تحلیل خوشه‌ای استراتژیهای ملی هوش مصنوعی
زاویه؛ اندیشکده بروکینگز در یک گزارش تحلیلی به بررسی راهبردهای ملی هوش مصنوعی منتشر شده توسط 34 کشور مطرح و پیشگام در این حوزه می‌پردازد. کارشناسان این اندیشکده، پیش‌ازاین نیز به مقایسه دیدگاه‌های ملل مختلف در خصوص پذیرش هوش مصنوعی، میزان سرمایه‌گذاری در فناوری و سرمایه انسانی و توصیه‌‌‌‌هایی برای دستیابی ایالات‌متحده آمریکا به برتری در حوزه هوش مصنوعی پرداخته بودند. در گزارش حاضر، تمرکز بر شناسایی وجوه مشترک در برنامه‌‌های ملی هوش مصنوعی معطوف شده است تا مشخص گردد آیا کشورهای دارای اشتراکات فرهنگی رویکردهای مشابهی را نسبت به هوش مصنوعی اتخاذ می‌کنند یا خیر. این تحلیل با دسته‌بندی کشورها بر اساس شش ویژگی کلیدی در راهبردهای ملی هوش مصنوعی آن‌ها (با تأکید بالا، متوسط یا پایین)، به شناسایی روندهای گسترده‌تر در نحوه مواجهه کشورها با مزایا و خطرات بالقوه هوش مصنوعی می‌پردازد. این شش ویژگی عبارت‌اند از: مدیریت داده، مدیریت الگوریتم، حکمرانی هوش مصنوعی، توسعه ظرفیت، صنایع هدفمند و خدمات عمومی هدفمند. با خوشه‌بندی کشورها بر اساس اولویت‌بندی نسبی این ویژگی‌ها، چشم‌‌‌انداز وسیعی از نحوه مواجهه کشورهای مختلف با هوش مصنوعی ارائه می‌گردد.
مدیریت داده:
در زمینه مدیریت داده، یک خوشه شامل چین، هند و ایالات‌متحده آمریکا بر ارزش داده به‌عنوان دارایی ملی تأکید زیادی دارند. این کشورها مقررات تبادل داده را وضع می‌کنند، بر حریم خصوصی و امنیت داده اولویت می‌دهند، اما تمایلی به اشتراک‌گذاری داده در سطح بین‌المللی ندارند. خوشه متوسطی شامل بلژیک، فنلاند و مکزیک برای تبادل داده‌‌های فرامرزی بازتر هستند، اما به جنبه‌‌های امنیتی کمتر توجه می‌کنند. خوشه کم اهمیتی شامل اتریش، کانادا و سوئد، علاقه کلی کمی به مدیریت جامع داده فراتر از حفاظت اولیه از حریم خصوصی نشان می‌دهند.
مدیریت الگوریتم:
در مدیریت الگوریتم که مسائل مربوط به اخلاق، سوگیری، شفافیت و اعتماد به الگوریتم‌‌های هوش مصنوعی را شامل می‌شود، شکاف واضحی به چشم می‌خورد. کشورهایی مانند استرالیا، روسیه و ایالات‌متحده آمریکا بر تمامی این عناصر تأکید زیادی دارند. خوشه میانی استونی، قطر و اسپانیا فقط بر سوگیری و شفافیت تمرکز می‌کنند. در همین حال، خوشه کم اهمیت شامل اتریش، کانادا و چین، به‌طور کلی نگرانی ناچیزی نسبت به مدیریت الگوریتم نشان می‌دهند.
حکمرانی هوش مصنوعی:
خوشه‌بندی کشورهای مرتبط با حکمرانی هوش مصنوعی، الگوهایی را در رویکردهای ملی به حوزه‌‌‌‌هایی مانند امنیت هوش مصنوعی، مقررات، تأثیرات اجتماعی، خطرات، حقوق مالکیت فکری و قابلیت همکاری آشکار می‌سازد. خوشه حکمرانی قوی، شامل رهبران شناخته شده هوش مصنوعی مانند آلمان، بریتانیا و ایالات‌متحده آمریکا است، اما همچنین کشورهایی با سیستم‌‌های کمتر دموکراتیک مانند چین و روسیه را در بر می‌گیرد. این نشان می‌دهد که این کشورها، علیرغم اینکه ممکن است به‌طور کامل به چنین استانداردهایی در عمل پایبند نباشند، رویکردی مبتنی بر استانداردهای پذیرفته‌شده بین‌المللی را برای حکمرانی هوش مصنوعی اتخاذ می‌کنند. استرالیا، لهستان و سوئد یک خوشه با رویکرد کنترل متوسط را تشکیل می‌دهند، درحالی‌که اتریش، کانادا و ژاپن علاقه کمی به فراتر از اقدامات نظارتی اولیه نشان می‌دهند.
