غیرقابل جایگزین
چرا الگوریتمها نمیتوانند جای بازارها را بگیرند؟
چالش از یک پرسش کوتاه و مهم شروع میشود: «جامعه بزرگ هشت میلیاردنفری چگونه میتواند منابع محدود را بهگونهای بین شهروندانش تقسیم کند که هم کمترین هدررفت را داشته باشد و هم بیشترین رضایت را ایجاد کند؟» پاسخ به این پرسش، اختلاف بزرگی را میان نظریهپردازان ایجاد میکند که باعث تاریخسازی در اقتصاد و بازار میشود. پاسخ نخست از کلیدواژههای بازار آزاد و قیمتها عبور میکند که «راهحل سرمایهداری» نامیده میشود. این پاسخ تاکید دارد در این جامعه بزرگ، «هر فرد خودش میداند چه میخواهد و چقدر هم حاضر است بابت آن پول پرداخت کند». در این تعریف، قیمتها همانند سیستم عصبی غولپیکر عمل میکنند و طبق آن، زمانی که کالایی با کاهش عرضه روبهرو میشود، قیمت بالا میرود. در نتیجه تولیدکنندهها بیشتر تولید میکنند و مشکل هم حل میشود. این پاسخ را فردریش هایک، اقتصاددان و فیلسوف اتریشی، ارائه کرده و با باور اینکه «هیچکس، هیچچیز را نمیداند، اما همه از طریق قیمت با هم هماهنگ میشوند»، تئوری «نظم خودجوش» را تعریف میکند.
پاسخ دوم را سوسیالیستها ارائه کردهاند و در آن بر برنامهریزی مرکزی از سوی مغز بزرگ تاکید میکنند. آنها میگویند، مرکز فرماندهی که میتواند دولت یا هوش مصنوعی باشد، «همه» اطلاعات را جمع میکند، «همه» نیازها را در فهرست قرار میدهد، «همه منابع» را در نظر میگیرد و درنهایت مشخص میکند هر یک از کارخانهها چقدر باید محصول تولید کنند و هر یک از شهروندان چقدر باید ماده غذایی را به مصرف برسانند. این ایده از قرن نوزدهم وجود داشت، اما همواره شکست خورد. بررسی پاسخهای ارائهشده به پرسشی که در ابتدا مطرح شد، مشخص میکند چرا الگوریتمها از ذهن انسان که پویایی دارند و میتوانند همه جوانب را در نظر بگیرند، شکست میخورد؟
آغاز مجادله تاریخی
آتش را لودویگ فون میزس، اقتصاددان اتریشی، روشن کرد. او در سال 1920 مقالهای با عنوان «محاسبه اقتصادی در جامعه سوسیالیستی» نوشت و طی آن، موضوع مهمی را مورد بررسی قرار داد. «بدون درنظر گرفتن قیمت واقعی نمیتوان متوجه شد تولید یک کالا تا چه اندازهای باید هزینه داشته باشد یا قیمت تمامشده ارائه یک خدمت تا چه اندازه افزایش مییابد. در نتیجه نمیتوان تصمیم منطقی اتخاذ کرد». تعریف فون میزس از قیمت واقعی، قیمتی است که از خرید و فروش کالا در بازار آزاد به وجود میآید. این مقاله و نظریات مطرحشده در آن به مذاق سوسیالیستها خوش نیامد. آنها در سالهای 1930 تا 1940 و حدود دو دهه کامل تلاش کردند به فون میزس پاسخ بدهند. کلیدواژه پاسخهای مطرحشده آنها این بود که «میتوان با طراحی معادلههای ریاضی و بهکارگیری ابرسیستمها، این مشکل را برطرف کرد». در این مرحله بود که فردریش هایک وارد شد و تاکید کرد مشکل هیچگاه رایانهها یا ابرسیستمها نبودهاند، بلکه، مشکل اینجاست که اطلاعات واقعی در جهان واقعی، در مغز میلیاردها انسان پراکنده شده و هر لحظه