پس از یک سال تبلیغات بی‌نفس، هوش مصنوعی در سال ۲۰۲۴ با واقعیت روبرو خواهد شد

هوش مصنوعی در سال ۲۰۲۳ به جریان اصلی تبدیل شد. نقطه عطف در پایان سال قبل و با انتشار ChatGPT در ۳۰ نوامبر فرا رسید. تنها دو ماه بعد، سیستم OpenAI به حدود ۱۰۰ میلیون کاربر فعال رسید. به گفته تحلیلگران بانک سرمایه گذاری UBS، چت ربات خبرساز تبدیل شده بود سریعترین رشد برنامه مصرف کننده تمام دوران

در طول دوره باقی مانده از سال ۲۰۲۳، قطار هایپ در حال حرکت بیش از حد بود. ناگهان به نظر می رسید که هوش مصنوعی همه جا را فرا گرفته است. داشت زندگی ما را متحول می کرد. داشت کار ما را می گرفت. حتی تهدید کننده بود که باعث شود یک آخرالزمان.

با این حال، در واقعیت، پیشرفت‌ها تا حد زیادی در یک بخش ظاهر شده‌اند هوش مصنوعی: هوش مصنوعی مولد. هیجان ناشی از متن ChatGPT، کد GitHub Copilot و تصاویر Stable Diffusion هنوز در سراسر میدان پخش نشده است.

مک‌کینزی در گزارش خود در پایان گفت: «در حالی که استفاده از GenAI ممکن است به پذیرش سایر ابزارهای هوش مصنوعی منجر شود، ما شاهد افزایش معنی‌دار کمی در پذیرش این فناوری‌ها توسط سازمان‌ها هستیم. وضعیت هوش مصنوعی در سال ۲۰۲۳.

درصد سازمان‌هایی که از هر ابزار هوش مصنوعی استفاده می‌کنند از سال ۲۰۲۲ ثابت مانده است و پذیرش در تعداد کمی از عملکردهای تجاری متمرکز است.

هوش مصنوعی مولد نیز هنوز چیزهای بیشتری برای اثبات دارد. در تحقیقات اخیر Infosys، غول فناوری اطلاعات هند دریافته است که تنها ۶ درصد از شرکت های اروپایی با موارد استفاده GenAI خود ارزش تجاری تولید می کنند. در چرخه تبلیغاتی معروف گارتنر برای فناوری‌های نوظهور، زیربخش به «اوج انتظارات متورم» رسیده است.

مرحله بعدی چرخه برای GenAI، «تغارگاه سرخوردگی» است. در آن مرحله، با شکست آزمایش‌ها و پیاده‌سازی‌ها، علاقه کاهش می‌یابد، در حالی که تولیدکنندگان فناوری از بین می‌روند یا شکست می‌خورند.

هشدار گارتنر در گفتگوهای ما با خودی های فناوری اروپایی تکرار شد. در سال ۲۰۲۴، آنها انتظار یک رویکرد محتاطانه و عملگرایانه برای پذیرش هوش مصنوعی دارند.

آدی آندری، مدیر بخش بریتانیا گفت: «اتاق های هیئت مدیره نیاز به مدرکی دارند که نشان دهد این سرمایه گذاری ها نتیجه نهایی را افزایش می دهد. فن آوری و یک دانشمند ارشد سابق داده در ناسا. پول و تلاش زیادی برای کسب درآمد از ChatGPT و راه‌حل‌های مشابه GenAI انجام شده است، اما نتایج آن کم است.»

یکی از کاستی های مهم این است عدم دقت ناشی از هوش مصنوعی توهمات. در حالی که متن قابل توجه تولید شده توسط مدل های زبان بزرگ (LLM) پوششی از دلیل ارائه می دهد، در زیر سطح آنها صرفاً ترتیب احتمالی کلمات مختلف را محاسبه می کنند. این شانس ها همیشه نتایج قابل اعتمادی ارائه نمی دهند.

آندری گفت: «چنین هوش سطحی همیشه ارزشمند و قابل اعتماد نیست و صنعت در حال بیدار شدن از واقعیت است.

