سياست‌ ها و پيامدهاي اقتصادي هوش مصنوعي

در سال 2015 كاخ سفيد گزارشي مبني بر قدرت تأثيرگذاري اين فناوري تهيه كرد كه اين گزارش در سال 2018 منجر به سياست ‌هايي براي ميانجي‌ گري هوش مصنوعي در اقتصاد ايالات متحده شد. دولت فرانسه و چين نيز آن را در اولويت خود قرار داده‌اند. حالا سوال اينجاست كه در كشور ما بايد چگونه با اين فناوري برخورد كرد؟ براي اين منظور ابتدا بايد ابعاد اين فناوري و كاركردهاي آن شناخته شود. اين نوشتار به عنوان يك بحث مقدماتي سعي در ارايه تصويري از ابعاد آن براي شناخت و چگونگي تاثير آن بر اقتصاد دارد تا شرايط براي تصميم ‌گيري و سياستگذاري آسان‌تر شود. براي اين منظور بحث در دو بخش سياست‌هاي اقتصادي و پيامدهاي اقتصادي هوش مصنوعي تنظيم و ارايه مي‌شود. بخش اول شامل سياست‌ها و بخش دوم شامل پيامدها است.

** هوش مصنوعي به عنوان يك فناوري با هدف عمومي
تأثير اقتصادي كامپيوتر هوشمند مي‌تواند آنچه باشد كه انسان به شكل خارق‌العاده انجام مي‌دهد. ديكشنري آكسفورد هوش مصنوعي را «نظريه و توسعه سيستم‌هاي كامپيوتري كه قادر به انجام و كاركرد وظايف مورد نياز به هوش انساني است» تعريف كرده كه اين تعريف هم وسيع و هم روان است. در اين باره، يك جوك قديمي بين دانشمندان كامپيوتري وجود دارد و آن اين است كه هوش مصنوعي آن چيزي است كه ماشين‌ها هنوز نمي‌توانند انجام دهند.

در سال ‌هاي اخير يادگيري ماشيني خيلي نقل محافل شده است. عقيده بر اين است كه كامپيوترها از داده‌ها نسبت به انسان كه درگير وظايف متعدد هستند، بهتر «ياد مي‌گيرند». مثل اينكه افراد «صورت‌هاي» هم‌نوعان را خوب سازماندهي مي‌كنند اما براي آنها مشكل است كه اين مهارت را توضيح دهند. با تمركز بر داده‌ها شامل نام و تصوير، يادگيري ماشيني اين مشكل را حل مي‌كند و مي‌تواند با الگوسازي داده‌هاي تصويري آن را به نام افراد تطبيق دهد.

اقتصاددانان در موضوعات مشابهي شامل رگرسيون چندگانه، تحليل عاملي، تخمين حداكثر راستنمايي، مدل‌هاي ماركف، شبكه‌هاي عصبي، يادگيري عميق و هويت يادگيري نيز از يادگيري ماشين استفاده كرده و مي‌كنند. در اين زمينه تفاوت‌هايي وجود دارد به گونه‌اي كه موضوعات اقتصادسنجي بر عليت استنتاج‌ها تمركز دارند در حالي كه يادگيري ماشيني تمركز بر پيش ‌بيني دارد. وقتي داده‌ها زياد باشند مشكلات قديمي در پيش‌بيني و همچنين يادگيري عميق با تكنيك‌هاي بهتري انجام مي‌شود. لذا هزينه پيش‌بيني و سازماندهي در ماهيت كارها با هوش مصنوعي كاهش مي‌يابد.

پيش ‌بيني‌هاي بهتر باعث پيامدهاي بهتر مي‌شود به دليل آنكه پيش ‌بيني اساس تصميم ‌سازي و تصميم‌ گيري بشر است. هوش مصنوعي به عنوان فناوري با هدف عمومي بر بهره‌ وري و استاندارد زندگي بشر در هر دوره موثر است. اين موضوع با مقايسه رشد بهره ‌وري نيروي كار و قدرت جابه‌جايي در 50 سال اخير با ورود فناوري اطلاعات موثر بوده است و هوش مصنوعي در اين موضوع نقش مهمي دارد. در اين باره ولاديمير پوتين رييس‌جمهور روسيه عنوان كرده كه «هر كسي رهبر اين حوزه شود تبديل به حاكم جهان خواهد شد.»

در اين زمينه بسياري از اين فرصت‌ها در علم و نوآوري نمود دارد. در حال حاضر يادگيري ماشين در بسياري از موضوعات علمي خارج از علم كامپيوتر تسري يافته است. آمار و ارقام هم اين موضوع را تأييد مي‌كند. ميزان استفاده از يادگيري ماشين در علوم خارج كامپيوتر با شيب تندتري افزايش يافته است كه اين موضوع مويد فناوري با ويژگي هدف عمومي هوش مصنوعي است. لذا تأثير زيادي بر شتاب رشد اقتصادي و طرف عرضه اقتصاد خواهد گذاشت. اين موضوع در سه زمينه منطق نمادي، رباتيك و يادگيري ماشين مصداق دارد. در ادبيات اقتصادي امروز، هوش مصنوعي به عنوان يك نهاده توليد انديشه است. بنابراين مي‌تواند باعث ايجاد رشد نمايي شود بدون آنكه در تعداد انديشه‌هاي خلق بشري باعث افزايش شود. بيشتر مطالعاتي كه تاكنون شده تمركز بر يادگيري ماشين داشته‌ و تمركز كمتري بر تأثير فناوري هوش مصنوعي دارند. در اين باره برخي ادعا مي‌كنند بايد هفت سال منتظر ماند اما برخي معتقدند كه تا سال 2040 هوش مصنوعي عمومي قابل دسترسي است. برخي هم يك دوره 30 تا 70 ساله را براي گسترش هوش مصنوعي عمومي پيش‌بيني مي‌كنند و البته هستند كساني هم كه معتقدند اين هرگز اتفاق نمي‌افتد. چالش مهم موسسات با گسترش هوش مصنوعي، حفظ توانايي‌ها و نيازهاي يك جهان با هوش مصنوعي است.

