تازه شدن زخم قدیمی

در چند ماه اخیر، همزمان با افزایش چشمگیر اقبال عمومی و سیاست‌گذاری به هوش مصنوعی، یکی از جنجالی‌ترین و درعین‌حال بنیادی‌ترین مناقشات علم اقتصاد، بار دیگر در قالبی تازه احیا شده است. اینکه آیا می‌توان یک نظام متمرکز را جایگزین سازوکار بازار کرد؟ نظامی که این‌بار نه متکی بر برنامه‌ریزی انسانی، بلکه مبتنی بر الگوریتم‌ها و ماشین‌های هوشمند است. این پرسش، در ظاهر جدید و نوآورانه، اما در باطن ادامه همان جدال قدیمی میان طرفداران برنامه‌ریزی متمرکز و نظم خودجوش بازار است که ریشه‌های آن به قرن بیستم و مناقشات معروف درباره امکان محاسبه اقتصادی و برنامه‌ریزی متمرکز بازمی‌گردد. یکی از شاخص‌ترین نمونه‌های این جدال قدیمی، مناقشه مشهور محاسبه اقتصادی در نظام سوسیالیستی در دهه‌های ۱۹۲۰ و ۱۹۳۰ است. در این مناظره، اقتصاددانانی مانند لودویگ فون میزس و فردریش فون هایک استدلال می‌کردند که بدون وجود مالکیت خصوصی و قیمت‌های بازار، امکان محاسبه عقلانی اقتصادی از میان می‌رود. از نگاه آنها، قیمت‌ها صرفاً اعداد حسابداری نیستند، بلکه حامل اطلاعاتی حیاتی درباره کمیابی منابع، ترجیحات مصرف‌کنندگان و هزینه فرصت‌اند. اطلاعاتی که تنها از دل تعاملات غیرمتمرکز میلیون‌ها کنشگر اقتصادی پدید می‌آیند. در مقابل، مدافعان برنامه‌ریزی متمرکز، ازجمله اسکار لانگه، معتقد بودند که یک نهاد مرکزی می‌تواند با گردآوری داده‌ها و حل دستگاهی از معادلات، همان نتایجی را به‌دست آورد که بازار از طریق رقابت حاصل می‌کند. لانگه حتی معتقد بود که برنامه‌ریزان می‌توانند با آزمون و خطا، قیمت‌هایی شبه‌بازاری تعیین کنند تا به تخصیص بهینه منابع برسند. این دیدگاه در زمان خود، این امید را میان منتقدان نظام بازار تقویت کرد که مسئله محاسبه اقتصادی، اساساً یک مسئله فنی و محاسباتی است و با پیشرفت دانش و ابزارهای ریاضی قابل‌حل خواهد بود. اما تجربه عملی اقتصادهای متمرکز در قرن بیستم، به‌ویژه در اتحاد جماهیر شوروی و کشورهای بلوک شرق، به‌تدریج نشان داد که مشکل اصلی نه کمبود معادلات و نه ضعف محاسبات، بلکه ناتوانی در دسترسی به دانشی است که پراکنده، محلی و ضمنی است و تنها در جریان کنش واقعی افراد آشکار می‌شود. این تجربه تاریخی، در کنار استدلال‌های نظری مکتب اقتصادی اتریشی، به تقویت این دیدگاه انجامید که بازار یک ماشین محاسبه نیست، بلکه یک فرآیند کشف است. فرآیندی که هیچ نهاد متمرکزی، حتی با پیشرفته‌ترین ابزارها، نمی‌تواند به‌طور کامل جایگزین آن شود.

