سایت تجدد سایت تجدد

هم‌ترازیِ معکوس: بشر برای شکوفایی در دههٔ پیش‌رو به چه نیاز دارد؟

نوشتهٔ مدیر وب سایت — آگوست 1, 2026

بشنوید
نسخهٔ صوتی این نوشتار
۰:۰۰

۰:۰۰

1. حادثه‌ای که شکاف را آشکار کرد. در ژوئن ۲۰۲۶ دولت آمریکا شرکت آنتروپیک را ملزم کرد دسترسی اتباع غیرآمریکایی — از جمله کارمندان خودِ شرکت — را به دو مدل پیشرفتهٔ خود قطع کند. شرکت ظرف چند ساعت این مدل‌ها را برای همهٔ مشتریان از کار انداخت.نویسندگان مقالهٔ نوئما این رخداد کوتاه را نشانه‌ای می‌دانند از یک واقعیت بزرگ‌تر: توانایی خام این سامانه‌ها با سرعتی رشد می‌کند که نهادهای ساخته‌شده برای فهم، جذب و حکمرانی بر آن‌ها هرگز به آن نمی‌رسند.

این تشخیص تازه نیست. داریو آمودی، مدیرعامل آنتروپیک، در یادداشتی با عنوان «سیاست‌گذاری بر منحنی نمایی هوش مصنوعی» همین ناهم‌زمانی را برجسته کرده بود: قابلیت‌ها نمایی رشد می‌کنند و نهادهای سیاسی و اجتماعی با ریتم همیشگی خود پیش می‌روند. آنچه مقالهٔ نوئما را متمایز می‌کند، نه تکرار این هشدار، بلکه انگشت‌گذاشتن بر یک عدم‌تقارن در خودِ گفتار نگرانی است.

گفتار مسلط دربارهٔ هوش مصنوعی در دو زمینه به‌شکل چشمگیری بلندپروازانه و مشخص است: ساختن سامانه‌های تواناتر، و هم‌راستا کردن آن سامانه‌ها با ارزش‌های انسانی. اما دربارهٔ سومین مسئله — آماده‌سازی جامعه برای جذب این سامانه‌ها — چیزی جز کلی‌گویی وجود ندارد. حتی متن‌هایی که دستور کار اجتماعی را جدی می‌گیرند، معمولاً به فهرستی از حوزه‌هایی بسنده می‌کنند که «باید از نو تصور شوند»، بی‌آنکه بگویند این «از نو تصور کردن» دقیقاً چه اقتضا می‌کند. در برابر هر نقشهٔ راه مفصل به‌سوی فراهوش، چیزی بیش از یک اشارهٔ مبهم به زیرساخت انسانی و نهادی وجود ندارد.

این عدم‌تقارن در جریان سرمایه نیز خود را نشان می‌دهد: در برابر هر دلاری که صرف تواناتر کردن سامانه‌ها می‌شود، کسری ناچیز به زیرساخت نهادی، آموزشی، سازمانی و مدنی لازم برای ادغام مؤثر و ایمن این سامانه‌ها در جامعه اختصاص می‌یابد.

۲. مسئله‌ای دوسویه: هم‌ترازیِ معکوس

استدلال محوری مقاله در یک جمله خلاصه می‌شود: هم‌ترازی (alignment) مسئله‌ای دوسویه است.

رشتهٔ نوپای «هم‌ترازی هوش مصنوعی» به‌درستی بر این متمرکز شده که سامانه‌ها اهدافی سازگار با ارزش‌های انسانی را دنبال کنند. اما حتی یک سامانهٔ کاملاً هم‌تراز نیز، اگر در دموکراسی‌ها، اقتصادها و نظام‌های حقوقیِ ناآماده مستقر شود، یا از ظرفیت خود بسیار کم‌تر عرضه خواهد کرد یا آسیب جدی خواهد زد. مشکل صرفاً در ماشین نیست؛ در ظرف نهادی‌ای است که ماشین در آن ریخته می‌شود.

نویسندگان این سویهٔ مغفول را «هم‌ترازیِ معکوس» (reverse alignment) می‌نامند: بازطراحی و آفرینش بلندپروازانهٔ نهادها، هنجارها، مهارت‌ها و چارچوب‌های حکمرانی، به‌گونه‌ای که جوامع بتوانند هوش مصنوعی را ایمن مهار کنند و منافع آن را به‌طور گسترده تقسیم کنند.

مقیاس این سازگاری، به گفتهٔ آنان، با دگرگونی‌های نهادیِ همراه صنعتی‌شدن، برق‌رسانی و ظهور اینترنت قابل مقایسه است — هر یک از این‌ها دهه‌ها سرمایه‌گذاری آگاهانه در بازطراحی سازمانی، توسعهٔ نیروی کار، چارچوب‌های حقوقی و شکل‌های تازهٔ مشارکت مدنی طلبید. اینجا مقاله به کارلوتا پرز و کتاب انقلاب‌های فناورانه و سرمایهٔ مالی (۲۰۰۲) استناد می‌کند: چنین سرمایه‌گذاری‌هایی مکمل‌های اختیاریِ تغییر فناورانه نیستند، بلکه پیش‌شرط موفقیت آن‌اند.

