AI Highlights — picha nzima — Habari za Kila Siku za 2026-10-26 (Jumatatu)

Wakati AI inaendesha takwimu za ajira, teknolojia hiyo hiyo pia inatumika katika taarifa za uchaguzi, ushauri wa mapenzi na malezi ya watoto, utabiri wa saratani, na shughuli za kijeshi na za dawa. Kampuni kubwa za IT zimeripotiwa kupunguza karibu ajira 200,000 duniani kote, lakini ukubwa wa upunguzaji huo ni sehemu tu ya mabadiliko yanayotokea. Ni 8% tu ya watu wazima wa Marekani wanaopata taarifa za uchaguzi kutoka kwa chatbot za AI, na ikiwa huduma kubwa ya uchumba ya AI itafilisika, wenzi wa watumiaji watafutwa. Bila kujali kama idadi ni kubwa au ndogo, binadamu wanazidi kupokea majibu kutoka kwa AI na kuyatumia kama msingi wa maamuzi na mahusiano. Kile ninachotaka wasomaji wachukue kutoka nusu siku hii ni swali la ni kwa kiasi gani tunaweza kuachia AI, na wapi tunapaswa kuchora mstari. Sehemu zilizo hapa chini zinaonyesha jinsi mstari huo unavyowekwa tofauti katika sekta na hali mbalimbali.

Upunguzaji wa wafanyakazi unaongoza, na mfumo na uchumi vinafuata

Gazeti la kiuchumi la India Livemint liliripoti kuwa kampuni kubwa za IT zimepunguza karibu ajira 200,000 duniani kote kutokana na mabadiliko ya AI. Kiwango cha upunguzaji tayari kimepita kile cha kampuni au nchi yoyote moja. Al Jazeera ilisisitiza kuwa Uingereza inaongoza katika kupunguza wafanyakazi kunakohusiana na AI na ikajadili sababu za hali hiyo. Katika sekta ya fedha, Barclays imeripotiwa kuwa na upunguzaji wa wafanyakazi kutokana na AI pamoja na wasiwasi uliopitiliza kuhusu kodi za benki (Seeking Alpha). Mienendo inayofanana inatokea katika sekta na maeneo tofauti, kama vile IT, Uingereza, na benki. Kwa hiyo, ni lazima kutazama AI na ajira si kama maamuzi ya usimamizi wa kampuni moja, bali kama matukio yanayoshirikiwa na sekta nyingi.

Mwelekeo huu pia unaenea nje ya ajira. IMF ilitaja bei za juu za nishati na AI kuwa mizigo katika tathmini yake ya changamoto zinazokabili uchumi wa Asia (India Today). Ingawa mabadiliko kuelekea AI ni hatua ya kupunguza gharama kwa biashara, pia huleta mzigo wa marekebisho kwa uchumi mzima. Zaidi ya hayo, kuhusu benki, mada ya kupunguzwa kwa wafanyakazi inajadiliwa katika muktadha uleule na suala la kitaasisi la kodi za benki (Seeking Alpha). Unaposoma mipango ya kupunguza ya kampuni, usipoitazama pamoja na maendeleo ya kodi na udhibiti, hutaweza kutofautisha kama uamuzi ulifanywa kwa kujitegemea au ulishawishiwa na mfumo.

Mwelekeo huo huo unaonekana katika mashirika ya matibabu. Kwa mujibu wa Hospitalogy, Mkurugenzi Mtendaji wa Navvis, mkuu wa huduma za afya, alisema kwamba huku huduma zinazotegemea thamani (VBC) zimeelekea kwenye matokeo, LEAD imesitishwa. Kisha anazungumzia kujiandaa kwa mifumo ya hatari ambayo inaweza kuwa ya lazima. Kinachoendelea hapa si AI yenyewe. Mifumo ya malipo na tathmini inabadilika, na mashirika yanalazimika kujipanga upya ipasavyo. Hata kama agizo litaahirishwa, haja ya kuwa tayari inabaki. Hoja hii inaingiliana na mfano wa Uingereza, ambako upunguzaji wa wafanyakazi uliendelea kwa kasi zaidi kuliko maboresho ya kitaasisi.

Zinapopangwa kando kwa njia hii, idadi ya watu na uwiano wa upunguzaji si lazima iwe matokeo ya maamuzi ya kila kampuni yenyewe. Vinaathiriwa na hali za nje kama vile tathmini ya kiuchumi, mfumo wa kodi, na njia za malipo ya matibabu. Wanaotazama takwimu wanapaswa kuangalia ni chini ya mfumo gani takwimu hizo zilitokana. Swali linalofuata la kuulizwa si ukubwa wa upunguzaji, bali ni kiasi gani cha maamuzi ya papo hapo, kazi ya ubunifu, na kazi ya kitabibu kinapaswa kuachiwa AI.

