۵ کشور برتر در هوش مصنوعی کاهش هزینه و افزایش دسترسی به AI ممکن شد

پارس آی سی تی: 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 پارس آی سی تی 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 سراسر دنیا گردآوری شده است. این گزارش که حالا 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 در رابطه با توسعه و استقرار فناوری های هوش مصنوعی است. گزارش مذکور با عرضه 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 در این حوزه پرداخته است. این رتبه بندی با عنایت به وضعیت کشورها در ۸ شاخص کلیدی شامل پژوهش 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) صورت گرفته 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 بشکل کم سابقه ای افزایش پیدا کرده است، به صورتی که این پیشرفت ها نه تنها از نظر آماری چشم گیر هستند، بلکه از حیث کیفی هم 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 معنای ارتقا کلی ارقام نیست، بلکه مبین آن است که این مدلها به سرعت درحال نزدیک شدن به مرزهای شناختی انسان در حل مسایل پیچیده هستند. بعنوان مثال، برخی مدلها در زمینه هایی چون برنامه نویسی، حتی در شرایط زمانی محدود عملکردی فراتر از انسان از خود نشان داده اند. چنین شتابی در ارتقا عملکرد، نشان دهنده بلوغ معماری های نوین، بهبود روشهای فنی آموزش و گسترش دامنه داده های تمرینی است که همه در جهت توانمندسازی نسل جدیدی از مدلهای هوش مصنوعی نقش داشته اند.
گذار هوش مصنوعی از لابراتوار به زندگی روزمره
بر اساس برآورد صورت گرفته توسط کارشناسان دانشگاه استنفورد، هوش مصنوعی حالا بشکلی فزاینده در حوزه هایی چون سلامت، حمل و نقل، آموزش و خدمات عمومی حضور پررنگ و تاثیر گذار دارد و از مرحله آزمایشگاهی به بطن زندگی روزمره کاربران نفوذ کرده است. از همین روی، در حوزه سلامت، شاهد شتاب درحال افزایشی در توسعه و تأیید دستگاههای پزشکی مبتنی بر هوش مصنوعی هستیم و تعداد این دستگاه ها 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 دستگاه ها طیفی وسیع از کاربردها، از تشخیص خودکار بیماری ها در تصاویر پزشکی تا پیشبینی خطرات بالینی در زمان واقعی، را پوشش می دهند.
همچنین در زمینه حمل و نقل هم 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 شهر های 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 قسمت دیگری به بررسی سلطه صنعت بر توسعه مدلهای پیشرفته می پردازد. بر مبنای 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 بحساب می آید. این تغییر قابل توجه مبین انتقال محور نوآوری از محیط های آکادمیک به شرکتهای فناوری محور است.
به عبارت دیگر، در حالیکه دانشگاه ها همچنان نقشی کلیدی در پیشبرد مرزهای دانش و تولید مقالات علمی پراستناد ایفا می کنند، این صنعت است که در زمینه طراحی، آموزش و پیاده سازی مدلهای عملیاتی و تجاری شدنی نقش اصلی را بر عهده گرفته است. علت این دگرگونی را میتوان در تزریق سرمایه گذاری های کلان خصوصی، توسعه پلت فرم های ابری اختصاصی و شکل دهی اکوسیستم های بسته پژوهش وتوسعه دانست.
به ویژه در حوزه مدلهای مولد مانند تولید متن، تصویر، صوت و ویدئو، شاهد ورود بازیگران بزرگ بازار فناوری مانند «OpenAI»، گوگل، متا و آنتروپیک هستیم که با عرضه مدل هایی مانند «GPT-۴»، جمینای، لاما و کلاد، عملا مسیر پیشرفت فناوری را در انحصار خود پیش گرفته اند. بر مبنای شاخص هوش مصنوعی استنفورد این پدیده سبب شده است که عمق شکاف میان توان علمی آکادمیک و توان فناورانه صنعتی درحال افزایش باشد؛ این در شرایطی است 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 عرضه شده در این سند مکتوب از آن حکایت می کند 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 شاخصها و چارچوب های ارزیابی استاندارد برای سنجش مسئولیت پذیری در توسعه مدلها، هنوز در بین شرکتهای پیشرو صنعتی عمومیت نیافته است.
بخش عمده ای از شرکت ها گرچه به شکل نظری به ضرورت 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 به شکل فراگیر اجرایی نشده اند. دراین میان، شاخصها و ابزارهایی نظیر «HELM Safety» و «AIR-Bench» درحال تکوین و معرفی هستند؛ شاخص هایی که می توانند بعنوان 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 منظر حکمرانی جهانی، روند رو به رشدی از همکاریهای بین المللی درحال شکل دهی 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 تشکیل 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 به حساب می آید. بر همین اساس، هزینه اجرای مدل هایی با عملکرد مشابه «GPT-۳.۵» ظرف مدت ۱۸ ماه با افتی بی سابقه، بیشتر از ۲۸۰ برابر کاسته شده است؛ بگونه ای که هزینه پردازش یک میلیون توکن از ۲۰ دلار به تنها ۰.۰۷ دلار رسیده است. این کاهش هزینه نه تنها در کاهش بار مالی کاربران و کسب و کارها نقش داشته، بلکه در تغییر ماهیت دسترسی پذیری به فناوری هم تحول بوجود آورده است.
