ایتنا - ۲۰۲۱ سالی است که در آن محتوای دیپ‌فیک در سراسر جهان رواج پیدا می‌کند و تعداد قابل‌توجهی از جمعیت جهان واقعی بودن آن‌ها را باور می‌کنند. احتمالاً این ویدئوها چهره‌های سرشناسی را نشان می‌دهند که نظرات بحث‌برانگیزی ارائه می‌کنند.
يکشنبه ۲۱ دی ۱۳۹۹ ساعت ۰۹:۰۷
سال ۲۰۲۱، سال اوج‌گیری دیپ‌فیک
پیش‌بینی‌ها نشان می‌دهد که سال ۲۰۲۱ سالی است که در آن محتوای دیپ‌فیک در سراسر جهان رواج پیدا می‌کند و تعداد قابل‌توجهی از جمعیت جهان واقعی بودن آن‌ها را باور می‌کنند.
به گزارش ایتنا از مهر، گروه علوم و فناوری‌های نوین پژوهشگاه فضای مجازی ۹ پیش‌بینی در مورد رخدادهای ناشی از توسعه هوش مصنوعی در سال ۲۰۲۱ را مطرح کرد که از پژوهش‌های آکادمیک و استارت‌آپ‌ها تا بازار سرمایه و قانونگذاری را پوشش می‌دهد.
۱. دیپ‌فیک‌های سیاسی در جهان رواج پیدا می‌کند که به سردرگمی و شایعات دامن می‌زند
فناوری دیپ‌فیک با سرعت زیادی در حال بهبود و توسعه است. اتفاقات اخیر در هند و گابن قدرت مخرب این فناوری در حوزه سیاست را نشان داده است. ۲۰۲۱ سالی است که در آن محتوای دیپ‌فیک در سراسر جهان رواج پیدا می‌کند و تعداد قابل‌توجهی از جمعیت جهان واقعی بودن آن‌ها را باور می‌کنند. احتمالاً این ویدئوها چهره‌های سرشناسی را نشان می‌دهند که نظرات بحث‌برانگیزی ارائه می‌کنند.
بعضی سیاست‌گذاران برای لغو کردن ماده ۲۳۰ قانون شایستگی در ارتباطات مصوب سال ۱۹۹۶ تلاش کرده و استدلال می‌کنند که شرکت‌های فناوری بزرگ باید مسئولیت نظارت بر دیپ‌فیک در پلتفرم خود را به عهده بگیرند.
۲. تعداد کل پژوهش‌هایی که در زمینه یادگیری مشارکتی منتشر می‌شود، افزایش می‌یابد
محرمانگی داده برای مصرف‌کنندگان و قانون‌گذاران به مسأله مهمی تبدیل شده است. با توجه به این موضوع، استفاده از هوش مصنوعی برای حفظ حریم خصوصی و به عنوان بهترین روش مدل‌سازی برای یادگیری ماشین، رواج پیدا می‌کند. برجسته‌ترینِ این روش‌ها، یادگیری مشارکتی است.
بر اساس پایگاه «Google Scholar» تعداد کل مقالاتی که در زمینه یادگیری مشارکتی منتشر شده در سال ۲۰۱۸ برابر با ۲۵۴ مورد، در سال ۲۰۱۹ برابر با ۱۳۴۰ مورد و در سال ۲۰۲۰ برابر با ۳۹۴۰ مورد بوده است. این رشد تصاعدی همچنان ادامه پیدا می‌کند و در سال ۲۰۲۱ بیش از ۱۰ هزار مقاله پژوهشی در زمینه یادگیری مشارکتی منتشر می‌شود.
۳. یکی از شرکت‌های بزرگ تولید نیمه‌هادی‌ها، استارت‌آپی را که در زمینه چیپ‌های هوش مصنوعی فعالیت دارد به قیمت بالای ۲ میلیارد دلار خریداری می‌کند
چیپ‌های سیلیکونی که به طور خاص برای عملکرد هوش مصنوعی ساخته شده‌اند، آینده صنعت نیمه‌هادی‌ها را رقم می‌زنند. خرید «Habana Labs» توسط اینتل به قیمت ۲ میلیارد دلار، این واقعیت را نشان می‌دهد. در سال ۲۰۲۱، احتمالاً یکی از استارت‌آپ‌هایی که در زمینه چیپ‌های هوش مصنوعی فعالیت دارد به قیمت بالایی توسط شرکت چیپ‌سازی دیگری خریداری خواهد شد.
اهداف احتمالی برای خریده شدن: «Graphcore»، «Cerebras»، «SambaNova»
خریداران احتمالی: «NVIDIA»، «AMD»، «Qualcomm»، «Intel»
۴. یکی از شرکت‌های دارویی بزرگ، استارت‌آپی را که در حوزه کشف دارو با استفاده از هوش مصنوعی فعالیت دارد، به قیمت بالای ۲ میلیارد دلار خریداری می‌کند
۱۰ شرکت برتر حوزه دارویی متوجه این حقیقت شده‌اند که یادگیری ماشین پتانسیل ایجاد انقلاب در کشف و توسعه دارو را دارد. در سال ۲۰۲۱ یکی از شرکت‌های دارویی بزرگ، استارت‌آپی را که در حوزه کشف دارو با استفاده از هوش مصنوعی فعالیت دارد خریداری کرده و فناوری و استعدادهای آن را وارد شرکت خودش می‌کند.
