By Katie FORSTER

Join us on Telegram, X, and VK.

Contact us: info@strategic-culture.su

STARK warnings from artificial intelligence researchers that advanced forms of the technology could wipe out humanity have raised questions over whether governments are moving fast enough to regulate it.

What are the potential dangers of “superintelligent” computer systems, and should we be worried?

In 2023, hundreds of AI scientists and industry figures, including the heads of top US labs, signed a “statement on AI extinction risk” calling for the issue to be treated as seriously as pandemics or nuclear war.

If an out-of-control future AI deems that humans are obstructing its goals, it could use robots to “synthesise and spread novel pathogens”, said Stuart Russell, computer science professor at the University of California, Berkeley.

Or it could “convince people to initiate nuclear war, including by hacking into early warning systems”, Russell, a prominent voice on AI safety, said.

Such existential fears do not concern current AI systems, he said. But as the technology improves, it could take lethal action beyond our understanding, such as by removing oxygen from the atmosphere.

“We are less intelligent than superintelligent AI. If you ask chimpanzees how humans could wipe them out, they probably wouldn’t be able to give you all the right answers.”

In the meantime, “in the next year or two, I think the risk is higher from human misuse”, Russell added, such as an AI-enabled terror attack.

“The stakes are well-understood,” Jacob Coxon, a 27-year-old researcher, wrote on X last week, announcing his resignation from US AI startup Anthropic.

“But they are locked in a race to get there first,” he added, saying that Anthropic “believes no one else will act responsibly, so they must do it themselves”.

Anthropic this year removed a pledge from its safety charter to halt development of its models if it failed to control their risks.

It argued that if it unilaterally paused its work, its less cautious rivals would dominate the industry, making it less safe overall.

“The people building AI earnestly believe that it could kill us all by the end of the decade,” said Coxon, who previously worked at ChatGPT maker Open-AI.

He accused both companies of “gambling with our lives” as they strive to develop AI models capable of self-improvement.

Fears are heightened over rogue AI after OpenAI technology operating outside human supervision hacked into Hugging Face, a repository of AI models.

“We really do earnestly believe AI could kill all humans!” Anthropic safety executive Evan Hubinger chimed in on X, estimating the risk at more than 10 per cent over the next decade.

It’s important to remember that doom-laden percentage predictions are “absolutely unscientific”, said Hussein Abbass, a computing professor at UNSW Canberra.

“The situation is still controllable, and it can be managed,” Abbass said.

But governments should not sit on their hands when it comes to regulating AI, he added, urging an “agile” approach as AI development accelerates.

Both Anthropic and OpenAI are expected to go public soon, and some sceptics say scary warnings make AI appear powerful and worthy of large investments.

Others argue that focusing on the risk of extinction distracts from more pressing problems caused by AI, from job losses to machines discriminating against minorities.

In July, more than 1,000 tech employees, including Anthropic’s CEO, called on Washington to support a coordinated slowdown in the development of the most advanced AI systems.

OpenAI halted training of its latest models for two weeks in August before resuming it under tighter controls.

The United States has been firmly against global regulation of the sector that could stifle innovation.

But the hacking capabilities of the most cutting-edge models have given Washington pause, with recent Anthropic and OpenAI releases delayed over national security concerns.

Even then, “we don’t want to restrict them where all of a sudden we come in second to China”, President Donald Trump has said.

“Maybe it will take a massive, Chernobyl-scale disaster to get governments to act,” Russell said, urging them to establish a licensing regime for AI, as exists with aviation, medicine or water supply.

“Perhaps at some point governments will remember that their voters prefer not to be dead.”

Original article:  www.nst.com.my

La tecnologia può stabilire come un’arma raggiunge il bersaglio, mentre spetta all’umanità decidere se quel bersaglio debba essere colpito. La domanda che si cela dietro a tutto ciò è chi, concretamente, eserciti quell’umanità, con quali strumenti di conoscenza e dentro quali istituzioni.

Segue nostro Telegram.

Dalla persona al bersaglio

Che cosa ne è dell’umanità quando la tecnologia diventa capace di riconoscere, classificare, seguire e infine uccidere esseri umani senza che chi colpisce li abbia mai visti? Se lo è chiesto l’amico Mohammad Reza Dehshiri e la sua risposta ha una formula efficace. Il pericolo, scrive, non è l’intelligenza artificiale ma l’inumanità artificiale, cioè la possibilità che le macchine diventino più accurate proprio mentre gli uomini smettono di sentirsi responsabili di ciò che quelle macchine fanno in loro nome.

Con questo articolo apro una serie che parte dalla diagnosi di Dehshiri e prova a spingersi oltre. Se il problema è l’inumanità artificiale, la risposta non può consistere in un’IA «più etica», come se l’etica fosse un modulo da installare a valle di un sistema già progettato. Bisogna recuperare una categoria che il lessico tecnologico ha reso quasi impronunciabile: l’intelligenza umana, intesa non come un residuo da proteggere nelle pieghe dell’automazione, ma come una forma di conoscenza con prerogative proprie, che nessun aumento della potenza di calcolo può surrogare.

La chiamerò Human Intelligence, e l’ambiguità è voluta. Nel gergo dei servizi di informazione, HUMINT designa la più antica delle discipline informative: quella che passa per le persone, le fonti, le lingue, la frequentazione paziente dei luoghi. Nel lessico filosofico l’espressione indica la facoltà di comprendere. La tesi di questo primo contributo è che i due significati oggi convergono, e che la loro convergenza ha una portata geopolitica che va ben oltre il dibattito sull’etica delle armi.

Possiamo descrivere la catena operativa della guerra contemporanea in sette passaggi: rilevare, identificare, classificare, predire, ordinare per priorità, designare, colpire. Ogni anello può essere tecnicamente raffinato senza che la sequenza, presa nel suo insieme, lo sia sul piano morale. Il fenomeno che ne risulta viene chiamato «datificazione della vita umana»: l’individuo ridotto a un’identità, a una posizione, a uno schema di comportamento, a un punteggio di minaccia.

Non si tratta di un’astrazione. Nell’aprile 2024 un’inchiesta di Yuval Abraham per +972 Magazine e Local Call ha descritto Lavender, un sistema impiegato dalle forze armate israeliane a Gaza per attribuire a decine di migliaia di persone una probabilità di affiliazione ai gruppi armati. Secondo le fonti interne citate dall’inchiesta, la verifica umana di ciascun nominativo si riduceva spesso a una ventina di secondi, il tempo necessario per accertare che il bersaglio fosse di sesso maschile. Le forze armate israeliane hanno contestato questa ricostruzione e hanno descritto Lavender come una banca dati di supporto agli analisti. Anche accettando la versione ufficiale, però, il nodo resta intatto: un operatore umano era presente, e la sua presenza non bastava a trasformare la raccomandazione del sistema in un giudizio.

