هشدار UNDP: هوش مصنوعی و خطر بازگشت نابرابری جهانی

برنامه توسعه سازمان ملل متحد (UNDP) هشدار می‌دهد: اگر رشد و گسترش هوش مصنوعی بدون مدیریت و سیاست‌گذاری دقیق ادامه یابد، می‌تواند دهه‌ها پیشرفت در کاهش شکاف میان کشورهای ثروتمند و فقیر را خنثی کند. گزارش تازهٔ UNDP نشان می‌دهد که سرعت پذیرش هوش مصنوعی خطر ایجاد یک «انشعاب بزرگ» جدید را دارد مگر اینکه دولت‌ها به سرعت در حوزه سیاست‌ها، مهارت‌ها و زیرساخت‌ها عمل کنند.

چرا UNDP زنگ خطر را به صدا درآورده است

پخش و نفوذ هوش مصنوعی دیگر به‌صورت تدریجی در طول سال‌ها نیست؛ این فناوری در عرض ماه‌ها به مقیاس جهانی می‌رسد. همین شتاب‌گیری در پذیرش و استقرار ابزارهای مبتنی بر هوش مصنوعی محور اصلی هشدار UNDP است. کشورهایی که از پیش ظرفیت‌های محاسباتی قوی، مهارت‌های دیجیتال گسترده و توان حاکمیتی برای مدیریت فناوری را دارند، سهم اصلی منافع اقتصادی ناشی از هوش مصنوعی را به‌دست خواهند آورد. در مقابل، کشورها و جوامعی که فاقد این بنیان‌ها هستند، احتمالاً عقب‌ماندگی عمیق‌تری را تجربه خواهند کرد.

اقتصاددانان UNDP به‌صراحت می‌گویند که خطای اصلی در عصر هوش مصنوعی «قابلیت» است؛ یعنی توانایی فنی، مهارتی و نهادی برای استفاده از فناوری. ملت‌هایی که در مهارت‌ها، آموزش‌های فنی و ظرفیت محاسباتی سرمایه‌گذاری کنند، جهش اقتصادی قابل توجهی خواهند داشت؛ اما دیگران با خطر رکود ساختاری و از دست دادن فرصت‌ها مواجه خواهند شد. به‌عبارت ساده‌تر، روند بلندمدت همگرایی—یعنی نزدیک‌تر شدن کشورهای فقیرتر به کشورهای ثروتمند—ممکن است جای خود را به واگرایی گسترده‌تری بدهد که نابرابری جهانی را تعمیق می‌کند.

چه کسانی بیشترین زیان را تحمل خواهند کرد؟

گزارش دو گروه را به‌طور ویژه آسیب‌پذیر می‌داند: زنان و جوانان. شغل‌هایی که بیشترین سهم نیروی کار زن را دارند، تقریباً دو برابر بیشتر در معرض اتوماسیون یا جایگزینی توسط هوش مصنوعی قرار دارند نسبت به مشاغلی که غالباً مردان را جذب می‌کنند. این امر می‌تواند گسترش نابرابری جنسیتی در بازار کار را تشدید کند، به‌خصوص اگر سیاست‌های حمایتی برای بازآموزی و انتقال نیروی کار به مشاغل با ارزش افزودهٔ بالاتر وجود نداشته باشد.

کارگران جوان، به‌ویژه کسانی که در بازهٔ سنی 22 تا 25 سال قرار دارند، نیز با کاهش فرصت‌های شغلی ورودی روبه‌رو هستند؛ وظایف ابتدایی و تکراری که پیش‌تر راه ورود به بازار کار را فراهم می‌کرد، اکنون قابلیت جایگزینی یا تغییر شکل توسط سامانه‌های هوش مصنوعی را دارند. این روند می‌تواند مسیرهای شغلی اولیه را مختل کند، توانایی جوانان برای کسب تجربهٔ کاری را کاهش دهد و پیامدهای بلندمدت بر درآمد و رشد حرفه‌ای آنها بگذارد.

