هشدار سازمان ملل: هوش مصنوعی، تهدیدی جدی برای کاهش نابرابری جهانی و آغاز «واگرایی بزرگ»

مقدمه: پایان عصر همگرایی جهانی؟

برای دهه‌ها، جهانی‌سازی و پیشرفت‌های تکنولوژیکی، هرچند با نوساناتی همراه بود، اما به طور کلی به سمت همگرایی اقتصادی در سطح جهان حرکت کرده بود. این روند به کشورهایی که از نظر تاریخی فقیرتر بودند، اجازه داد تا با جذب سرمایه‌گذاری، انتقال فناوری و ادغام در زنجیره‌های ارزش جهانی، فاصله خود را با کشورهای توسعه‌یافته کاهش دهند. با این حال، ظهور سریع و تحول‌آفرین هوش مصنوعی (AI) این مسیر را به طور اساسی تهدید می‌کند.

گزارش اخیر UNDP تأکید می‌کند که هوش مصنوعی به جای یک نیروی یکپارچه‌ساز، می‌تواند به یک عامل اصلی واگرایی (Divergence) تبدیل شود. این واگرایی نه تنها بین کشورها، بلکه در داخل خود کشورها نیز شکاف‌های موجود را عمیق‌تر خواهد کرد. سازمان ملل معتقد است که این فناوری، در صورت مدیریت نشدن، می‌تواند بازتولید نابرابری‌های ساختاری قرن بیستم را در مقیاسی جهانی‌تر و سریع‌تر رقم بزند.

1.  چرا هوش مصنوعی می‌تواند نابرابری را تشدید کند؟

ریشه اصلی نگرانی‌های UNDP در ماهیت منحصر به فرد هوش مصنوعی، به ویژه مدل‌های زبانی بزرگ (LLMs) و سیستم‌های یادگیری ماشینی پیشرفته، نهفته است. این فناوری‌ها بر خلاف اتوماسیون‌های صنعتی پیشین، نه تنها کارهای دستی بلکه بخش بزرگی از کارهای شناختی را نیز هدف قرار داده‌اند.

1.1.  سرعت سرسام‌آور تحولات و «اثر اول برنده» (First-Mover Advantage)

یکی از مهم‌ترین عوامل، سرعت استقرار و توسعه هوش مصنوعی است. کشورهایی که از قبل دارای بنیان‌های قوی در زمینه تحقیق و توسعه (R&D)، دسترسی به داده‌های عظیم و سرمایه‌گذاری‌های کلان در زیرساخت‌های محاسباتی (مانند مراکز داده و تراشه‌های پیشرفته) هستند، مزیت غیرقابل جبرانی کسب می‌کنند.

این مزیت به صورت یک اثر شبکه‌ای تقویت‌شونده عمل می‌کند:

• کشورهای پیشرو (عمدتاً ایالات متحده و چین) مدل‌های پیشرفته‌تری توسعه می‌دهند.
• این مدل‌ها منجر به افزایش بهره‌وری در شرکت‌های این کشورها می‌شود (افزایش $\Delta GDP$).
• درآمد بیشتر به سرمایه‌گذاری بیشتر در تحقیق و توسعه مجدد اختصاص می‌یابد، در حالی که بقیه جهان در حال تلاش برای استفاده از مدل‌های قدیمی‌تر هستند.

1.2.  نابرابری در توانمندی (Capability Divide)

اقتصاددانان UNDP تأکید می‌کنند: «خط تقسیم اصلی در عصر هوش مصنوعی، توانمندی است. کشورهایی که به طور استراتژیک روی مهارت‌ها و قدرت محاسباتی سرمایه‌گذاری می‌کنند، از این موج سود خواهند برد، در حالی که سایر کشورها در معرض خطر عقب‌ماندگی ساختاری و شدید قرار دارند.»

قدرت محاسباتی (به ویژه دسترسی به واحدهای پردازش گرافیکی – GPUs) یک محدودیت فیزیکی و اقتصادی است. تولید و نگهداری این زیرساخت‌ها نیازمند سرمایه‌گذاری‌های چند میلیارد دلاری است که خارج از دسترس بسیاری از کشورهای در حال توسعه (LDCs) است.

