آخرین تحولات صنعت فناوری چین نیز نشان می‌دهد که رقابت هوش مصنوعی وارد مرحله تازه‌ای شده است. شرکت علی‌بابا در کنفرانس سالانه رایانش ابری «آپسارا» در هانگژو از تراشه هوش مصنوعی Zhenwu V900 رونمایی کرده و آن را قدرتمندترین تراشه هوش مصنوعی تولیدشده در چین معرفی کرده است. این تراشه توسط واحد نیمه‌رسانای T-Head علی‌بابا توسعه یافته و نشان می‌دهد شرکت‌های چینی دیگر نمی‌خواهند صرفاً مصرف‌کننده تراشه‌های پیشرفته خارجی باشند، بلکه قصد دارند زنجیره کامل فناوری هوش مصنوعی را در داخل کشور توسعه دهند.

اهمیت این اتفاق زمانی بیشتر مشخص می‌شود که بدانیم علی‌بابا هم‌زمان آموزش نسل بعدی مدل هوش مصنوعی خود، یعنی «کوئن ۴» را آغاز کرده است. این شرکت اعلام کرده مدل‌های آینده سری کوئن ۴.۵ و کوئن ۵ ممکن است از ۵ تا ۱۰ تریلیون پارامتر پشتیبانی کنند؛ رقمی که چند برابر مدل‌های فعلی این شرکت است. در کنار این موضوع، ابررایانه M890 علی‌بابا نیز توانایی استنتاج مدل‌هایی با بیش از دو تریلیون پارامتر را پیدا کرده است.

در نگاه اول شاید «تریلیون پارامتر» صرفاً یک عدد بزرگ و تکنیکی به نظر برسد، اما پشت این اعداد یک رقابت بسیار بزرگ‌تر در جریان است. پارامترها را می‌توان به‌طور ساده به‌عنوان متغیرهایی در نظر گرفت که یک مدل هوش مصنوعی هنگام آموزش آنها را تنظیم می‌کند تا بتواند الگوهای پیچیده موجود در داده‌ها را یاد بگیرد. افزایش تعداد پارامترها لزوماً به معنای افزایش خطی هوش مدل نیست، اما در ترکیب با داده بهتر، معماری مناسب‌تر، روش‌های آموزشی جدید و قدرت محاسباتی بیشتر می‌تواند ظرفیت مدل را برای حل مسائل پیچیده افزایش دهد.

بنابراین رقابت آینده فقط بر سر ساخت یک «چت‌بات بهتر» نیست. مسئله اصلی این است که آیا می‌توان مدل‌هایی ساخت که بتوانند استدلال کنند، برنامه‌ریزی کنند، ابزارهای مختلف را به‌صورت مستقل به کار بگیرند، کدنویسی کنند، تحقیق انجام دهند، داده‌های پیچیده را تحلیل کنند و در نهایت بخش‌هایی از فعالیت‌های اقتصادی را بدون دخالت مستقیم انسان انجام دهند یا خیر.

اینجاست که مفهوم «هوش مصنوعی فراهوشمند» یا ASI وارد بحث می‌شود. هوش مصنوعی فراهوشمند هنوز یک فناوری تحقق‌یافته نیست و درباره زمان یا حتی امکان رسیدن به آن اختلاف نظر جدی وجود دارد، اما مفهوم آن به سامانه‌ای اشاره می‌کند که در طیف گسترده‌ای از توانایی‌های شناختی از انسان فراتر رود. اگر چنین سیستمی روزی ایجاد شود، اثر آن احتمالاً بسیار بزرگ‌تر از ظهور اینترنت، تلفن هوشمند یا حتی انقلاب صنعتی خواهد بود.

به همین دلیل، رونمایی علی‌بابا از یک تراشه جدید را نباید فقط یک خبر شرکتی دانست. این اتفاق بخشی از رقابت بسیار بزرگ چین و آمریکا برای کنترل زیرساخت هوش مصنوعی است.

