گزارش شاخص هوش مصنوعی ۲۰۲۵

در مؤسسه هوش مصنوعی انسان‌محور استنفورد (Stanford HAI)، ما معتقدیم هوش مصنوعی آماده است تا متحول‌کننده‌ترین فناوری قرن ۲۱ باشد. اما مزایای آن به طور مساوی توزیع نخواهد شد، مگر اینکه توسعه آن را با دقت هدایت کنیم. شاخص هوش مصنوعی یکی از جامع‌ترین دیدگاه‌های مبتنی بر داده را در مورد هوش مصنوعی ارائه می‌دهد. این شاخص که به عنوان منبعی قابل اعتماد توسط رسانه‌های جهانی، دولت‌ها و شرکت‌های پیشرو شناخته شده است، سیاست‌گذاران، رهبران کسب‌وکار و عموم مردم را به بینش‌های دقیق و عینی در مورد پیشرفت فنی، تأثیر اقتصادی و پیامدهای اجتماعی هوش مصنوعی مجهز می‌کند.

در سال ۲۰۲۳، محققان معیارهای جدیدی — MMMU، GPQA و SWE-bench — را برای آزمایش محدودیت‌های سیستم‌های پیشرفته هوش مصنوعی معرفی کردند. تنها یک سال بعد، عملکرد به شدت افزایش یافت: امتیازات به ترتیب ۱۸.۸، ۴۸.۹ و ۶۷.۳ واحد درصد در MMMU، GPQA و SWE-bench رشد کردند. فراتر از معیارها، سیستم‌های هوش مصنوعی پیشرفت‌های عمده‌ای در تولید ویدیوی با کیفیت بالا داشتند و در برخی شرایط، عوامل مدل‌های زبانی حتی در وظایف برنامه‌نویسی با محدودیت زمانی از انسان‌ها بهتر عمل کردند.

از مراقبت‌های بهداشتی گرفته تا حمل‌ونقل، هوش مصنوعی به سرعت از آزمایشگاه به زندگی روزمره در حال حرکت است. در سال ۲۰۲۳، سازمان غذا و داروی آمریکا (FDA) ۲۲۳ دستگاه پزشکی مجهز به هوش مصنوعی را تأیید کرد که نسبت به تنها شش دستگاه در سال ۲۰۱۵ افزایش چشمگیری داشته است. در جاده‌ها، خودروهای خودران دیگر آزمایشی نیستند: Waymo، یکی از بزرگترین اپراتورهای آمریکایی، بیش از ۱۵۰,۰۰۰ سفر خودران در هفته ارائه می‌دهد، در حالی که ناوگان روبوتاکسی مقرون‌به‌صرفه Apollo Go بایدو (Baidu) اکنون به شهرهای متعددی در سراسر چین خدمات می‌دهد.

در سال ۲۰۲۴، سرمایه‌گذاری خصوصی در هوش مصنوعی در آمریکا به ۱۰۹.۱ میلیارد دلار رسید — تقریباً ۱۲ برابر ۹.۳ میلیارد دلار چین و ۲۴ برابر ۴.۵ میلیارد دلار بریتانیا. هوش مصنوعی مولد (Generative AI) شتاب ویژه‌ای داشت و ۳۳.۹ میلیارد دلار سرمایه‌گذاری خصوصی در سطح جهان جذب کرد — افزایشی ۱۸.۷ درصدی نسبت به سال ۲۰۲۳. استفاده تجاری از هوش مصنوعی نیز در حال تسریع است: ۷۸٪ سازمان‌ها در سال ۲۰۲۴ استفاده از هوش مصنوعی را گزارش کردند که نسبت به ۵۵٪ سال قبل افزایش یافته است. در همین حال، مجموعه‌ای رو به رشد از تحقیقات تأیید می‌کند که هوش مصنوعی بهره‌وری را افزایش می‌دهد و در بیشتر موارد، به کاهش شکاف‌های مهارتی در نیروی کار کمک می‌کند.

در سال ۲۰۲۴، مؤسسات مستقر در آمریکا ۴۰ مدل برجسته هوش مصنوعی تولید کردند که به طور قابل توجهی از ۱۵ مدل چین و سه مدل اروپا پیشی گرفت. در حالی که آمریکا پیشتاز کمی باقی می‌ماند، مدل‌های چینی به سرعت شکاف کیفی را کاهش داده‌اند: تفاوت‌های عملکرد در معیارهای اصلی مانند MMLU و HumanEval از ارقام دو رقمی در سال ۲۰۲۳ به نزدیکی برابری در سال ۲۰۲۴ کاهش یافت. در همین حال، چین همچنان در انتشارات و پتنت‌های هوش مصنوعی پیشتاز است. همزمان، توسعه مدل به طور فزاینده‌ای جهانی می‌شود، با رونمایی‌های قابل توجه از مناطقی مانند خاورمیانه، آمریکای لاتین و جنوب شرق آسیا.