فرمول ساده‌سازی اثر انباشتی:
اگر $P_D$ نشان‌دهنده بهره‌وری مبتنی بر هوش مصنوعی در کشورهای توسعه‌یافته و $P_D’$ در کشورهای در حال توسعه باشد، نرخ واگرایی ($\lambda$) می‌تواند با رابطه زیر مدل‌سازی شود: [ \frac{dP_D}{dt} = r_D \cdot P_D ] [ \frac{dP’_D}{dt} = r’_D \cdot P’_D ] که در آن $r_D$ نرخ رشد بهره‌وری مبتنی بر AI است. اگر $r_D \gg r’_D$ (که ناشی از تفاوت در سرمایه‌گذاری در زیرساخت‌ها و داده‌هاست)، واگرایی اجتناب‌ناپذیر است.

1.3.  تأثیر بر تجارت و زنجیره‌های ارزش جهانی (GVCs)

هوش مصنوعی امکان بازگشت تولید (Reshoring) را فراهم می‌آورد. پیش‌تر، شرکت‌ها تولید را به کشورهایی با نیروی کار ارزان‌تر منتقل می‌کردند. با جایگزینی نیروی کار با ربات‌های هوشمند و اتوماسیون پیشرفته، انگیزه برای برون‌سپاری کاهش می‌یابد. این امر می‌تواند منجر به از دست رفتن مشاغل تولیدی در کشورهایی شود که هنوز اقتصادشان به طور کامل صنعتی نشده است (Deindustrialization without Industrialization).

2.  تأثیرات چندوجهی هوش مصنوعی: زنان و جوانان در کانون آسیب

واگرایی تنها بین کشورها نیست؛ هوش مصنوعی پویایی‌های نابرابری درون‌مرزی را نیز تغییر می‌دهد و گروه‌هایی را که قبلاً در معرض آسیب اقتصادی بودند، بیشتر در معرض خطر قرار می‌دهد.

2.1. تأثیر بر اشتغال زنان

بر اساس داده‌های سازمان بین‌المللی کار (ILO) که در گزارش UNDP مورد استناد قرار گرفته است، مشاغلی که بیشتر توسط زنان اشغال شده‌اند (مانند کار اداری، خدمات مشتری، حسابداری سطح پایه)، از نظر ماهیت وظایف، بیشترین سطح قابلیت اتوماسیون را دارند.

• ریسک اتوماسیون: برآوردها نشان می‌دهند که درصد مشاغل زنانه در معرض جایگزینی با هوش مصنوعی، تقریباً دو برابر مشاغل مردانه است.
• شکاف مهارتی: دسترسی زنان به آموزش‌های فنی و مهندسی (STEM) و همچنین آموزش‌های مربوط به علم داده و یادگیری ماشینی، به طور متوسط کمتر از مردان است. این امر ورود آن‌ها به مشاغل جدید ایجاد شده توسط هوش مصنوعی را دشوار می‌سازد.

2.2.  وضعیت بحرانی جوانان

نسل جوان در بسیاری از کشورهای در حال توسعه، امید اصلی برای انتقال جمعیتی و بهره‌مندی از «سود جمعیتی» (Demographic Dividend) بود. اما هوش مصنوعی این مسیر را مسدود می‌کند:

• کاهش فرصت‌های ورود: مشاغل سطح ورودی (Entry-level jobs) که پیش‌تر به جوانان اجازه می‌دادند تجربه کسب کنند، اکنون مستعد جایگزینی هستند. برای مثال، دستیاران حقوقی، تحلیلگران داده سطح اول و خدمات مشتریان.
• بیکاری ساختاری: اگر زیرساخت‌های آموزشی نتوانند با سرعت کافی نیروی کار را به سمت مهارت‌های مکمل هوش مصنوعی (مانند تفکر انتقادی، خلاقیت، و مدیریت تعاملات پیچیده انسانی) ارتقا دهند، نرخ بیکاری جوانان به سطوح بحرانی خواهد رسید.