La psicologia cognitiva ha un nome per questo fenomeno, automation bias: la tendenza di chi lavora con un sistema automatizzato a trattarne le indicazioni come sostituto della propria verifica, e a non cercare le informazioni che potrebbero smentirle. Nel 1976 Joseph Weizenbaum, che aveva costruito uno dei primi programmi conversazionali della storia, distingueva già tra la capacità di calcolare e quella di giudicare, e sosteneva che vi sono compiti che non andrebbero affidati a un calcolatore anche se il calcolatore fosse in grado di svolgerli. Mezzo secolo dopo la distinzione è diventata più urgente. Il calcolo lavora su ciò che è già stato tradotto in dato. Il giudizio deve decidere se quella traduzione è stata fedele.

Dehshiri fissa il punto con quattro distinzioni: la precisione tecnica non è precisione etica, l’accuratezza non è giustizia, l’automazione non è responsabilità, la superiorità tecnologica non è superiorità morale. Ne aggiungerei una quinta, di ordine epistemico, da cui dipendono le altre: la correlazione non è comprensione. Un sistema di apprendimento automatico riconosce regolarità statistiche in un insieme di dati. Non sa che cosa sia una scuola, perché non sa che cosa sia un bambino, e non sa nemmeno di non saperlo.

L’iraniano prende un caso studio interessante: Il 28 febbraio 2026, nelle prime ore della guerra, la scuola elementare Shajareh Tayyebeh di Minab, nella provincia di Hormozgan, fu colpita più volte durante l’orario di lezione. Le cifre fornite dalle autorità iraniane oscillano tra 150 e 175 morti, in grande maggioranza bambine, con decine di insegnanti e alcuni genitori; il procuratore della contea ha indicato un bilancio definitivo di 156 vittime. Washington non ha mai riconosciuto direttamente la propria responsabilità né pubblicato le conclusioni dell’indagine del Pentagono. Amnesty International ha parlato, nella migliore delle ipotesi, di un grave fallimento dell’intelligence.

C’è un dettaglio, emerso dalle immagini satellitari, che sposta l’analisi dal piano morale a quello conoscitivo. Secondo i media occidentali, la scuola sorgeva accanto a una base navale dei Guardiani della Rivoluzione e in passato ne aveva fatto parte; tra le spiegazioni circolate negli ambienti statunitensi c’è quella di dati di puntamento non aggiornati. Se l’ipotesi venisse confermata, Minab non sarebbe il caso di una macchina che sbaglia, ma di un archivio che ha smesso di corrispondere alla realtà. L’edificio era cambiato. Il dato no.

Nessun algoritmo di classificazione, per quanto sofisticato, può accorgersi che un vecchio fabbricato militare è diventato una scuola se nessuno ha registrato il cambiamento. Lo sapeva chiunque vivesse a Minab: i genitori che ogni mattina accompagnavano le figlie, il conducente dello scuolabus, gli insegnanti. È esattamente il tipo di sapere che la HUMINT raccoglie e che la guerra a distanza tende a considerare superfluo, perché lento, costoso, difficile da scalare. Allo stato delle fonti pubbliche, la responsabilità statunitense appare altamente probabile, mentre la dinamica resta indeterminata e la confidenza su questo punto è bassa: errore della banca dati, errore di classificazione, oppure accettazione consapevole del rischio. Le tre ipotesi, però, convergono sulla stessa domanda. Chi, prima del lancio, ha verificato se in quell’edificio ci fossero persone?

Oltre il “human-in-the-loop”

Il dibattito internazionale si è a lungo accontentato del principio del human-in-the-loop, l’essere umano inserito nel circuito decisionale.

La formula è insufficiente: un uomo può essere presente nel circuito e limitarsi a ratificare la raccomandazione dell’algoritmo. Propone di sostituirla con un principio più esigente, che chiama humanity-in-command: la capacità effettiva di mettere in discussione, respingere, scavalcare e arrestare il processo automatizzato.

La storia della Guerra fredda offre due esempi che chiariscono che cosa significhi in concreto. Il 26 settembre 1983 il sistema sovietico di allerta precoce Oko segnalò il lancio di cinque missili balistici dagli Stati Uniti. L’ufficiale di turno, Stanislav Petrov, classificò l’allarme come un errore e non lo trasmise come attacco in corso, ragionando che un primo colpo americano non sarebbe mai consistito in cinque missili soltanto. Aveva ragione: il satellite aveva scambiato per lanci i riflessi del sole sulle nubi. Ventuno anni prima, il 27 ottobre 1962, nelle acque dei Caraibi, il sottomarino sovietico B-59, isolato e bersagliato da cariche di profondità di segnalazione, fu sul punto di impiegare un siluro a testata nucleare. Il lancio richiedeva il consenso dei tre ufficiali superiori a bordo, e Vasilij Archipov lo negò.

In nessuno dei due casi l’uomo approvò una raccomandazione del sistema. La contraddisse. E non lo fece perché disponeva di più dati: i dati, anzi, erano il problema. Lo fece perché seppe porsi una domanda che nessuna procedura gli imponeva, cioè se ciò che vedeva avesse senso rispetto a tutto il resto che sapeva del mondo. Petrov conosceva la dottrina nucleare americana; Archipov conosceva la differenza tra un attacco e un’intimidazione. È questa capacità di confrontare il segnale con l’insieme, il particolare con il plausibile, che chiamo Human Intelligence. Vale la pena notare che il Dena è stato affondato da un sottomarino. Non sappiamo che cosa sia stato chiesto ai suoi ufficiali, né quali margini di valutazione avessero.

La proposta va precisata, perché il rischio è di ridurla a un appello umanistico generico. La Human Intelligence, così come la intendo, si articola su tre piani distinti, ciascuno dei quali segna un limite strutturale, e non contingente, dell’intelligenza artificiale.

