خلاصه مدیریتی

بیان / شرح مسئله

در این مطالعه شاخص‌های پربسامد و مستند مطرح در حوزه هوش مصنوعی در جهان مدنظر قرار گرفته و سعی شده ‌است در سطح جهانی برخی مؤلفه‌های اصلی و جامع در ارزیابی میزان توسعه هوش مصنوعی، نظیر میزان دانش‌آموختگی و اشتغال هوش مصنوعی، شرکت‌های فعال، سرمایه‌گذاری بخش خصوصی، سهم بازار، اخلاق پذیرش اجتماعی و در نهایت چشم‌انداز توسعه این فناوری در جهان ترسیم شده است. در مورد ایران نیز با تمرکز بر سند ملی هوش مصنوعی و انطباق شاخص‌های آن با شاخص‌های مطرح شده، وضعیت کشور در توسعه این فناوری مورد بررسی قرار گرفته‌است.

نقطه‌نظرات / یافته‌های کلیدی

در سطح جهانی

• بخش قابل توجهی از پژوهش و تولید علم در حوزه هوش مصنوعی در جهان توسط مراکز و مؤسسه‌های دانشگاهی صورت می‌گیرد (به‌طور متوسط 78 درصد) و سهم بخش صنعتی و دولتی در این زمینه به‌ترتیب 10 و 8 درصد است چین، آمریکا، هند، ژاپن و انگلستان، پنج کشور برتر دنیا در تولید مقالات علمی هوش مصنوعی در بازه زمانی 2023-1996 هستند.
• آمریکای شمالی رکورددار تعداد شرکت‌های فعال در هوش مصنوعی جهان است، این میزان دو برابر مجموع تعداد شرکت‌های فعال این حوزه در اروپاست. در بازه 10ساله (2023-2013) آمریکا با 5509 شرکت و پس از آن چین با 1446 و انگلستان با 727 شرکت فعال هوش مصنوعی دارای بیشترین تعداد شرکت در این حوزه بودند.
• در در آمریکا در بازه 10ساله (2023-2013) در میزان سرمایه‌گذاری بخش خصوصی با بیش از 335 میلیارد دلار پیشتاز است. چین بعد از آمریکا با 104 و انگلستان با 22 میلیارد دلار در رتبه‌های بعدی سرمایه‌گذاری بخش خصوصی قرار گرفته‌اند. بااین‌حال در دو سال گذشته، میزان سرمایه‌گذاری بخش خصوصی چین در هوش مصنوعی کاهش‌یافته و حتی از اروپا نیز کمتر شده که می‌تواند ناشی از سیاست‌های کلان چین در حوزه فناوری و یا اثر بازدارندگی قوانین و مقرراتی باشد که به‌طور خاص در حوزه هوش مصنوعی در این کشور به تصویب رسیده است.
• ارزیابی اثر اخلاقی هوش مصنوعی از منظر اجتماعی نشان داده که روند شناخت و آگاهی از آثار ‌به‌کارگیری هوش مصنوعی بین مردم جامعه به تدریج در حال افزایش است. پیامدهای اخلاقی و اجتماعی این فناوری از نظر مردم جوامع مختلف در سطح جهان در حال پر‌رنگ شدن است.

کشورما

• براساس پایگاه استنادی سایماگو، در این بازه زمانی 2023 -1996 در جایگاه پانزدهم هوش مصنوعی جهان قرار دارد و براساس طبقه‌بندی شاخه‌های فناوری هوش مصنوعی به استناد وب آو ساینس در حوزه شبکه‌های عصبی در رتبه 6 جهانی قرار دارد.
• در حال حاضر، مقطع کارشناسی هوش مصنوعی وجود ندارد اما دانشگاه‌های کشور در مقاطع تکمیلی اقدام به پذیرش دانشجو در گرایش هوش مصنوعی با عنوان «علوم کامپیوتر گرایش محاسبات نرم و هوش مصنوعی» و «مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیک» برای مقطع ارشد و «محاسبات نرم و هوش مصنوعی» ذیل رشته علوم و مهندسی کامپیوتر و «رایانش و هوش مصنوعی» ذیل رشته علوم شناختی و اعصاب شناختی در مقطع دکتری کرده‌اند.
• براساس آمار ارائه شده توسط سازمان سنجش، نظام دانشگاهی کشور در سال ۱۴۰۲ در مقطع دکتری ۱۷۲ نفر و در مقطع کارشناسی ارشد ۱۳۵۸ نفر ظرفیت پذیرش دانشجو ذیل گرایش‌های یاد شده در بالا را داشته است.
• آمار رسمی از سرمایه‌گذاری در هوش مصنوعی موجود نیست اما براساس مطالعات اولیه، سرمایه‌گذاری در قالب وام، تسهیلات و کمک‌های بلاعوض به برخی شرکت‌های فعال این حوزه تا 9/5 میلیون دلار، گزارش شده و ضرورت سرمایه‌گذاری حدود هشت میلیارد دلار تا 1410 تخمین زده شده است. هرچند برخی صاحب‌نظران معتقدند که برای اجرای پروژه‌های هوش مصنوعی بومی به اعتبارات بیش از میزان برآورد شده نیاز است.
• ارزش کل بازار این حوزه حدود 1600 میلیارد تومان در سال 1401 برآورد شده که سهم شرکت‌های کوچک و متوسط دانش‌بنیان از آن حدود 1120 میلیارد تومان (160 میلیارد تومان با نرخ تعدیل سال 1394) بوده که در مقایسه با ظرفیت‌های بالقوه و انتظارات آتی بسیار اندک و قابل تأمل است.
• در حال حاضر سندها یا توصیه‌نامه‌های اخلاقی درمورد هوش مصنوعی تدوین نشده است و البته به‌طور رسمی نیز نگرش و افکار عمومی در مورد هوش مصنوعی مورد سنجش و ارزیابی قرار نگرفته‌است.
• سند ملی هوش مصنوعی مصوب شورای عالی انقلاب فرهنگی در قالب یک جدول کلان، اهداف کمی توسعه هوش مصنوعی را تعیین نموده است. بااین‌حال، تصویر وضعیت موجود در این جدول، اغلب ناظر به سال‌های 1400 یا 1401 است و قسمت قابل توجهی نیز فاقد مقدار کمی است که به‌نظر می‌رسد با توجه به ابلاغ سند در تیرماه 1403 و تحولاتی که امکان رخداد آن در این فاصله دو‌ساله وجود داشته است، نتواند تحلیل صحیحی از چشم‌انداز و انتظارات ارائه دهد.

پیشنهاد راهکار تقنینی، نظارتی یا سیاستی

برای ایران، قرار گرفتن در زمره 10 کشور برتر هوش مصنوعی در دنیا به‌عنوان یکی از چشم‌اندازهای توسعه این حوزه قطعاً نمی‌تواند فقط معطوف به تولید دانش آن باشد.

ازجمله اقدام‌های پیشنهادی که می‌تواند در چارچوب زیرساخت‌های قانونی ضمانت اجرای آن را نیز تقویت نمود عبارتند از:

• تبیین شفاف‌تر وضعیت موجود و برنامه‌ریزی برای آینده

-ایجاد یک مرکز رصد شاخص‌های توسعه هوش مصنوعی وفق سند ملی به کمک کاروران بخش خصوصی و با نظارت سازمان ملی هوش مصنوعی.

-توسعه و تولید شاخص بومی سنجش توسعه هوش مصنوعی در کشور با قابلیت انطباق و مقایسه با شاخص‌های جهانی رتبه‌بندی.

• تأمین مالی و جذب سرمایه برای توسعه هوش مصنوعی

-ایجاد یک صندوق ملی اختصاصی با مشارکت دولت و سرمایه بخش خصوصی با هدف توسعه لایه‌های عمیق هوش مصنوعی، توسعه خدمات پایه و کاربردی هوش مصنوعی و اجرای تکالیف و تعهدات دولت.

• تأمین زیرساخت‌های مورد نیاز از طریق همکاری بین بخش خصوصی و دولتی

-استفاده از ظرفیت اپراتورهای داده برای یکپارچه‌سازی داده‌های بخشی و تسهیل دسترسی توسعه‌دهندگان به داده.

-تأمین سریع تجهیزات، پردازنده‌ها و سخت‌افزارهای اختصاصی هوش مصنوعی و ایجاد مرکز ملی پردازش سریع با ظرفیت یک اگزافلاپس ویژه طرح‌های هوش مصنوعی.

-حمایت از ظرفیت‌های خُرد پردازشی کشور برای تأمین زیرساخت پردازش اشتراکی با ظرفیت 5 اگزافلاپس.

-بهره‌گیری از توان بخش خصوصی برای راه‌اندازی نیروگاه‌های کم‌توان و توزیع شده برای تأمین انرژی مورد نیاز پردازش با حجم بالا.

• تمرکز بر تقویت پژوهش‌های هدفمند تقاضامحور در کشور

-فراهم کردن زیرساخت‌های داده‌های باز برای تسهیل و تقویت دسترسی پژوهشگران.

-تخصیص بودجه به دانشگاه‌ها و پژوهشکده‌های منتخب برای انجام تحقیق‌ها کاربردی و نیز تحقیق‌ها عمیق و بلندمدت هوش مصنوعی و تعریف سازوکارهای نظارتی همچون ارزیابی کیفیت و ایجاد بستر رقابت.

• حمایت از کسب‌وکارهای نوپا

-نگهداشت نخبگان و متخصصان هوش مصنوعی با ایجاد انگیزه‌های لازم در مسیر حمایت از شرکت‌های خُرد و کوچک و متوسط هوش مصنوعی (در قالب گرنت‌های مستقیم تحقیق و توسعه به اشخاص حقیقی- اعمال مالیات با نرخ صفر بر حقوق کارکنان شاغل در شرکت‌های خُرد و کوچک مورد تأیید سازمان ملی هوش مصنوعی با کمتر از 10 پرسنل (وفق دستورالعمل‌ها و ضوابطی که تعیین می‌شود) و ...).

-تعریف پروژه‌های کوچک‌مقیاس در صنایع مبتنی‌بر حل مسائل واقعی صنعت و برمبنای نقشه راه ترسیم‌ شده در سازمان ملی هوش مصنوعی با حمایت این سازمان و توسط شرکت‌هایی با کمتر از پنجاه نفر پرسنل (شرکت‌های کوچک و متوسط) یا کنسرسیوم‌هایی از شرکت‌های با کمتر از 10 پرسنل فنی هوش مصنوعی (شرکت‌های خُرد) قابل انجام باشد.

-تدوین دستورالعمل‌ها و حمایت‌های اختصاصی توسعه هوش مصنوعی توسط معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست‌جمهوری در راستای بهره‌مندی از ظرفیت‌های قانون جهش تولید دانش‌بنیان مصوب 1401.

۱. مقدمه

گرچه نمی‌توان تعریف دقیقی برای هوش مصنوعی در نظر گرفت، اما در کل اساس هوش مصنوعی (AI) آن است که هوش انسان و طریق کار آن به‌گونه‌ای تعریف شود که یک ماشین بتواند علاوه‌بر یادگیری ‌به‌راحتی و به درستی آن ‌را اجرا کند. هدف هوش مصنوعی در حقیقت بر سه پایه استوار است: یادگیری، استدلال و درک. فناوری‌های هوش مصنوعی ماشین را قادر می‌سازد با تقلید از توانایی‌های انسانی براساس سه شاخص فوق به درک و کشف محیط پیرامون پرداخته و به کمک قدرت یادگیری به سطوح بالاتری از هوشمندی دست‌یافته و به تجزیه‌و‌تحلیل و درک اطلاعات گردآوری شده بپردازد[1].

نیلز نیلسون ‌به‌عنوان یکی از پیشگامان هوش مصنوعی، این دانش را نوعی فعالیت خاص در ایجاد هوش در ماشین‌ها دانسته و این خود ویژگی است که یک موجود بتواند ‌به‌طور مناسب و با پیش‌بینی در محیط خود عمل کند[2].

با گسترش استفاده همگانی از رایانه و افزایش قدرت محاسباتی و قدرت یادگیری زبان در رایانه‌ها، دهه 1950 تا 1970 را می‌توان «عصر طلایی هوش مصنوعی» دانست[3].

این فناوری با پژوهش‌های آلن تورینگ و کلود شانون در سال 1956 ‌به‌طور رسمی در کنفرانسی در کالج دارتموث مطرح شد و در دهه 1980، در چند دانشگاه و مؤسسه تحقیقاتی محبوبیت یافت. در ادامه، طراحی آن با هدف خدمت‌رسانی تخصصی به افراد غیرمتخصص توسعه یافته و به مرحله عملیاتی وارد شد. در سال2006 و در سال 2012، جفری هیلتون و همکارانش با پیشنهاد رویکردی برای ایجاد شبکه‌های عصبی پیشرفته‌تر، توانستند در شبکه عصبی یادگیری عمیق تحولات بنیادینی به انجام رسانند از آن زمان تا به امروز هوش مصنوعی، دوره‌های گوناگونی را سپری کرده و وارد مرحله بلوغ فناوری و تجاری شده است[4]. این فناوری حوزه‌های وسیعی از دانش را دربرگرفته که در نقطه تلاقی میان چند دانش بزرگ دیگر ازجمله علوم رایانه‌ای، الکترونیک، روانشناسی، زیست‌شناسی، زبان‌شناسی، منطق و فلسفه نیز قرار گرفته‌است. می‌توان بیش از بیست زیرشاخه برای هوش مصنوعی برشمرد که در میان آنها یادگیری ماشین، شناخت طبیعی زبان پردازش، شناخت الگو، رباتیک، سامانه‌های خبره، شبکه‌های عصبی، منطق فازیو الگوریتم ژنتیک از اهمیت بسزایی برخوردار است[5].

کاربردهای متنوع و عمومی هوش مصنوعی باعث شده است روند توسعه و رشد این فناوری بسیار سریع‌تر از سایر فناوری‌ها باشد. مؤسسه‌ها معتبر بین‌المللی نظیر گارتنر، مکنزی و آکسفورد اینسایت توسعه سریع و همه جانبه این فناوری تا سال 2030 را پیش‌بینی کرده‌اند. ارزش اقتصادی قابلیت‌های هوش مصنوعی کاربردی در پژوهش‌های مکنزی در سال 2022، بین 26-17 تریلیون دلار تخمین زده شده و سهم شرکت‌هایی که به دنبال این ارزش اقتصادی هستند، رو به افزایش است. در بررسی سالیانه مکنزی سهم سازمان‌هایی که هوش مصنوعی را پیاده‌سازی نموده‌اند در سال 2017 معادل 20 درصد بود، اما این میزان در سال 2022 به بیش از دو برابر، (50 درصد) رسیده است[6].

