بررسی تمام ابعاد مرتبط با گسترس فناوری هوش مصنوعی!

به گزارش مجله خبری نگار/شرق،هوش مصنوعی دیگر صرفاً یک فناوری نوظهور نیست؛ به زیرساختی تبدیل شده که هم‌زمان قواعد اقتصاد، بازار کار، علم و حتی مناسبات قدرت میان کشور‌ها را بازنویسی می‌کند. تازه‌ترین گزارش «AI Index ۲۰۲۶» دانشگاه استنفورد تصویری از این دگرگونی ارائه می‌دهد که در آن، مرز‌های توانایی مدل‌های هوش مصنوعی هر روز جابه‌جا می‌شود، سرمایه‌گذاری جهانی در این حوزه تنها در یک سال بیش از دو برابر افزایش می‌یابد، ابزار‌های هوش مصنوعی مولد با سرعتی بیشتر از اینترنت در میان مردم گسترش پیدا می‌کنند و رقابت آمریکا و چین به نزدیک‌ترین فاصله خود در سال‌های اخیر می‌رسد. اما در سوی دیگر این پیشرفت، مصرف برق و آب مراکز داده به اندازه مصرف یک کشور افزایش یافته، نخستین نشانه‌های حذف مشاغل ورودی بازار کار دیده می‌شود و شفافیت شرکت‌های توسعه‌دهنده مدل‌های بزرگ نیز رو به کاهش است. پیام اصلی گزارش امسال استنفورد، بیش از آنکه درباره قدرت هوش مصنوعی باشد، درباره ناتوانی جامعه در همگام شدن با سرعت آن است؛ شکافی که هر روز عمیق‌تر می‌شود.

فناوری جلوتر از حکمرانی حرکت می‌کند

گزارش امسال «AI Index» که از سوی مؤسسه هوش مصنوعی انسان‌محور دانشگاه استنفورد منتشر شده، برخلاف سال‌های گذشته تنها به اندازه‌گیری توانایی مدل‌های هوش مصنوعی بسنده نمی‌کند، بلکه تلاش دارد تصویری از اثرات این فناوری بر اقتصاد، سیاست، محیط زیست، آموزش، پزشکی و بازار کار ارائه دهد. نتیجه این بررسی نشان می‌دهد مسئله اصلی دیگر این نیست که هوش مصنوعی تا چه اندازه پیشرفت کرده، بلکه این است که آیا دولت‌ها، نهاد‌های قانون‌گذار و حتی نظام آموزشی می‌توانند خود را با سرعت این تحول هماهنگ کنند یا خیر.

به گفته استنفورد، هوش مصنوعی اکنون در بسیاری از آزمون‌های علمی، استدلال‌های چندوجهی و مسائل پیچیده ریاضی به سطحی رسیده که با عملکرد انسان برابری می‌کند یا از آن فراتر می‌رود. سرعت پیشرفت مدل‌ها نیز به اندازه‌ای بوده که بسیاری از معیار‌های ارزیابی تنها ظرف یک سال دچار جهش شده‌اند. برای مثال، نرخ موفقیت عامل‌های هوش مصنوعی در انجام وظایف واقعی براساس شاخص «Terminal Bench» از حدود ۲۰ درصد در سال ۲۰۲۵ به بیش از ۷۷ درصد در سال جاری رسیده است. در حوزه امنیت سایبری نیز مدل‌های هوش مصنوعی اکنون موفق می‌شوند حدود ۹۳ درصد مسائل مطرح‌شده را حل کنند؛ رقمی که در سال ۲۰۲۴ تنها ۱۵ درصد بود.

با این حال، همین گزارش تأکید می‌کند که این توانایی‌ها هنوز به معنای رسیدن به «هوش عمومی مصنوعی» نیست. مدل‌هایی که می‌توانند پرسش‌های علمی در سطح دکتری را پاسخ دهند یا در رقابت‌های ریاضی بدرخشند، همچنان در انجام برخی وظایف ساده مانند تشخیص زمان از روی ساعت، برنامه‌ریزی چندمرحله‌ای، تحلیل برخی مسائل مالی یا انجام کار‌های روزمره خانه با محدودیت‌های جدی روبه‌رو هستند. ربات‌های خانگی نیز هنوز تنها در حدود ۱۲ درصد وظایف واقعی مانند تا کردن لباس یا شستن ظرف‌ها عملکرد موفقی دارند.

جنگ قدرت؛ فاصله آمریکا و چین به کمترین حد رسید

یکی از مهم‌ترین یافته‌های گزارش امسال، تغییر موازنه قدرت در رقابت جهانی هوش مصنوعی است. اگر طی سال‌های گذشته آمریکا تقریباً در تمامی شاخص‌های کلیدی، از کیفیت مدل‌ها گرفته تا پژوهش‌های علمی و استناد‌های دانشگاهی، فاصله محسوسی با سایر کشور‌ها داشت، اکنون چین این فاصله را به شکل چشمگیری کاهش داده است.

