تنظیم‌گری هوش مصنوعی، رقابت میان سیاستگذاران و ظهور یک گروه ذی‌نفع جدید:

اقتصاد سیاسی هوش مصنوعی

اسفندیار جهانگرد
کدخبر: 558010
کنفرانس «اقتصاد سیاسی هوش مصنوعی» در سپتامبر ۲۰۲۴ در تورنتوی کانادا با هدف بررسی تاثیر هوش مصنوعی بر نظام‌های اقتصادی، حکمرانی و توازن قدرت میان کشورها برگزار شد.
اقتصاد سیاسی هوش مصنوعی

اسفندیار جهانگرد– در سپتامبر ۲۰۲۴ در تورنتوی کانادا کنفرانسی تحت عنوان «اقتصاد سیاسی هوش‌مصنوعی» برگزار شد که انتشارات دانشگاه شیکاگو به نشر آن اقدام کرد. اجای آگراوال، جاشوا گنز، آوی گلدفارب و کاترین تاکر مجموعه‌ای از مقالات دعوتی و دیدگاه‌های ارائه ‌شده در آن کنفرانس را در سه محور اصلی سازمان دادند. این سه محور اصلی عبارتنداز: اقتصاد سیاسی مقررات‌گذاری هوش مصنوعی ،هوش مصنوعی و قدرت نظامی و هوش مصنوعی و هویت سیاسی. آنها مطرح کردند که با روشن‌تر شدن ظرفیت‌های اقتصادی هوش مصنوعی، پرسش‌های متعددی در خصوص اثر آن بر محیط سیاسی مطرح می‌شود؛ ازجمله در زمینه مقررات‌گذاری، رقابت میان کشورها و ترجیحات سیاسی. برای ایجاد چارچوبی در ادبیات اقتصادی آینده در این زمینه‌ها، آنها درسپتامبر ۲۰۲۴ کنفرانسی توسط دفتر ملی پژوهش‌های اقتصادی در تورنتو برگزار کردند. هدف برگزاری این بوده که «دستور کار پژوهشی اقتصاد را  با تاکید بر اینکه هوش مصنوعی چگونه ممکن است بر نظام‌های اقتصادی، حکمرانی آنها و توازن قدرت میان افراد و کشورها اثر بگذارد ترسیم کنند.» آنها گروهی از اقتصاددانان و دانشمندان علوم سیاسی را گردهم آوردند تاپرسش‌های باز را شناسایی کرده و چارچوب‌هایی برای پژوهش‌های آینده ارائه دهند. مطلبی در این کتاب در مورد تنظیم‌گری هوش‌مصنوعی توسط استیون کالندر ارائه شده است و می‌تواند برای سیاستگذاران و کسب‌وکارهای اقتصاد دیجیتال ایران نیز مفید باشد که در ادامه به آن خواهیم پرداخت.

