چرا آخرالزمان شغلی هوش مصنوعی (احتمالاً) رخ نخواهد داد؟

به نقل از نیویورک‌تایمز، داریو آمودی، مدیرعامل Anthropic می‌گوید که تا نیمی از تمام مشاغل سطح پایه یقه‌سفید در عرض ۵ سال آینده از بین خواهند رفت. مصطفی سلیمان مدیرعامل Microsoft AI بر این باور است که بیشتر مشاغل یقه‌سفید «طی ۱۲ تا ۱۸ ماه آینده به طور کامل توسط یک هوش مصنوعی خودکار خواهند شد.» OpenAI یک سند سیاستی منتشر کرد که در آن خواستار یک هفته کاری ۳۲ ساعته شده است تا هوش مصنوعی به‌جای بیکاری انبوه، اوقات فراغت انبوه ایجاد کند.

اگر روایتی را که آزمایشگاه‌های هوش مصنوعی بیان می‌کنند باور کنید، دشوار است ببینیم چه چیزی بین ما و بیکاری گسترده قرار دارد. هوش مصنوعی به‌گونه‌ای طراحی شده است که با هزینه‌ای ارزان کارهایی که انسان‌ها می‌توانند روی یک کامپیوتر انجام دهند را تقلید کند؛ اما نیازی به خواب ندارد، هرگز سعی نمی‌کند اتحادیه تشکیل دهد و اغلب در وظایف واقعی عملکرد بهتری نسبت به افراد واقعی دارد و البته که شرکت‌ها می‌خواهند انسان‌ها را با این ماشینِ جایگزینِ انسان عوض کنند. شاید هم‌اکنون نیز در حال انجام این کار باشند. شرکت‌های فناوری مانند Block، Meta، Oracle و Microsoft در حال تعدیل نیرو یا بازخرید نیروی انسانی هستند و هوش مصنوعی را به‌عنوان دلیل آن معرفی می‌کنند.

اما احتیاط شرط عقل است. این شرکت‌های فناوری ممکن است در حال جبران یک دوره استخدام بی‌رویه باشند و داستانی را برای بازار بورس تعریف کنند که بیشترین احتمال را برای هیجان‌زده کردن یا جلب رضایت سرمایه‌گذاران دارد. رهبران هوش مصنوعی ممکن است شبکه‌های عصبی را بهتر از بازارهای کار درک کنند یا ممکن است بیش از حد مجذوب محتواهای بازاریابی خود شده باشند.

از یک سو، داده‌های کلان با شواهد روایی/حکایتی همخوانی ندارند. نرخ بیکاری در ماه مارس ۲۰۲۶ معادل ۴.۳ درصد بود؛ درحالی‌که در ماه مارس ۲۰۲۰، این رقم ۴.۴ درصد بود. میانگین درآمد ساعتی پایدار است. مدل Claude Code یک شگفتی است، اما بااین‌حال تقاضا برای مهندسان نرم‌افزار بیشتر شده است. شاید اخراج‌های گسترده در راه باشند؛ شاید هم نه.

بر اساس یافته‌های خبرنگار نیویورک‌تایمز، اقتصاددانان نسبت به وقوع بیکاری گسترده در آینده نزدیک بسیار تردید دارند. «الکس ایماس» (Alex Imas)، اقتصاددان دانشگاه شیکاگو در مقاله‌ای با عنوان What Will Be Scarce?؛ تلاش می‌کند تا اشتباهی را که به‌زعم او در بیشتر گفتمان‌های مربوط به هوش مصنوعی وجود دارد، روشن سازد و می‌نویسد: «پاسخ به هر پرسشی درباره اقتصاد آینده هوش مصنوعیِ پیشرفته، با شناسایی آنچه کمیاب می‌شود آغاز خواهد شد.»