استدلال موافقان جایگزینی هوش مصنوعی به‌جای بازار

حال که گریزی به تاریخچه جدل‌ها زدیم، بیایید به بحث اصلی بازگردیم. تا اینجا پیش رفتیم که پیشرفت‌های فناورانه معمولاً این احساس را ایجاد می‌کنند که محدودیت‌های پیشین، چه در جمع‌آوری اطلاعات و چه در پردازش آن برطرف شده‌اند. از این‌رو، این باور شکل می‌گیرد که آنچه پیشتر به‌عنوان ناممکن تلقی می‌شد، اکنون با اتکا به ابزارهای جدید قابل‌تحقق است. به همین دلیل، هر موج فناوری، از محاسبات الکترونیکی و برنامه‌ریزی خطی در میانه قرن بیستم گرفته تا کلان‌داده‌ها و هوش مصنوعی در سال‌های اخیر، با خود این امید را به همراه آورده که شاید بتوان هماهنگی اقتصادی را به‌جای سازوکار بازار، از طریق طراحی و محاسبه آگاهانه سامان داد. بحران‌های اقتصادی نیز نقشی مشابه ایفا می‌کنند. هنگامی که بازارها دچار رکود، نوسان‌های شدید یا فروپاشی‌های مالی می‌شوند، ناکامی‌ها و هزینه‌های اجتماعی آنها برجسته‌تر از کارکردهای روزمره‌شان به چشم می‌آید. در چنین شرایطی، بازار نه به‌عنوان یک فرآیند پویا و تطبیق‌پذیر، بلکه به‌مثابه منبع بی‌ثباتی، نابرابری و بی‌عدالتی تصویر می‌شود. همین تصویر، زمینه را برای احیای این ایده فراهم می‌کند که شاید بتوان با مداخله‌ای آگاهانه‌تر و متمرکزتر، نتایجی عقلانی‌تر، کارآمدتر یا عادلانه‌تر به‌ دست آورد.

به این ترتیب، ترکیب دو عامل امید ناشی از پیشرفت فناوری و سرخوردگی ناشی از بحران‌های اقتصادی، همواره موتور محرک بازگشت ایده‌های برنامه‌ریزی متمرکز بوده است. بااین‌حال، تجربه تاریخی نشان می‌دهد که هرچند ابزارها تغییر می‌کنند، مسئله بنیادی ثابت می‌ماند. هماهنگی اقتصادی صرفاً یک مسئله فنی یا محاسباتی نیست، بلکه به دانشی وابسته است که در دل کنش‌های غیرمتمرکز انسان‌ها و در جریان پویای بازار شکل می‌گیرد. دانشی که هیچ فناوری، هرقدر هم پیشرفته، نمی‌تواند آن را به‌طور کامل جایگزین کند.

بااین‌حال، در اغلب موارد، موج‌های انتقادی پس از مدتی و با آشکار شدن محدودیت‌های برنامه‌ریزی متمرکز و کارکردهای پنهان بازار، فروکش کرده و بار دیگر اصالت بازار خود را به‌عنوان سازوکاری بی‌بدیل برای هماهنگی فعالیت‌های اقتصادی نشان داده است. آخرین نمونه برجسته از بازگشت انتقادات، بحران مالی جهانی سال ۲۰۰۸ بود. این بحران، که بسیاری آن را نشانه‌ای از ناکارآمدی و بی‌ثباتی ذاتی بازارهای آزاد می‌دانستند، بار دیگر این ادعا را به صدر بحث‌های عمومی و دانشگاهی آورد که شاید نظام بازار به پایان راه خود رسیده است و زمان آن فرارسیده که جای خود را به‌نوعی نظم اقتصادی هدایت‌شده بدهد. امروز نیز هوش مصنوعی، با وعده پردازش بی‌سابقه داده‌ها و تصمیم‌گیری عقلانی و بی‌خطا، در نقش نامزد جدید این آرزوی دیرینه ظاهر شده است. پرسش اساسی اما همچنان پابرجاست؛ آیا فناوری می‌تواند مسئله‌ای را حل کند که ریشه آن نه در کمبود محاسبه، بلکه در ماهیت پیچیده و پراکنده دانش انسانی نهفته است؟

برخی اندیشمندان و فعالان حوزه فناوری بر این باورند که هوش مصنوعی، با قدرت پردازش بی‌سابقه، دسترسی به کلان‌داده‌ها و توانایی یادگیری مستمر، این امکان را فراهم کرده است که بسیاری از کارکردهای بازار، از کشف قیمت گرفته تا تخصیص منابع و پیش‌بینی تقاضا، به‌صورت متمرکز و بهینه‌تر انجام شود. در مقابل، بخش بزرگی از اقتصاددانان این ادعا را رد می‌کنند و معتقدند چنین برداشتی مبتنی بر درک ناقص از ماهیت بازار و دانش اقتصادی است.

پرسش محوری نیز در این مناقشه معمولاً به این صورت طرح شده است: «بازار بهتر می‌فهمد یا هوش مصنوعی؟»

مناقشه جدید هنوز گر نگرفته اما افراد زیادی را به تکاپو واداشته است.