اغلب نسخه‌های کتاب ‌درسی از نهادها با واقعیت عملکرد آنها در عمل تفاوت دارند. هیچ‌کجا این فاصله به اندازه سیاست مشهود نیست. در نسخه کتاب‌درسی، سیاستگذاری بازتابی از تعادلی محتاطانه میان منافع و مضار در جهت منافع عمومی است اما در عمل، سیاست عرصه‌ای بی‌رحم از نبرد میان گروه‌های ذی‌نفع است؛ جایی که انصاف و منافع عمومی در بهترین حالت، نقشی حاشیه‌ای ایفا می‌کنند. ظهور فناوری‌های نوین – و احتمال تنظیم‌گری آنها- این تفاوت را به وضوح آشکار می‌کند. با ظهور یک فناوری جدید، شرکت‌هایی وارد بازار می‌شوند و صنعتی حول آن شکل می‌گیرد. با رشد این صنعت در بازار، نفوذ سیاسی آن نیز افزایش می‌یابد. این صنعت به یک گروه ذی‌نفع بدل می‌شود. در نسخه ایده‌آل از سیاست، این صنعت باید دانش تخصصی خود را وارد فرآیندهای سیاستگذاری کند و به ارتقای رفاه اجتماعی کمک کند اما در عمل صنعت از قدرت سیاسی خود برای شکل دادن به مقررات به نفع خود استفاده می‌کند. در مورد فناوری‌های تثبیت ‌شده، راه‌حل این مساله روشن است: باید پیش از آنکه صنعت به قدرت سیاسی دست یابد، مقرراتی اجتماعی بهینه بر آن اعمال کرد اما درباره فناوری‌های جدیدی مانند هوش مصنوعی، مشکل این است که هنوز نمی‌دانیم چنین مقرراتی دقیقا چه باید باشند. سیاستگذار می‌تواند صبر کند تا اطلاعات بیشتری به دست آورد اما تا آن زمان ممکن است صنعتهوش مصنوعی از لحاظ سیاسی آنچنان قدرتمند شده باشد که دیگر نتوان آن را مهار کرد. تنظیم‌گری یک صنعت نوظهور، نوعی رقابت است: رقابتی میان سیاستگذاران و ظهور یک گروه ذی‌نفع جدید. سیاستگذاران باید در یادگیری درباره فناوری و چگونگی تنظیم آن، پیش از آنکه صنعت بتواند قدرت سیاسی قابل‌توجهی کسب کند و مقررات را به نفع خود شکل دهد، گام بردارند. یک سیاستگذار دغدغه‌مند نسبت به منافع عمومی چگونه می‌تواند این رقابت را ساختاربندی کرده و در آن پیروز شود، به‌گونه‌ای که در نهایت برنده واقعی جامعه باشد؟ این مساله‌ای دشوار است، بی‌تردید اما غیرقابل‌حل نیست. در ادامه مسیرهایی را برای آغاز حرکت به‌سوی یک راه‌حل ترسیم می‌کنیم.

فناوری‌های تحول‌آفرین: یادگیری درباره منافع و مضرات

تاثیر یک فناوری جدید اغلب تنها از طریق تجربه و استفاده عملی آشکار می‌شود. تنها با توسعه و به‌کارگیری فناوری است که قدرت آن نمایان می‌شود و زیان‌های احتمالی آن آشکار می‌شود. یکی از چالش‌های سیاستگذاران این است که پیش از وقوع آسیب‌ها، نسبت به آنها شناخت پیدا کنند. اگر یادگیری بتواند در محیطی آزمایشگاهی و مستقل از رشد صنعت اتفاق بیفتد، در این صورت باید اصل احتیاط رعایت شود و مقررات‌گذاران باید منتظر بمانند تا درباره زیان‌ها اطلاعات کافی کسب کنند، سپس اجازه رشد به صنعت بدهند اما در عمل، یادگیری آزمایشگاهی محدود است و بخش عمده‌ای از یادگیری- به‌ویژه آنچه به تاثیرات اجتماعی فناوری مربوط می‌شود- تنها از طریق کاربرد عملی فناوری در جامعه به‌دست می‌آید. گنس مطرح می‌کند که اجازه دادن به رشد صنعت باوجود خطرات بالقوه، بهینه است و حتی گاهی تسریع در توسعه صنعت به‌منظور سرعت ‌بخشیدن به یادگیری منطقی‌تر خواهد بود. سوال اصلی این است که آیا سیاستگذار می‌تواند پیش از وقوع زیان، درباره آنها یاد بگیرد؟ اگر بتواند، آنگاه می‌تواند مقررات را به‌روزرسانی کرده و از بروز آسیب جلوگیری کند اما سوال این بحث این است که آیا سیاستگذار پس از آنکه دریافت آسیب در راه است، هنوز آن‌قدر قدرت سیاسی خواهد داشت که بتواند مقررات را اصلاح کند؟