3.  شکاف دیجیتال در آسیا-اقیانوسیه: تضاد میان پیشرفت و محرومیت

منطقه آسیا-اقیانوسیه، با تنوع اقتصادی بی‌نظیرش، بهترین نمونه برای مشاهده همزمان پیشرفت‌های خیره‌کننده و محرومیت‌های ساختاری است.

3.1.  دو سرعت توسعه

در یک سر طیف، کشورهایی مانند کره جنوبی، ژاپن و چین به سرعت در حال ادغام هوش مصنوعی در بخش‌های استراتژیک (مانند ساخت خودروهای خودران، بیوتکنولوژی و خدمات مالی) هستند. این کشورها در حال تجربه «رشد تجمعی» ناشی از AI هستند.

در سر دیگر طیف، کشورهایی با درآمد پایین‌تر در جنوب شرق آسیا و اقیانوسیه (مانند برخی جزایر اقیانوسیه یا کشورهای آسیای جنوبی) با معضلات بنیادی دست و پنجه نرم می‌کنند:

• دسترسی به اینترنت: طبق آمار ITU، هنوز درصد قابل توجهی از جمعیت این مناطق به اینترنت پرسرعت دسترسی ندارند. چگونه می‌توان از ابزارهای هوش مصنوعی استفاده کرد وقتی اتصال قابل اعتمادی وجود ندارد؟
• سواد دیجیتال: حتی در صورت دسترسی، فقدان سواد پایه دیجیتال مانع از درک و استفاده مؤثر از ابزارهای پیچیده هوش مصنوعی می‌شود.

3.2. تأثیر بر عدالت آموزشی

کشورهای فقیرتر در سمت چپ این معادله قرار دارند، و فرزندانشان مهارت‌هایی را خواهند آموخت که برای بازار کار آینده (مبتنی بر AI) نامربوط هستند، در حالی که همسالانشان در کشورهای ثروتمند با شتاب بیشتری پیش می‌روند.

4.  مکانیسم‌های اقتصادی واگرایی بزرگ

واگرایی بزرگ صرفاً یک مفهوم اجتماعی نیست، بلکه یک پدیده با پیامدهای اقتصادی قابل اندازه‌گیری است.

4.1. تمرکز سرمایه فکری (Brain Drain Magnified)

هوش مصنوعی نیاز به سرمایه انسانی بسیار متخصص (مهندسان یادگیری ماشینی، دانشمندان داده) را افزایش می‌دهد. این متخصصان به طور طبیعی به مراکز نوآوری جهانی (که اکنون در سیلیکون ولی، شنژن یا لندن متمرکز هستند) مهاجرت خواهند کرد، زیرا در آنجا منابع محاسباتی و فرصت‌های شغلی بهتری وجود دارد. این پدیده، که قبلاً به عنوان فرار مغزها شناخته می‌شد، اکنون با حضور فناوری‌های هوشمند، انگیزه فرار را تشدید می‌کند، زیرا شکاف مهارتی بین کار در محیط پیشرفته و کار در محیط کم‌توسعه، روز به روز بیشتر می‌شود.

4.2.  اتوماسیون بهره‌وری: اثر مثبت محصور (Enclosed Positive Effect)

در اقتصادهای پیشرفته، افزایش بهره‌وری ناشی از هوش مصنوعی (مثلاً افزایش $20%$ در تولید نرم‌افزار) به طور مستقیم منجر به افزایش سود شرکت‌ها و در نتیجه افزایش ارزش سهام و ثروت سهامداران می‌شود. این ثروت عمدتاً در همان کشورها متمرکز است.

5.  امید به آینده: نقش هوش مصنوعی در توسعه پایدار (SDGs)

با وجود هشدارهای جدی، UNDP قاطعانه اعلام می‌کند که هوش مصنوعی یک نیروی اجتناب‌ناپذیر است و مدیریت صحیح آن، پتانسیل فوق‌العاده‌ای برای حل چالش‌های جهانی دارد. هدف، جلوگیری از استفاده نابرابر از این فناوری است، نه توقف توسعه آن.

