آینده پژوهی فناوری هوش مصنوعی

دوران تکاملی هوش مصنوعی، سناریوهای آینده

هوش مصنوعی  یکی از فناوری­های کلیدی و اثر گذار بر جوامع و خلق نوآوری است. هوش مصنوعی ظرفیتی گسترده برای تغییر زندگی انسان‌ها و تحوّل‌های شگرف در ابعاد مختلف فردی، گروهی، سازمانی و حکومتی دارد. در آینده بسیار نزدیک به همان اندازه که صنعت فناوری اطلاعات از این فناوری متأثر می‌شود، بسیاری از صنایع دیگر نیز به آن متکی خواهند بود. در این شرایط، آینده پژوهشی فناوری هوش مصنوعی می­تواند سیاست‌گذاری، تصمیم‌گیری دولتی و خصوصی پیرامون توسعه، پذیرش و تنظیم­گری فناوری هوش مصنوعی را هدایت نماید. در همین راستا باتوجه به اهمیت آینده پژوهشی، در مقاله حاضر دیدگاه­ها و سناریوهای مطرح در خصوص آینده فناوری هوش مصنوعی مورد بررسی قرار گرفته است. 

کلیدواژه­ ها: روند توسعه هوش مصنوعی، آینده پژوهی، سناریوها

هوش مصنوعی در سال 1956، به‌عنوان رشته‌ای دانشگاهی با اهداف و مأموریت‌هایی خاص ظهور کرد. تحقیقات اولیه هوش مصنوعی به‌شدت از فلسفه، نظریه‌های منطق و تخیل متأثّر بود. بعدها دامنه هوش مصنوعی به کاربرد، تأثیرات، جلوه‌ها و موقعیت‌های استفاده تغییر یافت. آن‌چنان‌که در نگاره 1 نمایان است دوران تکاملی هوش مصنوعی شامل مراحلی به شرح زیر بوده است: مرحله نوزادی (1956-1980)؛ مرحله صنعتی‌شدن (1980-2000)؛ و مرحله شکوفایی (2000-2018)[1].

نگاره 1. بزنگاه‌های تاریخی توسعه هوش مصنوعی[1].  

توسعه سریع هوش مصنوعی عمیقاً جهان را تغییر می‌دهد. بااین‌حال، کاربرد هوش مصنوعی با موارد استفاده واقعی آن هنوز فاصله زیادی دارد. گزارشات حاکی از این است که تا سال 2018، فقط چهار درصد از شرکت‌ها در زمینه هوش مصنوعی سرمایه‌گذاری و آن را به‌کار می‌گرفتند[2]. بیشتر شرکت­ها هنوز هوش مصنوعی را نظاره و برای آن برنامه‌ریزی می‌کنند. صنعت ارتباطات، یکی از صنایع در حال رشد در جهان است. از زمان معرفی تلفن در سال 1876، این صنعت مجموعه‌ای از نوآوری­‌های فزاینده را پشت سر گذاشته است. اولین کاربرد هوش مصنوعی در ارتباطات، در دهه 1980 انجام شد و تمرکز آن بر سیستم خبره بود[3] . نرم‌افزارهای کاربردی هوش مصنوعی نیز برای بهبود عملیات و نگهداری شبکه­ها و خدمات ارتباطاتی به کار گرفته شدند. پس از سال 2000، تمرکز صنعت ارتباطات از خدمات اولیه تلفن و اینترنت به شبکه­های مجهز به فناوری پیشرفته و داده‌محور تغییر یافت [1]. این تغییر، منجر به تغییر خدمات از تماس صوتی به ویدئو و داده شد. اپراتورها در جهان به کشف کاربرد فناوری هوش مصنوعی اقدام کردند و در برخی از زمینه­ها به نتایج خوبی دست یافته­اند؛ برای مثال، AT&T در حال بررسی چگونگی استفاده از الگوریتم­های هوش مصنوعی در فعال‌سازی پهپادها (هواپیماهای بی‌سرنشین) به‌منظور بررسی، تعمیر ایستگاه‌ها و دکل­­های مخابراتی است [1].