بر اساس گزارش استنفورد، مدل‌های آمریکایی و چینی از ابتدای سال ۲۰۲۵ تاکنون چندین بار جای یکدیگر را در صدر جدول عملکرد جابه‌جا کرده‌اند. مدل «DeepSeek-R۱» در مقطعی توانست با بهترین مدل آمریکایی برابری کند و تا مارس ۲۰۲۶ فاصله بهترین مدل شرکت Anthropic با رقیب چینی به تنها ۲.۷ درصد رسیده است.

با وجود این، برتری دو کشور در حوزه‌های متفاوتی تعریف می‌شود. آمریکا همچنان بیشترین تعداد مدل‌های مرزی، باکیفیت‌ترین ثبت اختراع‌ها و بزرگ‌ترین سرمایه‌گذاری خصوصی را در اختیار دارد، اما چین در تعداد مقالات علمی، میزان استناد‌های پژوهشی، حجم ثبت اختراع و همچنین نصب ربات‌های صنعتی از آمریکا پیش افتاده است؛ موضوعی که نشان می‌دهد رقابت هوش مصنوعی دیگر صرفاً رقابت چند شرکت فناوری نیست، بلکه به بخشی از رقابت ژئوپلیتیکی میان دو اقتصاد بزرگ جهان تبدیل شده است.

میلیارد‌ها دلار برای آینده‌ای که هنوز نیست

سرمایه‌گذاری، شاید گویاترین شاخص برای سنجش اهمیت هوش مصنوعی در اقتصاد جهانی باشد. گزارش استنفورد نشان می‌دهد سرمایه‌گذاری شرکت‌ها در حوزه هوش مصنوعی طی سال ۲۰۲۵ به حدود ۵۸۱.۷ میلیارد دلار رسیده است؛ رقمی که نسبت به سال قبل رشدی ۱۳۰ درصدی را نشان می‌دهد. سرمایه‌گذاری خصوصی نیز با رشد ۱۲۷.۵ درصدی از مرز ۳۴۴.۷ میلیارد دلار گذشته است.

در این میان، آمریکا با ۲۸۵.۹ میلیارد دلار سرمایه‌گذاری، فاصله‌ای چشمگیر با سایر کشور‌ها دارد و حجم سرمایه‌گذاری آن بیش از ۲۳ برابر چین برآورد شده است. با این حال، استنفورد هشدار می‌دهد که این مقایسه تصویر کاملی از رقابت ارائه نمی‌دهد؛ زیرا بخش مهمی از سرمایه‌گذاری چین از طریق صندوق‌های دولتی و برنامه‌های راهبردی انجام می‌شود و در آمار‌های متعارف سرمایه‌گذاری خصوصی منعکس نمی‌شود. برآورد‌ها نشان می‌دهد تنها بین سال‌های ۲۰۰۰ تا ۲۰۲۳ حدود ۹۱۲ میلیارد دلار از طریق این صندوق‌ها در صنایع راهبردی، از جمله هوش مصنوعی، سرمایه‌گذاری شده است.

همزمان با رشد سرمایه، پذیرش عمومی هوش مصنوعی نیز با سرعتی بی‌سابقه ادامه دارد. گزارش استنفورد نشان می‌دهد ابزار‌های هوش مصنوعی مولد تنها ظرف سه سال به ۵۳ درصد جمعیت جهان رسیده‌اند؛ نرخی که از سرعت گسترش رایانه‌های شخصی و حتی اینترنت در سال‌های نخست ظهور آنها نیز بیشتر بوده است. این روند البته در همه کشور‌ها یکسان نیست. سنگاپور با نرخ ۶۱ درصد و امارات متحده عربی با ۵۴ درصد، از جمله کشور‌هایی هستند که پذیرش این فناوری در آنها بسیار سریع‌تر از میانگین جهانی بوده، در حالی که آمریکا با نرخ ۲۸.۳ درصد در جایگاه بیست‌وچهارم قرار گرفته است.

بهای پنهان انقلاب هوش مصنوعی؛ وقتی انرژی یک کشور صرف آموزش مدل‌ها می‌شود

شتاب توسعه هوش مصنوعی، هزینه‌ای دارد که کمتر از خود فناوری درباره آن صحبت می‌شود. اگر تا چند سال پیش رقابت شرکت‌ها بر سر ساخت مدل‌های بزرگ‌تر و قدرتمندتر بود، امروز رقابت به ساخت مراکز داده عظیم، خرید تراشه‌های پیشرفته و مصرف بی‌سابقه انرژی رسیده است؛ هزینه‌ای که استنفورد آن را یکی از مهم‌ترین چالش‌های نسل جدید هوش مصنوعی می‌داند.