برخي به تجربيات تاريخي فناوري با هدف عمومي متمركز مي‌شوند اما در تغييرات سريع هوش مصنوعي بر اقتصاد ممكن است تجربيات تاريخي مفيد نباشد. برخي هم معتقدند كه اگر يادگيري ماشين با بسياري از پيشرفت‌هاي ديگر تركيب شود در طيف وسيعي از برنامه‌ها مورد استفاده قرار مي‌گيرد و استفاده از تاريخ بسيار مناسب و مفيد خواهد بود. اگر ماهيت هوش مصنوعي عمومي محتمل باشد مي‌توان از آن به عنوان فناوري با هدف عمومي به عنوان يك پتانسيل تمركز كرد.

**سياست‌ هاي گسترش هوش مصنوعي
سياست ‌ها بر نرخ بهبود هوش مصنوعي، سرعت انتشار و ماهيت فناوري موثر هستند. مشاهدات اخير حاكي از آن هستند كه حمايت‌هاي تحقيقاتي و حفظ حقوق مالكيت معنوي براي هوش مصنوعي مشابه پيشرفت ديگر فناوري‌ها است. با اين حال سه دسته سياست مهم ديگر شامل حريم خصوصي، تجارت و مسووليت در انتشار و توسعه هوش مصنوعي به گونه متفاوتي نسبت به ديگر نوآوري‌هاي فناورانه موثر هستند كه در ادامه به آنها مي‌پردازيم. داده‌ها در هوش مصنوعي يك نهاده كليدي هستند. يادگيري ماشين با استفاده از داده‌ها قادر به پيش‌بيني آن چيزي است كه افراد ممكن است تحت تأثير آن باشند يا انجام دهند.

اين موضوع باعث نگراني ‌هاي امنيتي مي‌شود. در اين باره به سه دليل «حريم خصوصي»، چالش ‌برانگيز است: «ذخيره ‌سازي ارزان» به اين مفهوم كه داده‌ها به مدت طولاني تر نسبت به توليد داده‌ها توسط شخص باقي مي‌مانند. «وضعيت غيررقابتي» به اين مفهوم كه داده‌ ها ممكن است در مواردي غير از موضوع اصلي توليدشده مورد استفاده قرار گيرند.

«اثرات خارجي» به اين مفهوم كه توليد اطلاعات وارده در مورد يك نفر شامل اطلاعات و داده‌هاي ديگري نيز مي‌شود. بنابراين جمع‌آوري و استفاده از اطلاعات ممكن است به افرادي كه از جمع‌آوري و استفاده از اطلاعات و داده‌ ها آگاهي نداشته باشند زيان وارد كند. بنابراين همانطور كه جمع‌آوري و استفاده از آمارها بهبود يافته است، سياستگذار بايد توجه بيشتري به قواعد و مقررات جمع‌آوري و ذخيره‌سازي و استفاده از داده‌ها كند. در فعاليت‌هاي داده‌محور مقررات حفظ حريم خصوصي بر نرخ و ميزان و جهت نوآوري موثر است. حفاظت كم از حريم خصوصي، به اين مفهوم است كه مصرف‌كننده ممكن است به شكل ناخواسته در مبادلات بازار مشاركت كند كه داده‌ها و اطلاعات آن به او آسيب وارد كند. مقررات حفاظت از حريم خصوصي ديگران نيز به اين مفهوم است كه بنگاه‌ها از داده‌ها براي نوآوري نمي‌توانند استفاده كنند.

** حريم خصوصي يا نوآوري؟
شواهد تجربي در مورد تنظيم حريم خصوصي بر هوش مصنوعي متمركز نبودند. اما مشاهدات تجربي بطور گسترده در تاريخ نشان مي‌دهد كه تلاش دولت‌ها براي تنظيم حريم خصوصي باعث كاهش نوآوري شده است. در اين باره مطرح است كه قوانين اروپايي باعث كاهش اثربخشي آگهي‌ها حدود 0.65نسبت به آگهي‌هاي امريكايي شده است. يعني نحوه مقررات‌گذاري براي استفاده از داده در اروپا باعث كاهش توانايي تبليغ‌كنندگان اروپايي شده است. بسياري از كمپاني‌هاي ارزشمند بين ‌المللي امروزه پلتفرم‌هاي آگهي و تبليغ هستند (مثل فيسبوك، گوگل) . مزاياي حفظ حريم خصوصي در اينها باعث ايجاد هزينه براي شركت‌هاي محلي در اين فعاليت‌ها مي‌شود. در اين باره با استارت ‌آپ ‌هاي جديد و خروجي از اين فناوري‌ها در كشورهاي در حال توسعه مثل ايران بايد توجه جدي شود. در حوزه بهداشت و سلامت حفظ حريم خصوصي باعث كاهش امنيت بر پرونده‌هاي پزشكي افراد مي‌شود. فناوري ‌هاي طول زندگي مزاياي قابل توجهي براي سلامتي فراهم مي‌كنند. در مجموع مطرح مي‌شود كه تنظيم مقررات حفظ حريم خصوصي افراد در حوزه سلامت باعث كاهش پيامدهاي سلامت مي‌شود و همچنين باعث كاهش انتشار فناوري‌هاي متكي بر داده در اين حوزه شده است. اگر حفظ حريم خصوصي يك حقوق بنيادين مدني است پس بايد تمايل به مبادله چيزي در برابر آن داشته باشيم. در غير اين صورت يك ارزش كمي براي اين حقوق در نظر گرفته‌ايم. در حالي كه تحقيقات هنوز بر سياست‌هاي حفظ حريم خصوصي و نوآوري هوش مصنوعي تمركز نكردند اما روشن است اين سياست‌ها بر انتشار هوش مصنوعي موثر هستند. با توجه به گسترش اين موضوع در ايران، دولت بايد فكري به حال حريم خصوصي از قبل قوانين و مقررات و بستر گسترش اين فناوري در كشور كند و غافلگير نشود.