نتایج سیاسی به عنوان برآیند رقابت میان گروه‌های ذی‌نفع

یکی از اصول بنیادین سیاست این است که مقامات منتخب به دنبال رای هستند. حتی سیاستگذاران دغدغه‌مند به منافع عمومی نیز برای باقی ماندن در قدرت باید رای بیاورند و البته همه آنها هم دغدغه‌مند نیستند. تمایل به کسب رای لزوما منجر به ایجاد انگیزه‌های نادرست نمی‌شود. در واقع جلب رضایت شهروندان و به‌دست آوردن رای آنها، هدف اصلی دموکراسی نمایندگی است. مشکل واقعی اما این است که همه رای‌دهندگان به یک اندازه نمایندگی نمی‌شوند. اگر یک رای‌دهنده از یک مساله بی‌خبر باشد یا آن مساله تاثیری بر رای او نداشته باشد و به‌طور کلی درگیر آن نشود، سیاستگذاران به راحتی می‌توانند خواسته‌های او را نادیده بگیرند. در عوض آنهایی که به اندازه کافی برایشان اهمیت دارد که رای خود را براساس نحوه عملکرد سیاستگذار تنظیم کنند، مورد توجه قرار می‌گیرند. در واقع، حتی لازم نیست فردی برای نمایندگی ‌شدن، رای‌دهنده باشد. اگر فرد یا گروهی بتواند از طرق دیگر- مثلا از طریق کمک‌های مالی به کمپین‌ها، تبلیغات مثبت یا سازماندهی اجتماعی- رای جمع‌آوری کند، سیاستگذاران به ترجیحات او توجه خواهند کرد. اینها همان گروه‌های ذی‌نفع هستند. برای پیش‌بینی یک نتیجه سیاسی، نباید خیلی به نظرسنجی‌های عمومی اتکا کرد بلکه باید وزن گروه‌های ذی‌نفع موافق و مخالف در آن موضوع خاص را در نظر گرفت.

قدرت سیاسی گروه‌های ذی‌نفع چگونه شکل می‌گیرد؟

قدرت سیاسی یک گروه ذی‌نفع به ویژگی‌های متعددی بستگی دارد. نکته مهم این است که این ویژگی‌ها با قدرت بازار یا قدرت اجتماعی آن گروه همبستگی دارند اما لزوما با آنها متناسب نیستند. برای آنکه یک گروه ذی‌نفع قدرتمند باشد باید سازمان ‌یافته باشد. باید بتواند براساس ترجیحات خود عمل کرده و رای‌هایی را به سیاستگذاران منتقل کند. تعداد رای‌هایی که می‌توان به صورت مستقیم یا غیرمستقیم تامین کرد، وابسته به این عوامل است:

۱- تعداد افراد: چند رای درون یک شرکت یا صنعت و زنجیره ارزش آن وجود دارد؟

۲- پیام: افکار عمومی تا چه حد با آن گروه ذی‌نفع همدل است؟

۳- پول: توانایی مالی برای حمایت از کمپین‌ها و تبلیغات.

۴- پراکندگی جغرافیایی آرا: رای‌ها در کدام مناطق واقع شده‌اند و این موضوع چگونه با قوانین انتخاباتی مرتبط است؟

با رشد صنعت هوش مصنوعی این صنعت تا جایی قدرت سیاسی کسب می‌کند که قدرت بازار آن به این ویژگی‌ها ترجمه شود. به موازات این روند، توانایی سیاستگذار برای کنترل و تنظیم سیاست‌ها به‌طور درونی تضعیف می‌شود.

سیاستگذاری وابستگی به مسیر را در فناوری ایجاد می‌کند

سیاستگذاری نه‌تنها رقابتی میان سیاستگذاران و صنعت هوش مصنوعی ایجاد می‌کند، بلکه فشارهای رقابتی درون خود صنعت را نیز تشدید می‌کند. ترکیب این دو نیرو می‌تواند به وابستگی به مسیر در خود فناوری منجر شود. چنین وابستگی‌ای مسیر فناورانه‌ای را که توسط بازیگران اولیه انتخاب شده، تثبیت می‌کند و اجازه تجربه‌گری و نوآوری‌های دیگر را در مراحل بعدی از بین می‌برد.

وابستگی به مسیر زمانی به‌وجود می‌آید که بازیگران اولیه بازار در عرصه سیاست نیز پیشتاز می‌شوند. بازیگران بعدی نه‌تنها باید در بازار رقابت کنند بلکه باید در سیاست‌ورزی هم عقب‌ماندگی خود را جبران کنند. این نیاز به جبران، می‌تواند استراتژی بازار و حتی رویکرد فناورانه آنها را تحت‌تاثیر قرار دهد. برای روشن‌تر شدن موضوع تصور کنید که پیشگامان اولیه بازار از قدرت سیاسی خود نه فقط برای جلوگیری از مداخله سیاستگذار بلکه برای جلوگیری از ظهور رقبای جدید استفاده می‌کنند.

