هوش مصنوعی در سال ۲۰۲۴: از اقتصاد تا سیاست‌گذاری

گزارش سالانه AI Index 2024 که توسط مؤسسه هوش مصنوعی انسان‌محور دانشگاه استنفورد منتشر شده، نمایی جامع و دقیق از پیشرفت‌های اخیر در حوزه هوش مصنوعی ارائه می‌دهد.

این گزارش که به عنوان یکی از معتبرترین منابع داده و تحلیل‌های مربوط به هوش مصنوعی در سطح جهانی شناخته می‌شود و امسال نیز به بررسی تحولات عمده در این حوزه پرداخته است. تصمیم گرفتم تا در این پست از بلاگم خلاصه‌ای از این گزارش را منتشر کنم؛ این شما و این گزارش هوش مصنوعی دانشگاه استنفورد.

ساختار گزارش

این گزارش در ابتدا به معرفی هوش مصنوعی و تحولات سال 2024 می‌پردازد و اهمیت این فناوری در جامعه و کسب‌وکارها را توضیح می‌دهد. در ادامه این گزارش به روندهای تحقیقاتی و مدل‌های جدید هوش مصنوعی پرداخته و به پیشرفت‌های صورت گرفته در زمینه مقالات علمی، ثبت اختراعات و توسعه مدل‌های جدید می‌پردازد. همچنین در این گزارش به به توانایی‌های فنی هوش مصنوعی، از جمله مدل‌های چندوجهی اشاره شده است.در این گزارش به چالش‌های اخلاقی و مسئولیت‌پذیری در توسعه و استفاده از هوش مصنوعی پرداخته شده و به مشکلات مربوط به داده‌های جعلی و نقض حقوق مالکیت فکری مورد اشاره قرار گرفته است. همچنین این گزارش اثرات اقتصادی هوش مصنوعی، شامل تأثیرات آن بر بهره‌وری، شغل‌ها، و سرمایه‌گذاری‌های مربوط به هوش مصنوعی را بررسی می‌کند. کاربردهای هوش مصنوعی در علم و پزشکی، آموزش هوش مصنوعی در مدارس و دانشگاه‌ها و نحوه رشد برنامه‌های تحصیلی مربوط به هوش مصنوعی، روندهای جهانی در سیاست‌گذاری‌های مربوط به هوش مصنوعی و مقررات جدید، نوع جنسیتی و نژادی در حوزه هوش مصنوعی و آموزش این فناوری در کشورهای مختلف و نگرش عمومی مردم نسبت به هوش مصنوعی از دیگر بخش‌های این گزارش است.

بینش‌های اصلی در مورد هوش مصنوعی

• پیشرفت‌های سریع هوش مصنوعی: این گزارش تأکید می‌کند که چگونه هوش مصنوعی در دهه گذشته پیشرفت قابل توجهی کرده است. سیستم‌های هوش مصنوعی که قبلاً در تشخیص اشیا، درک زبان و حل مسائل ریاضی ناتوان بودند، اکنون به طور منظم در آزمون‌های استاندارد از انسان‌ها بهتر عمل می‌کنند. به‌ویژه مدل‌هایی مانند GPT-4، Gemini، و Claude 3 به دلیل توانایی‌های چندوجهی خود برجسته هستند و می‌توانند متن‌های روان به زبان‌های مختلف تولید کنند، صدا را پردازش کنند و حتی میم‌ها را توضیح دهند.
• چالش‌های هوش مصنوعی: با وجود این پیشرفت‌ها، فناوری هوش مصنوعی هنوز مشکلاتی دارد. به طور مثال، نمی‌تواند به طور کامل و قابل‌اعتماد با حقایق برخورد کند، استدلال پیچیده را انجام دهد یا توضیحات مناسبی برای نتایج خود ارائه دهد.
• دو آینده محتمل برای هوش مصنوعی: یکی از آینده‌های ممکن برای هوش مصنوعی شامل بهبود مداوم فناوری و افزایش استفاده از آن با اثرات عمده بر بهره‌وری و اشتغال است. در مقابل، آینده دوم می‌تواند محدودیت‌های فناوری را شامل شود که مانع از پذیرش گسترده آن شود.
• نقش دولت‌ها: دولت‌ها نقش مهمی در تشویق استفاده‌های مثبت از هوش مصنوعی و مدیریت جنبه‌های منفی آن دارند. به عنوان مثال، سرمایه‌گذاری در تحقیقات دانشگاهی، تشویق سرمایه‌گذاری خصوصی و نظارت بر اثرات منفی مانند بیکاری، حریم خصوصی و نشر اطلاعات غلط از جمله مواردی هستند که دولت‌ها باید به آن‌ها توجه کنند.
• افزایش استفاده از مدل‌های زبانی بزرگ (LLMs): در سال 2023، تعداد مدل‌های زبانی بزرگ (LLM) به‌طور قابل توجهی افزایش یافت، و برخی از آن‌ها مانند مدل Gemini Ultra به عملکرد انسانی در معیارهای پیچیده‌ای مانند MMLU دست یافتند.