Mazingira ya habari na elimu ambapo upendeleo na uaminifu vinahojiwa

Ni 8% tu ya watu wazima wa Marekani wanaotumia chatbot za AI kukusanya taarifa kuhusu uchaguzi wa 2026 (Pew Research Center). Idadi ya watumiaji bado ni ndogo. Hata hivyo, ikiwa majibu yanayopokelewa na idadi hiyo ndogo yana upendeleo, udogo huo si sababu ya kutulia. Katika tathmini ya TechCrunch, walipokabiliwa na chaguo, Grok ilichagua Chama cha Republican, huku OpenAI ikichagua Chama cha Democratic. Miundo yote miwili huwa inatumiwa kwa dhana kwamba haina upande. Hata hivyo, ikilazimishwa, itafichua msimamo wake. Kile ambacho wasomaji wanapaswa kukagua si kama chatbot itajibu. Katika swali lenye mgawanyiko mkubwa wa kisiasa kama uchaguzi, swali ni kama jibu linaweza kutumika kama msingi wa kufanya maamuzi.

Katika uwanja wa elimu, namba zinaonyesha kuwa kuna ukosefu wa maandalizi. Sera za AI za shule za jimbo la Washington bado ni za enzi za 2010 na hazijajiandaa kwa siku zijazo (The Seattle Times). Ingawa wanafunzi tayari wanaweza kutumia AI jenereshi, kanuni za shule bado zinategemea lugha iliyoandikwa wakati AI haikuwa ya kawaida. Ikiwa sera ni ya zamani, walimu hawana budi kufanya maamuzi ya mmoja mmoja, na kile watakachoruhusu na kuwaomba wanafunzi kitatofautiana kutoka darasa hadi darasa. Uaminifu hapa si uaminifu katika matokeo ya AI yenyewe. Ni uaminifu katika iwapo shirika linaloamua jinsi ya kuitumia linaenda sambamba na hali halisi.

Hatua zinazohusiana na usalama pia zimeanza kuchukua sura kutokana na mashambulizi. Baada ya shambulio dhidi ya Hugging Face, kulikuwa na hatua kadhaa zinazohusu usalama wa AI. Tech Xplore inapanga maendeleo yake kwa mpangilio wa wakati. Kwa kuwa miundombinu ya pamoja ya miundo na zana zinazopatikana kwa umma inalengwa, usalama si suala la ndani la kampuni za uundaji tu tena. Swali ni jinsi ya kuweka mpaka kati ya yale ambayo watumiaji wanapaswa kuyakagua wenyewe na yale yanayopaswa kuachiwa mwendeshaji wa miundombinu.

Katika kazi za ubunifu, kuna mifano ambapo uwajibikaji unaonyeshwa wazi. Creative Assembly yakanusha sanaa ya AI katika toleo kamili la Total War: Shogun 2, yakubali uwajibikaji (Simulation Daily) Kilicho muhimu hapa ni kwamba walikiri kuwa walitumia kitu kilichoundwa na AI, kisha wakaonyesha nia ya kuchukua jukumu hilo. Kinachounganisha miundo yenye upendeleo, sera za shule zilizopitwa na wakati, hatua za usalama zilizochukuliwa baada ya shambulio, na kampuni za uzalishaji zilizokiri uwajibikaji ni kwamba uaminifu hujengwa si kwa utendaji, bali kwa uwazi kuhusu nani anawajibika kwa nini. Ili kuamua wigo wa kazi utakaokabidhiwa, mtu atakayeifanya kazi hiyo lazima aonekane. Katika sehemu inayofuata, tutaona jinsi mstari huu unavyochorwa katika mazingira ya kibinafsi zaidi, ya kihisia na ya kitabibu.