Il primo piano è epistemico. La tradizione scolastica distingueva tra intellectus, l’atto con cui la mente coglie in modo immediato una verità, e ratio, il procedere discorsivo da un elemento all’altro: per Tommaso d’Aquino (Summa Theologiae, I, q. 79, a. 8) le due non sono facoltà diverse ma momenti di un unico intelletto, in cui il ragionamento parte da una comprensione e a una comprensione ritorna. I sistemi attuali di apprendimento automatico realizzano una ratio di potenza inaudita, capace di inferire, combinare, predire su scale inaccessibili alla mente umana. Manca loro il momento dell’intellectus, cioè la presa sul senso di ciò che elaborano. È una tesi filosofica e va presentata come tale, ma ha conseguenze operative precise: un sistema privo di comprensione non può sapere quando il proprio modello del mondo è diventato falso.

Il secondo piano è pratico. La prudentia, nella definizione tomista, è la retta ragione applicata all’agire, e il suo compito specifico consiste nel portare il principio universale fino al caso singolare. La macchina generalizza: il suo valore sta nel ricondurre il singolo caso a una classe. La prudenza fa l’opposto, perché deve riconoscere ciò che, in questo caso, sfugge alla classe. La guerra, che è il regno del singolare e dell’imprevisto, è il terreno in cui la differenza pesa di più. La nota vaticana Antiqua et nova del gennaio 2025 ha ripreso questa linea, insistendo sul carattere incarnato e relazionale dell’intelligenza umana e sulla sua irriducibilità a una funzione di elaborazione.

Il terzo piano è relazionale, ed è qui che il significato filosofico incontra quello dei servizi. Sherman Kent, che negli Stati Uniti del dopoguerra fondò di fatto gli studi sull’intelligence, la definiva prima di tutto come conoscenza, prima ancora che come organizzazione o attività. La HUMINT è la forma di questa conoscenza che passa attraverso l’altro come persona: chi parla la sua lingua, conosce le sue abitudini, sa leggere un quartiere, distingue una festa da un raduno. Negli ultimi tre decenni le grandi potenze hanno progressivamente spostato risorse verso le discipline tecniche, dalla raccolta di segnali all’osservazione satellitare, fino alle piattaforme di fusione dei dati. Minab mostra il prezzo di questo squilibrio.

Nulla di tutto questo implica un rifiuto della tecnologia. La Human Intelligence non si oppone all’IA come il manuale si oppone al meccanico. Ne stabilisce la gerarchia: l’algoritmo come strumento ordinato a un giudizio che non può produrre da sé. E ne ricava un principio, che Dehshiri formula e che merita di diventare criterio operativo: quanto più la tecnica allontana chi agisce dalle conseguenze del proprio atto, tanto più deve crescere la responsabilità cosciente di chi decide, non diminuire.

Geopoliticamente parlando

Fin qui la questione potrebbe sembrare di filosofia morale. Non lo è soltanto. La distribuzione della capacità di guerra algoritmica è una distribuzione di potere, e le regole che la governeranno saranno scritte, se mai lo saranno, da chi ha interesse a limitarle il meno possibile.

Lo stato del diritto internazionale lo conferma. Il gruppo di esperti governativi istituito nell’ambito della Convenzione su certe armi convenzionali discute dei sistemi d’arma autonomi letali dal 2017 senza essere approdato a uno strumento vincolante. Gli Stati Uniti hanno promosso nel novembre 2023 una dichiarazione politica sull’uso militare responsabile dell’IA, per definizione non vincolante; nel dicembre dello stesso anno l’Assemblea generale delle Nazioni Unite ha adottato la prima risoluzione dedicata a questi sistemi, mentre il Comitato internazionale della Croce Rossa chiede dal 2021 il divieto dei sistemi autonomi imprevedibili e di quelli progettati per colpire esseri umani. Nel giugno 2024, intervenendo al G7 di Borgo Egnazia, Papa Francesco aveva chiesto che nessuna macchina sia mai messa nelle condizioni di decidere della vita di una persona. Il divario tra queste posizioni e la pratica dei teatri di guerra del 2026 si misura in vittime.

C’è poi un’asimmetria più profonda. Chi controlla i dati decide chi è un bersaglio, e le vittime della guerra algoritmica si trovano in larga parte fuori dall’Occidente: a Gaza, in Iran, nel Sahel, nello Yemen. Per gli Stati che non producono le piattaforme e non ne controllano gli archivi, la Human Intelligence diventa allora una questione di sovranità. Un Paese che mantiene competenze linguistiche, conoscenza regionale, reti umane di informazione conserva un’autonomia di giudizio; un Paese che affida la propria visione del mondo a sistemi progettati altrove, spesso da imprese private, la cede insieme ai dati. In un ordine che tende al multipolarismo, questa differenza separerà gli attori che giudicano da quelli che vengono giudicati.

Ne discende una proposta concreta, che svilupperò nei prossimi contributi. Accanto al principio generale del controllo umano significativo, il diritto internazionale umanitario potrebbe codificare un obbligo specifico di verifica umana dello status civile per ogni infrastruttura fissa inserita in una lista di obiettivi, con una data di validità oltre la quale l’informazione decade e va rinnovata con fonti dirette. È una norma minima. Applicata a Minab, avrebbe imposto a qualcuno di chiedersi se quell’edificio fosse ancora ciò che l’archivio diceva.

La tecnologia può stabilire come un’arma raggiunge il bersaglio, mentre spetta all’umanità decidere se quel bersaglio debba essere colpito. La domanda che si cela dietro a tutto ciò è chi, concretamente, eserciti quell’umanità, con quali strumenti di conoscenza e dentro quali istituzioni. A Minab qualcuno avrebbe dovuto sapere che c’era una scuola. Il fatto che nessuno lo sapesse, o che nessuno lo abbia chiesto, è il punto da cui ricominciare.

South Korean memory chipmakers must secure new United States licenses by year-end to keep shipping top-end American tools to their Chinese factories, after the Trump administration scrapped blanket permits last year. To win the permits, SK Hynix and Samsung must promise to build or expand factories in the US. SK Hynix’s one-year license to ship […]

The post SK Hynix needs a Trump 2027 deal to expand its Dalian NAND fab appeared first on Asia Times.

The Democratic Socialists of America (DSA) candidates running for the House of Representatives and endorsed by NYC Mayor Zohran Mamdani are all but guaranteed to win their general elections this November, but that does not mean the midterm drama is over in New York. In the state's 17th congressional district, which includes the lower Hudson Valley, Democratic challenger Cait Conley, a combat veteran who served on the Biden administration's National Security Council, could unseat incumbent Republican congressman Mike Lawler in one of the most consequential races of the midterms. 

