مهمترین محورهای هوش مصنوعی در سالهای اخیر
مترجم: ندا اظهری
شاید هوش مصنوعی مهمترین اختراع انسان در سالهای اخیر باشد. امروزه سیستمهای هوش مصنوعی بهطور معمول از عملکرد انسان در معیارهای استاندارد فراتر میروند. بهطورکلی، هوش مصنوعی در برخی وظایف این قابلیت را دارد که انسانها را شکست دهد اما این امر همیشه اتفاق نمیافتد.
با توجه به اهمیت مقوله هوش مصنوعی در دنیای امروز، محققان تلاش کردهاند این فناوری را از ابعاد مختلف مورد بررسی و ارزیابی قرار دهند. این فناوری که بهعنوان فناوری لبه دانش هم از آن یاد شده و جزء فناوریهای نوظهور شناخته میشود، از سالها پیش که اقبال خوبی به آن نبود، بهمرور توانسته توجه مردم دنیا و نیز سازمانها، آژانسها و شرکتهای فناوری را به خود جلب کند و باعث شده نفوذ حتی بیشتری در زندگی روزمره بشر پیدا کند. بهطور قطع، وقتی چنین فناوری پیشرفتهای تا این اندازه در دنیا اهمیت پیدا میکند، محورهایی هم در مورد آن مطرح میشود. دانشگاه استنفورد به تازگی به مهمترین محورهایی که در سالهای اخیر در رابطه با هوش مصنوعی مطرح شده، اشاره میکند.
۱.هوش مصنوعی انسان را شکست میدهد
یک دهه پیش، بهترین سیستمهای هوش مصنوعی در جهان قادر به طبقهبندی اشیا در تصاویر در سطح انسانی نبودند. هوش مصنوعی با درک زبان مشکل داشت و قادر نبود مسائل ریاضی را حل کند. امروزه سیستمهای هوش مصنوعی بهطور معمول از عملکرد انسان در معیارهای استاندارد فراتر میروند.
بهطورکلی، هوش مصنوعی در برخی وظایف این قابلیت را دارد که انسانها را شکست دهد اما این امر همیشه اتفاق نمیافتد. برخی در طبقهبندی تصاویر، استدلال بصری و درک زبان انگلیسی از عملکرد انسان پیشی گرفته است. باوجوداین، کارهای پیچیدهتری مانند ریاضیات در سطح رقابتی، استدلال عام بصری و برنامهریزی را پشتسر میگذارد.
همچنین در سالهای اخیر، مدلهای زبانی بزرگ (LLM) از عملکرد انسانی در معیارهای سنتی زبانی شامل پاسخگویی به سوال و درک زبان پیشی گرفتهاند که این پیشرفت سریع منجر به نیاز به معیارهای جامعتر شده است. بهطورکلی، GPT-4 با عملکرد انسان در انجام وظایف و برخی باورهای اعتقادی بسیار مطابقت دارد.
نکته مهم این است که تحقیقات نشان میدهد عملکرد LLM روند صعودی دارد و مدلهای جدیدتری مانند GPT-4 عملکرد بهتری نسبت به پشتیبان خود مانند ۳.۵ – GPT دارند.
بیشتر بخوانیم: افزایش بهرهوری کسبوکار با دوقلوهای دیجیتال سازمانی (DTO)
۲.رکورد جدید تعامل صنعت و دانشگاه در عرضه مدلها
صنعت همچنان بر تحقیقات مرزی هوش مصنوعی تسلط دارد. در سال ۲۰۲۳، صنعت ۵۱ مدل هوش مصنوعی برجسته تولید کرد، درحالیکه دانشگاه تنها ۱۵ مدل ارائه کرد. در این میان، سهم دولت از ارائه مدلهای هوش مصنوعی تنها دو نمونه است. همچنین ۲۱ مدل قابل توجه ناشی از همکاریهای صنعت و دانشگاه در سال ۲۰۲۳ وجود داشت که یک رکورد جدید به شمار میرود.
تا سال ۲۰۱۴، دانشگاهها در عرضه مدلهای یادگیری ماشینی پیشرو بودند. از آن زمان، صنعت در این حوزه پیشتاز بوده است. ایجاد مدلهای پیشرفته هوش مصنوعی در حال حاضر به حجم قابل توجهی داده، قدرت محاسباتی و منابع مالی نیاز دارد که این میزان را نمیتوان در دل دانشگاهها به دست آورد.
این تغییر به سمت افزایش تسلط صنعتی در مدلهای پیشروی هوش مصنوعی برای اولین بار در گزارش شاخص هوش مصنوعی در سال گذشته برجسته شد. اگرچه امسال این شکاف اندکی کاهش یافته اما این روند تا حد زیادی ادامه دارد.
