فناوری‌های دیجیتال جدید نابرابری را تشدید می‌کنند. در اینجا آمده است که چگونه دانشمندانی که هوش مصنوعی ایجاد می‌کنند می‌توانند انتخاب‌های بهتری داشته باشند.

اقتصاد با فناوری‌های دیجیتال، به ویژه در هوش مصنوعی، در حال تغییر است که به سرعت در حال تغییر نحوه زندگی و کار ما هستند. اما این دگرگونی معمایی نگران‌کننده را ایجاد می‌کند: این فناوری‌ها کمک زیادی به رشد اقتصاد نکرده‌اند، حتی به بدتر شدن نابرابری درآمدنیز دامن زده اند.

اریک برینیولفسون، مدیر آزمایشگاه اقتصاد دیجیتال استنفورد، در مقاله‌ای از روشی می‌نویسد که محققان و کسب‌وکار‌های هوش مصنوعی بر ساخت ماشین‌هایی برای تکرار هوش انسانی تمرکز کرده‌اند. البته این عنوان اشاره‌ای به آلن تورینگ و تست معروف او در سال ۱۹۵۰ برای باهوش بودن یک ماشین است: آیا می‌تواند آنقدر خوب از یک شخص تقلید کند که شما نتوانید بگویید که یک دستگاه نیست؟ برینیولفسون می‌گوید از آن زمان تاکنون، بسیاری از محققان به دنبال این هدف بوده‌اند. اما، او می‌گوید، وسواس در تقلید از هوش انسانی منجر به هوش مصنوعی و اتوماسیونی شده است که اغلب به‌جای گسترش توانایی‌های انسانی و اجازه دادن به افراد برای انجام وظایف جدید، جایگزین کارگران می‌شود.

کتاب برینیولفسون در سال ۲۰۱۴ که با همکاری اندرو مک آفی نوشته شده است، عصر ماشین دوم: کار، پیشرفت و شکوفایی در زمان فناوری‌های درخشان نام دارد. اما او می‌گوید که تفکر محققان هوش مصنوعی بسیار محدود بوده است. او می‌گوید: «من با بسیاری از محققان صحبت می‌کنم، و آن‌ها می‌گویند: «وظیفه ما ساختن ماشینی شبیه انسان است.»

او استدلال می‌کند که در درازمدت، به جای تلاش برای جایگزینی کارگران، ارزش بسیار بیشتری با استفاده از هوش مصنوعی برای تولید کالا‌ها و خدمات جدید ایجاد می‌شود. اما او می‌گوید که برای کسب‌وکار‌هایی که تمایل به کاهش هزینه‌ها را دارد، اغلب ساده‌تر است که صرفاً در یک ماشین مبادله کنند تا بازنگری در فرآیند‌ها و سرمایه‌گذاری در فناوری‌هایی که از هوش مصنوعی برای گسترش محصولات شرکت و بهبود بهره‌وری کارکنانش استفاده می‌کنند.

بیشتر بخوانید

• کمک هوش مصنوعی به رادیولوژیست‌ها برای تشخیص شکستگی استخوان

پیشرفت‌های اخیر در هوش مصنوعی چشمگیر بوده و به همه چیز از ماشین‌های بدون راننده تا مدل‌های زبانی انسان‌مانند منجر شده است. با این حال، هدایت مسیر فناوری بسیار مهم است. به دلیل انتخاب‌هایی که محققان و کسب‌وکار‌ها تاکنون انجام داده‌اند، فن‌آوری‌های دیجیتال جدید ثروت هنگفتی را برای صاحبان و اختراع‌کنندگان آن‌ها ایجاد کرده است، در حالی که اغلب فرصت‌ها را برای کسانی که در مشاغل آسیب‌پذیر در معرض جایگزینی هستند، از بین می‌برد. این اختراعات مشاغل فنی خوبی را در تعداد کمی از شهر‌ها مانند سانفرانسیسکو و سیاتل ایجاد کرده است، در حالی که بسیاری از بقیه مردم از این فناوری عقب مانده اند.

Daron Acemoglu، اقتصاددان MIT، شواهد قانع‌کننده‌ای برای نقش اتوماسیون، ربات‌ها و الگوریتم‌هایی که جایگزین وظایف انجام شده توسط کارگران انسانی می‌شوند، در کاهش رشد دستمزد و بدتر شدن نابرابری در ایالات متحده ارائه می‌دهد. او می‌گوید در واقع ۵۰ تا ۷۰ درصد از رشد نابرابری دستمزد ایالات متحده بین سال‌های ۱۹۸۰ تا ۲۰۱۶ ناشی از اتوماسیون بوده است.

این بیشتر قبل از افزایش استفاده از فناوری‌های هوش مصنوعی است؛ و Acemoglu نگران است که اتوماسیون مبتنی بر هوش مصنوعی اوضاع را بدتر کند. در اوایل قرن بیستم و در دوره‌های قبلی، تغییرات در فناوری معمولاً مشاغل جدید خوب بیشتری را نسبت به نابودی آن‌ها ایجاد کرده است.

در عین حال، کسب‌وکار‌ها و محققان تا حد زیادی پتانسیل فناوری‌های هوش مصنوعی برای گسترش قابلیت‌های کارگران و در عین حال ارائه خدمات بهتر را نادیده می‌گیرند. Acemoglu به فناوری‌های دیجیتالی اشاره می‌کند که به پرستاران اجازه می‌دهد بیماری‌ها را با دقت بیشتری تشخیص دهند یا به معلمان کمک کنند تا درس‌های شخصی‌تر را برای دانش‌آموزان ارائه دهند.

Acemoglu می‌گوید که دولت، دانشمندان هوش مصنوعی و Big Tech همگی در اتخاذ تصمیماتی که به نفع اتوماسیون بیش از حد است، مقصر هستند. سیاست‌های مالیاتی فدرال به نفع ماشین آلات است. در حالی که بر نیروی کار انسانی مالیات سنگینی تعلق می‌گیرد، هیچ مالیات حقوق و دستمزدی برای ربات‌ها یا اتوماسیون وجود ندارد. او می‌گوید، محققان هوش مصنوعی «در مورد کار بر روی فناوری‌هایی که کار را به قیمت از دست دادن شغل بین بسیاری از افراد ابایی ندارند.»

قهر با هوش مصنوعی، عاقبتی تلخ را برای این فناوری رقم می‌زند

خشم نسبت به نقش هوش مصنوعی در تشدید نابرابری می‌تواند آینده این فناوری را به خطر بیندازد. دایان کویل، اقتصاددان دانشگاه کمبریج، در کتاب جدید خود Cogs and Monsters: What Economics Is, and What It Should Be، استدلال می‌کند که اقتصاد دیجیتال به روش‌های جدیدی برای تفکر در مورد پیشرفت نیاز دارد. او می‌نویسد: «منظور ما از رشد اقتصاد، بهبود اوضاع، هر چه باشد، باید به طور مساوی نسبت به گذشته نزدیک به اشتراک گذاشته شود. «اقتصاد میلیونر‌های فناوری یا میلیاردر‌ها و کارگران غول‌پیکر، با مشاغل با درآمد متوسط که توسط اتوماسیون کاهش یافته است، از نظر سیاسی پایدار نخواهد بود.»

کویل می‌گوید که بهبود استاندارد‌های زندگی و افزایش رفاه برای افراد بیشتر به استفاده بیشتر از فناوری‌های دیجیتال برای افزایش بهره وری در بخش‌های مختلف از جمله مراقبت‌های بهداشتی و ساخت و ساز نیاز دارد، اما نمی‌توان از مردم انتظار داشت که تغییرات را بپذیرند. کویل می‌گوید، خشم در میان بسیاری در حال جوشیدن است، زیرا مزایای آن به نخبگان در تعداد انگشت شماری از شهر‌های مرفه دریافت می‌شود. به عنوان مثال، در ایالات متحده، در بیشتر قرن بیستم، مناطق مختلف کشور - به زبان اقتصاددانان - «همگرا» بودند و نابرابری‌های مالی کاهش یافت. سپس، در دهه ۱۹۸۰، هجوم فناوری‌های دیجیتال آغاز شد و این روند خود به خود معکوس شد. اتوماسیون بسیاری از مشاغل تولیدی و خرده فروشی را از بین برد. مشاغل فناوری جدید و با درآمد خوب در چند شهر جمع شده بودند.

چه شهر‌هایی بر روی هوش مصنوعی متمرکز اند؟

بر اساس گزارش موسسه بروکینگز، فهرست کوتاهی از هشت شهر آمریکایی شامل سانفرانسیسکو، سن خوزه، بوستون و سیاتل تا سال ۲۰۱۹ تقریباً ۳۸ درصد از مشاغل فناوری را به خود اختصاص داده اند. بروکینگز مارک مورو و سیفان لیو تخمین می‌زنند که فناوری‌های جدید به ویژه بر روی هوش مصنوعی متمرکز شده اند؛ که تنها ۱۵ شهر دو سوم دارایی‌ها و قابلیت‌های هوش مصنوعی در ایالات متحده را تشکیل می‌دهند.

تسلط چند شهر در اختراع و تجاری سازی هوش مصنوعی به این معنی است که اختلافات جغرافیایی در ثروت همچنان افزایش خواهد یافت. این نه تنها ناآرامی‌های سیاسی و اجتماعی را دامن می‌زند، بلکه می‌تواند، همانطور که کویل پیشنهاد می‌کند، انواع فناوری‌های هوش مصنوعی مورد نیاز برای رشد اقتصاد‌های منطقه را متوقف کند.

بخشی از راه حل می‌تواند به نوعی از بین بردن محدودیتی که Big Tech در تعیین دستور کار هوش مصنوعی دارد، باشد. این امر احتمالاً مستلزم افزایش بودجه فدرال برای تحقیقات مستقل از غول‌های فناوری است. به عنوان مثال، مورو و دیگران بودجه سنگین فدرال را برای کمک به ایجاد مراکز نوآوری منطقه‌ای ایالات متحده پیشنهاد کرده اند.

