به گزارش گرداب، تاکنون تلاش‌های بسیاری در زمینه‌ی هوش مصنوعی انجام شده و کماکان بحثتحقیق و توسعه در این حوزه با قدرت به پیش می‌رود. آخرین گزارش مربوط به تحقیقات هوش مصنوعی نشان می‌دهد محققان پیشرفت‌های خوبی دراین‌زمینه داشته‌اند و توانسته‌اند به دستاوردهای قابل‌توجهی دست پیدا کنند. 

سیستم‌های مبتنی بر هوش مصنوعی شامل طیف گسترده‌ای از فعالیت‌های مختلف اعم از تحقیقات، آموزش و دستاوردهای فنی می‌شوند و شاخص‌های مربوط به هوش مصنوعی یا  AI Index زمینه‌های مختلفی را پوشش می‌دهد. 

 AI Index به‌قدری متنوع است که دانشگاه‌هایی همچون هاروارد، استنفورد و مراکزی همچون OpenAI، دو ابزار جدید را برای بررسی داده‌هایی که از طرق هوش مصنوعی دریافت می‌کنند، معرفی کرده‌اند. یکی از این ابزارها برای جستجوی مقالات تحقیقاتی هوش مصنوعی و دیگری برای تحقیق در مورد داده‌ها به‌منظور  تحقیق و سرمایه‌گذاری کاربرد دارد. 

گزارش مربوط به  AI Index سال ۲۰۱۹ نشان ‌می‌دهد روند تحقیق و توسعه‌ی در زمینه‌ی هوش مصنوعی کماکان ادامه داشته و متوقف نشده است. همچنین این گزارش تأیید می‌کند که رویکردهای تحقیقاتی در زمینه‌ی هوش مصنوعی نسبت به سال‌های قبل به‌صورت جدی‌تری دنبال می‌شود. این گزارش ۲۹۰ صفحه‌ای وضعیت روشنش از تحقیقات و طرح‌های توسعه‌ای در زمینه‌ی هوش مصنوعی ارائه می‌دهد که در این مقاله بخش‌های مهم آن استخراج شده است: 

تحقیقات هوش مصنوعی به‌سرعت به پیش می‌رود: از سال ۱۹۹۸ تا ۲۰۱۸، تعداد مقاله‌های منتشرشده‌ در زمینه‌ی هوش مصنوعی رشد ۳۰۰ درصدی داشته و با گذشت زمان، تعداد افراد بیشتری در کنفرانس‌های مرتبط با هوش مصنوعی شرکت می‌کنند. در کنفرانس Neurips امسال درحدود ۱۳۵۰۰ نفر حضور داشتند که نسبت به کنفرانس ۲۰۱۲ رشد ۸۰ درصدی را به ثبت رسانده است.

آموزش‌های مرتبط با هوش مصنوعی محبوبیت دارند: از دوره‌های آموزشی یادگیری ماشین هم در دانشگاه‌ها و هم به‌صورت آنلاین بسیار استقبال می‌شود. به‌نظر می‌رسد هوش مصنوعی یکی از موضوعات مورد توجه و علاقه‌ی فارغ‌التحصیلان رشته‌های مرتبط با علوم کامپیوتر در آمریکای شمالی است. بیش از ۲۱ درصد از فارغ‌التحصیلان مقطع دکترا علاقه‌مند به دریافت تخصص در زمینه‌ی هوش مصنوعی هستند که این رقم در حدود دو برابر علاقه‌‌مندان به زمین‌ه‌هایی امنیت و امنیت اطلاعات است که از محبوبیت بالایی برخوردار است.