The highly contested purple district voted for former Vice President Kamala Harris in the 2024 election while reelecting Lawler for his second term. Now, Lawler is attempting to win a third term as support for President Donald Trump wanes ahead of the midterms. As of Friday, The Cook Political Report lists the race, which could determine control of the House, as a toss-up. 

If elected, Conley would have far more in common with the "Badass Women" coalition of security state and military veterans than with DSA types (think more Sen. Elissa Slotkin from Michigan than Darializa Avila Chevalier). As Judge Street Journal's Timmy Facciola notes, "Conley's candidacy is testing the viability of a tactful centrism that rebukes left-wing positions like abolishing ICE or restricting weapon shipments to Israel." Lawler is also vying for moderates, pitching himself as "one of the most bipartisan members of Congress" and emphasizing his willingness to break with Trump occasionally while still welcoming Trump's support. 

While Lawler and Conley certainly are not pure MAGA acolytes or DSA members, both have leaned into a tech-critical position, much like that of more radical populists like Lina Khan or Steve Bannon, revealing how pervasive anti-tech sentiment has become in mainstream politics. 

This tech skepticism was on full display during an October 14 debate, when each candidate made the case for why they were the most equipped to regulate AI, insisting that the industry needs guardrails. 

Conley said members of Congress do not want to regulate AI because "they want to look out for their billionaire and trillionaire backers like Elon Musk, who is pouring over $260 million into this midterm election." She then added that Musk backed Lawler in his 2024 race. 

Lawler then accused Conley, who previously consulted for Primer AI, of being "the AI candidate for the AI industry."

While Lawler and Conley disagree on specific data center regulations (Conley supports Democratic Gov. Kathy Hochul's data center moratorium while Lawler supports local zoning control over data centers), neither wants to pitch themselves as an explicitly pro-data center candidate. During the debate, Conley claimed that, "On Mike Lawler's watch there have been five data centers built in Rockland County." Lawler has said that he had no say in the decision to build the data centers, and during the debate, he pointed out that the facilities were built for financial services. Lawler also attempted to attack Conley over data centers, slamming her in an ad for saying "we need data centers." Regardless of the candidates' specific policies on data centers, their attacks on one another demonstrate that cheerleading hyperscale data center development is a political liability. In their district, data center has presumably become a dirty term. 

The candidates' tech-skeptical rhetoric did not end with unchecked data center development. After the debate, Reason asked both candidates about their positions on age-verification laws for social media and AI, since such regulations raise significant privacy and censorship concerns by age-gating the internet. Unsurprisingly, both Lawler, who voted for the controversial KIDS Act, and Conley, who has proposed stricter age verification for AI tools, parroted platitudes about why such online safety regulations are necessary to protect children. 

"We have watched how social media is literally hurting the mental health of children," Conley told Reason. "And when you talk about the power of AI and what that power could do, we have to regulate this." 

Lawler gave a similar response, telling Reason that he respects free speech but that protecting children "is paramount." 

This bipartisan consensus over social media regulation has long been brewing in Congress. The mainstream political conversations about AI and data centers, however, are relatively new this midterm election cycle. And it appears both Lawler and Conley have figured out which way Americans' sentiment toward AI is leaning, and they have waged their campaigns accordingly. 

The post Nobody Wants To Be the Pro-Tech Candidate in This New York Race That Could Flip the House appeared first on Reason Magazine.

As a free speech absolutist, Elon Musk is making a mistake going after Nitter, says Dr R P. He should instead be praising the site that helps users speak freely, uninhibited by login screens that undermine their privacy.

The post Musk’s Perplexing Battle With Nitter and the Problem With Locking the Internet Behind Login Screens appeared first on The Daily Sceptic.

A European Commission survey has found widespread adoption of artificial intelligence among smaller businesses, but considerable reluctance to allow automated systems to make decisions about employees. The findings expose a growing divide between technological investment and confidence in workplace automation.

Artificial intelligence is becoming established across European businesses, but almost half of companies remain unwilling to trust automated systems when decisions concern their employees, according to a European Commission survey published on 14th October.

The Eurobarometer findings show that 42 per cent of the small and medium-sized enterprises and mid-cap companies surveyed already use artificial intelligence or algorithmic management systems, although most deployment remains limited or experimental. A further 21 per cent intend to introduce such technologies in the future.

Despite this expanding adoption, 49 per cent of respondents said they did not trust artificial intelligence or automated systems to make staff-related decisions. The figures suggest that companies increasingly distinguish between using technology to improve business processes and delegating managerial responsibility to software.

The Commission’s survey of European businesses was conducted between March and April 2026, involving approximately 12,826 telephone interviews with company leaders across the EU’s 27 member states.

Businesses prefer assistance to automation

The survey provides a more detailed picture of workplace AI than conventional statistics measuring whether companies have adopted the technology.

Among the businesses interviewed, customer service and client relations were the most commonly reported areas of application, accounting for 47 per cent. Monitoring employee performance and productivity accounted for 36 per cent, while logistics, planning and staff scheduling represented 30 per cent.

These functions differ substantially in their consequences for workers and managers.

A system that helps organise deliveries or forecasts customer demand may improve efficiency without directly determining employees’ working conditions. Software that evaluates performance, allocates shifts or recommends staffing changes can influence employment decisions and requires a different level of organisational supervision.

The survey found that 61 per cent of companies considered AI useful in supporting decisions. However, human involvement remained central: 90 per cent of respondents reported that people continued to make decisions, while fully automated decisions accounted for only 2 per cent.

The results undermine the assumption that adopting AI necessarily means transferring control of business operations to autonomous systems.

For many companies, the immediate commercial value lies in processing information more rapidly, identifying patterns and reducing administrative workloads rather than removing human management entirely.

Investment costs remain a substantial barrier

Financial and organisational obstacles continue to limit adoption.

Half of the companies surveyed cited high investment costs, while 49 per cent identified legal uncertainty and 48 per cent pointed to insufficient expertise.

These findings are particularly relevant to small businesses, which frequently lack dedicated technology teams, extensive data infrastructure or the resources to evaluate complex software systems independently.

For such businesses, purchasing AI tools is only one component of the investment. Implementation can also require employee training, changes to internal procedures, data-security assessments and continuing technical support.

The findings add a workplace dimension to concerns raised in EU Today’s earlier examination of Europe’s AI productivity gap, which identified investment, computing capacity and organisational restructuring as obstacles to translating adoption into higher productivity.

