مسعود زمانی-کارآفرین و مشاور نوآوری: 1403 سال بسیار پرشور و جذابی برای هوش مصنوعی بوده است و تقریبا روز یا هفته‌ای نبود که خبری از این حوزه تا پیش از این «تخصصی»، به تیتر اصلی خبرگزاری تبدیل نشود. حجم بسیار بزرگ و سرگیجه‌آوری از پول و البته انبوهی از رقابت‌های تمیز و غیرتمیز! در این حوزه وارد شده است و هرکسی تلاش می‌کند در هر نقطه به تعریف نسبت خود و کسب‌وکارش با هوش مصنوعی بپردازد و به نظر می‌رسد سال 1404 هم این امر شتاب بیشتری داشته باشد. ازهمین‌رو انتخاب مهم‌ترین اتفاقات کار ساده‌ای نیست و شاید برای هر صنعت ده‌ها اتفاق مهم رخ داده باشد. با این‌حال این موارد شاید از تأثیرگذارترین اتفاقات برای آینده هوش مصنوعی باشند:
گرگ وال‌استریت: سرمایه‌گذاری‌های حوزه هوش مصنوعی
در سال 1403، سرمایه‌گذاری‌های بزرگی در حوزه هوش مصنوعی و زیرساخت‌های مرتبط با آن انجام شده است. Databricks در آذرماه موفق به جذب ۱۰ میلیارد دلار در دور سرمایه‌گذاری سری J شد و ارزش آن به ۶۲ میلیارد دلار رسید. OpenAI نیز در مهرماه با جذب ۶.۶ میلیارد دلار در دور سری B، ارزش خود را به ۱۵۷ میلیارد دلار رساند. xAI، استارتاپ تحت هدایت ایلان ماسک، طی دو دور سرمایه‌گذاری در سال ۲۰۲۴ مجموعا ۱۲ میلیارد دلار جذب کرد و ارزشش به ۵۰ میلیارد دلار افزایش یافت.
با حضور ترامپ در کاخ سفید در همان روزهای نخست، پروژه استارگیت با هدف سرمایه‌گذاری ۵۰۰ میلیارد دلاری در زیرساخت‌های هوش مصنوعی ایالات متحده معرفی شد. این پروژه که با سرمایه‌گذاری اولیه ۱۰۰ میلیارد دلار آغاز شده، در همکاری با شرکت‌هایی مانند سافت‌بنک، OpenAI و اوراکل به دنبال تقویت جایگاه آمریکا در حوزه هوش مصنوعی و ایجاد صدها هزار شغل است. آمازون نیز در سال 1403 حدود ۷۵ میلیارد دلار سرمایه‌گذاری کرد که بخش عمده آن به AWS و هوش مصنوعی اختصاص داشت. این شرکت با صرف ۲۲.۶ میلیارد دلار برای گسترش مراکز داده، رشد ۸۱ درصدی نسبت به سال قبل داشت. به طور کلی، هزینه سرمایه‌ای شرکت‌های بزرگ فناوری مانند آمازون، مایکروسافت، آلفابت و متا در سال ۲۰۲۴ بیش از ۲۰۰ میلیارد دلار بود و پیش‌بینی می‌شود در ۲۰۲۵ از ۳۰۰ میلیارد دلار فراتر رود. درحالی‌که این سرمایه‌گذاری‌ها برای ایجاد زیرساخت‌های لازم جهت فناوری‌های هوش مصنوعی است، برخی تحلیلگران درباره بازگشت سرمایه و پایداری مالی این پروژه‌ها تردید دارند. هزینه‌های بالا برای مراکز داده، سخت‌افزارهای گران‌قیمت مانند GPU و افزایش نیاز به انرژی، چالش‌های پیش‌روی این شرکت‌ها قرار داده است.