تغییر میکند. در نتیجه هیچ رایانه یا ابرسیستمی نمیتواند «همه» این اطلاعات محلی و شخصی و لحظهای را جمعآوری کند. کشورهای سوسیالیستی تصمیم گرفتند نظریهها و ایدههایشان را بهصورت واقعی آزمایش کنند. چراغ نخست را اتحاد جماهیر شوروی روشن کرد. این کشور در تلاش بود اقتصاد را با شبکه کامپیوتری بزرگ اداره کند. در نتیجه پروژه OGAS را شکل داد. OGAS مخفف «نظام خودکار ملی برای محاسبات و پردازش اطلاعات» بود که در سال 1962 آغاز شد، اما در سال 1970 به دلیل نداشتن بودجه کافی، شکست خورد. گام دوم را شیلی برداشت. سالوادور آلنده، سیاستمدار مارکسیست و یکی از بنیانگذاران حزب سوسیالیست شیلی، اجرای پروژه Cybersyn را در دستور کار قرار داد. این پروژه از یک اتاق کنترل با صفحههای بزرگ تشکیل شده بود که تلاش میکرد اقتصاد را بهصورت لحظهای اداره کند. Cybersyn در سال 1971 آغاز شد و درست همانند فیلمهای علمی-تخیلی به نظر میرسید. سوسیالیستهای شیلیایی حتی اتاق مخصوص را هم ساختند، اما هیچوقت به مرحله اجرا نرسید، چرا که ابتدا هیچکاری از آن برنیامد و بعد هم با کودتای سال 1973 از بین رفت. 50 سال بعد از این اتفاق، دوباره زمزمههای اداره جهان با استفاده از الگوریتمها به محافل علمی و اقتصادی به گوش رسید. نخستین صحبتهای علنی و قابل تامل در سال 2020 شکل گرفت. فعالان سیلیکونولی و چپهای جدید در نظریههایی که با گذشت زمان، جنبههای نوآورانه داشت این موضوع را مطرح کردند که «در زمانهای قدیم، کامپیوترها ضعیفتر بودند. اکنون با هوش مصنوعی و ابردادهها میتوانیم همان برنامهریزی مرکزی را انجام دهیم. حتی میتوانیم این برنامهریزیها را بهصورت علمی پیش ببریم و به کنترلکننده مرکزی دست یابیم که همهچیز را با استفاده از الگوریتمها کنترل کنیم». مطرحکنندگان این نظریه ایدههای بسیاری برای این موضوع مطرح کردند که متخصصان آن را «سوسیالیسم سایبرنتیک» نامیدند.
والاستریت ژورنال در مقالهای که در جولای 2025 (چهار ماه پیش) منتشر کرد، پاسخ منفی بزرگ به همه ایدهپردازیها و نظریههای مطرحشده درباره اداره بازار و جهان با الگوریتم ارائه کرد. نویسندگان این مقاله هر چند تاکید کردند هوش مصنوعی فوقالعاده است، اما در کنار آن توضیح دادند تکنولوژی جدید، فقط میتواند از «دادههای گذشته» یاد بگیرد. این در شرایطی است که بازار از فاکتور مهم «آیندهنگری» استفاده میکند. «کارآفرینها ریسک میکنند و با استفاده از ریسکها، اطلاعات و سازوکارهای جدید کشف میکنند و درنهایت، یا شکست میخورند و یا موفق میشوند. الگوریتم نمیتواند کشف کند، بلکه فقط میتواند براساس آنچه پیش از این وجود داشته، بهینهسازی کند. در نتیجه، هر چقدر هم هوش مصنوعی قوی شود، باز هم نمیتواند جایگزین مکانیسم قیمت و بازار آزاد شود. فقط میتواند به آن کمک کند.» خلاصه این مقاله مثال کوتاه و مهمی را مطرح میکند. «هوش مصنوعی میتواند راننده ماهر و با دستفرمان خوب باشد، اما نمیتواند اتومبیل را اختراع کند.»
