هوش مصنوعی؛ بهره‌وری و نابرابری

تغییرات در فناوری تولید و ارائه خدمات یکی از این عوامل است. در این میان، پیشرفت‌های اخیر در فناوری هوش مصنوعی مولد (Generative Artificial Intelligence) در زمره‌ تغییراتی ا‌ست که احتمالا می‌تواند تاثیرات معناداری بر بهره‌وری (و در پی آن، رشد اقتصادی) و نابرابری (و در پی آن، عدالت اجتماعی) بگذارد. اما، پیش از ارزیابی برخی از این تاثیرات‌، لازم است اندکی درباره‌ هوش مصنوعی و به‌طور خاص مفهوم هوش مصنوعی مولد تامل کنیم.
هوش مصنوعی، در تعریفی عام، به مجموعه‌ای از سامانه‌های رایانه‌ای اطلاق می‌شود که از عهده اموری برمی‌آیند که غالبا نیازمند هوش و ذکاوت انسان هستند؛ این امور شامل یادگیری، حل مساله و تصمیم‌گیری می‌شوند. هوش مصنوعی مولد، به‌طور خاص، امر یادگیری را از مجموعه بزرگی از داده‌ها آغاز می‌کند. سپس، بر مبنای آنچه از داده‌ها آموخته است، محتوای جدیدی تولید می‌کند که می‌تواند شامل متن، تصویر، موسیقی، ویدئو، کدهای برنامه‌نویسی، الخ ‌شود.
به بیان دیگر، فناوری هوش مصنوعی مولد همچون نویسنده‌ یا هنرمندی‌ است که با الهام گرفتن از آنچه پیش از این مطالعه یا مشاهده کرده، به تولید محتوای جدید می‌پردازد. هم‌اکنون، سامانه‌هایی نظیر ChatGPT، Gemini، Claude و... امکان استفاده از این فناوری را برای گستره‌ای از کاربران فراهم کرده‌اند. نسخه‌هایی از این ابزارها نیز بیشتر از یک‌سال است که به‌طور رایگان در دسترس عموم قرار گرفته‌ و استفاده می‌شوند.۱ برای بهره بردن از این ابزارها، کافی ا‌ست کاربران توان نوشتن و خواندن داشته باشند و به ابزارکی که به اینترنت متصل است، دسترسی داشته باشند. حتی، برای بهره بردن از سامانه‌هایی نظیر ChatGPT و Gemini، کاربران می‌توانند از زبان فارسی استفاده کنند؛ هرچند که تا به امروز توانایی این سامانه‌ها در ارتباط برقرار کردن به انگلیسی بسیار بیشتر از توانایی ایشان در دیگر زبان‌ها بوده است.
با اینکه فناوری هوش مصنوعی مولد نخستین برون‌داد پژوهش در موضوعات هوش مصنوعی نبوده، اما می‌توان آن را موفق‌ترین برون‌داد این پژوهش‌ها تا به امروز دانست. به علاوه، به نظر می‌رسد که این فناوری می‌تواند زمینه‌ساز پیشرفت‌های بیشتر در این حوزه و گامی بسیار مهم در دستیابی به هوش جامع مصنوعی (Artificial General Intelligence) باشد.
 
هوش مصنوعی و بهره‌وری
هوش مصنوعی مولد هنوز یک فناوری نسبتا جدید است و نااطمینانی‌هایی درباره‌ آینده آن وجود دارد. با این همه، به نظر می‌رسد با ایجاد تکامل در فرآیندهای یادگیری، حل مساله و تصمیم‌گیریِ خودکار، این فناوری بتواند موجب افزایش بهره‌وری در گستره‌ای از فعالیت‌های تولیدی و خدماتی شود. همچنین انتظار می‌رود که این فناوری بتواند بهره‌وری فعالیت‌های نوآورانه نظیر تحقیق و توسعه را نیز افزایش دهد. به واسطه افزایش بهره‌وری در این فعالیت‌ها، هوش مصنوعی مولد می‌تواند در بلندمدت زمینه‌ساز افزایش رشد در اقتصادهای نوین شود. احتمالا تا امروز به مثال‌های گوناگونی از کاربردهای بالقوه هوش مصنوعی برخورده‌اید. شاید مجموعه‌ای از بهترین مثال‌ها در این زمینه را بتوان در کتاب «هوش مصنوعی در سال۲۰۴۱» اثر کای‌فو لی و چن کیونان جست‌وجو کرد.۲
در این یادداشت، اما، من تنها به دو نمونه ساده اکتفا می‌کنم که نشانگر کاربردهای بالفعل این فناوری در فعالیت‌های اقتصادی هستند.
