آیا دوران طلایی هوش مصنوعی به پایان رسیده است؟
بسیاری از کارشناسان ناظر حیطه هوش مصنوعی اکنون درباره محدودیت‌های مدل‌های زبانی بزرگ که پایه و اساس سرویس‌هایی مانند چت‌بات ChatGPT هستند، تردید دارند. شرکت‌های بزرگ فناوری ده‌ها میلیارد دلار برای مدل‌های AI هزینه کرده‌اند و حتی درمورد سرمایه‌گذاری‌های آینده وعده‌های بزرگ‌تری داده‌اند. بااین‌حال طبق آخرین داده‌های اداره سرشماری، فقط 5.1 درصد شرکت‌های آمریکایی از AI برای تولید کالاها و خدمات استفاده می‌کنند که نسبت به زمان اوج استفاده 5.4 درصدی استفاده از آن در اوایل سال جاری، کاهش یافته است. در ماه‌های آینده نیز تقریباً شاهد همین میزان کاهش هستیم.
چرخه هایپ AI درحال تکمیل است؟
اگر این مسائل را با یک فعال حوزه فناوری در میان بگذاریم، او با ترکیبی از ناامیدی و ترحم به شما واکنش نشان خواهد داد. آیا تاکنون چیزی درباره اصطلاح «چرخه هایپ یا سیکل هایپ» (Hype cycle) شنیده‌اید؟ این اصطلاح را شرکت پژوهشی گارتنر (Gartner) سر زبان‌ها انداخته و در سیلیکون ولی به‌خوبی شناخته شده است. چرخه هایپ ۵ مرحله دارد که برخی فناوری‌ها آن‌ها را طی می‌کنند.
نخستین مرحله از چرخه هایپ ماشه فناوری (innovation Trigger) است که به ظهور فناوری‌های جدید مربوط می‌شود. فناوری‌های جدید پس از پیدایش، وارد دومین مرحله از چرخه تحت عنوان اوج انتظارات (Peak of Inflated Expectations) می‌شوند که در حقیقت دوره‌ای اولیه از خوش‌بینی غیرمنطقی درباره فناوری خاص و سرمایه‌گذاری بیش‌ازحد روی آن‌هاست؛ فناوری‌ها پس از گذر از این مرحله، وارد مرحله سوم به نام شیب سرخوردگی (Trough of Disillusionment) می‌شوند. در این مرحله، نگرش‌ها نسبت به فناوری منفی و همه نگران این موضوع می‌شوند که پذیرش فناوری به‌کندی پیش می‌رود و کسب سود از آن دشوار است. بااین‌حال همان‌طور که شب روز می‌شود، برخی فناوری‌ها به دوران محبوبیت خود بازمی‌گردد. در چرخه هایپ چنین دورانی زا مرحله شیب روشنگری (Slope of Enlightenment) می‌نامند. چنانچه سرمایه‌گذاری‌ها روی فناوری با خوش‌بینی باشند، ایجاد زیرساخت‌های عظیم را به دنبال دارند که به‌نوبه خود فناوری را به‌سمت پذیرش عمومی سوق می‌دهند؛ چنین مرحله‌ای مرحله نهایی چرخه هایپ است که آن را سطح سوددهی (Plateau of Productivity) نامیده‌اند. آیا چرخه هایپ راهنمای مفیدی برای آینده هوش مصنوعی در جهان است؟
برخی فناوری‌های قدیمی مراحل چرخه هایپ را کاملاً طی کرده‌اند؛ مثلاً قطارها که مثالی کلاسیک هستند. تب راه‌آهن در قرن نوزدهم بریتانیا را فراگرفت. همه از چارلز داروین (Charles Darwin) تا جان استوارت میل (John Stuart Mill) به امید بازدهی بی‌نقص، پولشان را در سهام راه‌آهن سرمایه‌گذاری کردند؛ حباب بازار سهام ایجاد کردند. این بازار سقوط کرد؛ پس از این اتفاق، شرکت‌های راه‌آهن با استفاده از سرمایه‌ای که در دوران اوج محبوبیت قطارها جمع کرده بودند، مسیرها را ساختند و بریتانیا را از بالا به پایین متصل و اقتصاد را متحول کردند؛ به‌این‌ترتیب چرخه هایپ فناوری قطار کامل شد.
