میراث کانمن

در ۲۷ مارس ۲۰۲۴، جهان یکی از اثرگذارترین ذهن‌های عصر ما را از دست داد: دنیل کانمن؛ روان‌شناسی که نه‌فقط یک نظریه‌پرداز برجسته، بلکه معمار یکی از مهم‌ترین چرخش‌های فکری در علوم انسانی معاصر بود. او همراه با همکار فقیدش، آموس تورسکی، تصویری را که اقتصاد کلاسیک از انسان ترسیم کرده بود به چالش کشید؛ تصویری از انسانی کاملاً عقلانی، محاسبه‌گر و سازگار که گویی در هر موقعیت بهترین تصمیم ممکن را می‌گیرد. برای دهه‌ها، اقتصاد متعارف، انسان را موجودی می‌دید که ترجیحاتش ثابت است، اطلاعات را بی‌خطا پردازش می‌کند و درنهایت به بهینه‌ترین انتخاب می‌رسد. اما کانمن روایت دیگری را وارد این جهان کرد؛ روایتی از ذهنی که میان ترس و امید، میان میان‌برهای شناختی و خطاهای ادراکی، میان زیان‌گریزی و اعتمادبه‌نفس کاذب در رفت‌وآمد است. از دل همین روایت بود که اقتصاد رفتاری و سپس مالی رفتاری، از حاشیه به متن علوم انسانی راه یافتند.

اکنون در جهان پس از کانمن، مسئله اصلی دیگر این نیست که آیا اقتصاد رفتاری باقی می‌ماند یا نه؛ این رشته مدت‌هاست از مرحله تثبیت عبور کرده و به حوزه‌ای گسترده و اثرگذار تبدیل شده است. پرسش مهم‌تر این است که این سنت فکری به کدام سمت حرکت می‌کند. آیا همچنان حول همان سوگیری‌های کلاسیک مانند لنگرگیری، زیان‌گریزی، رفتار گله‌ای و اعتمادبه‌نفس بیش‌از‌حد می‌چرخد، یا وارد مرحله‌ای تازه می‌شود که در آن هوش مصنوعی، پایداری، سواد مالی، داده‌های کلان و تفاوت‌های فرهنگی نقش پررنگ‌تری پیدا می‌کنند و افق‌های جدید برای فهم تصمیم انسانی می‌گشایند؟

پاسخ این پرسش را می‌توان در یکی از تازه‌ترین نقشه‌های ترسیم‌شده از این حوزه جست‌وجو کرد. مقاله «مالی رفتاری: بررسی کتاب‌سنجی چهار دهه پژوهش» که اخیراً در ژورنال اقتصاد، مالی و علوم اداری، منتشر شده است، به‌جای آنکه صرفاً درباره یک نظریه یا یک آزمایش حرف بزند، از ارتفاع بالاتری به میدان نگاه می‌کند: چهار دهه پژوهش در مالی رفتاری، از سال ۱۹۸۴ تا ۲۰۲۴، با تکیه بر هفت هزار و 53 مقاله نمایه‌شده در اسکوپوس. نتیجه، چیزی شبیه یک نقشه هوایی از شهری است که در طول زمان گسترش یافته است؛ خیابان‌های قدیمی‌اش هنوز پابرجاست، اما محله‌های جدید هم سر برآورده‌اند. این نقشه نشان می‌دهد که مالی رفتاری دیگر فقط روایت خطاهای فردی در بازار سهام نیست؛ به قلمرویی میان‌رشته‌ای، جهانی و در حال بازتعریف تبدیل شده است. در چنین شرایطی، اقتصاد رفتاری ناگزیر است از میراث کانمن عبور نکند، اما به آن بسنده هم نکند. این حوزه اکنون باید خود را با جهانی سازگار کند که در آن مرز میان انسان و ماشین، انتخاب و دستکاری، تحلیل داده و شناخت روان انسان، روزبه‌روز مبهم‌تر می‌شود.