تحقیق و توسعه در هوش مصنوعی

بخش Research and Development (تحقیقات و توسعه) در گزارش AI Index 2024 به بررسی روندها و تحولات اصلی در زمینه تحقیق و توسعه هوش مصنوعی می‌پردازد. این بخش شامل چندین موضوع کلیدی است که نشان‌دهنده تغییرات مهم در زمینه تحقیقاتی و نوآوری‌های مربوط به هوش مصنوعی در سال 2023 هستند. مهم‌ترین نکات این بخش به شرح زیر است:

• تسلط صنعت بر تحقیق و توسعه در هوش مصنوعی: صنعت همچنان در حوزه تحقیق و توسعه مدل‌های پیشرفته هوش مصنوعی بر دانشگاه‌ها تسلط دارد. در سال 2023، صنعت 51 مدل برجسته یادگیری ماشینی تولید کرد، در حالی که دانشگاه‌ها تنها 15 مدل ارائه دادند. همچنین، تعداد همکاری‌های بین صنعت و دانشگاه نیز افزایش یافته و به بالاترین میزان خود یعنی 21 مدل مشترک در سال رسیده است.
• افزایش مدل‌های پایه (Foundation Models): در سال 2023، تعداد مدل‌های پایه که منتشر شده‌اند، بیش از دو برابر شده است. در مجموع، 149 مدل پایه جدید در این سال معرفی شده که 65.7 درصد آن‌ها متن‌باز بوده‌اند. این میزان در مقایسه با 44.4 درصد در سال 2022 و 33.3 درصد در سال 2021، نشان‌دهنده رشد قابل توجه در مدل‌های متن‌باز است.
• افزایش هزینه‌های آموزش مدل‌های پیشرفته: طبق تخمین‌های گزارش، هزینه‌های آموزش مدل‌های پیشرفته هوش مصنوعی به سطوح بی‌سابقه‌ای رسیده است. به عنوان مثال، هزینه آموزش مدل GPT-4 حدود 78 میلیون دلار و هزینه آموزش Gemini Ultra از شرکت گوگل حدود 191 میلیون دلار بوده است.
• تسلط آمریکا در توسعه مدل‌های برتر هوش مصنوعی: ایالات متحده همچنان پیشرو در توسعه مدل‌های برتر هوش مصنوعی است. در سال 2023، 61 مدل برجسته هوش مصنوعی از سوی موسسات آمریکایی ارائه شده که بسیار بالاتر از تعداد مدل‌های معرفی شده توسط اتحادیه اروپا (21 مدل) و چین (15 مدل) است.
• افزایش ثبت اختراعات هوش مصنوعی: از سال 2021 تا 2022، تعداد ثبت اختراعات مرتبط با هوش مصنوعی در سطح جهانی 62.7 درصد افزایش یافته است. از سال 2010 تاکنون، تعداد این اختراعات بیش از 31 برابر شده است.
• تسلط چین بر ثبت اختراعات هوش مصنوعی: چین در سال 2022 با 61.1 درصد سهم از ثبت اختراعات هوش مصنوعی در سطح جهانی، به عنوان پیشتاز این حوزه شناخته شد. در مقابل، ایالات متحده تنها 20.9 درصد از کل اختراعات را به خود اختصاص داده است. سهم ایالات متحده از سال 2010 به طور قابل توجهی کاهش یافته و از 54.1 درصد به 20.9 درصد رسیده است.
• افزایش تحقیقات متن‌باز در حوزه هوش مصنوعی: از سال 2011، تعداد پروژه‌های مرتبط با هوش مصنوعی در GitHub به طور پیوسته افزایش یافته است. در سال 2023، تعداد این پروژه‌ها به 1.8 میلیون رسیده که در مقایسه با سال قبل، 59.3 درصد افزایش یافته است.
• رشد انتشار مقالات علمی در حوزه هوش مصنوعی: بین سال‌های 2010 و 2022، تعداد مقالات منتشر شده در زمینه هوش مصنوعی تقریباً سه برابر شده و از 88 هزار مقاله در سال 2010 به بیش از 240 هزار مقاله در سال 2022 رسیده است.

