An introduction to the challenges of artificial intelligence technology in the field of privacy

Subject Areas : Legal Studies of Cyberspace

عباس میرشکاری ¹ , fatemeh sabetghadam ² , Morteza Asgharnia ³

1 - هیات علمی دانشگاه تهران
2 - isfahan university
3 - PhD in Public Law, University of Tehran,

Received: 2024-06-18 Accepted : 2024-09-12 Published : 2025-02-17

Keywords: Technology, artificial intelligence, data protection, privacy, regulatory requirements,

Abstract :

Artificial intelligence technology as the foundation of the fifth industrial revolution with its development and increasing influence in all aspects of the political, economic, social and cultural life of citizens, by creating significant changes in the provision of solutions and services, in addition to creating changes in the quality of life of individuals, many challenges has made it visible to governments and citizens at various levels. Among the most important of these emerging challenges, we can mention the challenges of artificial intelligence technology in the field of privacy. Although in the last few years, some legal systems have somehow addressed the category of privacy in the relevant laws and regulations, however, the challenges of artificial intelligence technology in this field, considering its importance and special complexities, require appropriate legal and legislative measures in order to protect It is from the privacy of individuals. Therefore, in the present article, which is arranged in a library method, an attempt has been made to point out the history of artificial intelligence technology and its types, by examining the history of legislation and regulations related to the field of privacy in the European Union and some leading countries in this field. The context, the identified challenges are enumerated and proposed legal solutions in the field of legislation to protect the privacy of individuals in the field of applying artificial intelligence in Iran's legal system are presented.

References:

منابع فارسی
1. ارجمند، مسعود؛ ابراهیم¬زاده، مجید؛ کاظمی، ابوالفضل (1396) "طراحی سیستم خبره برای عیب¬یابی و رفع عیب موتور ماشین"، سومین کنفرانس بین¬المللی مهندسی صنایع و سیستم¬ها.
2. رضایی، امیرمهدی؛ مباشری، مازیار؛ مرادحاصل، نیلوفر (1396) "مقررات اتحادیه اروپا در مورد حفاظت از افراد حقیقی نسبت به پردازش داده¬های شخصی و انتقال آزاد داده¬ها"، انتشارات سازمان فناوری اطلاعات ایران، تهران.
3. السان، مصطفی؛ دهستانی، سوور (1401) "جنبه¬های حقوقی جعل عمیق"، فصلنامه تحقیقات حقوقی ویژه نامه حقوق و فناوری، دوره 25.
منابع انگلیسی
4. Ahmad Fayaz Ahmad; Alam Mansoor Alam; Rahmat Khairil Rahmat; Mubarik Muhammad Shujaat; Hyder Syed Irfan (2022) "Academic and Administrative Role of Artificial Intelligence in Education", Sustainability, Vol 14.
5. Ahmed Wajeeha; Chaudhary Areeshia; Naqvi Gulfraz (2022) " Role of Artificial Neural Networks in AI", Neuro Quantology, Vol20, Issue13.
6. Aljaber Sohajaber; Almushaili Tahani (2022) "Artificial Intelligence", International Journal of Engineering Research and Application, Vol. 12, Issue 1.
7. Almufrah Maram; Tehsin Samabia; Humayun Mamoona; Kausar Sumaira (2023) "A Transfer Learning Approach for Clinical Detection Support of Monkeypox Skin Lesions", Diagnostics, Vol13, Issue8.
8. Al-Taani Ahmad (2005) " An Expert System for Car Failure Diagnosis", International Enformatika Conference, Vol7.
9. Bagunaid Wala; Chilamkurti Naveen; Veeraraghavan Prakash (2022) "AISAR: Artificial Intelligence-Based Student Assessment and Recommendation System for E-Learning in Big Data", Sustainability, Vol 14, no. 17.
10. Barnes Susan (2006) "A Privacy Paradox: Social networking in the United States", First Monday, Vol 11, No 10.
11. Belli Luca, Curzi Yasmin, Gaspar Walter (2023) "AI regulation in Brazil: Advancements, flows, and need to learn from the data protection experience", Computer Law & Security Review, Vol 48.
12. Beresford Alastair; Kübler Dorothea; Preibusch Sören (2012) "Unwillingness to pay for privacy: A field experiment", Economics Letters, Vol 117, Issue 1.
13. Boucher Philip (2020) " Artificial intelligence: How does it work, why does it matter, and what can we do about it?", EPRS | European Parliamentary Research Service.
14. Božić Velibor; Poola Indrasen (2023) "Chat GPT and education", doi:10.13140/RG.2.2.18837.40168.
15. Chernov Alexey; Chernova Victoria; Komarova Tatiana (2020) "The Usage of Artificial Intelligence in Strategic Decision Making in Terms of Fourth Industrial Revolution", Proceedings of the 1st International Conference on Emerging Trends and Challenges in the Management Theory and Practice (ETCMTP 2019), Vol 19.
16. Citron Danielle; Chesney Robert (2019) "Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security", California Law Review, Vol 1753.
17. Deng Jianyang; Lin Yijia (2023) "The Benefits and Challenges of ChatGPT: An Overview. Frontiers in Computing and Intelligent Systems", Vol 2, No 2.
18. Ding Hao; Wu Jiamin; Zhao Wuyuan; Matinlinna Jukka; Burrow Michael; Tsoi James (2023) "Artificial intelligence in dentistry—A review", Frontiers in Dental Medicine, Vol 4.
19. Dodge Alexa; Spencer Dale (2017) "Online Sexual Violence, Child Pornography or Something Else Entirely? Police Responses to Non-Consensual Intimate Image Sharing among Youth", Social & Legal Studies, Vol 27, No 3.
20. Dudnik Olesya; Vasiljeva Мarina; Kuznetsov Nikolay; Podzorova Marina; Nikolaeva Irina; Vatutina Larisa; Khomenko Ekaterina; Ivleva Marina (2021) "Trends, Impacts, and Prospects for Implementing Artificial Intelligence Technologies in the Energy Industry: The Implication of Open Innovation", Journal of Open Innovation: Technology, Market, and Complexity, Vol 7, No 2.
21. Elliott David; Soifer Eldon (2022) "AI Technologies, Privacy, and Security", Frontiers in Artificial Intelligence, Vol 5.
22. Fan Yunlong; Dong Junfeng; Wu Yuanbin; Shen Ming; Zhu Siming; He Xiaoyi; Jiang Shengli; Shao Jiakang; Song Chao (2022) "Development of machine learning models for mortality risk prediction after cardiac surgery", Cardiovascular Diagnosis & Therapy, Vol 12, Issue 1.
23. Feigenbaum Edward; Buchanan Bruce (1993) "DENDRAL and Meta-DENDRAL: roots of knowledge systems and expert system applications", Artificial Intelligence, Vol59, No1-2.
24. Goyal Hemant; Sherazi Syed; Mann Rupinder; Gandhi Zainab; Perisetti Abhilash; Aziz Muhammad; Chandan Saurabh; Kopel Jonathan; Tharian Benjamin; Sharma Neil; Thosani Nirav (2021) " Scope of Artificial Intelligence in Gastrointestinal Oncology", Cancers, Vol 13, No 21.
25. Gupta Aishwarya (2020) "Introduction to AI Chatbots", International Journal of Engineering Research and Technology (IJERT), Vol 9, Issue 7.
26. Hacker Philipp (2023) "AI Regulation in Europe: From the AI Act to Future Regulatory Challenges", Oxford Handbook of Algorithmic Governance and the Law, Oxford University Press.
27. Hassani Hosein, Sirimal Silva Immanuel, Unger Stephane, Tajmazinani Maedeh, Mac feely Stephan (2020) "Artificial Intelligence (AI) or Intelligence Augmentation (IA): What Is the Future?", AI, Vol 1, Issue 2.
28. Hetchely Christiane (2022) "The Potential Impact of the Future AI Act on the GDPR", Master's thesis, Information and Communication Technology Law at the University of Oslo.
29. Hidayat Nurharyadi Fajar; Satwiko Prasasto (2021) "The Implementation of Artificial Intelligence in the Environmental Licensing Process", International Webinar on Digital Architecture 2021 (IWEDA 2021), Vol671.
30. Hinds Joanne; Williams Emma; Joinson Adam (2020) "It wouldn't happen to me: Privacy concerns and perspectives following the Cambridge Analytica scandal", International Journal of Human-Computer Studies, Vol 143.
31. https://buffett.northwestern.edu/documents/buffett-brief_the-rise-of-ai-and-deepfake-technology.pdf
32. https://builtin.com/artificial-intelligence/types-of-artificial-intelligence
33. https://news.sky.com/story/ukraine-war-deepfake-video-of-zelenskyy-telling-ukrainians-to-lay-down-arms-debunked-12567789
34. https://rc.majlis.ir/fa/report?tag=%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87%20%D9%87%D9%81%D8%AA%D9%85%20%D8%AA%D9%88%D8%B3%D8%B9%D9%87&tag_lang=fa&order_index=0&page=1
35. https://www.bmc.com/blogs/artificial-intelligence-types/
36. https://www.coursera.org/articles/types-of-ai
37. https://www.darpa.mil/about-us/about-darpa
38. https://www.linkedin.com/posts/sudhirparya_ai-artificialintelligence-machinelearning-activity-7075097635098869760-uNGA
39. https://www.theguardian.com/technology/2017/oct/26/cambridge-analytica-used-data-from-facebook-and-politico-to-help-trump
40. https://www.theguardian.com/us-news/2018/apr/06/facebook-suspends-aggregate-iq-cambridge-analytica-vote-leave-brexit
41. https://www.un.org/techenvoy/ai-advisory-body
42. Inness Julie (1996) "Privacy, Intimacy, and Isolation", New York, Oxford University Press.
43. Kanakia Harshil; Shenoy Giridhar; Shah Jimit (2019) "Cambridge Analytica – A Case Study", Indian Journal of Science and Technology, Vol 12, No 29.
44. Khairuddin Hajar; Azrin ahmad; Mohammad, Adzhar, Noraziah (2019) " Splicing System in Automata Theory: A Review", Journal of Physics Conference Series, Vol 1366, No 1.
45. Khan Hanif (2021) " Types of AI | Different Types of Artificial Intelligence Systems", fossguru.com/types-of-ai-different-types-of-artificial-intelligence-systems, Vol 9, 50.
46. Khemani Deepak (2020) "Artificial Intelligence, The Age-old Quest for Thinking Machines", Resonance Journal. Vol.25, No.1.
47. Kitsios Fotis; Kamariotou Maria (2021) "Artificial Intelligence and Business Strategy Towards Digital Transformation: A Research Agenda", Sustainability, Vol 13, No 4.
48. Kline Ronald (2011) "Cybernetics, Automata Studies, and the Dartmouth Conference on Artificial Intelligence", IEEE Annals of the History of Computing, Vol33, No4.
49. Königs Peter (2022) "Government Surveillance, Privacy, and Legitimacy", Philosophy & Technology, Vol 35, No 8.
50. kunze Don (2020) "Zairja-Thinking: A Second Virtuality for Design", ACSA 108th Annual Meeting, Vol 11.
51. Li He, Yu Lu, He Wu (2019) "The Impact of GDPR on Global Technology Development", Journal of Global Information Technology Management, Vol 22.
52. Liang Feng; Wang Shu; Zhang Kai; Liu Tong-Jun; Li Jian-Nan (2022) " Development of artificial intelligence technology in diagnosis, treatment, and prognosis of colorectal cancer", World Journal of Gastrointestinal Oncology, Vol14, Issue1.
53. Liang Feng; Wang Shu; Zhang Kai; Liu Tong-Jun; Li Jian-Nan (2022) "Development of artificial intelligence technology in diagnosis, treatment, and prognosis of colorectal cancer". World Jornal Gastrointestinal Oncology, Vol 14, No 1.
54. Macnish Kevin (2020) "Mass Surveillance: A Private Affair?" Moral Philosophy and Politics, Vol 7, No 1.
55. Malani Sagar; Shrivastava Deepti; Raka Mayur (2023) "A Comprehensive Review of the Role of Artificial Intelligence in Obstetrics and Gynecology" Cureus, Vol 15, No 2.
56. Martinez Rex (2019) " Artificial Intelligence: Distinguishing between Types & Definitions", Nevada Law Journal, Vol 19, Issue 3.
57. McCorduck Pamela (2004) " Machines Who Think: A Personal Inquiry into the History and Prospects of Artificial Intelligence", W. H. Freeman, 2nd.
58. Moor James (2011) " The Dartmouth College Artificial Intelligence Conference: The Next Fifty Years", AI Magazine, Vol27, No4.
59. Mujoo S.; Najmi H.; Alhazmi F.; Shibli A.; Mobaraki A.; Dubey A. (2022) "Knowledge, attitudes, and perceptions regarding the future of artificial intelligence in oral radiology in Jazan, Saudi Arabia", International Journal of Health Sciences, Vol6, Issue7.
60. Pariyani Harsha; Sinha Anshika; Bhat Preeti; Rote Roshni; Mulla, Nilofar (2020) " A Literature Survey of Recent Advances in Chatbots", Journal of Emerging Technologies and Innovative Research, Vol 7 Issue 5.
61. Sadeski Francie; Kouacou Karine; Poteau Xavier, et al (2019) "Potential of the fourth industrial revolution in Africa", Study report unlocking the potential of the fourth industrial revolution in Africa, Technopolis & Research ICT Africa & Tambourine Innovation Ventures.
62. Santana Miosotis (2022) "Justice for Women: Deep fakes and Revenge Porn", 3rd Global Conference on Women’s Studies, Rotterdam, The Netherlands.
63. Scassa Teresa (2023) "Regulating in Canada: a critical look at the proposed artificial intelligence and data act", Emerging Issues in Technology Law and Intellectual Property, Vol 101, No 1.
64. Sheehan Matt (2023) "China’s AI Regulations and How They Get Made", Carnegie Endowment for International Peace, Publications Department, Washington, DC.
65. Smith Roger (2016) "James Cox’s Silver Swan An eighteenth century automaton in the Bowes Museum", Artefact Journal, Vol4.
66. Stahl Bernd (2021) "Artificial Intelligence for a Better Future", Springer Briefs in Research and Innovation Governance. Springer, Cham.
67. Supreetha H V (2022) "A Survey on Various Types of Chatbots", International Research Journal of Engineering and Technology (IRJET), Vol 9, Issue 7.
68. Van mille William (1978) " MYCIN: a knowledge-based consultation program for infectious disease diagnosis", International Journal of Man-Machine Studies, Vol10, Issue 3.
69. Weiser Mark (1991) "The computer for the 21st century", Scientific American, Vol256.