آمریکای شمالی مهد شرکت‌های بزرگی نظیر فیس‌بوک، آمازون، گوگل، آی‌بی‌ام، مایکروسافت و اپل است که نقش بسیار اثربخشی در توسعه بازار هوش مصنوعی در این منطقه دارند. تقاضای بالای محصول‌های سخت‌افزاری و نرم‌افزاری خودکار و پیشرفته هم در بخش مصرف‌کننده نهایی و هم در بخش صنعت وجود داشته و راهبردها و سیاست‌های دولتی مبتنی‌بر تشویق این بخش‌ها به اتخاذ فناوری‌های پیشرفته حاصل از هوش مصنوعی بوده‌است. یکی از سیاست‌های حوزه گسترش هوش مصنوعی را می‌توان در فرمان 11 فوریه 2019، رئیس‌جمهور آمریکا با عنوان «حفظ رهبری آمریکا در هوش مصنوعی» دانست که به‌منظور سیطره بیشتر این کشور بر بازار هوش مصنوعی به امضا رسید. براساس این مصوبه دولت ترامپ، پنج اقدام اساسی صورت گرفت که عبارت بودند از: 1. افزایش سرمایه‌گذاری برای پژوهش‌های حوزه هوش مصنوعی، 2. آزادسازی منابع محاسباتی و داده‌های مرتبط با هوش مصنوعی در دولت فدرال، 3. تعیین استانداردهای فنی هوش مصنوعی، 4. آموزش و تربیت نیروی انسانی متخصص و ماهر در هوش مصنوعی و به‌کارگیری آن در بخش خدمات آمریکا و 5. برقراری ارتباط با متحدان بین‌المللی در حوزه هوش مصنوعی. این پنج اقدام ‌به‌عنوان مقدمات «قانون ابتکار هوش مصنوعی ملی سال 2020» در آمریکا شناخته شد[7].

بودجه دولت فدرال برای توسعه هوش مصنوعی در بخش غیردفاعی در سال 2022 معادل1/7 میلیارد دلار گزارش شده که عمدتاً صرف حمایت از تحقیق و توسعه شده است.

در اروپا نیز کشورهایی نظیر انگلیس، فرانسه، آلمان و سوئد از پیشروان هوش مصنوعی در سطح جهانی مطرح هستند. بازار هوش مصنوعی در آلمان طی سال 2022 به ارزش 25/7 میلیارد دلار بوده و پیش‌بینی می‌شود نرخ رشد سالیانه سرمایه‌گذاری از سال‌های 2023 تا 2032 به 21 درصد رسید [8]. از طرفی، در آسیای شرقی کشوری نظیر چین ‌به‌عنوان پیشرو در عرصه هوش مصنوعی نه‌تنها در آسیا که در سطح جهانی شناخته شده و رقابت تنگاتنگی با آمریکا دارد. بایدو در چین ‌به‌عنوان بزرگ‌ترین شرکت فعال در حوزه هوش مصنوعی است که طیف وسیعی از خدمات مبتنی‌بر اینترنت و محصولات مرتبط با آن برای کاربران و کسب‌وکارها ارائه می‌نماید. این شرکت علاوه‌بر ارائه خدمات به کاربران و شرکت‌ها، قراردادهای بزرگی را برای جذب سرمایه‌گذاری‌ها و واگذاری گروه‌های خدمات مالی ‌به‌منظور خلق ثروت و خدمات مرتبط با تجارت در اختیار قرار می‌دهد. در ژاپن نیز به‌ترتیب سهم بازار هوش مصنوعی در سال 2022 معادل 20/2 میلیارد دلار بود و پیش‌بینی می‌شود نرخ رشد سالیانه سرمایه‌گذاری در ده سال آتی 21 درصد باشد. در این میان، جایگاه هوش مصنوعی در منطقه خاورمیانه نه با سرعت اروپا و آمریکا اما با روندی خطی در حال افزایش است به‌طوری‌که کشورهایی نظیر رژیم صهیونیستی با راه‌اندازی شرکت‌های بزرگ فناوری مانند ویز و موبایل آی، امارات متحده عربی با سرمایه‌گذاری‌های بزرگ در حوزه این فناوری، عربستان سعودی با توسعه برنامه‌ها و طرح‌های این زمینه و ترکیه با راه‌اندازی رباتیک، تحلیل داده و اینترنت اشیا بوده ‌است[9].

با گسترش هر چه بیشتر هوش مصنوعی در سطح جهانی، لزوم شناسایی مؤلفه‌ها و شاخص‌های ارزیابی سیاست‌های کشورها در مسیر توسعه این فناوری پر‌رنگ‌تر می‌شود.

هر ماه مدل‌های جدیدی از هوش مصنوعی در مقیاس بزرگ در حال انتشار است و مجموعه‌های بزرگ و مؤسسه‌ها علمی زیادی در سراسر جهان به دنبال معرفی این شاخص‌ها و بازتعریف آنها هم‌راستا با سرعت تحولات این فناوری هستند. مراکز پژوهشی متعددی در جهان نظیر دانشگاه استنفورد برای ارزیابی و رصد تحولات هوش مصنوعی هر ساله با تعریف برخی شاخص‌ها به بررسی روند تغییرات و توسعه این فناوری می‌پردازند و تحلیل جامعی از تحقیق و توسعه و وضع موجود هوش مصنوعی ارائه می‌نماید. عمده مؤسسه‌ها پژوهشی و مراکز تحقیقاتی نیز بدین شاخص‌ها و مؤلفه‌های آن اشاره می‌کنند اما هنوز شاخص استاندارد و همه‌گیری برای بررسی ابعاد و مؤلفه‌های مختلف مرتبط با توسعه پایدار و ایمن هوش مصنوعی تعیین نشده است. ازآنجایی‌که گزارش این دانشگاه برپایه هوش مصنوعی انسان‌محور تهیه شده و طیف وسیعی از موضوعات مرتبط با هوش مصنوعی نظیر توسعه دانش و فناوری‌های هوش مصنوعی، سرمایه‌گذاری‌ها، حجم بازار، ملاحظات اخلاقی، پیشرفت‌های فناورانه و آثار اجتماعی پوشش داده‌می‌شود؛ مرجعی برای آگاهی‌بخشی به سیاستگذاران، پژوهشگران و صنعتگران هوش مصنوعی است. در این گزارش تلاش شده‌ است با توجه به شاخص‌های مطرح و پر‌ استناد جهانی در حوزه هوش مصنوعی، برخی مؤلفه‌های آن نظیر میزان دانش‌آموختگی و اشتغال هوش مصنوعی، شرکت‌های فعال، سرمایه‌گذاری بخش خصوصی، سهم بازار، اخلاق، پذیرش اجتماعی و در نهایت چشم‌انداز توسعه این فناوری در جهان ترسیم شود.

هرچند در برخی از پژوهش‌های گذشته، تصویر مختصری از روندها و وضعیت توسعه هوش مصنوعی در سطح جهانی ارائه شده[10]، اما در این پژوهش تلاش شده است این موضوع به‌صورت نظام‌مند‌تر و با بهره‌گیری از شاخص‌های مطرح جهانی از زوایای مختلف مورد بررسی قرار گیرد. در این مطالعه ‌به‌دلیل فراگیر بودن مؤلفه و شاخص‌های هوش مصنوعی در دانشگاه استنفورد بدان توجه ویژه‌ای شده و در عین حال از برخی داده‌ها و اطلاعات خارج از گزارش منتشره آن نهاد نیز در راستای ترسیم وضعیت و چشم‌انداز توسعه هوش مصنوعی بهره گرفته شده است.

شایان توجه است، هدف از این پژوهش معرفی یا ترویج شاخص‌های پیشنهادی این مراکز و مؤسسات نبوده و تمرکز اصلی آن بر مؤلفه‌های اصلی و جامع در ارزیابی میزان توسعه هوش مصنوعی و ارائه تصویری از فعالیت‌ها، سرمایه‌گذاری‌ها و وضعیت برخی کشورهای پیشرو و منتخب در این حوزه است. بدین ترتیب برخی از مؤلفه‌های همچون تحقیق و توسعه، آموزش و توسعه مهارت‌های مرتبط با هوش مصنوعی، سرمایه‌گذاری‌های صنعتی این حوزه و استفاده از فناوری‌های هوش مصنوعی در صنایع و بخش‌های مختلف خدمات مورد ارزیابی قرار می‌گیرد. در بخش رصد توسعه هوش مصنوعی در ایران نیز سعی شده با توجه به مؤلفه‌های بخش نخست (بین‌الملل) جایگاه کشور در مقایسه با سایر کشورها بررسی شود.

2.هوش مصنوعی، کارکردها و زیرشاخه‌ها

هرچند دسته‌بندی‌های متنوعی برای معرفی کارکردها و زیرشاخه‌های هوش مصنوعی وجود دارد اما گزارش دانشگاه استنفورد، این کارکردها را مبتنی‌بر بهبود عملکرد کسب‌وکارها و توسعه مشاغل، طبقه‌بندی کرده‌است. بر این اساس کارکردها در زیر معرفی شده‌اند:

• خودکارسازی فرایندهای رباتیک

در این کارکرد از ربات‌ها و سیستم‌های هوش مصنوعی برای انجام فعالیت‌های مختلف در یک فرایند استفاده می‌شود. شرکت‌ها ‌به کمک این فناوری قادر خواهند بود فرایندهای کاری خود را بهبود بخشیده و بهینه‌تر عمل کنند. از دیگر کاربردهای رباتیک می‌توان به خودکارسازی وظایف مکرر و پیچیده بهینه‌سازی فرایندهای تولید، خدمات، کاهش هزینه‌ها و کوتاه شدن زمان کار اشاره کرد. در سال 2022 این قابلیت 39 درصد از کاربردهای هوش مصنوعی را به‌خود اختصاص داد.

• رایانش بصری

رایانش بصری به ماشین‌ها و رایانه‌ها امکان تحلیل تصاویر و ویدئوها را فراهم می‌کند و از آنها اطلاعات استخراج می‌کند. در این فناوری از الگوریتم‌ها، شبکه‌های عصبی مصنوعی و روش‌های تشخیص الگو استفاده می‌شود تا اشیا، صورت‌ها، شناسه‌ها، محیط‌ها و ویژگی‌های دیگر تصاویر تمیز داده شود. از این فناوری در شناسایی چهره، تشخیص خودروها در جاده، تشخیص اشیا در تصاویر پزشکی، تشخیص اشیا در محیط‌های صنعتی و بسیاری حوزه‌های دیگر استفاده می‌شود. این قابلیت در سال 2022، معادل 34 درصد بوده‌است.

• قابلیت درک متن یا پردازش زبان طبیعی

در این کارکرد، به ماشین‌ها و رایانه‌ها امکان درک و تحلیل زبان انسان آموزش داده می‌شود. این فناوری از الگوریتم‌ها، مدل‌های زبانی، شبکه‌های عصبی و روش‌های متن‌کاوی استفاده می‌کند تا اطلاعات مفهومی و ساختاری از متون و گفتارها استخراج شود. درک متن به ماشین‌ها امکان می‌دهد تا متون را تحلیل کرده و اطلاعاتی مانند موضوع، مفهوم، احساسات، شناسایی اجزا مختلف متن و دسته‌بندی متون را استخراج کنند. این فناوری در بسیاری از حوزه‌ها مانند پردازش زبان طبیعی، ترجمه ماشینی، خلاصه‌سازی متن، تحلیل احساسات، پرسش و پاسخ خودکار و بسیاری دیگر مورد استفاده قرار می‌گیرد. امروزه در بسیاری از سیستم‌ها و برنامه‌های هوشمند قابلیت درک متن مورد استفاده قرار می‌گیرد و نقش مهمی در توسعه فناوری‌های مبتنی‌بر زبان انسان ایفا می‌کند و درصد این قابلیت 33 درصد اعلام شده است.

• عامل مجازی هوشمند

عامل مجازی هوشمند که گاهی ربات چت هم نامیده می‌شود، نوعی برنامه نرم‌افزاری است که از مجموعه دستورالعمل‌های کدگذاری شده هوش مصنوعی برای ارائه خدمات یا راهنمایی خودکار به انسان‌ها استفاده می‌نماید. عامل‌های مجازی معمولاً توسط سازمان‌ها برای ارائه خدمات مشتری و پاسخ به سؤالات معمول مشتری، برآورده کردن درخواست‌های مشخص و استاندارد همچنین رسیدگی به مشکلات ساده استفاده می‌شوند. این قابلیت و کاربرد آن با 33 درصد، در سال 2022 معرفی و ‌به‌کار رفته ‌است.

• بهینه‌سازی عملیات خدمات

این فرایند جهت بهبود کارایی و اثربخشی در ارائه خدمات یک سازمان ‌به‌کار می‌رود. با بهینه‌سازی عملیات خدمات، سازمان‌ها می‌توانند رضایت مشتری را بهبود بخشند، رقابت‌پذیری را افزایش دهند و به عملکرد کلی بهتری دست یابند. کاربردی بودن این کارکرد در سال 2022 حدود 24 درصد بوده ‌است.

• ایجاد محصولات جدید مبتنی‌بر هوش مصنوعی

 این کارکرد شامل توسعه راه‌حل‌های نوآورانه است و از فناوری‌های هوش مصنوعی برای رفع نیازها یا چالش‌های خاص استفاده می‌شود با 20 درصد قابلیت به‌کارگیری در سال 2022 ثبت شده ‌است.

• تقسیم‌بندی مشتری در هوش مصنوعی

از این قابلیت می‌توان در انجام تحلیل داده‌ها و بهره‌گیری از الگوریتم‌های یادگیری ماشین نظیر الگوریتم‌های خوشه‌بندی، الگوریتم‌های طبقه‌بندی و سیستم‌های پیشنهاددهی استفاده کرد که درصد قابلیت به‌کارگیری این فناوری معادل 19 درصد بوده ‌است.

• تجزیه‌و‌تحلیل خدمات مشتری

شامل فرایند گردآوری و تجزیه‌و‌تحلیل داده‌های مشتریان است. داده‌ها از تمام نقاط ارتباط با مشتری اعم از پیام‌ها، خریدها، بازخورد نظرسنجی، بازده و جمعیت‌شناسی به دست می‌آیند. شرکت‌ها اغلب از ابزارهای تحلیلی برای جمع‌آوری داده‌های مشتری که از سراسر کسب‌وکارها حاصل شده استفاده کرده تا بینش‌های ارزشمندی ایجاد کنند. این یافته‌ها به بازاریابی و توسعه محصول و هدایت تجربه کلی مشتری کمک می‌کند. این قابلیت در هوش مصنوعی که در سال 2022 گزارش شده معادل 19 درصد اعلام شد.

• بهبود محصولات جدید مبتنی‌بر هوش مصنوعی

این قابلیت با 19 درصد استفاده در سال 2022 از طریق به‌کارگیری سازوکارها و الگوریتم‌های هوش مصنوعی، ‌به‌منظور بهبود عملکرد و کارایی و تجربه کاربری محصولات انجام می‌شود که می‌توانند به شرکت‌ها کمک کنند تا محصولات جدید خود را بهبود داده و باعث افزایش رضایت‌مندی مشتریان و افزایش رقابت در بازار شود.

• به‌کارگیری ابزارهای هوش مصنوعی کوپایلت

 از یادگیری ماشین و پردازش زبان طبیعی برای درک کد و ارائه پیشنهادهای هوشمندانه به‌منظور بهبود بهره‌وری و دقت در کدنویسی استفاده می‌شود.