عملکرد فنی هوش مصنوعی

• هوش مصنوعی در برخی وظایف از انسان‌ها بهتر عمل می‌کند، اما نه در همه موارد: هوش مصنوعی توانسته است در برخی از آزمون‌های استاندارد مانند طبقه‌بندی تصاویر، استدلال بصری، و درک زبان انگلیسی از انسان‌ها پیشی بگیرد. با این حال، در وظایف پیچیده‌تر مانند ریاضیات در سطح رقابتی، استدلال معمولی و برنامه‌ریزی هنوز از انسان‌ها عقب است.
• ظهور هوش مصنوعی چندوجهی (Multimodal AI): در گذشته، مدل‌های هوش مصنوعی به پردازش یک نوع داده (مثل متن یا تصویر) محدود بودند. اما در سال 2023، مدل‌های چندوجهی مانند GPT-4 و Gemini توانستند به طور همزمان متن و تصاویر را پردازش کنند و حتی در برخی موارد توانایی پردازش صوت را نیز داشته باشند. این مدل‌ها می‌توانند به شکل همزمان داده‌های چندگانه را تحلیل و تولید کنند.
• معرفی معیارهای سخت‌تر برای ارزیابی هوش مصنوعی: در حالی که مدل‌های هوش مصنوعی به سطوح بالایی از عملکرد در معیارهای قدیمی مانند ImageNet، SQuAD و SuperGLUE دست یافته‌اند، محققان برای ارزیابی پیشرفت‌های جدید مدل‌ها، معیارهای پیچیده‌تری معرفی کرده‌اند. از جمله این معیارهای جدید می‌توان به SWE-bench برای کدنویسی، HEIM برای تولید تصاویر، MMMU برای استدلال عمومی، MoCa برای استدلال اخلاقی، AgentBench برای رفتار مبتنی بر عوامل، و HaluEval برای بررسی توهمات اشاره کرد.
• استفاده از هوش مصنوعی برای بهبود داده‌ها و ایجاد مدل‌های بهتر: هوش مصنوعی نه تنها در تولید داده‌های بیشتر به کار گرفته می‌شود، بلکه این داده‌ها برای بهبود عملکرد خود مدل‌ها نیز استفاده می‌شود. این روند باعث می‌شود که مدل‌های هوش مصنوعی توانایی انجام وظایف پیچیده‌تری را کسب کنند.
• ارزیابی انسانی در حال جایگزینی معیارهای رایانه‌ای است: با پیشرفت مدل‌های تولیدی، مثل تولید متن، تصویر و غیره، ارزیابی‌های انسانی به‌تدریج جایگزین معیارهای رایانه‌ای سنتی می‌شود. برای مثال، در حال حاضر Chatbot Arena Leaderboard به جای رتبه‌بندی‌های رایانه‌ای برای ارزیابی مدل‌ها استفاده می‌شود.
• افزایش انعطاف‌پذیری روبات‌ها به لطف مدل‌های زبانی بزرگ (LLMs): ترکیب مدل‌های زبانی با روباتیک باعث بهبود انعطاف‌پذیری روبات‌ها شده است. مدل‌هایی مانند PaLM-E و RT-2 نه تنها توانایی‌های روباتیک را بهبود بخشیده‌اند، بلکه توانایی پرسش‌گری و تعامل بهتر با دنیای واقعی را نیز به این روبات‌ها افزوده‌اند.
• تحقیقات بیشتر در زمینه AI agentic: ایجاد عامل‌های هوش مصنوعی که بتوانند به‌صورت مستقل در محیط‌های خاص عمل کنند، یکی از چالش‌های اساسی دانشمندان بوده است. در سال 2023، پیشرفت‌های مهمی در این زمینه صورت گرفته و عامل‌های هوش مصنوعی می‌توانند بازی‌های پیچیده‌ای مانند Minecraft را به خوبی انجام دهند و همچنین وظایف واقعی مانند خرید آنلاین و کمک به تحقیقات را به خوبی مدیریت کنند.
• مدل‌های بسته LLM به طور قابل‌توجهی از مدل‌های باز بهتر عمل می‌کنند: در ده معیار انتخابی، مدل‌های بسته عملکرد بهتری نسبت به مدل‌های باز داشته‌اند و تفاوت میانگین عملکرد این مدل‌ها حدود 24.2 درصد بوده است. این اختلاف عملکرد پیامدهای مهمی برای سیاست‌گذاری‌های مرتبط با هوش مصنوعی دارد.

