چین یا آمریکا ؛ آینده در انحصار کیست؟

جهان صنعت نیوز – انقلاب هوش مصنوعی، برخلاف بسیاری از تحولات فناورانه پیشین، از آغاز با تمرکز شدید منابع انسانی، مالی و زیرساختی در دو کشور همراه بوده است. ایالات متحده و چین نه‌تنها ۷۰ درصد از پژوهشگران برجسته یادگیری ماشین را جذب کرده‌اند، بلکه ۹۰ درصد توان محاسباتی جهان نیز در اختیار این دو قرار دارد. سرمایه‌گذاری آنان در حوزه هوش مصنوعی نیز بیش از دو برابر مجموع سایر کشورهاست.

در انقلاب‌های پیشین فناوری، کشورهایی که در خط مقدم نبودند، می‌توانستند با گذشت زمان فناوری را جذب کرده و فاصله را کاهش دهند. اما در هوش مصنوعی، ماهیت سرمایه‌بر و انرژی‌محور توسعه سامانه‌های پیشرفته، همراه با چرخه تقویتی میان توان محاسباتی، کیفیت مدل‌ها و جریان سرمایه، امکان همگرایی تدریجی را محدود کرده است. این چرخه موجب می‌شود هر برتری اولیه، مزیت بعدی را تقویت کند و فاصله ساختاری تثبیت شود.

قدرت‌های میانی در تنگنای راهبردی

کشورهایی مانند فرانسه، هند و بریتانیا که از ظرفیت نهادی و منابع اقتصادی قابل توجهی برخوردارند، اما فاقد مقیاس لازم برای ساخت سامانه‌های پیشرفته مستقل هستند، در وضعیتی میانی قرار گرفته‌اند. این کشورها با سه چالش اصلی روبه‌رو هستند.

نخست، دسترسی آنان به سامانه‌های پیشرفته هوش مصنوعی وابسته به تصمیم‌های سیاست‌گذاران در واشنگتن و پکن است. برخلاف کالاهای فیزیکی، قابلیت‌های هوش مصنوعی را نمی‌توان انبار کرد. هر تعامل با یک سامانه پیشرفته، مستلزم دسترسی لحظه‌ای به زیرساختی است که در اختیار تعداد معدودی از شرکت‌های آمریکایی قرار دارد و در نهایت تحت حاکمیت دولت ایالات متحده است. این دولت می‌تواند از طریق کنترل صادرات یا تحریم‌ها، دسترسی را محدود کند.

دوم، حتی در صورت محدودیت دسترسی، قدرت‌های میانی از پیامدهای منفی هوش مصنوعی مصون نخواهند بود. جابه‌جایی شغلی، اختلالات اجتماعی، سوءاستفاده‌های مجرمانه، تهدیدهای سایبری و کاربردهای نظامی، مرز نمی‌شناسند. آسیب‌ها می‌توانند به کشورهایی وارد شوند که در شکل‌دهی فناوری نقشی نداشته‌اند.

سوم، این کشورها ابزار و نفوذ کافی برای هدایت مسیر توسعه هوش مصنوعی را در اختیار ندارند. سهم آنان در تنظیم‌گری جهانی، مالیات‌ستانی از فعالیت‌های مرتبط یا تعیین استانداردهای فنی، محدود است.

وابستگی زیرساختی و توهم حاکمیت

برخی قدرت‌های میانی برای کاهش آسیب‌پذیری خود، به ایجاد مراکز داده داخلی روی آورده‌اند تا مدل‌های خارجی را در خاک خود اجرا کنند. اتحادیه اروپا، کره جنوبی و بریتانیا پروژه‌هایی را برای دسترسی بیشتر به توان محاسباتی حاکمیتی آغاز کرده‌اند. این ابتکارها از سوی شرکت‌های آمریکایی نیز مورد حمایت قرار گرفته‌اند، زیرا ضمن حفظ جریان درآمد، کشورهای متحد را به زیرساخت آمریکا پیوند می‌زنند.

با این حال، چنین سرمایه‌گذاری‌هایی بسیار پرهزینه است و در بسیاری از کشورها با موانع انرژی، هزینه‌های بالا و مقاومت اجتماعی مواجه می‌شود. حتی در صورت احداث این مراکز، وابستگی ادامه می‌یابد؛ زیرا مدل‌ها نیازمند به‌روزرسانی مداوم هستند و بدون ارتباط مستمر با توسعه‌دهنده، به‌سرعت از رقبا عقب می‌مانند. افزون بر این، سخت‌افزار پیشرفته و زنجیره تأمین تراشه‌ها نیز عمدتاً در حوزه کنترل آمریکا قرار دارد و نیازمند جایگزینی و نگهداری مستمر است. بنابراین دستیابی به حاکمیت کامل زیرساختی همچنان دور از دسترس است.