** چين در صدر
برخي كشورها سرمايه‌ گذاري در هوش مصنوعي را به عنوان يك موضوع استراتژيك تلقي كرده‌اند. به عنوان مثال دانشمندان چيني در نوشتن مقاله‌هاي علمي در حوزه هوش مصنوعي در كنفرانس‌هاي بزرگ دنيا به شكل قابل ملاحظه‌اي نسبت به دانشمندان اروپايي، استراليايي و كانادايي پيشتاز بوده‌اند. سياست ‌هاي تجاري در هوش مصنوعي عمدتاً در توافقنامه ‌هاي تجاري نمود پيدا مي‌كند. سياست حفظ حريم خصوصي در كشورها متفاوت است لذا اين سياست باعث تأثير بر انتشار نسبي هوش مصنوعي در كشورها است. اگر سياست حفظ حريم خصوصي مطلوب براي انتشار هوش مصنوعي در كشوري كم باشد باعث ايجاد يك مزيت كوتاه‌مدت براي آن كشور قلمداد مي‌شود.

مقياس اقتصادي در داده‌ ها و پتانسيل يادگيري باعث به وجود آمدن انگيزه‌ها براي به وجود آمدن «مسابقه رو به پايين» در سياست‌هاي حفظ حريم خصوصي مي‌شود. لذا كشورها، سياست‌هاي كمتري را براي حوزه حريم خصوصي در جهت تقويت انتشار و نوآوري در هوش مصنوعي به‌كار مي‌گيرند. چنين سياست‌هايي قبلاً در بازار كار و محيط زيست و نيروهاي مشابه در دنيا تجربه شده است. اروپا در سياست‌هاي حفظ حريم خصوصي سخت‌تر از ايالات متحده عمل كرده و مي‌كند و در عوض ايالات متحده قاطع‌تر از چين است و اين موضوع مي‌تواند بر ساخت و توليد انواع هوش مصنوعي با استفاده از داده‌ها در كشورهاي مورد نظر متفاوت باشد. در سياست‌ هاي تجاري موافقت‌نامه‌هاي تجاري با تعيين استانداردهاي بين‌ المللي حفظ حريم خصوصي مي‌تواند مسابقه رو به پاييني را همانند استانداردهاي بازار كار و محيط زيست در سطح جهان به وجود آورند. اين قبيل سياست‌ هاي تجاري استاندارد بين‌ المللي مي‌تواند بر نرخ و جهت نوآوري موثر باشند اما مزيت كوتاه ‌مدت را براي هر كشور از بين مي‌برند و روشن نيست كه چگونه بر رشد اقتصادي و بهره ‌وري موثرند؟

برخي كشورها كه حمايت‌هاي سخت بر حريم خصوصي دارند مي‌توانند بر ديگر فعاليت‌ها تمركز كنند. به عنوان مثال در قرن نوزدهم در سوئد براي نوآوري بر اسرار تجاري تمركز كردند و حمايت از ثبت اختراع در آن كشور ضعيف بود. مهارت در ساخت ساعت‌هاي سوييسي به آساني قابل تقليد نيست. برخي محققين نشان دادند كه در مدل‌هاي استراتژيكي تجاري، مسابقه رو به پايين، زماني قابليت اجرايي پيدا مي‌كند كه رانت فناوري در سطح كشور وجود داشته باشد. سياست‌هاي ديگري در حوزه تجارت قابل اجرا هستند كه در برخي موافقت‌نامه‌هاي تجاري آمده باشد مانند قوانين مربوط به محلي‌سازي داده‌ها، محدوديت دسترسي به داده‌هاي دولتي، مقررات فعاليت‌ ها (مثل مواردي كه در مورد هواپيماهاي بدون سرنشين و خودروهاي بدون سرنشين مورد استفاده قرار مي‌گيرد و مسائلي كه مربوط به دسترسي منابع كدها است) .

