اتوماسیونِ همه‌منظوره در برابر ابزارهای تخصصی؛ ریسک حذف سیستماتیک مشاغل

تصور کنید در دنیایی بیدار شوید که هیچ مهارتی، از برنامه‌نویسی پیچیده تا مدیریت مالی، دیگر مزیت رقابتی ایجاد نمی‌کند. این پرسش که «آیا هوش مصنوعی در نهایت می‌تواند تمام طیف ظرفیت‌های انسانی را پوشش دهد؟» جایگزین بحث‌های قدیمی درباره توانایی AI در انجام تکالیف خاص شده است. اگر هوش مصنوعی بتواند هر کاری را که انسان انجام می‌دهد، سریع‌تر، ارزان‌تر و بهتر به سرانجام برساند، نتیجه منطقی و گریزناپذیر این است که هیچ شغلی برای انسان‌ها باقی نخواهد ماند. در مقابل، تنها در صورتی مشاغل باقی می‌مانند که کسی باور کند محدودیت‌های ذاتی و غیرقابل عبوری برای توانمندی‌های هوش مصنوعی وجود دارد.

این دیدگاه، باور رایج به این موضوع که هوش مصنوعی یک فناوری «عادی» — شبیه موتور بخار یا اینترنت — است را به چالش می‌کشد. ابزارهای پیشین بخش‌های خاصی از صنعت را دگرگون کردند، اما هرگز توانایی کلی برای جایگزینی ذهن انسان در تمام حوزه‌های ممکن را نداشتند. برای مثال، اختراع اتومبیل حمل‌ونقل را متحول کرد، اما هیچ تأثیری بر نحوه دم کردن قهوه توسط یک باریستا نداشت. اما هوش مصنوعی که بتواند «هر کاری» را انجام دهد، در دسته‌ای کاملاً متفاوت از اختراعات قرار می‌گیرد؛ ابزاری که نه یک بخش از اقتصاد، بلکه کل مفهوم «توانمندی ذهنی» را هدف قرار داده است.

به نقل از تحلیل مفصلی که در ۱۴ سپتامبر ۲۰۲۶ در وب‌سایت 12gramsofcarbon.com منتشر شد، بحث‌های فعلی درباره هوش مصنوعی بیش از حد درگیر مفاهیمی مثل «آگاهی»، این‌که آیا AI اهداف و انگیزه‌های همسو با انسان دارد یا بحث‌های مربوط به نقض حقوق کپی‌رایت شده‌اند. در حالی که مسئله مرکزی بسیار ساده‌تر و بنیادی‌تر است: توانمندی (Capability).

اگر بپذیریم که مدل‌ها می‌توانند به یادگیری ادامه دهند تا به ظرفیت انسان برسند — یا به عبارتی «ناهمواری‌های» فعلی مهارت‌هایشان را صیقل دهند و یکدست کنند — حذف مشاغل یک نتیجه حتمی و تکراری (Tautology) است. سازوکار این اتفاق همین حالا فعال است: شرکت‌ها به سادگی به افراد پول می‌دهند تا انجام یک کار خاص را ضبط کنند و سپس این داده‌های رفتاری را در چرخه آموزش مدل بعدی قرار دهند تا نیاز به آن انسان برای همیشه برطرف شود.

برای مدت‌ها، فرضیه صفر این بود که «هوش مصنوعی نمی‌تواند X را انجام دهد» و بار اثبات بر عهده شتاب‌گرایان (Accelerationists) بود. اما اکنون این فرضیه تغییر کرده است. حتی دنیای فیزیکی هم دیگر پناهگاه امنی نیست؛ چراکه سرمایه‌های جهانی به شدت به سمت رباتیک سرازیر شده‌اند و این منجر به پیشرفت‌های بزرگ و مداوم شده است. تجلی فیزیکی این پیشرفت‌ها اغلب تکان‌دهنده است؛ برخی از ربات‌های فعلی چنان واقع‌گرایانه و در عین حال غریب توصیف شده‌اند که «ترسناک‌ترین چیزی» هستند که تا به حال دیده شده و این موضوع منجر به ترس‌های غریزی از حضور آن‌ها در محیط‌های خصوصی و خانه‌های خانواده‌ها شده است.

