نگاهی به مدل توسعه هوش مصنوعی از منظر سیاست‌گذاری چین

کریس فریمن، دانشمند بزرگ انگلیسی و توسعه‌دهنده و تنقیح‌کننده مفهوم «نظام ملی نوآوری»، در آخرین مقالات خود نقش شرکت‌ها را در قرن بیست‌ویکم، نقشی موثر و حیاتی در توسعه نظام‌های نوآوری شمرد. در این مقاله سعی می‌شود در امتداد مسیر کاری فریمن، با استفاده از مفهوم «نظام نوآوری شرکتی» شرایط هم‌پایی فناورانه کشور چین در حوزه هوش‌ مصنوعی تحلیل شود.

این تحلیل در دو سطح انجام شده‌ است:

• در سطح اول، به شرایط کلی نظام ملی نوآوری و چین پرداخته و مزایا و نواقص این سیستم بررسی شده است.
• در سطح دوم، دو غول فناوری چینی، تنسنت و علی‌بابا به عنوان نمونه مدل توسعه مبتنی بر نظام نوآوری شرکتی در بستر نظام ملی نوآوری چین مورد بحث و بررسی قرار گرفته‌اند.

نطام‌ نوآوری شرکتی سیستمی است که در آن مجموعه‌ای از بازیگران، فعالان (دانشگاه‌ها، آژانس‌های نوآوری و غیره)، منابع و نهادها در آن فعال‌اند تا عملکرد نوآورانه یک شرکت یا گروهی از شرکت‌ها تحلیل علّی شود. در این مقاله تمرکز بر نظام نوآوری یک شرکت واحد به عنوان واحد تحلیلی است. بر اساس این بسترِ تحلیلی، نظام نوآوری شرکتی شرایطی را مهیا می‌کند تا بر اساس آن یک شرکت بتواند ضمن استفاده از منابع موجود در نظام ملی نوآوری، نتایج مد نظر خود را از منظر تجاری و فنی امکان‌پذیر کند. در این مقاله روشن خواهد شد که دو شرکت علی‌بابا و تنسنت بر مبنای همین روش راهکارهای مبتنی بر هوش مصنوعی خود را توسعه می‌دهند و موتور پیشران توسعه هوش مصنوعی در چین در لایه فنی و تجاری به شمار می‌روند.

هوش مصنوعی به‌ عنوان فناوری محوری در فاز دوم انقلاب فناوری اطلاعات

انقلاب فناوری اطلاعات که از دهه ۹۰ میلادی آغاز شد حالا در سال ۲۰۲۲ تقریباً تمامی ابعاد زندگی فردی و اجتماعی ما را تحت تاثیر قرار داده‌ است. در این میان فناوری هوش مصنوعی با پا نهادن بر شانه اینترنت، ارتباطات و ابرکامپیوترها در حال تغییر دادن طیف وسیعی از رشته‌ها و حوزه‌هاست؛ از علوم‌ کامپیوتر و ریاضیات گرفته تا بیولوژی، زبان‌شناسی و روانشناسی. در سمت کاربرد، بسیاری از هوش مصنوعی انتظار یک تکنولوژی عام را دارند که می‌تواند در بسیاری از زمینه‌ها اثرگذار باشد. از سال ۱۹۵۰ که اولین زمزمه‌ها در مورد هوش مصنوعی با کار آلن تورینگ، مخترعِ انگلیسی کامپیوتر، آغاز شد تاکنون، بشر هنوز موفق نشده است تکنولوژی را به سطحی برساند که بتواند در کابردهای وسیعی از آن بهره‌مند شود و بسیاری از اخبار و تحولاتی که این روزها مورد ارجاع‌اند، بیشتر در سطح محصولات اولیه هستند و کمتر فرایند تجاری‌سازی گسترده برای آنها انجام شده است. با وجود این، حجم تحقیقات علمی پیرامون هوش مصنوعی به مدد افزایش توان‌پردازشی و تولید کلان‌داده‌ها رشد قابل توجهی داشته است. برای مثال، پتنت‌ها از سال ۲۰۰۶ تا سال ۲۰۱۱ رشد سالانه هشت درصد را تجربه کرده‌اند و این عدد در بازه سال‌های ۲۰۱۲ تا ۲۰۱۷ به ۲۸ درصد در سال رسیده است، که رشد پرشتاب تولید دانش در این حوزه را نشان می‌دهد. در میان فناوری‌های زیرمجموعه هوش مصنوعی، تا مارس سال ۲۰۱۸، ۸۹ درصد از پتنت‌ها در حوزه یادگیری ماشینی بوده است که بیشتر پتنت‌های حوزه یادگیری ماشینی نیز ناظر به یادگیری عمیق بوده‌اند. بررسی دقیق‌تر آمار پتنت‌های هوش مصنوعی البته نشانی از یک تغییر بنیادی در حوزه فناوری از زاویه‌دید پنجره فرصت هم‌پایی ندارد، به همین سبب فعلاً در چارچوب انقلاب فناوری اطلاعات سخن می‌گوییم و وارد چارچوب انقلاب صنعتی چهارم نمی‌شویم، اما روشن است که هوش مصنوعی اهمیتی مشابه یا حتی بالاتر از میکروالکترونیک به عنوان اولین پیشران انقلاب فناوری اطلاعات دارد بنابراین می‌توان از فاز دوم انقلاب فناوری اطلاعات سخن گفت که فناوری محوری آن هوش مصنوعی است. همچنین کاربردهای راهبردی قابل ملاحظه هوش مصنوعی از نظر نظامی، امنیتی و اقتصادی، نیاز به توسعه سطح فناوری در آن را افزایش داده‌ است. در این میان رقابت شدیدی بین چین و آمریکا در جریان است تا رهبری هوش مصنوعی را ناظر به دغدغه‌های امنیتی و اقتصادی در دست گیرند.