سایه تردید

داستان اقتصاد رفتاری فقط داستان پیروزی یک ایده نیست. همان‌طور که این رشته در چهار دهه گذشته از حاشیه به متن آمد و به یکی از اثرگذارترین جریان‌های علوم اجتماعی بدل شد، همزمان با مجموعه‌ای از تردیدها، نقدها و بحران‌های درونی نیز روبه‌رو شد؛ بحران‌هایی که حالا در آستانه دوران پس از کانمن، دیگر نمی‌توان از کنارشان گذشت. اقتصاد رفتاری، با همه جذابیت نظری و نفوذ عملی‌اش، همان آسیب‌هایی را دید که بسیاری از شاخه‌های روان‌شناسی و علوم رفتاری در سال‌های اخیر با آن دست‌به‌گریبان بوده‌اند. مهم‌ترین این چالش‌ها، چیزی است که امروز با عنوان «بحران بازتولید» شناخته می‌شود؛ بحرانی که نه‌فقط یک مسئله فنی در روش تحقیق، بلکه ضربه‌ای جدی به اعتماد علمی در این حوزه‌ها بوده است.

بحران بازتولید، در ساده‌ترین تعریف، به این واقعیت اشاره می‌کند که بخشی از یافته‌های مشهور علوم رفتاری، وقتی از سوی پژوهشگران دیگر و در شرایطی مشابه دوباره آزموده شدند، همان نتایج اولیه را بازتولید نکردند. به بیان دیگر، برخی از نتایجی که سال‌ها به‌عنوان شواهد معتبر درباره رفتار انسان نقل می‌شدند، در برابر آزمون تکرارپذیری آنقدرها هم مقاوم نبودند. این مسئله فقط به چند مطالعه پراکنده محدود نماند؛ به‌تدریج به نشانه‌ای از یک مشکل عمیق‌تر تبدیل شد. اینکه آیا بخشی از دانسته‌های ما درباره تصمیم‌گیری، سوگیری‌های شناختی و مداخلات رفتاری، بر پایه شواهدی بنا شده که استحکام لازم را ندارند؟

اهمیت این بحران از آنجا بیشتر می‌شود که اقتصاد رفتاری صرفاً در اتاق‌های دانشگاهی نمانده است. این رشته وارد سیاست‌گذاری عمومی، آموزش مالی، طراحی پلت‌فرم‌ها، بازارهای مالی و حتی رفتار مصرف‌کننده شده و بر تصمیم‌های واقعی مردم و نهادها اثر گذاشته است. بنابراین وقتی درباره بازتولیدپذیری یا ضعف برخی یافته‌ها صحبت می‌شود، موضوع فقط اعتبار چند مقاله علمی نیست؛ مسئله، میزان اتکاپذیری دانشی است که مبنای سیاست‌گذاری، طراحی مداخله و حتی دستکاری نرم رفتار انسان‌ها قرار می‌گیرد. به همین دلیل، بحران بازتولید در اقتصاد رفتاری خیلی زود به چیزی فراتر از یک بحث دانشگاهی تبدیل شد و رنگ‌وبوی بحران اعتماد به خود گرفت.

یکی از حوزه‌هایی که این تردیدها در آن با وضوح بیشتری خود را نشان داد، نظریه تلنگر بود. تلنگرها وعده‌ای وسوسه‌کننده داشتند: اینکه بدون اجبار مستقیم و صرفاً با طراحی هوشمندانه محیط انتخاب، بتوان رفتار افراد را به سمت تصمیم‌های بهتر هدایت کرد. از ثبت‌نام خودکار در طرح‌های بازنشستگی گرفته تا تغییر نحوه نمایش گزینه‌ها در فرم‌های مالی یا هشدارهای ساده برای کاهش مصرف انرژی، تلنگرها به سیاست‌گذاران این امید را داده بودند که می‌توان با مداخلاتی کم‌هزینه، رفتارهای پیچیده انسانی را در جهت مطلوب اصلاح کرد.