**منافع دانش هوش مصنوعي چقدر است؟
سوال كليدي در مورد هوش مصنوعي اين است كه آيا سر ريزي محلي از هوش مصنوعي وجود دارد يا اينكه منافع انتشار فناوري به اندازه كافي گسترده است كه ورود آزاد براي هر پتانسيل بالقوه را فراهم كند؟ بطور كلي سياست‌هاي تجاري تا آنجا كه سطح رانت‌هاي فناوري براي كشوري سودمند باشند در مورد هوش مصنوعي موثر است. عملكرد برخي دولت‌هاي دنيا حاكي از آن است كه منافع دانشي هوش مصنوعي به قدر كافي بزرگ خواهد بود. سرمايه‌گذاري برخي كشورها مثل فرانسه و چين نشان مي‌دهد كه اين كشورها انتظار دارند كه منافع دانشي محلي اين فناوري بزرگ باشد. بسياري از شركت‌هاي خصوصي بزرگ دنيا بر روي هوش مصنوعي سرمايه‌گذاري زيادي انجام دادند. يادگيري ماشيني باعث بهبود در داده‌هاي بيشتر مي‌شود و بنابراين شركت‌هاي بزرگ و كشورهاي بزرگ‌تر منافع بيشتري به دست مي‌آورند. از طرف ديگر سرعت انتشار سريع جغرافيايي تحقيقات و نوآوري هوش مصنوعي نشان مي‌دهد كه ممكن است رانت‌هاي محلي وجود نداشته باشد. برنامه‌ هاي كاربردي تجاري اغلب از محل اختراعات فاصله گرفته‌اند. سالانه هزاران نفر از الگوريتم ‌هاي يادگيري ماشيني از كدهاي باز استفاده مي‌كنند. علاوه بر آن به لحاظ فني، بازدهي كاهنده در مقياس در داده‌ها به دليل آنكه افت در پيش ‌بيني ‌ها با مجذور ريشه n‌ام بهبود مي‌يابد اتفاق مي‌افتد. كاربرد صنعتي هوش مصنوعي هنوز دوران كودكي خود را سپري مي‌كند و ميزان رانت محلي هوش مصنوعي هنوز روشن نيست. با اين حال با توجه به سرمايه‌گذاري دولت‌ ها احتمال دارد يك مسابقه رو به پايين شروع شود كه اين مساله احتمالاً در موافقت ‌نامه‌هاي تجاري آينده ديده مي‌شود. برخي محققين حال حاضر دنيا تأكيد مي‌كنند كه پيشرفت‌ هاي سريع در هوش مصنوعي و رباتيك باعث به وجود آمدن بحث‌هاي پرجنب و جوشي در مورد استفاده از قانون جريمه در اين فناوري‌ها شده است. جريمه اقدامي است كه به دليل آسيب و زيان مطرح مي‌شود و باعث ايجاد مسووليت قانوني براي هر فردي مي‌شود كه اين عمل را مرتكب شده است. هدف از ايجاد سيستم جريمه اين است كه مردم و شركت‌ها از آسيب رساندن به ديگران پرهيز كنند و آسيب‌ها را جبران كنند. در اين باره پورتر (1990) مطرح مي‌كند كه ريسك‌هاي مسووليت باعث كاهش نوآوري در امريكا شده است.

وي بحث مي‌كند چون ميزان جريمه مسووليت بسيار بالاست بنگاه‌ها با وجود داشتن منفعت زياد، كمتر دنبال نوآوري مي‌روند و خطر و ريسك دريافت جريمه را تقبل نمي‌كنند. شواهد تجربي در مورد مسووليت بسيار متفاوت از هم هستند. اقتصادداناني معتقدند كه رابطه بين مسووليت و تحقيق و توسعه در سطح فعاليت‌ ها (به‌ جز موارد با ريسك زياد) مثبت است. در موارد با ريسك زياد، به سرمايه ‌گذاري بيشتري در فناوري‌هايي با بهبود امنيتي بالا نياز است. برخي نتايج تحقيقاتي نشان مي‌دهد كه كاهش خطر جريمه باعث كاهش نوآوري در دستگاه‌هاي پزشكي مي‌شود. اكنون نيازمند تدارك قوانين شفاف مسووليت، در حوزه محصولات هوش مصنوعي هستيم در غير اين صورت ممكن است بسياري از بنگاه‌هاي اقتصادي كه درگير آن هستند تمايلي به سرمايه‌گذاري نداشته باشند. به عنوان مثال در توليد خودروهاي خودكار، بنگاه‌هاي متعددي همچون توليد كنندگان سنسورها، ارايه‌ دهندگان خدمات مخابراتي، توليد كنندگان وسايل نقليه و توسعه ‌دهندگان نرم‌افزارهاي هوش مصنوعي ورود دارند.

بدون مشخص كردن حق مسووليت شفاف در مورد عملكرد ناقص يا معيوب خودروها در هر زمينه، همه بنگاه‌ها ممكن است از سرمايه‌گذاري در توليد اين خودروها دريغ كنند. در زمينه مراقبت‌هاي بهداشت و سلامت، جراحي رباتيك و تشخيص ‌هاي مبني بر يادگيري ماشين ممكن است باعث انتقال مسووليت مراقبت‌هاي بهداشتي و سلامتي به سمت ابزارهاي صنعتي انتقال داده شود. به همين دليل در بودجه 2017، پارلمان اروپا قوانين و مقررات اتحاديه اروپا را در مورد ربات‌هاي پيشرفته و پيچيده، ربات‌ها، اندرويدها و ديگر وجوه هوش مصنوعي تنظيم و تصويب كرد. امريكا هم در سپتامبر 2017 قوانين مسووليت براي وسايل نقليه خودكار را تصويب كرد. در اين باره اريب‌هاي الگوريتمي بيشتر از ديگر مواردي است كه مسووليت مي‌تواند بر ماهيت و انتشار هوش مصنوعي موثر باشد. شواهد تأكيد مي‌كنند كه پيش‌بيني‌هاي مبتني بر هوش مصنوعي نسبت به پيش‌بيني‌هاي بشري كمتر اريب دارند اما هنوز آموزش براي خلق داده‌ها توسط انسان انجام مي‌شود، بنابراين پيش ‌بيني ‌هاي مبني بر هوش مصنوعي اين اريب‌ها را از خود بروز خواهند داد.