نکتهٔ روش‌شناختی مهم این است که خودِ متن محصول یک ائتلاف بیست‌وسه‌نفره از پژوهشگران هوش مصنوعی، علوم اجتماعی، حکمرانی، صنعت، بشردوستی و جامعهٔ مدنی است — و به کمک هوش مصنوعی نوشته شده. یعنی شکل تولید متن، خود نمونه‌ای از همان همکاری کثرت‌گرایانه‌ای است که مضمون متن را می‌سازد.

۳. سه گونهٔ شکست

اگر این شکاف نهادی درمان نشود، مقاله سه الگوی شکست قابل پیش‌بینی را ترسیم می‌کند. این سه‌گانه، به‌گمان من، هستهٔ تحلیلی متن است و ارزش آن را دارد که جداگانه اندیشیده شود:

۱. بهره‌وری بدون رفاه. اریک برینیولفسون و همکارانش نشان داده‌اند که فناوری‌های عام‌منظوره تنها پس از سرمایه‌گذاری سنگین در فرایندها، مهارت‌ها و بازطراحی سازمانیِ مکمل، ارزش گسترده تولید می‌کنند. وقتی این مکمل‌ها عقب می‌مانند، کار سریع‌تر از آنکه مردم فرصت بازآموزی، چانه‌زنی یا جابه‌جایی داشته باشند سازمان‌دهی مجدد می‌شود، و دستاوردها به امنیت، تحرک اجتماعی و مشارکت گسترده‌تر ترجمه نمی‌شوند. رشد هست، اما رفاه نیست.

۲. اجرا بدون راستی‌آزمایی. وقتی هزینهٔ تولید متن، تصویر و کد به صفر میل می‌کند، منبع کمیاب دیگر تولید نیست، بلکه پهنای باند انسانی برای اعتبارسنجی خروجی‌ها، احراز خاستگاه و تضمین پاسخ‌گویی است. تصمیم‌ها آسان‌تر از آن می‌شوند که توجیه شوند؛ و سامانه‌های الگوریتمیِ بدون پاسخ‌گویی، ارزش‌های قدسی و بافت اجتماعی را می‌فرسایند.

۳. توانمندی بدون مهار. هوش مصنوعی دولت‌ها و سازمان‌های بزرگ را به‌مراتب تواناتر می‌کند؛ اما همان ابزارها هزینهٔ نظارت را پایین می‌آورند و صلاحدید را متمرکز می‌کنند و دیوان‌سالاری‌ها را به‌سمت کنترل متمرکز می‌رانند — مگر آنکه سازوکارهای اعتراض‌پذیری، تجدیدنظر و حفاظت از آزادی‌های مدنی هم‌گام با آن پیشرفت کنند.

هیچ‌یک از این سه گریزناپذیر نیست. هر سه پیامد غفلت نهادی‌اند. و همین پرسش را پیش می‌کشد: چرا برخی جوامع در دوره‌های پیشین تلاطم، به‌مراتب موفق‌تر از دیگران سازگار شدند؟

۴. پنج پیشینهٔ تاریخی

مقاله برای پاسخ به این پرسش، به پنج نمونهٔ تاریخیِ سازگاری نهادی موفق (و در یک مورد، نیمه‌موفق) رجوع می‌کند.

دموکراسی توده‌ای. صنعتی‌شدن و شهرنشینی شتابان قرن نوزدهم، قدرت اقتصادی را در تراست‌ها و ماشین‌های سیاسی «عصر طلایی» آمریکا متمرکز کرد. معماری نهادی یک جمهوری کشاورزی نمی‌توانست این تجمع تازه را مهار کند. آنچه در «عصر ترقی» رخ داد، هم‌آیندیِ چند نیرو بود: روزنامه‌نگاران افشاگر مانند آیدا تاربل، دانشمندان اجتماعی دانشگاهی که پژوهش را به حکمرانی پیوند زدند، فعالان محلی مانند جین آدامز که زیرساخت مدنی را در سطح خیابان ساختند، و سیاست‌مداران اصلاح‌طلبی که این فشارها را به قانون ترجمه کردند. حاصل کار — از انتخاب مستقیم سناتورها و اجرای قوانین ضدانحصار گرفته تا آژانس‌های تنظیم‌گر مستقل، اتحادیه‌های کارگری و خدمات مدنی حرفه‌ای — همان زیرساخت دموکراتیکی است که هنوز پایهٔ حکمرانی بر سرمایه‌داری صنعتی است.

برتون وودز. دو جنگ جهانی و رکود بزرگ نشان داد اقتصاد صنعتیِ درهم‌تنیده‌ای که در آن هر کشور می‌کوشد با تعرفه و کاهش ارزش پول، بحران خود را به همسایه منتقل کند، دستورالعمل ویرانی است. در برتون وودز، ۴۴ کشور چارچوبی برای تثبیت اقتصاد جهانی ساختند و — نکتهٔ اصلی — نهادهایی تازه و ساخته‌شده برای همین کار پدید آوردند. صندوق بین‌المللی پول، بانک جهانی و گات تنها ارزها را تثبیت نکردند؛ داربست دورهٔ رشدی را فراهم کردند که ژان فوراستیه آن را «سی سال شکوهمند» نامید.

