نکتههای اصلی گزارش «دانشگاه استنفورد» دربارۀ هوش مصنوعی سال ۲۰۲۶
ترجمۀ شاهین عدالت
۱. تواناییهای هوش مصنوعی به مرحلهٔ اشباع نرسیدهاند، بلکه با سرعتی بیشتر در حال رشد هستند و به افرادی بیشتر دسترسی پیدا میکنند.
بیش از ۹۰ درصد مدلهای پیشرفته و برجستهٔ هوش مصنوعی در سال ۲۰۲۵ توسعه داده شدند و برخی از این مدلها اکنون در پاسخگویی به پرسشهای علمی در سطح دکترا، استدلال چندوجهیMultimodal Reasoning و حل مسئلههای ریاضی رقابتی به سطح عملکرد انسان رسیده یا حتی از آن فراتر رفتهاند.
در یکی از شاخصهای مهم ارزیابی برنامهنویسی به نامSWE-bench Verified، عملکرد مدلها تنها در یک سال از حدود ۶۰ درصد به نزدیک ۱۰۰ درصد سطح عملکرد انسانی افزایش یافت. همچنین میزان پذیرش سازمانی هوش مصنوعی به ۸۸ درصد رسیده و اکنون از هر پنج دانشجو، چهار نفر از ”هوش مصنوعی“ مولد استفاده میکنند.
۲. فاصله عملکردی مدلهای هوش مصنوعی آمریکا و چین عملاً از بین رفته است.
از ابتدای سال ۲۰۲۵، مدلهای آمریکایی و چینی چندین بار جایگاه برتر را میان خود جابهجا کردهاند. در فوریه ۲۰۲۵DeepSeek-R1 برای مدتی کوتاه با بهترین مدل آمریکایی برابری کرد و تا مارس ۲۰۲۶، تنها ۲٫۷ درصد جلوتر بود. با این حال، ایالات متحده همچنان تعدادی بیشتر از مدلهای سطح بالا و حق امتیازهای تأثیرگذار را تولید میکند، در حالی که چین از نظر تعداد مقالات علمی، میزان استنادها، تعداد ثبت اختراعات، و نصب رباتهای صنعتی در جایگاه نخست قرار دارد.
کرهٔ جنوبی نیز از نظر تراکم نوآوری برجسته است و بالاترین تعداد حق امتیازهای هوش مصنوعی بهازای هر نفر را در جهان دارد.
۳. ایالات متحده بیشترین تعداد مرکزهای دادهٔ هوش مصنوعی را در اختیار دارد، اما بیشتر تراشههای آن توسط یک شرکت تایوانی تولید میشوند.
آمریکا با ۵۴۲۷ مرکز دادهٔ هوش مصنوعی بیش از ده برابر هر کشوری دیگر از این مرکزها را در اختیار دارد و همچنین بیشترین میزان مصرف انرژی جهان را به خود اختصاص داده است. تقریباً تمامی تراشههای پیشرفتهٔ هوش مصنوعی توسط یک شرکت TSMC، یعنی در تایوان، تولید میشوند. این موضوع باعث شده زنجیره تأمین جهانی سختافزارهای هوش مصنوعی به یک تولیدکننده وابسته باشد، هرچند توسعهٔ فعالیتهای ایالات متحده از سال ۲۰۲۵ آغاز شده است .
۴. مدلهای هوش مصنوعی میتوانند در المپیاد جهانی ریاضی مدال طلا کسب کنند، اما هنوز در تشخیص ساعت دچار مشکل هستند.
این موضوع نمونهای از آن چیزی است که پژوهشگران آن را “مرز ناهموار هوش مصنوعی” مینامند. مدل موفق به کسب مدال طلای المپیاد جهانی ریاضی شد، اما بهترین مدلهای هوش مصنوعی تنها در ۵۰٫۱ درصد موارد میتوانند ساعتهای عقربهای را بهدرستی بخوانند. اگرچه عاملهای هوش مصنوعی توانایی میزان موفقیت خود را از ۱۲ درصد به حدود ۶۶ درصد افزایش دادهاند، اما همچنان در حدود یکسوم از وظایف ساختاریافته شکست میخورند.
۵. رباتها هنوز در بیشتر کارهای خانگی ناموفقاند، هرچند در محیطهای کنترلشده عملکردی بسیار خوب دارند.
