هوش مصنوعی احتمالاً مهمترین فناوری ساختهشده توسط بشر است؛ فناوریای که از یک سو میتواند موتور افزایش استاندارد زندگی شود و از سوی دیگر، ریسکهایی را وارد بازی کند که از جنس ریسکهای معمول اقتصادی نیست. چارلز آی. جونز، اقتصاددان دانشگاه استنفورد، در یادداشت پژوهشی A.I. and Our Economic Future تلاش میکند به یک پرسش کلیدی پاسخ دهد. اگر هوش مصنوعی واقعاً در حال خودکارسازی هوش است، اقتصاد در ۲۵ تا ۳۰ سال آینده بیشتر شبیه انفجار رشد خواهد شد یا شبیه تداوم همان روندهای تاریخی با یک فناوری عمومی جدید؟
جونز برای پاسخ، دو سناریوی حدی را کنار هم میگذارد و بعد نشان میدهد چرا حتی در صورت تحقق سناریوی بسیار خوشبینانه، مسیر اقتصاد ممکن است برخلاف تصور عمومی، تدریجی و مرحلهای باشد. او این کار را با یک چارچوب تحلیلی انجام میدهد که خودش آن را منطق پیوندهای ضعیف یا weak links مینامد؛ همان منطق گلوگاهها و مکمل بودن وظایف در تولید که در نهایت تعیین میکند اتوماسیون، چه زمانی اثر جهشی میگذارد و چه زمانی اثرش در سطح کلان محدود میماند.
دو سناریوی حدی: شتاب رشد یا روال معمول
در سناریوی اول، هوش مصنوعی رشد اقتصادی را بهطور جدی شتاب میدهد. مسیر پیشنهادی این سناریو از نرمافزار و تحقیقوتوسعه شروع میشود: مدلها بهرهوری برنامهنویسان و پژوهشگران هوش مصنوعی را بالا میبرند، خودشان به ابزار ساخت مدلهای بهتر تبدیل میشوند و در یک چرخه تقویتی میتوانند به نقطهای برسند که خودِ پژوهش در هوش مصنوعی را هم خودکار کنند؛ چیزی که در ادبیات به عنوان بهبود بازگشتی مدلها شناخته میشود. جونز برای ملموس کردن این مسیر، به نمونههایی از پیشرفتهای سنجشپذیر در توان انجام وظایف اشاره میکند و همچنین از مفهوم کشورِ نبوغها در یک دیتاسنتر به عنوان تصویری برای مقیاسپذیری توان شناختی ماشینها یاد میکند.
در سناریوی دوم، هوش مصنوعی با وجود تغییرات بزرگ در زندگی و کسبوکار، از جنس روال معمول خواهد بود؛ یعنی مانند برق، نیمههادیها و اینترنت، ساختار فعالیت اقتصادی را متحول میکند اما لزوماً نرخ رشد بلندمدت را به شکل محسوسی از مسیر تاریخی جدا نمیکند. جونز برای توضیح این نگاه، به روند بلندمدت درآمد سرانه واقعی آمریکا اشاره میکند که با وجود موجهای متوالی فناوریهای عمومی، در مقیاس نسبت، رفتاری نزدیک به خطی و رشد حدود ۲ درصدی در بلندمدت داشته است. پرسش او این است که چگونه ممکن است فناوریهایی با این سطح تحولآفرینی، در نهایت اثرشان در نرخ رشد بلندمدت، کمنوسان دیده شود.
اما پیام اصلی مقاله این نیست که یکی از این دو سناریو قطعی است. برعکس، او تأکید میکند آینده احتمالاً بین این دو حد قرار میگیرد و نکته مهمتر، فهم مکانیزمهایی است که باعث میشود حتی سناریوهای ظاهراً انفجاری، به شکل غافلگیرکنندهای تدریجی شوند.
چارچوب پیوندهای ضعیف: چرا اتوماسیون همه چیز را یکشبه متحول نمیکند
نقطه مرکزی تحلیل جونز، مدلهای مبتنی بر وظایف است. در این مدلها، تولید نهایی حاصل انجام مجموعهای از وظایف است. در ابتدا انسانها این وظایف را انجام میدهند و اتوماسیون یعنی جایگزین کردن ماشین و نرمافزار به جای نیروی کار در یک وظیفه مشخص. نکته کلیدی این است که این وظایف مکملاند: اگر چند وظیفه خیلی خوب انجام شوند اما یک وظیفه سخت و ضروری عقب بماند، همان گلوگاه، خروجی کل را محدود میکند. این همان منطق پیوندهای ضعیف است که جونز آن را نزدیک به ایده نظریه اورینگ در توسعه میداند.
