چالش‌های پیش‌روی هوش مصنوعی برای پذیرش جهانی آن، جدی هستند. دو سال پس از معرفی پر سروصدای چت جی‌پی‌تی، به نظر می‌رسد کاربرد هوش مصنوعی به بن‌بست رسیده است.
با افزایش هزینه‌های تامین انرژی، ساخت و استفاده از مدل‌های بزرگ‌تر، قدم بعدی در مسیر پیشرفت دشوارتر می‌شود. به گزارش اکونومیست، آموزش بزرگ‌ترین مدل‌های زبانی امروزی حدود ۱۰۰ میلیون دلار هزینه دارد. نسل بعدی با کاربرد هوش مصنوعی احتمالا به ۱ میلیارد دلار و نسل بعد از آن به ۱۰ میلیارد دلار هزینه نیاز خواهد داشت.
احتمالاً با گذشت زمان، هزینه‌های مربوط به “استنتاج” مدل‌ها از هزینه آموزش فراتر خواهد رفت. در چنین شرایطی، چگونه صنعت هوش مصنوعی می‌تواند از نظر اقتصادی مقرون‌به‌صرفه باشد؟
با این حال، نگرانی جایگاهی ندارد. فناوری همیشه راه خود را پیدا می‌کند.
در طول تاریخ، بسیاری از فناوری‌ها با محدودیت‌هایی مواجه شده‌اند و به لطف خلاقیت انسان پیشرفت کرده‌اند. پیشرفت‌های هوش مصنوعی نیز نشان می‌دهد که چگونه محدودیت‌ها می‌توانند خلاقیت را شکوفا کنند. شرکت‌ها مشغول توسعه تراشه‌های اختصاصی برای انجام عملیات مورد نیاز در اجرای مدل‌های زبان بزرگ هستند.
تخصصی شدن پردازنده‌ها به این معناست که آنها می‌توانند کارآمدتر از پردازنده‌های همه منظوره مانند Nvidia عمل کنند. غول‌های تجاری مانند آلفابت، آمازون، اپل، متا و مایکروسافت در حال طراحی تراشه‌های اختصاصی هوش مصنوعی خود هستند.
صندوق‌های ثروت ملی در خاورمیانه به حامیان اصلی شرکت‌های محبوب فعال در حوزه هوش مصنوعی در سیلیکون ولی تبدیل شده‌اند.
کشورهای نفت‌خیز مانند عربستان، امارات، کویت و قطر به دنبال تنوع بخشیدن به اقتصاد خود هستند و برای کاهش ریسک، به سرمایه‌گذاری‌های تکنولوژیک روی آورده‌اند. سال گذشته، بودجه شرکت‌های هوش مصنوعی که توسط صندوق‌های ثروت کشورهای خاورمیانه تامین می‌شد، پنج برابر افزایش یافت.
سرمایه ۳.۵ تریلیون دلاری برای توسعه کاربرد هوش مصنوعی
بیشتر صندوق‌های سرمایه‌گذاری خطرپذیر، منابع کافی برای رقابت با مبالغ چند میلیارد دلاری شرکت‌هایی مانند مایکروسافت و آمازون ندارند. اما این صندوق‌های ملی مشکلی برای تامین مالی توسعه کاربرد هوش مصنوعی ندارند.
آنها به نمایندگی از دولت‌های خود سرمایه‌گذاری می‌کنند که افزایش قیمت انرژی در سال‌های اخیر به این موضوع کمک کرده است. بر اساس گزارش گلدمن ساکس، انتظار می‌رود مجموع ثروت کشورهای شورای همکاری خلیج فارس تا سال ۲۰۲۶ از ۲.۷ تریلیون دلار به ۳.۵ تریلیون دلار افزایش یابد.
با توجه به شکل پرسیدن سوال، آن مدل پاسخی به او داده بود که با نظر خودش همراه بود. او نیز سرخوش از چنین تاییدی، آن را نشانه‌ای از تایید نظریات نادرست خود می‌دانست.