در بخش اعظم تاریخ بشر، کالری کمیاب بوده است. انرژی ما صرف یافتن یا پرورش غذا می‌شد. کشاورزی به طور پیوسته غذا را فراوان‌تر کرد و در نتیجه کالاها کمیاب شدند. سپس کالاها کمیاب شدند؛ لباس‌های دست‌دوم رایج شد و ابزارها گران شدند. نوآوری‌ها در فناوری و تولید، کالاها را ارزان‌تر کرد. سپس، دانش فنی کمیاب شد؛ پزشکان، وکلا و مهندسان نرم‌افزار به دلیل نادر بودن تخصصشان حقوق بالایی دریافت می‌کنند. نگرانی اصلی این است که هوش مصنوعی دانش را فراوان کند و دقیقاً همان‌طور که تولید، پوشاک را به یک کالای مصرفی تبدیل کرد و کشاورزی صنعتی، توت‌فرنگی را به چیزی پیش‌پاافتاده تبدیل، دستاوردهای علمی را به یک کالای تجاری تنزل دهد.

اما همیشه چیزی کمیاب است. مردم به اقتصاد در شکل کنونی‌اش نگاه می‌کنند و می‌پرسند هوش مصنوعی چه وظایفی را می‌تواند انجام دهد؛ درحالی‌که آن‌ها باید بپرسند خودشان مایل نیستند هوش مصنوعی چه مشاغلی را انجام دهد یا هوش مصنوعی باعث خواهد شد تقاضای بیشتری برای چه خدماتی داشته باشند.

در اینجا یک یافته شاعرانه از اقتصادسنجی (econometrics) وجود دارد: هرچه ثروتمندان ثروتمندتر می‌شوند، آن‌ها از سایر انسان‌ها بیشتر می‌خواهند، نه کمتر. ایماس می‌نویسد که آن‌ها «هزینه‌های خود را به سمت کالاها و خدماتی سوق می‌دهند که در آن‌ها عنصر انسانی، تجربه یا معنای اجتماعی اهمیت بیشتری دارد.» آن‌ها به دنبال لباسی با یک داستان، غذایی بااصالت و پیشینه، پزشکانی که ویزیت در منزل انجام می‌دهند، درمانگرانی که به آن‌ها احساس دیده‌شدن می‌دهند، معلمانی که فرزندانشان را می‌شناسند و مربیان شخصی که تمرینات را باتوجه‌به آسیب‌دیدگی‌های آن‌ها تنظیم می‌کنند، هستند. ایماس می‌گوید این بخش رابطه‌ای اقتصاد است و به‌شدت رشد خواهد کرد. انسان‌های بسیار زیادی به‌جای کار با کامپیوترها، با انسان‌های دیگر کار خواهند کرد.

هرچه اتوماسیون بیشتر شود، افراد ارزش بیشتری برای تماس و ارتباط انسانی قائل می‌شوند. قهوه را در نظر بگیرید. زمانی تهیه اسپرسو در خانه کار پرزحمتی بود؛ اما اکنون، دستگاه اسپرسوساز در بیشتر خانه‌ها یافت می‌شود. آیا این امر منجر به بسته‌شدن استارباکس و کاهش قیمت‌ها در کافه‌های محلی شده است؟ مسلماً خیر و حتی کافی‌شاپ‌ها و باریستاهای بیشتری نسبت به قبل وجود دارند. قهوه به‌عنوان یک کالای تجاری، منجر به تقاضای بیشتری برای قهوه به‌عنوان یک تجربه شد. ایماس می‌نویسد: «این واقعیت که کالا کمیاب است، دقیقاً همان چیزی است که به آن معنا می‌بخشد.»

روایت ایماس به حوزه‌ای اشاره دارد که نیروی کار انسانی ممکن است در میان اتوماسیون انبوه به‌سوی آن حرکت کند؛ یعنی نقش‌های انسانی‌تر. اما این احتمال نیز وجود دارد که نیروی کار انسانی اصلاً نیازی به جابه‌جایی چندانی نداشته باشد.

