مقدمه
آیا ماشینها میتوانند فکر کنند؟ این پرسشی است که در سال ۱۹۵۰ میلادی، در یکی از مقالات اصلی حوزه هوش مصنوعی، توسط آلان تورینگ (Alan Turing) مطرح شده است.
این پرسش را میتوان مقدمهای بر چگونگی تقلید ماشینها از انسان دانست؛ چیزی که امروزه با پیشرفتهای صورت گرفته در حوزه فناوری هوش مصنوعی (AI) و عرضه انواع و اقسام محصولات و خدمات مبتنی بر این فناوری، تا حد زیادی محقق شده است. بزرگسالان و کودکان، میتوانند سؤالات خود را از دستیار دیجیتال خانگی پرسیده و پس از شناسایی و تشخیص صدا و تفسیر پرسش از سوی دستیار دیجیتال، پاسخ را دریافت کنند. در خیابانها، خودروهای خودران محیط اطراف خود را اسکن و تفسیر نموده و بدون نیاز به راننده انسانی، سرنشینان را در کمال امنیت و راحتی، به مقصد میرسانند. با پیشبینیهای مبتنی بر بزرگ دادهها و آنالیزهای هوش مصنوعی، تصمیمگیری در بخشهای مختلف اقتصادی، اعم از کسبوکارهای بزرگ و کوچک، لجستیک و حملونقل، مراقبتهای بهداشتی و ...، بهطور فزایندهای بهبود یافته است.
این دامنه گسترده از محصولات و خدمات جدید که مبتنی بر فناوری هوش مصنوعی است، به خوبی نشان میدهد که «AI»، میتواند درک مردم را از جهان پیرامون و زندگی روزمره خود تغییر دهد. این یک اصل کلیدی در پیشرفت فناورانه است و به نظر میرسد که باید خود را برای انقلابی دیگر، همتراز با تحولات ناشی از موتور بخار و نیروی برق در قرنهای گذشته آماده کنیم.
سؤال این است که چگونه میتوان تأثیر بالقوه «AI» را ارزیابی نمود؟ آیا پیشرفتهای صورت گرفته در نقطه مطلوبی از نظر تجاریسازی قرار دارند؟ فناوران و بنگاههای اقتصادی هم در این توسعه و سرمایهگذاری فناورانه نقش داشته، یا صرفاً یک پیشرفت بنیادین و در مقیاس آکادمیک صورت گرفته است؟
پاسخ به این پرسشها، تا حد زیادی دشوار بوده و نیاز به شاخصهای ارزیابی مناسبی دارد. یکی از بهترین شاخصها برای درک ماهیت و نرخ انتشار فناوریهای هوش مصنوعی، ثبت اختراعات این حوزه است. بهعنوان یک ابزار کارآمد برای حفاظت از نوآوریها و اختراعات، پتنت نشان میدهد که آیا فناوریهای هوش مصنوعی در حال رشد بوده و از آن مهمتر، آیا در دامنه گستردهای از حوزههای فنی، مخترعین، شرکتها و مناطق جغرافیایی، توسعه یافتهاند؟
در گزارشی که دفتر ثبت اختراعات و علائم تجاری آمریکا (USPTO)، تحت عنوان «اختراعات حوزه هوش مصنوعی: رصد نفوذ هوش مصنوعی در ثبت اختراعات آمریکایی» (Inventing AI: Tracing the Diffusion of AI with U.S. Patents) منتشر نموده، نگاهی عمیقتر به این فناوری نوظهور و تحولآفرین شده است. در این راستا، مجموعه پتنتهای آمریکایی متعلق به بازه زمانی سالهای ۱۹۷۶ تا ۲۰۱۸ میلادی، مورد استفاده قرار گرفته تا درک بهتری از روند توسعه و تجاریسازی فناوری هوش مصنوعی به دست آید.
نکته جالبتر اینکه برای آنالیز دقیق دادهها، تعیین حجم، ماهیت و تکامل هوش مصنوعی و زیر مؤلفههای اصلی آن، از نوعی الگوریتم یادگیری ماشینی استفاده شده است. به عبارت بهتر از هوش مصنوعی برای کشف و تحلیل روند تکامل هوش مصنوعی در سه دهه گذشته استفاده شده است!