چند نقد اساسی به مدل‌های هوش مصنوعی مولد و مدل‌های زبانی بزرگ وارد می‌شود. شاید مهم‌ترین نقد این باشد که ما مکانیزم داخلی این مدل‌ها را به‌خوبی نمی‌شناسیم که از این مشکل با عنوان “جعبه‌سیاه” یاد می‌شود. با وجود این، سال گذشته ابزارهای متنوعی برای فهم بهتر رفتار داخل این جعبه‌سیاه، توسعه‌یافته‌اند.
تاثیر کاربرد هوش مصنوعی بر رشد اقتصادی
رصد دقیق توسعه و تحولات کاربرد هوش مصنوعی، هم به خاطر اثر آن بر رشد اقتصادی و تحولات بازار کار و بازارهای مالی و هم به‌منظور استفاده در پژوهش‌های اقتصادی، ضروری است. هوش مصنوعی مولد، هرچند در ابتدای راه خود قرار دارد، تاکنون در صنایع مختلف انقلاب ایجاد کرده اما درک درست محدودیت‌ها و توانایی‌های آن نیز ضروری است و مقاومت در برابر آن می‌تواند ما را از پیشرفت بازدارد.
از امروز باید آموزش‌های مختلفی در سطوح گوناگون ارائه شود و در عین حال، باید از حداکثر ظرفیت این فناوری بهره‌برداری کرد تا خطاها و آسیب‌های آن زودتر شناسایی و اصلاح شوند.
معرفی مدل جدید o۱ توسط OpenAI در هفته اخیر بخش دیگری از کوه یخ هوش مصنوعی را نشان داد که به دنبال آن قابلیت‌هایی جدیدی مثل استدلال (reasoning) و مشاهده و تفسیرپذیری (observability and interpretability) نتایج را وارد بازار کرد.
به‌عنوان مثال، افرادی با سوءاستفاده از جعل عمیق (Deep fake) از راه شبیه‌سازی چهره و صدای افراد، موفق به کلاهبرداری یا اخاذی شده‌اند. اما قانون‌گذاری در هوش مصنوعی، با توجه به اینکه مثل هر تکنولوژی دیگری، می‌تواند استفاده‌های مفید یا مضر داشته باشد، بسیار سخت شده است.
افزایش بهره‌وری توسط هوش مصنوعی
از طرفی نمی‌توان توسعه هوش مصنوعی را محدود کرد و از طرف دیگر قطعا به قانون‌گذاری کافی برای جلوگیری از سوءاستفاده‌ها در این نقطه ابتدایی نیاز است. بعضی اقتصاددانان معتقدند با توجه به اینکه سایر متغیرهای تابع تولید به سرمایه‌گذاری و نوآوری‌های مکمل نیاز دارند تا بتوانند افزایش سرمایه نامشهود ناشی از رشد فناوری هوش مصنوعی را به بهره‌وری تبدیل کنند. نمی‌توان از انباشت دانش هوش مصنوعی انتظار داشت که حتما سبب رشد تولید و بهره‌وری شود.
از بین ابزارهای هوش مصنوعی مولد، مدل‌های بزرگ زبانی LLM (Large Language Models) تاثیرات مثبت خود بر رشد بهره‌وری را نشان داده‌اند. برخی محققان معتقدند که ابزارهای هوش مصنوعی بیشتر از افزایش بهره‌وری و ظرفیت‌های نیروی کار، کارمندان را با اتوماسیون جایگزین کرده‌اند و گاهی صرفا شکاف بین کارفرمای ماهر و نیمه‌ماهر را بیشتر کرده‌اند. دارون عجم‌اوغلو در مطالعه اخیر خود نشان داده که برخی از افزایش‌های ثبت‌شده در بهره‌وری صنایع تولیدی ایالات‌متحده با کاهش اشتغال که سریع‌تر از افزایش تولید بوده، مطابقت دارد.
هرچند می‌توان ادعا کرد که نشانه‌های امیدوارکننده‌ای از افزایش بهره‌وری با کاربرد هوش مصنوعی وجود دارد، هنوز خیلی زود است که بگوییم رشد بهره‌وری ناشی از هوش مصنوعی دقیقا چطور خواهد بود و چگونه اثر خود را نشان خواهد داد. اما شاید بتوان ادعا کرد با توجه به سرعت زیاد تغییرات فناوری، حداکثر بعد از یک دوره مشخص، اثر خود بر رشد و بهره‌وری را نشان خواهد داد.