بنبست محاسبه
تحولاتی که هوش مصنوعی در سالهای گذشته ایجاد کرده، بهصورت مستقیم در مقابل همه سازوکارها، فرآیندها و نظریههایی قرار گرفته که پژوهشگران و نظریهپردازان حوزههای مختلف طی سالها تحقیق و پژوهش به آن دست یافته بودند. «جایگزینی بازار با الگوریتم» چه با نام «سوسیالیسم سایبرنتیک» مطرح شود و چه با عنوان «اقتصاد برنامهریزیشده هوشمند»، محکوم به تکرار همان دو شکست بزرگ قرن بیستم است که میزس و هایک به آن پرداختهاند. صد سال پیش، زمانی که لودویگ فون میزس، اقتصاددان اتریشی، موضوع «بنبست محاسبه اقتصادی» را مطرح کرد، این موضوع منطقی به نظر میرسید، امروز هم ماهیت کارکردی این نظریه، قابلیت بررسی دارد. میزس تاکید میکند که حتی اگر فرض کنیم برنامهریز مرکزی، همه اطلاعات فنی، منابع موجود و ترجیحات مصرفکنندگان را بهصورت لحظهای در اختیار داشته باشد، باز هم نمیتواند «تخصیص بهینه» را محاسبه کند. میزس، اینگونه نتیجه میگیرد که حل مسئله بهینهسازی ریاضی از نظر منطقی ناممکن میشود، چرا که ضرایب هدف و محدودیتها وجود خارجی ندارند. هایک، این موضوع را از جنبهای دیگر مورد بررسی و تحلیل قرار داد. او مشکل دانش پراکنده بشری را در رأس نظریهاش قرار داد و رویکردی جدیدتر نسبت به نظریه میزس اتخاذ کرد. هایک تاکید کرد که حتی اگر بخواهیم آن قیمتهای غایب را بهصورت مصنوعی تولید کنیم یا در نظر بگیریم، باز هم نمیتوانیم این کار را انجام دهیم، چرا که در درجه نخست، دانش اقتصادی واقعی، نوعی دانش ضمنی، محلی و متعلق به زمان و مکان خاص است که هیچگاه بهصورت دادههای آماری یا گزارههای صریح وجود ندارد. بلکه در ذهن میلیونها نفر، در عادتها، در حس بویایی بازرگان و در تشخیص کارآفرین که «اکنون زمان تولید محصول جدید فرا رسیده» نهفته است. به باور هایک، این دانش قابل انتقال به مرکز واحد نیست، چرا که بخش عمدهای از آن «قابل بیان» نیست و حتی فردی که چنین دانشی را در اختیار دارد نمیتواند آن را بهصورت کامل توضیح دهد. به باور میزس، بدون بازار «محاسبه» بیمعناست و به باور هایک، بدون بازار، دانش لازم برای محاسبه قابل دسترس نیست. برخی محققان بیان کردهاند تئوری میزس، «غیرممکن منطقی» و تئوری هایک، «غیرممکن معرفتشناختی» است. هر دو تئوری نوعی دیوار غیرقابل نفوذ در برابر هر نوع برنامهریزی مرکزی انسانی یا الگوریتمی ایجاد کردهاند که مرز الگوریتم و بازار مشخص شود. در چنین شرایطی که هوش مصنوعی تلاش میکند برای هر موضوعی جایگزین پیدا کند و تسلط بیشتری بر فرآیندهای روزانه در تمامی عرصهها داشته باشد، میتوان تاکید کرد پیشرفت در قدرت محاسباتی، تئوری میزس را فقط بهصورت ظاهری حل میکند و به شکل واقعی آن را در نظر نمیگیرد؛ چرا که ورودیهای اصلی همچنان وجود ندارند. حتی برخی افرادی که برای ایجاد ارتباط میان الگوریتمها و واقعیت بازار تلاش کردهاند، میگویند هر تلاش برای جایگزینی قیمتهای بازار با قیمتهای سایهای تولیدشده بهوسیله الگوریتم، درست همان خطای بازار سوسیالیستی را تکرار میکند که هایک آن را «تقلید ظاهری بازار» نامید. بر همین اساس، فقط یک راه برای استفاده از الگوریتم باقی میماند: «درونیسازی آن در فرآیند بازار بهعنوان ابزار کمکی کارآفرینان و مصرفکنندگان.» در این راهحل تاکید میشود درنظر گرفتن الگوریتم بهصورت مستقل، خارج از بازار و عنصر بالادست بهعنوان جایگزین بازار، نهتنها، اشتباه، بلکه غیرممکن است.
