ممکن است این بزرگ‌ترین قمار در تاریخ تجارت باشد. جنون امروزی برای هوش مصنوعی با راه‌اندازی Chatgpt در پایان نوامبر ۲۰۲۲ آغاز شد. چت ربات شرکت Openai در عرض چند هفته ۱۰۰ میلیون کاربر را به خود جذب کرد، یعنی سریع‌تر از هر محصول دیگری در تاریخ. سرمایه‌گذاران هم از این جریان عقب نماندند. انتظار می‌رود هزینه‌های مربوط به مراکز داده هوش مصنوعی بین سال‌های ۲۰۲۴ تا ۲۰۲۷ بیش از ۱٫۴ هزار میلیارد دلار باشد. ارزش بازار شرکت انویدیا، پیشروترین سازنده تراشه‌های هوش مصنوعی در جهان، اکنون ۸ برابر شده و به بیش از ۳ هزار دلار رسیده است.
بااین‌حال، بیشتر شرکت‌ها هنوز مطمئن نیستند که این فناوری چه توانایی‌هایی در چنته دارد؛ یا ندارد؛ یا بهترین کاربرد آنچه می‌تواند باشد. در سرتاسر اقتصاد آمریکا، تنها ۵ درصد از مشاغل آمریکایی می‌گویند که از هوش مصنوعی در محصولات و خدمات خود استفاده می‌کنند. تعداد کمی از استارت‌آپ‌ها هوش مصنوعی در حال سود آفرینی هستند و محدودیت‌های انرژی و داده در ساخت مدل هوش مصنوعی به‌طور پیوسته شدیدتر می‌شوند.اختلاف سطح میان اشتیاق سرمایه‌گذاران و واقعیت تجاری هوش مصنوعی غیرقابل‌دفاع به نظر می‌رسد. به‌این‌ترتیب سال ۲۰۲۵ در حال شکل گرفتن در قالب یک سال پرفشار است؛ فشار رقابت برای ایجاد هوش مصنوعی با کارآمدی و کارایی بالاتر، پیش از اینکه سرمایه‌گذاران اشتیاق خود را از دست بدهند.
اگر از لبه تیغ نوآوری آغاز کنیم، محدودیت‌های متعددی وجود دارند تا سرعت جابه‌جایی مرزهای فناوری را کاهش دهند. آموزش دادن مدل‌های بزرگ هوش مصنوعی به انرژی زیادی نیاز دارد. برق مورداستفاده برای آموزش gpt-۴، مدل زبان بزرگی که زیربنای Chatgpt است، می‌توانست به مدت یک سال انرژی ۵ هزار خانه آمریکایی را تأمین کند. این رقم برای gpt-۳، یعنی نسخه پیشین، ۱۰۰ بود. بنابراین، توسعه مدل‌های بزرگ‌تر و جنجالی‌تر به جیب‌های عمیق‌تری نیاز دارد. طبق برخی برآوردها، آموزش نسل بعدی مدل‌ها ممکن است ۱ .میلیارد دلار هزینه داشته باشد و هر چه این مدل‌ها بزرگ‌تر شوند، هزینه آموزش آن‌ها بیشتر خواهد شد. در همین حال، کمبود داده‌های آموزشی هم مشکلی دیگر است. طبق یک تخمین، ذخیره داده‌های متنی باکیفیت بالا در اینترنت تا سال ۲۰۲۸ تمام خواهد شد.
شرکت‌ها در سرتاسر جهان عجله دارند تا راه‌حل‌های هوشمندانه‌ای برای این مشکلات ارائه کنند؛ از ساخت تراشه‌های کارآمدتر و تخصصی‌تر گرفته تا ابداع مدل‌های تخصصی‌تر و کوچک‌تر که نیاز به انرژی کمتری دارند. گروهی دیگر در حال رؤیاپردازی برای بهره‌برداری از منابع داده باکیفیت بالا مانند کتاب‌های درسی یا تولید داده‌های مصنوعی برای استفاده در آموزش هوش مصنوعی هستند. اینکه آیا این اقدامات و طرح‌ها منجر به پیشرفت تدریجی در فناوری هوش مصنوعی خواهد شد یا جهش بزرگ بعدی را مقرون‌به‌صرفه و امکان‌پذیر خواهد ساخت یا نه، مشخص نیست. سرمایه‌گذاران پول خود را به شرکت‌های فوق ستاره‌ای مانند Openai سرازیر کرده‌اند؛ اما در عمل تفاوت چندانی در عملکرد و قابلیت‌ها بین مدل‌های پرچم‌دار ارائه‌شده توسط Openai، Anthropic و Google وجود ندارد و شرکت‌های دیگری ازجمله متا، میسترال و xai هم بافاصله نزدیکی قرارگرفته‌اند.
