آیا با چشمان بسته به سوی پرتگاه ناشناخته هوش مصنوعی میدویم؟
هشدار یک روانشناس: سرمایهگذاری عجولانه در هوش مصنوعی و شباهت خطرناک آن به حباب داتکام
در اوایل سال ۲۰۲۴، سرمایهگذاری جهانی در حوزه هوش مصنوعی از مرز ۹۰ میلیارد دلار عبور کرد و پیشبینیها همچنان صعودی است. شرکتها، دولتها و افراد، خود را حول فناوریای بازتعریف میکنند که بسیاری آن را «فناوری تعیینکننده عصر ما» مینامند. مقیاس این سرمایهگذاری خیرهکننده است، اما قطعیت پشت آن، بسیار کمتر از این حرفهاست.
تاریخ، الگویی آشنا را به ما نشان میدهد. در دوران حباب داتکام، سرمایهها مدتها پیش از آنکه مدلهای تجاری قابل دوامی ظهور کنند، به سمت شرکتهای اینترنتی سرازیر شد. عواقب این ماجرا به خوبی مستند شده است: اصلاحی در بازار که تریلیونها دلار ارزش را نابود کرد و پس از آن، یکپارچهسازی آهستهتر و واقعبینانهتر فناوریهای دیجیتال در زندگی روزمره. چشمانداز امروزی هوش مصنوعی، پژواکهایی از آن لحظه را در خود دارد، با این تفاوت که stakes (ریسکها) بسیار فراتر رفته و بازار کار، سیستمهای زیستمحیطی، ساختارهای اجتماعی و حتی ذهنهای فردی ما را در بر میگیرد.
موج جدید هوش مصنوعی: سرعتی سرسامآور و عدم قطعیتی عمیق
موج کنونی از جنبه مهم دیگری نیز متفاوت است: سرعت پذیرش آن. گزارش مککینزی در سال ۲۰۲۳ تخمین زد که هوش مصنوعی مولد میتواند سالانه بین ۲.۶ تا ۴.۴ تریلیون دلار به اقتصاد جهانی بیفزاید. این دامنه وسیع، به همان اندازه که فرصت را نشان میدهد، عدم قطعیت را نیز آشکار میکند. این اعداد مدام در حال افزایش هستند، اما وقتی پیشبینیها در حد تریلیونها باشد، دقت جای خود را به حدس و گمان میدهد. در شرایطی که تأمل و سنجشگری میتواند انتخاب بهتری باشد، ما گرفتار «آرزواندیشی» (wishful thinking) میشویم.
تفسیر و توضیح تکمیلی: چرا پیشبینیهای تریلیون دلاری گمراهکننده هستند؟
دامنه وسیع اعداد در پیشبینیهای مککینزی (۲.۶ تا ۴.۴ تریلیون دلار) یک علامت هشدار بزرگ است. این یعنی حتی کارشناسان برتر جهان نیز نمیدانند دقیقاً چه اتفاقی خواهد افتاد. این عدم قطعیت، سرمایهگذاران را در موقعیتی شبیه به قمار قرار میدهد، نه یک تصمیمگیری آگاهانه. در چنین فضایی، «رفتار گله ای» (Herd Behavior) و ترس از دست دادن (FOMO) جای تحلیل منطقی را میگیرد.
بازارهای مالی و طلسم «رفتار گله ای» (Herd Behavior)
بازارهای مالی معمولاً به شتاب و حرکت (Momentum) پاداش میدهند. شرکتهایی که به عنوان «رهبران هوش مصنوعی» شناخته میشوند، افزایش شدیدی در ارزشگذاری خود دیدهاند، که اغلب ارتباطی با جریان درآمدی فوری آنها ندارد.
در همین حال، مؤسسات مالی بزرگ در حال سرمایهگذاری سنگین روی زیرساختها و ابزارهای هوش مصنوعی هستند، حتی اگر ارزیابیهای داخلی آنها نسبت به بازدهی کوتاهمدت محتاط باشد. بانکها تحت فشار هستند تا فناوری هوش مصنوعی را به سرعت بپذیرند، در حالی که سؤالات حلنشدهای درباره ریسک، حاکمیت و سودآوری بلندمدت وجود دارد.
این پویایی، یک الگوی رفتاری گستردهتر را منعکس میکند: «ترس حاد از دست دادن» (FOMO). از نظر اقتصادی، این شبیه به «رفتار گلهای» است، جایی که فعالان بازار به جای تحلیل مستقل، از روندهای جمعی پیروی میکنند. اما وقتی روایتها (Narratives) بازارهای مالی را هدایت میکنند، چرخههای ناسالم رونق و رکود را تشدید میکنند. هوش مصنوعی به چنین روایت قدرتمند، قانعکننده و مقاومتناپذیری تبدیل شده است.