اریک برین‌یولفسون از دانشگاه MIT بازارهای سنتی را در برابر اقتصاد داده‌محور ناکارآمد می‌داند. الکس پنتلند، دانشمند داده، معتقد به جایگزینی سیگنال‌های بازار با داده‌های رفتاری است و اعتقاد دارد که داده بهتر از قیمت می‌فهمد. جک ما، بنیان‌گذار علی‌بابا، مدافع استفاده از الگوریتم‌ها برای پیش‌بینی تقاضا و تولید است. اما پیتر بوتکه، اقتصاددان مکتب اتریشی و از استادان دانشگاه جرج میسون، با تکیه بر سنت فکری مکتب اقتصادی اتریشی، ایده جایگزینی بازار با هوش مصنوعی را به چالش جدی کشیده است. به باور او و دیگر اقتصاددانان همسو با این سنت، مسئله اصلی اقتصاد، نه کمبود قدرت محاسباتی، بلکه ماهیت خاص دانشی است که کنش‌های اقتصادی بر آن استوارند. دانشی که اساساً قابل تمرکز، پیش‌بینی کامل یا کدگذاری جامع در قالب داده نیست.

مناقشه جدید معمولاً از یک پیش‌فرض مشترک آغاز می‌شود؛ اینکه هماهنگی اقتصادی اساساً یک مسئله محاسباتی است. بر اساس این فرض، اگر نهادی بتواند اطلاعات کافی درباره ترجیحات مصرف‌کنندگان، منابع موجود، فناوری‌ها، هزینه‌ها و ظرفیت‌های تولید را گردآوری کند و سپس این اطلاعات را با الگوریتم‌های پیشرفته پردازش کند، می‌تواند همان کاری را انجام دهد که بازار از طریق قیمت‌ها و تعاملات غیرمتمرکز انجام می‌دهد یا حتی بهتر از آن. پیشرفت‌های چشمگیر در حوزه یادگیری ماشین، تحلیل کلان‌داده‌ها و مدل‌سازی رفتاری، این تصور را تقویت کرده که شاید اکنون ابزارهای لازم برای تحقق چنین رویایی فراهم شده باشد. در این چهارچوب، هوش مصنوعی به‌عنوان ابزاری معرفی می‌شود که می‌تواند رفتار میلیون‌ها یا حتی میلیاردها فرد را به‌صورت بلادرنگ رصد کند، الگوهای مصرف و تولید را استخراج کند و بر اساس آنها تصمیم‌های بهینه درباره تولید، توزیع، سرمایه‌گذاری و قیمت‌گذاری اتخاذ کند. از دید طرفداران این ‌رویکرد، بازارهای واقعی اغلب کند، پرهزینه، ناپایدار و متاثر از خطاها و هیجانات انسانی‌اند؛ درحالی‌که الگوریتم‌ها می‌توانند بدون ترس، طمع یا سوگیری‌های شناختی عمل کنند. درنتیجه، این امید شکل می‌گیرد که جایگزینی سازوکار بازار با سامانه‌های هوشمند، به تخصیص کاراتر منابع و رفاه بیشتر منجر شود.