تجربه تاریخی
«شکست پشت شکست»، عبارت دردناک سهکلمهای برای نظریهپردازانی که باور داشتند با استفاده از الگوریتمها و یا ایجاد سامانه مرکزی، میتوانند همه اطلاعات مرتبط با بازار را کنترل کنند و با این کنترلپذیری، شرایط را برای جهتدهی مستقیم شاخصها فراهم آورند. همه این تلاشها به منظور ایجاد نوعی اقتصاد علمی صورت گرفت که بدون در نظر گرفتن مکانیسم قیمت در بازار، منابع را به بهینهترین صورت، تخصیص دهد. ارزشها و آرمانهایی که علاقهمندان به ایجاد سیستم مرکزی در نظر داشتند، همه موضوع واحدی را دنبال میکرد: «فراوانی بدون هدررفت به منظور ایجاد عدالت اجتماعی در تخصیص منابع». رویای سوسیالیسم سایبرنتیک که از مارکسیسم الهام گرفته شده بود، اقتصاد را بهعنوان سیستم پیچیده بازخوردی در نظر میگرفت. ویکتور گلوچکوف معمار OGAS در شوروی و استافورد بئر، سازنده Cybersyn در شیلی ایمان داشتند که کامپیوترها میتوانند دانش پراکنده را جمعآوری کنند و با پردازش آنها، فراوانی بدون هدررفت را به ملتها هدیه دهند. در کنار آن، سایبرنتیک بهعنوان علم کنترل، وعده میداد که ناکارآمدیهای برنامهریزی آنالوگ را با مدلهای ورودی-خروجی مبتنی بر الگوریتم از میان بردارد. حتی در شیلی، پروژه Cybersyn قرار بود با مشارکت دادن کارگران در تصمیمگیری، قدرت مدیران را در میان کارگران توزیع کند. سیستم خودکار حسابداری و پردازش اطلاعات سراسری شوروی که به OGAS معروف شد، از سال 1962 تا 1970 ادامه داشت، اما با بنبست بوروکراتیک مواجه شد. این پروژه، 20 هزار ترمینال محلی، 200 مرکز منطقهای و یک ستاد مرکزی را برای جمعآوری دادههای واقعی از زمان تولید تا مصرف دربر میگرفت. مجری این پروژه بر این باور است که میتواند طی 15 سال، بیش از پنج برابر صرفهجویی در تخصیص و مصرف منابع ایجاد کند. آرمانگرایی خاص او، حرکت به سمت اقتصاد بدون پول بود. با وجود این، سیاستگذاران این پروژه بزرگ، در دام خطاهای محاسباتی عمیقی گرفتار شدند. نخستین خطا، بوروکراسی و منافع نهادی بود. پروژه OGAS یک تهدید بزرگ برای گاسپلن (کمیته برنامهریزی کشور) بود. هر چقدر بودجه به OGAS اختصاص مییافت، گاسپلن قدرت کمتری برای تخصیص بودجه به بخشهای دیگر داشت. بنابراین، تصمیم بر آن شد که OGAS بهتدریج از دایره اختصاص بودجه خارج شود. دام دوم، ترس ایدئولوژیک بود. لئونید برژنف، رهبر شوروی پس از خروشچف، OGAS را بیش از حد متمرکز و تهدیدکننده کنترل حزب تلقی کرد. در نتیجه شرایطی را فراهم آورد تا کنگره حزب در سال 1971 فقط سیستمهای محلی را مورد تایید قرار دهد و بهراحتی از سیستم مرکزی عبور کند. در کنار این دو دام بزرگ، مشکلات فنی و اطلاعاتی هم شرایطی را ایجاد کرد که OGAS با مشکل مواجه شود و شکست بخورد و به «اینترنت ازدسترفته شوروی» معروف شود. رهبران شیلی هم اشتباه اتحاد جماهیر شوروی را تکرار کردند. آنها پروژه Cybersyn را بهعنوان ترکیب سایبرنتیک و همافزایی به مرحله اجرا درآوردند که «سیستم عصبی اقتصاد» را ایجاد کنند و دموکراسی صنعتی را به کارگران هدیه دهند. در این پروژه قرار بود نرمافزار پیشبینی، همانند شبیهساز اقتصادی و اتاق