هوش مصنوعی نه به عنوان یک پدیده ناگهانی و جادویی که یکشبه دنیا را تغییر داده است، بلکه به عنوان پدیدهای که مانند امواج اقیانوس، گاهی بلند و پرجنبوجوش است و گاهی آرام و حتی ناپدید شده، دقیقاً تصویری است که دو پژوهشگر ایتالیایی، ماتئو کریستوفارو و پیر لوئیجی جاردینو، در مقالهشان با عنوان "موجسواری بر امواج هوش مصنوعی: تکامل تاریخی هوش مصنوعی در مطالعات مدیریت و سازمان" ترسیم کردهاند. این مقاله، که در مجله تاریخ مدیریت منتشر شده، تاریخچه هوش مصنوعی را از دهه ۱۹۵۰ میلادی تا به امروز بررسی میکند و نشان میدهد که این فناوری چطور مثل موجهای اقتصادی، بالا و پایین رفته است. نویسندگان تأکید میکنند که پیشرفت هوش مصنوعی همیشه چرخهای بوده، پر از دورههای هیجان، رکود و احیا، و دلیل اصلی این نوسانات، ناهماهنگی بین پیشرفتهای فنی، تحقیقات علمی و پذیرش عملی در سازمانها بوده است. این مقاله یادآوری میکند که هوش مصنوعی نه یک اختراع تازه، بلکه بخشی از تکاملی طولانی در روند پیشرفت فناوری بوده، و درک این تاریخچه میتواند به ما کمک کند تا آینده را بهتر درک و مدیریت کنیم.
داستان از موج اول شروع میشود، دهههای ۵۰ و ۶۰ میلادی، جایی که هوش مصنوعی مثل یک ایده علمی-تخیلی متولد شد و ریشه در جنگ جهانی دوم داشت. دانشمندانی مثل نوربرت وینر با مفهوم سایبرنتیکس – مطالعه کنترل و ارتباطات در سیستمهای زیستی و مکانیکی – پایههای هوش مصنوعی را گذاشتند، و کنفرانس دارتموث در سال ۱۹۵۶ توسط جان مککارتی، هوش مصنوعی را به عنوان یک رشته رسمی معرفی کرد. سیستمهایی مانند "نظریهپرداز منطقی" و "نرمافزار مشکلگشای عام" توسط آلن نیوئل و هربرت سایمون ساخته شدند که میتوانستند منطق انسانی را تقلید کنند، مثلاً حل یک مسئله یا بازی شطرنج ساده. اما این سیستمهای "نمادین" خیلی سفت و سخت بودند، بر پایه قوانین منطقی کار میکردند و نمیتوانستند با پیچیدگیهای دنیای واقعی مثل ابهام یا دادههای نامنظم کنار بیایند. سازمانها سعی کردند از آنها برای تصمیمگیریهای عملی مانند کنترل موجودی یا برنامهریزی تولید استفاده کنند، اما محدودیتهای کامپیوتری آن زمان، مثل قدرت پردازش پایین باعث شد این موج فرو بنشیند و شک و تردید نسبت به قدرت ماشینها در تصمیمگیری افزایش یابد. نویسندگان اشاره میکنند که این دوره، با وجود شکستهای اولیه، پایههای نظری مهمی مثل "عقلانیت محدود" سایمون را گذاشت، که نشان میداد تصمیمگیری انسانی همیشه کامل نیست و ماشینها میتوانند کمک کنند.
سپس موج دوم فرا رسید، دهههای ۷۰ و ۸۰، که به "زمستان هوش مصنوعی" معروف شد – دورهای از ناامیدی پس از هیجان اولیه. اینجا سیستمهای خبره مثل MYCIN برای تشخیص بیماریهای عفونی در پزشکی ساخته شدند، که دانش متخصصان را به قوانین کامپیوتری تبدیل میکردند، یا PROSPECTOR برای کاوش معدنی. زبانهای برنامهنویسی مثل Prolog و LISP پیشرفت کردند و ایدههایی مانند منطق فازی و شبکههای بیزی برای مدیریت عدم قطعیت معرفی شدند. اما انتظارات بیش از حد، مثل وعده ماشینهایی که کاملاً هوشمند باشند و کمبود بودجه دولتی باعث رکود شد؛ گزارشی مانند گزارش لایتهیل در بریتانیا بودجههای پژوهشی را قطع کرد. در سازمانها، کاربردها بسیار محدود ماندند. جالب اینجاست که نویسندگان میگویند این زمستان درس بزرگی به همراه داشت: هوش مصنوعی نیاز به دادههای واقعی، اعتماد انسانی و ادغام با فرآیندهای سازمانی دارد، نه فقط قوانین خشک؛ و این دوره پایهای برای کاربردهای عملیتر در آینده شد.
با موج سوم در دهههای ۹۰ و ۲۰۰۰، هوش مصنوعی دوباره جان گرفت و این بار روی "یادگیری ماشین" تمرکز کرد، یعنی سیستمهایی که از دادهها یاد میگیرند بدون نیاز به قوانین از پیش تعیینشده. الگوریتمهایی مانند ماشینهای پشتیبان برداری و جنگلهای تصادفی معرفی شدند، و دستاوردهایی مثل پیروزی Deep Blue بر گری کاسپاروف در شطرنج در سال ۱۹۹۷ جهان را شوکه کرد. سازمانها مثل آمازون و والمارت از آن برای پیشبینی تقاضا در زنجیره تأمین یا پیشنهاد محصولات در نتفلیکس استفاده کردند، که تصمیمگیری را سریعتر و دقیقتر کرد. اما مشکل "جعبه سیاه" پیش آمد، جایی که نمیفهمیدی سیستم چطور به نتیجه میرسد، و مسائل اخلاقی مانند مشکلات الگوریتمی (مثلاً سیستمهایی که بر اساس دادههای گذشته تبعیض نژادی نشان میدادند) مطرح شد. نویسندگان تأکید میکنند که این موج، مدیریت را به سمت دادهمحور بودن برد، اما ناهماهنگی بین سرعت پیشرفت فنی و درک سازمانی همچنان وجود داشت.
موج چهارم، از ۲۰۱۰ تا به امروز، با انفجار دادههای بزرگ و یادگیری عمیق اوج گرفت و هوش مصنوعی را به زندگی روزمره آورد. شبکههای عصبی پیچیده مثل شبکههای تشخیص تصویر (مثال: تشخیص سرطان پوست) و مدلهای ترانسفورمر برای پردازش زبان طبیعی (مثل ChatGPT) توسعه یافتند. سازمانها از آنها در بازاریابی شخصیسازیشده، پیشبینی مالی یا حتی بهداشت سازمانی استفاده میکنند، و آمارهایی مثل نظرسنجی مکنزی ۲۰۲۴ نشان میدهد که ۶۵ درصد سازمانها حداقل در یک بخش از فعالیتهای خود از هوش مصنوعی بهره میبرند. اما چالشهای بزرگتری مثل مسائل اخلاقی (سوگیری و حریم خصوصی)، مصرف انرژی بالا (که به محیط زیست آسیب میزند) و black-box بودن همچنان باقی ماندهاند. نویسندگان میگویند این موجها چرخهای هستند و الهامگرفته از نظریههای اقتصادی مثل موجهای کندراتیف، که نوآوری را به عنوان پیشران تغییرات بزرگ میبینند، و تأکید میکنند که سازمانها باید از گذشته یاد بگیرند تا از "حماقت سازمانی"، یعنی ناکارآمدیهای انسانی که پیشرفت فناوری را کند میکند، جلوگیری کنند.
در نهایت، مقاله به موج پنجم در آینده نگاه میکند، جایی که هوش مصنوعی و انسان، شریک واقعی میشوند، مثل سیستمهای توضیحپذیر که تصمیمها را شفاف میکنند، یادگیری فدرال برای حفظ حریم خصوصی، یا رایانش کوانتومی برای حل مسائل پیچیدهتر. موضوع اصلی این است که سازمانها باید برای چنین آیندهای آماده باشند، با سرمایهگذاری روی آموزش کارکنان، شفافسازی ارزشهای اخلاقی، و تعریف و تبیین جایگاه هوش مصنوعی به عنوان مکمل انسان نه جایگزین آن. نویسندگان مقاله پیشنهاد میکنند که تحقیقات آینده بیشتر بر روی مطالعات طولی و بینرشتهای تمرکز کند تا این ناهماهنگیها را حل کنند. این مقاله نهتنها تاریخ را بازگو میکند، بلکه راهنمایی عملی است برای موجسواری بر آینده هوش مصنوعی، تا همه از آن سود ببریم بدون اینکه در چالشهای اخلاقی یا فنی غرق شویم.
این مقاله با رویکرد موجی خود نسبت به هوش مصنوعی، دیدگاه خطی پیشرفت تکنولوژی را به چالش میکشد و نشان میدهد که تکامل هوش مصنوعی بیشتر نتیجه تعامل پیچیده بین عوامل اقتصادی، اجتماعی و سازمانی بوده است تا یک پیشرفت صرفاً فنی. ناهماهنگیهای شناساییشده مثل جلو افتادن تکنولوژی از نظریه یا عمل، نه تنها مانع، بلکه پیشران نوآوری بودهاند، زیرا رکودها فرصت بازاندیشی و بهبود را فراهم کردهاند. این رویکرد، الهامگرفته از نظریههای کلاسیک مثل تخریب خلاق شومپیتر، تأکید میکند که سازمانها برای موفقیت در آینده باید چرخهای فکر کنند. در نهایت، مقاله هشدار میدهد که بدون توجه به این درسآموختهها، موجهای آینده ممکن است به جای تحول مثبت، به نابرابریهای اجتماعی یا مسائل زیستمحیطی منتهی شوند، و بنابراین، نیاز به یک رویکرد یکپارچه بین دانشگاه، صنعت و سیاستگذاران وجود دارد تا هوش مصنوعی واقعاً به نفع کل جامعه باشد.
منبع:
Cristofaro, M., & Giardino, P. L. (2025). Surfing the AI waves: the historical evolution of artificial intelligence in management and organizational studies and practices. Journal of Management History.
