به گزارش خبرگزاری خبرآنلاین، گزارش ۲۰۲۶ شاخص هوش مصنوعی دانشگاه استنفورد از افزایش توانایی مدل‌های پیشرو و گسترش استفاده سازمانی از این فناوری خبر می‌دهد. در عین حال، این گزارش هشدار می‌دهد که آموزش، ارزیابی و سازوکارهای حکمرانی هوش مصنوعی با سرعت پیشرفت آن همگام نشده‌اند. بنابراین، پرسش آینده فقط این نیست که هوش مصنوعی چه کارهایی می‌تواند انجام دهد؛ بلکه این است که چگونه می‌توان از آن به شکلی امن، مسئولانه و سودمند استفاده کرد.
هوش مصنوعی در آینده چه شکلی خواهد داشت؟
یکی از روندهای مهم، حرکت از ابزارهای صرفاً پاسخ‌گو به‌سوی عامل‌های هوشمند است. چت‌بات معمولی به پرسش کاربر پاسخ می‌دهد؛ اما یک عامل هوشمند می‌تواند هدفی را دریافت کند، برای انجام آن برنامه بریزد، از ابزارهای مختلف کمک بگیرد و نتیجه را بررسی کند.
برای مثال، کاربر ممکن است به‌جای جست‌وجوی جداگانه بلیت، اقامتگاه و مسیر سفر، از یک دستیار هوشمند بخواهد گزینه‌ها را مقایسه کند و برنامه‌ای پیشنهادی بسازد. بااین‌حال، هرچه این ابزارها از تولید پاسخ به انجام اقدام نزدیک‌تر شوند، اهمیت نظارت انسانی بیشتر می‌شود؛ زیرا خطای یک سامانه خودکار ممکن است پیامد واقعی داشته باشد.
روند دیگر، گسترش هوش مصنوعی چندوجهی است؛ یعنی ابزارهایی که می‌توانند متن، تصویر، صدا، ویدئو و داده‌های ساختاریافته را در کنار هم پردازش کنند. در نتیجه، دستیارهای دیجیتال احتمالاً توانایی انجام مجموعه‌ای گسترده‌تر از کارها را پیدا خواهند کرد.
آینده شغل‌ها؛ آیا هوش مصنوعی جای انسان را می‌گیرد؟
پاسخ کوتاه این است که احتمالاً بسیاری از شغل‌ها یک‌باره ناپدید نمی‌شوند، اما وظایف داخل آن‌ها تغییر می‌کند. هوش مصنوعی ممکن است بخشی از کار روزانه نویسنده، حسابدار، برنامه‌نویس، طراح یا کارشناس پشتیبانی را خودکار کند؛ در همان حال، وظایفی که به قضاوت، ارتباط انسانی، خلاقیت و مسئولیت‌پذیری نیاز دارند همچنان باقی بمانند یا اهمیت بیشتری پیدا کنند.
گزارش «آینده مشاغل ۲۰۲۵» مجمع جهانی اقتصاد پیش‌بینی می‌کند تا سال ۲۰۳۰ حدود ۱۷۰ میلیون شغل ایجاد و ۹۲ میلیون شغل جابه‌جا یا حذف شود؛ یعنی برآیند این تغییرات، افزایش خالص ۷۸ میلیون شغل باشد. این ارقام پیش‌بینی‌اند، نه نتیجه قطعی؛ اما نشان می‌دهند که مهارت‌ها می‌توانند سریع‌تر از عنوان‌های شغلی تغییر کنند.
در این گزارش، هوش مصنوعی و داده‌های بزرگ از مهارت‌های رو به رشد معرفی شده‌اند. تفکر خلاق، انعطاف‌پذیری، تاب‌آوری و یادگیری مداوم نیز اهمیت بیشتری پیدا می‌کنند. برای بسیاری از افراد، آمادگی به معنای برنامه‌نویس‌شدن نیست؛ بلکه آشنایی با ابزارهای هوش مصنوعی، توانایی ارزیابی خروجی آن و مهارت حل مسئله است.
آموزش؛ معلم حذف نمی‌شود، اما یادگیری تغییر می‌کند
هوش مصنوعی می‌تواند آموزش را شخصی‌تر کند. یک دستیار آموزشی ممکن است برای یک دانش‌آموز مفهوم ریاضی را با تصویر توضیح دهد و برای دانش‌آموز دیگر تمرین مرحله‌به‌مرحله پیشنهاد کند. این ابزارها همچنین می‌توانند سرعت و سطح توضیح را با نیاز یادگیرنده هماهنگ کنند.
