دوران دایال‌آپ هوش مصنوعی

سال ۱۹۹۵ است :

مودم کامپیوترتان با صدای گوش‌خراش تلاش می‌کند به چیزی به نام اینترنت وصل شود. شاید موفق شود؛ شاید مجبور باشید دوباره تلاش کنید. شاید هم کارت اینترنت 200 تومانی شما به اتمام رسیده است ، شما به ازای هر کارت فقط می توانید 6 ساعت به اینترنت متصل باشید .

برای نخستین‌بار در تاریخ، می‌توانید در عرض چند ثانیه با فردی در آن‌سوی جهان نامه مبادله کنید. تنها حدود دو هزار وب‌سایت وجود دارد؛ بنابراین از لحاظ نظری می‌توانستید همه‌شان را در یک آخر هفته بازدید کنید. بیشتر وب‌سایت‌ها صرفاً متن بر زمینه‌ای خاکستری با چند تصویر پیکسلی هستند. زمان بارگذاری طاقت‌فرساست: یک تصویر ساده ممکن است یک دقیقه طول بکشد، ویدئوی یک‌دقیقه‌ای می‌تواند ساعت‌ها به طول بینجامد و یک فایل 200 مگابایتی ممکن است 40 سال طول بکشید اکثر مردم اعتماد ندارند کارت‌های اعتباری‌شان را به صورت آنلاین وارد کنند. هیچ سایت فروش اینترنتی وجود ندارد ، اگر هم باشد کسی حاضر به اعتماد و خرید نیست ، تذکر عمومی این است:

به غریبه‌ها در اینترنت اعتماد نکنید.

به‌سرعت مردم به دو اردوگاه تقسیم شدند.

خوش‌بینان، تحولات بزرگ را پیش‌بینی می‌کردند. برخی باور داشتند تجارت دیجیتال ظرف چند سال از خرده‌فروشی فیزیکی پیشی خواهد گرفت. برخی دیگر اظهار می‌کردند ما در دنیاهای واقعیت مجازی خواهیم گشت.

«انتظار دارم ظرف پنج سال بیش از یک نفر از هر ده نفر در حال سفر با اتوبوس، قطار یا هواپیما از نمایشگرهای کامپیوتری که روی سرشان گذاشته اند بهره ببرند.» — نیكلاس نگروپونته، استاد MIT، ۱۹۹۳

بدبینان، اینترنت را مدّی موقّت یا حبابی می‌دانستند.

اگر در سال ۱۹۹۵ به یک آدم عادی می‌گفتید که طی ۲۵ سال آینده، از رسانه‌های اجتماعی خبر می‌گیریم به جای روزنامه‌ها ( ایکس و اینستاگرام و ... ) ، نمایش‌های تلویزیونی به درخواست تماشا می‌شوند ، به جای کابل تی‌وی (نفلیکس ، فیلیمو و .. ) ، شریک زندگی‌مان را از طریق اپ‌ها پیدا می‌کنیم بیشتر از اینکه دوستان معرفی کنند (بامبل ، تیندر ، همسانگزینی و... ) ، و به غریبه‌های اینترنتی آن‌چنان اعتماد می‌کنیم که سوار خودروهای شخصی‌شان شویم (اوبر و اسنپ )و شب را در اتاق خالی‌شان بگذرانیم (ایر بی ان بی و کاوچ سرفینگ و .. ) — بیشتر مردم باور نمی‌کردند.

حال دوباره به سال ۱۹۹۵ بازگشته‌ایم. این‌بار با هوش مصنوعی.

و هر دو سوی بحث امروز، همان اشتباه‌های مشابه را مرتکب می‌شوند.

تناقض اشتغال: چرا تأثیر اتوماسیون بستگی دارد به صنعت

جِفری هینتون، که برخی وی را پدر هوش مصنوعی می‌دانند، در سال ۲۰۱۶ هشدار داد که هوش مصنوعی بیکاری گسترده‌ای به‌بار خواهد آورد. او اعلام کرد: «مردم باید همین‌الان آموزش رادیولوژیست‌ها را متوقف کنند»، زیرا مطمئن بود هوش مصنوعی آن‌ها را ظرف چند سال جایگزین خواهد کرد.

با این‌حال، همان‌طور که دینا موسا در «The Algorithm Will See You Now» نشان می‌دهد، هوش مصنوعی تا به امروز رادیولوژیست‌ها را جایگزین نکرده است. در سال ۲۰۲۵، برنامه‌های رزیدنتی تشخیص تصویری در آمریکا ۱٬۲۰۸ موقعیت ارائه دادند — چهار درصد بیشتر نسبت به ۲۰۲۴ — و نرخ خالی بودن موقعیت‌های شغلی در بالاترین سطح بوده است. درآمد متوسط این تخصص در همان سال حدود ۵۲۰٬۰۰۰ دلار بود، بیش از ۴۸% بالاتر از میانگین درآمد در ۲۰۱۵.

موسا چند عامل را برای شکست آن پیش‌بینی برمی‌شمرد: پیچیدگی دنیای واقعی، اینکه شغل رادیولوژی بیش از تشخیص تصویر است، و موانع قانونی/بیمه‌ای. مهم‌ترین عامل به‌نظر او «پارادوکس ژِوِنز» است — یعنی این اصل اقتصادی که بهبود کارایی منابع نهایتاً به افزایش کل مصرف آن منبع می‌انجامد، نه کاهش. استدلال او این است که وقتی هوش مصنوعی رادیولوژیست‌ها را کاراتر می‌کند، تشخیص‌ها بهتر و سریع‌تر و ارزان‌تر می‌شود، بنابراین افراد بیشتری اسکن می‌شوند. به این ترتیب اشتغال کاهش نمی‌یابد، بلکه افزایش می‌یابد.

این دیدگاه در جهان فناوری هم تا حدّی اجماع دارد. ساتیا نادلا، مدیرعامل مایکروسافت، و آرون لویِی، مدیرعامل Box، هر دو چنین نظر دارند:

«کم‌تر مفهومی به اندازۀ پارادوکس ژِوِنز کم‌فهمیده اما مهم است. وقتی تکنولوژی را کاراتر می‌کنیم، تقاضا فراتر از سطح اولیه می‌رود. هوش مصنوعی نمونه‌ی کامل این است — تقریباً هر چیزی که هوش مصنوعی به آن وارد شود، شاهد افزایش تقاضا خواهد بود، نه کاهش.»

با این‌وجود، فقط نیمهٔ آن‌ها درست است.

اولاً، همان‌طور که آندریِی کارپاتی، دانشمند کامپیوتر، اشاره می‌کند، رادیولوژی محلِ مناسب برای نخستین جابه‌جایی عظیم شغلی با هوش مصنوعی نیست:
«رادیولوژی خیلی چندوجهی، پرریسک، شدیداً قانون‌گذاری‌شده است. وقتی به دنبال شغل‌هایی می‌گردم که ظرف زمان کوتاه‌تر با هوش مصنوعی تغییر می‌کنند، سراغ آن‌هایی می‌روم که کارشان تکراری است، هر وظیفه نسبتا مستقل است، کم‌طول است، اشتباهاتش هزینهٔ کمی دارد، و طبیعی است که با توان فعلی دیجیتال اتوماسیون شوند. حتی آنجا هم انتظار دارم ابتدا هوش مصنوعی به عنوان ابزار وارد شود، جایی که شغل‌ها تغییر کنند و بازسازی شوند (مثلاً بیشتر نظارت یا سرپرستی شود تا انجام دستی).»

ثانیاً، اجماع این است که اشتغال افزایش خواهد یافت، اما این شرطی است — وابسته به صنعت. دقیق‌تر بگویم: به میزان تقاضای برآورده‌نشده در آن صنعت، و به اینکه آیا رشد آن تقاضا از بهبود بهره‌وری اتوماسیون جلوتر است یا نه.

سه صنعت در ۲۰۰ سال: نساجی، آهن‌وفولاد، خودرو

در مقاله‌ای به نام Automation and jobs: when technology boosts employment، جیمز بسِن داده‌های اشتغال، بهره‌وری و تقاضا را برای صنعت نساجی، آهن‌وفولاد و تولید خودرو بین سال‌های ۱۸۰۰ تا ۲۰۰۰ بررسی می‌کند. در صنعت نساجی و آهن‌وفولاد، اشتغال پس از اتوماسیون تقریباً یک قرن افزایش یافت، سپس با سقوط شدید روبه‌رو شد. اما صنعت تولید خودرو هنوز کاهش شدید مشابهی نداشته است.

تحلیل نشان می‌دهد: در ابتدا، یک خدمت یا محصول گران است چون تعداد زیادی کارگر نیاز دارد؛ بیشتر مردم توانایی استفاده‌اش را ندارند. سپس اتوماسیون بهره‌وری را چهاردستی افزایش می‌دهد؛ مثلاً یک کارگر نساجی در سال ۱۹۰۰ پنجاه برابر تولید می‌کرد نسبت به سال ۱۸۰۰. این انفجار بهره‌وری قیمت‌ها را فرو می‌شکند، که منجر به تقاضای عظیم می‌شود. اشتغال و بهره‌وری هر دو می‌روند بالا.

وقتی تقاضا اشباع شود، اشتغال دیگر رشد نمی‌کند، اما بهره‌وری اتوماسیون همچنان افزایش می‌یابد و اشتغال شروع به کاهش می‌کند. نساجی این مسیر را طی کرد. اما تولید خودرو مسیر متفاوتی داشت چون تقاضایش هنوز از اشباع فاصله دارد؛ بسیاری هنوز در جهان خودرو ندارند.

نرم‌افزار پرسش‌برانگیزتر است: چند اپ لازم دارید؟ چه کسی نرم‌افزاری تولید می‌کند که خودِ نرم‌افزار تولید می‌کند؟ تا امروز، محدودیتِ «مهندس نرم‌افزار دستی» بود. اتوماسیون این نسبت را تغییر می‌دهد. بازار نرم‌افزار نشانی از تقاضای نهفته دارد؛ شرکت‌ها پروژه‌هایی داشتند که به‌خاطر هزینه‌های مهندسی کنار گذاشته شدند. اگر هوش مصنوعی بتواند نرم‌افزار را با کسرِ هزینه تولید کند، آن‌گاه تقاضای عظیمی آزاد می‌شود. سؤال کلیدی این است: آیا و کی آن تقاضا اشباع خواهد شد؟

پس به طور کلی، برای هر صنعت، اشتغال به رقابت دو نیرو بستگی دارد:

• بزرگی و رشد تقاضای برآورده‌نشده بازار، و

• این که آیا آن رشد تقاضا از بهبود بهره‌وری اتوماسیون جلوتر است یا نه.

حباب؟ یا رونقی واقعی؟

بحث دوم این است که آیا این رونق هوش مصنوعی صرفاً یک حباب است که در شُرف ترکیدن؟ دهه ۱۹۹۰ شاهد حباب دات‌کام بود؛ موجی از شرکت‌ها که «.com» به نامشان اضافه کردند تا از هیاهو سهم ببرند، و سرمایه‌ها به فیبر نوری و کابل‌های زیر دریا ریخته شد — پروژه‌هایی عظیم که فقط به‌دلیل باور به تبلیغات ممکن شدند. این همه نهایتاً در سقوط دات‌کام ۲۰۰۰–۲۰۰۱ فرو ریخت.

با این حال، حباب دات‌کام چند چیز را درست پیش‌بینی کرد: زیرساخت فیزیکی‌ش را ساخت که امروز برای YouTube، Netflix و Facebook حیاتی است. اگرچه بسیاری از شرکت‌ها شکست خوردند، اما مسیرِ بلندمدتِ خوش‌بینانِ آن زمان درست بود.

رونق هوش مصنوعی امروز مشابه است. مثلاً استارتاپی که توسط مدیر سابق OpenAI، خانم Mira Murati، بنیان‌گذاری شد، دو میلیارد دلار سرمایه اولیه با ارزش ده میلیارد دلار جمع کرد—در حالی که محصولی نداشت و از گفتن این‌که چه می‌سازد یا چگونه بازده خواهد داشت اجتناب می‌کرد. چندین استارتاپ هوش مصنوعی با میلیون‌ها دلار سرمایه اولیه بدون حاشیهٔ امنیتی قابل‌توجه شکل گرفته‌اند.

با این وجود، سرمایه‌گذاری‌هایی وجود دارند که احتمالاً دوام خواهند آورد و به شرکت‌های هوش مصنوعی آینده کمک خواهند کرد؛ حتی اگر این دوره بخشی از حباب باشد. برای مثال، هزینه سرمایه‌ای سالانهٔ هیپر اسکِیلرها مثل Microsoft، Google، Meta Platforms و Amazon بیش از دو برابر شده است از زمان عرضه ChatGPT. این شرکت‌ها جمعاً نزدیک به نیم تریلیون دلار در مراکز داده، چیپ‌ها و زیرساخت‌های محاسباتی سرمایه‌گذاری کرده‌اند. فارغ از اینکه کدام شرکت‌ها باقی بمانند، این زیرساختی که اکنون در حال ساخته شدن است پایهٔ آیندهٔ هوش مصنوعی خواهد بود—از توان استنتاج تا تولید توان لازم برای آن.