خوش‌بین‌ها اغلب استدلال می‌کنند که اتوماسیون منجر به خلق نقش‌های جدید می‌شود و به این اشاره می‌کنند که چگونه ربات‌های کارخانه‌ای باعث ایجاد مشاغل در زمینه‌های رباتیک، تعمیر و نگهداری و علوم کامپیوتر شدند. اما این استدلال در مورد هوش مصنوعی به سه دلیل بنیادین شکست می‌خورد:

• شکاف توانمندی: توصیه به «یادگیری کدنویسی» پیش‌فرض می‌گیرد که همه افراد توانایی ذهنی، زمان کافی و منابع مالی لازم برای این تغییر مسیر را دارند، در حالی که در واقعیت چنین نیست.
• شکاف کمی: تعداد نقش‌های فنی جدید ایجاد شده هرگز با حجم عظیم مشاغل دستی و اداری از دست رفته برابری نمی‌کند؛ تعداد شغل‌های جدید به اندازه شغل‌های قدیمی نیست.
• اتوماسیون بازگشتی: تفاوت هوش مصنوعی با فناوری‌های پیشین در این است که هر شغل جدیدی که AI ایجاد کند، تئوریکاً توسط خودِ هوش مصنوعی نیز قابل انجام است.

این وضعیت یک حلقه استقرایی بر اساس سه پیش‌فرض ایجاد می‌کند: تعدادی شغل وجود دارد؛ اگر هوش مصنوعی کاری را بهتر از انسان انجام دهد، در نهایت آن شغل را تصاحب می‌کند؛ و هوش مصنوعی می‌تواند هر کاری را بهتر از انسان انجام دهد. چه شغل‌های جدیدی ایجاد شود و چه نشود، نتیجه یکسان است: هوش مصنوعی در نهایت تمام شغل‌ها را انجام می‌دهد. اگر شغل‌های جدیدی خلق شوند، شما صرفاً به پیش‌فرض اول بازمی‌گردید و این فرآیند را تکرار می‌کنید. این گذار ساختاری چنان عمیق است که بیل گیتس آن را متلاطم‌ترین دوران تاریخ بشر توصیف کرده است.

وقتی از منتقدان خواسته می‌شود نمونه‌هایی از کارهایی که هوش مصنوعی «نمی‌تواند» انجام دهد ارائه کنند، آن‌ها اغلب به استدلال‌های مذهبی یا معنوی متوسل می‌شوند و ادعا می‌کنند AI نمی‌تواند «رویا ببیند، عشق بورزد یا بخندد». اگرچه این‌ها ویژگی‌های انسانی هستند، اما برای یک تیم مالی که سعی دارد حسابداری خود را مدیریت کند، کاملاً بی‌معنی و بی‌ربط هستند. این توسل به «روح انسانی» در نهایت چیزی نیست جز پرسش‌هایی درباره توانمندی.

برخی معتقدند هنر یا نوشته‌های «ساخته دست انسان» همیشه ارزشمند می‌مانند و جایگاه خود را حفظ می‌کنند. اگرچه همیشه یک بازار کوچک (Niche) برای صنایع دستی و اصالت انسانی وجود خواهد داشت، اما این یک «ترجیح» است، نه یک «ضرورت».

اکثر مصرف‌کنندگان کیفیت را به منشأ اثر ترجیح می‌دهند. یک پیتزای باکیفیت همیشه بر یک پیتزای «اصیل» که طعم بدی دارد ترجیح داده می‌شود؛ ترجیح برای طعم بهتر، بر این حقیقت که رومی‌های باستان هرگز «ندوجا» (Nduja) را روی پیتزا نمی‌ریختند، غلبه می‌کند. حتی کسی مثل آنتونی بوردین احتمالاً از خوردن مقعد شسته نشده گراز جنگی لذت نمی‌برد، صرفاً به این دلیل که آن غذا «اصیل» است.

در اقتصاد جهانی، تقاضا برای «اصالت» ساخته دست انسان، چیزی در حد یک خطای گرد کردن (Rounding Error) است؛ شبیه به خرید کلاه‌های دست‌دوز از یک فروشنده «اصیل» بالینزی در اوبود در طول ماه عسل توسط طبقه متوسط رو به بالا. اصالت تنها به این دلیل ارزشمند است که نسبت به تقاضا کمیاب است، نه به این دلیل که تقاضای عینی بالا یا ارزش ذاتی مطلق دارد.