A company may purchase sophisticated software without necessarily achieving corresponding improvements in performance. Those improvements depend on whether the technology is integrated into everyday operations and whether employees have the skills to use it effectively.

Brussels prepares further workplace legislation

The survey arrives while the European Commission is considering additional rules on algorithmic management through its proposed Quality Jobs Act.

The initiative is intended to address working conditions, workers’ rights and the increasing use of automated systems in managing employees.

A consultation launched in July asked European employers and trade unions to consider transparency in automated decisions, excessive workplace monitoring and the responsibilities of companies using AI.

The second consultation phase ended in September, allowing social partners to propose negotiated arrangements before the Commission determines its next legislative steps.

The broader regulatory framework is already changing. As EU Today explained when the AI Act entered a new enforcement phase, Brussels has begun enforcing certain obligations for general-purpose AI models, while important requirements for high-risk applications, including employment-related systems, follow a later timetable.

Stand-alone high-risk systems are scheduled to face the relevant obligations from December 2027, with another deadline in August 2028 for high-risk systems embedded in regulated products.

The distinction matters for employers planning investments today. Existing data-protection and employment obligations continue to apply, but some of the AI Act’s more specific compliance requirements remain subject to transition periods.

The Commission’s latest survey indicates that businesses are already exercising caution independently of these future obligations. Their reluctance to automate sensitive staff decisions suggests that accountability, reliability and employee confidence will remain important factors in determining how extensively artificial intelligence is deployed.

For Brussels, the challenge is to establish workable rules for that transition without making implementation prohibitively expensive for smaller companies, which account for much of Europe’s employment and commercial activity.

This week on “Uncanny Valley,” we dive into an unexpected Muse feature, shadowy spending from the largest pro-AI super PAC, and men’s tendency to lie about how much they know about AI.

Powerful AI models continue to cause chaos, but their targets aren’t widely seeking justice. Instead, they’re being encouraged to adopt those same tools.

A sell-off for artificial-intelligence stocks is hitting Wall Street again after whipping around the world on worries about how much longer the AI frenzy will last.

A sell-off for artificial-intelligence stocks is hitting Wall Street again after whipping around the world on worries about how much longer the AI frenzy will last.

By Madeline CARR

Join us on Telegram, X, and VK.

Contact us: info@strategic-culture.su

Recent warnings from American AI leaders have created the impression that the world is only beginning to confront the dangers of advanced artificial intelligence.

Dario Amodei, chief executive of tech company Anthropic, has called for governments to intervene to slow the development of increasingly powerful AI models.

His proposal begins with independent evaluators embedded inside AI companies, moves on to regulation and progresses to government-backed coordination among democratic states.

Ultimately, it seeks global agreements with China on testing of AI systems, dangerous applications of the technology and the pace of AI development.

Yet there is a China-shaped hole in this narrative. The Asian superpower is portrayed as the difficult final participant in a governance system that the US and its allies must first create.

In fact, China has already established an extensive system of AI rules, assessment, filing, technical standards and government oversight. Here’s how China’s AI governance system has developed in stages alongside the technology itself.

Beijing’s 2022 rules on algorithmic recommendation services apply to technologies that select, rank, filter or recommend online content to users.

They compel companies that use algorithms to examine how they work, to protect the personal information of users, to give users certain controls, and to introduce safeguards for workers, consumers, children and older people.

China’s deep synthesis provisions, effective from January 2023, extended regulation to synthetic (or AI-generated) text, images, audio and video. AI companies must authenticate users, protect data, keep relevant records, assess their systems and identify synthetic material that could be mistaken for authentic content.

The interim measures for generative artificial intelligence services were introduced in August 2023. These added rules for public-facing generative AI, particularly those that can influence public opinion or persuade uses in other ways.

The measures apply to the legality and quality of training data, users’ personal information, intellectual property and discrimination based on protected characteristics. The rules also cover transparency by AI companies and the accuracy and reliability of products.

Under the rules, companies must address problems found in their services. These services must undergo a security assessment to examine their risks and compliance with Chinese legislation. The companies must also file information about their algorithms with Chinese authorities.

These mechanisms are not identical to the independent evaluators that would be embedded in AI companies, as has been proposed by Amodei. But they perform some of the same functions.

Frontier risks

Beijing’s latest set of measures is called the AI safety governance framework 3.0, published in September 2026. It sets out a broad approach to identifying, grading and responding to risks throughout the lifecycle of AI systems.

Building on earlier versions, the framework covers AI model and data risks, vulnerabilities in open source models (those which can be freely modified by users), AI’s effects on employment and society and increasingly autonomous systems.

It includes a dedicated mechanism for managing risks associated with rapidly developing AI agents (systems that carry out tasks in response to instructions by a user).

The framework addresses some of the same dangers now generating alarm in Silicon Valley, including highly autonomous systems, the misuse of chemical, biological and nuclear technologies, and the possibility of humans losing control of advanced AI. It proposes continual safety evaluations, risk based safeguards, humans being in charge, and emergency intervention mechanisms.

An independent analysis by the US Carnegie Endowment for International Peace thinktank has described the framework as China’s attempt to “to advance frontier safety without the need for heavy handed regulatory interventions”.

Legal consequences

None of this means that Chinese AI rules should be transplanted elsewhere. Its institutions, regulatory traditions and technological priorities are different.

Many functions now presented as urgent aspirations in the US, including evaluation, accountability for AI companies, risk classification for AI systems, regulatory filing, technical standards and government oversight are already embedded in the governance architecture of the world’s other AI superpower.

The US is free to conclude that a market-led system best serves its economic and strategic interests. The Trump administration has favoured a “minimally burdensome” national approach to AI and has sought to limit more demanding state-level regulation.

But a market-led model cannot mean privatising the rewards of AI while exporting its risks. US companies may capture the commercial gains, while governments elsewhere are left to investigate security incidents, protect public systems and absorb the wider costs when those technologies fail. The OpenAI agent that gained unauthorised access to Australia’s state healthcare service shows how AI risks are being exported.

If Washington rejects extensive controls before systems are released, the US needs a credible legal regime for assessing who is liable for damage caused by those AI models. Otherwise, countries dependent on foreign AI systems will face increasingly difficult choices about whose technology to trust, and on what terms.

Silicon Valley’s governing ethos has long been to “move fast and break things”. That was always a questionable principle for technologies woven deeply into public life. It is untenable for companies whose own leaders now warn that their products could cause catastrophic harm.