ورود به فضاهای جدید

با وجود چالش ها، انتظار می رود GenAI در سال ۲۰۲۴ وارد طیف رو به رشدی از صنایع شود.

طبق تحقیقات مک کینزی، کسب و کارهایی که به کار دانشی متکی هستند بیشترین سود را دارند. این شرکت مشاوره انتظار دارد شرکت‌های فناوری بیشترین سود را ببرند و معادل ۹ درصد از درآمد صنعت جهانی را به آن اضافه کنند. سایر بخش‌هایی که برای نقدینگی در نظر گرفته شده‌اند عبارتند از: بانکداری (تا ۵%)، داروسازی و محصولات پزشکی (همچنین تا ۵%)، و آموزش (تا ۴%).

«ناظران بازار چیز دیگری برای بررسی پیدا می‌کنند.

علی چودری، بنیانگذار جامعه هوش مصنوعی و RL تولیدی در لندن، پیش بینی می کند که این فناوری در صنایع تولیدی، مهندسی، خودروسازی، هوافضا و انرژی نیز گسترش خواهد یافت.

وی افزود: «متأسفانه، با توجه به وضعیت سیاسی جاری در سراسر جهان، ممکن است شاهد سرمایه‌گذاری رو به رشد در برنامه‌های کاربردی هوش مصنوعی در بخش دفاعی باشیم.»

با این حال، در بسیاری از بخش ها، جذب تدریجی خواهد بود. به عنوان مثال، در صنعت بازی، کسب درآمد از هوش مصنوعی برای اکثر بازیکنان چالش برانگیز است. پاراگ امین، مدیر مالی استارت آپ اسلواکی SuperScaleیک پلت فرم رشد برای بازی ها، پیش بینی نمی کند درآمد واقعی قبل از سال ۲۰۲۵ ظاهر شود.

“به کارگیری هوش مصنوعی و ابزارهای مرتبط در فرآیندهای گسترده زمان می برد.” امین به TNW گفت. “در این مرحله ادغام و پذیرش، مدل‌های کسب درآمد به تکامل خود ادامه می‌دهند و همچنین با پیشنهادات رایگان یا فریمیوم رقابت خواهند کرد. این امر کسب درآمد کوتاه‌مدت را تا زمانی که این مدل‌ها تثبیت شوند و برندگان ظاهر شوند، دشوارتر می‌کند.”

ترس های آینده

همچنین نگرانی‌های فزاینده‌ای در مورد نفوذ هوش مصنوعی به برنامه‌های پلید وجود دارد. با توجه به اینکه ۱٫۵ میلیارد نفر قرار است در سال آینده در آرای ملی رای دهند، کارشناسان نگرانند که دیپ فیک ها رای دهند اطلاعات نادرست سیاسی توربوشارژ.

رسانه های مصنوعی همچنین این قدرت را دارند که در اتاق های هیئت مدیره ویران کنند.

اندرو نیوول، مدیر ارشد علمی در می گوید: “بدون ابزارهای نظارت و تشخیص پیچیده، تشخیص این نوع تصاویر مصنوعی تقریبا غیرممکن است.” شرکت بیومتریک iProov. به این ترتیب، ما کاملاً انتظار داریم که یک تماس زوم تولید شده توسط هوش مصنوعی منجر به اولین کلاهبرداری میلیارد دلاری مدیر عامل در سال ۲۰۲۴ شود.

یکی دیگر از مسائل مبرم برای سال ۲۰۲۴، حذف داده های وب برای آموزش سیستم های هوش مصنوعی است. این تکنیک در LLM ها رایج است، اما عملی است

اکنون منتقدان هستند خواستار محدودیت روی تمرین Juras Juršėnas، مدیر عامل در پلت فرم اطلاعات وب Oxylabsهشدار می دهد که مهار کردن داده ها نتایج متفاوتی خواهد داشت.

او گفت: «متاسفانه محدودیت‌های جمع‌آوری داده‌های وب عمومی ممکن است نوآوری‌ها در زمینه هوش مصنوعی را به تاخیر بیندازد. از سوی دیگر، صنعت جمع‌آوری داده‌های وب مدت‌هاست که فاقد دستورالعمل‌ها و پاسخ‌های روشن در مورد مالکیت داده‌ها، حریم خصوصی و تجمیع داده‌ها در مقیاس است. بنابراین، ما امیدواریم که رویه قضایی شروع به پاکسازی این مناطق خاکستری کند.»