نخست، شرکت Miso Robotics را در نظر بگیرید. این بنگاه با بهره بردن از توانایی‌های پیشرفته‌ پردازش تصویر توسط هوش مصنوعی مولد، روباتی تولید کرده است که می‌تواند به‌طور نیمه‌مستقل وظیفه‌ سرخ کردن غذا در آشپزخانه‌های تجاری را بر عهده بگیرد.۳ انتظار می‌رود که این فناوری بتواند بهره‌وری نیروی کار در بنگاه‌های زنجیره‌ای عرضه‌ غذا را افزایش دهد. با بهره بردن از این فناوری، چنین بنگاه‌هایی می‌توانند با به خدمت گرفتن نیروی کار کمتری به مشتریان پیشین خود خدمات‌رسانی کنند و حتی بر تعداد مشتریان نیز بیفزایند.
دومین مثال به شرکت Biomatter مرتبط است. با تلفیق هوش مصنوعی مولد و برخی مدل‌های نظری، این بنگاه مشغول پژوهش روی پروتئین‌ها و آنزیم‌های نوینی شده است که پیش از این یا ناشناخته بوده یا بدون استفاده رها شده بودند.۴ با تسریع فرآیند طراحی و مطالعه‌ عملکرد این پروتئین‌ها و آنزیم‌ها، هوش مصنوعی موجب افزایش چشمگیر بهره‌وری نیروی کار پژوهشی در این بنگاه شده است. به زودی، پروتئین‌ها و آنزیم‌های ابداعی این بنگاه می‌توانند در گستره‌ای از فعالیت‌های تولیدی به‌کار گرفته شوند و زمینه‌ساز تولید محصولات جدید در صنایعی نظیر داروسازی و همچنین خدمات درمانی شوند.
این دو مثال یک وجه مشترک دارند: با بهره بردن از هوش مصنوعی، بخشی از فعالیت‌هایی که پیش از این توسط نیروی کار انجام می‌گرفت، در بلندمدت به ماشین‌آلات هوشمند سپرده خواهد شد؛ از این طریق، بهره‌وری تولید و نوآوری افزایش می‌یابد و رشد اقتصادی نیز بالقوه بیشتر از پیش می‌شود. ولکن، میان این دو مثال یک تفاوت مهم نیز وجود دارد: روبات‌های هوشمند Miso Robotics جایگزین نیروی کار کم‌مهارتی می‌شوند که غالبا یا سطح تحصیلات پایینی دارند یا تجربه بسیار کمی؛ ولکن، بهره بردن از هوش مصنوعی در Biomatter می‌تواند جایگزین نیروی کار پُرمهارتی شود که نه تنها سطح تحصیلات بالایی دارند، بلکه از تجربه زیادی نیز برخوردارند.

نوآوری و نابرابری اقتصادی
برخی از نوآوری‌ها در جهان نوین موجب کاهش نابرابری اقتصادی شده‌اند و برخی نیز موجب افزایش نابرابری. برای نمونه، پیشرفت در فناوری‌های رایانه‌ای و ارتباطی در طول پنج دهه‌ گذشته به‌طور نسبی به زیان نیروی کار کم‌مهارت بود و به سود نیروی کار پُرمهارت. این فناوری‌ها در بسیاری از موارد منجر به کاهش تقاضا برای نیروی کار کم‌مهارت (و در پی آن، کاهش دستمزد ایشان) و افزایش تقاضا برای نیروی کار پُرمهارت (و در پی آن، افزایش دستمزد ایشان) شدند.۵ به همین دلیل، در غایت امر، این نوآوری‌ها موجب افزایش نابرابری اقتصادی شدند.
