ماشین قدرت
پشت وعده‌های هوش مصنوعی چه منافع و هزینه‌هایی قرار دارد؟
الهام چیذری/ نویسنده نشریه
هوش مصنوعی با وعده دگرگون‌کردن تقریباً همه‌چیز وارد زندگی ما شده است؛ از شیوه کار و آموزش گرفته تا پژوهش علمی، خدمات عمومی و حتی تعریف خلاقیت انسانی. دولت‌ها آن را عاملی برای افزایش رقابت‌پذیری ملی می‌دانند، شرکت‌های فناوری از جهشی بی‌سابقه در بهره‌وری سخن می‌گویند و سرمایه‌گذاران مبالغ هنگفتی را به این فناوری اختصاص می‌دهند. اما زیر این تصویر امیدوارکننده، پرسشی ناخوشایند پنهان است که چه کسانی از این تحول سود می‌برند و هزینه‌های آن بر دوش چه کسانی می‌افتد؟ مستند پژوهشی و انتقادی «روح در ماشین»، ساخته والری ویچ در سال ۲۰۲۶، به این تناقض می‌پردازد. این فیلم که در جشنواره ساندنس معرفی شد و در مجموعه Independent Lens شبکه PBS به نمایش درآمد، هوش مصنوعی را فناوری خنثی و لزوماً پیش‌برنده آینده‌ای بهتر نمی‌داند، بلکه ریشه‌های تاریخی، فلسفی، فرهنگی و سیاسی آن و نقش برداشت‌های خاص از هوش، تفاوت‌های انسانی و کنترل اجتماعی را بررسی می‌کند. این بحث در زمانی مطرح می‌شود که هوش مصنوعی به یکی از مهم‌ترین مقاصد سرمایه‌گذاری تبدیل شده است. براساس گزارش شاخص هوش مصنوعی دانشگاه استنفورد در سال ۲۰۲۶، سرمایه‌گذاری شرکتی جهانی در این حوزه در سال ۲۰۲۵ به حدود 7/ 581 میلیارد دلار رسید؛ رقمی که بیش از دو برابر سال قبل بود. بااین‌حال، بزرگی سرمایه‌گذاری به‌تنهایی نشان نمی‌دهد ثروت حاصل چگونه توزیع خواهد شد، بهره‌وری بیشتر چه سودی برای کارکنان دارد یا این صنعت چه میزان انرژی و منابع طبیعی مصرف می‌کند. بنابراین اهمیت اقتصادی هوش مصنوعی، فقط به توانایی الگوریتم‌ها محدود نیست. مسئله به مالکیت زیرساخت‌های محاسباتی، تمرکز قدرت شرکت‌ها، نیروی کاری که توسعه این سامانه‌ها به آن وابسته است و هزینه‌های زیست‌محیطی گسترش آنها مربوط می‌شود. مستند ویچ یادآوری می‌کند که برای فهم این فناوری باید به نهادها، انگیزه‌ها و پیش‌فرض‌هایی نگاه کرد که مسیر توسعه آن را تعیین می‌کنند.
تاریخ پنهان پشت وعده‌های فناوری
هوش مصنوعی اغلب نتیجه طبیعی پیشرفت علمی معرفی می‌شود: رایانه‌ها قدرتمندتر شده‌اند، داده‌های بیشتری در دسترس است و الگوریتم‌ها پیشرفته‌تر شده‌اند؛ پس ظهور ماشین‌های هوشمندتر ظاهراً اجتناب‌ناپذیر بوده است. اما مستند این روایت را به چالش می‌کشد. فیلم با بررسی ریشه‌های فکری و فرهنگی هوش مصنوعی می‌پرسد، آیا این فناوری بازتاب حقیقتی جهان‌شمول درباره هوش است یا از مجموعه‌ای از برداشت‌های تاریخی درباره انسان، توانایی‌های ذهنی و نظم اجتماعی تاثیر پذیرفته است. این پرسش از نظر اقتصادی اهمیت دارد، زیرا فناوری‌ها مستقل از جامعه‌ای که آنها را تامین مالی و استفاده می‌کند، شکل نمی‌گیرند. تصمیم درباره خودکارسازی یک وظیفه، رتبه‌بندی متقاضیان شغل، پیش‌بینی رفتار مشتریان یا ارزیابی عملکرد کارکنان، درواقع انتخاب درباره چیزی است که باید اندازه‌گیری شود و نتیجه مطلوب چه باشد. هنگامی که این