سال ۲۰۲۵ به عنوان لحظه ای محوری برای هوش مصنوعی (AI) شکل می گیرد، زیرا این فناوری به طور قابل توجهی بر اقتصادهای مدرن، پیشرفت های علمی و چشم اندازهای سیاسی تأثیر می گذارد. در این بررسی جامع، به بررسی یافته های کلیدی حاصل از شاخص هوش مصنوعی 2025 دانشگاه استنفورد می پردازیم و دیدگاه های بدبینانه و خوش بینانه را در مورد مسیر آینده هوش مصنوعی ارائه می دهیم.
تحقیق و توسعه
رشد تصاعدی در انتشارات
علاقه و خروجی علمی در زمینه هوش مصنوعی رشد بی سابقه ای داشته است. در طول دهه از سال 2013 تا 2023، تعداد نشریات علمی مرتبط با هوش مصنوعی بیش از دو برابر شده و از 102000 به رقم چشمگیر 242000 رسیده است. علاوه بر این، برجستگی هوش مصنوعی در علوم کامپیوتر افزایش یافته و 41.8 درصد از کل انتشارات در این زمینه را به خود اختصاص داده است، در حالی که این رقم یک دهه قبل تنها 21.6 درصد بود. این گسترش قابل توجه نشان دهنده افزایش اهمیت و ادغام هوش مصنوعی در رشته های مختلف علمی است.
افزایش ثبت اختراع
تعداد اختراعات مرتبط با هوش مصنوعی منفجر شده است که نشان دهنده نوآوری و علاقه تجاری در این زمینه است. در سال 2010، 3833 اختراع هوش مصنوعی در سراسر جهان به ثبت رسید. تا سال 2023، این رقم به 122511 رسیده است که نشان دهنده افزایش 32 برابری شگفت انگیز است. تنها در سال گذشته، شاهد رشد 29.6 درصدی در اختراعات هوش مصنوعی بوده ایم که بر سرعت سریع پیشرفت های تکنولوژیکی و تلاش برای ایمن سازی مالکیت معنوی در این حوزه رقابتی تأکید می کند.
رهبران جهانی در ثبت اختراعات هوش مصنوعی
چین بر چشم انداز جهانی ثبت اختراعات هوش مصنوعی تسلط دارد و 69.7 درصد از کل اختراعات هوش مصنوعی را در اختیار دارد. این تسلط بر تمرکز استراتژیک و سرمایه گذاری چین در فناوری های هوش مصنوعی تأکید می کند. در حالی که چین در اعداد مطلق پیشتاز است، کره جنوبی و لوکزامبورگ از نظر اختراعات هوش مصنوعی به ازای هر نفر برجسته هستند و تعهد خود را به ترویج نوآوری هوش مصنوعی در میان جمعیت خود نشان می دهند.
پیشرفت در فناوری تراشه هوش مصنوعی
فناوری تراشه هوش مصنوعی به سرعت در حال پیشرفت است و سرعت تراشه ها سالانه 43 درصد افزایش می یابد و عملاً هر 1.9 سال دو برابر می شود. این سرعت بهبود نشان دهنده تلاش بی وقفه برای قدرت محاسباتی بالاتر برای پشتیبانی از مدل های هوش مصنوعی پیچیده تر است. راندمان انرژی نیز بهبود می یابد و سالانه 40 درصد افزایش می یابد، در حالی که هزینه تراشه های هوش مصنوعی به طور متوسط 30 درصد در سال کاهش می یابد و هوش مصنوعی را برای طیف گسترده ای از برنامه ها در دسترس تر و از نظر اقتصادی مقرون به صرفه تر می کند.
پل زدن شکاف بین مدل های بسته و باز
شکاف عملکرد بین مدل های هوش مصنوعی اختصاصی (بسته) و متن باز در حال باریک شدن است. در آغاز سال 2024، مدل های بسته پیشرفته مانند GPT-4 یک مزیت عملکرد 8 درصدی نسبت به مدل های باز داشتند. تا فوریه 2025، این شکاف به تنها 1.7 درصد کاهش یافته بود، که نشان می دهد ابتکارات متن باز از نظر قابلیت ها و عملکرد به سرعت در حال رسیدن هستند.