علاوه بر آن، تصميم‌گيري‌هاي مبني بر هوش مصنوعي بسيار آسان‌تر از تصميم‌گيري مبتني بر انسان است و اين موضوع نيز دعاوي زيادي را در مورد مسووليت باز مي‌كند. الگوريتم‌ها هم مي‌توانند اريب داشته باشند حتي زماني كه بنگاه‌ ها قصدي در آنها نداشته باشند ولي آموزش داده‌ها بطور وضوح اريب ‌ها را نشان نمي‌دهد. در اين باره نتايج برخي تحقيقات نشان داده است كه آگهي‌هاي بدون آموزش علم، تكنولوژي، مهندسي و رياضيات، در فيسبوك و توييتر بيشتر به سمت مردان است تا زنان و اين مويد اريب در موضوعات علم، تكنولوژي، مهندسي و رياضيات است. آنها نشان دادند كه اين تفاوت ناشي از قيمت آگهي بوده و هيچگونه اريب صريحي وجود نداشته است. به‌ويژه الگوريتم‌هاي قيمت‌گذاري پويا، قيمت آگهي‌هاي مربوط به زمان را بالاتر از مردان تنظيم مي‌كند و لذا اين الگوريتم‌ها به گونه‌اي برنامه‌ريزي شده‌اند كه صرفه‌جويي پولي براي مردان بيشتر از زنان در مورد هر دلار باشد. لذا در چنين شرايطي، بنگاه‌ها در مورد خطر مسووليت‌ها كار دشواري دارند. اينچنين ريسك‌هايي باعث بازدارندگي براي پذيرش هوش مصنوعي مي‌شوند به خصوص در شرايطي كه الگوريتم‌ ها منحرف شوند. بطور كلي با دخالت انسان هم اين الگوريتم‌ها براي بنگاه‌ها در مورد ريسك مسووليت چندان مقبول نيستند.

**هوش مصنوعي خوب يا بد؟
توافق عمومي جهاني در مورد اينكه انتشار هوش مصنوعي خوب است وجود ندارد. ديدگاه‌هاي بدبينانه و خوشبينانه‌ اي در اين زمينه وجود دارد. درخصوص ديدگاه بدبينانه دو مولفه منفك وجود دارد. اول اينكه هوش مصنوعي جايگزين شغل‌هايي خواهد شد كه براي انسان‌ ها كم مي‌شود. دوم اينكه هوش مصنوعي به همان اندازه كه فناوري‌ها بين سال‌هاي 1870 تا 1970 گسترش يافت تأثير چنداني نخواهد داشت و بر جامعه موثر نخواهد بود. در حالي كه هر دو اين مولفه به بنگاه بدبينانه كمك مي‌كند اما خبرهاي خوب هم مطرح است: خبر خوب اين است كه هر دو پيش‌بيني‌هاي بدبينانه نمي‌تواند درست باشد حتي اخبار بهتر اين است كه هر دو نادرست هستند. اگر هوش مصنوعي كارآمد باشد آن حتماً جايگزين انسان خواهد شد اگر چنين تغييري اتفاق نيفتد اثر كمي خواهد داشت. در مورد مباحث اقتصادي، هوش مصنوعي يك فناوري احياء بهره ‌وري است. نگراني اين است كه سرعت گسترش آن خيلي كند باشد و به عبارتي خيلي سريع نباشد. در عين حال تأثير آن بر همه افراد و شركت‌ ها يكسان نيست.

دو سوال كليدي در اين باره مطرح است. اولين سوال در مورد اشتغال است. سوال اساسي اين است كه اگر ربات‌ها شغل‌هاي ما را بگيرند آيا ما روش‌هايي را جهت صرف زمان خود پيدا مي‌كنيم؟ و سوال دوم در مورد درآمد است. آيا ما مي‌توانيم به توزيع درآمد پايدار و منصفانه برسيم؟

**وضعيت فرصت ‌هاي شغلي با گسترش هوش مصنوعي
يكي از نگراني‌هاي مشترك در مورد انتشار و گسترش فناوري‌هاي جديد موضوع تأثير آن بر مشاغل و فرصت‌هاي شغلي است. اگر فناوري‌ها كاري را كه يك كارگر انجام مي‌دهد بيشتر و بهتر انجام مي‌دهند پس كارگران بايد چه كنند؟ در اين باره بايد بر اين نكته تأكيد كرد كه شغل‌ها بايد به وظايف مختلف تجزيه شوند و تأثير هوش مصنوعي و اتوماسيون بر شغل‌ها وابسته بر جابه‌جايي وظايف بين هوش مصنوعي و انسان خواهد بود. دراين زمينه بر اثر جا به ‌جايي تأكيد مي‌شود و ماشين‌ها برخي وظايف انسان‌ها را كسب مي‌كنند و به اين ترتيب اثر فزاينده‌اي بر رشد اقتصادي خواهند داشت و آن به‌دليل خلق وظايف جديد براي نيروي كار است كه نسبت به ماشين مزيت نسبي دارد.

