هوش مصنوعی (AI) در سال‌های اخیر با سرعتی شگفت‌انگیز پیشرفت کرده است – از ابزارهای هوش مصنوعی مولد مانند ChatGPT که به نام‌هایی آشنا در خانه‌ها تبدیل شده‌اند تا خودروهای خودران که از آزمایشگاه خارج شده و وارد جاده‌های عمومی شده‌اند.
تا سال ۲۰۲۵، هوش مصنوعی تقریباً در همه بخش‌های اقتصاد نفوذ کرده است و کارشناسان آن را به‌طور گسترده به‌عنوان فناوری تحول‌آفرین قرن بیست و یکم می‌شناسند.
پنج سال آینده احتمالاً شاهد تعمیق بیشتر تأثیر هوش مصنوعی خواهیم بود که نوآوری‌های هیجان‌انگیز و چالش‌های جدیدی را به همراه خواهد داشت.
این مقاله روندهای کلیدی توسعه هوش مصنوعی پیش‌بینی‌شده را که در نیمه دهه آینده جهان ما را شکل خواهند داد، بررسی می‌کند و از دیدگاه‌های مؤسسات تحقیقاتی برجسته و ناظران صنعت بهره می‌برد.
- 1. افزایش چشمگیر پذیرش و سرمایه‌گذاری در هوش مصنوعی
- 2. پیشرفت در مدل‌های هوش مصنوعی و هوش مصنوعی مولد
- 3. ظهور عوامل هوش مصنوعی خودمختار
- 4. سخت‌افزار تخصصی هوش مصنوعی و رایانش لبه
- 5. هوش مصنوعی در حال تحول صنایع و زندگی روزمره
- 6. هوش مصنوعی مسئولانه و مقررات
- 7. رقابت و همکاری جهانی
- 8. تأثیر هوش مصنوعی بر مشاغل و مهارت‌ها
افزایش چشمگیر پذیرش و سرمایه‌گذاری در هوش مصنوعی
پذیرش هوش مصنوعی در بالاترین سطح خود قرار دارد. کسب‌وکارها در سراسر جهان به‌منظور افزایش بهره‌وری و کسب مزیت رقابتی، هوش مصنوعی را به کار می‌گیرند. تقریباً چهار سازمان از هر پنج سازمان در سراسر جهان اکنون به نوعی از هوش مصنوعی استفاده می‌کنند یا در حال بررسی آن هستند – که رکوردی تاریخی در مشارکت است.
تنها در سال ۲۰۲۴، سرمایه‌گذاری خصوصی ایالات متحده در هوش مصنوعی به ۱۰۹ میلیارد دلار رسید که تقریباً ۱۲ برابر سرمایه‌گذاری چین و ۲۴ برابر سرمایه‌گذاری بریتانیا است. این افزایش سرمایه‌گذاری ناشی از اعتماد به ارزش ملموس هوش مصنوعی در کسب‌وکار است: ۷۸٪ از سازمان‌ها در سال ۲۰۲۴ از هوش مصنوعی استفاده کردند (افزایش از ۵۵٪ در سال ۲۰۲۳) زیرا شرکت‌ها هوش مصنوعی را در محصولات، خدمات و استراتژی‌های اصلی خود ادغام می‌کنند.
تحلیل‌گران پیش‌بینی می‌کنند این روند ادامه خواهد داشت و بازار جهانی هوش مصنوعی از حدود ۳۹۰ میلیارد دلار در سال ۲۰۲۵ به بیش از ۱.۸ تریلیون دلار تا سال ۲۰۳۰ رشد خواهد کرد – نرخ رشد سالانه شگفت‌انگیز حدود ۳۵٪. چنین رشدی که حتی در مقایسه با رونق‌های فناوری گذشته بی‌سابقه است، نشان‌دهنده اهمیت روزافزون هوش مصنوعی در کسب‌وکارهای مدرن است.
افزایش بهره‌وری و بازگشت سرمایه از عوامل کلیدی هستند. پذیرندگان اولیه هوش مصنوعی در حال حاضر بازده قابل توجهی از آن مشاهده می‌کنند. مطالعات نشان می‌دهد شرکت‌های برتر که از هوش مصنوعی استفاده می‌کنند، بهبودهای ۱۵ تا ۳۰ درصدی در معیارهایی مانند بهره‌وری و رضایت مشتری در فرآیندهای کاری مجهز به هوش مصنوعی گزارش کرده‌اند.
برای مثال، کسب‌وکارهای کوچک و متوسط که هوش مصنوعی مولد را به کار گرفته‌اند، در برخی موارد شاهد افزایش درآمد دو رقمی بوده‌اند. بخش عمده ارزش هوش مصنوعی از افزایش‌های تدریجی و تجمعی ناشی می‌شود – خودکارسازی تعداد زیادی از وظایف کوچک و بهینه‌سازی فرآیندها – که در مقیاس سازمانی می‌تواند کارایی شرکت را به طور چشمگیری تغییر دهد.
در نتیجه، داشتن یک استراتژی روشن برای هوش مصنوعی اکنون حیاتی است. شرکت‌هایی که موفق به ادغام هوش مصنوعی در عملیات و تصمیم‌گیری‌های خود شوند، می‌توانند از رقبا پیشی بگیرند، در حالی که شرکت‌هایی که در پذیرش هوش مصنوعی عقب می‌مانند، خطر عقب‌ماندگی جبران‌ناپذیر را دارند. در واقع، تحلیل‌گران صنعت پیش‌بینی می‌کنند شکاف بین پیشروان و عقب‌ماندگان هوش مصنوعی در سال‌های آینده افزایش خواهد یافت و ممکن است کل چشم‌انداز بازار را تغییر دهد.
ادغام هوش مصنوعی در سازمان‌ها سرعت می‌گیرد. در سال ۲۰۲۵ و پس از آن، شاهد حرکت کسب‌وکارها از پروژه‌های آزمایشی به استقرار کامل هوش مصنوعی خواهیم بود. غول‌های رایانش ابری (که به آن‌ها «هایپراسکیلرها» گفته می‌شود) گزارش می‌دهند که تقاضای سازمان‌ها برای خدمات ابری مجهز به هوش مصنوعی به شدت افزایش یافته و آن‌ها سرمایه‌گذاری‌های سنگینی در زیرساخت‌های هوش مصنوعی انجام می‌دهند تا از این فرصت بهره‌مند شوند.
این ارائه‌دهندگان با تولیدکنندگان تراشه، پلتفرم‌های داده و شرکت‌های نرم‌افزاری همکاری می‌کنند تا راه‌حل‌های یکپارچه هوش مصنوعی ارائه دهند که نیازهای سازمان‌ها را از نظر عملکرد، سودآوری و امنیت برآورده کند. قابل توجه است که بیش از ۶۰٪ محصولات نرم‌افزار به‌عنوان سرویس اکنون دارای ویژگی‌های هوش مصنوعی هستند و شرکت‌ها «همیاران هوش مصنوعی» را برای عملکردهای مختلف از بازاریابی تا منابع انسانی عرضه می‌کنند.
دستور کار برای مدیران روشن است: هوش مصنوعی را به‌عنوان بخشی اساسی از کسب‌وکار و نه یک آزمایش فناوری در نظر بگیرید. همان‌طور که یکی از رهبران صنعت گفته است، «ما در آستانه پایه‌گذاری فناوری کاملاً جدیدی هستیم که بهترین‌های هوش مصنوعی را در اختیار هر کسب‌وکاری قرار می‌دهد».
در عمل، این به معنای تزریق سیستماتیک هوش مصنوعی به فرآیندهای کاری، ارتقای مهارت کارکنان برای همکاری با هوش مصنوعی و بازطراحی فرآیندها برای بهره‌برداری کامل از اتوماسیون هوشمند است. سازمان‌هایی که این گام‌ها را بردارند، انتظار می‌رود در سال‌های آینده مزایای چشمگیری کسب کنند.