در گزارش حاضر، مروری بر کلیات ارائه شده در گزارش دفتر ثبت اختراعات و علائم تجاری آمریکا در خصوص هوش مصنوعی داشته و سعی گردیده تا روندهای کلیدی این حوزه، معرفی شوند.
هوش مصنوعی چیست؟
انستیتوی ملی استاندارد و فناوری آمریکا (NIST)، فناوریها و سیستمهای هوش مصنوعی را چنین تعریف کرده است: «نرمافزار یا سختافزاری که میتواند حل مشکلات و مسائل پیچیده را یاد بگیرد، پیشبینی کند و وظایف انسانی نظیر سنجش و ارزیابی (مانند بینایی، گفتار و لامسه)، ادراک، شناخت، برنامهریزی، یادگیری، ارتباطات و اعمال فیزیکی که نیازمند مهارت انسانی است را انجام دهد».
اگرچه تعریف ارائه شده کاملاً دقیق و جامع است، اما برای یک تجزیه و تحلیل پتنت، به اندازه کافی خاص نیست. به همین دلیل و جهت سهولت بیشتر، در این گزارش از هشت مؤلفه اصلی فناوری هوش مصنوعی استفاده شده که در شکل ۱ معرفی شدهاند. این مؤلفهها، در برگیرنده حوزههای نرمافزار، سختافزار و کاربردهای فناوری بوده و ممکن است که یک سند ثبت اختراع، یک یا چند مؤلفه را در بر گیرد.
شکل ۱- مؤلفههای کلیدی فناوری هوش مصنوعی (مورد استفاده در تحلیل پتنت)
تعاریف و مثالهای زیر، به درک بهتر مؤلفههای هشتگانه فناوریهای هوش مصنوعی کمک خواهد کرد:
۱. پردازش دانش (Knowledge Processing):
این حوزه، شامل بازنمایی و استخراج حقایقی در خصوص جهان و استفاده از این اطلاعات در سیستمهای خودران است. برای مثال، پتنت شماره «US 7685082»، الگوریتمی را توصیف نموده که از یک «پایگاه دانشی» از پیش تعریف شده، برای تشخیص خودکار خطاهای حسابداری استفاده میکند. به عبارت بهتر، یک کاربرد این مؤلفه، تشخیص خطا در زمان واقعی، برای تهیه آنلاین مالیات بر درآمد است.
۲. گفتار (Speech):
تشخیص گفتار، شامل تکنیکهایی برای درک دنبالهای از کلمات است که یک سیگنال صوتی را شکل میدهد. برای مثال، پتنت شماره «US 10043516»، یک دستیار هوشمند را بهعنوان اختراعی جدید معرفی میکند. دقیقاً مشابه با دستیار صوتی اپل (Siri)، آمازون (Alexa) و مایکروسافت (Cortana) که به سؤالات کاربران پاسخ داده و دستورات گفتاری آنها را به اجرا در میآورند.
۳. سختافزار هوش مصنوعی (AI Hardware):
الگوریتمهای مدرن هوش مصنوعی، به قدرت محاسباتی قابلتوجهی نیاز دارند. سختافزارهای هوش مصنوعی، شامل اجزای فیزیکی کامپیوتری هستند که برای رفع این نیاز و افزایش کارایی و سرعت پردازش طراحی شدهاند. برای مثال، پتنت شماره «US 8892487»، دستگاهی برای پردازش اطلاعات کارآمد توصیف نموده که از سیناپسهای بین نورونهای بیولوژیکی (مشابه مغز انسان) تقلید میکند.
۴. محاسبات تکاملی (Evolutionary Computation):
محاسبات تکاملی، شامل مجموعهای از روالهای محاسباتی، با استفاده از جنبههای طبیعت و بهطور خاص تکامل است. به عنوان مثال، پتنت شماره «US 7657494»، یک رویکرد تکاملی برای پیشبینی ذخایر موجود نفتی را توصیف میکند. این روش خلاقانه و منحصربهفرد، تعداد زیادی از مدلهای رقابتی را ارزیابی نموده و با استفاده از یک الگوریتم الهام گرفته از توالیهای ژنتیکی، بهترین مدل را انتخاب میکند.
