دارون عجم اوغلو؛  او یک سال به عنوان مدرس اقتصاد در مدرسه اقتصاد لندن فعالیت کرد تا این که در ۱۹۹۳ میلادی به عضویت هیئت علمی موسسه فناوری ماساچوست (ام آی تی) درآمد. در سال ۲۰۰۰ میلادی او به جایگاه استاد تمامی رسید و در ۲۰۰۴ میلادی استاد کرسی چارلز کیندلربرگر اقتصاد کاربردی شد. او هم چنین عضو پیوسته دفتر ملی پژوهش اقتصادی، مرکز عملکرد اقتصادی، مرکز رشد بین‌المللی، و مرکز پژوهش سیاست اقتصادی است. او در سال ۲۰۰۶ میلادی به عنوان عضو پیوسته فرهنگستان هنر و علوم آمریکا انتخاب شد. او که هم اکنون استاد کرسی الیزابت و جیمز کیلین در اقتصاد در ام آی تی است در زمره ۱۰ اقتصاددان پراستناد بر اساس IDEAS/RePEc است. او در سال ۲۰۰۵ میلادی مدال “جان بیتز کلارک” را برنده شد. عجم اوغلو در سال ۲۰۱۳ میلادی برنده “جایزه فرهنگ و هنر‌های ریاست جمهوری ترکیه” و جایزه دیگری از سوی “فرهنگستان علوم ترکیه” شده بود. کتب متعددی از عجم اوغلو به فارسی ترجمه شده اند که از جمله آن می‌توان به “ریشه‌های اقتصادی دیکتاتوری و دموکراسی” با ترجمه “جعفر خیرخواهان” چاپ شده توسط انتشارات کویر، “راه باریک آزادی” ترجمه “علیرضا بهشتی شیرازی” و “جعفر خیرخواهان” چاپ شده توسط انتشارات روزنه و “چرا ملت‌ها شکست می‌خورند”؟ با ترجمه “محسن میردامادی” و “محمد حسین نعیمی پور” چاپ شده توسط انتشارات روزنه اشاره کرد.

به گزارش فرارو به نقل از پروژه سندیکایی؛ به گفته رهبران فناوری و بسیاری از صاحب نظران و دانشگاهیان هوش مصنوعی آماده است تا از طریق افزایش بهره وری بی سابقه جهانی که تاکنون می‌شناختیم را تغییر دهد. علیرغم آن که برخی بر این باور هستند که ماشین‌ها به زودی هر کاری را که انسان‌ها قادر به انجام آن هستند را انجام خواهند داد و عصر جدیدی از شکوفایی بی پایان را اغاز می‌کنند، دست کم پیش بینی‌هایی با نظری متفاوت، بیش‌تر مستدل هستند. برای مثال، موسسه مالی ین المللی “گلدمن ساکس” در نیویورک پیش بینی می‌کند که هوش مصنوعی مولد تولید ناخالص داخلی جهانی را در دهه آینده ۷ درصد افزایش می‌دهد و موسسه جهانی مک کینزی پیش بینی می‌کند که نرخ رشد تولید ناخالص داخلی سالانه می‌تواند از هم اکنون تا سال ۲۰۴۰ به میزان ۳ تا ۴ درصد افزایش یابد. بخش تحلیل داده‌های اکونومیست نیز انتظار دارد که هوش مصنوعی باعث افزایش درآمد کارگران یقه آبی که کار یدی انجام می‌دهند، شود، زیرا ماشین قادر به انجام کار‌های افراد دارای مهارت‌های فنی نخواهد بود.

آن گونه که اخیرا در مقاله‌ای دیگر اشاره کردم چشم انداز پیش رو بسیار نامطمئن‌تر از آن چیزی است که اکثر پیش بینی‌ها و حدس‌ها نشان می‌دهند. با این وجود، در حالی که نمی‌توان با اطمینان خاطر پیش بینی کرد که هوش مصنوعی در بازه زمانی دو تا سه دهه آینده چه خواهد کرد می‌توان چیزی را در مورد یک دهه آینده گفت و آن این که بخش عمده تاثیر هوش مصنوعی بر اقتصاد در کوتاه مدت باید فناوری‌های موجود و بهبود آن‌ها را شامل شود.

منطقی است که فرض کنیم بیش‌ترین تاثیر هوش مصنوعی از خودکار کردن برخی وظایف و بهره وری بیش‌تر برخی از کارگران در برخی مشاغل باشد. نظریه اقتصادی راهنمایی‌هایی را برای ارزیابی این اثرات کل ارائه می‌دهد. بر اساس قضیه هالتن (که به نام چارلز هالتن اقتصاددان نامگذاری شده است) اثرات کلی «بهره‌وری کل عوامل تولید» (TFP) صرفاً حاصل ضرب سهم کارهایی است که خودکار می‌شوند در میانگین صرفه‌جویی در هزینه.

در حالی که برآورد میانگین صرفه جویی در هزینه دشوار است و بر اساس فعالیت متفاوت خواهد بود، پیش‌تر مطالعات دقیقی در مورد تاثیرات هوش مصنوعی بر برخی وظایف انجام شده است. برای مثال، “ویتنی ژانگ” تاثیر Chat GPT را بر کار‌های ساده نوشتاری مانند خلاصه کردن اسناد یا نوشتن پیشنهاد‌های کمک هزینه معمول یا مطالب بازاریابی داده و “لیندی ریموند” استفاده از دستیاران هوش مصنوعی در خدمات مشتریان را ارزیابی کرده اند. در مجموع نتایج این ارزیابی‌ها نشان می‌دهند که ابزار‌های هوش مصنوعی مولد در حال حاضر باعث صرفه جویی ۲۷ درصدی در هزینه نیروی کار و صرفه جویی ۱۴.۴ درصدی در هزینه کلی می‌شوند.

سهم وظایفی که تحت تأثیر هوش مصنوعی و فناوری‌های مرتبط قرار می‌گیرد چه خواهد بود؟

با استفاده از اعداد حاصل از مطالعات اخیر من تخمین می‌زنم که این میزان حدود ۴.۶ باشد بدان معنا که هوش مصنوعی بهره وری کل عوامل را تنها ۰.۶۶ درصد در طول ده سال یا ۰.۰۶ درصد به صورت سالانه افزایش می‌دهد. البته از آنجایی که هوش مصنوعی باعث رونق سرمایه گذاری نیز می‌شود افزایش رشد تولید ناخالص داخلی می‌تواند کمی بیش‌تر شاید در محدوده ۱ تا ۱.۵ درصد باشد.

این ارقام بسیار کوچک‌تر از ارقام گلدمن ساکس و مک کینزی هستند. اگر می‌خواهید اعداد بزرگ تری را به دست آورید یا باید دستاورد‌های بهره وری را در سطح خرد افزایش دهید یا فرض کنید که وظایف بیش‌تری در اقتصاد تحت تاثیر قرار خواهند گرفت. اما هیچ یک از این دو سناریو قابل قبول به نظر نمی‌رسند. صرفه جویی در هزینه نیروی کار بسیار بالاتر از ۲۷ درصد نه تنها از محدوده ارائه شده توسط مطالعات موجود خارج می‌شود بلکه حتی با اثرات مشاهده شده سایر فناوری‌های امیدوار کننده‌تر نیز همخوانی ندارد. برای مثال، ربات‌های صنعتی برخی از بخش‌های تولیدی را متحول کرده اند و به نظر می‌رسد هزینه‌های نیروی کار را تا حدود ۳۰ درصد کاهش داده اند. به طور مشابه بعید به نظر می‌رسد که بیش از ۴.۶ درصد از وظایف بر عهده گرفته شود، زیرا هوش مصنوعی به هیچ وجه به توانایی انجام بیشتر وظایف دستی یا اجتماعی (از جمله عملکرد‌های به ظاهر ساده با برخی جنبه‌های اجتماعی مانند حسابداری) نزدیک نیست. نتیجه نظرسنجی‌ای انجام شده در سال ۲۰۱۹ میلادی از میان تمام مشاغل ایالات متحده نشان داد که تنها حدود ۱.۵ درصد از آن مشاغل در زمینه هوش مصنوعی سرمایه گذاری کرده بود. حتی اگر چنین سرمایه گذاری‌هایی در طول یک سال و نیم گذشته افزایش یافته باشند نیز ما تا فراگیر شدن هوش مصنوعی راهی بسیار طولانی در پیش خواهیم داشت.

