|

سياست‌ها و پيامد‌هاي اقتصادي هوش مصنوعي

اسفنديار جهانگرد. *هيئت علمي دانشکده اقتصاد دانشگاه علامه طباطبايي

پيشرفت‌هاي زيادي در سال‌هاي اخير در مباحث فني و تکنيکي هوش مصنوعي اتفاق افتاده است. اين فناوري مانند برق، اينترنت و ماشين بخار يک تکنولوژي با هدف عمومي است که تمرکز زيادي بر يادگيري و توسعه ماشيني دارد و متغيرهاي مهمي مانند بهره‌وري، رشد اقتصادي، نابرابري، قدرت بازار، نوآوري و اشتغال در اقتصاد از آن متأثر هستند. در سال 2015 کاخ سفيد گزارشي
مبني‌بر قدرت تأثيرگذاري اين فناوري تهيه کرد که در سال 2018 منجر به سياست‌هايي براي ميانجيگري هوش مصنوعي در اقتصاد ايالات متحده شد. دولت‌های فرانسه و چين نيز آن را در اولويت خود قرار داده‌اند. حال در کشور ما بايد چگونه با اين فناوري برخورد کرد. براي اين منظور ابتدا بايد ابعاد اين فناوري و کارکرد‌هاي آن شناخته شود. اين نوشتار به‌عنوان يک بحث مقدماتي می‌کوشد تصويري از ابعاد آن براي شناخت و چگونگي تأثير آن بر اقتصاد ارائه دهد تا شرايط براي تصميم‌گيري و سياست‌گذاري سهل‌تر شود. براي اين منظور بحث در دو بخش سياست‌هاي اقتصادي و پيامدهاي اقتصادي هوش مصنوعي تنظيم و منتشر مي‌شود. بخش اول شامل سياست‌ها را در ادامه مي‌خوانيد و بخش دوم شامل پيامدها در شماره‌هاي بعدي «شرق» منتشر خواهد شد.
هوش مصنوعي به‌عنوان يک فناوري با هدف عمومي
تأثير اقتصادي کامپيوتر هوشمند مي‌تواند آنچه باشد که انسان به شکل خارق‌العاده انجام مي‌دهد. ديکشنري آکسفورد هوش مصنوعي را «نظريه و توسعه سيستم‌هاي کامپيوتري که قادر به انجام و کارکرد وظايف مورد نياز به هوش انساني است» تعريف کرده که اين تعريف هم وسيع و هم روان است. دراين‌باره يک جوک قديمي بين دانشمندان کامپيوتري وجود دارد و آن اين است که هوش مصنوعي چیزی است که ماشين‌ها هنوز نمي‌توانند انجام دهند.
در سال‌هاي اخير يادگيري ماشين خيلي نقل محافل شده است. عقيده بر اين است که کامپيوترها از داده‌ها نسبت به انسان‌ها که درگير وظايف متعدد هستند، بهتر «ياد مي‌گيرند»؛ مثل اينکه افراد «صورت‌هاي» هم‌نوعان را خوب سازماندهي مي‌کنند؛ اما براي آنها مشکل است که اين مهارت را توضيح دهند. با تمرکز بر داده‌ها شامل نام و تصوير، يادگيري ماشيني اين مشکل را حل مي‌کند و مي‌تواند با الگوسازي داده‌هاي تصويري آن را به نام افراد تطبيق دهد. اقتصاددانان در موضوعات مشابهي شامل رگرسيون چندگانه، تحليل عاملي، تخمين حداکثر راست‌نمايي، مدل‌هاي مارکف، شبکه‌هاي عصبي، يادگيري عميق و هويت يادگيري نيز از يادگيري ماشين استفاده کرده و مي‌کنند.
دراين‌باره تفاوت‌هاي وجود دارد به‌گونه‌اي که موضوعات اقتصادسنجي بر عليت استنتاج‌ها تمرکز دارند، درحالي‌که يادگيري ماشيني بر پيش‌بيني تمرکز کرده است. وقتي داده‌ها زياد باشند، مشکلات قديمي در پيش‌بيني و همچنين يادگيري عميق با تکنيک‌هاي بهتري انجام مي‌شود؛ بنابراین هزينه پيش‌بيني و سازماندهي در ماهيت کارها با هوش مصنوعي کاهش مي‌يابد.
پيش‌بيني‌هاي بهتر باعث پيامدهاي بهتر مي‌شود به‌دليل آنکه پيش‌بيني اساس تصميم‌سازي و تصميم‌گيري بشر است. هوش مصنوعي به‌عنوان فناوري با هدف عمومي بر بهره‌وري و استاندارد زندگي بشر در هر دوره مؤثر است. اين موضوع با مقايسه رشد بهره‌وري نيروي کار و قدرت جابه‌جايي در 50 سال اخير با ورود فناوري اطلاعات مؤثر بوده است و هوش مصنوعي در اين موضوع نقش مهمي دارد. دراين‌باره ولاديمير پوتين، رئيس‌جمهور روسيه، عنوان مي‌کند «هرکسي رهبر اين حوزه شود، حاکم جهان خواهد شد».
در اين زمينه بسياري از اين فرصت‌ها در علم و نوآوري نمود دارد. درحال‌حاضر يادگيري ماشين به بسياري از موضوعات علمي خارج از علم کامپيوتر تسري يافته است. آمار و ارقام هم اين موضوع را تأييد مي‌کند و ميزان استفاده از يادگيري ماشين در علوم خارج کامپيوتر با شيب تندتري افزايش يافته است که اين موضوع مؤيد فناوري با ويژگي هدف عمومي هوش مصنوعي است؛ بنابراین تأثير زيادي بر شتاب رشد اقتصادي و طرف عرضه اقتصاد خواهد گذاشت. اين موضوع در سه زمينه منطق نمادي، رباتيک و يادگيري ماشين مصداق دارد. در ادبيات اقتصادي امروز، هوش مصنوعي به‌عنوان يک نهاده توليد انديشه است؛ بنابراين به این دليل مي‌تواند باعث ايجاد رشد نمايي بدون يک افزايش در تعداد انديشه‌‌هاي خلق بشري شود. بيشتر مطالعات تاکنون بر يادگيري ماشين تمرکز داشته‌اند و تمرکز کمتري بر تأثير فناوري هوش مصنوعي دارند. دراين‌باره برخي ادعا مي‌کنند بايد هفت سال منتظر ماند؛ اما برخي معتقدند است تا سال 2040 هوش مصنوعي عمومي قابل دسترسي است. برخي هم يک دوره 30 تا 70 ساله را براي گسترش هوش مصنوعي عمومي پيش‌بيني مي‌کنند و عده‌اي هم معتقدند اين هرگز اتفاق نمي‌افتد.
