عصر ایران؛ الهه فابریکی اورنگ- هوش مصنوعی (AI) به توانایی ماشین‌ها و سیستم‌های دیجیتال برای شبیه‌سازی جنبه‌هایی از هوش انسانی گفته می‌شود. هرچند ریشه‌های نظری آن به دهه ۱۹۵۰ بازمی‌گردد، اما موج جدید پیشرفت‌ها که ناشی از وفور داده، نوآوری الگوریتمی و قدرت محاسباتی گسترده هستند، ظرفیت تحول‌آفرین کاملاً جدیدی ایجاد کرده است. برخلاف فناوری‌های همه‌منظوره پیشین، نسل‌های جدید هوش مصنوعی توانایی یادگیری مستقل، سازگاری پویا و تصمیم‌گیری خودکار دارند؛ ویژگی‌هایی که پیامدهای اقتصادی، اجتماعی و اخلاقی عمیقی به همراه می‌آورند. ظهور هوش مصنوعی مولد (GenAI) و مدل‌های زبانی بزرگ (LLM) یک جهش تاریخی دیگر بود از جمله اینکه، سامانه‌هایی که علاوه بر پردازش، خلق محتوا، استدلال زبانی و همکاری طبیعی با انسان را ممکن می‌کنند. عملکرد برخی مدل‌های مولد اکنون به‌طور قابل‌توجهی از معیارهای متوسط انسانی در حوزه‌هایی عبور کرده است.

سرعت پیشرفت هوش مصنوعی به اندازه‌ای زیاد است که توانایی جوامع و دولت‌ها برای درک پیامدها و تسلط بر آن عقب مانده است. در حالی که فناوری‌های مهم گذشته طی دهه‌ها گسترش یافتند، هوش مصنوعی با شدت، مقیاس و سرعتی بی‌سابقه در حال نفوذ به حوزه‌های زندگی بشر است. همین امر مسئولیت‌های تازه‌ای ایجاد می‌کند از جمله: استقرار اخلاقی، هم‌سویی با ارزش‌های انسانی، پاسخگویی، شفافیت و حکمرانی آینده‌نگر. در چنین بستری، گزارش سال ۲۰۲۵ بانک جهانی** با عنوان «پیشرفت و روندهای دیجیتال» (DPTR) تحولات هوش مصنوعی را با نگاهی جامع تحلیل می‌کند.

تمرکز شدید نوآوری: فاصله‌ای که در حال عمیق‌تر شدن است

نوآوری، سرمایه‌گذاری و پذیرش هوش مصنوعی در جهان به‌شدت ناهموار است. کشورهای با درآمد بالا همچنان محور اصلی توسعه‌اند:

• ۸۵٪ از استارت‌آپ‌های هوش مصنوعی،

• ۹۱٪ از سرمایه‌گذاری خطرپذیر،

• و۵۴٪ از انتشارات پژوهشی حوزه AI بین سال‌های ۲۰۰۰ تا ۲۰۲۴

در این کشورها متمرکز است.

چین در حوزه ثبت اختراع GenAI پیشتاز است و ۶۶٪ از کل ثبت اختراع‌ها را به خود اختصاص داده و از سال ۲۰۱۷ تاکنون رشد ۹ برابری را تجربه کرده است. هند نیز سریع‌ترین رشد سالانه، یعنی حدود ۵۶٪ را دارد. در مقابل، بسیاری از کشورهای کم‌درآمد از چرخه نوآوری هوش مصنوعی تقریباً کنار مانده‌اند.

یک تحول مهم از سال ۲۰۲۲ به بعد، غلبه شرکت‌های خصوصی بر دانشگاه‌ها است: حدود ۸۰٪ مدل‌های مهم هوش مصنوعی اکنون در آزمایشگاه‌های تجاری توسعه می‌یابند. این تمرکز می‌تواند بر استانداردهای اخلاقی، امنیتی و حاکمیتی تأثیر بگذارد و قدرت تصمیم‌گیری را به جای نهادهای عمومی به دست شرکت‌ها بسپارد.