۳.رشد بیسابقه هزینه آموزش مدلهای هوش مصنوعی
درحالیکه بسیاری از مدلهای جدید هوش مصنوعی سالانه معرفی میشوند، تنها یک نمونه کوچک نشاندهنده پیشرفتهترین پژوهشهاست. مسلما آنچه تحقیقات پیشرفته یا لبه فناوری را تشکیل میدهد تا حدودی ذهنی است. تحقیقات مرزی میتواند منعکسکننده مدلی باشد که نتایج پیشرفتهای را در یک معیار نشان میدهد.
مدلهای پیشرفته (لبه فناوری) بسیار گرانتر تمام میشوند. براساس برآوردهای شاخص هوش مصنوعی، هزینههای آموزش مدلهای پیشرفته هوش مصنوعی به سطوح بیسابقهای رسیده است. بهعنوان مثال در سال ۲۰۱۷، مدل اصلی ترانسفورمر نوعی سبک معماری را معرفی کرد که تقریبا هر نوع مدل بزرگ زبانی (LLM) مدرن را پایهگذاری کرده و حدود ۹۰۰ دلار هزینه آموزش را به دنبال داشت. همچنین معیارهایی چون SQuAD و GLUE حدود ۱۶۰ هزار دلار برای آموزش هزینه درپی داشتند.
با گذشت تنها ۶ سال، مدلهایی چون GPT-4 توسط شرکت OpenAI تولید شدند که حدود ۷۸ میلیون دلار برای آموزش مورد استفاده قرار گرفته، درحالیکه نرمافزار Gemini Ultra گوگل قریب به ۱۹۱ میلیون دلار برای محاسبات هزینه کرده است.
بیشتر بخوانیم: مدیران ارشد فناوری (CIO) چگونه هوش مصنوعی مولد در سازمانها را هدایت میکنند
۴.آمریکا با ۶۱ مدل هوش مصنوعی پیشگام است
آمریکا بهعنوان منبع اصلی مدلهای برتر هوش مصنوعی نسبت به چین، اتحادیه اروپا و انگلیس پیشتاز است. در سال ۲۰۲۳، قریب به ۶۱ مدل هوش مصنوعی (مدلهای یادگیری ماشینی) قابل توجه از موسسات مستقر در آمریکا نشأت گرفت که از ۲۱ مدل اتحادیه اروپا و ۱۵ مدل چینی پیشی گرفته است.برای اولین بار از سال ۲۰۱۹، اتحادیه اروپا و انگلیس با هم در تعداد مدلهای قابل توجه هوش مصنوعی از چین پیشی گرفتند.
از سال ۲۰۰۳، آمریکا مدلهای بیشتری نسبت به سایر مناطق جغرافیایی بزرگ مانند انگلیس، چین و کانادا تولید کرده است. در این میان، آمریکا با ۶۱ مدل یادگیری ماشینی رتبه برتر دنیا و بعد از آن چین با ۱۵ مدل رتبه دوم را به دست آورده است. سپس فرانسه با ۸ مدل و آلمان با ۵ مدل در ردههای سوم و چهارم، کانادا، رژیمصهیونیستی و انگلیس هم با ۴ مدل در ردههای پنجم تا هفتم، سنگاپور و امارات هم با ۳ مدل در ردههای هشتم و نهم و مصر با ۲ مدل یادگیری ماشینی در رده دهم پیشگامهای دنیا در ارائه مدلهای یادگیری ماشینی قرار گرفتهاند.
۵.گزارشهای هوش مصنوعی باید استانداردسازی شوند
ارزیابیهای قوی و استاندارد برای مسئولیتپذیری LLM (مدل زبانی بزرگ) بهطور جدی وجود ندارند. تحقیقات جدید از شاخص هوش مصنوعی، بیانگر فقدان قابل توجهی از استانداردسازی در گزارشهای هوش مصنوعی مسئول است.
توسعهدهندگان پیشرو ازجمله گوگل، OpenAI و آنتروپیک در درجه اول مدلهای خود را با معیارهای مختلف هوش مصنوعی مورد آزمایش قرار میدهند. این عمل، تلاشها برای مقایسه سیستماتیک خطرات و محدودیتهای مدلهای برتر هوش مصنوعی را پیچیده میکند. گزارش معیار استاندارد شده برای ارزیابی قابلیتهای هوش مصنوعی مسئول وجود ندارد. برخلاف ارزیابیهای کلی، هیچ مجموعه پذیرفته شده جهانی از معیارهای هوش مصنوعی مسئول وجود ندارد که توسط توسعهدهندگان مدل پیشرو مورد استفاده قرار گیرد.
ناهماهنگی در معیارهای گزارششده، مقایسه مدلها را بهویژه در حوزه هوش مصنوعی مسئول، پیچیده میکند. برای بهبود گزارشدهی هوش مصنوعی مسئول، مهم است توافقی حاصل شود که توسعهدهندگان مدل، معیارها را بهطور مداوم بیازمایند.