پیشرفت در مدل‌های هوش مصنوعی و هوش مصنوعی مولد
مدل‌های پایه و هوش مصنوعی مولد به سرعت در حال تکامل هستند. تعداد کمی از فناوری‌ها به اندازه هوش مصنوعی مولد رشد انفجاری داشته‌اند. از زمان معرفی مدل‌های زبان بزرگ (LLM) مانند GPT-3 و تولیدکننده‌های تصویر مانند DALL·E 2 در سال ۲۰۲۲، استفاده از هوش مصنوعی مولد به شدت افزایش یافته است.
تا اوایل سال ۲۰۲۳، ChatGPT بیش از ۱۰۰ میلیون کاربر داشت و امروزه بیش از ۴ میلیارد درخواست روزانه در پلتفرم‌های اصلی LLM وارد می‌شود. پنج سال آینده مدل‌های هوش مصنوعی حتی توانمندتر خواهند شد.
شرکت‌های فناوری در حال رقابت برای توسعه مدل‌های پیشرفته هوش مصنوعی هستند که مرزهای پردازش زبان طبیعی، تولید کد، خلاقیت بصری و فراتر از آن را جابجا می‌کنند. نکته مهم این است که آن‌ها همچنین در تلاشند تا توانایی‌های استدلالی هوش مصنوعی را بهبود بخشند – به گونه‌ای که مدل‌ها بتوانند مسائل را منطقی حل کنند، برنامه‌ریزی کنند و مانند انسان‌ها در انجام وظایف پیچیده «تفکر» کنند.
تمرکز بر استدلال هوش مصنوعی یکی از بزرگ‌ترین محرک‌های تحقیق و توسعه در حال حاضر است. در حوزه سازمانی، هدف نهایی داشتن هوش مصنوعی است که بتواند داده‌ها و زمینه کسب‌وکار را به اندازه کافی عمیق درک کند تا در تصمیم‌گیری کمک کند، نه فقط تولید محتوا. شرکت‌هایی که مدل‌های پیشرفته LLM توسعه می‌دهند، معتقدند فرصت‌های امیدوارکننده اکنون در کاربرد توانایی استدلال هوش مصنوعی بر داده‌های اختصاصی سازمانی است – که موارد استفاده‌ای از توصیه‌های هوشمند تا پشتیبانی برنامه‌ریزی استراتژیک را ممکن می‌سازد.
هوش مصنوعی چندرسانه‌ای و با عملکرد بالا. روند دیگر ظهور سیستم‌های هوش مصنوعی چندرسانه‌ای است که می‌توانند انواع مختلف داده‌ها (متن، تصویر، صدا، ویدئو) را به صورت یکپارچه پردازش و تولید کنند. پیشرفت‌های اخیر شاهد تولید ویدئوهای واقعی از متن و عملکرد برجسته در وظایفی هستند که زبان و بینایی را ترکیب می‌کنند.
برای مثال، مدل‌های چندرسانه‌ای جدید می‌توانند یک تصویر را تحلیل کرده و به سوالاتی درباره آن با زبان طبیعی پاسخ دهند، یا یک درخواست متنی پیچیده را گرفته و یک ویدئوی کوتاه تولید کنند. این قابلیت‌ها تا سال ۲۰۳۰ تکامل خواهند یافت و کاربردهای خلاقانه و عملی جدیدی را باز خواهند کرد – از محتوای ویدئویی تولید شده توسط هوش مصنوعی تا درک پیشرفته رباتیک.
آزمون‌های معیار معرفی شده در سال ۲۰۲۳ برای فشار آوردن به این محدودیت‌ها (مانند MMMU و GPQA) در عرض یک سال شاهد جهش ده‌ها درصدی در عملکرد بوده‌اند، که نشان می‌دهد هوش مصنوعی چقدر سریع در یادگیری مقابله با چالش‌های پیچیده و چندرسانه‌ای پیشرفت می‌کند. در برخی مسابقات تخصصی برنامه‌نویسی، عوامل هوش مصنوعی حتی در شرایط محدودیت زمانی خاص از برنامه‌نویسان انسانی پیشی گرفته‌اند.
انتظار می‌رود مدل‌های آینده هوش مصنوعی عمومی‌تر باشند و به‌طور یکپارچه چند نوع ورودی و وظیفه را مدیریت کنند. این همگرایی مدالیته‌ها همراه با افزایش مقیاس معماری مدل‌ها، به مدل‌های پایه قدرتمندتر تا پایان دهه اشاره دارد – هرچند با نیازهای محاسباتی بالاتر.
کارایی و دسترسی آزاد در حال بهبود است. روند قابل توجهی در توسعه هوش مصنوعی، حرکت به سمت مدل‌های کوچکتر و کارآمدتر و دسترسی گسترده‌تر است. همه چیز درباره ساخت شبکه‌های عصبی بزرگ‌تر نیست؛ پژوهشگران راه‌هایی یافته‌اند که با منابع کمتر عملکرد مشابهی ارائه دهند.
در واقع، بین اواخر ۲۰۲۲ و اواخر ۲۰۲۴، هزینه محاسبات اجرای یک سیستم هوش مصنوعی در سطح GPT-3.5 بیش از ۲۸۰ برابر کاهش یافته است. پیشرفت در بهینه‌سازی مدل و معماری‌های جدید به این معنی است که حتی مدل‌های نسبتاً کوچک (با پارامترهای بسیار کمتر از بزرگ‌ترین LLMها) می‌توانند در بسیاری از وظایف عملکرد قوی داشته باشند.
بر اساس شاخص هوش مصنوعی استنفورد، «مدل‌های کوچک با قابلیت‌های فزاینده» به سرعت موانع دسترسی به هوش مصنوعی پیشرفته را کاهش می‌دهند. همزمان، هوش مصنوعی متن‌باز در حال رشد است: مدل‌های وزن باز از جامعه تحقیقاتی فاصله کیفیت را با مدل‌های اختصاصی بزرگ کاهش داده‌اند، به طوری که تفاوت عملکرد در معیارها از حدود ۸٪ به کمتر از ۲٪ در تنها یک سال رسیده است.
تا سال‌های ۲۰۲۵ تا ۲۰۳۰، احتمالاً شاهد شکوفایی اکوسیستم مدل‌ها و ابزارهای هوش مصنوعی باز خواهیم بود که توسعه‌دهندگان سراسر جهان می‌توانند از آن‌ها استفاده کنند و این امر توسعه هوش مصنوعی را فراتر از غول‌های فناوری دموکراتیزه خواهد کرد. ترکیب محاسبات ارزان‌تر، الگوریتم‌های کارآمدتر و مدل‌های باز به این معنی است که هوش مصنوعی بسیار مقرون‌به‌صرفه‌تر و در دسترس‌تر خواهد شد.
حتی استارتاپ‌ها و سازمان‌های کوچک قادر خواهند بود مدل‌های قدرتمند هوش مصنوعی را بدون هزینه‌های گزاف برای نیازهای خود تنظیم کنند. این نویدبخش نوآوری است، زیرا امکان کاربردها و آزمایش‌های متنوع را فراهم می‌کند و چرخه‌ای مثبت از پیشرفت هوش مصنوعی ایجاد می‌کند.
ظهور عوامل هوش مصنوعی خودمختار
یکی از جذاب‌ترین روندهای نوظهور، ظهور عوامل هوش مصنوعی خودمختار است – سیستم‌های هوش مصنوعی که نه تنها هوشمند هستند بلکه توانایی عمل کردن مستقل برای رسیدن به اهداف را دارند. گاهی این مفهوم به عنوان «هوش مصنوعی عاملیت‌دار» شناخته می‌شود که مدل‌های پیشرفته هوش مصنوعی (مانند LLMها) را با منطق تصمیم‌گیری و استفاده از ابزارها ترکیب می‌کند و به هوش مصنوعی اجازه می‌دهد وظایف چندمرحله‌ای را با حداقل دخالت انسانی انجام دهد.
