هوش مصنوعی و رشد اقتصادی
اسفندیار جهانگرد– هوشمصنوعی بهاحتمال زیاد مهمترین فناوریای بوده که تاکنون بشر توسعه داده است. فناوریهایی مانند برق، نیمهرساناها و اینترنت دگرگونکننده اقتصاد بودهاند، فعالیتهای اقتصادی را بازشکل داده و سطح زندگی را در سراسر جهان بهطور چشمگیری افزایش دادهاند. از یک منظر هوشمصنوعی صرفا جدیدترین این «فناوریهای همهمنظوره» است و دستکم باید تداوم همان تحول اقتصادی را که طی یک قرن گذشته جریان داشته ادامه دهد.
با این حال بهطور جدی میتوان استدلال کرد که اینبار متفاوت است. خودکارسازی خود هوش آثاری گستردهتر از برق یا نیمهرساناها دارد. اگر ماشینها بتوانند هر کاری را که انسان انجام میدهد اما ارزانتر انجام دهند چه؟ اقتصاد درباره این امکان چه میگوید و آینده اقتصادی ما ممکن است چگونه باشد؟ هدف این یادداشت بررسی امکان دگرگونی عمیق ناشی از هوشمصنوعی است. چارلز جونز از دانشگاه استنفورد(۲۰۲۶) دو سناریوی حدی درباره اثر هوشمصنوعی بر اقتصاد را ترسیم میکند: یکی که در آن هوشمصنوعی رشد اقتصادی را بهشدت شتاب میدهد و دیگری که در آن هوشمصنوعی «روال معمول» است. هر دو سناریو محتمل هستند و آینده احتمالا جایی میان این دو قرار میگیرد. در این زمینه از مدلهای مبتنی بر وظیفه استفاده میکند که در آنها وظایف در شغلها مکمل یکدیگر هستند. این چارچوب «پیوندهای ضعیف» برای اندیشیدن درباره پیامدهای هوشمصنوعی مفید است. هر سناریو تغییراتی را توصیف میکند که میتواند طی ۲۵تا۳۰سال رخ دهد که معادل تقریبا یک نسل بشر است یعنی دنیایی که کودکی که امروز متولد میشود، در بزرگسالی با آن روبهرو میشود چگونه خواهد بود؟
سناریوی اول
اگر هوشمصنوعی رشد اقتصادی را شتاب دهد و پیامدهای کلاناقتصادی واقعا عمیقی داشته باشد، دهههای آینده چگونه خواهند بود؟ سناریوهایی از این دست توسط نویسندگان مختلفی ارائه شدهاند. آنها معمولا با افزایش بهرهوری مهندسان نرمافزار توسط هوشمصنوعی آغاز میشوند. برای مثال وقتی آنتروپیک هوشمصنوعی کلاد را معرفی کرد، عملکرد استثنایی آن را در یک آزمون خانگی
دو ساعته برای جذب مهندسان نرمافزار برجسته کرد: این مدل هوشمصنوعی امتیازی بالاتر از هر نامزد انسانی پیشین کسب کرد. همان مدل در انجام وظایف مهندسی نرمافزار که برای انسانها نزدیک به ۵ ساعت زمان میبرد با نرخ موفقیت ۵۰درصد سنجیده شده است.هوشمصنوعی اپوچ برآورد میکند که میزان «محاسبات موثر» مورد استفاده برای آموزش مدلهای هوشمصنوعی (یعنی کل توان محاسباتی تعدیلشده بهواسطه کیفیت الگوریتمها و نرمافزار) سالانه ۱۰برابر میشود: ضریب ۴ از چیپهای محاسباتی بیشتر و بهتر و ضریب ۵/۲ از الگوریتمهای بهتر. این سرمایهگذاریها به بهبودهای سریع منجر میشوند: برای مثال کاری که امروز پنج ساعت زمان میبرد، یکسالونیم بعد تنها ۱۹دقیقه بود.