پاسخ فوری‌تر این است که تصورات دیجیتالی خود را برای درک فناوری‌های هوش مصنوعی که نه تنها جایگزین مشاغل می‌شوند، بلکه فرصت‌ها را در بخش‌هایی که بخش‌های مختلف کشور بیشتر به آن اهمیت می‌دهند، مانند مراقبت‌های بهداشتی، آموزش و تولید، گسترش می‌دهند.

علاقه‌ای که محققان هوش مصنوعی و رباتیک به تکرار قابلیت‌های انسان دارند، اغلب به معنای تلاش برای وادار کردن ماشینی برای انجام کاری است که برای مردم آسان است، اما برای فناوری دلهره‌آور است. برای مثال، یک اسپرسو درست کردن یا رانندگی با ماشین. دیدن یک ماشین خودران که در خیابان‌های شهر حرکت می‌کند یا یک ربات که به عنوان یک باریستا عمل می‌کند شگفت انگیز است. اما اغلب، افرادی که این فناوری‌ها را توسعه داده و به کار می‌گیرند، به تأثیر بالقوه آن بر مشاغل و بازار‌های کار فکر نمی‌کنند.

آنتون کورینک، اقتصاددان دانشگاه ویرجینیا و محقق روبنشتاین در بروکینگز، می‌گوید ده‌ها میلیارد دلاری که صرف ساخت خودرو‌های خودران شده است، به محض اینکه چنین وسایل نقلیه‌ای به کار گرفته شوند، به ناچار تأثیر منفی بر بازار کار خواهند داشت.

بازنگری در روش‌های سنجش موفقیت هوش مصنوعی

کاتیا کلینووا، کارشناس سیاست در Partnership on AI در سانفرانسیسکو، در حال کار بر روی روش‌هایی است که دانشمندان هوش مصنوعی را وادار به بازنگری در روش‌های سنجش موفقیت می‌کند. او می‌گوید: وقتی به تحقیقات هوش مصنوعی نگاه می‌کنید، و به معیار‌هایی نگاه می‌کنید که تقریباً به طور جهانی مورد استفاده قرار می‌گیرند، همه آن‌ها به تطبیق یا مقایسه با عملکرد انسان مرتبط هستند. به این معنا که دانشمندان هوش مصنوعی برنامه‌های خود را در تشخیص تصویر بر اساس میزان خوبی که یک فرد می‌تواند یک شی را تشخیص دهد درجه بندی می‌کند.

کلینووا می‌گوید که چنین معیار‌هایی جهت تحقیق را هدایت کرده اند. او می‌افزاید: «جای تعجب نیست که آنچه به دست آمده، اتوماسیون و اتوماسیون قدرتمندتر است. معیار‌ها برای توسعه دهندگان هوش مصنوعی بسیار مهم هستند، به خصوص برای دانشمندان جوان، که به طور انبوه وارد هوش مصنوعی می‌شوند و می‌پرسند، "روی چه چیزی باید کار کنم؟ "

برای ذهنیت سازی صحیح درباره استفاده از هوش مصنوعی چه کنیم؟

کلینووا می‌گوید، اما معیار‌هایی برای عملکرد همکاری‌های انسان و ماشین وجود ندارد، اگرچه او شروع به کار برای کمک به ایجاد برخی از آن‌ها کرده است. او و تیمش در Partnership for AI، با همکاری کورینک، همچنین در حال نوشتن یک راهنمای کاربری برای توسعه دهندگان هوش مصنوعی هستند که هیچ پیشینه‌ای در اقتصاد ندارند تا به آن‌ها کمک کند تا بفهمند کارگران چگونه ممکن است تحت تأثیر تحقیقاتی که انجام می‌دهند، شوند.

همه گیری ویروس کرونا انتقال دیجیتال را تسریع کرده است. کسب و کار‌ها به طور قابل درک به اتوماسیون برای جایگزینی کارگران روی آورده اند. اما همه‌گیری به پتانسیل فناوری‌های دیجیتال برای گسترش توانایی‌های ما نیز اشاره کرده است. آن‌ها ابزار‌های تحقیقاتی را برای کمک به ایجاد واکسن‌های جدید در اختیار ما قرار داده‌اند و راهی مناسب برای بسیاری از افراد برای کار از خانه فراهم کرده‌اند.

از آنجایی که هوش مصنوعی به طور اجتناب ناپذیری تأثیر خود را گسترش می‌دهد، ارزش تماشای آن را دارد تا ببینیم آیا این منجر به آسیب بیشتر به مشاغل خوب و نابرابری بیشتر می‌شود یا خیر. Brynjolfsson می‌گوید: «من خوشبین هستم که بتوانیم فناوری را در مسیر درست هدایت کنیم.

گزارش از عطیه طالب پور