توسعه معماری مبتنی بر هوش مصنوعی
گزارش پیشرفت و روندهای دیجیتال ۲۰۲۵ با تمرکز بر «تقویت بنیانهای هوش مصنوعی»، تصویری جامع از وضعیت فعلی تحول دیجیتال و نقش رو به رشد هوش مصنوعی در توسعه جهانی ارائه میدهد. هوش مصنوعی، بهویژه هوش مصنوعی مولد با سرعت بیسابقه در حال گسترش است و میتواند فرصتهای زیادی برای بهبود کیفیت زندگی، افزایش بهرهوری، ایجاد مشاغل جدید و تحولات اقتصادی فراهم کند.
با این حال، سرعت بالای نوآوریها و تمرکز جغرافیایی آنها چالشهایی در حوزه دسترسی عادلانه، آمادگی زیرساختی و کاهش نابرابری ایجاد کرده است. در چنین شرایطی، بانک جهانی با ارائه چارچوب راهبردی 4Cs، نقشه راهی عملیاتی برای هدایت کشورهای در حال توسعه در مسیر ایجاد معماری کارآمد مبتنی بر هوش مصنوعی ارائه میکند.
مقدمه
چارچوب راهبردی 4Cs بر چهار رکن اساسی شامل اتصال[1]، محاسبات[2]، بافتار دادهای[3] و شایستگی[4] استوار است. رکن نخست یعنی اتصال بر اهمیت دسترسی پایدار، مقرونبهصرفه و گسترده به اینترنت، انرژی و زیرساختهای ارتباطی تأکید دارد که پیشنیاز مشارکت دیجیتال و استفاده مؤثر از فناوریهای نوین است. محاسبات بهعنوان دومین اصل بر فراهمسازی ظرفیتهای پردازشی از طریق مراکز داده، سرورها و خدمات ابری تمرکز میکند و کمبود آن میتواند مانعی جدی برای توسعه و استقرار فناوریهای پیچیده هوش مصنوعی باشد.
بیشتر بخوانید: هوش مصنوعی و هویت دیجیتال
اصل سوم یعنی بافتار دادهای بر ضرورت توسعه دادههای بومی، محتوای محلی و مدلهای سازگار با زبان و فرهنگ ملی تأکید دارد تا اطمینان حاصل شود که راهحلهای هوش مصنوعی دقیق، قابلاعتماد و متناسب با نیازهای محلی باشند. نهایتاً شایستگی به ارتقای مهارتهای دیجیتال و تخصصهای مرتبط با هوش مصنوعی در سطوح مختلف اشاره دارد. نبود این مهارتها میتواند شکافهای موجود را عمیقتر کند و مانع بهرهبرداری مؤثر از ظرفیتهای هوش مصنوعی شود.
در کنار چارچوب 4Cs، بانک جهانی رویکرد «هوش مصنوعی کوچک» را نیز بهعنوان راهبردی مؤثر برای کشورهای دارای محدودیت منابع ترویج میکند. این رویکرد بر توسعه مدلها و ابزارهای کمهزینه و سبک تمرکز دارد که با زیرساختهای محدود نیز قابل اجرا هستند و میتوانند نیازهای فوری و بومی کشورها را در حوزههایی مانند آموزش، سلامت، کشاورزی و خدمات عمومی پاسخ دهند. هوش مصنوعی کوچک نهتنها هزینه ورود به این حوزه را کاهش میدهد؛ بلکه امکان توسعه سریع راهحلهای محلی را فراهم میسازد و میتواند در کوتاهمدت به بهبود کیفیت زندگی و کارآمدی خدمات منجر شود.
هوش مصنوعی با قابلیتهایی مانند پردازش زبان طبیعی، قدرت پیشبینی، بینایی رایانهای و مدلهای مولد میتواند کیفیت خدمات حیاتی را به طور چشمگیری بهبود دهد و بهرهوری بخشهای مختلف را افزایش دهد، به ویژه در کشورهایی که با محدودیتهای زیرساختی روبهرو هستند، اما نابرابری در دسترسی به نوآوری، ضعف زیرساختها، کمبود توان محاسباتی و نبود دادههای بومی چالشهایی جدی ایجاد میکند و خطر گسترش شکاف دیجیتال را بالا میبرد.
