گزارش «پیشرفت و روندهای دیجیتال سال ۲۰۲۵» که توسط بانک جهانی منتشر شده رو با هم مرور کنیم؛ گزارشی که تمرکزش بر توسعه هوش مصنوعی در کشورهای مختلف دنیاست.
این گزارش ابتدا کشورها رو با توجه به جایگاه اقتصادیشون طبقهبندی میکنه:
کشورهای با درآمد بالا HIC، کشورهای با درآمد متوسط MIC و کشورهای با درآمد پایین LIC.
خود گروه MIC رو هم معمولا به دو دسته LMIC و UMIC تقسیم میکنند؛ یعنی کشورهای با درآمد متوسط رو به پایین و متوسط رو به بالا.
ایران معمولا نزدیک مرز این دو گروه قرار میگیره و در طبقهبندی فعلی بانک جهانی، با درآمد ناخالص ملی سرانهای نزدیک به ۴ تا ۵ هزار دلار، در گروه کشورهای با درآمد متوسط رو به بالا قرار گرفته.
این گزارش چارچوبی رو به کشورها ارائه میده تا برای موج هوش مصنوعی آماده بشن. این چارچوب چهار رکن اصلی داره که گزارش بهش میگه 4C:
ارتباطات دریچه ورود به دنیای هوش مصنوعیه. داشتن اینترنت پایدار، پرسرعت و مقرونبهصرفه لازمه اینه که کاربرها دادههاشون رو آپلود کنند، مدلها رو دانلود کنند یا در پلتفرمهای اشتراکی مثل گیتهاب، هاگینگفیس و بقیه فعالیت داشته باشند.
فاصله مصرف اینترنت میان کشورهای پردرآمد و کمدرآمد هم با سرعت زیادی در حال بیشتر شدنه. در این حد که در سال ۲۰۲۳، مصرف سالانه داده به ازای هر نفر در کشورهای پردرآمد به حدود ۱۴۰۰ گیگابایت میرسید، در کشورهای با درآمد متوسط رو به بالا حدود ۴۰۰ گیگابایت، در کشورهای با درآمد متوسط رو به پایین نزدیک به ۱۰۰ گیگابایت و در کشورهای کمدرآمد فقط حدود ۵ تا ۶ گیگابایت بود.
این شکاف باعث میشه الگوی استفاده از اپلیکیشنهای هوش مصنوعی هم در این کشورها متفاوت باشه. وقتی دسترسی به اینترنت محدود، گران یا ناپایدار باشه، طبیعی است که استفاده مستمر از سرویسهای آنلاین هوش مصنوعی هم محدودتر بمونه.
باید اذعان کنیم که در سال گذشته شرایط کشور ما از این حیث بغرنج بوده. طی دو جنگ 12 روزه و 40 روزه و همچنین اعتراضات دیماه، اینترنت بینالملل برای دورههای طولانی قطع یا بهشدت محدود شد و رویه فیلترینگ هم دسترسی کاربران ایرانی رو بهشدت تحت تأثیر قرار داده و در بازههایی اینترنت بینالملل رو به کالایی کموبیش لوکس تبدیل کرده. فقط در یکی از دورههای اخیر، دسترسی بیشتر کاربران به اینترنت بینالملل نزدیک به ۹۰ روز مختل بود و هزینه VPN برای کاربران به حدود 5 تا 10 دلار در ماه میرسید؛ رقمی نزدیک به دو برابر هزینه معمول دیتای موبایل.
این سوای اینه که به خاطر تحریمها، بخش دیگری از دسترسی ایرانیان به زیرساختها و سرویسهای اینترنت بینالملل ازشون گرفته شده.
در دوران هوش مصنوعی، پردازش و قدرت محاسباتی همون «برق جدید» محسوب میشه. و بله، در واقع این دو کاملا به هم گره خوردند.
اجرای سیستمهای هوش مصنوعی در لایههای مختلف نیازمند پردازشگرهای Edge، پردازندههای گرافیکی یا GPU، دیتاسنترها، سرورها و سیستمهای محاسباتی قدرتمند HPC هست.
این زیرساختها برای ذخیرهسازی، پردازش و انتقال داده در مقیاس بالا مورد نیازند؛ چه برای آموزش مدلهای هوش مصنوعی و چه برای استفاده و اجرای اونها. نیاز به این قدرت محاسباتی هم طی سالهای اخیر به شکل بسیار سریعی در حال افزایش بوده.
