زمستان هوش مصنوعی در راه است؟

به گزارش خبرنگار اقتصاد معاصر، اصطلاح «زمستان هوش مصنوعی» (AI winter) به دوره‌ای از کاهش سرمایه‌گذاری، علاقه و توسعه در پژوهش‌های هوش مصنوعی اشاره دارد که معمولاً پس از یک دوره فعالیت شدید و انتظارات بالا رخ می‌دهد. به طور تاریخی، زمستان‌های هوش مصنوعی زمانی اتفاق افتادند که این حوزه نتوانست به وعده‌های خود عمل کند و این امر منجر به ناامیدی در میان سرمایه‌گذاران، پژوهشگران و سیاست‌گذاران شد. این اصطلاح اولین بار در سال ۱۹۸۴ در نشست سالانه انجمن آمریکایی هوش مصنوعی پدیدار شد. با پیشرفت‌های سریع در هوش مصنوعی طی دهه گذشته، به‌ویژه در زمینه‌های یادگیری ماشینی، پردازش زبان طبیعی و بینایی کامپیوتر، امیدواری‌های جدیدی در مورد پتانسیل تحول‌آفرین هوش مصنوعی به وجود آمده است. اما با پیچیده‌تر شدن حوزه هوش مصنوعی و درهم‌تنیدگی آن با مسائل اقتصادی، اجتماعی و اخلاقی، این سوال مطرح می‌شود: آیا زمستان دیگری برای هوش مصنوعی در راه است؟ برای درک احتمال وقوع زمستان آینده هوش مصنوعی، ضروری است که علل و ویژگی‌های زمستان‌های قبلی را بررسی کنیم.

اولین زمستان هوش مصنوعی (۱۹۷۴–۱۹۸۰):
اولین زمستان هوش مصنوعی ناشی از شکست پژوهش‌های هوش مصنوعی در دستیابی به اهداف بلندپروازانه خود، مانند ترجمه ماشینی، درک زبان طبیعی و حل مسائل عمومی بود. با وجود سرمایه‌گذاری‌های قابل توجه در دهه ۱۹۶۰ و اوایل دهه ۱۹۷۰، پیشرفت‌ها کند بود و دستاورد‌ها از انتظارات فاصله داشت. کاهش شدید بودجه از سوی نهاد‌هایی مانند سازمان پروژه‌های پژوهشی پیشرفته دفاعی وزارت دفاع آمریکا (DARPA) منجر به افول پژوهش و توسعه هوش مصنوعی شد.

دومین زمستان هوش مصنوعی (۱۹۸۷–۱۹۹۳):
دومین زمستان هوش مصنوعی پس از هیجان‌زدگی حول سیستم‌های خبره در دهه ۱۹۸۰ رخ داد. این سیستم‌ها که برای تقلید از توانایی‌های تصمیم‌گیری انسان‌ها طراحی شده بودند، ابتدا نویدبخش بودند، اما به مرور زمان به دلیل شکنندگی، هزینه بالا و دشواری در نگهداری، ناکارآمدی خود را نشان دادند. شرکت‌هایی که به شدت در این سیستم‌ها سرمایه‌گذاری کرده بودند، فعالیت‌های خود را کاهش دادند که منجر به کاهش بودجه و علاقه به پژوهش‌های هوش مصنوعی شد.

برای مثال در سال ۱۹۸۱، وزارت تجارت و صنعت بین‌المللی ژاپن مبلغ ۸۵۰ میلیون دلار را به پروژه‌ای تحت عنوان کامپیوتر نسل پنجم اختصاص داد. هدف این پروژه توسعه برنامه‌هایی و ساخت ماشین‌هایی بود که قادر به مکالمه، ترجمه زبان‌ها، تفسیر تصاویر و استدلال مشابه انسان‌ها باشند. اما تا سال ۱۹۹۱، فهرست بلندپروازانه اهداف تعیین‌شده در سال ۱۹۸۱ به تحقق نپیوست و همانند بسیاری از پروژه‌های هوش مصنوعی، انتظارات از این پروژه به مراتب فراتر از آنچه که واقعاً امکان‌پذیر بود، قرار داشت.

بهار کنونی هوش مصنوعی: رونق یا حباب؟

طبق گزارشی از دانشگاه استنفورد، سرمایه‌گذاری شرکتی جهانی در هوش مصنوعی در سال ۲۰۲۲ بیش از ۱۳۶ میلیارد دلار تخمین زده شده است. این در حالی است که این میزان در سال ۲۰۱۵ تنها ۲۶ میلیارد دلار بود. همچنین تأمین مالی سرمایه‌گذاری خطرپذیر در استارت‌آپ‌های هوش مصنوعی افزایش چشم‌گیری داشته است، به طوری که در سال ۲۰۲۱ بیش از ۷۷ میلیارد دلار در این استارت‌آپ‌ها سرمایه‌گذاری شده است. اما تمرکز سرمایه‌گذاری در چند شرکت بزرگ و افزایش ارزش‌گذاری استارت‌آپ‌های هوش مصنوعی باعث شده برخی کارشناسان هشدار دهند که ممکن است حبابی مشابه حباب دات‌کام در اواخر دهه ۱۹۹۰ در حال شکل‌گیری باشد.

