۵ کشور برتر در هوش مصنوعی؛ کاهش هزینه و افزایش دسترسی به AI ممکن شد

به گزارش خبرنگار مهر، شاخص هوش مصنوعی استنفورد ۲۰۲۵، هشتمین نسخه از این گزارش معتبر سالانه است که تحت نظر مؤسسه هوش مصنوعی انسان‌محور دانشگاه استنفورد و با همکاری گروهی از پژوهشگران برجسته از نهادهای دانشگاهی، صنعتی و دولتی سراسر جهان گردآوری شده است. این گزارش که اکنون به یکی از جامع‌ترین منابع جهانی برای پایش تحولات راهبردی، فنی و سیاستی هوش مصنوعی بدل شده، دربردارنده داده‌هایی دقیق، به‌روز، تطبیقی و قابل استناد در سطح جهانی است.
هدف اصلی این گزارش، توانمندسازی سیاست‌گذاران، مدیران بخش خصوصی، پژوهشگران و روزنامه‌نگاران برای تصمیم‌گیری آگاهانه و مبتنی بر شواهد درباره توسعه و استقرار فناوری‌های هوش مصنوعی است. گزارش مذکور با ارائه تحلیل‌های چندبعدی از وضعیت فعلی، روندهای تاریخی و آینده‌پژوهی در زیست‌بوم هوش مصنوعی، بستری علمی و داده‌محور برای درک پیچیدگی‌ها و فرصت‌های این فناوری فراهم می‌کند. در این نوشتار کوتاه بر مهم‌ترین یافته‌ها، روندهای تحول‌آفرین و چالش‌های راهبردی مطرح‌شده در نسخه ۲۰۲۵ این گزارش تمرکز خواهد شد.
رتبه‌بندی جهانی پویایی هوش مصنوعی
یکی از بخش‌های برجسته گزارش شاخص هوش مصنوعی استنفورد ۲۰۲۵، رتبه‌بندی پویایی هوش مصنوعی کشورهای جهان است که در آن به معرفی ۳۶ کشور برتر در این زمینه پرداخته است. این رتبه‌بندی با توجه به وضعیت کشورها در ۸ شاخص کلیدی شامل تحقیق و توسعه (R&D)، اقتصاد (Economy)، تنوع (Diversity)، افکار عمومی (Public Opinion)، مسئولیت‌پذیری (Responsible AI)، آموزش (Education)، سیاست‌گذاری و حکمرانی (Policy and Governance) و زیرساخت (Infrastructure) صورت گرفته است. در این رتبه‌بندی کشورهای آمریکا، چین، بریتانیا، هند و امارات به ترتیب رتبه‌های نخست تا پنجم را در اختیار دارند. فهرست مشروح کشورهای برتر در این رتبه‌بندی به شرح زیر است:

رشد شتابان عملکرد فنی مدل‌های هوش مصنوعی
عملکرد مدل‌های هوش مصنوعی در آزمون‌های پیچیده به شکل کم‌سابقه‌ای افزایش یافته است، به‌طوری‌که این پیشرفت‌ها نه‌تنها از نظر آماری چشمگیر هستند، بلکه از حیث کیفی نیز تحول‌آفرین تلقی می‌شوند. در سال ۲۰۲۴، مدل‌های زبانی پیشرفته توانستند در آزمون‌های چندبعدی و پیچیده، نظیر «MMMU» (آزمونی چندرشته‌ای برای ارزیابی درک مفهومی)، «GPQA» (آزمونی در سطح دانش تخصصی) و «SWE-bench» (معیاری برای حل مسائل برنامه‌نویسی واقعی)، به ترتیب بهبودهایی معادل ۱۸.۸، ۴۸.۹ و ۶۷.۳ واحد درصد نسبت به سال گذشته تجربه کنند.
به عقیده کارشناسان، این نتایج تنها به معنای ارتقا کلی ارقام نیست، بلکه بیانگر آن است که این مدل‌ها به‌سرعت در حال نزدیک شدن به مرزهای شناختی انسان در حل مسائل پیچیده هستند. به عنوان مثال، برخی مدل‌ها در زمینه‌هایی چون برنامه‌نویسی، حتی در شرایط زمانی محدود عملکردی فراتر از انسان از خود نشان داده‌اند. چنین شتابی در ارتقا عملکرد، نشان‌دهنده بلوغ معماری‌های نوین، بهبود تکنیک‌های آموزش و گسترش دامنه داده‌های تمرینی است که همه در جهت توانمندسازی نسل جدیدی از مدل‌های هوش مصنوعی نقش داشته‌اند.