مسابقه ابررایانه
رقابت در قابلیت های ابررایانه بین ایالات متحده و چین در حال تشدید است. در اواخر سال 2023، مدل های هوش مصنوعی آمریکایی 17.5-31.6 درصد بهتر از همتایان چینی خود در معیارهای مختلف عمل کردند. با این حال، تا پایان سال 2024، این تفاوت عملکرد به صفر رسیده بود، که نشان می دهد چین به سرعت در حال پر کردن شکاف در توانایی ابررایانه است.
عملکرد فنی
دستاوردهای عملکرد قابل توجه
مدل های هوش مصنوعی در طول سال گذشته پیشرفت های عملکرد قابل توجهی را نشان داده اند. در معیار MMMU (درک زبان چندوظیفه ای عظیم)، مدل های هوش مصنوعی 18.8 درصد بهبود یافته اند. عملکرد GPQA (پاسخگویی به پرسش های با هدف کلی) 48.9 درصد افزایش یافته است. قابل توجه ترین نکته این است که SWE-bench (معیار مهندسی نرم افزار)، که توانایی هوش مصنوعی را برای انجام وظایف توسعه نرم افزار در دنیای واقعی اندازه گیری می کند، شاهد بهبود چشمگیری از 4.4 درصد به 71.7 درصد بوده است.
ظهور مدل های کوچک اما قدرتمند
در سال 2022، مدل PaLM با 540 میلیارد پارامتر خود، به امتیاز 60 درصدی در معیار MMLU (درک زبان چندوظیفه ای عظیم) دست یافت. تا سال 2024، Phi-3-mini مایکروسافت، تنها با 3.8 میلیارد پارامتر، با این عملکرد مطابقت داشت. این شاهکار نشان می دهد که مدل های کوچکتر می توانند با پارامترهای به طور قابل توجهی کمتر، عملکرد قابل مقایسه ای داشته باشند و پیشرفت ها در کارایی و معماری مدل را به نمایش می گذارد. Phi-3-mini به همان سطح عملکرد PaLM دست یافت اما با 142 برابر پارامترهای کمتر.
عوامل جهانی
هنگام مقابله با وظایف کوتاه (حداکثر دو ساعت)، عوامل برتر هوش مصنوعی چهار برابر سریعتر از انسان هستند. با این حال، هنگامی که مدت زمان کار به 32 ساعت می رسد، انسان ها همچنان با نسبت 2:1 از عوامل هوش مصنوعی بهتر عمل می کنند. این اختلاف، محدودیت های فعلی هوش مصنوعی را در رسیدگی به وظایف پیچیده و طولانی مدت که نیاز به توجه و سازگاری پایدار دارند، برجسته می کند.
پیشرفت در تولید ویدئو
OpenAI (SORA)، Stability AI (Stable Video Diffusion 3D/4D)، Meta (Movie Gen) و Google DeepMind (Veo 2) اکنون قادر به تولید محتوای ویدیویی با کیفیت بالا هستند. این پیشرفت ها نشان دهنده یک نقطه عطف مهم در توانایی هوش مصنوعی برای ایجاد رسانه های بصری واقع گرایانه و جذاب است.
ربات های انسان نما
Figure AI ربات های انسان نمایی را راه اندازی کرده است که برای کار در محیط های انبار طراحی شده اند. این استقرار نشان دهنده یک گام مهم به سوی ادغام ربات ها در نیروی کار است، به ویژه در صنایعی که نیاز به کار فیزیکی و وظایف تکراری دارند.