اما اگر دانش‌آموز به‌جای فکرکردن و تمرین، تمام مسئله را به هوش مصنوعی بسپارد، ممکن است پاسخ آماده بگیرد، بی‌آنکه چیزی بیاموزد. ازاین‌رو، آموزش آینده احتمالاً بیش از پیش بر پرسشگری، تحلیل منابع، راستی‌آزمایی و توضیح‌دادن مسیر رسیدن به پاسخ تکیه خواهد کرد.
چالش اصلی نه ممنوعیت کامل این ابزارهاست و نه استفاده بی‌قیدوشرط از آن‌ها؛ بلکه یافتن روش‌هایی است که هوش مصنوعی را به ابزار یادگیری تبدیل کند، نه جایگزین آن.
پزشکی و سلامت؛ کمک به تشخیص، بدون کنارگذاشتن متخصص
هوش مصنوعی می‌تواند در تحلیل تصاویر پزشکی، شناسایی الگوها، پژوهش دارویی، خلاصه‌سازی پرونده‌ها و پشتیبانی از تصمیم‌گیری پزشکان به کار رود. این فناوری ممکن است به بررسی سریع حجم زیادی از اطلاعات کمک کند، اما نتیجه به کیفیت داده‌ها، اعتبار مدل و شرایط هر بیمار وابسته است.
در پزشکی، خطا می‌تواند پیامد جدی داشته باشد؛ بنابراین، هوش مصنوعی را نباید جایگزین کامل پزشک دانست. پاسخ یک سامانه درباره علائم بیماری نیز معادل تشخیص پزشکی نیست و در موارد مهم باید با متخصص مشورت کرد.
اقتصاد و کسب‌وکار؛ کار ارزان‌تر، رقابت شدیدتر
هوش مصنوعی می‌تواند هزینه بعضی کارهای اطلاعاتی، مانند تولید پیش‌نویس، تحلیل داده، پاسخ‌گویی به مشتری و ساخت نمونه اولیه نرم‌افزار را کاهش دهد. این تغییر ممکن است ورود کسب‌وکارهای کوچک‌تر به برخی بازارها را آسان‌تر کند، اما رقابت را نیز افزایش می‌دهد.
وقتی تولید متن، تصویر یا نمونه اولیه محصول سریع‌تر و ارزان‌تر شود، مزیت کسب‌وکارها بیشتر به کیفیت ایده، شناخت مشتری، اعتماد و تجربه کاربری وابسته خواهد بود. ابزار به‌تنهایی بهره‌وری را تضمین نمی‌کند؛ سازمان‌ها برای استفاده مؤثر به داده مناسب، فرایند روشن و نیروی انسانی آموزش‌دیده نیاز دارند.
انرژی؛ هزینه پنهان هوش مصنوعی
مدل‌های هوش مصنوعی به تراشه‌ها، سرورها و مراکز داده وابسته‌اند و این زیرساخت‌ها برق مصرف می‌کنند. آژانس بین‌المللی انرژی درباره رشد مصرف برق مراکز داده، به‌ویژه مراکز مرتبط با هوش مصنوعی، هشدار داده است.
در مقابل، بهبود بهره‌وری انرژی می‌تواند هزینه پردازش هر درخواست را کاهش دهد. بنابراین، میزان مصرف آینده به دو عامل وابسته است: افزایش استفاده از هوش مصنوعی و پیشرفت در کارآمدترکردن زیرساخت‌ها. دسترسی به برق، تراشه و شبکه نیز بخشی از آینده این فناوری خواهد بود.
حریم خصوصی، خطا و اعتماد
هرچه هوش مصنوعی بیشتر وارد زندگی روزمره شود، اهمیت حفاظت از داده‌ها نیز افزایش می‌یابد. پیش از واردکردن اطلاعات هویتی، مالی، کاری یا اسناد محرمانه به یک ابزار، باید سیاست‌های حریم خصوصی آن را بررسی کرد.
مدل‌های هوش مصنوعی ممکن است پاسخی روان و قانع‌کننده تولید کنند که بخشی از آن نادرست باشد. به همین دلیل، سواد هوش مصنوعی اهمیت پیدا می‌کند: توانایی پرسیدن سؤال روشن، بررسی منبع، مقایسه پاسخ‌ها و تشخیص زمان نیاز به نظر متخصص.
ارزیابی خود مدل‌ها نیز باید به‌روز شود. بعضی آزمون‌ها با پیشرفت فناوری دیگر توانایی کافی برای سنجش تفاوت میان مدل‌ها ندارند؛ بنابراین، آینده هوش مصنوعی قابل‌اعتماد به روش‌های ارزیابی بهتر و شفافیت بیشتر نیاز دارد.