در این رقابت، تراشه اهمیت ویژه‌ای دارد. مدل هوش مصنوعی هرچقدر هم قدرتمند باشد، برای آموزش و اجرای آن به سخت‌افزار نیاز دارد. آموزش مدل‌های بزرگ به هزاران یا حتی میلیون‌ها واحد پردازشی، شبکه‌های ارتباطی بسیار سریع، حافظه‌های پرسرعت و مصرف عظیم برق نیاز دارد. در نتیجه، هوش مصنوعی بدون تراشه‌های قدرتمند تقریباً هیچ معنایی ندارد.

اینجاست که سیاست آمریکا برای محدود کردن دسترسی چین به تراشه‌های پیشرفته اهمیت پیدا می‌کند. آمریکا به‌خوبی می‌داند که محدود کردن صادرات تراشه می‌تواند سرعت توسعه هوش مصنوعی چین را کاهش دهد. اما واکنش چین نیز روشن است: توسعه تراشه‌های داخلی.

اگر چین بتواند تراشه‌های داخلی را به سطحی برساند که بخش بزرگی از نیاز شرکت‌های خود را تأمین کنند، تحریم فناوری به جای متوقف کردن چین ممکن است به شکل‌گیری یک اکوسیستم مستقل فناوری منجر شود. شرکت‌هایی مانند علی‌بابا، هواوی و دیگر شرکت‌های چینی در حال حرکت به همین سمت هستند.

این رقابت فقط میان دو شرکت یا دو کشور نیست. در پشت آن زنجیره‌ای عظیم از شرکت‌های طراحی تراشه، تولیدکنندگان تجهیزات نیمه‌رسانا، مراکز داده، شرکت‌های ابری، اپراتورهای شبکه برق، سازندگان سیستم‌های خنک‌کننده و حتی تولیدکنندگان برق قرار دارند.

به عبارت دیگر، اقتصاد هوش مصنوعی یک اقتصاد چندلایه است.

در لایه اول تراشه قرار دارد.

در لایه دوم مراکز داده و زیرساخت محاسباتی قرار دارند.

در لایه سوم مدل‌های هوش مصنوعی قرار دارند.

در لایه چهارم نرم‌افزارها و ابزارهایی قرار دارند که روی این مدل‌ها ساخته می‌شوند.

و در لایه پنجم، صنایع مختلف قرار دارند که هوش مصنوعی را وارد فعالیت‌های واقعی خود می‌کنند.

این لایه آخر شاید مهم‌ترین بخش ماجرا باشد. ارزش واقعی هوش مصنوعی زمانی مشخص خواهد شد که از مرحله تولید متن و تصویر فراتر برود و وارد کارخانه، بیمارستان، بانک، بورس، حمل‌ونقل، کشاورزی، انرژی و آموزش شود.

تصور کنید یک شرکت صنعتی به جای داشتن ده‌ها کارشناس برای تحلیل داده‌های تولید، پیش‌بینی خرابی ماشین‌آلات، مدیریت موجودی، برنامه‌ریزی خرید و بهینه‌سازی مصرف انرژی، از یک سامانه هوش مصنوعی استفاده کند که تمام این فعالیت‌ها را به شکل هم‌زمان انجام دهد. در چنین شرایطی، بهره‌وری نیروی کار می‌تواند به‌شدت افزایش پیدا کند.

همین مسئله یکی از دلایلی است که هوش مصنوعی می‌تواند اقتصاد جهان را تغییر دهد. در اقتصاد سنتی، افزایش تولید معمولاً نیازمند افزایش سرمایه، نیروی کار یا هر دو است. اما هوش مصنوعی می‌تواند به یک شرکت اجازه دهد با همان تعداد نیروی انسانی، خروجی بسیار بیشتری تولید کند.

به همین دلیل، بزرگ‌ترین اثر اقتصادی هوش مصنوعی ممکن است نه حذف کامل انسان، بلکه افزایش شدید بهره‌وری انسان باشد.

