تاثیرات هوش مصنوعی بر جوامع در سالی که گذشت

هوش مصنوعی در آستانه تبدیل شدن به تأثیرگذارترین فناوری قرن بیست‌ویکم است؛ با این حال، این تحول تنها زمانی به نفع همگان خواهد بود که مسیر توسعه آن با دقت و مسئولیت‌پذیری هدایت شود. «شاخص هوش مصنوعی» یکی از جامع‌ترین و داده‌محورترین ابزارها برای بررسی وضعیت این فناوری است. این شاخص، که توسط رسانه‌های جهانی، دولت‌ها و شرکت‌های پیشرو به‌عنوان مرجع معتبر شناخته می‌شود، بینش‌های دقیق و بی‌طرفانه‌ای درباره پیشرفت‌های فنی هوش مصنوعی، اثرات اقتصادی و پیامدهای اجتماعی آن در اختیار سیاست‌گذاران، رهبران کسب‌وکار و عموم مردم قرار می‌دهد.

۱. عملکرد در معیارهای سنجش پیشرفته

در سال ۲۰۲۳، پژوهشگران معیارهای جدیدی مانند MMMU، GPQA و SWE-bench را معرفی کردند تا توانایی سیستم‌های پیشرفته هوش مصنوعی را آزمایش کنند. تنها یک سال بعد، عملکرد این سیستم‌ها به‌طور چشمگیری افزایش یافت: امتیازات به ترتیب ۱۸.۸، ۴۸.۹ و ۶۷.۳ واحد درصد در MMMU، GPQA و SWE-bench رشد کردند. فراتر از معیارهای سنجش، سیستم‌های هوش مصنوعی پیشرفت‌های قابل توجهی در تولید ویدئوی باکیفیت داشتند و در برخی موقعیت‌ها، عاملان مبتنی بر مدل‌های زبانی حتی در وظایف برنامه‌نویسی با محدودیت زمانی، از انسان‌ها پیشی گرفتند.

۲. نقش‌آفرینی در زندگی روزمره

از حوزه بهداشت و درمان گرفته تا حمل‌ونقل، هوش مصنوعی به‌سرعت از آزمایشگاه‌ها وارد زندگی روزمره می‌شود. در سال ۲۰۲۳، FDA تعداد ۲۲۳ دستگاه پزشکی مجهز به هوش مصنوعی را تأیید کرد، در حالی که این عدد در سال ۲۰۱۵ تنها ۶ دستگاه بود. در جاده‌ها، خودروهای خودران دیگر آزمایشی نیستند: شرکت Waymo، یکی از بزرگ‌ترین ارائه‌دهندگان خدمات خودران در آمریکا، بیش از ۱۵۰ هزار سفر خودکار در هفته ارائه می‌دهد، و ناوگان Apollo Go شرکت Baidu اکنون در چندین شهر چین فعالیت می‌کند و خدمات روبات تاکسی مقرون‌به‌صرفه ارائه می‌دهد.

۳. رکورد سرمایه‌گذاری و بهره‌وری

کسب‌وکارها به شدت روی هوش مصنوعی سرمایه‌گذاری کرده‌اند و این امر موجب رکوردشکنی در میزان سرمایه‌گذاری و استفاده از این فناوری شده است، در حالی که تحقیقات نشان می‌دهد اثرات قابل توجهی بر افزایش بهره‌وری دارد. در سال ۲۰۲۴، سرمایه‌گذاری خصوصی هوش مصنوعی در آمریکا به ۱۰۹.۱ میلیارد دلار رسید که تقریباً ۱۲ برابر چین با ۹.۳ میلیارد دلار و ۲۴ برابر بریتانیا با ۴.۵ میلیارد دلار بود. هوش مصنوعی مولد رشد چشمگیری داشت و در سطح جهانی ۳۳.۹ میلیارد دلار سرمایه‌گذاری خصوصی جذب کرد که افزایشی ۱۸.۷ درصدی نسبت به سال ۲۰۲۳ نشان می‌دهد.

استفاده کسب‌وکارها از هوش مصنوعی نیز شتاب گرفته است؛ در سال ۲۰۲۴، ۷۸ درصد سازمان‌ها از هوش مصنوعی بهره‌برداری کردند، در حالی که این رقم در سال قبل تنها ۵۵ درصد بود. همزمان، مجموعه‌ای رو به رشد از مطالعات نشان می‌دهد که هوش مصنوعی بهره‌وری را افزایش می‌دهد و در بسیاری موارد به کاهش شکاف مهارتی در نیروی کار کمک می‌کند.