آسیا-اقیانوسیه: منطقه‌ای از تضادهای شدید

منطقه آسیا-اقیانوسیه نمونهٔ بارز تضادهایی است که UNDP نسبت به آن هشدار می‌دهد. این منطقه میزبان حدود 55 درصد جمعیت جهان است و در عین حال شکاف‌های عمیقی را نشان می‌دهد: چین تقریباً 70 درصد پرونده‌های ثبت اختراع مرتبط با هوش مصنوعی در منطقه را به نام خود ثبت می‌کند، در حالی که تخمین زده می‌شود حدود 3.7 میلیارد نفر در همان منطقه اصلاً از ابزارهای هوش مصنوعی استفاده نمی‌کنند یا به آن‌ها دسترسی ندارند.

اهمیت این شکاف واضح است. اقتصادهای پیشرفته مانند سنگاپور و کرهٔ جنوبی از طریق بهبود بهره‌وری مبتنی بر هوش مصنوعی تریلیون‌ها دلار به تولید ناخالص داخلی خود اضافه می‌کنند. در مقابل، میلیون‌ها نفر در برخی کشورها یا مناطق دسترسی پایدار به اینترنت، سواد دیجیتال یا زیرساخت‌های پایه‌ای را ندارند و عملاً از موتورهای رشد آینده کنار گذاشته می‌شوند.

گام‌های عملی برای جلوگیری از «انشعاب بزرگ»

UNDP تأکید می‌کند که نابرابریی که هوش مصنوعی ممکن است ایجاد کند، اجتناب‌ناپذیر نیست. با اقدامات سریع و هدفمند در سطح سیاست‌گذاری می‌توان هوش مصنوعی را به ابزاری برای شمول اجتماعی تبدیل کرد: تشخیص پزشکی سریع‌تر و دقیق‌تر در مناطق روستایی، برنامه‌های ارتقای سواد و آموزش تطبیقی برای دانش‌آموزان محروم، و طراحی زنجیره‌های غذایی هوشمند که بهره‌وری و تاب‌آوری را افزایش می‌دهند، همگی در دسترس‌اند. در ادامه اولویت‌های سیاستی پیشنهادی گزارش به اختصار آمده است:

• سرمایه‌گذاری مقیاس‌پذیر در مهارت‌های دیجیتال: برنامه‌های فنی و حرفه‌ای، دوره‌های بازآموزی (reskilling) و ارتقای مهارت‌ها (upskilling)، و حمایت هدفمند از زنان و جوانان برای افزایش سهم آن‌ها در اقتصاد دیجیتال.
• گسترش پهن‌باند مقرون‌به‌صرفه و دسترسی به دستگاه‌ها: فراهم کردن اینترنت پایدار و تجهیزات دیجیتال ارزان‌قیمت تا جوامع بتوانند از ابزارهای هوش مصنوعی بهره‌مند شوند و از خدمات آنلاین آموزشی، بهداشتی و اقتصادی استفاده کنند.
• تقویت ظرفیت محاسباتی عمومی و دسترسی به خدمات ابری: ایجاد یا ارتقای دیتاسنترها، فراهم کردن دسترسی ابری برای دانشگاه‌ها، استارتاپ‌ها و نهادهای دولتی در کشورهای در حال توسعه تا هزینهٔ ورود به اقتصاد مبتنی بر داده کاهش یابد و نوآوری محلی تقویت شود.
• ساخت چارچوب‌های حاکمیتی برای اشتراک‌گذاری داده‌ها، حریم خصوصی و استفادهٔ عادلانه از هوش مصنوعی: تدوین قوانین و استانداردهایی که از تمرکز بیش از حد قدرت جلوگیری کند، از حقوق شهروندی در برابر سوءاستفاده محافظت کند و امکان اشتراک داده‌های ایمن و مسئولانه برای نوآوری عمومی را فراهم آورد.
• ترویج همکاری بین‌المللی و انتقال فناوری: تشویق به مشارکت‌های فنی، انتقال دانش و همکاری‌های مالی بین کشورها و سازمان‌های بین‌المللی تا شکاف‌های تکنولوژیک و دسترسی کاهش یابد و عرصهٔ رقابت جهانی منصفانه‌تر شود.