ایالات متحده، در بسیاری از حوزه‌های مرتبط با هوش مصنوعی، جلوتر از بقیه کشورها حرکت می‌کند: باوجودی که چینی‌ها بیشتر مقاله‌های مرتبط با هوش مصنوعی را منتشر می‌کنند، اما از نظر تأثیرگذار بودن مقاله‌های تحقیقاتی، آمریکایی‌های حرف‌هایی برای گفتن دارند. بیش از ۴۰ درصد مقاله‌های تحقیقاتی آمریکایی‌ها مرتبط با هوش مصنوعی در سطح جهانی مطرح می‌شوند. ایالات متحده، بیشترین سرمایه‌گذاری مالی را در بین کشورهای جهان به هوش مصنوعی اختصاص داده است. 

آمریکایی‌ها سرما‌یه‌ی حدود ۱۲ میلیارد دلار برای تحقیقات مرتبط با هوش مصنوعی اختصاص داده‌اند. در حالی‌که چینی‌ها تنها ۶/۸ میلیارد دلار برای تحقیق و توسعه دراین‌زمینه تخصیص داده‌اند و به‌عنوان دومین کشوری که در این حوزه بیشترین سرمایه‌گذاری را اختصاص داده شناخته می‌شوند. از سوی دیگر آمریکایی‌ها بیشترین ثبت پتنت را در زمینه‌ی هوش مصنوعی نسبت به سایر کشورها به ثبت رسانده‌اند. تعداد پتنت‌های ثبت شده‌ی آمریکا‌یی‌ها در زمینه‌ی هوش مصنوعی سه برابر بیشتر از تعداد پتنت‌های ژاپنی‌ها در همین حوزه است.

آموزش الگوریتم‌های مبتنی بر هوش مصنوعی به‌مرور سریع‌تر و ارزان‌تر می‌شوند: تا زمانی‌که نتیجه‌ی تحقیقاتی نتواند در دسترس و مورد استفاده قرار گیرد، کاربرد خاصی هم نخواهد داشت. تیم تخصصی AI Index در گزارش خود خاطر نشان کرده‌اند که زمان لازم برای آموزش الگوریتم بینایی ماشین روی مجموعه داده‌ی محبوب (ImageNet) از حدود سه ساعت در اکتبر ۲۰۱۷ به حدود ۸۸ ثانیه در ژوئیه ۲۰۱۹ کاهش یافته است. علاوه بر مدت زمان آموزش، شاهد کاهش هزینه‌های آموزش نیز هستیم.

بیشترین سرمایه‌گذاری در حوزه‌ی هوش مصنوعی به تحقیق و توسعه خودروهای خودران مربوط می‌شود:  درحدود ۱۰ درصد سرمايه گذاری‌های جهانی به خودروهای خودران مربوط می‌شود که رقمی درحدود ۷/۷ میلیارد دلار است. در بخش تحقیقات پزشکی و حوزه‌ی تشخیص چهره در حدود ۴/۷ میلیارد دلار سرمایه‌گذاری می‌شود. در سال ۲۰۱۸ بخش اتوماسیون فرایندهای روباتیکی در حدود یک میلیارد دلار و برای زنجیره‌ی تأمین بیش از ۵۰۰ میلیون دلار جذب سرمایه داشته‌اند. 

آمار و ارقام  و همچنین اطلاعات منتشرشده در این گزارش واقعا قابل‌توجه است. اما می‌توان اینطور نتیجه‌گیری کرد که سرعت تحقیق و توسعه در بخش هوش مصنوعی شاید آنقدرها اهمیت نداشته باشد، بلکه آن چیزی که اهمیت دارد آن است که ببینیم چنین تحقیقاتی، چه دستاوردها و نتایجی را به‌همراه داشته‌اند. باوجودی که هوش مصنوعی به‌سرعت در حال رشد و شکوفایی است، اما هنوز محدودیت‌های بسیاری در این حوزه وجود دارد که قابل انکار نیست. 

یکی از بخش‌های گزارش تهیه شده به موضوع مقایسه‌ی عملکرد هوش مصنوعی در مقایسه با انسان اختصاص داده شده است و به مواردی اشاره کرده که هوش مصنوعی توانسته به رقابت با هوش انسانی رفته یا حتی قدم‌هایی جلوتر از هوش انسانی بردارد.

