درسی در مورد فناوری

آلن گرینسپن، عاشق موسیقی جاز و رئیس فدرال‌رزرو در دهه ۱۹۹۰ به‌عنوان استاد سیاست پولی شهرت یافت. بسیاری از همکارانش بر این باور بودند که بیکاری آنقدر پایین آمده که مطمئناً تورم را افزایش می‌دهد و خواستار افزایش نرخ بهره بودند. اما آقای گرینسپن لحنی متفاوت داشت. او از روایاتی درباره ردیابی موجودی کالاها از سوی خرده‌فروشان از طریق ماهواره یا استفاده خطوط هوایی از کامپیوتر برای تنظیم کرایه‌ها متناسب با تقاضا چنین استنباط کرد که رونق بهره‌وری مبتنی بر فناوری اطلاعات در حال وقوع است، قبل از اینکه در آمارهای رسمی ظاهر شود. بنابراین اقتصاد می‌تواند بدون افزایش تورم، سریع‌تر رشد کند. او نرخ‌ها را برای بیشتر سال‌های ۱۹۹۶ و ۱۹۹۷ ثابت نگه داشت و به استنباط خود نسبت به الگوهای اقتصادی اعتماد کرد. روش او برای مدتی جواب داد. کوین وارش، رئیس جدید فدرال‌رزرو، خود را وارث آقای گرینسپن معرفی کرده است. به گفته او، هوش مصنوعی عرضه را افزایش، هزینه‌ها را کاهش و به اقتصاد اجازه می‌دهد با فشار تورمی کمتر، رشد سریع‌تری داشته باشد. او نیز فکر می‌کند که آمار بهره‌وری با تاخیر منتشر خواهد شد. آقای وارش در مصاحبه‌ای در دسامبر گذشته آقای گرینسپن را به خاطر شکل‌گیری دیدگاه‌هایش «از روایت‌ها و داده‌های نسبتاً مبهم» ستود و استدلال کرد که وقتی داده‌ها و روایت‌ها از هم فاصله می‌گیرند، بانکداران مرکزی باید به دومی اعتماد کنند. او «هیجان» در نگاه مدیران ارشد را گواهی بر این می‌داند که یک انقلاب بهره‌وری در راه است. این بخش از استدلال گسترده‌تر آقای وارش از سوی بسیاری از همکارانش مورد مناقشه قرار گرفته است: اینکه هوش مصنوعی یک نیروی ضدتورمی است و نرخ بهره پایین‌تری را می‌طلبد. آیا آقای وارش درس درستی از قهرمان خود گرفته است؟ در کوتاه‌مدت، تاثیر هوش مصنوعی بر نرخ‌ها به رقابت میان عرضه و تقاضا خلاصه می‌شود. در حال حاضر، تقاضا برنده است. هزینه‌های ناشی از بدهی در مراکز داده، تراشه‌ها و نیروگاه‌ها افزایش یافته‌اند. رونق بازار سهام باعث می‌شود که سهامداران احساس ثروتمندی کنند و مصرف را حتی با وجود کند شدن رشد درآمد بالا ببرند. همان‌طور که آستین گولسبی از فدرال‌رزرو شیکاگو هشدار می‌دهد، «هرچه هیجان بیشتر باشد، احتمال افزایش نرخ‌ها برای جلوگیری از داغی بیش از حد اقتصاد بالاتر می‌رود». رئیس جدید فدرال‌رزرو می‌تواند صدای بلند تقاضا را بشنود. گمان او بر این است که رشته‌های آرام‌تر موسیقی عرضه به‌زودی به آن ملحق خواهند شد. درحالی‌که شرکت‌ها کار خود را حول محور هوش مصنوعی سازمان‌دهی مجدد می‌کنند، همان کارگران و ماشین‌ها باید بیشتر تولید کنند، هزینه‌های واحد را کاهش دهند و ظرفیت اقتصاد را بالا ببرند. بااین‌حال، حتی یک تحول در سمت عرضه ممکن است نرخ‌های پایین‌تری را که آقای وارش انتظار دارد، ایجاد نکند، چراکه بهره‌وری بالاتر، درآمد واقعی را افزایش می‌دهد، تقاضای تازه‌ای را به وجود می‌آورد و تاثیر کوتاه‌مدت آن بر نرخ‌ها قطعیت نخواهد داشت. یک نیروی مرتبط و بلندمدت‌تر نیز به نرخ‌های بالاتر اشاره می‌کند. اگر هوش مصنوعی باعث رشد اقتصاد سریع‌تر و درآمدهای آینده بالاتر شود، احتمالاً «نرخ خنثی» (به اختصار r-star) را نیز افزایش می‌دهد که طبق تعریف، نرخ بهره واقعی است که در آن سیاست پولی نه اقتصاد را گرم می‌کند و نه سرد. این تفسیر شهودی آشناست: دانشجویی که انتظار حقوق بالایی پس از فارغ‌التحصیلی دارد، حاضر است امروز بدهی را بپذیرد. به همین ترتیب، خانوارها با اتکا به درآمد بالاتر در آینده وام می‌گیرند و شرکت‌ها با افزایش بازده مورد انتظار، سرمایه‌گذاری بیشتری انجام می‌دهند. هر دو رویداد تقاضا برای سرمایه را افزایش می‌دهد و نرخ بهره مورد نیاز برای تعادل پس‌انداز و سرمایه‌گذاری را بالا می‌برد. مطالعه اخیر لوکاش راشل از دانشگاه کالج لندن تخمین می‌زند که هوش مصنوعی می‌تواند r-star را حدود یک درصد افزایش دهد. اگر او درست بگوید، بازگشت به دنیای قبل از همه‌گیری با نرخ‌های بهره بسیار پایین بعید خواهد بود، حتی زمانی که عرضه به تقاضا برسد. آیا همین نتیجه در جهانی با هوش مصنوعی فوق‌العاده کارآمد که به انسان‌ها اجازه می‌دهد زندگی آرامی داشته باشند، صادق خواهد بود؟ در اصل، بله. رشد انفجاری باعث می‌شود مردم انتظار درآمد آینده‌ای پررونق داشته باشند، بنابراین امروز بیشتر خرج می‌کنند. اگر هم برعکس، هوش مصنوعی به‌عنوان یک تهدید وجودی برای بشریت به‌نظر برسد، چرا برای آینده‌ای که ممکن است نیاید، پس‌انداز کنیم؟ در هر صورت، نرخ‌ها باید به‌شدت افزایش یابند تا مردم را به پس‌انداز ترغیب کنند. برخی نیروها می‌توانند r-star را پایین بیاورند. اگر هوش مصنوعی فوق‌العاده، کار دانشی را کالایی و رقابت را تشدید کند، افزایش قیمت‌ها، سود و بازده مورد انتظار شرکت‌ها کند می‌شود و تقاضا برای سرمایه‌گذاری را تضعیف می‌کند. خانوارها ممکن است در مواجهه با آشفتگی در بازار کار، به‌جای قرض گرفتن با اتکا به آینده‌ای روشن‌تر، پس‌اندازهای احتیاطی ایجاد کنند. جایگزینی گسترده مشاغل، نرخ خنثی را حتی پایین‌تر می‌برد. اگر درآمد کمتری به سمت کارگران و بیشتر به سمت صاحبان سرمایه جریان یابد، هزینه‌های کل کاهش می‌یابند، زیرا ثروتمندان از هر دلار اضافی که دریافت می‌کنند بخش بیشتری را پس‌انداز خواهند کرد. توزیع مجدد می‌تواند با هدایت درآمد به سمت خانوارهایی که احتمال بیشتری برای خرج کردن آن دارند، بخشی از این پدیده را جبران کند. بدون این، حتی با افزایش ظرفیت تولید، پس‌انداز اشباع خواهد شد. قابل‌تصور بودن همه این نتایج نشان می‌دهد که عاقلانه است آقای وارش با احتیاط به مسئله هوش مصنوعی و نرخ‌ها نزدیک شود. حتی اگر انقلاب هوش مصنوعی به همان اندازه که طرفداران این فناوری اصرار دارند انقلابی باشد، می‌تواند نرخ‌ها را به هر دو جهت سوق دهد؛ بسته به اینکه دستاوردهای آن دقیقاً چگونه از طریق اقتصاد فیلتر می‌شوند و چه کسی آنها را به‌دست می‌آورد. طیف سناریوها همچنین به محدودیت‌های قیاس تاریخی اشاره دارد. هوش مصنوعی ممکن است هر چیزی باشد جز یک فناوری معمولی.