نمونه‌هایی امیدوارکننده از کاربرد هوش مصنوعی در خدمات عمومی هم‌اکنون وجود دارد. پلتفرم مشارکت شهری در بانکوک با بهره‌گیری از ابزارهای هوش مصنوعی نظرات شهروندان را تحلیل می‌کند و آن‌ها را بهبود‌ بخش خدمات عمومی مرتبط می‌سازد، و سیستم‌های مدیریت سیل در پکن از هوش مصنوعی برای پیش‌بینی بهتر وقوع سیلاب و افزایش پاسخ‌پذیری در هنگام بحران استفاده می‌کنند. این نمونه‌ها نشان می‌دهد که هوش مصنوعی می‌تواند وقتی با طراحی هدفمند و نظارت سیاستی همراه باشد، نتایج مثبت عمومی تولید کند.

قابلیت‌هایی مانند تشخیص سریع‌تر بیماری‌ها در کلینیک‌های روستایی یا سیستم‌های آموزش تطبیقی که دانش‌آموزان را در مکان‌هایی که مدارس فیزیکی توان پوشش ندارند، پشتیبانی می‌کنند، واقعیت‌های دسترس‌پذیر هستند؛ اما تحقق آنها مستلزم اقدامات هماهنگ از سوی دولت‌ها، نهادهای چندجانبه، دانشگاه‌ها و بخش خصوصی است. این اقدامات شامل گسترش زیرساخت اینترنت، سرمایه‌گذاری در آموزش معلمان، ایجاد پلتفرم‌های دادهٔ عمومی امن، و طراحی برنامه‌های حمایتی برای گروه‌های آسیب‌پذیر است.

افزون بر این، لازم است کشورها به توسعهٔ ظرفیت‌های حقوقی و نظارتی بپردازند تا استفاده از هوش مصنوعی شفاف، پاسخگو و منصفانه باشد. چارچوب‌های قانونی باید شامل اصولی برای حریم خصوصی، شفافیت الگوریتمی، پاسخگویی در برابر خطاها و فرصت‌های جبران برای افراد متضرر از تصمیمات خودکار باشند. نمونه‌هایی مانند قوانین حفاظت از داده‌ها در اتحادیه اروپا (مانند GDPR) می‌توانند الهام‌بخش باشند، اما هر کشور نیاز دارد چارچوبی سازگار با شرایط بومی خود طراحی کند.

حمایت مالی نیز مسأله‌ای کلیدی است: منابع مالی concessional، کمک‌های فنی و سرمایه‌گذاری‌های عمومی-خصوصی باید هدفمند به سمت توسعهٔ زیرساخت‌ها و آموزش هدایت شوند تا کشورها قادر شوند در اقتصاد دیجیتال رقابت کنند. سازمان‌های بین‌المللی، بانک‌های توسعه منطقه‌ای و صندوق‌های خیرخواهانه می‌توانند نقش مهمی در تامین مالی و انتقال دانش ایفا کنند.

در سطح فناوری، افزایش ظرفیت محاسباتی عمومی به‌معنی سرمایه‌گذاری در مراکز داده محلی، استفاده از خدمات ابری در شرایط مقرون‌به‌صرفه و بهره‌گیری از محاسبات مرزی (edge computing) برای مواردی است که نیاز به پردازش نزدیک به منبع داده دارند. این ترکیب می‌تواند زنجیرهٔ ارزش داده را در داخل کشورها تقویت کند، هزینهٔ دسترسی به مدل‌های بزرگ زبانی و سامانه‌های هوشمند را کاهش دهد و فضایی برای اکوسیستم‌های نوآوری محلی فراهم آورد.

نکتهٔ مهم دیگر حفظ تنوع و توزیع منافع است: جلوگیری از تمرکز شدید مالکیت فناوری و داده در دست چند بازیگر بزرگ می‌تواند از ایجاد ساختارهای قدرت نامتعادل جلوگیری کند. سیاست‌هایی برای تشویق استارتاپ‌های محلی، فراهم کردن دسترسی منصفانه به داده‌ها و زیرساخت‌ها، و حمایت از شبکه‌های تحقیقاتی منطقه‌ای می‌تواند تاثیر مستقیمی بر توزیع منافع داشته باشد.

در پایان، زمان برای اقدام محدود است. گزارش UNDP صریح و روشن اعلام می‌کند: اکنون باید عمل کرد تا هوش مصنوعی به کاهش نابرابری کمک کند، نه تشدید آن. این نیازمند ترکیبی از سیاست‌های اجتماعی-اقتصادی، سرمایه‌گذاری در مهارت‌ها و زیرساخت‌ها، و همکاری بین‌المللی است.