Bei unayolipa unapokabidhi hisia na mahusiano yako kwa AI

Swali la kama mashine zina hisia linachochea mjadala kuhusu AI, kama inavyoripoti MarketWatch. Ingawa mjadala huu haujapatiwa suluhisho, mahusiano yanajengwa upande wa watumiaji bila kusubiri hitimisho. Kwa mujibu wa New York Post, huduma kubwa ya wapenzi wa AI inafilisika na wapenzi wa AI wa watumiaji wanatarajiwa kufutwa. Mtu ambaye mtumiaji amekuwa akibadilishana naye maneno kila siku anatoweka kutokana na hali ya usimamizi wa kampuni inayoiendesha. Bila kujali kama hisia ni za kweli au la, wajibu wa kumtunza mwenzi uko kwa kampuni, na kampuni ikianguka, uhusiano unaisha. The Malaysian Reserve iliripoti kwamba AI inabadilisha uzazi kuwa mbaya zaidi. Kadiri hali ambazo mashauriano na maamuzi ya malezi ya watoto yanakabidhiwa kwa AI zinavyoongezeka, ndivyo mwingiliano kati ya wazazi na watoto, ambao kwa kawaida unapaswa kuzingatiwa zaidi, unavyoweza kupungua ufanisi. Makala hii inashughulikia mabadiliko hayo kama tatizo.

Pia kuna maendeleo katika uwezo wa mashine kusoma hisia. Kulingana na The Decoder, Block imetangaza AI mpya iitwayo Dessa inayojifunza kupitia sauti pekee. Inasemekana kwamba sauti yenyewe hunasa hisia ambazo haziwezi kunaswa kupitia unukuzi wa maandishi. Kuna nafasi ya kuitumia katika hali kama vile vituo vya simu na mahojiano ambapo uamuzi hauwezi kufanywa kwa kutegemea maudhui ya maneno pekee. Hata hivyo, kutokana na ripoti hii haieleweki ni nani anayetumia hisia zinazosomwa kutoka kwa sauti na kwa madhumuni gani. Kadiri usomaji unavyozidi kuwa sahihi, ndivyo hatari inavyoongezeka kwamba wanaopokea matokeo wataitumia kama nyenzo ya kufanya hukumu kuhusu watu.

Kwa upande mwingine, pia kuna njia ambazo AI inaweza kusaidia mahusiano kati ya watu. Oncology Nursing News inatoa mfano wa jinsi miundo ya AI ya hatari ya saratani ya matiti inavyoweza kutumika kwa upangaji wa kipaumbele (triage) na mwongozo kwa wagonjwa unaoongozwa na wauguzi. Hapa, AI hutumika tu kukadiria hatari, na muuguzi ndiye anayehusika kumweleza mgonjwa hali yake na kushughulikia wasiwasi wake. Ingawa AI Lover na Dessa hutegemea AI kusoma mahusiano na hisia zao, katika kesi hii AI huandaa nyenzo za mazungumzo kati ya binadamu na binadamu.

Tukiziangalia kando kwa kando, iwapo unaweza kukabidhi kazi yako kwa AI au la hakuamuliwi na utendaji wa AI pekee. Kabla ya kutumia kifaa hicho, ni muhimu kuthibitisha kwamba aliyekabidhiwa hatatoweka kutokana na kufilisika kwa kampuni inayoendesha huduma, ni nani atakayepokea taarifa zinazopatikana kutoka kwa sauti na maneno, na kama kutabaki binadamu atakayehusika. Uthibitisho huu utakuwa msingi wa kuamua wigo wa maamuzi na kazi za ubunifu zitakazokabidhiwa kwa AI.

Usahihi wa utabiri wa matibabu ya saratani umeendelea kwa kutumia picha na data

Kuhusu saratani ya matiti, kumekuwa na majaribio ya kukadiria kuwepo au kutokuwepo kwa metastasis kabla ya upasuaji. Utafiti uliripotiwa kuhusu kutumia AI kutabiri metastasis ya saratani ya matiti kabla ya upasuaji kwa kutumia ufasiri wa picha za ultrasound (Bioengineer.org). Utafiti mwingine unawasilisha mfumo wa ensemble ya stacking tuli iliyosawazishwa wa kutabiri vifo vya saratani ya matiti (Archives of Breast Cancer). Usawazishaji (calibration) ni mchakato wa kukagua kama uwezekano unaotolewa na modeli unalingana na marudio halisi ya kutokea. Kwa kuwa unahusiana na iwapo thamani zilizotabiriwa zinaweza kusomwa kama uwezekano, ni muhimu sawa na usahihi unapoeleza wagonjwa au kushauriana kuhusu mipango ya matibabu. Katika uga wa picha za patholojia, SCLC-SBT, spectral bilinear transformer ya kuainisha picha za tishu za saratani ya mapafu ya seli ndogo, ilichapishwa katika Scientific Reports. Hata aina ya picha ikibadilika, si tu namba za usahihi ndizo muhimu, bali pia jinsi ya kusoma matokeo.