در پنج سال آینده، انتظار می‌رود عوامل هوش مصنوعی از نمایش‌های آزمایشی به ابزارهای عملی در محیط کار تبدیل شوند. در واقع، رهبران سازمانی پیش‌بینی می‌کنند عوامل هوش مصنوعی می‌توانند اندازه نیروی کار آن‌ها را به طور مؤثری دو برابر کنند با انجام مجموعه‌ای از وظایف روتین و دانش‌محور.
برای مثال، عوامل هوش مصنوعی هم‌اکنون می‌توانند به طور خودکار به پرسش‌های خدمات مشتری پاسخ دهند، پیش‌نویس‌های اولیه متن‌های بازاریابی یا کد نرم‌افزار تولید کنند و مشخصات طراحی را به محصولات نمونه تبدیل کنند. با تکامل این فناوری، شرکت‌ها عوامل هوش مصنوعی را به عنوان «کارگران دیجیتال» در بخش‌های مختلف به کار خواهند گرفت – از فروشندگان مجازی که با مشتریان به صورت طبیعی گفتگو می‌کنند تا مدیران پروژه هوش مصنوعی که جریان‌های کاری ساده را هماهنگ می‌کنند.
نکته مهم این است که این عوامل قرار نیست جایگزین انسان‌ها شوند بلکه آن‌ها را تقویت می‌کنند. در عمل، کارکنان انسانی در کنار عوامل هوش مصنوعی کار خواهند کرد: افراد عوامل را نظارت می‌کنند، راهنمایی‌های کلان ارائه می‌دهند و روی وظایف پیچیده یا خلاقانه تمرکز می‌کنند در حالی که کارهای تکراری را به همکاران دیجیتال خود واگذار می‌کنند.
پذیرندگان اولیه گزارش داده‌اند که چنین همکاری انسان-هوش مصنوعی می‌تواند فرآیندها را به طور چشمگیری تسریع کند (مثلاً پاسخ به درخواست‌های مشتری یا کدنویسی ویژگی‌های جدید سریع‌تر) و در عین حال انسان‌ها را برای کارهای استراتژیک آزاد کند.
برای بهره‌برداری از این روند، سازمان‌ها باید شروع به بازنگری در فرآیندها و نقش‌های کاری خود کنند. رویکردهای مدیریتی جدید برای ادغام مؤثر عوامل هوش مصنوعی لازم است – از جمله آموزش کارکنان برای استفاده از عوامل، ایجاد نقش‌های نظارتی برای پایش خروجی عوامل و استقرار حاکمیت به گونه‌ای که اقدامات خودمختار هوش مصنوعی با اهداف کسب‌وکار و استانداردهای اخلاقی همسو بماند.
این یک چالش بزرگ در مدیریت تغییر است: یک نظرسنجی اخیر صنعت نشان داد بسیاری از شرکت‌ها تازه شروع به بررسی نحوه سازماندهی نیروی کار ترکیبی انسان-هوش مصنوعی کرده‌اند. با این حال، آن‌هایی که موفق شوند ممکن است به سطوح بی‌سابقه‌ای از بهره‌وری و نوآوری دست یابند.
همان‌طور که یک کارشناس نیروی کار اشاره کرده است، «عوامل هوش مصنوعی قرار است نیروی کار را متحول کنند، خلاقیت انسانی را با کارایی ماشین ترکیب کرده و سطوح بی‌سابقه‌ای از بهره‌وری را آزاد کنند». تا سال ۲۰۳۰، تعجب‌آور نخواهد بود اگر شرکت‌ها تیم‌های کامل «عوامل هوش مصنوعی» یا مراکز عوامل هوش مصنوعی داشته باشند که عملیات قابل توجهی را مدیریت می‌کنند و اساساً نحوه انجام کار را بازتعریف می‌کنند.
سخت‌افزار تخصصی هوش مصنوعی و رایانش لبه
پیشرفت سریع قابلیت‌های هوش مصنوعی همراه با نیازهای محاسباتی فزاینده، باعث نوآوری‌های عمده در سخت‌افزار شده است. در چند سال آینده، انتظار می‌رود نسل جدیدی از تراشه‌های اختصاصی هوش مصنوعی و استراتژی‌های رایانش توزیع‌شده برای حمایت از رشد هوش مصنوعی عرضه شود.
گرسنگی هوش مصنوعی برای قدرت پردازش بسیار زیاد است – آموزش مدل‌های پیشرفته و توانمندسازی آن‌ها برای استدلال در مسائل پیچیده نیازمند چرخه‌های محاسباتی عظیم است. برای پاسخ به این نیاز، شرکت‌های نیمه‌هادی و شرکت‌های بزرگ فناوری در حال طراحی سیلیکون سفارشی بهینه‌شده برای بارهای کاری هوش مصنوعی هستند.
برخلاف پردازنده‌های عمومی یا حتی GPUها، این شتاب‌دهنده‌های هوش مصنوعی (اغلب ASICها – مدارهای مجتمع اختصاصی کاربردی) برای اجرای کارآمد محاسبات شبکه‌های عصبی طراحی شده‌اند. مدیران فناوری گزارش می‌دهند که بسیاری از مشتریان اکنون در نظر دارند تراشه‌های تخصصی هوش مصنوعی را برای مراکز داده خود به منظور کسب عملکرد بالاتر به ازای هر وات انرژی به کار گیرند.
مزیت چنین تراشه‌هایی واضح است: یک ASIC ساخته شده برای الگوریتم خاص هوش مصنوعی می‌تواند عملکرد بسیار بهتری نسبت به GPU عمومی در آن وظیفه داشته باشد، که این امر به ویژه برای سناریوهای هوش مصنوعی لبه (اجرای هوش مصنوعی روی گوشی‌های هوشمند، حسگرها، وسایل نقلیه و دستگاه‌های دیگر با توان محدود) مفید است. کارشناسان صنعت پیش‌بینی می‌کنند تقاضا برای این شتاب‌دهنده‌های هوش مصنوعی افزایش خواهد یافت زیرا شرکت‌ها در سال‌های آینده هوش مصنوعی بیشتری را در لبه به کار می‌گیرند.
در عین حال، ارائه‌دهندگان خدمات ابری در حال گسترش زیرساخت‌های محاسباتی هوش مصنوعی خود هستند. پلتفرم‌های ابری بزرگ (آمازون، مایکروسافت، گوگل و غیره) میلیاردها دلار در ظرفیت مراکز داده سرمایه‌گذاری می‌کنند، از جمله توسعه تراشه‌ها و سیستم‌های هوش مصنوعی خود، تا نیاز رو به رشد آموزش و استنتاج مدل‌های هوش مصنوعی را برآورده کنند.
آن‌ها بارهای کاری هوش مصنوعی را فرصت درآمدزایی عظیمی می‌بینند، زیرا سازمان‌ها به طور فزاینده‌ای داده‌ها و وظایف یادگیری ماشین خود را به ابر منتقل می‌کنند. این تمرکز به کسب‌وکارها کمک می‌کند تا به هوش مصنوعی قدرتمند دسترسی داشته باشند بدون اینکه خودشان سخت‌افزار تخصصی بخرند.
با این حال، شایان ذکر است که محدودیت‌های عرضه نیز پدید آمده است – برای مثال، تقاضای جهانی برای GPUهای پیشرفته باعث کمبود و تأخیر در برخی موارد شده است. عوامل ژئوپلیتیکی مانند محدودیت‌های صادرات تراشه‌های پیشرفته نیز عدم قطعیت ایجاد می‌کند. این چالش‌ها احتمالاً نوآوری‌های بیشتری را به دنبال خواهد داشت، از جمله ساخت کارخانه‌های تراشه جدید تا معماری‌های سخت‌افزاری نوآورانه (شامل محاسبات نورومورفیک و کوانتومی در افق بلندمدت).