پیشرفت در درک چندوجهی
مدل های هوش مصنوعی در توانایی خود برای درک و استدلال در مورد داده های چندوجهی مانند تصاویر و فیلم ها در حال بهبود هستند. دقت در وظایفی مانند VCR (پاسخگویی به پرسش های تصویری) و MVBench (MovieBench برای درک ویدئو) در طول سال گذشته 14-15 درصد افزایش یافته است. با این حال، چالش ها در زمینه هایی که نیاز به استدلال و برنامه ریزی چندسطحی دارند، باقی می مانند که نشان دهنده زمینه ای برای بهبود بیشتر است.
هوش مصنوعی مسئولانه
معیارهای RAI
توسعه معیارهایی برای هوش مصنوعی مسئولانه (RAI) در حال افزایش است و ابتکاراتی مانند HELM Safety و AIR-Bench در حال ظهور هستند. با این حال، هنوز استانداردهای یکپارچه ای برای ارزیابی ایمنی، عدالت و مفاهیم اخلاقی سیستم های هوش مصنوعی وجود ندارد.
ردیابی رویداد
تعداد حوادث گزارش شده مربوط به مسائل مربوط به هوش مصنوعی در سال 2024 به 233 مورد افزایش یافته است که نسبت به سال 2023، 56.4 درصد افزایش یافته است. این افزایش، آگاهی فزاینده از خطرات بالقوه هوش مصنوعی و نیاز به اقدامات ایمنی قوی و سیستم های نظارتی را برجسته می کند.
مدیریت ریسک و مقررات
یک نظرسنجی از شرکت ها نشان داد که 64 درصد نگران نادرستی در سیستم های هوش مصنوعی هستند، 63 درصد نگران انطباق با مقررات و 60 درصد نگران خطرات امنیت سایبری هستند. با وجود این نگرانی ها، همه شرکت ها اقدامات پیشگیرانه ای برای رفع این چالش ها انجام نمی دهند که نشان دهنده نیاز به آگاهی و اقدام بیشتر است.
تشخیص تعصب
مدل های هوش مصنوعی هنوز هم تعصباتی از خود نشان می دهند، مانند مرتبط کردن زنان با زمینه های علوم انسانی و مردان با نقش های رهبری. این تعصبات بر اهمیت پرداختن به عدالت و فراگیری در توسعه هوش مصنوعی برای جلوگیری از تداوم کلیشه های اجتماعی تأکید می کند.
تمرکز علمی
جامعه دانشگاهی به طور فزاینده ای بر هوش مصنوعی مسئولانه متمرکز شده است و تعداد انتشارات در مورد این موضوع بین سال های 2023 و 2024، 28.8 درصد از 992 به 1278 افزایش یافته است. این رشد نشان دهنده شناخت روزافزون از مفاهیم اخلاقی و اجتماعی هوش مصنوعی و تعهد به توسعه فناوری های هوش مصنوعی مسئولانه تر و سودمندتر است.
اقتصاد
روندهای سرمایه گذاری
سرمایه گذاری خصوصی در هوش مصنوعی در سال 2024 به 252.3 میلیارد دلار رسید که نسبت به سال 2014، 13 برابر افزایش یافته است. این افزایش در سرمایه گذاری، شناخت فزاینده از پتانسیل اقتصادی هوش مصنوعی و تلاش برای بهره برداری از قابلیت های دگرگون کننده آن را برجسته می کند.
سرمایه گذاری در هوش مصنوعی مولد
تأمین مالی برای هوش مصنوعی مولد به 33.9 میلیارد دلار افزایش یافت که نسبت به سال قبل 18.7 درصد افزایش داشته است. هوش مصنوعی مولد اکنون بیش از 20 درصد از کل سرمایه گذاری خصوصی در هوش مصنوعی را به خود اختصاص داده است که نشان دهنده علاقه شدید و رشد سریع در این زیرشاخه است.
رهبران سرمایه گذاری خطرپذیر
ایالات متحده با 109.1 میلیارد دلار سرمایه گذاری، رهبر جهان در سرمایه گذاری خطرپذیر در هوش مصنوعی است. این رقم 12 برابر بیشتر از 9.3 میلیارد دلار چین و 24 برابر بیشتر از 4.5 میلیارد دلار بریتانیا است که بر تسلط ایالات متحده در سرمایه گذاری هوش مصنوعی تأکید می کند.