چالش مهم مؤسسات با گسترش هوش مصنوعي، حفظ توانايي‌ها و نيازهاي يک جهان با هوش مصنوعي است. برخي بر تجربيات تاريخي فناوري با هدف عمومي متمرکز مي‌شوند؛ اما در تغييرات سريع هوش مصنوعي بر اقتصاد، ممکن است تجربيات تاريخي مفيد نباشد. برخي هم معتقدند اگر يادگيري ماشين با بسياري از پيشرفت‌هاي ديگر ترکيب شود، در طيف وسيعي از برنامه‌ها از آن استفاده می‌شود و استفاده از تاريخ بسيار مناسب و مفيد خواهد بود. اگر ماهيت هوش مصنوعي عمومي محتمل باشد، مي‌توان بر آن به‌عنوان یک فناوري با هدف عمومي و به‌عنوان يک پتانسيل تمرکز کرد.
سياست‌هاي گسترش هوش مصنوعي
اصولا سياست‌ها بر نرخ بهبود هوش مصنوعي، سرعت انتشار و ماهيت فناوري مؤثر هستند. مشاهدات اخير حاکي از آن است که حمايت‌هاي تحقيقاتي و حفظ حقوق مالکيت معنوي براي هوش مصنوعي، مشابه پيشرفت ديگر فناوري‌هاست. با‌اين‌حال سه دسته سياست مهم ديگر شامل حريم خصوصي، تجارت و مسئوليت در انتشار و توسعه هوش مصنوعي به‌گونه متفاوتي نسبت به ديگر نوآوري‌هاي فناورانه مؤثر هستند که در ادامه به آنها پرداخته مي‌شود.
حريم خصوصي
داده‌ها در هوش مصنوعي نهاده‌ای کليدي هستند. يادگيري ماشين با استفاده از داده‌ها، قادر به پيش‌بيني آنچه افراد ممکن است تحت تأثير آن باشند يا انجام دهند، است. اين موضوع باعث نگراني‌هاي امنيتي مي‌شود. در‌اين‌باره حريم خصوصي به سه دليل چالش‌برانگيز است:
ذخيره‌سازي ارزان به اين مفهوم که داده‌ها مدت طولاني‌تری نسبت به توليد داده‌ها از سوی شخص باقي مي‌مانند.غيررقابتي که به اين مفهوم است که از داده‌ها ممکن است در مواردي غير از موضوع اصلي توليدشده استفاده شود.اثرات خارجي به این مفهوم که توليد اطلاعات وارده درباره يک نفر، شامل اطلاعات و داده‌هاي ديگران نيز هست.
بنابراين جمع‌آوري و استفاده از اطلاعات ممکن است به افرادي که از جمع‌آوري و استفاده از اطلاعات و داده‌ها آگاهي نداشته باشند، زيان وارد کند. در نتیجه همان‌طور که جمع‌آوري و استفاده از آمار‌ها بهبود يافته است، سياست‌گذار بايد توجه بيشتري به قواعد و مقررات جمع‌آوري، ذخيره‌سازي و استفاده از داده‌ها کند. در فعاليت‌هاي داده‌محور، مقررات حفظ حريم خصوصي بر نرخ، ميزان و جهت نوآوري مؤثر است. حفاظت کم از حريم خصوصي، به اين مفهوم است که مصرف‌کننده ممکن است ناخواسته در مبادلات بازار مشارکت کند که داده‌ها و اطلاعات آن به خودش آسيب وارد کند. مقررات حفاظت از حريم خصوصي ديگران نيز به اين مفهوم است که بنگاه نمي‌تواند از داده‌ها براي نوآوري استفاده کند. شواهد تجربي درباره تنظيم حريم خصوصي، بر هوش مصنوعي متمرکز نبودند؛ اما مشاهده‌های تجربي به‌طور گسترده در تاريخ نشان مي‌دهد تلاش دولت‌ها براي تنظيم حريم خصوصي، باعث کاهش نوآوري شده است. در‌اين‌باره این مسئله مطرح است که قوانين اروپايي باعث کاهش حدود 65 درصد اثربخشي آگهي‌ها نسبت به آگهي‌هاي آمريکايي شده است؛ يعني نحوه مقررات‌گذاري براي استفاده از داده در اروپا، باعث کاهش توانايي تبليغ‌کنندگان اروپايي شده است. بسياري از کمپاني‌هاي ارزشمند بين‌المللي امروزه پلتفرم‌هاي آگهي و تبليغ هستند (مثل فيس‌بوک، گوگل و...). مزاياي حفظ حريم خصوصي در اينها باعث ايجاد هزينه براي شرکت‌هاي محلي در اين فعاليت‌ها مي‌شود. دراين‌باره بايد توجهی جدي به استارت‌آپ‌هاي جديد و خروجي اين فناوري‌ها در کشورهاي در‌حال‌توسعه مثل ايران شود. در حوزه بهداشت و سلامت، حفظ حريم خصوصي باعث کاهش امنيت بر پرونده‌هاي پزشکي افراد مي‌شود. فناوري‌هاي طول زندگي مزاياي درخور توجهي براي سلامتي فراهم مي‌کنند. در مجموع مطرح مي‌شود که تنظيم مقررات حفظ حريم خصوصي افراد در حوزه سلامت، باعث کاهش پيامدهاي سلامت و همچنين باعث کاهش انتشار فناوري‌هاي متکي بر داده در اين حوزه شده است. اگر حفظ حريم خصوصي حقوق بنيادين مدني است، پس بايد تمايل به مبادله چيزي در برابر آن داشته باشيم؛ در غير اين صورت، يک ارزش کمي براي اين حقوق در نظر گرفته‌ايم. در‌حالي‌که تحقيقات هنوز بر سياست‌هاي حفظ حريم خصوصي و نوآوري هوش مصنوعي تمرکز نکرده‌اند، روشن است اين سياست‌ها بر انتشار هوش مصنوعي مؤثر هستند. با توجه به گسترش اين موضوع در ايران، دولت بايد فکري به حال حريم خصوصي از قبل قوانين و مقررات و بستر گسترش اين فناوري در کشور کند و غافلگير نشود.