اهداف احتمالی برای خریده شدن: «Recursion»، «Exscientia»، «Insitro»، «Atomwise»
خریداران احتمالی: «Bayer»، «GlaxoSmithKline»، «Novartis»، «Bristol Myers Squibb»، «Eli Lilly»، «Gilead»
۵. دولت فدرال ایالات متحده برای اولین بار هوش مصنوعی را در اولویت سیاست‌گذاری‌های خود قرار می‌دهد
ایالات متحده به شکل قابل‌توجهی در زمینه سیاست‌گذاری عمومی در حوزه هوش مصنوعی از کشورهای دیگر، به ویژه چین، عقب مانده است. احتمالاً در سال ۲۰۲۱ تغییرات ایجاد شده در کابینه دولت این موضوع را تغییر می‌دهد.
دولت بایدن طرح را ارائه کرده و مجلس آن را تصویب می‌کند و بودجه‌ای دولتی برای هوش مصنوعی در نظر گرفته می‌شود. علاوه بر این، مجلس یک استراتژی ملی را نیز تصویب می‌کند که به موضوعاتی مثل اخلاق در هوش مصنوعی، اولویت‌های پژوهشی، اقدامات امنیت ملی و اتوماسیون کاری می‌پردازد.
۶. مدل پردازش زبان طبیعی با بیش از یک تریلیون پارامتر ساخته می‌شود
«OpenAI» در سال ۲۰۱۹ اولین مدل پردازش زبان طبیعی (GPT-۲) را با یک و نیم میلیارد پارامتر عرضه کرد. این حجم در آن زمان خیلی زیاد به نظر می‌رسید. «OpenAI» در سال ۲۰۲۰، «GPT-۳» را به جهانیان عرضه کرد که دارای ۱۷۵ میلیارد پارامتر بود.
این مسابقه در سال ۲۰۲۱ هم ادامه پیدا می‌کند و برای اولین بار مدلی با بیش از یک تریلیون پارامتر ساخته می‌شود. به احتمال زیاد این مدل توسط «OpenAI» عرضه می‌شود و نام آن «GPT-۴» خواهد بود. سازمان‌های دیگری که ممکن است یک تریلیون پارامتری را بشکنند عبارتند از مایکروسافت، فیس‌بوک، گوگل و «NVIDIA».
۷. «MLOps» شروع به تحکیم بازار می‌کند
استارت‌آپ‌های زیادی در سال‌های اخیر پدیدار شده‌اند که در زمینه ابزارها و زیرساخت‌های لازم برای یادگیری ماشین فعالیت دارند. تعداد نسبتاً کمی از این استارت‌آپ‌های ابزاری پابرجا می‌مانند و به شرکت‌های مستقل تبدیل می‌شوند. در سال ۲۰۲۱ ادغام قابل‌توجهی در این حوزه اتفاق می‌افتد.
شرکت‌های بزرگ که به دنبال ایجاد پلتفرم‌های جامع و بدون واسطه هستند، استارت‌آپ‌هایی را که راهکارهای موردی ارائه می‌دهند، خریداری می‌کنند. خرید «SigOpt» و «Cnvrg.io» توسط اینتل در سال ۲۰۲۰ نمونه‌ای از این موضوع است.
اهداف احتمالی برای خریده شدن: «Alectio»، «Algorithmia»، «Arize AI»، «Arthur AI»، «Comet»، «DarwinAI»، «Fiddler Labs»، «Gradio»، «OctoML»، «Paperspace»، «Snorkel AI»، «Truera»، «Verta»، «Weights & Biases» و غیره.
خریداران احتمالی: «IBM»، مایکروسافت، آمازون، «Databricks»، «DataRobot»، «Oracle»
۸. هوش مصنوعی به قسمت مهمی از داستان بی‌اعتمادی رگولاتورها نسبت به شرکت‌های فناوری بزرگ تبدیل می‌شود
مقامات رگولاتوری ایالات متحده و اروپا، در سال ۲۰۲۰ اقداماتی را علیه آمازون، اپل، فیس‌بوک و گوگل انجام دادند. تا اینجای کار، رگولاتوری در پرونده‌هایی که علیه غول‌های فناوری ایجاد کرده تمرکز خاصی روی هوش مصنوعی نداشته است.
در سال جدید، در عین حال که رگولاتوری‌ها تلاش می‌کنند به دلیل دشواری رقابت با این شرکت‌ها با آن‌ها مقابله کنند، انتظار این را داشته باشید که از هوش مصنوعی نیز به عنوان بهانه جدیدی استفاده کنند. استدلال اصلی آن‌ها این خواهد بود که انحصار داده‌ها در این شرکت‌ها باعث برتری آن‌ها در ایجاد الگوریتم‌های یادگیری ماشین می‌شود.
۹. بیولوژی برجسته‌ترین حوزه‌ای خواهد بود که از یادگیری ماشین در آن استفاده می‌شود
از نظر تحقیقات آکادمیک، بودجه استارت‌آپی و میزان توجه رسانه‌ها می‌توان گفت بیولوژی تاثیرگذارترین و پربازده‌ترین حوزه‌ای است که می‌توان از هوش مصنوعی در آن استفاده کرد. دستاورد «AlphaFold» از شرکت «DeepMind» (که بهره‌برداری از آن سال‌ها طول می‌کشد) نمونه‌ای کوچک از دستاوردهایی است که انسان می‌تواند با استفاده از روش‌های محاسباتی و یادگیری ماشین در حوزه بیولوژی به آن دست پیدا کند.
کد مطلب: 63698