لذا شواهد مطرح مي‌كنند كه خبرها خوشبينانه است و تنها نگراني اين است كه فرايند آن كند باشد و احتمال ناسازگاري كوتاه‌مدت و ميان‌مدت بين فناوري و مهارت‌ها به وجود بيايد. لذا گرايش كليدي سياست بايد مربوط به هوش مصنوعي و شغل‌ها مربوط به حرفه‌هاي تجاري و سياست آموزشي باشد. براي سياست آموزشي، سه نوع از مهارت براي انتشار هوش مصنوعي لازم است:

** تفكر تحصيلي و خلاق، ارتباط بين فردي و كنترل احساس
در اين باره نقش قضاوت انسان بسيار مهم است چرا كه آن به عنوان توانايي انسان براي انجام پيش‌بيني تعريف مي‌شود (به مفهوم تعيين عملكرد در زمينه تصميم‌گيري). قضاوت مهارت شناخت اهداف يك سازمان و تبديل آن به داده كه قابليت جمع‌آوري دارد است. بطور مشابه تأكيد بر مهارت گفتن ماشين‌ها براي شبيه‌سازي هم در اين باره بسيار مهم است. اين نيازمند درك هر دو توانايي ماشين و اهداف سازمان است و نشان‌دهنده تركيبي از مهارت ‌هاي فني و علوم اجتماعي است. يك آلترناتيو اجتماعي، مهارت اجتماعي است. اگر ماشين ‌ها كارهاي پيش ‌بيني و فني انجام دهند آنچه براي انسان باقي مي‌ماند شامل جذب، انگيزه دادن و ايجاد آرامش براي ديگران است. شغل‌هاي خوب و رشد مداوم اقتصادي، نيازمند مهارت‌هاي فني، مهارتهاي اجتماعي يا مواردي كه مربوط به بخش‌هاي بزرگ اقتصاد كه سهمي زياد در اقتصاد دارند است. با توجه به اينكه هوش مصنوعي باعث افزايش بهره ‌وري مي‌شود، بامول (1967) بايد بر «هزينه بيماري» به عنوان نگرشي براي محدوديت رشد تمركزكرد. معمولا، رشد اقتصادي محدود به عوامل مهمي است كه بهبود در آنها سخت است و بنابراين با رشد سريع بهره‌وري و سهم كاهشي در توليدكل اقتصاد ديده مي‌شود. به عبارت ديگر بخش‌هايي كه به شكل سريع و موثر خود را با هوش مصنوعي تطبيق بدهند ممكن است در طول زمان در اقتصاد نقش كمتري ايفا كنند.

اين افزايش پتانسيل براي از دست دادن شغل در كوتاه‌مدت است و سوال اين است كه چه مهارت‌هايي براي رشد اقتصادي قوي مورد نياز است. بخش‌هايي با رشد سريع در زمينه اشتغال ممكن است نتوانند از هوش مصنوعي در بهترين شرايط استفاده كنند و بسياري از مشاغل آينده ممكن است در بخش‌هايي باشند كه از هوش مصنوعي تأثير كمتري مي‌پذيرند.

**چگونه آموزشي براي هوش مصنوعي مناسب است؟
مساله ديگري كه در مورد سياست آموزشي هست اين است كه آيا مدل آموزش ابتدايي كنوني بشر كه در اوايل زندگي فرد است بهتر خواهد بود يا خير؟ اگر هوش مصنوعي قادر به يادگيري ماشين‌ها است و انسان‌ها با تغييرات مداوم در مهارت‌هاي مورد نياز براي اشتغالزايي مواجه هستند، پس ممكن است نياز باشد در مورد ساختار آموزشي فعلي فكري شود. سياست آموزشي نيازمند تطبيق با هوش مصنوعي از منظر هر دوي شرايط مهارت و ساختار تحويل است. لذا ممكن است نيازمند آموزش مهارت‌هاي مربوط به گفتن آنچه هوش مصنوعي پيش‌بيني مي‌كند باشد. ممكن است يك مدل يادگيري مستمر در دوره بزرگسالي ارايه شود. بدون تحقيق بيشتر، ماهيت انطباق همچنان به عنوان يك سوال باز باقي مي‌ماند. به ‌طور خلاصه در بين اقتصاددانان يك تفاهم مثبت براي رشد اقتصادي و شغل در بلندمدت وجود دارد. با اين حال بلندمدت مي‌تواند يك زمان بسيار طولاني باشد و ملاحظات كوتاه‌مدتي با توجه به جريمه‌هاي تجاري و عدم هماهنگي بين مهارت و فناوري وجود دارد. به‌طور خاص سياست آموزشي براي انتشار هوش مصنوعي بسيار مهم است. در اين باره يك سوال سياستي مهم در مورد مفهوم كار برجسته است كه بايد به آن توجه شود. در نظر داشته باشيد كه در طول قرن گذشته تعدادي از جوامع توسعه يافته تصميم به صرف ثروت انباشته خود در اوقات فراغت كرده‌اند.كودكان كار كاهش پيدا كردند. ساعت كار در هفته كاهش يافته است و بازنشستگي به مرحله مورد انتظار در مراحل زندگي رسيده است. اگر هوش مصنوعي باعث افزايش ثروت بيشتر مي‌شود ممكن است باعث افزايش فراغت بيشتر به جاي از دست دادن مشاغل شود. در اين باره يك چالش كليدي براي جوامع، شناخت مفهوم فقدان شغل تمام‌وقت براي بسياري از افراد است. اگر ما انتخاب كنيم كه فراغت بيشتري داشته باشيم و آن را به عنوان فراغت درك كنيم اين نتيجه مثبتي از انتشار و گسترش هوش مصنوعي است حتي اگر ساعات كار كاهش يابد.