آرپانت. پس از اسپوتنیک، آیزنهاور آژانس پروژه‌های پژوهشی پیشرفتهٔ وزارت دفاع را بنیاد گذاشت. یکی از پروژه‌های آن، به رهبری روان‌شناسِ رایانه‌شناس‌شده جی. سی. آر. لیکلایدر، اتصال نهادهای پژوهشی بخش‌های دولتی، خصوصی و مدنی در یک شبکهٔ تاب‌آور بود. اما آنچه به‌همان اندازه دگرگون‌کننده بود، فرهنگ حکمرانی‌ای بود که در کنار آن رشد کرد: فرایند «درخواست نظر» (RFC) که از ۱۹۶۹ به‌شکل غیررسمی آغاز شد و بعدها در قالب کارگروه مهندسی اینترنت نهادینه شد، نشان داد استانداردگذاری باز و مشارکتی می‌تواند زیرساخت مشترک را در مقیاس کلان اداره کند. دستاورد فنی از این معماری نهادی جدایی‌ناپذیر بود.

استک هند. در اوایل دههٔ ۲۰۰۰ بیش از نیمی از جمعیت هند حساب بانکی و دسترسی آسان به خدمات دولتی نداشت. «استک هند» مجموعه‌ای لایه‌ای از کالاهای عمومی دیجیتالِ باز ساخت: هویت زیست‌سنجی برای بیش از ۱٫۳ میلیارد نفر، رابط پرداخت یکپارچه، سامانهٔ حمل‌پذیری داده و امضای الکترونیک. صدها میلیون نفر به خدمات مالی دسترسی یافتند.

اما مقاله این نمونه را عبرت‌آموز هم می‌داند: هویت زیست‌سنجی متمرکز، در عین حال یک زیرساخت نظارتی است که خطرهایش به سلامت دموکراتیک دولتِ مجری وابسته است. شکست‌های احراز هویت، جیرهٔ غذایی، مستمری و رفاه را از آسیب‌پذیرترین گروه‌ها — به‌ویژه جوامع فرودست، قبیله‌ای و مهاجر — دریغ کرده است. همان سامانه‌ای که با سرعتی خارق‌العاده شمول مالی آفرید، بردارهای تازه‌ای از طرد و کنترل نیز ساخت. درسِ آن روشن است: معماری فنی و حکمرانی سیاسی جدایی‌ناپذیرند.

دموکراسی دیجیتال تایوان. تایوان سال‌ها پیش از بسیاری دموکراسی‌ها با اطلاعات نادرست سازمان‌یافته، قطبی‌سازی و تهدید زنجیرهٔ تأمین روبه‌رو شد. جنبش آفتاب‌گردان در ۲۰۱۴ و اشغال مسالمت‌آمیز پارلمان، به مشارکت جامعهٔ هک مدنی انجامید و ابزارهایی پدید آورد که بعداً در سکوی مشورتی vTaiwan به کار رفتند. یکی از آن‌ها، Pol.is، خوشه‌های عقیدتی را نقشه‌برداری می‌کند و «گزاره‌های پل‌زننده» را برجسته می‌سازد؛ یعنی گزاره‌هایی که در گروه‌های متعارض حمایت مشترک می‌یابند و پرسش‌های مناقشه‌آمیز را به‌سمت اجماع تقریبی می‌برند. این شیوه‌ها سپس در یکی از نخستین وزارتخانه‌های دیجیتال جهان نهادینه شد. در دوران کووید، همین زیرساخت نقشه‌های بی‌درنگ موجودی ماسک را ممکن کرد و رویکرد «طنز در برابر شایعه» را جایگزین سانسور دولتی ساخت. همین منطق پل‌زدن، امروز در مقیاس سکوهای جهانی نیز کار می‌کند: یادداشت‌های جمعی توییتر/ایکس که در طیف سیاسی مورد اعتمادند و بازنشر پست‌های حاشیه‌نویسی‌شده را تقریباً نصف می‌کنند.

۵. چالش‌های بزرگ اجتماعی‑فنی

بخش اصلی مقاله فهرستی از حوزه‌هایی است که نویسندگان آن‌ها را «چالش‌های بزرگ اجتماعی‑فنی» می‌نامند. من آن‌ها را در چهار خوشه بازآرایی می‌کنم، چون منطق درونی‌شان این‌گونه روشن‌تر می‌شود.

الف) زیرساخت اعتماد: هویت، حریم خصوصی، خاستگاه

هیچ چیز برای یک جامعه بنیادی‌تر از سازوکار تشخیص هویت نیست؛ همان چیزی که به ما اجازه می‌دهد دیگری را بازشناسیم و به او دسترسی به روابط، خدمات اجتماعی و مشارکت دموکراتیک بدهیم. اما شاید مشخصهٔ تعیین‌کنندهٔ هوش مصنوعی مولد دقیقاً توانایی بازتولید ویژگی‌ها و رفتارهای انسانی باشد. با نزدیک‌شدن هزینهٔ ساخت اسناد جعلی، زیست‌سنجی جعلی و شخصیت‌های مصنوعیِ باورپذیر به صفر، نظام‌های احراز هویت با بحران فزایندهٔ اعتماد روبه‌رویند.

