بسته شواهد: داده‌های استنفورد نشان می‌دهد سیستم‌های هوش مصنوعی از معیارهای انسانی فراتر رفته‌اند؛ سرمایه‌گذاری در هوش مصنوعی مولد اوج می‌گیرد

انتشار گزارش شاخص هوش مصنوعی استنفورد ۲۰۲۶ جامع‌ترین تصویر تجربی از هوش مصنوعی را تا به امروز ارائه می‌دهد و چشم‌اندازی را آشکار می‌سازد که در آن توانایی فنی و استقرار سرمایه با سرعت‌های بی‌سابقه‌ای در حال شتاب گرفتن هستند. این مخزن داده ۴۲۳ صفحه‌ای که توسط مؤسسه هوش مصنوعی انسان‌محور استنفورد تهیه شده است، هوش مصنوعی را در حوزه‌های تحقیقات، اقتصاد و پذیرش عمومی ردیابی می‌کند.[1][3]

یافته اصلی سال ۲۰۲۶ یک تغییر ساختاری در عملکرد است: سیستم‌های هوش مصنوعی دیگر فقط به خطوط پایه انسانی در وظایف پیچیده نزدیک نمی‌شوند؛ بلکه در چندین حوزه حیاتی، از آن‌ها فراتر می‌روند. این شتاب در کنار هجوم گسترده سرمایه رخ می‌دهد.

در حالی که بخش‌های گسترده‌تر فناوری با سرد شدن و ادغام‌های دوره‌ای مواجه بوده‌اند، سرمایه‌گذاری در هوش مصنوعی مولد این روند را نادیده گرفته، تقریباً نیمی از کل بودجه خصوصی هوش مصنوعی را به خود اختصاص داده و سرمایه‌گذاری شرکتی جهانی در هوش مصنوعی را در سال ۲۰۲۵ به رکورد ۵۸۱.۷ میلیارد دلار رسانده است.[2]

این بسته شواهد، ادعاهای اصلی ناشی از داده‌های استنفورد ۲۰۲۶ را ارزیابی می‌کند، و قدرت تجربی جهش‌های فنی هوش مصنوعی، واقعیت‌های اقتصادی پذیرش آن، و عدم قطعیت‌های آشکاری که محدودیت‌های کنونی آن را تعریف می‌کنند، ترسیم می‌نماید.[3]

شواهد مبنی بر اینکه مدل‌های هوش مصنوعی در حال دستیابی به معیارهای سطح تخصصی انسانی در استدلال و مهندسی نرم‌افزار هستند، فوق‌العاده قوی است. طبق داده‌های استنفورد، مدل‌های پیشرو در یک سال ۳۰ واحد درصد در آزمون نهایی بشریت (Humanity's Last Exam) پیشرفت کردند؛ معیاری که به طور خاص طراحی شده بود تا در برابر تسلط هوش مصنوعی بسیار مقاوم باشد.[1][2]

در مهندسی نرم‌افزار، این جهش حتی قابل اندازه‌گیری‌تر است. در معیار تأیید شده SWE-bench، که حل خودکار اشکالات نرم‌افزاری در پایگاه‌های کد دنیای واقعی را اندازه‌گیری می‌کند، عملکرد هوش مصنوعی در عرض دوازده ماه از ۶۰٪ به تقریباً ۱۰۰٪ خط پایه انسانی رسید. به طور مشابه، در WebArena، که عوامل وب خودکار را آزمایش می‌کند، نرخ موفقیت از ۱۵٪ در سال ۲۰۲۳ به ۷۴.۳٪ تا اوایل سال ۲۰۲۶ افزایش یافت.[2]

داده‌ها نشان می‌دهند که سیستم‌های هوش مصنوعی اکنون در GPQA، آزمونی برای استدلال علمی در سطح دکترا، با خطوط پایه متخصصان انسانی برابری کرده یا از آن‌ها فراتر رفته‌اند. در بالاترین سطح استدلال ریاضی، مدل‌های هوش مصنوعی با موفقیت نتایجی در سطح مدال طلا در المپیاد بین‌المللی ریاضی کسب کرده‌اند. دستیابی سریع به این ارزیابی‌ها، محققان را مجبور می‌کند تا دائماً آزمون‌های جدید و دشوارتری ابداع کنند، زیرا معیارهایی که قرار بود سال‌ها چالش‌برانگیز باقی بمانند، اکنون در عرض چند ماه به تسلط رسیده‌اند.[1][2]

در جبهه اقتصادی، سرمایه‌گذاری در هوش مصنوعی مولد در حال افزایش است و از روندهای گسترده‌تر بخش فناوری جدا شده است. داده‌های مالی تصویر محکمی از رشد جداگانه ارائه می‌دهند، به طوری که سرمایه‌گذاری شرکتی جهانی در هوش مصنوعی سال به سال بیش از دو برابر شده و به ۵۸۱.۷ میلیارد دلار رسیده است. در این میان، سرمایه‌گذاری خصوصی با ۱۲۷.۵٪ رشد به ۳۴۴.۷ میلیارد دلار رسید.[1]

