آیا هوش مصنوعی می‌تواند فقر را در جهان کاهش دهد؟

در عصر پیشرفته کنونی، هنوز برخی از مردم در دهکده‌های صعب‌العبور زندگی می‌کنند و آب لوله‌کشی یا برق دائمی ندارند. بااین‌حال، کافی است این افراد به اینترنت دسترسی داشته باشند تا بتوانند با یکی از حاذق‌ترین و خوش‌صحبت‌ترین موجودات جهان صحبت کنند:‌ ChatGPT یا انوع‌واقسام چت‌بات‌های هوش مصنوعی دیگر. همین دسترسی به یکی از پیشرفته‌ترین فناوری‌های بشر می‌تواند تأثیرات عظیمی روی زندگی این افراد بگذارد. در این مطلب به این موضوع می‌پردازیم که آیا هوش مصنوعی می‌تواند فقر را در جهان کاهش دهد؟ آیا این فناوری فرصتی طلایی در اختیار ما می‌گذارد یا فقط یک سراب است؟

کمتر از سه سال پس از راه‌اندازی ChatGPT، حدود ۸۰۰ میلیون نفر (معادل یک‌هفتم جمعیت بزرگسال جهان) هر هفته از آن استفاده می‌کنند. بسیاری از این کاربران در کشورهای درحال توسعه زندگی می‌کنند؛ جایی که جمعیت جوان و آشنا به فناوری است. پس از آمریکا، هند و برزیل، این کشورها بزرگ‌ترین بازارهای این فناوری هستند.

یک نظرسنجی نشان می‌دهد که اعتماد به هوش مصنوعی در کشورهایی با شاخص توسعه انسانی پایین‌تر، بیشتر است. همچنین، براساس گزارش شرکت تحقیقاتی GWI، شهروندان غنا و نیجریه از مشتاق‌ترین کاربران این فناوری به شمار می‌روند. اینجاست که این سؤال را باید مطرح کنیم: آیا هوش مصنوعی می‌تواند دانش را دموکراتیزه کند و یک معلم، پزشک یا مشاور را در جیب هر فردی قرار دهد؟ مطالعات اولیه به این امید دامن می‌زنند.

تأثیرهای هوش مصنوعی در جوامع فقیر

در نایروبی، شرکت OpenAI و Penda Health (کلینیک‌های زنجیره‌ای مراقبت‌های اولیه) ابزاری را آزمایش کردند که به پزشکان مشاوره می‌داد. نتایج امیدوارکننده بود. در یک کارآزمایی تصادفی که نزدیک به ۴۰ هزار مراجعه بیمار در ۱۵ کلینیک را پوشش می‌داد، پزشکانی که از این دستیار هوشمند استفاده می‌کردند، خطاهای تشخیصی خود را ۱۶ درصد و خطاهای درمانی را ۱۳ درصد کاهش دادند.

همچنین در نیجریه، یک طرح شش هفته‌ای فوق‌برنامه مدرسه با استفاده از کوپایلوت مایکروسافت برگزار شد. در این طرح، دانش‌آموزان دو بار در هفته با این چت‌بات گفتگو می‌کردند. نتایج نشان داد که نمرات زبان انگلیسی آنها به اندازه تقریباً دو سال تحصیل اضافی بهبود یافت.

امید این است که هوش مصنوعی، مانند موبایل‌های هوشمند، بتواند از تنگناهای قدیمی عبور کند. در دهه ۱۹۹۰ اکثر کشورهای آفریقایی به ازای هر ۱۰۰ نفر کمتر از یک خط تلفن ثابت داشتند. آنها با نادیده‌گرفتن مرحله سیم‌کشی و رفتن مستقیم به سراغ موبایل، ظرف دو دهه به دسترسی تقریباً همگانی به موبایل رسیدند. هوش مصنوعی نیز می‌تواند از طریق گوشی‌های هوشمند ارزان‌قیمت و مدل‌های بومی‌سازی‌شده گسترش یابد.

اما برای تحقق این امر، باید سه مانع اصلی برطرف شود.

مانع اول: اتصال به اینترنت

هوش مصنوعی نیازمند دسترسی به اینترنت است. اگرچه در سال ۲۰۲۴، از هر ۱۰ نفر در کشورهای ثروتمند ۹ نفر آنلاین بودند، این آمار در کشورهای فقیر فقط ۱ نفر از هر ۴ نفر بود. نزدیک به ۸۵ درصد آفریقایی‌ها در محدوده سیگنال باند پهن موبایل زندگی می‌کنند؛ اما هزینه اینترنت، حتی به صورت اعتباری و پس‌پرداخت، اغلب بسیار گران است.

خبر خوب این است که هوش مصنوعی برای کاربر نسبتاً ارزان تمام می‌شود. یک صفحه نتایج جستجوی گوگل که مملو از تصاویر و تبلیغات است، ۳ هزار برابر بیشتر از یک پرسش متنی از هوش مصنوعی داده مصرف می‌کند. به دلیل کاهش هزینه‌های پردازش، ارسال یک فرمان به ChatGPT در سال ۲۰۲۴ حدود ۹۰ درصد ارزان‌تر از بارگذاری نتایج جستجو بود. این امر می‌تواند دسترسی به اطلاعات را مقرون‌به‌صرفه‌تر کند.