اما منتقدان این دیدگاه، ازجمله پیتر بوتکه، این چهارچوب را از اساس نادرست می‌دانند. از نظر آنها، مشکل اصلی اقتصاد نه فقدان داده یا قدرت پردازش، بلکه ماهیت دانشی است که تصمیم‌های اقتصادی بر آن تکیه دارند. این دانش، برخلاف داده‌های فیزیکی یا اطلاعات فنی، پراکنده، محلی، ضمنی و همواره در حال تغییر است. بخش بزرگی از آن نه‌تنها پیشاپیش وجود ندارد، بلکه فقط در جریان کنش واقعی افراد، در بستر تعاملات بازار و از دل تجربه، اشتباه، نوآوری و رقابت پدیدار می‌شود. بازار، در این معنا، یک ابزار محاسبه یا برنامه‌ریزی آگاهانه نیست. بازار نهادی نیست که بداند یا تصمیم بگیرد؛ بلکه فرآیندی اجتماعی است که امکان می‌دهد دانش اقتصادی اساساً شکل گیرد و آشکار شود. قیمت‌ها در بازار حاصل جمع‌بندی مکانیکی اطلاعات کامل نیستند، بلکه سیگنال‌هایی‌اند که از دل آزمون و خطا، سود و زیان و واکنش‌های واقعی افراد به شرایط متغیر پدید می‌آیند. این سیگنال‌ها به کنشگران اقتصادی اجازه می‌دهند بدون آنکه تصویر کاملی از کل اقتصاد داشته باشند، تصمیم‌هایی بگیرند که به‌طور نسبی با شرایط کلی سازگار است. در مقابل، هوش مصنوعی یک سامانه محاسباتی است که عملکرد آن ناگزیر به داده‌های موجود وابسته است. الگوریتم‌ها می‌توانند الگوهای گذشته را شناسایی کنند، همبستگی‌ها را بیابند و در چهارچوب مدل‌های تعریف‌شده بهینه‌سازی انجام دهند، اما همواره با دانشی کار می‌کنند که قبلاً تولید و صورت‌بندی شده است. به بیان دیگر، هوش مصنوعی مصرف‌کننده دانش است، نه تولیدکننده آن. این تمایز از نظر اقتصاددانان مکتب اقتصادی اتریشی اساسی است، زیرا بازار دقیقاً نهادی است که وظیفه‌اش تولید و کشف دانش جدید است، نه صرفاً پردازش داده‌های موجود. به همین دلیل، از نگاه این اقتصاددانان، پرسش بازار بهتر می‌فهمد یا هوش مصنوعی؟ پرسشی گمراه‌کننده است. این پرسش به‌طور ضمنی فرض می‌گیرد که بازار و هوش مصنوعی دو ابزار رقیب برای انجام یک کار واحد هستند، درحالی‌که چنین نیست. بازار یک فرآیند است، نه یک فاعل آگاه و کارکرد اصلی آن فراهم کردن شرایطی است که در آن فهم اقتصادی ممکن می‌شود. هوش مصنوعی، در بهترین حالت، ابزاری است که می‌تواند درون این چهارچوب فهم عمل کند و تصمیم‌گیری را بهبود بخشد، اما نمی‌تواند جایگزین خود این فرآیند شود. این تمایز زمانی روشن‌تر می‌شود که به مثال‌های ساده اما گویا توجه کنیم. تصور کنید کافه رئیس که پاتوق شماست، تصمیم می‌گیرد نوشیدنی جدیدی به منوی خود اضافه کند. هیچ الگوریتمی، حتی با دسترسی به انبوهی از داده‌های گذشته، نمی‌تواند با قطعیت پیش‌بینی کند که مشتریان این کافه به نوشیدنی جدید چگونه واکنش نشان خواهند داد. این واکنش فقط در عمل، و از طریق تجربه واقعی خرید و مصرف، آشکار می‌شود. اگر نوشیدنی با استقبال مواجه شود، سود حاصل از آن به‌عنوان سیگنالی مثبت عمل می‌کند و اگر با شکست مواجه شود، زیان پیام روشنی درباره ناکارآمدی ایده می‌دهد. این دانش تنها در جریان بازار خلق می‌شود، نه پیش از آن. هوش مصنوعی می‌تواند پس از وقوع این تجربه، داده‌های مربوط به فروش، ترجیحات مشتریان یا الگوهای مصرف را تحلیل کند و به کافه‌دار پیشنهادهایی برای بهبود ارائه دهد. اما خود کشف اینکه آیا ایده اساساً ارزش امتحان کردن داشته یا نه، در بستر بازار و از طریق کنش انسانی رخ داده است. به همین دلیل، هوش مصنوعی می‌تواند بازار را کارآمدتر کند، اما نمی‌تواند جای آن بنشیند.

طرفداران جایگزینی بازار با هوش مصنوعی معمولاً به موفقیت الگوریتم‌ها در محیط‌های بسته و قابل‌کنترل اشاره می‌کنند. برای مثال، شرکت‌هایی مانند آمازون با استفاده از هوش مصنوعی می‌توانند تعیین کنند چه کالایی در کدام انبار ذخیره شود تا هزینه و زمان ارسال کاهش یابد. کارخانه‌های بزرگ نیز از الگوریتم‌ها برای بهینه‌سازی زمان‌بندی تولید، مدیریت موجودی و نگهداری ماشین‌آلات استفاده می‌کنند. این موفقیت‌ها باعث شده برخی نتیجه بگیرند که اگر الگوریتم‌ها می‌توانند چنین سازمان‌های عظیمی را به‌خوبی اداره کنند، چرا نتوانند اقتصاد یک کشور را نیز مدیریت کنند.