5.1. تقویت خدمات عمومی در مقیاس بزرگ

هوش مصنوعی می‌تواند با فراهم آوردن دسترسی سریع و مقرون به صرفه به خدمات تخصصی، نابرابری‌های دسترسی را کاهش دهد:

• سلامت: سیستم‌های AI می‌توانند تصاویر پزشکی را در مناطق روستایی (با محدودیت دسترسی به رادیولوژیست) تحلیل کنند، یا در تشخیص سریع‌تر بیماری‌های عفونی (مانند نمونه‌های موفق در تشخیص مالاریا در آفریقا).
• آموزش: توسعه مدل‌های زبانی محلی‌شده (Local Language LLMs) برای ارائه آموزش‌های با کیفیت بالا به زبان‌های بومی و با هزینه بسیار پایین.

5.2.  نمونه‌های موفق مبتنی بر فراگیری

گزارش به موفقیت‌های خاصی اشاره می‌کند که نشان می‌دهد هوش مصنوعی می‌تواند به نفع توسعه پایدار عمل کند، مشروط بر اینکه سیاست‌گذاری‌ها فراگیر باشند:

• بانکوک (تایلند): استفاده از AI برای مدیریت ترافیک شهری و بهینه‌سازی مصرف انرژی، که به طور مستقیم بر کیفیت زندگی شهروندان تأثیر می‌گذارد و هزینه‌های عملیاتی دولت را کاهش می‌دهد.
• پکن (چین): سرمایه‌گذاری دولت در پلتفرم‌های عمومی AI برای کشاورزی دقیق (Precision Agriculture)، که بهره‌وری مزارع کوچک را با استفاده از داده‌های ماهواره‌ای و مدل‌های پیش‌بینی آب و هوا افزایش می‌دهد.

 5.3. اقدام فوری جهانی: چارچوب‌های حکمرانی و سرمایه‌گذاری

برای جلوگیری از واگرایی بزرگ، UNDP خواستار یک «مداخله جهانی هماهنگ» است که بر سه ستون اصلی استوار است:

الف) سرمایه‌گذاری در زیرساخت‌های محاسباتی مشترک (Global Compute Commons)

کشورهای ثروتمند و سازمان‌های بین‌المللی باید منابع محاسباتی را به صورت عادلانه در اختیار کشورهای در حال توسعه قرار دهند، نه اینکه صرفاً اجازه دسترسی به API مدل‌های تجاری را بدهند. این امر می‌تواند شامل ایجاد «ابرهای محاسباتی منطقه‌ای» باشد.

ب) بازنگری در سیستم آموزش و مهارت‌آموزی

تمرکز باید از حفظ مشاغل فعلی به سمت آموزش «همکاری با هوش مصنوعی» تغییر کند. این مستلزم سرمایه‌گذاری عظیم در آموزش معلمان و تغییر برنامه‌های درسی ملی است تا سواد داده‌ای و مهارت‌های تفکر سیستمی تقویت شود.

ج) حکمرانی هوش مصنوعی با محوریت توسعه

ایجاد چارچوب‌های اخلاقی و نظارتی بین‌المللی که تضمین کند مدل‌های هوش مصنوعی که در کشورهای توسعه‌یافته ساخته می‌شوند، برای بازارهای کشورهای در حال توسعه “فاقد سوگیری” (Unbiased) بوده و به نیازهای محلی پاسخ دهند.

6. نتیجه‌گیری: زمان برای اقدام است

هوش مصنوعی یک شمشیر دولبه است. پتانسیل آن برای حل بزرگترین چالش‌های بشریت (فقر، بیماری، تغییرات آب و هوایی) بی‌سابقه است. با این حال، مسیر فعلی که در آن توسعه و دسترسی به این فناوری به شدت به تمرکز جغرافیایی و اقتصادی وابسته است، به طور مستقیم به سمت «واگرایی بزرگ» حرکت می‌کند.

سازمان ملل متحد تأکید می‌کند که دهه آینده નિર્ણی است. بدون اقدام فوری، هماهنگ و مبتنی بر عدالت برای توزیع زیرساخت‌ها و مهارت‌ها، شکافی ایجاد خواهد شد که بازگشت از آن بسیار دشوار خواهد بود و دستاوردهای نیم قرن گذشته در کاهش فقر جهانی را به خطر خواهد انداخت.