گذار هوش مصنوعی از آزمایشگاه به زندگی روزمره
بر اساس برآورد صورت گرفته توسط کارشناسان دانشگاه استنفورد، هوش مصنوعی اکنون به شکلی فزاینده در حوزه‌هایی چون سلامت، حمل‌ونقل، آموزش و خدمات عمومی حضور پررنگ و تأثیرگذار دارد و از مرحله آزمایشگاهی به بطن زندگی روزمره کاربران نفوذ کرده است. از همین روی، در حوزه سلامت، شاهد شتاب فزاینده‌ای در توسعه و تأیید دستگاه‌های پزشکی مبتنی بر هوش مصنوعی هستیم و تعداد این دستگاه‌ها که توسط سازمان غذا و داروی آمریکا (FDA) تأیید شده‌اند، از تنها ۶ مورد در سال ۲۰۱۵ به ۲۲۳ مورد در سال ۲۰۲۳ رسیده است. این دستگاه‌ها طیفی وسیع از کاربردها، از تشخیص خودکار بیماری‌ها در تصاویر پزشکی تا پیش‌بینی خطرات بالینی در زمان واقعی، را پوشش می‌دهند.
همچنین در زمینه حمل‌ونقل نیز خودروهای خودران و رباتاکسی‌ها به یکی از نمادهای هوش مصنوعی کاربردی در عصر حاضر بدل شده‌اند. در چنین شرایطی، شرکت‌هایی همچون «Waymo» در ایالات متحده و «Baidu» در چین ناوگان عظیمی از خودروهای بدون راننده را در شهرهای مختلف مستقر کرده‌اند که هفته‌ای صدها هزار سفر را بدون دخالت انسانی انجام می‌دهند.
همچنین، استفاده از سامانه‌های هوشمند در آموزش، از جمله در یادگیری شخصی‌سازی‌شده، ارزیابی خودکار و پشتیبانی از معلمان، به سرعت در حال گسترش بوده و نویدبخش دگرگونی در ساختارهای سنتی آموزشی در سطح جهانی است.
سلطه صنعت بر توسعه مدل‌های پیشرفته
این سند مکتوب در بخش دیگری به بررسی سلطه صنعت بر توسعه مدل‌های پیشرفته می‌پردازد. بر اساس برآوردهای صورت گرفته، در سال ۲۰۲۴، سهم صنعت از توسعه مدل‌های شاخص هوش مصنوعی به ۹۰ درصد رسید؛ رقمی که نسبت به ۶۰ درصد در سال ۲۰۲۳، جهشی چشمگیر محسوب می‌شود. این تغییر قابل‌توجه بیانگر انتقال محور نوآوری از محیط‌های آکادمیک به شرکت‌های فناوری‌محور است.
به عبارت دیگر، در حالی‌که دانشگاه‌ها همچنان نقشی کلیدی در پیشبرد مرزهای دانش و تولید مقالات علمی پراستناد ایفا می‌کنند، این صنعت است که در زمینه طراحی، آموزش و پیاده‌سازی مدل‌های عملیاتی و تجاری‌شدنی نقش اصلی را بر عهده گرفته است. علت این دگرگونی را می‌توان در تزریق سرمایه‌گذاری‌های کلان خصوصی، توسعه پلتفرم‌های ابری اختصاصی و شکل‌گیری اکوسیستم‌های بسته تحقیق‌وتوسعه دانست.
به‌ویژه در حوزه مدل‌های مولد مانند تولید متن، تصویر، صوت و ویدئو، شاهد ورود بازیگران بزرگ بازار فناوری مانند «OpenAI»، گوگل، متا و آنتروپیک هستیم که با ارائه مدل‌هایی مانند «GPT-۴»، جمینای، لاما و کلاد، عملاً مسیر پیشرفت فناوری را در انحصار خود پیش گرفته‌اند. بر اساس شاخص هوش مصنوعی استنفورد این پدیده موجب شده است که عمق شکاف میان توان علمی آکادمیک و توان فناورانه صنعتی در حال افزایش باشد؛ این در حالی است که همکاری‌های پژوهشی مشترک و انتشار کدهای متن‌باز، می‌توانند به تعادل بخشی در این روند کمک کنند.
رشد نابرابر در مسئولیت‌پذیری هوش مصنوعی
داده‌های ارائه شده در این سند مکتوب حاکی از آن است که با وجود افزایش محسوس رخدادها و حوادث مرتبط با مخاطرات هوش مصنوعی، از جمله سوگیری الگوریتمی، تولید اطلاعات نادرست، نقض حریم خصوصی و انتشار محتوای مخرب، استفاده از شاخص‌ها و چارچوب‌های ارزیابی استاندارد برای سنجش مسئولیت‌پذیری در توسعه مدل‌ها، هنوز در میان شرکت‌های پیشرو صنعتی عمومیت نیافته است.
