۱۰ نکته کلیدی درباره پیشرفتهای هوش مصنوعی در سال ۲۰۲۳
هوش مصنوعی در برخی وظایف از انسان پیشی گرفته، اما نه در همهی آنها. هوش مصنوعی در چندین شاخص عملکردی، از جمله طبقهبندی تصویر، استدلال بصری و درک زبان انگلیسی، از انسان جلو زده است. با این حال، در وظایف پیچیدهتری مانند ریاضیات در سطح رقابتی، استدلال مبتنی بر دانش عمومی بصری و برنامهریزی هنوز عقبتر است.
صنعت همچنان بر تحقیقات پیشرفتهی هوش مصنوعی تسلط دارد. در سال ۲۰۲۳، صنعت ۵۱ مدل قابل توجه یادگیری ماشین تولید کرد، درحالیکه سهم دانشگاهها تنها ۱۵ مدل بود. همچنین، ۲۱ مدل حاصل از همکاری صنعت و دانشگاه به ثبت رسید که یک رکورد جدید محسوب میشود.
مدلهای پیشرفته بهطور فزایندهای پرهزینه میشوند. برآوردهای شاخص هوش مصنوعی نشان میدهد که هزینههای آموزش مدلهای پیشرفته به سطوح بیسابقهای رسیده است. بهعنوان مثال، آموزش مدل GPT-4 شرکت OpenAI حدود ۷۸ میلیون دلار هزینه محاسباتی داشته است، درحالیکه مدل Gemini Ultra شرکت گوگل ۱۹۱ میلیون دلار هزینه داشته است.
ایالات متحده در تولید مدلهای پیشرفتهی هوش مصنوعی از چین، اتحادیه اروپا و بریتانیا پیشی گرفته است. در سال ۲۰۲۳، ۶۱ مدل هوش مصنوعی برجسته از موسسات مستقر در ایالات متحده منتشر شد که بهطور قابل توجهی از اتحادیه اروپا (۲۱ مدل) و چین (۱۵ مدل) بیشتر بود.
در ارزیابیهای استاندارد و قوی برای مسئولیتپذیری مدلهای زبانی بزرگ (LLM) بهشدت کمبود وجود دارد. تحقیقات جدید نشان میدهد که نبود استاندارد در گزارشهای مربوط به هوش مصنوعی، یک چالش بزرگ است. توسعهدهندگان پیشرو مانند OpenAI، گوگل و Anthropic مدلهای خود را با معیارهای متفاوتی آزمایش میکنند که مقایسهی سیستماتیک ریسکها و محدودیتهای مدلهای برتر را دشوار میسازد.
سرمایهگذاری در هوش مصنوعی مولد سر به فلک کشیده است. باوجود کاهش کلی سرمایهگذاری خصوصی در هوش مصنوعی طی سال گذشته، تأمین مالی برای هوش مصنوعی مولد تقریباً ۸ برابر افزایش یافت و به ۲۵.۲ میلیارد دلار رسید. بازیگران اصلی این حوزه، از جمله OpenAI، Anthropic، Hugging Face و Inflection، موفق به جذب سرمایههای قابل توجهی شدند.
دادهها نشان میدهند که هوش مصنوعی باعث افزایش بهرهوری و بهبود کیفیت کار میشود. در سال ۲۰۲۳، مطالعات متعددی تأثیر هوش مصنوعی بر نیروی کار را بررسی کردند و نشان دادند که این فناوری باعث انجام سریعتر وظایف و بهبود کیفیت خروجی میشود. همچنین، هوش مصنوعی میتواند شکاف مهارتی بین کارکنان با مهارت پایین و بالا را کاهش دهد. با این حال، برخی تحقیقات هشدار دادهاند که استفادهی نادرست از هوش مصنوعی ممکن است عملکرد را کاهش دهد.
پیشرفت علمی با کمک هوش مصنوعی سرعت بیشتری گرفته است. در سال ۲۰۲۲، هوش مصنوعی به پیشرفتهای علمی کمک کرد، اما در سال ۲۰۲۳، شاهد استفادههای گستردهتری از آن در علم بودیم؛ از جمله AlphaDev که الگوریتمهای مرتبسازی را بهینهتر کرد و GNoME که فرآیند کشف مواد جدید را تسهیل کرد.
تعداد مقررات مرتبط با هوش مصنوعی در ایالات متحده بهشدت افزایش یافته است. تعداد مقررات مربوط به هوش مصنوعی در آمریکا طی سال گذشته و پنج سال اخیر رشد قابلتوجهی داشته است. در سال ۲۰۲۳، تعداد این مقررات به ۲۵ مورد رسید، درحالیکه در سال ۲۰۱۶ تنها یک مورد ثبت شده بود. طی سال گذشته، تعداد این مقررات ۵۶.۳٪ افزایش یافته است.
مردم در سراسر جهان نسبت به تأثیر هوش مصنوعی آگاهتر—و نگرانتر—شدهاند. یک نظرسنجی از Ipsos نشان میدهد که درصد افرادی که فکر میکنند هوش مصنوعی طی ۳ تا ۵ سال آینده تأثیر چشمگیری بر زندگی آنها خواهد گذاشت، از ۶۰٪ به ۶۶٪ افزایش یافته است. علاوه بر این، ۵۲٪ از افراد نسبت به محصولات و خدمات هوش مصنوعی احساس نگرانی دارند که این میزان نسبت به سال ۲۰۲۲، سیزده درصد افزایش داشته است. در آمریکا، دادههای Pew نشان میدهد که ۵۲٪ از آمریکاییها نسبت به هوش مصنوعی بیشتر نگران هستند تا هیجانزده، درحالیکه این رقم در سال ۲۰۲۲ تنها ۳۷٪ بود.