VisiCalc در سال ۱۹۷۹ به‌عنوان نخستین صفحه گسترده الکترونیکی (electronic spreadsheet) برای Apple II عرضه شد. این نرم‌افزار می‌توانست در عرض چند دقیقه کاری را انجام دهد که پیش از آن تیمی از حسابداران برای انجامش به چندین روز زمان نیاز داشتند. پیش‌بینی‌هایی مبنی بر بیکاری گسترده برای دفترداران وجود داشت؛ اما در عوض، تعداد حسابداران طی ۴۰ سال پس از آن چهار برابر شد. «الدار ماکسیموف» (Eldar Maksymov) استاد حسابداری در دانشگاه ایالتی آریزونا می‌نویسد: «صفحه گسترده جایگزین حسابدار نشد؛ بلکه تقاضای پنهان برای هوش مالی را که در تمام این مدت وجود داشت، آزاد کرد تا زمانی که هزینه‌ها به‌اندازه کافی کاهش یابد تا این تقاضا برآورده شود.»

ماکسیموف در حال توصیف «پارادوکس جونز» (Jevons Paradox) است که به‌افتخار «ویلیام استنلی جونز» اقتصاددان بریتانیایی، نام‌گذاری شده است. جونز در سال ۱۸۶۵ به استفاده بریتانیا از زغال‌سنگ علاقه‌مند بود. اندکی پیش از آن نیز «جیمز وات» موتور بخار جدید و بهبودیافته‌ای را اختراع کرده بود که از مقدار معینی زغال‌سنگ، بیش از دو برابر حالت معمول قدرت تولید می‌کرد. اما این اختراع به‌جای کاهش استفاده بریتانیا از زغال‌سنگ، تقاضا برای آن را سه برابر کرد. زغال‌سنگ ارزان منجر به استفاده کمتر از آن نشد؛ بلکه باعث شد از زغال‌سنگ در کارهای بیشتری نسبت به آنچه قبلاً ممکن تصور می‌شد، استفاده شود.

ماکسیموف معتقد است که این دقیقاً همان کاری است که هوش مصنوعی احتمالاً انجام خواهد داد؛ حتی در صنایعی که بیشترین مواجهه را با اختلالات ناشی از آن دارند، تا حدی به این دلیل که قبلاً نیز چنین اتفاقی افتاده است. ماکسیموف می‌نویسد: «در هر گروه شغلی عمده‌ای که به‌شدت از رایانه‌ها استفاده کردند، اشتغال سریع‌تر از گروه‌هایی که چنین استفاده‌ای نداشتند، رشد کرد. رایانه‌ها وظایف خاصی را در درون مشاغل حذف کردند؛ اما کاهش هزینه‌های ناشی از آن، چنان تقاضای جدیدی ایجاد کرد که آن مشاغل در مجموع گسترش یافتند.» رایانه‌ها می‌توانند بسیاری از کارهایی را که زمانی انسان‌ها انجام می‌دادند بر عهده بگیرند، اما انسان‌ها را بیکار نکردند. توانایی انجام کارهای بیشتر باعث شد افراد متوجه شوند که کارهای بیشتری برای انجام‌دادن وجود دارد.

این موضوع کاملاً رایج است. نویسنده نیویورک‌تایمز می‌گوید زمانی که ۱۰ سال پیش پادکست خود را آغاز کرد، تنها محقق آن بود و اکنون تیم فوق‌العاده‌ای در آماده‌سازی قسمت‌های مختلف به او کمک می‌کنند. آیا این کار شغل وی آسان‌تر کرده است؟ به‌هیچ‌وجه. وی زمان بسیار بیشتری را صرف تحقیق و آماده‌سازی می‌کند؛ زیرا تیمش مطالب بسیار بیشتری را برای بررسی و تأمل به وی ارائه می‌دهند، لذا تصمیم می‌گیرد قسمت‌های چالش‌برانگیزتری بسازد زیرا اطمینان دارد که از عهده‌اش بر خواهد آمد.

