۵ کشور برتر در هوش مصنوعی کاهش هزینه و افزایش دسترسی به AI ممکن شد
دانلود فایل: شاخص هوش مصنوعی استنفورد تحت نظر مؤسسه هوش مصنوعی انسان محور دانشگاه استنفورد و با همکاری گروهی از محققان برجسته از نهادهای دانشگاهی، صنعتی و دولتی سرتاسر جهان گردآوری شده است.
به گزارش دانلود فایل به نقل از مهر، شاخص هوش مصنوعی استنفورد ۲۰۲۵، هشتمین نسخه از این گزارش معتبر سالانه است که تحت نظر مؤسسه هوش مصنوعی انسان محور دانشگاه استنفورد و با همکاری گروهی از محققان برجسته از نهادهای دانشگاهی، صنعتی و دولتی سرتاسر جهان گردآوری شده است. این گزارش که حال به یکی از جامع ترین منابع جهانی برای پایش تحولات راهبردی، فنی و سیاستی هوش مصنوعی بدل شده، دربردارنده داده هایی دقیق، به روز، تطبیقی و قابل استناد در سطح جهانی است.
هدف اصلی این گزارش، توانمندسازی سیاست گذاران، مدیران بخش خصوصی، محققان و روزنامه نگاران برای تصمیم گیری آگاهانه و مبتنی بر شواهد درباره ی توسعه و استقرار فناوری های هوش مصنوعی است. گزارش مذکور با ارائه تحلیل های چندبعدی از وضعیت فعلی، روندهای تاریخی و آینده پژوهی در زیست بوم هوش مصنوعی، بستری علمی و داده محور برای درک پیچیدگی ها و فرصت های این فناوری فراهم می آورد. در این نوشتار کوتاه بر مهم ترین یافته ها، روندهای تحول آفرین و چالش های راهبردی مطرح شده در نسخه ۲۰۲۵ این گزارش تمرکز خواهد شد.
رتبه بندی جهانی پویایی هوش مصنوعی
یکی از بخش های برجسته گزارش شاخص هوش مصنوعی استنفورد ۲۰۲۵، رتبه بندی پویایی هوش مصنوعی کشورهای جهان است که در آن به معرفی ۳۶ کشور برتر دراین خصوص پرداخته است. این رتبه بندی باتوجه به وضعیت کشورها در ۸ شاخص کلیدی شامل مطالعه و توسعه (R&D)، اقتصاد (Economy)، تنوع (Diversity)، افکار عمومی (Public Opinion)، مسئولیت پذیری (Responsible AI)، آموزش (Education)، سیاستگذاری و حکمرانی (Policy and Governance) و زیرساخت (Infrastructure) انجام شده است. در این رتبه بندی کشورهای آمریکا، چین، بریتانیا، هند و امارات به ترتیب رتبه های نخست تا پنجم را در اختیار دارند. لیست مشروح کشورهای برتر در این رتبه بندی به شرح زیر است:
رشد شتابان عملکرد فنی مدلهای هوش مصنوعی
عملکرد مدلهای هوش مصنوعی در آزمون های پیچیده به صورت کم سابقه ای بالا رفته است، بطوریکه این پیشرفت ها نه فقط از نظر آماری چشم گیر هستند، بلکه از حیث کیفی نیز تحول آفرین تلقی می شوند. در سال ۲۰۲۴، مدلهای زبانی پیشرفته توانستند در آزمون های چندبعدی و پیچیده، نظیر «MMMU» (آزمونی چندرشته ای برای ارزیابی درک مفهومی)، «GPQA» (آزمونی در سطح دانش تخصصی) و «SWE-bench» (معیاری برای حل مسایل برنامه نویسی واقعی)، به ترتیب بهبودهایی معادل ۱۸.۸، ۴۸.۹ و ۶۷.۳ واحد درصد نسبت به سال قبل تجربه کنند.
به عقیده کارشناسان، این نتایج تنها به مفهوم ارتقا کلی ارقام نیست، بلکه بیان کننده آنست که این مدلها به سرعت درحال نزدیک شدن به مرزهای شناختی انسان در حل مسایل پیچیده هستند. به عنوان مثال، برخی مدلها در حوزه هایی چون برنامه نویسی، حتی در وضعیت زمانی محدود عملکردی فراتر از انسان از خود نشان داده اند. چنین شتابی در ارتقا عملکرد، نشان دهنده بلوغ معماری های نوین، بهبود مهارتهای آموزش و گسترش دامنه داده های تمرینی است که همه در راستای توانمندسازی نسل جدیدی از مدلهای هوش مصنوعی نقش داشته اند.