فناوری اینترنت نیز در چند دهه گذشته مراحل چرخه هایپ را طی کرده است. در دهه 1990، هیجان زیادی درمورد این فناوری وجود داشت و آینده‌نگران پیش‌بینی می‌کردند در چند سال همه خریدهایسان را آنلاین انجام خواهند داد. در سال 2000 بازار سقوط کرد و باعث شکست 135 شرکت بزرگ وابسته به اینترنت موسوم به شرکت‌های دات‌کام شد؛ از garden.com گرفته تا pets.com. نتیجه مهم‌تر این بود که تا آن زمان شرکت‌های مخابراتی میلیاردها دلار روی کابل‌های فیبر نوری سرمایه‌گذاری کرده بودند که درنهایت به زیرساخت‌های اینترنت امروزی تبدیل شدند.
اگرچه AI هنوز تجربه‌ای مشابه سقوط راه‌آهن یا شرکت‌های دات‌نت نداشته است، طبق گفته برخی کارشناسان، نگرانی‌های فعلی نشان‌دهنده گسترش این فناوری در آینده در سراسر جهان است. نوح اسمیت (Noah Smith)، مفسر اقتصادی درمورد این موضوع این‌چنین می‌گوید:
«آینده هوش مصنوعی مانند هر فناوری دیگری خواهد بود؛ ابتدا زیرساختی بزرگ و گران‌قیمت برای آن ایجاد می‌شود اما پس‌ازآن وقتی مردم متوجه می‌شوند واقعاً نمی‌دانند چگونه از این فناوری به‌طور مؤثر استفاده کنند، شاهد سقوطی بزرگ خواهیم بود. در مرحله بعدی، وقتی مردم با شیوه استفاده مؤثر از AI آشنا شوند، این فناوری آهسته و به‌تدریج احیا خواهد شد.»
آینده‌ای روشن یا افول؟
آیا واقعاً هوش مصنوعی در آینده مراحل سیکل هایپ را طی خواهد کرد، شاید نه. نسخه‌های هوش مصنوعی دهه‌ها دوره‌های محبوبیت و شکست را با فرازونشیب همراه مشارکت و سرمایه‌گذاری‌های علمی و دانشگاهی تجربه کرده‌اند؛ اما شاهد حرکت آن‌ها در مسیر مراحل چرخه هایپ نبوده‌ایم؛ در دهه ۱۹۶۰ هیجان زیادی درباره فناوری‌های مرتبط با هوش مصنوعی وجود داشت که یکی از آن‌ها ELIZA (الیزا)، چت‌باتی اولیه بود. پس از دوران محبوبیت AI، زمستان این فناوری در دهه‌های ۱۹۷۰ و ۱۹۹۰ فرارسید؛ تا سال ۲۰۲۰ تمایل و علاقه به تحقیق درمورد هوش مصنوعی روبه‌کاهش بود اما با پیدایش فناوری هوش مصنوعی مولد وضعیت تغییر کرد و دوباره پژوهش‌های حوزه AI اوج گرفت.
در ضمن، برخی دیگر از فناوری‌های تأثیرگذار دیگر هم در سیر تکامل و رسیدن به مرحله پذیرش عمومی گسترده خود، اصلاً مراحل چرخه هایپ را طی نکرده‌اند؛ مثلاً رایانش ابری بدون هیچ شور و هیجان و بدون شکست از صفر به صد رسید. به نظر می‌رسد سیر تکامل انرژی خورشیدی و رسانه‌های اجتماعی نیز به همین شکل بوده است.