یک برنامه‌نویس با ابزارهای هوش مصنوعی می‌تواند کاری را که قبلاً در چند روز انجام می‌داد، در چند ساعت انجام دهد. یک طراح گرافیک می‌تواند ده‌ها ایده را در مدت کوتاهی آزمایش کند. یک روزنامه‌نگار می‌تواند حجم بسیار بیشتری از داده‌ها را تحلیل کند. یک تحلیلگر مالی می‌تواند هزاران گزارش را سریع‌تر بررسی کند.

اما همین موضوع یک خطر بزرگ نیز ایجاد می‌کند.

اگر بهره‌وری یک نیروی انسانی با هوش مصنوعی چند برابر شود، شرکت‌ها برای انجام همان مقدار کار به نیروی انسانی کمتری نیاز خواهند داشت. بنابراین هوش مصنوعی هم‌زمان می‌تواند بهره‌وری را افزایش دهد و تقاضا برای برخی مشاغل را کاهش دهد.

تاریخ فناوری نشان می‌دهد که فناوری معمولاً همه مشاغل را از بین نمی‌برد؛ بلکه ساختار بازار کار را تغییر می‌دهد. ماشین صنعتی بسیاری از مشاغل دستی را کاهش داد، اما مشاغل جدیدی ایجاد کرد. کامپیوتر بسیاری از فعالیت‌های اداری سنتی را تغییر داد، اما صنایع جدیدی ساخت. اینترنت نیز میلیون‌ها شغل جدید ایجاد کرد.

هوش مصنوعی احتمالاً همین مسیر را دنبال خواهد کرد، اما تفاوت مهمی وجود دارد: این بار فناوری مستقیماً وارد فعالیت‌های شناختی شده است.

ماشین صنعتی جایگزین بخشی از قدرت فیزیکی انسان شد؛ هوش مصنوعی می‌تواند بخشی از توانایی‌های ذهنی انسان را نیز تقویت یا جایگزین کند.

این مسئله برای کشورهای در حال توسعه اهمیت بسیار بیشتری دارد.

کشوری مانند ایران اگر صرفاً مصرف‌کننده هوش مصنوعی باشد، ممکن است بخش قابل‌توجهی از ارزش افزوده اقتصاد آینده را به شرکت‌های خارجی واگذار کند. اما اگر بتواند از هوش مصنوعی برای افزایش بهره‌وری داخلی استفاده کند، می‌تواند بخشی از عقب‌ماندگی خود را جبران کند.

این موضوع در شرایطی که ایران با محدودیت سرمایه، تحریم، کمبود نیروی متخصص، بحران انرژی و بهره‌وری پایین مواجه است، اهمیت زیادی دارد.

فرض کنیم یک کارخانه ایرانی با استفاده از هوش مصنوعی بتواند ۱۰ درصد مصرف انرژی خود را کاهش دهد. در مقیاس یک کارخانه شاید رقم بزرگی نباشد، اما اگر چنین فناوری در هزاران کارخانه استفاده شود، نتیجه می‌تواند معادل ایجاد ظرفیت جدید انرژی باشد.

این مسئله درباره شبکه برق نیز صدق می‌کند. هوش مصنوعی می‌تواند مصرف برق را پیش‌بینی کند، زمان مناسب استفاده از تجهیزات را تعیین کند، خرابی شبکه را پیش‌بینی کند و تولید نیروگاه‌ها را بهینه کند. در نتیجه، بخشی از بحران انرژی را می‌توان نه با ساخت نیروگاه جدید، بلکه با افزایش بهره‌وری مدیریت کرد.

در صنعت نفت و گاز نیز ظرفیت بزرگی وجود دارد. مدل‌های هوش مصنوعی می‌توانند داده‌های مربوط به چاه‌ها، فشار مخازن، تجهیزات پالایشگاهی و خطوط انتقال را تحلیل کنند و احتمال خرابی یا کاهش تولید را پیش‌بینی کنند. اگر ایران بخواهد در شرایط محدودیت سرمایه از منابع موجود بیشترین بهره را ببرد، استفاده از هوش مصنوعی می‌تواند یکی از ابزارهای مهم باشد.