بخش عمده‌ای از شرکت‌ها گرچه به‌صورت نظری به لزوم رعایت اصول مسئولانه اذعان دارند، اما اقدامات عملی، از جمله ارزیابی‌های پیش از استقرار (pre-deployment audits)، شفاف‌سازی داده‌های آموزشی و طراحی سامانه‌های پاسخگو، هنوز به صورت فراگیر اجرایی نشده‌اند. در این میان، شاخص‌ها و ابزارهایی نظیر «HELM Safety» و «AIR-Bench» در حال تکوین و معرفی هستند؛ شاخص‌هایی که می‌توانند به‌عنوان معیارهای مرجع برای ارزیابی ایمنی، صداقت و عدم سوگیری مدل‌ها به کار گرفته شوند.
همچنین داده‌های موجود در شاخص هوش مصنوعی استنفورد نشان می‌دهند که از منظر حکمرانی جهانی، روند رو به رشدی از همکاری‌های بین‌المللی در حال شکل‌گیری است. در چنین شرایطی، نهادهایی مانند سازمان همکاری اقتصادی و توسعه (OECD)، اتحادیه اروپا، سازمان ملل متحد و اتحادیه آفریقا با انتشار چارچوب‌های سیاستی و اصول راهنمای مشترک، تلاش دارند با ایجاد هماهنگی میان کشورها، بنیانی برای حکمرانی مسئولانه و قابل اعتماد هوش مصنوعی فراهم سازند. این رویکردها دربرگیرنده اصولی همچون شفافیت، قابلیت پاسخگویی، عدالت، امنیت و احترام به حقوق بشر هستند.
کاهش شدید هزینه‌ها و افزایش دسترسی‌پذیری
قیمت و هزینه توسعه و استقرار هوش مصنوعی، دیگر محور کلیدی این گزارش به شمار می‌رود. بر همین اساس، هزینه اجرای مدل‌هایی با عملکرد مشابه «GPT-۳.۵» ظرف مدت ۱۸ ماه با افتی بی‌سابقه، بیش از ۲۸۰ برابر کاهش یافته است؛ به‌گونه‌ای که هزینه پردازش یک میلیون توکن از ۲۰ دلار به تنها ۰.۰۷ دلار رسیده است. این کاهش هزینه نه‌تنها در کاهش بار مالی کاربران و کسب‌وکارها نقش داشته، بلکه در تغییر ماهیت دسترسی‌پذیری به فناوری نیز تحول ایجاد کرده است.
یکی از عوامل کلیدی این کاهش چشمگیر هزینه، توسعه زیرساخت‌های محاسباتی نوین و استفاده بهینه از واحدهای پردازش شتاب‌یافته، مانند پردازنده‌های گرافیکی نسل جدید و شتاب‌دهنده‌های اختصاصی نظیر واحدهای پردازشی تنسور (TPU) است. در کنار این امر، حرکت به‌سوی مدل‌های متن‌باز و سبک‌تر، مانند «Mistral» و «Phi-۲» که با هزینه کمتر عملکرد قابل‌قبولی ارائه می‌دهند، سبب شده است که استفاده از مدل‌های هوش مصنوعی برای استارتاپ‌ها، دولت‌ها و کاربران شخصی نیز عملی و مقرون‌به‌صرفه گردد.
همچنین، بهبود بهره‌وری انرژی از طریق الگوریتم‌های آموزش فشرده و استفاده از معماری‌های بهینه‌تر، زمینه‌ساز کاهش مصرف منابع در کنار افزایش توان عملیاتی بوده است. در مجموع، می‌توان گفت که این تحولات باعث شده‌اند هوش مصنوعی از یک فناوری انحصاری به ابزاری عمومی‌تر تبدیل شود و راه را برای دموکراتیزه‌سازی فناوری‌های شناختی هموار سازد.
برتری چین در زمینه تولید مقالات و پتنت‌های هوش مصنوعی
بر اساس گزارش شاخص هوش مصنوعی استنفورد، چین با سهم ۲۳.۲ درصدی از کل مقالات منتشرشده و ۶۹.۷ درصدی از کل پتنت‌های ثبت‌شده در حوزه هوش مصنوعی، از منظر کمّی جایگاه نخست را در میان کشورهای جهان به خود اختصاص داده است. به عقیده کارشناسان، این کشور با اتکا به سیاست‌گذاری فعال دولتی، سرمایه‌گذاری در زیرساخت‌های تحقیقاتی و بسیج دانشگاه‌ها و صنایع داخلی، توانسته است در حوزه تولید دانش و مالکیت فکری در سطح گسترده‌ای رشد کند.