در این شرایط اقدام سریع و سیاستگذاری هدفمند ضروری است کشورهای در حال توسعه باید با رویکردی مبتنی بر شواهد و با سرمایهگذاری در چهار بنیان اصلی شامل زیرساخت دیجیتال مهارتها ظرفیت محاسباتی مقرون به صرفه و دادههای بومی شرایط بهرهبرداری پایدار و موثر از هوش مصنوعی را فراهم کنند. این اقدامات میتواند بهرهوری کیفیت خدمات و عدالت دیجیتال را تقویت کند. در مجموع هوش مصنوعی فرصتی مهم برای دستیابی به رشد فراگیر و تحول اقتصادی فراهم میکند، اما تحقق آن نیازمند تعهد مداوم سیاستگذاری دقیق و همکاری گسترده داخلی و بینالمللی است.
ضرورت سیاستگذاری؛ عصر هوش مصنوعی قواعد بازی را از نو میطلبد
گسترش سریع هوش مصنوعی نمیتواند میلیونها نفر را در کشورهای کمدرآمد (LICs)[5] و با درآمد متوسط (MICs)[6] در حاشیه بگذارد. هرچند برخی اهمیت هوش مصنوعی را برای این کشورها محدود میدانند و آن را در برابر نیازهای فوریتر کماولویت میبینند، اما چنین نگاهی کوتاهبینانه است. آثار بلندمدت هوش مصنوعی بسیار فراتر از محدودیتهای امروز است و دولتها باید برای مدیریت تحولات آینده آماده باشند.
با شتابگیری پذیرش هوش مصنوعی در اقتصادهای پیشرفته، تأخیر کشورهای درحالتوسعه خطر عقبماندگی بیشتر و تشدید شکاف بهرهوری و سطح زندگی را افزایش میدهد. در غیاب نهادهای جهانی برای کاهش نابرابری بین کشورها، شکافهای ناشی از هوش مصنوعی میتواند نابرابری جهانی را عمیقتر کند و چالشهای سیاستی آن را پیچیدهتر نماید. همچنین، پذیرش دیرهنگام هوش مصنوعی میتواند فرصتهای رشد صادراتمحور و ایجاد مشاغل باکیفیت را محدود سازد.
هوش مصنوعی الگوهای تولید جهانی را بازتعریف میکند و ممکن است به «پیشرسزدایی حرفهای»[7] منجر شود؛ یعنی محدود شدن مشاغل تخصصی پیش از رسیدن کشورها به درآمدهای بالا. با تهدید هوش مصنوعی برای مشاغل تولیدی و خدمات دیجیتالی قابلبرونسپاری، کشورهای درحالتوسعه ممکن است با کاهش شدید فرصتهای صادراتی و باقیماندن عمده مشاغل در بخشهای کممهارت مواجه شوند؛ وضعیتی که توسعه پایدار را دشوار میسازد.
شکاف دیجیتال؛ بزرگترین مانع پیشروی آینده هوش مصنوعی
مسیرهای آینده و پیامدهای هوش مصنوعی همچنان با عدمقطعیت قابلتوجهی روبهرو است؛ عدمقطعیتی که هم فرصتهای تازه و هم مخاطرات نوظهور به همراه دارد. در کوتاهمدت، دستاوردهای آن ممکن است محدود و همراه با اثرات توزیعی نابرابر باشد، اما در بلندمدت بهرهمندی از منافع گستردهتر به مجموعهای از عوامل فناورانه و اجتماعی وابسته است.
با وجود این ابهام، هوش مصنوعی فرصتهایی برای گسترش دسترسی به اطلاعات و خدمات، افزایش بهرهوری و خلق صنایع و مشاغل جدید ایجاد میکند؛ در حالی که همزمان میتواند رقابت میان نیروی کار و بنگاهها را تشدید کرده و نابرابری را میان و درون کشورها افزایش دهد، بهویژه در اقتصادهای درحالتوسعهای که از روند پذیرش آن عقب میمانند.
