به گزارش کارآفرينان نيوز دیدگاه مرسوم سال های اخیر که مبتنی بر رقابت آمریکا و چین برای تسلط بر هوش مصنوعی بود، این روزها کم تر مطرح است؛ رقابتی که پیش تر یک مسابقه انحصاری را میان این دو ابرقدرت درنظر داشت و تنها یک طرف را برنده همه چیز می دانست.
اما امروزه با معرفی شدن فناوری های هوش مصنوعی متفاوت توسط دولت های مختلف، مسئله اصلی، مقبولیت جهانی و کاربران بیشتر و تأثیرگذاری بیشتر مدل های هوش مصنوعی است، نه صرف ایجاد این فناوری.
رن ایتو در در پروژکت سن دیکیت نوشت: رهبران حوزه هوش مصنوعی مانند OpenAI و دیپ مایند خود را در رقابت برای ساخت هوش مصنوعی برتر در میان عموم می‌بینند، یعنی مدلی که قادر به انجام هر کار ذهنی‌ای که یک انسان قادر به انجام آن است، باشد.از طرفی، برای دولت‌های آمریکا و چین این رقابت به اولویتی برای امنیت ملی تبدیل شده و سرمایه‌گذاری های عظیمی شبیه پروژه منهتن برای آن صورت گرفته است. در هر دو مورد، هوش مصنوعی به‌عنوان شکلی از «قدرت سخت» دیده می‌شود که تنها در اختیار ابرقدرت‌هایی در جهان با منابع محاسباتی وسیع و توان تبدیل آن به تسلط اقتصادی و نظامی است.
هوش مصنوعی مستقل
اما چنین دیدگاه ناقصی امروزه چندان مطرح نیست. درواقع از زمانی که چین مدل ارزان‌تر و کاربردی خود یعنی دیپ سیک را اوایل امسال عرضه کرد، وارد دوران جدیدی شده‌ایم که دیگر توانایی ساخت ابزارهای پیشرفته هوش مصنوعی محدود به چند غول فناوری نیست؛ چرا که چندین مدل قدرتمند از آن در سراسر جهان ظهور کرده و نشان داده‌اند که پتانسیل واقعی هوش مصنوعی در قدرت آن برای گسترش «قدرت نرم» نهفته است.
دوران مدل‌های «بزرگ‌تر بهتر» در سال ۲۰۲۴ به پایان رسید. از آن زمان، برتری مدل تنها با مقیاس آن که بر اساس حجم داده‌ها و قدرت محاسباتی بیشتر بود، تعیین نمی‌شود. دیپ سیک ثابت کرد که نه تنها می‌توان مدل‌های سطح بالا را بدون سرمایه کلان ساخت، بلکه معرفی تکنیک‌های پیشرفته توسعه می‌تواند پیشرفت هوش مصنوعی را به‌طور قابل توجهی در سطح جهانی تسریع کند. این شرکت به «رابین‌هود دمکراتیزه‌سازی هوش مصنوعی» شهرت یافت و تصمیمش برای انتشار متن‌باز، موجی از نوآوری‌ها را ایجاد کرد.
انحصار OpenAI (یا انحصار چندشرکتی) که چند ماه پیش وجود داشت، جای خود را به یک منظره چندقطبی و رقابتی داده است. می توان گفت که دیگر صرف داشتن مدل‌های پیشرفته برای پاسخگویی به نیازهای کاربرد صنعتی کافی نیست. برای مثال، چت‌بات‌های هوش مصنوعی می‌توانند به سوالات عمومی با نمره هفتاد پاسخ دهند، اما نمی‌توانند با دقت نود و نه درصد که برای اکثر کارهای واقعی مثل ارزیابی وام تا برنامه‌ریزی تولید که شدیداً به تجربه جمعی کارشناسان وابسته است، پاسخ ارائه کنند. چارچوب قدیمی که در آن مدل‌های پایه جدا از کاربردهای مشخص در نظر گرفته می‌شدند، به پایان خود رسیده است.
هوش مصنوعی در دنیای واقعی باید با اقدامات بهم پیوسته، مسائل مبهم، منطق شرطی و موارد استثنا مواجه شود؛ و همه این‌ها متغیرهای پیچیده‌ای هستند که نیازمند سیستم‌های کاملاً یکپارچه‌اند.
بنابراین، توسعه‌دهندگان مدل های هوش مصنوعی باید مسئولیت بیشتری در طراحی کاربردهای مشخص داشته باشند و توسعه‌دهندگان اپلیکیشن نیز باید عمیق‌تر با فناوری پایه درگیر شوند. چنین یکپارچگی‌ای در آینده ژئوپلیتیک به اندازه کسب‌وکار اهمیت دارد. این موضوع در مفهوم «هوش مصنوعی مستقل» منعکس شده است،که کاهش وابستگی به تأمین‌کنندگان خارجی را خودمختاری ملی هوش مصنوعی تعبیر می کند.