اما در سال‌های اخیر، این خوش‌بینی اولیه با پرسش‌های جدی‌تری روبه‌رو شده است. برخی مرورها و مطالعات تازه‌تر نشان داده‌اند که اثر تلنگرها آنقدر بزرگ، پایدار و جهان‌شمول نیست که در سال‌های نخست تصور می‌شد. در بسیاری موارد، اثرات مشاهده‌شده کوچک‌تر از برآوردهای اولیه بوده‌اند، در برخی زمینه‌ها تکرار نشده‌اند و در بعضی موقعیت‌ها نیز به‌شدت به زمینه، فرهنگ، نحوه اجرا و ویژگی‌های گروه هدف وابسته بوده‌اند. این یافته‌ها به‌خودی ‌خود به‌معنای بی‌اعتباری اقتصاد رفتاری یا بی‌فایده بودن تلنگرها نیست، اما یک پیام مهم دارد: در علوم رفتاری، هیچ مداخله‌ای را نباید به‌سادگی، به‌عنوان نسخه‌ای جهان‌شمول و قطعی پذیرفت. انسان‌ها در خلأ تصمیم نمی‌گیرند و رفتارشان بیش از آنچه گاهی در روایت‌های ساده‌سازی‌شده اقتصاد رفتاری گفته می‌شد، به زمینه، نهاد، فرهنگ و ساختارهای اجتماعی وابسته است.

به این تردیدهای روش‌شناختی باید رسوایی‌های پرسروصدایی را هم اضافه کرد که در سال‌های اخیر به اعتباربخشی از علوم رفتاری لطمه زده‌اند. پرونده‌هایی مانند اتهام‌های مربوط به دستکاری داده‌ها یا تخلفات پژوهشی در کار برخی چهره‌های شناخته‌شده این حوزه، از جمله دن آریلی و فرانچسکا جینو، فقط ماجراهای شخصی یا حاشیه‌های رسانه‌ای نبودند؛ آنها زنگ خطری بودند درباره اینکه جذابیت روایت‌های رفتاری و فشار برای تولید یافته‌های چشمگیر، تا چه اندازه می‌تواند علم را در معرض وسوسه‌های خطرناک قرار دهد. 

در نتیجه، اقتصاد رفتاری امروز ناگزیر است با نسخه‌ای بالغ‌تر و سخت‌گیرانه‌تر از خود روبه‌رو شود. شاید بتوان گفت این رشته اکنون در حال عبور از دوره‌ای است که در آن، کشف یک سوگیری جدید یا طراحی یک آزمایش جذاب، به‌تنهایی برای جلب توجه کافی بود. مسیر تازه، بیش از هر چیز به سمت «علم سخت‌تر» می‌رود؛ علمی که در آن تاکید کمتر بر نتایج هیجان‌انگیز اما شکننده و بیشتر بر شواهد مقاوم، داده‌های باز، روش‌های شفاف، ثبت پیشینی فرضیه‌ها و آزمون‌های میدانی در مقیاس بزرگ است. به همین دلیل است که در سال‌های اخیر، بخشی از انرژی اقتصاد رفتاری از آزمایش‌های کوچک آزمایشگاهی به سمت داده‌های دنیای واقعی، ارزیابی‌های میدانی، همکاری با نهادهای عمومی و حتی استفاده از ابزارهای علوم اعصاب و تصویربرداری مغزی حرکت کرده است. این جابه‌جایی نشانه آن است که اقتصاد رفتاری می‌خواهد خود را از اتهام سستی روش‌شناختی دور کند و پایه‌های تجربی محکم‌تری برای ادعاهایش بسازد.

در این میان، شاید خود کانمن یکی از مهم‌ترین الگوها برای عبور از این بحران باشد. او برخلاف بسیاری از چهره‌های مشهور علمی، نه اسیر قطعیت بود و نه دلبسته تقدس یافته‌های خود. در آثار و گفت‌وگوهایش بارها بر تردید، بازنگری و فروتنی علمی تاکید می‌کرد؛ بر این ایده که شناخت انسان، به‌ویژه شناخت ذهن انسان، کاری است دشوار و پر از دام‌های پنهان. کانمن به‌خوبی می‌دانست که پژوهشگر نیز مانند هر انسان دیگری در معرض سوگیری است؛ همان خطاهایی که درباره‌شان مطالعه می‌کند، می‌توانند در انتخاب داده، تفسیر نتایج و دفاع از فرضیه‌های محبوبش نیز رخنه کنند. شاید به همین دلیل بود که از مفهومی مانند «همکاری‌های خصمانه» دفاع می‌کرد: موقعیتی که در آن پژوهشگران با دیدگاه‌های متفاوت، به‌جای سنگربندی در برابر یکدیگر، به‌طور مشترک روی آزمون یک فرضیه کار می‌کنند تا اثر سوگیری‌های تاییدی و تعصب‌های فکری کاهش یابد.