از سوی دیگر، کارایی سخت‌افزار هوش مصنوعی به طور پیوسته در حال بهبود است. هر سال تراشه‌ها سریع‌تر و کم‌مصرف‌تر می‌شوند: تحلیل‌های اخیر نشان می‌دهد هزینه سخت‌افزار هوش مصنوعی سالانه حدود ۳۰٪ کاهش یافته و بهره‌وری انرژی (محاسبه به ازای وات) حدود ۴۰٪ در سال بهبود یافته است.
این بدان معناست که حتی با پیچیده‌تر شدن مدل‌های هوش مصنوعی، هزینه هر عملیات در حال کاهش است. تا سال ۲۰۳۰، اجرای الگوریتم‌های پیشرفته هوش مصنوعی ممکن است تنها کسری از هزینه امروز را داشته باشد.
ترکیب محاسبات ارزان‌تر و سخت‌افزار اختصاصی هوش مصنوعی امکان تعبیه هوش مصنوعی را در همه جا فراهم می‌کند – از لوازم خانگی هوشمند تا حسگرهای صنعتی – زیرا پردازش می‌تواند یا روی دستگاه‌های کوچک لبه انجام شود یا از سرورهای ابری بهینه‌شده پخش شود.
خلاصه اینکه، پنج سال آینده روند سخت‌افزار اختصاصی هوش مصنوعی را در هر دو انتها تثبیت خواهد کرد: خوشه‌های ابررایانه‌ای عظیم هوش مصنوعی در ابر و تراشه‌های هوش مصنوعی کارآمد که هوشمندی را به لبه می‌آورند. این‌ها با هم ستون فقرات دیجیتال گسترش هوش مصنوعی را شکل خواهند داد.
هوش مصنوعی در حال تحول صنایع و زندگی روزمره
هوش مصنوعی محدود به آزمایشگاه‌های فناوری نیست – بلکه به طور فزاینده‌ای در زندگی روزمره و در همه صنایع جای گرفته است. سال‌های آینده شاهد ادغام عمیق‌تر هوش مصنوعی در بخش‌هایی مانند بهداشت و درمان، مالی، تولید، خرده‌فروشی، حمل‌ونقل و غیره خواهیم بود که به طور بنیادین نحوه ارائه خدمات را تغییر می‌دهد.
-
بهداشت و درمان: هوش مصنوعی به پزشکان کمک می‌کند بیماری‌ها را زودتر تشخیص دهند و مراقبت از بیماران را مؤثرتر مدیریت کنند. برای مثال، سازمان غذا و داروی آمریکا در سال ۲۰۲۳ ۲۲۳ دستگاه پزشکی مجهز به هوش مصنوعی را تأیید کرد که جهش عظیمی نسبت به تنها ۶ تأییدیه در سال ۲۰۱۵ است.
این دستگاه‌ها از هوش مصنوعی برای تحلیل تصاویر پزشکی (MRI، اشعه ایکس) به منظور کمک به تشخیص تومورها تا الگوریتم‌هایی که علائم حیاتی را پایش کرده و بحران‌های سلامتی را پیش‌بینی می‌کنند، متنوع هستند. روندهای نوظهور شامل استفاده از هوش مصنوعی مولد برای خلاصه‌سازی یادداشت‌های پزشکی و تهیه گزارش‌های بیماران و همچنین ابزارهای ترجمه هوش مصنوعی است که اصطلاحات پزشکی را به زبان ساده برای بیماران تبدیل می‌کند.تا سال ۲۰۳۰، تحلیل‌گران پیش‌بینی می‌کنند هوش مصنوعی می‌تواند نزدیک به ۲۰۰ میلیارد دلار ارزش سالانه در حوزه بهداشت و درمان ایجاد کند از طریق بهبود نتایج و افزایش بهره‌وری. همچنین هوش مصنوعی فرآیند کشف دارو را تسریع می‌کند – برخی شرکت‌های دارویی با استفاده از تحقیقات مبتنی بر هوش مصنوعی زمان توسعه دارو را بیش از ۵۰٪ کاهش داده‌اند و امکان توسعه سریع‌تر درمان‌های جدید را فراهم کرده‌اند.
-
مالی: صنعت مالی از نخستین پذیرندگان هوش مصنوعی بوده و به پیشروی در این حوزه ادامه می‌دهد. بانک‌ها و شرکت‌های بیمه از هوش مصنوعی برای کشف تقلب، ارزیابی ریسک در زمان واقعی و معاملات الگوریتمی استفاده می‌کنند.
مؤسسات بزرگ مانند JPMorgan Chase گزارش داده‌اند بیش از ۳۰۰ مورد استفاده از هوش مصنوعی در تولید دارند، از مدل‌هایی که تراکنش‌ها را برای تقلب بررسی می‌کنند تا ابزارهای هوش مصنوعی مولد که پردازش اسناد را خودکار می‌کنند.در آینده، انتظار می‌رود «مشاوران مالی هوش مصنوعی» و عوامل مدیریت ثروت خودمختار که استراتژی‌های سرمایه‌گذاری شخصی‌سازی شده برای مشتریان ارائه می‌دهند، ظهور کنند. هوش مصنوعی همچنین می‌تواند گزارش‌های تحلیلی تهیه کند و خدمات مشتری روتین را از طریق چت‌بات‌ها انجام دهد. به دلیل مقررات شدید در این بخش، تأکید زیادی بر شفافیت و حاکمیت هوش مصنوعی وجود دارد – برای مثال، بانک‌ها در فناوری‌هایی مانند تفسیر مکانیکی سرمایه‌گذاری می‌کنند تا دلیل تصمیم‌گیری هوش مصنوعی را درک کنند و اطمینان حاصل کنند مدل‌ها با مقررات و استانداردهای اخلاقی مطابقت دارند.
-
تولید و لجستیک: در کارخانه‌ها و زنجیره‌های تأمین، هوش مصنوعی بهره‌وری را افزایش می‌دهد. شرکت‌ها از هوش مصنوعی برای نگهداری پیش‌بینی‌کننده استفاده می‌کنند – حسگرها به همراه یادگیری ماشین خرابی تجهیزات را پیش‌بینی می‌کنند و زمان توقف را کاهش می‌دهند.
سیستم‌های بینایی کامپیوتری در خطوط مونتاژ به طور خودکار نقص‌ها را در زمان واقعی شناسایی می‌کنند. موج بعدی شامل روباتیک مبتنی بر هوش مصنوعی است که می‌تواند وظایف مونتاژ حساس یا پیچیده را در کنار انسان‌ها انجام دهد و دوقلوهای دیجیتال (شبیه‌سازی‌های مجازی کارخانه‌ها یا محصولات) که هوش مصنوعی بهینه‌سازی‌ها را در مدل مجازی آزمایش می‌کند قبل از اعمال در دنیای واقعی.هوش مصنوعی مولد حتی برای طراحی قطعات و محصولات جدید به کار می‌رود و پیشنهادهای مهندسی ارائه می‌دهد که ممکن است انسان‌ها از آن غافل شوند. این نوآوری‌ها می‌توانند هزینه‌ها را به طور چشمگیری کاهش داده و تولید را تسریع کنند – به گفته کارشناسان، استفاده از هوش مصنوعی در توسعه محصول و تحقیق و توسعه می‌تواند زمان ورود به بازار را نصف کرده و هزینه‌ها را حدود ۳۰٪ کاهش دهد در حوزه‌هایی مانند خودرو و هوافضا.
-
خرده‌فروشی و خدمات مشتری: هوش مصنوعی نحوه خرید و تعامل با کسب‌وکارها را متحول می‌کند. پلتفرم‌های خرده‌فروشی آنلاین به موتورهای توصیه هوش مصنوعی برای شخصی‌سازی پیشنهادات محصول («مشتریانی که شما را خریدند همچنین...»). الگوریتم‌های قیمت‌گذاری پویا قیمت‌ها را بر اساس تقاضا و موجودی به‌روزرسانی می‌کنند.
