چگونه هوش مصنوعی می‌تواند مسیر آیندهٔ اقتصاد اروپا را دگرگون کند

در سال گذشته، سرمایه‌گذاری شرکتی جهانی در حوزهٔ هوش مصنوعی به ۲۵۲ میلیارد دلار رسید و شرکت‌های خصوصی فعال در هوش مصنوعی رکورد ۱۰۰ میلیارد دلار جذب سرمایه را ثبت کردند. پنج سرمایه‌گذار برتر آمریکا از نظر هزینه‌های سرمایه‌ای اکنون شرکت‌هایی هستند که تمرکز گسترده‌ای بر هوش مصنوعی دارند. هیچ‌یک از این شرکت‌ها یک دههٔ پیش در میان ده سرمایه‌گذار برتر نبودند.

برخی این جهش را به‌عنوان هیجان‌زدگی موقت و جلوتر از بنیادهای اقتصادی می‌دانند. اما بحثی که تنها بر نوسانات کوتاه‌مدت تمرکز کند، ممکن است تصویر بزرگ‌تر را از دست بدهد. تاریخ نمونه‌های فراوانی از موج‌های شدید سرمایه‌گذاری ارائه می‌دهد که  با وجود نوسان‌های چرخهٔ سرمایه‌گذاری، در نهایت فناوری‌های تحول‌آفرینی بر جای گذاشتند که برای دهه‌ها اقتصادها را بازآرایی کردند.

بنابراین پرسش اصلی این نیست که آیا چرخه‌ها وجود دارند یا نه. بلکه این است که چقدر طول می‌کشد تا منافع پایدار بهره‌وری آشکار شوند و دلایلی وجود دارد که باور کنیم هوش مصنوعی ممکن است سریع‌تر گسترش یابد و سودهای اقتصادی ملموس‌تری را زودتر از موج‌های فناوری قبلی ارائه کند.

اگر این مسیر پیش رو باشد، اروپا باید خود را مطابق آن تنظیم کند. ما باید همهٔ موانعی را که مانع پذیرش این تحول می‌شوند از میان برداریم. در غیر این صورت، خطر آن را داریم که موج پذیرش هوش مصنوعی از ما عبور کند و آیندهٔ اروپا را به خطر بیندازد.

تاریخ نشان می‌دهد؛ نخست اختلال، سپس منافع

برای درک آنچه در خطر است، نگاهی به تاریخ مفید است. فناوری‌های عمومیِ پیشین، مانند برق، رایانه‌ها یا اینترنت، مسیر قابل تشخیصی را طی کردند. اختلال زودتر از راه رسید، اما دستاوردهای گستردهٔ بهره‌وری تنها به‌تدریج ظاهر شدند. برای نمونه، حدود سی سال طول کشید تا اثر برق به‌طور واضح در کل اقتصاد نمایان شود. شبکه‌های برق باید ساخته می‌شدند، کارخانه‌ها بازطراحی می‌شدند و کارگران از وظایف قدیمی به کارهای جدید منتقل می‌شدند.

رایانه‌ها نیز پیش از آن‌که به بهبودهای قابل اندازه‌گیری بینجامند، نیازمند سرمایه‌گذاری‌های بلندمدت در سخت‌افزار، نرم‌افزار، مهارت‌ها و مدل‌های نوین کسب‌وکار بودند.

اگر موج هوش مصنوعی در اروپا شبیه به گسترش برق در دههٔ ۱۹۲۰ باشد، رشد سالانهٔ بهره‌وری می‌تواند ۱.۳ واحد درصد بیشتر شود. اما اگر مشابه رونق دیجیتال آمریکا در اواخر دههٔ ۱۹۹۰ باشد، این افزایش نزدیک به ۰.۸ واحد درصد خواهد بود. حتی این حد پایین نیز برای اروپا چشمگیر خواهد بود و مرحله‌ای کاملاً بالاتر از روندهای اخیر بهره‌وری را رقم خواهد زد.