راه‌حل پیشنهادی، ابزارهای رمزنگارانه‌ای است که به فرد اجازه می‌دهد ثابت کند انسانی یکتا و واقعی است، بی‌آنکه فاش کند کیست — چیزی که می‌توان آن را «گواهی انسان‌بودگی» نامید. استانداردهای در حال ظهور (مانند شناسه‌های غیرمتمرکز W3C) این را عملی‌تر می‌کنند.

اما نویسندگان نکتهٔ عمیق‌تری اضافه می‌کنند: صرف انسان‌بودگی کافی نیست، چون فقط به حداقل مشترک استحقاق‌های همهٔ آدمیان دسترسی می‌دهد. بیشتر وجوه هویت، رابطه‌ای است؛ ریشه در تعلق به مجموعه‌ای از اجتماعات دارد: از محلی تا ملی، از حرفه‌ای تا مدنی. تنها معماری‌هایی که اثبات پیوندهای اجتماعی متنوع را ممکن می‌کنند، می‌توانند حیات اجتماعیِ دیجیتال را شکوفا کنند. مثال روشنگر مقاله این است: به‌جای اینکه کسی با اثر انگشت شناسایی شود، می‌تواند با ضمانت دو دوستِ پیشاپیش مورد اعتماد در سامانه، دسترسی بیابد. این همان انتقال از هویت زیست‌شناختی به هویت رابطه‌ای است — و جالب اینکه چنین چارچوبی به‌طور طبیعی به عامل‌های هوش مصنوعی نیز تعمیم می‌یابد.

روی دیگر سکهٔ هویت، حریم خصوصی است: اگر همهٔ اطلاعات هویتی ما شفاف باشد، هرکس می‌تواند جای ما را بگیرد یا به زندگی خصوصی‌مان نفوذ کند. هوش مصنوعی عملاً یک «شرلوک هلمز شخصی» در اختیار همه می‌گذارد که ردهای پراکندهٔ دیجیتال — مرور، موقعیت، فراداده، دوربین‌های مداربسته — را با هزینه‌ای ناچیز به پروفایل رفتاری دقیق بدل می‌کند. این وضع، دوگانه‌های سنتیِ «شفافیت/ناشناسی» را که در قوانینی مانند GDPR رمزگذاری شده‌اند، کهنه و ناکارآمد می‌سازد.

رمزنگاری مدرن امکان‌های به‌مراتب غنی‌تری برای افشای گزینشی فراهم می‌کند؛ چیزی که مقاله از آن با تعبیر «جزءنامی» (meronymity) یاد می‌کند. «برهان‌های بدون‌دانش» به فرد اجازه می‌دهند مثلاً سن خود را با کارت شناسایی دولتی اثبات کند بی‌آنکه چیز دیگری فاش شود — چیزی شبیه پوششی که بخش‌های دیگر کارت را سیاه کرده باشد. محاسبات چندجانبهٔ امن و یادگیری فدرال، محاسبه روی داده‌هایی را ممکن می‌کنند که هیچ طرفی آن‌ها را نمی‌بیند. این ابزارها نظری نیستند و هم‌اکنون در تأیید سن، تراکنش‌های رمزارزی و پیام‌رسان‌های رمزگذاری‌شده به کار می‌روند. مانع اصلی، فنی نیست؛ اجتماعی و حقوقی است. هنجارهای غیررسمیِ افشا در زندگی روزمره اتفاقاً همین ساختار جزئی و بافتاری را دارند، اما ساختارهای حقوقی ساده‌انگارانه آن‌ها را بازتاب نمی‌دهند.

سومین ضلع، خاستگاه‌شناسی محتوا است. دیپ‌فیک‌ها اغلب از محتوای واقعی هم متقاعدکننده‌ترند، ارزان‌اند و می‌توانند بی‌درز در روایت رویدادهای واقعی بافته شوند تا افکار عمومی را تغییر دهند، مردم را به انتقال پول به کلاهبرداران وادارند، یا روحیهٔ جامعه‌ای در حال مقاومت را تضعیف کنند. قانون‌گذاری در اتحادیهٔ اروپا، کالیفرنیا و چین هرکدام شکلی از افشا، واترمارک یا رضایت صریح را الزامی کرده‌اند، و استانداردهای صنعتی، فراداده‌های امضاشدهٔ رمزنگارانه را به محتوا پیوست می‌کنند.

اما زیباترین نکتهٔ این بخش، پیشنهادی معرفت‌شناختی است: شاید فهم ما از خاستگاه باید از این پیش‌فرض که عکس، ویدئو و صدا بازنمایی مستقیم واقعیت‌اند، به‌سوی فرضی کهن‌تر بازگردد — اینکه این رسانه‌ها هم مانند نقاشی‌اند و ارزش صدقشان به این بستگی دارد که آیا به کسانی که اصالتشان را تضمین می‌کنند اعتماد داریم یا نه. این، بازگشت به منطق شهادت و سلسله‌سند است؛ منطقی که برای خوانندهٔ آشنا با سنت‌های نقلی و رجالی، طنین آشنایی دارد.