Full-Text:



ISSN: 2821-126X

سال سوم  | شماره   چهارم |     زمستان  1403  |  شماره پیاپی 1۲

https://sanad.iau.ir/journal/cyberlaw     مجله : وبگاه

 

An Introduction to the Challenges of Artificial Intelligence Technology in the Realm of Privacy

Abbas Mirshekari

Assistant Professor, Department of Private and Islamic Law, Faculty of Law and Political Science, University of Tehran, Tehran, Iran (Corresponding Author)

 Email: [e-mail]

Fatemeh Sabetghadam

Master's degree in Private Law, University of Isfahan, Isfahan, Iran

Morteza Asgharnia

PhD in Public Law, University of Tehran, Tehran, Iran        

DOI: 10.71488/cyberlaw.2025.1123072 Keywords:   Technology, Artificial Intelligence, Data Protection, Privacy, Regulatory Requirements

Abstract    Artificial intelligence technology, as the foundation of the fifth industrial revolution, with its development and increasing influence in all aspects of the political, economic, social and cultural life of citizens, by creating significant changes in the provision of solutions and services, in addition to creating changes in the quality of life of individuals, has revealed many challenges at different levels for governments and citizens. Among the most important of these emerging challenges mentions can be made of the challenges of artificial intelligence technology in the realm of privacy. Although in the last few years some legal systems have somehow addressed the category of privacy in the relevant laws and regulations, however, the challenges of artificial intelligence technology in the realm of privacy, considering its importance and special complexities, require appropriate legal and legislative measures in order to protect the privacy of people. Therefore, through a library method, the present article has made an to point out the history of artificial intelligence technology and its types, by examining the history of legislation and regulations related to the subject of privacy in the European Union and some leading countries in this field. In this regard, the identified challenges are enumerated and proposed legal solutions in the field of legislation to protect the privacy of individuals in the field of applying artificial intelligence in Iran's legal system are presented. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license: http://creativecommons.org/licenses/by/4.0/

 

 

 

 

 

 

        

صفحات مقاله 70 الی 89

درآمدی بر چالشهای فناوری هوش مصنوعی در حوزه حریم خصوصی

عباس میرشکاری

استادیار گروه حقوق خصوصی و اسلامی دانشکده حقوق و علوم سیاسی دانشگاه تهران، تهران، ایران (نویسنده مسئول)

پست الکترونیک: [e-mail]                              

                فاطمه ثابت قدم

دانش آموخته کارشناسی ارشد حقوق خصوصی دانشگاه اصفهان، اصفهان، ایران

        مرتضی اصغرنیا

دکتری حقوق عمومی دانشگاه تهران، تهران، ایران

تاریخ دریافت :                                                                                                          تاریخ پذیرش:

 

 

 

 

چکیده

فناوری هوش مصنوعی، به عنوان زیربنای انقلاب صنعتی پنجم ، با توسعه و تأثیرگذاری روز افزون در کلیه شئون مختلف حیات سیاسی، اقتصادی، اجتماعی و فرهنگی شهروندان، با ایجاد تحولات چشمگیر در ارائه راهکارها و خدمات، علاوه بر ایجاد تغییر در کیفیت زندگی اشخاص، چالش های متعددی را در سطوح گوناگون پیش روی دولت هاو شهروندان نمایان ساخته است. از جمله مهمترین این چالشهای نوظهور میتوان به چالشهای فناوری هوش مصنوعی در حوزه حریم خصوصی اشاره نمود. اگر چه در چند سال اخیر برخی از نظام های حقوقی به نحوی به مقوله حریم خصوصی در قوانین و مقررات موضوعه پرداخته اند، با این حال چالش های فناوری هوش مصنوعی در این حوزه با توجه اهمیت و پیچیدگی های خاص آن، نیازمند اقدام حقوقی و تقنینی متناسب به منظور صیانت از حریم خصوصی اشخاص می باشد. لذا، در مقاله حاضر که به روش کتابخانه ای تنظیم شده، تلاش گردیده است تا ضمن اشاره به تاریخچه فناوری هوش مصنوعی و انواع آن، با بررسی سابقه تقنینی و مقررات گذاری در ارتباط با حوزه حریم خصوصی در اتحادیه اروپا و برخی کشورهای پیشرو در این زمینه، چالش های شناسایی شده احصاء گردیده و راهکارهای حقوقی پیشنهادی در حوزه قانونگذاری برای صیانت از حریم خصوصی اشخاص در زمینه به کارگیری هوش مصنوعی در نظام حقوقی ایران ارائه گردد.

واژگان کلیدی: فناوری، هوش مصنوعی، حفاظت از داده، حریم خصوصی، بایسته های تقنین        

 

 

 

 

 

 

 

 

 

 

 

 

مقدمه

تمایل به ایجاد هوش مصنوعی را می­توان در فرهنگ عامه، علی­الخصوص در فرهنگ اروپا جست و جو نمود. پاراسلسوس¹ پزشک و کیمیاگر سوئیسی اظهار می­داشت که «ما مانند خدایان خواهیم بود و بزرگترین معجزه خداوند که خلقت انسان است را تکرار خواهیم کرد» (khemani,2020:34). این موضوع به مرور زمان مورد استقبال قرار گرفت و در ادبیات و فلسفه رسوخ کرد؛ تا جایی که برخی سخن معروف رنه دکارت: «من می­اندیشم پس هستم»²را هسته­ی اصلی شکل­گیری مباحث در خصوص ماهیت هوش مصنوعی به شمار می­آورند (Khemani,2020:33). توانایی موجودات مصنوعی برای حل مشکلات پیچیده، به عنوان هوش مصنوعی شناخته می­شود. هوش مصنوعی، به عنوان شاخه‌ای از علوم کامپیوتر که شامل توسعه ماشین‌های هوشمند با قابلیت تقلید از هوش انسانی است، در سال‌های اخیر پیشرفت‌های چشمگیری داشته است (Mujoo, et al, 2022:4598). این زمینه­ی رو به رشد که اکنون با دارا بودن ANN­³ که از گروهی از پردازنده­ها به نام نورون ساخته شده و شبیه­ساز رشته­های عصبی مغز انسان می­باشد (Ahmed, et al, 2022: 3366)، آماده است تا با تقویت نحوه­ی تجزیه و تحلیل اطلاعات و تصمیم­گیری، جنبه­های مختلف جوامع بشری را متحول کند. این فناوری، نه تنها صنایعی مانند مراقبت­های بهداشتی و مالی را متحول نموده، بلکه این ظرفیت را داراست که زندگی روزمره انسان­ها را نیز تحت تأثیر قرار دهد. هوش مصنوعی با استفاده از فناوری‌های پیشرفته مانند: الگوریتم‌های یادگیری ماشینی، امکان پردازش سریع، تحلیل دقیق و مدیریت مقرون‌به‌صرفه، حجم عظیمی از داده‌های تولید شده امروزی را فراهم می­نماید (Liang, et al, 2022: 125). ادغام فناوری‌های هوش مصنوعی در همه بخش‌ها مزایای متعددی نظیر: روش‌های تشخیص و درمان پیشرفته در مراقبت‌های بهداشتی، پیش‌بینی‌های مالی دقیق‌تر، سیستم‌های حمل‌ونقل کارآمد و توصیه‌های سرگرمی شخصی‌شده را به همراه داشته است (Hidayat, Satwiko, 2021: 292). هوش مصنوعی، ثابت کرده است که از نظر بهبود کارآیی، دقت و تصمیم‌گیری، تغییر دهنده بازی است و این توانایی بالقوه را دارد که با خودکارسازی وظایف تکراری، بهینه­سازی تخصیص منابع و فعال کردن رویکردهای نوین مبتنی بر بهره­برداری از داده­ها، صنایع را متحول کرده و کار­ها را به گونه­ای نظام­مند­تر و روشمندتر از انسان­ها انجام دهد. از آنجایی که در حال حاضر، هوش مصنوعی به دلیل فواید بسیار زیاد مورد استقبال بخش زیادی از شهروندان قرار گرفته و از آنجا که با دسترسی غیرمجاز به اطلاعات اشخاص و بهره­گیری ناصحیح و غیرقانونی از آن، امکان نقض حریم خصوصی اشخاص و ورود زیان مادی و معنوی به آن­ها فراهم می­گردد، در مقاله حاضر به چالش‌های فناوری هوش مصنوعی در حوزه حریم خصوصی ارتباطاتی و داده ای و وضعیت قانونگذاری کشورها در این زمینه پرداخته شود. از این رو، در مقاله حاضر ابتدا در بند اول و دوم به تاریخچه فناوری هوش مصنوعی و انواع آن اشاره گردیده و سپس با بررسی سابقه تقنینی و مقررات گذاری در ارتباط با حوزه حریم خصوصی در اتحادیه اروپا و برخی کشورهای پیشرو در این زمینه، چالش­های شناسایی شده احصاء گردیده و راهکارهای حقوقی پیشنهادی در حوزه قانونگذاری به منظور صیانت از حریم خصوصی اشخاص در بستر به کارگیری هوش مصنوعی در نظام حقوقی ایران ارائه می‌گردد. در ادامه خواهیم دید که چالش­های ایجاد شده در زمینه حریم خصوصی ارتباطاتی و داده ای کدام­اند؟ با بررسی قوانین تصویب شده در کشور­های خارجی بررسی خواهیم نمود که آیا در کشور ما نیز در این زمینه قانون­گذاری خاصی صورت گرفته یا صرفاً به استناد قوانین عام می­بایست محدودیتی برای هوش مصنوعی در حوزه رعایت حریم خصوصی اشخاص قائل شد؟ و شخصی که حق بر حریم خصوصی ارتباطاتی و داده­ای وی نقض شده به استناد چه قوانینی می­تواند دادخواهی نماید؟

 

1.       پیشینه تحقیق  

به علت همه­گیر بودن هوش مصنوعی و مسائل مرتبط با آن، در سال های اخیر  مطالعات و پژوهش های ارزشمند داخلی و خارجی در این زمینه صورت گرفته است که حقوقدانان نیز از این قافله جا نمانده­اند و نظرات، ایده­ها و دیدگاه­های حقوقی خود را در خصوص این موضوع در قالب مقاله بیان نموده­اند که در ادامه به بیان برخی از آن­ها بر اساس تاریخ انتشار خواهیم پرداخت.در پژوهش­های داخلی چند مقاله در خصوص هوش مصنوعی و مسائل مرتبط با آن وجود دارد که به بیان برخی از آن­ها می‌پردازیم:

1-  مصطفی السان و سوور دهستانی در زمستان 1401 در مقاله خود با موضوع «جنبه­های حقوقی جعل عمیق» ویژگی­ها و چالش­هایی که جعل عمیق ممکن است ایجاد کند را بررسی نموده و به استفاده از مفاد عهدنامه­های مالکیت فکری برای مدیریت جعل عمیق پرداخته­اند که وجه تمایز آن با پژوهش حاضر بررسی مشکلات منتج از اعمال جعل عمیق و توسل به عهدنامه­های مالکیت فکری برای کاهش آن است.

2- حانیه ذاکری نیا در تابستان 1402 در مقاله خود با عنوان «ماهیت و مبنای مسئولیت مدنی ناشی از هوش مصنوعی در حقوق ایران و کشورهای اتحادیۀ اروپا» به بررسی مبانی مسئولیت مدنی ناشی از هوش مصنوعی در ایران و برخی از کشور­های خارجی پرداخته است  که وجه تمایز آن با پژوهش حاضر نیز در همین بررسی مبانی مسئولیت مدنی است و به قوانین هوش مصنوعی و چالش­های مربوط به حوزه حریم خصوصی آن اشاره­ای ندارد.