با توجه به نظرسنجی‌های انجام شده در پلتفرم برپایه وب موسوم به گیتهاب، درخصوص بازخورد کاربران در مورد ابزارهای مبتنی‌بر هوش مصنوعی کوپایلت نظرسنجی شد، 74 درصد از کاربران از تمرکز بیشتر حاصل از به‌کارگیری این فناوری، ابراز رضایت داشتند و در عین حال 88 درصد نیز اعلام داشتند که به‌کارگیری این فناوری باعث سرعت بیشتر در کارها می‌شود. براساس این نظرسنجی، هوش مصنوعی کوپایلت باعث تمرکز و کارایی بیشتر می‌‌شود[11].

3.پربسامدترین روند تغییرات رخدادها در مسیر توسعه هوش مصنوعی بین سال‌های 2023- 2015

سیستم‌های هوش مصنوعی همواره در حال رشد و توسعه است و سرعت تحولات آن پس از همه‌گیری کرونا شدت بیشتری یافته‌است. شرکت‌های بزرگی نظیر گوگل، متا و اپن ای آی همواره جدیدترین مدل‌های هوش مصنوعی را منتشر می‌کنند. برای مثال، در ماه آوریل سال 2022 شرکت اپن ای آی اعلام کرد که مدل تبدیل متن به تصویر هوش مصنوعی دال ای 2 قادر به خلق تصاویر واقعی از ذهن است. در ماه جولای 2022 یک میلیون کاربر از این مدل پال‌ای استفاده کردند و در ماه آگوست 2022 شرکت استارتاپی به‌نام استبیلیتی ای آیابزارهای زیادی برای تبدیل متن به تصویر خلق کرد. این روند توسعه و پیشرفت نشان داده که هوش مصنوعی در سال‌های 2021 و 2022 با سرعت حرکت کرده است. در شکل 1 به اجمال پربسامدترین روند تغییرات توسعه هوش مصنوعی بین سال‌های 2023- 2015 ارائه شده ‌است[12].

 شکل 1. پربسامدترین رخدادها در مسیر توسعه هوش مصنوعی بین سال‌های 2015- 2023

Source: "Time Artificial Intelligence", (2024). AI Publications[12]

4.روندهای توسعه برخی از زیرشاخه‌های هوش مصنوعی

4-1. یادگیری ماشین (ML)

یادگیری ماشین شاخه‌ای از هوش مصنوعی است که به مطالعه و ساخت سیستم‌هایی با قابلیت یادگیری از داده‌ها می‌پردازند. رایانه‌ها عمدتاً می‌توانند وظایف را بدون دستورالعمل‌های صریح انجام دهند و اغلب با تعمیم الگوهای موجود در داده‌ها این امر صورت می‌گیرد.

در یادگیری ماشین برای مدل‌سازی و درک روابط پیچیده درون داده‌ها به شبکه‌های عصبی مصنوعی چند لایه نیاز است. هدف اصلی تخصیص و تعمیم است. تخصیص بدین معنا که نمونه‌های داده‌ای، با توابعی که براساس این نمونه‌ها آموزش داده‌می‌شوند، به گروه‌های مختلف اختصاص می‌یابد و تعمیم ‌به‌معنای این است که سیستم بر نمونه‌های داده‌ای که در نظر گرفته نشده، نیز ‌به‌خوبی عمل خواهد کرد.

با علم به اینکه نوآوری‌ها و فناوری‌های جدید با سرعت بسیار بالایی در حال توسعه و ارتقا است، یادگیری ماشین نیز که در این چرخه قرار دارد روزبه‌روز در تمام حوزه‌ها مانند بهداشت، امور مالی، خرده‌فروشی، تجارت الکترونیک، رسانه‌های اجتماعی و غیره در حال تکامل است. ازسوی دیگر، سازمان‌ها بسیار متکی به بینش‌هایی هستند که از داده‌ها به روش یادگیری ماشین به دست می‌آید.

بررسی روند توسعه این شاخه از هوش مصنوعی توسط دانشگاه استنفورد نشان می‌دهد تا سال 2014، توسعه اکثر سیستم‌های یادگیری ماشین توسط دانشگاه‌ها و آکادمی‌ها اتفاق افتاده درحالی‌که در سال 2022، مجموعه 32 بخش صنعتی بزرگ سیستم‌های یادگیری ماشین را طراحی و ارائه نمودند و بخش دانشگاهی و تحقیقاتی صرفاً سه سیستم یادگیری ماشین ارائه کردند. برای تولید سیستم‌های بزرگ و خارق‌العاده هوش مصنوعی به حجم زیادی داده، قدرت محاسباتی، منابع بزرگ مالی، و به کل منابع نیاز است و این امر فقط توسط بازیگران بزرگ بخش صنعتی امکان‌پذیر است درحالی‌که مؤسسات غیرانتفاعی و مراکز تحقیقاتی با بودجه و امکانات محدود از انجام آن در این سطح عاجزند[13].

براساس آخرین گزارش به‌روز شده دانشگاه استنفورد در 2024، بیشترین تعداد مدل‌های مبتنی‌بر یادگیری ماشین در آمریکا طی سال 2023، معادل 61 مدل گزارش شده و در رده‌های بعدی به‌ترتیب، چین با 15 و سپس فرانسه با 8 مدل قرار دارند. هر‌چند که جمع کل تعداد مدل‌های یادگیری ماشینی اتحادیه اروپا و انگلستان در این سال با 25 مدل برای نخستین بار از سال 2019 تاکنون، از کشور چین پیشی‌گرفتند. در شکل 2 تعداد مدل‌های اصلی یادگیری ماشین در کشورهای مختلف جهان در سال 2023 ارائه شده ‌است.

 شکل 2. تعداد مدل‌های اصلی یادگیری ماشین در کشورهای مختلف جهان

Source: Epoch and AI Index, 2023/ Chart:2024 AI Index Report [13]

4-2. روندهای توسعه پردازش زبان طبیعی

پردازش زبان طبیعی یکی از حوزه‌های هوش مصنوعی و زبان‌شناسی است که به تعامل ماشین و انسان می‌پردازد و شامل دو بخش درک معنا و مفهوم زبان و بخش دوم تولید زبان است. ماشین‌ها برای درک، تفسیر و تولید کلمات گفتاری و متون نوشتاری به پردازش زبان طبیعی مجهز می‌شوند[14]. در پردازش زبان طبیعی، سیستم‌های رایانه‌ای قادرند که به ادراکی از متن برسند و این مهم از طریق آموزش دیدن و در معرض اطلاعات و داده‌های عظیم قرار گرفتن مدل‌های بزرگ زبانی هوش مصنوعی صورت می‌گیرد. در این راستا اخیراً مدل‌هایی نظیر پالم، جی پی‌تی-4 و جی آل‌ام-130 بی، ظهور یافته‌اند و این فرایند در حال ارتقا و توسعه است.

به‌منظور رصد روند تحولات پردازش زبان طبیعی، طی پژوهشی مجموعه مقالات مرتبط با این حوزه در قالب کلمات کلیدی شامل پردازش زبان طبیعی و هوش مصنوعی عمومی و اصول اخلاقی جمع‌آوری و تحلیل شده است (شکل3). از میان 480 اثر مرتبط با پیش‌بینی وضعیت توسعه هوش مصنوعی در شاخه پردازش زبان طبیعی، 77 درصد از مقالات به اهمیت و اثرگذاری بیشتر شرکت‌های خصوصی نسبت به بخش دولتی در توسعه این شاخه اشاره کرده‌اند. همچنین بخش قابل توجهی از محتوای پژوهشی این حوزه توسط بخش صنعتی در حال تولید شدن است (86 درصد). در 67 درصد مقالات، پردازش زبان طبیعی به‌عنوان شاخه‌ای از هوش مصنوعی با فقدان قطعیت شناخته شده و 62 درصد پژوهش‌ها اعلام کرده است که این فناوری طی سه سال آتی افول خواهد کرد درحالی‌که 30 درصد پژوهش‌ها نیز حاکی از آن است در 10 سال آتی این فناوری به مراحل افول خود نزدیک خواهد شد. محققان در 30 درصد از پژوهش‌های بررسی شده، معتقد بودند که دوران پایان پردازش زبان طبیعی به پایان رسیده‌است. در شکل 3 درصدها و نتایج اظهار شده در تحقیقات حوزه پردازش زبان طبیعی ‌به‌صورت مجزا نشان داده ‌شده ‌است.

شکل 3. چرخه عمر و بازیگران اصلی فناوری ان ال پی (پردازش زبان طبیعی) براساس تحقیق دانشگاه استنفورد

Source: Stanford University human centered Artificial Intelligence 2024 [14]

4-3. روندهای توسعه فناوری‌های مرتبط با رایانش بصری

رایانش بصری (CV)، این امکان را برای ماشین‌ها فراهم می‌کند تا اطلاعات بصری را شناسایی و تشخیص داده و تصاویر و فیلم‌ها را به داده مبدل نماید و براساس نتایج تصمیم‌گیری کنند. این فناوری شاخه‌ای پرکاربرد از هوش مصنوعی است که در دنیای واقعی کاربردهای مهمی نظیر رانندگی خودکار، نظارت بر جمعیت، تجزیه‌و‌تحلیل ورزشی و خلق بازی‌های ویدیوئی دارد[15].

همان‌طورکه اشاره شد، در میان شاخه‌های اصلی هوش مصنوعی نمی‌توان مرز جداکننده و جامعی در نظر گرفت بلکه مرزها سیالند و ممکن است دسته‌بندی‌ها متناظر با هم پیش روند. پژوهش دانشگاه استنفورد بینایی رایانه‌ای را به پنج زیر‌شاخه طبقه‌بندی کرده است که گرچه در شاخه رایانش بصری قرار گرفته اما مرزهای آن نسبت به سایر شاخه‌ها همچون یادگیری ماشین و پردازش زبان طبیعی سیالیت دارد. در ذیل عمده‌ترین روندهای توسعه رایانش بصری در سال 2023 بیان شده است:

• هوش مصنوعی مولد: طی سال گذشته میلادی، کارشناسان، هوش مصنوعی مولد که قادر به ایجاد محتوای جدید و اصیل است را ‌به‌عنوان گرایشی از بینایی رایانه‌ای پیشرو معرفی کردند. در این راستا برنامه‌هایی نظیر هوش مصنوعی لنز از مدل‌های مولد به نام استیبل دی فیوژن برای ایجاد تصاویر دیجیتالی سفارشی شده با درک عمیقی از آنچه کاربر تعریف کرده و یا در زمینه ‌به‌کار بسته، استفاده می‌شود.
• هوش مصنوعی داده‌محور: برخلاف هوش مصنوعی مدل محور که عمدتاً متمرکز بر تنظیم الگوریتم‌ها با مجموعه داده‌های ثابت است، این نوع هوش مصنوعی داده‌محور، ‌به‌منظور عملکرد بهتر و مطلوب‌تر مدل به اصلاح مجموعه داده‌ها تمرکز دارد. در روندهای سال گذشته این رویکرد ‌به‌لحاظ اقتصادی و سرعت توسعه و دقت ‌به‌عنوان رویکردی کلیدی در بینایی رایانه مطرح شد.
• واقعیت ادغام شده: ترکیب دنیای واقعی با محتوای تولیدی رایانه‌ای است که تجربیات همه‌جانبه‌ای را در اختیار قرار می‌دهد و این تجارب برای منظورهای متعددی نظیر انواع بازی‌ها یا نقشه‌برداری فضایی ‌به‌عنوان یک فناوری بسیار مهیج در روندهای سال 2023 معرفی شد.
• تشخیص چهره: از این فناوری در الگوریتم‌های هوش مصنوعی جهت اسکن، شناسایی و تطابق ویژگی‌های چهره از پایگاه داده برای استفاده در مراقبت‌های پزشکی استفاده می‌شود. کاربرد این فناوری در بازیابی اطلاعات بیمار و تشخیص بیماری و در پزشکی است و در سال 2024 آثار فزاینده این فناوری بسیار مشهودتر از قبل خواهد بود.
• مدل‌های دقیق‌تر سه‌بعدی: این مدل‌ها برای تشخیص سطوح اعوجاج، نقوص، فقدان هماهنگی‌ها در رنگ‌ها و ارزیابی‌های ظرفیت توسعه پیدا کرده‌اند.

5. بررسی برخی مؤلفه‌های ارزیابی میزان توسعه هوش مصنوعی در جهان

5-1.ظرفیت‌های پردازشی مورد نیاز در توسعه سامانه‌های هوش مصنوعی

تأمین زیرساخت‌های پردازشی مورد نیاز توسعه سامانه‌های هوش مصنوعی در زمره اولویت‌های مهم این حوزه محسوب می‌شود. براساس شکل 4، توان پردازشی مورد نیاز برای آموزش انواع سامانه‌های هوش مصنوعی متناسب با مدل‌های یادگیری ماشین در سال 2023 بین هزار تا پنجاه هزار اگزافلاپ متغیر بوده‌است. پتافلاپس واحدی برای اندازه‌گیری توان محاسباتی سیستم‌های رایانه‌ای است. این واحد معمولاً برای توصیف عملکرد ابر رایاته‌ها و سیستم‌های پردازش داده‌های بزرگ استفاده می‌شود. به‌عنوان مثال، یک ابر رایانه که با سرعت یک پتافلاپس عمل می‌کند، قادر است یک کوادریلیون محاسبه را در یک ثانیه انجام دهد. به‌طور کلی، پیچیدگی مدل و اندازه مجموعه داده‌های آموزش مستقیماً بر مقدار محاسبات مورد نیاز اثر دارد. هر چه یک مدل پیچیده‌تر و بزرگ‌تر باشد، داده‌های آموزشی و میزان محاسبات مورد نیاز برای آموزش و درنتیجه توان پردازشی مورد نیاز آن نیز بیشتر خواهد بود. در توضیح اجزای شکل 4 درخصوص شرح چند مُدالی بدین نکته اشاره می‌شود که چند مُدالی در هوش مصنوعی به سیستمی اطلاق می‌شود که قادر است از چندین نوع داده یا ورودی مختلف (مدالیت‌ها) استفاده کند تا اطلاعات را تحلیل، پردازش و تولید کند. به‌عبارت‌دیگر، سیستم‌های چند مُدالی می‌توانند همزمان اطلاعات را از منابع مختلف نظیر متن، تصویر، صدا و ویدئو دریافت کرده و ترکیب کنند تا به درک بهتری از محیط یا موضوع موردنظر دست یابند[16].

براساس شکل 4، الکس نت، یکی از سامانه‌های تحقیقاتی توسعه یافته توسط دانشگاه تورنتوی کانادا در سال 2013 برای آموزش به 470 پتافلاپس نیاز داشت. نسخه اصلی ترانسفورمر گوگل نیز که در سال 2017 منتشر شد به حدود 7400 پتافلاپس نیاز داشت و جی‌پی‌تی 4 به‌عنوان یکی دیگر از مدل‌های زبانی مرسوم و کاربردی در دنیا به بیش از 10 هزار اگزافلاپس توان پردازشی نیاز داشته و جمنای آلترای گوگل- یکی از مدل‌های مدرن و اصلی حال حاضر- به 50 میلیارد پتافلاپس (معادل پنجاه هزار اگزافلاپس) نیاز دارد.