یک ذهن زیبا: دو جایزه نوبل برای هوش مصنوعی
در سال 1403، برای نخستین‌بار، دو جایزه نوبل در حوزه‌های فیزیک و شیمی به پژوهش‌های مرتبط با هوش مصنوعی اختصاص یافت. نوبل فیزیک ۲۰۲۴ به‌طور مشترک به جان جی. هاپفیلد از دانشگاه پرینستون و جفری ای. هینتون از دانشگاه تورنتو اعطا شد. این دو دانشمند به‌دلیل توسعه شبکه‌های عصبی مصنوعی و پیشرفت در یادگیری ماشینی مورد تقدیر قرار گرفتند. هاپفیلد در سال ۱۹۸۲ مدل «شبکه هاپفیلد» را معرفی کرد که به‌عنوان یک حافظه انجمنی عمل می‌کند و می‌تواند الگوها را از داده‌های ناقص بازسازی کند. هینتون نیز با توسعه «ماشین بولتزمن» نقش مهمی در پیشرفت شبکه‌های عصبی و یادگیری عمیق ایفا کرده است.
همچنین نوبل شیمی ۲۰۲۴ به دمیس هاسابیس و جان جامپر از گوگل دیپ‌مایند و دیوید بیکر از دانشگاه واشنگتن تعلق گرفت. هاسابیس و جامپر با توسعه مدل هوش مصنوعی AlphaFold2 موفق به پیش‌بینی ساختار سه‌بعدی پروتئین‌ها با دقت بالا شدند؛ دستاوردی که انقلابی در بیوشیمی ایجاد کرد و به حل یکی از چالش‌های 50ساله این حوزه کمک کرد. دیوید بیکر نیز برای طراحی محاسباتی پروتئین‌ها و توسعه پروتئین‌های جدید با کاربردهای متنوع در پزشکی و نانومواد مورد تقدیر قرار گرفت. این جوایز نشان‌دهنده تأثیر عمیق هوش مصنوعی بر علوم پایه و کاربردهای آن در حل مسائل پیچیده علمی است.
سریع و خشمگین: مهم‌ترین دستاوردهای سخت‌افزاری
انویدیا در فروردین سال 1403 معماری جدید پردازنده‌های گرافیکی خود به نام بلک‌ول (Blackwell)را معرفی کرد که شامل مدل‌هایB100، B200 و GB200 است. این پردازنده‌ها با هدف استفاده در مراکز داده و کاربردهای هوش مصنوعی طراحی شده‌اند که قیمت هر واحد آنها بین ۳۰ تا ۴۰ هزار دلار باشد. البته انویدیا به‌جای فروش جداگانه این پردازنده‌ها، ترجیح می‌دهد آنها را در قالب سرورهای مرجع عرضه کند. به‌عنوان مثال، سرور NVL36 با ۳۶ پردازنده گرافیکی B200 قیمتی بین ۱٫۸ تا دو میلیون دلار و سرور NVL72 با ۷۲ پردازنده گرافیکی B200 قیمتی حدود سه میلیون دلار دارد. بزرگ‌ترین خریداران این پردازنده‌ها شرکت‌های فعال در حوزه هوش مصنوعی و فناوری اطلاعات هستند که به دنبال افزایش توان پردازشی و بهبود عملکرد سیستم‌های خود هستند. با توجه به تقاضای بالای این شرکت‌ها، انویدیا در سه‌ماهه چهارم سال ۲۰۲۴ نزدیک به ۴۵۰ هزار پردازنده گرافیکی بلک‌ول را تولید کرده است.
