چگونه اقتصادهای نوظهور، هوش مصنوعی را ابزاری برای تسریع توسعه میبینند؟
نیمه پُر اتوماسیون
در سفر اخیرم به قزاقستان، شور و اشتیاق مردم به هوش مصنوعی برایم بسیار جالب بود. تقریبا همگان، از دانشگاهیان و سیاستگذاران گرفته تا کارآفرینان، متقاعد شده بودند که این فناوری به حل چالش‌های دشواری کمک خواهد کرد؛ چالش‌هایی نظیر متنوع‌سازی اقتصاد برای رهایی از وابستگی به منابع طبیعی و گسترش دسترسی به خدمات ضروری، به‌ویژه برای ساکنان مناطق دوردست.
تصور می‌کردم که گسترش دانش هوش مصنوعی کندتر باشد، اما شاید این نگرش مثبت نباید غافلگیرکننده می‌بود. چرا که توسعه شتابان هوش مصنوعی، در واقع فرصت‌های مغتنمی برای اقتصادهای نوظهور به همراه دارد.
همان‌طور که آخرین گزارش توسعه انسانی سازمان ملل نیز نشان می‌دهد، جمعیت اقتصادهای نوظهور نه‌تنها از این فرصت‌ها به‌خوبی آگاه هستند، بلکه نسبت به همتایان خود در کشورهای توسعه‌یافته، خوش‌بینی بیشتری به این فناوری دارند. در اقتصادهای پیشرفته، مباحث مربوط به هوش مصنوعی به‌سرعت به سمت هراس از اتوماسیون افراطی، از دست رفتن مشاغل و اختلال در بازار کار کشیده می‌شود. اگرچه جمعیت اقتصادهای نوظهور نیز نگران موج اتوماسیون هستند، اما آنان بیش از آن، در انتظار ارتقای توانمندی‌ها و همکاری انسان و ماشین به سر می‌برند.
شاید در نگاه اول، برجسته کردن خطر شکاف دیجیتال هوش مصنوعی وسوسه‌انگیز باشد؛ بدین معنا که کشورهای پردرآمد به‌طور نامتناسبی از این فناوری سود ببرند و کشورهای با درآمد کم و متوسط، بیشتر عقب بمانند. اما چنین نگرانی‌هایی تنها بر یک بعد از انقلاب هوش مصنوعی متمرکز است، یعنی توسعه مجموعه‌ای روزافزون از ابزارهای قدرتمند که قرار است برای پیشبرد اکتشافات علمی، افزایش بهره‌وری، تولید محصولات و خدمات جدید یا خودکارسازی وظایف پیچیده (از طریق عامل‌ها) به کار گرفته شوند؛ وظایفی که مستلزم برنامه‌ریزی، توالی‌یابی و یکپارچه‌سازی مراحل است.
از آنجا که تنها معدودی از کشورها قادر به تامین الزامات چنین کاری از نظر مقیاس، سرمایه‌گذاری و زیرساخت هستند، این‌گونه فعالیت‌ها در حال حاضر عمدتا در ایالات متحده و چین متمرکز شده است.
اما ساخت مدل همه‌چیز نیست. انقلاب هوش مصنوعی ابعاد دیگری نیز دارد؛ از جمله پرس‌وجو، انطباق، تنظیم دقیق (fine-tuning) و به‌کارگیری ابزارهای موجود برای حل مسائل بومی و تسریع یادگیری. هزینه‌های این فعالیت‌ها بسیار کمتر است و با گسترش مدل‌های متن‌باز (که بسیاری از آنها در چین توسعه‌یافته‌اند) همچنان رو به کاهش خواهد بود. در نتیجه، عرصه برای نوآوری در طیف گسترده‌ای از کشورها کاملا باز است.
اگرچه این بعد از انقلاب هوش مصنوعی بسیار در دسترس‌تر است، اما همچنان به زیرساخت‌های اولیه‌ای، به‌ویژه تامین برق مطمئن و اتصال به اینترنت همراه، نیاز دارد. دسترس‌پذیری در اینجا نقشی کلیدی دارد. وجود اینترنت پرسرعت و بسته‌های اینترنتی مقرون‌به‌صرفه ضروری است، به‌خصوص برای اطمینان از اینکه خودِ کاربران در حال تولید داده‌هایی هستند که سوخت بسیاری از کاربردهای مهم هوش مصنوعی را تامین می‌کند.
برای آنکه این داده‌ها تحول‌آفرین باشند، باید سیال و قابل اشتراک‌گذاری باشند. بنابراین، وجود ساختارهای رگولاتوری دقیق که امکان جابه‌جایی امن داده‌ها را (البته با اجازه و کنترل افراد) فراهم کند نیز ضروری است. رابط پرداخت یکپارچه هند (UPI) که تبادل امن پرداخت‌ها و داده‌های مالی را تسهیل می‌کند، الگوی مفیدی در این زمینه است.