ارزش از کمیابی مشتق می‌شود. هر چیزی که هوش مصنوعی بتواند انجام دهد، تئوریکاً می‌تواند بی‌نهایت ارزان شود، که این معادل بی‌ارزش شدن است. وقتی AI سبک نویسندگان برنده جوایز معتبر یا مقاله‌نویسان کنیایی را تقلید می‌کند، آن سبک را همه‌گیر و فراوان می‌کند. پنج سال پیش، توانایی همه در نوشتن با چنین سبکی شاید عصر طلایی ادبیات به نظر می‌رسید، در متون تبلیغاتی. اما متن تبلیغاتی، در نهایت همان متن تبلیغاتی است.

این روند همین حالا در ارتباطات دیجیتال مشهود است:

• زباله‌های هوش مصنوعی (AI Slop): متن‌های صیقل‌خورده با لحن AI، اکنون مترادف با تفکر ارزان و توخالی شده‌اند. مردم اکنون وقتی متوجه می‌شوند در حال خواندن محتوای تولید شده توسط AI هستند، با بی‌تفاوتی یا حتی خشم واکنش نشان می‌دهند.
• سیگنال‌های انسانی: این موضوع منجر به ترندی شده است که در آن افراد در پلتفرم‌هایی مثل Substack یا توییتر عمداً از نقطه‌گذاری‌های غلط و حروف کوچک و بزرگ اشتباه استفاده می‌کنند تا منشأ انسانی نوشته را سیگنال دهند.
• کارایی بر زیبایی: هوش مصنوعی در جاهایی استفاده می‌شود که ارتباط باید سریع و کارآمد باشد، یا جایی که نوشتن یک کار طاقت‌فرساست. این موضوع در کدنویسی واضح‌تر است، جایی که کدها به خاطر «زیبایی خواندن» ارزش‌گذاری نمی‌شوند، بلکه به خاطر عملکردشان.

این روند در حال گسترش به حوزه‌های حرفه‌ای است. انتظار می‌رود درصد لوایح حقوقی و مقالاتی که به مجلات علمی معتبر ارسال می‌شوند و توسط AI نوشته شده‌اند، سال آینده به طور قابل توجهی افزایش یابد. اگر AI بتواند هر کاری را که انسان انجام می‌دهد انجام دهد، ارزش «هر کاری که انسان می‌تواند انجام دهد» به صفر می‌رسد. این یکپارچگی در خروجی‌ها می‌تواند منجر به یکسان‌سازی تفکر بشری بر اثر نفوذ AI شود و تنوع شناختی را به شدت کاهش دهد.

این موج حتی به سطح بالای کارهای فکری رسیده است. ترنس تائو (Terrence Tao)، برنده مدال فیلدز، از «صنعتی شدن ریاضیات» ابراز شوک و نگرانی کرده است. در حالی که مدل‌های زبانی بزرگ (LLMs) اکنون می‌توانند مسائل بزرگ و حل‌نشده را حل کنند، تائو هشدار می‌دهد که اهداف شرکت‌های AI به شدت با اهداف جامعه ریاضیات ناسازگار است.

نگرانی‌های کلیدی ترنس تائو عبارتند از:

• محک‌ها در برابر علم: شرکت‌های AI از حل مسائل ریاضی به عنوان یک محک (Benchmark) استفاده می‌کنند، اما حل یک مسئله تنها یک جایگزین (Proxy) برای هدف اصلی است: درک مفهومی و بینش.
• تولید انبوه حقیقت: تولید سریع گزاره‌های «درست/غلط» می‌تواند زمین حاصلخیزی را که برای ایده‌های نو لازم است، نابود کند.
• نابودی آموزش: به طور سنتی، سال‌ها آموزش باعث توسعه توانایی «طرح سؤالات جدید» می‌شد. AI نتایج را مستقیماً تولید می‌کند و بدین ترتیب توسعه فکری انسان را دور می‌زند.

حل یک مسئله از طریق یک پرامپت، با سال‌ها آموزشی که برای فرمول‌بندی سؤالات جدید لازم است، یکی نیست. این وضعیت به عنوان «تخریب در لباس دموکراتیزه کردن» توصیف شده است؛ جایی که معیار موفقیت (پاسخ) با هدف (بینش) اشتباه گرفته می‌شود. این یک نمونه کلاسیک از بیش‌برازش (Overfitting) است. این موضوع از آن جهت تکان‌دهنده است که تائو پیش از این یکی از حامیان بزرگ استفاده از AI در ریاضیات بود.

برخی نظریه‌پردازان در مقاله‌ای با عنوان «هوش مصنوعی به عنوان فناوری عادی» (آوریل ