مثبت و منفی نفوذ فناوری به زندگی

ناصر غریب‌نژاد:  تحولاتی که طی ماه‌های اخیر در حوزه هوش مصنوعی رخ داده‌اند، نشان می‌دهند که این فناوری وارد مرحله‌ای تازه از قدرت، پیچیدگی و حساسیت شده است. مرحله‌ای که دیگر نمی‌توان آن را بدون سازوکارهای قانونی کارآمد، رویکرد احتیاطی و سیاست بلندمدت درباره پیامدهای اجتماعی، اقتصادی و امنیتی به حال خود واگذاشت. سرعت پیشرفت مدل‌های بزرگ زبانی و سیستم‌های مولد، چنان شتاب گرفته که فاصله میان هر نسل جدید با نسل قبلی نه‌تنها کوتاه‌تر، بلکه کیفی‌تر و عمیق‌تر شده است. این جهش‌های پی‌درپی، مزایا و ظرفیت‌های بی‌نظیری در اختیار شرکت‌ها، کاربران و صنایع قرار می‌دهد؛ اما هم‌زمان خطراتی را آشکار کرده که دیگر نمی‌توان آنها را صرفاً بخشی از یک چشم‌انداز آینده‌نگرانه دانست. این خطرات، اکنون عینی، قابل لمس و حتی در برخی زمینه‌ها قابل‌استفاده هستند.

در چنین زمینه‌ای، انتشار محدود مدلی مانند Claude Mythos توسط شرکت Anthropic یک نقطه عطف به شمار می‌آید. اهمیت این رویداد نه از آن جهت است که یک مدل جدید عرضه شده، بلکه از این جهت است که خودِ شرکت‌سازنده اعلام می‌کند که این فناوری بیش از حد قدرتمند است و باید تنها در اختیار گروهی اندک و گزینش‌شده قرار گیرد. قدرت این مدل در کشف آسیب‌پذیری‌های نرم‌افزاری، شناسایی رخنه‌های امنیتی و تحلیل سامانه‌های زیرساختی آن‌چنان بالا توصیف شده که می‌تواند در صورت استفاده نادرست، تهدیداتی بزرگ برای شبکه‌های بانکی، خدمات درمانی، زیرساخت‌های حیاتی و بخش‌های حساس اقتصادی ایجاد کند. به همین دلیل، نهادهای دولتی و بخش خصوصی بلافاصله واکنش نشان داده‌اند.

این رویداد تنها یکی از نشانه‌های حساسیتی است که در برابر فناوری‌های frontier AI یا مدل‌های پیشرفته در حال شکل‌گیری است. پیش‌تر نیز شرکت Anthropic اعلام کرده بود که اجازه استفاده از مدل‌هایش در برخی حوزه‌ها از جمله تسلیحات کاملاً خودکار یا برنامه‌های گسترده نظارتی را نمی‌دهد. این تصمیمات در ظاهر بخشی از سیاست‌های مسئولانه شرکت‌ها هستند، اما در واقع پیام مهم‌تری دارند: این که میزان قدرت و تأثیرگذاری مدل‌های جدید به‌حدی افزایش یافته که اکنون تصمیم یک شرکت خصوصی می‌تواند سرنوشت حوزه‌ای حیاتی را تعیین کند. همین مسئله موجب شده بحث‌های جدی درباره نقش دولت‌ها، حدود مسئولیت شرکت‌ها و لزوم تعریف چارچوب‌هایی برای کنترل فناوری مطرح شود.