بخشی از این افزایش نابرابری را می‌توان در افزایش شکاف درآمدی مشاهده کرد: در سال۱۹۸۰ میلادی، دستمزد نیروی کار با مدرک تحصیلی دانشگاهی در ایالات متحده تنها در حدود ۴۲درصد بیشتر از دستمزد نیروی کار با مدرک تحصیلی دبیرستانی بود. این نابرابری، اما، در طول دهه‌های گذشته افزایش چشمگیری یافت، تا آنجا که در سال۲۰۰۰ این اختلاف به ۶۸درصد و در سال۲۰۲۰ به ۷۷درصد رسید.۶ به نظر می‌رسد این نابرابری‌ حاصل روند عمومی تغییرات در فناوری به سود نیروی کار ماهر (Skill-biased Technological Change) بود؛ هرچند که عوامل دیگری نظیر سیاست‌های مالیاتی، سیاست‌های تجاری و کاسته شدن از جابه‌جایی نیروی کار نیز بر افزایش این نابرابری تاثیرگذار بوده‌اند (که البته در حوصله این یادداشت نمی‌گنجند).۷ با این همه، تجربه چند دهه گذشته نشان داده که به‌رغم پیشرفت‌های فراوان در فناوری و ماشین‌آلات، بیکاری گسترده‌ای دامن‌گیر اقتصادهای نوین نشده است. برای نمونه، در فاصله سال‌های ۲۰۰۰ تا ۲۰۱۹ میلادی (پیش از فراگیر شدن بیماری COVID-19)، میانه‌ نرخ بیکاری در ایالات متحده‌ تنها در حدود 5.4درصد بوده است.
در این میان، مهم‌ترین عاملی که موجب افزایش نرخ بیکاری در طول این پنجره زمانی شد، رکود اقتصادی سال‌های ۲۰۰۸ و ۲۰۰۹ بود که به واسطه‌ بحران مالی جهانی به‌وجود آمد. پس از پایان این رکود، با وجود به‌کارگیری گستره‌ای از فناوری‌ها و ماشین‌آلات پیشرفته در اقتصاد آمریکا‌، نرخ بیکاری در این کشور از 9.6درصد در سال۲۰۱۰ به 3.7درصد در سال۲۰۱۹ کاهش یافت؛ روندی که پس از کاهش فراگیری بیماری COVID-19 نیز دوباره تکرار شد.۸ بنابراین هرچند پیشرفت فناوری در چند دهه گذشته موجب کاهش نسبی دستمزد نیروی کار کم‌مهارت شده است، اما این پیشرفت‌ها تاثیر چندانی بر بیکاری ایشان نگذاشته‌اند.

هوش مصنوعی و نابرابری اقتصادی
بر خلاف تجربه‌ دهه‌های گذشته، به نظر می‌رسد که پیشرفت در هوش مصنوعی مولد می‌تواند به زیان بخش قابل توجهی از نیروی کار پرمهارت تمام شود (مثال شرکت Biomatter) و از تعمیق شکاف درآمدی میان نیروی کار کم‌مهارت و پرمهارت بکاهد. نتیجه این تغییر آن است که هوش مصنوعی از یکسو می‌تواند موجب افزایش بهره‌وری ‌شود و از سوی دیگر موجب کاهش نابرابری. اما این تحلیل با انتقادهایی مواجه شده است. دارون عجم‌اوغلو و سایمون جانسون (که هر دو از اعضای هیات علمی MIT هستند) در کتاب «نزاع هزار ساله‌ ما بر سر فناوری و بهروزی» به توصیف یکی از انتقادهای بنیادین به این تحلیل می‌پردازند.۹ ایشان با مطرح کردن مفهوم تغییرات در فناوری با سوگیری اجتماعی (Socially-biased Technological Changes)، به نوآوری‌هایی اشاره می‌کنند که به‌طور نامتناسبی به گروه‌های خاصی در جامعه سود می‌رسانند. این گروه‌های خاص غالبا یا صاحبان قدرتند یا صاحبان ثروت.
ایشان بر این گمانند که در پی تمرکز قدرت و ثروت، منافع نوآوری‌هایی نظیر هوش مصنوعی ممکن است تنها نصیب یک اقلیت کوچک در جوامع نوین شود؛ آن‌چنان‌که منافع نوآوری‌ها در کشاورزی تنها نصیب اقلیت زمین‌داران در جوامع پیشین می‌شد. برای نمونه، اتکای بیش از حد به ماشین‌آلات هوشمند در فرآیند تولید یا ارائه‌ خدمات می‌تواند از سهم نیروی کار کم‌مهارت و همچنین پرمهارت در ارزش افزوده‌ بکاهد و پیاپی بر سهم صاحبان سرمایه بیفزاید.