انتخاب‌ها در نرم‌افزار جای می‌گیرند، ممکن است عینی و بی‌طرف به‌نظر برسند؛ حتی اگر فرض‌های پشت آنها همچنان محل بحث باشند. فیلم ریشه‌های هوش مصنوعی را به تلاش‌های تاریخی برای دسته‌بندی انسان‌ها، از جمله جمجمه‌شناسی و اصلاح نژاد، پیوند می‌دهد. این رویکردهای تاریخی می‌کوشیدند ویژگی‌های پیچیده انسانی را به معیارهایی قابل‌اندازه‌گیری تبدیل کنند و گاه از آنها برای توجیه سلسله‌مراتب اجتماعی بهره می‌گرفتند. هوش مصنوعی امروز با آن نظام‌های ردشده یکسان نیست؛ بااین‌حال، مقایسه تاریخی پرسشی مهم پیش می‌کشد: آیا فناوری که با داده‌های برگرفته از جامعه‌ای نابرابر آموزش می‌بیند، می‌تواند همان تبعیض‌های موجود را بازتولید کند؟ این خطر لزوماً از طراحی عمدی و تبعیض‌آمیز ناشی نمی‌شود. برای مثال، سامانه استخدامی که با تصمیم‌های گذشته شرکت آموزش دیده است، ممکن است الگوهایی را تکرار کند که در گذشته به سود گروه خاصی از متقاضیان بوده‌اند. الگوریتم می‌تواند آنچه را پیش‌تر رخ داده، با آنچه مطلوب است اشتباه بگیرد. حتی اگر سامانه دقیقاً مطابق طراحی خود عمل کند، نتیجه ممکن است نابرابری را تقویت کند؛ به‌ویژه اگر داده‌های اولیه بازتاب دسترسی نابرابر به آموزش، اشتغال یا اعتبار مالی باشند. این موضوع به‌ویژه زمانی اهمیت پیدا می‌کند که دولت‌ها، توسعه هوش مصنوعی را هدفی راهبردی برای کشور خود معرفی می‌کنند. رقابت می‌تواند پژوهش را سرعت ببخشد و سرمایه جذب کند، اما ممکن است سیاست‌گذاران را نیز به اولویت‌دادن به سرعت، به بهای کاهش نظارت، سوق دهد. هنگامی که توسعه فناوری اجتناب‌ناپذیر جلوه داده می‌شود، پرسشگری درباره مسیر آن ممکن است مخالفت با پیشرفت تلقی شود.
تمرکز ثروت و قدرت
رونق هوش مصنوعی، داستان سرمایه نیز هست. توسعه الگوهای پیشرفته به تجهیزات محاسباتی گران‌قیمت، تراشه‌های تخصصی، مجموعه داده‌های بزرگ، نیروی انسانی ماهر و دسترسی به مقادیر قابل‌توجه برق نیاز دارد. فراهم‌کردن و اداره این زیرساخت‌ها موانع بزرگی بر سر راه ورود به بازار ایجاد می‌کند. در نتیجه، توان رقابت بیش از پیش به منابعی وابسته می‌شود که تنها در اختیار شماری معدود از شرکت‌های فناوری و سرمایه‌گذاران آنهاست. ارقام دانشگاه استنفورد نشان می‌دهد که هوش مصنوعی به بخش مهمی از راهبرد تجاری شرکت‌ها تبدیل شده است. بااین‌حال، سرمایه‌گذاری در این حوزه به‌طور یکسان توزیع نمی‌شود. شرکت‌هایی که منابع مالی بیشتری دارند، می‌توانند سامانه‌های پیشرفته‌تری آموزش دهند، مشتریان بیشتری جذب کنند و داده‌های بیشتری به‌دست آورند. این مزیت‌ها نیز امکان سرمایه‌گذاری بیشتر و تقویت موقعیت آنها را فراهم می‌کند. به این ترتیب، چرخه‌ای تقویت‌کننده شکل می‌گیرد: منابع مالی بیشتر به توسعه محصولات پیشرفته‌تر کمک می‌کند؛ محصولات محبوب کاربران بیشتری جذب می‌کنند؛ کاربران بیشتر، داده و درآمد بیشتری ایجاد می‌کنند و این مزایا منابع لازم برای توسعه بعدی را مهیا می‌کنند. نتیجه می‌تواند بازاری باشد که در آن شمار معدودی از شرکت‌ها زیرساخت‌های