هوش مصنوعی مسئولانه

• فقدان استانداردهای ارزیابی مسئولیت‌پذیری در مدل‌های زبانی بزرگ (LLMs): یکی از مشکلات کلیدی که در این بخش مطرح شده، عدم وجود استانداردهای ثابت و یکپارچه برای ارزیابی مسئولیت‌پذیری مدل‌های هوش مصنوعی است. محققان دریافتند که شرکت‌های بزرگ مانند OpenAI، Google و Anthropic از معیارهای مختلفی برای تست مسئولیت‌پذیری مدل‌های خود استفاده می‌کنند، که این موضوع مقایسه سیستماتیک خطرات و محدودیت‌های مدل‌های هوش مصنوعی را دشوار می‌کند.
• Deepfakeهای سیاسی به‌سادگی تولید و به سختی شناسایی می‌شوند: محققان هشدار می‌دهند که هوش مصنوعی می‌تواند به تولید محتوای جعلی یا deepfake کمک کند که به‌ویژه در حوزه سیاسی خطرناک است. این محتواها می‌توانند بر انتخابات تاثیر بگذارند و سیستم‌های موجود هنوز نتوانسته‌اند به‌طور کامل و قابل‌اعتماد این deepfakeها را شناسایی کنند.
• کشف آسیب‌پذیری‌های پیچیده‌تر در مدل‌های زبانی بزرگ: آزمایش‌ها و تلاش‌ها برای یافتن نقص‌های این مدل‌ها (به اصطلاح red-teaming) نشان داده است که مدل‌های هوش مصنوعی می‌توانند به شیوه‌هایی که برای انسان‌ها بدیهی نیست، رفتارهای مضر نشان دهند. به عنوان مثال، برخی از مدل‌ها ممکن است با تکرار بی‌نهایت کلمات تصادفی یا روش‌های دیگر، به رفتارهای ناخواسته بپردازند.
• نگرانی شرکت‌ها از خطرات هوش مصنوعی: بر اساس یک نظرسنجی جهانی در مورد هوش مصنوعی مسئولانه، نگرانی‌های اصلی شرکت‌ها در مورد هوش مصنوعی شامل حریم خصوصی، امنیت داده‌ها و قابلیت اطمینان سیستم‌ها است. این نظرسنجی نشان می‌دهد که سازمان‌ها شروع به اقدام برای کاهش این خطرات کرده‌اند، اما اکثر آن‌ها تنها بخش کوچکی از این خطرات را مدیریت کرده‌اند.
• تولید محتوای دارای حق تکثیر توسط LLMها: محققان متوجه شده‌اند که مدل‌های تولید متن می‌توانند محتوای تولید کنند که شامل مواد دارای حق تکثیر باشد، از جمله نقل‌قول‌هایی از نیویورک تایمز یا صحنه‌هایی از فیلم‌ها. این مسئله سوالاتی حقوقی را در مورد نقض حقوق مالکیت فکری توسط هوش مصنوعی به میان آورده است.
• کمبود شفافیت در توسعه مدل‌های هوش مصنوعی: یکی دیگر از مشکلات مهم، نبود شفافیت کافی در افشای داده‌های آموزشی و روش‌های مورد استفاده توسط توسعه‌دهندگان مدل‌های هوش مصنوعی است. این کمبود شفافیت باعث می‌شود که تلاش‌ها برای بررسی امنیت و استحکام سیستم‌ها با مشکل مواجه شود.
• تحلیل سخت خطرات بلندمدت هوش مصنوعی: در سال گذشته، بحث‌های شدیدی در جامعه علمی و اجرایی پیرامون تمرکز بر خطرات کوتاه‌مدت مدل‌های هوش مصنوعی (مانند تبعیض الگوریتمی) در مقابل خطرات بلندمدت و احتمالی (مانند تهدیدهای وجودی) شکل گرفت. تمایز بین این دو دسته از خطرات، چالش‌برانگیز است و بحث‌های علمی پیرامون آن‌ها به‌سختی قابل تایید یا رد هستند.
• افزایش تعداد حوادث مربوط به هوش مصنوعی: بر اساس AI Incident Database، تعداد حوادث مربوط به سوءاستفاده از هوش مصنوعی در سال 2023 افزایش یافته است. تعداد حوادث گزارش شده به 123 مورد رسیده است که نسبت به سال قبل، 32.3 درصد افزایش داشته است. یکی از مثال‌های برجسته این حوادث، استفاده از deepfakeهای جنسی از چهره‌های معروف مانند تیلور سوئیفت بود.

