عملکرد هوش مصنوعی در برخی موارد از انسان بهتر شد!

مشخصات

منتشر شده در یکشنبه, 30 ارديبهشت 1403 08:41

تعداد بازدید: 80

 پس از تبدیل شدن «ChatGPT» به یکی از سرویس‌های عام فناورانه در اواخر سال ۲۰۲۲، ابزارهای هوش مصنوعی و مدل‌های زبانی بزرگ (LLM) به سرعت توسعه یافتند.

تأثیر هوش مصنوعی بر جامعه به شکل چشمگیری افزایش یافته است. پس از تبدیل شدن «ChatGPT» به یکی از سرویس‌های عام فناورانه در اواخر سال ۲۰۲۲، ابزارهای هوش مصنوعی و مدل‌های زبانی بزرگ (LLM) به سرعت توسعه یافتند. ظهور این مدل‌ها باعث دگرگونی صنایع و بسیاری از جنبه‌های زندگی مدرن شد.

براساس گزارش شاخص هوش مصنوعی دانشگاه استنفورد، عملکرد هوش مصنوعی حتی برخی مواقع از انسان بهتر بوده، بهره‌وری نیروی کار را افزایش داده و به تولید باکیفیت‌تر کمک کرده است.

در این گزارش از دانشگاه استنفورد ، روندهایی مانند پیشرفت‌های فنی در هوش مصنوعی، درک عمومی از فناوری و پویایی‌های ژئوپلیتیکی توسعه آن بررسی شده است. در ادامه به بررسی ۱۰ نکته کلیدی این گزارش می‌شود.

1. عملکرد بهتر هوش مصنوعی نسبت به انسان

هوش مصنوعی از سال ۲۰۲۳، در برخی شاخص‌ها، از جمله دسته‌بندی تصاویر، استدلال بصری و درک زبان انگلیسی، عملکرد بهتری نسبت به انسان از خود نشان داده است. با این حال، هنوز برخی از کارها هستند که توانایی هوش مصنوعی در آن‌ها بیشتر از انسان نیست. وظایف ادراکی پیچیده مانند طراحی، تفسیر و تحلیل تصاویر و ویدیوها و ریاضیات از جمله این موارد هستند.

1. تقدم مدل‌های هوش مصنوعی صنعتی نسبت به مدل‌های دانشگاهی

تا سال ۲۰۱۴، دانشگاه‌ها در عرصه توسعه مدل‌های یادگیری ماشین پیشرو بودند. این روند طی سال‌های اخیر تغییر یافته است. بر اساس داده‌های آماری، در سال ۲۰۲۳، ۵۱ مدل یادگیری ماشین توسط صنعت و تنها ۱۵ مدل توسط دانشگاه‌ها تولید شد. جالب توجه است که ۲۱ مدل هوش مصنوعی برجسته این سال در نتیجه همکاری دانشگاه و صنعت توسعه یافته است که دستاوردی حائز اهمیت محسوب می‌شود.

ایجاد مدل‌های پیشرفته هوش مصنوعی به مقدار قابل توجهی داده، توان محاسباتی و منابع مالی نیاز دارد که معمولاً در دانشگاه قابل دسترسی نیست.

1. افزایش هزینه مدل‌های هوش مصنوعی پیشرفته

آموزش و اجرای یک مدل زبانی بزرگ ارزان نیست. براساس برآوردهای دانشگاه استنفورد در گزارش «AI Index»، هزینه آموزش مدل‌های پیشرو هوش مصنوعی در طول سال‌های اخیر به میزان قابل توجهی افزایش یافته است. برای مثال، هزینه آموزش «GPT ۴» حدود ۷۸ میلیون دلار و «Gemini Ultra» ۱۹۱میلیون دلار برآورد شده است.

این در حالی است که در سال ۲۰۱۷، هزینه آموزش مدل اصلی ترنسفورمر[۱]، مرجع معماری پایه همه مدل‌های زبان بزرگ مدرن، حدود ۹۰۰ دلار بوده است.

1. برتری ایالات متحده در ساخت مدل‌های هوش مصنوعی

تحقیقات صورت گرفته حاکی از آن است که ایالات متحده در سال ۲۰۲۳، با در اختیار داشتن ۶۱ مدل برجسته از ۲۱ مدل اتحادیه اروپا و ۱۵ مدل چین پیشی گرفته است. این کشور از سال ۲۰۰۳ نسبت به سایر مناطق جغرافیایی مدل‌های بیشتری تولید کرده است.