گزارش اقلیت: مهار هوش مصنوعی توسط قوانین
قانون جامع هوش مصنوعی اتحادیه اروپا (EU AI Act) که در فروردین 1403 به تصویب رسید و از مردادماه اجرائی شده است، به‌عنوان اولین چارچوب قانونی جامع جهان در زمینه هوش مصنوعی شناخته می‌شود. این قانون، سیستم‌های هوش مصنوعی را بر اساس سطح ریسک به چهار دسته تقسیم می‌کند: ریسک غیرقابل‌قبول (مانند سیستم‌های فریبنده یا تشخیص چهره عمومی)، ریسک بالا (شامل زیرساخت‌های حیاتی، استخدام و خدمات مالی)، ریسک محدود (با الزامات شفافیت ساده‌تر) و ریسک کمینه (مانند بازی‌های ویدئویی و فیلترهای هرزنامه). هدف این قانون، ایجاد توازن میان نوآوری و حفاظت از جامعه است و الزامات سخت‌گیرانه‌ای برای حفاظت از داده‌های شخصی، شفافیت در کاربردهای حساس و مدیریت ریسک وضع کرده است. این مقررات تأثیرات جهانی داشته و شرکت‌های آمریکایی و آسیایی نیز به تطبیق با آن اقدام کرده‌اند. در سطح جهانی، ژاپن، برزیل و آمریکا هم قوانین محلی و ملی برای این مهم تصویب کرده‌اند. این تحولات نشان‌دهنده تلاش جهانی برای ایجاد استانداردهای اخلاقی و فنی در استفاده از هوش مصنوعی است.
اکس ماکینا: کامپیوترها به هم می‌آموزند
در آبان 1403، شرکت Anthropic نسخه جدیدی از مدل هوش مصنوعی خود، Claude 3. 5 Sonnet، را با قابلیت «استفاده از کامپیوتر» معرفی کرد. این ویژگی به Claude امکان می‌دهد تا مانند یک انسان با کامپیوتر تعامل داشته باشد؛ طوری‌که می‌تواند صفحه‌نمایش را مشاهده کند، نشانگر ماوس را حرکت دهد، روی دکمه‌ها کلیک و متون را تایپ کند. OpenAI نیز در دی‌ماه ابزار جدیدی به نام «Operator» را معرفی کرد که به‌عنوان یک عامل (Agent) هوش مصنوعی قادر است وظایف مختلفی را در وب به‌صورت خودکار انجام دهد. Operator با استفاده از مرورگر داخلی خود، می‌تواند صفحات وب را مشاهده کرده و با تایپ، کلیک و پیمایش، با آنها تعامل کند. هر دو شرکت با توسعه این قابلیت‌ها، به دنبال ایجاد مدل‌های هوش مصنوعی هستند که بتوانند به‌طور مستقل وظایف پیچیده‌ای را در محیط‌های دیجیتال انجام دهند. این پیشرفت‌ها مهم‌اند زیرا به هوش مصنوعی امکان می‌دهند بدون دخالت انسان، به‌طور مستقل فرایندهای دیجیتال پیچیده را مدیریت کنند و در زمینه‌های اتوماسیون، بهینه‌سازی کسب‌وکار و دستیارهای دیجیتال تحولی جدی ایجاد کنند.
مرد مورچه‌ای: کوچک‌سازی مدل‌های هوش مصنوعی
در 1403، تلاش‌های گسترده‌ای برای کوچک‌سازی مدل‌های هوش مصنوعی به منظور بهینه‌سازی عملکرد و کاهش هزینه‌های عملیاتی انجام شد. متا در مهرماه مدل‌های جدیدی از خانواده Llama را معرفی کرد که در مقایسه با نسخه‌های قبلی تا ۵۶ درصد کوچک‌تر و تا چهار برابر سریع‌تر هستند. این مدل‌ها به‌طور خاص برای دستگاه‌های کم‌ظرفیت مانند گوشی‌های هوشمند طراحی شده‌اند و امکان اجرای ویژگی‌های پیشرفته هوش مصنوعی را فراهم می‌کنند. در این میان، انویدیا مدل Nemotron-Mini-4B-Instruct را عرضه کرد که به‌عنوان یک Small Language Model (SLM) بهینه‌سازی‌شده برای کاهش مصرف منابع معرفی شد. این مدل فقط با دو گیگابایت VRAM کار می‌کند و این امر آن را برای کاربردهایی همچون retrieval-based tasks و نقش‌آفرینی در تعاملات زبانی مناسب کرده است. کوچک‌سازی مدل‌ها نه‌تنها باعث افزایش سرعت و چابکی آنها می‌شود، بلکه مصرف انرژی کمتری دارند و مقرون‌به‌صرفه‌تر هستند. این ویژگی باعث می‌شود فناوری هوش مصنوعی برای جوامع مختلف، به‌ویژه در کشورهای در حال توسعه، دسترس‌پذیرتر باشد و با اهداف توسعه پایدار همسو شود.