یکی از کاربردهای مرزی امروز مدلهای هوشمصنوعی، ایجاد مدلهایی که در انجام کارهایی است که انسانها معمولا با رایانه انجام میدهند. فراتر از کدنویسی، این شامل نوشتن و ویرایش اسناد، استفاده از اینترنت، ساخت مدلهای صفحهگسترده، تهیه ارائههای اسلایدی و ایدهپردازی نیز میشود. مدلهای هوشمصنوعی بهرهوری مهندسان نرمافزار و پژوهشگران هوشمصنوعی را افزایش داده و به آنها امکان میدهند در آینده مدلهای حتی بهتری بسازند. در مقطعی ممکن است یک مدل هوشمصنوعی آینده خود بتواند در پژوهش هوشمصنوعی مشارکت کند وضعیتی که در آن مدلهای جدید، مدلهای حتی بهتری میسازند و به «بهبود خودبازگشتی» معروف است. ترکیب این نیروها میتواند منجر شود که در یک یا دو دهه آینده و شاید بسیار زودتر به چیزی دست یابیم که داریو آمودی، مدیرعامل آنتروپیک، آن را «کشوری از نوابغ در یک مرکز داده» نامیده است بنابراین بشر میتواند به شکل بالقوه میلیاردها نمونه از مدلهای پیشرفته هوشمصنوعی را اجرا کند که تقریبا هر کاری را که انسانهای بااستعداد امروز میتوانند با رایانه انجام دهند، انجام دهند. این نوابغ مستقر در مرکز داده میتوانند در افزایش بهرهوری تحقیقوتوسعه بهطور کلی بسیار مفید باشند. البته جامعه پیشاپیش شاهد کشف ایدههای جدید توسط هوشمصنوعی بوده است: بهترین نمونه مدلی است که مساله تعیین ساختار سهبعدی بیش از ۲۰۰میلیون پروتئین را تنها از روی توالی اسیدهای آمینه حل کرد و به اعطای جایزه نوبل شیمی به دمیس هاسابیس و جان جامپر انجامید. یک کشور از نوابغ هوشمصنوعی میتواند داروهای جدید طراحی و پیشبینی کند کدام داروها با حداقل عوارض جانبی در کارآزماییهای بالینی بهترین عملکرد را دارند. آنها میتوانند به دانشمندان در انتخاب آزمایشهای آزمایشگاهی در حوزههایی از بیوشیمی تا علم مواد، همجوشی هستهای و انرژی مشاوره دهند. انرژی پاک ارزان میتواند به حل مسائل تغییر اقلیم کمک کرده و کشورهای در حال توسعه و ثروتمند را بهطور یکسان متحول کند. مدلهای هوشمصنوعی در سطح نبوغ میتوانند با استفاده از شبیهسازیهای مجازی و آزمایشهای انجامشده توسط انسان، رباتهای بهتری طراحی و بسازند و با تکرار به عملکردی استثنایی دست یابند. در نهایت این چرخطیار میتواند به مدلهای هوشمصنوعی منجر شود که تقریبا همه وظایف شناختی را انجام میدهند و رباتهای ادارهشده با هوشمصنوعی که تقریبا همه وظایف فیزیکی را انجام میدهند. اگر چنین سناریویی طی نیمقرن آینده تحقق یابد، دستاوردهای بهرهوری و سطح زندگی عظیم خواهد بود.