بیشتر بخوانیم: مردم چگونه از هوش مصنوعی مولد (GenAI) استفاده میکنند؟
۶. ۳۰ برابر شدن سرمایهگذاری خصوصی در هوش مصنوعی
تحلیلها از روند سرمایهگذاری بخش خصوصی در استارتاپهای هوش مصنوعی نشان میدهد که این استارتاپها از سال ۲۰۱۳ بیش از یک میلیارد و ۵۰۰ میلیون دلار سرمایه دریافت کردهاند. سرمایهگذاری خصوصی جهانی هوش مصنوعی برای دومین سال متوالی روند کاهشی داشته است. باوجوداین، کاهش از سال ۲۰۲۲ تنها ۷.۲ درصد بود که کمتر از کاهشی است که بین سالهای ۲۰۲۱ و ۲۰۲۲ مشاهده شده است.
بهطورکلی، سرمایهگذاری هوش مصنوعی مولد سر به فلک میکشد. بهرغم کاهش کلی سرمایهگذاری خصوصی هوش مصنوعی در سال گذشته، بودجه اختصاص یافته به پژوهشهای هوش مصنوعی مولد افزایش یافت و از سال ۲۰۲۲ حدودا ۸ برابر شد و در سال ۲۰۲۳ سرمایهگذاری در این بخش به رقمی بالغ بر ۲۵ میلیارد و ۲۰۰ میلیون دلار رسید که تقریبا ۹ برابر سرمایهگذاری در سال ۲۰۲۲ و حدود ۳۰ برابر میزان سرمایهگذاری در سال ۲۰۱۹ است. همچنین، هوش مصنوعی مولد بیش از یکچهارم کل سرمایهگذاری خصوصی مرتبط با هوش مصنوعی را در سال ۲۰۲۳ به خود اختصاص داد. فعالان اصلی در فضای هوش مصنوعی مولد شامل شرکتهای «هاگینگ فیس»، OpenAI، «آنتروپیک» و «اینفلکشن»، دورههای قابل توجهی را برای جمعآوری سرمایه گزارش کردند.
۷. ۷. ۷۳ درصد صرفهجویی زمان کارگران با هوش مصنوعی
آنچه از دادههای ۵ سال گذشته به دست میآید، ادغام هوش مصنوعی با اقتصاد، امید برای تقویت بهرهوری در این بخش را افزایش داده است. طبق دادههای حاصل، هوش مصنوعی، کارگران را قادر میسازد تا وظایف خود را سریعتر انجام دهند و کار با کیفیت بالاتری تولید کرده و بهرهوری بالاتری داشته باشند.
در سال ۲۰۲۳، چند تحقیق روی تاثیر هوش مصنوعی بر نیروی کار مورد ارزیابی قرار گرفت که نشان داد هوش مصنوعی کارگران را قادر میسازد تا وظایف خود را سریعتر انجام دهند و کیفیت خروجی خود را بهبود بخشند. این مطالعات همچنین پتانسیل هوش مصنوعی را برای پر کردن شکاف مهارتی بین کارگران کممهارت و دارای مهارت بالا نشان میدهد.
باوجوداین، سایر تحقیقات نیز نشان میدهد که استفاده از هوش مصنوعی بدون نظارت مناسب میتواند منجر به کاهش عملکرد آنها شود. بررسیهایی که انجام شده نشان میدهد کاربرانی که از هوش مصنوعی Copilot استفاده میکنند، وظایف و کارهای خود را در مقایسه با آن دسته از همکارانی که به هوش مصنوعی دسترسی ندارند، در ۲۶ تا ۷۳ درصد زمان کمتر انجام میدهند.
بیشتر بخوانیم: صرفهجویی با هوش مصنوعی در مصرف انرژی کسبوکارها
۸. پزشکی نوک پیکان پیشرفت با هوش مصنوعی
پیشرفت علمی به لطف بهرهمندی از هوش مصنوعی شتاب بیشتری میگیرد. در سال ۲۰۲۲، هوش مصنوعی موجب پیشرفت در اکتشافات علمی شد. باوجوداین، در سال ۲۰۲۳ راهاندازی برنامههای هوش مصنوعی مرتبط با علم ازجمله اتفاقات مهم در این حوزه به شمار میرفت که از آن جمله میتوان به AlphaDev که مرتبسازی الگوریتمی را کارآمدتر میکند و نیز GNoME که فرآیند کشف مواد را تسهیل میکند، اشاره کرد.