یکی از عوامل کلیدی این کاهش چشم گیر هزینه، توسعه 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 سمت مدلهای متن باز و سبک تر، مانند «Mistral» و «Phi-۲» که با هزینه کمتر عملکرد قابل قبولی عرضه می دهند، سبب گشته است که استفاده از مدلهای هوش مصنوعی برای استارتاپ ها، دولت ها و کاربران شخصی هم عملی و مقرون به صرفه گردد.
همچنین، بهبود بهره وری انرژی از راه 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، میتوان اظهار داشت که این تحولات سبب شده اند هوش مصنوعی از یک فناوری انحصاری به ابزاری عمومی تر تبدیل گردد و راه را برای دموکراتیزه سازی فناوری های شناختی هموار سازد.
برتری چین در زمینه تولید مقالات و پتنت های هوش مصنوعی
بر اساس گزارش شاخص هوش مصنوعی استنفورد، چین با سهم ۲۳.۲ درصدی از کل مقالات انتشار یافته و ۶۹.۷ درصدی از کل پتنت های ثبت شده در حوزه هوش مصنوعی، از منظر کمّی جایگاه نخست را در بین کشورهای جهان به خود مختص کرده است. به عقیده 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 همچنان 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 تنها در ارزیابی های فنی برتر ظاهر شده اند، بلکه پشتوانه ای از مقالات علمی پراستناد و پیشرفت های مرجع فراهم نموده اند. گفتنی است که شکاف عملکردی میان مدلهای چین و آمریکا در آزمون های مهمی نظیر «MMLU» برای ارزیابی درک چندرشته ای و «HumanEval» به منظور ارزیابی توان برنامه نویسی بشکل قابل ملاحظه ای کاسته شده و در بعضی موارد تقریبا از میان رفته است. متخصصان اعتقاد دارند که تحولات اخیر مبین ورود چین به مرحله ای جدید از بلوغ فناورانه و توان رقابتی در سطح جهانی است.
نگرانی های جهانی در رابطه با اعتماد عمومی
طبق متن گزارش مذکور، با وجود افزایش خوشبینی نسبت به مزایای بالقوه هوش مصنوعی در بعضی کشورهای جهان، سطح اعتماد عمومی به شرکتهای فعال در این عرصه روندی نزولی را طی می کند. طبق نظرسنجی جهانی عرضه شده در شاخص هوش مصنوعی استنفورد، تنها ۴۷ درصد از پاسخ دهندگان اعتقاد دارند که این شرکت ها 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 ضرورت بازبینی در سیاستهای شفافیت و پاسخ گویی شرکتهای فناوری به حساب می آید. کارشناسان اعتقاد دارند که یکی از علل اصلی این بی اعتمادی، افزایش نگرانی ها در مورد سوگیری الگوریتمی و تبعیض در تصمیم گیری های خودکار، بخصوص در کاربردهایی نظیر استخدام، نظام قضایی 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 هم باعث تشدید تردید عمومی نسبت به نیت و مسئولیت پذیری شرکت ها شده است. در مجموع، این روند نشان داده است که تقویت چارچوب های اخلاقی، شفاف سازی عملکرد الگوریتم ها و ارتقاء مکانیسم های پاسخ گویی، برای بازسازی اعتماد اجتماعی به هوش مصنوعی امری اجتناب ناپذیر است.
جمع بندی
در نهایت گویی شاخص ۲۰۲۵ هوش مصنوعی استنفورد تصویری جامع، دقیق و چندلایه از وضعیت فعلی هوش مصنوعی در جهان ترسیم می کند؛ تصویری که نه تنها ابعاد فنی و نوآورانه این فناوری را برجسته می سازد، بلکه پیچیدگی ها، چالش های سیاستی و ملاحظات اجتماعی آنرا هم به تفصیل می کاود.
این گزارش مکتوب با استفاده از داده های میدانی، تحلیل های تطبیقی و روندهای تاریخی، نشان داده است که باآنکه فناوری هوش مصنوعی با شتابی بی سابقه درحال تحول و گسترش در حوزه هایی چون سلامت، آموزش، امنیت، حمل و نقل و اقتصاد است، اما در عین حال با چالش های روزافزونی در زمینه عدالت الگوریتمی، محافظت از حریم خصوصی، شفافیت تصمیم گیری و پاسخ گویی اجتماعی هم مواجه می باشد.
همچنین شکاف روز افزون میان توانایی های فنی مدلها و میزان بلوغ چارچوب های اخلاقی، حقوقی و نظارتی سبب 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 شکل گیری به حکمرانی مسئولانه، شفاف، مشارکتی و عادلانه بر هوش مصنوعی اقدام کنند؛ نوعی از حکمرانی که نه تنها مانع مخاطرات، بلکه تسهیل گر بهره مندی همگانی از مزایای این فناوری تحول ساز باشد.

منبع: ict-pars.ir

1404/01/29

11:31:54

5.0 / 5

تگهای خبر: استارتاپ , استاندارد , بیماری , تبلیغات

این پست را می پسندید؟

(1)

(0)

تازه ترین مطالب مرتبط

نظرات بینندگان در مورد این پست

لطفا شما هم در مورد این پست نظر بدید

= ۶ بعلاوه ۱

ثبت نظر