ب) اقتصاد سیاسی داده و عامل‌ها

مدل‌های مرزی از سابقهٔ دیجیتال بشریت آموخته‌اند؛ پیکره‌ای که شرکت‌ها تقریباً رایگان به دست آوردند. نزاع بر سر این داده به یکی از مناقشات اقتصادی محوری عصر هوش مصنوعی بدل شده و هر دو طرف را دچار مشکل کرده است: شرکت‌ها با کمبود دادهٔ تازه و باکیفیت روبه‌رویند، و تولیدکنندگان محتوا میان قراردادهای مجوز یک‌بارهٔ ناچیز و شکایت حقوقی گیر کرده‌اند.

پاسخ مقاله به اعتراض رایج — «قیمت‌گذاری داده در مقیاس ناممکن است» — هوشمندانه است: شرکت‌ها هم‌اکنون هر بار که مدلی را آموزش می‌دهند، دو مجموعه‌داده‌ای را تولید می‌کنند که برای قیمت‌گذاری لازم است. تصمیم‌های مربوط به ترکیب داده نشان می‌دهد سهم منابع مختلف چگونه باید وزن‌دهی شود (یعنی چگونه سهم‌ها تقسیم شوند)، و قوانین مقیاس نشان می‌دهد داده‌ٔ افزوده چقدر مدل را بهبود می‌بخشد (یعنی اندازهٔ کل سهم). آنچه می‌ماند توزیع است — و الگوی نهادی آن از پیش وجود دارد: سازمان‌های مدیریت جمعی حقوق در صنعت موسیقی، که بدون مذاکرهٔ تک‌به‌تک، حق‌الامتیاز را میان شمار عظیمی از صاحبان حق توزیع می‌کنند.

در کنار این، همکاری عامل‌محور مطرح می‌شود. عامل‌های امروزی طوری ساخته شده‌اند که بی‌قیدوشرط یاری‌رسان باشند و همین آن‌ها را به شرکایی خطرناک و ساده‌لوح بدل می‌کند که به‌سادگی فریب می‌خورند و داده‌های محرمانهٔ صاحبان خود را لو می‌دهند. سامانه‌های همکاری کارآمد باید از الگوی انسانی پیروی کنند: آغاز با مبادلات کوچک، ساختن سابقه، سنجش اعتماد از تجربهٔ شخصی و اعتبار جمعی، و تعمیق تدریجی رابطه. نکتهٔ حیاتی این است که این نظام‌های اعتماد باید میان ارائه‌دهندگان مختلف کار کنند؛ وگرنه عامل‌ها فقط درون باغ‌های محصور همکاری خواهند کرد و سکوهای مسلط بیشترِ ارزش را خواهند بلعید.

ج) معناسازی جمعی و دموکراسی

همکاری تنها زمانی ارزش می‌آفریند که به فهم مشترک و کنش جمعی بینجامد. اما احساس عمومی این است که نظام‌های رسانه‌ای الگوریتمیِ نخستین در این کار شکست خورده‌اند و به‌جای آن، دستکاری روایت، قطبی‌سازی و انتشار اطلاعات گمراه‌کننده را صنعتی کرده‌اند. طراحی‌های غالب مشکل را تشدید می‌کنند: محتوا و تبلیغ را بر پایهٔ عضویت‌های گروهیِ استنتاج‌شده عرضه می‌کنند و در عین حال از مصرف‌کننده پنهان می‌دارند که چرا این محتوا به او رسیده است. نتیجه، «نادانیِ کثرت‌گرایانه» در مقیاس انبوه است: هیچ‌کس نمی‌داند چه کسان دیگری همین محتوا را دیده‌اند و با آن موافق‌اند.

طراحی‌های بدیل می‌توانند به‌جای این، انسجام اجتماعی و خودفهمی جمعی را پرورش دهند و حتی به آن ارزش اقتصادی بدهند: محتوا با برچسبی که نشان می‌دهد کدام اجتماعات آن را وحدت‌بخش و کدام آن را تفرقه‌افکن می‌یابند، چنان عرضه شود که زمین مشترک شناسایی و اختلاف واقعی نیز منصفانه بازنمایی شود. مقاله این را امتداد تجربهٔ تایوان و جنبش «شنیدن گسترده» در ژاپن می‌داند. و در پایان به یک بازآرایی اقتصادی می‌رسد که به‌گمان من رادیکال‌ترین پیشنهاد کل متن است: وقتی مدل کسب‌وکار چنان تغییر کند که اجتماعات برای انسجام به سکو بپردازند، به‌جای آنکه تبلیغ‌کنندگان برای توجه بپردازند، انگیزه‌های سکو با بافت اجتماعی‌ای که به آن وابسته است هم‌راستا می‌شود.