شکل 4. محاسبات آموزش در هوش مصنوعی متناسب با مدل‌های یادگیری ماشینی براساس مقیاس لگاریتمی، سال‌های 2023-2021

Source: Epoc, 2023| Chart" 2024 AI Index report [11]

در شکل 5، میزان توان محاسباتی مورد نیاز سامانه‌های توسعه یافته، براساس ساختارهای نهادی توسعه دهنده در بازه بیست‌ساله 2023-2003 دسته‌بندی شده ‌است. در فاصله سال‌های 2012 تا 2023 که تمرکز اصلی توسعه هوش مصنوعی در دانشگاه‌ها بوده، توان پردازشی مورد نیاز نیز تقریباً بین یک تا صد پتا فلاپس بوده‌است. رشد سریع هوش مصنوعی در سال‌های اخیر و صنعتی شدن این فناوری باعث شده توسعه زیرساخت‌های پردازشی نیز به شدت اوج بگیرد به‌نحوی که علاوه‌بر تقویت زیرساخت‌های پردازشی دانشگاه‌ها از سال 2012 تاکنون، در توسعه سامانه‌های مشترک دانشگاه و صنعت نیز با همراهی صنعت، ظرفیت‌های پردازشی بین یک تا صد میلیون پتافلاپس فراهم شده و این عدد در بخش صنعت به‌تنهایی به بیش از صد میلیون پتافلاپس توان محاسباتی می‌رسد. اخیراً دولت‌ها نیز در راستای اهدافی همچون توسعه هوش مصنوعی یا کاربست آن در بخش‌های حکمرانی به تأمین زیرساخت‌های پردازشی وارد شده‌اند.

شکل 5. محاسبات آموزش در هوش مصنوعی با مدل‌های یادگیری ماشینی برمبنای مقیاس لگاریتمی در بخش‌های مختلف در سال‌های 2023-2003

مأخذ: همان [11].

5-2. پژوهش و تولید علم در حوزه هوش مصنوعی

مؤسسه‌ها و مراکز پژوهشی دانشگاهی طی سال‌ها گذشته نقشی کلیدی را در توسعه دانش و پژوهش‌های مرتبط با هوش مصنوعی به‌عهده داشته‌اند.

در این راستا، پایگاه داده‌های مختلفی از روی شاخص‌های ارزیابی معتبر میزان انتشار و اثربخشی مقالات بین‌المللی این حوزه را رصد کرده و کشورها را رتبه‌بندی می‌کنند. در پایگاه رتبه‌بندی سایماگو مبتنی‌بر پایگاه داده اسکوپوس، شاخه‌ای تحت عنوان هوش مصنوعی معرفی و کشورها براساس میزان انتشارات آن دسته‌بندی شده‌اند. جدول 1 رتبه و سهم 25 کشور پیشرو در تولید علم این حوزه را طی سال‌های 2023-1996 نشان داده است.

وفق اطلاعات پایگاه سایماگو، چین و آمریکا به‌ترتیب حدود 26 و 17 درصد دانش این حوزه را از بین 25 کشور مورد مطالعه، تولید کرده‌اند و بعد از آن کشور هند با حدود 9 درصد قرار دارد. کشور ایران در جایگاه پانزده هوش مصنوعی جهان در بازه زمانی مذکور قرار دارد و سهم آن از تولید دانش جهانی در میان 25 کشور اول دنیا، حدود 1/5 درصد بوده ‌است[17].

جدول 1. کشورهای برتر در زمینه انتشار مقالات هوش مصنوعی طبق ارزیابی سایماگو (2023-1996)

Source: SCImago[16]

ازسویی دیگر براساس گزارش مؤسسه استنادی و پایش علم و فناوری جهان اسلام، که مبتنی‌بر نتایج رتبه‌بندی وب آو ساینس است وضعیت انتشار مقالات کشورها در هریک از گرایش‌های مختلف مرتبط با هوش مصنوعی طی سال‌های 2023-2004 مورد بررسی و رتبه‌بندی قرار گرفته که در جدول 2 قابل مشاهده است [18].

براساس حدول 2، از میان 10 کشور دارای رتبه برتر، آمریکا در شاخه‌های هوش مصنوعی، پردازش زبان طبیعی، یادگیری ماشین و رباتیک رتبه نخست جهان را به‌خود اختصاص داده و چین در شاخه‌های رایانش بصری، شبکه‌های عصبی و سیستم‌های چندعاملیدر رتبه اول قرار گرفته‌اند. در این بین ایران نیز در شاخه شبکه‌های عصبی با 17458 مدرک و تولید علمی، در رتبه ششم جهان قرار گرفته‌است. قابل ذکر است بررسی وضعیت ایران در هریک از مؤلفه‌های معرفی شده این پژوهش، به‌طور مشروح‌تر در یک بخش مجزا انجام شده ‌است.

جدول 2. رتبه‌بندی 10 کشور برتر در فناوری‌ها و شاخه‌های منتخب هوش مصنوعی براساس مدارک تولید علمی طی سال‌های 2023-2004

مأخذ: پایگاه Web of Science برگرفته از گزارش تیرماه مؤسسه استنادی و پایش علم و فناوری جهان اسلام[18].

با استناد به پژوهش دانشگاه استنفورد، که ابعاد کمی و کیفی بیشتری را درباره مقالات منتشر شده کشورها و مناطق برتر بررسی کرده درصد انتشار محتوای علمی حوزه هوش مصنوعی بر‌حسب اینکه توسط چه بخشی انجام شده، دسته‌بندی شده ‌است. به‌طور کلی بخش قابل توجهی از تولید دانش در حوزه هوش مصنوعی در سطح جهانی توسط مراکز و مؤسسه‌های دانشگاهی و پژوهشی انجام می‌شود. در چین، حدود 82 درصد مقالات و مطالب علمی هوش مصنوعی در سال 2022 توسط دانشگاه‌ها و مراکز آموزشی پژوهشی منتشر شده و کمی بیش از 7 درصد تولید محتوای علمی نیز توسط بخش صنعت و حدود 10 درصد توسط بخش دولتی صورت گرفته‌است. در آمریکا نیز حدود 75/5 و 14 و 5/6 درصد از محتواهای تولید شده به‌ترتیب توسط مراکز تحقیقاتی، صنعت و دولت انجام شده است. در مجموع، سهم محتواهای تولید شده راجع به هوش مصنوعی توسط بخش صنعت، در آمریکا بیش از چین و اتحادیه اروپاست. از‌سویی دیگر، در چین و اتحادیه اروپا دولت‌ها نقش پررنگ‌تری در تولید محتواهای مرتبط با هوش مصنوعی نسبت به آمریکا دارند (شکل 6).

شکل 6. درصد انتشار محتوای علمی حوزه هوش مصنوعی بر حسب بخش و مناطق جغرافیایی منتخب

Source: Center for Security and Emerging Technology, 2023. The AI Index 2024 Annual Report by Stanford University[11]

با وجود نقش آفرینی دانشگاه‌ها در تولید دانش و پژوهش، باید این نکته را در نظر داشت که برای ایجاد و ساخت سیستم‌های پیشرفته‌ هوش مصنوعی به مقادیر زیادی داده و اطلاعات، تأمین مالی و رایانه‌های پرقدرت نیاز است و مؤسسات غیرانتفاعی و دانشگاهی به نسبت بخش‌های صنعتی دسترسی کافی به این منابع نداشته و از‌این‌رو قادر نیستند به سرعت مدل‌های هوش مصنوعی را توسعه دهند. از‌این‌رو، بخش صنعت نیز با قدرت در مسیر توسعه فناوری‌های هوش مصنوعی به‌‌ویژه توسعه مدل‌های زبانی بزرگ وارد عمل شده و تنها بر استفاده از نتایج مطالعات دانشگاهی تکیه نمی‌کند. به این ترتیب به‌نظر می‌رسد صنعت و تمرکز آن بر توسعه فناوری‌های هوش مصنوعی در سطوح بالا، نقش کلیدی در پیاده‌سازی این فناوری در آینده خواهد داشت.

در بازه سال‌های 2022-2010 تعداد مقالات مرتبط با هوش مصنوعی بیش از سه برابر شد و با رشد سریع پژوهش‌های این حوزه، از 88 هزار محتوای منتشر شده در سال 2010 به بیش از 240 هزار محتوای پژوهشی هوش مصنوعی در سال 2022 افزایش یافت. این میزان در سال 2023 به‌صورت یکنواخت و رشد 1/1 درصدی همراه بوده‌است.

میزان رشد ثبت اختراع در حوزه هوش مصنوعی نیز در بازه سال‌های 2022-2010 رشد چشمگیری داشته است به‌طوری‌که کل اختراع‌های ثبت شده بین سال‌های 2014-2010 با 56/1 درصد رشد مواجه بود. اما تعداد ثبت اختراعات هوش مصنوعی بین سال‌های 2022-2021 طی یک سال، به‌تنهایی بالغ بر 62/7 درصد شد. در شکل 7 روند جهانی ثبت اختراع هوش مصنوعی در بازه زمانی 2010 تا 2022 نشان داده شده ‌است.

شکل 7. روند تغییرات ثبت اختراعات حوزه هوش مصنوعی طی سال‌های 2022-2010 در جهان (درصد)

Source: Center for Security and Emerging Technology, 2023 | Chart: 2024 AI Index report[11]

شایان توجه است که تعداد مقالات کنفرانسی منتشر شده در حوزه هوش مصنوعی در جهان از 727,22 مقاله در سال 2020 به 629,31 مقاله در سال 2021 و در سال 2022 به 174,41 مقاله افزایش یافت. میزان افزایش تعداد مقالات کنفرانسی در سال 2022 به‌تنهایی 30/2 درصد در جهان بوده‌است که این نشان‌دهنده تمایل زیاد کشورها به مطالعه و تبادل نظر درخصوص فناوری هوش مصنوعی است. در شکل 8 روند و تعداد مقالاتی کنفرانسی منتشر شده طی سال‌های 2022-2010 ارائه شده است.

شکل 8. تعداد مقالات کنفرانسی منتشر شده طی سال‌های 2022-2010 (هزار مقاله)

Source: Center for Security and Emerging Technology, 2023 | Chart: 2024 AI Index report[11]

5-3. تعداد دانش‌آموختگان هوش مصنوعی

هرچند با توسعه هوش مصنوعی، دانشگاه‌ها و مراکز آموزشی اقدام به راه‌اندازی رشته هوش مصنوعی کرده‌اند، اما گرایش‌های مرتبط با هوش مصنوعی که می‌تواند نشان‌دهنده ذیل سه رشته مهندسی رایانه، علوم رایانه، علوم شناختی و ریاضیات قابل پیگیری هستند و در حال حاضر نیز اغلب سنجش‌ها از میزان دانشجویان و دانش‌آموختگان هوش مصنوعی به‌طور بالقوه به‌واسطه ارزیابی گرایش‌های یاد شده انجام می‌شود. براساس شکل 9، تعداد فارغ التحصیلان مقطع لیسانس از میان دانشجویان بین‌المللی رشته علوم رایانه در آمریکا و کانادا در ابتدای دهه 2010 حدود 9008 نفر بودند و با گذشت یک دهه این میزان حدود چهار برابر افزایش یافت و درسال 2022 به 35666 نفر رسید. تعداد دانش‌آموختگان در مقطع کارشناسی ارشد این حوزه، از سال 2010 با حدود 6851 نفر با 114/5 درصد افزایش در سال 2022 به 696,14 رسیده است. بااین‌حال، در مقطع دکترای علوم رایانه، رشد قابل ملاحظه‌ای در تعداد دانش‌آموختگان دیده نمی‌شود و در یک روند ملایم، تعداد آنها از 1772 نفر در سال 2010 به 2105 نفر فارغ التحصیل در سال 2022 رسیده است (رشد حدود 19 درصد) (شکل 9).

شکل 9. تعداد دانش‌آموختگان جدید رشته علوم رایانه‌ای در سه مقطع دانشگاهی آمریکا و کانادا (در بازه سال‌های 2022-2010)

Source: The AI Index 2024Annual Report by Stanford University[11]

 5-4. اشتغال

با توجه به گزارش دانشگاه استنفورد، میزان اشتغال فارغ التحصیلان هوش مصنوعی و گرایش‌های مرتبط در آمارهای سال‌های 2022-2010، عمده فارغ التحصیلان دوره دکترای تخصصی هوش مصنوعی در آمریکا و کانادا، در بخش صنعت شاغل هستند. در سال 2010 حدود 71 درصد فارغ التحصیلان مرتبط با این حوزه در بخش صنعت و حدود بیست درصد نیز در بخش دانشگاهی شاغل بودند؛ در بخش دولتی هم این میزان به 0/76 درصد بالغ گردید. این روند همچنان در سال سال 2022 حفظ شده‌ است؛ به‌نحوی‌که حدود 77درصد فارغ التحصیلان رشته‌های مرتبط با هوش مصنوعی به بخش صنعت سوق یافتند و حدود 22 درصد آنها نیز در دانشگاه مشغول ‌به‌کار شدند (شکل 10).

 شکل 10. نسبت استخدام فارغ‌التحصیلان جدید مقطع دکترای هوش مصنوعی در بخش‌های دولتی، صنعتی و دانشگاهی در آمریکا و کانادا (2022-2010)

Source: HAI-AI- Index Report 2024[11]

 در آماری دیگر، پیش‌بینی شده که مشاغل حوزه پژوهش علوم رایانه به‌ویژه در حیطه هوش مصنوعی، در بازه 10‌ساله 2032-2022، حدود 23 درصد در آمریکا افزایش یابد.

براساس مطالعه‌ای که درخصوص سهم مشاغل بر‌خط مبتنی‌بر هوش مصنوعی در کشورهای عضو سازمان همکاری و توسعه اقتصادی در سال‌های 2022-2019 انجام شده، به این نکته اشاره شد که متوسط سهم مشاغل بر‌خط مبتنی‌بر هوش مصنوعی در جهان در سال 2019 معادل 0/30 بوده و در سال 2022 به 0/40 درصد رسیده است (شکل 11). هرچند دامنه مشاغل در این تحقیق بسیار محدود شده و فقط به مشاغل بر‌خط بسنده شده ‌است اما به هر صورت روندها حاکی از رشد مشاغل است. آمریکا در این زمینه پیشرو است و در سال 2022 بیش از 1 درصد مشاغل برخط مبتنی‌بر هوش مصنوعی شکل گرفته‌اند در این میان کشورهایی همچون اسپانیا و سوئیس نیز نسبت به سال 2019 رشد چشمگیری در ایجاد مشاغل برخط مبتنی‌بر این حوزه داشتند[19].

شکل 11. روند تغییرات در سهم مشاغل بر‌خط مبتنی‌بر هوش مصنوعی میان چهارده کشور OECD (2022-2019)

Source: OECD Artificial Intelligence Papers, Oct. 2023[19]

در گزارش دانشگاه استنفورد 2024، میزان اشتغال بر‌خط مبتنی‌بر هوش مصنوعی در حوزه‌های مختلف برای کشور آمریکا ترسیم شده است. در شکل 12 مقایسه ترتیب و نوع مشاغل هوش مصنوعی در آمریکا در سال 2023 و درصد تغییرات آن نسبت به 2022 ارائه شده‌ است.