در تجارت الکترونیک و پشتیبانی مشتری، چت‌بات‌ها و دستیاران مجازی هوش مصنوعی به استاندارد تبدیل شده‌اند و به صورت ۲۴ ساعته پاسخگو هستند.تا سال ۲۰۲۵، بسیاری از شرکت‌های مشتری‌محور برنامه دارند ترکیبی از چت‌بات‌ها و عوامل هوش مصنوعی را برای تقویت تیم‌های خدمات مشتری خود به کار گیرند، ارائه خدمات خودکار فوری برای سوالات روتین و کمک به کارکنان انسانی با اطلاعات مرتبط برای مسائل پیچیده.
حتی در فروشگاه‌های فیزیکی، ابزارهای مبتنی بر هوش مصنوعی مانند آینه‌های هوشمند یا اتاق‌های پرو واقعیت افزوده تجربه خرید را بهبود می‌بخشند. پشت صحنه، هوش مصنوعی زنجیره‌های تأمین را بهینه می‌کند – از پیش‌بینی تقاضا تا مدیریت لجستیک انبار – تا اطمینان حاصل شود محصولات موجود و به موقع تحویل داده می‌شوند.
این نمونه‌ها تنها نوک کوه یخ هستند. قابل توجه است که حتی حوزه‌های سنتی کم‌فناوری مانند کشاورزی، معدن و ساخت‌وساز اکنون از هوش مصنوعی بهره می‌برند، چه از طریق تجهیزات کشاورزی خودران، اکتشاف معدنی مبتنی بر هوش مصنوعی یا مدیریت هوشمند انرژی.
در واقع، هر صنعتی شاهد افزایش استفاده از هوش مصنوعی است، از جمله بخش‌هایی که قبلاً به عنوان بخش‌های پرهوش مصنوعی شناخته نمی‌شدند. شرکت‌های این حوزه‌ها دریافته‌اند که هوش مصنوعی می‌تواند استفاده از منابع را بهینه کند، ضایعات را کاهش دهد و ایمنی را بهبود بخشد (برای مثال، سیستم‌های هوش مصنوعی که خستگی کارکنان یا شرایط ماشین‌آلات را در زمان واقعی پایش می‌کنند).
تا سال ۲۰۳۰، اجماع بر این است که هیچ صنعتی بدون تأثیر هوش مصنوعی باقی نخواهد ماند – تفاوت تنها در سرعت و عمق پیشرفت هر بخش در مسیر هوش مصنوعی خواهد بود.
در بخش مصرف‌کننده، زندگی روزمره به طور ظریفی با هوش مصنوعی در هم آمیخته است. بسیاری از افراد هم‌اکنون با اپلیکیشن‌های گوشی هوشمند که از هوش مصنوعی برای انتخاب اخبار یا برنامه‌ریزی مسیر رفت‌وآمد استفاده می‌کنند، از خواب بیدار می‌شوند.
دستیاران مجازی در تلفن‌ها، خودروها و خانه‌های ما هر سال هوشمندتر و گفتگو محورتر می‌شوند. وسایل نقلیه خودران و پهپادهای تحویل، اگرچه هنوز فراگیر نیستند، احتمالاً در پنج سال آینده در برخی شهرها یا برای خدمات خاص (ناوگان تاکسی رباتیک، تحویل خودکار مواد غذایی و غیره) رایج خواهند شد.
آموزش نیز تحت تأثیر هوش مصنوعی قرار گرفته است: نرم‌افزارهای یادگیری شخصی‌سازی شده می‌توانند به نیازهای دانش‌آموزان سازگار شوند و معلمان هوش مصنوعی در موضوعات مختلف به صورت درخواستی کمک ارائه می‌دهند. در کل، روند این است که هوش مصنوعی به طور فزاینده‌ای در پس‌زمینه فعالیت‌های روزمره عمل کند – خدمات را راحت‌تر و شخصی‌تر کند – تا جایی که تا سال ۲۰۳۰ ممکن است این امکانات مبتنی بر هوش مصنوعی را به عنوان بخشی طبیعی از زندگی روزمره بپذیریم.
هوش مصنوعی مسئولانه و مقررات
سرعت سرسام‌آور توسعه هوش مصنوعی سوالات مهمی درباره اخلاق، ایمنی و مقررات مطرح کرده است و این موضوعات در سال‌های آینده محور توجه خواهند بود. هوش مصنوعی مسئولانه – تضمین اینکه سیستم‌های هوش مصنوعی عادلانه، شفاف و ایمن باشند – دیگر صرفاً یک شعار نیست بلکه یک ضرورت کسب‌وکاری است.
در سال ۲۰۲۴، حوادث مرتبط با هوش مصنوعی (مانند نتایج جانبدارانه یا نقص‌های ایمنی) به شدت افزایش یافته است، اما تعداد کمی از توسعه‌دهندگان بزرگ هوش مصنوعی پروتکل‌های استاندارد ارزیابی اخلاق و ایمنی دارند. این فاصله بین شناخت ریسک‌های هوش مصنوعی و کاهش واقعی آن‌ها چیزی است که بسیاری از سازمان‌ها اکنون در تلاش برای رفع آن هستند.
نظرسنجی‌های صنعتی نشان می‌دهد که در سال ۲۰۲۵، رهبران شرکت‌ها دیگر مدیریت هوش مصنوعی پراکنده یا «جزیره‌ای» را تحمل نخواهند کرد؛ آن‌ها به سمت نظارت سیستماتیک و شفاف بر هوش مصنوعی در سراسر سازمان حرکت می‌کنند. دلیل این امر ساده است: با تبدیل هوش مصنوعی به بخشی ذاتی از عملیات و تجربه مشتری، هرگونه خطا – چه توصیه نادرست، نقض حریم خصوصی یا خروجی نامطمئن مدل – می‌تواند به کسب‌وکار آسیب واقعی وارد کند (از آسیب به شهرت تا جریمه‌های قانونی).
بنابراین، انتظار می‌رود مدیریت ریسک هوش مصنوعی دقیق به یک استاندارد تبدیل شود. شرکت‌ها شروع به انجام ممیزی‌های منظم هوش مصنوعی و اعتبارسنجی مدل‌های خود می‌کنند، چه با تیم‌های داخلی آموزش‌دیده و چه با کارشناسان خارجی، تا اطمینان حاصل شود هوش مصنوعی طبق انتظار و در چارچوب‌های قانونی و اخلاقی عمل می‌کند.
همان‌طور که یکی از رهبران تضمین هوش مصنوعی اشاره کرده است، موفقیت در حاکمیت هوش مصنوعی نه تنها با اجتناب از ریسک‌ها بلکه با تحقق اهداف استراتژیک و بازگشت سرمایه سنجیده خواهد شد – به عبارت دیگر، هماهنگی عملکرد هوش مصنوعی با ارزش کسب‌وکار به روشی قابل اعتماد.
مقررات‌گذاران در سراسر جهان نیز در حال افزایش فعالیت هستند. مقررات هوش مصنوعی در سطح ملی و بین‌المللی سخت‌تر می‌شود. در سال ۲۰۲۴، آژانس‌های فدرال ایالات متحده ۵۹ اقدام نظارتی مرتبط با هوش مصنوعی معرفی کردند – بیش از دو برابر سال قبل.
اتحادیه اروپا در حال نهایی کردن قانون جامع هوش مصنوعی است که الزامات شفافیت، پاسخگویی و نظارت انسانی را به ویژه برای کاربردهای پرخطر بر سیستم‌های هوش مصنوعی تحمیل خواهد کرد. مناطق دیگر نیز عقب نیستند: سازمان‌هایی مانند OECD، سازمان ملل و اتحادیه آفریقا در سال ۲۰۲۴ چارچوب‌های حاکمیت هوش مصنوعی را برای راهنمایی کشورها در اصولی مانند شفافیت، عدالت و ایمنی منتشر کردند.