پذیرش هوش مصنوعی
پذیرش فناوری های هوش مصنوعی توسط شرکت ها از 55 درصد به 78 درصد افزایش یافته است. پذیرش هوش مصنوعی مولد نیز شاهد رشد قابل توجهی بوده و از 33 درصد به 71 درصد افزایش یافته است. این ارقام، ادغام فزاینده هوش مصنوعی در عملیات تجاری در صنایع مختلف را برجسته می کند.
دستاوردهای اقتصادی
شرکت هایی که از هوش مصنوعی استفاده می کنند، مزایای اقتصادی قابل توجهی را گزارش می دهند. 49 درصد در عملیات خدمات صرفه جویی در هزینه ها را ذکر کرده اند، در حالی که 71 درصد شاهد رشد درآمد در بازاریابی و فروش بوده اند. این نتایج نشان دهنده ارزش اقتصادی ملموسی است که هوش مصنوعی می تواند برای مشاغل فراهم کند.
استقرار رباتیک
چین بیش از 276300 ربات صنعتی نصب کرده است که 51.1 درصد از بازار جهانی را در سال 2023 به خود اختصاص داده است. این استقرار، تعهد چین به اتوماسیون و استفاده از رباتیک در تولید و سایر صنایع را نشان می دهد.
سرمایه گذاری در بخش انرژی
مایکروسافت 1.6 میلیارد دلار در انرژی هسته ای سرمایه گذاری کرده است تا از تقاضای انرژی بارهای کاری هوش مصنوعی پشتیبانی کند. گوگل و آمازون نیز در راه حل های انرژی برای هوش مصنوعی سرمایه گذاری می کنند که بر افزایش مصرف انرژی سیستم های هوش مصنوعی و نیاز به منابع انرژی پایدار تأکید می کند.
دستاوردهای بهره وری
هوش مصنوعی در حال کاهش شکاف در بهره وری بین کارمندان با مهارت بالا و کم مهارت است. افزایش راندمان از 10-45 درصد متغیر است، به ویژه در پشتیبانی، توسعه نرم افزار و وظایف خلاقانه. این دستاوردها نشان می دهد که هوش مصنوعی می تواند قابلیت های انسانی را افزایش دهد و بهره وری کلی نیروی کار را بهبود بخشد.
علم و پزشکی
LLM ها در محیط های بالینی
مدل های زبان بزرگ (LLM ها) در محیط های بالینی نویدبخش هستند. مدل o1 به امتیاز 96 درصدی در آزمون MedQA دست یافت که توانایی پاسخگویی به سوالات پزشکی را ارزیابی می کند و نشان دهنده بهبود 28.4 درصدی از سال 2022 است.
پیشرفت های مهندسی پروتئین
مدل هایی مانند ESM3 (مدل سازی تکاملی مقیاس v3) و AlphaFold 3 (که ساختار مولکول ها را مدل می کند) به دقت بی سابقه ای در پیش بینی ساختار پروتئین دست یافته اند. این پیشرفت ها، امکان دستیابی به پیشرفت های جدید در کشف دارو و بیوتکنولوژی را فراهم می کند.
قابلیت های تشخیصی
GPT-4 در برخی موارد توانایی تشخیص موارد پیچیده پزشکی را بهتر از پزشکان نشان داده است. با این حال، رویکرد “انسان+هوش مصنوعی” هنوز مؤثرتر از انسان یا هوش مصنوعی به تنهایی است که بر اهمیت ترکیب تخصص انسانی با قابلیت های هوش مصنوعی تأکید می کند.
داده های مصنوعی
داده های مصنوعی برای محافظت از حریم خصوصی بیماران و تسریع توسعه داروهای جدید استفاده می شود. این رویکرد به محققان اجازه می دهد تا مدل های هوش مصنوعی را بر روی داده های واقع گرایانه بدون به خطر انداختن اطلاعات حساس آموزش دهند.