از سویی دیگر کاربران نهایی هوش مصنوعی با نوع دیگری از چالش مواجه هستند، زیرا افراد و شرکت‌ها سعی می‌کنند بهترین روش استفاده از این فناوری را متناسب با نوع کسب‌وکار خود بیابند. این کار نیاز به زمان دارد؛ سرمایه‌گذاری‌ها باید انجام شود، در مورد فرآیندها تجدیدنظر شود و کارگران دوباره آموزش ببینند. در حال حاضر برخی از صنایع در پذیرش هوش مصنوعی جلوتر از سایرین هستند. به‌عنوان‌مثال، یک‌پنجم شرکت‌های فناوری اطلاعات مدعی هستند از هوش مصنوعی استفاده می‌کنند و هرچه فناوری پیچیده‌تر و پیشرفته‌تر می‌شود، مانند ورود سیستم‌های عامل هوش مصنوعی موسوم به Agentic در سال ۲۰۲۵ که قادر به برنامه‌ریزی و اجرای وظایف پیچیده‌تر هستند، ممکن است پذیرش سرعت بیشتری پیدا کند.
اما فرهنگ نیز مهم است. اگرچه تعداد کمی از شرکت‌ها به کارشناسان آماری می‌گویند که از هوش مصنوعی استفاده می‌کنند، یک‌سوم کارمندان در آمریکا هفته‌ای یک‌بار از این فناوری برای انجام کار خود استفاده می‌کنند. در برخی از مشاغل این رقم حتی بالاتر است. یک مطالعه نشان داد که ۷۸ درصد از مهندسان نرم‌افزار در آمریکا حداقل به‌صورت هفتگی از هوش مصنوعی استفاده می‌کنند که در مقایسه با ۴۰ درصد سال ۲۰۲۳ جهشی قابل‌توجه را نشان می‌دهد. همچنین ۷۵ درصد کارکنان منابع انسانی به استفاده از این فناوری رو آورده‌اند درحالی‌که این رقم سال گذشته ۳۵ درصد بود. همچنین شرکت Openai می‌گوید که ۷۵ درصد از درآمد این شرکت به‌طور واضح، از مصرف‌کنندگان عادی به دست می‌آید تا اشتراک‌های شرکتی.
همه این‌ها نشان می‌دهد که بخش بزرگی از استفاده از هوش مصنوعی به‌صورت مخفیانه رخ می‌دهد، زیرا کارمندان از آن برای ساده‌سازی کارهایی مانند بازنویسی متن یا تولید گزارش استفاده می‌کنند. کارمندان این نگرانی رادارند که اگر به استفاده از هوش مصنوعی برای انجام سریع‌تر کارهای خود اعتراف کنند، کارفرمایان به آن‌ها کار بیشتری می‌دهند، یا این اقدام را به‌عنوان سیگنالی در نظر بگیرند که به کارگران کمتری نیاز دارند. این به‌نوبه خود نشان می‌دهد که پذیرش هوش مصنوعی به همان اندازه که یک چالش مدیریتی است که یک چالش فناورانه هم است. برای استفاده حداکثری از این فناوری، روسا باید محیطی را ایجاد کنند که به‌جای پنهان‌کاری و سوءظن، تشویق به شفاف بودن و آزمایش کند.
همچنین هوش مصنوعی را می‌توان برای کارهایی فراتر از سرعت بخشیدن به کاغذبازی‌های اداری استفاده کرد. ممکن است در سال ۲۰۲۵، برجسته‌ترین پیشرفت‌های هوش مصنوعی در حوزه‌های دیگری رخ دهند؛ مانند توسعه دارو؛ اولین داروهای مشتق شده از هوش مصنوعی ممکن است وارد مرحله سوم آزمایش‌های بالینی شوند؛ یا دفاع ؛با افزودن داده‌های هوش مصنوعی به پهپادها که کلیدی‌ترین سامانه تسلیحاتی آینده به شمار می‌روند. درواقع، غرب نگران این است که چین از هوش مصنوعی برای به دست آوردن مزیت نظامی و اقتصادی استفاده خواهد کرد.
ازقضا، مهندسان چینی در نوآوری در مورد محدودیت‌های منابع مهارت خاصی پیداکرده‌اند، تا حدی به این دلیل که کنترل‌های صادرات آمریکا دسترسی آن‌ها به تراشه‌های هوش مصنوعی را محدود کرده است. بنابراین، رقابت هوش مصنوعی در سال ۲۰۲۵ شکل‌های مختلفی به خود خواهد گرفت. بااین‌حال، نقطه‌ای که سرمایه‌گذاران را عصبی خواهد کرد، اغلب زمانی است که فناوری‌های جدید بی‌سروصدا شروع به محبوب شدن می‌کنند. آیا حباب هوش مصنوعی در سال ۲۰۲۵ می‌ترکد یا این فناوری شروع به ارائه خدمات خواهد کرد؟ پاسخ در سال ۲۰۲۵ ممکن است این باشد: کمی از هر دو.
منبع: سالنامه اکونومیست (جهان پیش رو ۲۰۲۵)