عملیات طراحی و اجرا شود. تکلیف این پروژه از همان ابتدا مشخص نبود. دخالت دولتهای خارجی، ناتوانی فنی داخلی و تناقض ایدئولوژیک سبب شد این پروژه پیش از آنکه به سهسالگی برسد، جانش را از دست بدهد. سازمان اطلاعات آمریکا (CIA) با اختصاص بودجه دو میلیوندلاری، کودتای 1973 را شکل داد و با سقوط حکومت مرکزی، پروژه Cybersyn نیز نابود شد. فاجعهبارتر از آن، ناتوانی دولت شیلی در تامین نیازهای سختافزاری مورد نیاز Cybersyn بود. در تمام این کشور، فقط 50 کامپیوتر قدیمی وجود داشت. این رقم، در مقایسه با فعالیت 48 هزار کامپیوتر در آمریکا بهصورت همزمان، فاجعه بزرگ تلقی میشد. البته اختلافات داخلی و مشکوک شدن کارگران به اجرای پروژههای جاسوسی در قالب Cybersyn نیز موجب نابودی پروژه شد. درنهایت، Cybersyn که قرار بود بهعنوان «نماد اینترنت سوسیالیستی» فعالیت کند، با مرگ سالوادور آلنده در سال 1973 به خط پایان رسید و هیچگاه اجرا نشد. آلمان شرقی، کوبا و ونزوئلا هم در این مسیر گام برداشتند. در آلمان شرقی، پروژه خودکارسازی برنامهریزی با الهام از مدل شوروی اجرا شد که کارخانههای دولتی بهینه شوند. در کوبا، پروژه خودکارسازی اقتصادی به اجرا درآمد که کشاورزی و صنعت مدیریت شود. در ونزوئلا هم پروژه سوسیالیسم قرن 21 طرحریزی شد که توزیع نفت به شکل بهینه انجام پذیرد. همه سه پروژه درنهایت به شکست منتهی شد.
توانمندی هوش مصنوعی
پیش از آنکه قرار باشد میزان توانمندی هوش مصنوعی و الگوریتمها برای مدیریت بازارها مورد سنجش قرار گیرد، سطح توانایی این الگوریتمها باید مورد بررسی قرار گیرد. دکتر حسین عباسی، اقتصاددان و مدرس اقتصاد در دانشگاه مریلند آمریکا، تاکید میکند که «پیشرفتهای خیرهکننده هوش مصنوعی، هرچند سرعت کشف الگو را به سطح بیسابقه رسانده، اما هنوز فاصلهای عظیم با درک انسانی، دانش ضمنی و تفکر کانمن دارد». به باور او، پیشرفتهای هوش مصنوعی ما را واداشته عمیقتر درباره حدود دانش بشر، چگونگی کسب اطلاعات و پردازش آن تامل کنیم. این اقتصاددان با طرح این پرسش که بشر از چه موضوعاتی آگاهی دارد و چه موضوعاتی را نمیداند، استدلال مهمی مطرح میکند و میگوید: «روانشناسان بر این باورند که در حال حاضر قدرت پاسخگویی به پرسشها و فرضیهها را نداریم و گاهی پاسخ دادن به مسئله، نادانستههای جدید را برای ما آشکار میکند. یعنی ما حتی نمیدانیم چه چیزی را نمیدانیم. مثالی که میآورند این است که ما در جلوی دو کوه ایستادهایم و پشت این کوهها ممکن است کوههای دیگری باشد یا پدیدههایی متفاوت که حتی تصورش را هم نمیکنیم.» او هوش مصنوعی را در وضع کنونی، ابزار فوقالعاده سریع برای یافتن الگو، ساختار یا مدل در پدیدهها در نظر میگیرد و ادامه میدهد: «سال گذشته، جایزه نوبل شیمی به سه دانشمندی اهدا شد که با هوش مصنوعی ساختار پروتئینها را کشف کردند، کاری که از دهه ۱۹۶۰ آغاز شده بود و در 40 سال تنها حدود ۲۰۰ هزار ساختار شناسایی شده بود، اما در چند ماه، میلیونها ساختار واقعی و ممکن مدلسازی شد. این پیشرفت عظیم است، اما بهصورت ماهیتی، همان کاری است که پیش از این انجام میدادیم. تنها سرعت آن