تجارت
برخي کشورها سرمايه‌گذاري در هوش مصنوعي را به‌عنوان موضوعی استراتژيک تلقي کرده‌اند. برای مثال چيني‌ها افزايش درخور ملاحظه‌اي در نوشتن مقاله‌هاي علمي در حوزه هوش مصنوعي در کنفرانس‌هاي بزرگ دنيا نسبت به دانشمندان اروپايي، استراليايي و کانادايي داشته‌اند. سياست‌هاي تجاري در هوش مصنوعي عمدتا در توافق‌نامه‌هاي تجاري نمود پيدا مي‌کند. سياست حفظ حريم خصوصي در کشورها متفاوت است، بر این اساس اين سياست باعث تأثير بر انتشار نسبي هوش مصنوعي در کشورهاست. اگر سياست حفظ حريم خصوصي مطلوب براي انتشار هوش مصنوعي در کشوري کم باشد، باعث ايجاد مزيتی کوتاه‌مدت براي آن کشور مي‌شود. مقياس اقتصادي در داده‌ها و پتانسيل يادگيري باعث ایجاد انگيزه‌ها براي به‌وجود‌آمدن «مسابقه رو به پايين» در سياست‌هاي حفظ حريم خصوصي مي‌شود. بنابراین کشورها سياست‌هاي کمتري را براي حوزه حريم خصوصي در راستای تقويت انتشار و نوآوري در هوش مصنوعي به کار مي‌گيرند. چنين سياست‌هايي قبلا در بازار کار و محيط زيست و نيروهاي مشابه در دنيا تجربه شده است.
اروپا در سياست‌هاي حفظ حريم خصوصي سخت‌تر از ايالات متحده عمل کرده و مي‌کند، در عوض ايالات متحده قاطع‌تر از چين است و اين موضوع مي‌تواند در ساخت و توليد انواع هوش مصنوعي با استفاده از داده‌ها در کشورهاي مدنظر متفاوت باشد.
در سياست‌هاي تجاري، موافقت‌نامه‌هاي تجاري مي‌توانند با تعيين استانداردهاي بين‌المللي حفظ حريم خصوصي، مسابقه رو به پاييني را مانند استانداردهاي بازار کار و محيط زيست در سطح جهان به وجود آورند. اين‌چنين، سياست‌هاي تجاري استاندارد بين‌المللي مي‌توانند بر نرخ و جهت نوآوري مؤثر باشند، اما مزيت کوتاه‌مدت را براي هر کشور از بين مي‌برند و روشن نيست چگونه بر رشد اقتصادي و بهره‌وري مؤثرند؟ برخي کشورها که حمايت‌هاي سخت از حريم خصوصي دارند، مي‌توانند بر ديگر فعاليت‌ها تمرکز کنند. برای مثال در قرن نوزدهم در سوئد براي نوآوري بر اسرار تجاري تمرکز کردند و حمايت از ثبت اختراع در آن کشور ضعيف بود. مهارت در ساخت ساعت‌هاي سوئيسي به آساني قابل تقليد نيست. برخي محققان نشان داده‌اند که در مدل‌هاي استراتژيکي تجاري، مسابقه رو به پايين، زماني قابليت اجرائي پيدا مي‌کند که رانت فناوري در سطح کشور وجود داشته باشد.
سياست‌هاي ديگري در حوزه تجارت قابل اجرا هستند که در برخي موافقت‌نامه‌هاي تجاري آمده باشد و شامل قوانين مربوط به محلي‌سازي داده‌ها، محدوديت دسترسي به داده‌هاي دولتي، مقررات فعاليت‌ها (مثل مواردي که در هواپيماهاي بدون سرنشين و خودروهاي بدون سرنشين استفاده می‌شود و مسائلي که مربوط به دسترسي منابع کدها است). سؤال کليدي درباره هوش مصنوعي اين است که آيا سرريزي محلي از هوش مصنوعي وجود دارد يا اينکه منافع انتشار فناوري به اندازه کافي گسترده است که ورود آزاد براي هر پتانسيل بالقوه را فراهم کند. به‌طورکلي سياست‌هاي تجاري تا آنجا که سطح رانت‌هاي فناوري براي کشوري سودمند باشند، در مورد هوش مصنوعي مؤثر است. عملکرد برخي دولت‌هاي دنيا حاکي از آن است که منافع دانشي هوش مصنوعي به‌قدر کافي بزرگ خواهد بود. سرمايه‌گذاري برخي کشورها مثل فرانسه و چين نشان مي‌دهد که اين کشورها انتظار دارند منافع دانشي محلي اين فناوري بزرگ باشد. بسياري از شرکت‌هاي خصوصي بزرگ دنيا روي هوش مصنوعي سرمايه‌گذاري زيادي انجام دادند. يادگيري ماشيني باعث بهبود در داده‌هاي بيشتر مي‌شود و بنابراين شرکت‌هاي بزرگ و کشورهاي بزرگ‌تر منافع بيشتري به دست مي‌آورند.
از طرف ديگر سرعت انتشار سريع جغرافيايي تحقيقات و نوآوري هوش مصنوعي نشان مي‌دهد که ممکن است رانت‌هاي محلي وجود نداشته باشد. برنامه‌هاي کاربردي تجاري اغلب از محل اختراعات فاصله گرفته‌اند. سالانه هزاران نفر از الگوريتم‌هاي يادگيري ماشيني از کدهاي باز استفاده مي‌کنند. علاوه‌برآن به لحاظ فني، بازدهي کاهنده در مقياس در داده‌ها به دليل آنکه افت در پيش‌بيني‌ها با مجذور ريشه nام بهبود مي‌يابد، اتفاق مي‌افتد.