بر اساس این گزارش، آموزش مدل Grok ۴ به تنهایی حدود ۷۲ هزار و ۸۱۶ تن دی‌اکسیدکربن معادل تولید کرده است؛ رقمی که تقریباً با میزان گاز‌های گلخانه‌ای ناشی از تردد ۱۷ هزار خودرو در طول یک سال برابری می‌کند. همزمان ظرفیت مصرف برق مراکز داده هوش مصنوعی به ۲۹.۶ گیگاوات رسیده؛ ظرفیتی که تقریباً معادل مصرف برق ایالت نیویورک در زمان اوج مصرف است.

فقط مصرف آب مورد نیاز برای اجرای مدل GPT-۴o نیز ابعادی قابل توجه دارد. استنفورد برآورد می‌کند آبی که برای خنک‌سازی سرور‌ها یا تولید برق مورد نیاز این مدل مصرف می‌شود، می‌تواند از نیاز سالانه آب آشامیدنی یک میلیون و ۲۰۰ هزار نفر فراتر برود. در مقیاسی بزرگ‌تر، مصرف برق مجموع سامانه‌های پیشرفته هوش مصنوعی اکنون با مصرف برق سالانه کشور‌هایی مانند سوئیس یا اتریش قابل مقایسه است.

این آمار‌ها نشان می‌دهد رقابت بر سر ساخت مدل‌های بزرگ‌تر دیگر تنها مسئله‌ای فناورانه نیست؛ بلکه به موضوعی در حوزه امنیت انرژی، منابع آب و سیاست‌های اقلیمی تبدیل شده است؛ حوزه‌ای که هنوز مقررات مشخصی برای آن شکل نگرفته است.

بازار کاری که آرام‌آرام در حال تغییر است

سال‌ها بود که درباره تأثیر هوش مصنوعی بر اشتغال هشدار داده می‌شد، اما گزارش امسال استنفورد معتقد است این بحث از مرحله پیش‌بینی عبور کرده و نخستین نشانه‌های آن در بازار کار دیده می‌شود.

بیشترین فشار فعلاً بر مشاغل ورودی وارد شده است؛ همان موقعیت‌هایی که معمولاً نخستین تجربه شغلی فارغ‌التحصیلان محسوب می‌شوند. گزارش نشان می‌دهد تعداد برنامه‌نویسان ۲۲ تا ۲۵ ساله از سال ۲۰۲۴ تاکنون نزدیک به ۲۰ درصد کاهش یافته، در حالی که تعداد نیرو‌های باتجربه در همین صنعت همچنان روندی افزایشی داشته است. الگوی مشابهی نیز در بخش‌هایی مانند خدمات مشتری مشاهده می‌شود؛ حوزه‌هایی که بیشترین میزان مواجهه با ابزار‌های هوش مصنوعی را دارند.

نکته نگران‌کننده‌تر، انتظارات مدیران شرکت‌هاست. نظرسنجی‌های مورد استناد استنفورد نشان می‌دهد بسیاری از مدیران، کاهش نیروی انسانی را نه یک اقدام مقطعی، بلکه بخشی از برنامه‌های آینده خود می‌دانند. به بیان دیگر، موج جایگزینی نیروی انسانی با ابزار‌های هوش مصنوعی هنوز در ابتدای مسیر قرار دارد و احتمالاً بیش از همه، نیرو‌های تازه‌وارد و مشاغل تکرارشونده را هدف خواهد گرفت.

تبدیل هوش مصنوعی از دستیار پژوهشگر به همکار دانشمند

یکی از مهم‌ترین تفاوت‌های گزارش امسال با نسخه‌های پیشین، اختصاص فصل‌های مستقل به علم و پزشکی است؛ تغییری که نشان می‌دهد نقش هوش مصنوعی از تولید متن و کدنویسی فراتر رفته و به فرایند کشف علمی وارد شده است.

استنفورد گزارش می‌دهد تعداد مقالات مرتبط با هوش مصنوعی در علوم طبیعی، فیزیکی و زیستی نسبت به سال قبل بین ۲۶ تا ۲۸ درصد افزایش یافته است. اما اهمیت موضوع تنها در تعداد مقاله‌ها نیست. برای نخستین بار، یک سامانه هوش مصنوعی توانسته کل فرایند پیش‌بینی وضعیت آب‌وهوا را از دریافت داده‌های خام هواشناسی تا تولید پیش‌بینی نهایی، بدون دخالت مدل‌های سنتی انجام دهد. در حوزه نجوم نیز نخستین «مدل پایه» برای مدیریت و تحلیل داده‌های ۱۰ تلسکوپ طراحی شده است؛ مدلی که بخشی از رصد‌های نجومی را به صورت خودکار انجام می‌دهد.