شکل 12. درصد تغییرات پست‌ها و مشاغل مبتنی‌بر هوش مصنوعی در ایالات متحده آمریکا به تفکیک بخش‌ها (سال 2022 در مقایسه با سال 2023)

Source: HAI-AI- Index Report 2024 [11]

همان‌طورکه در شکل 12 مشهود است مشاغل بر‌خط هوش مصنوعی در حوزه اطلاعات بیشترین دسته مشاغل را شامل می‌شوند و بعد از آن مشاغل مربوط به خدمات علمی، تخصصی و فنی، امور مالی، بیمه و مشاغل تولیدی توانسته‌اند زمینه‌های لازم برای اشتغال آن لاین مبتنی‌بر هوش مصنوعی را ایجاد کنند. هرچند در مجموع، در سال 2023 اشتغال‌زایی با هوش مصنوعی در اکثر حوزه‌ها نسبت به سال 2022 با افت مواجه است. بیشترین افت در بخش تجارت خرده‌فروشی بوده که با کاهش 55 درصدی روبه‌رو بوده ‌است. اگرچه، مشاغل بر‌خط هوش مصنوعی در حوزه مدیریت دولتی و ادارات عمومی در سال 2023 رشدی نزدیک به 89 درصد داشته و نشان می‌دهد کاربردی کردن خدمات و ابزارهای هوش مصنوعی در بخش‌های دولتی آمریکا مورد توجه قرار گرفته‌ است.

5-5. تعداد شرکت‌های فعال در هوش مصنوعی

از نظر تعداد شرکت‌های فعال در حوزه هوش مصنوعی نیز آمریکای شمالی رکورددار در جهان است و تعداد شرکت‌های در آنجا دو‌ برابر مجموع تعداد شرکت‌های فعال این حوزه در اروپاست. آمریکا با 5509 شرکت جدید در بازه سال‌های 10ساله (2013-2023)، چین با 1446 و انگلستان با 727 شرکت دارای بیشترین تعداد شرکت‌های فعال در این حوزه بودند. در شکل 13 تعداد شرکت‌های جدید هوش مصنوعی در نقاط مختلف جهان در سال‌های 2023-2013 ارائه شده است. همان‌طور که در شکل 13 آمده رژیم صهیونیستی در 10 سال گذشته فعالیت‌های زیادی برای توسعه و ایجاد شرکت‌های هوش مصنوعی داشته به‌طوری‌که تعداد شرکت‌های فعال این حوزه در این منطقه در سال 2021 معادل 264 شرکت بود درحالی‌که این میزان در سال 2022 به 402 و در سال 2023 به 442 شرکت افزایش یافت. در میان کشورهای اروپایی نیز در 10 سال گذشته علاوه‌بر انگلستان، آلمان با 319، سوئیس با 123 و سوئد و اسپانیا با 94 شرکت دارای فعال‌ترین شرکت‌های حوزه هوش مصنوعی در اروپا بودند.

بااین‌حال درصد شکست کسب‌وکارهای نوپای هوش مصنوعی نیز به علت ریسک‌ها و فقدان قطعیت‌ها، بالاست. به‌نحوی‌که تعداد شرکت‌های هوش مصنوعی در میان 127 کشور بررسی شده در گزارش دانشگاه استنفورد، از 1051 شرکت در سال 2019 به 762 شرکت در سال 2020 و 746 شرکت در سال 2021 رسیده است.

شکل 13. تعداد شرکت‌های جدید هوش مصنوعی در نقاط مختلف جهان (2023-2013)

Source: HAI-AI- Index Report 2024 [13]

 5-6. میزان سرمایه‌گذاری بخش خصوصی

با گسترش تجاری‌سازی هوش مصنوعی در جهان، رقابت برای دسترسی به فناوری‌های مرتبط بدان شدت بیشتری یافته ‌است. بخش خصوصی بر روی این حوزه بسیار سرمایه‌گذاری کرده است به‌نحوی‌که میزان سرمایه‌گذاری از 46 میلیارد دلار در سال 2020 به بیش از 96/5 میلیارد دلار در سال 2021 افزایش یافت. در کل میزان سرمایه‌گذاری بخش خصوصی در جهان در سال 2023 با کاهش 7/2 درصدی نسبت به سال 2022 به 96 میلیارد دلار رسیده‌ است (شکل 14). به‌رغم کاهش سرمایه‌گذاری در دو سال گذشته، اما روندها در یک بازه 10ساله رشد قابل توجه سرمایه‌گذاری بخش خصوصی در حوزه هوش مصنوعی را نشان می‌دهد.

شکل 14. سرمایه‌گذاری بخش خصوصی در هوش مصنوعی (2023-2013)

Source: Ibid[11]

در شکل 15 روند سرمایه‌گذاری بخش خصوصی در هوش مصنوعی را به‌ازای آمریکا، چین و اتحادیه اروپا به‌همراه انگلستان نشان داده شده است. از منظر کل میزان سرمایه‌گذاری در هوش مصنوعی، ایالات متحده آمریکا در جهان پیشتاز است. در طول زمان نیز شکاف سرمایه‌گذاری بخش خصوصی آمریکا در مقایسه با سایر مناطق جهان بسیار زیاد است و به‌طور کلی با رشد همراه است. در بازه زمانی 2022- 2013، بخش خصوصی آمریکا مجموعاً 335میلیارد دلار در حوزه هوش مصنوعی سرمایه‌گذاری کرده (شکل16)که بیش از 67 میلیارد دلار آن در سال 2023 بوده ‌است.

در اتحادیه اروپا و انگلستان بخش خصوصی در این بازه به‌صورت نسبتاً پایدار و البته بسیار کمتر از آمریکا سرمایه‌گذاری کرده است. به‌طوری‌که میزان این سرمایه‌گذاری در سال 2023 حدود 11 میلیارد دلار بوده‌ است. چین، بعد از آمریکا بیشترین میزان سرمایه‌گذاری بخش خصوصی در هوش مصنوعی را در میان کشورهای جهان داشته است (حدود 95 میلیارد دلار در بازه فوق‌الذکر).

بااین‌حال نکته قابل توجه در چین این است که با وجود روند رو به رشد سرمایه‌گذاری تا سال 2021، در سال‌های بعد از آن، میزان اقبال بخش خصوصی به سرمایه‌گذاری در این عرصه کمتر شده به‌نحوی که در سال 2023 حجم سرمایه‌گذاری بخش خصوصی حتی از اروپا نیز کمتر شده و به 8 میلیارد دلار رسیده است[20]. ممکن است بخشی از این اتفاق ناشی از سیاست‌های کلان چین در عرصه فناوری و یا قانونگذاری‌هایی باشد که به‌طور خاص در حوزه هوش مصنوعی انجام شده است. به هر صورت این موضوع نیازمند نگاه دقیق‌تر و بررسی‌های بیشتر است.

شکل 15. میزان سرمایه‌گذاری بخش خصوصی در حوزه هوش مصنوعی در میان مناطق پیشرو(میلیارد دلار) (2023-2013)

Source: Ibid[11]

شکل 16. میزان کل سرمایه‌گذاری‌های بخش خصوصی (از 2023-2013) در حوزه هوش مصنوعی در مناطق مختلف جغرافیایی جهان (میلیارد دلار آمریکا)

Source: Quid, 2023 | Chart: 2024 AI Index report [11]

 بیشترین حوزه‌های مورد توجه بخش خصوصی طی سال 2023 برای سرمایه‌گذاری در هوش مصنوعی، زیرساخت، تحقیق و پژوهش و بخش حکمرانی با 18/3 میلیارد دلار و بخش پشتیبانی مشتری براساس پردازش زبان طبیعی با 5/5 میلیارد دلار بوده‌ است. این میزان افزایش سرمایه‌گذاری در بخش‌های زیربنایی و حکمرانی و پژوهش باعث رشد تولید برنامه‌های کاربردی هوش مصنوعی توسط شرکت‌هایی نظیر اپن ای آی، آنتروپیک و اینفلکشن ای آی شده ‌است. در سال 2022 نیز ربات‌های خدماتی در حوزه پزشکی از اقبال بیشتری نسبت به سال 2021 برخوردار بود و تعداد بیمارستان‌ها و در بخش‌های حمل‌ونقلی و لجستیکی مجهز به ربات‌های خدماتی به‌ترتیب 2/3 و 1/4 برابر شدند. تعداد ربات‌های خدماتی تخصصی جهان در سال 2021 در حوزه حمل‌ونقل و لجستیک 60 هزار ربات نصب شده بود، درحالی‌که این میزان در سال 2022 به 86 هزار ربات افزایش یافت. در بخش بیمارستانی و تجهیزات پزشکی نیز تعداد ربات‌ها از 11 هزار در سال 2021 به 25 هزار ربات در سال 2022 افزایش داشت.

5-7. سهم بازار هوش مصنوعی

آنچه در بررسی روندهای علوم رایانه به دست آمده و براساس پیش‌بینی‌های شرکت مکنزی، سهم هوش مصنوعی در اقتصاد آتی کشورهای جهان بسیار پررنگ است. به گزارش شرکت مکنزی، در سال‌های آتی این فناوری سالیانه 4/4 تریلیون دلار درآمد اقتصادی در پی خواهد داشت، همین امر منجر به فعالیت بیشتر مهندسین یادگیری ماشین، دانشمندان حوزه داده و توسعه‌دهندگان چت‌بات و در دسترس قرار گرفتن بیشتر این فناوری می‌شود. براساس گزارش شرکت مک‌کنزی، در سال 2023، معادل 55 درصد از سازمان‌ها مورد بررسی، دست‌کم از هوش مصنوعی در واحدهای کسب‌وکاری یا عملیاتی حداقل استفاده کرده‌اند و این میزان از 20 درصد سال 2017 به 50 درصد در سال 2022 افزایش یافته ‌است. پذیرش هوش مصنوعی طی پنج سال گذشته با سرعت زیادی افزایش یافته و این روند با پیشرفت‌های فناورانه با تغییرات بسامد افزایش هم آن در بازار همراه خواهد بود.

در سال 2022 سهم بازار جهانی از هوش مصنوعی حدود 454 میلیارد دلار برآورد شده است. در شکل 17، درصد سهم بازار هوش مصنوعی به تفکیک مناطق مختلف جهان طی سال 2022 نشان داده شده ‌است. آمریکای شمالی با 37 درصد بیشترین سهم را در بین مناطق جهان در سال 2022 داشته است. اندازه بازار این حوزه در ایالات متحده آمریکا، 104 میلیارد دلار در سال 2022 بود و پیش‌بینی می‌شود با یک رشد قابل توجه تا سال 2032 به 600 میلیارد دلار برسد[21].

شکل 17. سهم بازار هوش مصنوعی در مناطق مختلف جهان در سال 2022 (درصد)

Source: www.precedenceresearch.com[21]

با توجه به میزان اقبال جهانی از چهار شاخه مرتبط هوش مصنوعی اعم از فناوری یادگیری عمیق، یادگیری ماشین، پردازش زبان طبیعی، بینایی ماشین و پردازش تصویر، سهم این فناوری‌ها در بازارهای جهانی بررسی شده است. در جدول 3 درآمدهای بازار هوش مصنوعی در جهان به تفکیک فناوری‌های یاد شده در سال 2022 و پیش‌بینی آن برای 10 سال آتی ارائه شده است.

جدول 3. درآمدهای بازار از هوش مصنوعی در جهان به تفکیک فناوری در سال 2022 و پیش‌بینی‌ها تا سال 2032 (میلیارد دلار)

Source: Ibid [21]

پیشرفت‌های فناوری در حوزه یادگیری عمیق چالش‌های مرتبط با حجم عظیم اطلاعات و داده‌ها را مرتفع خواهد کرد و کاربردهای آن در زمینه پزشکی در 10 سال آتی سرعت بیشتری خواهد یافت.

اختصاص سرمایه‌گذاری‌های هنگفت در حوزه یادگیری ماشین در میان سایر فناوری‌های هوش مصنوعی باعث افزایش کاربری آن در فعالیت‌هایی نظیر فرضیه‌پردازی، خوشه‌بندی، تغییر، برچسب‌گذاری، فیلترینگ، بصری‌سازی و جهت‌یابی و مسبب حل‌وفصل مسائل شناختی می‌شود.

5-8. ارزیابی اثر اخلاقی هوش مصنوعی

اخلاق در هوش مصنوعی، اصول اخلاقی‌ است که شرکت‌ها برای هدایت توسعه و به‌کارگیری مسئولانه و منصفانه از هوش مصنوعی استفاده می‌کنند. یک کد اخلاقی قوی هوش مصنوعی می‌تواند شامل اجتناب از تعصب، اطمینان از حریم خصوصی کاربران و داده‌های آنها و کاهش خطرات زیست‌محیطی باشد.

بر اساس معیارهای یونسکو تعدادی محور کلیدی برای اقدام‌های سیاستی مرتبط با اخلاق هوش مصنوعی معرفی شده که مهم‌ترین آنها اندازه‌گیری اثر اخلاقی، اطمینان و اعتماد به سیاستگذاری و حکمرانی داده، توجه به مسئله جنسیت، فرهنگ، آموزش و پژوهش و سلامت و تندرستی اجتماعی است. مطالعات و پژوهش‌هایی که در حال حاضر در مورد اندازه‌گیری اثر اخلاقی هوش مصنوعی از منظر اجتماعی انجام شده، مبتنی‌بر نظرسنجی از مردم راجع به این حوزه‌ها، در طیف‌های مختلف است و اساساً نرخ پذیرش این فناوری را مبتنی‌بر کاربردها، اقدام‌های سیاستی و آثاری که به‌واسطه آنها در سطح جامعه ایجاد می‌شود، ارزیابی می‌کند. در میان کشورهای جهان، نظرها و دیدگاه‌ها نسبت به پیشرفت و کاربرد هوش مصنوعی متفاوت است. براساس نظرسنجی که شرکت بین‌المللی تحقیقات بازار و نظرسنجی ایپسوس درخصوص پذیرش اجتماعی فناوری هوش مصنوعی در سال 2023 در 31 کشور جهان و برای گروه سنی 16-74 سال انجام دادند، 22816 نفر شرکت کردند. در شکل 18 موارد پاسخ ‌داده شده در نظرسنجی به انضمام درصد پاسخ‌ها توسط پرسش‌شوندگان مناطق مختلف جهان ارائه شده ‌است.