در حال حاضر، رباتها تنها در حدود ۱۲ درصد از وظایف خانگی موفق عمل میکنند که نشان میدهد هوش مصنوعی هنوز فاصلهای زیاد تا تسلط کامل بر دنیای فیزیکی دارد. در آزمون شبیهسازیهای نرمافزاری رباتها توانستهاند به نرخ موفقیت ۸۹٫۴ درصد در دستکاری اشیا دست یابند؛ با این حال، فاصله میان محیطهای آزمایشگاهی قابل پیشبینی و محیطهای واقعی و غیرقابل پیشبینی خانهها همچنان بسیار زیاد است.
۶. پیشرفت در حوزه “هوش مصنوعی مسئولانه” با سرعت رشد تواناییهای هوش مصنوعی همگام نیست.
گرچه تقریباً تمامی توسعه دهندگانِ مطرح مدلهای پیشرفته نتایج مربوط به ارزیابی توانمندیهای مدلهای خود را منتشر میکنند، گزارشدهی در زمینۀ معیارهای ایمنی و مسئولیتپذیری هنوز پراکنده و ناکافی است. تعداد حوادث و رخدادهای ثبتشدهٔ مرتبط با هوش مصنوعی به ۳۶۲ مورد رسیده که نسبت به ۲۳۳ مورد در سال ۲۰۲۴ افزایشی چشمگیر را نشان میدهد.
علاوه بر این، پژوهشهای اخیر نشان دادهاند که بهبود یک بُعد از هوش مصنوعیِ مسئولانه، مانند افزایش ایمنی، ممکن است کاهشِ عملکرد در بُعدی دیگر مانند دقت را باعث شود.
۷. ایالات متحده در سرمایهگذاری هوش مصنوعی پیشتاز است، اما توانایی آن در جذب استعدادهای جهانی در حال کاهش است.
سرمایهگذاری خصوصی ایالات متحده در حوزۀ هوش مصنوعی در سال ۲۰۲۵ به ۲۸۵٫۹ میلیارد دلار رسید ؛ رقمی که بیش از ۲۳ برابر سرمایهگذاری ۱۲٫۴ میلیارد دلاری چین بود. البته اگر فقط ارقام مربوط به سرمایهگذاری خصوصی در نظر گرفته شود، احتمالاً میزان واقعی هزینهکرد چین در حوزه هوش مصنوعی کمتر از واقع نشان داده میشود، زیرا چین از صندوقهای هدایتشده دولتی نیز استفاده میکند. ایالات متحده همچنین در فعالیتهای کارآفرینانه پیشتاز بود و در سال ۲۰۲۵ تعداد ۱۹۵۳ شرکت جدید هوش مصنوعی در این کشور موفق به جذب سرمایه شدند؛ رقمی بیش از ده برابرِ نزدیکترین کشور بعدی. با این حال، تعداد پژوهشگران و توسعهدهندگان هوش مصنوعی که به آمریکا مهاجرت میکنند، ۸۰ درصد افت داشته است و از سال ۲۰۱۷ / ۱۳۹۶ تا کنون ۸۹ درصد.
۸. پذیرش هوش مصنوعی با سرعتی تاریخی در حال گسترش است و مصرفکنندگان از ابزارهایی که اغلب بهصورت رایگان در اختیار دارند، ارزش قابل توجهی به دست میآورند.
”هوشِ مصنوعیِ مولد“ تنها در مدت سه سال به میزان پذیرش ۵۳ درصدی در میان جمعیت رسید، سرعتی بالاتر از رایانههای شخصی یا اینترنت. البته این سرعت در کشورهای مختلف متفاوت است و با تولید ناخالص داخلی سرانه ارتباط قوی دارد. برخی کشورها میزان پذیرشی بالاتر از انتظار نشان دادهاند از جمله سنگاپور با ۶۱ درصد و امارات متحده عربی با ۶۴ درصد. در مقابل، ایالات متحده با ۲۸٫۳ درصد در رتبه ۲۴ قرار دارد. ارزش برآوردشده ابزارهای هوش مصنوعی مولد برای مصرفکنندگان آمریکایی تا اوایل سال ۲۰۲۶ به ۱۷۲ میلیارد دلار در سال رسید و ارزش میانه برای هر کاربر بین سالهای ۲۰۲۵ و ۲۰۲۶ سه برابر شد.
۹. افزایشِ بهرهوریِ ناشی از هوش مصنوعی در همان حوزههایی دیده میشود که اشتغال در سطح ورود به بازار کار در آنها شروع به کاهش کرده است.