اصلی را کنترل می‌کنند و دیگر کسب‌وکارها برای ارائه خدمات خود به آنها وابسته می‌شوند. این تمرکز به‌معنای پایان رقابت نیست. شرکت‌های تازه همچنان الگوهای جدید می‌سازند، پروژه‌های متن‌باز می‌توانند با بازیگران بزرگ رقابت کنند و سامانه‌های تخصصی گاه در حوزه‌ای مشخص عملکردی بهتر دارند. بااین‌حال، رقابت میان محصولات همیشه رقابت در زیرساخت نیست. ممکن است یک کسب‌وکار گزینه‌های متعددی برای استفاده از ابزارهای هوش مصنوعی داشته باشد، اما همچنان به تعدادی اندک از ارائه‌دهندگان خدمات ابری، تولیدکنندگان تراشه یا پلتفرم‌های محاسباتی وابسته بماند. از این منظر، پرسش اصلی فقط این نیست که کدام شرکت الگویی قدرتمندتر می‌سازد. باید دید چه کسی منابع لازم برای توسعه و توزیع هوش مصنوعی را کنترل می‌کند، شرایط دسترسی را چه نهادی تعیین می‌کند و مشتریان، کارکنان و کسب‌وکارهای کوچک تا چه اندازه قدرت چانه‌زنی دارند. بررسی ساختارهای قدرت در مستند پژوهشی و انتقادی «روح در ماشین» از همین جهت با تحلیل بازار ارتباط پیدا می‌کند. سیاست عمومی می‌تواند بر این توازن اثر بگذارد. دولت‌ها از پژوهش حمایت می‌کنند، نیروی متخصص آموزش می‌دهند، زیرساخت دیجیتال می‌سازند و قواعد فعالیت شرکت‌ها را تعیین می‌کنند. آنها همچنین خریدار سامانه‌های هوش مصنوعی هستند و ممکن است از سرمایه‌گذاری در این صنعت با مشوق‌های مالی یا ابزارهای دیگر پشتیبانی کنند. این اقدامات می‌توانند منافع واقعی برای جامعه ایجاد کنند، اما پرسشی نیز به همراه دارند: اگر مالیات‌دهندگان به فراهم‌شدن شرایط رشد یک صنعت سودآور کمک می‌کنند، آیا منافع حاصل باید تنها نصیب سهامداران خصوصی شود؟ پاسخ ساده‌ای وجود ندارد. محدودیت‌های افراطی ممکن است نوآوری مفید را تضعیف کنند؛ در مقابل، تمرکز مهارنشده می‌تواند به برخی شرکت‌ها اجازه دهد قیمت‌ها، شرایط کار و دسترسی به خدمات دیجیتال ضروری را تحت تاثیر قرار دهند. چالش سیاست‌گذاری، حفظ انگیزه سرمایه‌گذاری بدون تضعیف رقابت و پاسخ‌گویی عمومی است.
هزینه‌های پنهان آینده خودکار
زبان رایج درباره هوش مصنوعی معمولاً بر خودکارسازی و بهره‌وری تاکید می‌کند؛ گویی ماشین‌ها می‌توانند کارها را سریع‌تر و ارزان‌تر از انسان انجام دهند. اما سادگی ظاهری یک تعامل دیجیتال می‌تواند زیرساخت انسانی و فیزیکی گسترده‌ای را پنهان کند. سامانه‌ها باید آموزش ببینند، ارزیابی شوند، نگهداری شوند و محتوای نامناسب آنها بررسی شود. داده‌ها باید گردآوری و پردازش شوند و رایانه‌هایی که این عملیات را انجام می‌دهند، به برق، تجهیزات تخصصی و سامانه‌های خنک‌کننده نیاز دارند. مستند به بهره‌کشی انسانی احتمالی در گسترش هوش مصنوعی، از جمله نقش نیروی کار و شیوه‌های استفاده از داده‌ها، توجه می‌کند. استدلال گسترده‌تر فیلم این است که خودکارسازی لزوماً کار انسانی را حذف نمی‌کند؛ گاهی آن را به پشت صحنه می‌برد و از دید کسانی که از محصول نهایی بهره می‌برند، پنهان می‌کند. پشت سامانه‌های خودکار، افرادی حضور دارند که تصاویر را برچسب‌گذاری