Pia kuna tafiti zinazotaka uthibitisho wa taasisi nyingi. Upangaji wa viwango vya hatari ya ubashiri wa glioma kwa kutumia modeli inayotegemea patholojia pia ulibaini jeni muhimu na njia za kibiolojia zinazohusika katika ubashiri, na ulichapishwa kama utafiti wa vituo vingi katika Acta Neuropathologica Communications. Kwa saratani ya tumbo, radiomiki ya kujifunza kwa kina ya CT yenye nyanja mbili inayojumuisha tishu za mafuta ya viungo vya ndani inasemekana kuboresha utabiri wa kabla ya upasuaji wa kusambaa kwa saratani kwenye nodi za limfu. Huu pia ni utafiti wa vituo vingi (European journal of radiology). Katika saratani ya seli za ini, kuna tafiti zinazotumia radiomiki ya MRI kutabiri uwepo wa FAP na mazingira ya uvimbe yanayokandamiza kinga. Miundo hii inataka kuona kama data kutoka hospitali nyingine inaonyesha ukweli uleule badala ya matokeo kutoka hospitali moja. Kile ambacho wasomaji wanapaswa kuzingatia si ukubwa wa thamani ya juu kabisa, bali ni kiasi gani matokeo yanabadilika kituo kinapobadilika.

Kipimo cha uchambuzi kimepunguzwa hadi seli. Katika saratani ya kibofu cha mkojo, tuliunganisha transkriptomiki ya seli moja/anga na ujifunzaji wa mashine ili kuonyesha saini za molekuli na jeni muhimu za hatari za seli za epithelial mbaya zenye ukuzaji wa juu wa seli shina (Discover Oncology). scGlycoAI ni mfumo unaotumia ujifunzaji wa mashine kuchambua data za glycan na mfuatano wa RNA wa seli moja, kubaini aina ya seli, na kutafuta glycan zinazohusiana na uovu wa seli (Glycobiology). Kutoka kwenye picha hadi seli, malengo ya utabiri yanapanuka kwa kila aina ya data. Hata hivyo, kinachoonyeshwa na makala hizi ni uwezekano kwamba utabiri utakuwa sahihi, na kama ziko katika kiwango kinachoweza kutumika katika mazoezi ya kitabibu kunahitaji uthibitisho tofauti. Kinachopimwa sasa si utendaji wenyewe, bali umbali ambao utabiri unaweza kutegemewa. Swali la nani anachora mstari huo, na vipi, linaonekana vivyo hivyo nje ya matibabu.

Utangulizi wa uwanja huu utaendelea kwa sekta kulingana na ushahidi

Jeshi la Anga la Marekani linapanga kutumia AI kusaidia kujaza mafuta angani, kama ilivyoripotiwa na Military Times. Kujaza mafuta angani ni misheni yenye taratibu za kina za uendeshaji na viwango vya usalama. Kuitumia AI kama msaada ni tofauti na kukabidhi misheni nzima kwa AI. Jambo lingine ni ugunduzi wa dawa. Kwa mujibu wa makala ya utangulizi iliyochapishwa na Unisba Media tarehe 14 Aprili saa 16:00, Novo Nordisk na OpenAI wameingia katika ushirikiano wa ugunduzi wa dawa kwa kutumia AI. Makala hiyo hiyo pia inataja kuondoka rasmi kwa mkuu wa AI wa Apple, Gianandrea. Sekta ya kijeshi na ya dawa zina viwango tofauti vya kufuata na gharama tofauti za kushindwa. Hata hivyo, maeneo ambayo AI inaweza kutumika yamepunguzwa kwa michakato inayoweza kusaidiwa ndani ya mtiririko wa kazi uliopo.

Katika upasuaji wa kitabibu, sababu za kuuanzisha zinaanza kuonyeshwa kwa namba. Mapitio ya kitaratibu yaliyochapishwa katika Cureus yanafupisha ushahidi wa kitabibu wa kutarajia kuhusu mwongozo wa kidijitali wakati wa upasuaji unaosaidiwa na roboti katika upasuaji wa saratani ya tezi dume na upasuaji wa saratani ya figo. Muundo wa kutarajia ni ule ambapo masharti huamuliwa na wagonjwa hufuatiliwa kabla matokeo hayajajulikana. Una uzito tofauti kama msingi wa uamuzi ikilinganishwa na kauli mbiu za matangazo au visa vinavyotazamwa baada ya tukio. Kwa sasa kazi inaendelea kuthibitisha ufanisi wa mwongozo wakati wa upasuaji kwa kila kiungo, tezi dume na figo.