دوباره پخشش کن، آلن

حتی اگر تاریخ دهه ۱۹۹۰ تکرار شود، سابقه آقای گرینسپن شامل یک حرکت دوم است که به‌نظر می‌رسد آقای وارش آن را نشنیده باشد. رئیس فقید فدرال‌رزرو قبل از دیگران متوجه رونق بهره‌وری شد، اما سپس از تقاضایی که ایجاد کرد ترسید. او در سال ۱۹۹۶ نسبت به «تشدید غیرمنطقی» در قیمت دارایی‌ها هشدار داد. آقای گرینسپن هنگامی که رونق در حال وقوع بود هشدار داد که بهره‌وری سریع‌تر «افزایش بیشتری در تقاضای کل نسبت به عرضه کل بالقوه» ایجاد خواهد کرد. فدرال‌رزرو در پاسخ و بین ژوئن ۱۹۹۹ و می ۲۰۰۰ شش بار نرخ بهره را افزایش داد. بااین‌حال، فدرال‌رزرو عقب افتاده بود. تورم در اوایل سال ۲۰۰۰ به بالاترین سطح خود در تقریباً یک دهه رسید. حباب دارایی‌ها کمی بعد ترکید. شاید آقای وارش بخش اول نت استاد را یاد گرفته باشد، اما باید با دقت به بخش پایانی گوش دهد.