شکل 18. پاسخ سؤال‌شوندگان در مورد استفاده از محصولات و خدمات مبتنی‌بر هوش مصنوعی (درصد)

Source: Ipsos, 2022–23 | Chart: 2024 AI Index report[11]

همانطور که در شکل 18 اشاره شده‌است در خصوص مقایسه پاسخ به سؤالات در سال‌های 2022 و 2023 به‌نظر می‌رسد روند شناخت و آگاهی از آثار ‌به‌کارگیری هوش مصنوعی بین مردم جامعه به تدریج در حال افزایش است. 66 درصد از پاسخ‌دهندگان معتقد هستند که محصولات و خدمات مبتنی‌بر هوش مصنوعی در آینده نزدیک زندگی روزانه آنها را تغییر می‌دهد. در‌عین‌حال 54 درصد پاسخ‌دهندگان معتقدند مزایای هوش مصنوعی از معایب آن بیشتر است و به‌عبارت‌دیگر متوسط و تقریب تعداد افرادی که فکر می‌کنند مزایای هوش مصنوعی بیشتر است با تعداد افرادی که فکر می‌کنند معایب آن بیشتر است تقریباً یکسان است و این موضوع نشان‌دهنده فقدان قطعیت بالایی است که در مورد پذیرش این فناوری وجود دارد. درحالی‌که در سال 2022 حدود 39 درصد پاسخ‌دهندگان معتقد بودند محصولات و خدمات هوش مصنوعی آنها را مشوش و نگران می‌کند این نوع نگرش با رواج هر چه بیشتر کاربردهای این فناوری رو به افزایش است و حدود 53 درصد پاسخ‌دهندگان احساس نگرانی خود را در مواجهه با این فناوری ابراز کرده‌اند و این امر نشان می‌دهد پیامدهای اخلاقی و اجتماعی این فناوری از نظر مردم در حال پر‌رنگ شدن است. از طرفی بررسی جزئیات بیشتر پاسخ‌ها در میان کشورهای متعدد نشان می‌دهد، به‌طور متوسط 43 درصد مردم کشورهای اتحادیه اروپا (آلمانی و هلندی) براساس نظرسنجی انجام شده در سال 2023معتقد بودند که استفاده از محصولات و خدمات فناوری هوش مصنوعی باعث نگران شدن آنها می‌شود. این درحالی است که در 37 درصد از آمریکایی‌های شرکت‌کننده در این پژوهش موافق با سودمند بودن خدمات هوش مصنوعی بودند. حدود 70 درصد از کشورهای آسیای شرقی نیز بر سودمندی خدمات هوش مصنوعی توافق داشتند.

6.شاخص‌های توسعه هوش مصنوعی در ایران

همگام با تمرکز بخش قابل توجهی از کشورها بر توسعه هوش مصنوعی و ملاحظات و الزامات آن، در کشور ما نیز این حوزه طی سال‌های اخیر به شدت مورد توجه واقع شده است. در آخرین اقدام‌ها، سند ملی هوش مصنوعی در خرداد‌ماه 1403 توسط شورای عالی انقلاب فرهنگی به تصویب رسیده و در تیر ماه ابلاغ شد. مطابق با این سند، ایران در افق 1412، جزء ۱۰ کشور پیشروی جهان در این حوزه قرار می‌گیرد. چشم‌انداز، اهداف کلان و شاخص‌های ارزیابی کلان متناسب با اهدافی همچون تربیت سرمایه انسانی، ارتقا و تأمین زیرساخت‌ها، رشد و جهش تولیدات علمی، فکری و فناورانه، ارتقای نوآوری، ارتقای رقابت‌پذیری اقتصادی، توسعه تعاملات بین‌المللی و ارتقای کیفیت حکمرانی تعریف شده و بهبود جایگاه کشور در شاخص آمادگی هوش مصنوعی دولت نیز مدنظر قرار گرفته‌است[22]. در تازه‌ترین پژوهش انجام شده تحت عنوان «گزارش شاخص هوش مصنوعی ایران ۱۴۰۳» که با همکاری مرکز استراتژی و تحول هوش مصنوعی شریف و آزمایشگاه سیاستی دانشکده مدیریت و اقتصاد دانشگاه صنعتی شریف تدوین شده است[23]، برخی مؤلفه‌های مرتبط با ارزیابی وضعیت توسعه هوش مصنوعی درایران جمع‌آوری و اندازه‌گیری و براساس آن تصویری از شاخص هوش مصنوعی ایران ارائه شده ‌است. هرچند در این گزارش نیز تأکید شده ‌است به‌دلیل محدودیت‌های داده‌ای، بررسی وضعیت ایران در حوزه هوش مصنوعی برای همه شاخص‌ها امکان‌پذیر نبوده و امکان محاسبه و کمّی‌سازی همه شاخص‌ها وجود نداشته است.

در پژوهش حاضر تلاش شده پیرو شاخص‌های معرفی شده در سند ملی هوش مصنوعی و در چارچوب برخی از مؤلفه‌هایی که وفق شاخص هوش مصنوعی دانشگاه استنفورد در سطح جهانی بررسی شد، وضعیت کشور ما نیز مورد بررسی قرار گیرد. در جدول 4 شاخص‌های مندرج در سند و مقادیر کمی آن ارائه شده و در ادامه برحسب داده‌های موجود و اطلاعات کمی در دسترس از وضعیت کنونی مورد بررسی قرار گرفته ‌است.

جدول 4. شاخص‌های کلان ارزیابی توسعه هوش مصنوعی در کشور

مأخذ: سند ملی هوش مصنوعی جمهوری اسلامی ایران [22].

 در بررسی اولیه شاخص‌ها در سند ملی هوش مصنوعی ذکر نکات زیر ضروری است:

• با وجود افق 10ساله سند، به علت تحولات سریع حوزه هوش مصنوعی، مقادیر مطلوب شاخص‌ها برای بازه زمانی پنج‌ساله تدوین شده و سازمان ملی هوش مصنوعی موظف شده ‌است شناسنامه ارزیابی شاخص‌های کلان سند و همچنین مقادیر موجود و مطلوب شاخص‌های ارزیابی کلان فاقد مقدار را ظرف مدت 6 ماه تدوین و به تصویب شورای ملی راهبری هوش مصنوعی برساند.
• تصویر وضعیت موجود در این جدول، اغلب ناظر به سال‌های 1400 یا 1401 است که به‌نظر می‌رسد با توجه به ابلاغ سند در تیرماه 1403 و تحولاتی که امکان رخداد آن در این فاصله دو ساله وجود داشته است، نتواند تحلیل صحیحی از چشم‌انداز و انتظارات ارائه دهد.
• برخی از شاخص‌ها ازجمله سهم افراد توانمند در استفاده از ابزار هوش مصنوعی و یا تعداد شهرهای هوشمند (با توجه به تعاریفی که از شهرهای هوشمند وجود دارد و هوش مصنوعی به‌عنوان یکی از ابزارهای هوشمندسازی شهرها) محل ابهام است و مشخص نیست براساس چه معیارهایی صورت خواهد گرفت.
• استانداردهای اندازه‌گیری برخی داده‌ها ازجمله حجم بازار، تعداد دانش‌آموختگان، تعداد محصولات تأیید شده هوش مصنوعی با توجه به ابعاد و گرایش‌های متفاوت هوش مصنوعی و زمینه‌های کاری شرکت‌ها و توسعه‌دهندگان باید مشخص شود.

هریک از شاخص‌های مندرج در سند بر حسب دسته‌بندی‌های این پژوهش به تفصیل در ادامه مورد بررسی قرار گرفته ‌است.

6-1. ظرفیت پردازشی مورد نیاز

براساس شاخص‌های سند ملی هوش مصنوعی دستیابی به ظرفیت پردازشی یک اگزافلاپس ویژه طرح‌های کلان هوش مصنوعی کشور در پایان سال 1407 و نیز توجه به زیرساخت‌های پردازش اشتراکی با استفاده از ظرفیت‌های خرد پردازشی در کشور تا سطح 5 اگزافلاپس مدنظر قرار گرفته ‌است. این درحالی است که در وضعیت موجود، توان محاسباتی زیرساخت‌های پردازشی موجود در کشور به‌طور خوش‌بینانه حدود 20 پتافلاپس است (جدول 5).

در دنیا در فاصله سال‌های 202 تا 2023 همزمان با اوج گیری شدید توسعه سامانه‌های هوش مصنوعی، ظرفیت‌های پردازشی بین 10 هزار تا یک میلیون پتافلاپس (معادل یک اگزافلاپس) در دانشگاه‌های پیشرو، ظرفیت پردازشی بین 15 هزار تا 100 میلیون در ارتباط دانشگاه و صنعت و زیرساخت‌های پردازشی بیش از 100 میلیون پتافلاپس در شرکت‌های بزرگ توسعه دهنده سامانه‌های هوش مصنوعی فراهم شده‌ است.

جدول 5. شاخص‌های ارزیابی کلان مندرج در سند ملی هوش مصنوعی منطبق با حوزه پژوهش و تولید علم

مأخذ: همان[22].

6-2. انتشار مقالات در حوزه هوش مصنوعی

براساس داده‌های پایگاه وب آو ساینس، کشور ما در تولید دانش و انتشار مقالات بین‌المللی زیرشاخه‌های مختلف هوش مصنوعی در بازه زمانی 2004-2023، وضعیت نسبتاً قابل قبولی دارد به‌نحوی‌که در فناوری شبکه‌های عصبی رتبه 6؛ فناوری‌های هوش مصنوعی رتبه 16؛ رایانش بصری و پردازش زبان طبیعی رتبه 25؛ یادگیری ماشینی رتبه 17؛ فناوری رباتیک رتبه 27 و فناوری سیستم­های چند عاملی رتبه 12 را داراست[24]. در شکل 19 تعداد مدارک و مقالات علمی منتشر شده ایران و چند کشور منتخب منطقه ارائه شده است. هرچند که تعداد مقالات منتشر شده ایران در مجموع کل گرایش‌های مرتبط با هوش مصنوعی (به‌واسطه تعداد مقالات قابل توجه در گرایش شبکه‌های عصبی) در مقایسه با کشورهای عربستان، ترکیه و امارات بالاتر بوده و از این حیث رتبه اول را دارد اما در گرایش‌های یادگیری ماشین و فناوری‌های هوش مصنوعی، بعد از عربستان در رتبه دوم قرار دارد. در حوزه رباتیک نیز ترکیه رتبه اول و ایران رتبه دوم را دارد. این درحالی است که در گرایش‌های پردازش زبان طبیعی و رایانش بصری نیز به‌ترتیب بعد از عربستان و ترکیه قرار دارد.

 شکل 19. جایگاه کشورهای برتر منتخب منطقه در تولید عملی در برخی شاخه‌های هوش مصنوعی در سال‌های 2023-2004 (تعداد مدرک)

مأخذ: پایگاه وب آو ساینس[24].

شکل 20. تعداد مقالات منتشر شده در حوزه هوش مصنوعی در کشور به نقل از پایگاه سایماگو (2023-1996)

مأخذ: سایماگو [16].

داده‌های پایگاه سایماگو، نیز نشان می‌دهد ظرفیت انتشار مقالات حوزه هوش مصنوعی وفق کلید واژه‌های انتخابی این پایگاه به‌عنوان هوش مصنوعی، در ایران از هشت مقاله پژوهشی در سال ۱۹۹۶ به 1761 مقاله در سال 2022 و در سال 2023 به 1681 مقاله رسیده که البته با به‌روزرسانی این پایگاه داده بی‌شک در این سال با افزایش تعداد روبه‌رو خواهیم بود. به همین ترتیب رتبه کشور نیز رو به بهبود است و در سال 2023 رتبه سیزدهم جهانی توسط این پایگاه گزارش شده ‌است. شایان توجه است رتبه تجمعی کشور در بازه زمانی مذکور 15 بوده ‌است (شکل 20).

همان‌طورکه بیان شد در سند ملی هوش مصنوعی، شاخص‌هایی متناسب با این موضوعات تعریف شده که در جدول 6 آمده است.

جدول 6. شاخص‌های ارزیابی کلان مندرج در سند ملی هوش مصنوعی منطبق با حوزه پژوهش و تولید علم

مأخذ: سند ملی هوش مصنوعی [22].

در مورد شاخص اچ باید درنظر داشت که این شاخص علاوه‌بر کیفیت به قدمت مقالات هم وابسته است. به‌این‌ترتیب زمان و کیفیت مقالات در بهبود این شاخص تأثیرگذار است. ممکن است بدون اینکه اقدام خاصی در کشور انجام شود شاخص اچ بهبود پیدا کند و ازسویی دیگر با وجود تلاش‌ها و کارهای باکیفیت، در کوتاه‌مدت تغییر چندانی در شاخص اچ کشور در این زمینه رخ ندهد. ازاین‌رو در کنار شاخص اچ، شاخص‌هایی همچون تعداد اسناد منتشر شده و تعداد ارجاعات نیز مهم است که جای آن در شاخص‌های این سند خالی است. هر سه این شاخص‌ها با هم با هم تصویری از وضعیت و روند حرکت به سمت چشم‌انداز پژوهش و تولید دانش را نشان می‌دهند.

براساس پایگاه‌های استنادی همچون سایماگو، در سال 1403، کشور در طبقه‌بندی هوش مصنوعی دارای چهار نشریه است که سه مورد آن در چارک سوم و یک مورد در چارک چهارم قرار دارد. براساس شاخص مندرج در سند هوش مصنوعی، دستیابی و ارتقای نشریات معتبر بین‌المللی هوش مصنوعی در کشور در چارک اول و دوم هدف‌گذاری شده است. در این زمینه باید توجه داشت که در میان 4 نشریه کنونی نمایه شده در حوزه هوش مصنوعی توسط سایماگو، این مجلات هیچ‌کدام به‌صورت تخصصی در مورد هوش مصنوعی نیستند، بلکه در زمینه هوش مصنوعی نیز مقالاتی دارند که باعث شده سایماگو آنها را در رده نشریات هوش مصنوعی نیز قرار دهد؛ لذا افزایش و کاهش رتبه این نوع نشریات در چارک‌ها لزوماً نشان‌دهنده عملکرد آنها به‌تنهایی در هوش مصنوعی نیست و سایر حوزه‌های تخصصی این نشریات همچون ریاضیات، پزشکی و امثال این نیز در بهبود چارک آنها نقش دارند. ازاین‌رو شاخص پیشنهادی سند از این حیث دچار ابهام است و لزوم تدقیق آن احساس می‌شود و بهتر است ایجاد نشریات تخصصی هوش مصنوعی برای پیگیری احراز تحقق این شاخص مدنظر قرار گیرد.

این نکته را باید در نظر داشت که با توجه به بین رشته‌ای بودن موضوع هوش مصنوعی در حوزه‌های مختلف، قابلیت، صحت و دقت اندازه‌گیری برخی شاخص‌ها ازجمله حجم قراردادهای پژوهشی تقاضامحور وصول شده در حوزه هوش مصنوعی هنوز معلوم نیست. چنان‌که در خود سند ملی نیز وضعیت موجود در برخی شاخص‌ها ازجمله این شاخص احصا نشده و ناموجود است. لذا، سازوکارهایی ازجمله طبقه‌بندی و دسته‌بندی قراردادهای پژوهشی حوزه‌های مختلف براساس کلید واژه‌های تعریف شده هوش مصنوعی جهت شناسایی و احصا مقدار این شاخص باید با مدیریت وزارت علوم، تحقیقات و فناوری و همکاری وزارتخانه‌ها مورد توجه قرار گیرد.