حوادث مرتبط با هوش مصنوعی به شدت در حال افزایش است، با این حال ارزیابی‌های استاندارد هوش مصنوعی مسئول (RAI) در میان توسعه‌دهندگان اصلی مدل‌های صنعتی نادر باقی مانده است. با این حال، معیارهای جدیدی مانند HELM Safety، AIR-Bench و FACTS ابزارهای امیدوارکننده‌ای را برای ارزیابی صحت و ایمنی ارائه می‌دهند. در میان شرکت‌ها، شکافی بین شناخت خطرات هوش مصنوعی مسئول و اقدام معنادار وجود دارد. در مقابل، دولت‌ها فوریت بیشتری نشان می‌دهند: در سال ۲۰۲۴، همکاری جهانی در زمینه حاکمیت هوش مصنوعی تشدید شد و سازمان‌هایی از جمله OECD، اتحادیه اروپا، سازمان ملل متحد و اتحادیه آفریقا چارچوب‌هایی را با تمرکز بر شفافیت، قابلیت اعتماد و سایر اصول اصلی هوش مصنوعی مسئول منتشر کردند.

در کشورهایی مانند چین (۸۳%)، اندونزی (۸۰%) و تایلند (۷۷%)، اکثریت قاطع، محصولات و خدمات هوش مصنوعی را بیشتر مفید می‌بینند تا مضر. در مقابل، خوش‌بینی در مکان‌هایی مانند کانادا (۴۰%)، آمریکا (۳۹%) و هلند (۳۶%) بسیار پایین‌تر است. با این حال، احساسات در حال تغییر است: از سال ۲۰۲۲، خوش‌بینی در چندین کشور که قبلاً تردید داشتند — از جمله آلمان (۱۰%+)، فرانسه (۱۰%+)، کانادا (۸%+)، بریتانیای کبیر (۸%+) و آمریکا (۴%+) — به طور قابل توجهی افزایش یافته است.

با هدایت مدل‌های کوچک‌تر که به طور فزاینده‌ای توانمند هستند، هزینه استنتاج برای سیستمی که در سطح GPT-3.5 عمل می‌کند، بیش از ۲۸۰ برابر بین نوامبر ۲۰۲۲ و اکتبر ۲۰۲۴ کاهش یافت. در سطح سخت‌افزار، هزینه‌ها سالانه ۳۰٪ کاهش یافته‌اند، در حالی که بهره‌وری انرژی هر سال ۴۰٪ بهبود یافته است. مدل‌های با وزن باز (open-weight models) نیز در حال کاهش فاصله با مدل‌های بسته (closed models) هستند و تفاوت عملکرد را در برخی معیارها در یک سال از ۸٪ به تنها ۱.۷٪ رسانده‌اند. این روندها با هم به سرعت موانع دسترسی به هوش مصنوعی پیشرفته را کاهش می‌دهند.

در سال ۲۰۲۴، آژانس‌های فدرال آمریکا ۵۹ مقرره مرتبط با هوش مصنوعی معرفی کردند — بیش از دو برابر تعداد سال ۲۰۲۳ — و توسط دو برابر تعداد آژانس‌ها صادر شدند. در سطح جهان، اشاره‌های قانونی به هوش مصنوعی در ۷۵ کشور از سال ۲۰۲۳ ۲۱.۳% افزایش یافت که نشان‌دهنده افزایشی ۹ برابری از سال ۲۰۱۶ است. در کنار توجه فزاینده، دولت‌ها در مقیاس بزرگ سرمایه‌گذاری می‌کنند: کانادا ۲.۴ میلیارد دلار تعهد کرد، چین یک صندوق ۴۷.۵ میلیارد دلاری برای نیمه‌هادی‌ها راه‌اندازی کرد، فرانسه ۱۰۹ میلیارد یورو متعهد شد، هند ۱.۲۵ میلیارد دلار تعهد کرد و طرح Transcendence عربستان سعودی یک ابتکار ۱۰۰ میلیارد دلاری را نشان می‌دهد.

دو سوم کشورها اکنون آموزش علوم کامپیوتر در مقطع K–12 (دبستان تا دبیرستان) را ارائه می‌دهند یا قصد دارند ارائه دهند — دو برابر تعداد سال ۲۰۱۹ — با بیشترین پیشرفت در آفریقا و آمریکای لاتین. در آمریکا، تعداد فارغ‌التحصیلان با مدرک کارشناسی در محاسبات در ۱۰ سال گذشته ۲۲٪ افزایش یافته است. با این حال، دسترسی در بسیاری از کشورهای آفریقایی به دلیل شکاف‌های زیرساختی اولیه مانند برق محدود باقی مانده است. در آمریکا، ۸۱٪ از معلمان علوم کامپیوتر K–12 می‌گویند هوش مصنوعی باید بخشی از آموزش بنیادی علوم کامپیوتر باشد، اما کمتر از نیمی از آنها احساس می‌کنند برای تدریس آن مجهز هستند.