• سوگیری سیاسی ChatGPT: تحقیقات نشان داده‌اند که مدل ChatGPT سوگیری قابل‌توجهی به نفع دموکرات‌ها در آمریکا و حزب کارگر در بریتانیا دارد. این یافته‌ها نگرانی‌هایی را درباره تأثیر احتمالی این ابزارها بر دیدگاه‌های سیاسی کاربران ایجاد کرده‌اند.

اقتصاد هوش مصنوعی

• افزایش چشمگیر سرمایه‌گذاری در هوش مصنوعی مولد: با وجود کاهش کلی سرمایه‌گذاری‌های خصوصی در هوش مصنوعی برای دومین سال متوالی، سرمایه‌گذاری‌ها در حوزه هوش مصنوعی مولد (Generative AI) به شدت افزایش یافته و تقریباً هشت برابر شده است. این سرمایه‌گذاری‌ها در سال 2023 به 25.2 میلیارد دلار رسید. شرکت‌های بزرگ مانند OpenAI، Anthropic، Hugging Face، و Inflection در این زمینه موفق به جمع‌آوری سرمایه‌های هنگفتی شدند.
• رهبری آمریکا در سرمایه‌گذاری خصوصی هوش مصنوعی: ایالات متحده همچنان به عنوان بزرگترین سرمایه‌گذار خصوصی در هوش مصنوعی باقی مانده است. در سال 2023، آمریکا 67.2 میلیارد دلار در هوش مصنوعی سرمایه‌گذاری کرد، که تقریباً 8.7 برابر سرمایه‌گذاری چین (به عنوان دومین کشور) بود. در حالی که سرمایه‌گذاری‌های خصوصی در چین و اتحادیه اروپا کاهش یافت، سرمایه‌گذاری در ایالات متحده افزایش 22.1 درصدی داشت.
• کاهش آگهی‌های شغلی مرتبط با هوش مصنوعی: در سال 2023، تعداد آگهی‌های شغلی مرتبط با هوش مصنوعی در آمریکا و جهان کاهش یافت. در سال 2022، این آگهی‌ها 2.0 درصد از کل آگهی‌های شغلی را تشکیل می‌دادند، اما در سال 2023 این عدد به 1.6 درصد کاهش یافت. این کاهش به دلیل کاهش تعداد آگهی‌های شرکت‌های بزرگ هوش مصنوعی و کاهش تعداد نقش‌های تکنولوژیک در این شرکت‌ها است.
• کاهش هزینه‌ها و افزایش درآمدها به لطف هوش مصنوعی: طبق یک نظرسنجی جدید از شرکت McKinsey، 42 درصد از سازمان‌های شرکت‌کننده گزارش دادند که از طریق هوش مصنوعی هزینه‌های خود را کاهش داده‌اند، و 59 درصد افزایش درآمد را تجربه کرده‌اند. این ارقام نشان‌دهنده افزایش کارایی اقتصادی شرکت‌ها با استفاده از هوش مصنوعی است.
• کاهش سرمایه‌گذاری خصوصی کلی در هوش مصنوعی برای دومین سال متوالی: در سطح جهانی، سرمایه‌گذاری خصوصی در هوش مصنوعی برای دومین سال متوالی کاهش یافته است، هرچند این کاهش نسبت به سال گذشته کمتر بوده است. با این وجود، تعداد شرکت‌های جدیدی که تأمین مالی شده‌اند به شدت افزایش یافته و در سال 2023 به 1,812 شرکت رسید که 40.6 درصد نسبت به سال قبل افزایش داشته است.
• افزایش پذیرش هوش مصنوعی در سازمان‌ها: در سال 2023، 55 درصد از سازمان‌ها از هوش مصنوعی (از جمله هوش مصنوعی مولد) در حداقل یکی از واحدهای کسب‌وکار یا عملکردهای خود استفاده کرده‌اند. این عدد در سال 2022 برابر با 50 درصد و در سال 2017 برابر با 20 درصد بوده است.
• تسلط چین در روباتیک صنعتی: از سال 2013، چین به عنوان پیشرو در نصب روبات‌های صنعتی در جهان شناخته می‌شود و از ژاپن پیشی گرفته است. در سال 2022، چین 52.4 درصد از کل نصب‌های روبات‌های صنعتی جهان را به خود اختصاص داد، در حالی که این سهم در سال 2013 تنها 20.8 درصد بود.
• تنوع بیشتر در نصب روبات‌ها: در سال 2022، روبات‌های همکار 9.9 درصد از کل نصب‌های جدید روبات‌های صنعتی را تشکیل می‌دادند، در حالی که این عدد در سال 2017 تنها 2.8 درصد بود. همچنین نصب روبات‌های خدماتی در تمامی دسته‌بندی‌های کاربردی افزایش یافته است، به جز روبات‌های پزشکی.
• هوش مصنوعی بهره‌وری کارکنان را افزایش می‌دهد: مطالعات نشان می‌دهند که هوش مصنوعی به کارکنان کمک می‌کند تا وظایف خود را سریع‌تر و با کیفیت بالاتر انجام دهند. این تحقیقات نشان می‌دهد که هوش مصنوعی می‌تواند شکاف مهارتی بین کارکنان با مهارت‌های مختلف را کاهش دهد. اما در عین حال، استفاده نادرست از هوش مصنوعی بدون نظارت مناسب می‌تواند به کاهش کارایی منجر شود.
• افزایش توجه شرکت‌های Fortune 500 به هوش مصنوعی: در سال 2023، هوش مصنوعی در 394 تماس درآمدی شرکت‌های Fortune 500 ذکر شد، که تقریباً 80 درصد از تمامی این شرکت‌ها را شامل می‌شود. این تعداد در سال 2022 برابر با 266 تماس بود. هوش مصنوعی مولد موضوعی بود که بیشترین تعداد ذکر (19.7 درصد از تماس‌ها) را به خود اختصاص داد.