6-3. ظرفیت پذیرش رشته و گرایش‌های مرتبط هوش مصنوعی

همان‌طور که گفته شد، معمولاً در سطح جهانی تعداد افراد مشغول به تحصیل یا دانش آموخته ذیل رشته‌هایی همچون مهندسی و علوم رایانه، علوم شناختی، فناوری ارتباطات و ریاضیات در کنار گرایش‌های تحصیلات تکمیلی حوزه هوش مصنوعی در رصد ظرفیت‌های انسانی این حوزه مورد استفاده قرار می‌گیرد. در حال حاضر، مقطع کارشناسی هوش مصنوعی در کشور وجود ندارد اما دانشگاه‌های کشور در مقاطع تکمیلی اقدام به پذیرش دانشجو در گرایش هوش مصنوعی با عنوان «علوم کامپیوتر گرایش محاسبات نرم و هوش مصنوعی» و «مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیک» برای مقطع ارشد و «محاسبات نرم و هوش مصنوعی» ذیل رشته علوم و مهندسی کامپیوتر و «رایانش و هوش مصنوعی» ذیل رشته علوم شناختی و اعصاب شناختی در مقطع دکتری کرده‌اند.

براساس آمار ارائه شده توسط سازمان سنجش، نظام دانشگاهی کشور در سال ۱۴۰۲ در مقطع دکتری ۱۷۲ نفر و در مقطع کارشناسی ارشد ۱۳۵۸ نفر ظرفیت پذیرش دانشجو ذیل گرایش‌های یاد شده در بالا را داشته است. براساس موارد مندرج در جدول اهداف کمی سند ملی هوش مصنوعی که در جدول 7 استخراج شده، آخرین وضع موجود برای سال‌های 1399 در مقطع کارشناسی ارشد و سال 1400 در مقطع دکتری لحاظ شده و پیش‌بینی شده که این ظرفیت در سال 1407 به 3500 نفر در مقطع ارشد و 400 نفر در مقطع دکتری برسد. این درحالی است که با استناد به آمارهای سال 1402 می‌توان مشاهده کرد از سال 1399 تا 1402، روند پذیرش و ایجاد ظرفیت در این حوزه‌ها تقریباً ثابت مانده و حتی در مواردی رو به افول است و این نشان می‌دهد در حال حاضر از یکسو هنوز برنامه‌ریزی مشخصی برای افزایش ظرفیت در نظام دانشگاهی کشور وجود ندارد و ازسویی نیز ممکن است زمینه‌های علاقه‌مندی و یا آشنایی دانشجویان با این گرایش جهت سوق به این رشته و یا گرایش‌های مرتبط آن ذیل رشته‌های دیگر هنوز ایجاد نشده باشد. یکی از شاخص‌هایی که آمادگی کشورها برای نوآوری در زمینه حوزه‌های مختلف به‌خصوص هوش مصنوعی را شکل می‌دهد، تعداد فارغ التحصیلان در رشته‌های علوم، مهندسی، فناوری و ریاضیات (STEM) است. طبق آماری که در سال ۲۰۱۶ منتشر شد ایران با ۳۳۵ هزار نفر فارغ التحصیل پس از کشورهای چین (4/7 میلیون)، هند (2/6میلیون)، ایالات متحده آمریکا (568 هزار) و روسیه (561 هزار نفر) در جایگاه ششم قرار داشت. اما در سال ۲۰۲۰ رتبه ایران با کاهش تعداد فارغ ‌التحصیلان به 211 هزار نفر پس از کشورهای چین، هند، ایالات متحده آمریکا، روسیه، اندونزی، برزیل، مکزیک، فرانسه و آلمان در جایگاه یازدهم قرار گرفت. کاهش رتبه و تعداد فارغ التحصیلان علوم، مهندسی، فناوری و ریاضیات ایران با کاهش علاقه دانش‌آموزان به رشته‌های ریاضیات و علوم پایه نیز همراه شده است که نیازمند تدبیر است.

جدول 7. شاخص‌های ارزیابی کلان مندرج در سند ملی هوش مصنوعی منطبق با ظرفیت پذیرش دانشجو

مأخذ: همان [22].

6-4. اشتغال و تعداد شرکت‌های فعال در هوش مصنوعی

براساس داده‌های سند ملی هوش مصنوعی، آخرین وضعیت موجود از تعداد کارکنان شرکت‌های دانش‌بنیان حوزه هوش مصنوعی حدود 8500 نفر اعلام شده است؛ اما باید توجه داشت که ممکن است این داده بسیار کلی باشد و لزوماً همه این کارکنان، با توجه به فعالیت شرکت دانش‌بنیان ممکن است شاغل در حوزه هوش مصنوعی نباشند. همچنین باید توجه داشت که توزیع شرکت‌های هوش مصنوعی یکنواخت نیست، در بعضی حوزه‌ها مانند پردازش تصویر و به‌ویژه خواندن پلاک نزدیک، حدود ۳۰ شرکت فعال هستند و در بعضی حوزه‌ها شرکت‌های کمتری فعالیت می‌کنند. نرم‌افزارهای مسیریاب و ربات‌های انسان نمای ایران ازسوی تحلیلگران بین‌المللی به‌عنوان مصادیق فعالیت هوش مصنوعی کشور مورد توجه قرار گرفته‌اند. از هوش مصنوعی برای کمک به فعالیت‌های دیگر همچون هدف‌گیری تبلیغات اینترنتی نیز استفاده می‌شود. تا به امروز، تعداد شرکت‌های ایرانی حوزه هوش مصنوعی در تحلیل فراگیر یعنی با احتساب شرکت‌هایی که بخشی از فعالیت آنها از طریق هوش مصنوعی انجام‌می‌شود، حدود ۴5۲ شرکت تخمین زده شده است. اما طبق آخرین آمار موجود (1403) درصورتی‌که هوش مصنوعی جزء اساسی این کسب‌وکارها باشد این تعداد به حدود 242 شرکت کاهش پیدا می‌کند یافته‌ها نشان می‌دهد روند رشد شرکت‌های هوش مصنوعی با تمرکز بر شرکت‌های کوچک و متوسط در طی سه سال گذشته، زیر 3 درصد بوده و تقریباً متوقف شده است (جدول 8).

جدول8. شاخص‌های ارزیابی کلان درخصوص تعداد شاغلین و تربیت نیروی انسانی ماهر شاغل

مأخذ: همان [22].

موضوع تربیت نیروی انسانی ماهر برای استفاده از ابزارهای هوش مصنوعی در سازمان‌ها و بنگاه‌ها ازجمله مسائلی است که در توسعه و ترویج کاربست سامانه‌های هوش مصنوعی در مشاغل مورد توجه قرار گرفته‌است. آموزش و مهارت‌افزایی و هدایت نیروی کار به سمت مشاغل جدید حاصل از هوش مصنوعی به جای تعدیل و راهکارهای نوآورانه کاهش هزینه‌ها می‌توانند مقاومت سازمان‌ها و افراد شاغل در سازمان را نسبت به پذیرش فناوری کاهش دهد. بااین‌حال اندازه‌گیری شاخصی همچون سهم افراد توانمند در استفاده از ابزار هوش مصنوعی محل ابهام است و مشخص نیست براساس چه معیارهایی صورت خواهد گرفت و از طرفی احتمال ارائه تصویرهای غیرواقعی (کم‌برآوردی و بیش‌برآوردی) نیز وجود دارد. لذا، ضرورت تدوین دستورالعمل‌های شفافی برای سازمان‌ها و بنگاه‌ها و نهاد ارزیاب برای اندازه‌گیری و صحه‌گذاری به چنین شاخص‌هایی احساس می‌شود.

6-5. سرمایه‌گذاری و سهم بازار هوش مصنوعی

در حال حاضر آمارهای رسمی و دقیقی از سرمایه‌گذاری و سهم بازار هوش مصنوعی در کشور وجود ندارد و همین امر باعث شده در سند ملی هوش مصنوعی بسیاری از شاخص‌هایی که ناظر به سرمایه‌گذاری و سهم بازار هوش مصنوعی است فاقد داده‌های کمی باشند. فقدان شناخت وضعیت موجود نیز به‌نوبه‌خود منجر به تردید در تعیین مقادیر هدف در این شاخص‌ها شده ‌است (جدول 9).

جدول 9. شاخص‌های ارزیابی کلان منطبق با سرمایه‌گذاری و سهم بازار هوش مصنوعی

مأخذ: سند ملی هوش مصنوعی کشور [22].

براساس گزارش شاخص هوش مصنوعی ایران، میزان سرمایه‌گذاری کشور در حوزه هوش مصنوعی در قالب وام، تسهیلات و کمک‌های بلاعوض به برخی شرکت‌های فعال در این حوزه تا به امروز حدود ده میلیون دلار بوده‌است که فاصله قابل توجهی با کشورهایی نظیر ترکیه با 200 میلیون دلار، امارات با 1/5 میلیارد دلار و عربستان با بیست میلیارد دلار دارد. ارزش کل بازار هوش مصنوعی (شرکت‌های دانش‌بنیان و غیردانش‌بنیان) در سال 1401 نیز حدود 1600 میلیارد تومان تخمین زده شده است. سهم تخمینی شرکت‌های بزرگ دربازه زمانی 1396 تا 1401 سه برابر شده و در همین بازه، سهم شرکت‌های کوچک و متوسط از نود درصد بازار به هفتاد درصد تقلیل یافته است. در این راستا، میزان فروش محصولات هوش مصنوعی توسط شرکت‌های کوچک و متوسط دانش‌بنیان در سال 1401 حدود هفتصد میلیارد تومان و حجم بازار این شرکت‌ها حدود 1121 میلیارد تومان برآورد شده که با حساب تعدیل این اعداد به مبنای سال 1394، میزان فروش در سال 1401 معادل 102 و سهم بازار شرکت‌های مذکور حدود 161 میلیارد تومان است. گفتنی است بازار هوش مصنوعی در سال 1396 در کشور حدود 240 میلیارد تومان بوده که در طی این سال‌ها با افت مواجه شده ‌است[23].

علاوه‌بر این، نگاهی به سهم بازار بخش فناوری اطلاعات و ارتباطات ایران (شکل 21) به‌عنوان زیرساخت و بازار زیربنایی هوش مصنوعی نیز نشان می‌دهد بازار فناوری اطلاعات و ارتباطات ایران در سال‌های جاری کاهش قابل توجهی یافته است. به‌صورتی‌که در سال ۱۴۰۰ نسبت به سال ۱۳۹۶ بیش از ۵۷ درصد کاهش ‌یافته است. این موضوع حاکی از آن است که شرایط رشد بازار هوش مصنوعی می‌تواند چندان روشن نباشد[25].

شکل 21. سری زمانی بازار فناوری اطلاعات و ارتباطات در ایران (متوسط قیمت دلار سالیانه در بازار آزاد) (میلیارد دلار)

مأخذ: داتین [25].

صاحب‌نظران از کم‌برآورد اعتبارات پروژه‌های هوش مصنوعی بومی اطلاع می‌دهند. به‌عبارت‌دیگر مبالغ پیش‌بینی شده سرمایه‌گذاری برای طرح‌های بومی و داخلی کشور، با پروژه‌های سطح جهانی با بیش از ۱۰۰ میلیون دلار سرمایه‌گذاری قابل مقایسه نیست و اجرای آن در ایران با مبالغی بسیار کمتر هدف‌گذاری می‌شود. این موضوع ضمن پراکنده کردن اعتبارات محدود هوش مصنوعی در پروژه‌های متعدد می‌تواند باعث افزایش نرخ شکست پروژه‌های این حوزه شود. براساس مطالعات اولیه همچون مطالعات پژوهشگاه فناوری اطلاعات و ارتباطات، سرمایه‌گذاری حدود هشت میلیارد دلار تا 1410 تخمین زده شده و این درحالی است که در سطح جهانی در سال 2023، بخش خصوصی به‌تنهایی حدود 96 میلیارد دلار در این حوزه سرمایه‌گذاری کرده و سهم کشورهای آسیای شرقی ازجمله ژاپن، کره و سنگاپور به‌طور متوسط حدود پنج میلیارد دلار بوده‌ است.

علاوه‌بر این، سهم بازار جهانی هوش مصنوعی در سال 2023 حدود 454 میلیارد دلار بوده و پیش‌بینی‌ها از سهم ششصد میلیارد دلاری تا ده سال آتی حکایت دارد. هرچند حجم فروش محصولات هوش مصنوعی ساخت ایران در سند ملی هوش مصنوعی به‌عنوان یک شاخص لحاظ شده اما مقدار آن نه در شرایط کنونی و نه در آینده مشخص نیست. دستیابی به فروش 2000 میلیارد تومانی در سال 1407 توسط شرکت‌های دانش‌بنیان حوزه هوش مصنوعی نیز، حتی با احتساب قیمت کنونی ریال به دلار، کمی بیش از سی میلیون دلار خواهد بود که البته به‌نظر می‌رسد تمرکز بر شاخص فروش محصولات هوش مصنوعی از طریق شرکت‌های دانش‌بنیان کافی نباشد و باید دایره وسیع‌تر شرکت‌ها ازجمله شرکت‌های ارائه خدمات و شرکت‌های غیردانش‌بنیان را نیز لحاظ کرده و سهم فروش کل محصولات هوش مصنوعی را نیز به‌عنوان یک شاخص از کاربست این فناوری لحاظ نمود. با همه این تفاسیر، کشور هم به‌لحاظ سرمایه‌گذاری و هم به‌لحاظ بازگشت سرمایه نسبت به روندهایی که سایر کشورها در این شاخص‌ها دارند فاصله داشته و از صحنه رقابت جهانی بسیار دور است[25].

7.جمع‌بندی و توصیه‌های سیاستی برای ایران

هوش مصنوعی به‌عنوان یک فناوری پویا همواره در حال رشد است و سرعت تحولات آن با توسعه هوش مصنوعی مولد شدت بیشتری یافته‌است. مدل‌های جدیدی از هوش مصنوعی در مقیاس بزرگ به‌طور مداوم در حال انتشار است و مجموعه‌های بزرگ و مؤسسات علمی زیادی در سراسر جهان همچون دانشگاه‌های استنفورد و آکسفورد به‌دنبال معرفی شاخص‌های رتبه‌بندی کشورها در هوش مصنوعی و بازتعریف آنها هم‌راستا با سرعت تحولات این فناوری هستند.

در این تحقیق تلاش شد با توجه به شاخص‌های مطرح و پر استناد جهانی در حوزه هوش مصنوعی، برخی مؤلفه‌های آن نظیر میزان دانش‌آموختگی و اشتغال هوش مصنوعی، شرکت‌های فعال، سرمایه‌گذاری بخش خصوصی، سهم بازار، اخلاق، پذیرش اجتماعی و در نهایت میزان درآمدهای این فناوری در جهان ترسیم شود.

هدف از این پژوهش معرفی یا ترویج شاخص‌های پیشنهادی این مراکز و مؤسسات نبوده و تمرکز اصلی آن بر مؤلفه‌های اصلی و جامع در ارزیابی میزان توسعه هوش مصنوعی و ارائه تصویری از فعالیت‌ها، سرمایه‌گذاری‌ها و وضعیت برخی کشورهای پیشرو و منتخب در این حوزه است.