از سفر با ارابه به سفر با جت مافوق صوت و فضاپیما رسیده است.» نکته دیگری که دکتر حسین عباسی به آن اشاره میکند، پیچیدگی فرآیند شکلگیری اقتصاد براساس توصیف میزس و هایک است: «پیچیدگی فرآیند شکلگیری اقتصاد آنگونه که میزس و هایک توصیف کردهاند، به مراتب فراتر از توانایی مدلهای فعلی هوش مصنوعی و یادگیری عمیق است؛ در حال حاضر هیچکس نمیتواند ادعا کند که رفتار انسانی را در سطح بسیار دقیق مدلسازی کردهایم. روانشناسان بر این باورند که هوش مصنوعی کنونی از قدرت یادگیری یک کودک نیز ضعیفتر است. کودک با چند بار تجربه و آزمون و خطا، درک علت و معلولی خودش را میسازد، اما هوش مصنوعی فقط حجم عظیمی از داده را در سیستمهای غیرخطی کنار هم میگذارد و الگو کشف میکند.» او ادامه میدهد: «اگر از چهارچوب دو سیستمی دنیل کانمن استفاده کنیم، هوش مصنوعی در شرایط کنونی فقط در سطح سیستم یک عمل میکند. همان سیستمی که با تکرار، رفتارها را به عادتهای مکانیکی و ناخودآگاه مثل راه رفتن یا واکنشهای غریزی بازیکنان حرفهای تنیس تبدیل میکند. اما در سیستم دوم، یعنی تفکر آگاهانه، درک، شناخت واقعی و کشف روابط علت و معلولی هنوز نزدیک هم نشده است.» به باور این اقتصاددان، هوش مصنوعی هنوز موفق نشده است به درک صحیحی از خواستههای انسانی دست یابد. «ما انسانها درکی از خودمان، خواستههایمان و رابطهمان با محیط داریم که هوش مصنوعی فاقد آن است. در مثال ماشینهای خودران، هوش مصنوعی عابر پیاده را فقط شیء میبیند که باید از برخورد با آن اجتناب کند، اما درکی از تعامل انسانی، نگاه کردن به چشم یکدیگر، پیشبینی رفتار و ایجاد انتظار متقابل ندارد. تعاملی که حتی اگر اشتباه هم باشد، در رانندگان وجود دارد. برخی بر این باورند که درک انسانی درنهایت قابل شبیهسازی است، اما هنوز ماشینهای لازم را نساختهایم. در مقابل، نظریههای دیگری وجود دارد که از اساس، مغز و رفتار انسانی را غیرقابل شبیهسازی بهوسیله ماشین میدانند. تا زمانی که به هوش عمومی مصنوعی (AGI) نرسیدهایم، نمیدانیم کدام دیدگاه درست است. فقط میدانیم که هوش مصنوعی با همه دستاوردهای خارقالعادهاش، هنوز راه طولانی تا شبیهسازی واقعی انسان در پیش دارد.»
الگوریتمهای در خدمت
تاکنون همه نگاهها بر این استوار بوده که آیا هوش مصنوعی و الگوریتمها میتوانند جایگزین بازار شوند و فرآیندها و مکانیسمهای آن را تحت کنترل درآورند یا خیر؟. دیدگاه متفاوت دیگری هم وجود دارد. دکتر حسین عباسی از زاویه دیگری به موضوع نگاه میکند و بر این باور است، «استدلال محاسبه اقتصادی فون میزس که سیستم سوسیالیستی را از اساس غیرممکن میداند، بر این پایه استوار است که انگیزههای انسان برای کسب مطلوبیت در مصرف و سود در تولید، با مالکیت خصوصی و مبادله آزاد در بازار ترکیب میشود و این ترکیب، قیمت را شکل میدهد. قیمت چکیده و خلاصه همه حسابوکتابهایی است که انسانها انجام میدهند. حسابوکتابهایی که بخش عمدهشان بهصورت ناخودآگاه و فقط با حس کردن علاقه و تمایل به دستیابی به خواستهها شکل میگیرد. حذف هر یک از این اجزا و جایگزینی آن با برنامهریز مرکزی یا دولت، به ناکارآمدی، تخصیص