هر پذیرنده مشتاق هوش مصنوعی که می‌شناسیم، سخت‌تر از همیشه کار می‌کند زیرا کارهای بیشتری وجود دارد که می‌توانند انجام دهند؛ اینکه آیا هوشمندانه‌تر کار می‌کنند، قابل‌بحث است. مطالعات در مورد اینکه آیا هوش مصنوعی افراد را سازنده‌تر می‌کند یا صرفاً به آن‌ها و رؤسایشان توهم بهره‌وری می‌دهد، با یکدیگر اختلاف‌نظر دارند. خواندن آهسته یک کتاب دشوار، بسیار بهتر از دریافت سریع خلاصه‌ای از ۱۲ کتاب است، دست‌و‌پنجه نرم‌کردن با یک پیش‌نویس اولیه، ایده‌های جدید بیشتری نسبت به ویرایش پنج پیش‌نویس نوشته شده با هوش مصنوعی برای شما به ارمغان خواهد آورد. به باور نویسنده نیویورک‌تایمز باید به احساس کارایی بی‌اعتماد بود. افراد زیادی هستند ارتش‌های کوچکی از عامل‌های هوش مصنوعی را در اختیار دارند که به نمایندگی از آن‌ها کار می‌کنند و مطمئناً احساس بهره‌وری بیشتری دارند، اما بهبود کیفیت کار آن‌ها چندان واضح نیست و حتی در برخی موارد، کیفیت کار آن‌ها به‌وضوح کاهش یافته است.

اتان مولیک (Ethan Mollick)، استاد مدرسه Wharton درباره آزمونی که برای ارزیابی هوش مصنوعی استفاده می‌کرد این سؤال را مطرح می‌کند که: «آیا از بهترین انسانِ در دسترس بهتر است؟» از دیدگاه او، پرسش این نبود که آیا هوش مصنوعی از بهترین ویراستار، برنامه‌نویس، درمانگر، محقق، متخصص پوست یا آژانس مسافرتی بهتر است یا خیر؛ پرسش این بود که آیا هوش مصنوعی از بهترین فرد در آن زمینه که می‌توانید در لحظه نیاز به او مراجعه کنید، بهتر است یا نه.

اما بارها دیده‌ایم که هوش مصنوعی از بهترین فرد در دسترس بهتر شده است. هر کس یک درمانگر فوق‌العاده دارد، اما در صورت امکان تنها هفته‌ای یک‌بار می‌تواند او را ببیند، به پزشکان خوبی دسترسی دارد، اما مراجعه به آن‌ها نیازمند صرف وقت و انرژی است. شاید به آن افق رویدادی که در مورد آن به هشدار داده شده بود رسیده‌ایم و هوش مصنوعی در حال جایگزینی انسان‌ها در زندگی ماست.

اما اتفاق عکسی برای نویسنده نیویورک‌تایمز رخ داد. هرچه هوش مصنوعی بهتر شد، نیاز به بحث و گفتگوی بیشتری با انسان‌های اطرافم پیدا کرد. هوش مصنوعی فکر می‌کرد علائم بیماری‌اش نگران‌کننده است، دکتر ویزیتش کرد و مشخص شد که آلرژی است. هوش مصنوعی بینش خوبی در مورد یک چالش شخصی ارائه داد و این موضوع باب گفتگوی جدیدی را با درمانگرش باز کرد. هوش مصنوعی امکان زیرنویس کردن آسان ویدئوها را فراهم کرده و او اکنون با تدوین‌گران ویدئوی بیشتری کار می‌کند. هرچه هوش مصنوعی من بهتر شده است، او انتظارات بیشتری از انسان‌های اطرافش و از خودش پیدا کرده است.

اگرچه وی باور ندارد که اتوماسیون کامل اقتصاد یا حتی بیکاری گسترده، محتمل باشد؛ اما این احتمال را نیز به طور کامل رد نمی‌کند. هوش مصنوعی نوع متفاوتی از فناوری نسبت به نمونه‌های قبلی است؛ شاید انعطاف‌پذیری و ماهیت مکالمه‌ای آن، باعث شود در شرایطی که ابزارهای قبلی ثابت کرده‌اند مکمل هستند، این فناوری به‌عنوان یک جایگزین عمل کند. بااین‌حال، آنچه محتمل‌تر است این است که هوش مصنوعی همه یا بیشتر مشاغل را تصاحب نخواهد کرد؛ اما تعدادی از آن‌ها را خواهد گرفت و به طرز عجیبی، این همان احتمالی است که ما کمترین آمادگی را برای آن داریم.