انتظار می‌رود این روند همکاری جهانی در زمینه اخلاق و استانداردهای هوش مصنوعی تشدید شود، حتی اگر کشورهای مختلف رویکردهای متفاوتی اتخاذ کنند. قابل توجه است که تفاوت‌های فلسفی در مقررات ممکن است مسیر هوش مصنوعی را در هر منطقه تحت تأثیر قرار دهد. تحلیل‌گران اشاره کرده‌اند که رژیم‌های نسبتاً انعطاف‌پذیر (مانند ایالات متحده) ممکن است نوآوری و استقرار سریع‌تر هوش مصنوعی را امکان‌پذیر کنند، در حالی که قوانین سخت‌گیرانه‌تر (مانند اتحادیه اروپا) ممکن است برخی کاربردها را کند کنند اما اعتماد عمومی بیشتری ایجاد کنند.
چین نیز به شدت در هوش مصنوعی سرمایه‌گذاری می‌کند و مقررات خاص خود را (مانند قوانین مربوط به دیپ‌فیک‌ها و شفافیت الگوریتم‌ها) برای شکل‌دهی به استفاده از هوش مصنوعی در مرزهای خود تدوین می‌کند.
جنبه دیگر هوش مصنوعی مسئولانه، پرداختن به مسائل جانبداری، اطلاعات نادرست و کلیت قابلیت اعتماد خروجی‌های هوش مصنوعی است. ابزارها و معیارهای جدیدی برای ارزیابی سیستم‌های هوش مصنوعی بر اساس این معیارها توسعه یافته‌اند – برای مثال، HELM (ارزیابی جامع مدل‌های زبان) ایمنی و آزمون‌های دیگر که میزان صحت و ایمنی محتوای تولید شده توسط هوش مصنوعی را می‌سنجند.
احتمالاً شاهد خواهیم بود که این نوع بررسی‌های استاندارد شده به بخشی اجباری از توسعه سیستم‌های هوش مصنوعی تبدیل شود. در عین حال، برداشت عمومی از ریسک‌ها و مزایای هوش مصنوعی بر شدت نظارت توسط مقررات‌گذاران و شرکت‌ها تأثیر خواهد گذاشت.
جالب است که خوش‌بینی نسبت به هوش مصنوعی در مناطق مختلف بسیار متفاوت است: نظرسنجی‌ها نشان می‌دهد شهروندان کشورهایی مانند چین، اندونزی و بخش عمده‌ای از جهان در حال توسعه نسبت به مزایای خالص هوش مصنوعی بسیار خوش‌بین هستند، در حالی که نظر عمومی در کشورهای غربی محتاطانه یا حتی بدبینانه است.
اگر خوش‌بینی افزایش یابد (همان‌طور که اخیراً در اروپا و آمریکای شمالی به آرامی افزایش یافته است)، ممکن است مجوز اجتماعی بیشتری برای استقرار راه‌حل‌های هوش مصنوعی وجود داشته باشد – به شرطی که تضمین‌هایی وجود داشته باشد که این سیستم‌ها عادلانه و امن باشند.
خلاصه اینکه، پنج سال آینده برای حاکمیت هوش مصنوعی نقطه عطف خواهد بود. احتمالاً شاهد اجرای اولین قوانین جامع هوش مصنوعی (مثلاً در اتحادیه اروپا)، سرمایه‌گذاری بیشتر دولت‌ها در نهادهای نظارتی هوش مصنوعی و ادغام اصول هوش مصنوعی مسئولانه در چرخه‌های توسعه محصول شرکت‌ها خواهیم بود.
هدف ایجاد تعادلی است که نوآوری خفه نشود – رویکردهای مقرراتی «انعطاف‌پذیر» می‌توانند پیشرفت‌های سریع را ادامه دهند – در حالی که مصرف‌کنندگان و جامعه از پیامدهای منفی احتمالی محافظت شوند. رسیدن به این تعادل آسان نیست، اما یکی از چالش‌های تعیین‌کننده در مسیر تبدیل هوش مصنوعی از فناوری نوپا به فناوری بالغ و فراگیر است.
رقابت و همکاری جهانی
توسعه هوش مصنوعی در نیمه دهه آینده همچنین تحت تأثیر رقابت شدید جهانی برای رهبری در هوش مصنوعی و تلاش‌های همکاری بین‌المللی خواهد بود. در حال حاضر، ایالات متحده و چین دو رقیب اصلی در عرصه هوش مصنوعی هستند.
ایالات متحده در بسیاری از معیارها پیشتاز است – برای مثال، در سال ۲۰۲۴، مؤسسات آمریکایی ۴۰ مدل برتر هوش مصنوعی جهان را تولید کردند، در مقابل ۱۵ مدل از چین و تنها چند مدل از اروپا. با این حال، چین به سرعت در حال کاهش این فاصله در حوزه‌های کلیدی است.
مدل‌های هوش مصنوعی توسعه یافته در چین به طور قابل توجهی در کیفیت به مدل‌های آمریکایی نزدیک شده‌اند و در سال ۲۰۲۴ تقریباً برابری در معیارهای اصلی را به دست آورده‌اند. علاوه بر این، چین در حجم مقالات تحقیقاتی و پتنت‌های هوش مصنوعی از همه کشورها پیشی گرفته است که نشان‌دهنده تعهد بلندمدت آن به تحقیق و توسعه هوش مصنوعی است.
این رقابت احتمالاً نوآوری سریع‌تر را تحریک خواهد کرد – مسابقه فضایی مدرن اما در حوزه هوش مصنوعی – زیرا هر کشور منابع خود را برای پیشی گرفتن از پیشرفت‌های دیگری سرمایه‌گذاری می‌کند. ما قبلاً شاهد افزایش تعهدات سرمایه‌گذاری هوش مصنوعی توسط دولت‌ها بوده‌ایم: چین صندوق ملی عظیم ۴۷.۵ میلیارد دلاری برای فناوری نیمه‌هادی و هوش مصنوعی اعلام کرده است، در حالی که ایالات متحده، اتحادیه اروپا و دیگران نیز میلیاردها دلار در طرح‌های تحقیقاتی و توسعه استعدادهای هوش مصنوعی سرمایه‌گذاری می‌کنند.
با این حال، داستان هوش مصنوعی تنها محدود به دو کشور نیست. همکاری و مشارکت جهانی در حال افزایش است. مناطقی مانند اروپا، هند و خاورمیانه نوآوری‌ها و مدل‌های قابل توجهی در هوش مصنوعی تولید می‌کنند.
برای مثال، اروپا تمرکز قوی بر هوش مصنوعی قابل اعتماد دارد و میزبان بسیاری از پروژه‌های متن‌باز هوش مصنوعی است. هند از هوش مصنوعی برای کاربردهای گسترده در آموزش و بهداشت استفاده می‌کند و همچنین بخش عمده‌ای از نیروی کار ماهر هوش مصنوعی جهان را تأمین می‌کند (هند و ایالات متحده با هم بیش از نیمی از نیروی کار ماهر هوش مصنوعی جهان را دارند).
کشورهای کوچکتر نیز در تلاشند جایگاه‌های خاصی ایجاد کنند – مانند سرمایه‌گذاری‌های سنگاپور در حاکمیت هوش مصنوعی و ابتکارات دولت هوشمند، یا تلاش‌های امارات متحده عربی در تحقیق و استقرار هوش مصنوعی. نهادهای بین‌المللی نیز بحث‌هایی درباره استانداردهای هوش مصنوعی برگزار می‌کنند تا حداقل هماهنگی‌هایی ایجاد شود – همان‌طور که چارچوب‌های OECD و سازمان ملل و رویدادهایی مانند شراکت جهانی هوش مصنوعی (GPAI) که چندین کشور را برای به اشتراک‌گذاری بهترین شیوه‌ها گرد هم می‌آورد.