در ادامه، بحث به دموکراسی می‌رسد. برای آنکه اجتماعات شکوفا شوند، اقتدار واقعی‌ای که می‌آفرینند باید به اقتدار رسمی بر منابع و قدرت ترجمه شود؛ یعنی بازطراحی آنچه دانیل آلن «ستون فقرات نمایندگی» می‌نامد: مشارکت، نمایندگی رسمی، و اجرا. نمونه‌ها متنوع‌اند: حزب نوظهور ژاپنی که ورودی شهروندان را از رهگذر مشورت همیشه‌فعالِ یاری‌شده با هوش مصنوعی به پیشنهاد سیاستی بدل می‌کند؛ داشبوردهای مدنی که چشم‌انداز عقاید را با وضوحی نقشه می‌کنند که انتخابات دوره‌ای و نظرسنجی هرگز نمی‌دهند.

اما گلوگاه اصلی، به تعبیر جنیفر پالکا در بازکدنویسی آمریکا، نه قانون‌گذاری بلکه اجرای اجرایی است. تایوان با جاسازی کارمندان آموزش‌دیده به‌عنوان «عاملان مشارکت» در سراسر وزارتخانه‌ها، ارتباط میان شهروند و دولت را در همهٔ مراحل طراحی و اجرای سیاست پایدار کرد و بر آنچه پالکا «آبشار انعطاف‌ناپذیری» می‌نامد غلبه یافت. نتیجه این بود که پاسخ‌گویی دموکراتیک از یک آزمایش گاه‌به‌گاه به کارکرد دائمی دولت بدل شد.

د) سازمان، قانون، دانش

محیط کار. گلوگاه واقعی بهره‌وری، دگرگونی سازمان‌هاست تا بتوانند خلاقیت و عامليت به‌شدت افزایش‌یافته را پردازش کنند. مثال درمان روشنگر است: وقتی کشف درمان، بهینه‌سازی زنجیرهٔ تأمین، تلفیق شواهد بالینی و جریان‌های اداری در پس‌زمینه توسط هوشمندی سازمانی اداره شود، تیم مراقبت می‌تواند به‌شکل پویا گرد هر بیمار جمع شود و حضور، شفقت و توجه عمیقاً شخصی بیاورد. اما این مستلزم بازطراحی است، نه صرفاً درج مدل در ساختار موجود. تمثیل پایانی این بخش درخشان است: سازمان‌هایی مرز عملکرد جمعی را تعیین خواهند کرد که گردش کار را حول انعطاف هوش مصنوعی بازطراحی کنند — همان‌گونه که کارخانه‌ها حول موتورهای الکتریکی کوچک بازطراحی شدند — نه آن‌ها که صرفاً گردش کار فردی موجود را سرعت بخشند، که معادل جایگزینی موتور بخار با موتور برقیِ ارزان‌تر است.

قانون و آزادی‌ها. هوش مصنوعی هزینهٔ نظارت، تحقیق، تدوین مقررات و اجرای آن‌ها را به‌شدت کاهش می‌دهد، و این توانایی‌ها به‌طور نامتناسب نصیب قوهٔ مجریه می‌شود که پیشاپیش ماشین عملیاتی دولت اداری را در اختیار دارد. هم‌زمان، تولید دادخواست‌های ظایک مقالعه جامع و حد اقل با ۲۵۰۰ کلمه از این که می دهم تهیه کن https://www.noemamag.com/what-humanity-needs-to-flourish-in-the-next-decade/هراً موجه آسان می‌شود و دادگاه‌هایی را که مشروعیتشان به تأمل دقیق وابسته است غرق می‌کند.

استدلال کلیدی اینجا ظریف است: بسیاری از اصطکاک‌هایی که هوش مصنوعی حل می‌کند — زحمت لازم برای ساختن یک پرونده، محدودیت عملی بر تعداد تحقیقات هم‌زمان — خود عناصر حیاتی نظم مشروطه بوده‌اند؛ آن‌ها بی‌پایه‌ترین و انتقام‌جویانه‌ترین اعمال قدرت دولتی را پیش از آنکه مقیاس بگیرند غربال می‌کردند. حذف این اصطکاک‌ها بدون موازنه، قدرت را از قوای جمعی به‌سوی مجریهٔ یک‌جانبه می‌راند. راه‌حل‌های پیشنهادی: ردگیری دائمی تصمیم‌های دولتیِ یاری‌شده با هوش مصنوعی برای نظارت پارلمانی و عمومی؛ غربالگری پرونده‌ها با نظارت انسانی؛ و مدل‌های حقوقی در دسترس عموم تا شهروند عادی بتواند با همان سرعت و هزینه، کنش دولت را به چالش بکشد. و بنیادی‌تر از همه، بازسازی ظرفیت تحلیلی خودِ قوهٔ مقننه — که نمونهٔ فرسایش آن، انحلال «دفتر ارزیابی فناوری» کنگرهٔ آمریکا در ۱۹۹۵ بود.

پژوهش و آموزش. مدل‌ها اکنون فرضیه تولید می‌کنند، شبیه‌سازی می‌دوانند و مقاله می‌نویسند با سرعتی که داوری همتا را عملاً منسوخ می‌کند و دستاوردهای مهم را زیر بهمنی از بازترکیب تدریجی و زبالهٔ محض دفن می‌سازد. راه‌حل، باز هم خودِ هوش مصنوعی است — اما تنها اگر بازنمایی‌های درونیِ آن از پویایی‌های فرهنگی و رابطه‌ای حوزه‌های پژوهشی به‌کار گرفته شود.

در آموزش، دانشگاه بر سه جبهه هم‌زمان مختل می‌شود: مهارت‌هایی که اقتصاد ارج می‌نهد، شیوهٔ آموزش آن‌ها، و شیوهٔ گواهی‌دادن به تسلط بر آن‌ها. دانشگاه همواره مهم‌ترین توانایی‌های خود — خوانش دقیق، دیدگاه‌پذیری، استدلال ساختارمند — را به‌شکل ضمنی و به‌عنوان فراوردهٔ جانبی انتقال محتوا می‌ساخت. هوش مصنوعی این بسته‌بندی را ناممکن می‌کند. وقتی دانشجو می‌تواند بدون فهم واقعی، کار صیقل‌خورده تولید کند، مربی ناچار است صریح کند کدام توانایی‌ها اهمیت دارند. تصویری که مقاله در برابر استعارهٔ رایج «دوچرخهٔ برقی» می‌نهد، گویاست: هوش مصنوعی باید دوچرخهٔ ثابت ذهن باشد، نه وسیله‌ای که مسیر را به‌جای ما طی کند.

گذار نیروی کار. هوش مصنوعی تخصص حرفه‌ای را به وظایف گسسته واسازی می‌کند و انبارهٔ توسعهٔ نیروی کارِ عصر صنعتی را — که برای شرح شغل‌های صُلب و صلاحیت‌های ایستا ساخته شده — بی‌ثبات می‌کند. زیرساخت میراثیِ بیمهٔ بیکاری و کالج‌های محلی نسبت به الگوهای ریزدانهٔ کاربرد و شایستگی‌های نهفته‌ای که مدل‌های مرزی آشکار می‌کنند، نابیناست. توسعه‌دهندگان مدل، سیگنال‌هایی با وضوح بالا از بازآرایی واقعی کار در اختیار دارند، اما دولت و شرکایش چارچوب اشتراک داده و ظرفیت تحلیلی لازم برای ترجمهٔ این سیگنال‌ها به آموزش پاسخ‌گو یا گواهی حمل‌پذیر را ندارند. نتیجه همان الگوی شکست نخست است: کار سریع‌تر از آنکه مردم بتوانند بازآموزی کنند بازسازمان‌دهی می‌شود.

۶. ائتلاف‌ها: چرا ایده کافی نیست

بخش پایانی مقاله شاید عملی‌ترین بخش آن باشد. هیچ بخشی به‌تنهایی از پس چنین چالشی برنمی‌آید؛ هر پیشینهٔ تاریخی از رهگذر بافتن ظرفیت‌هایی موفق شد که هیچ بازیگر واحدی همه را نداشت.

اما نویسندگان صادقانه به شکست‌ها هم اشاره می‌کنند: کمی بیش از یک دهه پیش، ائتلاف‌های چندبخشی حول ایدهٔ «شهرهای هوشمند» شکل گرفتند و بیشترشان در تحویل نتیجه ناکام ماندند. تشخیص آسیب‌شناختی دقیق است: وقتی متخصصان رشته‌های مختلف بر یک چالش تازه هم‌گرا می‌شوند، اغلب کشف می‌کنند که بر سرِ خودِ صورت‌بندی مسئله اختلاف دارند — بر سر اینکه چه چیزی شاهد به‌شمار می‌رود، تخصص چه کسی اهمیت دارد، و موفقیت چه شکلی است. و وقتی همان متخصصان به تبلیغ چشم‌اندازهای خود متعهد می‌شوند، فضای یادگیری و انطباق تنگ‌تر هم می‌شود.

سازوکارهای پیشنهادی برای هم‌راستاسازی منافع واگرا: مأموریت‌های متقابل بین‌بخشی (جاسازی فناوران در دولت، کارمندان دولتی در آزمایشگاه‌های پژوهشی، و مدافعان منافع عمومی در شرکت‌های سکویی)، و تعهدات پیشاپیش بازار که در آن تأمین‌کنندگان مالی تقاضا را برای محصولاتی که هنوز وجود ندارند تضمین می‌کنند — همان الگویی که در تولید شتابان واکسن کووید کارساز بود.

جملهٔ جمع‌بندی این بخش، درس تاریخی کل مقاله است: قید محدودکننده به‌ندرت فقدان ایده‌های خوب است؛ فقدان ترتیبات نهادی‌ای است که به بازیگران مختلف اجازه دهد آنچه را فقط خودشان می‌توانند بیاورند، و فقدان سرمایهٔ صبور برای پایداری آن ترتیبات در دورهٔ طولانی پیش از آنکه نتایج انباشته شوند.

