به گزارش اقتصادرَوا، سرمایه‌گذاری‌های عظیم اخیر در زیرساخت‌های هوش مصنوعی، آن را به یک پدیده اقتصادی در مقیاس وسیع تبدیل کرده است. شرکت‌های فناوری بزرگ ایالات متحده در حال برنامه‌ریزی برای هزینه‌های ده‌ها میلیارد دلاری در هر فصل هستند، به طوری که پیش‌بینی می‌شود مجموع هزینه‌ها در زیرساخت‌های هوش مصنوعی توسط شرکت‌های فناوری آمریکایی در سال جاری به ۴۰۰ میلیارد دلار برسد. برخی برآوردها حاکی از آن است که این حجم از سرمایه‌گذاری می‌تواند تقریباً نیمی از رشد تولید ناخالص داخلی تخمینی سال جاری را تأمین کند و تأثیری نامتناسب بر بازارهای مالی داشته باشد. انتظار می‌رود این روند تصاعدی ادامه یابد و مخارج زیرساختی هوش مصنوعی تا سال ۲۰۲۸ به ۳ تریلیون دلار یا بیشتر برسد.

هوش مصنوعی به مثابه فناوری همه‌منظوره

در میان اقتصاددانان، اجماع کلی وجود دارد که هوش مصنوعی یک فناوری همه‌منظوره (General Purpose Technology - GPT) است. این اصطلاح برای توصیف فناوری‌هایی ابداع شد که در عین حال که بسیار فراگیر و تعیین‌کننده یک دوران هستند، تأثیر فوری آن‌ها بر اقتصاد ممکن است ظریف و دشوار باشد. نمونه‌های تاریخی GPT شامل نیروی بخار، برق، موتور احتراق داخلی و نیمه‌هادی‌ها هستند. مشخصه GPTها این است که برای مشاهده کامل اثرات آن‌ها زمان لازم است، زیرا زیرساخت‌ها و ترتیبات اجتماعی باید برای انطباق و بهره‌برداری کامل از آن ساخته و تغییر یابند (مانند فاصله بین اولین ریزتراشه تا سامانه لجستیکی آمازون).

با این حال، بحث اصلی این است که آیا هوش مصنوعی صرفاً یک GPT «عادی» است یا چیزی بیش از آن: یک ابر -GPT بی‌سابقه. اگر هوش مصنوعی توانایی تقویت خودِ فرایند تحقیق و توسعه را داشته باشد (یعنی فناوری‌ای دربارۀ خودِ فناوری باشد)، می‌تواند منجر به رشد شتابان و پایدار شود. این امر با غلبه بر «کاهش بازده» در تحقیقات (یعنی فرضیه به پایان رسیدن دستاوردهای آسان)، امکان‌پذیر می‌شود؛ زیرا جامعه کافی «باهوش شدن برای باهوش‌تر شدن» بهتر می‌شود. این سناریو می‌تواند نرخ رشد اقتصادی را به طور ناگهانی به سطوحی مانند ۲۰ درصد در سال پرتاب کند و ساختار تفکر اقتصادی متعارف را درباره مدل‌های رشد (که همگرایی به یک سطح تولید ناخالص داخلی مشخص را پیش‌بینی می‌کنند) زیر سؤال ببرد.

محدودیت‌های فناوری و تغییر راهبُردها

در جامعه هوش مصنوعی، بحث داغی درباره قوانین مقیاس‌پذیری (Scaling Laws) وجود دارد. این قوانین فرض می‌کنند که عملکرد مدل‌ها با افزایش هموار داده‌ها، عامل‌ها و قدرت محاسباتی بهبود می‌یابد. اما افراد ارشد در صنعت معتقدند که مدل‌های کنونی که عمدتاً متنی هستند و حافظه یا درک کافی برای «مدل‌های جهان» (World Models) را ندارند، ممکن است به یک «دیوار» محدودیت برخورد کنند.

این محدودیت‌ها، راهبُردهای شرکت‌های بزرگ را شکل می‌دهد. برای فرار از این معضل و غلبه بر کاهش بازده، شرکت‌هایی مانند متا (Meta) در حال تلاش برای تنوع بخشیدن به محدوده داده‌ها (غیر از متن) هستند تا مدل‌ها را به واقعیت جهان واقعی مرتبط کنند. همچنین، تمرکز از صرفاً پیش‌بینی «توکن بعدی» یا کلمه بعدی (الگوریتم‌های پیش‌بینی‌کننده) به سمت وادار کردن مدل‌ها به ساخت تصاویر یا مدل‌هایی از جهان تغییر یافته است تا امکان پیش‌بینی‌ها و تعاملات هوشمندانه‌تر و مبتنی بر واقعیت فراهم شود.

هوش مصنوعی به مثابه فناوری استخراجی و اجتماعی

توصیف هوش مصنوعی به عنوان یک فناوری «استخراجی» (Extractive Technology)، از این نظر روشنگر است که ماهیت مادی و انسانی آن را یادآوری می‌کند. هوش مصنوعی صرفاً یک فرایند فکری غیرمادی نیست؛ بلکه نیازمند مقادیر زیادی انرژی، آب برای خنک‌سازی و زمین برای تأسیسات است.