هریک از مؤلفه‌های بررسی شده و نتایج کلیدی میزان تأثیرگذاری آن بر رتبه جهانی کشورها و نیز ترسیم وضعیت کشور ما در چارچوب این مؤلفه‌ها در ادامه شرح داده شده ‌است:

پژوهش و تولید علم در حوزه هوش مصنوعی

• به‌طور کلی بخش قابل توجهی از تولید دانش در حوزه هوش مصنوعی در سطح جهانی توسط مراکز و مؤسسات دانشگاهی و پژوهشی انجام می‌شود.
• به‌طور متوسط حدود 78 درصد پژوهش‌های و محتواهای علمی این حوزه توسط دانشگاه‌ها ومراکز تحقیقاتی تولید می‌شود. سهم بخش صنعت دولت در این رابطه به‌ترتیب ده و هشت درصد است.
• براساس پایگاه استنادی سایماگو کشور ایران در این بازه زمانی 2023-1996 در جایگاه پانزده هوش مصنوعی جهان قرار دارد و براساس طبقه‌بندی شاخه‌های فناوری هوش مصنوعی به استناد وب آو ساینس در حوزه شبکه‌های عصبی در رتبه شش جهانی قرار دارد.

تعداد دانش‌آموختگان هوش مصنوعی

• در سطح جهانی روند گرایش به رشته‌های مرتبط با هوش مصنوعی در مقاطع کارشناسی و کارشناسی ارشد (ازجمله علوم و مهندسی رایانه، ریاضیات، فناوری اطلاعات) به‌طور ملایمی رو به افزایش است.
• در مقطع دکترای علوم رایانه، رشد قابل ملاحظه‌ای در تعداد دانش‌آموختگان دیده نمی‌شود که به‌نظر می‌رسد زمینه‌های مناسب‌تر اشتغال در مقاطع کارشناسی و کارشناسی ارشد و جذب به بخش صنعت، باعث می‌شود گرایش به سمت اخذ مدرک دکتری آنچنان بالا نباشد.
• در حال حاضر، مقطع کارشناسی هوش مصنوعی در کشور ما وجود ندارد اما دانشگاه‌های کشور در مقاطع تکمیلی اقدام به پذیرش دانشجو در گرایش هوش مصنوعی با عنوان «علوم کامپیوتر گرایش محاسبات نرم و هوش مصنوعی» و «مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیک» برای مقطع ارشد و «محاسبات نرم و هوش مصنوعی» ذیل رشته علوم و مهندسی کامپیوتر و «رایانش و هوش مصنوعی» ذیل رشته علوم شناختی و اعصاب شناختی در مقطع دکتری کرده‌اند.
• براساس آمار ارائه شده توسط سازمان سنجش، نظام دانشگاهی کشور در سال ۱۴۰۲ در مقطع دکتری ۱۷۲ نفر و در مقطع کارشناسی ارشد ۱۳۵۸ نفر ظرفیت پذیرش دانشجو ذیل گرایش‌های یاد شده در بالا را داشته است.

اشتغال

• با توجه به گزارش دانشگاه استنفورد حدود 77درصد فارغ التحصیلان رشته‌های مرتبط با هوش مصنوعی در بخش صنعت، حدود 22 درصد در دانشگاه و حدود یک درصد نیز در دولت مشغول ‌به‌کار هستند.
• بیشترین مشاغل بر‌خط هوش مصنوعی در حوزه اطلاعات هستند و بعد از آن مشاغل مربوط به خدمات علمی، تخصصی و فنی، امور مالی، بیمه و مشاغل تولیدی توانسته‌اند زمینه‌های لازم را برای اشتغال برخط مبتنی‌بر هوش مصنوعی ایجاد کنند.

تعداد شرکت‌های فعال در هوش مصنوعی

• از نظر تعداد شرکت‌های فعال در حوزه هوش مصنوعی نیز آمریکای شمالی رکورددار در جهان است و تعداد شرکت‌های در آنجا دو برابر مجموع تعداد شرکت‌های فعال این حوزه در اروپاست.
• آمریکا با 542 شرکت جدید در سال 2022، چین با 160 و انگلستان با 99 شرکت دارای بیشترین تعداد شرکت‌های فعال در این حوزه بودند. رژیم اشغالگر قدس با 442 شرکت در رتبه بعدی قرار دارد.
• درصد شکست کسب‌وکارهای نوپای هوش مصنوعی به علت ریسک‌ها و فقدان قطعیت‌ها، بالاست. به‌نحوی که تعداد شرکت‌های هوش مصنوعی در میان 127 کشور بررسی شده در گزارش دانشگاه استنفورد، از 1051 شرکت در سال 2019 به 762 شرکت در سال 2020 و 746 شرکت در سال 2021 رسیده است.
• تا به امروز، تعداد شرکت‌های ایرانی حوزه هوش مصنوعی در یک تحلیل فراگیر، یعنی با احتساب شرکت‌هایی که بخشی از فعالیت آنها از طریق هوش مصنوعی انجام می‌شود، حدود ۴5۲ شرکت تخمین زده شده ‌است. اما طبق مصاحبه شفاهی با خبرگان هوش مصنوعی درصورتی‌که هوش مصنوعی جزو اساسی این کسب‌وکارها باشد، این تعداد به حدود 242 شرکت کاهش پیدا می‌کند.
• نرم‌افزارهای مسیریاب و ربات‌های انسان نمای ایران ازسوی تحلیلگران بین‌المللی به‌عنوان مصادیق فعالیت هوش مصنوعی کشور مورد توجه قرار گرفته‌اند.

میزان سرمایه‌گذاری بخش خصوصی

• در سطح جهانی، میزان کل سرمایه‌گذاری بخش خصوصی در هوش مصنوعی از 46 میلیارد دلار در سال 2020 به بیش از 96/5 میلیارد دلار در سال 2021 افزایش یافت. میزان کل سرمایه‌گذاری اعم از بخش خصوصی و دولتی و سایر بخش‌های مرتبط معادل 189 میلیارد دلار گزارش شده است.
• چین، بعد از آمریکا بیشترین میزان سرمایه‌گذاری بخش خصوصی در هوش مصنوعی را در میان کشورهای جهان داشته است (حدود 95 میلیارد دلار در بازه 2021-2020).
• با وجود روند رو به رشد سرمایه‌گذاری در چین تا سال 2021، طی سال‌های بعد از آن، میزان اقبال بخش خصوصی به سرمایه‌گذاری در این عرصه کمتر شده به‌نحوی که در سال 2023 حجم سرمایه‌گذاری بخش خصوصی حتی از اروپا نیز کمتر شده و به هشت میلیارد دلار رسیده است. بخشی از این اتفاق ناشی از سیاست‌های کلان چین در عرصه فناوری و یا قانونگذاری‌هایی باشد که به‌طور خاص در حوزه هوش مصنوعی انجام شده است. به هر صورت این موضوع نیازمند نگاه دقیق‌تر و بررسی‌های بیشتر است.
• در حال حاضر، در ایران آمار رسمی از سرمایه‌گذاری و سهم بازار هوش مصنوعی وجود ندارد اما براساس مطالعات اولیه همچون مطالعات پژوهشگاه فناوری اطلاعات و ارتباطات، ضرورت سرمایه‌گذاری حدود 8 میلیارد دلار تا 1410 تخمین زده شده است. هرچند برخی صاحب‌نظران معتقدند که برای اجرای پروژه‌های هوش مصنوعی بومی به اعتبارات بیش از میزان برآورد شده نیاز است.

سهم بازار هوش مصنوعی

• در سال 2022 سهم بازار جهانی از هوش مصنوعی حدود 454 میلیارد دلار برآورد شده است. مجموع آمریکای شمالی و کانادا با 37 درصد بیشترین سهم بازار را در بین مناطق جهان در سال 2022 داشته است و بعد از آن به‌ترتیب اروپا، آسیا و اقیانوسیه، آمریکای لاتین و خاور میانه به‌ترتیب با 25، 24 و 14 درصد قرار دارند.
• سهم بازار این حوزه در ایران توسط شرکت‌های دانش‌بنیان حدود چهارصد میلیارد تومان برآورد شده ‌است.

 ارزیابی اثر اخلاقی هوش مصنوعی

• ارزیابی اثر اخلاقی هوش مصنوعی از منظر اجتماعی به کمک نظرسنجی از مردم جهان انجام شده و اساساً نرخ پذیرش این فناوری مبتنی‌بر کاربردها، اقدام‌های سیاستی و آثاری که به‌واسطه آنها در سطح جامعه ایجاد می‌شود، بررسی می‌شود.
• روند شناخت و آگاهی از آثار ‌به‌کارگیری هوش مصنوعی بین مردم در کشورهای مختلف جهان به تدریج در حال افزایش است و 66 درصد از پاسخ‌دهندگان معتقد هستند که محصولات و خدمات مبتنی‌بر هوش مصنوعی در آینده نزدیک زندگی روزانه آنها را تغییر می‌دهد.
• تعداد متوسط افرادی که فکر می‌کنند مزایای این فناوری بیش از معایب آن است با تعداد افرادی که برعکس آن را معتقدند برابر است و این موضوع نشان‌دهنده فقدان قطعیت بالایی است که در مورد پذیرش این فناوری وجود دارد.
• درحالی‌که در سال 2022 حدود 39 درصد پاسخ دهندگان معتقد بودند محصولات و خدمات هوش مصنوعی آنها را عصبی و نگران می‌کند این نوع نگرش با رواج هر چه بیشتر کاربردهای این فناوری رو به افزایش است و حدود 53 درصد پاسخ‌دهندگان احساس نگرانی و عصبی شدن خود را در مواجهه با این فناوری ابراز کرده‌اند و این امر نشان می‌دهد پیامدهای اخلاقی و اجتماعی این فناوری از نظر مردم در حال پر رنگ شدن است.
• کشور ما در حال حاضر سندهای یا توصیه‌نامه‌های خلاقی درمورد هوش مصنوعی تدوین نکرده است و البته به‌طور رسمی نیز نگرش و افکار عمومی در مورد هوش مصنوعی مورد سنجش و ارزیابی قرار نگرفته‌است.

در ادامه به اجمال مقایسه شاخص‌های مندرج در جدول کمی سند ملی هوش مصنوعی متناظر با شاخص‌های بین‌المللی موجود به‌شرح ذیل ارائه شده‌ است.

جدول 10. مقایسه برخی شاخص‌های کلان هوش مصنوعی در ایران و جهان

مأخذ: برگرفته از داده‌های گزارش.

بررسی مؤلفه‌های مختلف ارزیابی توسعه هوش مصنوعی ایمن، قابل اعتماد و پایدار نشان می‌دهد، سرعت تحولات، سرمایه‌گذاری‌ها، سیاستگذاری و برنامه‌ریزی کشورها برای داشتن نقش و سهم در این عرصه رو به فزونی است. برای ایران نیز قرار گرفتن در زمره ده کشور برتر هوش مصنوعی در دنیا به‌عنوان یکی از چشم‌اندازهای توسعه این حوزه قطعاً نمی‌تواند فقط معطوف به تولید دانش آن باشد. لذا باید اقدام‌های عاجل‌تری صورت پذیرد که رشد و جهش سریع در توسعه این فناوری و دستیابی به لایه‌های عمیق آن رخ دهد. ازجمله اقدام‌های پیشنهادی که می‌تواند در چارچوب زیرساخت‌های قانونی ضمانت اجرای آن را نیز تقویت نمود عبارتند از:

• تبیین شفاف‌تر وضعیت موجود و برنامه‌ریزی برای آینده:

-ایجاد یک مرکز رصد شاخص‌های توسعه هوش مصنوعی وفق سند ملی به کمک کاروران بخش خصوصی و با نظارت سازمان ملی هوش مصنوعی

-توسعه و تولید شاخص بومی سنجش توسعه هوش مصنوعی در کشور با قابلیت انطباق و مقایسه با شاخص‌های جهانی رتبه‌بندی

• تأمین مالی و جذب سرمایه برای توسعه هوش مصنوعی

-ایجاد یک صندوق ملی اختصاصی با مشارکت دولت و سرمایه بخش خصوصی با هدف توسعه لایه‌های عمیق هوش مصنوعی، توسعه خدمات پایه و کاربردی هوش مصنوعی و اجرای تکالیف و تعهدات دولت.

• تأمین زیرساخت‌های مورد نیاز از طریق همکاری بین بخش خصوصی و دولتی

-استفاده از ظرفیت اپراتورهای داده برای یکپارچه‌سازی داده‌های بخشی و تسهیل دسترسی توسعه‌دهندگان به داده.

-تأمین سریع تجهیزات، پردازنده‌ها و سخت‌افزارهای اختصاصی هوش مصنوعی و ایجاد مرکز ملی پردازش سریع با ظرفیت یک اگزافلاپس ویژه طرح‌های هوش مصنوعی.

-حمایت از ظرفیت‌های خرد پردازشی کشور برای تأمین زیرساخت پردازش اشتراکی با ظرفیت پنج اگزافلاپس.

-بهره‌گیری از توان بخش خصوصی برای راه‌اندازی نیروگاه‌های کم‌توان و توزیع شده برای تأمین انرژی مورد نیاز پردازش‌های با حجم بالا.

• تمرکز بر تقویت پژوهش‌های هدفمند تقاضامحور در کشور

-فراهم کردن زیرساخت‌های داده‌های باز برای تسهیل و تقویت دسترسی پژوهشگران.

-تخصیص بودجه به دانشگاه‌ها و پژوهشکده‌های منتخب برای انجام تحقیقات کاربردی و نیز تحقیقات عمیق و بلندمدت هوش مصنوعی و تعریف سازوکارهای نظارتی همچون ارزیابی کیفیت و ایجاد بستر رقابت.

• حمایت از کسب‌وکارهای نوپا

-نگهداشت نخبگان و متخصصین هوش مصنوعی با ایجاد انگیزه‌های لازم در مسیر حمایت از شرکت‌های کوچک و چابک هوش مصنوعی (در قالب گرنت‌های مستقیم تحقیق و توسعه به اشخاص حقیقی- اعمال مالیات با نرخ صفر بر حقوق کارکنان شاغل درشرکت‌های کوچک فعال و مورد تأیید سازمان ملی هوش مصنوعی با کمتر از 10 پرسنل (وفق دستورالعمل‌ها و ضوابطی که تعیین می‌شود) و ...).

-تعریف پروژه‌های کوچک‌مقیاس در صنایع مبتنی‌بر حل مسائل واقعی صنعت و برمبنای نقشه راه ترسیم شده در سازمان ملی هوش مصنوعی با حمایت این سازمان و توسط شرکت‌هایی با کمتر از پنجاه نفر پرسنل یا کنسرسیوم‌هایی از شرکت‌های با کمتر از ۱۰ پرسنل فنی هوش مصنوعی قابل انجام باشد.

-ایجاد مشوق برای شرکت‌های بزرگ جهت اجرای پروژه‌ها از طریق شرکت‌های کوچک و دانش‌بنیان مشروط بر آنکه شرکت کوچک زیرمجموعه شرکت بزرگ نباشد.

-تدوین دستورالعمل‌ها و حمایت‌های اختصاصی توسعه هوش مصنوعی توسط معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست‌جمهوری در راستای بهره‌مندی از ظرفیت‌های قانون جهش تولید دانش‌بنیان مصوب 1401.

-تسهیل برخی فرایندهای نظارتی پیش‌نیاز در پروژه‌های هوش مصنوعی تا قبل از بهره‌برداری نهایی (توسعه محیط‌های آزمون).