در حالی که رقابت ژئوپلیتیکی ادامه خواهد داشت (و احتمالاً در حوزه‌هایی مانند استفاده نظامی یا مزیت اقتصادی هوش مصنوعی تشدید می‌شود)، شناخت موازی وجود دارد که مسائلی مانند اخلاق، ایمنی و مقابله با چالش‌های جهانی نیازمند همکاری است. ممکن است شاهد همکاری‌های تحقیقاتی فرامرزی بیشتری باشیم که به موضوعاتی مانند هوش مصنوعی برای تغییرات اقلیمی، پاسخ به پاندمی یا پروژه‌های بشردوستانه می‌پردازند.
یکی از جنبه‌های جالب چشم‌انداز جهانی هوش مصنوعی این است که نگرش‌ها و کاربران متفاوت چگونه تکامل هوش مصنوعی را شکل خواهند داد. همان‌طور که گفته شد، احساسات عمومی در برخی اقتصادهای در حال توسعه بسیار مثبت است که می‌تواند این بازارها را به زمین‌های مساعدتری برای آزمایش هوش مصنوعی در بخش‌هایی مانند فناوری مالی یا فناوری آموزشی تبدیل کند.
در مقابل، مناطقی با افکار عمومی محتاط ممکن است مقررات سخت‌گیرانه‌تری اعمال کنند یا به دلیل اعتماد کم پذیرش کندتری داشته باشند. تا سال ۲۰۳۰، ممکن است شاهد نوعی دوگانگی باشیم: برخی کشورها به ادغام تقریباً همه‌جانبه هوش مصنوعی (شهرهای هوشمند، هوش مصنوعی در حکومت روزمره و غیره) دست یابند، در حالی که دیگران با احتیاط بیشتری پیش بروند.
با این حال، حتی مناطق محتاط نیز اذعان دارند که نمی‌توانند پتانسیل هوش مصنوعی را نادیده بگیرند – برای مثال، بریتانیا و کشورهای اروپایی در ایمنی و زیرساخت‌های هوش مصنوعی سرمایه‌گذاری می‌کنند (بریتانیا برنامه ابر تحقیقاتی ملی هوش مصنوعی دارد، فرانسه طرح‌های ابررایانه عمومی برای هوش مصنوعی دارد و غیره).
بنابراین، رقابت تنها درباره ساخت سریع‌ترین هوش مصنوعی نیست، بلکه ساخت هوش مصنوعی مناسب برای نیازهای هر جامعه است.
در اصل، پنج سال آینده شاهد تعامل پیچیده‌ای از رقابت و همکاری خواهیم بود. احتمالاً دستاوردهای پیشگامانه هوش مصنوعی از مکان‌های غیرمنتظره در سراسر جهان ظهور خواهند کرد، نه فقط در سیلیکون ولی یا پکن.
و همان‌طور که هوش مصنوعی به بخشی اساسی از قدرت ملی تبدیل می‌شود (مشابه نفت یا برق در دوران گذشته)، نحوه مدیریت همکاری و رقابت در این حوزه تأثیر قابل توجهی بر مسیر توسعه جهانی هوش مصنوعی خواهد داشت.
تأثیر هوش مصنوعی بر مشاغل و مهارت‌ها
در نهایت، هیچ بحثی درباره آینده نزدیک هوش مصنوعی کامل نیست مگر اینکه تأثیر آن بر کار و اشتغال بررسی شود – موضوعی که ذهن بسیاری را به خود مشغول کرده است. آیا هوش مصنوعی مشاغل ما را خواهد گرفت یا مشاغل جدیدی ایجاد خواهد کرد؟ شواهد تاکنون نشان‌دهنده ترکیبی از هر دو است، اما با گرایش قوی به تقویت به جای اتوماسیون صرف.
مجمع جهانی اقتصاد پیش‌بینی کرده است که تا سال ۲۰۲۵، هوش مصنوعی حدود ۹۷ میلیون شغل جدید در سراسر جهان ایجاد خواهد کرد در حالی که حدود ۸۵ میلیون شغل را جایگزین خواهد کرد – یعنی خالص ۱۲ میلیون شغل افزایش خواهد داشت.
این نقش‌های جدید از دانشمندان داده و مهندسان هوش مصنوعی تا دسته‌های کاملاً جدیدی مانند متخصصان اخلاق هوش مصنوعی، مهندسان پرامپت و کارشناسان نگهداری ربات‌ها متنوع هستند. ما در حال حاضر شاهد تحقق این پیش‌بینی هستیم: بیش از ۱۰٪ آگهی‌های شغلی امروز برای نقش‌هایی است که ده سال پیش تقریباً وجود نداشتند (برای مثال، رئیس هوش مصنوعی یا توسعه‌دهنده یادگیری ماشین).
مهم‌تر از همه، به جای بیکاری گسترده، تأثیر اولیه هوش مصنوعی در محیط‌های کاری افزایش بهره‌وری کارکنان و تغییر تقاضای مهارت‌ها بوده است. صنایعی که سریع‌تر هوش مصنوعی را پذیرفته‌اند، از زمان آغاز رونق هوش مصنوعی در حدود سال ۲۰۲۲ شاهد رشد درآمد ۳ برابر بیشتر به ازای هر کارمند بوده‌اند.
در این بخش‌ها، کارکنان حذف نمی‌شوند؛ بلکه بهره‌ورتر و ارزشمندتر می‌شوند. در واقع، دستمزدها در صنایع پرهوش مصنوعی دو برابر سریع‌تر از صنایع با پذیرش کمتر هوش مصنوعی افزایش یافته است.
حتی کارکنان در نقش‌هایی که به شدت قابل اتوماسیون هستند، اگر مهارت‌های مرتبط با هوش مصنوعی داشته باشند، افزایش دستمزد را تجربه می‌کنند که نشان می‌دهد شرکت‌ها به کارکنانی که می‌توانند به طور مؤثر با ابزارهای هوش مصنوعی کار کنند، ارزش می‌دهند. در کل، ارزش مهارت‌های هوش مصنوعی در حال افزایش است – کارکنانی که می‌توانند از هوش مصنوعی بهره ببرند (حتی در سطح پایه، مانند استفاده از تحلیل‌های مبتنی بر هوش مصنوعی یا ابزارهای تولید محتوا) حقوق بالاتری دریافت می‌کنند.
یک تحلیل نشان داد که کارکنان دارای مهارت‌های هوش مصنوعی به طور متوسط ۵۶٪ حق‌الزحمه بیشتری نسبت به همتایان بدون این مهارت‌ها دارند. این ارزش در تنها یک سال بیش از دو برابر شده است و نشان می‌دهد که «سواد هوش مصنوعی» به سرعت به یک مهارت ضروری تبدیل می‌شود.
با این حال، هوش مصنوعی بدون شک ماهیت مشاغل را تغییر می‌دهد. بسیاری از وظایف روتین یا سطح پایین خودکار می‌شوند – هوش مصنوعی می‌تواند ورود داده، تولید گزارش، پاسخ به پرسش‌های ساده مشتری و غیره را بر عهده بگیرد. این بدان معناست که برخی مشاغل حذف یا بازتعریف خواهند شد.
کارکنان در نقش‌های اداری و پردازش تکراری به ویژه در معرض خطر جایگزینی هستند. با این حال، حتی با حذف این وظایف، وظایف جدیدی پدید می‌آیند که نیازمند خلاقیت انسانی، قضاوت و نظارت بر هوش مصنوعی هستند.
تأثیر خالص تغییر در مجموعه مهارت‌های مورد نیاز برای اکثر مشاغل است. تحلیلی از لینکدین پیش‌بینی می‌کند که تا سال ۲۰۳۰، حدود ۷۰٪ مهارت‌های مورد استفاده در یک شغل متوسط متفاوت از مهارت‌های چند سال پیش خواهد بود.
به عبارت دیگر، تقریباً هر شغلی در حال تحول است. برای سازگاری، یادگیری مستمر و بازآموزی برای نیروی کار ضروری است.