کاربرد صنعتي هوش مصنوعي هنوز دوران کودکي خود را سپري مي‌کند و ميزان رانت محلي هوش مصنوعي هنوز روشن نيست. بااين‌حال با توجه به سرمايه‌گذاري دولت‌ها در هوش مصنوعي احتمال دارد يک مسابقه رو به پايين شروع شود که اين مسئله احتمالا در موافقت‌نامه‌هاي تجاري آينده ديده مي‌شود.
مسئوليت
برخي محققان حال حاضر دنيا تأکيد مي‌کنند که پيشرفت‌هاي سريع در هوش مصنوعي و رباتيک باعث به‌وجود‌آمدن بحث‌هاي پرجنب‌و‌جوشي در استفاده از قانون جريمه در اين فناوري‌ها شده است. جريمه اقدامي است که به دليل آسيب و زيان مطرح مي‌شود و باعث ايجاد مسئوليت قانوني براي هر فردي است که اين عمل را مرتکب شده است. هدف از ايجاد سيستم جريمه اين است که مردم و شرکت‌ها از آسيب‌رساندن به ديگران پرهيز کنند و آسيب‌ها را جبران کنند.
دراين‌باره پورتر (1990) مطرح مي‌کند که ريسک‌هاي مسئوليت باعث کاهش نوآوري در آمريکا شده است. او بحث مي‌کند چون ميزان جريمه مسئوليت بسيار بالاست، بنگاه‌ها باوجود داشتن منفعت زياد، کمتر دنبال نوآوري مي‌روند و خطر و ريسک دريافت جريمه را تقبل نمي‌کنند. شواهد تجربي درباره مسئوليت بسيار متفاوت از هم هستند. اقتصادداناني معتقدند که رابطه بين مسئوليت و تحقيق و توسعه در سطح فعاليت‌ها (به‌جز موارد با ريسک زياد) مثبت است. در موارد با ريسک زياد نياز به سرمايه‌گذاري بيشتر در فناوري‌هاي بهبود امنيتي بالا است. نتايج برخي تحقيقات نشان مي‌دهد که کاهش خطر جريمه باعث کاهش نوآوري در دستگاه‌هاي پزشکي مي‌شود.
براي هوش مصنوعي تعادل حق مسئوليت در گسترش آن اهميت زيادي دارد . در غياب قوانين شفاف مسئوليت براي محصولات هوش مصنوعي که بسياري از بنگاه‌هاي اقتصادي درگير آن هستند، ممکن است شرکت‌ها در هوش مصنوعي سرمايه‌گذاري نکنند. برای مثال در توليد خودروهاي خودکار، بنگاه‌هاي متعددي مانند توليدکنندگان سنسورها، ارائه‌دهندگان خدمات مخابراتي، توليدکنندگان وسايل نقليه و توسعه‌دهندگان نرم‌افزارهاي هوش مصنوعي ورود دارند. بدون مشخص‌کردن حق مسئوليت شفاف درباره عملکرد ناقص يا معيوب خودروها در هر زمينه، همه بنگاه‌ها ممکن است از سرمايه‌گذاري در توليد اين خودروها دريغ کنند.
در زمينه مراقبت‌هاي بهداشت و سلامت، جراحي رباتيک و تشخيص‌هاي مبني بر يادگيري ماشين ممکن است باعث انتقال مسئوليت مراقبت‌هاي بهداشتي و سلامتي به سمت ابزارهاي صنعتي شود. به همين دليل در بودجه 2017، پارلمان اروپا قوانين و مقررات اتحاديه اروپا را درباره ربات‌هاي پيشرفته و پيچيده، ربات‌ها، اندرويدها و ديگر وجوه هوش مصنوعي تنظيم و تصويب کرد. آمريکا هم در سپتامبر 2017 قوانين مسئوليت براي وسايل نقليه خودکار را تصويب کرد.
در‌اين‌باره اريب‌هاي الگوريتمي بيشتر از ديگر مواردي است که مسئوليت مي‌تواند بر ماهيت و انتشار هوش مصنوعي مؤثر باشد. شواهد تأکيد مي‌کنند که پيش‌بيني‌هاي مبتني بر هوش مصنوعي نسبت به پيش‌بيني‌هاي بشري کمتر اريب دارند اما هنوز آموزش براي خلق داده‌ها توسط انسان انجام مي‌شود؛ بنابراين پيش‌بيني‌هاي مبني بر هوش مصنوعي اين اريب‌ها را از خود بروز خواهند داد.
علاوه‌بر‌آن تصميم‌گيري‌هاي مبني بر هوش مصنوعي بسيار آسان‌تر از تصميم‌گيري مبتني بر انسان است و اين موضوع نيز دعاوي زيادي را درباره مسئوليت باز مي‌کند. الگوريتم‌ها هم مي‌توانند اريب داشته باشند؛ حتي زماني که بنگاه‌ها قصدي در آنها نداشته باشند آموزش داده‌ها به طور وضوح اريب‌ها را نشان نمي‌دهد. در‌اين‌باره نتايج برخي تحقيقات نشان داده است که آگهي‌هاي بدون آموزش علم، تکنولوژي، مهندسي و رياضيات، در فيسبوک و توييتر بيشتر به سمت مردان است تا زنان و اين مؤيد اريب در فيلدهاي علم، تکنولوژي، مهندسي و رياضيات است. آنها نشان دادند که اين تفاوت ناشي از قيمت آگهي بوده و هيچ‌گونه اريب صريحي وجود نداشته است. به‌ويژه الگوريتم‌هاي قيمت‌گذاري پويا، قيمت آگهي‌هاي مربوط به زمان را بالاتر از مردان تنظيم مي‌کند و بنابراین اين الگوريتم‌ها به‌گونه‌اي برنامه‌ريزي شده‌اند که صرفه‌جويي پولي براي مردان بيشتر از زنان
در مورد هر دلار باشد. بنابراین در چنين شرايطي، بنگاه‌ها درباره خطر مسئوليت‌ها کار دشواري دارند. چنين ريسک‌هايي باعث بازدارندگي براي پذيرش هوش مصنوعي مي‌شوند؛ به‌ویژه در شرايطي که الگوريتم‌ها منحرف شوند. به‌طورکلي با دخالت انسان هم اين الگوريتم‌ها براي بنگاه‌ها در مورد ريسک مسئوليت چندان مقبول نيستند.

پيشرفت‌هاي زيادي در سال‌هاي اخير در مباحث فني و تکنيکي هوش مصنوعي اتفاق افتاده است. اين فناوري مانند برق، اينترنت و ماشين بخار يک تکنولوژي با هدف عمومي است که تمرکز زيادي بر يادگيري و توسعه ماشيني دارد و متغيرهاي مهمي مانند بهره‌وري، رشد اقتصادي، نابرابري، قدرت بازار، نوآوري و اشتغال در اقتصاد از آن متأثر هستند. در سال 2015 کاخ سفيد گزارشي
مبني‌بر قدرت تأثيرگذاري اين فناوري تهيه کرد که در سال 2018 منجر به سياست‌هايي براي ميانجيگري هوش مصنوعي در اقتصاد ايالات متحده شد. دولت‌های فرانسه و چين نيز آن را در اولويت خود قرار داده‌اند. حال در کشور ما بايد چگونه با اين فناوري برخورد کرد. براي اين منظور ابتدا بايد ابعاد اين فناوري و کارکرد‌هاي آن شناخته شود. اين نوشتار به‌عنوان يک بحث مقدماتي می‌کوشد تصويري از ابعاد آن براي شناخت و چگونگي تأثير آن بر اقتصاد ارائه دهد تا شرايط براي تصميم‌گيري و سياست‌گذاري سهل‌تر شود. براي اين منظور بحث در دو بخش سياست‌هاي اقتصادي و پيامدهاي اقتصادي هوش مصنوعي تنظيم و منتشر مي‌شود. بخش اول شامل سياست‌ها را در ادامه مي‌خوانيد و بخش دوم شامل پيامدها در شماره‌هاي بعدي «شرق» منتشر خواهد شد.
هوش مصنوعي به‌عنوان يک فناوري با هدف عمومي
تأثير اقتصادي کامپيوتر هوشمند مي‌تواند آنچه باشد که انسان به شکل خارق‌العاده انجام مي‌دهد. ديکشنري آکسفورد هوش مصنوعي را «نظريه و توسعه سيستم‌هاي کامپيوتري که قادر به انجام و کارکرد وظايف مورد نياز به هوش انساني است» تعريف کرده که اين تعريف هم وسيع و هم روان است. دراين‌باره يک جوک قديمي بين دانشمندان کامپيوتري وجود دارد و آن اين است که هوش مصنوعي چیزی است که ماشين‌ها هنوز نمي‌توانند انجام دهند.
در سال‌هاي اخير يادگيري ماشين خيلي نقل محافل شده است. عقيده بر اين است که کامپيوترها از داده‌ها نسبت به انسان‌ها که درگير وظايف متعدد هستند، بهتر «ياد مي‌گيرند»؛ مثل اينکه افراد «صورت‌هاي» هم‌نوعان را خوب سازماندهي مي‌کنند؛ اما براي آنها مشکل است که اين مهارت را توضيح دهند. با تمرکز بر داده‌ها شامل نام و تصوير، يادگيري ماشيني اين مشکل را حل مي‌کند و مي‌تواند با الگوسازي داده‌هاي تصويري آن را به نام افراد تطبيق دهد. اقتصاددانان در موضوعات مشابهي شامل رگرسيون چندگانه، تحليل عاملي، تخمين حداکثر راست‌نمايي، مدل‌هاي مارکف، شبکه‌هاي عصبي، يادگيري عميق و هويت يادگيري نيز از يادگيري ماشين استفاده کرده و مي‌کنند.
دراين‌باره تفاوت‌هاي وجود دارد به‌گونه‌اي که موضوعات اقتصادسنجي بر عليت استنتاج‌ها تمرکز دارند، درحالي‌که يادگيري ماشيني بر پيش‌بيني تمرکز کرده است. وقتي داده‌ها زياد باشند، مشکلات قديمي در پيش‌بيني و همچنين يادگيري عميق با تکنيک‌هاي بهتري انجام مي‌شود؛ بنابراین هزينه پيش‌بيني و سازماندهي در ماهيت کارها با هوش مصنوعي کاهش مي‌يابد.
پيش‌بيني‌هاي بهتر باعث پيامدهاي بهتر مي‌شود به‌دليل آنکه پيش‌بيني اساس تصميم‌سازي و تصميم‌گيري بشر است. هوش مصنوعي به‌عنوان فناوري با هدف عمومي بر بهره‌وري و استاندارد زندگي بشر در هر دوره مؤثر است. اين موضوع با مقايسه رشد بهره‌وري نيروي کار و قدرت جابه‌جايي در 50 سال اخير با ورود فناوري اطلاعات مؤثر بوده است و هوش مصنوعي در اين موضوع نقش مهمي دارد. دراين‌باره ولاديمير پوتين، رئيس‌جمهور روسيه، عنوان مي‌کند «هرکسي رهبر اين حوزه شود، حاکم جهان خواهد شد».
در اين زمينه بسياري از اين فرصت‌ها در علم و نوآوري نمود دارد. درحال‌حاضر يادگيري ماشين به بسياري از موضوعات علمي خارج از علم کامپيوتر تسري يافته است. آمار و ارقام هم اين موضوع را تأييد مي‌کند و ميزان استفاده از يادگيري ماشين در علوم خارج کامپيوتر با شيب تندتري افزايش يافته است که اين موضوع مؤيد فناوري با ويژگي هدف عمومي هوش مصنوعي است؛ بنابراین تأثير زيادي بر شتاب رشد اقتصادي و طرف عرضه اقتصاد خواهد گذاشت. اين موضوع در سه زمينه منطق نمادي، رباتيک و يادگيري ماشين مصداق دارد. در ادبيات اقتصادي امروز، هوش مصنوعي به‌عنوان يک نهاده توليد انديشه است؛ بنابراين به این دليل مي‌تواند باعث ايجاد رشد نمايي بدون يک افزايش در تعداد انديشه‌‌هاي خلق بشري شود. بيشتر مطالعات تاکنون بر يادگيري ماشين تمرکز داشته‌اند و تمرکز کمتري بر تأثير فناوري هوش مصنوعي دارند. دراين‌باره برخي ادعا مي‌کنند بايد هفت سال منتظر ماند؛ اما برخي معتقدند است تا سال 2040 هوش مصنوعي عمومي قابل دسترسي است. برخي هم يک دوره 30 تا 70 ساله را براي گسترش هوش مصنوعي عمومي پيش‌بيني مي‌کنند و عده‌اي هم معتقدند اين هرگز اتفاق نمي‌افتد.
چالش مهم مؤسسات با گسترش هوش مصنوعي، حفظ توانايي‌ها و نيازهاي يک جهان با هوش مصنوعي است. برخي بر تجربيات تاريخي فناوري با هدف عمومي متمرکز مي‌شوند؛ اما در تغييرات سريع هوش مصنوعي بر اقتصاد، ممکن است تجربيات تاريخي مفيد نباشد. برخي هم معتقدند اگر يادگيري ماشين با بسياري از پيشرفت‌هاي ديگر ترکيب شود، در طيف وسيعي از برنامه‌ها از آن استفاده می‌شود و استفاده از تاريخ بسيار مناسب و مفيد خواهد بود. اگر ماهيت هوش مصنوعي عمومي محتمل باشد، مي‌توان بر آن به‌عنوان یک فناوري با هدف عمومي و به‌عنوان يک پتانسيل تمرکز کرد.
سياست‌هاي گسترش هوش مصنوعي
اصولا سياست‌ها بر نرخ بهبود هوش مصنوعي، سرعت انتشار و ماهيت فناوري مؤثر هستند. مشاهدات اخير حاکي از آن است که حمايت‌هاي تحقيقاتي و حفظ حقوق مالکيت معنوي براي هوش مصنوعي، مشابه پيشرفت ديگر فناوري‌هاست. با‌اين‌حال سه دسته سياست مهم ديگر شامل حريم خصوصي، تجارت و مسئوليت در انتشار و توسعه هوش مصنوعي به‌گونه متفاوتي نسبت به ديگر نوآوري‌هاي فناورانه مؤثر هستند که در ادامه به آنها پرداخته مي‌شود.
حريم خصوصي
داده‌ها در هوش مصنوعي نهاده‌ای کليدي هستند. يادگيري ماشين با استفاده از داده‌ها، قادر به پيش‌بيني آنچه افراد ممکن است تحت تأثير آن باشند يا انجام دهند، است. اين موضوع باعث نگراني‌هاي امنيتي مي‌شود. در‌اين‌باره حريم خصوصي به سه دليل چالش‌برانگيز است:
ذخيره‌سازي ارزان به اين مفهوم که داده‌ها مدت طولاني‌تری نسبت به توليد داده‌ها از سوی شخص باقي مي‌مانند.غيررقابتي که به اين مفهوم است که از داده‌ها ممکن است در مواردي غير از موضوع اصلي توليدشده استفاده شود.اثرات خارجي به این مفهوم که توليد اطلاعات وارده درباره يک نفر، شامل اطلاعات و داده‌هاي ديگران نيز هست.
بنابراين جمع‌آوري و استفاده از اطلاعات ممکن است به افرادي که از جمع‌آوري و استفاده از اطلاعات و داده‌ها آگاهي نداشته باشند، زيان وارد کند. در نتیجه همان‌طور که جمع‌آوري و استفاده از آمار‌ها بهبود يافته است، سياست‌گذار بايد توجه بيشتري به قواعد و مقررات جمع‌آوري، ذخيره‌سازي و استفاده از داده‌ها کند. در فعاليت‌هاي داده‌محور، مقررات حفظ حريم خصوصي بر نرخ، ميزان و جهت نوآوري مؤثر است. حفاظت کم از حريم خصوصي، به اين مفهوم است که مصرف‌کننده ممکن است ناخواسته در مبادلات بازار مشارکت کند که داده‌ها و اطلاعات آن به خودش آسيب وارد کند. مقررات حفاظت از حريم خصوصي ديگران نيز به اين مفهوم است که بنگاه نمي‌تواند از داده‌ها براي نوآوري استفاده کند. شواهد تجربي درباره تنظيم حريم خصوصي، بر هوش مصنوعي متمرکز نبودند؛ اما مشاهده‌های تجربي به‌طور گسترده در تاريخ نشان مي‌دهد تلاش دولت‌ها براي تنظيم حريم خصوصي، باعث کاهش نوآوري شده است. در‌اين‌باره این مسئله مطرح است که قوانين اروپايي باعث کاهش حدود 65 درصد اثربخشي آگهي‌ها نسبت به آگهي‌هاي آمريکايي شده است؛ يعني نحوه مقررات‌گذاري براي استفاده از داده در اروپا، باعث کاهش توانايي تبليغ‌کنندگان اروپايي شده است. بسياري از کمپاني‌هاي ارزشمند بين‌المللي امروزه پلتفرم‌هاي آگهي و تبليغ هستند (مثل فيس‌بوک، گوگل و...). مزاياي حفظ حريم خصوصي در اينها باعث ايجاد هزينه براي شرکت‌هاي محلي در اين فعاليت‌ها مي‌شود. دراين‌باره بايد توجهی جدي به استارت‌آپ‌هاي جديد و خروجي اين فناوري‌ها در کشورهاي در‌حال‌توسعه مثل ايران شود. در حوزه بهداشت و سلامت، حفظ حريم خصوصي باعث کاهش امنيت بر پرونده‌هاي پزشکي افراد مي‌شود. فناوري‌هاي طول زندگي مزاياي درخور توجهي براي سلامتي فراهم مي‌کنند. در مجموع مطرح مي‌شود که تنظيم مقررات حفظ حريم خصوصي افراد در حوزه سلامت، باعث کاهش پيامدهاي سلامت و همچنين باعث کاهش انتشار فناوري‌هاي متکي بر داده در اين حوزه شده است. اگر حفظ حريم خصوصي حقوق بنيادين مدني است، پس بايد تمايل به مبادله چيزي در برابر آن داشته باشيم؛ در غير اين صورت، يک ارزش کمي براي اين حقوق در نظر گرفته‌ايم. در‌حالي‌که تحقيقات هنوز بر سياست‌هاي حفظ حريم خصوصي و نوآوري هوش مصنوعي تمرکز نکرده‌اند، روشن است اين سياست‌ها بر انتشار هوش مصنوعي مؤثر هستند. با توجه به گسترش اين موضوع در ايران، دولت بايد فکري به حال حريم خصوصي از قبل قوانين و مقررات و بستر گسترش اين فناوري در کشور کند و غافلگير نشود.
تجارت
برخي کشورها سرمايه‌گذاري در هوش مصنوعي را به‌عنوان موضوعی استراتژيک تلقي کرده‌اند. برای مثال چيني‌ها افزايش درخور ملاحظه‌اي در نوشتن مقاله‌هاي علمي در حوزه هوش مصنوعي در کنفرانس‌هاي بزرگ دنيا نسبت به دانشمندان اروپايي، استراليايي و کانادايي داشته‌اند. سياست‌هاي تجاري در هوش مصنوعي عمدتا در توافق‌نامه‌هاي تجاري نمود پيدا مي‌کند. سياست حفظ حريم خصوصي در کشورها متفاوت است، بر این اساس اين سياست باعث تأثير بر انتشار نسبي هوش مصنوعي در کشورهاست. اگر سياست حفظ حريم خصوصي مطلوب براي انتشار هوش مصنوعي در کشوري کم باشد، باعث ايجاد مزيتی کوتاه‌مدت براي آن کشور مي‌شود. مقياس اقتصادي در داده‌ها و پتانسيل يادگيري باعث ایجاد انگيزه‌ها براي به‌وجود‌آمدن «مسابقه رو به پايين» در سياست‌هاي حفظ حريم خصوصي مي‌شود. بنابراین کشورها سياست‌هاي کمتري را براي حوزه حريم خصوصي در راستای تقويت انتشار و نوآوري در هوش مصنوعي به کار مي‌گيرند. چنين سياست‌هايي قبلا در بازار کار و محيط زيست و نيروهاي مشابه در دنيا تجربه شده است.
اروپا در سياست‌هاي حفظ حريم خصوصي سخت‌تر از ايالات متحده عمل کرده و مي‌کند، در عوض ايالات متحده قاطع‌تر از چين است و اين موضوع مي‌تواند در ساخت و توليد انواع هوش مصنوعي با استفاده از داده‌ها در کشورهاي مدنظر متفاوت باشد.
در سياست‌هاي تجاري، موافقت‌نامه‌هاي تجاري مي‌توانند با تعيين استانداردهاي بين‌المللي حفظ حريم خصوصي، مسابقه رو به پاييني را مانند استانداردهاي بازار کار و محيط زيست در سطح جهان به وجود آورند. اين‌چنين، سياست‌هاي تجاري استاندارد بين‌المللي مي‌توانند بر نرخ و جهت نوآوري مؤثر باشند، اما مزيت کوتاه‌مدت را براي هر کشور از بين مي‌برند و روشن نيست چگونه بر رشد اقتصادي و بهره‌وري مؤثرند؟ برخي کشورها که حمايت‌هاي سخت از حريم خصوصي دارند، مي‌توانند بر ديگر فعاليت‌ها تمرکز کنند. برای مثال در قرن نوزدهم در سوئد براي نوآوري بر اسرار تجاري تمرکز کردند و حمايت از ثبت اختراع در آن کشور ضعيف بود. مهارت در ساخت ساعت‌هاي سوئيسي به آساني قابل تقليد نيست. برخي محققان نشان داده‌اند که در مدل‌هاي استراتژيکي تجاري، مسابقه رو به پايين، زماني قابليت اجرائي پيدا مي‌کند که رانت فناوري در سطح کشور وجود داشته باشد.
سياست‌هاي ديگري در حوزه تجارت قابل اجرا هستند که در برخي موافقت‌نامه‌هاي تجاري آمده باشد و شامل قوانين مربوط به محلي‌سازي داده‌ها، محدوديت دسترسي به داده‌هاي دولتي، مقررات فعاليت‌ها (مثل مواردي که در هواپيماهاي بدون سرنشين و خودروهاي بدون سرنشين استفاده می‌شود و مسائلي که مربوط به دسترسي منابع کدها است). سؤال کليدي درباره هوش مصنوعي اين است که آيا سرريزي محلي از هوش مصنوعي وجود دارد يا اينکه منافع انتشار فناوري به اندازه کافي گسترده است که ورود آزاد براي هر پتانسيل بالقوه را فراهم کند. به‌طورکلي سياست‌هاي تجاري تا آنجا که سطح رانت‌هاي فناوري براي کشوري سودمند باشند، در مورد هوش مصنوعي مؤثر است. عملکرد برخي دولت‌هاي دنيا حاکي از آن است که منافع دانشي هوش مصنوعي به‌قدر کافي بزرگ خواهد بود. سرمايه‌گذاري برخي کشورها مثل فرانسه و چين نشان مي‌دهد که اين کشورها انتظار دارند منافع دانشي محلي اين فناوري بزرگ باشد. بسياري از شرکت‌هاي خصوصي بزرگ دنيا روي هوش مصنوعي سرمايه‌گذاري زيادي انجام دادند. يادگيري ماشيني باعث بهبود در داده‌هاي بيشتر مي‌شود و بنابراين شرکت‌هاي بزرگ و کشورهاي بزرگ‌تر منافع بيشتري به دست مي‌آورند.
از طرف ديگر سرعت انتشار سريع جغرافيايي تحقيقات و نوآوري هوش مصنوعي نشان مي‌دهد که ممکن است رانت‌هاي محلي وجود نداشته باشد. برنامه‌هاي کاربردي تجاري اغلب از محل اختراعات فاصله گرفته‌اند. سالانه هزاران نفر از الگوريتم‌هاي يادگيري ماشيني از کدهاي باز استفاده مي‌کنند. علاوه‌برآن به لحاظ فني، بازدهي کاهنده در مقياس در داده‌ها به دليل آنکه افت در پيش‌بيني‌ها با مجذور ريشه nام بهبود مي‌يابد، اتفاق مي‌افتد.
کاربرد صنعتي هوش مصنوعي هنوز دوران کودکي خود را سپري مي‌کند و ميزان رانت محلي هوش مصنوعي هنوز روشن نيست. بااين‌حال با توجه به سرمايه‌گذاري دولت‌ها در هوش مصنوعي احتمال دارد يک مسابقه رو به پايين شروع شود که اين مسئله احتمالا در موافقت‌نامه‌هاي تجاري آينده ديده مي‌شود.