جونز برای اینکه این منطق را از حالت کیفی خارج کند، یک محاسبه ساده اما اثرگذار ارائه میدهد: اگر وظایفی که قرار است اتومات شوند، در ابتدا سهمی برابر s از GDP داشته باشند، آنگاه حتی اگر بهرهوری در آن وظایف بینهایت شود، افزایش تولید تقریباً برابر 1/(1−s) خواهد بود. به زبان ساده، اگر سهم آن وظایف کوچک باشد، جهش نهایی هم کوچک است. مثال مستقیم او نرمافزار است: هزینه نرمافزار حدود ۲ درصد GDP است، بنابراین اگر فقط وظایف فعلی نرمافزار را با بهرهوری بینهایت خودکار کنیم، اثر نهایی حدود ۲ درصد افزایش GDP خواهد بود. این عدد برخلاف فضای عمومی، میگوید اتوماسیونِ یک قطعه کوچک، حتی اگر کامل باشد، لزوماً انقلاب کلان ایجاد نمیکند.
البته او بلافاصله دو قید مهم میگذارد. نخست اینکه این نتیجه به کشش جانشینی بین وظایف وابسته است و در برخی فرمهای تولیدی، نتایج میتواند بزرگتر شود. دوم و مهمتر اینکه مجموعه وظایف ثابت نیست. اگر اتوماسیون نرمافزار یا کار شناختی واقعاً رخ دهد، احتمالاً این وظایف در سراسر اقتصاد بیشتر و بیشتر استفاده میشوند و سهم s خودش درونزا میشود؛ یعنی اثرات میتواند در زمان گسترش پیدا کند. همین درونزایی است که باعث میشود سناریوی شتاب رشد، هم امکانپذیر باشد و هم در عمل تدریجی جلو برود.
جونز در همین چارچوب، به اختلاف نظرهای مهم در ادبیات اخیر هم اشاره میکند: از دیدگاههایی که اثر اقتصادکلان هوش مصنوعی را در دهه پیشرو بسیار محدود برآورد میکنند تا دیدگاههایی که اثر را به شکل معنیداری بزرگتر محاسبه میکنند. سپس نتیجه یک کار مدلسازی جدید را برجسته میکند: حتی اگر اتوماسیون بهطور پیوسته ادامه پیدا کند و در نهایت نرخهای رشد بلندمدت را بالا ببرد، اثر انفجاری میتواند بهصورت شگفتآوری آرام ظاهر شود؛ طوری که در ۲۰ سال آینده خروجی فقط چند درصد بیشتر شود و در افقهای طولانیتر، اثر بزرگتر خود را نشان دهد. این دقیقاً همان جایی است که پیوندهای ضعیف، انفجار را رام میکنند.
بازار کار، نابرابری و معنای کار
جونز وارد پیشبینی قطعی درباره بازار کار نمیشود و صریح میگوید این حوزه نزدیک به مرز تخصص او نیست، اما چند نکته را برجسته میکند که برای روایت عمومی مهم است. مهمترین نکته این است که مشاغل، بستهای از وظایفاند. اتوماسیون برخی وظایف در یک شغل میتواند دو اثر متفاوت داشته باشد: از یک طرف، دستمزد آن شغل را تحت فشار بگذارد چون بخشی از کار جایگزین شده؛ از طرف دیگر، بهرهوری فرد را بالا ببرد چون گلوگاههای وقتگیر برداشته شدهاند و مهارتهای باقیمانده ارزشمندتر میشوند.
او برای ملموس کردن بحث، به مثال رادیولوژی اشاره میکند: پیشبینیهای دهه قبل درباره حذف این شغل محقق نشده و حتی تعداد و درآمد رادیولوژیستها بالا رفته است؛ چون شغل فقط خواندن اسکن نیست و هوش مصنوعی میتواند بخشی از وظایف را اتومات کند و باقی وظایف را تقویت کند. پیام این مثال این است که اثر هوش مصنوعی بر بازار کار میتواند ظریفتر از روایت حذف گسترده شغلها باشد، دستکم در مرحلههایی از مسیر.