بیشتر بخوانید: بررسی طرح اقدام هوش مصنوعی 2025 آمریکا
در سطح جهانی، نوآوری در هوش مصنوعی عمدتاً در اختیار کشورهای ثروتمند است. ایالات متحده تاکنون ۶۲ درصد از مدلهای هوش مصنوعی شاخص جهان را تولید کرده و بیش از ۷۳ درصد از سرمایهگذاری استارتآپی این حوزه را به خود اختصاص داده است. چین نیز با پیشتازی در انتشار مقالات علمی و ثبت اختراع، جایگاهی محوری یافته و ۱۳ درصد از مدلهای قابلتوجه را تولید کرده است.
در میان کشورهای با درآمد متوسط، تنها آرژانتین (۰.۱ درصد) و هند (۰.۲ درصد) سهمی هرچند محدود در تولید مدلهای مهم دارند و بیشتر کشورهای کمدرآمد و متوسط نقشی حاشیهای در نوآوری ایفا میکنند. با این حال، بسیاری از کاربردهای هوش مصنوعی نیازمند بومیسازی عمیقاند؛ بهگونهای که کشورهای درحالتوسعه، حتی بدون توسعه مدلهای پایهای، میتوانند با تکیه بر سازگارسازی و نوآوری بومی در چارچوب سکوهای متنباز، بهرهوری و کارآمدی لازم را به دست آورند.
در کنار این تحولات، هوش مصنوعی مولد با سرعتی بیسابقه در سراسر جهان در حال گسترش است. روندی که ماهیت انقلابی فناوری را بهخوبی نشان میدهد. با وجود این رشد سریع، شکاف چشمگیری در میزان استفاده میان کشورهای کمدرآمد و سایر کشورها شکل گرفته است، شکافی که میتواند پیامدهایی جدی برای توسعه انسانی، رقابتپذیری اقتصادی و عدالت فناورانه به همراه داشته باشد.
اگر این فناوری بدون رویکردهای سیاستی و نهادی مناسب گسترش یابد، احتمال تعمیق نابرابری دیجیتال افزایش مییابد، اما با اتخاذ راهبردهای دقیق و بومیسازی هدفمند، میتواند به ابزاری کارآمد برای تحول اقتصادی و اجتماعی تبدیل شود.
گزارش «تقویت بنیانهای هوش مصنوعی» بر اهمیت تقویت چهار رکن بنیادینی تأکید میکند که ظرفیت یک کشور برای پذیرش، سازگارسازی و نوآوری با هوش مصنوعی را شکل میدهند؛ اتصال (Connectivity)، قدرت محاسباتی (Compute)، محتوا/بافت (Context) و شایستگی (Competency). این چهار رکن که در شکل زیر نمایش داده شدهاند، توانمندسازهای حیاتی برای ایجاد یک زیستبوم فراگیر و کارآمد در حوزه هوش مصنوعی به شمار میروند. در ادامه به هر یک از این ارکان اشاره میشود.
چهار رکن بنیادین هوش مصنوعی (گزارش بانک جهانی)
- اتصال: دسترسی مؤثر به فناوریهای هوش مصنوعی نیازمند فراهم بودن انرژی قابل اعتماد، زیرساختهای دیجیتال پایدار و امکان دسترسی و مالکیت بر دستگاههای دیجیتال است. وجود این مؤلفهها تضمین میکند که افراد، بنگاهها و نهادها بتوانند به شکل برابر و کارآمد از قابلیتهای هوش مصنوعی بهرهمند شوند.
- قدرت محاسباتی: این مفهوم به میزان دسترسی و مقرون به صرفه بودن توان پردازشی اشاره دارد، از جمله تراشههای هوش مصنوعی، مراکز داده و خدمات رایانش ابری. این عناصر برای آموزش و به کارگیری مدلهای هوش مصنوعی در مقیاس گسترده ضروری هستند.