چالش بزرگ کشورهای در حال توسعه: سازگاری دائمی

برخلاف فناوری‌های گذشته مانند برق یا خودرو که نیازمند یک‌بار سازگاری بودند، ماهیت پویا و در حال تحول هوش مصنوعی اقتضا می‌کند که کشورها به‌طور دائمی دانش، سیاست‌ها و زیرساخت‌های خود را به‌روزرسانی کنند. اگر کشورها نتوانند فناوری‌های هوش مصنوعی را بومی‌سازی یا تطبیق دهند، به مصرف‌کنندگان صرف تبدیل می‌شوند و از فرصت‌های کلیدی زیر محروم خواهند شد:

• ایجاد اکوسیستم‌های محلی هوش مصنوعی

• خلق مشاغل با مهارت بالا

• استفاده از داده‌های بومی برای ارزش‌آفرینی

• مشارکت در استانداردهای جهانی اخلاق و حکمرانی

حائز اهمیت آنکه، وابستگی بیش از حد به مدل‌های خارجی ریسک‌های امنیتی و فرهنگی نیز ایجاد می‌کند. تصمیماتی درباره استخدام، سلامت، وام یا عدالت ممکن است بر داده‌هایی استوار باشند که سوگیری‌های تاریخی را بازتولید می‌کنند. پردازش داده‌های بیومتریک یا سلامت توسط ارائه‌دهندگان خارجی خطر سوءاستفاده، نظارت یا دستکاری را افزایش می‌دهد. افزون بر آن، الگوریتم‌های پیشنهاد محتوا و تحلیل رفتار کاربران می‌توانند بر رسانه، افکار عمومی و گفتمان سیاسی تأثیر گذاشته و زمینه سوءاستفاده تبلیغاتی ایجاد کنند. اما برخی از قابلیت ها را می توان تاحدودی با کمترین اقدامات توسعه داد که اهمیت بخشی به ابعاد آنها توسط سیاستگذاران، کمک بزرگی برای این دسته از کشورها می کند. 

Open-Source AI : فرصت بزرگ برای استقلال دیجیتال

مدل‌های متن‌باز این امکان را فراهم می‌کنند که کشورها فناوری‌های هوش مصنوعی را بدون ساخت همه زیرساخت‌های بنیادی از ابتدا، بر اساس زبان، فرهنگ و نیازهای محلی سازگار کنند. هوش مصنوعی متن‌باز می‌تواند:

• دسترسی برابر به ابزارهای دیجیتال را تقویت کند

• استقلال فرهنگی و سیاسی کشورها را حفظ کند

• نظارت، امنیت و شفافیت بیشتری ارائه دهد

• به توسعه راه‌حل‌های متناسب با جوامع و صنایع کمک کند

پذیرش کند هوش مصنوعی در کسب‌وکار و دولت

با وجود رشد سرسام‌آور فناوری، پذیرش سازمانی هوش مصنوعی در بسیاری از کشورها بسیار کند و ناهموار است.

در سال ۲۰۲۴، تنها ۸٪ از شرکت‌های OECD از هوش مصنوعی استفاده کرده‌اند؛ عمدتاً شرکت‌های بزرگ در فناوری اطلاعات، مالی و خدمات حرفه‌ای.

در بخش‌های حیاتی مانند کشاورزی، آموزش و سلامت، پذیرش هنوز بسیار محدود است. دلیل این کندی، ناکارآمدی فناوری نیست، بلکه موانع سیستمی است از جمله:

• هزینه‌های بالا برای بنگاه‌های کوچک

• عدم آگاهی از کاربردها

• نبود مدل‌های محلی و داده‌های بومی

• عدم تقارن اطلاعات و ضعف مهارت‌ها

اگر این مشکلات حل نشود، مزایای هوش مصنوعی عمدتاً در کشورهای پیشرفته و میان شرکت‌های بزرگ باقی خواهد ماند و نابرابری جهانی عمیق‌تر می‌شود.

بازار کار: گسترش دیجیتالی شدن، اما نابرابر

در دهه گذشته، تقریباً هر شغل به نوعی دیجیتالی شده است. تا سال ۲۰۲۴، متخصصان بیش از ۶۰٪ ابزارهای دیجیتال و ۹۰٪ فناوری‌های دیجیتال را استفاده می‌کنند. ادغام AI در این ابزارها سرعت تحول را چند برابر کرده است.

در بازار جهانی کار:

• ۷۰٪ آگهی‌های مرتبط با هوش مصنوعی در کشورهای با درآمد بالا است.

• مشاغل GenAI از ۲۰۲۱ تا ۲۰۲۴  ، 9 برابر شده‌اند، اما تنها ۰.۲٪ از کل آگهی‌ها را تشکیل می‌دهند.

• تقاضا در کشورهای در حال توسعه سریع‌تر رشد می‌کند:

o UMICها (کشورهای با درآمد متوسط رو به بالا): 16%

o LMICها (کشورهای با درآمد متوسط رو به پایین) :۱۱ ٪

o HIC ها (کشورهای با درآمد بالا): ۲ ٪

بر این اساس، کشورهایی مانند برزیل، اندونزی، مالزی و کنیا رشد چشمگیری در مشاغل AI تجربه کرده‌اند. با این حال، کمبود نیروهای متخصص، فرار مغزها و ظرفیت محدود دانشگاه‌ها چالش‌های مهمی ایجاد می‌کند. ***

تصویر(a) در سمت چپ، ترافیک و درصد سهم استفاده ChatGPT  بین گروه‌های مختلف کشورها را بر اساس سطح درآمد از نوامبر ۲۰۲۲ تا مارس ۲۰۲۵ نشان می دهد که در این میان همانطور که در بالا گفته شد، HICs کشورهای با درآمد بالا، UMICs  کشورهای با درآمد متوسط رو به بالا، LMICs  کشورهای با درآمد متوسط رو به پایین، LICs  کشورهای کم‌درآمد هستند.