تغییراتی از این دست، انگیزه نیروی کار برای مشارکت فعالانه در بازار کار و افزودن به سرمایه انسانی (از طریق تحصیل مهارت و کسب تجربه) را تحت تاثیر جدی قرار می‌دهند. به علاوه، هوش مصنوعی می‌تواند نظارت بی‌جای صاحبان قدرت سیاسی بر شهروندان را تسهیل کند و زمینه‌ساز دخالت بی‌جای ایشان در امور فردی اکثریت شهروندان شود. این تغییرات نیز می‌تواند انگیزه شهروندان برای مشارکت سیاسی را تحت تاثیر قرار دهد. البته نویسندگان این اثر معتقدند که با انتخاب‌هایی آگاهانه درباره شیوه نوآوری و بهره‌بردن از هوش مصنوعی، جوامع نوین می‌توانند پیشرفت این فناوری را به گونه‌ای جهت‌دهی کنند که حاصل آن به نفع همه باشد، نه فقط صاحبان قدرت و ثروت.

افزایش بهره‌وری و نابرابری
با بررسی این جوانب، به نظر می‌رسد هرچند هوش مصنوعی تاثیر مثبتی بر بهره‌وری تولید دارد، اما به احتمالی می‌تواند نابرابری اقتصادی را بیش از پیش افزایش دهد. از این نظر، میان این فناوری و گستره‌ای از نوآوری‌های چند دهه‌ گذشته تفاوت چندانی وجود ندارد. البته برای کاستن از تاثیر منفی این فناوری بر توزیع ثروت و درآمد، سیاستگذاران می‌توانند سیاست‌هایی را پیگیری کنند که از یکسو تضمین‌کننده سطحی از رقابت اقتصادی (و البته سیاسی) باشد و از سوی دیگر زمینه‌ساز افزایش سرمایه‌ انسانی (و به تبع آن مالی) شهروندان شوند.
برای ارتقای رقابت در اقتصادهای نوین، لازم است که قوانین ضد انحصار به‌روز شوند و با جدیت بیشتری اجرا شوند. در این میان، نظارت دقیق‌تر بر ادغام‌ها و خریدهای شرکتی نیز از اهمیت بسیاری برخوردار است. به علاوه، تسهیل بیش از پیش ورود کارآفرینان و بنگاه‌های نوپا به حوزه‌های گوناگون اقتصادی و ایجاد امکان برای خروج کم‌هزینه شرکت‌های ورشکست‌شده، می‌تواند سطح قابل قبولی از رقابت اقتصادی را تضمین کند.
زمینه‌سازی برای افزایش سرمایه‌ انسانی نیز نیازمند بازبینی میزان و شیوه تخصیص منابع عمومی به بخش آموزش است. در این میان، تسهیل دسترسی نیروی کار به خدمات آموزشی به‌روز و باکیفیت از اهمیتی ویژه برخوردار است؛ خوشبختانه به نظر می‌رسد فناوری هوش مصنوعی مولد می‌تواند در این زمینه یاری‌گر سیاستگذاران باشد. در نهایت نیز به‌روز کردن قوانین برای ایجاد انعطاف بیشتر در بازار کار می‌تواند به مشارکت بیشتر در این بازار و همچنین ایجاد انگیزه برای تحصیل مهارت و کسب تجربه کمک کند. ولکن، توفیق چنین سیاست‌هایی در گرو کارآمدی نهادهای فراگیری هستند که بتوانند مشارکت موثر شهروندان در تصمیم‌گیری‌های سیاسی را تضمین کنند و از حقوق مدنی و تجاری ایشان حفاظت کنند. متاسفانه، در بسیاری از کشورها یا ترتیبات نهادی مناسبی وجود ندارد یا آنکه نهادهای فراگیر در حال تضعیف هستند.
 
دکتر صالح صحابه تبریزی/ دانشیار کالج بازرگانی دانشگاه اوکلاهاما​
انتهای پیام/