3-  فرشته بنافی نیز در زمستان 1402 در مقاله خود با موضوع «حفاظت از حقّ حریم خصوصی اطلاعاتی در مقابل تهدیدات ناشی از هوش مصنوعی نظامی» به بررسی حافظت از حریم خصوصی در مقابل هوش مصنوعی نظامی از منظر حقوق بین­الملل عمومی پرداخته­ است و خلأهای قانونی و سیاسی موجود در حقوق بین‌الملل بشردوستانه و حقوق بشر بین‌المللی جهت صیانت از حریم خصوصی در هوش مصنوعی نظامی برای طرف‌های متخاصم را احصاء نموده است که وجه افتراق کار ایشان با پژوهش حاضر نیز در همین موضوع و پرداختن به مقوله حق بر حریم خصوصی از منظر حقوق جنگ و حقوق بین الملل مخاصمات مسلحانه است. 

در مقالات دیگر که همگی ارزشمند و منشا اثر هستند به سایر جنبه­های مرتبط با هوش مصنوعی کم و بیش اشاره شده است که ارتباط جزئی با پژوهش حاضر دارد. در پژوهش­های خارجی نیز چند مقاله در خصوص هوش مصنوعی و حریم خصوصی و مسائل مرتبط با آن نگارش یافته است که به بیان برخی از مهمترین آن­ها می­پردازیم:

1-Danielle Citron  و Robert Chesney در سال 2019 در مقالهDeep Fakes: A Looming Challenge for Privacy Democracy, and National Security به بررسی آثار جعل عمیق در حریم خصوصی، دموکراسی و امنیت ملی می­پردازند با این وجه تمایز با پژوهش حاضر که بررسی قانونی در این زمینه انجام نداده­ و چالش­های هوش مصنوعی را بیان ننموده­اند.

2- David Elliott و Eldon Soifer در سال 2022 در مقاله AI Technologies, Privacy, and Security به بررسی آثار فناوری­های هوش مصنوعی در حریم خصوصی و امنیت پرداخته­اند و در این پژوهش نیز بررسی قوانین و مقررات مورد نیاز در این زمینه انجام نشده است.

3- Philipp Hacker نیز، در سال 2023 در مقاله خود با عنوان AI Regulation in Europe: From the AI Act to Future Regulatory Challenges به بررسی قانون هوش مصنوعی در اروپا که در زمان انتشار این مقاله در حال تصویب بود، پرداخته است و در خصوص چالش­ها و مقررات هوش مصنوعی سایر کشور­ها سخنی به میان نیاورده ­است.

2.       تاریخچه­ فناوری هوش مصنوعی

در زمان کنونی، روزی نیست که صحبتی در ارتباط با هوش مصنوعی در محافل آکادمیک و غیر­آکادمیک صورت نگیرد؛ البته به نظر ­می­رسد که در این مباحث، موضوع هوش مصنوعی، یک اصطلاح کلی برای صحبت از یک فناوری جدید بوده و هیچ وضوحی ندارد. چنان­که اتومات­هایی⁴ که نیاز به هوش مصنوعی نداشته و مقدمه­ای برای ایجاد این هوش بوده­اند را نیز دربرمی­گیرد. اتومات­ از واژه­ی یونانی «αὐτόματα» به معنای "خودکار" گرفته شده و به دستگاهی که به صورت خودکار دنباله­ای از عملیات از پیش تعیین شده را ادامه می‌دهد، گفته می­شود (Khairuddin, et al ,2019:1). اولین نمونه­های ساخت افراد مصنوعی مشابه انسان­ها به صورت اتومات را می­توان 850 سال قبل از میلاد دانست؛ جایی که خدایان یونانی صحبت، اشاره و پیشگویی می­کردند و پلک می­زدند (McCorduck,2004:6). این هنر، سال­ها در اختیار یونانیان بود تا 750 سال بعد از میلاد مسیح که علم ریاضیات در جهان عرب شکوفا شد. علم اعراب در میان قرن هشتم تا دوازدهم وجوه مشترک بسیاری با علوم مدرن داشت؛ برخلاف یونانیان که علمشان محدود به افراد خاصی شده بود، علم آن­ها به تدریج بین­المللی شد و توسعه دانش با سرعت زیادی در مراکز علمی شدت گرفت. یکی از نمونه­های ارزشمند آن، به نام زائرجه⁵را می­توان نتیجه­ی کار گروهی از منجمان دانست که آن­ را از اولین تلاش­های اعراب برای ایجاد و به کار­گیری هوش مصنوعی به شمار می­آورند. این ایده چنان مورد استقبال قرار گرفت که دانشمندان معتقد بودند این ایده مانند نوزاد تازه متولد شده، آغاز فرایندی بی­انتها بوده است (Kunze,2020:2). در اروپا اولین تلاش برای ساخت اتومات مدرن را می­توان ساخت قوی نقره­ای⁶ توسط جواهرساز انگلیسی، جیمز کاکس⁷ در سال 1773 میلادی دانست که اکنون در موزه بوز⁸ در لندن نگهداری می­شود (Smith,2016:361). با این حال اصطلاح هوش مصنوعی به معنای واقعی به جان مک­کارتی⁹ نسبت داده می­شود که به همراه ماروین مینسکی¹⁰، ناتانائیل روچستر¹¹ و کلود شانون¹² در سال 1956 میلادی یک کنفرانس تابستانی را در کالج دارتموث¹³ ترتیب دادند. با دعوت این چهار نفر، تعدادی از دانشمندانِ ریاضی­دان و روانشناس و مهندسین برق، با این عقیده که آنچه را که ما تفکر می­نامیم در واقع می­تواند خارج از جمجمه­ی انسان نیز اتفاق بیفتد، می­توان آن را به روشی رسمی و علمی درک کرد و بهترین ابزار غیر­انسانی برای انجام آن کامپیوتر دیجیتال است، گرد هم آمدند. این کنفرانس محل تلاقی چندین جریان فکری مختلف قرن بیستم بود که از علم ریاضیات، آمار، روانشناسی، مهندسی، زیست­شناسی، زبان­شناسی و رشته­های نوظهور علم مدیریت سرچشمه گرفته بودند (Moor,2006:87؛ Kline,2011:5-16). البته، برخی از دانشمندان حاضر گمان می­کردند عبارت "هوش مصنوعی" به ذهن اشخاص، این مسئله که همه چیز مصنوعی و ساختگی است و هیچ چیز واقعی وجود ندارد را متبادر می­کند، به همین دلیل فعالیت­های خود در این زمینه را با نام پردازش اطلاعات پیچیده منتشر نمودند؛ اما هوش مصنوعی عبارتی بود که ماندگار شد. طراحی برنامه­های کامپیوتری برای رفتار هوشمندانه بسیار سخت­تر از چیزی بود که در سال 1956 میلادی تصور می­شد و پس از کنفرانس مذکور پیشرفت­های کمی حاصل گردید و اینطور نبود که چیزی بسیار چشم­گیر در مدت کوتاهی انجام شود و حتی ناامیدی مک­کارتی هم از جمله­ی: «فاصله بین آنچه که امیدوار بودم انجام دهم و آنچه انجام دادیم، بسیار بزرگ بود» کاملاً قابل تشخیص بود (Mccorduck,2004:113-118). منبع اصلی تأمین حمایت مالی این پروژه طی دهه­های ششم و هفتم قرن بیستم میلادی، آژانس پروژه­های تحقیقاتی پیشرفته دفاعی¹⁴، آژانس تحقیق و توسعه وزارت دفاع ایالات متحده آمریکا که مسئولیت توسعه فناوری­های نوظهور را برای استفاده­ی ارتش به عهده داشت، بود. این آژانس برای گسترش مرز­های فناوری و علم، اغلب فراتر از نیازهای فوری نظامی ایالات متحده آمریکا، پروژه­های تحقیق و توسعه را تدوین و اجرا می­کند (DARPA.mil). پس از آن، دانشمندان زیادی شیفته­ی هوش مصنوعی شده و معتقد بودند که این موضوع از پرمخاطب­ترین موضوعات در آینده خواهد بود (Mccorduck,2004:131). در این حین، تحقیقات زیادی در خصوص این موضوع شکل گرفت که منجر به ایجاد پیشرفت­­های شگرف نظری و کاربردی در زمینه­ی هوش مصنوعی شد. اولین ثمره­ی این تلاش­ها در سال 1965 میلادی در دانشگاه استنفورد به شکل یک سیستم خبره¹⁵ که با استدلال علمی به حل مشکلات می­پرداخت، ایجاد گردید. این سیستم که Dendral"" نام داشت ترکیبات شیمیایی را بهتر از متخصصان، تجزیه و تحلیل می­نمود (Feigenbaum, Buchanan,1993:233). از آن پس، بلافاصله یکی پس از دیگری سیستم­های خبره که تخصص­های مختلف یک انسان به آنها منتقل شده بود، مانند سیستم SBDS ¹⁶(Al-Taani, 2005: 457) در جهت تشخیص عیوب ماشین و سیستم MYCIN (Van Melle, 1978: 313) برای تشخیص بیماری­ها به وجود آمدند (ارجمند و همکاران، 1396: 2). 

3.       انواع هوش مصنوعی و کاربردهای آن

­اساساً یادگیری در هوش مصنوعی به سه دسته هوش مصنوعی محدود¹⁷، عمومی¹⁸ و فوق­العاده¹⁹ تقسیم می­شود. این سه دسته، بیشتر نشان­دهنده­ی روند تکامل هوش مصنوعی در طول زمان هستند؛ به این صورت که در هوش مصنوعی محدود، این هوش برای کاری محدود و معین و دستوری خاص طراحی شده و نمی‌تواند به طور مستقل مهارت‌هایی فراتر از طراحی آن را بیاموزد. آنها اغلب از یادگیری ماشینی²⁰ و الگوریتم­های شبکه عصبی²¹ مانند: گوگل ترنسلیت و سیستم تشخیص چهره یا چت بات­های عادی برای تکمیل این وظایف مشخص شده استفاده می­کنند (Aljaber, Almushaili, 2022: 55). هرگاه صحبت از هوش مصنوعی عمومی به عمل می­آید، به نوعی از هوش مصنوعی اشاره می­کنیم که به اندازه یک انسان توانایی خواهد داشت و می­تواند توانایی­های شناختی انسان مانند توانایی فکر کردن را تقلید نماید (ذاکری­نیا، 1402: 139) و نظیر انسان‌ها طیف وسیعی از اعمال را بیاموزد و به نحو احسن انجام دهد. هدف از طراحی هوش مصنوعی عمومی این است که بتوان ماشین­هایی ایجاد کرد که قادر به انجام وظایف چند منظوره باشند و به عنوان دستیاران واقعی و به همان اندازه هوشمند برای انسان­ها در زندگی روزمره عمل کنند (Aljaber, Almushaili, 2022: 55; Khan,2021: 4). هوش مصنوعی فوق­العاده یا ابر هوش مصنوعی راهی به سوی آینده است. برای ایجاد آن باید این هوش از انسان پیشی بگیرد و توانایی بیشتری از انسان داشته باشد. در سال 2016 پروفسور آرند هیتز²²، استاد دانشگاه میشیگان تقسیم­بندی نوین و جامعی را بر این اساس که چگونه یک هوش مصنوعی از قابلیت­های یادگیری خود برای پردازش داده­ها، پاسخ به محرک­ها و تعامل با محیط خود استفاده می­کند، ارائه داد که در ذیل بدان پرداخته می­شود(Khan,2021: 5; coursera.org):

الف) ماشین­های واکنش­گرا²³: در این نوع از ماشین­ها، هوش مصنوعی از نوع محدود بوده و قادر به ذخیره حافظه یا یادگیری از تجربیات گذشته نیستند، اما می­توانند محرک­های خارجی را در زمان واقعی بخوانند و به آنها پاسخ دهند. این امر، باعث می‌شود که آنها برای انجام عملکردهای مستقل اولیه، مانند فیلتر کردن هرزنامه از صندوق ورودی ایمیل یا توصیه فیلم‌ها بر اساس آخرین جستجوهای Netflix، مفید باشند (Hassani, et al, 2020: 145; builtin.com).