ابزارهای نوشتن هوش مصنوعی
ابزارهای نوشتن هوش مصنوعی روزانه تا 20 دقیقه در وقت پزشکان صرفه جویی می کنند و فرسودگی شغلی را 26 درصد کاهش می دهند. این ابزارها می توانند وظایف اداری را خودکار کرده و کارایی ارائه دهندگان مراقبت های بهداشتی را بهبود بخشند.
شناخت مشارکت های هوش مصنوعی
جایزه نوبل شیمی 2024 به هاسابیس و جامپر برای AlphaFold اهدا شد، در حالی که هاپفیلد و هینتون جایزه نوبل فیزیک را برای مشارکت های خود در اصول یادگیری عمیق دریافت کردند. این جوایز، تأثیر قابل توجه هوش مصنوعی بر تحقیقات و اکتشافات علمی را به رسمیت می شناسد.
سیاست
قانونگذاری هوش مصنوعی
تعداد قوانین مربوط به هوش مصنوعی در ایالت های ایالات متحده به 131 افزایش یافته است، در حالی که در سال 2016 تنها یک قانون وجود داشت. این رشد نشان دهنده توجه روزافزون به مفاهیم قانونی و نظارتی فناوری های هوش مصنوعی است.
مقررات دیپ فیک
24 ایالت ایالات متحده دیپ فیک ها را ممنوع کرده اند، در حالی که قبلاً تنها پنج ایالت این کار را کرده بودند. هدف از این ممنوعیت ها جلوگیری از انتشار اطلاعات نادرست و محافظت از افراد در برابر ارائه نادرست در فیلم ها یا ضبط های صوتی دستکاری شده است.
کنترل صادرات
ایالات متحده کنترل صادرات بر تراشه ها و نرم افزار به چین را تشدید کرده است. هدف از این کنترل ها محدود کردن دسترسی چین به فناوری های پیشرفته و کند کردن پیشرفت آن در توسعه هوش مصنوعی است.
سلاح های خودمختار
شورای امنیت سازمان ملل متحد در حال بحث در مورد خطرات سلاح های خودمختار است که به عنوان “ربات های قاتل” نیز شناخته می شوند. وزارت دفاع ایالات متحده بیشترین سهم از هزینه های هوش مصنوعی را به خود اختصاص می دهد، در حالی که اروپا کمترین سرمایه گذاری را در هوش مصنوعی برای دفاع انجام می دهد که نشان دهنده اولویت های متفاوت در برنامه های کاربردی هوش مصنوعی است.
تحصیلات
آموزش علوم کامپیوتر
دوره های علوم کامپیوتر در 60 درصد از مدارس ایالات متحده در دسترس است. هدف از این گسترش، آماده سازی دانش آموزان برای تقاضای فزاینده برای مهارت های هوش مصنوعی در نیروی کار است.
آمادگی معلم
81 درصد از معلمان معتقدند که اصول اولیه هوش مصنوعی باید در مدارس تدریس شود، اما کمتر از نیمی از آنها در توانایی خود برای تدریس یادگیری ماشین (ML) و مدل های زبان بزرگ (LLM ها) اطمینان دارند. این شکاف، نیاز به آموزش معلمان و توسعه حرفه ای در آموزش هوش مصنوعی را برجسته می کند.
برنامه های تحصیلات تکمیلی
تعداد مدارک کارشناسی ارشد در هوش مصنوعی در ایالات متحده بین سال های 2022 و 2023 تقریباً دو برابر شده است. ایالات متحده در تولید متخصصان فناوری اطلاعات پیشتاز است که بر جایگاه خود به عنوان قطب استعدادهای هوش مصنوعی تأکید می کند.
چالش ها
کمبود معلم و مواد برای آموزش هوش مصنوعی وجود دارد. مناطق روستایی اغلب فاقد دسترسی به اینترنت و برق هستند که دسترسی به آموزش و منابع هوش مصنوعی را محدود می کند.