تحلیلگر فناوری Azeem Azhar چارچوبی عملی برای سنجش حباب بودن یا نبودن رونق هوش مصنوعی ارائه کرده است: پنج شاخص دارد—فشار اقتصادی (سرمایه‌گذاری به‌عنوان سهمی از GDP)، فشار صنعتی (نسبت سرمایه‌گذاری به درآمد)، رشد درآمد، دمای ارزش‌گذاری (نسبت قیمت به درآمد)، و کیفیت تأمین سرمایه. تحلیل او نشان می‌دهد که هوش مصنوعی هنوز در مرحلهٔ رونق مبتنی بر تقاضا است نه صرفاً حباب؛ اما اگر دو تا از این پنج شاخص وارد منطقهٔ قرمز شوند، ممکن است وارد قلمرو حباب شده باشیم.

تقاضا واقعی است. به‌عنوان مثال، OpenAI یکی از سریع‌ترین شرکت‌های تاریخ در حال رشد است. اما همین هم ضمانت‌کنندهٔ نبودن حباب نیست. بسیاری از شرکت‌های هوش مصنوعی با همین پرسش اقتصاد واحد (unit economics) مواجه‌اند که شرکت‌های دات‌کام داشتند: «می‌توانی مشتریان بی‌نهایت بگیری، درآمد بی‌نهایت داشته باشی، اگر دلار را به قیمت ۸۵ سنت بفروشی». بنابراین با وجود تقاضا، ممکن است الگوی دههٔ ۹۰ تکرار شود: انتظار ساخت بیش از حد، انتظار برخی شکست‌های تماشایی. ولی هم‌زمان انتظار داریم زیرساختی باقی بماند که چرخهٔ هیجان را پشت سر گذاشته و چیزهایی را بسازد که هنوز تصورشان را نمی‌کنیم.

آینده‌ای که پیش‌بینی‌اش می‌شود، ولی جزئیاتش نه

پس این وضعیت ما را کجا گذاشته؟

ما در آغاز انقلاب هوش مصنوعی هستیم. ما در همان مرحله‌ای هستیم که مودمِ جیغ‌کشِ اینترنت بود. درست همان‌طور که شرکت‌های زیرساخت دههٔ ۱۹۹۰ میلیاردها دلار در فیبر نوری سرمایه‌گذاری کردند، امروز هیپر اسکِیلرها میلیاردها دلار در مراکز داده می‌ریزند. استارتاپ‌ها «.ai» به انتهای نام‌شان اضافه می‌کنند، درست همانند آن‌که شرکت‌ها زمانی «.com» می‌گذاشتند تا ارزش بیشتری کسب کنند. هیجان خواهد آمد، سپس ناامیدی، سپس دوباره بالا. برخی پیش‌بینی‌ها مضحک غلط خواهند بود. آن‌هایی که عجیب به نظر می‌آیند ممکن است در بلندمدت محافظه‌کار باشند.

صنایع مختلف نتایج متفاوتی خواهند داشت. برخلاف آن‌چه خوش‌بین‌های پارادوکس ژِوِنز می‌گویند، تقاضا برای بسیاری از محصولات وقتی نیازهای انسانی اولیه تأمین شود، به سطح ثابتی می‌رسد. نتایج اشتغال در هر صنعت بستگی دارد به بزرگی و رشد تقاضای برآورده‌نشده و اینکه آیا این رشد تقاضا از بهره‌وری اتوماسیون جلوتر است یا نه.

کاهش هزینه‌ها بخش‌های بازار را آزاد خواهد کرد. مثلاً آسوات داموداران، استاد مالی، به‌طور مشهور شرکت Uber را کم‌ارزش ارزیابی کرد چون فکر می‌کرد فقط بخشی از بازار تاکسی را خواهد گرفت. اما غافل بود که وقتی قیمت‌ها به‌شدت کاهش یابند، بازار کاملاً بزرگ‌تر می‌شود: مردم به مقصدهایی می‌روند که تاکسی قبلاً برای‌شان گران بود. هوش مصنوعی نیز به همین شکل محصولات و خدماتی را ممکن خواهد کرد که قبلاً با هوش انسانی خیلی گران بودند یا اصلاً ساخته نمی‌شدند. صاحب رستورانی ممکن است با هوش مصنوعی نرم‌افزار ویژهٔ زنجیره تأمین خودش را بسازد که با روش انسانی اصلاً ساخته نمی‌شد. یک مؤسسه خیریه ممکن است با هوش مصنوعی وارد فرآیند حقوقی شود که قبلاً مقرون به صرفه نبود.

ما می‌توانیم تغییر را پیش‌بینی کنیم، اما جزئیاتش را نمی‌توانیم. هیچ‌کس در ۱۹۹۵ پیش‌بینی نمی‌کرد که ما از اینترنت با غریبه‌ها دوست می‌شویم، سوار اوبر می‌شویم، یا شب را در ایربی‌ان‌بی می‌گذرانیم. یا این‌که شغلی به نام “اینفلوئنسر” تبدیل شود به یکی از محبوب‌ترین شغل‌های جوانان. خلاقیت انسان نتایج تولید می‌کند که با مدل‌های ذهنی فعلی ما قابل پیش‌بینی نیستند. انتظار داشته باشید حوزه‌ها و صنایع جدیدی ظاهر شوند. هوش مصنوعی در پنج سال گذشته بیش از پنجاه سالِ پیش به ما کمک کرده است تا ارتباط بین حیوانات را رمزگشایی کنیم. آیا می‌توانیم پیش‌بینی کنیم شغلی که تکنولوژی به ما اجازه دهد با حیوانات به گفت‌وگوی کامل بپردازیم، ایجاد شود؟ شغلی که امروز وجود ندارد احتمالاً شغل پرطرفدار سال ۲۰۵۰ خواهد بود. ما نمی‌توانیم نامش را بگذاریم چون هنوز اختراع نشده.

دسته‌های شغلی متحول خواهند شد. همان‌گونه که اینترنت برخی شغل‌ها را منسوخ کرد، ولی هم‌زمان شغل‌های تازه ایجاد کرد، هوش مصنوعی نیز چنین خواهد کرد. کارپاتی با این سؤال پایان می‌دهد:

«حدود شش ماه پیش از من خواسته شد رأی بدهم که آیا در پنج سال آینده مهندسان نرم‌افزار کمتر خواهند شد یا بیشتر؟ پاسخ را می‌سپارم به خواننده.»

برای پاسخ، به سال ۱۹۹۵ بازگردید و همین سؤال را در مورد روزنامه‌نگاران بپرسید. شاید پیش‌بینی می‌کردید تعداد روزنامه‌نگاران بیشتر خواهد شد چون اینترنت به شما اجازه می‌داد به سراسر جهان دسترسی یابید. این پیش‌بینی برای حدود ده سال درست بود، زمانی که اشتغال در حوزهٔ روزنامه‌نگاری رشد کرد تا اوایل ۲۰۰۰. اما حدود سی سال بعد، تعداد روزنامه‌ها و خبرنگاران کاهش یافته، حتی اگر “خبرنگاری” بیشتر از هر زمان دیگری انجام می‌شود — فقط دیگر توسط کسانی که ما «خبرنگار» می‌نامیم انجام نمی‌شود؛ بلاگرها، اینفلوئنسرها، یوتیوبرها، نویسندگان خبرنامه جای آن‌ها را گرفته‌اند.

همین الگو برای مهندسان نرم‌افزار نیز رخ خواهد داد. شاهد خواهیم بود تعداد بیشتری افراد نرم‌افزار تولید می‌کنند و در دههٔ آینده معنای «مهندس نرم‌افزار» تغییر خواهد کرد. تصور کنید همان صاحب رستوران که با هوش مصنوعی نرم‌افزار زنجیره تأمین ساخته است — او احتمالاً خود را مهندس نرم‌افزار نمی‌نامد.

بنابراین دقیقاً مانند سال ۱۹۹۵، اگر خوش‌بین‌های هوش مصنوعی امروز بگویند که ظرف ۲۵ سال، ما خبر را از هوش مصنوعی می‌گیریم به جای اینفلوئنسرها، شخصیت‌های تولیدشده توسط هوش مصنوعی جای انسان‌ها را می‌گیرند، شریک زندگی‌مان را بیشتر توسط هوش مصنوعی پیدا می‌کنیم تا اپ‌های دوست‌یابی، یا حتی از هوش مصنوعی برای گرفتن تصمیمات مرگ و زندگی یا بزرگ‌کردن فرزندان‌مان استفاده می‌کنیم — بیشتر مردم باورشان نمی‌شود. حتی با تمام هوش، طبیعی و مصنوعی، هیچ‌کس نمی‌تواند با قطعیت بگوید آیندهٔ هوش مصنوعی ما چگونه خواهد بود. نه مدیران فناوری، نه محققان هوش مصنوعی، و مطمئناً نه منِ خرابکار اینجا! امّا چه جزئیات را درست بگوییم، چه نه، آیندهٔ هوش مصنوعی در حال بارگذاری است.