نظام ملی نوآوری چین و هم‌پایی آن در هوش مصنوعی

در سمت ورودی‌های نظام ملی نوآوری عملکرد چین تحسین‌برانگیز بوده است، تعداد دانشجویان فارغ‌التحصیل از دانشگاه‌های چینی در سال ۲۰۱۷ با رشد ۱۰ برابری طی دو دهه به هفت میلیون نفر در سال رسیده است. در همین بازه دو دهه اخیر، سهم تحقیق و توسعه از تولید ناخالص داخلی نیز از حدود ۰.۵ درصد در سال ۱۹۹۶ به ۲.۱ درصد درصد در سال ۲۰۱۸ رسیده است. در سمت خروجی‌های نظام ملی نوآوری، میانگین نرخ رشد سالانه تعداد انتشارات علمی طی سال‌های ۲۰۰۸ تا ۲۰۱۸ حدود ۷.۸ درصد بوده است که در مقایسه با آمریکا با ۰.۷۱ درصد به صورت خیره‌کننده‌ای بالاتر است و در سال ۲۰۱۸ نیز با ۵۲۸ هزار و ۲۶۳ انتشار علمی بالاتر از ایالات متحده با ۴۲۲ هزار و ۸۰۸ انتشار قرار گرفته است. در ادامه به دو بخش از نظام ملی نوآوری چین دقیق‌تر پرداخته خواهد شد که این دو بخش نقش اساسی در هم‌پایی فناورانه بخش هوش مصنوعی در چین دارند:

مدیریت باز کردن نظام اقتصادی به روی دیگر کشورها: پس از فرمان معروف دنگ شیائوپینگ معمار چینِ نوین در سال ۱۹۷۹، چین با سرعت قابل ملاحظه‌ای به سمت همکاری و تداخل بیشتر با جهان رفته است. در این میان نقش شرکت‌های چندملیتی و سرمایه‌گذاری مستقیم خارجی برجسته بوده است. مهم‌ترین بخش برنامه مدرن‌سازی اقتصادی چین و گذر از مرحله تقلید به مرحله نوآوری در برنامه سال ۲۰۰۶ تدوین شده است که بر مبنای آن برنامه، سرمایه‌گذاری مستقیم خارجی و همکاری با شرکت‌های چندملیتی باید در مسیر افزایش ظرفیت و توانمندی فناورانه داخلی چین باشد، بر همین اساس جهت‌گیری سرمایه‌گذاری خارجی مستقیم چین تغییر کرده و این کشور به جای جذب سرمایه‌گذاری مستقیم خارجی سیاست خود را بر سرمایه‌گذاری خارجی در دیگر کشورها و شرکت‌ها با هدف کسب توانایی‌های تکنولوژیک آنها قرار داد.