توسعه ظرفیت:
با توجه به توسعه ظرفیت برای پرورش مهارت‌‌های هوش مصنوعی، خوشه‌بندی‌ها نشان می‌دهد که برخی از کشورها قصد دارند از طیف وسیعی از منابع مانند تحقیق و توسعه چندبخشی، تأمین مالی، آموزش در سطوح مختلف و حمایت از استارتاپ‌ها استفاده کنند. سایر خوشه‌ها بیشتر بر روی یک حوزه خاص تمرکز می‌کنند و بر روی تحقیق و توسعه همراه با آموزش پایه یا صرفاً منابع آموزش عمومی تأکید دارند. نتایج این بررسی‌ها اثبات می‌کند که نوآوری در مدل‌‌های کسب‌وکار در همه استراتژیهای ملی کم‌رنگ است، به این دلیل که احتمالاً عدم بلوغ نسبی هوش مصنوعی مانع از در نظر گرفتن چنین رویکردهای تحول‌آفرینی در این مرحله می‌شود.
صنایع هدفمند:
در حوزه صنایع هدفمند با اولویت بالا، کشورهای پیشرو مانند آمریکا، چین و انگلستان قصد دارند از هوش مصنوعی در طیف گسترده‌ای از بخش‌ها از جمله مالی، تولید، فناوری، انرژی و مراقبت‌‌های بهداشتی استفاده کنند. خوشه متوسط بر روی فناوری، انرژی، کشاورزی و سلامت تمرکز بیشتری دارد. قابل توجه است که هیچ کشوری قصد خود برای استفاده از هوش مصنوعی در صنعت گردشگری یا دفاعی را اعلام نکرده است، با وجود شواهدی مبنی بر سرمایه‌گذاری قابل توجه آمریکا در قابلیتهای هوش مصنوعی مرتبط با صنایع دفاعی که البته مغایر با نشانه‌‌های راهبرد ملی این کشور است.
خدمات عمومی هدفمند:
با تمرکز بر خدمات عمومی هدفمند برای پیاده‌سازی هوش مصنوعی، خوشه با هدف بالا بیشتر حوزه‌ها مانند امنیت عمومی، مراقبت‌‌های بهداشتی، حمل‌ونقل و فناوری اطلاعات و ارتباطات (ICT) را پوشش می‌دهد. تأکید خوشه با هدف متوسط به مراقبت‌‌های بهداشتی، حمل‌ونقل و فناوری اطلاعات و ارتباطات محدود شده است. خوشه با هدف پایین تنها بر روی مراقبت‌‌های بهداشتی تمرکز کمی دارد. نکته قابل توجه در همه خوشه‌ها، عدم تأکید بر استفاده از هوش مصنوعی در خدمات مربوط به مهاجرت و خدمات قضایی است.
جالب توجه است که کشورهایی که در خوشه «حکمرانی متوسط هوش مصنوعی» قرار می‌گیرند (کشورهایی که بر مقررات و امنیت تأکید بیشتری می‌کنند)، ظرفیت زیرساختی بالاتری را نشان می‌دهند. این امر نشان می‌دهد که توانمندی‌‌های موجود در حوزه زیرساخت‌ها، سیاست‌‌های ملی را به سمت ایمن‌سازی سیستم‌ها سوق می‌دهد. از سوی دیگر، کشورهایی که بر مدیریت ضعیف الگوریتم تأکید دارند، تمایل به فعالیت در محیط‌‌های نظارتی ضعیف‌تر دارند که نیازمند توسعه سیاست‌‌های بیشتر در حوزه هوش مصنوعی است. نکته‌ی کلیدی این است که ضعف در تأکید دولت‌ها بر استفاده از هوش مصنوعی در خدمات عمومی با عملکرد ضعیف ملی در تحقیق، توسعه، تدوین استراتژی و نوآوری و سرمایه‌گذاری بخش خصوصی در هوش مصنوعی همبستگی منفی دارد. این امر نقش محوری رهبری بخش دولتی در پذیرش هوش مصنوعی به‌عنوان محرک برای دستیابی به نتایج مثبت گسترده‌تر را نشان می‌دهد.
با انجام یک جمع‌بندی از نتایج به دست آمده، می‌توان گفت که در حال حاضر، استراتژی ملی هوش مصنوعی ایالات‌متحده آمریکا فهرست امکانات جامع و گسترده‌ای از قابلیتهای راهبردی را ارائه می‌دهد، اما اجرای مؤثر آن در تمام حوزه‌ها چالش بزرگی برای این کشور است. در مقابل، تمرکز شدید چین بر توسعه ظرفیت ممکن است موقعیت این کشور را برای دستیابی به برتری در حوزه هوش مصنوعی تقویت کند. از سوی دیگر، کشورهایی که از این قافله عقب هستند، لازم است برای جبران عقب‌ماندگی در سیاست‌گذاری و مهارت‌آموزی سرمایه‌گذاری بیشتری انجام دهند.
نتایج این تحلیل به خوبی نشان می‌دهد که چگونه کشورهای مختلف با رویکردهای متفاوتی به دنبال توازن بین بهره‌مندی از مزایای بالقوه هوش مصنوعی و کاهش خطرات آن هستند. اگرچه استراتژیهای ملی در حال حاضر بیشتر ماهیت آرمانی دارند، اما این ترسیم اولیه اولویت‌ها، بینشی درباره مسیرهای فنی و سیاستی گوناگونی که کشورها قصد دارند در رابطه با هوش مصنوعی دنبال کنند، ارائه می‌دهد.
مطالب مرتبط