۷. تأملی انتقادی

تا اینجا گزارش استدلال بود. اکنون چند ملاحظه از سوی خودم:

یکم، فضیلت اصلی این متن، جابه‌جا کردن پرسش است. پرسش رایج این است: «چگونه هوش مصنوعی را ایمن کنیم؟» پرسش این مقاله این است: «چگونه جامعه را چنان بسازیم که سزاوار و آمادهٔ چنین ابزاری باشد؟» این جابه‌جایی، مسئولیت را از آزمایشگاه به عرصهٔ عمومی بازمی‌گرداند و از نگاه جبرگرایانه به فناوری فاصله می‌گیرد. تعبیر «هم‌ترازی معکوس» شاید نامی نه‌چندان زیبا، اما مفهومی دقیق باشد.

دوم، خطر تکنوکراتیک‌شدن. با وجود تأکید مکرر بر کثرت‌گرایی، بسیاری از راه‌حل‌های مقاله ماهیتی فنیرمزنگارانه دارند: برهان بدون‌دانش، گواهی تأییدپذیر، محاسبات چندجانبهٔ امن. خودِ نویسندگان تصدیق می‌کنند که مانع اصلی اجتماعی و حقوقی است، اما وزن متن همچنان به‌سمت راه‌حل ابزاری می‌چربد. تجربهٔ استک هند دقیقاً هشدار همین است: زیرساختی که در بستری با سلامت دموکراتیک عمل کند رهایی‌بخش است و در بستری دیگر، ابزار کنترل. معماری فنی، سیاست را جبران نمی‌کند.

سوم، پرسش جهان‌شمولی. پیشینه‌های تاریخیِ مقاله عمدتاً از آمریکا، اروپای پس از جنگ، هند و تایوان‌اند — یعنی جوامعی که، جز یکی، از حداقلی از ظرفیت دولتی و سرمایهٔ اجتماعی برخوردار بودند. برای جوامعی که در آن‌ها اعتماد نهادی فرسوده، جامعهٔ مدنی محدود و دولت خود منبع بی‌ثباتی است، «هم‌ترازی معکوس» چه معنایی دارد؟ اینجا شاید نکتهٔ رهایی‌بخش همان تأکید مقاله بر هویت رابطه‌ای باشد: اگر اعتماد بتواند در شبکه‌های افقیِ ضمانت متقابل ریشه بگیرد، به‌جای آنکه بر اقتدار مرکزی متکی باشد، آنگاه راهی برای جوامعی گشوده می‌شود که مرکز مورد اعتمادی ندارند. این البته یک امکان است، نه یک تضمین.

چهارم و مهم‌تر از همه، مسئلهٔ زمان. کل استدلال مقاله بر تفاوت ریتم‌ها بنا شده: منحنی نمایی فناوری در برابر گام تدریجی نهاد. اما درمان پیشنهادی — ائتلاف‌سازی، بازطراحی سازمانی، اصلاح اعتبارسنجی، بازسازی ظرفیت مقننه — خود از جنس همان کارهای کند است. مقاله این را می‌داند و از «سرمایهٔ صبور» سخن می‌گوید. اما پرسش بی‌پاسخ می‌ماند: آیا می‌توان نهادها را سریع‌تر ساخت بی‌آنکه همان تأمل و اصطکاکی را قربانی کرد که مشروعیتشان از آن می‌آید؟ این، به‌گمان من، پارادوکس مرکزی و ناگشودهٔ متن است.

۸. جمع‌بندی

جملهٔ پایانی مقاله دعوتی است ساده و سنگین: زمان آن رسیده که برای سامانه‌های اجتماعی‌مان به همان اندازه بلندپروازانه بسازیم که برای الگوریتم‌هایمان ساخته‌ایم.

مسیر پیش‌فرض، به‌گفتهٔ نویسندگان، جهانی است از بهره‌وری بدون رفاه، اجرا بدون راستی‌آزمایی، و توانمندی بدون مهار. هیچ‌یک گریزناپذیر نیست. آنچه در نهایت تعیین می‌کند دههٔ آینده به کدام سو می‌رود، نه اندازهٔ مدل‌ها بلکه کیفیت نهادهایی است که آن‌ها را می‌پذیرند — و مهم‌تر، ظرفیت ما برای همکاری در سراسر مرزهای تخصص، فرهنگ و منافع.

معماری‌های نهادی‌ای که این مقاله از آن دفاع می‌کند، از ارزش‌هایی که رمزگذاری می‌کنند جدا نیستند؛ آن‌ها بیان همان ارزش‌ها هستند. و همین شاید مهم‌ترین آموزهٔ متن باشد: هیچ راه‌حل فنی‌ای نمی‌تواند جای پرسش سیاسی و اخلاقی را بگیرد که ما چگونه جامعه‌ای می‌خواهیم باشیم.


منبع اصلی: E. Glen Weyl, James Evans & Chris White, “What Humanity Needs To Flourish In The Next Decade,” Noema Magazine, 21 July 2026. https://www.noemamag.com/what-humanity-needs-to-flourish-in-the-next-decade/

تأملی بر مقالهٔ «آنچه بشر برای شکوفایی در دههٔ آینده نیاز دارد»، نوشتهٔ گلن ویل، جیمز اوانز و کریس وایت، مجلهٔ نوئما، ژوئیهٔ ۲۰۲۶

تهیه و تنظیم مدیر سایت تجدد

print

این نوشتار را دوست داشتید؟