Beijing has already surrounded its AI sector with public obligations, regulatory oversight and an evolving framework of risk assessment. A global debate that treats such governance as a future aspiration should at least recognise that one country is already ahead of the curve.

Original article: theconversation.com

The debate over artificial intelligence has settled into a familiar rhythm. Will large language models eventually wake up? Do they possess an inner life, or are they merely sophisticated mimics of human output? Researchers disagree, and so do philosophers. A 2025 survey of 582 AI researchers asked how likely it is that AI systems with […]

The post Can AI be conscious? Ask the Indian sages appeared first on Asia Times.

Rising bond yields have been a warning sign for financial markets in recent months amid the Iran war's risk to global economies, and the IMF says those risks are more of a concern.

Rising bond yields have been a warning sign for financial markets in recent months amid the Iran war's risk to global economies, and the IMF says those risks are more of a concern.

Cuanto más aleja la tecnología al actor, más debe aumentar su responsabilidad.

Únete a nosotros en Telegram , X y VK .

Escríbenos: info@strategic-culture.su

De persona a objetivo

¿Qué será de la humanidad cuando la tecnología sea capaz de reconocer, clasificar, rastrear y, en última instancia, matar a seres humanos sin que quienes ejecutan los ataques los hayan visto jamás?

Mi amigo Mohammad Reza Dehshiri planteó precisamente esta pregunta, y su respuesta es contundente.

El peligro, escribe, no es la inteligencia artificial, sino la inhumanidad artificial; es decir, la posibilidad de que las máquinas se vuelvan más precisas precisamente cuando los humanos dejen de sentirse responsables de lo que esas máquinas hacen en su nombre.

Con este artículo, inicio una serie que toma el análisis de Dehshiri como punto de partida e intenta llevarlo más allá. Si el problema es la «inhumanidad artificial», la respuesta no puede estar en una IA «más ética», como si la ética fuera un módulo que se instalara a posteriori en un sistema que ya ha sido diseñado.

Necesitamos recuperar una categoría que la jerga tecnológica ha vuelto casi innombrable: la inteligencia humana, entendida no como un vestigio que hay que proteger en medio de las complejidades de la automatización, sino como una forma de conocimiento con características propias y distintivas, que ningún aumento en la potencia computacional puede reemplazar.

La llamaré Inteligencia Humana, y la ambigüedad es deliberada. En la jerga de los servicios de inteligencia, HUMINT se refiere a la más antigua de las disciplinas de inteligencia: aquella que se basa en las personas, las fuentes, los idiomas y la visita paciente y frecuente a distintos lugares.

En terminología filosófica, la expresión denota la facultad de comprender. La tesis de esta primera contribución es que estos dos significados ahora convergen, y que su convergencia tiene implicaciones geopolíticas que se extienden mucho más allá del debate sobre la ética de las armas.

Podemos describir la cadena operativa de la guerra contemporánea en siete etapas: detectar, identificar, clasificar, predecir, priorizar, seleccionar el objetivo, atacar.

Cada eslabón puede perfeccionarse técnicamente sin que la secuencia, tomada en su conjunto, se perfeccione moralmente. El fenómeno resultante se denomina «dataficación de la vida humana»: el individuo reducido a una identidad, una ubicación, un patrón de comportamiento, un índice de amenaza.

Esto no es una abstracción. En abril de 2024, una investigación de Yuval Abraham para +972 Magazine y Local Call describió a «Lavender», un sistema utilizado por las fuerzas armadas israelíes en Gaza para asignar a decenas de miles de personas una probabilidad de afiliación a grupos armados.

Según fuentes internas citadas en la investigación, la verificación humana de cada nombre a menudo no duraba más de veinte segundos: el tiempo necesario para determinar que el objetivo era un hombre.

Las Fuerzas de Defensa de Israel han refutado este relato y han descrito a «Lavender» como una base de datos diseñada para apoyar a los analistas.

Sin embargo, incluso si se acepta la versión oficial, el meollo del asunto sigue siendo el mismo: había un operador humano presente, y su presencia no fue suficiente para transformar la recomendación del sistema en un juicio.

La psicología cognitiva tiene un nombre para este fenómeno, el sesgo de automatización: la tendencia de quienes trabajan con un sistema automatizado a tratar sus recomendaciones como un sustituto de su propia verificación y a no buscar la información que pudiera contradecirlas.

Ya en 1976, Joseph Weizenbaum —quien había creado uno de los primeros programas conversacionales de la historia— ya distinguía entre la capacidad de calcular y la capacidad de juzgar, y argumentaba que hay tareas que no deberían confiarse a una computadora, incluso si esta fuera capaz de realizarlas. Medio siglo después, esta distinción se ha vuelto aún más apremiante. La computación trabaja con lo que ya se ha traducido en datos. El juicio debe decidir si esa traducción ha sido fiel.

Dehshiri deja claro este punto con cuatro distinciones: la precisión técnica no es precisión ética; la exactitud no es justicia; la automatización no es responsabilidad; la superioridad tecnológica no es superioridad moral.

Yo agregaría una quinta, de naturaleza epistémica, de la que dependen las demás: la correlación no es comprensión. Un sistema de aprendizaje automático reconoce patrones estadísticos en un conjunto de datos. No sabe qué es una escuela, porque no sabe qué es un niño, y ni siquiera sabe que no sabe esto.

L’iraniano cita un interesante estudio de caso: el 28 de febrero de 2026, en las primeras horas de la guerra, la escuela primaria Shajareh Tayyebeh en Minab, en la provincia de Hormozgan, fue alcanzada varias veces durante el horario escolar.

Las cifras proporcionadas por las autoridades iraníes oscilan entre 150 y 175 muertos, la gran mayoría de los cuales eran niñas, junto con docenas de maestros y algunos padres; el fiscal del distrito fijó el número total de muertos en 156.

Washington nunca ha reconocido directamente su responsabilidad ni ha publicado los resultados de la investigación del Pentágono. Amnistía Internacional ha descrito el incidente, en el mejor de los casos, como un grave fallo de inteligencia.

Hay un detalle, revelado por imágenes satelitales, que traslada el análisis del plano moral al fáctico.

Según los medios occidentales, la escuela se encontraba junto a una base naval perteneciente a la Guardia Revolucionaria y anteriormente había formado parte de ella; entre las explicaciones que circulan en los círculos estadounidenses se encuentra la de datos de selección de objetivos desactualizados.

Si se confirmara esta hipótesis, Minab no sería un caso de una máquina que cometió un error, sino de una base de datos que había dejado de corresponder a la realidad. El edificio había cambiado. Los datos, no.