شرکت‌های فردی مانند مای اسپیس (Myspace) قبل از رسیدن به هدف تعیین‌شده‌شان متوقف شده‌اند. ابتدا نگرانی‌هایی درمورد اینکه آیا این شرکت پول‌ساز خواهد شد یا نه، وجود داشت اما میزان پذیرش آن از سوی مصرف‌کنندگان نهایی به‌صورت یکنواختی افزایش یافت. از سوی دیگر، محبوبیت بسیاری از فناوری‌های ازبین‌رفته در وضعیت بدی گرفتار شده‌اند اما عموم مردم به‌هیچ‌وجه (یا حداقل هنوز) به معنای واقعی کلمه آن‌ها را نپذیرفته‌اند. فناوری Web3 را به خاطر دارید؟ مردم مدتی گمان می‌کردند روزی همه در خانه چاپگری سه‌بعدی خواهند داشت. چنین نگرشی مدت کوتاهی درباره نانولوله‌های کربنی نیز ایجاد شد.
متأسفانه، بررسی این موضوع که سیکل هایپ قاعده‌ای تجربی است یا خیر، آسان نیست. ای‌تان مولیک (Ethan Mollick) از دانشگاه پنسیلوانیا درباره این موضوع این‌چنین می‌گوید:
«ازآن‌جاکه داده‌های چرخه هایب مبتنی بر احساسات هستند، ارائه اطلاعات قطعی درمورد آن‌ها سخت است اما تلاش کرده‌ایم درباره آن اطلاعات قطعی ارائه دهیم و اقدامات مایکل مولانی (Michael Mullany)، سرمایه‌گذار، در سال ۲۰۱۶ را گسترش دهیم.»
نتایج بررسی‌ها نشان داده چرخه هایپ به‌ندرت در سیر تکاملی فناوری‌ها طی شده است. بررسی فناوری‌های پیشرفته طی سال‌ها نشان داده فقط میزان کمی از آن‌ها (شاید یک‌پنجم)، از مرحله نوآوری به محبوبیت و رشد و سپس به شکست و سرخوردگی و درنهایت به مرحله پذیرش گسترده رسیده‌اند. بسیاری از فناوری‌ها بدون طی‌کردن مسیری این‌چنین پرفرازونشیب، به‌صورت گسترده مورداستفاده قرار می‌گیرند. برخی دیگر از مرحله شکوفایی به شکست می‌رسند اما عموم مردم آن‌ها را نمی‌پذیرند. طبق تخمین ما از تمام اشکال فناوری که وارد مرحله سرخوردگی می‌شوند، ۶ مورد از ۱۰ مورد از این مرحله خارج نمی‌شوند! نتیجه‌گیری ما مشابه نتیجه‌گیری آقای مایکل مولانی (Michael Mullany) است که به این نتیجه رسیده تعداد نگران‌کننده‌ای از فناوری‌های جدید و پرطرفدار عمر زیادی ندارند!
هوش مصنوعی هنوز می‌تواند جهان را متحول کند. ممکن است یکی از شرکت‌های بزرگ فناوری پیشرفت ارزنده‌ای بکند. همچنین ممکن است کسب‌وکارها به مزایایی که AI برای آن‌ها به ارمغان آورده، پی ببرند اما درحال‌حاضر چالش سخت پیش روی شرکت‌های بزرگ فناوری این است که ثابت کنند AI دستاورد قابل‌توجهی برای ارائه به اقتصاد واقعی دارد؛ هیچ تضمینی برای موفقیت این فناوری وجود ندارد. اگر باید برای درک آینده هوش مصنوعی به تاریخ فناوری مراجعه کنید، چرخه هایپ نمی‌تواند اطلاعات کاملی به شما بدهد. درمورد آینده AI عبارت معروف «چیزی که آسان به دست می‌آید، آسان هم از دست می‌رود.»، بیشتر صدق می‌کند!