اقتصاددانان مکتب اقتصادی اتریشی این قیاس را نادرست می‌دانند. یک شرکت، هرچند بزرگ، نهادی با اهداف نسبتاً روشن، مرزهای مشخص و ساختار تصمیم‌گیری متمرکز است. داده‌های آن تا حد زیادی قابل اندازه‌گیری و کنترل‌اند. اما اقتصاد یک کشور یا یک جامعه چنین نیست. اقتصاد مجموعه‌ای باز، پویا و پیچیده از کنشگران با اهداف، ارزش‌ها و ترجیحات متنوع است که مدام در حال تغییر هستند. بسیاری از اطلاعاتی که تصمیمات اقتصادی بر آنها استوار است، هرگز به‌طور کامل قابل‌مشاهده یا کدگذاری نیست.

از این منظر، نقد اصلی اقتصاددانان اتریشی آن است که طرفداران جایگزینی بازار با هوش مصنوعی، اقتصاد را به‌اشتباه همچون یک مسئله مهندسی یا محاسباتی می‌بینند، درحالی‌که اقتصاد واقعی بیشتر شبیه یک فرآیند کشف است. در این فرآیند، نوآوری، خلاقیت و یادگیری نقش محوری دارند و نتایج آن ذاتاً پیش‌بینی‌ناپذیر است. بسیاری از تحولات بزرگ اقتصادی مثل ظهور تلفن هوشمند و پس از آن، شکل‌گیری پلت‌فرم‌های حمل‌ونقل اینترنتی، نه نتیجه پیش‌بینی الگوریتمی، بلکه حاصل آزمون و خطای کارآفرینان در بازار بوده‌اند.

پیتر بوتکه در ادامه سنت هایک تاکید می‌کند که مسئله اقتصاد کمبود محاسبه نیست، بلکه ناممکنی تمرکز دانش است. هیچ نهاد مرکزی، چه انسانی و چه الگوریتمی، نمی‌تواند به دانشی دسترسی داشته باشد که به‌طور پراکنده در ذهن میلیون‌ها فرد، در شرایط محلی و در بستر زمان شکل می‌گیرد. بازار با استفاده از نظام قیمت‌ها این دانش پراکنده را به شکلی غیرمتمرکز هماهنگ می‌کند، بی‌آنکه نیازی به آگاهی کامل از کل تصویر داشته باشد.

اقتصاددانانی مانند دِردره مک‌کلوسکی نیز بر جنبه‌های انسانی‌تر بازار تاکید می‌کنند و آن را محصول اخلاق، روایت، خلاقیت و شجاعت می‌دانند؛ عناصری که به‌سختی در قالب مدل‌های رسمی یا الگوریتم‌های یادگیری ماشین می‌گنجند. رابین هنسن، استاد دانشگاه جرج میسون، نیز معتقد است که الگوریتم‌ها ممکن است در پیش‌بینی برخی الگوها موفق باشند، اما نمی‌توانند جای نهادهای بازار را در تصمیم‌گیری بگیرند، زیرا بازار تنها یک ابزار پیش‌بینی نیست، بلکه یک ساختار نهادی برای هماهنگی کنش انسانی است.

به هر حال چنان که شرح داده شد، بازار و هوش مصنوعی رقیب یک وظیفه واحد نیستند. بازار یک فرآیند زنده، غیرمتمرکز و دانش‌ساز است که از دل کنش انسانی، رقابت، اشتباه و نوآوری پدید می‌آید. هوش مصنوعی، در مقابل، ابزاری قدرتمند برای پردازش، تحلیل و استفاده بهتر از دانشی است که در این فرآیند خلق می‌شود. بنابراین، آینده اقتصاد نه در حذف بازار به‌وسیله فناوری، و نه در نادیده گرفتن ظرفیت‌های فناوری، بلکه چنان که پیتر بوتکه اعتقاد دارد، در همزیستی هوشمندانه این دو رقم می‌خورد؛ بازاری که مسیر را کشف می‌کند و هوش مصنوعی که این مسیر را روشن‌تر می‌سازد.