**تاثير هوش مصنوعي بر نابرابري
تعدادي از اقتصاددانان تأكيد دارند كه هوش مصنوعي ممكن است باعث افزايش نابرابري شود حتي اگر اين موضوع براي رشد اقتصادي و شغل هم چشم‌انداز مثبت داشته باشد باز براي بهبود نابرابري چاره‌اي ندارد. دو دليل عمده براي اين موضوع مطرح است. يكي اينكه هوش مصنوعي مثل كامپيوتر و اينترنت ممكن است مهارت‌گريز باشد. ممكن است هوش مصنوعي باعث افزايش نيروهاي تحصيلكرده و كاهش دستمزد نيروهاي كمتر تحصيلكرده شود. با اين نگرش، پيش‌بيني‌هاي جاري از شغل‌هاي از دست رفته براي شغل‌هاي با درآمد پايين و شغل‌هاي نيازمند به آموزش كمتر بسيار بيشتر است. در اين زمينه، «افراد با آموزش بيشتر و توانايي ‌هاي ذاتي بالاتر قادر به درك ابزارهاي جديد و پيچيده خواهند بود».

افراد با آموزش بالا مهارت‌هاي جديد را بيشتر ياد مي‌گيرند و مهارت‌ها با هوش مصنوعي در طول زمان تغيير خواهد كرد و لذا افراد با آموزش بالا سود بيشتري مي‌برند. بنابراين سرراست‌ترين سياست، مربوط به سيستم آموزشي است. اگر افراد آموزش‌ديده سود بيشتري مي‌برند، پس نتيجه‌گيري منطقي اين است كه افراد آموزش‌ديده بيشتري را به وجود آوريم. اين منطق زماني كار مي‌كند كه همه افراد جامعه به اندازه يكسان از تحصيل برخوردار باشند. در مقابل اگر مهارت ‌اندوزي افراد اريب داشته باشد، آموزش و سياست‌ هاي آموزشي باعث ناكامي و شكست مي‌شود. پيشرفت‌هاي اخير در هوش مصنوعي به عنوان بهبود در فناوري قابل پيش‌بيني قلمداد مي‌شود.

بسياري از شغل‌ هايي كه امروزه دريافتي خوبي هم دارند «پيش‌بيني مي‌كنند» كه باز هم يك وظيفه اصلي هستند. به عنوان مثال نقش كليدي پزشك تشخيص است و بسياري از جنبه‌هاي ديگر مراقبت‌هاي پزشكي درآمدهاي كمتري را دريافت مي‌كنند. تشخيص، يك مساله پيش‌بيني است.در اين باره پزشك، اطلاعاتي در مورد علايم از بيمار دريافت مي‌كند و اطلاعات موجود در مورد علت بيماري و خود بيماري، قدرت پيش‌بيني را فراهم مي‌كند. اگر پيش‌بيني بالاترين مهارت شغلي با بالاترين درآمدهاي شغلي است، گسترش هوش مصنوعي مي‌تواند باعث كاهش مهارت افراد و كاهش نابرابري شود. در حالي كه احتمال چنين چيزي كمتر محتمل است. در گذشته كارگران ماهر توانايي كسب مهارت‌هاي جديد مرتبط با شغل‌شان با فناوري‌هاي خودكار را كسب مي‌كردند در حالي كه كارگران با مهارت كمتر در اين باره به چالش كشيده مي‌شدند. حسابداري يك مثال خوب در اين زمينه است. حسابداران وقت زيادي را صرف اضافه كردن ستون‌هايي از اعداد مي‌كردند.

كامپيوترها به‌ طور آرمانگرايانه‌اي زمان صرف شده حسابداران را كاهش دادند و حسابداران هم مهارت‌هاي جديدي را كه توانمندي‌هاي استفاده از كامپيوتر به آنها مي‌داد، كسب كردند. در مقابل، كارگران صنايع كارخانه‌اي زمان بيشتري را براي تعديل با كارخانه‌هاي صنعتي خودكار صرف كردند. در حالي كه دلايل مختلفي پشت اين موضوع وجود دارد يك بحث كليدي چالش يادگيري مهارت‌هاي جديد توسط افراد است كه در بزرگسالي خود تمركز بر يادگيري مهارت‌هاي جدي نمي‌كنند. دومين دليل مبني بر نقش هوش مصنوعي در افزايش نابرابري منطبق با نظريه پي‌كتي در سال 2013 است كه قايل به افزايش سهم سرمايه در اقتصاد است.

شواهد زيادي وجود دارد كه نشان مي‌دهد سهم نيروي كار در توليد ناخالص داخلي كاهش يافته است. لذا اگر هوش مصنوعي يك شكل جديدي از سرمايه باشد، به نظر مي‌رسد كه سهم سرمايه نسبت به هزينه نيروي كار در توليد افزايش يابد.

سياست‌هايي كه با هدف مواجه با نابرابري ناشي از هوش مصنوعي هستند بيشتر درگير تفسير در خالص ايمني اجتماعي هستند. يك سياست كه بيشتر مورد بحث قرار گرفته است ماليات بر سرمايه است. بيل گيتس اين را ماليات بر ربات‌ها ناميده است گرچه مدل‌هاي استاندارد نشان مي‌دهند كه اتخاذ چنين سياست‌هايي منجر به كاهش سرمايه ‌گذاري، كاهش رشد بهره ‌وري و فقر بيشتر جوامع خواهد شد اما در اين باره مدل ‌هايي كه در آن ماليات بر سرمايه ارايه شده و باعث كاهش نابرابري شود و ركود اقتصادي هم ايجاد نكند ارايه شده است. اين مدل‌ها نشان مي‌دهند كه نخست تا زماني كه يك عامل ضروري اما عامل ثابت توليد (مثل مواد اوليه) وجود دارد ماليات بر اين عامل مي‌تواند باعث توزيع مجدد درآمد بدون اختلال شود.