SK در کره جنوبی از یادگیری ماشینی برای تحلیل ترافیک شبکه، شناسایی و تشخیص ناهنجاری‌ها و تقویت عملیات شبکه استفاده می‌کند. بررسی­ها نشان می­دهد مطالعات گسترده و عمیقی پیرامون بکارگیری راهکارهای مبتنی بر هوش مصنوعی برای حل مسائل  شبکه‌های مخابراتی  در حال انجام است[4]. پذیرش هوش مصنوعی در این عرصه به‌سادگی پذیرش افزونه‌ها^[1] و بازی‌ها نیست. راهبرد توسعه هوش مصنوعی، از جمع‌آوری داده‌ها تا طراحی معماری سازمانی و چگونگی اولویت‌بندی پروژه‌های هوش مصنوعی، به‌اندازه خود فناوری هوش مصنوعی پیچیده است.

آینده ­های متصور برای فناوری هوش مصنوعی   

آینده پژوهشی در حوزه فناوری هوش مصنوعی از جنبه­های مختلفی قابل بررسی است. مطالعه اوربنک و همکارانش (2021)، تصویری از آینده هوش مصنوعی و یادگیری ماشین با توصیف چهار موج به‌شرح زیر ارائه می‌کند[5]:

موج اول: رویدادهای گذشته تاکنون هوش مصنوعی را در بر می‌گیرد.

موج دوم: پیشرفت‌هایی در یادگیری ماشین، به‌ویژه معماری‌های شبکه­های عصبی عمیق  مشاهده می­شود و همچنین، افزایش تصاعدی در توان محاسباتی موجود و دسترسی به مجموعه‌های کلان‌داده میسّر می­گردد. انتظار می‌رود این روند در 5 سال آینده ادامه یابد و مزایای بیشتری را برای حوزه‌های کاربردی تخصصی‌تر به ارمغان بیاورد.

موج سوم: یکپارچگی اطلاعات زمینه‌ای و دانش رایج[2] را در برمی‌گیرد که در 10 سال آینده، احتمالاً رخ خواهد داد.

موج چهارم: حرکت به‌سوی هوش همتراز انسان[3] است که بازه زمانی برآوردی برای آن تا 2040 خواهد بود.

تأمل بیشتر در مورد آینده هوش مصنوعی ایده‌ها و سناریوهای متنوعی را ایجاد می‌کند. در نگاه اتوپیایی^[4] با حضور ماشین‌های متفکر فوق‌هوشمند^[5] مشکلاتی حل می‌شوند که پیشتر حل آنها برای انسان‌ها بسیار سخت بود؛ از چالش‌های مدیریت زیست‌محیطی و پایداری گرفته تا منابع انرژی پیشرفته، روش‌های تولید، انواع جدید ارتباطات غیر خشونت‌آمیز و دنیای جدید سرگرمی، پیشرفت‌های پزشکی و زیستی که وحشتناک‌ترین بیماری‌ها و حتی پیری و مرگ را مداوا می‌کند[6]

هرچند، در اهداف دیستوپیایی^[6]، ارتش‌های روباتیک، کارآمد و کاملاً فاقد شفقت در هر زمینه با فراوانی زیاد وجود دارند. در این حالت، آینده ازسوی شمار اندکی فرد تشنه قدرت، ظالم و با ناامیدی عمومی از آزادی یا انقلاب تسخیر شده است. بدتر از آن، اگر سیستم‌های مصنوعی فوق‌هوشمندی بسازیم و نتوانیم آنها را با منافع بشریت هماهنگ کنیم، ممکن است فرایندی از بهینه‌سازی بی‌امان را ایجاد کنیم که (به تدریج یا به سرعت) سیاره ما را به محیطی غیرقابل سکونت برای انسان تبدیل می‌کند[6].

خطر تصویرسازی اتوپیایی و دیستوپیایی افراطی از آینده فناوری آن است که چیزی را ترسیم می‌کنند که درو اندی، زیست‌شناس، آن را «لوله عذاب نصف و نیمه^[7]» می‌نامد؛ نوعی از پویایی که در آن تمام توجه بر روی این دیدگاه‌های افراطی متمرکز می‌شود؛ از این رو، توجه به فضاهای مختلف و پیچیده مابین این حالت‌های افراطی ضروری است.