مطالعات نشان میدهند هوش مصنوعی در حوزههایی مانند پشتیبانی مشتری و توسعهٔ نرمافزار موجب افزایش بهرهوری بین ۱۴ تا ۲۶ درصد شده است. با این حال، در وظیفههایی که به قضاوت انسانیِ بیشتر نیازمند هستند، اثرهای آن ضعیفتر یا حتی منفی بوده است. استقرار عاملهای هوش مصنوعی در تقریباً همه عملکردهای کسبوکار هنوز در سطحی تکرقمی باقی مانده است. در حوزۀ توسعه نرمافزار، جایی که افزایش بهرهوری ناشی از هوش مصنوعی روشنتر اندازهگیری شده است، اشتغال ”توسعهدهندگان“ آمریکایی در سنهای ۲۲ تا ۲۵ سالگی نسبت به سال ۲۰۲۴ / ۱۴۰۳ نزدیک به ۲۰ درصد کاهش یافته در حالی که شمار توسعهدهندگان مسنتر همچنان در حال افزایش است.
۱۰. اثرگذاریهای هوش مصنوعی بر محیط زیست همزمان با افزایش تواناییهای آن در حال گسترش است.
انتشار گازهای گلخانهای ناشی از آموزش مدلGrok 4 معادل ۷۲٬۸۱۶ تن دیاکسید کربن برآورد شده است. ظرفیت برق مرکزهای دادهٔ هوش مصنوعی به ۲۹٫۶ گیگاوات افزایش یافته که با اوج تقاضای برق ایالت نیویورک قابل قیاس است. همچنین مصرف سالانه آب فقط برای اجرای استنتاجهای مدل GPT-4o ممکن است از نیاز آب آشامیدنی ۱٫۲میلیون نفر بیشتر باشد.
۱۱. مدلهای هوش مصنوعی برای علوم میتوانند عملکردی بهتر از دانشمندان داشته باشند، هرچند مدلهای بزرگتر همیشه بهتر عمل نمیکنند.
مدلهای پیشرفتهٔ هوش مصنوعی بهطورمیانگین در آزمون ChemBench از شیمیدانان عملکردی بهتر دارند. با این حال، همین مدلها در بازتولید نتایج در اخترفیزیک کمتر از ۲۰ درصد و در پرسشهای مربوط به مشاهدهٔ زمین حدود ۳۳ درصد امتیاز کسب میکنند. یک مدل زبانی پروتئینی با ۱۱۱میلیون پارامتر بهنام MSAPairformer توانست در آزمونProteinGym از روشهای پیشرو قبلی بهتر عمل کند. همچنین یک مدل ژنومیک با ۲۰۰میلیون پارامتر بهنامGPN-Star از مدلی که تقریباً ۲۰۰ برابر بزرگتر بود عملکردی بهتر نشان داد. برخلاف هوش مصنوعی عمومی که عمدتاً زیر سلطهٔ صنعت است، بیشتر مدلهای بنیادین هوش مصنوعی برای علوم از همکاریهای میانبخشی میان دانشگاه، صنعت، و نهادهای پژوهشی حاصل میشوند.
۱۲. هوش مصنوعی در حال دگرگون کردن مراقبتهای بالینی است، اما شواهد دقیق و معتبر هنوز محدود است.
ابزارهای هوش مصنوعی که بهصورت خودکار یادداشتهای بالینی را از ویزیت بیماران تولید میکنند، در سال ۲۰۲۵ با استقبالی قابلتوجه روبهرو شدند. پزشکان در چندین نظام بیمارستانی گزارش کردند زمان صرفشده برای نوشتن یادداشتها تا ۸۳ درصد کاهش یافته و فرسودگی شغلی نیز بهطوری قابلتوجه کمتر شده است. با این حال، فراتر از برخی ابزارهای خاص، شواهد مربوط به کاربرد هوش مصنوعی در محیطهای بالینی هنوز محدود است. بررسی بیش از ۵۰۰ مطالعه بالینی دربارۀ هوش مصنوعی نشان داد نزدیک به نیمی از آنها به جای دادههای واقعی بیماران، بر پرسشهای شبیه آزمون تکیه داشتهاند و تنها ۵ درصد از دادههای واقعی بالینی استفاده کردهاند.
۱۳. نظام آموزش رسمی از تحولات هوش مصنوعی عقب مانده است، اما مردم در تمام مرحلههای زندگی در حال یادگیری مهارتهای مرتبط با هوش مصنوعی هستند.