اشتباه منابع و سقوط اقتصادی میانجامد. فون میزس این را گفت و تجربه تاریخی برنامهریزیهای مرکزی نیز بهروشنی صحت گفته او را نشان داده است». به باور این اقتصاددان، پیچیدگیهای اقتصادی به رفتار انسانها وابسته است و هوش مصنوعی و الگوریتمها که نمیتوانند این پیچیدگی را تشخیص دهند، قادر نیستند بازار را تحت کنترل دربیاورند. او در ادامه میگوید، «پیشرفتهای هوش مصنوعی نهتنها استدلالهای فون میزس، هایک و تمام اقتصاددانان طرفدار بازار را زیر سوال نبرده، بلکه آنها را تقویت کرده است، زیرا ما درباره رفتار بشر مطالعات عمیق انجام دادیم و تلاش میکنیم بفهمیم آیا ماشین میتواند همانگونه که انسان تصمیم میگیرد، تصمیمسازی کند یا نه؟. نتیجهای که تاکنون به دست آمده این است که رفتار بشر پیچیدهتر از آن چیزی به نظر میرسد که فون میزس و هایک تصور میکردند. پیشرفتهای فعلی نهتنها ما را به سیستم سوسیالیستی نزدیک نکرده، بلکه فاصله آن سیستمها را با نظامی که انسانها در مبادلات آزاد، بر مبنای اختیار، اراده، مالکیت خصوصی و کسب سود و مطلوبیت دنبال میکنند، بیشتر کرده است. براساس این استدلال، سیستم سوسیالیستی به هیچ وجه نمیتواند به آنچه انسانها در مبادلات آزاد به آن دست مییابند نزدیک شود». پژوهشی که بهتازگی از سوی محققان دانشگاهی در زمینه اقتصاد نهادی انجام شده و بهوسیله انتشارات کمبریج منتشر شده نیز موضوع مطرحشده از سوی دکتر حسین عباسی را تایید میکند. این پژوهش که با عنوان «نهادهای اقتصادی هوش مصنوعی» در مارس 2024 منتشر شد، بخشی از تحقیقات نوظهور در اقتصاد اتریشی-نهادی است که بهطور خاص بررسی میکند چگونه پیشرفتهای محاسباتی همانند هوش مصنوعی، کلاندادهها و محاسبات کوانتومی، مسئله اقتصادی را که از سوی میزس و هایک توصیف شده، حل نمیکنند. نویسندگان تاکید کردهاند که هوش مصنوعی میتواند بهعنوان ابزاری برای توضیح و توسعه شفافتر نظریههای کلاسیک عمل کند، نه اینکه جایگزین آنها شود. به عبارت دیگر، هوش مصنوعی با مدلسازی رفتارهای متوسط و الگوهای گذشته، پیچیدگیهای رفتاری را برجسته میکند و نشان میدهد چرا بازارهای آزاد با ترکیب انگیزههای سود، مطلوبیت، مالکیت خصوصی و مبادله، برتر از برنامهریزی مرکزی هستند. این پژوهش در ارتباط با استدلال میزس تاکید میکند که بدون قیمتهای واقعی، تخصیص منابع ریاضیاتی بیمعنا میماند. «هوش مصنوعی میتواند معادلات بهینهسازی را سریعتر حل کند، اما فاقد ضرایب ورودی واقعی است که از تعاملات انسانی ناشی میشود. این نتیجهگیری همان بنبست منطقی میزس را تقویت میکند و نشان میدهد پیشرفتهای هوش مصنوعی، فاصله سیستمهای سوسیالیستی را با کارایی بازارهای آزاد بیشتر کرده است.» از طرف دیگر، نویسندگان به نظم خودجوش هایک اشاره کردهاند: «هوش مصنوعی نمیتواند دانش پراکنده را جمعآوری کند، زیرا این دانش اغلب غیرقابل بیان و وابسته به شرایط زمانی-مکانی است.» این پژوهش با بررسی مدلهای الگوریتمی فعلی همانند یادگیری عمیق نشان میدهد که این سیستمها فقط بهینهسازی گذشته را انجام میدهند و نمیتوانند آینده را کشف کنند. کشف آینده از کارآفرینی انسانی ناشی میشود.