سیاست‌گذاری و حکمرانی هوش مصنوعی

• افزایش قابل توجه تعداد مقررات مرتبط با هوش مصنوعی در ایالات متحده: تعداد مقررات مرتبط با هوش مصنوعی در ایالات متحده به طور قابل توجهی افزایش یافته است. در سال 2023، 25 قانون جدید در این زمینه تصویب شد که در مقایسه با سال 2016، که تنها یک قانون وجود داشت، افزایش چشمگیری را نشان می‌دهد. تنها در سال 2023، تعداد مقررات مرتبط با هوش مصنوعی 56.3 درصد افزایش داشته است.
• پیشرفت‌های قابل توجه در سیاست‌گذاری هوش مصنوعی در ایالات متحده و اتحادیه اروپا: در سال 2023، سیاست‌گذاران در ایالات متحده و اتحادیه اروپا به طور همزمان پیشنهادات قابل توجهی برای پیشرفت در زمینه قانون‌گذاری هوش مصنوعی ارائه دادند. در اتحادیه اروپا، قانون AI Act به عنوان یکی از مهم‌ترین قوانین در این زمینه تصویب شد و در ایالات متحده نیز فرمان اجرایی هوش مصنوعی توسط رئیس‌جمهور امضا شد، که از مهم‌ترین ابتکارات سیاست‌گذاری در آمریکا در سال 2023 محسوب می‌شود.
• افزایش توجه قانون‌گذاران آمریکایی به هوش مصنوعی: در سال 2023، تعداد قوانین پیشنهادی مرتبط با هوش مصنوعی در سطح فدرال به شدت افزایش یافت و به 181 قانون رسید، که بیش از دو برابر تعداد قوانین پیشنهادی در سال 2022 (88 قانون) است.
• گسترش جهانی توجه به هوش مصنوعی در مجامع قانون‌گذاری: تعداد ذکرهای هوش مصنوعی در روندهای قانون‌گذاری جهانی تقریباً دو برابر شده است. این فناوری در سال 2023 در 49 کشور در مجامع قانون‌گذاری مورد بحث قرار گرفت. همچنین، حداقل یک کشور از هر قاره به طور رسمی درباره هوش مصنوعی صحبت کرده است که نشان‌دهنده گستردگی تأثیر جهانی هوش مصنوعی است.
• افزایش تعداد نهادهای نظارتی مرتبط با هوش مصنوعی در ایالات متحده: تعداد نهادهای نظارتی که مقررات مرتبط با هوش مصنوعی در ایالات متحده وضع کرده‌اند، از 17 نهاد در سال 2022 به 21 نهاد در سال 2023 افزایش یافته است. برخی از این نهادهای جدید شامل وزارت حمل‌ونقل، وزارت انرژی، و اداره ایمنی و بهداشت شغلی (OSHA) هستند که برای اولین بار در سال 2023 مقرراتی در این زمینه صادر کرده‌اند.
• پیشگامی ایالات متحده و اروپا در سیاست‌گذاری هوش مصنوعی: ایالات متحده و اتحادیه اروپا همچنان به عنوان پیشگامان اصلی در تدوین سیاست‌ها و مقررات هوش مصنوعی شناخته می‌شوند. اتحادیه اروپا با تصویب قانون AI Act و ایالات متحده با اجرای فرمان اجرایی جدید، تلاش‌های گسترده‌ای برای مدیریت اثرات هوش مصنوعی بر جامعه و اقتصاد داشته‌اند.