به محض فراهم شدن این شرایط (که در بسیاری از اقتصادهای نوظهور از قبل فراهم است)، امکانات پیاده‌سازی راه‌حل‌های دیجیتال و مبتنی بر هوش مصنوعی تقریبا بی‌پایان خواهد بود. این راه‌حل‌ها، برای شروع، شامل خدمات مالی برای افراد و کسب‌وکارهایی می‌شود که پیش از این دسترسی چندانی به این خدمات نداشته‌اند.
برای افرادی با دارایی‌های محدود، فاقد سوابق مالی یا تجاری قابل دسترس و در برخی موارد، با مدارک شناسایی ناقص، دسترسی به منابع مالی از کانال‌های سنتی یا بسیار پرهزینه است یا اساسا غیرممکن. اما اکنون ابزارهای دیجیتال، ابزاری مقرون‌به‌صرفه برای پر کردن این شکاف‌های اطلاعاتی ارائه می‌دهند. همزمان با جایگزینی اقتصاد نقدی با سیستم‌های پرداخت دیجیتال و روی آوردن خانوارها و کسب‌وکارهای کوچک به حساب‌های بانکی و کیف پول‌های الکترونیکی، انباشت داده‌ها (در صورت مدیریت صحیح) مشکل ناشناختگی را حل خواهد کرد.
در این مرحله، ارزیابی اعتباری مبتنی بر هوش مصنوعی می‌تواند سنگ بنای نسخه‌های پایدار، مقیاس‌پذیر و سودآوری از اعتبارات خرد باشد و به کسب‌وکارها امکان رشد و استخدام افراد بیشتر را بدهد. همزمان، پلتفرم‌های تجارت الکترونیک به کسب‌وکارهای کوچک امکان دسترسی به بازاری بزرگ‌تر و (به کمک هوش مصنوعی) هدفمندتر را می‌دهند و بدین ترتیب، از رشد، پویایی و نوآوری بیشتر حمایت می‌کنند.
این فرصت‌ها به امور مالی و بازرگانی محدود نمی‌شوند. در حوزه‌های بهداشت و آموزش نیز، اپلیکیشن‌های دیجیتال (که بسیاری از آنها مبتنی بر هوش مصنوعی هستند) برای گسترش دسترسی به خدمات به کار می‌روند؛ به‌ویژه برای افرادی که در مناطق پرتراکم و برخوردار از خدمات زندگی نمی‌کنند یا به آنها دسترسی ندارند.
هوش مصنوعی همچنین می‌تواند فراگیری دانش و مهارت‌ها را (که بنیان سرمایه انسانی است) پشتیبانی و تسریع کند. بهبود پایدار سرمایه انسانی، یکی از ارکان اصلی در تمام تجربه‌های موفق توسعه است. همه افراد به کلاس درس یا معلم خصوصی دسترسی ندارند، اما با وجود زیرساخت‌های مناسب، هر فردی می‌تواند با یک مدل هوش مصنوعی مولد گفت‌وگو کند؛ مدلی که گویی تمام گنجینه دیجیتال موجود در هر رشته و به هر زبانی را خوانده و تا حدی درک کرده است. این امر تاثیرات مستقیمی بر بهره‌وری، رشد و توسعه خواهد داشت.
افزون بر این، در برخی محیط‌های کاری، هوش مصنوعی می‌تواند زمان آموزش را کوتاه و بهره‌وری کارکنان را افزایش دهد. بخش خدمات مشتریان را در نظر بگیرید. دستیاران هوش مصنوعی می‌توانند راهنمایی‌های گزینش‌شده مبتنی بر تجربیات انباشته را در اختیار کارشناسان تازه‌کار قرار دهند. این کار، فرآیند یادگیری را تسریع می‌کند و به کارشناسان امکان می‌دهد تا از همان ابتدا، پشتیبانی بهتری ارائه دهند.
این الگو در طیف وسیعی از مشاغل و بخش‌ها، از پرستاری گرفته تا توسعه نرم‌افزار، قابل پیاده‌سازی است. اقتصادهای نوظهور شاید در ساخت مدل‌های هوش مصنوعی پیشگام نباشند، اما به‌خوبی می‌توانند از این فناوری برای پیشبرد اهداف توسعه اقتصادی و اجتماعی خود بهره بگیرند. خوشبختانه، این نکته از چشم آنان دور نمانده است و آنان دقیقا همین قصد را دارند.
* برنده نوبل اقتصاد