البته اگر هوش مصنوعی فرآیند اکتشافات علمی را متحول کند یا وظایف و محصولات جدید زیادی ایجاد نماید می‌تواند تأثیرات بزرگ تری از آن چیزی که تحلیل من اجازه می‌دهد به همراه داشته باشد. اکتشافات اخیر ساختار‌های کریستالی جدید با قابلیت هوش مصنوعی و پیشرفت در تا کردن پروتئین چنین احتمالاتی را نشان می‌دهد. با این وجود، بعید به نظر می‌رسد که این پیشرفت‌ها منبع اصلی رشد در یک دهه آینده باشند. حتی اگر بتوان اکتشافات جدید را بسیار سریع‌تر آزمایش کرد و به محصولات واقعی تبدیل نمود صنعت فناوری در حال حاضر بیش از آن که وظایف تولیدی جدیدی را برای کارگران معرفی کند بیش از حد بر روی اتوماسیون و کسب درآمد از داده‌ها متمرکز شده است.

علاوه بر این، حتی شاید من نیز در تخمین خود تاثیر هوش مصنوعی را دست بالا گرفته باشم. پذیرش اولیه هوش مصنوعی مولد به طور طبیعی در جایی اتفاق می‌افتد که عملکرد مناسبی داشته باشد یعنی وظایفی که معیار‌های عینی موفقیت برای آن وجود دارد مانند استفاده از آن در برنامه نویسی ساده یا تایید اطلاعات. در اینجا مدل مبتنی بر هوش مصنوعی می‌تواند بر اساس اطلاعات بیرونی و داده‌های تاریخی در دسترس، بیاموزد. با این وجود، بخش عمده از ۴.۶ درصد وظایفی که می‌توانند ظرف مدت ده سال اتوماتیزه (خودکاری) شوند از ارزیابی اپلیکیشن‌ها گرفته تا تشخیص مشکلات سلامتی و ارائه مشاوره مالی معیار‌های عینی و مشخصی برای موفقیت ندارند و اغلب شامل متغیر‌های پیچیده وابسته به بستر و زمینه هستند یا به زبان ساده‌تر آن چه برای یک بیمار خوب است برای بیمار دیگر مناسب نخواهد بود. در این موارد یادگیری از مشاهدات بیرونی بسیار سخت‌تر است و مدل‌های مبتنی بر هوش مصنوعی مولد باید بر رفتار کارگران موجود تکیه کنند. در چنین شرایطی فضای کم تری برای هوش مصنوعی مولد به منظور پیشرفت عمده در مقایسه با نیروی کار انسانی وجود خواهد داشت. با لحاظ کردن این مورد رقم رشد ۰.۶۶ درصدی بهره وری کل عوامل به حدود ۰.۵۳ درصد کاهش خواهد یافت.

در مورد تاثیر هوش مصنوعی مولد بر کارگران، دستمزد‌ها و نابرابری وضعیت چگونه خواهد بود؟

خبر خوب آن است که در مقایسه با موج‌های قبلی اتوماسیون مانند امواج مبتنی بر ربات‌ها یا سیستم‌های نرم افزاری تاثیرات هوش مصنوعی ممکن است به طور گسترده تری در بین گروه‌های جمعیتی توزیع شود. اگر چنین باشد هوش مصنوعی تاثیر گسترده‌ای بر نابرابری مانند فناوری‌های اتوماسیون قبلی نخواهد داشت. با این وجود، من هیچ گونه شواهدی پیدا نکردم که نشان دهد هوش مصنوعی نابرابری را کاهش دهد یا آن که رشد دستمزد را افزایش خواهد داد. برخی از گروه‌ها به ویژه زنان سفید پوست به طور قابل توحهی بیش‌تر در معرض خطر قرار می‌گیرند و هوش مصنوعی مولد آنان را به شکلی منفی تحت تاثیر قرار خواهد داد و به طور کلی سرمایه بیش از نیروی کار سود خواهد برد.

نظریه اقتصادی و داده‌های موجود چشم انداز متوسط و واقع بینانه تری را برای هوش مصنوعی توجیه می‌کند. هوش مصنوعی همان چیزی است که اقتصاددانان آن را فناوری همه منظوره می‌نامند. ما می‌توانیم کار‌های زیادی با آن انجام دهیم و مطمئنا کار‌های بهتری نسبت به خودکار کردن کار و افزایش سودآوری تبلیغات دیجیتال وجود دارد. با این وجود، اگر خوش بینی فنی را بدون انتقاد بپذیریم و اجازه دهیم صنعت فناوری دستور کار را تعیین کند بسیاری از ظرفیت‌های بالقوه ممکن است به هدر بروند.