۵. پردازش زبان طبیعی (Natural Language Processing):
تمرکز این حوزه، بر درک و استفاده از دادههای رمزگذاری شده به زبان نوشتاری است. برای مثال، پتنت شماره «US 8930178»، از دادههای متنی برای شبیهسازی رویکردهای مختلف حافظه انسانی استفاده میکند. از این فناوری، میتوان برای افزایش کارایی فرآیندهای اداری مراقبتهای بهداشتی، نظیر تخصیص کدهای صورتحساب به سوابق بالینی استفاده نمود.
۶. یادگیری ماشین (Machine Learning):
حوزه یادگیری ماشین، شامل طبقه وسیعی از مدلهای محاسباتی بوده که از دادهها یاد میگیرند. به عنوان مثال، پتنت شماره «US 9390378»، با استفاده از طبقهبندی توصیف محصول، بررسیها و سایر ویژگیهای محصول، الگوریتمی برای بهینهسازی پلتفرمهای تجارت الکترونیکی ایجاد میکند.
۷. بینایی (Vision):
بینایی ماشین یا بینایی کامپیوتری، اطلاعات ارزشمندی را از تصاویر و فیلمها استخراج و درک میکند. برای مثال، پتنت شماره «US 10055843»، تشخیص ناهنجاری در تصاویر کولونوسکوپی را بهطور خودکار انجام میدهد.
۸. برنامهریزی و کنترل (Planning and Control):
برنامهریزی و کنترل، شامل فرآیندهایی برای شناسایی، ایجاد و اجرای فعالیتها به منظور دستیابی به اهداف مشخص است. برای مثال، پتنت شماره «US 10031490»، به کاهش تجزیه و تحلیل جریان کار (بهعنوان یک فرآیند پرهزینه)، در صورت بروز شرایط غیرعادی در کارخانهها کمک میکند. این اختراع نوآورانه، روشی برای شناسایی مشکلات احتمالی از طریق بینایی، صوتی یا سایر شرایط محیطی توصیف نموده و از یک سیستم تخصصی برای رفع این مشکلات استفاده میکند.
هوش مصنوعی و ثبت اختراع
یکی از ویژگیهای بارز فناوریهای جدید و ارزشمند، افزایش چشمگیر پروندههای ثبت اختراع است. این درخواستها، منعکسکننده انتظارات و تصمیمات سرمایهگذاران و نوآورانی هستند که به دنبال استفاده از فناوریهای جدید برای نوآوری بیشتر میباشند. شکل ۲، روند طولانی مدت (سالهای ۱۹۷۶ تا ۲۰۱۸ میلادی) درخواستهای ثبت اختراع در حوزه هوش مصنوعی و سهم آن در بین مجموع درخواستها را نشان میدهد. لازم به تأکید است که با توجه به تغییرات ناشی از قانون حمایت از مخترعین آمریکا (AIPA) در پایان سال ۱۹۹۹ و دوره اجرای آن (منطقه خاکستری در شکل ۲)، روندهای شکل گرفته پس از سال ۲۰۰۲ میلادی، از اهمیت بیشتری برخوردار است.
شکل ۲- تعداد و سهم درخواستهای حوزه هوش مصنوعی طی سالهای ۱۹۷۶ تا ۲۰۱۸ میلادی
همانطور که در شکل ۲ نمایان است، در فاصله زمانی سالهای ۲۰۰۲ تا ۲۰۱۸ میلادی، تعداد و سهم درخواستهای حوزه هوش مصنوعی، بهطور کلی افزایشی بوده است. تعداد درخواستهای سالیانه در این دوره شانزده ساله، بیش از ۱۰۰ درصد افزایش یافته و از حدود ۳۰.۰۰۰ درخواست در سال ۲۰۰۲ میلادی، به بیش از ۶۰.۰۰۰ مورد در سال ۲۰۱۸ رسیده است. جالبتر اینکه به موازات افزایش تعداد درخواستهای هوش مصنوعی، سهم آنها در کل درخواستهای «USPTO» هم رشد چشمگیری نشان میدهد، بهطوری که از ۹ درصد در سال ۲۰۰۲، به ۱۶ درصد در سال ۲۰۱۸ رسیده است.