سناریوی دوم
اگر هوشمصنوعی در عوض «روال معمول» باشد چه؟ نمودار روند تولید ناخالص داخلی واقعی سرانه در ایالاتمتحده طی ۱۵۰سال گذشته حاکی نکات ارزندهای در اینباره است. در مقیاس نسبتی این سری زمانی تقریبا خطی بوده که موید تطابق با قانون مور اقتصاد کلان است اما به نوآوریهای شگفتانگیزی که زیربنای این نمودار هستند میتوان اشاره کرد. در دهه۱۸۷۰، آزمایشهای توماس ادیسون درباره روشنایی الکتریکی تازه آغاز شده بود. ۵۰سال بعد برقرسانی اقتصاد را هم در کارخانهها و هم در زندگی شهری دگرگون کرده بود. طی این ۱۵۰سال، نوآوریهایی مانند موتور احتراق داخلی، هواپیماها، لامپهای خلأ، آنتیبیوتیکها، ترانزیستورها، نیمهرساناها، رایانههای شخصی و اینترنت، سطح زندگی را بهطور عمیق تغییر دادند. مهم آنکه بسیاری از اینها «فناوریهای همهمنظوره» بودند که آثار دگرگونکنندهشان در سراسر اقتصاد گسترده میشود. حتی میتوان گفت بسیاری از آنها برخی وظایف دخیل در خلق ایدههای جدید را خودکار کردند و بهرهوری تابع تولید ایده را افزایش دادند و با این حال ظاهرا هیچیک از این نوآوریها نرخ رشد بلندمدت اقتصاد آمریکا را تغییر ندادند. این شکاف را چگونه میتوان توضیح داد؟ یک فرضیه طبیعی این است که در هر حوزه فناورانه، یافتن ایدهها دشوارتر میشود. موتور بخار نفسش میبرد. بدون کشف فناوریهای همهمنظوره جدید میتوان انتظار داشت رشد اقتصادی کند شود. از این منظر هریک از این فناوریهای همهمنظوره جدید واقعا نرخ رشد اقتصاد را افزایش دادند: بدون فناوری همهمنظوره بعدی، در سناریوی خلافواقع، رشد بهطور قابلتوجهی کند میشد. توسعه مستمر این فناوریهای شگفتانگیز بود که رشد پایدار ۲درصدی را ممکن کرد و شاید هوشمصنوعی صرفا جدیدترین فناوری همهمنظورهای است که اجازه میدهد رشد ۲درصدی برای ۵۰سال دیگر ادامه یابد. حتی در این سناریو نیز هوشمصنوعی میتواند اثرات بزرگی داشته باشد زیرا خلافواقع آن، کند شدن رشد است. درس مکمل دیگری که از تاریخ اقتصادی میتوان گرفت این است که ممکن است دههها طول بکشد تا اثر یک نوآوری جدید در بهرهوری نمایان شود. نخستینبار این نکته را در زمینه موتور بخار و موتور الکتریکی توسط دیود (۱۹۹۰) مطرح شد. رابرت سولو در سال۱۹۸۷ بهطور مشهور گفت: «عصر رایانه را همهجا میتوان دید، جز در آمار بهرهوری.» فناوریهای جدید به نوآوریهای مکمل فراوانی نیاز دارند تا اثر کامل خود را بگذارند. کارخانهها باید بازطراحی میشدند تا از موتورهای الکتریکی کوچک که میشد آنها را در سراسر کارخانه نصب کرد بهره ببرند. تغییرات سازمانی، محصولی و فرآیندی لازم بود تا از فناوری اطلاعات استفاده کامل شود. برای هوشمصنوعی درس روشن تاریخ اقتصادی این است که اثرات آن بر تولید ناخالص داخلی و بهرهوری ممکن است دیرتر از آنچه انتظار داریم ظاهر شود.
مقایسه سناریوها
هر دو سناریویی که توسط چارلز جونز از دانشگاه استنفورد ترسیم شده است وجاهت دارند. سناریوی «شتاب گرفتن رشد» بر شواهد مستقیم درباره قابلیتهای بهسرعت در حال تحول هوشمصنوعی تکیه دارد. افزون بر این مدلهای رشد اقتصادی که در آنها هوشمصنوعی بیشتر وظایف اقتصاد را خودکار میکند بهطور رسمی میتوانند رشد اقتصادی انفجاری تولید کنند بنابراین، این سناریو واقعا ممکن به نظر میرسد. از سوی دیگر خودکارسازی بیش از ۲۰۰سال است که در جریان بوده و نوآوریهای دگرگونکنندهای مانند برق، نیمهرساناها و اینترنت با رشد اقتصادی بهطور شگفتآور پایدار در حدود ۲درصد همزیستی داشتهاند. در سطحی کلی، یکی از مهمترین نکات این است که درباره آثار آینده هوشمصنوعی بر اقتصاد کلان عدمقطعیت قابلتوجهی وجود دارد. در هر دو سناریو، آثار بزرگ و عمیق هستند درست همانگونه که با برق و اینترنت بودند. با این حال اینکه دقیقا چقدر بزرگ و تا چه حد عمیق خواهند بود بههیچوجه روشن نیست. نظریه اقتصادی میتواند به روشنتر شدن این پرسشها کمک کند.