موضوع به دهه‌ی ۱۹۹۰ برمی‌گردد که برای نخستین بار برنامه‌های مبتنی بر هوش مصنوعی توانستند در بازی‌ شطرنج یا برخی بازی‌های دیگر از هوش انسانی پیشی گرفته و پیروز میدان شوند. با رونق یادگیری ماشین، این وضعیت شتاب بیشتری به خود گرفت و شاهد معرفی بازی‌های ویدیویی و بازی‌های بیشتری مبتنی بر هوش مصنوعی به بازار بودیم. حتی در سال ۲۰۱۷ گزارشی مبنی بر استفاده از هوش مصنوعی برای بررسی تصاویر مربوط به سرطان پوست منتشر شد که نشان می‌داد هوش مصنوعی در بررسی تصاویر مربوط به سرطان پوست عملکرد دقیق‌تری نسبت به هوش انسان دارد. البته بسیاری نیز معتقدند که هوش مصنوعی کماکان بسیار عقب‌تر از هوش انسانی قرار دارد. هرچند پیش‌تر گفته شده بود که هوش مصنوعی دیپ مایند در بازی‌های چندنفره هم انسان را شکست می‌دهد. 

باوجودی‌ که هوش مصنوعی توانسته کارهایی را به انجام برساند ولی هنوز بر هوش انسانی به‌صورت کامل برتری ندارد. برای مثال، وقتی هوش مصنوعی می‌تواند در برخی بازی‌های رایانه‌ای انسان را شکست بدهد، به قوانین روشن و شفاف شبیه‌سازی و آموزش هوش مصنوعی ارتباط دارد. گاهی لازم است برای آموزش الگوریتم‌های هوش مصنوعی به سیستمی، صدها سال بر مبنای روز خورشیدی زمان صرف شود. در حالی‌که هوش انسانی به‌سرعت همان موضوع را فرا می‌گیرد.

از طرفی، دامنه‌ی کاربردهای هوش مصنوعی بسیار محدود است. مثلا وقتی سیستمی مبتنی بر هوش مصنوعی آموزش داده می‌شود، نمی‌تواند از آنچه آموخته برای حوزه‌های دیگری استفاده کند و برای انجام کارهای دیگر مجددا باید آموزش ببینید. آبان‌ماه امسال در خبری گفته شد که هوش مصنوعی دیپ مایند بالاتر از ۹۹/۹۸ درصد از بازیکنان استارکرافت ۲ قرار گرفته است. 

ممکن است هوش مصنوعی بتواند سرطان سینه را با دقتی مشابه یک متخصص تشخیص بدهد، اما نمی‌تواند همین کار را برای سرطان ریه هم انجام دهد و حتی نمی‌تواند برای بیمار نسخه‌ای بنویسد. به‌عبارت دیگر، در حال حاضر سیستم‌های مبتنی بر هوش مصنوعی ابزارهایی یکبار مصرف هستند که از انعطاف‌پذیری لازم همانند هوش انسانی نیز برخوردار نبوده و نمی‌توانند در مقایسه با هوش انسانی ایفای نقش کنند.

البته آنچه گفته شد بدین معنی نیست که هوش مصنوعی بی‌فایده بوده و کاربردی ندارد. با وجود محدودیت‌های سیستم‌های مبتنی بر یادگیری ماشین، تحقیق و توسعه دراین‌زمینه با صرف بودجه‌های کلان با سرعت به پیش می‌رود. وقتی موضوع محدودیت‌های هوش مصنوعی مطرح می‌شود، به یاد صحبت Andrew Ng از پیش‌گامان یادگیری ماشین می‌افتیم که می‌گفت:‌«وقتی فردی معمولی می‌تواند کار ذهنی را در زمانی کمتر از یک ثانیه با فکر خودش انجام دهد، احتمالا در آینده‌ی نزدیک هوش مصنوعی باید بتواند همان کار را به‌صورت خودکار در لحظه به انجام برساند.»