ب) هوش مصنوعی با حافظه محدود²⁴: حافظه محدود، تقریباً سیستم هوش مصنوعی نوع 2 یعنی هوش مصنوعی عمومی است. این الگوریتم نحوه کار نورون‌های مغز ما با یکدیگر را تقلید می‌کند، به این معنی که با دریافت داده‌های بیشتر برای آموزش، هوشمندتر می‌شود. هوش مصنوعی حافظه محدود، برخلاف ماشین‌های واکنش‌گرا، می‌تواند به گذشته نگاه کند و اشیاء یا موقعیت‌های خاص را در طول زمان نظارت کند. سپس این مشاهدات در هوش مصنوعی برنامه­ریزی می­شوند تا اقدامات آن بر اساس داده­های لحظه گذشته و حال انجام شود اما در حافظه محدود، این داده‌ها در حافظه هوش مصنوعی ذخیره نمی‌شوند بلکه به‌ عنوان تجربه‌ای است که می‌توان از آن یاد گرفت. به طور مثال روشی که انسان‌ها ممکن است از موفقیت‌ها و شکست‌های خود درس بگیرند از جمله این موارد می­باشد. خودروهای خودران نیز، نمونه شاخصی از هوش مصنوعی با حافظه محدود است که این خودروها با این روش، خودروهای دیگر را در جاده از نظر سرعت، جهت و نزدیکی مشاهده می­کنند (Hassani, et al, 2020: 145; builtin.com, coursera.org).

ج) نظریه­ی ذهن²⁵: از نظر پیشرفت هوش مصنوعی، فناوری حافظه محدود آخرین چیزی است که ما به آن دست یافته­ایم، اما با این حال، مقصد نهایی نیست. ماشین‌های حافظه محدود، می‌توانند از تجربیات گذشته بیاموزند و دانش را به صورت جزئی ذخیره کنند، اما نمی‌توانند تغییرات ظریف محیطی و نشانه‌های احساسی را درک کنند یا به همان سطح هوش انسانی برسند. مفهوم هوش مصنوعی که می­تواند احساسات دیگران را متوجه شود و از آنها استفاده کند، هنوز به طور کامل درک نشده است. این مفهوم که "نظریه ذهن" نامیده می­شود، اصطلاحی است که از روانشناسی به عاریت گرفته شده و توانایی انسان در خواندن احساسات دیگران و پیش­بینی اقدامات آینده بر اساس آن اطلاعات را توصیف می­کند (Hassani, et al, 2020: 144; Khan,2021: 13). نظریه ذهن، می­تواند تغییرات مثبت زیادی را در دنیای فناوری به ارمغان بیاورد، اما خطرات خاص خود را نیز به همراه دارد. از آنجایی که نشانه‌های احساسی بسیار ظریف هستند، زمان زیادی طول می‌کشد تا ماشین‌های هوش مصنوعی بتوانند آن‌ها را کامل بخوانند و به طور بالقوه ممکن است در مرحله یادگیری خطاهای بزرگی مرتکب شوند. همچنین، برخی از افراد نگران هستند که پاسخ فناوری­ها به سیگنال­های احساسی و همچنین موقعیتی، به معنای اتوماسیون برخی مشاغل باشد (Boucher,2020:28; builtin.com).

د) خودآگاهی²⁶: مرحله فراتر از نظریه ذهن، زمانی است که هوش مصنوعی خودآگاهی را توسعه می­دهد و به عنوان نقطه عطف هوش مصنوعی در دنیای فناوری تلقی می­شود و به نوعی پایان بزرگ تکامل هوش مصنوعی خواهد بود. گمان می­رود که وقتی به آن نقطه رسیدیم، ماشین‌های هوش مصنوعی خارج از کنترل ما باشند؛ زیرا آنها نه تنها می‌توانند احساسات دیگران را حس کنند، بلکه حس خود را نیز خواهند داشت (coursera.org). گفته می­شود که مردم از ایجاد این نوع هوش مصنوعی و از عواقب ایجاد آن می‌ترسند و نگرانند که این نوع هوش مصنوعی مشاغلشان را به سرقت ببرد یا دنیا را تسخیر کند. این در حالی است که اگر این نوع هوش مصنوعی با موفقیت ایجاد شود، هیچ کس نمی­داند چه تأثیری خواهد داشت. با این وجود، گام‌هایی توسط محققان و مهندسان برای توسعه نسخه‌های ابتدایی هوش مصنوعی خودآگاه در حال انجام است. شاید یکی از معروف­ترین آنها سوفیا باشد، رباتی که توسط شرکت رباتیک Hanson Robotics ساخته شده است. اگرچه این ربات از نظر فنی خودآگاه نیست، اما کاربرد پیشرفته سوفیا نسبت به فناوری‌های هوش مصنوعی فعلی، نمایی اجمالی از آینده بالقوه خودآگاه هوش مصنوعی ارائه نموده و به همین سبب این امر، نویدبخش آینده­ای درخشان و شاید پرخطر است!(Hassani, et al, 2020: 146).

بنا به آنچه بیان شد، در حال حاضر استفاده از هوش مصنوعی دیگر به وظایف و عملیات محاسباتی یا آماری محدود نمی­شود و در واقع هوش مصنوعی اکنون بخشی جدایی ناپذیر از همه­چیز است؛ از بازی­های کامپیوتری گرفته تا فرآیند­های پیچیده تجاری. این فناوری، همچنین در اغلب زمینه­ها کاربرد عملی داشته و به عنوان دستیار انسان­ها مورد استفاده قرار می­گیرد که برخی از مهمترین این زمینه­ها عبارتند از:

الف) در زمینه پزشکی و دندان­پزشکی: در طول دهه­ی گذشته تقریباً اغلب صنایع بزرگ با کمک هوش مصنوعی پیشرفت­های چشم­گیری داشته­اند و صنعت بهداشت و درمان نیز از این قاعده مستثنی نبوده است. الگوریتم‌های هوش مصنوعی در این زمینه می‌توانند به‌طور خودکار علائم اولیه بیماری‌هایی مانند سرطان، بیماری‌های قلبی عروقی و اختلالات عصبی و حتی بیماری­های زنان و زایمان را از تصاویر پزشکی با دقت بالا تشخیص دهند، حتی در مواردی که ناهنجاری‌ها پنهان بوده و توسط متخصصان انسانی به راحتی قابل تشخیص نیستند (Malani, et al,2023: 2). به عنوان مثال، تشخیص بیماری آبله میمون (Almufrah, et al, 2023: 2)، شناخت عوامل خطر قبل از عمل و حین عمل و پیش­بینی مرگ بعد از جراحی قلب (Fan, et al, 2022: 13)، استفاده در روش­های آندوسکوپی²⁷ برای غربالگری و شناخت سرطان دستگاه گوارش (Goyal, et al, 2021: 2; Liang, et al, 2022: 124)، تشخیص، تصمیم­گیری، برنامه­ریزی درمان و پیش­بینی نتایج درمان در علم دندانپزشکی در زمینه­های پریودنتیکس²⁸، ارتودنسی²⁹، جراحی دهان و فک و صورت³⁰ و پروتزها³¹ (Ding, et al, 2023: 5-9).

ب) در زمینه آموزش: برنامه­های کاربردی هوش مصنوعی به سازمان­های آموزشی در دو بخش کمک می­کنند: یکی بخش اداری (پذیرش، مشاوره، خدمات کتابخانه و غیره) و دیگری بخش علمی (ارزیابی، بازخورد، تدریس خصوصی و غیره) (Ahmad, et al,2022: 1). به عنوان مثال هوش مصنوعی در آموزش، امکان ارائه مدل‌های پیش‌بینی، شناسایی دانش‌آموزان با عملکرد بالا و در معرض خطر، پیگیری پیشرفت تحصیلی، طراحی و اجرای طرح‌های درسی، آزمون‌ها و ارائه بازخورد فردی را دارد (Bagunaid, et al, 2022: 2). در سایت Jenni.ai نیز با وارد کردن موضوع، مقاله­ای به صورت آماده و منطبق با درخواست شخص ارائه خواهد شد. از طرف دیگر، هوش مصنوعی کارهایی که نیاز به خلاقیت دارد را نیز انجام می­دهد مانند: نوشتن داستان­های ترسناک یا متن ترانه، ساخت موزیک ویدئوها یا توسعه­ی آلبوم­های بلک متال³² (Martinez,2019: 1021).

ج) در زمینه تجارت و کسب و کار: می­توان عنوان نمود که در عصر دیجیتالی شدن اقتصاد قرار گرفته­ایم و هوش مصنوعی در این زمینه نیز در حال تغییر پایه­های اقتصاد سنتی است. برای نمونه، بهبود خدمات مشتریان به دلیل افزایش سطح سفارشی­سازی، توانایی پاسخگویی سریع­تر به درخواست­های مشتریان و افزایش و بهبود میزان رضایت­مندی آن­ها، افزایش سطح بهره­وری کسب و کار توسط فناوری­های نوآورانه و کاهش هزینه­های مبادله (Dudnik, et al, 2021: 2)، کاهش خطرات با افزایش دقت پیش­بینی، انجام وظایف اداری معمول و تجزیه و تحلیل داده‌های بزرگ و مدل‌سازی فرآیندهای تجاری مختلف را می­توان نام برد. به عبارت دیگر، امروزه هوش مصنوعی در تجزیه و تحلیل استراتژیک عوامل مختلف محیط کلان و خرد سازمان (Kitsios, Kamariotu ,2021: 2)، تجزیه و تحلیل نقاط قوت و ضعف، فرصت­ها و تهدیدها، تجزیه و تحلیل پورتفولیوی شرکت­ها امری ضروری به شمار می­رود (Chernov, et al, 2020: 22). حتی هوش مصنوعی اکنون برای سرمایه­گذاری در وال استریت³³ مورد استفاده قرار می­گیرد و می­تواند 193000 معامله در روز انجام دهد. علاوه بر این، پیش­بینی­های رفتار مصرف­کننده که توسط بازاریابان خرده فروشی آنلاین به کار گرفته می­شود توسط یک الگوریتم هوش مصنوعی با دقت بسیار بالا ایجاد شده است (Martinez, 2019: 1020). در کنیا، Vital Signs داده‌های مربوط به کشاورزی و اکوسیستم را جمع‌آوری کرده و از داده­های تصاویر ماهواره­ای برای تخمین الگوهای بارندگی و خشکسالی استفاده می­کند. در نیجریه، Zenvus یک پلتفرم مبتنی بر داده است که بر اساس داده‌های جمع‌آوری‌شده از حسگرها و ابزارهای دیگر، اطلاعات تحلیلی را در اختیار کشاورزان قرار می‌دهد (Sadeski, et al, 2019: 121).

د) در زمینه چت بات­ها: چت­بات، یک برنامه کامپیوتری است که در جهت گفت­و­گوی محاوره­ای بین انسان و ربات عمل می­کند (Gupta, 2020: 255). چت­بات­ها به طور کلی به دو دسته­ی چت­بات­های مبتنی بر قاعده³⁴ و چت­بات­های مبتنی بر هوش مصنوعی³⁵ تقسیم می­شوند. تفاوت اصلی این دو دسته از چت­بات­ها این است که یک چت­بات مبتنی بر قاعده بر روی قوانین از پیش تعریف شده و بدون قابلیت خودآموزی کار می­کند. این در حالی است که چت­بات‌های هوش مصنوعی از فناوری‌های هوش مصنوعی و یادگیری ماشین پشتیبانی کرده و می‌توانند معنای رفتار کاربران را درک کنند (Supreetha, 2020: 688). در حال حاضر، از این چت­بات­ها در زمینه­های مختلف مانند: آژانس­های مسافرتی برای پیدا کردن هتل و رستوران و رزرو بلیط، بانک­ها برای ارائه خدمات و مشاوره به مشتریان و دولت­ها برای فروش بلیط پارکینگ استفاده می­شود (Supreetha, 2020: 691; Pariyani, et al,2020: 1157). اما از مهم­ترین چت­بات­ها که مبتنی بر هوش مصنوعی بوده و با استقبال گسترده­ی مردم عادی رو به رو شده چت­بات Chat GPT است. Chat GPT، نوعی از مدل زبان هوش مصنوعی است که توسط شرکت Open AI توسعه یافته و از شبکه­های عصبی عمیق برای پردازش مقادیر زیادی از داده­های متنی و یادگیری الگوهای زبان استفاده می­کند (Božić, Poola, 2023: 2; Deng, Lin, 2023: 82). این چت­بات، می­تواند به تمامی سؤالات کاربران خود مانند رژیم غذایی و برنامه ورزشی متناسب با هر فرد، مشاوره، تولید متن در مورد موضوعی خاص، ترجمه متن، پاسخ به سؤالات حقوقی، بانکی، پزشکی، زیبایی، مطالعه و ... پاسخ دهد.

4.       چالش­های هوش مصنوعی در حوزه حریم خصوصی

هوش مصنوعی و مهم‌ترین نمونه فعلی آن، یادگیری ماشینی، در سال‌های اخیر پیشرفت چشمگیری داشته است. از زمانی که شرکت OpenAI، ChatGPT را در دسامبر 2022 و نسخه پیشرفته GPT-4 را کمی بعد معرفی کرد، هوش مصنوعی بخشی از زندگی بسیاری از افراد شده است. حتی قبل از آن، هوش مصنوعی بسیاری از برنامه­های مهم اقتصادی و اداری، از تشخیص چهره گرفته تا تشخیص سرطان و از کنترل هرزنامه تا رمزگشایی دست خط و ابزارهای کاهش تغییرات آب و هوا و مانند این­ها که در بخش قبل ذکر شد را تأمین کرده است. با ظهور سیستم‌های هوش مصنوعی مولد، مانند ChatGPT، Bard، یا Stable Diffusion، هوش مصنوعی با سرعتی بی‌سابقه در هر گوشه از جوامع بشری گسترش یافته است. این روند اگرچه دارای ظرفیت­های قابل توجهی است، اما نگرانی­ها و چالش­هایی را نیز در زمینه­های مختلف برای دولت­ها و مردم ایجاد می­نماید. بر اساس نظر 250 متخصص در زمینه هوش مصنوعی و اخلاق از جمله: کارشناسان فنی، نمایندگان صنعت، سیاست­گذاران و... 39 چالش مورد شناسایی قرار گرفته که یکی از این زمینه­ها چالش فناوری هوش مصنوعی در حوزه حریم خصوصی است (Stahl,2020:35).