در این انقلاب فناوری، انسان صرفاً نظاره‌گر نیست. از میان آینده‌های پیش رو، آینده‌هایی خواهند بود که خودمان ساخته‌ایم؛ عاملانه یا منفعلانه. برای انجام اقدامی معنادار، باید با گستره‌ای از جایگزین‌ها، نقاط مداخله، نقشه‌ای از بازیگران قدرتمند و چارچوب‌های نقد آماده باشیم.

به طور کلی پیش‌بینی آینده هوش مصنوعی دشوار است. هوش مصنوعی تحول‌آفرین‌ترین فناوری چند دهه اخیر است. ماهیت همه منظوره این فناوری، مانند برق یا اینترنت، درک کامل میزان تأثیر بالقوه آن بر آینده ما را بسیار دشوار می‌کند. این مهم فقط به توسعه خود فناوری مربوط نمی‌شود، بلکه به توسعه محیط سیاسی و اجتماعی-اقتصادی آن نیز مربوط می‌شود. برای مثال، در شرایطی که در حال حاضر حجم بی‌سابقه‌ای از داده‌ها جمع‌آوری می‌شود، چه مقدار از آن داده‌ها برای الگوریتم‌ها رایگان خواهند بود؟ آیا قوانین و مقرراتی در مورد طراحی و استفاده از الگوریتم ها وجود خواهد داشت؟ آیا قدرت زیاد شرکت‌های بزرگ فناوری که دانش هوش مصنوعی در جهان را کنترل می‌کنند، محدود خواهد شد؟ دولت‌ها در کل این فرایند چه نقشی خواهند داشت: محرک‌های نوآوری بی حد و حصر یا حامیان حریم خصوصی و اخلاق هوش مصنوعی؟ پرسش‌های زیادی و در نتیجه سناریوهای متعدّدی برای توسعه هوش مصنوعی وجود دارد و می‌توان گفت: آینده کاملی برای هوش مصنوعی وجود ندارد[7]. ج داسازی BP به یک م componentلفه متفاوت عملکرد رادیویی مناسب را تضمین می کند در حالی که اجازه تغییر برنامه و سیستم عامل را می دهد.Separating the BP into a different component ensures proper radio performance while allowing the program and operating system to be changed.

باید توجّه داشت که ماهیت هوش مصنوعی و محیط سیاسی آن، پیش‌بینی‌ها را دشوار می‌کند. پیش‌بینی توسعه فناوری هوش مصنوعی همه‌منظوره، دشوارتر از پیش‌بینی تغییرات فناوری با برنامه‌های خاص، مانند برخی از فناوری‌های نوظهور دیگر چون واقعیت مجازی یا هواپیماهای بی‌سرنشین است. ماهیت کلی هوش مصنوعی و این واقعیت که کاربردهای بی‌شماری دارد، نااطمینانی‌های متعدد را ایجاد می‌کند و تصویر ما را از آینده پیچیده می‌کند. در گزارش pwc، دو نااطمینانی پیرامون آینده هوش مصنوعی به‌شرح زیر مطرح شده است[7]:

1- مقررات محتاطانه در مورد هوش مصنوعی یا تمرکز بر نوآوری: داده‌ها رکن اصلی توسعه هوش مصنوعی هستند. داده­ها باید در دسترس و قابل استفاده برای آموزش مدل­های هوش مصنوعی باشند. این امر مقررات حفظ حریم خصوصی داده‌ها را در خط مقدم همه ابهامات تعیین‌کننده آینده هوش مصنوعی قرار می دهد.

