قدرت در دستان الگوریتم‌ها؛ آینده را چه کسی می‌سازد؟
هوش مصنوعی می‌تواند هم به ابزاری برای اقتدارگرایی تبدیل شود و هم بستری برای تقویت دموکراسی باشد؛ انتخاب میان این دو آینده، وابسته به معماری نهادی، مدل‌های توسعه و اراده سیاسی دولت‌ها است.
جهان صنعت نیوز – هوش مصنوعی دیگر یک ابزار فناورانه صرف نیست و به بخشی جدی از معادلات سیاسی و اقتصادی جهان بدل شده است. مدل‌های زبانی بزرگ (LLMs) و دیگر فناوری‌های مرتبط به‌سرعت در سیاستگذاری، اقتصاد، نظامی‌گری و حتی فرهنگ روزمره نفوذ کرده‌اند. از یک سو ایالات متحده و چین درگیر رقابتی راهبردی بر سر توسعه و کنترل این فناوری هستند و از سوی دیگر، نهادهای سیاسی و شرکت‌های بزرگ به دنبال بهره‌گیری از آن برای افزایش قدرت و کنترل خود بر جامعه‌اند. در این میان پرسش اصلی این است: آیا ماهیت هوش مصنوعی ذاتاً با تمرکز قدرت و اقتدارگرایی همسو است یا می‌تواند در خدمت توزیع قدرت و تقویت دموکراسی قرار گیرد؟
هوش مصنوعی ذاتاً اقتدارگرا است
پیتر تیل، سرمایه‌گذار و نظریه‌پرداز شناخته‌شده سیلیکون‌ولی در سال ۲۰۱۹ هشدار داد که هوش مصنوعی می‌تواند ماهیتی کمونیستی داشته باشد. او معتقد بود هوش مصنوعی به جای باز کردن فضا برای نوآوری‌های پراکنده و کوچک، دوباره جهانی می‌سازد که در آن چند دولت بزرگ، چند شرکت بزرگ و چند ابررایانه همه‌چیز را کنترل می‌کنند. تیل این آینده را تمرکزگرایی عظیم و حتی توهمی از همه‌چیزدانی توصیف کرد؛ جایی که کامپیوترها و سازمان‌ها بیش از خود افراد درباره آنان می‌دانند.
این هشدار ریشه در نگرانی از معماری فنی و نهادی هوش مصنوعی دارد. سیستم‌هایی که به سرمایه، داده، انرژی و زیرساخت‌های عظیم نیاز دارند، به‌طور طبیعی در اختیار بازیگران محدود قرار می‌گیرند و خطر انحصار دیجیتال را افزایش می‌دهند.
تاریخچه‌ای از گرایش به تمرکز در هوش مصنوعی
از دهه ۱۹۵۰ که نخستین پروژه‌های هوش مصنوعی آغاز شد، الگوهای توسعه آن اغلب متمرکز و تک‌قطبی بوده‌اند. علت این امر دو نکته بود.
- پیچیدگی مسأله: بسیاری از مسائل مانند بازی شطرنج یا پردازش زبان طبیعی چنان بزرگ بودند که بدون قدرت سخت‌افزاری عظیم نمی‌توانستند حل شوند.
- حامیان نهادی: دولت‌ها و ارتش‌ها در دوران جنگ سرد مهم‌ترین پشتیبان پروژه‌های هوش مصنوعی بودند. در شوروی، نظام اقتصادی برنامه‌ریزی‌شده بستر ذهنی برای الگوبرداری از برنامه‌ریزی مرکزی فراهم کرد. در ایالات متحده و ژاپن، پروژه‌های بزرگ مانند سیستم‌های خبره یا ابتکار محاسبات راهبردی بر اساس همان منطق پروژه‌های دولتی متمرکز طراحی شدند.
به بیان دیگر، گرایش به تمرکز نه‌فقط از ذات فناوری بلکه از ساختارهای سیاسی و اقتصادی زمانه نشأت گرفته است.
مسأله دانش پراکنده: چرا تمرکز مشکل‌ساز است؟
یکی از مهم‌ترین نقدها به دیدگاه تمرکزگرایانه، بحث دانش پراکنده است که اقتصاددان اتریشی، فردریش هایک مطرح کرده بود. به‌زعم او هیچ برنامه‌ریز مرکزی نمی‌تواند تمام اطلاعات مورد نیاز برای اداره یک اقتصاد را در اختیار داشته باشد. ارزش واقعی در شبکه‌ای از میلیون‌ها فرد نهفته است که هرکدام بخشی از دانش محلی را دارند.
نمونه امروزی این واقعیت، شرکت TSMC تایوان است. حتی اگر چین بتواند تجهیزات و کارخانه‌های این شرکت را تصرف کند، باز هم بدون شبکه جهانی تأمین‌کنندگان و متخصصان قادر به کنترل کامل نخواهد بود. دانش و توان تولید در اینجا پراکنده و شبکه‌ای است. هوش مصنوعی نیز همین مشکل را دارد. ساختن یک نابغه درون جعبه ساده‌تر است اما بازسازی پیچیدگی بازارها، نهادها و جوامع انسانی بسیار دشوارتر.