حفظ و رعایت حریم خصوصی اشخاص، از جمله تکراری­ترین نگرانی­هایی است که شهروندان در مورد هوش مصنوعی دارند. در حالی که مفهوم حریم خصوصی، مفهومی نسبتاً مبهم بوده و حتی برخی آن را به یک باتلاق ناشناخته³⁶ تشبیه می­کنند (Inness, 1996: 14) اما می­توان آن را توانایی کنترل اطلاعات مربوط به خود، به شکل داشتن حق جلوگیری از دستیابی یا استفاده دیگران از آن اطلاعات بدون رضایت دانست (Elliott, Soifer, 2022: 1). به عبارت دیگر حریم خصوصی محدوده­ای است که شخص انتظار دارد از دسترس دیگران اعم از دولت یا اشخاص حقیقی یا حقوقی دیگر مصون بماند (فتحی، شاهمرادی، 1396: 229). در آيين­نامه اجرايي قانون انتشار و دسترسي آزاد به اطلاعات مصوب 1393 در تعریف حریم خصوصی آمده که «قلمروي از زندگي شخصي فرد كه انتظار دارد ديگران بدون رضايت يا اعلام قبلي وي يا به حكم قانون يا مراجع قضايي آن را نقض نكنند؛ از قبيل حريم جسماني، وارد شدن، نظاره كردن، شنود و دسترسي اطلاعات شخصي فرد از طريق رايانه، تلفن همراه، نامه، منزل مسكوني، خودرو و آن قسمت از مكان­هاي اجاره شده خصوصي نظير هتل و كشتي، همچنين آنچه كه حسب قانون فعاليت حرفه­اي خصوصي هر شخص حقيقي و حقوقي محسوب مي­شود؛ از قبيل اسناد تجاري و اختراعات و اكتشافات». این حریم در اسناد و قوانین داخلی و خارجی از جمله اصول 22 تا 25 قانون اساسی، کنوانسیون اروپایی حقوق بشر و اعلامیه حقوق بشر اسلامی قاهره، مورد حمایت دولت­ها قرار گرفته است. حریم خصوصی در آیین­نامه مذکور و لایحه حریم خصوصی که در سال 1384 به مجلس تقدیم شد دارای ابعاد متنوعی است که از این ابعاد می­توان در طبقه­بندی حریم خصوصی استفاده نمود که عبارتند از: حریم خصوصی جسمانی، حریم خصوصی در محل کار، حریم خصوصی ارتباطات، حریم خصوصی اطلاعات، حریم خصوصی اماکن و منازل. از بین این پنج نوع حریم، فناوری هوش مصنوعی می­تواند دو حریم را تحت تأثیر خود قرار دهد: حریم خصوصی ارتباطاتی که به تسلط اشخاص بر اطلاعات ارسال شده­ی آن­ها از طریق فضای مجازی گفته می­شود و حریم خصوصی داده‌ای که موضوع آن تسلط بر داده­های شخصی اشخاص است که توسط شرکت­ها و موسسات جمع­آوری گردیده (صادقی، 1388: 117). لذا، دو چالش اصلی و مهمی که ممکن است از طریق هوش مصنوعی در دو حریم خصوصی ارتباطاتی و داده ای (اطلاعاتی) ایجاد شود را می­توان نظارت جمعی و جعل عمیق دانست که در ادامه مورد بررسی قرار خواهند گرفت:  

4-1. نظارت جمعی³⁷:

یکی از مهم­ترین دلایلی که شهروندان عموماً نگران حفظ و کنترل اطلاعات و حریم خصوصی خود هستند، این است که این امکان وجود دارد که دیگران با دستیابی به این اطلاعات از آن­ها سوء ­استفاده نمایند و قصد آسیب به آن اشخاص را داشته باشند. موضوعی که سال­هاست وجود داشته و به نوعی منافع امنیتی و حریم خصوصی اشخاص را تهدید می­نموده نظارت جمعی نام دارد که در گذشته این نظارت توسط دولت صورت می­گرفته و حقوقدانان در صدد محدود نمودن آن بوده­اند ( Königs, 2022: 4) اما این تعارض میان حریم خصوصی اشخاص و هوش مصنوعی زمانی ممکن است به وجود بیاید که هوش مصنوعی به جمع­آوری و پردازش خودکار داده­های افراد بپردازد (Macnish, 2020: 10). این داده­ها بر اساس ماده 9 قانون حفاظت از اطلاعات اتحادیه اروپا³⁸ می­تواند داده­های قومی­-نژادی، عقاید سیاسی، باور­های دینی و فلسفی، اطلاعات ژنتیکی و بیومتریک باشد. نظارت جمعی که توسط هوش مصنوعی انجام می­شود، اکنون تهدیدی واقعی­تر از هر زمان دیگری برای اشخاص در تمام جهان محسوب می­شود. گسترش روز افزون به کارگیری ابزارهای دیجیتال مانند: لپ‌تاپ، رایانه، تبلت، تلفن‌ها، ساعت‌ها، ماشین‌ها و یخچال‌های هوشمند و ... همراه با افزایش اتصال به اینترنت منجر به ایجاد جهانی شده است که در آن، همه ما در هر دقیقه از حیاتمان تحت نظارت و ضبط داده­های مرتبط هستیم. از طرف دیگر، به نظر می­رسد شبکه­های اجتماعی آنلاین مانند یوتیوب می­دانند چگونه اشخاص را به مدت طولانی­تر و بیش از حد در پلتفرم خود نگه­دارند و اشخاص از لحاظ شخصی، سیاسی و تجاری به چه چیزی علاقه دارند. یکی از دلایل این امر می­تواند دو فناوری محاسبات فراگیر³⁹ که وظیفه دارد نرم­افزار را در تار و پود زندگی روزمره اشخاص ببافد تا زمان استفاده از آن قابل تفکیک از زمان­های دیگر نباشد و هوش محیطی⁴⁰ که طراحی شده تا افراد را بشناسد و نیاز­های ذهنی و خواسته­های آن­ها را پیش­بینی نماید، باشد (Weiser,1991: 94). این امکانات، امکان جمع­آوری و پردازش داده ها و اطلاعات را در مقیاسی که هرگز اتفاق نیفتاده بود فراهم آورده و این موضوع منجر به نقض بخش قابل توجهی از حریم خصوصی اشخاص ­شده است. به عنوان مثال، در نیمه اول سال 2019 میلادی، 3800 نقض داده در سراسر جهان گزارش شده است که 4.1 میلیارد رکورد داده را در معرض خطر قرار داده است. با وجود حملات سایبری و نشت داده­ها در همه بخش­ها از مراقبت­های بهداشتی گرفته تا امور مالی، خرده فروشی گرفته تا دولت و غیره، عجیب نیست که چنین حوادثی به طور مکرر در اخبار گزارش شوند (Hinds, et al, 2020: 3). رسوایی فیس‌بوک-کمبریج آنالیتیکا⁴¹ یکی از گسترده‌ترین نقض‌های داده در سال 2018 میلادی بوده است. پس از افشای اینکه داده‌ها و اطلاعات حدود 87 میلیون کاربر فیسبوک به طور غیرقانونی و بدون رضایت آنها جمع‌آوری شده است (Cadwalladr, 2018, theguardian.com ؛ Skirchy, 2018, theguardian.com) و علاوه بر آن، از این داده‌ها برای ایجاد تبلیغات روان‌شناختی استفاده شد که ظاهراً با هدف تأثیرگذاری بر ترجیحات رأی‌دهی مردم در انتخابات ریاست‌جمهوری 2016 میلادی ایالات متحده آمریکا بوده است، مقیاس سوء استفاده از داده­ها همراه با چنین ادعاهای بزرگ دستکاری انبوه، خشم جهانی را برانگیخت و اعتراضات متعددی را سبب گردید که طی آن از مردم خواسته شد تا حساب­های کاربری خود را حذف نمایند. بر این اساس، می­توان مشاهده نمود که در پلتفرم­های اجتماعی مانند فیس بوک و شرکت­های تحلیلی مانند: کمبریج آنالیتیکا، چگونه چیزهای ساده و به ظاهر بی­اهمیت مانند پست­های به اشتراک گذاشته شده و پسندیده شده، نظرات و این­ گونه موارد می­تواند مبنایی برای ارزیابی شخصیت اشخاص باشد (Kanakia, et al, 2019: 5).  

2-4. جعل عمیق:

یکی دیگر از چالش­هایی که فناوری هوش مصنوعی در زمینه­های مختلف ایجاد می­نماید، توانایی هوش مصنوعی مدرن برای جعل هویت افراد است که در اصطلاح، Deep fake نام دارد و در مواردی مانند آسیب رساندن به افراد یا سازمان­ها، آسیب به جامعه از طریق تضعیف دیپلماسی یا امنیت عمومی، تشدید شکاف­های اجتماعی، دستکاری در انتخابات و از این دست موارد استفاده می­شود (Citron, Chesney, 2019: 1778). اگرچه، قدمت دستکاری رسانه­های دیداری و شنیداری به میزان عمر خود رسانه­هاست؛ اما ورود اخیر جعل عمیق یک جهش قابل توجه و رو به جلو و نقطه عطفی در این زمینه بوده است. جعل عمیق محتوای رسانه‌ای فریبنده می­باشد که توسط فناوری‌های هوش مصنوعی ایجاد شده و ابزاری مهم برای انتشار اطلاعات غلط و جعل هویت دیجیتالی و به عبارت دیگر آلودگی داده­ها محسوب می­شود (بنافی، 1402: 165) که تشخیص آن، حتی برای اشخاص متخصص نیز سخت است. جعل عمیق توسط الگوریتم‌های یادگیری ماشینی در دو قسمت شبکه­های عصبی و شبکه مولد تخاصمی⁴² ترکیب شده با نرم‌افزار نقشه‌برداری چهره ایجاد می‌شوند که می‌توانند آن داده‌ها را بدون اجازه در محتوای دیجیتال وارد کنند (buffett.northwestern.edu; Santana, 2022: 118). در مارس 2022، اندکی پس از آغاز تهاجم روسیه به اوکراین، عموم مردم اوکراین با دیدن ویدئویی از ولودیمیر زلنسکی⁴³رئیس جمهور اوکراین که از ارتش می‌خواست سلاح‌های خود را زمین بگذارند و تسلیم شوند، شگفت‌زده شدند. با پخش شدن این ویدئو در رسانه­های اجتماعی و جلب توجه در اخبار، دفتر زلنسکی به سرعت صحت آن را رد کرد. در واقع، این ویدئو با استفاده از فناوری مذکور توسط مبلغان روسی تولید شد که این مورد، اولین نمونه­ی استفاده از جعل عمیق در یک درگیری مسلحانه بود (Burgess,2022, news.sky.com). چالش­های احتمالی این فناوری در حریم خصوصی افراد را می­توان دو مورد دانست. اولین و بیشترین استفاده از آن، تغییر تصاویر افراد و ایجاد تصاویر و فیلم­های غیراخلاقی و یا غیردلخواه است. این موضوع در سال‌های گذشته بسیار پرکاربرد بوده و برای تهدید، ارعاب و وارد کردن آسیب روانی استفاده گشته و حتی موجب اختلال در زندگی روزمره افرادی که در فیلم­های جنسی جعلی به تصویر کشیده شده­اند، گردیده است (Dodge, Spencer,2017: 657). از جمله نرم­افزار­هایی که به صورت رایگان در اختیار همگان قرار گرفته و برای تغییر چهره کاربرد دارد می­توان ری فیس⁴⁴ و دیپ فیس لب⁴⁵ را نام برد. دیگر مورد استفاده از جعل عمیق که می­تواند موجب ایجاد چالش در زمینه حریم خصوصی شود، توانایی این فناوری در فریب سامانه­های احراز هویت بیومتریک است که از آن می­توان برای دست­یابی به اطلاعات محرمانه اشخاص مانند جعل هویت برای ورود و دست­یابی به اطلاعات شرکت­های رمز ارز مانند بایننس⁴⁶ استفاده نمود (السان، دهستانی، 1401: 196) .  