پیوندهای ضعیف در قالب مدل او-رینگ
مدلهای رشد اقتصادی مبتنی بر وظیفه بینشهای مهمی برای درک آثار اتوماسیون فراهم میکنند. در این مدلها تولید به انجام موفق مجموعهای از وظایف وابسته است. در ابتدا این وظایف توسط نیروی کار انجام میشوند. اتوماسیون فرآیندی است که طی آن یاد میگیریم چگونه بهجای نیروی کار، از ماشینها یا سرمایه برای انجام یک وظیفه خاص استفاده کنیم. اتوماسیون دستکم از زمان انقلاب صنعتی یعنی صدها سال است که جریان داشته است. نمونه کلاسیک آن جایگزینی نیروی کار در بافندگی منسوجات با ماشینهای بافندگی مکانیکی است. بهطور مشابه خودروها و کامیونها جای انسانها و اسبها را در حملونقل، تراکتورها جای انسانها را در بسیاری از فعالیتهای کشاورزی و رایانههای الکترونیکی جای «محاسبهگران انسانی» را در انجام محاسبات گرفتهاند. در این چارچوب، همه وظایف ضروری هستند و تولید بهوسیله گلوگاهها یا ضعیفترین پیوندها محدود میشود. وظیفه «ساده» بهراحتی قابل اتوماسیون است در حالی که وظیفه «سخت» بهسختی اتوماسیونپذیر است. با قبولی یکسری فروض چند ویژگی کلیدی چارچوب «پیوندهای ضعیف» بهروشنی قابل مشاهده است؛ نخست، حتی اگر عرضه یک وظیفه بینهایت باشد، تولید کل اقتصاد همچنان محدود و متناهی باقی میماند. دوم، تولید کل توسط ضعیفترین پیوند محدود میشود یعنی تولید اقتصاد هرگز بزرگتر از کوچکترین مقدار میانگین تولید با وظایف سخت و تولید با وظایف آسان نیست. در اینجا وظیفه سخت، ضعیفترین پیوند است و تولید کل بهوسیله تولید همان ضعیفترین پیوند محدود میشود. این نتایج به تابع تولیدی با تعداد زیادی وظیفه نیز تعمیم مییابد. از این منظر روشنتر میشود که چرا اتوماسیون تعداد زیادی از وظایف لزوما به جهشهای عظیم در تولید منجر نمیشود: خروجی همواره بهوسیله ضعیفترین پیوندهایی که هنوز اتوماسیون نشدهاند، محدود میشود. این نکته آخر را میتوان دقیقتر بیان کرد. اگر وظیفه «ساده» را بهطور کامل اتوماسیون کنیم چه میشود؟ در واقع شفافترین نتیجه زمانی به دست میآید که فرض کنیم در انجام وظیفه ساده کارآمد شدهایم و دیگر هیچ گلوگاهی به وجود نیاورد. در این حالت بهراحتی میتوان نشان داد که افزایش نسبی تولید ناشی از داشتن مقدار نامتناهی از تولید با مهارت ساده بیان میشود. به بیان دیگر، اتوماسیون نامتناهی وظیفهای که سهمی برابر با (s) از تولید ناخالص داخلی دارد، تولید را به اندازه ضریب (۱/(۱-s)) افزایش میدهد.