مقابله با جهانی که در آن هوش مصنوعی جایگزین ۸ میلیون کارمند می‌شود، ممکن است دشوارتر از جهانی باشد که در آن جایگزین ۸۰ میلیون نفر می‌شود. یک رویداد بیکاری گسترده، ما را مجبور به تجدید ساختار کلی اقتصاد خواهد کرد. بحران کووید-۱۹ نمونه‌ای در این زمینه ارائه می‌دهد؛ شوک آن به حدی فراگیر بود که ما به عادت معمول خود مبنی بر مقصر دانستن کارمندان به خاطر بدبختی‌هایشان بازنگشتیم؛ در عوض، ما معماری بی‌سابقه‌ای از حمایت درآمدی ایجاد کردیم که قرنطینه را به دوره‌ای از رفاه غیرمنتظره برای میلیون‌ها کارمند تبدیل کرد.

ما زمانی که جابه‌جایی شغلی محدودتر است، بی‌رحم‌تر عمل می‌کنیم. بهترین تخمین‌ها از نابودی مشاغل در اثر رقابت ایالات متحده با چین، رقمی حدود ۲ میلیون شغل را نشان می‌دهد. این رقم در بستر کل اقتصاد ایالات متحده، جایی که ماهانه حدود ۵ میلیون نفر استخدام می‌شوند و حدود ۵ میلیون نفر شغل خود را ترک می‌کنند یا از دست می‌دهند، ناچیز است. اما این اتفاق برای جوامع خاصی ویرانگر بود و ما برای کمک به آن‌ها کار بسیار بسیار اندکی انجام دادیم.

اگر همه افراد دارای مدرک بازاریابی یا راننده کامیون بیکار شوند، ممکن است وارد عمل شویم؛ اما اگر بیکاری در میان بازاریابان یا رانندگان کامیون صرفاً سه برابر شود، ما همان کاری را انجام خواهیم داد که در گذشته انجام داده‌ایم؛ القا می‌کنیم که این اتفاق تقصیر خودشان است، چند ماه بیمه بیکاری یا چند گزینه بازآموزی ناکارآمد به آن‌ها می‌دهیم و سپس در بیشتر مواقع وضعیت اسف‌بار آن‌ها را نادیده می‌گیریم.

این واقعیت نیز وجود دارد که حتی در شرایطی که هوش مصنوعی مهارت‌های ارتباطی را ارزشمندتر می‌کند، ممکن است آن مهارت‌ها را کمیاب‌تر کند. نسل جوان از گذراندن حدود ۱۲ ساعت در هفته با دوستان در سال ۲۰۰۳ به حدود ۵ ساعت در هفته در سال ۲۰۲۴ رسیده‌اند. هوش مصنوعی می‌تواند خدمتکار این فروپاشی اجتماعی باشد و شبیه‌سازی دیجیتالی از دوستی‌ها و روابط را ارائه دهد بدون اینکه افراد را در معرض زیبایی و رنج روابط واقعی قرار دهد، روابطی که در آن‌ها می‌آموزیم با افراد دیگری ارتباط برقرار کنیم که به معنای واقعی کلمه افرادی دیگر هستند و خواسته‌های آن‌ها صرفاً امتداد خواسته‌های خود ما نیست.

اگر حق با ایماس باشد توانایی ما برای ارتباط حساس و عمیق با سایر انسان‌ها، یک مهارت مرکزی و ارزشمند خواهد بود و این دقیقاً همان مهارتی است که ما در حال ازبین‌بردن آن در جوانان هستیم.

زمانی که نسبت به جهانی که هوش مصنوعی ممکن است رقم بزند احساس خوش‌بینی می‌کنیم، جهانی را تصور می‌کنیم که در آن ما ثروتمندتر از امروز هستیم و تشویق می‌شویم که زندگی‌های اساساً انسانی‌تری داشته باشیم و کارهای اساساً انسانی‌تری انجام دهیم. زمانی که احساس بدبینی می‌کنیم، جهانی شبیه به همان دنیا را تصور می‌کنیم، اما در آن ثروت احتکار خواهد شد و ما برای عمقی از ارتباط انسانی ارزش قائل خواهیم شد که دیگر نمی‌دانیم چگونه آن را فراهم کنیم.