اگر چه روند کلی درخواستهای ثبت اختراع با موضوع «AI» رو به افزایش است، اما غفلت از اجزا و مؤلفههای هشتگانه، میتواند درک ما نسبت به ماهیت پیشرفتهای صورت گرفته در این حوزه را با ابهام مواجه سازد. همانطور که قبلاً هم ذکر شد، یک پتنت ممکن است در یک یا چند مورد از هشت مؤلفه تعریف شده قرار گیرد. از همین رو، تحلیل اسناد ثبت اختراع مبتنی بر مؤلفههای مذکور، میتواند دقیقتر باشد. در شکل ۳، تعداد درخواستها و روند آنها به تفکیک مؤلفههای فناوری هوش مصنوعی، طی سالهای ۱۹۹۰ تا ۲۰۱۸ میلادی ارائه شده است. بر این اساس، «برنامهریزی و کنترل» و «پردازش دانش»، دو حوزه پرکاربرد، رایج و مورد استقبال مخترعین و فناوران هستند. طبق بررسیهای صورت گرفته، این دو مؤلفه، بسیاری از ثبت اختراعات مرتبط با سایر مؤلفهها، از جمله یادگیری ماشین را هم در خود جای دادهاند.
شکل ۳- تعداد درخواستهای هوش مصنوعی به تفکیک مؤلفههای هشتگانه طی سالهای ۱۹۹۰ تا ۲۰۱۸ میلادی
همانطور که در شکل بالا مشخص است، از سال ۲۰۱۲ میلادی به اینسو، درخواستهای مرتبط با دو حوزه یادگیری ماشین و بینایی کامپیوتری، افزایش قابلتوجهی داشتهاند. هر دوی این فناوریهای هوش مصنوعی، در موفقیت «AlexNet»، بهعنوان بخشی از چالش تشخیص تصاویر در مقیاس بزرگ یا اصطلاحاً «ImageNet» نقش داشتند. از سوی دیگر، یافتهها حاکی از آن است که درخواستهای ثبت اختراع مرتبط با سختافزار هوش مصنوعی، به موازات بینایی کامپیوتری افزایش یافته است. ارتباط نزدیک این درخواستها در فناوریهای ترکیبی، نشان میدهد که بین پیشرفت در شناسایی تصاویر و نیاز به قدرت و عملکرد محاسباتی، تعاملی تنگاتنگ وجود دارد.
انتشار و توزیع هوش مصنوعی
منظور از انتشار فناوری، «توسعه، گسترش و پذیرش یک فناوری جدید»، توسط مخترعین، شرکتها و نوآوران است. هنگامی که یک فناوری جدید توسعه مییابد، درک مزایای آن و پذیرش به معنای جذب و بهرهبرداری از فناوری، نیازمند گذر زمان بوده تا نوآوران و فناوران، بتوانند از فناوری و قابلیتهایش، در فرآیندهای تولیدی و اختراعات خود استفاده نمایند. طبیعتاً فناوریهایی که بهطور گسترده انتشار مییابند، تأثیرات بالقوه زیادی بر نوآوری، بهرهوری و رشد اقتصادی خواهند داشت. برای مثال، نیروی بخار، برق و حتی فناوری اطلاعات، حجم و تنوع محصولات تولید شده در اقتصاد جوامع را به میزان قابلتوجهی افزایش داده و از این طریق، تأثیر چشمگیری بر زندگی شخصی و اجتماعی افراد داشته است.
الف) انتشار و توزیع هوش مصنوعی در سایر حوزههای فناوری:
بخشی از گزارش جدید «USPTO»، به نحوه انتشار فناوریهای هوش مصنوعی و پاسخ به این پرسش میپردازد که آیا این فناوریها در حال گسترش به سایر حوزههای فناوری هم هستند.