در سال‌های اخیر پیشرفت‌های قابل توجهی در زمینه‌هایی مانند پردازش زبان طبیعی (NLP)، بینایی ماشین صورت گرفته است. مدل‌هایی مانند GPT-۴ از OpenAI و Gemini از گوگل مرز‌های توانایی‌های هوش مصنوعی در درک و تولید زبان را گسترش داده‌اند. در سال ۲۰۲۴، گزارش شده بود که GPT-۴o دارای بیش از ۲۰۰ میلیارد پارامتر است و این امر آن را به یکی از بزرگترین و قدرتمندترین مدل‌های زبانی ساخته‌شده تبدیل کرده است. با این حال، چالش‌ها همچنان در دستیابی به هوش عمومی که در آن ماشین‌ها بتوانند دانش را در طیف وسیعی از وظایف درک، یاد بگیرند و به کار ببرند، باقی است.

هوش مصنوعی به طور فزاینده‌ای در صنایع مختلف از جمله بهداشت و درمان، مالی و تولید مورد استفاده قرار می‌گیرد. بر اساس گزارش‌ها برآورد می‌شود که هوش مصنوعی می‌تواند تا سالانه ۵.۸ تریلیون دلار در ۱۹ صنعت مختلف بهره‌وری ایجاد کند. با این حال، همین گزارش همچنین اشاره کرد که تنها ۱۰ ٪ از شرکت‌هایی که هوش مصنوعی را پذیرفته‌اند، توانسته‌اند از سرمایه‌گذاری‌های خود بازدهی مالی قابل توجهی کسب کنند.

با وجود خوش‌بینی‌های فعلی پیرامون هوش مصنوعی، چندین عامل می‌توانند به وقوع زمستان هوش مصنوعی کمک کنند. اقتصاد جهانی با چالش‌های قابل توجهی مانند تورم، اختلالات در زنجیره تأمین و تنش‌های ژئوپلیتیکی مواجه است. در صورت وقوع رکود، شرکت‌ها ممکن است سرمایه‌گذاری‌های خود در هوش مصنوعی را به ویژه در پروژه‌های پرخطر و آینده‌نگر کاهش دهند. بخش فناوری به ویژه با نوسانات قابل توجهی مواجه بوده است و اغلب شرکت‌های بزرگ فناوری در جهان در هفته‌های اخیر اصلاحات بزرگی در بازار سهام تجربه کرده‌اند. اگر این روند‌ها ادامه یابد، می‌تواند منجر به کاهش بودجه برای پژوهش و توسعه هوش مصنوعی شود.

همچنین با فراگیرتر شدن هوش مصنوعی، نگرانی‌های اخلاقی پیرامون حریم خصوصی و سوگیری‌های الگوریتمی بیشتر مورد توجه قرار گرفته است. دولت‌ها و نهاد‌های نظارتی به طور فزاینده‌ای در حال بررسی فناوری‌های هوش مصنوعی هستند و مقرراتی مانند مقررات عمومی حفاظت از داده‌های اتحادیه اروپا (GDPR) و قانون پیشنهادی هوش مصنوعی اتحادیه اروپا در حال زمینه‌سازی برای مقررات سخت‌گیرانه‌تر هستند. رعایت این مقررات می‌تواند باعث کند شدن نوآوری و پذیرش هوش مصنوعی شود، به ویژه اگر شرکت‌ها با جریمه‌های قانونی و مالی قابل توجهی به دلیل عدم رعایت این مقررات مواجه شوند. 

آیا آینده برای هوش مصنوعی همچنان روشن است؟ 

با وجود عوامل ذکر شده که احتمال وقوع زمستان هوش مصنوعی را نشان می‌دهند، دلایل قوی نیز علیه این سناریو وجود دارد. علیرغم چالش‌ها، پژوهش‌های هوش مصنوعی همچنان با سرعت بالایی پیش می‌روند. توسعه معماری‌های جدید مانند ترانسفورمر‌ها و شبکه‌های عصبی منجر به بهبود‌های قابل توجهی در عملکرد و مقیاس‌پذیری شده است. علاوه بر این، پیشرفت در سخت‌افزار مانند توسعه تراشه‌های اختصاصی هوش مصنوعی، امکان پردازش کارآمدتر داده‌های بزرگ را فراهم کرده و هوش مصنوعی را در دسترس‌تر و مقرون به‌صرفه‌تر کرده است.

از طرف دیگر دولت‌ها و شرکت‌ها در سراسر جهان به طور فزاینده‌ای به اهمیت استراتژیک هوش مصنوعی پی برده‌اند. در سال ۲۰۲۱، دولت ایالات متحده یک میلیارد دلار سرمایه‌گذاری در هوش مصنوعی و رایانش کوانتومی را اعلام کرد. همچنین چین متعهد شده است تا سال ۲۰۳۰ به رهبر جهانی در زمینه هوش مصنوعی تبدیل شود و قصد دارد بیش از ۱۵۰ میلیارد دلار سرمایه‌گذاری کند. این سطح از حمایت نشان می‌دهد که حتی اگر سرمایه‌گذاری‌های خصوصی کاهش یابد، تأمین مالی عمومی و ابتکارات استراتژیک می‌توانند به پژوهش و توسعه هوش مصنوعی ادامه دهند.

در نهایت باید تاکید کرد احتمال وقوع یک زمستان هوش مصنوعی با توجه به سوابق تاریخی و چالش‌های کنونی این حوزه نباید نادیده گرفته شود. رکود‌های اقتصادی، محدودیت‌های فناوری، نگرانی‌های اخلاقی و ارداک عمومی همه عواملی هستند که می‌توانند برای ادامه راه هوش مصنوعی خطر ایجاد می‌کنند. با این حال، چشم‌انداز کنونی به دلیل کاربرد‌های متنوع‌تر، حمایت قوی‌تر دولتی و پیشرفت‌های مداوم فناوری، به طور قابل توجهی با دوره‌های گذشته توسعه هوش مصنوعی متفاوت است.