Mambo haya matatu yanapowekwa kando kwa kando, kuna mambo yanayofanana katika jinsi utekelezaji unavyoendelea. Jeshi la Anga linaanza na msaada wa kujaza mafuta angani, Novo Nordisk inaanza na ushirikiano wa ugunduzi wa dawa, na upasuaji unaanza na mwongozo wakati wa upasuaji unaosaidiwa na roboti. Katika hali zote, malengo yanagawanywa katika sehemu za shughuli, na matokeo yanathibitishwa ndani ya wigo huo. Tunapotazama utekelezaji wa AI katika uwanja wa kazi, ni muhimu zaidi kwa wasomaji kuhukumu kwa kuangalia ni michakato ipi inatumika na ni uthibitishaji wa aina gani umefanywa, kuliko kuangalia kama imetangazwa kuwa AI itatumika. Michakato iliyothibitishwa kwa kina hutoa sababu za kupanua wigo wa uwajibikaji, huku michakato iliyothibitishwa kidogo ikibaki ya tahadhari. Swali linalofuata ni wapi pa kuchora mstari ambapo watu hawaachi uamuzi wao wa mwisho hata baada ya uthibitishaji.

Kilichokuwa cha pamoja katika kila sehemu ni kwamba matokeo yaliamuliwa si kwa kuanzishwa kwa AI yenyewe, bali kwa mahali pa kuweka mpaka wa wigo wa kukabidhi. Ukubwa wa upunguzaji wa wafanyakazi ulivutia umakini, lakini mienendo hiyohiyo ilikuwa ikienea katika sekta na maeneo mbalimbali, ikiweka mzigo wa marekebisho kwa uchumi mzima. Katika mazingira ya habari na elimu, maswali yaliibuliwa kuhusu upendeleo katika majibu na ucheleweshaji wa kufanya mipango ndani ya shule, hata kama idadi ya watumiaji ilikuwa ndogo. Katika eneo la hisia na mahusiano, hali ya usimamizi wa kampuni inayoendesha huduma ilishawishi mahusiano kati ya watumiaji. Katika matibabu ya saratani, masharti ya kusoma matokeo, kama vile urekebishaji (calibration) na uthibitisho wa vituo vingi, yalishughulikiwa sambamba na usahihi. Katika jeshi, dawa, na upasuaji, uanzishaji ulilenga michakato inayoweza kuungwa mkono ndani ya taratibu zilizopo, na ushahidi ulikuwa ukikusanyika. Badala ya kuamua kutumia AI au kutoitumia, sasa tunahitaji kuamua katika kila hali ni nini cha kukabidhi kwa AI na nini cha kukishikilia mkononi.

Q1: Ni michakato ipi katika kazi yako ambayo unatumia matokeo ya AI kama msingi wa maamuzi, na ni nani ana mfumo wa kutambua pale matokeo hayo yanapokuwa si sahihi? Q2: Ni viwango na taratibu zipi hutumika kukagua upendeleo na makosa katika matokeo ya AI kabla na baada ya kuanzishwa kwake, na je, kumbukumbu zinatunzwa? Q3: Msingi wa kuamua wigo utakaokabidhiwa kwa AI ulikuwa nini? Je, kulikuwa na masharti yoyote, na ni nani atakayewajibika kupitia upya wigo huo biashara au hali ya mteja inapobadilika?

Hatimaye, maswali matatu

- Ni michakato ipi katika kazi yako inayotegemea moja kwa moja matokeo ya AI katika kufanya maamuzi, na ni nani ana mfumo wa kutambua matokeo yanapokuwa si sahihi? Q2: Ni viwango na taratibu zipi zinatumika kukagua upendeleo na makosa katika matokeo ya AI kabla na baada ya kuanza kuitumia, na je, kumbukumbu zinatunzwa? Q3: Uamuzi wa wigo wa kukabidhiwa AI ulitokana na msingi gani? Je, kuna masharti yoyote, na ni nani atawajibika kupitia upya wigo huo hali ya biashara au ya mteja inapobadilika? - Ni viwango na taratibu zipi zinatumika kukagua upendeleo na makosa katika matokeo ya AI kabla na baada ya utekelezaji, na je, kumbukumbu zinatunzwa? Q3: Uamuzi wa wigo wa kukabidhiwa AI ulitokana na msingi gani? Je, kuna masharti yoyote, na ni nani atawajibika kupitia upya wigo huo hali ya biashara au ya mteja inapobadilika? - Uamuzi wa wigo wa kukabidhiwa AI ulitokana na msingi gani, na je, masharti na wajibu wa kupitia upya wigo huo hali ya biashara au ya mteja inapobadilika vimeamuliwa?