1. عدم وجود گزارش شاخص استانداردشده برای هوش مصنوعی مسئولیت‌پذیر

اثربخشی شاخص‌ها در خصوص ابزارهای هوش مصنوعی تا حد زیادی به رویکرد استاندارد و کاربرد آن‌ها بستگی دارد. با این حال، تحقیقات انجام‌شده فقدان گسترده استانداردسازی در گزارش‌های هوش مصنوعی مسئولیت‌پذیر (responsible AI) را نشان می‌دهد. برای مثال، توسعه‌دهندگان مهم، از جمله اوپن ای آی، گوگل و انتروپیک، در درجه اول مدل‌های خود را نسبت به شاخص‌های مختلف هوش مصنوعی ارزیابی می‌کنند. مقایسه مدل‌های آزمایشی مختلف بر روی شاخص‌های متفاوت پیچیده است؛ زیرا شاخص‌های منحصر بفرد ماهیت به‌خصوصی دارند. سنجش شاخص استاندارد برای افزایش شفافیت در مورد قابلیت‌های هوش مصنوعی ضروری است.

1. رشد چشمگیر سرمایه‌گذاری در هوش مصنوعی مولد

در سال ۲۰۲۳، میزان کل سرمایه‌گذاری خصوصی در هوش مصنوعی، کاهش و بودجه هوش مصنوعی مولد به شدت افزایش یافته است. این بخش در سال گذشته ۲۵,۲ میلیارد دلار جذب کرده که تقریباً ۹ برابر سرمایه‌گذاری در سال ۲۰۲۲ و حدود ۳۰ برابر میزان سرمایه‌گذاری در سال ۲۰۱۹ است. این فناوری تحول‌آفرین بیش از یک‌چهارم کل سرمایه‌گذاری خصوصی مرتبط با هوش مصنوعی در سال ۲۰۲۳ را به خود اختصاص داده است.

1. نقش هوش مصنوعی در افزایش بهره‌وری نیروی کار و تولید با کیفیت‌تر

در حالی که استفاده از هوش مصنوعی بدون نظارت مناسب می‌تواند منجر به کاهش دستاوردهای این فناوری شود، مطالعات متعددی که تأثیر هوش مصنوعی بر نیروی کار را ارزیابی می‌کنند، نشان می‌دهند که فناوری مذکور نیروی کار را قادر می‌سازد وظایف را سریع‌تر انجام دهند و کیفیت خروجی‌هایشان را بهبود بخشند. این مطالعات همچنین ظرفیت بالایی برای هوش مصنوعی در پرکردن شکاف مهارتی بین کارگران کمتر ماهر و متخصص در نظر می‌گیرد.

1. نقش فزاینده هوش مصنوعی در پیشرفت ‌ های علمی

بر اساس شاخص هوش مصنوعی استنفورد، در حالی که سال ۲۰۲۲ سال پیشرفت اکتشافات علمی توسط هوش مصنوعی بود، سال ۲۰۲۳ با جهش‌های بیشتری در زمینه راه‌اندازی برنامه‌های هوش مصنوعی علمی همراه بوده است. برای مثال می‌توان به تولید «Synbot»[۲] و «GNoME»[۳] اشاره کرد.

1. افزایش تنظیم‌گری هوش مصنوعی در ایالات متحده

در سال ۲۰۲۳، ۲۵ مورد مقررات تنظیم‌گرانه مربوط به هوش مصنوعی در ایالات متحده تصویب شد که تعداد کل آن‌ها را ۵۶,۳ درصد افزایش داد. این در حالی است که در سال ۲۰۱۶ تنها یک مورد وجود داشت. تعداد مقررات تنظیم‌گرانه‌ای که اتحادیه اروپا در خصوص هوش مصنوعی تصویب کرده است، از ۲۲ مورد در سال ۲۰۲۲ به ۳۲ مورد در سال ۲۰۲۳ افزایش یافته است.

1. افزایش آگاهی و نگرانی مردم نسبت به تأثیر هوش مصنوعی

این گزارش شامل اطلاعاتی از نظرسنجی «Ipsos» است که نشان می‌دهد، در سال گذشته نسبت افرادی که معتقد بودند هوش مصنوعی به طور چشمگیری در سه تا پنج سال آینده بر زندگیشان تأثیر می‌گذارد، از ۶۰ درصد به ۶۶ درصد افزایش یافته است.

نارضایتی نسبت به محصولات و سرویس‌های هوش مصنوعی نسبت به سال ۲۰۲۲، ۱۳درصد بیشتر شده است. این گزارش همچنین به داده‌های مرکز پیو استناد می‌کند که نشان می‌دهد، ۵۲ درصد از آمریکایی‌ها بیش از آن که هیجان‌زده باشند نسبت به هوش مصنوعی احساس نگرانی دارند. این در حالی است که این رقم در سال ۲۰۲۲، ۳۸ درصد بوده است.

• < قبلی
• بعدی >