2- فشار فعال دولت یا هوش مصنوعی مبتنی بر صنعت: موضعی که دولت‌ها در قبال هر فناوری در حال توسعه اتخاذ می‌کنند، اثری بسیار قوی بر آثار نهایی آن فناوری دارد. در حالی که تنظیم‌گران مرزهای گسترده‌تری را برای توسعه و کاربرد هوش مصنوعی ازسوی کسب‌وکارها تعیین می‌کنند، دولت‌ها وظیفه‌ای سنگین و نقشی اثرگذار خواهند داشت و ابزارهای گسترده‌تری برای اثرگذاری بر آینده هوش مصنوعی در اختیار دارند. دولت‌های می‌توانند زمینه‌های تمرکز را برای هوش مصنوعی تعیین کنند؛ همچون: چه حوزه‌هایی را تشویق کنند؛ چگونه تحقیق و نوآوری را پیش ببرند؛ چگونه بر پذیرش کاربر و توسعه استعدادها اثر بگذارند. سطح مشارکت آنها می‌تواند بسیار متفاوت باشد؛ (از ساختاری کاملاً آزاد که در آن دولت‌ها کنترلی اندک دارند یا اصلاً کنترل ندارند، تا مشارکت فعال با راهبرد‌های ملی، برنامه‌های تشویقی و سرمایه‌گذاری‌های مستقیم). دولت‌های متعددی در حال شکل‌دهی راهبردهای ملی هوش مصنوعی هستند. این راهبرد‌ها معمولاً شامل تعهد بلندمدت به سرمایه‌گذاری در هوش مصنوعی هستند. اغلب این طرح‌ها بسیار جدید هستند و نمی‌توان گفت که چه تأثیری خواهند داشت؛ از این‌رو، نقش دولت را به‌عنوان یک نااطمینانی کلیدی می‌توان در نظر گرفت. دولت‌ها می‌توانند مقدار پولی که برای هوش مصنوعی خرج می‌شود را افزایش دهند و می‌توانند نقشی فعال در تعیین محل سرمایه‌گذاری داشته باشند؛ همچنین، می‌توانند با توسعه یا محدود کردن حوزه نفوذ شرکت‌های بزرگ فناوری، اثرگذار باشند.

با توجّه به دو نااطمینانی بیان‌شده، چهار سناریو احتمالا آینده فناوری هوش مصنوعی را شکل می دهد[7]. نقاط تمرکز سناریوها پاسخ به سؤالاتی به شرح زیر است:

هوش مصنوعی چگونه توسعه می‌یابد؛ تمرکز دولت‌ها و تنظیم‌گران بر چیست؛ ساختار بازار چگونه خواهد بود؛ تأثیر کلی استفاده از هوش مصنوعی بر اقتصاد، صنایع و مصرف‌کنندگان چه خواهد بود. نگاره 2، این چهار سناریو را با چشم‌اندازی از سال 2025 نشان می‌دهد.

نگاره 2. سناریوهای آینده هوش مصنوعی[7]

سناریو1-هوش مصنوعی پایدار[8]:

در این سناریو، دولت موضع محافظه‌کارانه خود را در مورد مقررات هوش مصنوعی حفظ خواهد کرد. قوانین حفظ حریم خصوصی داده‌ها به طور دقیق تفسیر می‌شوند و حریم خصوصی افراد را در مرکز همه بحث‌ها حتی به قیمت تأخیر در نوآوری حفظ می‌کنند. بند‌های بیشتری به مقررات اضافه می‌شود؛ شرکت‌هایی که بیش از حد از دستورالعمل‌ها دور می‌شوند، جریمه‌های سنگینی خواهند داشت و هزینه‌های مربوط به هوش مصنوعی را افزایش می‌دهند. مقررات محتاطانه به سکو‌های گردآوری داده‌ها محدود نمی‌شود و دستورالعمل‌های خاصی در رابطه با الگوریتم‌ها نیز ظاهر می‌شود. همزمان با فشار دولت در ایجاد مقررات محتاطانه و افزایش هزینه‌های توسعه و انطباق برای شرکت‌ها، برخی از ظرفیت‌های رشد هوش مصنوعی محدود می‌شود.