- محتوا/بافت: این بخش شامل دادههای آموزشی، مدلها و کاربردهایی است که با زبانها، فرهنگها، نیازها و چارچوبهای حکمرانی محلی سازگار طراحی میشوند. در نبود این گونه تطبیق بومی، ابزارهای هوش مصنوعی ممکن است نامرتبط، غیرقابل اعتماد یا حتی غیرقابل استفاده باقی بمانند.
- شایستگی و مهارت: این مؤلفه مجموعهای از مهارتهای دیجیتال و ظرفیتهای گستردهتری را شامل میشود که برای به کارگیری هوش مصنوعی در فرایندهای کاری و توسعه راهحلهای نوآورانه ضرورت دارد.
اگرچه هر چهار مؤلفه برای همه کشورها ضروری هستند، میزان اهمیت و سطح پیچیدگی مورد نیاز آنها بر اساس هدف هر کشور در بهرهگیری از هوش مصنوعی متفاوت است. کشورهایی که در مرحله پذیرش اولیه ابزارهای آماده هوش مصنوعی قرار دارند، باید اتصال فراگیر و مهارتهای پایه دیجیتال را در اولویت بگذارند. مرحله سازگارسازی که به معنای تطبیق ابزارهای هوش مصنوعی با شرایط محلی است، به حاکمیت پیشرفته داده، محتوای بومی معتبر و نیروی انسانی متخصصتر نیاز دارد.
در نهایت، نوآوری که شامل توسعه مدلهای پیشرفته یا تولید کاربردهای کاملاً جدید است، مستلزم زیرساختهای محاسباتی پیشرفته، اکوسیستمهای قدرتمند پژوهش و سرمایهگذاری و سطحی از تخصص است که بتواند در مقیاس جهانی رقابت کند.
به این ترتیب، چارچوب 4Cs یک رویکرد سیاستی و عملی برای سنجش میزان آمادگی، شناسایی محدودیتهای اساسی و طراحی مداخلات هدفمند ارائه میکند. این چارچوب به دولتها امکان میدهد بر اساس ظرفیتها و اهداف خود در حوزه هوش مصنوعی، اولویتهای روشن و واقعبینانه تعیین کنند و در عین حال هماهنگی میان راهبردهای زیرساختی، نوآوری، آموزشی، نیروی کار و مدیریت داده را تقویت کنند.
سرمایهگذاری متوازن و هماهنگ در هر چهار حوزه چارچوب نه تنها شرط لازم برای توانمندسازی نظاممند هوش مصنوعی است؛ بلکه برای تضمین اثرگذاری گسترده اقتصادی و اجتماعی آن نیز اهمیت بنیادی دارد.
شاخصهای سرمایهگذاری در چارچوب 4Cs بر مبنای سطح آمادگی هوش مصنوعی کشورها
چارچوب 4Cs یک رویکرد راهبردی و کمریسک برای کشورهای کمدرآمد و با درآمد متوسط به شمار میرود؛ هرچند تعیین اولویتها باید متناسب با شرایط منحصربهفرد هر کشور انجام گیرد که در جدول زیر نشان داده شده است. در عصر هوش مصنوعی، اندازه بازار داخلی یک مزیت کلیدی است.
فناوریهای دیجیتال بازدهی فزاینده نسبت به مقیاس دارند؛ بهطوریکه بازارهای بزرگ امکان مقیاسپذیری سریع، جمعآوری داده متنوع و سرمایهگذاری پایدار در تحقیقوتوسعه و زیرساختهای محاسباتی را فراهم میکنند. این پویایی، کشورهای بزرگ را قادر میسازد شرکتهای رقابتیتر، اکوسیستمهای غنیتر و نوآوریهای بنیادی بیشتری تولید کنند، درحالیکه کشورهای کوچکتر بیشتر مصرفکننده باقی میمانند.