هم‌پایی فناورنه چین در هوش مصنوعی

بر اساس داده‌های بانک‌ جهانی، سازمان همکاری‌های اقتصادی و غیره دولت مرکزی و برنامه‌ریزی از بالا به پایین نقشی اساسی در فرایند هم‌پایی در چین ایفا کرده است. همچنین بیشتر تحقیق و توسعه هوش مصنوعی در دانشگاه‌ها و مراکز تحقیقات دولتی بوده است غول‌های فناوری بزرگ‌ترین بهره‌بردار این تحقیقات بوده‌اند.

نقاط قوت چین: چین اولین تولیدکننده مقاله در حوزه هوش مصنوعی در دنیا و حائز رتبه دوم بیشترین تعداد ارجاعات مقالات این حوزه است. همچنین دولت چین فعالانه به سرمایه‌گذاری در تحقیق و توسعه هوش مصنوعی و زیرساخت‌های مخابراتی لازم می‌پردازد. طرح موسوم به «دیوار آتشین بزرگ» نیز کمک شایانی به توسعه اکوسیستم شرکت‌های فناوری اطلاعات در چین کرده و باعث شده است شرکت‌های چینی بیشتر بازار داخل را در اختیار بگیرند و محصولات قابل اتکایی توسعه دهند. توسعه زیرساخت‌ها نیز سبب ورود افراد بیشتری به شبکه اینترنت و تولید داده بیشتر شده است، به نحوی که تا سال ۲۰۱۸ چین حدود ۲۳.۴ درصد داده دنیا را تولید کرده است. پرواضح است که داده یکی از اساسی‌ترین و مهم‌ترین موتورهای پیشران محصولات مبتنی بر هوش مصنوعی است و این مزیت مهم شرکت‌های چینی یک مزیت راهبردی است.

نقاط ضعف چین: اولین نقطه ضعف اساسی چین در حوزه هوش مصنوعی دسترسی نداشتن به استعدادهای کافی در حوزه هوش مصنوعی است؛ برای مثال در سال ۲۰۱۷ تعداد پژوهشگران حوزه هوش مصنوعی در چین حدود ۱۸ هزار و ۳۲۳ نفر در مقابل ۴۳ هزار و ۶۴ نفر در اروپا بوده است، از سوی دیگر تعداد پژوهشگران فعال در آمریکا نیز حدود ۵۶ درصد بیشتر از چین است. همچنین نرخ نفوذ مهارت‌های هوش مصنوعی طی سال‌های ۲۰۱۵ تا ۲۰۲۰ در چین از هند و آمریکا با اختلاف پایین‌تر بوده و در جایگاه سوم دنیا قرار داد. در بخش توان‌پردازشی و نیمه‌هادی‌ها چین وضع خوبی ندارد و تخمین زده می‌شود که از نظر سطح فناوری، شرکت‌های پیشرو چینی ۱۰ سال از شرکت‌های بزرگ تایوانی عقب هستند. ضعف در نیمه‌هادی‌ها یکی از کلیدی‌ترین نقاط ضعف چین در مقابل آمریکا محسوب می‌شود، چراکه طراحی نیمه‌هادی‌های TSMC و سامسونگ نیز توسط تکنولوژی شرکت‌ها و متخصصان آمریکایی انجام می‌شود. در سمت دیگر سطح دانش پایه در چین در مقایسه با آمریکا نیز پایین‌تر است و بیشتر تحقیق و توسعه چین ناظر به کاربرد است نه تولیدِ دانش پایه و دانشگاهی. بزرگ‌ترین تولیدکنندگان دانش پایه در جهان در حوزه هوش مصنوعی دو شرکت آمریکایی مایکروسافت و IBM هستند. همچنین در حوزه پتنت‌های پرارجاع که یک شاخص مهم برای تجاری‌سازی فناوری است، چین پس از آمریکا و اتحادیه اروپا در جایگاه سوم ایستاده است.