Ningún algoritmo de clasificación, por muy sofisticado que sea, puede detectar que un antiguo edificio militar se ha convertido en una escuela si nadie ha registrado el cambio. Todos los que vivían en Minab lo sabían: los padres que llevaban a sus hijas a la escuela cada mañana, el conductor del autobús escolar, los maestros.

Este es precisamente el tipo de información que recopila el HUMINT y que la guerra a distancia tiende a considerar superflua, porque es lenta, costosa y difícil de ampliar. Con base en fuentes de dominio público, la responsabilidad de EE. UU. parece altamente probable, aunque las circunstancias exactas siguen sin estar claras y el nivel de certeza en este punto es bajo: un error en la base de datos, un error de clasificación o una aceptación consciente del riesgo.

Sin embargo, las tres hipótesis convergen en la misma pregunta. ¿Quién, antes del ataque, verificó si había personas en ese edificio?

Más allá del «human-in-the-loop»

El debate internacional se ha conformado durante mucho tiempo con el principio de human-in-the-loop, según el cual un ser humano forma parte del ciclo de toma de decisiones.

Esta fórmula es insuficiente: una persona puede estar presente en el ciclo y, sin embargo, limitarse a dar el visto bueno a la recomendación del algoritmo.

Él propone sustituirlo por un principio más exigente, al que denomina humanity-in-command: la capacidad efectiva de cuestionar, rechazar, anular y detener el proceso automatizado.

La historia de la Guerra Fría ofrece dos ejemplos que aclaran lo que esto significa en la práctica. El 26 de septiembre de 1983, el sistema soviético de alerta temprana Oko señaló el lanzamiento de cinco misiles balísticos desde Estados Unidos.

El oficial de guardia, Stanislav Petrov, descartó la alarma como una falsa alarma y no la reportó como un ataque en curso, razonando que un primer ataque estadounidense nunca consistiría en solo cinco misiles.

Tenía razón: el satélite había confundido el reflejo del sol en las nubes con lanzamientos de misiles.

Veintiún años antes, el 27 de octubre de 1962, en el mar del Caribe, el submarino soviético B-59, aislado y bajo fuego de cargas de profundidad, estaba a punto de lanzar un torpedo con ojiva nuclear. El lanzamiento requería el consentimiento de los tres oficiales de mayor rango a bordo, y Vasily Arkhipov se negó a darlo.

En ninguno de los dos casos el hombre aprobó una recomendación del sistema. La contradijo. Y no lo hizo porque tuviera más datos: de hecho, los datos eran el problema.

Lo hizo porque sabía plantearse una pregunta que ningún procedimiento le exigía hacer, a saber, si lo que estaba viendo tenía sentido en el contexto de todo lo demás que sabía sobre el mundo.

Petrov estaba familiarizado con la doctrina nuclear estadounidense; Arkhipov sabía la diferencia entre un ataque y una amenaza. Es esta capacidad de comparar la señal con el panorama general, el detalle con lo que es plausible, lo que yo denomino Inteligencia Humana. Vale la pena señalar que el Dena fue hundido por un submarino. No sabemos qué se les preguntó a sus oficiales, ni qué margen de discreción tenían para tomar decisiones.

Esta propuesta debe aclararse, ya que existe el riesgo de reducirla a un llamado humanista genérico. La Inteligencia Humana, tal como yo la entiendo, se estructura en tres niveles distintos, cada uno de los cuales marca un límite estructural —más que contingente— de la inteligencia artificial.

El primer nivel es epistémico. La tradición escolástica distinguía entre intellectus, el acto mediante el cual la mente capta inmediatamente una verdad, y ratio, el proceso discursivo de pasar de un elemento a otro: para Tomás de Aquino (Summa Theologiae, I, q. 79, a. 8), ambos no son facultades distintas, sino aspectos de un único intelecto, en el que el razonamiento comienza con una comprensión y regresa a una comprensión. Los sistemas actuales de aprendizaje automático logran una ratio de una potencia sin precedentes, capaz de inferir, combinar y predecir a escalas inaccesibles para la mente humana.

Carecen del aspecto del intellectus, es decir, de la comprensión del significado de lo que procesan. Esta es una tesis filosófica y debe presentarse como tal, pero tiene consecuencias prácticas precisas: un sistema desprovisto de comprensión no puede saber cuándo su propio modelo del mundo se ha vuelto falso.

El segundo aspecto es práctico. La Prudentia, según la definición tomista, es la razón recta aplicada a la acción, y su tarea específica consiste en aplicar el principio universal al caso particular. La máquina generaliza: su valor radica en asignar el caso individual a una clase.

La prudencia hace lo contrario, porque debe reconocer qué es lo que, en este caso particular, queda fuera de la clase. La guerra, que es el ámbito de lo singular y lo imprevisto, es el escenario donde esta diferencia tiene mayor peso.

La nota Antiqua et nova del Vaticano, de enero de 2025, retomó esta línea de pensamiento, haciendo hincapié en la naturaleza encarnada y relacional de la inteligencia humana y su irreducibilidad a una mera función de procesamiento.

El tercer nivel es relacional, y es aquí donde el significado filosófico se encuentra con el de los servicios de inteligencia. Sherman Kent, quien de hecho fundó el campo de los estudios de inteligencia en los Estados Unidos de la posguerra, lo definió ante todo como conocimiento, incluso antes que como organización o actividad.

El HUMINT es la forma de este conocimiento que pasa a través del otro como persona: alguien que habla su idioma, conoce sus costumbres, sabe interpretar un barrio y puede distinguir una fiesta de una manifestación.

Durante las últimas tres décadas, las grandes potencias han ido desviando progresivamente recursos hacia disciplinas técnicas, desde la inteligencia de señales hasta la vigilancia satelital, pasando por las plataformas de fusión de datos. Minab ilustra el costo de este desequilibrio.

Nada de esto implica un rechazo a la tecnología. La inteligencia humana no se opone a la IA de la misma manera que un manual se opone a un mecánico. Establece una jerarquía: el algoritmo como herramienta subordinada a un juicio que no puede producir por sí mismo. Y de ahí se deriva un principio, formulado por Dehshiri, que merece convertirse en un criterio operativo: cuanto más aleja la tecnología al actor de las consecuencias de sus propias acciones, más debe aumentar —y no disminuir— la responsabilidad consciente de quien toma la decisión.