اولویتبندی سرمایهگذاریهای هوش مصنوعی بر پایه سطح آمادگی هوش مصنوعی در قالب چارچوب 4Cs
| قابلیت هوش مصنوعی و ارکان چارچوب 4Cs | سطح آمادگی هوش مصنوعی کشورها | ||
| سطح آمادگی پایین | سطح آمادگی پایین | سطح آمادگی پایین | |
| قابلیت هوش مصنوعی | پذیرش | پذیرش و سازگارسازی | پذیرش، سازگارسازی و نوآوری |
| اتصال (Connectivity) | • فراهمسازی دسترسی همگانی به برق • بهبود پوشش، کیفیت و مقرونبهصرفهبودن اینترنت پهنباند • حمایت از مالکیت و دسترسی به دستگاههای دیجیتال | • ارتقای زیرساخت پهنباند • ایجاد نقاط تبادل اینترنت • ارتقای صادرات کالاها و خدمات دیجیتال | • ارتقای زیرساخت پهنباند • حمایت و توسعه بخش دیجیتال و زیستبوم فناوری محلی |
| قدرت محاسباتی (Compute) | • اتکا عمدتاً به رایانش ابری و مراکز داده خارجی | • سرمایهگذاری در مراکز داده داخلی • ایجاد مراکز داده منطقهای برای کشورهای کوچک • مشارکت راهبردی با ارائهدهندگان ابری و تراشههای هوش مصنوعی خارجی | • توسعه و خرید تراشههای پیشرفته هوش مصنوعی • ساخت سیستمهای رایانشی پیشرفته • ایجاد مراکز داده هوش مصنوعی |
| بافت/زمینه یا محتوا (Context) | • اتکا به ترجمه و مدلهای موجود • همکاری با شرکتهای جهانی برای گردآوری دادههای محلی • بهبود ظرفیت آماری و جمعآوری دادههای دولتی | • ترکیب ترجمه و سرمایهگذاری در مجموعه دادههای محلی • توسعه دادههای مصنوعی • سفارشیسازی مدلهای متنباز • توسعه کاربردهای محلی هوش مصنوعی در بازارهای تخصصی | • سرمایهگذاری در دادههای آموزشی محلی در حوزههای اصلی • سفارشیسازی مدلهای متنباز • توسعه مدلهای پیشرفته محلی • ارتقای حاکمیت داده |
| شایستگی (Competency) | • ارتقای سواد دیجیتال و مهارتهای دیجیتال پایه و میانی | • تمرکز بر مهارتهای دیجیتال میانی و پیشرفته • جذب و نگهداشت استعداد | • توسعه مهارتهای پیشرفته دیجیتال و هوش مصنوعی • حمایت از پژوهشگران برتر هوش مصنوعی • جذب و نگهداشت استعداد |
ترکیب مقیاس و شدت جایگاه کشور را در زنجیره ارزش جهانی هوش مصنوعی و آمادگی آن برای بهرهبرداری از این فناوری تعیین میکند. کشورهایی با مقیاس بزرگ، ظرفیت جذب سرمایه جهانی، پیشتازی در نوآوریهای بنیادی هوش مصنوعی و توسعه زیرساخت محاسباتی، دادههای آموزشی محلی، مدلهای بومی و پژوهشگران ممتاز را دارند. این مقیاس انگیزههای قوی برای ورود و رقابت شرکتهای هوش مصنوعی ایجاد میکند.
کشورهای کوچکتر هرچند احتمال کمتری برای پیشتازی در نوآوریهای مرزی دارند، اما میتوانند با تمرکز بر پذیرش و سفارشیسازی هوش مصنوعی در حوزههای ارزشافزوده بالا یا بخشهایی که نیازهای محلی اهمیت دارد، همچنان عملکرد برجستهای داشته باشند.
منبع: Tortoise Media
شاخص جهانی هوش مصنوعی Tortoise Media هر دو بعد مقیاس و شدت را در ارزیابی آمادگی کشورها برای هوش مصنوعی اندازهگیری میکند که در شکل بالا نشان داده شده است. چین و ایالات متحده به دلیل بازارهای داخلی وسیع و بالغ دیجیتال، تمرکز زیرساختهای محاسباتی، مجموعه دادههای عظیم و وفور شرکتها و استعدادهای هوش مصنوعی در رتبههای نخست مقیاس قرار دارند. در مقابل، کشورهایی مانند رژیم صهیونیستی، سنگاپور و سوئیس در شدت ظرفیت هوش مصنوعی عملکرد برتر دارند که نتیجه سرمایهگذاریهای متمرکز و اکوسیستمهای کارآمد است.
