پیشبینی استادان دانشگاه استنفورد نشان میدهد سال ۲۰۲۶ نقطه عطف هوش مصنوعی خواهد بود؛ سالی که در آن تمرکز از هیاهو و وعدههای بزرگ به ارزیابی دقیق، شفافیت، دقت و بازگشت سرمایه منتقل میشود.
حاکمیت هوش مصنوعی، سنجش اثرات اقتصادی، ارزیابی واقعی در پزشکی و حقوق و طراحی سامانههای انسانمحور، محورهای اصلی آینده این فناوری خواهند بود.
نویسنده: شانا لینچ
تاریخ انتشار: ۱۵ دسامبر ۲۰۲۵
منبع: مؤسسه هوش مصنوعی انسانمحور دانشگاه استنفورد
شبکه اطلاعرسانی روابطعمومی ایران (شارا) || پس از سالها رشد شتابان، سرمایهگذاریهای میلیاردی و وعدههای اغراقآمیز، سال ۲۰۲۶ میتواند نقطهای تعیینکننده باشد که در آن هوش مصنوعی ناگزیر با واقعیت کاربردهای خود روبهرو شود. استادان دانشگاه استنفورد در حوزههای علوم کامپیوتر، پزشکی، حقوق، اقتصاد و علوم اجتماعی در پیشبینیهای خود برای سال آینده بر یک نکته مشترک تأکید دارند: دوران تبلیغ و هیجان هوش مصنوعی رو به پایان است و جای خود را به دوران ارزیابی، دقت و شفافیت میدهد.
در این نگاه جدید، پرسش محوری دیگر این نیست که آیا هوش مصنوعی قادر به انجام یک کار هست یا نه، بلکه این است که با چه کیفیتی، با چه هزینهای، برای چه کسانی و با چه پیامدهایی این کار انجام میشود. از معیارهای استاندارد برای استدلال حقوقی گرفته تا داشبوردهای لحظهای برای ردیابی جابهجایی نیروی کار و چارچوبهای بالینی برای ارزیابی استارتآپهای پزشکی، سال ۲۰۲۶ نیازمند تمرکز عمیق بر سنجش و نه هیجان خواهد بود.
حاکمیت هوش مصنوعی و شتاب جهانی
به گفته جیمز لندی، مدیر مشترک مؤسسه هوش مصنوعی انسانمحور استنفورد، سال ۲۰۲۶ شاهد ظهور هوش مصنوعی عمومی نخواهد بود. اما در مقابل، مفهوم «حاکمیت هوش مصنوعی» با سرعت زیادی رشد خواهد کرد. کشورها تلاش میکنند استقلال خود را از ارائهدهندگان خارجی هوش مصنوعی و نیز از نظام سیاسی ایالات متحده نشان دهند.
حاکمیت هوش مصنوعی میتواند اشکال مختلفی داشته باشد؛ از توسعه مدلهای ملی گرفته تا اجرای مدلهای خارجی بر زیرساختهای داخلی برای جلوگیری از خروج دادهها. این مفهوم هنوز تعریف دقیقی ندارد و استنفورد در حال انجام پژوهشهایی برای روشنسازی ابعاد مختلف آن است.
در سال ۲۰۲۵ سرمایهگذاریهای عظیمی در مراکز داده هوش مصنوعی در نقاط مختلف جهان صورت گرفت و این روند در سال ۲۰۲۶ نیز ادامه خواهد داشت. با این حال، به باور لندی، تمرکز بیپایان سرمایه بر یک حوزه نشانهای از یک حباب سوداگرانه است که نمیتواند برای همیشه ادامه یابد.
همچنین انتظار میرود شرکتهای بیشتری اذعان کنند که هوش مصنوعی هنوز افزایش بهرهوری گستردهای ایجاد نکرده، مگر در حوزههای خاصی مانند برنامهنویسی و مراکز تماس. شکست پروژههای متعدد، درسهای مهمی درباره جای مناسب استفاده از هوش مصنوعی به همراه خواهد داشت.
از مدلهای عظیم تا دادههای باکیفیت
یکی دیگر از روندهای مهم، حرکت از مدلهای بسیار بزرگ به سمت مدلهای کوچکتر اما کارآمدتر است. به دلیل محدودیت و افت کیفیت دادهها، تلاشها به سمت گردآوری مجموعه دادههای کوچک اما دقیقتر و ساخت مدلهایی که با داده کمتر عملکرد بهتری دارند، سوق پیدا خواهد کرد.