5.       اقدامات تقنینی نظام­های حقوقی در زمینه صیانت از حریم خصوصی در حوزه فناوری هوش مصنوعی

تلاش برای درک رابطه میان نگرانی­های مربوط به حریم خصوصی اشخاص و رفتار آن­ها اغلب نشان می­دهد که این دو به نوعی در تضاد هستند و این پدیده­ای به نام پارادوکس حریم خصوصی⁴⁷ است (Barnes, 2006: 3). به این صورت که مردم اغلب ادعا می­نمایند که نگران حریم خصوصی خود هستند، با این وجود به دلیل عدم درک ریسک و اطلاعات ناکافی در خصوص محافظت از حریم خصوصی برای استفاده از تخفیف فروشگاهی، درآمد یا تاریخ تولد و یا برای استفاده از خدمات مالی، شماره تلفن یا آدرس منزل خود را به راحتی ارائه می­نمایند (Beresford, et al, 2012: 25). به همین دلیل، لازم به نظر می­رسد که دولت­ها برای جلوگیری از سوء ­استفاده از این اطلاعات و ایجاد هرج و مرج در جامعه چه از طریق خرید و فروش اطلاعات، استفاده امنیتی و یا تعرض به حریم خصوصی به وسیله جعل عمیق، قوانین و مقررات مورد نیاز را از طریق مراجع قانونگذار و نهادهای مقررات­گذار مصوب نموده و برخورد حقوقی لازم را در نظر داشته باشند. مشاهده خطرات در حال گسترش، دولت­ها و سازمان­های بین­المللی را بر آن داشت تا با تصویب قوانین و چارچوب­های حقوقی لازم برای حکمرانی در حوزه فناوری، مانع بروز و گسترش اینگونه خطرات شوند که در ذیل به بررسی برخی از اینگونه قوانین و مقررات خواهیم پرداخت:

5-1- اتحادیه اروپا: خطرات مذکور در اتحادیه اروپا توسط قانونگذاران به رسمیت شناخته شده و اقداماتی نیز برای مقابله و مواجهه با آن­ها انجام شده است. با این حال، نهادهای قانونگذار و مقررات گذار در اروپا، خیلی زود متوجه این امر شده اند که قوانین موجود نمی‌توانند با رشد سریع تغییرات فناورانه هماهنگی داشته باشند. بنابراین، مقررات عمومی حفاظت از داده‌ها⁴⁸به عنوان اقدامی اصلاحی در 27 آوریل 2016 تصویب و در 25 می 2018 لازم­الاجرا گشت. این قانون به ایجاد مقررات، توضیح فرایندهای مرتبط با داده­های شخصی اشخاص اعم از حقیقی و حقوقی و پردازش آن­ها، تضمین حفاظت از داده­های شخصی، حقوق و آزادی­های اشخاص حاضر در اتحادیه اروپا می­پردازد. بر طبق ماده 3 این قانون هر شخصی که داده­های اشخاص را به منظور فروش کالا یا خدمات به شهروندان اتحادیه اروپا پردازش می­نماید باید مفاد این قانون را اجرا کند حتی اگر خارج از اتحادیه اروپا باشد یا تابعیت اروپایی نداشته باشد (رضایی و همکاران، 1396: 8). این قانون، حفاظت از داده­های اتحادیه اروپا را برای مقابله با چالش­­های حریم خصوصی جدید ناشی از توسعه فناوری­های دیجیتال تقویت می­کند به عبارت دیگر اطلاعات اشخاص باید از طریق مستعارسازی یا بی‌نام سازی، ذخیره شده و به صورت پیش­فرض حداکثر محرمانگی در نظر گرفته شود، به گونه­ای که داده‌ها بدون رضایت و به ‌طور عمومی در دسترس نباشند. هیچ اطلاعات شخصی نمی‌تواند پردازش شود، مگر آنکه مطابق با مبنای قانونی که به وسیله مقررات تعیین شده انجام شود یا آنکه پردازنده داده‌ها اجازه صریح صاحب داده‌ها را دریافت کرده باشد و در صورت نقض آن جریمه­ی مالی برای آن­ها درنظر گرفته شده است (Li, et al, 2019: 2). یک سال پس از اجرای این قانون، شرکت Open AI اعلام کرد مدل زبانی این شرکت با نام GPT-2 با قابلیت تولید متن، به‌دلیل نگرانی‌های مرتبط با استفاده مخرب از این فناوری، برای عموم مردم منتشر نخواهد شد. به همین دلیل این شرکت پیشنهاد داد که دولت‌ها نظارت نظام‌مند بر تأثیرات اجتماعی و ترکیب فناوری‌های AI با یکدیگر را گسترش دهند و بر روند پیشرفت توانایی‌های سیستم‌های هوش مصنوعی نیز نظارت داشته باشند. بسیاری از عملیات­های پردازش توسط سیستم­های هوش مصنوعی از نقطه نظر قانون حفاظت از داده اتحادیه اروپا ممنوع شده بود. این ممنوعیت به عنوان یک محدودیت در نظر گرفته می­شد که به موجب آن، این قانون، بسیار ناقص و مانعی برای توسعه سیستم­های هوش مصنوعی تلقی می­گردید. بنابراین پیش‌نویس مقررات ویژه سیستم‌های هوش مصنوعی در سال 2021 به کمیسیون اتحادیه اروپا ارائه شد با این قصد که مقررات سیستم‌های هوش مصنوعی را در سطح اتحادیه اروپا هماهنگ کند. قابل ذکر است که برخی از مقررات وضع شده در قانون موسوم به هوش مصنوعی⁴⁹می­تواند شکاف­های موجود در GDPR را در مورد پردازش داده­های شخصی پر کند (Hetchely, 2022: 1-33). پیش­نویس این قانون در دسامبر 2022 همراه با اصلاحات در شورای اتحادیه اروپا به تصویب رسید و در 12 جولای 2024 منتشر و 20 روز بعد در کشور­های عضو لازم­الاجرا شد. کشورهای اتریش، بلژیک، قبرس، فرانسه، بلغارستان، آلمان، رومانی، اسلواکی، ایتالیا، اسپانیا، مجارستان، سوئد، دانمارک، فنلاند، هلند، پرتغال، مالت، ایرلند، چک، کرواسی، لتونی، یونان، لهستان، اسلوونی، استونی، لوکزامبورگ و لیتوانی اعضای اتحادیه اروپا هستند.

5-2- بریتانیا: بریتانیا در سال 2018 قانون حفاظت از داده⁵⁰را به تصویب رسانده است. این قانون، قوانین حفاظت از داده­ها را در بریتانیا به روز و مقررات حفاظت از داده­های عمومی (GDPR) را تکمیل کرده و دستورالعمل اجرای قانون اتحادیه اروپا (LED) را اجرا و حفاظت از داده­ها را گسترش داده است (Hacker, 2023: 1-2). 

5-3- برزیل: LGPD ⁵¹ اولین مقررات جامع حفاظت از داده ها در برزیل است و به طور گسترده با قانون حفاظت از داده­های اتحادیه اروپا (GDPR) همسو است. اگرچه این قانون از سال 2020 لازم الاجرا بوده است، مجازات­های مندرج در آن، در 1 اوت 2021 قابل اجرا شد. این قانون دستورالعمل­هایی را برای جمع آوری، استفاده، پردازش و ذخیره داده­های شخصی در برزیل تعیین می­کند (Belli, et al, 2023: 1-13). 

5-4-کانادا: در ژوئن 2022، دولت کانادا قانون هوش مصنوعی و داده­ها⁵²را به عنوان بخشی از لایحه C-27 قانون اجرای منشور دیجیتال، بر این مبنا که طراحی، توسعه و استفاده از سیستم­های هوش مصنوعی باید ایمن باشد و به ارزش­های شهروندان کانادا احترام گذاشته شود، ارائه نمود (Scassa, 2023: 1-30). 

5-5-چین: کشور چین در خصوص هوش مصنوعی تا پیش از سال 2023 دو قانون مهم تصویب نمود که عبارتند از دستورالعمل­های اخلاقی برای مقابله با هوش مصنوعی مصوب 2021 و قوانین 2022 در خصوص محتواهای تولید شده اما در آگوست سال 2023 اولین و پیشرفته­ترین قانون هوش مصنوعی در جهان را مصوب نمود که در آن به طور خاص در خصوص هوش مصنوعی مولد نیز صحبت به میان آمده است (Sheehan, 2023: 3-37).

5-6-: سازمان ملل متحد: در ورای قانونگذاری­های داخلی، برای تقویت یک رویکرد فراگیر در سطح جهانی، دبیر کل سازمان ملل متحد یک هیئت مشورتی چندجانبه در سطح بالا در زمینه هوش مصنوعی تشکیل داد تا تجزیه و تحلیل و پیشبرد توصیه­هایی را برای حاکمیت بین­المللی هوش مصنوعی انجام دهد (Un.org). در این راستا، گوترش در بیانیه­ای اعلام نمود:« من خواستار یک گفتگوی جهانی، چند رشته­ای و چندجانبه در مورد حاکمیت هوش مصنوعی شده­ام تا مزایای آن برای بشریت - همه بشریت - به حداکثر برسد و خطرات آن مهار شود و یا کاهش یابد». تشکیل هیئت مشورتی هوش مصنوعی گام مهمی در خصوص تلاش­های سازمان ملل برای رسیدگی به مسائل حاکمیت بین­المللی هوش مصنوعی است. وظایف فوری این هیئت شامل ایجاد یک اجماع علمی جهانی در مورد خطرات و چالش‌ها، کمک به مهار هوش مصنوعی برای اهداف توسعه پایدار و تقویت همکاری بین‌المللی در زمینه مدیریت هوش مصنوعی تا تابستان 2024، پیش از اجلاس سران آینده است.

5-7- ایران: همانطور که مشاهده نمودیم، اکثر کشور­ها از سال 2018 در تکاپوی تصویب قانونی در جهت حفظ داده­ها و حریم خصوصی شهروندان خود هستند. در سالیان اخیر، در ایران نیز تلاش بر آن بوده که در جهت توسعه بستر­های زیرساختی و قانونی اقداماتی به عمل آید که از مهم­ترین آن­ها می­توان به قانون انتشار و دسترسی آزاد به اطلاعات و قانون مدیریت داده­ها و اطلاعات ملی اشاره نمود. (در تحلیل این دو قانون، ر.ک.به: میرشکاری و دیگران، ۱۴۰۳: ۳۰۸) پس از آن در راستای گسترش شرکت­های فناوری مرتبط با هوش مصنوعی قوانینی مانند قانون جهش تولید دانش­ بنیان و قانون حمایت از شرکتها و مؤسسات دانش بنیان و تجاری­سازی نوآوری­ها و اختراعات به تصویب رسید.

در سال 1401 که بحث در خصوص هوش مصنوعی و چالش­های آن شدت گرفت، شورای عالی فضای مجازی سندی به نام سند راهبردی جمهوری اسلامی ایران در حوزه فضای مجازی را تصویب و منتشر نمود که مطابق آن طراحی نظام حقوقی فضای مجازی به معاونت حقوقی رئیس جمهور، طراحی نظام قضایی فضای مجازی به رئیس قوه قضاییه و طراحی نظام به کارگیری فناوری­های نوین فضای مجازی از جمله هوش مصنوعی و علوم داده، برعهده معاونت علمی، فناوری و اقتصاد دانش­بنیان ریاست جمهوری قرار گرفته است. از آن پس در قوانین جدیدالتصویب، هوش مصنوعی به طور محدود مورد توجه قرار گرفت.

در بند الف ماده 113 قانون برنامه هفتم پیشرفت جمهوری اسلامی ایران چنین مقرر شده است: «به‌منظور تسهیل رسیدگی به پرونده‌های قضائی و رفع اختلافات مردم، قوه قضائیه و وزارت دادگستری با رعایت قانون مدیریت داده­ها و اطلاعات ملی حسب مورد مکلف به انجام اقدامات زیر هستند: الف-  تا پایان سال دوم برنامه، امکان انجام اموری از قبیل ارجاع پرونده، تعیین وقت و انتخاب کارشناس را با استفاده از فناوری‌های نوین از جمله هوش مصنوعی برای کمک به قاضی با حفظ مسؤولیت شخص قاضی فراهم نمایند. ‌آیین‌نامه اجرائی این بند در چهارچوب سیاست‌های ابلاغی ‌شورای‌عالی فضای مجازی تهیه می‌شود و به‌تصویب رئیس قوه قضائیه می­رسد». همچنین، در بند ج ماده ۶۵  قانون یاد شده نیز چنین آمده است: «دولت مکلف است در راستای حمایت از توسعه زیست‌بوم تحول‌آفرین هوش مصنوعی قابل اعتماد و پایدار و به‌منظور تعیین چهارچوب­ها و ساز و کار تعامل تمامی ذی­نفعان، فراهم نمودن دانش و زیرساخت­های دانش فنی، اجتماعی، اخلاقی و حقوقی، ترویج و افزایش آگاهی در مورد کارکردهای هوش مصنوعی در زمینه‌های مختلف و خطرات بالقوه آن حداکثر ظرف شش­ماه از لازم­الاجرا شدن این قانون نسبت به اجرای «برنامه ملی توسعه هوش مصنوعی» با رعایت سیاست­های کلی نظام، مصوبات شورای‌عالی انقلاب فرهنگی و سند راهبردی جمهوری اسلامی ایران در فضای مجازی اقدام قانونی به‌ عمل آورد».