تولید پردازندههای هوش مصنوعی عمدتا در اختیار چند بازیگر بزرگ، بهویژه NVIDIA، قرار داره که سهم غالب بازار پردازندههای مخصوص هوش مصنوعی و GPUهای دیتاسنتری رو در اختیار گرفته.
از طرف دیگه، میدونیم که آمریکا قوانین صادرات این فناوریها رو سختگیرانهتر کرده و کشورهایی مثل چین و ایران با محدودیتهای جدیتری مواجهاند. البته تفاوت مهم اینجاست که چین همزمان در تلاشه پردازندهها، زیرساختها و راهکارهای بومی خودش رو با سرعت وارد بازار کنه.
با این حال، وابستگی به چند تولیدکننده محدود فقط مسئله ایران و چین نیست. بخش بزرگی از کشورهای دنیا کمابیش به همین فناوریها وابستهاند و دسترسی به Compute احتمالا فصل جدیدی از رقابت، وابستگی و تعامل میان کشورها رو شکل خواهد داد.
دیتاسنترها، سیستمهای HPC و سرویسهای ابری هم عمدتا در کشورهای پردرآمد متمرکز هستند. برای مثال، آمریکا بهتنهایی میزبان حدود نیمی از سرورهای امن اینترنتی دنیاست. از طرف دیگه، سه شرکت آمریکایی AWS، Microsoft Azure و Google Cloud مجموعا حدود دو سوم بازار جهانی کلاد عمومی رو در اختیار دارند.
این تمرکز باعث شده کشورها به نوعی به صادرکننده و واردکننده Compute تبدیل بشن؛ موضوعی که پایینتر بیشتر دربارهاش صحبت خواهیم کرد.
نکته دیگه اینه که امروزه دسترسی به برق پایدار، شبکه انرژی قوی، زمین مناسب و سیستمهای خنککننده از مهمترین نیازمندیهای توسعه دیتاسنترها هستند. به همین دلیل، پروژهها و ایدههایی مطرح شده که کشورهای تولیدکننده انرژی، بهخصوص در منطقه خلیج فارس، بخشی از مزیت انرژی خودشون رو به صادرات Compute تبدیل کنند؛ یعنی بهجای اینکه فقط نفت، گاز یا برق صادر کنند، ظرفیت پردازشی و خدمات دیتاسنتری صادر کنند. در سوی مقابل، ایدههایی مثل انتقال بخشی از دیتاسنترها یا زیرساختهای پردازشی به فضا هم مطرح شده.
در کشور ما هم طی چند سال اخیر، ناترازی برق و کمبود ظرفیت تولید به یکی از مشکلات جدی تبدیل شده و رشد تولید برق از افزایش نیاز کشور عقب مونده. جنگ اخیر هم به بخشی از زیرساختها آسیب زده که نیازمند جبران و بازسازیه. این زیرساختها باید نهتنها بتونند نیازهای جاری و روزمره کشور رو تأمین کنند، بلکه نباید به گلوگاهی برای توسعه دیتاسنترها، مراکز پردازش داده و زیرساختهای هوش مصنوعی تبدیل بشن. بازسازی شبکه برق و افزایش ظرفیت پایدار تولید، یکی از قفلهای اصلی توسعه Compute در ایران رو باز خواهد کرد.
داده یا به تعبیر دقیقتر گزارش، Context، رکن سوم این چارچوبه؛ یعنی دادهای که باکیفیت، متنوع، بهروز و متناسب با زمینه محلی باشه.
در بحث تنوع میشه جنبههای زیادی رو نام برد: طبقات اقتصادی، فرهنگی، قومی، زبانی، جغرافیایی و حتی تفاوت میان نهادها و ساختارهای اجتماعی مختلف در یک کشور.
یک کشور برای تطبیق هرچه بهتر با دنیای هوش مصنوعی نیاز داره زنجیرههای مختلفی رو برای جمعآوری، پاکسازی، پردازش، نگهداری و بهاشتراکگذاری داده توسعه بده تا صرفا مصرفکننده مدلهایی نباشه که در کشورها و فرهنگهای دیگه ساخته شدهاند.
اگرچه داده صرفا محدود به دادههای زبانی نیست، اما زبان بخش مهمی از این ماجراست.
زبان فارسی عمدتا در ایران، افغانستان و تاجیکستان استفاده میشه و در مقایسه با انگلیسی، حجم بسیار کمتری از محتوای باکیفیت دیجیتال، داده آموزشی، کتاب، مقاله و داده برچسبخورده در اختیار مدلهای هوش مصنوعی قرار میده.
از طرف دیگه، استفاده از خط فارسی و غیرلاتین هم در بعضی مراحل جمعآوری، پردازش، جستوجو و استانداردسازی داده چالشهای فنی خودش رو ایجاد میکنه.
در کنار فارسی معیار، ایران دارای دهها زبان، و نزدیک 8 هزار گویش و لهجه محلیه. اگر برای ثبت، دیجیتالیکردن و تولید داده از این زبانها و گویشها اقدامی نکنیم، ممکنه بسیاری از اونها نهتنها در مدلهای هوش مصنوعی بازنمایی نشن، بلکه در بلندمدت بیشتر به حاشیه رانده بشن.
در نهایت، رکن چهارم گزارش به مهارتهای دیجیتال، تأثیر نفوذ هوش مصنوعی بر بازار کار و نحوه توزیع این مهارتها میپردازه.
شغلهای مرتبط با GenAI رو به افزایش هستند و بخش بزرگی از این فرصتهای شغلی فعلا در کشورهای پردرآمد متمرکز شده. با این حال، کشورهای با درآمد متوسط هم با سرعت قابل توجهی در حال اضافهشدن به این بازارند. برزیل، اندونزی، مالزی، کلمبیا، مصر، مکزیک و پاکستان از جمله کشورهایی هستند که تقاضا برای مهارتهای مرتبط با هوش مصنوعی و GenAI در اونها رو به افزایشه.
شغلها و کاربردهای GenAI در حوزههایی مثل تولید محتوا، مارکتینگ، تحقیق و توسعه، آموزش و سلامت در حال شکلگیری هستند. طبیعتا متخصصان حوزه IT و مشاغلی که از قبل دیجیتالیتر بودهاند، بیشترین و سریعترین استفاده رو از این فناوریها دارند.
مسئله مهم دیگه به نیاز بازار کار و فرار مغزها مربوط میشه. تنها در آمریکا و کانادا، تعداد دانشجوهای رشتههای مرتبط با علوم کامپیوتر طی حدود یک دهه چند برابر شده. با این حال، بازار کار در بسیاری از شاخههای تخصصی همچنان به نیروی ماهر و باکیفیت نیاز داره و دستمزدها در بعضی از این حوزهها همچنان رقابتی باقی مونده. برای کشورهای درحالتوسعه، این وضعیت یک چالش دوگانه ایجاد میکنه: از یک طرف باید نیروی متخصص بیشتری تربیت کنند و از طرف دیگه باید بتونند این نیروها رو در داخل کشور نگه دارند.
اگر بازار کار، زیرساخت پژوهشی، دسترسی به Compute و فرصت رشد حرفهای محدود باشه، افراد متخصص به سمت کشورهایی حرکت میکنند که فرصتها و دستمزدهای بهتری ارائه میدن. دورههای درسی و دانشگاهی هم باید سرفصلهای خودشون رو با موج AI بهروز کنند، ارتباط بیشتری با صنعت داشته باشند و فارغالتحصیلان رو با مهارتهایی وارد بازار کنند که واقعا موردنیاز شرکتها و نهادهاست.
در بسیاری از این موضوعها، گزارش تأکید میکنه که دولتها باید نقش جدی و مسئولانهای ایفا کنند؛ چون بخش خصوصی بهتنهایی نمیتونه همه مسائل رو برطرف کنه. شرکتهای خصوصی طبیعتا بر اساس منافع اقتصادی و بازگشت سرمایه تصمیم میگیرند و نمیشه انتظار داشت که بهتنهایی تمام منافع ملی، مسائل امنیتی، آثار محیطزیستی، توسعه مناطق کمبرخوردار و دسترسی عادلانه به زیرساختهای هوش مصنوعی رو مدیریت کنند.
به همین دلیل، توسعه هوش مصنوعی فقط به سرمایهگذاری شرکتها یا فعالیت چند استارتاپ محدود نمیشه و نیازمند سیاستگذاری، سرمایهگذاری عمومی، تنظیمگری و هماهنگی میان دولت، دانشگاهها و بخش خصوصیه. دولت باید در جاهایی که بازار بهتنهایی سرمایهگذاری کافی انجام نمیده یا هزینههای اجتماعی و امنیتی رو در نظر نمیگیره، نقش فعالتری ایفا کنه.
بانک جهانی. «گزارش پیشرفتها و روندهای دیجیتال ۲۰۲۵: تقویت بنیانهای هوش مصنوعی»، نوامبر ۲۰۲۵. مشاهده در وبسایت بانک جهانی