با این وجود، ایالات متحده همچنان از نظر کیفیت علمی و نوآوری فناورانه، جایگاه برجسته‌ای دارد. این کشور در سال ۲۰۲۴ موفق به تولید ۴۰ مدل شاخص هوش مصنوعی شده است؛ مدل‌هایی که نه‌تنها در ارزیابی‌های فنی برتر ظاهر شده‌اند، بلکه پشتوانه‌ای از مقالات علمی پراستناد و پیشرفت‌های مرجع فراهم کرده‌اند. شایان ذکر است که شکاف عملکردی میان مدل‌های چین و آمریکا در آزمون‌های مهمی نظیر «MMLU» برای ارزیابی درک چندرشته‌ای و «HumanEval» به منظور ارزیابی توان برنامه‌نویسی به شکل چشمگیری کاهش یافته و در برخی موارد تقریباً از میان رفته است. متخصصان بر این باورند که تحولات اخیر بیانگر ورود چین به مرحله‌ای جدید از بلوغ فناورانه و توان رقابتی در سطح جهانی است.
نگرانی‌های جهانی درباره اعتماد عمومی
طبق متن گزارش مذکور، با وجود افزایش خوش‌بینی نسبت به مزایای بالقوه هوش مصنوعی در برخی کشورهای جهان، سطح اعتماد عمومی به شرکت‌های فعال در این حوزه روندی نزولی را طی می‌کند. بر اساس نظرسنجی جهانی ارائه‌شده در شاخص هوش مصنوعی استنفورد، تنها ۴۷ درصد از پاسخ‌دهندگان معتقدند که این شرکت‌ها داده‌های آن‌ها را به‌درستی محافظت می‌کنند؛ رقمی که نسبت به ۵۰ درصد در سال گذشته، کاهشی معنادار داشته است. این کاهش اعتماد، زنگ خطری برای مشروعیت اجتماعی فناوری‌های نوین و لزوم بازنگری در سیاست‌های شفافیت و پاسخ‌گویی شرکت‌های فناوری به شمار می‌رود. کارشناسان بر این باورند که یکی از دلایل اصلی این بی‌اعتمادی، افزایش نگرانی‌ها در خصوص سوگیری الگوریتمی و تبعیض در تصمیم‌گیری‌های خودکار، به‌ویژه در کاربردهایی نظیر استخدام، نظام قضائی و دسترسی به خدمات عمومی است. افزون بر این، استفاده فزاینده از فناوری‌های تولید محتوای جعلی مانند دیپ‌فیک برای مقاصد سیاسی، تبلیغاتی یا مجرمانه نیز موجب تشدید تردید عمومی نسبت به نیت و مسئولیت‌پذیری شرکت‌ها شده است. در مجموع، این روند نشان می‌دهد که تقویت چارچوب‌های اخلاقی، شفاف‌سازی عملکرد الگوریتم‌ها و ارتقای مکانیسم‌های پاسخ‌گویی، برای بازسازی اعتماد اجتماعی به هوش مصنوعی امری اجتناب‌ناپذیر است.
جمع‌بندی
در نهایت به نظر می‌رسد که شاخص ۲۰۲۵ هوش مصنوعی استنفورد تصویری جامع، دقیق و چندلایه از وضعیت فعلی هوش مصنوعی در جهان ترسیم می‌کند؛ تصویری که نه‌تنها ابعاد فنی و نوآورانه این فناوری را برجسته می‌سازد، بلکه پیچیدگی‌ها، چالش‌های سیاستی و ملاحظات اجتماعی آن را نیز به‌تفصیل می‌کاود.
این گزارش مکتوب با بهره‌گیری از داده‌های میدانی، تحلیل‌های تطبیقی و روندهای تاریخی، نشان می‌دهد که اگرچه فناوری هوش مصنوعی با شتابی بی‌سابقه در حال تحول و گسترش در حوزه‌هایی چون سلامت، آموزش، امنیت، حمل‌ونقل و اقتصاد است، اما در عین حال با چالش‌های روزافزونی در زمینه عدالت الگوریتمی، حفاظت از حریم خصوصی، شفافیت تصمیم‌گیری و پاسخ‌گویی اجتماعی نیز مواجه است.
همچنین شکاف روزافزون میان توانایی‌های فنی مدل‌ها و میزان بلوغ چارچوب‌های اخلاقی، حقوقی و نظارتی موجب شده است که حکمرانی بر این فناوری به یکی از پیچیده‌ترین دغدغه‌های سیاست‌گذاری تبدیل شود. از همین روی، نهادهای سیاست‌گذار، تنظیم‌گران ملی و بین‌المللی، جامعه مدنی و بازیگران صنعتی باید با نگاهی نظام‌مند، فرابخشی و پیش‌نگرانه، برای شکل‌دهی به حکمرانی مسئولانه، شفاف، مشارکتی و عادلانه بر هوش مصنوعی اقدام کنند؛ نوعی از حکمرانی که نه‌تنها مانع مخاطرات، بلکه تسهیل‌گر بهره‌مندی همگانی از مزایای این فناوری تحول‌ساز باشد.