دوم اينكه تا زماني كه كشش عرضه سرمايه به اندازه كافي كوچك باشد، يك تركيبي از حقوق مالكيت فكري و ماليات بر سرمايه مي‌تواند توزيع مجدد درآمد را با حداقل اختلال به ارمغان آورد. سياست دوم كه توجه زيادي را به خود جلب كرده است بر مبناي درآمد جهاني است كه بايد براي آنها مقررات تنظيم شود تا بدون قيد و شرط براي هر فرد در جامعه فراهم شود.

**رقابت و آنتي ‌تراست با هوش مصنوعي
در حال حاضر شركت ‌هاي پيشرو و فعال در هوش مصنوعي از لحاظ درآمد، سرمايه ‌گذاري بازاري بزرگ هستند. اين مساله منجر به افزايش در نظارت بر ضدتراست بنگاه‌هاي بيشتر و فناوري از طريق دولت‌ ها (به ‌ويژه كميسيون اتحاديه اروپا) و مطبوعات شده است. بخش عمده اين بررسي ضدتراستي تمركز بر نقش سيستم عامل اين بنگاه‌ها دارد. در اينجا بر هوش مصنوعي كه نقش ضدتراستي دارد توجه مي‌كنيم و بيشتر اين تمركز بر نقش داده‌ها است. داده‌ها يك منبع نادر و كمياب هستند كه بازده كاهنده نسبت به مقياس در فناوري از خود بروز مي‌دهند. دقت پيش‌بيني در تئوري با ريشه دوم تعداد مشاهدات افزايش مي‌يابد و اين يك رابطه مقعر در ميزان داده و ارزش بهبود پيش‌بيني پيشنهاد مي‌كند. با اين استدلال، بعيد است كه موضوع هوش مصنوعي نگراني‌هايي مرتبط با آنتي‌تراست نداشته باشد.

در يك چشم‌انداز پويا نشان داده مي‌شود كه مقياس اقتصادي داده‌ها در ارزش كسب و كار وجود دارد. به‌طور خاص، اگر تغييري اندك در كيفيت منجر به افزايش تعداد زيادي مصرف‌كننده و مشتري مي‌شود، باعث خلق يك جريان چرخه‌اي با تغيير كيفيت كم در داده‌ها مي‌شود كه اجازه مي‌دهد شركت‌ها داده‌هاي بهتر و بيشتري را جمع‌آوري كنند و تقويت آن در طول زمان سبب ايجاد سلطه در بازار مي‌شود. در چنين شرايطي انتشار هوش مصنوعي اهميت يك نيروي ضدتراست را گوشزد مي‌كند. در نهايت نگراني‌هاي ضدتراست مرتبط با هوش مصنوعي مطرح مي‌شود. بنگاه‌ ها الگوريتم‌ هاي برنامه‌ريزي شده را براي يادگيري با قيمت‌هاي رقابت انحصاري با ديگر شركت‌ها و الگوريتم‌ها تنظيم مي‌كنند. اين ممكن است توسط رقباي هوش مصنوعي‌ها بطور ضمني براي كسب سود حداكثر در بلندمدت مورد مخالفت قرار گيرد. اين امر بايد بدون هيچ توافق آشكار يا ارتباطي با هوش مصنوعي‌ها براي برطرف شدن پيچيدگي‌هاي فني در همكاري در محيط‌هاي اصلي به دست آيد، اما اين موضوع هنوز به صورت نظري باقي خواهد ماند. بازارهاي كنوني هوش مصنوعي هنوز در محيط‌ها با فضاي عملياتي محدود عمل مي‌كنند. يك نرم ‌افزار آنتي‌تراست احتمالاً قادر به راه‌اندازي تكنيك‌هاي هوش مصنوعي براي شناسايي رفتار مخالفان هست.

** سياستگذار چه كند؟
دو نوع استراتژي در مورد پيشرفت فناوري هوش مصنوعي وجود دارد. يكي سياست ‌هايي كه بر الگوي انتشار و توسعه هوش مصنوعي تمركز دارند و ديگري سياست ‌هايي كه بر پيامدهاي انتشار و توسعه آن متمركز هستند. مرتبط ‌ترين سياست ‌ها مربوط به انتشار و توسعه هوش مصنوعي كه بايد سياستگذار فكري براي آن بكند عبارتنداز حفظ حريم خصوصي، تجارت و مسووليت. طراحي سياست براي توازن مطلوب بين تشويق و انتشار هوش مصنوعي بدون ايجاد خطر بر ارزش‌هاي اجتماعي تمركز دارد. همان‌گونه كه هوش مصنوعي منتشر مي‌شود، عواقبي براي اشتغال و فرصت‌ هاي شغلي، نابرابري و رقابت خواهد داشت. با توجه به اين عواقب، نقش سياست‌ هاي آموزشي، شبكه امنيت اجتماعي و اجراي قانون ضدتراست بسيار مهم خواهد بود. حال با توجه به اين تجربه حركت به سمت اقتصاد ديجيتال و تحول ديجيتال در كشور بازگو‌كننده شرايط مهم و حساس براي استفاده از فناوري هوش مصنوعي است كه سياستگذار در اقتصاد ايران با توجه به شرايط اقتصادي كشور بايد به آن توجه كند.

منبع: روزنامه تعادل؛ 1398.02.14
گروه اطلاع رساني**9117**2002