فیل در اتاق: عدم قطعیت درباره منافع انسانی
در میان این همه هیاهو، عدم قطعیت درباره منافع هوش مصنوعی برای انسانها، «فیل در اتاق» (مسئله آشکار اما نادیده گرفته شده) باقی مانده است؛ موضوعی که هیچکس جرأت نمیکند آشکارا به آن بپردازد. صندوق بینالمللی پول (IMF) تخمین میزند که هوش مصنوعی میتواند نزدیک به ۴۰ درصد از مشاغل جهانی را تحت تأثیر قرار دهد، که اقتصادهای پیشرفته با ریسک بالاتری روبرو هستند. دامنه پیامدهای احتمالی از افزایش بهرهوری تا زوال عاملیت انسانی (Agency Decay)، نابرابری ساختاری اجتماعی شدیدتر و ردپای زیستمحیطی بزرگتر را شامل میشود. سرمایهگذاری مالی با وجود این طیف وسیع از احتمالات، همچنان شتاب میگیرد.
«زوال عاملیت انسانی» (Agency Decay) چیست؟
زوال عاملیت انسانی به وضعیتی گفته میشود که در آن انسانها به تدریج توانایی و تمایل خود برای تصمیمگیری مستقل، تفکر انتقادی و حل مسئله را از دست میدهند و به طور فزایندهای به سیستمهای هوش مصنوعی برای انجام این کارها وابسته میشوند. این پدیده میتواند منجر به کاهش خلاقیت، ابتکار عمل و در نهایت، تضعیف دموکراسی و آزادیهای فردی شود.
آزمایشی جهانی بدون قوانین مشخص
آنچه لحظه کنونی را غیرعادی میکند، سرعت و مقیاس تغییر است، اما همچنین فقدان یک نقطه مرجع واضح است. هوش مصنوعی به طور همزمان در حال ادغام در استفاده شخصی، سیستمهای آموزشی، خدمات بهداشتی، زیرساختهای مالی و چارچوبهای حکمرانی است. هر حوزه عدم قطعیتهای خاص خود را برای بشریت به همراه دارد و تعامل آنها لایههای اضافی از پیچیدگی و ریسک را ایجاد میکند.
- در محیطهای بالینی: هوش مصنوعی در تشخیص و برنامهریزی درمانی نویدبخش است، اما سؤالاتی درباره پاسخگویی و سوگیری (Bias) ایجاد میکند.
- در آموزش: دسترسی به اطلاعات را گسترش میدهد، اما نحوه تعامل افراد با دانش را تغییر میدهد.
- در محیط کار: وظایف و انتظارات را بازتعریف میکند، گاهی سریعتر از آنکه نهادها بتوانند خود را تطبیق دهند.
ما به سوی «اقتصاد مبتنی بر مهارت» حرکت میکنیم، جایی که سازگاری ارزشمندتر از تخصص ایستا میشود. انتظار میرود هر یک از ما به طور مداوم در کنار فناوریهایی که استفاده میکنیم، تکامل یابیم. این یک فرصت برای رشد مادامالعمر است، اگر آگاهانه در این سفر شرکت کنیم. برای بهرهمندی از آن، «سواد دوگانه» (Double Literacy) – یعنی تسلط هم بر فناوری و هم بر علوم انسانی – به یک دارایی ضروری تبدیل میشود.
در حال حاضر، سرعت تحول نابرابر است. عادتهای فردی به سرعت با راحتی تطبیق مییابند، اما به کندی با اشکال جدید تلاش. نهادها به کندی سازگار میشوند. چارچوبهای نظارتی از قابلیتهای فنی عقب میمانند. هنجارهای اجتماعی حتی زمان بیشتری برای تغییر نیاز دارند. نتیجه، یک آزمایش جهانی است که میلیاردها انسان بدون درک مشترکی از قوانین و ریسکها در آن شرکت میکنند.
روانشناسی پشت شتاب: FOMO، زیانگریزی و مقایسه اجتماعی
رفتار انسانی لنزی است که میتوان از طریق آن این شتاب را تفسیر کرد. ترس از دست دادن (FOMO) جدید نیست، اگرچه فناوری آن را تشدید میکند. پلتفرمهای دیجیتال روندها را در زمان واقعی قابل مشاهده میکنند و سیگنالهای ثابتی درباره آنچه دیگران انجام میدهند، سرمایهگذاری میکنند یا میپذیرند، ایجاد میکنند.