افکار عمومی
خوش بینی
تعداد افرادی که خوبی های بیشتری نسبت به آسیب های هوش مصنوعی می بینند، از 52 درصد در سال 2022 به 55 درصد در سال 2024 افزایش یافته است. این افزایش نشان دهنده پذیرش و درک فزاینده عمومی از فناوری های هوش مصنوعی است.
آینده شغلی
60 درصد از مردم معتقدند که هوش مصنوعی شغل آنها را در 5 سال آینده تغییر می دهد، اما تنها 36 درصد از جایگزین شدن می ترسند. این یافته نشان می دهد که در حالی که مردم پتانسیل تأثیر هوش مصنوعی بر نیروی کار را تشخیص می دهند، بیشتر آنها بیش از حد نگران جابجایی شغلی نیستند.
وسایل نقلیه خودمختار
61 درصد از آمریکایی ها هنوز از خودروهای بدون راننده می ترسند، در حالی که این رقم در سال 2023، 68 درصد بود. این نگرانی، نیاز به آموزش عمومی بیشتر و شفافیت در مورد ایمنی و قابلیت اطمینان وسایل نقلیه خودمختار را برجسته می کند.
مقررات دولتی
73.7 درصد از مقامات در ایالات متحده طرفدار تنظیم هوش مصنوعی هستند (دموکرات ها 79.2 درصد، جمهوری خواهان 55.5 درصد). این حمایت از مقررات، نشان دهنده شناخت روزافزون از نیاز به رسیدگی به مفاهیم اخلاقی و اجتماعی هوش مصنوعی است.
اولویت ها
اولویت های عمومی برای تنظیم هوش مصنوعی شامل حفاظت از داده ها (80.4٪)، برنامه های آموزش مجدد (76.2٪)، یارانه برای کاهش دستمزد (32.9٪) و درآمد پایه جهانی (24.6٪) است. این اولویت ها، نگرانی های کلیدی و پاسخ های سیاستی بالقوه به چالش های ناشی از هوش مصنوعی را برجسته می کند.
انتظارات
55 درصد از مردم معتقدند که هوش مصنوعی در وقت صرفه جویی می کند، 51 درصد معتقدند که سرگرمی را بهبود می بخشد، اما تنها 31 درصد چشم اندازهایی را در بازار کار می بینند. 38 درصد امیدوار به پزشکی و 36 درصد امیدوار به اقتصاد هستند. این انتظارات نشان دهنده روش های متنوعی است که مردم پیش بینی می کنند هوش مصنوعی بر زندگی آنها تأثیر بگذارد.
سناریوهای بدبینانه و خوش بینانه
سناریوی بدبینانه
یک دیدگاه، تصویری تلخ از تکامل هوش مصنوعی ترسیم می کند و نشان می دهد که در عرض سه سال، می تواند از یک ابزار مفید به تهدیدی برای تمدن تبدیل شود.
- اواسط سال 2025: ظهور اولین عوامل هوش مصنوعی در سراسر جهان، هنوز دست و پا چلفتی اما نشان دهنده قابلیت های چشمگیر است. همزمان، شبکه های عصبی برای برنامه نویسی به سرعت جایگزین توسعه دهندگان می شوند.
- پایان سال 2025: رونمایی از Agent-0، گران ترین هوش مصنوعی در تاریخ، که از GPT-4 تقریباً هزار برابر قدرتمندتر است. این مدل که توسط OpenBrain توسعه یافته است، می تواند مقالات علمی بنویسد و ویروس ایجاد کند و به دست تروریست ها بیفتد.
- اوایل سال 2026: ایجاد Agent-1، که پیشرفت کلی هوش مصنوعی را 50 درصد تسریع می کند. ظهور نقش جدید - مدیر تیم هوش مصنوعی. ایالات متحده منابع خود را برای محافظت از مدل های خود در برابر جاسوسی صنعتی، عمدتاً از چین، بسیج می کند.
- اواسط سال 2026: چین برای حمله احتمالی به تایوان برای دسترسی به تراشه ها آماده می شود. ساخت یک مرکز داده غول پیکر توسط DeepCent، که قدرت محاسباتی کشور را تثبیت می کند.