سناریو 2- هوش مصنوعی رشدمحور[9]:

در این سناریو نقش دولت در توسعه و پذیرش هوش مصنوعی بسیار فعال خواهد بود. این امر شامل تدوین سیاست‌های ملی هوش مصنوعی، راه‌اندازی نهادهای اجرایی با مسئولیت‌های خاص برای پیشبرد هوش مصنوعی، توسعه مهارت‌های لازم با همکاری دانشگاه‌ها، حمایت از تحقیقات و سرمایه‌گذاری فعال در توسعه هوش مصنوعی است. سرمایه‌گذاری در فناوری‌های افزایش حریم خصوصی برای اطمینان از مزیت رقابتی انجام می‌شود. علاوه بر نقش فعال دولت در تحریک هوش مصنوعی، این سناریو رویکردی انعطاف‌پذیر از تنظیم‌گر‌ها در زمینه هوش مصنوعی را در نظر می‌گیرد: مقررات تسهیل‌کننده به نوآوران اجازه آزمایش و هدایت سرمایه‌گذاری‌ها را در جهت درست می دهد.

سناریو 3- هوش مصنوعی محتاط[10]:

با رویکرد نظارتی محتاطانه در این سناریو، تنظیم‌گران به اعمال دیدگاه نظارتی محتاطانه خود در مورد هوش مصنوعی، از استفاده از داده‌ها و حریم خصوصی گرفته تا الگوریتم‌ها و تأثیر آنها، ادامه می‌دهند. همانطور که آموخته‌های حاصل از توسعه و استفاده از هوش مصنوعی افزایش می‌یابد، تنظیم‌گران به طور مستمر در استانداردها تجدیدنظر می‌کنند و مصرف‌کنندگان را در مرکز راهبرد خود نگه می‌دارند. در حالی که توسعه هوش مصنوعی به بازار واگذار می‌شود، همچنان سهم قابل توجهی در مدیریت سیاست‌های هوش مصنوعی ازسوی دولت‌ها وجود خواهد داشت. در این سناریو، دولت‌ها بازار هوش مصنوعی مبتنی بر صنعت را تشویق می‌کنند و به طور فعال به توسعه هوش مصنوعی نمی‌پردازند. این می‌تواند به معنای سرمایه‌گذاری اندک یا بی هدایت دولت در هوش مصنوعی باشد. ازسویی، شرکت‌ها با هزینه‌های انطباق بالایی سر و کار دارند. محدودیت‌های نظارتی بر روی داده‌ها و الگوریتم‌ها، تقریباً به طور مستقیم بر توسعه و امکان‌سنجی در مقیاس بزرگ برنامه‌های کاربردی جدید تأثیر می‌گذارد؛ زیرا، شرکت‌های فناوری، استارت‌آپ‌ها و متصدیان را به طور یکسان مجبور می‌کند تا به دقت به بررسی حوزه‌هایی بپردازند که در آن سرمایه‌گذاری می‌کنند. بررسی دقیق حوزه‌های سرمایه‌گذاری به دلیل فقدان مشوق‌های دولت و مراحل تحقیق و توسعه بالقوه گران‌قیمت و مقررات سخت‌گیرانه به معنای هزینه‌های بالای انطباق، تعیین‌کننده خواهد بود. هر حوزه کاربردی جدید هوش مصنوعی ابتدا باید مورد ارزیابی قرار گیرد تا اطمینان حاصل شود که هیچ مشکل احتمالی استفاده از داده در آن وجود ندارد. هر برنامه کاربردی در مسیر تجاری‌سازی ابتدا باید برای سوگیری‌های احتمالی آزمایش شود تا اطمینان حاصل شود که نه‌تنها با مقررات فعلی، بلکه با مقررات احتمالی آینده نیز مشکلی در انطباق وجود ندارد.

سناریو4-هوش مصنوعی تجربی[11]:

با مقررات متمرکز بر نوآوری در این سناریو، تنظیم‌گران ملی دیدگاهی رویایی در مورد نوآوری هوش مصنوعی خواهند داشت. تمرکز مقررات بر تشویق نوآوری‌ها خواهد بود، در حالی که تنظیم‌گران جزئیات مربوط به برنامه‌های کاربردی هوش مصنوعی در حال توسعه را بررسی می‌کنند. تمرکز بر نوآوری هوش مصنوعی می‌تواند شامل معافیت‌های بیشتری برای استفاده از داده‌ها باشد که به شرکت‌ها اجازه می‌دهد تا با سرعت بالایی نوآوری کنند. با توجه به اینکه قوانین داده‌ها و حریم خصوصی در این سناریو ذاتاً ضعیف هستند، اعتماد مصرف‌کنندگان به هوش مصنوعی آسیب خواهد دید.