برای تجسم و درک بهتر دادههای پتنت در حوزه هوش مصنوعی، از یک پلتفرم آنلاین و رایگان به نام «PatentsView» استفاده شده که توسط دفتر اقتصادی «USPTO» پشتیبانی میشود. اگر سیستم طبقهبندی «CPC» را در نظر بگیریم، مجموعه زیرکلاسهای فناوری که حاوی حداقل دو پتنت به ثبت رسیده با موضوع هوش مصنوعی هستند، میتواند نشاندهنده انتشار «AI» در سایر حوزههای فناوری باشد. سیستم فعلی، دارای بیش از ۶۰۰ زیرکلاس است که بنا بر آمار استخراج شده، سهم پتنتهای هوش مصنوعی در آنها، از ۱۰ درصد در سال ۱۹۷۶ میلادی، به ۴۲ درصد در سال ۲۰۱۸ افزایش یافته است. اطلاعات دقیقتر در شکل ۴ قابل مشاهده میباشد.
شکل ۴- سهم پتنتهای هوش مصنوعی (و زیر مؤلفههای آن)، از زیرکلاسهای فناوری در سیستم طبقهبندی پتنت؛ سالهای ۱۹۷۶ تا ۲۰۱۸ میلادی
همانطور که در شکل ۴ مشخص است، مؤلفههای هشتگانه فناوری هوش مصنوعی، سه خوشه مجزا با نرخ انتشار متفاوت را شکل میدهند. اولین خوشه، «پردازش دانش و برنامهریزی و کنترل» است که سریعترین نرخ انتشار را در کلاسهای فناوری نشان میدهد. این وضعیت، کاربرد کلی و فراگیر مؤلفههای مذکور در طیف وسیعی از حوزههای فنی را اثبات میکند. دومین خوشه، شامل بینایی، یادگیری ماشین و سختافزار هوش مصنوعی است که نرخ انتشار آنها نسبتاً کندتر و در عین حال، افزایشی بوده است. در نهایت، سومین خوشه حاوی محاسبات تکاملی، گفتار و پردازش زبان طبیعی است که کمترین نرخ انتشار را داشته و از ۵ درصد اواخر دهه ۱۹۹۰ میلادی، به ۱۰ درصد از کل کلاسهای فناوری در سالهای اخیر رسیده است.
ب) انتشار و توزیع هوش مصنوعی در بین مخترعین و متقاضیان:
بحث انتشار هوش مصنوعی را میتوان از منظر بازیگران (مخترعین و صاحبان امتیاز پتنت) هم بررسی نمود. باید توجه داشت که تأثیر اقتصادی هوش مصنوعی، زمانی بیشتر میشود که تعداد فزایندهای از مخترعین، شرکتهای فناور و سازمانهای مختلف، از این فناوری در فرآیندهای اختراع و تولید خود استفاده کنند. بر این اساس، رشد درصد مخترعین و سازمانهایی که هر ساله موفق به ثبت پتنت و اخذ گواهی میشوند، یکی از شاخصهای انتشار فناوری خواهد بود. این شاخص را میتوان با استفاده از نام مخترعین و متقاضیان پتنتهای گرنت شده محاسبه نمود. لازم به تأکید است که استفاده از دادههای خام ثبت اختراع، به دلیل تغییرات متعدد در نام مخترعین و متقاضیان و همچنین برخی وجود تشابه و تمایزات در این نامها، ابهامآفرین خواهد بود. برای مثال، «IBM» و «International Business Machines»، به یک شرکت مشخص اشاره داشته که در دادههای خام ثبت اختراع، دو سازمان مجزا در نظر گرفته میشوند. برای غلبه بر این محدودیت، استفاده از «PatentsView» در دستور کار قرار گرفته که به دلیل استفاده از شناسههای منحصربهفرد برای مخترعین و سازمانهای قید شده در اسناد ثبت اختراع، این مشکل را رفع میسازد.