در حوزه تولید ویدیو نیز، اگرچه پیشرفتهای سال گذشته چشمگیر اما ناقص بودهاند، انتظار میرود ابزارها به سطحی از بلوغ برسند که کاربردهای واقعی پیدا کنند. همزمان، چالشهای مربوط به حقوق مالکیت فکری نیز افزایش خواهد یافت.
گشودن جعبه سیاه هوش مصنوعی
راس آلتمن، استاد دانشگاه استنفورد، معتقد است آینده علم و پزشکی به توانایی ما در فهم درونمایه مدلهای هوش مصنوعی وابسته است. در علم، صرفاً پیشبینی دقیق کافی نیست؛ بلکه باید دانست مدل چگونه به آن پیشبینی رسیده است.
در سال ۲۰۲۶ تمرکز فزایندهای بر تحلیل ساختارهای درونی شبکههای عصبی و نقشههای توجه آنها شکل خواهد گرفت. این تلاشها با هدف کشف ویژگیهایی انجام میشود که عملکرد مدل را هدایت میکنند. به باور آلتمن، باز کردن جعبه سیاه هوش مصنوعی یک الزام علمی است، نه یک انتخاب.
هوش مصنوعی پزشکی و ارزیابی واقعی
در حوزه سلامت، موجی از استارتآپهای هوش مصنوعی وارد بازار شدهاند و مدیران بیمارستانها با انبوهی از پیشنهادها روبهرو هستند. سال ۲۰۲۶ سال توسعه چارچوبهای دقیق برای ارزیابی این سامانهها خواهد بود؛ چارچوبهایی که تأثیر واقعی بر کارکنان، بیماران، گردش کار، بازگشت سرمایه و کیفیت تصمیمگیری را میسنجند.
پیشرفت روشهای یادگیری خودنظارتی، هزینه آموزش مدلهای پزشکی را بهشدت کاهش داده و زمینه را برای ظهور لحظهای مشابه جهش بزرگ چتباتها در پزشکی فراهم کرده است. این تحول میتواند دقت تشخیص بیماریهای نادر را افزایش دهد.
هوش مصنوعی حقوقی، دقت و بازگشت سرمایه
در خدمات حقوقی، تمرکز از توانایی نوشتن متن به سمت دقت، صحت استدلال، مدیریت چند سند و بازگشت سرمایه حرکت خواهد کرد. معیارهای جدیدی برای سنجش عملکرد مدلها در وظایف پیچیده حقوقی توسعه مییابد و بهرهوری واقعی در گردشهای کاری روزمره جایگزین سناریوهای آزمایشگاهی خواهد شد.
از هیاهو تا داشبوردهای اقتصادی
به گفته اریک برینجولفسون، بحث درباره اثرات اقتصادی هوش مصنوعی در سال ۲۰۲۶ از گمانهزنی به اندازهگیری دقیق منتقل میشود. داشبوردهای اقتصادی با بهروزرسانی مداوم نشان خواهند داد که هوش مصنوعی در کدام مشاغل باعث افزایش بهرهوری، جایگزینی نیروی کار یا ایجاد نقشهای جدید میشود.
این دادهها به مدیران و سیاستگذاران امکان میدهد تصمیمهای مبتنی بر شواهد درباره آموزش، سیاستهای حمایتی و نوآوری اتخاذ کنند.
تعامل انسان و هوش مصنوعی در کانون توجه
دییی یانگ، استاد علوم کامپیوتر، تأکید میکند که توسعه سامانههای انسانمحور ضروری است. تمرکز صرف بر رضایت کوتاهمدت یا کارایی فنی کافی نیست. هوش مصنوعی باید بهگونهای طراحی شود که توانمندیهای انسانی را تقویت کند و رفاه بلندمدت کاربران را در نظر بگیرد.
سال ۲۰۲۶ به باور استادان استنفورد، سال تأمل جدی درباره آن چیزی است که واقعاً از هوش مصنوعی میخواهیم.
با کلیک روی لینک زیر به کانال تلگرام ما بپیوندید:
برای اطلاعات بیشتر درباره روابط عمومی و اخبار سازمانهای مختلف، میتوانید به وبسایت شارا مراجعه کنید.
…………… شارا را در لینکدین، اینستاگرام، فیسبوک و تلگرام دنبال کنید ……………
انتهای شارا/