همچنین، در تاریخ 30/04/1403 مصوبه شورای عالی انقلاب فرهنگی به نام سند ملی هوش مصنوعی جمهوری اسلامی ایران ابلاغ شد. این سند به بیان اصول و مبانی ارزشی، چشم­انداز، اهداف کلان و شاخص­های ارزیابی، سیاست­های راهبردی، راهبردها و اقدامات ملی و اولویت­های ملی به کارگیری هوش مصنوعی پرداخته است. در این سند، «رعایت حریم خصوصی و حفاظت از امنیت داده ها و اطلاعات در زیست‌بوم هوش مصنوعی» به عنوان یکی از اصول و مبانی ارزشی سند یاد شده و در بند یک از ماده ۵ این سند، «تدوین لوایح قانونی لازم به منظور ایجاد زیرساخت‌های حقوقی مورد نیاز جهت بهره‌گیری و مواجهه با مخاطرات هوش مصنوعی در کشور از قبیل... رعایت حریم خصوصی» به عنوان یکی از زیرساخت‌های حکمرانی معرفی شده است. بنابراین در حال حاضر که قوانین مختص به هوش مصنوعی در جهت استفاده از مزایای آن و رفع و جلوگیری از چالش­های آن وجود ندارد، برای حفاظت از حریم خصوصی اشخاص و ممانعت از سوء­استفاده از داده­ها در ایران باید به قوانین سابق­التصویب که در حوزه محافظت از داده‌ها قابل استفاده هستند، استناد کرد، مواردی همچون اصل 25 قانون اساسی، قانون مسئولیت مدنی، قانون جرایم رایانه‌ای و قانون تجارت الکترونیکی. همچنین، در صورت نقض حریم خصوصی اشخاص از طریق انتشار اطلاعات واقعی و یا غیرواقعی، می‌توان از ظرفیت ماده۲۱ قانون انتشار و دسترسی آزاد به اطلاعات استفاده کرد. بر اساس این ماده، «هر شخصی اعم از حقیقی یا حقوقی که در نتیجه انتشار اطلاعات غیرواقعی درباره او به منافع مادی و معنوی وی صدمه وارد شده است حق دارد تا اطلاعات مذکور را تکذیب کند یا توضیحاتی درباره آنها ارائه دهد و مطابق با قواعد عمومی مسئولیت مدنی جبران خسارت‌های وارد شده را مطالبه نماید». بر اساس تبصره این ماده نیز، «در صورت انتشار اطلاعات واقعی بر خلاف مفاد این قانون، اشخاص حقیقی و حقوقی حق دارند که مطابق قواعد عمومی مسئولیت‌های مدنی، جبران خسارت‌های وارد شده را مطالبه نمایند»  با این حال، روشن است که نصوص فوق در برابر تهدید نقض حریم خصوصی ارتباطاتی و حفاظت از داده ها از طریق هوش مصنوعی کارآ نبوده و لازم است برنامه جامعی در این خصوص طراحی شود. در واقع، با توجه به چالش­های بروز یافته و قابل ظهور در زمینه تهدید حریم خصوصی اشخاص به سبب توسعه روزافزون به کارگیری فناوری هوش مصنوعی در حیات اجتماعی شهروندان و تجربه بسیار اندک نهادهای قانونگذار و مقررات­گذار در حوزه تقنین و تنظیم­گری در ارتباط با فناوری هوش مصنوعی و نیز نظر به ارتباط بسیار نزدیک فناوری هوش مصنوعی با اطلاعات هویتی اشخاص و حقوق مرتبط با شخصیت افراد، راهکارهای حقوقی ذیل به منظور صیانت هر چه مطلوب­تر از حریم خصوصی و بهره­مندی صحیح از مزایای آن در ارتباط با فناوری هوش مصنوعی در نظام حقوقی ایران پیشنهاد می­گردد:  

-       تدوین قانون یا مقرره جامع در زمینه صیانت از حریم خصوصی در به کارگیری فناوری هوش مصنوعی و ارائه تعاریف، الزامات، حدود اختیارات و تکالیف قانونی نهادهای ناظر و مسئولیت مدنی اشخاص در زمینه رعایت حریم خصوصی در خصوص فناوری هوش مصنوعی

-       تمهید شرایط حقوقی و قانونی لازم به منظور تضمین حق بر حریم خصوصی کاربران و صاحبان سکوها و پلتفرم­های آنلاین فناوری هوش مصنوعی از یک طرف و پیش­بینی ساز و کارهای قانونی لازم به منظور پاسخگو و مسئولیت­پذیر نمودن صاحبان سکوها و پلتفرم­های آنلاین فناوری هوش مصنوعی

-       الزام قانونی صاحبان سکوها و پلتفرم­های آنلاین فناوری هوش مصنوعی به احراز هویت چند مرحله­ای اشخاص پیش از ارائه خدمات با توجه به لزوم احترام و رعایت حق حفظ حریم خصوصی اشخاص

-       ارائه نشان کیفیت برای کمک به اعمال استانداردهای استفاده و توسعه هوش مصنوعی و صدور تاییدیه و گواهینامه برای شرکت­های بهره­مند از اطلاعات کاربران

-       ایجاد کمیته اخلاق در حوزه هوش مصنوعی جهت توسعه هوش مصنوعی اخلاق­مدار

-       ایجاد کمیته راهبری در زمینه­های مختلف اعم از: سلامت، حمل و نقل و مدیریت شهری، مسائل زیست محیطی، اقتصاد دیجیتال و... برای بهره از فواید هوش مصنوعی در رفع مشکلات موجود

 

 

 

 

نتیجه‌گیری

حریم خصوصی، یک حق اساسی است که پیش از این تنها با فضاهای فیزیکی افراد مرتبط بود؛ اما با ظهور انقلاب دیجیتال و ورود کاربران به این دنیای نوین، مفهوم مذکور عمیقاً تغییر شکل داده است. اکنون دیگر حفظ حریم خصوصی به فضاهای فیزیکی منحصر نبوده و کاربری ممکن است در یک فضای بستۀ فیزیکی باشد، ولی حریم خصوصی‌اش نقض شود و داده­های مهم اطلاعاتی‌اش به دست افراد سودجو بیفتد. بر این اساس، حفاظت از حریم خصوصی کاربران و داده‌ها‌یشان در این فضا، اهمیت بسیار زیادی پیدا کرده است. در این زمینه افزایش پیچیدگی در جمع‌آوری، ذخیره‌سازی و تجزیه و تحلیل داده‌ها، نگرانی‌هایی در مورد افشای اطلاعات شخصی و احتمال نقض حق حریم خصوصی ایجاد کرده است. همانگونه که بیان شد، هوش مصنوعی با سرعت بسیار بالایی وارد زندگی اشخاص شده و مورد استقبال قشر گسترده­ای از آن­ها قرار گرفته به صورتی که به انحاء گوناگون وارد تار و پود زندگی‌شان گشته است. از طرفی عدم آگاهی کامل انسان­ها از چگونگی سوء­استفاده از اطلاعات آنها موجب شده که گاهی خودشان این اطلاعات را در اختیار سازمان­ها و فروشگاه­ها و افراد ناشناس قرار دهند، غافل از آنکه ممکن است با این اقدام در دام نظارت جمعی و جعل عمیق گرفتار شوند و حریم خصوصی اطلاعاتی و ارتباطاتی آن­ها در معرض خطر قرار بگیرد. بنابراین، با بررسی چالش­های بروز یافته در این حوزه مشاهده نمودیم که  امر قانونگذاری و اقدامی سریع در خصوص ایجاد ضوابط و چارچوب های مورد نیاز در این حوزه امری لازم و ضروری به نظر می­رسد. در ادامه بیان نمودیم که دولت­ها از سال 2018 در حیطه داخلی و بین­المللی اقدام به تصویب قوانین متعدد در این‌باره نموده اند و هرگونه تعرض به حریم خصوصی اشخاص و استفاده­ی بی­اجازه و خرید و فروش اطلاعات آن­ها را منع می نمایند. همچنین، در پایان این مقاله بیان گردید که در حال حاضر همچنان به مقوله حمایت از حریم خصوصی ارتباطاتی و داده ای اشخاص در مواجهه با فناوری هوش مصنوعی به صورت مکفی پرداخته نشده است. از این رو، با توجه به سرعت بسیار زیاد و پرشتاب پیشرفت فناوری هوش مصنوعی و خدمات وابسته به آن، تصویب قانون یا مقرره­ای خاص با در نظر داشتن راهکارهای حقوقی پیشنهادی در این مقاله به منظور تبیین جوانب حقوقی و سازوکار­های حمایت از حریم خصوصی اشخاص در به کارگیری این فناوری در حال توسعه، امری لازم و ضروری به نظر می­رسد. البته از دو سال گذشته مقدمات تصویب قانون هوش مصنوعی در کشورمان هم در حال انجام است اما تاکنون تنها در برنامه هفتم توسعه پیشرفت به طور محدود و نیز در ذیل سند ملی هوش مصنوعی جمهوری اسلامی ایران از آن نام برده شده است و تا زمان تصویب قانونی خاص در این زمینه می­توان با استناد به موادی از قوانین عام موضوعه کشور جهت دادخواهی در این حوزه استناد نمود.

 

 

 

 

 

 

 

 

 

منابع 

1.       ارجمند، مسعود؛ ابراهیم­زاده، مجید؛ کاظمی، ابوالفضل. (1396). طراحی سیستم خبره برای عیب­یابی و رفع عیب موتور ماشین، سومین کنفرانس بین­المللی مهندسی صنایع و سیستم­ها، 1-7.

2.       السان، مصطفی؛ دهستانی، سوور. (1401). جنبه­های حقوقی جعل عمیق، فصلنامه تحقیقات حقوقی ویژه­نامه حقوق و فناوری، دوره 25، 193-218.

3.       بنافی، فرشته. (1402). حفاظت از حق حریم خصوصی اطلاعاتی در مقابل تهدیدات ناشی از هوش مصنوعی نظامی، پژوهش حقوق خصوصی، سال دوازدهم، شماره 45، 149-176.

4.       ذاکری­نیا، حانیه. (1402). ماهیت و مبنای مسئولیت مدنی ناشی از هوش مصنوعی در حقوق ایران و کشورهای اتحادیۀ اروپا، مجله حقوق خصوصی، سال بیستم، شماره 1، 135-152.

5.       رضایی، امیرمهدی؛ مباشری، مازیار؛ مرادحاصل، نیلوفر. (1396). مقررات اتحادیه اروپا در مورد حفاظت از افراد حقیقی نسبت به پردازش داده­های شخصی و انتقال آزاد داده­ها، انتشارات سازمان فناوری اطلاعات ایران، تهران، 1-243.

6.       سند ملی هوش مصنوعی جمهوری اسلامی ایران

7.       صادقی، حسین. (1388). مسئولیت مدنی در ارتباطات الکترونیک، انتشارات میزان، جلد اول، تهران، 1-304.

8.       فتحی، یونس؛ شاهمرادی، خیرالله. (1396). گستره و قلمرو حریم خصوصی در فضای مجازی، مجله حقوقی دادگستری، سال هشتاد و یکم، شماره 99، 229-252.

9.       قانون برنامه هفتم پیشرفت جمهوری اسلامی ایران

10.       میرشکاری، عباس؛ پیشنماز، سید امین؛ رکنی، امیر عباس. (۱۴۰۳). تراست داده، سازوکاری برای مدیریت منافع ذی نفعان داده؛ رهنمودهایی برای نظام داده در حقوق ایران، مطالعات حقوق تطبیقی معاصر، سال ۱۵، شماره 34 ، ۲۷۹-۳۲۰.

 

11.       Ahmad Fayaz Ahmad; Alam Mansoor Alam; Rahmat Khairil Rahmat; Mubarik Muhammad Shujaat; Hyder Syed Irfan. (2022). Academic and Administrative Role of Artificial Intelligence in Education, Sustainability, Vol 14, 1-11.

12.       Ahmed Wajeeha; Chaudhary Areeshia; Naqvi Gulfraz. (2022). Role of Artificial Neural Networks in AI, Neuro Quantology, Vol20, Issue13, 3365-3373.

13.       Aljaber Sohajaber; Almushaili Tahani. (2022). Artificial Intelligence, International Journal of Engineering Research and Application, Vol. 12, Issue 1, 52-57.

14.       Almufrah Maram; Tehsin Samabia; Humayun Mamoona; Kausar Sumaira. (2023). A Transfer Learning Approach for Clinical Detection Support of Monkeypox Skin Lesions, Diagnostics, Vol13, Issue8, 2-16.

15.       Al-Taani Ahmad. (2005). An Expert System for Car Failure Diagnosis, International Enformatika Conference, Vol7, 457-460.

16.       Bagunaid Wala; Chilamkurti Naveen; Veeraraghavan Prakash. (2022). AISAR: Artificial Intelligence-Based Student Assessment and Recommendation System for E-Learning in Big Data, Sustainability, Vol 14, no. 17, 2-22.