در پزشکی نیز هوش مصنوعی بیش از هر زمان دیگری وارد محیط درمان شده است. ابزار‌های تولید خودکار یادداشت‌های پزشکی در سال ۲۰۲۵ به شکل گسترده در بیمارستان‌ها به کار گرفته شدند و پزشکان در برخی مراکز درمانی اعلام کرده‌اند زمان صرف‌شده برای ثبت پرونده بیماران تا ۸۳ درصد کاهش یافته است؛ تغییری که به کاهش فرسودگی شغلی پزشکان نیز کمک کرده است.

با این حال، استنفورد نسبت به خوش‌بینی افراطی هشدار می‌دهد. بررسی بیش از ۵۰۰ مطالعه درباره هوش مصنوعی پزشکی نشان می‌دهد نزدیک به نیمی از این پژوهش‌ها بر پایه پرسش‌های آزمونی انجام شده‌اند و تنها ۵ درصد آنها از داده‌های واقعی بیماران استفاده کرده‌اند. به همین دلیل، فاصله میان عملکرد موفق در آزمایشگاه و کارایی واقعی در محیط درمان همچنان پابرجاست.

مدل‌های قدرتمندتر، شفافیت کمتر

یکی از هشدار‌های جدی گزارش امسال به رفتار شرکت‌های بزرگ توسعه‌دهنده مدل‌های هوش مصنوعی مربوط می‌شود. برخلاف سال‌های نخست که بسیاری از شرکت‌ها اطلاعات نسبتاً کاملی درباره داده‌های آموزشی، تعداد پارامتر‌ها یا نحوه آموزش مدل‌های خود منتشر می‌کردند، امروز رقابت تجاری باعث شده این اطلاعات بیش از گذشته محرمانه بماند.

شاخص «شفافیت مدل‌های پایه» که میزان انتشار اطلاعات از سوی شرکت‌های بزرگ را اندازه‌گیری می‌کند، از ۵۸ امتیاز در سال گذشته به ۴۰ امتیاز در گزارش امسال کاهش یافته است. به بیان ساده، قدرتمندترین مدل‌های جهان اکنون در عین توانایی بیشتر، کمترین اطلاعات را درباره نحوه آموزش، داده‌های مورد استفاده، ریسک‌ها و محدودیت‌های خود منتشر می‌کنند؛ روندی که ارزیابی مستقل این مدل‌ها را برای پژوهشگران و نهاد‌های ناظر دشوارتر کرده است.

اعتماد عمومی؛ امید و نگرانی همزمان

در کنار تمام این تحولات، نگاه مردم به هوش مصنوعی نیز پیچیده‌تر شده است. بر اساس نظرسنجی جهانی استنفورد، ۵۹ درصد مردم نسبت به مزایای هوش مصنوعی خوش‌بین هستند؛ رقمی که نسبت به سال قبل افزایش یافته است. اما همزمان ۵۲ درصد نیز نسبت به این فناوری احساس نگرانی می‌کنند.

این شکاف در آمریکا پررنگ‌تر است. تنها ۳۳ درصد آمریکایی‌ها معتقدند هوش مصنوعی کیفیت شغل آنها را بهتر خواهد کرد؛ در حالی که میانگین جهانی ۴۰ درصد است. علاوه بر این، اعتماد عمومی به توانایی دولت آمریکا برای تنظیم‌گری این فناوری نیز پایین است و تنها ۳۱ درصد از پاسخ‌دهندگان معتقدند دولت می‌تواند مقررات مؤثری برای مدیریت هوش مصنوعی وضع کند.

فناوری‌ای که منتظر سیاست‌گذاران نمی‌ماند

شاید مهم‌ترین ویژگی گزارش امسال استنفورد این باشد که برای نخستین بار، بحث هوش مصنوعی را از حوزه فناوری به مسئله‌ای اقتصادی، اجتماعی و سیاسی تبدیل می‌کند. اعداد و نمودار‌های این گزارش نشان می‌دهند رقابت دیگر فقط بر سر ساخت مدل‌های قوی‌تر نیست؛ بلکه بر سر انرژی، سرمایه، نیروی انسانی، حکمرانی و اعتماد عمومی است.

اگر یک دهه گذشته را دوران تولد هوش مصنوعی مولد بدانیم، استنفورد معتقد است اکنون جهان وارد مرحله‌ای شده که پیامد‌های این فناوری با سرعتی بیشتر از توان سازگاری دولت‌ها، دانشگاه‌ها و بازار کار در حال گسترش است. به همین دلیل، پرسش اصلی دیگر این نیست که هوش مصنوعی چه کار‌هایی می‌تواند انجام دهد؛ پرسش این است که آیا نهاد‌های انسانی می‌توانند پیش از آنکه این فناوری قواعد بازی را به طور کامل تغییر دهد، خود را با آن هماهنگ کنند یا نه.