ببر خیزگرفته، اژدهای پنهان: DeepSeek و برهم‌زدن قواعد بازی
در راستای کوچک‌سازی مدل‌های زبانی، انقلاب واقعی در بهمن‌ماه رخ داد، که شرکت چینی DeepSeek به طور ناگهانی در مرکز توجه قرار گرفت و ناخواسته باعث افت ارزش سهام غول‌های فناوری آمریکایی مانند انویدیا، مایکروسافت و گوگل شد. این استارتاپ با مدل هوش مصنوعی متن‌باز R1 که توانایی تولید محتوا و کدنویسی دارد، موفق به توسعه سیستمی با هزینه‌ای بسیار پایین‌تر از GPT-4 شد. هزینه تخمینی توسعه R1 فقط شش میلیون دلار بود، درحالی‌که تمرین‌دادن مدل‌هایی مشابه ChatGPT-4 حدود صد میلیون دلار هزینه دارد. این موفقیت نه‌تنها از نظر مالی بلکه از نظر ژئوپلیتیکی نیز معنادار است. با وجود تحریم‌های آمریکا علیه واردات تراشه‌های پیشرفته به چین،DeepSeek نشان داد که می‌توان با سخت‌افزارهای کمتر پیشرفته، به مدل‌های رقابتی دست یافت.
این امر تأثیر بزرگی بر سرمایه‌گذاری‌های کلان در هوش مصنوعی داشته و افت 17 درصدی و 593 میلیارددلاری سهام انویدیا و کاهش قیمت سهام ASML نشان‌دهنده ترس از کاهش فروش آینده این تجهیزات است. موفقیت DeepSeek می‌تواند منجر به کاهش هزینه‌های توسعه هوش مصنوعی شود، اما سودآوری غول‌های فناوری را به چالش کشیده و سرمایه‌گذاران را نسبت به آینده این صنعت محتاط‌تر کرده است. همچنین این موفقیت سؤالاتی درباره اثربخشی سرمایه‌گذاری‌های هنگفت در فناوری پیشرفته مطرح کرد.
جایی برای پیرمردها نیست: رقابت هوش مصنوعی با گوگل
گوگل به مدت طولانی پیشتاز بازار موتورهای جست‌وجو بوده، اما ظهور ابزارهای جست‌وجوی مجهز به هوش مصنوعی در سال 1403 این سلطه را به چالش کشید. یک خبر مهم در این راستا این بود که ابزار جست‌وجوی Perplexity AI موفق به جذب 73.6 میلیون دلار سرمایه در دور B شد. این ابزار به دلیل قابلیت پردازش زبان طبیعی و توانایی ذکر منابع معتبر میان کاربران محبوبیت زیادی به دست آورده است. شرکت‌های بزرگ نیز به این رقابت پیوسته‌اند. در تیرماه،OpenAI نمونه اولیه موتور جست‌وجوی هوشمند خود به نام SearchGPT را معرفی کرد. این ابزار که با استفاده از ویژگی‌های محاوره‌ای ChatGPT طراحی شده، در همکاری با ناشرانی مانند Newsmax و Condé Nast توسعه یافته است. در آذرماه، نسخه عمومی آن با نام جدید ChatGPT Search به بازار عرضه شد. متا نیز از برنامه‌های خود برای ورود به حوزه جست‌وجوی هوش مصنوعی خبر داده و مهرماه اعلام کرد که در حال توسعه موتوری با قابلیت ارائه خلاصه‌های تولیدشده توسط AI است. گوگل نیز برای حفظ جایگاه خود، امسال ویژگی‌های هوش مصنوعی مولد را به موتور جست‌وجوی اصلی خود اضافه کرده، از جمله ارائه خلاصه‌های هوشمند، جست‌وجوی چندرسانه‌ای و نمایش نتایج دسته‌بندی‌شده توسط هوش مصنوعی.