روند توسعه هوش مصنوعی همواره چرخه‌ای مشابه داشته است. در ابتدا، محققان می‌کوشند هوش انسانی را تقلید کنند (استفاده از قواعد و هیوریستیک‌ها). با افزایش قدرت سخت‌افزاری، این قواعد کنار گذاشته می‌شود و روش‌های brute force (قدرت محاسباتی صرف) جای آن را می‌گیرد.
نمونه بارز آن شطرنج رایانه‌ای است. در دهه ۱۹۵۰ تقلید از روش‌های ذهنی انسان مبنا بود اما با ظهور سخت‌افزارهای قدرتمند، رویکرد brute force پیروز شد. این الگو در بسیاری از حوزه‌های هوش مصنوعی تکرار شده و باعث شده وعده هوش عمومی مصنوعی همیشه در آینده‌ای دور باقی بماند.
مقایسه با نرم‌افزارهای سنتی: لینوکس در برابر معماری متمرکز
اگر به نرم‌افزارهای سنتی نگاه کنیم، تصویر متفاوتی دیده می‌شود. سیستم‌عامل لینوکس نمونه‌ای است که توسط هزاران توسعه‌دهنده در سراسر جهان، به صورت ماژولار، توزیع‌شده و متن باز ساخته و نگهداری می‌شود. این سیستم‌عامل در گوشی، کنسول بازی، ابررایانه و حتی پروژه‌های فضایی کاربرد دارد.
برخلاف آن، بسیاری از سیستم‌های هوش مصنوعی ساختاری همه یا هیچ دارند و حذف یک جزء می‌تواند کل سامانه را از کار بیندازد. این یکپارچگی شدید، انعطاف‌پذیری و قابلیت توزیع را کاهش می‌دهد و زمینه تمرکز قدرت در دست تعداد کمی بازیگر را تقویت می‌کند.
آیا تمرکز اجتناب‌ناپذیر است؟
با وجود این، تمرکزگرایی در هوش مصنوعی صرفاً پیامد ویژگی‌های فنی نیست. همان‌قدر که از ذات فناوری ناشی می‌شود، از ساختارهای سیاسی و اقتصادی حامیان آن نیز ریشه می‌گیرد. دولت‌ها و شرکت‌های بزرگ پروژه‌هایی را پشتیبانی می‌کنند که با بوروکراسی و مدل ذهنی خودشان همخوانی دارد. به همین دلیل، انحصار و تمرکز تا حد زیادی بازتاب نهادی است، نه ضرورت فناورانه.
امروز برخی پژوهشگران معتقدند مدل‌های زبانی بزرگ می‌توانند به جای عامل هوشمند واحد، نوعی فناوری فرهنگی باشند؛ همانند نوشتار، چاپ یا ویکی‌پدیا. این فناوری‌ها ابزارهایی برای سازماندهی و انتشار دانش جمعی‌اند. در این دیدگاه، LLMها بیش از آنکه مغز مصنوعی باشند، شبیه بستری برای هماهنگی رفتار انسانی عمل می‌کنند. اگر این مسیر ادامه یابد، آینده هوش مصنوعی می‌تواند به سمت معماری‌های مشارکتی و توزیع‌شده حرکت کند؛ جایی که توسعه‌دهندگان، کاربران و نهادهای نظارتی با هم شبکه‌ای از قواعد، کاربردها و تنظیم‌گری ایجاد می‌کنند.
با گسترش هوش مصنوعی، نهادهای جدیدی برای تنظیم و مدیریت پیامدهای آن پدیدار خواهند شد. این نهادها می‌توانند اثرات منفی مانند انحصار، نقض حریم خصوصی یا استفاده نظامی از هوش مصنوعی را مهار کنند. تجربه تاریخی نشان داده است که تنظیم‌گری اجتماعی و نهادی می‌تواند مانع از تمرکز مطلق فناوری در دست عده‌ای محدود شود.
دو آینده متفاوت
سرنوشت هوش مصنوعی هنوز بسته نشده است. دو مسیر پیش‌رو وجود دارد:
- مسیر تمرکز و اقتدارگرایی: انحصار در دست دولت‌ها و شرکت‌های بزرگ، تحقق همان هشدار پیتر تیل.
- مسیر توزیع و مشارکت: معماری باز و شبکه‌ای، شبیه به ویکی‌پدیا یا لینوکس که دانش جمعی را تقویت و قدرت را توزیع می‌کند.
انتخاب میان این دو مسیر به تصمیم‌های سیاسی و نهادی امروز بستگی دارد. اگر جامعه علمی و سیاستگذاری به سمت پذیرش مدل‌های توزیع‌شده حرکت کند، می‌توان آینده‌ای متفاوت از پیش‌بینی تاریک ثیل رقم زد.
اخبار برگزیدهدانش و فناوریلینک کوتاه :