یکی از بخشهای مهمی که هوش مصنوعی توانسته به پیشرفت آن در این سالها کمک کند، حوزه پزشکی است. بهعنوان مثال در سال ۲۰۲۳، چند سیستم پزشکی مهم راهاندازی شد که از آن جمله میتوان به EVEscape اشاره کرد که قادر است پیشبینی بیماریهای همهگیر را بهبود ببخشد یا توسعه سیستم AlphaMissence که به طبقهبندی جهشهای مبتنیبر هوش مصنوعی کمک میکند. درواقع هوش مصنوعی بهطور فزایندهای برای پیشبرد پیشرفتهای پزشکی مورد استفاده قرار میگیرد.
علاوهبراین، گسترش هوش مصنوعی باعث شد سازمان غذا و داروی آمریکا تعداد بیشتری از دستگاههای پزشکی مرتبط با هوش مصنوعی را تایید کند. در سال ۲۰۲۲، این سازمان حدود ۱۳۹ دستگاه پزشکی مرتبط با هوش مصنوعی را تایید کرد که در مقایسه با سال ۲۰۲۱ افزایش ۱۲.۱ درصدی را نشان میدهد.
۹.تقویت نظارت بر هوش مصنوعی با رشد ۵۶ درصدی مقررات
تعداد مقررات هوش مصنوعی در آمریکا بهشدت در حال افزایش است. در این میان، تعداد مقررات مربوط به هوش مصنوعی در آمریکا طی سال گذشته و پنج سال قبل بهطور قابل توجهی افزایش یافته است. در سال ۲۰۲۳ قریب به ۲۵ مقررات مرتبط با هوش مصنوعی در آمریکا برقرار بود که نسبت به سال ۲۰۱۶ تنها یک مورد افزایش نشان میدهد. تنها در سال گذشته، تعداد کل مقررات مرتبط با هوش مصنوعی با رشد ۵۶.۳ درصدی همراه بوده است.
به عبارتی، ظهور هوش مصنوعی توجه آژانسهای نظارتی و نهادهای فدرال را بهطور قابل توجهی به خود جلب کرد. این سازمانها وظیفه تنظیم بخشهای اقتصاد و هدایت اجرای قوانین را برعهده دارند. این بخش به بررسی مقررات هوش مصنوعی در آمریکا و اتحادیه اروپا میپردازد.
برخلاف قوانین که چهارچوبهای قانونی را در داخل کشورها ایجاد میکند، مقررات شامل دستورالعملهای مفصلی میشوند که توسط مقامات اجرایی برای اجرای قوانین قابل تنظیم هستند. از آنجایی که ویژگیهای قوانین اغلب از طریق اقدامات نظارتی آشکار میشود، درک چشمانداز نظارتی هوش مصنوعی بهمنظور توسعه درک عمیقتر از سیاستگذاری هوش مصنوعی الزامی است.
بیشتر بخوانیم: کارمندانی که مهارت هوش مصنوعی دارند میتوانند حقوق بالاتری دریافت کنند
۱۰. افزایش آهسته و پیوسته تمایل مردم دنیا به AI
مردم دنیا از تاثیر بالقوه هوش مصنوعی آگاهتر و عصبیتر هستند. یک نظرسنجی از شرکت تحقیقات جهانی Ipsos نشان میدهد که طی سال گذشته، نسبت افرادی که فکر میکنند هوش مصنوعی بهطور چشمگیری بر زندگی آنها در سه یا پنج سال آینده تاثیر میگذارد، از ۶۰ درصد به ۶۶ درصد افزایش یافته است.
علاوهبراین، ۵۲ درصد مردم هم نسبت به محصولات و خدمات هوش مصنوعی ابراز نگرانی میکنند که نشاندهنده افزایش ۱۳ درصدی نسبت به سال ۲۰۲۲ است. در آمریکا دادههای به دست آمده نشان میدهد که ۵۲ درصد آمریکاییها بیش از آنکه هیجان زده باشند، در مورد هوش مصنوعی ابراز نگرانی کردهاند که از ۳۸ درصد در سال ۲۰۲۲ افزایش یافته است.
تمایل به هوش مصنوعی در کشورهای غربی همچنان پایین است اما به آرامی در حال بهبود است. در سال ۲۰۲۲، چند کشور توسعهیافته غربی ازجمله آلمان، هلند، استرالیا، بلژیک، کانادا و آمریکا در بین کشورهایی بودند که نسبت به محصولات و خدمات هوش مصنوعی کمترین نظر مثبت را داشتهاند. از آن زمان، هر یک از این کشورها شاهد افزایش نسبت پاسخدهندگان به مزایای هوش مصنوعی بوده و هلند مهمترین تغییر را تجربه کرده است.
منبع: فرهیختگان
بیشتر بخوانیم: ۸ ابزار هوش مصنوعی مناسب کسب و کار در سال ۲۰۲۴
- مهمترین محورهای هوش مصنوعی در سالهای اخیر