 

۴. آمریکا پیشتاز است، چین در حال کاهش فاصله

در سال ۲۰۲۴، مؤسسات مستقر در آمریکا ۴۰ مدل هوش مصنوعی برجسته تولید کردند که به‌طور قابل توجهی از ۱۵ مدل چین و ۳ مدل اروپا پیشی گرفت. در حالی که آمریکا در تعداد مدل‌ها پیشتاز است، مدل‌های چینی به‌سرعت فاصله کیفی را کاهش داده‌اند: تفاوت عملکرد در معیارهای اصلی مانند MMLU و HumanEval از ارقام دو رقمی در سال ۲۰۲۳ به تقریباً برابری در ۲۰۲۴ رسید. همزمان در سال ۲۰۲۵، چین در زمینه انتشارات علمی و ثبت اختراعات در حوزه هوش مصنوعی همچنان پیشتاز است. در عین حال، توسعه مدل‌ها روزبه‌روز جهانی‌تر می‌شود و مناطق قابل توجهی مانند خاورمیانه، آمریکای لاتین و آسیای جنوب‌شرقی نیز شاهد عرضه مدل‌های جدید هستند.

۵. اکوسیستم هوش مصنوعی مسئولانه

حوادث مرتبط با هوش مصنوعی به‌طور چشمگیری افزایش یافته‌اند، اما ارزیابی‌های استاندارد RAI هنوز در میان توسعه‌دهندگان مدل‌های صنعتی نادر است. با این حال، معیارهای جدیدی مانند HELM Safety، AIR-Bench و FACTS ابزارهای امیدوارکننده‌ای برای سنجش دقت و ایمنی فراهم می‌کنند. میان شرکت‌ها هنوز فاصله‌ای میان شناسایی ریسک‌ها و اقدام مؤثر وجود دارد، در حالی که دولت‌ها توجه و فوریت خود را افزایش داده‌اند. در سال ۲۰۲۴، همکاری جهانی در حکمرانی هوش مصنوعی شدت گرفت و سازمان‌هایی مانند OECD، اتحادیه اروپا، سازمان ملل و اتحادیه آفریقا چارچوب‌هایی برای شفافیت، اعتمادپذیری و اصول هوش مصنوعی مسئولانه منتشر کردند.

۶. خوش‌بینی جهانی نسبت به هوش مصنوعی

در کشورهایی مانند چین (۸۳٪)، اندونزی (۸۰٪) و تایلند (۷۷٪) اکثریت قاطع، محصولات و خدمات هوش مصنوعی را بیشتر مفید از مضر می‌دانند. در مقابل، خوش‌بینی در کشورهایی مانند کانادا (۴۰٪)، ایالات متحده (۳۹٪) و هلند (۳۶٪) بسیار کمتر است. با این حال، روند نگرش‌ها در حال تغییر است: از سال ۲۰۲۲، خوش‌بینی در چندین کشور که پیش‌تر دیدگاه تردیدآمیز داشتند، از جمله آلمان (+۱۰٪)، فرانسه (+۱۰٪)، کانادا (+۸٪)، بریتانیا (+۸٪) و ایالات متحده (+۴٪) به‌طور قابل توجهی رشد کرده است.

۷. کارآمد، مقرون‌به‌صرفه و در دسترس

با پیشرفت مدل‌های کوچک و توانمندتر، هزینه اجرای یک سیستم با سطح عملکرد GPT-3.5 بین نوامبر ۲۰۲۲ تا اکتبر ۲۰۲۴ بیش از ۲۸۰ برابر کاهش یافته است. در سطح سخت‌افزار، هزینه‌ها سالانه ۳۰٪ کاهش یافته و بهره‌وری انرژی هر سال ۴۰٪ بهبود یافته است. همچنین، مدل‌های با وزن باز (Open-weight) فاصله خود را با مدل‌های بسته کاهش داده‌اند و تفاوت عملکرد را در برخی معیارها از ۸٪ به تنها ۱.۷٪ در عرض یک سال رسانده‌اند. مجموع این روندها به‌سرعت موانع ورود به هوش مصنوعی پیشرفته را کاهش می‌دهند.