وضوح حقوقی بیشتر می تواند از مقررات ناشی شود. در سراسر جهان، gدولت ها مسیرهای متفاوتی را برای کنترل فناوری در پیش می گیرند. اتحادیه اروپا قانون هوش مصنوعی مجموعه ای گسترده از قوانین و رویکردی مبتنی بر ریسک را اعمال می کند، در حالی که ایالات متحده از یک مدل خاص بخش تر پیروی می کند که هدف آن کاهش تشریفات اداری است. در بریتانیا، مداخله تاکنون بین این دو قرار گرفته است.

او گفت: «این بدان معناست که ما شاهد توسعه سه کتاب قانون مجزا در این سه بازار خواهیم بود. ریچارد بونز، مدیر AI و ML در مشاوره دیجیتال خویشاوند + کارتا. “در سال ۲۰۲۴، این قوانین سخت‌تر می‌شوند، که شرکت‌هایی را که شروع به ساخت زیرساخت‌های داده‌ای که زیربنای استفاده از هوش مصنوعی است، شروع نکرده‌اند، جلب می‌کند.”

نوک کوه یخ هوش مصنوعی

در میان محدودیت‌ها و محو شدن تبلیغات، تحلیلگران انتظار دارند که GenAI میراث مثبتی برای قلمرو وسیع‌تر هوش مصنوعی به جای بگذارد.

تجارب و پیشرفت های تکنولوژیکی بینش ها، سرمایه گذاری ها و پشته های فناوری اطلاعات ارزشمندی را برای این بخش فراهم می کند. در سال ۲۰۲۴، سایر تکنیک های نوظهور می توانند از رونق GenAI استفاده کنند.

Juršėnas دو رقیب به خصوص امیدوارکننده را برجسته می کند. اولین مورد یادگیری فدرال است که آموزش الگوریتم های ML را بدون دسترسی مستقیم به داده های خصوصی امکان پذیر می کند. در نتیجه، کارایی، عملکرد، الگوریتم‌ها و حریم خصوصی همه می‌تواند افزایش یابد.

دومی هوش مصنوعی علّی است که به دنبال کاهش سوگیری و افزایش دقت با معادل سازی همبستگی با علیت است. به یک معنا، این رویکرد هوش مصنوعی را به عملکرد ذهن انسان نزدیک‌تر می‌کند. سؤالات به صورت «چه می‌شد» مطرح می‌شوند و ارتباط بین علت و معلول بررسی می‌شود.

“فدرال فراگیری ماشین و هوش مصنوعی علّی ممکن است به ایجاد یک رقابت سالم در زمینه هوش مصنوعی کمک کند، که در حال حاضر تنها تحت سلطه سیستم‌های مولد هوشمند سطحی است.

در مورد GenAI، Juršėnas انتظار دارد که استقرارها به توانایی ارائه دهندگان برای ارائه مدل ها به عنوان API های مبتنی بر وب بستگی داشته باشد. این ممکن است منادی یک انقلاب نباشد، اما نتایج همچنان می تواند قدرتمند باشد.

در واقع، پیشرفت از هیپ به واقعیت جایی است که تأثیر واقعی ظاهر می شود.

بونز می گوید: «هوش مصنوعی و به ویژه هوش مصنوعی مولد به اندازه هر فناوری دیگری در ۱۰۰ سال گذشته از تبلیغات لذت برده است. “این امر اجتناب ناپذیر بود که نتایج به این سرعت یا تاثیرگذار نباشد که سطح هیجان را حتی از تماشاگران معمولی توجیه کند.

با این حال، این بدان معناست که وقتی ناظران بازار چیز دیگری را برای بررسی پیدا می‌کنند، موارد استفاده واقعی ظاهر می‌شوند، فناوری توسعه می‌یابد و هیجان دوباره آغاز می‌شود. درست مانند عواقب پس از فوران، بله، آتشفشان هیجان انگیز است، اما زمین حاصلخیز همان چیزی است که استفاده واقعی می کند.