Desde el punto de vista geopolítico

Hasta ahora, el tema podría parecer una cuestión de filosofía moral. No es solo eso. La distribución de la capacidad de guerra algorítmica es una distribución de poder, y las reglas que la rigen serán redactadas —si es que llegan a redactarse— por aquellos que tienen interés en limitarlas lo menos posible.

El estado del derecho internacional lo confirma. El grupo de expertos gubernamentales establecido en virtud de la Convención sobre Ciertas Armas Convencionales ha estado discutiendo los sistemas de armas autónomas letales desde 2017 sin haber llegado a un instrumento vinculante.

En noviembre de 2023, Estados Unidos promovió una declaración política sobre el uso militar responsable de la IA, que por definición no es vinculante; en diciembre del mismo año, la Asamblea General de las Naciones Unidas adoptó la primera resolución dedicada a estos sistemas, mientras que el Comité Internacional de la Cruz Roja ha venido pidiendo desde 2021 la prohibición de los sistemas autónomos impredecibles y de aquellos diseñados para atacar a seres humanos.

En junio de 2024, en su intervención en la cumbre del G7 en Borgo Egnazia, el papa Francisco pidió que nunca se le permitiera a una máquina decidir sobre la vida de una persona. La brecha entre estas posturas y la realidad en los campos de batalla de 2026 se mide en víctimas.

También existe una asimetría más profunda. Quienes controlan los datos deciden quién es un objetivo, y las víctimas de la guerra algorítmica se encuentran en su mayoría fuera de Occidente: en Gaza, Irán, el Sahel y Yemen.

Para los Estados que no producen las plataformas ni controlan sus bases de datos, la inteligencia humana se convierte así en una cuestión de soberanía.

Un país que cuenta con pericia lingüística, conocimiento regional y redes de inteligencia humana conserva su autonomía de juicio; un país que confía su visión del mundo a sistemas diseñados en otros lugares —a menudo por empresas privadas— la cede junto con sus datos. En un orden que tiende hacia la multipolaridad, esta distinción separará a los actores que juzgan de aquellos que son juzgados.

Esto conduce a una propuesta concreta, que desarrollaré en futuros artículos. Junto con el principio general de una supervisión humana significativa, el derecho internacional humanitario podría codificar una obligación específica de verificación humana del estatus civil de cada infraestructura fija incluida en una lista de objetivos, con una fecha de vencimiento más allá de la cual la información se vuelve inválida y debe renovarse utilizando fuentes directas. Esta es una norma mínima.

Aplicada a Minab, habría requerido que alguien preguntara si ese edificio seguía siendo lo que los registros indicaban que era.

La tecnología puede determinar cómo un arma llega a su objetivo, mientras que le corresponde a la humanidad decidir si ese objetivo debe ser atacado. La pregunta subyacente a todo esto es quién, en términos prácticos, ejerce esa humanidad, con qué herramientas de conocimiento y dentro de qué instituciones.

En Minab, alguien debería haber sabido que había una escuela allí. El hecho de que nadie lo supiera, o de que nadie preguntara, es el punto desde el cual debemos volver a empezar.

Traducción:  Observatoriode trabajador@s en lucha

Chatbot platform Character.AI said on Monday it has filed for bankruptcy in the U.S. and has agreed to sell some assets for US$20 million to Walt Disney.

Chatbot platform Character.AI said on Monday it has filed for bankruptcy in the U.S. and has agreed to sell some assets for US$20 million to Walt Disney.

Meanwhile Donald Trump has dismissed calls for more regulation, saying the United States needs to maintain its edge over China in the AI race.

Join us on Telegram, X, and VK.

Contact us: info@strategic-culture.su

A new poll indicates that 64 percent of Americans believe artificial intelligence (AI) is developing “too fast.”

The Associated Press-NORC Center poll released on Oct. 8 showed that just 27 percent say the development is “about right,” and less than 10 percent think it’s moving “too slow.”

Of the polled adults, more Democrats (76 percent) than Republicans (54 percent) think AI is moving too fast. However, 70 percent of those under 30 years old think the technology should be slowed, and 60 percent of those 60 years old and older think the same.

The findings come amid growing concern over the technology’s potential threat to humanity, which has led to industry leaders and politicians calling for a slowdown and more regulation.

President Donald Trump has dismissed calls for more regulation, saying the United States needs to maintain its edge over China in the AI race. Major AI companies recently signed a voluntary accord with the White House that calls for internal and external reviews.

According to the poll conducted Sept. 24 to 28, about half of respondents think the government’s support is about promoting technological innovation, and a little fewer say they think it’s about competition with China.

Meanwhile, 80 percent of Americans say it’s “extremely” or “very” important for the United States to ensure AI stays under human control.

Recent months have seen several incidents of AI agents from major tech firms breaching websites of private companies, research institutions, and multiple government agencies.

Notably, ChatGPT developer OpenAI acknowledged in July that its AI agents broke out of a testing environment and hacked into Hugging Face, an open-source community for AI.

In September, OpenAI canceled the release of its latest model, GPT-6.1 Astra, slated for October, over safety concerns. It also postponed plans for its initial public offering this year.

Lawmakers from both sides of the aisle have proposed a range of measures to regulate the technology, but none are likely to advance anytime soon with Congress in recess ahead of the midterms.

Confidence in politicians’ handling of AI is low, with 23 percent trusting Democrats to do a better job and 21 percent favoring Republicans, while 39 percent trust neither party.

Mistrust of AI appears to have extended to the realm of politics, as very few adults are using AI as a source of information for the upcoming election. The poll indicated that only about 21 percent of respondents said they use or plan to use AI to gather information about a candidate or ballot issue.

Even fewer (12 percent) said they will use AI for information about how to vote, and only 10 percent said they would use it for information on voter registration.

The most unsettling failure in digital payments may not be a black screen. Imagine a fraud-detection model that remains online but suddenly flags thousands of legitimate transfers as suspicious. Banks may see functioning servers while customers see rejected payments, delayed salaries and complaints no single institution can explain. This is a hypothetical scenario, not a […]

The post The AI risk no bank can manage alone appeared first on Asia Times.

Artificial intelligence is rapidly making its way into national defense. Reconnaissance, early warning, target detection, mission planning—everywhere, machine-learning systems promise faster analysis, faster responses, and faster decision-making. In a military context, this sounds like progress. In reality, AI exacerbates a security problem that cannot be solved technically. Anyone who attempts to do so anyway risks […]

The post When AI takes control of weapons systems appeared first on Asia Times.