زمستان هوش مصنوعی: چرخه ای از هیاهو، ناامیدی و بهبودی.
رکود در هوش مصنوعی چیست؟
اصطلاح رکود در توسعه هوش مصنوعی به دورهای اشاره دارد که در آن سرمایهگذاری در زمینه تحقیقات و فناوری کاهش مییابد. این کاهش معمولاً پس از دورههایی از هیجان بیش از حد و انتظاراتی که نتایج رضایتبخشی به همراه ندارند، رخ میدهد. به تازگی سیستمهای مولد هوش مصنوعی مانند GPT-4 و پروژههای مرتبط با گوگل، با وجود تبلیغات فراوان، نتوانستهاند به اندازه کافی رضایت سرمایهگذاران را جلب کنند.
مروری بر تاریخچه رکودهای AI
بر اساس گزارشهای Search Engine Land، رکود در این فناوری همیشه پس از دورههایی از انتظارات بیش از حد و عدم تحقق نتایج رخ داده است. اولین دوره رکود در دهه 1970 زمانی رخ داد که پروژههایی مانند ترجمه ماشینی و تشخیص گفتار نتوانستند نتایج مطلوبی ارائه دهند. در نتیجه، بودجه بسیاری از این پروژهها کاهش یافت.
در دهه 1980، سیستمهای خبره که نویدبخش بودند، دچار مشکلاتی در مواجهه با ورودیهای غیرمنتظره شدند و همین امر به کاهش فعالیتهای تحقیقاتی در این حوزه منجر شد.
مقاومت در برابر رکودهای فناوری
هوش مصنوعی در دهه 1990 همچنان بهطور کند پیشرفت کرد و با چالشهای زیادی همراه بود. حتی پروژههای بزرگی مانند IBM Watson نیز در محیطهای عملی نتوانستند به وعدههای خود عمل کنند و با مشکلاتی از جمله عدم توانایی در تفسیر دادههای پیچیده مواجه شدند.
درسهایی از دورههای رکود گذشته
هر دوره رکود در فناوری هوش مصنوعی، الگویی از انتظارات، ناامیدیها و کاهش سرمایهگذاری را دنبال میکند. این دورهها یادآور اهمیت تحقیق و توسعه بنیادین و تنظیم انتظارات واقعی از فناوری هستند.
آیا در آستانه یک دوره رکود جدید هستیم؟
پس از پیشرفتهای سریع در سال 2023، به نظر میرسد سرعت توسعه هوش مصنوعی کاهش یافته است. مدلهای مولد این فناوری هنوز با مشکلاتی مانند توهمات و محدودیت در درک واقعی دست و پنجه نرم میکنند. همچنین، نگرانیهای مربوط به استفاده از دادهها و اثرات محتواهای تولیدشده توسط این سیستمها، میتواند روند توسعه را کندتر کند.
آینده فناوری AI و تأثیر آن بر کسبوکارها
هنوز نمیتوان با قطعیت درباره آینده این فناوری اظهار نظر کرد. با این حال، اگر نتواند مشکلات کنونی مانند اخلاقیات، امنیت دادهها و دقت سیستمها را برطرف کند، احتمال کاهش سرمایهگذاری و رکود در این صنعت وجود دارد.
در هر صورت، کسبوکارها باید با دقت و رویکردی استراتژیک به این فناوری بپردازند و از اعتماد بیش از حد به آن خودداری کنند.