تاریخچه نگرانی دولت های غیر آمریکایی از وابستگی به زیرساخت‌های حیاتی مثل موتورهای جستجو، شبکه‌های اجتماعی و گوشی‌های نشان داده است که در چنین شرایطی کسری مداوم دیجیتال نیز در دولت ها به وجود می‌آید؛ و اگر هوش مصنوعی نیز مسیر مشابهی را دنبال کند، زیان‌های اقتصادی افزایش می یابد. علاوه بر این، بسیاری نگران «کلید خاموش»هایی هستند که می‌تواند زیرساخت‌های هوش مصنوعی خارجی را در هر لحظه قطع کند. به همین دلایل، توسعه داخلی هوش مصنوعی اکنون ضروری است.
قدرت نرم در دستان هوش مصنوعی
اما هوش مصنوعی مستقل لزوماً به معنای تولید داخلی همه ابزارهای دیجیتال نیست. در واقع، از نظر صرفه‌جویی هزینه و تنوع‌بخشی ریسک، ترکیب مدل‌های فناوری از سراسر جهان، بهترین مدل است. هدف واقعی هوش مصنوعی مستقل نباید صرف خودکفایی باشد، بلکه باید قدرت نرم هوش مصنوعی را با ساخت مدل‌هایی که دیگران داوطلبانه می‌پذیرند، به‌دست آورد.
قدرت نرم به‌طور سنتی به جذابیت ایده‌هایی مانند دموکراسی و حقوق بشر، صادرات فرهنگی مانند فیلم‌های هالیوود و اخیراً فناوری‌ها و پلتفرم‌های دیجیتال مانند فیسبوک، و حتی به‌طور ظریف‌تر، اپلیکیشن‌هایی مانند واتس‌اپ یا وی‌چت که فرهنگ‌ها را از طریق عادات روزمره شکل می‌دهند، اطلاق می‌شود. وقتی مدل‌های متنوع هوش مصنوعی در جهان همزیستی می‌کنند، مدل‌هایی که بیشترین مقبولیت و کاربر را دارند، به منابعی از قدرت نرم اما عمیق تبدیل خواهند شد، زیرا این مدل ها در تصمیم‌گیری‌های روزمره مردم جای خواهند گرفت.
مقبولیت عمومی مدل ها
از دید توسعه‌دهندگان هوش مصنوعی، مقبولیت عمومی یک مدل برای رسیدن به موفقیت، حیاتی است. بسیاری از کاربران بالقوه این روزها نسبت به سیستم‌های هوش مصنوعی چینی و آمریکایی با احتیاط برخورد می‌کنند، چرا که خطراتی مانند اجبار، نظارت و نقض حریم خصوصی از سوی این مدل]ا به صورت بالقوه وجود دارد و باعث عدم مقبولیت گسترده در میان مردم سراسر جهان هستند. تصور اینکه در آینده تنها هوش مصنوعی‌های داخلی برای دولت‌ها، کسب‌وکارها و مردم قابل اعتماد باشند، چندان دشوار نیست. برای مثال اگر ژاپن و اروپا بتوانند چنین مدل‌ها و سیستم‌هایی را ارائه دهند، در جلب اعتماد کشورهای جنوب جهانی موفق خواهند بود، اقدامی که چشم‌اندازی روشن با پیامدهای ژئوپلیتیک گسترده دارد.
هوش مصنوعی قابل اعتماد فقط به عدم سوگیری یا امنیتِ داده محدود نمی‌شود، بلکه در بلندمدت باید بر مبنای اصول انسانی ساخته شده باشد ،نه نسخه پیشرفته و یا جایگزین توانمندی‌های انسان. بنابراین اگر قدرت و مالکیت هوش مصنوعی تنها در دست چند نفر در دنیا باشد، نابرابری های اجتماعی عمیق‌تر شده و همبستگی اجتماعی را تخریب خواهد کرد.داستان هوش مصنوعی تازه آغاز شده و نباید به یک مسابقه انحصاری که تنها یک نفر برنده همه چیز است، تبدیل شود. اما نابرابری های ناشی از هوش مصنوعی می‌تواند در تمام جهان شکاف‌های پایداری را ایجاد کند؛ پس به نفع سازندگان آن است که مطمئن شوند این فناوری ابزاری قابل اعتماد برای توانمندسازی بیشتر انسان‌هاست، نه ابزاری فراگیر برای کنترل آن ها.
انتهای خبر/
دریافت صفحه با کد QR