اینترنت و جست‌وجو؛ از پیدا کردن لینک تا دریافت پاسخ
موتورهای جست‌وجوی سنتی معمولاً فهرستی از صفحه‌ها نشان می‌دهند و کاربر باید اطلاعات را خودش از میان آن‌ها پیدا کند. جست‌وجوی مبتنی بر هوش مصنوعی می‌تواند پاسخ‌هایی ترکیبی ارائه دهد و در بعضی موارد، تعداد مراحل لازم برای یافتن اطلاعات را کاهش دهد.
این تغییر برای تولیدکنندگان محتوا نیز مهم است. تکرار عبارت‌های کلیدی به‌تنهایی کافی نیست؛ محتوای دقیق، روشن، قابل بررسی و مفید برای مخاطب اهمیت بیشتری پیدا می‌کند. محتوای خوب باید به پرسشی واقعی پاسخ دهد، تجربه یا اطلاعات معتبر ارائه کند و صرفاً برای فریب‌دادن الگوریتم ساخته نشده باشد.
چه مهارت‌هایی در آینده مهم‌تر می‌شوند؟
برای آمادگی در برابر تغییرات پیشرو، این مهارت‌ها می‌توانند مفید باشند:
- سواد دیجیتال و آشنایی با ابزارهای هوش مصنوعی
- تفکر انتقادی و راستی‌آزمایی اطلاعات
- حل مسئله و تفکر خلاق
- ارتباط مؤثر و انعطاف‌پذیری
- یادگیری مداوم و سازگاری با تغییر
پرامپت‌نویسی نیز می‌تواند کمک‌کننده باشد، اما فقط به حفظ‌کردن عبارت‌های آماده محدود نمی‌شود. پرسیدن سؤال روشن، توضیح زمینه و مشخص‌کردن قالب پاسخ اهمیت دارد. افزون بر آن، شناخت موضوع لازم است تا کاربر بتواند خطاهای احتمالی خروجی را تشخیص دهد.
آینده هوش مصنوعی را نمی‌توان فقط با تصور ربات‌های انسان‌نما یا پیش‌بینی حذف گسترده شغل‌ها توضیح داد. این فناوری به‌تدریج وارد بخش‌های مختلف زندگی می‌شود؛ از جست‌وجو و آموزش تا پزشکی، کسب‌وکار، تولید محتوا و مدیریت انرژی.
هوش مصنوعی فرصت‌هایی مانند افزایش بهره‌وری، دسترسی آسان‌تر به دانش و کمک به پژوهش فراهم می‌کند؛ اما خطرهایی مانند اطلاعات نادرست، نقض حریم خصوصی، نابرابری مهارتی و مصرف انرژی را نیز به همراه دارد.
برای آمادگی، لازم نیست همه برنامه‌نویس شوند. آشنایی با ابزارها، شناخت محدودیت‌هایشان و بررسی خروجی آن‌ها می‌تواند نقطه شروع باشد. آینده این فناوری هنوز قطعی نیست، اما کسانی که یاد بگیرند چه کاری را به هوش مصنوعی بسپارند و چه چیزی را خودشان ارزیابی کنند، احتمالاً آمادگی بیشتری برای تغییرات پیشرو خواهند داشت.
منابع و مراجع
- Stanford Institute for Human-Centered Artificial Intelligence, The ۲۰۲۶ AI Index Report
- World Economic Forum, The Future of Jobs Report ۲۰۲۵
- OECD, Recent Policy Developments on AI in the Labour Market (۲۰۲۶)
- OECD, Using AI in the Workplace: Opportunities, Risks and Policy Responses (۲۰۲۴)
- International Energy Agency, Energy and AI (۲۰۲۵)
- International Energy Agency, Key Questions on Energy and AI (۲۰۲۶)
۵۷
برای مشاهده منبع محتوا اینجا کلیک کنید
- هوش مصنوعی در آینده چه شکلی خواهد داشت؟
- آینده شغل‌ها؛ آیا هوش مصنوعی جای انسان را می‌گیرد؟
- آموزش؛ معلم حذف نمی‌شود، اما یادگیری تغییر می‌کند
- پزشکی و سلامت؛ کمک به تشخیص، بدون کنارگذاشتن متخصص
- اقتصاد و کسب‌وکار؛ کار ارزان‌تر، رقابت شدیدتر
- انرژی؛ هزینه پنهان هوش مصنوعی
- حریم خصوصی، خطا و اعتماد
- اینترنت و جست‌وجو؛ از پیدا کردن لینک تا دریافت پاسخ
- چه مهارت‌هایی در آینده مهم‌تر می‌شوند؟