جنبه حیاتی دیگر، نیروی کار پنهان انسانی است. عملکرد انسانی مدل‌های زبانی بزرگ (LLM) به شدت به «واقعیت میدانی» (Ground Truth) وابسته است که توسط انسان‌ها تأمین می‌شود. میلیون‌ها نفر از نیروی کار دیجیتال درگیر کدگذاری و لنگر انداختن نمادها (مثلاً اتصال کلمه «گربه» به «حیوان خانگی پشمالو») در داده‌ها هستند. همچنین، «همسوسازی» (Alignment) مدل‌ها، مانند جلوگیری از پیشنهاد راه‌حل‌های غیراخلاقی (مثل نسل‌کشی)، مستلزم ورودی‌های انسانی و کار تعدیل محتوا است که این کار اغلب تحت دستمزد پایین و به شدت تحت‌تأثیر عوامل هنجاری و فرهنگی قرار دارد.

علاوه بر این، ساخت این مدل‌ها مستلزم استخراج گسترده دارایی فکری (IP) است. شرکت‌های بزرگ حجم عظیمی از متون (شامل کتب، مقالات خبری، و محتوای دارای حق نشر) را به عنوان «مواد خام» پردازش کرده‌اند. آن‌ها با برنده شدن نسبی در پرونده‌های حقوقی (با این استدلال که استفاده خلاقانه آن‌ها «استفاده منصفانه» است)، این فرایند را پیش برده‌اند. این اقدام که متون را عملاً به مواد خام دیجیتال تبدیل می‌کند، یک اقدام «استخراجی» قابل توجه محسوب می‌شود.

تبدیل هوش مصنوعی به فناوری فرهنگی و اجتماعی

برای درک پیامدهای هوش مصنوعی، رویکرد سیاسی‌دانی چون هنری فارل مبنی بر توصیف هوش مصنوعی به عنوان «فناوری فرهنگی و اجتماعی»، بسیار مفید است. این رویکرد از گمانه‌زنی‌های متافیزیکی درباره هوش انسانی یا سناریوهای آخرالزمانی فاصله گرفته و هوش مصنوعی را به عنوان یک سازوکار قدرتمند تولید نمادهای آماری و جستجوی مولد در نظر می‌گیرد.

فناوری‌های تولید نماد در گذشته (مانند توسعه نوشتار، چاپ یا رایانه‌ها) جامعه را به طور عمیقی تغییر داده‌اند. هوش مصنوعی پتانسیل القای احساسات، تشخیص الگوها و بازتاب همدلانه افکار ما را دارد، بنابراین تأثیرات آن بر سیاست و نظام‌های اجتماعی چشمگیر خواهد بود. این فناوری رابطه ما با زبان و خلاقیت را تغییر می‌دهد؛ به طوری که خلاقیت به جای تولید، بیشتر به سمت گزینش و پالایش (Curating)، انتخاب و مهندسی دستور (Prompting) پیش خواهد رفت. این تحولات نیازمند تنظیمات اجتماعی و فرهنگی پیچیده‌ای هستند، مشابه سؤالاتی که حول عملیات از راه دور (مانند اپراتورهای پهپاد) مطرح شد.

تأثیر بر برنامه‌ریزی اقتصادی و کار مدرن

قدرت هوش مصنوعی همچنین سؤال تاریخی پیرامون «مناظرۀ محاسبه» (Calculation Debate) را مطرح می‌کند؛ مناظره‌ای که در اوایل قرن بیستم درباره امکان‌پذیری مدیریت کارآمد یک اقتصاد برنامه‌ریزی‌شده توسط دولت (در مقابل بازار) درگرفت. منتقدان (به ویژه مکتب اتریش) استدلال می‌کردند که پیچیدگی اقتصاد، دانش ضمنی و تنوع سلیقه‌ها، محاسبه یک برنامه بهینه را غیرممکن می‌سازد.

این مناظره از ابتدا بیش از حد ساده‌سازی شده بود، زیرا امروزه بخش‌های بزرگی از رفتارهای خرده‌فروشی ما تحت کنترل و پایداری الگوریتمی قرار دارند (مانند آمازون که ۱۳ درصد از هزینه‌های خرده‌فروشی آمریکا را تشکیل می‌دهد). هوش مصنوعی با ردیابی ترجیحات آشکار شده (revealed preferences) کاربران، به طور مؤثر به این مشکل اطلاعاتی که بازار برای حل آن طراحی شده بود، می‌پردازد. این نشان می‌دهد که اقتصاد مدرن ترکیبی از بازارها و بوروکراسی‌های برنامه‌ریزی‌شده است که هوش مصنوعی آن‌ها را به شدت تقویت می‌کند.

برخلاف انقلاب صنعتی اول که عمدتاً کار یدی و تولید کارخانه‌ای را تحت‌تأثیر قرار داد، انقلاب هوش مصنوعی حوزه‌های کار ذهنی و نمادین (White-Collar Work) را هدف قرار می‌دهد. این حوزه شامل سازوکارهای کار اداری، خدمات اجتماعی، قانون و بوروکراسی‌های بزرگی است که در اواخر قرن نوزدهم و بیستم شکل گرفتند؛ بنابراین، تغییر تاریخی کنونی بیشتر شبیه به توسعه چاپ یا بوروکراسی مدرن است، با این تفاوت که هوش مصنوعی توانایی پدیدار شدن در جهان فیزیکی (خارج از محیط‌های دسکتاپ و لپ‌تاپ) را دارد تا فراگیرتر شود.

گزارش از: امیرحسین مستقل، کارشناس اقتصادی