هوش مصنوعی مولد به طور خاص این افزایش را رهبری کرد، بیش از ۲۰۰٪ رشد کرد و تقریباً نیمی از کل بودجه خصوصی هوش مصنوعی را به خود اختصاص داد. ایالات متحده همچنان موتور غالب این شکل‌گیری سرمایه است و ۲۸۵.۹ میلیارد دلار سرمایه‌گذاری خصوصی در هوش مصنوعی را به خود اختصاص داده است—تقریباً ۲۳ برابر سرمایه‌گذاری خصوصی ردیابی شده در چین، اگرچه محققان استنفورد اشاره می‌کنند که صندوق‌های هدایت دولتی چین احتمالاً این شکاف را در عمل به طور قابل توجهی کاهش می‌دهند.[1]

فراتر از سرمایه، پذیرش مصرف‌کننده و ارزش مازاد با سرعتی بیشتر از هر فناوری قبلی در حال افزایش است. شواهد برای انتشار سریع قطعی است، زیرا هوش مصنوعی مولد در عرض سه سال پس از معرفی عمومی، به ۵۳٪ پذیرش در سطح جمعیت جهانی رسید و از منحنی‌های رشد اولیه هم کامپیوتر شخصی و هم اینترنت پیشی گرفت. پذیرش سازمانی نیز به رفتار اکثریت تبدیل شده و در میان شرکت‌های مورد بررسی به ۸۸٪ رسیده است.[2]

سودمندی اقتصادی این پذیرش قابل اندازه‌گیری است. مازاد مصرف‌کننده تخمینی—ارزشی که کاربران فراتر از آنچه می‌پردازند به دست می‌آورند—ناشی از ابزارهای هوش مصنوعی مولد تنها در ایالات متحده، تا اوایل سال ۲۰۲۶ به ۱۷۲ میلیارد دلار در سال رسید. ارزش میانه به ازای هر کاربر بین سال‌های ۲۰۲۵ و ۲۰۲۶ سه برابر شد، که عمدتاً به دلیل این واقعیت است که بسیاری از توانمندترین مدل‌ها در نقطه استفاده رایگان یا به شدت یارانه‌ای باقی می‌مانند.[1]

با وجود عملکرد فراانسانی در استدلال و کدنویسی، شواهد قویاً وجود یک «مرز دندانه‌دار» (jagged frontier) را تأیید می‌کند—چشم‌اندازی که در آن مدل‌ها به طور غیرقابل پیش‌بینی در وظایف به ظاهر ساده شکست می‌خورند. همان نسلی از مدل‌ها که می‌توانند در المپیاد بین‌المللی ریاضی مدال طلا کسب کنند، ساعت‌های آنالوگ را تنها ۵۰.۱٪ مواقع به درستی می‌خوانند، که به سختی بهتر از شانس تصادفی است.[1][2]

این ناهمواری به ویژه در استدلال فیزیکی و فضایی شدید است. در حالی که عوامل هوش مصنوعی در محیط‌های دیجیتال جهش‌های بزرگی داشته‌اند—افزایش موفقیت در وظایف کامپیوتری OSWorld از ۱۲٪ به ۶۶.۳٪—آنها در دنیای فیزیکی به شدت دچار مشکل هستند. ربات‌ها تنها در ۱۲٪ از وظایف واقعی خانگی، مانند تا کردن لباس یا شستن ظروف، موفق هستند، با وجود اینکه در شبیه‌سازی‌های مبتنی بر نرم‌افزار برای همان وظایف دقیق، امتیاز ۸۹.۴٪ کسب می‌کنند.[1]

مهم‌ترین عدم قطعیت آشکار در چشم‌انداز کنونی هوش مصنوعی، همانطور که داده‌های استنفورد برجسته می‌کنند، تفاوت فاحش بین اندازه‌گیری قابلیت و اندازه‌گیری ایمنی است. در حالی که تقریباً همه توسعه‌دهندگان هوش مصنوعی پیشرو نتایج معیارهای قابلیت را به طور دقیق گزارش می‌دهند، گزارش‌دهی در مورد معیارهای هوش مصنوعی مسئولانه—شامل ایمنی، استحکام و عدالت—بسیار ناسازگار باقی مانده است.[2]

حوادث مستند شده هوش مصنوعی از ۲۳۳ مورد در سال ۲۰۲۴ به ۳۶۲ مورد در سال ۲۰۲۵ افزایش یافت، که نشان می‌دهد زیرساخت‌های مورد نیاز برای حاکمیت و ارزیابی این سیستم‌ها در تلاش برای همگام شدن با قدرت خام آن‌ها هستند. علاوه بر این، تحقیقات اخیر ذکر شده در گزارش، یک تنش ساختاری را نشان می‌دهد: بهبود یک بُعد هوش مصنوعی مسئولانه، مانند موانع ایمنی، گاهی اوقات می‌تواند بُعد دیگری مانند دقت واقعی را تضعیف کند.[1][2]

در نهایت، شاخص هوش مصنوعی استنفورد ۲۰۲۶ تأییدی مبتنی بر داده ارائه می‌دهد که هوش مصنوعی از یک موضوع تحقیقاتی به یک وضعیت اقتصادی بنیادی تبدیل شده است. چالش برای شرکت‌ها و سیاست‌گذاران دیگر انتظار برای بلوغ فناوری نیست، بلکه هدایت در چشم‌اندازی است که در آن قابلیت‌های شناختی فراانسانی با نقاط کور شگفت‌انگیز همزیستی دارند، در حالی که سرمایه همچنان با نرخ‌های تاریخی به آن سرازیر می‌شود.[3]