گذار هوش مصنوعی از لابراتوار به زندگی روزمره
بر اساس برآورد انجام شده توسط کارشناسان دانشگاه استنفورد، هوش مصنوعی حال به گونه ای فزاینده در عرصه هایی چون سلامت، حمل و نقل، آموزش و خدمات عمومی حضور پررنگ و اثرگذار دارد و از مرحله آزمایشگاهی به بطن زندگی روزمره کاربران نفوذ کرده است. از همین روی، در عرصه سلامت، شاهد شتاب رو به ازدیادی در توسعه و تأیید دستگاه های پزشکی مبتنی بر هوش مصنوعی هستیم و تعداد این دستگاهها که توسط سازمان غذا و داروی آمریکا (FDA) تأیید شده اند، از تنها ۶ مورد در سال ۲۰۱۵ به ۲۲۳ مورد در سال ۲۰۲۳ رسیده است. این دستگاهها طیفی وسیع از کاربردها، از تشخیص خودکار بیماریها در تصاویر پزشکی تا پیش بینی خطرات بالینی در زمان واقعی، را پوشش می دهند.
همچنین در حوزه حمل و نقل نیز خودرو های خودران و رباتاکسی ها به یکی از نمادهای هوش مصنوعی کاربردی در عصر حاضر بدل شده اند. در چنین شرایطی، شرکت هایی همچون «Waymo» در ایالات متحده و «Baidu» در چین ناوگان عظیمی از خودرو های بدون راننده را در شهرهای مختلف مستقر کرده اند که هفته ای صدها هزار سفر را بدون دخالت انسانی انجام می دهند.
همچنین، استفاده از سامانه های هوشمند در آموزش، همچون در یادگیری شخصی سازی شده، ارزیابی خودکار و پشتیبانی از معلمان، به سرعت درحال گسترش بوده و نویدبخش دگرگونی در ساختارهای سنتی آموزشی در سطح جهانی است.
سلطه صنعت بر توسعه مدلهای پیشرفته
این سند مکتوب در بخش دیگری به بررسی سلطه صنعت بر توسعه مدلهای پیشرفته می پردازد. برمبنای برآوردهای صورت گرفته، در سال ۲۰۲۴، سهم صنعت از توسعه مدلهای شاخص هوش مصنوعی به ۹۰ درصد رسید؛ رقمی که نسبت به ۶۰ درصد در سال ۲۰۲۳، جهشی چشم گیر شمرده می شود. این تغییر قابل توجه بیان کننده انتقال محور نوآوری از محیط های دانشگاهی به شرکت های فناوری محور است.
به عبارت دیگر، در صورتیکه دانشگاه ها بازهم نقشی کلیدی در پیشبرد مرزهای دانش و تولید مقالات علمی پراستناد ایفا می کنند، این صنعت است که در حوزه طراحی، آموزش و پیاده سازی مدلهای عملیاتی و تجاری شدنی نقش اصلی را بر عهده گرفته است. علت این دگرگونی را می توان در تزریق سرمایه گذاری های کلان خصوصی، توسعه پلت فرم های ابری اختصاصی و ایجاد اکوسیستم های بسته مطالعه وتوسعه دانست.
به ویژه در عرصه مدلهای مولد مانند تولید متن، تصویر، صوت و ویدئو، شاهد ورود بازیگران بزرگ بازار فناوری مانند «OpenAI»، گوگل، متا و آنتروپیک هستیم که با ارائه مدل هایی مانند «GPT-۴»، جمینای، لاما و کلاد، در عمل مسیر پیشرفت فناوری را در انحصار خود پیش گرفته اند. برمبنای شاخص هوش مصنوعی استنفورد این پدیده باعث شده است که عمق شکاف میان توان علمی دانشگاهی و توان فناورانه صنعتی درحال افزایش باشد؛ این در حالیست که همکاریهای پژوهشی مشترک و انتشار کدهای متن باز، می توانند به تعادل بخشی در این روند کمک کنند.
رشد نابرابر در مسئولیت پذیری هوش مصنوعی
داده های ارائه شده در این سند مکتوب حاکی از آنست که با وجود افزایش محسوس رخدادها و حوادث در رابطه با مخاطرات هوش مصنوعی، همچون سوگیری الگوریتمی، تولید اطلاعات نادرست، نقض حریم خصوصی و انتشار محتوای مخرب، استفاده از فاکتورها و چارچوب های ارزیابی استاندارد برای سنجش مسئولیت پذیری در توسعه مدلها، هنوز در بین شرکت های پیشرو صنعتی عمومیت نیافته است.