مقایسه سیستم نوآوری شرکتی دو شرکت تنسنت و علی‌بابا با غول‌های فناوری آمریکایی

دو شرکت تنسنت و علی‌بابا مدعی‌اند که در حال حاضر بیشتر تمرکز تحقیق و توسعه این شرکت‌ها بر هوش مصنوعی و یادگیری ماشینی معطوف است و هسته اصلی فعالیت تحقیقاتی آنها توسعه نرم‌افزارهای کاربردی در این حوزه است. تنسنت، از بزرگ‌ترین تولیدکنندگان بازی در چین، مالک پیام‌رسان وی‌چت نیز هست که منبع اصلی داده‌های استفاده‌شده در توسعه نرم‌افزارهای هوش مصنوعی این شرکت به شمار می‌رود. در سال ۲۰۱۹ این دو شرکت تقریباً ۹۴ درصد بازار پرداخت موبایلی در چین را در اختیار داشتند، علی‌پی حدود ۵۰۰ میلیون و تنسنت از طریق وی‌چت حدوداً ۹۰۰ میلیون کاربر دارند. در مقایسه اپل‌پی، سرویس پرداخت موبایلی شرکت اپل تنها ۲۲ میلیون کاربر در کل آمریکا دارد. در مقابل دو شرکت غول چینی نسبت به شرکت‌های آمریکایی کمتر جهانی شده‌اند، همین موضوع سبب شده است که بسیاری شرکت‌های چینی را شرکت‌های ملی بزرگ بدانند نه بازیگران بین‌المللی که در سطح جهانی فعالیت می‌کنند. استراتژی این غول‌های فناوری در مواجهه با استارت‌آپ‌ها نیز متفاوت است. در حالی که شرکت‌های آمریکایی بیشتر تمایل به خرید کامل استارت‌آپ‌ها دارند، تنسنت و علی‌بابا بیشتر به اخذ سهام شرکت‌ها متمایل‌اند و علاقه‌ای به ورود به فرایندهای مدیریتی این شرکت‌ها ندارند. تا ژوئن ۲۰۲۱، تنست تنها ۱۸ استارت‌آپ را خریداری کرده اما در مقابل، در ۵۸۲ شرکت سرمایه‌گذاری مستقیم کرده‌ است. راهکار دو شرکت غول چینی برای غلبه بر ضعف استعدادی در چین نیز راه‌اندازی مراکز رشد و مراکز تحقیق و توسعه دانش پایه در سرتاسر جهان بوده است تا از این طریق استعدادهای بیشتری را به همکاری با خود مجاب کنند. در حال حاضر تمرکز این دو شرکت چینی بر راه‌اندازی مراکز تحقیقاتی در آمریکا و کشورهای اروپای غربی و اسرائیل است.

تکامل نظام نوآوری شرکتی و جمع‌بندی

در مجموع در هر تمام موارد می‌توان این روند را مشاهده کرد که توسعه هوش مصنوعی در حال حاضر میان دو غول بزرگ اقتصادی و فناوری در دنیا در بستر شرکت‌های بزرگ و بین‌المللی آنها انجام می‌شود و نظام نوآوری این شرکت‌هاست که پیشران فناوری هوش مصنوعی در دنیاست و نظام ملی نوآوری آنها نیز در این مسیر بسترساز و کمک‌کننده است، این موضوع مخصوصاً در دو غول فناوری چینی به طور کامل مشهود است. لذا می‌توان فرایند جدیدی از هم‌پایی فناورانه را مشاهده کرد که در آن شرکت‌ها نقشی اساسی‌تر و محوری‌تر در توسعه فناوری‌های نوظهور در چین ایفا کرده‌اند و طبعاً همین اقدام، با دلالت‌های سیاستی جدی برای هم‌پایی فناورانه کشورهای در حال توسعه همراه است. امروزه در ادبیات تحقیقاتی، موضوعی مطرح است که فرایند هم‌پایی فناروانه در حوزه هوش مصنوعی تا حد خوبی به این شرکت‌ها و پلتفرم‌های آنها وابسته است و سهم و نقش نظام ملی نوآوری در مقابل نظام نوآوری شرکتی رو به ‌کاهش است. برای قضاوت در این مورد هنوز زود است و سال‌های آینده روشن خواهد شد که در فرایند توسعه فناوری‌ها نوظهور بخصوص هوش مصنوعی نقش کدام عامل و نظام کلیدی‌تر است.

بخش قابل توجهی از داده‌ها و تحلیل‌های این یادداشت از مقاله «هم‌پایی فناورانه چین در هوش مصنوعی با رویکرد NIS و CIS» گرفته شده‌ است.