در بازار سرمایه نیز همین اتفاق در حال وقوع است. هوش مصنوعی می‌تواند میلیون‌ها داده اقتصادی، گزارش مالی، صورت‌های مالی، قیمت کالاها، نرخ ارز و اخبار را تحلیل کند. در آینده فاصله میان سرمایه‌گذار حرفه‌ای و سرمایه‌گذار عادی ممکن است بیش از گذشته به کیفیت ابزارهای تحلیلی آنها وابسته شود.

اما اینجا یک نکته مهم وجود دارد: هوش مصنوعی الزاماً به معنای پایان تحلیل انسانی نیست.

مدل می‌تواند داده را سریع‌تر تحلیل کند، اما تعیین اینکه کدام داده معتبر است، کدام سناریو منطقی است و چه میزان ریسک باید پذیرفته شود، همچنان به قضاوت انسانی نیاز دارد. حتی قدرتمندترین مدل نیز ممکن است بر اساس داده ناقص تصمیم اشتباه بگیرد.

از این منظر، آینده متعلق به انسان‌هایی نیست که با هوش مصنوعی رقابت می‌کنند؛ آینده متعلق به کسانی است که بتوانند از هوش مصنوعی بهتر از دیگران استفاده کنند.

این مسئله برای نظام آموزشی نیز یک زنگ خطر جدی است. اگر مدارس و دانشگاه‌ها همچنان عمدتاً بر حفظ کردن اطلاعات و پاسخ دادن به سؤالات استاندارد تمرکز کنند، بخش بزرگی از آموزش سنتی ارزش خود را از دست خواهد داد. زیرا هوش مصنوعی در بسیاری از موارد اطلاعات را سریع‌تر و دقیق‌تر از انسان ارائه می‌کند.

بنابراین مهارت‌هایی مانند پرسش‌گری، تفکر انتقادی، حل مسئله، خلاقیت، ارتباطات، مدیریت پروژه و توانایی کار با ابزارهای هوش مصنوعی اهمیت بیشتری پیدا خواهند کرد.

در واقع ممکن است در آینده «سواد هوش مصنوعی» همان نقشی را داشته باشد که سواد کامپیوتری در دو دهه گذشته داشت.

اما رقابت هوش مصنوعی یک بعد ژئوپلیتیک بسیار مهم نیز دارد. کشوری که در این حوزه عقب بماند، فقط یک صنعت فناوری را از دست نمی‌دهد؛ بلکه ممکن است در صنایع مختلف عقب بیفتد.

اگر یک کشور هوش مصنوعی پیشرفته داشته باشد، می‌تواند تولید صنعتی خود را بهینه کند، خدمات مالی پیشرفته‌تر ایجاد کند، کشاورزی دقیق‌تر داشته باشد، سیستم دفاعی قدرتمندتری بسازد، تحقیقات علمی را سریع‌تر انجام دهد و حتی فرآیند کشف دارو را کوتاه کند.

بنابراین هوش مصنوعی به یک «فناوری عمومی» تبدیل می‌شود؛ همانند برق و کامپیوتر که تقریباً تمام بخش‌های اقتصاد را تحت تأثیر قرار دادند.

در چنین شرایطی، تراشه به یک دارایی استراتژیک تبدیل می‌شود.

این همان چیزی است که حرکت علی‌بابا اهمیت آن را نشان می‌دهد. چین به‌خوبی فهمیده است که نمی‌تواند برای توسعه مدل‌های هوش مصنوعی خود به سخت‌افزار خارجی وابسته بماند. اگر مدل‌های چندتریلیون‌پارامتری قرار است آموزش داده شوند، چین باید توان محاسباتی کافی داشته باشد.

از طرف دیگر، آمریکا نیز نمی‌تواند نسبت به این رقابت بی‌تفاوت باشد. به همین دلیل، رقابت تراشه میان دو کشور احتمالاً در سال‌های آینده ادامه خواهد داشت.