بخش عمده ای از شرکتها گرچه بصورت نظری به لزوم رعایت اصول مسئولانه اذعان دارند، اما اقدامات عملی، همچون ارزیابی های قبل از استقرار (pre-deployment audits)، شفاف سازی داده های آموزشی و طراحی سامانه های پاسخگو، هنوز بصورت فراگیر اجرائی نشده اند. در این بین، فاکتورها و ابزارهایی نظیر «HELM Safety» و «AIR-Bench» درحال تکوین و معرفی هستند؛ شاخص هایی که می توانند به عنوان معیارهای مرجع برای ارزیابی ایمنی، صداقت و عدم سوگیری مدلها به کار گرفته شوند.
همچنین داده های موجود در شاخص هوش مصنوعی استنفورد نشان می دهند که از نظر حکمرانی جهانی، روند رو به رشدی از همکاریهای بین المللی درحال ایجاد است. در چنین شرایطی، نهادهایی مانند سازمان همکاری اقتصادی و توسعه (OECD)، اتحادیه اروپا، سازمان ملل متحد و اتحادیه آفریقا با انتشار چارچوب های سیاستی و اصول راهنمای مشترک، تلاش دارند با بوجودآوردن هماهنگی میان کشورها، بنیانی برای حکمرانی مسئولانه و قابل اعتماد هوش مصنوعی فراهم سازند. این رویکردها دربرگیرنده اصولی همچون شفافیت، قابلیت پاسخگویی، عدالت، امنیت و احترام به حقوق بشر هستند.
کاهش شدید هزینه ها و افزایش دسترسی پذیری
قیمت و هزینه توسعه و استقرار هوش مصنوعی، دیگر محور کلیدی این گزارش محسوب می شود. بر همین اساس، هزینه اجرای مدل هایی با عملکرد مشابه «GPT-۳.۵» ظرف مدت ۱۸ ماه با افتی بی سابقه، بالاتر از ۲۸۰ برابر کم شده است؛ به شکلی که هزینه پردازش یک میلیون توکن از ۲۰ دلار به تنها ۰.۰۷ دلار رسیده است. این کاهش هزینه نه فقط در پایین آوردن بار مالی کاربران و کسب وکارها نقش داشته، بلکه در تغییر ماهیت دسترسی پذیری به فناوری نیز تحول به وجود آورده است.
یکی از عوامل اصلی این کاهش چشم گیر هزینه، گسترش زیرساخت های محاسباتی نوین و استفاده بهینه از واحدهای پردازش شتاب یافته، مانند پردازنده های گرافیکی نسل جدید و شتاب دهنده های اختصاصی نظیر واحدهای پردازشی تنسور (TPU) است. در کنار این امر، حرکت به طرف مدلهای متن باز و سبک تر، مانند «Mistral» و «Phi-۲» که با هزینه کمتر عملکرد قابل قبولی ارائه می دهند، باعث شده است که استفاده از مدلهای هوش مصنوعی برای استارتاپ ها، دولت ها و کاربران شخصی نیز عملی و مقرون به صرفه گردد.
همچنین، بهبود راندمان انرژی بوسیله الگوریتم های آموزش فشرده و استفاده از معماری های بهینه تر، زمینه ساز کاهش مصرف منابع در کنار افزایش توان عملیاتی بوده است. در مجموع، می توان اظهار داشت که این تحولات سبب شده اند هوش مصنوعی از یک تکنولوژی انحصاری به ابزاری عمومی تر تبدیل گردد و راه را برای دموکراتیزه سازی فناوری های شناختی هموار سازد.
برتری چین در حوزه تولید مقالات و پتنت های هوش مصنوعی
بر اساس گزارش شاخص هوش مصنوعی استنفورد، چین با سهم ۲۳.۲ درصدی از کل مقالات پخش شده و ۶۹.۷ درصدی از کل پتنت های ثبت شده در عرصه هوش مصنوعی، از نظر کمّی جایگاه نخست را در بین کشورهای جهان به خود مختص کرده است. به اعتقاد کارشناسان، این کشور با اتکا به سیاستگذاری فعال دولتی، سرمایه گذاری در زیرساخت های تحقیقاتی و بسیج دانشگاه ها و صنایع داخلی، توانسته است در عرصه تولید دانش و مالکیت فکری در سطح گسترده ای رشد کند.