این ایده، در جهان پس از کانمن، بیش از همیشه اهمیت دارد. اگر اقتصاد رفتاری می‌خواهد نه‌فقط زنده بماند، بلکه به‌عنوان دانشی معتبر و اثرگذار پیش برود، باید از جذابیت روایت‌های ساده فراتر برود و به سمت نظم روشی، شفافیت داده و مسئولیت‌پذیری علمی حرکت کند. این یعنی پذیرش اینکه برخی یافته‌ها شاید آنقدر که گمان می‌رفت محکم نبوده‌اند؛ اینکه بعضی مداخلات رفتاری در یک کشور یا یک جمعیت جواب می‌دهند اما در جای دیگر شکست می‌خورند؛ و اینکه علم، به‌ویژه علم رفتار انسان، بیش از آنکه مجموعه‌ای از پاسخ‌های قطعی باشد، فرآیندی دائمی از آزمون، خطا، تصحیح و بازاندیشی است.

اما شاید مهم‌تر از همه این باشد که این بحران را فرصتی برای بلوغ ببینیم. بسیاری از رشته‌ها زمانی به مرحله پختگی رسیده‌اند که ناچار شده‌اند با ضعف‌های درونی خود روبه‌رو شوند. اقتصاد رفتاری هم اکنون در چنین نقطه‌ای ایستاده است. اگر بتواند از این دوره با صداقت علمی، اصلاح روش‌ها و بازسازی اعتماد عبور کند، احتمالاً از گذشته خود قوی‌تر بیرون خواهد آمد. در آن صورت، دوران پس از کانمن نه دوره افول، بلکه دوره استحکام بیشتر این رشته خواهد بود؛ دوره‌ای که در آن اقتصاد رفتاری از شیفتگی به نتایج شگفت‌انگیز فاصله می‌گیرد و به دانشی بدل می‌شود که هم از نظر تجربی محکم‌تر است، هم از نظر اخلاقی مسئولانه‌تر، و هم از نظر سیاستی قابل‌اتکاتر. به بیان دیگر، آینده اقتصاد رفتاری فقط در کشف سوگیری‌های تازه یا ساختن ابزارهای جدید برای هدایت رفتار خلاصه نمی‌شود؛ در توانایی این رشته برای بازسازی اعتماد به خود نیز نهفته است. شاید این همان آزمون بزرگی باشد که اقتصاد رفتاری پس از کانمن باید از آن عبور کند: اینکه ثابت کند نه‌فقط می‌تواند انسان را بهتر بفهمد، بلکه می‌تواند با صداقت، دقت و مسئولیت‌پذیری بیشتری درباره او سخن بگوید.

هوش مصنوعی؛ معمار نهایی انتخاب

اگر در جهان پس از کانمن بخواهیم مهم‌ترین نیروی تغییر مسیر اقتصاد رفتاری را نام ببریم، به‌سختی می‌توان از کنار «هوش مصنوعی» گذشت. کانمن و تورسکی نشان دادند که تصمیم‌گیری انسان تا چه اندازه زیر نفوذ ترس، عدم‌قطعیت و سوگیری‌های شناختی قرار دارد. اما هوش مصنوعی این امکان را فراهم کرده است که این سوگیری‌ها در مقیاسی بی‌سابقه، پیش‌بینی، الگو‌سازی و هدایت شوند. اگر اقتصاد رفتاری کلاسیک می‌کوشید ذهن خطاپذیر انسان را توضیح دهد، هوش مصنوعی اکنون در حال بازآرایی خود محیط تصمیم‌گیری است؛ تا جایی که از آن به‌عنوان «معمار نهایی انتخاب» یاد می‌شود.