بااین‌حال، کاربران باید در قدم اول آنلاین باشند. تلاش‌ها برای ارائه خدمات هوش مصنوعی از طریق پیامک (SMS) نیز به دلیل تعرفه‌های سنگینی که اپراتورهای موبایل اعمال می‌کنند، همچنان بسیار گران است. تا زمانی که هزینه اینترنت ارزان‌تر نشود و اتصال گسترش نیابد، هوش مصنوعی همچنان به دست فقیرترین افراد جامعه نمی‌رسد.

مانع دوم: توانایی کاربران و زبان

حتی در جایی که افراد آنلاین هستند، بسیاری از آنها فاقد مهارت‌های لازم برای استفاده درست از هوش مصنوعی هستند. بانک جهانی تخمین می‌زند که ۷۰ درصد از کودکان ۱۰ ساله در کشورهای با درآمد کم و متوسط، توانایی خواندن یک متن ساده را ندارند. درکل برای کاربران جدید نیز بازکردن یک چت‌بات، تایپ‌کردن یک پرامپت یا تفسیر پاسخ آن می‌تواند دلهره‌آور باشد.

حتی اگر کاربران به این چت‌بات‌ها دسترسی داشته باشند و بتوانند با آن‌ها کار کنند، در کشورهای فقیر عمدتاً برای سرگرمی (مانند ساختن پرتره‌هایی از خود به سبک استودیو جیبلی برای انتشار در شبکه‌های اجتماعی) از این چت‌بات‌ها استفاده می‌کنند، نه برای مطالعه یا کار.

زبان نیز این مشکل را تشدید می‌کند. اکثر سیستم‌های هوش مصنوعی عمدتاً روی زبان انگلیسی و زبان کشورهای ثروتمند آموزش دیده‌اند و صدها زبان آفریقایی و آسیایی به ندرت در آنها پوشش داده شده‌اند. نتیجه، شکافی عمیق بین آن چیزی است که هوش مصنوعی می‌تواند بگوید و آن چیزی که بسیاری از مردم می‌توانند بفهمند.

مانع سوم: عدم ادغام با نهادها

بلندترین مانع، دسترسی به فناوری نیست. کارشناسان می‌گویند مشکل این است که این فناوری هنوز با نهادهای فعلی ادغام نشده است. پیش‌تر فناوری‌های دیگری نیز قصد سوادآموزی و افزایش دانش جوامع فقیر را داشته‌اند، اما همین مانع جلوی آنها را گرفته است.

برای مثال دوره‌های آنلاین آموزشی MOOC که زمانی به عنوان آینده آموزش ستایش می‌شدند، به ندرت سطح دانش را در کشورهای فقیر بهبود دادند؛ زیرا فعالیت آنها در مدرسه یا نهادهای آموزشی نبود و محتوا بدون حضور معلمان یا برگزاری امتحانات ارائه می‌شد. هوش مصنوعی نیز ممکن است به همین مسیر دچار شود.

مثالی دیگر: مدلی از هوش مصنوعی در یکی از ایالت‌های هند برای شناسایی شرکت‌های جعلی استفاده شد. اگرچه این الگوریتم با موفقیت هزاران شرکت غیرواقعی را شناسایی کرد، اما اجرای قانون بهبود نیافت، زیرا مقامات انگیزه‌ای برای اقدام براساس یافته‌های آن نداشتند. درکل اگر هوش مصنوعی نتواند راه خود را به نهادهای یک جامعه باز کند، نمی‌توان انتظار داشت کاری از پیش ببرد.

درنهایت باید گفت موفقیت هوش مصنوعی به این بستگی دارد که آیا می‌تواند بهره‌وری را در کل جنبه‌های اقتصادی افزایش دهد یا خیر، زیرا فقط بهبود نیازهای فردی کافی نیست. هیچ کشوری قبل از ثروتمندشدن به آموزش همگانی یا بهداشت خوب دست نیافته است. این رشد فراگیر نیز خود ناشی از افزایش بهره‌وری نیروی کار است.

فناوری‌ها فقط در صورتی بهره‌وری را افزایش می‌دهند که کسب‌وکارها برای بهره‌برداری از آنها خود را بازآرایی کنند. زمانی که کارخانه‌ها برای اولین‌بار لامپ‌های برقی را جایگزین لامپ‌های گازی کردند، تغییر چندانی رخ نداد؛ اما زمانی که تولید را براساس ماشین‌آلات برقی بازطراحی کردند، بازدهی به شدت افزایش یافت.

تحقیقات نشان می‌دهد که اختراعات جدیدتر مانند کامپیوترهای شخصی و اینترنت سریع‌تر به کشورهای فقیر رسیدند، اما استفاده از آنها عمیق نشد. پذیرش هوش مصنوعی ممکن است حتی مسئله‌سازتر باشد. حتی در کشورهای ثروتمند، شرکت‌ها درگیر این مسئله هستند: در آمریکا تنها حدود ۱ شرکت از هر ۱۰ شرکت گزارش می‌دهد که از این فناوری در خط تولید خود استفاده می‌کند. برای اقتصادهای فقیرتر، این مسئله به مراتب شدیدتر است.