می‌کنند، پاسخ‌های مدل را می‌سنجند، محتوای آسیب‌زا را شناسایی می‌کنند و وظایف دیگری را برای قابل استفاده‌شدن محصولات هوش مصنوعی انجام می‌دهند. بخشی از این فعالیت‌ها تکراری و از نظر روانی فرساینده است. در زنجیره‌های تامین جهانی، کارکنان ممکن است قدرت چانه‌زنی محدودی داشته باشند یا ندانند مشارکت آنها دقیقاً چگونه استفاده می‌شود. این وضعیت پرسش‌هایی درباره دستمزد، وضعیت کار و مسئولیت شرکت‌ها در کشورهای مختلف ایجاد می‌کند. داده‌ها نیز مسئله اقتصادی دیگر هستند. کاربران ممکن است اطلاعات شخصی، آثار خلاقانه یا نشانه‌های رفتاری خود را در اختیار سامانه‌ها قرار دهند؛ اطلاعاتی که می‌تواند به بهبود محصولات تجاری کمک کند. بااین‌حال، بسیاری از افراد از نحوه ذخیره، بازاستفاده یا ارزش اقتصادی این داده‌ها آگاهی روشنی ندارند. داده با نیروی کار یکسان نیست و هر تعامل به‌طور حتم ارزش تجاری مستقیم ایجاد نمی‌کند، اما انباشت اطلاعات می‌تواند موقعیت رقابتی شرکت‌ها را تقویت کند، درحالی‌که افرادی که این اطلاعات را تولید می‌کنند، نظارت اندک بر استفاده از آنها دارند. هزینه‌ها به جهان فیزیکی نیز گسترش می‌یابد. الگوهای هوش مصنوعی در مراکز داده فعالیت می‌کنند؛ مراکزی که برق مصرف می‌کنند و سامانه‌های خنک‌کننده آنها ممکن است بر منابع محلی فشار وارد کند. گزارش سال ۲۰۲۵ آژانس بین‌المللی انرژی با عنوان «انرژی و هوش مصنوعی» رابطه میان توسعه هوش مصنوعی و افزایش تقاضای برق را بررسی می‌کند و پیامدهای آن را برای نظام‌های انرژی و انتشار آلاینده‌ها توضیح می‌دهد. این هزینه‌ها به‌معنای آن نیست که هوش مصنوعی ذاتاً برای محیط‌زیست زیان‌بار است. برخی کاربردهای آن می‌توانند بهره‌وری انرژی را افزایش دهند، به پژوهش علمی کمک کنند و فرآیندهای صنعتی را بهینه کنند. پرسش اصلی این است که آیا این منافع از منابع مصرف‌شده برای توسعه و اجرای سامانه‌ها بیشتر است و این نتیجه در چه شرایطی حاصل می‌شود. ترکیب منابع انرژی، کارایی محاسباتی، طراحی الگو‌ها و کاربرد نهایی آنها در این ارزیابی نقش دارند. توزیع هزینه‌های زیست‌محیطی به اندازه مجموع آنها مهم است. یک شرکت ممکن است از خدمات هوش مصنوعی درآمد کسب کند، درحالی‌که جامعه اطراف با فشار بیشتری بر شبکه برق، منابع آب یا زیرساخت‌های محلی روبه‌رو شود. اگر این هزینه‌ها در قیمت نهایی خدمات منعکس نشوند، سرمایه‌گذاری ممکن است از دید شرکت کارآمد به‌نظر برسد، اما برای جامعه هزینه‌ای بیشتر ایجاد کند. پیامدهای خودکارسازی برای اشتغال نیز پیچیده است. هوش مصنوعی می‌تواند بخشی از وظایف شغلی را خودکار کند، توانایی کارکنان را بالا ببرد یا مشاغلی تازه ایجاد کند. اثر آن براساس صنعت، حرفه و سرعت پذیرش فناوری متفاوت خواهد بود. افزایش بهره‌وری ممکن است دستمزدها را بالا ببرد و خدمات را بهبود دهد، اما می‌تواند تقاضا برای برخی وظایف را نیز کاهش دهد یا قدرت چانه‌زنی کارکنان را تضعیف کند. نتیجه به نهادهای اقتصادی، میزان رقابت، آموزش و نحوه توزیع منافع وابسته است.