پیامدهای اجتماعی و اقتصادی هوش مصنوعی

با افزایش نگرانی‌ها در مورد پیامدهای اجتماعی و اقتصادی هوش مصنوعی، حساسیت عمومی نیز رشد کرده است. در نظرسنجی‌ها بخش بزرگی از مردم نسبت به پیامدهای این فناوری بدبین هستند و نگران از دست رفتن فرصت‌های شغلی یا تغییرات گسترده در ساختار اقتصادی موجودند. این نگرانی‌ها، حتی اگر هنوز به تجربه مستقیم وابسته نباشند، بر ذهنیت عمومی تأثیر گذاشته و می‌توانند در آینده بر سیاست‌گذاری و تصمیم‌گیری‌های کلان اثر بگذارند. نمونه‌های دیگری از این نگرانی عمومی در مخالفت‌ها با ساخت مراکز داده یا واکنش‌های منفی نسبت به افراد مرتبط با توسعه هوش مصنوعی دیده می‌شود. افزایش چنین حساسیت‌هایی نشان می‌دهد که جامعه به تدریج هوش مصنوعی را نه به عنوان یک ابزار در حاشیه، بلکه به عنوان نیرویی تحول‌آفرین و حتی تهدیدآمیز در مرکز توجه خود قرار داده است.

از جنبه تاریخی، چنین وضعیتی بی‌سابقه نیست و با بررسی تاریخ ۲۰۰ سال معاصر نمونه‌های برجسته‌ای وجود دارد. هر زمان فناوری‌ای توانسته ساختار اقتصادی و اجتماعی موجود را دگرگون کند، افرادی معدود در رأس آن فناوری متمرکز شده و نقش تعیین‌کننده یافته‌اند. این الگو را می‌توان از دوران صاحبان صنایع نفتی و خودروسازی تا دوره‌های بعدی تاریخ اقتصاد مشاهده کرد اما شباهت تاریخی نباید مانع از درک تفاوت‌های بنیادی شود. هوش مصنوعی، برخلاف بسیاری از فناوری‌های گذشته، مرزهای جغرافیایی، صنعتی و سیاسی را به سرعت درمی‌نوردد و این ویژگی، کنترل یا محدودسازی آن را بسیار دشوارتر می‌کند. مدل‌های پیشرفته تنها ماه‌ها جلوتر از رقبای متن‌باز هستند و توانایی آنها به مرور در سطح گسترده‌تری قابل دسترس خواهد بود. بنابراین، حتی انتشار محدود یا کنترل شده نیز ممکن است تنها یک راه‌حل موقت باشد.

پیشنهادهایی درباره ارائه دسترسی محدود به کاربران مورد اعتماد، ایجاد نظام‌های گواهی‌دهی برای مدل‌های جدید یا تعریف معیارهایی برای استفاده امن از این فناوری‌ها، در حال شکل‌گیری است. این اقدامات، در صورت اجرا، می‌توانند بدون ایجاد یک دستگاه نظارتی بزرگ، نوعی نظم اولیه و قابل‌انعطاف به فضای توسعه بدهند. در چنین ساختاری شرکت‌های سازنده مدل‌ها می‌توانند دستاوردهای خود  را ابتدا برای گروهی منتخب از متخصصان امنیتی و سازمان‌های حساس عرضه کنند و پس از ارزیابی‌ها و آزمون‌های بیشتر، امکان دسترسی عمومی ایجاد شود. این شیوه مزیت‌هایی دارد؛ هم منابع محاسباتی محدود مدیریت می‌شود، هم خطرات ناشی از انتشار وسیع مدل‌ها کاهش می‌یابد و هم فرایند تنظیم‌گری بدون ایجاد وقفه در جریان نوآوری انجام می‌شود.

در کنار این مزیت‌ها، این رویکرد دارای چالش‌های مهمی نیز هست. نخست آنکه انتشار محدود می‌تواند رقابت در بازار هوش مصنوعی را کاهش دهد و موجب تثبیت بیش از حد شرکت‌های بزرگ شود. شرکت‌هایی که دسترسی اولیه ندارند، ناگزیر با فاصله‌ای دائمی از رقبا مواجه خواهند شد؛ فاصله‌ای که ممکن است هرگز جبران نشود. این شکاف می‌تواند به کاهش نوآوری و افزایش هزینه دسترسی منجر شود، چرا که شرکت‌های بزرگ در چنین فضایی قدرت تعیین قیمت و کنترل مسیر توسعه را در اختیار می‌گیرند.

از سوی دیگر، ایجاد نظام‌های دسترسی محدود، مسئله عدالت و شفافیت را نیز مطرح می‌کند. زمانی که توانایی استفاده از فناوری‌های تحول‌آفرین تنها در اختیار گروهی محدود قرار می‌گیرد، سایر بخش‌ها و کاربران باید منتظر بمانند تا نسخه‌های کم‌خطرتر یا سبک‌تر در اختیارشان قرار گیرد و این مسئله می‌تواند موجب احساس حاشیه‌نشینی در این  عرصه شود.

مسئله دوم به توانایی کنترل مدل‌های متن‌باز برمی‌گردد. حتی اگر شرکت‌های بزرگ مدل‌های پیشرفته خود را محدود کنند، توسعه‌دهندگان مستقل یا گروه‌های متن‌باز می‌توانند با بهره‌گیری از ابزارهای در دسترس، مدل‌هایی با قابلیت‌های مشابه توسعه دهند. بخش دیگری از چالش‌ها به ابعاد بین‌المللی هوش مصنوعی مربوط است. امنیت و ایمنی این فناوری نمی‌تواند در چارچوب صرفاً یک کشور تضمین شود. همکاری‌های علمی، صنعتی و نظارتی میان کشورها ضروری است،

‌
زیرا مدل‌های پیچیده می‌توانند در هر نقطه‌ای از جهان توسعه یافته و آثار خود را به صورت جهانی منتشر کنند. رقابت میان کشورها در زمینه هوش مصنوعی، علاوه بر جنبه‌های اقتصادی، ابعاد امنیتی نیز دارد و این امر ضرورت تفاهم و هم‌اندیشی را دوچندان می‌کند. در غیاب چنین همکاری‌هایی، تلاش‌های داخلی هر کشور ممکن است ناکافی باشد.در کنار جنبه امنیتی، آثار اقتصادی و اجتماعی هوش مصنوعی نیز باید مورد توجه قرار گیرد. سرعت جایگزینی برخی مشاغل، تغییر ساختار صنایع، افزایش بهره‌وری و در مقابل، احتمال ایجاد نابرابری‌های جدید، همگی نیازمند برنامه‌ریزی و سیاست‌گذاری دقیق هستند. هنوز چارچوب جامع و روشنی برای حمایت از نیروی کار یا سازگاری ساختارهای مالیاتی با اقتصاد مبتنی بر هوش مصنوعی شکل نگرفته است. اگرچه بسیاری از این پیامدها هنوز در آغاز راه هستند، اما بی‌توجهی به آنها می‌تواند شکاف‌های اجتماعی را افزایش داده و واکنش‌های عمومی را تشدید کند.

افزون بر آن، نیاز به توسعه زیرساخت‌های فنی برای پشتیبانی از هوش مصنوعی در حال افزایش است. مراکز داده، شبکه‌های ارتباطی پیشرفته، منابع انرژی و ابزارهای امنیت سایبری از جمله عناصر حیاتی هستند که باید با آهنگ رشد فناوری هماهنگ شوند. هرگونه اختلال در این زیرساخت‌ها می‌تواند پیامدهای گسترده‌ای برای اقتصاد و امنیت دیجیتال داشته باشد. در همین حال، حساسیت‌های عمومی درباره مصرف انرژی یا تأثیرات محیط‌زیستی مراکز داده، برنامه‌ریزی در این حوزه را پیچیده‌تر می‌کند.

در مجموع، لحظه‌ای که با انتشار محدود مدل‌هایی مانند Mythos شکل گرفته، تنها یک تصمیم فنی یا تجاری نیست. این رویداد نوعی هشدار درباره دوره‌ای تازه در توسعه هوش مصنوعی است، دوره‌ای که در آن شرکت‌ها، دولت‌ها و جامعه باید درباره حدود مسئولیت، نقش تنظیم‌گری، تقسیم مزایا و مدیریت خطرات تصمیمات دشوار بگیرند. هرگونه تصمیم‌گیری شتاب‌زده یا بدون درک جامع از ابعاد مختلف، می‌تواند آثار بلندمدتی برجای گذارد. آنچه اکنون ضروری است، گفت‌وگویی گسترده میان متخصصان فنی، پژوهشگران اجتماعی، صنعتگران، سیاست‌گذاران و کاربران است تا بتوان چارچوبی واقع‌بینانه، منعطف و آینده‌نگر برای مدیریت این فناوری طراحی کرد.