امروز و آینده هوش مصنوعی

براساس گزارش پايگاه خبري سروش امنيت چشم انداز هوش مصنوعی (AI) از سال ۱۹۵۰ زمانی که آلن تورینگ برای اولین بار این سوال را مطرح کرد که آیا ماشین ها می توانند فکر کنند به طور قابل توجهی تکامل یافته است. امروزه هوش مصنوعی جوامع و اقتصادها را متحول می کند.

این به معنی وعده ایجاد دستاوردهای بهره وری، بهبود رفاه و کمک به مقابله با چالش های جهانی مانند تغییرات آب و هوا، کمبود منابع و بحران های بهداشتی است. با این حال، پذیرش جهانی هوش مصنوعی منوط به یافتن پاسخ سوالاتی با موضوع  اعتماد، انصاف، حریم خصوصی، ایمنی و مسئولیت پذیری و غیره است. هوش مصنوعی پیشرفته باعث تفکر در مورد آینده کار، اوقات فراغت و جامعه می شود.

این فصل از مجموعه “اقتصاد دیجیتال”، محصول OECD ، به بررسی پیشرفت‌های فناوری هوش مصنوعی فعلی و مورد انتظار می‌پردازد، فرصت‌ها و ریسک‌هایی را که کارشناسان پیش‌بینی می‌کنند منعکس می‌کند و با انجام این کار به ایجاد درک مشترک از فرصت‌ها و خطرات کلیدی این پدیده کمک می‌کند تا اطمینان حاصل شود که هوش مصنوعی قابل اعتماد است و برای نفع بشریت و سیاره استفاده می‌شود.

پیشرفت های فنی، هوش مصنوعی مولد را فعال کرده است به طوری که حتی کاربران پیشرفته ممکن است نتوانند بین محتوای تولید شده توسط انسان و هوش مصنوعی تمایز قائل شوند.

• در اواخر سال ۲۰۲۲، با وجود پیش‌بینی برخی از محققان، پیشرفت‌های هوش مصنوعی بسیاری را غافلگیر کرد. همکاری بین رشته ای مابین سیاست گزاران، توسعه دهندگان هوش مصنوعی و محققان برای کمک به همگام شدن با پیشرفت هوش مصنوعی و کاهش شکاف های موجود، کلیدی است.

تحقیقات و نظرات کارشناسان نشان می دهد که اثرات آتی هوش مصنوعی می تواند به طور گسترده ای متفاوت باشد، که نویدبخش مزایای اجتماعی-اقتصادی قابل توجهی است، اما همچنین خطرات قابل توجهی را ارائه می دهد که نیاز به رسیدگی دارد.

• آینده هوش مصنوعی ممکن است مزایای فوق العاده ای داشته باشد، از جمله افزایش بهره وری، تسریع پیشرفت علمی و کمک به مقابله با تغییرات آب و هوایی. با این حال، پیشرفت‌های هوش مصنوعی خطرات مهمی را نیز به همراه دارد، از جمله انتشار اطلاعات نادرست و نادرست، و تهدید علیه حقوق بشر.

مسیرهای بلندمدت و خطرات هوش مصنوعی اغلب مورد بحث و بحث قرار می گیرد

• امروزه بیشتر هوش مصنوعی را می توان «محدود» در نظر گرفت ( یعنی طراحی شده برای انجام یک کار خاص)، اما برخی از کارشناسان استدلال می کنند که مدل های پایه شکل اولیه هوش مصنوعی «عمومی» هستند. این شامل پیشرفت به سمت هوش عمومی مصنوعی (AGI) است – یک مفهوم بحث برانگیز که می تواند به عنوان ماشین هایی با هوش سطح انسانی یا بیشتر در طیف گسترده ای از زمینه ها توصیف شود.
• برخی از کارشناسان استدلال می کنند که چالش ها در حصول اطمینان از همسویی خروجی های هوش ماشین با ترجیحات و اخلاقیات انسانی می تواند منجر به از دست دادن کنترل AGI توسط انسان شود. با این حال، هنوز اطلاع و تعریف دقیقی از ماهیت AGI در دست نیست و از طرفی  بسیاری از ریسک‌های آینده بدون AGI هم احتمالا اتفاق می افتند، و همین نکته محققان را به این استدلال می‌کشاند که تمرکز بر AGI فرضی، توجه را از خطرات کوتاه‌مدت منحرف می‌کند.

سرمایه گذاری خطرپذیر (VC) روی تحقیق و توسعه هوش مصنوعی در حال افزایش است

• توضیح: سرمایه‌گذاری خطرپذیر (Venture Capital) که از آن با عنوان‌های «سرمایه‌گذاری جسورانه» یا «سرمایه‌گذاری کارآفرینی» نیز نام می‌برند، عبارت است از تأمین سرمایه لازم برای شرکت‌ها و کسب‌وکارهای نوپا (استارت آپ) و کارآفرین که مستعد جهش و رشد ارزش هستند و البته این سرمایه گذاری دارای ریسک فراوانی است.
• از اواسط سال ۲۰۱۹، جمهوری خلق چین تحقیقات هوش مصنوعی بیشتری نسبت به ایالات متحده یا اتحادیه اروپا منتشر کرد. هند نیز در حال پیشرفت است و از سال ۲۰۱۵ انتشارات تحقیقاتی هوش مصنوعی خود را بیش از دو برابر کرده است.
• بین سال‌های ۲۰۱۵ تا ۲۰۲۳، سرمایه‌گذاری‌های جهانی VC در استارت‌آپ‌های هوش مصنوعی سه برابر شد (از ۳۱ میلیارد دلار به ۹۸ میلیارد دلار). سرمایه‌گذاری در هوش مصنوعی مولد هم به طور خاص از ۱٪ کل سرمایه‌گذاری‌های خطرپذیر VC در سال ۲۰۲۲ (۱٫۳ میلیارد دلار) به ۱۸٫۲٪. (۱۷٫۸ میلیارد دلار) در سال ۲۰۲۳ رسید.

انتظار می رود توسعه و استفاده از هوش مصنوعی همچنان به دسترسی به زیرساخت های محاسباتی بستگی داشته باشد

• شکاف محاسباتی ممکن است بین کشورها و حتی در داخل کشورها بدتر شود. برای نمونه در داخل کشورها، نهادهای بخش عمومی معمولا فاقد منابع محاسباتی برای آموزش هوش مصنوعی پیشرفته هستند.

مزایا و خطرات هوش مصنوعی در سطح جهانی است و این جهان شمول بودن همکاری بین‌المللی را برای اطمینان از مکمل، مؤثر و کارآمد بودن سیاست‌ها و قوانین هوش مصنوعی ضروری می‌سازد

• سیستم‌های هوش مصنوعی در سراسر

جهان می‌توانند از همان ورودی‌ها و ابزارهای هوش مصنوعی مانند الگوریتم‌های هوش مصنوعی، مدل‌ها و مجموعه داده‌های آموزشی استفاده کنند. این امر کشورها و سازمان‌ها را در برابر خطرات مشابهی مانند سوگیری، نقض حقوق بشر، و آسیب‌پذیری‌ها یا شکست‌های امنیتی آسیب‌پذیر می‌کند.

اصطلاحات کلیدی هوش مصنوعی

هوش مصنوعی در رسانه ها و محافل سیاسی مورد توجه قرار گرفته است. در میان هجوم تیترها و تحلیل‌ها،  برای کمک به همگام شدن با پیشرفت‌های سریع هوش مصنوعی، به درک مشترکی از اصطلاحات کلیدی هوش مصنوعی نیاز داریم. این مجموعه از این اصطلاحات در معنای زیر استفاده می کند. منبع هر تعریف اصطلاحی در پرانتز قید شده است:

هوش مصنوعی : «سیستم هوش مصنوعی یک سیستم مبتنی بر ماشین است که برای اهداف صریح یا ضمنی، از ورودی‌هایی که دریافت می‌کند، چگونگی تولید خروجی‌هایی مانند پیش‌بینی‌ها، محتوا، توصیه‌ها یا تصمیم‌هایی را استنباط می‌کند که می‌تواند بر محیط‌های فیزیکی یا مجازی تأثیر بگذارد. سیستم‌های هوش مصنوعی مختلف در سطوح استقلال و سازگاری پس از استقرار متفاوت هستند» (OECD، ۲۰۲۴).

• الگوریتم : “مجموعه ای از دستورالعمل ها( نه داده¬ها) که به شیوه ای گام به گام برای حل یک مشکل مرتب شده¬اند. این الگوریتم می‌تواند از طریق زبان‌های برنامه‌نویسی مختلف و یا کتابخانه‌های نرم‌افزاری پیاده‌سازی شود» (شورای تجارت و فناوری اتحادیه اروپا-ایالات متحده، ۲۰۲۳).
• منابع پردازشی هوش مصنوعی: «منابع پردازشی هوش مصنوعی شامل یک یا چند پشته سخت‌افزار و نرم‌افزار است که به شیوه¬ای بهره ورانه برای پشتیبانی از برنامه‌های کاربردی تخصصی هوش مصنوعی استفاده می‌شود» (OECD، ۲۰۲۳).
• مدل بنیادی : مدلی که بر روی مقادیر زیادی از داده ها تحت نظارت خود مدل اعمال می شود و می تواند برای انجام طیف وسیعی از وظایف و خروجی¬ها تنظیم شود . مدل معروف chatgpt3 از این نوع است. (Bommasani et al. 2021).
• هوش مصنوعی مولد : سیستم‌های هوش مصنوعی قادر به ایجاد محتوای جدید – از جمله متن، تصویر، صدا و ویدئو – بر اساس داده‌های آموزشی خود و معمولاً در پاسخ به درخواست‌ها هستند. رشد اخیر و پوشش رسانه ای هوش مصنوعی مولد، به ویژه در زمینه تولید متن و تصویر، قابلیت های هوش مصنوعی را برجسته کرده که منجر به بحث های عمومی، دانشگاهی و سیاسی قابل توجهی نیز شده است (Lorenz, Perset and Berryhill, 2023 ).
• مدل زبان هوش مصنوعی : مدلی که می‌تواند متن زبان طبیعی آموزش‌دیده بر روی حجم وسیعی از داده‌ها را با استفاده از تکنیک‌هایی از جمله مدل‌های آماری و یادگیری عمیق، پردازش، تجزیه و تحلیل یا تولید کند،. ربات‌های چت کننده، مترجمهای ماشینی و نرم افزارهایی که گفتار را تشخیص می‌دهند، همگی از کاربردهای مدل‌های زبان هستند. همه مدل‌های زبانی، ماهیت مدل مولد را ندارند و می‌توانند بزرگ یا کوچک باشند (OECD، ۲۰۲۳).
• یادگیری ماشینی : «شاخه ای از هوش مصنوعی (AI) و علوم رایانه که بر توسعه سیستم هایی تمرکز دارد که قادر به یادگیری و سازگاری بدون پیروی از دستورالعمل های صریح هستند و عملا با تقلید از روشی که انسان ها یاد می گیرند، فراگیری میکنند و به تدریج دقت این فراگیری را با استفاده از الگوریتم ها و مدل‌های آماری برای تجزیه و تحلیل و استنتاج از الگوهای موجود در داده‌ها، بهبود می بخشند.» (شورای تجارت و فناوری اتحادیه اروپا و ایالات متحده، ۲۰۲۳). فرآیند “یادگیری” با استفاده از تکنیک های یادگیری ماشینی به عنوان “آموزش” شناخته می شود. یک تکنیک یادگیری ماشینی به نام «شبکه‌های عصبی» و تکنیک زیرمجموعه بعدی آن به نام «یادگیری عمیق»، جهش‌هایی را در پیشرفت‌های فناوری هوش مصنوعی ممکن کرده است (OECD، ۲۰۱۹ ).
• هوش مصنوعی چندوجهی : آن نوع ازهوش مصنوعی است که انواع مختلفی از داده‌ها مانند داده‌های متن، تصویر یا صدا را از طریق مدل‌ها و الگوریتم‌های یادگیری ماشینی ترکیب می‌کند. هوش مصنوعی چندوجهی برای تحقیقات و کاربردهای حوزه تولید و رباتیک کلیدی است (موسسه آلن تورینگ، ۲۰۲۳ ).

سیستم های هوش مصنوعی (به طور فزاینده ای) عمومی

برخی از کارشناسان بر این باورند که برخی از مدل‌های هوش مصنوعی مولد را می‌توان به روشی کلی در بسیاری از زمینه‌ها اعمال کرد. با این حال، این نکته که خروجی این مدلها تنها  به هم پیوستن اطلاعاتی است که در اختیار دارند یا واقعا اطلاعات تازه ای تولید کرده¬اند مورد بحث قراردارد.

از زمان پیدایش در دهه ۱۹۵۰، سیستم های هوش مصنوعی “محدود” و مختص به کاربری خاصی بوده اند. با این حال، به دلیل پیشرفت‌های اخیر، برخی از کارشناسان استدلال می‌کنند که «مدل‌های پایه» پیشرفته به سمت قابلیت‌هایی حرکت می‌کنند که ماهیت کلی‌تری دارند.

مدل های بنیادی بر روی مقادیر زیادی از داده ها آموزش می بینند و می توانند برای طیف گسترده ای از وظایف پایین دستی سازگار و ساختهشوند. برخی از کارشناسان استدلال می کنند که چنین مدل هایی نشان دهنده گامی مهم به سمت ظهور فرضی هوش عمومی مصنوعی (AGI) است که جدول زمانی، تعریف و فرضیه آن به شدت مورد بحث است. AGI یک مفهوم بحث برانگیز است که می تواند به عنوان ماشین هایی با هوش سطح انسانی یا بیشتر در طیف گسترده ای از حوزه ها و زمینه ها توصیف شود.

بسیاری از کارشناسان استدلال می‌کنند که تمرکز بر مفاهیم گمانه‌زنی AGI مزایا و خطرات بالقوه قابل‌توجهی را که سیستم‌های هوش مصنوعی موجود در کوتاه مدت و میان‌مدت ایجاد می‌کنند، پنهان می‌کند. برای دور شدن از این بحث، برخی از کارشناسان هوش مصنوعی شروع به استفاده از عبارت هوش مصنوعی توانمند (ACI) کرده اند. منظور از این عبارت توصیف سیستم‌های هوش مصنوعی بالقوه تحول‌پذیر است که به حداقل نظارت انسانی نیاز دارند، اما ممکن است به وضعیت فرضی AGI نرسند.

محققان در DeepMind (گوگل) چارچوبی را برای طبقه‌بندی پیشرفت در قابلیت‌ها بر اساس سطوح عملکرد، عمومیت و استقلال سیستم‌های هوش مصنوعی پیشنهاد کرده‌اند. هدف آنها ارائه یک زبان مشترک برای مقایسه مدل‌های هوش مصنوعی، ارزیابی خطرات و اندازه‌گیری پیشرفت‌های هوش مصنوعی است.

AGI کانون بحث‌های فعال و گزارش‌های رسانه‌ای است. در حالی که تعداد فزاینده‌ای از کارشناسان از طیف گسترده‌ای از رشته‌ها در حال بحث در مورد دستیابی به سیستم‌های هوش مصنوعی عمومی‌تر هستند، دیدگاه‌ها، پیش‌بینی‌ها و درک آنها از اصطلاحات کلیدی مرتبط بسیار متفاوت است.

بخشی از فصل دوم کتاب: OECD Digital Economy Outlook 2024 (Volume 1)

توضیح: سازمان همکاری و توسعه اقتصادی (OECD) نهادی است که در آن دولت های ۳۷ کشور با اقتصادهای مبتنی بر بازار برای توسعه استانداردهای سیاستی برای ترویج رشد اقتصادی پایدار با یکدیگر همکاری می کنند.