در حال حاضر، ما باید کمتر درباره بی‌کاری ناشی از فناوری نگرانی داشته باشیم تا نقش فناوری در گسترش اطلاعات نادرست و کاذب. وقتی یک عرصه عمومی داریم که عملکرد درستی ندارد، چرا باید به خودمان زحمت این را بدهیم که قبل از آن درباره اقتصاد بحث و ابراز نگرانی کنیم؟

به گزارش عصر ایران، جیمز بردفورد دلونگ، استاد اقتصاد دانشگاه برکلی کالیفرنیا و پژوهشگر اداره ملی تحقیقات اقتصادی آمریکا که در دولت کلینتون معاون وزیر خزانه‌داری ایالات متحده نیز بوده، در یادداشتی با عنوان «آخر زمان روباتیک؟ در دوران زندگی شما اتفاق نمی‌افتد» به مخاطرات پیشرفت فناوری هوش مصنوعی برای بشر پرداخته است.

روزنامه شرق بخش‌هایی از این نوشته آینده‌نگرانه را ترجمه و منتشر کرد که در ادامه می‌خوانید:

آیا خطر قریب‌الوقوع «سر‌برآوردن روبات‌ها» اشتغال همه انسان‎‌‌های آینده را تهدید می‌کند؟ اندیشمندانه‌ترین بحث درباره این پرسش را می‌توان در مقاله سال 2015 دیوید آوتر، اقتصاددان MIT با عنوان «چرا هنوز این‌همه شغل وجود دارد؟» پیدا کرد.

او این مسئله را در قالب پارادوکسی موسوم به پارادوکس پولانی درنظر می‌گیرد. مایکل پولانی، فیلسوف قرن بیستمی می‌گوید با توجه به اینکه «بیشتر از آنکه بتوانیم بگوییم، می‌توانیم بدانیم» نباید فرض کنیم که فناوری می‌تواند عملکرد دانش انسانی خود را تکرار کند.

فقط این دلیل که رایانه می‌تواند همه‌چیز را درباره خودرو بداند، کافی نیست تا بتواند آن را براند. این تمایز بین دانش ضمنی و اطلاعات ارتباط مستقیم با این مسئله دارد که انسان برای تولید ارزش اقتصادی در آینده چه کاری انجام می‌دهد. از لحاظ تاریخی، فعالیت‌ها و وظایفی که انسان انجام داده است، در 10 رده گسترده تقسیم‌بندی می‌شود.

اولین و بنیادی‌ترین آنها استفاده یک فرد از بدنش برای جابه‌جایی اجسام فیزیکی و پس از آن استفاده از چشمان و انگشتانش برای تولید کالاهای مادی مجزا از هم است. سومین گروه از فعالیت‌ها شامل تغذیه ماشین‌ها با مواد اولیه در فرایند تولید متکی به ماشین است -یعنی کارکردن به‌مثابه یک روبات انسانی- و چهارمین فعالیت هدایت عملیات یک دستگاه است (به عنوان یک ریزپردازنده انسانی).

در رده‌های پنجم و ششم، انسان از مقام ریزپردازنده به نرم‌افزار ارتقا می‌یابد و وظایف محاسبه و کنترل یا تسهیل ارتباطات و تبادل اطلاعات را بر عهده می‌گیرد.

در رده هفتم، شخص در واقع نرم‌افزار را می‌نویسد و وظایف را به زبان «کد» ترجمه می‌کند و در رده هشتم، شخص ارتباطی انسانی را فراهم می‌کند و مورد نهم، آن است که شخص در مقام سرپرست، مدیر یا داور برای سایر انسان‌ها عمل می‌کند.

سرانجام، در رده دهم، شخص به تفکر انتقادی درباره مسائل پیچیده می‌پردازد و سپس دست به ابداع یا اختراع‌های نوین می‌زند یا راه‌حل‌هایی برای آنها می‌یابد. در طول شش هزار سال گذشته، فعالیت‌ها و وظایف رده اول به‌تدریج به حیوانات و سپس ماشین‌ها واگذار شدند.

در 300 سال گذشته، وظایف در رده دوم نیز به عهده ماشین آلات گذاشته شد. در همان حال مشاغل رده‌های سه تا شش -که همه آنها سبب افزایش قدرت دستگاه‌ها شد- رواج بیشتری پیدا کرد و دستمزدها شدیدا افزایش یافت.

اما بعد از آن ماشین‌هایی را توسعه دادیم که در انجام وظایف رده‌های سه و چهار -که در آن مانند روبات‌ها و ریزپردازنده‌ها رفتار می‌کردیم- بهتر از انسان‌ها عمل می‌کردند. به همین دلیل است که اشتغال در بخش تولید به‌عنوان بخشی از کل اشتغال در اقتصادهای پیشرفته در دو نسل گذشته کاهش یافته، گرچه بهره‌وری در تولید افزایش یافته است.

این روند، در ترکیب با تصمیم‌گیری‌های بیش از حد ضد‌تورمی در سیاست پولی، یکی از عوامل اصلی سر‌برآوردن اخیر نئوفاشیست‌ها در ایالات متحده و دیگر کشورهای غربی است.بدتر اینکه، ما اکنون به جایی رسیده‌ایم که روبات‌ها در انجام وظایف «نرم‌افزاری» در رده‌های پنج و شش نیز بهتر از انسان‌ها شده‌اند، مشکل این است که تعداد اندکی از ما نبوغ لازم برای تولید ارزش واقعی اقتصادی با خلاقیت خودمان را داریم.

ثروتمندان می‌توانند فقط چند دستیار شخصی استخدام کنند و بسیاری از سرپرستان، مدیران و میانجی‌ها نیز همین الان غیر‌ضروری هستند. به این ترتیب، رده هشتم می‌ماند: تا زمانی که معیشت به اشتغال وابسته باشد، احتمال حفظ یک جامعه طبقه متوسط منوط به تقاضای فراوان در حوزه ارتباطات انسانی خواهد بود.

در اینجاست که پارادوکس پولانی به ما امید می‌دهد. وظیفه فراهم‌آوردن «ارتباطات انسانی» نه فقط ذاتا احساسی و روان‌شناختی است، به دانش ضمنی درباره شرایط اجتماعی و فرهنگی نیاز دارد که نمی‌توان آن را به‌صورت کدهای فرمان‌ برای رایانه‌ها درآورد. علاوه بر این، هر پیشرفتی در فناوری، حوزه‌های جدیدی پدید می‌آورد که در آن دانش ضمنی اهمیت دارد، حتی زمانی که تعامل میان خود فناوری‌های در میان باشد.

بعضی‌ها ممکن است مخالفت کنند و بگویند که برنامه‌های هوش مصنوعی می‌توانند ظرفیت جذب «دانش ضمنی» خود را افزایش دهند. با وجود این، حتی اگر الگوریتم‌های یادگیری ماشین بتوانند به ما بگویند چرا تصمیمات خاصی گرفته‌اند، تنها در حوزه‌های محیطی محدود کارایی خواهند داشت.

طیف گسترده‌ای از شرایط خاصی که برای انجام درست کار آنها نیاز است، این فناوری‌ها را بسیارحساس و شکننده می‌کند، به‌ويژه در مقایسه با توانایی سازگاری فوق‌العاده انسان‌ها. به هر حال، اگر «سر برآوردن روبات‌ها» یک تهدید باشد، تا دو نسل دیگر چنان حاد نخواهد شد.