مسئوليت
برخي محققان حال حاضر دنيا تأکيد مي‌کنند که پيشرفت‌هاي سريع در هوش مصنوعي و رباتيک باعث به‌وجود‌آمدن بحث‌هاي پرجنب‌و‌جوشي در استفاده از قانون جريمه در اين فناوري‌ها شده است. جريمه اقدامي است که به دليل آسيب و زيان مطرح مي‌شود و باعث ايجاد مسئوليت قانوني براي هر فردي است که اين عمل را مرتکب شده است. هدف از ايجاد سيستم جريمه اين است که مردم و شرکت‌ها از آسيب‌رساندن به ديگران پرهيز کنند و آسيب‌ها را جبران کنند.
دراين‌باره پورتر (1990) مطرح مي‌کند که ريسک‌هاي مسئوليت باعث کاهش نوآوري در آمريکا شده است. او بحث مي‌کند چون ميزان جريمه مسئوليت بسيار بالاست، بنگاه‌ها باوجود داشتن منفعت زياد، کمتر دنبال نوآوري مي‌روند و خطر و ريسک دريافت جريمه را تقبل نمي‌کنند. شواهد تجربي درباره مسئوليت بسيار متفاوت از هم هستند. اقتصادداناني معتقدند که رابطه بين مسئوليت و تحقيق و توسعه در سطح فعاليت‌ها (به‌جز موارد با ريسک زياد) مثبت است. در موارد با ريسک زياد نياز به سرمايه‌گذاري بيشتر در فناوري‌هاي بهبود امنيتي بالا است. نتايج برخي تحقيقات نشان مي‌دهد که کاهش خطر جريمه باعث کاهش نوآوري در دستگاه‌هاي پزشکي مي‌شود.
براي هوش مصنوعي تعادل حق مسئوليت در گسترش آن اهميت زيادي دارد . در غياب قوانين شفاف مسئوليت براي محصولات هوش مصنوعي که بسياري از بنگاه‌هاي اقتصادي درگير آن هستند، ممکن است شرکت‌ها در هوش مصنوعي سرمايه‌گذاري نکنند. برای مثال در توليد خودروهاي خودکار، بنگاه‌هاي متعددي مانند توليدکنندگان سنسورها، ارائه‌دهندگان خدمات مخابراتي، توليدکنندگان وسايل نقليه و توسعه‌دهندگان نرم‌افزارهاي هوش مصنوعي ورود دارند. بدون مشخص‌کردن حق مسئوليت شفاف درباره عملکرد ناقص يا معيوب خودروها در هر زمينه، همه بنگاه‌ها ممکن است از سرمايه‌گذاري در توليد اين خودروها دريغ کنند.
در زمينه مراقبت‌هاي بهداشت و سلامت، جراحي رباتيک و تشخيص‌هاي مبني بر يادگيري ماشين ممکن است باعث انتقال مسئوليت مراقبت‌هاي بهداشتي و سلامتي به سمت ابزارهاي صنعتي شود. به همين دليل در بودجه 2017، پارلمان اروپا قوانين و مقررات اتحاديه اروپا را درباره ربات‌هاي پيشرفته و پيچيده، ربات‌ها، اندرويدها و ديگر وجوه هوش مصنوعي تنظيم و تصويب کرد. آمريکا هم در سپتامبر 2017 قوانين مسئوليت براي وسايل نقليه خودکار را تصويب کرد.
در‌اين‌باره اريب‌هاي الگوريتمي بيشتر از ديگر مواردي است که مسئوليت مي‌تواند بر ماهيت و انتشار هوش مصنوعي مؤثر باشد. شواهد تأکيد مي‌کنند که پيش‌بيني‌هاي مبتني بر هوش مصنوعي نسبت به پيش‌بيني‌هاي بشري کمتر اريب دارند اما هنوز آموزش براي خلق داده‌ها توسط انسان انجام مي‌شود؛ بنابراين پيش‌بيني‌هاي مبني بر هوش مصنوعي اين اريب‌ها را از خود بروز خواهند داد.
علاوه‌بر‌آن تصميم‌گيري‌هاي مبني بر هوش مصنوعي بسيار آسان‌تر از تصميم‌گيري مبتني بر انسان است و اين موضوع نيز دعاوي زيادي را درباره مسئوليت باز مي‌کند. الگوريتم‌ها هم مي‌توانند اريب داشته باشند؛ حتي زماني که بنگاه‌ها قصدي در آنها نداشته باشند آموزش داده‌ها به طور وضوح اريب‌ها را نشان نمي‌دهد. در‌اين‌باره نتايج برخي تحقيقات نشان داده است که آگهي‌هاي بدون آموزش علم، تکنولوژي، مهندسي و رياضيات، در فيسبوک و توييتر بيشتر به سمت مردان است تا زنان و اين مؤيد اريب در فيلدهاي علم، تکنولوژي، مهندسي و رياضيات است. آنها نشان دادند که اين تفاوت ناشي از قيمت آگهي بوده و هيچ‌گونه اريب صريحي وجود نداشته است. به‌ويژه الگوريتم‌هاي قيمت‌گذاري پويا، قيمت آگهي‌هاي مربوط به زمان را بالاتر از مردان تنظيم مي‌کند و بنابراین اين الگوريتم‌ها به‌گونه‌اي برنامه‌ريزي شده‌اند که صرفه‌جويي پولي براي مردان بيشتر از زنان
در مورد هر دلار باشد. بنابراین در چنين شرايطي، بنگاه‌ها درباره خطر مسئوليت‌ها کار دشواري دارند. چنين ريسک‌هايي باعث بازدارندگي براي پذيرش هوش مصنوعي مي‌شوند؛ به‌ویژه در شرايطي که الگوريتم‌ها منحرف شوند. به‌طورکلي با دخالت انسان هم اين الگوريتم‌ها براي بنگاه‌ها در مورد ريسک مسئوليت چندان مقبول نيستند.

برای اطلاع از آخرین اخبار و تحلیل‌ها به کانال شرق در «تلگرام» بپیوندید.