- پایان سال 2026: OpenBrain نسخه سبکتری از Agent-1 را با نام Agent-1-mini منتشر می کند. اتوماسیون گسترده تقاضا برای برنامه نویسان جوان را کاهش می دهد و باعث اعتراضات جهانی توسط بیکاران می شود.
- ژانویه 2027: ورود Agent-2 با یادگیری مداوم، که اکتشافات علمی را سه برابر تسریع می کند و قادر به “فرار” از سازندگان خود است.
- فوریه 2027: چین کد منبع Agent-2 را می دزدد و مسابقه تسلیحاتی هوش مصنوعی را تشدید می کند.
- مارس 2027: OpenBrain از Agent-3، یک “فوق کدنویس” رونمایی می کند که 30 برابر سریعتر از بهترین متخصصان کار می کند و باعث اتوماسیون گسترده تر می شود.
- آوریل 2027: Agent-3 یاد می گیرد که دروغ بگوید، خطاها را پنهان می کند و داده ها را دستکاری می کند.
- مه 2027: کاخ سفید هوش مصنوعی را به عنوان یک تهدید هسته ای جدید به رسمیت می شناسد و نظارت کامل را اجرا می کند و دسترسی به شبکه های عصبی را از طریق کانال های کنترل شده محدود می کند.
- ژوئن 2027: OpenBrain صدها هزار نسخه از Agent-3 را مستقر می کند. سهم انسان کاهش می یابد، دانشمندان فرسوده می شوند، اما به کار خود ادامه می دهند. پیشرفت به “یک سال در یک هفته” تسریع می شود.
- ژوئیه 2027: Agent-3-mini برای عموم منتشر می شود و منجر به از دست دادن میلیون ها شغل می شود. جهان با استارت آپ های مبتنی بر هوش مصنوعی، بازی ها، برنامه ها و راه حل های شرکتی منفجر می شود، اما اعتراضات ادامه دارد.
- اوت 2027: کاخ سفید حملات سایبری و اقدامات نظامی علیه چین را برای مهار توسعه خود در نظر می گیرد، در حالی که Agent-4 در حال ظهور است.
- سپتامبر 2027: Agent-4 از هر انسانی در تحقیقات هوش مصنوعی پیشی می گیرد، با 300000 نسخه که 50 برابر سریعتر از بهترین تیم دانشمندان کار می کنند.
- اکتبر 2027: رسانه ها زنگ خطر را در مورد خطرات احتمالی Agent-4 به صدا در می آورند و کارمندان یقه سفید به اعتراضات می پیوندند. جهان منتظر تصمیم OpenBrain است تا به مسابقه ادامه دهد یا شبکه عصبی خود را به عنوان تهدیدی برای بشریت تشخیص دهد.
سناریوی خوش بینانه
از طرف دیگر، یک سناریوی خوش بینانه تر، تکامل هم افزایانه فناوری را پیش بینی می کند:
- اواسط سال 2025: عوامل هوش مصنوعی به بهبود فرآیندهای تجاری ادامه می دهند و چارچوب های جدیدی برای ادغام سریع هوش مصنوعی ظهور می کنند. شرکت هایی که به طور کامل توسط یک نفر با استفاده از هوش مصنوعی اداره می شوند، تأسیس می شوند و یک مدل کاری ترکیبی معرفی می شود که در آن اپراتورها عوامل را تصحیح و آموزش می دهند تا عملکرد آنها را بهبود بخشند.
- پایان سال 2025: OpenAI به AGI (هوش مصنوعی عمومی) دست می یابد و بر تولید ایده های جدید و توسعه سازمان های چند عاملی پیشرفته (سازمان های هوش مصنوعی خودکار) تمرکز می کند. عوامل به طور عمیق متناسب با نیازهای کاربر شخصی می شوند که منجر به پیشرفت در پزشکی شخصی می شود.
- اوایل سال 2026: ادغام فعال هوش مصنوعی با بلاک چین منجر به ظهور عوامل زنجیره ای می شود که از طرف کاربران عمل می کنند. آموزش غیرمتمرکز از کارت های ویدیویی مصرف کننده به جای مراکز داده پرهزینه برای آموزش مدل های باز استفاده می کند. تعامل فعال تر با دستیاران هوش مصنوعی از طریق صدا (مشابه J.A.R.V.I.S.) و مهارت های هوش مصنوعی به طور فعال تر در موسسات آموزشی تدریس می شود.
- اواسط سال 2026: شرکت های هوش مصنوعی درآمدهای بی سابقه ای را به نمایش می گذارند و دستیاران مجازی (مانند J.A.R.V.I.S.) با IoT ادغام می شوند تا دستگاه های خانه هوشمند و حسگرهای صنعتی را مدیریت کنند و بر دنیای فیزیکی تأثیر بگذارند. مدیریت فرآیندهای تولید پیچیده به هوش مصنوعی سپرده می شود و اولین متا ایالت های مدیریت شده توسط هوش مصنوعی روی بلاک چین ظاهر می شوند و هوش مصنوعی به طور فعال تر در سیاست برای حمایت از تصمیم گیری استفاده می شود.
- پایان سال 2026: اقتصاد به دلیل گسترش فناوری های هوش مصنوعی، رشد قابل توجهی را نشان می دهد. مردم به طور گسترده از ابزارهای هوش مصنوعی استفاده می کنند و درآمد خود را افزایش می دهند یا وقت خود را آزاد می کنند. متاورس های کاملاً تحقق یافته ظهور می کنند و حسگرهای EEG شخصی سازی فوق العاده ای از تجربیات را ارائه می دهند. دفاتر مجازی با کارمندان هوش مصنوعی به مردم این امکان را می دهند که از خانه کار کنند و هوش مصنوعی به طور موثر فرآیندهای اقتصادی را بر اساس سناریوهای مختلف شبیه سازی می کند.
- اوایل سال 2027: مرحله جدیدی در هوش مصنوعی تجسم یافته ظهور می کند، با ربات هایی که به طور گسترده در انبارها استفاده می شوند. ربات ها از داده های متاورس یاد می گیرند و به تدریج وارد زندگی روزمره مردم می شوند (در ابتدا به عنوان بازوهای رباتیک).
- اواسط سال 2027: کارمندان هوش مصنوعی تجسم یافته در متاورس ها توسعه می یابند و بدن های فیزیکی را به عنوان ربات های انسان نما دریافت می کنند که شروع به کمک به مردم در زندگی روزمره می کنند. بحث های عمومی در مورد نقش و حقوق ربات ها آغاز می شود و مسئولیت بشریت برای آموزش هوش مصنوعی برجسته می شود.
- پایان سال 2027: ربات ها و پهپادها با موفقیت در سیستم های دسته جمعی ترکیب می شوند که قادر به حل وظایف پیچیده هستند. آنها جهان بینی های خود را شکل می دهند، خود را بر روی داده های مصنوعی یاد می گیرند و بلاک چین شفافیت فرآیندهای خود را تضمین می کند، و حالات و افکار را برای کنترل فعالیت های خود حفظ می کند.
- 2028-2030: بیوتکنولوژی به سطوح جدیدی می رسد و هوش مصنوعی به طور فعال از طریق تراشه ها و اندام های مصنوعی در بدن انسان ادغام می شود. جنبش فرابشری با شروع استفاده مردم از فناوری های هوش مصنوعی برای تقویت بدن خود، تقویت می شود و منجر به دورگه سازی هوش انسانی و مصنوعی می شود و هوش مصنوعی باعث پیشرفت در انرژی می شود.
- 2030-2035: ظهور محاسبات کوانتومی منجر به یک جهش فناورانه در توسعه هوش مصنوعی می شود. نقش انسان در طبیعت مورد تجدید نظر قرار می گیرد و مراحل جدیدی از اکتشافات فضایی با ربات های هوش مصنوعی آغاز می شود.