اگه می‌تونی منو بگیر: تهدیدات امنیتی هوش مصنوعی
در سال ۲۰۲۴، تهدیدات امنیتی مرتبط با هوش مصنوعی به‌طور قابل‌توجهی افزایش یافت. یکی از برجسته‌ترین این تهدیدات، استفاده از فناوری دیپ‌فیک بود که در مواردی مانند جعل هویت مدیران ارشد برای انتقال مبالغ کلان، برگزاری دادگاه‌های جعلی آنلاین و ایجاد سناریوهای آدم‌ربایی مجازی به‌کار رفت. این تکنیک‌ها با ایجاد تصاویر و ویدئوهای جعلی، قربانیان را فریب داده و مبالغ هنگفتی را از آنها کلاهبرداری کردند. همچنین ابزارهای دیپ‌فیک پیشرفتهای توسعه یافتند که قادر به دورزدن سیستم‌های احراز هویت دومرحله‌ای بودند. این ابزارها به مجرمان سایبری امکان می‌داد تا حساب‌های جعلی ایجاد کرده و به منابع مالی و اعتباری دسترسی پیدا کنند. در واکنش به این تهدیدات، شبکه اجرای جرایم مالی ایالات متحده (FinCEN) در نوامبر ۲۰۲۴ هشداری درباره کلاهبرداری‌های مبتنی بر دیپ‌فیک صادر کرد و به مؤسسات مالی توصیه کرد تا اقدامات پیشگیرانه را تقویت کنند. علاوه بر این، حملات سایبری با استفاده از هوش مصنوعی در سال گذشته افزایش یافت. مجرمان سایبری با بهره‌گیری از الگوریتم‌های هوش مصنوعی، حملات پیچیده‌تری را طراحی کرده و از تکنیک‌های مهندسی اجتماعی پیشرفته‌تری استفاده کردند. این روند نشان‌دهنده نیاز به توسعه راهکارهای امنیتی مبتنی بر هوش مصنوعی برای مقابله با تهدیدات نوظهور است.
ترمیناتور: انقلاب رباتیک و موج جدید ربات‌های انسان‌نما
در سال 1403 پیشرفتهای بزرگی در رباتیک و ربات‌های مسلح به هوش مصنوعی رقم خورد. تسلا با معرفی ربات‌های انسان‌نمای 20هزار دلاری Optimus (Tesla Bot) گام بزرگی در این صنعت برداشت. این ربات‌ها که برای وظایف روزمره و صنعتی طراحی شده‌اند، توانایی انجام وظایف کارخانه‌ای مانند جابه‌جایی اشیا و انجام کارهای تکراری را دارند. از سوی دیگر چین به‌عنوان پیشرو در ربات‌های انسان‌نما، با شرکت‌هایی مانند Unitree و Agibot نوآوری‌های چشمگیری داشت.
همچنین بوستون داینامیکز نسخه جدید ربات انسان‌نمای Atlas را معرفی کرد و Figure AI با جذب ۶۷۵ میلیون دلار از مایکروسافت، به توسعه ربات‌های چندمنظوره سرعت بخشید. انویدیا نیز با پروژه GR00T به توسعه مدل‌های رباتیک چندمنظوره کمک کرد. البته آمازون هم از قافله جا نمانده و با همکاری شرکتCovariant سرمایه‌گذاری‌های سنگینی روی اتوماسیون تجاری انجام داده است. درحالی‌که آمریکا و اروپا در تلاشند تا با افزایش بودجه‌های تحقیقاتی در این حوزه با چین رقابت کنند و با وجود کاهش ۲. ۲ درصدی فروش ربات‌های صنعتی در آمریکای شمالی، سرمایه‌گذاری‌ها و تنوع کاربردهای جدید این حوزه نشان‌دهنده رشد مداوم و آینده‌محور رباتیک است.