با این وجود، ایالات متحده بازهم از نظر کیفیت علمی و نوآوری فناورانه، جایگاه برجسته ای دارد. این کشور در سال ۲۰۲۴ موفق به تولید ۴۰ مدل شاخص هوش مصنوعی شده است؛ مدل هایی که نه فقط در ارزیابی های فنی برتر ظاهر شده اند، بلکه پشتوانه ای از مقالات علمی پراستناد و پیشرفت های مرجع فراهم آورده اند. لازم به ذکر است که شکاف عملکردی میان مدلهای چین و آمریکا در آزمون های مهمی نظیر «MMLU» برای ارزیابی درک چندرشته ای و «HumanEval» بمنظور ارزیابی توان برنامه نویسی به صورت شایان توجهی کم شده و در بعضی موارد حدودا از میان رفته است. متخصصان براین باورند که تحولات اخیر بیان کننده ورود چین به مرحله ای جدید از بلوغ فناورانه و توان رقابتی در سطح جهانی است.
نگرانی های جهانی درباره ی اعتماد عمومی
طبق متن گزارش مذکور، با وجود افزایش خوش بینی نسبت به مزایای بالقوه هوش مصنوعی در بعضی کشورهای جهان، سطح اعتماد عمومی به شرکت های فعال در این زمینه روندی نزولی را طی می کند. بر مبنای نظرسنجی جهانی ارائه شده در شاخص هوش مصنوعی استنفورد، تنها ۴۷ درصد از پاسخ دهندگان معتقدند که این شرکتها داده های آنها را به درستی محافظت می کنند؛ رقمی که نسبت به ۵۰ درصد در سال گذشته، کاهشی معنادار داشته است.
این کاهش اعتماد، زنگ خطری برای مشروعیت اجتماعی تکنولوژی های جدید و لزوم بازبینی در سیاستهای شفافیت و پاسخ گویی شرکت های فناوری محسوب می شود. کارشناسان براین باورند که یکی از دلیلهای اصلی این بی اعتمادی، افزایش نگرانی ها درباب سوگیری الگوریتمی و تبعیض در تصمیم گیری های خودکار، خصوصاً در کاربردهایی نظیر استخدام، نظام قضائی و دسترسی به خدمات عمومی است. افزون بر این، استفاده فزاینده از فناوری های تولید محتوای جعلی مانند دیپ فیک برای مقاصد سیاسی، تبلیغاتی یا مجرمانه نیز سبب تشدید تردید عمومی نسبت به نیت و مسئولیت پذیری شرکتها شده است. در مجموع، این روند نشان میدهد که تقویت چارچوب های اخلاقی، شفاف سازی عملکرد الگوریتم ها و پیشرفت مکانیسم های پاسخ گویی، برای بازسازی اعتماد اجتماعی به هوش مصنوعی امری اجتناب ناپذیر است.
جمع بندی
در نهایت انگار شاخص ۲۰۲۵ هوش مصنوعی استنفورد تصویری جامع، دقیق و چندلایه از وضعیت فعلی هوش مصنوعی در جهان ترسیم می کند؛ تصویری که نه فقط ابعاد فنی و نوآورانه این فناوری را برجسته می سازد، بلکه پیچیدگی ها، چالش های سیاستی و ملاحظات اجتماعی آنرا نیز به تفصیل می کاود.
این گزارش مکتوب با بهره بردن از داده های میدانی، تحلیل های تطبیقی و روندهای تاریخی، نشان میدهد که بااینکه فناوری هوش مصنوعی با شتابی بی سابقه درحال تحول و گسترش در عرصه هایی چون سلامت، آموزش، امنیت، حمل و نقل و اقتصاد است، اما در عین حال با چالش های روزافزونی در حوزه عدالت الگوریتمی، صیانت از حریم خصوصی، شفافیت تصمیم گیری و پاسخ گویی اجتماعی نیز روبرو است.
همچنین شکاف بیش از پیش میان توانایی های فنی مدلها و میزان بلوغ چارچوب های اخلاقی، حقوقی و نظارتی باعث شده است که حکمرانی بر این فناوری به یکی از پیچیده ترین دغدغه های سیاستگذاری تبدیل گردد. از همین روی، نهادهای سیاست گذار، تنظیم گران ملی و بین المللی، جامعه مدنی و بازیگران صنعتی باید با نگاهی نظام مند، فرابخشی و پیش نگرانه، برای تشکیل به حکمرانی مسئولانه، شفاف، مشارکتی و عادلانه بر هوش مصنوعی اقدام کنند؛ نوعی از حکمرانی که نه فقط مانع مخاطرات، بلکه تسهیل گر بهره مندی همگانی از مزایای این فناوری تحول ساز باشد.
منبع: itfile.ir
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب