Η τεχνητή νοημοσύνη (AI) μεταμορφώνει τις οικονομίες και υπόσχεται νέες ευκαιρίες για παραγωγικότητα, ανάπτυξη και ανθεκτικότητα. Χώρες σε όλο τον κόσμο ανταποκρίνονται επίσης με εθνικές στρατηγικές τεχνητής νοημοσύνης για να αξιοποιήσουν αυτούς τους μετασχηματισμούς. Ωστόσο, καμία χώρα σήμερα δεν διαθέτει επαρκή δεδομένα ή στοχευμένο σχέδιο για την εθνική υπολογιστική ικανότητα της AI, γεγονός που μπορεί να θέσει σε κίνδυνο τους εγχώριους οικονομικούς στόχους.
Αυτή είναι η ουσία ενός πρόσφατου εγγράφου ψηφιακής οικονομίας του ΟΟΣΑ με τίτλο «Σχέδιο για την οικοδόμηση της εθνικής υπολογιστικής ικανότητας για την τεχνητή νοημοσύνη». Πρόκειται για μία έκθεση που παρέχει το πρώτο σχέδιο για όσους είναι υπεύθυνοι για τη χάραξη πολιτικής, προκειμένου να βοηθήσει στην αξιολόγηση και στον σχεδιασμό της εθνικής υπολογιστικής ικανότητας τεχνητής νοημοσύνης που απαιτείται για την αύξηση της παραγωγικότητας και για να αξιοποιηθεί το πλήρες οικονομικό δυναμικό της τεχνητής νοημοσύνης.
Αργή πρόοδος
Αξίζει να σημειωθεί ότι η Ινδία βρίσκεται επί του παρόντος στη διαδικασία ανάπτυξης της Εθνικής Πύλης Πόρων Τεχνητής Νοημοσύνης υπό την αιγίδα του Κέντρου Αριστείας στην Τεχνητή Νοημοσύνη. Η πλατφόρμα θα προσφέρει ένα διαδικτυακό σύστημα αναζήτησης και περιήγησης σε πόρους τεχνητής νοημοσύνης, συμπεριλαμβανομένης της εκπαίδευσης, καθώς και μιας υπολογιστικής πλατφόρμας που βασίζεται σε σύννεφο. Οι άλλες χώρες που έχουν λάβει ορισμένες πρωτοβουλίες σχετικά, περιλαμβάνουν τον Καναδά, τη Χιλή, την Κολομβία, τη Γαλλία, τη Γερμανία, την Ιαπωνία, την Κορέα, τη Σλοβενία, την Ισπανία, το Ηνωμένο Βασίλειο, τις ΗΠΑ, τη Σερβία, την Ταϊλάνδη.
Ωστόσο, όλες οι πρωτοβουλίες είναι πολύ λιγότερες από τις απαιτήσεις, παρά το γεγονός ότι οι κυβερνήσεις είχαν δεσμευτεί για τα πρώτα διακυβερνητικά πρότυπα για την τεχνητή νοημοσύνη στις αρχές του ΟΟΣΑ για την Al του 2019, «ενισχύοντας την ανάπτυξη και την πρόσβαση σε ένα ψηφιακό οικοσύστημα για αξιόπιστη τεχνητή νοημοσύνη», συμπεριλαμβανομένης της υποκείμενης υποδομής, όπως η υπολογιστική τεχνητή νοημοσύνη. Η πρόοδος από την πλευρά των κυβερνήσεων σε όλο τον κόσμο είναι προφανώς πιο αργή από την ανάπτυξη υψηλότερης ταχύτητας στον τομέα της τεχνητής νοημοσύνης.
Όπως ενημερώνει η έκθεση, μόνο λίγες οικονομίες έχουν υπερυπολογιστές που κατατάσσονται ως κορυφαία υπολογιστικά συστήματα, με τις αναδυόμενες οικονομίες να εκπροσωπούνται αραιά στη λίστα των Top500. Η λίστα, για το Νοέμβριο του 2022, δείχνει 34 οικονομίες με έναν «κορυφαίο υπερυπολογιστή». Η υψηλότερη συγκέντρωση (32%) κορυφαίων υπερυπολογιστών βρίσκεται στη Λαϊκή Δημοκρατία της Κίνας, ακολουθούμενη από τις Ηνωμένες Πολιτείες (25%), τη Γερμανία (7%), την Ιαπωνία (6%), τη Γαλλία (5%) και το Ηνωμένο Βασίλειο (3%). Οι 17 χώρες της λίστας από την Ευρωπαϊκή Ένωση (EU27) αποτελούν συνολικά το 21% των κορυφαίων υπερυπολογιστών. Πέρα από αυτή την ομάδα, ο υπόλοιπος κόσμος αποτελεί το 12% των κορυφαίων υπερυπολογιστών. Σχεδόν το 90% των κορυφαίων υπερυπολογιστών αναπτύχθηκαν τα τελευταία πέντε χρόνια, κατά τα οποία, τα συστήματα υπερυπολογιστών ενημερώνονται όλο και περισσότερο για να εκτελούν επίσης φορτία εργασίας ειδικά για την τεχνητή νοημοσύνη, αν και η λίστα δεν διακρίνει τους υπερυπολογιστές ανάλογα με τη χωρητικότητα του φορτίου εργασίας που είναι εξειδικευμένος για τεχνητή νοημοσύνη. Εντούτοις, η απλή καταμέτρηση της λίστας Top500 δεν αποκαλύπτει την πλήρη εικόνα λόγω των διακυμάνσεων στον αριθμό και τη χωρητικότητα στην απόδοση.
Σχέδιο σε τριών διαστάσεων
Μετά τον καθορισμό της υπολογιστικής τεχνητής νοημοσύνης, η έκθεση καταγράφει τους δείκτες, τα σύνολα δεδομένων και τους μεσολαβητές για τη μέτρηση της χωρητικότητας υπολογισμού τεχνητής νοημοσύνης σε εθνικό επίπεδο και εντοπίζει εμπόδια για τη μέτρηση και τη συγκριτική αξιολόγηση της χωρητικότητας υπολογισμού τεχνητής νοημοσύνης των κρατών σε όλες τις χώρες. Στη συνέχεια, προτείνει ένα υπολογιστικό σχέδιο για τη τεχνητή νοημοσύνη σε τρεις διαστάσεις: Χωρητικότητα, αποτελεσματικότητα κι ανθεκτικότητα. Η χωρητικότητα καλύπτει τη διαθεσιμότητα και τη χρήση της τεχνητής νοημοσύνης. Η αποτελεσματικότητα καλύπτει τους ανθρώπους, την πολιτική, την καινοτομία και την πρόσβαση, ενώ η ανθεκτικότητα καλύπτει την ασφάλεια, την κυριαρχία και τη βιωσιμότητα.
Ωστόσο, η υιοθέτηση του μετασχηματισμού με δυνατότητα Al εξαρτάται από τη διαθεσιμότητα υποδομής και λογισμικού για την εκπαίδευση και τη χρήση μοντέλων τεχνητής νοημοσύνης σε μεγάλη κλίμακα. Η διασφάλιση ότι οι χώρες διαθέτουν επαρκή «υπολογιστική ικανότητα τεχνητής νοημοσύνης» για να καλύψουν τις ανάγκες τους είναι κρίσιμης σημασίας για την αξιοποίηση του πλήρους οικονομικού δυναμικού της τεχνητής νοημοσύνης.
Πολλές χώρες έχουν αναπτύξει εθνικές στρατηγικές τεχνητής νοημοσύνης χωρίς να έχουν αξιολογήσει πλήρως εάν διαθέτουν επαρκή εγχώρια υπολογιστική υποδομή και λογισμικό τεχνητής νοημοσύνης για να πραγματοποιήσουν τους στόχους τους. Άλλοι παράγοντες τεχνητής νοημοσύνης, όπως τα δεδομένα, οι αλγόριθμοι και οι δεξιότητες, τυγχάνουν σημαντικής προσοχής στους κύκλους της πολιτικής, αλλά το υλικό, το λογισμικό και η αντίστοιχη υποδομή που καθιστούν δυνατές τις προόδους της τεχνητής νοημοσύνης έχουν λάβει συγκριτικά λιγότερη προσοχή.
Σήμερα, η έλλειψη τυποποιημένων μέτρων για την εθνική υπολογιστική ικανότητα της τεχνητής νοημοσύνης αποτελεί ένα κενό στην πολιτική. Τέτοια μέτρα θα προσφέρουν στις οικονομίες του ΟΟΣΑ και των εταίρων του μια καλύτερη κατανόηση της χρήσης της τεχνητής νοημοσύνης και της σχέσης της με την προώθηση της τεχνολογίας, θα βελτιώσουν την εφαρμογή των στρατηγικών της τεχνητής νοημοσύνης και θα παρέχουν ενημέρωση για μελλοντικές πολιτικές και επενδύσεις.
Η ζήτηση για υπολογιστές τεχνητής νοημοσύνης έχει αυξηθεί δραματικά για συστήματα μηχανικής μάθησης, ειδικά για τη βαθιά μάθηση και τα νευρωνικά δίκτυα. Σύμφωνα με έρευνα, οι υπολογιστικές ικανότητες που απαιτούνται για την εκπαίδευση σύγχρονων συστημάτων μηχανικής μάθησης, μετρημένες σε αριθμό μαθηματικών πράξεων (δηλαδή, πράξεις κινητής υποδιαστολής ανά δευτερόλεπτο, ή FLOPS), έχουν πολλαπλασιαστεί κατά εκατοντάδες χιλιάδες φορές από το 2012, παρά την αλγοριθμική και το λογισμικό βελτιώσεις που μειώνουν τις ανάγκες υπολογιστικής ισχύος. Οι αυξανόμενες υπολογιστικές ανάγκες των συστημάτων Al δημιουργούν μεγαλύτερη ζήτηση για εξειδικευμένο λογισμικό τεχνητής νοημοσύνης, υλικό και σχετική υποδομή, καθώς και για το εξειδικευμένο εργατικό δυναμικό που απαιτείται για την αποτελεσματική και αποδοτική χρήση τους.
Η σημασία για εθνικές στρατηγικές Al
Καθώς οι κυβερνήσεις επενδύουν στην ανάπτυξη τεχνητής νοημοσύνης αιχμής, μπορεί να προκύψουν βαθύτερες υπολογιστικές διαφορές. Μια ανισορροπία στους υπολογιστικούς πόρους ενδέχεται να ενισχύσει τις κοινωνικοοικονομικές διαφορές, δημιουργώντας περαιτέρω ανισότητες στο ανταγωνιστικό πλεονέκτημα και τα κέρδη παραγωγικότητας. Την τελευταία δεκαετία, οι πρωτοβουλίες του ιδιωτικού τομέα εντός των χωρών επωφελήθηκαν όλο και περισσότερο από υπερσύγχρονους υπολογιστικούς πόρους τεχνητής νοημοσύνης, ειδικότερα από εμπορικούς παρόχους υπηρεσιών cloud, σε σύγκριση με δημόσια ερευνητικά ιδρύματα και τον ακαδημαϊκό κόσμο. Η ομάδα εμπειρογνομώνων Al του ΟΟΣΑ για τον υπολογισμό Al και Κλίμα προάγει τη συλλογική κατανόηση και τη μέτρηση των υπολογισμών τεχνητής νοημοσύνης για να ρίξει φως στις διαφορές στον υπολογισμό της τεχνητής νοημοσύνης μεταξύ χωρών και εντός των εθνικών οικοσυστημάτων τεχνητής νοημοσύνης.
Τα ευρύματα και τα κενά μέτρησης προσδιορίζονται από την έκθεση για να ενημερώσει το μελλοντικό έργο για την ανάπτυξη ειδικών μετρήσεων για την τεχνητή νοημοσύνη, προκειμένου να ποσοτικοποιηθεί και να αξιολογηθεί συγκριτικά η ικανότητα υπολογισμού της τεχνητής νοημοσύνης σε όλες τις χώρες. Τα ευρύματα περιλαμβάνουν τις εθνικές πρωτοβουλίες πολιτικής για την ΤΝ, που πρέπει να λαμβάνουν υπόψη την υπολογιστική ικανότητα της τεχνητής νοημοσύνης. Επίσης, τα εθνικά και περιφερειακά πρότυπα συλλογής και μέτρησης δεδομένων πρέπει να επεκταθούν και οι υπεύθυνοι χάραξης πολιτικής χρειάζονται πληροφορίες για τις υπολογιστικές απαιτήσεις των συστημάτων τεχνητής νοημοσύνης. Επιπλέον, οι ειδικές μετρήσεις για την ΤΝ πρέπει να διαφοροποιούνται από τους υπολογισμούς γενικής χρήσης. Οι εργαζόμενοι χρειάζονται πρόσβαση σε δεξιότητες και εκπαίδευση που σχετίζονται με τον υπολογισμό της τεχνητής νοημοσύνης, για αποτελεσματική χρήση υπολογιστών με τεχνητή νοημοσύνη. Επιπλέον, οι αλυσίδες εφοδιασμού και οι εισροές υπολογισμού της Τεχνητής Νοημοσύνης πρέπει να χαρτογραφηθούν και να αναλυθούν.
Διαβάστε την πλήρη έκθεση για καθοδήγηση σχετικά με την ανάπτυξη μιας υπολογιστικής ικανότητας Al και τη σχετική στρατηγική ΕΔΩ.