ساخت مدل‌های بومی نیز تاکنون نتوانسته شکاف را پر کند. تلاش‌هایی در فرانسه و کانادا برای توسعه سامانه‌های ملی صورت گرفته، اما مدل‌های پیشرو آمریکایی و چینی از نظر قابلیت و کارایی همچنان برتری دارند و نشانه‌ای از همگرایی سریع دیده نمی‌شود. در چنین شرایطی، بازیگران اقتصادی و امنیتی تمایل دارند از پیشرفته‌ترین گزینه‌های موجود استفاده کنند.

هزینه‌های عقب‌ماندن

آسیب‌پذیری قدرت‌های میانی تنها به مسئله دسترسی محدود نمی‌شود. دفاع سایبری و زیستی پیشرفته، مستلزم ارتباط نزدیک با توسعه‌دهندگان هوش مصنوعی و دسترسی به توان محاسباتی قابل اتکا است. در حوزه نظامی نیز کشورهایی که فاقد قابلیت‌های هوش مصنوعی باشند، ممکن است حتی در برابر بازیگران کوچک‌تر یا غیردولتی که به ابزارهای پیشرفته دست یافته‌اند، آسیب‌پذیر شوند.

از منظر اقتصادی، ناتوانی در همگام شدن با فناوری می‌تواند به کاهش رقابت‌پذیری نیروی کار بینجامد. اثرات بهره‌وری ناشی از هوش مصنوعی در کشورهای پیشرو، فاصله را تشدید خواهد کرد. تجربه اروپا در انقلاب اینترنت که نتوانست منافع اقتصادی آن را به‌اندازه ایالات متحده جذب کند، نمونه‌ای از پیامدهای چنین عقب‌ماندنی است.

یافتن جایگاه در زنجیره ارزش

صرف دسترسی کافی نیست؛ قدرت‌های میانی باید جایگاهی راهبردی در زنجیره ارزش بیابند. این جایگاه می‌تواند در بخش‌های بالادستی مانند تجهیزات تولید نیمه‌رسانا یا داده‌های باکیفیت آموزشی شکل گیرد. نمونه بارز آن شرکت هلندی ASML است که در فناوری لیتوگرافی فرابنفش جایگاهی دارد که به‌راحتی قابل تکرار نیست و هر تولیدکننده تراشه پیشرفته به آن وابسته است.

گزینه دیگر، تمرکز بر گلوگاه‌های پایین‌دستی است؛ یعنی حوزه‌هایی که مدل‌های هوش مصنوعی باید به کاربرد عملی تبدیل شوند، از جمله رباتیک و تولید پیشرفته. در این حوزه‌ها، کشورهایی مانند کره جنوبی، ژاپن و آلمان مزیت دارند و می‌توانند برای ایالات متحده در رقابت با پایه صنعتی چین اهمیت یابند. بخش‌هایی مانند خدمات سلامت، تولیدات تخصصی یا گردشگری نیز ممکن است به دلیل ماهیت انسانی خود در برابر اتوماسیون مقاوم‌تر باشند.

حفظ این دارایی‌ها مستلزم سیاست صنعتی فعال، غربالگری سرمایه‌گذاری خارجی و پرهیز از واگذاری شتاب‌زده دارایی‌های راهبردی است. ارزیابی این بخش‌ها نباید صرفاً بر پایه بازده کوتاه‌مدت صورت گیرد، بلکه باید نقش آن‌ها در اهرم‌سازی ژئو‌اقتصادی آینده در نظر گرفته شود.

خطر وابستگی فناورانه

در صورت مدیریت نادرست، قدرت‌های میانی ممکن است در دام نظمی گرفتار شوند که در آن بار اصلی اختلالات ناشی از هوش مصنوعی را تحمل می‌کنند، بی‌آنکه سهمی متناسب از منافع داشته باشند. چنین وضعیتی به معنای شکل‌گیری دو قطب مسلط در کنار اکثریتی از کشورها خواهد بود که به مصرف‌کنندگان وابسته فناوری تبدیل شده‌اند.

نتیجه نهایی می‌تواند جهانی باشد که بیشتر توان محاسباتی و استعدادها در دو کشور متمرکز شده و بخش بزرگی از جمعیت جهان در حاشیه انقلاب فناوری قرار گرفته‌اند. برای پرهیز از این سناریو، قدرت‌های میانی باید هم در تأمین دسترسی و هم در تعریف نقش اقتصادی خود، تصمیم‌هایی سنجیده و راهبردی اتخاذ کنند؛ در غیر این صورت، خطر گرفتار شدن در وابستگی فناورانه‌ای بلندمدت بسیار جدی خواهد بود.

اخبار برگزیدهدانش و فناوری