مهم‌ترین جلوه این تحول، ظهور تلنگرهای هوش مصنوعی مولد است؛ تلنگرهایی که برخلاف نسخه‌های سنتی، ثابت و عمومی نیستند، بلکه بر پایه فوق‌شخصی‌سازی عمل می‌کنند. هوش مصنوعی با تحلیل داده‌های رفتاری هر فرد می‌تواند الگوی تصمیم‌گیری او را بشناسد و بر همان اساس، پیام‌ها، گزینه‌ها و محیط دیجیتال را در زمان واقعی تنظیم کند. به این ترتیب، معماری انتخاب از یک طراحی عمومی، به سامانه‌ای پویا تبدیل می‌شود که برای هر فرد نسخه‌ای متفاوت می‌نویسد. این توانایی می‌تواند در خدمت رفاه باشد؛ از تشویق به پس‌انداز و کاهش بدهی گرفته تا هشدار درباره تصمیم‌های مالی پرریسک یا هدایت رفتارهای پایدارتر. اما در همان حال، پرسش‌های اخلاقی مهمی را نیز پیش می‌کشد. اگر هوش مصنوعی سوگیری‌های ما را بهتر از خودمان بشناسد، آیا این به‌معنای کمک به تصمیم‌گیری بهتر است یا نوعی دستکاری پنهان؟ در بازارهای مالی، همین فناوری می‌تواند هم از سرمایه‌گذار در برابر رفتارهای هیجانی محافظت کند و هم او را به معاملات بیشتر و تصمیم‌های سودآورتر برای پلت‌فرم سوق دهد. از همین‌جا بحث «حفاظت‌های رفتاری» مطرح می‌شود؛ چهارچوب‌هایی برای اینکه هوش مصنوعی به‌جای بهره‌برداری از ضعف‌های شناختی، در خدمت منافع انسان قرار گیرد. در کنار این، مفهوم «مشتریان مصنوعی» نیز در حال ظهور است؛ شبیه‌سازی‌هایی مبتنی‌بر الگو‌های زبانی بزرگ که می‌توانند واکنش احتمالی خانوارها و سرمایه‌گذاران را به شوک‌های اقتصادی و سیاست‌های جدید پیش‌بینی کنند. این ابزار برای بانک‌های مرکزی، نهادهای تنظیم‌گر و موسسه‌های مالی ارزشمند است، زیرا اقتصاد رفتاری را از مطالعه پسینی خطاها به سمت پیش‌بینی و شبیه‌سازی رفتار می‌برد.

درنهایت، هوش مصنوعی برای اقتصاد رفتاری فقط یک ابزار تازه نیست؛ صحنه بازی را عوض کرده است. آینده این رشته دیگر فقط به شناخت خطاهای ذهن انسان محدود نمی‌شود، بلکه به فهم رابطه میان ذهن انسان و ماشین‌های تصمیم‌ساز گره خورده است؛ رابطه‌ای که در آن باید میان نوآوری، سودآوری و کرامت انسانی تعادلی تازه برقرار کرد.

با این همه، آنچه در طول این چهار دهه بیش از هر چیز جلب توجه می‌کند، انعطاف‌پذیری حیرت‌انگیز میراث کانمن و تورسکی است. چهارچوبی که آنها بنا گذاشتند، فقط برای توضیح چند خطای ذهنی در دهه ۱۹۷۰ ساخته نشده بود؛ آنقدر قدرتمند بود که بتواند خود را با مسائل تازه وفق دهد و به پرسش‌های نو پاسخ دهد. از بحران‌های مالی و تصمیم‌های سرمایه‌گذاری گرفته تا سیاست‌گذاری عمومی، رفتار مصرف‌کننده و پایداری.

به همین دلیل است که اقتصاد رفتاری امروز نه‌فقط میراث‌دار یک انقلاب فکری، بلکه در آستانه مرحله‌ای تازه از بلوغ خود ایستاده است. مرحله‌ای که در آن دیگر مسئله فقط شناختن سوگیری‌ها نیست، بلکه فهمیدن این است که این سوگیری‌ها در جهان دیجیتال، در بازارهای ناپایدار، در بحران‌های زیست‌محیطی و در تعامل روزافزون انسان با الگوریتم‌ها چگونه بازتولید می‌شوند. اگر کانمن و تورسکی به ما آموختند که ذهن انسان چگونه خطا می‌کند، اکنون پرسش این است که در جهانی پیچیده‌تر از همیشه، با این دانسته‌ها چه باید کرد.