJo Walker博士によると、「私たちのツールは、特定の段階で苦労している子供たちを強調し、教師にその子供の考え方を示している。」さらに、「このツールを導入して以来、自傷行為は20%減少した。」Wuの分析によると、Securlyは、「ウェブフィルタリング、サイバーバーリングの監視、自傷行為の警報を学校に提供するためにAIを使用している。学校は生徒にAppleデバイスやChromebookを発行し、サイバー活動を監視することができる。保護者も自宅のデバイスで子供たちのオンライン活動を監視するためのアプリを使用できる。」Barkは、AIを使用して、テキストメッセージ、YouTube、メール、24の異なるソーシャルネットワークを監視し、保護者に潜在的な安全上の懸念を警報する。」SN Technologies Corpは、さらに進んで、学校の監視カメラのビデオから「ブラックリスト」に入れた生徒を追跡するために、AIソリューションを使用している。オーストラリアでは、サイバーセキュリティスタートアップのSaasyan Assureは、教師が「Momo Challenge」動画を視聴している生徒を追跡するために、AIメソッドを開発した。Saasyan AssureのGreg Margossian氏は、「私たちは、クライアントのデータベースに「Momo」キーワードを追加するだけで十分だった。」と述べている。同社は、学校のすべてのデバイスに追加できるサブスクリプションソフトウェアを提供し、各生徒のコンピュータ使用履歴を生成し、教師にいじめや自傷行為の可能性など、リスクが発生した場合に通知する。
音楽における人工知能の応用は、数年前から増加してきている。 例えば、Kumba Sennaarによると、音楽業界におけるAIの現在の3つの応用は、音楽作曲、音楽ストリーミング、音楽の収益化にある。ここで、AIプラットフォームは、ユーザーの活動データに基づいてアーティストが音楽コンテンツを収益化するのを支援している。1957年に、Learn HillerとLeonard IssacsonがIlliac Iをプログラミングして、人工知能によって完全に書かれた最初の作品「Illiac Suite for String Quartet」を制作したことが始まりである。次に、60年後には、Taryn SouthernのアルバムがAmper Musicによって2017年に制作された。現在、Taryn SouthernはYouTubeで45万2000人以上の登録者を抱えており、アルバムの中の「Lovesick」という曲は4万5000人以上の視聴者によって視聴された。 しかし、それ以来、音楽分野におけるAIの応用はさらに洗練化され、分野も拡大してきている。Open AIは、MuseNetを作成しており、同社によると、「4分間の音楽作品を10種類の楽器で生成できる深層ニューラルネットワークであり、カントリーからモーツァルトまで、ビートルズまでの様々なスタイルを組み合わせることができる。MuseNetは、音楽についての私たちの理解を明示的にプログラミングするのではなく、数十万のMIDIファイルで次のトークンを予測することによって、調和、リズム、スタイルのパターンを発見することによって学習した。MuseNetは、GPT-2と同じ一般的な無監視技術を使用しており、GPT-2はオーディオやテキストのシーケンスで次のトークンを予測するためにトレーニングされた大規模なトランスフォーマーモデルである。」一方で、GeekWireを含む複数の情報源によると、ロンドンのゴールドスミス大学のコンピューターサイエンティスト兼ミュージシャンのMick Grierson博士が、アルゴリズムを使用して最もアイコニックな50曲のポップソングをリストアップするために、イタリアの自動車メーカーFIATに依頼された。彼の分析ソフトウェアは、「キー、1分間のビート数、コードの種類、歌詞の内容、音色の種類、音の変化」など、曲が注目される理由を決定するために使用された。彼の結果によると、パラメーターの組み合わせが最も優れていた曲は、Nirvanaの「Smells Like Teen Spirit」であり、U2の「One」やJohn Lennonの「Imagine」よりも上位であった。このNirvanaの曲は、FIATによって新型FIAT 500のプロモーションに使用された。Griersonは、アルゴリズムが「これらの曲で使用される音と組み合わせ方は、それぞれ非常にユニークである」と示した。別の応用例は、musicnnライブラリによって準備された。説明によると、musicnnは深層畳み込みニューラルネットワークを使用して、自動的に曲にタグを付ける。同封されているモデルは「ベストスコアを達成する」ものであり、musicnnの最も優れたモデルはオープンソースライブラリとしてリリースされている。このプロジェクトは、スペインのバルセロナにあるMusic Technology Group of the Universitat...