خوشبختانه، تلاش‌های گسترده‌ای برای آموزش و ارتقای مهارت‌های هوش مصنوعی در جریان است: دو سوم کشورها علوم کامپیوتر (که اغلب شامل ماژول‌های هوش مصنوعی است) را در برنامه‌های درسی K-12 وارد کرده‌اند و شرکت‌ها به شدت در برنامه‌های آموزش کارکنان سرمایه‌گذاری می‌کنند. در سطح جهانی، ۳۷٪ مدیران اجرایی می‌گویند قصد دارند در کوتاه‌مدت سرمایه‌گذاری بیشتری در آموزش کارکنان درباره ابزارهای هوش مصنوعی انجام دهند.
همچنین شاهد افزایش دوره‌ها و گواهینامه‌های آنلاین در زمینه هوش مصنوعی هستیم – برای مثال، برنامه‌های رایگان شرکت‌های فناوری و دانشگاه‌ها برای آموزش مبانی هوش مصنوعی به میلیون‌ها یادگیرنده.
جنبه دیگر هوش مصنوعی در محیط کار ظهور «تیم انسان-هوش مصنوعی» به عنوان واحد اصلی بهره‌وری است. همان‌طور که پیش‌تر توضیح داده شد، عوامل هوش مصنوعی و اتوماسیون بخش‌هایی از کار را انجام می‌دهند، در حالی که انسان‌ها نظارت و تخصص ارائه می‌دهند.
شرکت‌های آینده‌نگر نقش‌ها را بازتعریف می‌کنند به گونه‌ای که کارهای سطح ابتدایی (که ممکن است توسط هوش مصنوعی انجام شود) کمتر مورد توجه قرار گیرد؛ در عوض، افراد مستقیماً در نقش‌های استراتژیک استخدام می‌شوند و هوش مصنوعی کارهای سنگین را انجام می‌دهد.
این می‌تواند نردبان‌های شغلی سنتی را مسطح کند و نیاز به روش‌های جدید آموزش استعدادها را افزایش دهد (زیرا کارکنان جوان با انجام وظایف ساده یاد نمی‌گیرند اگر هوش مصنوعی آن‌ها را انجام دهد). همچنین اهمیت مدیریت تغییر در سازمان‌ها را افزایش می‌دهد. بسیاری از کارکنان درباره سرعت تغییرات ناشی از هوش مصنوعی احساس اضطراب یا سردرگمی دارند.
بنابراین، رهبران باید این گذار را به طور فعال مدیریت کنند – مزایای هوش مصنوعی را به کارکنان منتقل کنند، آن‌ها را در پذیرش هوش مصنوعی مشارکت دهند و اطمینان دهند که هدف تقویت کار انسانی است، نه جایگزینی آن. شرکت‌هایی که فرهنگ همکاری انسان-هوش مصنوعی را به خوبی پرورش دهند – جایی که استفاده از هوش مصنوعی برای کارکنان امری طبیعی باشد – احتمالاً بیشترین پیشرفت عملکرد را خواهند داشت.
خلاصه اینکه، بازار کار در پنج سال آینده با تغییرات تحول‌آفرین به جای فاجعه مشخص خواهد شد. هوش مصنوعی برخی وظایف و عملکردهای شغلی را خودکار می‌کند، اما همچنین تقاضا برای تخصص‌های جدید ایجاد کرده و بسیاری از کارکنان را بهره‌ورتر و ارزشمندتر می‌سازد.
چالش (و فرصت) در هدایت نیروی کار از طریق این گذار است. افرادی و سازمان‌هایی که یادگیری مادام‌العمر را بپذیرند و نقش‌ها را برای بهره‌برداری از هوش مصنوعی تطبیق دهند، در اقتصاد جدید مبتنی بر هوش مصنوعی موفق خواهند بود. آن‌هایی که این کار را نکنند ممکن است برای حفظ جایگاه خود دچار مشکل شوند.
همان‌طور که یک گزارش به طور خلاصه بیان کرده است، تا حدی به لطف هوش مصنوعی، ماهیت مشاغل از تسلط بر وظایف خاص به کسب مداوم مهارت‌های جدید تغییر می‌کند. سال‌های آینده توانایی ما را در همگام شدن با این تغییر آزمایش خواهد کرد – اما اگر موفق شویم، نتیجه می‌تواند دنیایی نوآورانه‌تر، کارآمدتر و حتی انسان‌محورتر از کار باشد.
>>> ممکن است به موارد زیر نیاز داشته باشید:
مهارت‌های مورد نیاز برای کار با هوش مصنوعی
مزایای هوش مصنوعی برای افراد و کسب‌وکارها
مسیر توسعه هوش مصنوعی در پنج سال آینده آماده ایجاد تغییرات عمیق در فناوری، کسب‌وکار و جامعه است. احتمالاً شاهد رشد توانمندی‌های سیستم‌های هوش مصنوعی خواهیم بود – تسلط بر چندین مدالیته، نمایش استدلال بهبود یافته و عملکرد با خودمختاری بیشتر.
در عین حال، هوش مصنوعی به طور عمیقی در بافت زندگی روزمره تنیده خواهد شد: تصمیم‌گیری در اتاق‌های هیئت مدیره و دولت‌ها، بهینه‌سازی عملیات در کارخانه‌ها و بیمارستان‌ها و ارتقای تجربه‌ها از خدمات مشتری تا آموزش.
فرصت‌ها بسیار گسترده است – از افزایش بهره‌وری اقتصادی و کشف علمی تا کمک به حل چالش‌های جهانی مانند تغییرات اقلیمی (در واقع، انتظار می‌رود هوش مصنوعی انتقال به انرژی‌های تجدیدپذیر و استفاده هوشمندانه‌تر از منابع را تسریع کند). اما تحقق کامل پتانسیل هوش مصنوعی نیازمند عبور از ریسک‌ها و موانع همراه است. مسائل اخلاق، حاکمیت و شمولیت نیازمند توجه مستمر هستند تا مزایای هوش مصنوعی به طور گسترده به اشتراک گذاشته شود و توسط مشکلات پنهان نشود.
یک موضوع کلی این است که انتخاب‌ها و رهبری انسانی آینده هوش مصنوعی را شکل خواهد داد. خود هوش مصنوعی ابزاری است – ابزاری بسیار قدرتمند و پیچیده، اما در نهایت بازتاب اهدافی است که برای آن تعیین می‌کنیم.
پنج سال آینده پنجره‌ای حیاتی برای ذینفعان است تا توسعه هوش مصنوعی را به طور مسئولانه هدایت کنند: کسب‌وکارها باید هوش مصنوعی را با دقت و اخلاقی پیاده‌سازی کنند؛ سیاست‌گذاران باید چارچوب‌های متعادلی ایجاد کنند که نوآوری را تشویق کند و در عین حال از عموم محافظت کند؛ آموزش‌دهندگان و جوامع باید مردم را برای تغییراتی که هوش مصنوعی به همراه دارد آماده کنند.
همکاری بین‌المللی و میان‌رشته‌ای در زمینه هوش مصنوعی باید عمیق‌تر شود تا اطمینان حاصل شود که این فناوری به سمت نتایج مثبت هدایت می‌شود. اگر موفق شویم، سال ۲۰۳۰ ممکن است آغاز دوره‌ای جدید باشد که هوش مصنوعی به طور قابل توجهی پتانسیل انسانی را افزایش می‌دهد – کمک به ما برای هوشمندانه‌تر کار کردن، زندگی سالم‌تر و مقابله با مشکلاتی که قبلاً دسترسی به آن‌ها دشوار بود.
در آن آینده، هوش مصنوعی نه با ترس یا تبلیغات اغراق‌آمیز بلکه به عنوان بخشی پذیرفته شده و به خوبی مدیریت شده از زندگی مدرن دیده خواهد شد که برای بشریت کار می‌کند. دستیابی به این چشم‌انداز چالش بزرگ و وعده پنج سال آینده در توسعه هوش مصنوعی است.