زیانگریزی (Loss Aversion)، تمایل به وزندهی بیشتر به ضررهای بالقوه نسبت به سودها، میتواند افراد و سازمانها را به اقدام پیشدستانه سوق دهد، حتی زمانی که منافع نامشخص است. در زمینه هوش مصنوعی، ضرر درک شده «بیربطی» (Irrelevance) است. پاسخ، پذیرش سریع است. در عین حال، مقایسه اجتماعی (Social Comparison) نیز نقش ایفا میکند. وقتی همتایان، رقبا یا کل صنایع در یک جهت خاص حرکت میکنند، ایستادن میتواند مانند عقب ماندن به نظر برسد. تصمیم به پذیرش فناوری کمتر بر اساس ارزش ذاتی آن و بیشتر بر اساس ضرورت درک شده آن گرفته میشود.
این پویایی یک حلقه بازخورد ایجاد میکند. پذیرش، مشروعیت را نشان میدهد، که پذیرش بیشتر را تشویق میکند و سیگنال اولیه را تقویت میکند. با گذشت زمان، شتاب جایگزین تأمل میشود.
چه چیزی واقعاً انسانی باقی میماند؟
در میان این شتاب، یک پرسش دشوار پدیدار میشود: در جهانی که توسط ماشینهای روزافزون قدرتمند شکل گرفته است، چه چیزی به طور مشخص انسانی باقی میماند؟
هوش مصنوعی در تشخیص الگو، پیشبینی و مقیاسپذیری عالی عمل میکند. حجم عظیمی از دادهها را با سرعت و ثبات پردازش میکند. این قابلیتها دامنه آنچه را که از نظر فنی ممکن است، گسترش میدهند.
هوش طبیعی متفاوت عمل میکند. زمینه، احساسات و معنا را یکپارچه میکند. در ابهام حرکت میکند. هدف تولید میکند. این ویژگیها به همان روش الگوریتمها مقیاسپذیر نیستند، با این حال مسیری را که فناوری در آن به کار گرفته میشود، شکل میدهند.
چالش اصلی که از این تمایز ناشی میشود، در «همراستاسازی» (Alignment) نهفته است. فناوری، نیت را تقویت میکند. وقتی با قضاوت انسانی سنجیده همراستا باشد، میتواند قابلیتها را به روشهای معناداری گسترش دهد. وقتی عمدتاً توسط سرعت و رقابت هدایت شود، میتواند سوگیریها و ناکارآمدیهای موجود را بزرگنمایی کند.
جمعبندی: کند شدن، به معنای مقاومت در برابر نوآوری نیست
اینجاست که مسیر کنونی ما را به تأمل دعوت میکند. سؤال کمتر این است که آیا هوش مصنوعی جامعه را متحول خواهد کرد یا نه، و بیشتر این است که این تحول چگونه هدایت میشود.
کند شدن به معنای مقاومت در برابر نوآوری نیست. این به معنای ایجاد یک رابطه متفاوت با آن است. یک سرعت سنجیده امکان ارزیابی، تنظیم و یکپارچهسازی را فراهم میکند. فضایی برای سنجش پایداری مالی، تأثیر زیستمحیطی و پیامدهای اجتماعی قبل از آنکه ریشهدار شوند، ایجاد میکند.
جایگزین ناگوار، مسیری است که توسط شتاب شکل گرفته است. تاریخ نشان میدهد که این مسیر به کجا میتواند منجر شود: چرخههای رشد سریع به دنبال آن اصلاحات، با توزیع نابرابر سودها و زیانها.
فناوری به تکامل خود ادامه خواهد داد. سؤال این است که افراد، نهادها و جوامع چگونه انتخاب میکنند که با آن درگیر شوند. شرکت در یک آزمایش جهانی به معنای پذیرش منفعلانه شرایط آن نیست. فعلاً، فضا هنوز برای «عاملیت انسانی» (Human Agency) باقی است. ما هنوز درباره مسیری که انتخاب میکنیم و کفشهایی که میپوشیم، حق انتخاب داریم. باید تصمیم بگیریم به کدام سمت برویم، تا زمانی که هنوز میتوانیم.
از این منظر، ارزشمندترین قابلیت امروز ممکن است توانایی همگام شدن نباشد، بلکه توانایی انتخاب مسیر خودمان باشد.
منابع
- Psychology Today – Are We Rushing Blindly Into the Unknown Abyss?
- McKinsey & Company – The economic potential of generative AI (2023)
- International Monetary Fund (IMF) – Gen-AI: Artificial Intelligence and the Future of Work (2024)