شکل ۵، درصد سالیانه «مخترعین» و «صاحبان پتنت» از سال ۱۹۷۶ تا ۲۰۱۸ میلادی را نشان میدهد که دارای حداقل یک پتنت گرنت شده در حوزه «AI» هستند. روند صعودی نمودار، تأیید میکند که انتشار هوش مصنوعی در میان سایر حوزههای فناوری، افزایشی بوده و از یک درصد مخترعین در سال ۱۹۷۶، به ۲۵ درصد در سال ۲۰۱۸ رسیده است. این امر، بدین معنا است که ۲۵ درصد از کل مخترعین منحصربهفرد در سال ۲۰۱۸ میلادی، از فناوریهای «AI» در پتنتهای گرنت شده خود استفاده نمودهاند. علاوه بر این، از سال ۲۰۰۹ میلادی، سهم مخترعین استفادهکننده از هوش مصنوعی حتی بیشتر از سهم سازمانهایی است که از این فناوری استفاده میکنند (خط آبی از خط سبز عبور کرده است). در توضیح این مورد، میتوان چنین گفت که انتشار نه تنها در سازمانها اتفاق میافتد، بلکه در درون سازمانها هم رخ داده و بسیاری از مخترعین درون سازمانی، از هوش مصنوعی در کارها و ابداعات خود بهره میبرند.
شکل ۵- درصد سالیانه مخترعین و صاحبان پتنت با حداقل یک پتنت گرنت شده در حوزه فناوری هوش مصنوعی طی سالهای ۱۹۷۶ تا ۲۰۱۸ میلادی
مانند اکثر فناوریهای پیشرفته، هوش مصنوعی هم برای درک و اجرا، به دانش تخصصی نیاز دارد. هنگامی که دستیابی به نیروی کار ماهر و اطلاعات فنی دشوار باشد، انتشار معمولاً کندتر شده و عملاً با تعداد محدودی از سازمانها و متقاضیان مواجه خواهیم بود. برای درک بهتر این پدیده، در شکل ۶، سی شرکت برتر آمریکایی که دارای بیشترین پتنت در حوزه هوش مصنوعی هستند، آورده شده است. این شرکتها، مجموعاً ۲۹ درصد از کل پتنتهای گرنت شده در این حوزه از سال ۱۹۷۶ تا ۲۰۱۸ را در اختیار دارند. اغلب این شرکتها، در بخش فناوری اطلاعات و ارتباطات (ICT) فعال هستند که البته، موارد استثنائی همچون جنرال الکتریک، بوئینگ و «Bank of America» هم وجود دارند. برای مثال، طی سالهای اخیر، جنرال الکتریک با افزودن هوش مصنوعی به محصولات و فرآیندهای مکانیکی خود (مانند ایجاد دوقلوهای دیجیتال موتورهای جت برای نظارت و پیشبینی تعمیرات و نگهداری و استفاده از هوش مصنوعی در بازرسی قطعات)، یکی از بازیگران فعال در ثبت اختراعات این حوزه بوده است.
شکل ۶- ۳۰ متقاضی برتر آمریکایی در حوزه پتنتهای هوش مصنوعی
ج) انتشار و توزیع هوش مصنوعی در مناطق جغرافیایی:
با نگاهی فراتر از صنایع و شرکتها، انتشار گسترده جغرافیایی نیز، با تأثیر اقتصادی بیشتری برای فناوریهای جدید همراه است. بررسی اسناد ثبت اختراع، نشان میدهد که در بازه زمانی ۱۹۷۶ تا ۲۰۰۰ میلادی، مخترعین فعال در حوزه فناوری هوش مصنوعی، متمایل به تمرکز در شهرهای بزرگتر و قطبهای فناوری مانند دره سیلیکون بودهاند. این مکانهای جغرافیایی، بهعنوان هاب فناوری، دارای مزایای مختلفی هستند که دسترسی به منابع دانشی و فنی و حتی افراد متخصص را سادهتر میسازند. این مزیت، به مناطقی که دارای دانشگاههای تحقیقاتی بزرگ هستند نیز تسری مییابد.
علیرغم این مزایا، موقعیت جغرافیایی مخترعین «AI» از سال ۲۰۰۱ میلادی به اینسو، نشان میدهد که فناوریهای هوش مصنوعی، بهطور گستردهای در مناطق مختلف پخش شده و به جای هابهای متمرکز فناوری، با ایالات گستردهای سر و کار داریم که هر یک، در برخی مؤلفهها و کاربرهای هوش مصنوعی سرآمد میباشند.