بانک جهانی: هوش مصنوعی کوچک می‌تواند کشورهای فقیر را متحول کند؛ بدون نیاز به ابررایانه‌های گران‌قیمت

بانک جهانی از کشورهای درحال‌توسعه خواسته است به‌جای تمرکز صرف بر ساخت مدل‌های عظیم هوش مصنوعی، توسعه ابزارهای کوچک‌تر و متناسب با نیازهای محلی را جدی بگیرند. این رویکرد که «هوش مصنوعی کوچک» یا Small AI نامیده می‌شود، می‌تواند دسترسی به خدمات تخصصی را در مناطقی با اینترنت ضعیف و زیرساخت‌های محدود آسان‌تر کند.

برخلاف مدل‌های بزرگ که به منابع محاسباتی گسترده نیاز دارند، ابزارهای Small AI برای انجام وظایف مشخص طراحی می‌شوند و می‌توانند روی تلفن‌های همراه و دستگاه‌های معمولی اجرا شوند. این سامانه‌ها با تمرکز بر مجموعه‌داده‌های محدودتر و زبان و نیازهای یک منطقه، امکان ارائه خدمات کاربردی را با هزینه کمتر فراهم می‌کنند.

یکی از حوزه‌های مهم استفاده از این فناوری، کشاورزی است. برای نمونه، بانک جهانی به برنامه کشاورزی AgriConnect در هند اشاره کرده است؛ جایی که ابزارهای مبتنی بر هوش مصنوعی می‌توانند به کشاورزان در تحلیل وضعیت خاک و دریافت راهنمایی به زبان محلی کمک کنند. چنین ابزارهایی می‌توانند بخشی از کمبود دسترسی کشاورزان به کارشناسان تخصصی را جبران کنند.

خدمات سلامت و آموزش نیز از دیگر زمینه‌های بالقوه این فناوری هستند. ابزارهای سبک هوش مصنوعی می‌توانند در غربالگری اولیه برخی بیماری‌ها، کمک به کارکنان درمانی، تهیه محتوای آموزشی و پشتیبانی از معلمان کاربرد داشته باشند. البته عملکرد این سامانه‌ها به کیفیت داده‌ها، اعتبارسنجی علمی و نظارت انسانی وابسته است و نباید جایگزین قطعی متخصصان تلقی شوند.

بانک جهانی در گزارش توسعه جهانی ۲۰۲۶ با عنوان «وعده هوش مصنوعی» تأکید کرده است که کشورهای درحال‌توسعه برای بهره‌مندی از این فناوری باید سه مسیر را دنبال کنند: استفاده از ابزارهای موجود، سازگار کردن آن‌ها با زبان و شرایط محلی و سپس توسعه تدریجی توانایی‌های بومی. کمبود برق پایدار، اینترنت، مهارت دیجیتال و داده‌های مناسب همچنان از موانع مهم گسترش هوش مصنوعی در این کشورهاست.

با این حال، هوش مصنوعی کوچک به‌تنهایی نمی‌تواند شکاف فناوری میان کشورها را از بین ببرد. موفقیت آن به سرمایه‌گذاری در زیرساخت‌ها، همکاری دولت‌ها و شرکت‌ها، حفاظت از داده‌ها و دسترسی عادلانه به خدمات بستگی دارد. از نگاه بانک جهانی، تمرکز بر راهکارهای کم‌هزینه و متناسب با نیازهای واقعی می‌تواند به کشورهای کم‌درآمد کمک کند از مزایای هوش مصنوعی بهره ببرند، بدون آنکه مجبور باشند از ابتدا زیرساخت مدل‌های بسیار بزرگ را بسازند.