دیدگاه عمومی نسبت به هوش مصنوعی

• افزایش آگاهی و نگرانی جهانی نسبت به تأثیرات هوش مصنوعی: طبق یک نظرسنجی از شرکت Ipsos، در سال 2023، 66 درصد از پاسخ‌دهندگان معتقد بودند که هوش مصنوعی طی سه تا پنج سال آینده تأثیر چشمگیری بر زندگی آن‌ها خواهد داشت. این درصد نسبت به سال 2022 که 60 درصد بود، افزایش یافته است. همچنین، 52 درصد از مردم ابراز نگرانی نسبت به محصولات و خدمات هوش مصنوعی کرده‌اند که این میزان در سال 2022، 39 درصد بود.
• نگرش‌های منفی نسبت به هوش مصنوعی در کشورهای غربی همچنان بالاست، اما بهبود یافته است: در سال 2022، کشورهای توسعه‌یافته غربی، از جمله آلمان، هلند، استرالیا، بلژیک، کانادا، و ایالات متحده، از جمله کشورهایی بودند که بیشترین نگرش منفی نسبت به محصولات و خدمات هوش مصنوعی را داشتند. با این حال، در سال 2023، نگرش مثبت مردم در این کشورها افزایش یافت و به ویژه در هلند تغییرات قابل توجهی مشاهده شد.
• بدبینی عمومی نسبت به تأثیرات اقتصادی هوش مصنوعی: بر اساس نظرسنجی شرکت Ipsos، تنها 37 درصد از پاسخ‌دهندگان معتقد بودند که هوش مصنوعی وضعیت شغلی آن‌ها را بهبود خواهد بخشید. تنها 34 درصد بر این باور بودند که هوش مصنوعی به رشد اقتصادی کمک خواهد کرد، و 32 درصد پیش‌بینی کردند که این فناوری بازار کار را بهبود خواهد داد.
• تفاوت‌های دموگرافیک در نگرش نسبت به هوش مصنوعی: تفاوت‌های دموگرافیک مهمی در نظرات مردم درباره هوش مصنوعی مشاهده می‌شود. به طور کلی، نسل‌های جوان‌تر (مانند Gen Z) نگرش‌های مثبت‌تری نسبت به هوش مصنوعی دارند. به عنوان مثال، 59 درصد از Gen Z معتقدند که هوش مصنوعی تجربه سرگرمی آن‌ها را بهبود می‌بخشد، در حالی که این عدد برای Baby Boomers تنها 40 درصد است. همچنین، افراد با درآمد و سطح تحصیلات بالاتر نسبت به تأثیرات مثبت هوش مصنوعی بر سرگرمی، بهداشت، و اقتصاد نگرش مثبت‌تری دارند.
• آگاهی گسترده و استفاده از ChatGPT: نظرسنجی انجام‌شده توسط دانشگاه Toronto نشان می‌دهد که 63 درصد از افراد از ChatGPT آگاه هستند. از بین کسانی که با این ابزار آشنایی دارند، نیمی از آن‌ها حداقل یک‌بار در هفته از آن استفاده می‌کنند. این نشان می‌دهد که ChatGPT به طور گسترده‌ای در بین عموم مردم شناخته شده و استفاده می‌شود.