17.       Barnes Susan. (2006). A Privacy Paradox: Social networking in the United States, First Monday, Vol 11, No 9,1-13.

18.       Belli Luca, Curzi Yasmin, Gaspar Walter. (2023). AI regulation in Brazil: Advancements, flows, and need to learn from the data protection experience, Computer Law & Security Review, Vol 48, 1-28.

19.       Beresford Alastair; Kübler Dorothea; Preibusch Sören, (2012), Unwillingness to pay for privacy: A field experiment, Economics Letters, Vol 117, Issue 1, 25-27.

20.       Boucher Philip. (2020). Artificial intelligence: How does it work, why does it matter, and what can we do about it?, EPRS | European Parliamentary Research Service, 1-64.

21.       Božić Velibor; Poola Indrasen. (2023). Chat GPT and education, 1-9.

22.       Chernov Alexey; Chernova Victoria; Komarova Tatiana. (2020). The Usage of Artificial Intelligence in Strategic Decision Making in Terms of Fourth Industrial Revolution, Proceedings of the 1st International Conference on Emerging Trends and Challenges in the Management Theory and Practice (ETCMTP 2019), Vol 19, 22-25.

23.       Citron Danielle; Chesney Robert. (2019). Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security, California Law Review, Vol107, 1753-1820.

24.       Deng Jianyang; Lin Yijia. (2023). The Benefits and Challenges of ChatGPT: An Overview. Frontiers in Computing and Intelligent Systems, Vol 2, No 2, 81-83.

25.       Ding Hao; Wu Jiamin; Zhao Wuyuan; Matinlinna Jukka; Burrow Michael; Tsoi James. (2023). Artificial intelligence in dentistry—A review, Frontiers in Dental Medicine, Vol 4, 153-158.

26.       Dodge Alexa; Spencer Dale. (2017). Online Sexual Violence, Child Pornography or Something Else Entirely? Police Responses to Non-Consensual Intimate Image Sharing among Youth, Social & Legal Studies, Vol 27, No 3, 636- 675.

27.       Dudnik Olesya; Vasiljeva Мarina; Kuznetsov Nikolay; Podzorova Marina; Nikolaeva Irina; Vatutina Larisa; Khomenko Ekaterina; Ivleva Marina. (2021). Trends, Impacts, and Prospects for Implementing Artificial Intelligence Technologies in the Energy Industry: The Implication of Open Innovation, Journal of Open Innovation: Technology, Market, and Complexity, Vol 7, No 2, 2-27.

28.       Elliott David; Soifer Eldon. (2022). AI Technologies, Privacy, and Security, Frontiers in Artificial Intelligence, Vol 5, 1-8.

29.       Fan Yunlong; Dong Junfeng; Wu Yuanbin; Shen Ming; Zhu Siming; He Xiaoyi; Jiang Shengli; Shao Jiakang; Song Chao. (2022). Development of machine learning models for mortality risk prediction after cardiac surgery, Cardiovascular Diagnosis & Therapy, Vol 12, Issue 1, 12-23.

30.       Feigenbaum Edward; Buchanan Bruce. (1993). DENDRAL and Meta-DENDRAL: roots of knowledge systems and expert system applications, Artificial Intelligence, Vol59, No1-2, 233-240.

31.       Goyal Hemant; Sherazi Syed; Mann Rupinder; Gandhi Zainab; Perisetti Abhilash; Aziz Muhammad; Chandan Saurabh; Kopel Jonathan; Tharian Benjamin; Sharma Neil; Thosani Nirav. (2021). Scope of Artificial Intelligence in Gastrointestinal Oncology, Cancers, Vol 13, No 21, 2-2023.

32.       Gupta Aishwarya. (2020). Introduction to AI Chatbots, International Journal of Engineering Research and Technology (IJERT), Vol 9, Issue 7, 255-258.

33.       Hacker Philipp. (2023). AI Regulation in Europe: From the AI Act to Future Regulatory Challenges, Oxford Handbook of Algorithmic Governance and the Law, Oxford University Press, 1-15.

34.       Hassani Hosein, Sirimal Silva Immanuel, Unger Stephane, Tajmazinani Maedeh, Mac feely Stephan. (2020). Artificial Intelligence (AI) or Intelligence Augmentation (IA): What Is the Future?, AI, Vol 1, Issue 2, 143-155.

35.       Hetchely Christiane. (2022). The Potential Impact of the Future AI Act on the GDPR, Master's thesis, Information and Communication Technology Law at the University of Oslo, 1-31.

36.       Hidayat Nurharyadi Fajar; Satwiko Prasasto. (2021). The Implementation of Artificial Intelligence in the Environmental Licensing Process, International Webinar on Digital Architecture 2021 (IWEDA 2021), Vol671, 291-296.

37.       Hinds Joanne; Williams Emma; Joinson Adam. (2020). It wouldn't happen to me: Privacy concerns and perspectives following the Cambridge Analytica scandal, International Journal of Human-Computer Studies, Vol 143, 1-14.

38.       https://buffett.northwestern.edu/documents/buffett-brief_the-rise-of-ai-and-deepfake-technology.pdf

39.       https://builtin.com/artificial-intelligence/types-of-artificial-intelligence

40.       https://news.sky.com/story/ukraine-war-deepfake-video-of-zelenskyy-telling-ukrainians-to-lay-down-arms-debunked-12567789

41.       https://rc.majlis.ir/fa/report?tag=%D8%A8%D8%B1%D9%86%D8%A7%D9%85%D9%87%20%D9%87%D9%81%D8%AA%D9%85%20%D8%AA%D9%88%D8%B3%D8%B9%D9%87&tag_lang=fa&order_index=0&page=1

42.       https://www.bmc.com/blogs/artificial-intelligence-types/

43.       https://www.coursera.org/articles/types-of-ai

44.       https://www.darpa.mil/about-us/about-darpa

45.       https://www.theguardian.com/technology/2017/oct/26/cambridge-analytica-used-data-from-facebook-and-politico-to-help-trump

46.       https://www.theguardian.com/us-news/2018/apr/06/facebook-suspends-aggregate-iq-cambridge-analytica-vote-leave-brexit

47.       https://www.un.org/techenvoy/ai-advisory-body

48.       Inness Julie. (1996). Privacy, Intimacy, and Isolation, Oxford University Press, New York.

49.       Kanakia Harshil; Shenoy Giridhar; Shah Jimit. (2019). Cambridge Analytica – A Case Study, Indian Journal of Science and Technology, Vol 12, No 29, 1-5.

50.       Khairuddin Hajar; Azrin ahmad; Mohammad, Adzhar, Noraziah. (2019). Splicing System in Automata Theory: A Review, Journal of Physics Conference Series, Vol 1366, No 1, 1-10.

51.       Khan Hanif. (2021). Types of AI | Different Types of Artificial Intelligence Systems, fossguru, Vol 9, 1-13.

52.       Khemani Deepak. (2020). Artificial Intelligence, The Age-old Quest for Thinking Machines, Resonance Journal, Vol.25, No.1, 33-41.

53.       Kitsios Fotis; Kamariotou Maria. (2021). Artificial Intelligence and Business Strategy Towards Digital Transformation: A Research Agenda, Sustainability, Vol 13, No 4, 2-16.

54.       Kline Ronald. (2011). Cybernetics, Automata Studies, and the Dartmouth Conference on Artificial Intelligence, IEEE Annals of the History of Computing, Vol33, No4, 5-16

55.       Königs Peter. (2022). Government Surveillance, Privacy, and Legitimacy, Philosophy & Technology, Vol 35, No 8, 1-22.

56.       kunze Don. (2020). Zairja-Thinking: A Second Virtuality for Design, ACSA 108th Annual Meeting, Vol 11, 1-11.

57.       Li He, Yu Lu, He Wu. (2019). The Impact of GDPR on Global Technology Development, Journal of Global Information Technology Management, Vol 22, 1-16.

58.       Liang Feng; Wang Shu; Zhang Kai; Liu Tong-Jun; Li Jian-Nan. (2022). Development of artificial intelligence technology in diagnosis, treatment, and prognosis of colorectal cancer, World Journal of Gastrointestinal Oncology, Vol14, Issue1, 124-152.

59.       Macnish Kevin. (2020). Mass Surveillance: A Private Affair?, Moral Philosophy and Politics, Vol 7, No 1, 1-14.

60.       Malani Sagar; Shrivastava Deepti; Raka Mayur. (2023). A Comprehensive Review of the Role of Artificial Intelligence in Obstetrics and Gynecology. Cureus, Vol 15, No 2, 1-10.

61.       Martinez Rex. (2019). Artificial Intelligence: Distinguishing between Types & Definitions, Nevada Law Journal, Vol 19, Issue 3, 1015-1037.

62.       McCorduck Pamela. (2004). Machines Who Think: A Personal Inquiry into the History and Prospects of Artificial Intelligence, W. H. Freeman, 2nd.

63.       Moor James. (2011). The Dartmouth College Artificial Intelligence Conference: The Next Fifty Years, AI Magazine, Vol27, No4, 87-91.

64.       Mujoo S.; Najmi H.; Alhazmi F.; Shibli A.; Mobaraki A.; Dubey A. (2022). Knowledge, attitudes, and perceptions regarding the future of artificial intelligence in oral radiology in Jazan, Saudi Arabia, International Journal of Health Sciences, Vol6, Issue7, 4597-4604.

65.       Pariyani Harsha; Sinha Anshika; Bhat Preeti; Rote Roshni; Mulla, Nilofar. (2020). A Literature Survey of Recent Advances in Chatbots, Journal of Emerging Technologies and Innovative Research, Vol 7 Issue 5, 1153-1159.

66.       Sadeski Francie; Kouacou Karine; Poteau Xavier, et al. (2019). Potential of the fourth industrial revolution in Africa, Study report unlocking the potential of the fourth industrial revolution in Africa, Technopolis & Research ICT Africa & Tambourine Innovation Ventures, 1-270.

67.       Santana Miosotis. (2022). Justice for Women: Deep fakes and Revenge Porn, 3rd Global Conference on Women’s Studies, Rotterdam, The Netherlands, 113-128.

68.       Scassa Teresa. (2023). Regulating in Canada: a critical look at the proposed artificial intelligence and data act, Emerging Issues in Technology Law and Intellectual Property, Vol 101, No 1, 1-30.

69.       Sheehan Matt. (2023). China’s AI Regulations and How They Get Made, Carnegie Endowment for International Peace, Publications Department, Washington, DC, 1-27.

70.       Smith Roger. (2016). James Cox’s Silver Swan An eighteenth century automaton in the Bowes Museum, Artefact Journal, Vol4, 361-365.

71.       Stahl Bernd. (2021). Artificial Intelligence for a Better Future, Springer Briefs in Research and Innovation Governance. Springer, Cham, 1-128.

72.       Supreetha H V. (2022). A Survey on Various Types of Chatbots, International Research Journal of Engineering and Technology (IRJET), Vol 9, Issue 7, 688-692.

73.       Van mille William. (1978). MYCIN: a knowledge-based consultation program for infectious disease diagnosis, International Journal of Man-Machine Studies, Vol10, Issue 3, 313-322.

74.       Weiser Mark. (1991). The computer for the 21st century, Scientific American, Vol256, 94-104.

 

 

        

---

[1]  Paracelsus

[2]  I think, therefore, I am

[3]  Artificial Neural Networks

[4]  Automata

[5]  Zairja

[6]  Silver Swan

[7]  James Cox

[8]  Bowes Museum

[9]  John McCarthy

[10]  Marvin Minsky

[11]  Nathaniel Rochester

[12]  Claude Shannon

[13]  Dartmouth College

[14]  The Defense Advanced Research Projects Agency (DARPA)

[15]  Expert System

[16]  Service Bay Diagnosis System

[17]  Artificial Narrow Intelligence (ANI)

[18]  Artificial General Intelligence (AGI)

[19]  Artificial Super Intelligence (ASI)

[20]  Machine learning

[21]  Neural network algorithms

[22]  Arend Hintze

[23]  Reactive machines

[24]  Limited memory

[25]  Theory of mind

[26]  Self-awareness

[27]  Endoscopic

[28]  Periodontics

[29]  Orthodontics

[30]  Oral and Maxillofacial Surgery

[31]  Prosthodontic

[32]  Black metal albums

[33]  Wall Street

[34]  Rule-based chatbot

[35]  AI chatbots

[36]  Unknown swamp

[37]  Mass Surveillance

[38]  General Data Protection Regulation (GDPR)

[39]  Ubiquitous computing

[40]  Ambient intelligence

[41]  Cambridge Analytica

[42]  Generative Adversarial Networks (GAN)

[43]  Volodymyr Zelenskyy

[44]  Reface

[45]  Deepfacelab

[46]  Binance

[47]  privacy paradox

[48]  The General Data Protection Regulation (GDPR)

[49]  Artificial Intelligence Act (AIA)

[50]  Data Protection Act

[51]  Lei Geral de Proteção de Dados

[52]  Artificial Intelligence and Data Act (AIDA)