در سناریوی «هوشمصنوعی رشد اقتصادی را شتاب میدهد» یکی از پایههای اصلی این سناریو آن است که هوش مصنوعی تولید نرمافزار را اتوماسیون میکند. اثر این امر بر اقتصاد چقدر بزرگ خواهد بود؟ حتی با مقادیر نامتناهی از نرمافزار برای انجام مجموعه وظایفی که امروز نرمافزار انجام میدهد، تولید تنها به اندازه (۱/(۱-s)) افزایش مییابد. مخارج مربوط به نرمافزار حدود ۲درصد تولید ناخالص داخلی را تشکیل میدهد و برای (s) کوچک از این نوع داریم. به بیان دیگرژ دسترسی به مقدار نامتناهی از وظایفی که نرمافزار امروز انجام میدهد، تولید ناخالص داخلی را تنها حدود ۲درصد افزایش میدهد. برای مثال کارهای دانشی در اقتصاد ایالاتمتحده ممکن است چیزی در حدود یکسوم تولید ناخالص داخلی را به خود اختصاص دهند. اگر تمام نیروی کار شناختی را اتوماسیون کنیم و خروجی نامتناهی در وظایف مربوطه داشته باشیم، تولید ناخالص داخلی حدود ۵۰درصد افزایش خواهد یافت. از یکسو اگر این اتفاق در طول یک دهه رخ دهد، نرخ رشد سالانه را حدود ۵درصد افزایش میدهد که بسیار چشمگیر بوده اما همچنان این یک افزایش یکباره است و شاید شگفتآور باشد که دسترسی به خروجی نامتناهی وظایفی که اکنون توسط نیروی کار شناختی انجام میشوند، تنها تولید ناخالص داخلی را ۵۰درصد افزایش دهد. البته ملاحظات بسیاری در این محاسبات وجود دارد. نخست، این نتایج برای کشش جانشینی وظایف برابر با یکدوم صادق است. اگر کشش کمتر باشد، اثرات حتی کوچکتر خواهند بود؛ و اگر کشش بزرگتر باشد، اثرات میتوانند بسیار بزرگتر شوند. مهمتر از آن، مجموعه وظایفی که اتوماسیون میشوند ثابت نیست. اگر نرمافزار یا نیروی کار شناختی اتوماسیون شود، این احساس وجود دارد که نرمافزار و کار شناختی در سراسر اقتصاد بهطور گستردهتری مورد استفاده قرار خواهند گرفت. بهطور مشابه، خود سهم درآمدی (s) نیز یک متغیر درونزاست.
طیفی از سناریوها میان «هوشمصنوعی رشد اقتصادی را شتاب میدهد» و «هوشمصنوعی تفاوت چندانی با روال معمول ندارد» وجود دارد. سوال این است که آیا یک «تکینگی اقتصادی» در راه است؟ عجماوغلو (۲۰۲۴) برنده نوبل اقتصادی سال۲۰۲۴ استدلال میکند که آثار کلاناقتصادی هوشمصنوعی در دهه آینده احتمالا نسبتا محدود خواهد بود و رشد بهرهوری کل عوامل را کمتر از ۱/۰واحددرصد در سال افزایش میدهد. آقیون(برنده نوبل اقتصادی ۲۰۲۵) و بونل (۲۰۲۴) در پاسخ، برخی انتخابهای تجربی عجماوغلو را به چالش میکشند و افزایش بزرگتری را محاسبه میکنند بهگونهای که هوشمصنوعی شاید رشد بهرهوری کل عوامل تولید را حدود ۷/۰واحددرصد در سال افزایش دهد. چارلز جونز و تونتی (۲۰۲۶) مدلی مبتنی بر منطق «پیوندهای ضعیف» میسازند تا پیامدهای آینده هوشمصنوعی را بررسی کنند. آنها دو نتیجه ارائه میدهند که در نگاه نخست متناقض به نظر میرسند اما چنین نیستند. از یکسو تداوم اتوماسیون باعث میشود نرخهای رشد طی نیمقرن آینده بهطور فزایندهای افزایش یابد و در نهایت رشد سالانه از ۵درصد فراتر رود. با این حال این انفجار رشد بهطرز شگفتآوری تدریجی است: پس از ۲۰سال تولید تنها حدود ۵درصد بیشتر بوده و پس از ۴۰سال حدود ۲۰درصد افزایش مییابد. بینش اصلی این است که پیوندهای ضعیف، انفجار رشد را مهار میکنند و آن را به پدیدهای بسیار تدریجی تبدیل میسازند.
استاد دانشکده اقتصاد دانشگاه علامه طباطبایی