قدرت مهار در دست کیست؟
نخستین اولویت، شفافیت است. سازمان‌هایی که در حوزه‌های حساس از هوش مصنوعی استفاده می‌کنند، باید بتوانند نقش سامانه‌های خودکار و محدودیت‌های مهم آنها را توضیح دهند و راهی برای اعتراض افراد به تصمیم‌های زیان‌بار فراهم کنند. شفافیت به‌معنای انتشار تمام جزئیات فنی نیست؛ هدف آن است که نهادها نتوانند الگوریتم را بهانه‌ای برای فرار از مسئولیت بدانند. اولویت دوم، رقابت است. سیاست‌گذاران باید بررسی کنند که آیا کنترل زیرساخت محاسباتی، خدمات ابری و پلتفرم‌های اصلی مانع ورود شرکت‌های کوچک‌تر می‌شود یا نه. استانداردهای سازگار، دسترسی منصفانه و اجرای موثر قوانین رقابت می‌توانند از محدودشدن نوآوری به شرکت‌های دارای بیشترین سرمایه جلوگیری کنند. پژوهش‌های دارای تامین مالی عمومی نیز می‌توانند مشارکت گسترده‌تری ایجاد کنند، به‌ویژه اگر نتایج آنها در دسترس دانشگاه‌ها، شرکت‌های کوچک و نهادهای عمومی قرار گیرد. اولویت سوم، پاسخ‌گویی در برابر هزینه‌های اجتماعی و زیست‌محیطی است. شرکت‌ها باید خطر سامانه‌های خود را ارزیابی کنند، از داده‌های شخصی محافظت کنند و برای جلوگیری از نتایج تبعیض‌آمیز اقدامات معقول انجام دهند. دولت‌ها نیز باید پیامدهای مراکز داده برای برق، آب و زیرساخت‌های عمومی را در نظر بگیرند. این مقررات باید متناسب طراحی شوند؛ زیرا قواعد نامناسب ممکن است بار سنگینی بر توسعه‌دهندگان کوچک تحمیل کنند، بی‌آنکه شرکت‌های قدرتمند را به همان اندازه پاسخ‌گو کنند. کارکنان نیز باید بخشی از این گفت‌وگو باشند. آموزش می‌تواند به افراد کمک کند خود را با تغییر مشاغل سازگار کنند، اما به‌تنهایی برای حل تمام مشکلات خودکارسازی کافی نیست. حمایت از نیروی کار، چانه‌زنی جمعی، امنیت درآمد و سیاست‌هایی که به کارکنان امکان بهره‌مندی از افزایش بهره‌وری را می‌دهند، ممکن است ضروری باشند. اگر هوش مصنوعی تولید را بالا ببرد، اما قدرت چانه‌زنی افرادی را که در تولید نقش دارند کاهش دهد، رشد اقتصادی می‌تواند همزمان با ناامنی بیشتر همراه شود. نهادهای عمومی نیز مسئولیت دارند. آنها باید پیش از استفاده از سامانه‌های هوش مصنوعی، به‌ویژه در حوزه‌های سلامت، آموزش، حمایت اجتماعی و اجرای قانون، عملکرد و خطرات آنها را ارزیابی کنند. شیوه خرید و انتخاب فناوری از سوی دولت‌ها می‌تواند بازار را شکل دهد؛ برای مثال، اگر قابلیت اعتماد، حفاظت از حریم خصوصی و منفعت عمومی معیارهای اصلی باشند، شرکت‌ها برای ارائه محصولاتی مسئولانه‌تر انگیزه خواهند داشت. درنهایت، قدرت هوش مصنوعی فقط در آنچه ماشین‌ها محاسبه یا تولید می‌کنند خلاصه نمی‌شود؛ ترتیبات اقتصادی و سیاسی پیرامون آنها نیز مهم است. پرسش اصلی مستند فراتر از این است که آیا هوش مصنوعی جهان را دگرگون خواهد کرد یا نه. مسئله این است که آیا جامعه می‌تواند بر جهت این تحول اثر بگذارد، یا ناچار خواهد بود خود را با تصمیم‌های شرکت‌های فناوری و سرمایه‌گذاران سازگار کند. رونق هوش مصنوعی ممکن است به اکتشافات مهم و افزایش پایدار بهره‌وری بینجامد، اما منافع آن خودبه‌خود میان مردم توزیع نخواهد شد و هزینه‌هایش نیز بر دوش کسانی قرار نمی‌گیرد که بیشترین سود را می‌برند. معیار واقعی موفقیت آن است که هوش مصنوعی توانایی‌های انسانی را گسترش دهد، بی‌آنکه نابرابری را عمیق‌تر کند، بهره‌کشی را پشت پرده پنهان کند یا بار زیست‌محیطی را به دوش جوامعی بیندازد که در تصمیم‌گیری درباره فناوری نقشی ندارند.
دیدگاه تان را بنویسید