آیا این بار متفاوت خواهد بود؟

اما هوش مصنوعی ویژگی‌هایی دارد که می‌تواند این چرخه را فشرده‌تر کند و دستاوردهای بهره‌وری بزرگ‌تری را زودتر محقق سازد. دو ویژگی نوآوری و انتشار، نشان از مسیری سریع‌تر دارند.

نخست اینکه نوآوری در مرز دانش ممکن است به دلیل ماهیت بازگشتیِ هوش مصنوعی شتاب گیرد. سیستم‌های هوش مصنوعی می‌توانند خروجی خود را برای بهبود عملکردشان در یک حلقهٔ مداوم به‌کار گیرند. این فرایند می‌تواند نه‌تنها هزینهٔ تولید کالاها و خدمات، بلکه هزینهٔ تولید ایده‌های جدید را نیز کاهش دهد.

برای مثال، طی پنجاه سال، علم حدود ۲۰۰ هزار ساختار پروتئینی را حل کرد. اما هوش مصنوعی تنها در حدود یک سال، بیش از ۲۰۰ میلیون پیش‌بینی ساختار پروتئینی انجام داد که مرزهای دانش را به‌شدت گسترش داد.

این تحول تغییر بزرگی در ورودی‌های موردنیاز برای تحقیق و توسعه ایجاد می‌کند. با گسترشِ تقریباً شبانهٔ پایهٔ دانش، کشفیات بعدی می‌توانند زودتر انباشته شوند حتی پیش از آن‌که همهٔ آزمایشگاه‌ها یا شرکت‌ها کاملاً سازماندهی مجدد شوند. با شتاب‌بخشیدن به تولید ایده‌ها، هوش مصنوعی می‌تواند نه‌فقط سطح بهره‌وری بلکه حتی نرخ رشد آن را نیز افزایش دهد.

برخی برآوردها نشان می‌دهد که تحقیق‌وتوسعه تقویت‌شده با هوش مصنوعی می‌تواند، سریع‌تر از موج‌های فناوری گذشته، نرخ‌های رشد بهره‌وری آمریکا را دو برابر کرده و به حدود ۱.۶ تا ۲.۴ درصد سالانه برساند.

ویژگی دوم آن است که انتشار فناوری‌های هوش مصنوعی می‌تواند سریع‌تر باشد، زیرا بخش زیادی از زیرساخت‌های پشتیبان آن از پیش وجود دارد. واقعیت این است که گلوگاه‌هایی دیده می‌شود. موج کنونی سرمایه‌گذاری در «ابر مقیاس‌دهنده‌ها» نشان می‌دهد که ظرفیت محاسبات همچنان یک محدودیت است. آموزش و استقرار مدل‌های بزرگ‌تر نیازمند سرمایه‌گذاری‌های قابل توجه در مراکز داده و انرژی است. در اروپا ما با چالش‌های خاصی از جمله هزینه‌های بالاتر انرژی و تأخیرهای طولانی‌تر در صدور مجوز، روبه‌رو هستیم.

اما برخلاف فناوری‌های گذشته مانند برق یا رایانه‌ها که به شبکه‌های فیزیکی جدید یا مهارت‌های کدنویسی تازه نیاز داشتند، هوش مصنوعی روی دستگاه‌های اینترنتی موجود اجرا می‌شود و از طریق زبان انسان با کاربران ارتباط برقرار می‌کند.

بنابراین استفادهٔ گسترده از آن می‌تواند حتی پیش از تکمیل کامل زیرساخت آغاز شود. بسیاری از کاربردهای هوش مصنوعی هم‌اکنون روی سخت‌افزارهای موجود بهره‌وری ایجاد می‌کنند. بنابراین، هرچند کمبود ظرفیت محاسباتی آهنگ توسعهٔ مدل‌ها را کند می‌کند، اما لزوماً مانع انتشار آن در سراسر اقتصاد نمی‌شود.

علاوه بر این، خودِ زیرساخت نیز با سرعت زیادی در حال پیشرفت است. در حالی که قانون مور پیش‌بینی می‌کند ظرفیت تراشه‌ها هر دو سال دو برابر می‌شود، توان محاسباتی مدل‌های هوش مصنوعی هر شش ماه دو برابر شده است.