در عین حال، جونز میگوید اگر به جهانِ اتوماسیون گسترده نزدیک شویم، مسئله اصلی به توزیع تبدیل میشود: اندازه کیک اقتصاد ممکن است بسیار بزرگ شود، اما اینکه مردم با چه دارایی یا حق مشارکتی در این ثروت شریک میشوند، پرسش سیاستی کلیدی خواهد بود. او حتی ایدههایی مثل سهامدار کردن همه کودکان در یک سبد شاخص سهام را بهعنوان نمونهای از سیاستهای قابل بحث مطرح میکند؛ یعنی انتقال از درآمدمحوریِ مبتنی بر کار، به مالکیت و توزیع دارایی بهعنوان ستون امنیت رفاهی.
ریسکهای فاجعهآمیز و اقتصاد سیاستگذاری: مسئله اوپنهایمر و مالیات بر تراشه
بخش مهم دیگری از مقاله، بحث ریسک است؛ نه فقط ریسکهای معمول اقتصاد، بلکه ریسکهای فاجعهآمیز. جونز دو دسته ریسک را تفکیک میکند: ریسک بدکنشگران که از ابزار شدن مدلهای پیشرفته برای طراحی آسیبهای بزرگ ناشی میشود، و ریسکهای مبهمتر از نوع هوش بیگانه یا ناتوانی در کنترل موجودیتی که از ما توانمندتر است. او در این بخش، به نقل از استوارت راسل روی یک سؤال بنیادی مکث میکند: چگونه میتوان برای همیشه، قدرت کنترل را حفظ کرد.
برای اینکه بحث ریسک به سطح تصمیم برسد، جونز مسئله اوپنهایمر را مطرح میکند: چه میزان ریسک وجودی در برابر جهش رشد قابل قبول است. او با یک چارچوب مطلوبیت و ریسکگریزی نشان میدهد پاسخ به این سؤال حساس به فروض ترجیحات است و نتایج میتواند بهشدت تغییر کند؛ از پذیرش ریسکهای بزرگ تا سقوط شدید آستانه پذیرش ریسک با افزایش ریسکگریزی. سپس یک نکته مهم اضافه میکند: اگر هوش مصنوعی علاوه بر رشد، منجر به جهشهای پزشکی و کاهش مرگومیر شود، ارزش رفاهی آن میتواند محاسبات را بهکلی جابهجا کند.
در ادامه، او به رویکرد هزینه-فایده در کاهش ریسک میپردازد و استدلال میکند حتی از منظر خودخواهانه و بدون وزن دادن به نسلهای آینده، ممکن است صرف هزینههای بزرگ برای کاهش ریسکها توجیه داشته باشد؛ چون ارزش آماری زندگی در سیاستگذاری عمومی آمریکا بسیار بالاست و نسبت به درآمد سرانه، آمادگی پرداخت برای کاهش ریسک میتواند بزرگ باشد.
و نهایتاً به مسئله رقابت و مسابقه میرسد: یک ساختار معمای زندانی در رقابت شرکتها و کشورها که همه را به سمت شتابدادن توسعه میبرد حتی اگر در جمع، کندتر رفتن به نفع همه باشد. پیشنهاد سیاستی او در این بخش قابل توجه است: مالیات بزرگ بر GPU و TPU بهعنوان ابزاری برای کند کردن مسابقه و تأمین مالی پژوهش ایمنی، و حتی فکر کردن به نسخه بینالمللی آن برای جلوگیری از انتقال مسابقه به یک بازیگر دیگر.
جمعبندی
یادداشت جونز یک تلاش برای پیشگویی نیست؛ یک تلاش برای قاببندی درستِ عدم قطعیت است. او میگوید ممکن است هوش مصنوعی بزرگتر از اینترنت باشد، حتی شاید بیش از ده برابر اینترنت، اما در افق نیمقرن یا بیشتر و با اثرات تدریجی که در دهه اول ممکن است کوچک به نظر برسد. نتیجه سیاستی او هم روشن است: از همین حالا باید برای پیامدهای بازار کار، نابرابری و ریسکهای فاجعهآمیز آماده شد، نه با هیجان یا وحشت، بلکه با طراحی نهادی و سیاستی.
نظر شما در مورد این مطلب چیه؟