بیش از ۸۰ درصد دانشآموزان دبیرستانی و دانشجویان دانشگاهی در ایالات متحده اکنون از هوش مصنوعی برای فعالیتهای آموزشی خود استفاده میکنند. با این حال، تنها نیمی از مدرسههای راهنمایی و دبیرستانها سیاستهایی مشخص در زمینۀ استفاده از هوش مصنوعی دارند و فقط ۶ درصد از معلمان معتقدند این سیاستها بهطورشفاف تدوین شدهاند. در خارج از محیطهای آموزشی نیز مهارتهای مهندسی هوش مصنوعی با سرعتی زیاد در حال گسترش است. در این زمینه، امارات متحدهٔ عربی، شیلی، و آفریقای جنوبی سریعترین رشد را داشتهاند. همچنین عدهٔ فارغالتحصیلان جدید دکترای هوش مصنوعی در آمریکا و کانادا بین سالهای ۲۰۲۲ تا ۲۰۲۴ / ۱۴۰۱ تا ۱۴۰۳حدود ۲۲ درصد افزایش یافته است، اما بیشتر این دانشآموختگان جدید به جای عرصههای صنعت، جذب دانشگاهها و مرکزهای علمی شدهاند.
۱۴. “حاکمیت هوش مصنوعی” به یکی از ویژگیهای تعیینکننده سیاستهای ملی تبدیل شده است، اما توانمندیها همچنان بهطوری نابرابر توزیع شدهاند.
کشورهای مختلف، بهویژه اقتصادهای در حال توسعه، در حال تدوین راهبردهای ملی هوش مصنوعی هستند و همزمان سرمایهگذاریهایی دولتی در ابررایانههای هوش مصنوعی نیز افزایش یافتهاند. این روند نشاندهنده تمایل دولتها برای کنترل و توسعه مستقل اکوسیستمهای هوش مصنوعی در داخل کشورهایشان است. با وجود این، تولید مدلهای پیشرفته هوش مصنوعی همچنان عمدتاً در ایالات متحده و چین متمرکز است. در همین حال، توسعه نرمافزارهای متن باز (Open Source) بهتدریج مشارکت جهانی را گسترش داده است. سهم توسعهدهندگان سایر نقاط جهان در مخزنهای GitHub اکنون از اروپا فراتر رفته و در حال نزدیک شدن به سهم ایالات متحده است. این روند به توسعهٔ مدلها و معیارهای ارزیابی متنوعتر از نظر زبانی و فرهنگی کمک میکند.
۱۵. متخصصان هوش مصنوعی و عموم مردم دیدگاههایی بسیار متفاوت دربارۀ آیندۀ این فناوری دارند و اعتماد جهانی به نهادهای تنظیمکننده هوش مصنوعی یکپارچه نیست.
۷۳ درصد از متخصصان در زمینه تأثیر هوش مصنوعی بر شغلها معتقدند که این فناوری تأثیری مثبت خواهد داشت، در حالی که تنها ۲۳درصد از مردم عادی چنین نظری دارند. این اختلافنظری بالغ بر ۵۰ درصد است. تفاوتهایی مشابه این نیز در ارزیابی تأثیر هوش مصنوعی بر اقتصاد و خدمات درمانی مشاهده میشود. اعتماد عمومی به دولتها برای تنظیم و نظارت بر هوش مصنوعی نیز در کشورهای مختلف متفاوت است.
در میان کشورهای مورد بررسی، ایالات متحده با ۳۱ درصد کمترین میزان اعتماد شهروندان به دولت خود برای تنظیم مقررات هوش مصنوعی را داشته است. در سطح جهانی بسیاری از افراد اتحادیۀ اروپا را بیش از آمریکا یا چین در مدیریت و تدوین مقررات مؤثر برای هوش مصنوعی قابل اعتماد میدانند.
جمعبندی
این یافتهها نشان میدهند گسترش هوش مصنوعی صرفاً تحولی فنی نیست، بلکه پدیدهای اجتماعی، آموزشی، اقتصادی، و سیاسی نیز محسوب میشود.
در حالی که استفاده از هوش مصنوعی با سرعتی زیاد در سراسر جهان در حال افزایش است، نظامهای آموزشی، سیاستگذاریهای عمومی، و ساختارهای نظارتی هنوز نتوانستهاند خود را کاملاً با این تحول هماهنگ کنند. همچنین رقابت میان کشورها برای دستیابی به “حاکمیت هوش مصنوعی” و اختلاف دیدگاه میان متخصصان و افکار عمومی، از مهمترین چالشهای سالهای آینده خواهند بود.
بن مایه
https://hai.stanford.edu/assets/files/ai_index_report_2026.pdf
***
به نقل از «بسوی آینده» شمارۀ ۱۶، مرداد ۱۴۰۵