در این سناریو، توسعه هوش مصنوعی ازسوی بازار هدایت می‌شود. در محور دیگر، دولت‌ها بازاری مبتنی بر صنعت را برای هوش مصنوعی تشویق می‌کنند. بر این اساس، در حالی که دولت‌ها رشد هوش مصنوعی را با معرفی مقررات خاص محدود نمی‌کنند، به طور فعال توسعه یا پذیرش آن را تشویق نمی‌کنند. موضع اکثر دولت‌ها در این سناریو، تضمین حداقل مداخله خواهد بود. استارت‌آپ‌ها و همچنین شرکت‌های بزرگ ، فناوری یا محصول برگزیده را انتخاب می‌کنند و توسعه هوش مصنوعی را پیش خواهند برد. در همین راستا، برنامه‌هایی که بیشترین بازده سرمایه‌گذاری را برای سهامداران دارند، مواردی هستند که در اولویت قرار می‌گیرند. با توجه به اینکه هوش مصنوعی هنوز در مراحل اولیه توسعه است، بر اساس این سناریو ممکن است سرمایه‌گذاری‌های کلان به سوی برنامه‌هایی روانه شوند که هنوز امکان‌سنجی تجاری یا حتی فنی را انجام نداده‌اند؛ زیرا شرکت‌ها در زمینه‌های مختلف آزمایش و بررسی می‌کنند. در نهایت، بازار تعیین خواهد کرد که کدام برنامه‌ها از بیشترین ظرفیت برخوردارند؛ در حالی که توسعه سایر موارد بی توجه به مزایای اجتماعی آنها متوقف می‌شود.

نتیجه ­گیری

پیش­بینی آینده فناوری هوش مصنوعی موضوعی چالش برانگیز و بااهمیت است. در همین راستا پژوهشگران و مؤسّسه‌های تحلیلی و مشاوره‌ای در سراسر جهان به تصویرسازی از آینده هوش مصنوعی به شیوه‌های گوناگون پرداخته‌اند. تحلیل‌ها و دسته‌بندی‌های متفاوتی از آینده هوش مصنوعی مطرح شده است؛ در این مقاله، مهمترین یافته‌ها و سناریوهای آینده هوش مصنوعی ارائه شدند.  امید است یافته­های این پژوهش در خصوص تنظیم سیاست­ها و طرح اقدامات پیرامون نحوه توسعه هوش مصنوعی در کشور یاری رساند.

منابع

[1]    H. Chen, L. Li, and Y. Chen, “Explore success factors that impact artificial intelligence adoption on telecom industry in China,” Journal of Management Analytics, vol. 8, no. 1. pp. 36–68, 2021

[2]    CAICT and Gartner, “2018 World Artificial Intelligence Industry Development Blue Book, ” in 2018 World Artificial Intelligence Conference, 2018. Retrieve from http://www.caict.ac.cn/kxyj/qwfb/bps/201809/P020180918696200669434.pdf

[3]    J. Qi, F. Wu, L. Li, and H. Shu, “Artificial intelligence applications in the telecommunications industry, ” Expert systems., vol. 24, no. 4, pp. 271–291., 2007.” .

[4]    T. Zhang, H. Qiu, M. Mellia, Y. Li, H. Li, and K. Xu, “Interpreting AI for Networking: Where We Are and Where We Are Going,” IEEE Communications Magazine., vol. 60, no. 2, pp. 25–31, 2022

[5]    R. Urbanke et al., “ Future of machine learning and artificial intelligence, ” pp. 1–3, 2021.” .

[6]    S. Avin, “Exploring artificial intelligence futures, ” Artificial Intelligence Humanities, vol. 2, 2019.

[7]    O. Acker et al., “The many futures of Artificial Intelligence, ” PWC report . March, 2020.

---

پی‌نوشت

[1] Plug-in

[2] common-sense knowledge

[3] human level intelligence

[4] utopian

[5] super-intelligent thinking machines

[6] dystopian

[7] the half pipe of doom

[8] Sustainable AI

[9] growth focused AI

[10] cautious AI

[11] experimental AI