این رقابت حتی می‌تواند ساختار تجارت جهانی را تغییر دهد. ممکن است جهان به دو یا چند اکوسیستم فناوری تقسیم شود؛ یک اکوسیستم با محوریت آمریکا و متحدانش و اکوسیستمی دیگر با محوریت چین. کشورهای دیگر مجبور خواهند شد در برخی حوزه‌ها میان استانداردهای مختلف انتخاب کنند.

این موضوع برای کشورهایی مانند ایران پیچیده‌تر است. ایران از یک طرف با محدودیت دسترسی به فناوری‌های پیشرفته مواجه است و از طرف دیگر نیروی انسانی متخصص قابل‌توجهی دارد. اگر سیاست‌گذاری درست انجام شود، ایران می‌تواند در بخش‌هایی مانند نرم‌افزار، خدمات هوش مصنوعی، مدل‌های زبانی فارسی و کاربردهای صنعتی وارد زنجیره ارزش شود.

لازم نیست ایران حتماً تراشه‌ای در سطح پیشرفته‌ترین تراشه‌های جهان تولید کند تا از انقلاب هوش مصنوعی بهره ببرد. شاید در شرایط فعلی، توسعه کاربردهای هوش مصنوعی در صنایع، دولت، بانک‌ها، آموزش، رسانه، پزشکی و انرژی بازده اقتصادی بسیار بیشتری داشته باشد.

اما یک مانع جدی وجود دارد: زیرساخت.

هوش مصنوعی بدون برق، اینترنت، مراکز داده و دسترسی به محاسبات قدرتمند نمی‌تواند توسعه پیدا کند. اینجاست که بحران انرژی ایران دوباره به موضوع هوش مصنوعی متصل می‌شود.

مراکز داده بزرگ برق زیادی مصرف می‌کنند. اگر ایران با کمبود برق و گاز مواجه باشد، توسعه زیرساخت هوش مصنوعی نیز دشوارتر خواهد شد. بنابراین ممکن است در آینده یکی از رقابت‌های مهم کشورها نه فقط بر سر تراشه، بلکه بر سر برق ارزان و پایدار باشد.

این نکته در سطح جهانی نیز اهمیت دارد. رشد هوش مصنوعی تقاضا برای مراکز داده را افزایش داده و مراکز داده به برق، آب و سیستم‌های خنک‌کننده نیاز دارند. بنابراین اقتصاد دیجیتال برخلاف تصور عمومی کاملاً غیرمادی نیست؛ پشت هر مدل هوش مصنوعی عظیم، ساختمان‌هایی بزرگ، شبکه برق قدرتمند، تراشه‌های فیزیکی و منابع طبیعی قرار دارد.

به همین دلیل، آینده انرژی و آینده هوش مصنوعی به یکدیگر گره خورده‌اند.

در نهایت باید به یک سؤال بزرگ برگردیم: آیا افزایش تعداد پارامترها واقعاً ما را به هوش مصنوعی فراهوشمند نزدیک می‌کند؟

پاسخ قطعی هنوز وجود ندارد.

مدل بزرگ‌تر الزاماً مدل هوشمندتر نیست. کیفیت داده، معماری مدل، روش آموزش، توانایی استدلال، حافظه، استفاده از ابزارها و تعامل با محیط نیز اهمیت زیادی دارند. ممکن است در آینده به جای مدل‌های بسیار بزرگ، مدل‌های کوچک‌تر اما بسیار کارآمدتر و تخصصی‌تر نقش مهمی پیدا کنند.

با این حال، حرکت شرکت‌هایی مانند علی‌بابا به سمت مدل‌های چندتریلیون‌پارامتری نشان می‌دهد که رقابت فعلی همچنان بر پایه افزایش مقیاس ادامه دارد. شرکت‌ها می‌خواهند بدانند اگر مدل‌ها را بزرگ‌تر، داده‌ها را بیشتر و محاسبات را قدرتمندتر کنند، چه قابلیت‌های جدیدی ظاهر خواهد شد.