فهم در نتوانستن
آنچه در صحبتهای حسین عباسی، اقتصاددان، مشخص میشود، این است که آگاهی سازندگان پلتفرمها و الگوریتمهای هوش مصنوعی به ناتوانی در شبیهسازی رفتارهای انسانی است. او میگوید: «طراحان پلتفرمهای هوش مصنوعی و کسانی که این ابزارها را توسعه دادهاند، افراد فوقالعاده هوشمندی هستند. وقتی به صحبتهایشان گوش میکنید، میبینید بینش عمیقی دارند و نهتنها از تواناییهای سیستم آگاهند، بلکه محدودیتهای آن را نیز به خوبی میشناسند. زمانی که از هوش مصنوعی استفاده میکنید و درباره آینده، درک، شناخت و مفاهیم مشابه پرسش میکنید، بلافاصله میگویند هنوز قادر به پاسخگویی به چنین پرسشهایی نیستیم و برنامههای ما در مقابل برخی اطلاعات نمیتواند اظهارنظر کنند. سازندگان و توسعهدهندگان هوش مصنوعی، پیشرفتهای حیرتانگیزی را در آینده تصور میکنند و گاهی آن را بهعنوان آرزو بر زبان میآورند، اما محدودیتهای سیستمی را که ساختهاند نیز بهخوبی میشناسند. بنابراین، هیچکدام ادعا نمیکنند حتی به سطح نازلی از آنچه درک و استدلال بشری نامیده میشود، رسیدهاند. این در شرایطی است که امید دارند در آینده سیستمهایشان نشانهای از استدلال داشته باشد که شبیه به استدلال انسانی باشد.» بیاطلاعی از آینده و غیرقابل پیشبینی بودن آن، اصلیترین دلیلی است که سبب میشود اقتصاددانان تاکید داشته باشند الگوریتمها نمیتوانند جایگزین بازار شوند. دکتر حسین عباسی بر این باور است که «ابزارهای هوش مصنوعی قدرت خارقالعادهای در جمعآوری و پردازش اطلاعات دارند. هوش مصنوعی میتواند آن بخش از اتفاقات دنیای فیزیکی که قابل تبدیل به اطلاعات است و رفتارهایی که انسانها بر مبنای عادت و الگوهای تکراری انجام میدهند را برای مجموعه آدمها بهطور متوسط مدلسازی و پیشبینی کند. همچنین میتواند درجاتی از گونهگونی را هم در نظر بگیرد، اما هنوز فاصله زیادی دارد تا جوانب فردی را به شکل عمیق لحاظ کند. این کار را با ساختن تصویری از آینده براساس اتفاقات گذشته انجام میدهد، درحالیکه میدانیم آینده هیچگاه تکرار گذشته نبوده و نیست. تغییرات ناشناخته و نادانستهها را هم به این معادله اضافه کنید. هیچکدام از این مدلها ادعا ندارند میتوانند جایگزین سیستمهایی شوند که از رفتار واقعی بشر ناشی میشود، حداکثر میتوانند کمک کنند اطلاعات بهتر و سریعتر جمعآوری و پردازش شود و موانع انسانی در کسب و پردازش اطلاعات کاهش یابد، اما جایگزین هیچ سیستم بشری نمیشوند». این اقتصاددان، مثال ساختار زبان را نیز مطرح میکند که بر صحبتهایش مهر تایید بزند. «ساختار زبان را در نظر بگیرید. زبان پدیده بشری است و تنها کاری که این پلتفرمها کردهاند، ساخت الگوریتمهایی است که الگوهای زبان را شناسایی کنند و ویراستار زبان باشند.» دکتر عباسی در بخش پایانی صحبتهایش بیان میکند، «با اطلاعاتی که اکنون در اختیار داریم، میتوانیم مدعی باشیم برنامهریزی مرکزی با الگوریتم غیرممکن است. هیچ یک از این پلتفرمها چنین ادعایی ندارند و کسی هم دنبال آن نیست. اگر کسی اصرار به چنین کاری کند، همان سیستم دولتی استالینی را بازتولید میکند که به فاجعه میانجامد. افراد و دولتها میتوانند از هوش مصنوعی برای تصمیمگیریهای خودشان استفاده کنند و این استفاده مفید است». او همچنین میگوید، استفاده از هوش مصنوعی برای بهبود تصمیمگیری، پدیده مطلوبی است. «در چنین شرایطی، اطلاعات بهتر و سریعتر بهدست میآید، دست دراز سیاستمداران کجاندیش و کجفهم کوتاه میشود و میتوان از دستاوردهای واقعی علم بشری بهره برد. اگر سیاستمداران بخواهند از همین هوش مصنوعی برای محدود کردن و سرکوب بیشتر انسانها استفاده کنند، وضع بشر بدتر میشود. این موضوع را مدنظر داشته باشید که داشتن ابزار قدرتمند همراه با سوءنیت، همیشه به ضرر بشر بوده است.»