۸. افزایش فعالیت‌ها با قانون‌گذاری و سرمایه‌گذاری

در سال ۲۰۲۴، سازمان‌های فدرال آمریکا ۵۹ مقرره مرتبط با هوش مصنوعی صادر کردند که بیش از دو برابر سال قبل بود و توسط دو برابر تعداد سازمان‌ها اجرا شد. در سطح جهانی، اشاره به هوش مصنوعی در قوانین ۷۵ کشور از سال ۲۰۲۳ تاکنون ۲۱.۳٪ افزایش یافته و نسبت به سال ۲۰۱۶ تقریباً ۹ برابر شده است. همزمان، دولت‌ها سرمایه‌گذاری‌های گسترده‌ای انجام می‌دهند: کانادا ۲.۴ میلیارد دلار، چین ۴۷.۵ میلیارد دلار برای صندوق نیمه‌هادی، فرانسه ۱۰۹ میلیارد یورو، هند ۱.۲۵ میلیارد دلار و عربستان سعودی با پروژه Transcendence ۱۰۰ میلیارد دلار.

در سال ۲۰۲۵، دولت‌ها فراتر از برنامه‌ریزی، در حال اجرای واقعی سیاست‌ها و چارچوب‌های قانونی هوش مصنوعی هستند. بسیاری از کشورها استراتژی‌ها و برنامه‌های ملی AI را عملیاتی کرده‌اند که شامل مقررات، نهادهای راهبری و سیاست‌های ملی برای مدیریت کاربرد هوش مصنوعی در دولت و اقتصاد است. دولت آمریکا نیز در تلاش است چارچوب قانونی سراسری برای AI ایجاد کند تا از تداخل مقررات ایالتی جلوگیری کرده و نقش فدرال را در حمایت از نوآوری و توسعه هوش مصنوعی تقویت کند. این رویکرد تمرکز بر تسریع نوآوری و حل تعارض‌های قانونی میان ایالات را نشان می‌دهد.

۹. گسترش آموزش

دو سوم کشورها اکنون آموزش علوم کامپیوتر در مقاطع K12 را ارائه می‌دهند یا برنامه‌ریزی کرده‌اند رقمی دو برابر سال ۲۰۱۹ که آفریقا و آمریکای لاتین بیشترین پیشرفت را داشته‌اند. در ایالات متحده، تعداد فارغ‌التحصیلان با مدرک کارشناسی در رشته‌های کامپیوتر طی ده سال گذشته ۲۲٪ افزایش یافته است. با این حال، در بسیاری از کشورهای آفریقایی به دلیل کمبود زیرساخت‌های پایه مانند برق، دسترسی محدود باقی مانده است. در ایالات متحده، ۸۱٪ معلمان علوم کامپیوتر K12 معتقدند که هوش مصنوعی باید بخشی از آموزش پایه‌ای باشد، اما کمتر از نیمی از آنها احساس می‌کنند که مهارت کافی برای تدریس آن دارند.

۱۰.  مرزهای پیشرفت فشرده‌تر می‌شوند

در سال ۲۰۲۴، تقریباً ۹۰٪ مدل‌های برجسته هوش مصنوعی از صنعت آمده‌اند، در حالی که این رقم در سال ۲۰۲۳، ۶۰٪ بود، و دانشگاه‌ها همچنان منبع اصلی تحقیقات پرارجاع باقی مانده‌اند. اندازه مدل‌ها به‌سرعت در حال افزایش است: محاسبات آموزش هر پنج ماه دو برابر، داده‌ها هر هشت ماه دو برابر و مصرف انرژی سالانه افزایش می‌یابد. با این حال، فاصله عملکردی مدل‌ها کاهش یافته است: تفاوت امتیاز بین مدل‌های رتبه اول و دهم در یک سال از ۱۱.۹٪ به ۵.۴٪ کاهش یافته و دو مدل برتر اکنون تنها ۰.۷٪ از هم فاصله دارند. مرز پیشرفت روزبه‌روز رقابتی‌تر و شلوغ‌تر می‌شود.

۱۱. کسب جوایز برتر

اهمیت رو به رشد هوش مصنوعی در جوایز علمی معتبر منعکس شده است: دو جایزه نوبل به کارهایی اهدا شد که منجر به یادگیری عمیق در فیزیک و کاربرد آن در تا شدن پروتئین‌ها در شیمی شد، در حالی که جایزه تورینگ نیز برای مشارکت‌های پیشگامانه در یادگیری تقویتی به اهداکنندگانش تعلق گرفت.

۱۲. چالش استدلال پیچیده

مدل‌های هوش مصنوعی در حل مسائل المپیاد بین‌المللی ریاضی عملکرد خوبی دارند، اما هنوز در معیارهای سنجش استدلال پیچیده مانند PlanBench با مشکل مواجه هستند. آنها اغلب نمی‌توانند مسائل منطقی را به‌طور مطمئن حل کنند حتی وقتی راه‌حل‌های اثبات‌شده وجود دارد، و این محدودیت، اثربخشی آنها را در محیط‌های حساس و پرریسک که دقت حیاتی است کاهش می‌دهد.