تصویر( (bسمت راست نیز، استفاده از GenAI بر اساس ویژگی‌های کاربران در مارس ۲۰۲۴ را به صورت نمودار درصد مقایسه‌ای میان کاربران ChatGPT و Google در سه دسته زیر نشان می‌دهد:

سهم کاربران زن (Female user share)

افراد ۱۸ تا ۳۴ سال (Ages 18-34)

کاربرانی که دارای مدرک دانشگاهی هستند(College + degree)

هوش مصنوعی بزرگ و کوچک: دو مسیر متفاوت برای توسعه

در حالی که  LLMهای عظیم به منابع محاسباتی و داده‌ای گسترده نیاز دارند، بسیاری از کشورها نمی‌توانند از آنها استفاده کنند. در مقابل، هوش مصنوعی کوچک (Small AI)  به‌عنوان یک مفهوم نوظهور، راه‌حلی مقرون‌به‌صرفه و کاربردی است که:

• با داده‌های کوچک‌تر کار می‌کند

• قابلیت اجرای آفلاین دارد

• روی موبایل و لپ‌تاپ کار می‌کند

• برای مسئله‌ای مشخص طراحی می‌شود

• هزینه زیرساختی اندکی دارد

این نوع AI در حوزه‌هایی مانند کشاورزی، سلامت و آموزش کاربردهای واقعی و ملموس تولید کرده است.

کشاورزی: AI کوچک در خدمت تاب‌آوری و بهره‌وری

که از نمونه‌های موفق آن می توان به:

• مشاوره دقیق موبایلی در غنا و سنگال برای زمان کاشت، آبیاری و مدیریت بیماری

• تشخیص بیماری‌های گیاهی از عکس در کنیا و هند

• ابزارهای آبیاری مبتنی بر هوش مصنوعی برای مزارع قهوه در کلمبیا

• زیرساخت Agristack هند برای یکپارچه‌سازی اعتبار، بازار و مشاوره اشاره نمود.

سلامت: دسترسی همگانی در مناطق کم‌برخوردار

از نمونه کاربردهای هوش مصنوعی کوچک در سلامت نیز می توان :

• تشخیص آفلاین سل و رتینوپاتی در هند

• ابزارهای تریاژ مادران در جزایر اقیانوس آرام

• چت‌بات‌های کم‌پهنای‌باند برای غربالگری اولیه

• تشخیص صوتی بومی‌سازی‌شده در پرو برای اقوام محلی

نام برد.

آموزش: یادگیری شخصی‌سازی‌شده برای همگان

در این زمینه نیز نمونه‌های برجسته ی آن شامل:

• تدریس خصوصی ارزان‌قیمت در کاستاریکا، مکزیک و غنا

• پلتفرم‌های آموزشی آفلاین مانند Diksha  در هند

• ابزارهای طراحی درسی برای معلمان در شیلی و اروگوئه می باشند.

در پایان گفته می شود آنچه در این یادداشت آورده شده تنها بخشی از گزارش مشروح (DPTR) است که دارای نکات کلیدی و مهمی است که می توان برای عموم کشورها از آن دریافت و به صورت کلی می توان به:

۱. تمرکز بر مسائل فرامحلی و واقعی

۲. اتکا به زیرساخت‌های موجود

۳. طراحی موبایل‌محور و قابلیت آفلاین

۴. مشارکت‌های گسترده دولتی-خصوصی

 و...

اشاره داشت و مهمتر آنکه بهتر است بدانیم در حالی که «هوش مصنوعی بزرگ» توجه رسانه‌ها را جلب می‌کند، این هوش مصنوعی کوچک است که در عمل زندگی مردم را تغییر می‌دهد؛ راهی کم‌هزینه، قابل‌اجرا و مؤثر برای ورود کشورهای در حال توسعه به دنیای AI و ساخت راه‌حل‌هایی کارآمد، بومی و پایدار.

 * پژوهشگر اقتصادی و حوزه دیجیتال

مشروح گزارش در:

World Bank – Digital Progress and Trends Report 2025 ** 

LICs***   = کشورهای با درآمد پایین  که در این دسته بندی عدد قابل توجهی ندارند