کشورهایی همچون فرانسه، آلمان و بریتانیا در هر دو بعد عملکرد خوبی دارند و میان جرم بحرانی[8] و نفوذ عمیق[9] توازن ایجاد کردهاند. اقتصادهای بزرگ با درآمد متوسط مانند برزیل و کشورهای کوچک با درآمد بالا همچون استونی و ایسلند در سطح متوسط قرار میگیرند.
در همین حال، کشورهای کمدرآمدی مانند اتیوپی و کنیا در هر دو بعد عملکرد ضعیفتری دارند؛ موضوعی که لزوم سرمایهگذاری در توانمندسازهای بنیادی همچون پهنباند باکیفیت و مقرونبهصرفه، سواد دیجیتال و مهارتهای نیروی کار را برجسته میکند. برای این کشورها، ایجاد آمادگی یعنی اولویت دادن به بنیانهایی که مسیر پذیرش گستردهتر هوش مصنوعی را هموار میکند.
نتیجهگیری و جمعبندی
تحول هوش مصنوعی نسل جدید در حال بازآرایی زیرساختهای دانشی، نهادی و اقتصادی جهان است و سرعت این تحول پیامدهایی مهم برای شکافهای توسعهای دارد. ظرفیتهای هوش مصنوعی، از جمله توانایی پردازش زبان طبیعی، تولید محتوا، تحلیل دادههای عظیم و انجام وظایف شناختی با کارایی بالا، میتوانند محدودیتهای تاریخی دسترسی به دانش و خدمات را کاهش دهند و بهرهوری را در بخشهای مختلف اقتصادی افزایش دهند.
با این حال، بهرهبرداری از این ظرفیتها بهشدت وابسته به چهار رکن زیرساختی است؛ اتصال دیجیتال، توان پردازشی، داده و مهارت انسانی. نابرابری در هر یک از این ارکان میتواند از تحقق منافع توسعهای جلوگیری کند و حتی موجب تشدید نابرابریهای کنونی شود.
بررسی شواهد جهانی نشان میدهد که شکاف میان کشورهای پردرآمد و کمدرآمد در این چهار بعد بهطور ساختاری در حال گسترش است. کیفیت و هزینهٔ اتصال، پراکندگی جهانی ظرفیت محاسباتی و زنجیرهٔ تأمین تراشه، تمرکز شدید دادههای آموزشی در زبانهای محدود و کمبود سرمایه انسانی ماهر، همگی عواملیاند که مانع مشارکت بسیاری از کشورها در اقتصاد مبتنی بر هوش مصنوعی میشوند.
ازاینرو، فناوری بهخودیِخود موجب همگرایی توسعهای نمیشود؛ بلکه تنها کشورهایی که ظرفیت نهادی و سرمایهگذاری هدفمند در این چهار حوزه را ایجاد کنند قادر خواهند بود از هوش مصنوعی بهعنوان موتور رشد بهره ببرند؛ بنابراین، راهبرد توسعه در عصر هوش مصنوعی مستلزم برنامهریزی مرحلهای، سرمایهگذاری عمومی، حکمرانی مسئولانه و همکاری بینالمللی است تا از تبدیلشدن هوش مصنوعی به عاملی برای واگرایی جلوگیری شود.
نویسنده: مجتبی رضائی
منبع اصلی
[1] World Bank. (2025). Digital Progress and Trends Report 2025: Strengthening AI Foundations. World Bank.
[1] Connectivity
[2] Compute
[3] Context
[4] Competency
[5] Low-income Countries
[6] Middle-Income Countries
[7] Premature Deindustrialization
[8] Critical Mass
[9] Deep Penetration