اگر تازه‌واردان بخواهند با رویکردهای فناورانه جدید آنها را به چالش بکشند، پیشگامان می‌توانند از طریق لابی‌گری برای تعیین استانداردها و سایر ابزارهای قانونی، این رویکردهای جدید را کنار بزنند و تنها گزینه مطلوب خود را به رسمیت بشناسانند. این اقدام شاید برای پیشرفت کلی هوش مصنوعی مفید نباشد اما برای پیشگامان بازار مفید است.

در نتیجه فشار استراتژیک بر تازه‌واردان این خواهد بود که خود را با رویکرد فناورانه و مدل بازار پیشگامان تطبیق دهند. آنها باید تلاش کنند در همان زمین بازی رقبا را شکست دهند تا از قدرت سیاسی علیه خود در امان بمانند. این فشار برای تطابق به وابستگی فناورانه به مسیر منجر می‌شود و باعث می‌شود تنها مسیری که ابتدا امتحان شده، تداوم یابد و سایر مسیرها کشف ‌نشده باقی بمانند.

در واقع سیاست، منبعی نوین برای قفل‌شدگی فناورانه فراهم می‌آورد. این نوع قفل‌شدگی توضیحات پیشین درباره وابستگی به مسیر و قفل‌شدگی فناورانه مانند یادگیری از طریق عمل یا تصمیمات اولیه تصادفی را تکمیل می‌کند. برخلاف قفل‌شدگی حاصل از یادگیری، قفل‌شدگی ناشی از سیاست هیچ ویژگی مثبتی ندارد. هنگامی که قفل‌شدگی فناورانه با انگیزه‌های سیاسی ایجاد می‌شود نتیجه‌اش ناکارآمدی محض است؛ ناشی از رانت‌جویی‌هایی که فرآیند نوآوری را منحرف و محدود می‌کند.

چه می‌توان کرد؟

مساله‌ای که در اینجا به آن پرداخته شد، آسان نیست. در شرایطی از عدم قطعیت شدید، سیاستگذاران غیرمتخصص باید خط باریکی را میان حمایت از نوآوری و حفظ اقتدار خود بر آن طی کنند. دو مسیر ممکن برای حل این مساله قابل ترسیم است که هر دو از دل خود مساله برمی‌خیزند:

مسیر اول، ایجاد فاصله‌ای بیشتر میان بازار و سیاست است. اگر یک صنعت نتواند قدرت بازار خود را به قدرت سیاسی تبدیل کند، آنگاه می‌توان به آن اجازه رشد داد بدون آنکه نگران تسلط آن بر فرآیند سیاسی بود. راه‌های مختلفی برای محافظت از فرآیند سیاسی در برابر نفوذ بازار وجود دارد. یکی از این راه‌ها، واگذاری تنظیم‌گری هوش مصنوعی به یک نهاد دولتی مستقل است. اگرچه نهادهای بوروکراتیک همواره زیرنظر قانون‌گذاران فعالیت می‌کنند اما می‌توان با شروطی مانند نیاز به اکثریت ویژه در مجلس یا دیگر الزامات قانونی، آنها را از فشارهای سیاسی محافظت کرد. این رویکرد البته خطر اسیر شدن تنظیم‌گر در دام صنعت را به همراه دارد. بنابراین مهم است که چه نهادی برای تنظیم‌گری انتخاب می‌شود و چه اختیاراتی دارد. یکی از راه‌های کاهش احتمال، اسیر شدن نهاد تنظیم‌گر، تاسیس نهادی جدید مخصوص تنظیم‌گری هوش مصنوعی است. تصور کنید اگر «اداره حمایت از مصرف‌کننده در امور مالی» پیش از بروز فساد در صنعت مالی ایجاد می‌شد، وضعیت امروز چگونه متفاوت می‌بود؟ یک راه حداقلی‌تر، واگذاری زودهنگام اختیارات تنظیم‌گری به یکی از نهادهای موجود است. تداخل اختیارات نهادهای مختلف به شرکت‌ها و گروه‌های فعال اجازه می‌دهد برای یافتن نهاد مطلوب خود در نظام اداری بچرخند. قانون‌گذاران می‌توانند با واگذاری روشن و زودهنگام اختیار تنظیم‌گری هوش مصنوعی، کنترل خود را حفظ کنند. اینکه ترجیح دهند نهاد مربوطه متشکل از حقوقدانان، اقتصاددانان، نظریه‌پردازان اجتماعی یا متخصصان فنی باشد، تصمیمی است که آنها می‌توانند از ابتدا درباره‌اش تصمیم‌گیری کنند و این تصمیم بسیار مهم است.مسیر دوم، هدف قرار دادن نخستین حلقه از زنجیره علّی است یعنی قدرت بازار صنعت هوش مصنوعی پیش از آنکه به قدرت سیاسی تبدیل شود. رویکردی کلی برای محدود کردن هر نوع قدرت بازار برای نوآوری در حوزه هوش مصنوعی مخرب خواهد بود. خوشبختانه، برای حل این مساله نیازی به چنین رویکردی نیست. کافی است تنها آن دسته از قدرت‌های بازار را محدود کنیم که قابلیت تبدیل به قدرت سیاسی دارند. همان‌گونه که پیشتر توضیح داده شد، رابطه بین قدرت بازار و قدرت سیاسی یک‌به‌یک نیست. با هدف قرار دادن نحوه شکل‌گیری این رابطه می‌توان به صنعت هوش مصنوعی اجازه داد شکوفا شود، حتی در شرایطی که برخی شرکت‌ها به قدرت بازار قابل‌توجهی دست‌یابند. مقررات در این حالت می‌توانند حداقلی باشند، با هدف هدایت رشد صنعت به جای محدودسازی آن. این رویکرد ممکن است شامل تفکیک عملکردهای مختلف صنعت در قالب شرکت‌های متفاوت باشد تا اجزای لازم برای قدرت سیاسی در یکجا جمع نشوند. برای مثال بخش‌هایی از صنعت که بیشترین پول و منابع را دارند می‌توانند از بخش‌هایی که شغل‌آفرینی دارند و پیام‌شان برای عموم قابل پذیرش‌تر است، جدا شوند. این موضوع باید در تصمیم‌گیری درباره محل اعمال مقررات- در سطح مدل‌های زبانی بزرگ یا در سطح اپلیکیشن‌ها- مورد توجه قرار گیرد زیرا این تصمیم نحوه شکل‌گیری ساختارهای درونی صنعت را تعیین خواهد کرد.

در بهترین حالت این مداخلات می‌توانند صنعت را به‌گونه‌ای شکل دهند که رقابت درون‌صنعتی پرنشاطی به وجود آید. رقابتی که به عرصه سیاسی نیز سرایت کند. اگر بتوان صنعت را از منظر سیاسی شکسته و چندپارچه کرد، سیاستگذاران ممکن است بتوانند به بهترین وضعیت دست‌یابند: صنعتی که قدرتی یکپارچه برای تسلط بر نظام سیاسی ندارد و در عین حال، ساختارهایی ایجاد می‌شود که شرکت‌های هوش مصنوعی را تشویق می‌کند اطلاعات خصوصی خود درباره فناوری را از طریق لابی‌گری افشا کنند. اطلاعاتی که می‌تواند به سیاستگذاری مؤثرتر منجر شود. اینکه آیا سیاستگذاران واقعا می‌توانند این مأموریت را به انجام برسانند، هنوز مشخص نیست. این بحث مسیر رسیدن به یک راه‌حل را نشان می‌دهد . راه‌حلی که اجازه می‌دهد این صنعت رشد کند و شکوفا شود بدون آنکه به تهدیدی سیاسی تبدیل شود. هرچه تاخیر بیشتری رخ دهد قدرت صنعت هوش مصنوعی بیشتر می‌شود و حل این مساله دشوارتر. زمان در حال سپری شدن است.

* استاد دانشکده اقتصاد دانشگاه علامه طباطبایی

وب گردی