این همان جایی است که شاید مهم‌ترین تحول آینده رخ دهد: «ظهور قابلیت‌های جدید».

ممکن است افزایش مقیاس در نقطه‌ای باعث شود مدل‌هایی که امروز فقط متن تولید می‌کنند، فردا بتوانند پروژه‌ای را از ابتدا تا انتها مدیریت کنند؛ مسئله را تعریف کنند، اطلاعات جمع‌آوری کنند، برنامه بنویسند، نتیجه را آزمایش کنند، اشتباه خود را تشخیص دهند و دوباره مسیر را اصلاح کنند.

اگر چنین توانایی‌هایی به سطح بسیار بالایی برسد، اقتصاد جهان وارد مرحله جدیدی خواهد شد.

در آن شرایط، سرمایه‌گذاری روی هوش مصنوعی دیگر صرفاً سرمایه‌گذاری روی یک صنعت فناوری نیست؛ سرمایه‌گذاری روی زیرساخت اقتصاد آینده است.

شرکت علی‌بابا با توسعه تراشه Zhenwu V900، آموزش کوئن ۴ و برنامه‌ریزی برای مدل‌های ۵ تا ۱۰ تریلیون‌پارامتری در واقع یک پیام روشن ارسال کرده است: چین قصد ندارد در انقلاب هوش مصنوعی فقط بازار مصرف باشد؛ می‌خواهد یکی از سازندگان اصلی این انقلاب باشد.

پیام این تحول برای سایر کشورها نیز روشن است. انقلاب هوش مصنوعی منتظر آماده شدن اقتصادها نمی‌ماند. کشورهایی که امروز زیرساخت محاسباتی، نیروی انسانی متخصص، داده، انرژی و سیاست‌گذاری مناسب ایجاد کنند، در سال‌های آینده مزیت بزرگی خواهند داشت. کشورهایی که این تحول را صرفاً یک موج رسانه‌ای بدانند، ممکن است فاصله آنها با اقتصادهای پیشرو بسیار سریع‌تر از گذشته افزایش یابد.

شاید بزرگ‌ترین اشتباه این باشد که هوش مصنوعی را فقط یک ابزار برای تولید متن، عکس یا پاسخ به سؤال بدانیم. هوش مصنوعی در حال تبدیل شدن به یک لایه جدید روی کل اقتصاد جهان است؛ لایه‌ای که می‌تواند هزینه تولید اطلاعات، تحلیل، طراحی، برنامه‌نویسی و تصمیم‌گیری را به‌شدت کاهش دهد.

در چنین اقتصادی، سرمایه اصلی فقط نفت، زمین، کارخانه یا حتی سرمایه مالی نخواهد بود؛ توانایی تولید و استفاده از هوش به یکی از مهم‌ترین منابع قدرت اقتصادی تبدیل خواهد شد.

رقابت علی‌بابا برای ساخت تراشه و مدل‌های چندتریلیون‌پارامتری را باید از همین زاویه دید. این رقابت هنوز در مراحل ابتدایی است، اما اگر مسیر توسعه هوش مصنوعی به سمت سامانه‌هایی با توانایی استدلال و اقدام مستقل ادامه پیدا کند، ممکن است آیندگان از دهه ۲۰۲۰ نه فقط به‌عنوان دوران ظهور یک فناوری جدید، بلکه به‌عنوان آغاز دوره‌ای یاد کنند که در آن ماشین‌ها برای نخستین‌بار به ابزارهای عمومیِ حل مسئله در مقیاس بسیار بزرگ تبدیل شدند.

و شاید سؤال اصلی دیگر این نباشد که «آیا هوش مصنوعی جای انسان را می‌گیرد؟» بلکه این باشد که کدام انسان‌ها، شرکت‌ها و کشورها زودتر یاد می‌گیرند چگونه با هوش مصنوعی کار کنند و کدام‌ها از این رقابت جا می‌مانند.