چگونه هوش مصنوعی واقعاً کار می‌کند و چرا اکنون مهم است

سازمان همکاری و توسعه اقتصادی (OECD)، که دولت‌های عضو آن سیاست را در مورد فناوری هماهنگ می‌کنند، سیستم هوش مصنوعی را به عنوان "سیستمی مبتنی بر ماشین که برای اهداف صریح یا ضمنی، از ورودی‌هایی که دریافت می‌کند استنتاج می‌کند، چگونه خروجی‌هایی مانند پیش‌بینی‌ها، محتوا، توصیه‌ها یا تصمیماتی را تولید کند که می‌توانند محیط‌های فیزیکی یا مجازی را تحت تأثیر قرار دهند" تعریف می‌کند. شورای OECD این واژه‌گان را در سال 2023 بازنگری کرد تا دقت فنی را حفظ کند زیرا ابزارهای هوش مصنوعی تولیدی گسترش می‌یابد، طبق توضیح خود سازمان برای این تعریف.

از قوانین نوشته شده به یادگیری از داده‌ها

نرم‌افزار‌های قدیمی‌تر از دستورالعمل‌هایی پیروی می‌کردند که برنامه‌نویسان خط به خط نوشته بودند: اگر X اتفاق بیفتد، Y را انجام دهید. یادگیری ماشین، روشی که در پشت بیشتر هوش مصنوعی فعلی قرار دارد، به جای این کار الگوریتم را تعدادی زیادی از نمونه‌ها می‌دهد و به آن اجازه می‌دهد الگوها را خود کار کند، طبق توضیح فنی IBM در این موضوع. پس از آموزش، سیستم می‌تواند اطلاعات جدید را طبقه‌بندی کند، یک مقدار را پیش‌بینی کند، چیزی غیرعادی را پرچم‌زنی کند، یا بدون اینکه قانون دقیق برای هر مورد داده شود، اقدامی را توصیه کند.

OECD عملیات سیستم هوش مصنوعی را به سه عنصر تقسیم می‌کند. ورودی‌ها داده‌ها، کد یا قوانینی هستند که در سیستم در طول توسعه یا استفاده وارد می‌شود. استنتاج گام است که در آن سیستم یک خروجی را از آن ورودی‌ها مشخص می‌کند، که می‌تواند هنگام ساخت یا پس از نسخه گذاری یک مدل اتفاق بیفتد. خروجی‌ها پیش‌بینی‌ها، محتوا، توصیه‌ها یا تصمیماتی هستند که سیستم تولید می‌کند، که می‌توانند بعداً یک محیط فیزیکی یا مجازی را تحت تأثیر قرار دهند — برای مثال، فرمان گیری یک خودرو، فهرستی از ویدیوهای توصیه شده، یا پاراگراف متنی تولید شده.

آنچه شبکه عصبی در داخل سیستم انجام می‌دهد

روش یادگیری ماشین که امروزه بیشتر استفاده می‌شود شبکه عصبی است، ساختاری که به طور شل بر اساس مغز مدل شده است، از لایه‌های متصلی از گره‌ها ساخته شده است که داده‌ها را با هم پردازش می‌کنند، طبق IBM. برخلاف برنامه سنتی، شبکه عصبی از قبل با قانونی که ورودی را به خروجی متصل می‌کند مطلع نمی‌شود؛ بجای آن بسیاری از جفت‌های ورودی و خروجی به آن نشان داده می‌شود و خود را، از طریق در معرض تکرار، سازگار می‌کند تا بفهمد چه چیزی آنها را متصل می‌کند.

یادگیری عمیق به شبکات عصبی با بسیاری از لایه‌ها اشاره می‌کند — معمولاً لایه ورودی، حداقل سه (و اغلب صدها) لایه پنهان، و لایه خروجی، طبق توضیح IBM. در سیستم تشخیص تصویر، لایه‌های ابتدایی تمایل دارند به ویژگی‌های ساده مانند لبه‌ها یا رنگ‌ها پاسخ دهند، در حالی که لایه‌های عمیق‌تر این‌ها را به اشکال و در نهایت اشیایی قابل تشخیص ترکیب می‌کنند. این ساختار لایه‌ای سیستم‌ها را قادر می‌سازد ویژگی‌های مرتبط را به طور خودکار از داده‌های بدون برچسب استخراج کنند، که بخشی از آنچه است که ابزارهای هوش مصنوعی تولیدی فعلی را ممکن می‌کند.

ساخت مدل هوش مصنوعی تولیدی بزرگ به طور کلی شامل سه مرحله است، طبق IBM: مرحله آموزش اولیه بر روی مجموعات داده عظیم، غالباً بدون برچسب، که می‌تواند هزاران پردازنده تخصصی داشته باشد و میلیون‌ها دلار هزینه داشته باشد؛ مرحله تنظیم که در آن مدل برای وظایف خاص سازگار می‌شود، گاهی با استفاده از بازخورد انسانی؛ و ارزیابی مستمر پس از استقرار برای بررسی و بهبود خروجی‌های آن.

چرا مهم است: تبني و ارقام سرمایه‌گذاری

دستیابی هوش مصنوعی به سرعت با چند معیار که موسسه Human-Centered AI دانشگاه Stanford در گزارش شاخص هوش مصنوعی 2025 پیگیری می‌کند رشد کرده است. بخش سازمان‌هایی که هرگونه استفاده از هوش مصنوعی را گزارش می‌دهند تا 78٪ در سال 2024 افزایش یافت، ارتفاع از 55٪ سال قبل. هوش مصنوعی تولیدی به طور خاص 33.9 میلیارد دلار سرمایه‌گذاری خصوصی جهانی را جذب کرد، افزایش 18.7٪ از 2023. در ایالات متحده، سرمایه‌گذاری خصوصی هوش مصنوعی به 109.1 میلیارد دلار در سال 2024 رسید، کاملاً بیش از 9.3 میلیارد دلار چین و 4.5 میلیارد دلار بریتانیا، طبق گزارش.

گزارش همچنین ثبت‌کرد پرش در عملکرد معیار هوش مصنوعی: در سه آزمایش که در سال 2023 برای اندازه‌گیری سیستم‌های پیشرفته معرفی شد — MMMU، GPQA و SWE-bench — امتیازات بر اساس 18.8، 48.9 و 67.3 نقطه درصدی افزایش یافت. در حوزه‌های تنظیم‌شده، تعداد دستگاه‌های هوش مصنوعی که توسط اداره غذا و دارو ایالات متحده تأیید شده‌اند، از شش در سال 2015 به 223 در سال 2023 افزایش یافت، طبق همان گزارش.

جایی که رقابت ایستاده است

گزارش Stanford همچنین پیگیری کرد کدام کشورها برجسته‌ترین نماذج هوش مصنوعی را در سال 2024 تولید کردند: موسسات مستقر در آمریکا 40 نموذج تولید کردند، در مقابل 15 از چین و سه از اروپا. در همان زمان، شکاف عملکرد بین بهترین مدل‌های آمریکایی و چینی بر معیارهای بزرگ از رقم‌های دو رقمی در سال 2023 به برابری تقریبی در سال 2024 تنگ شد، طبق گزارش.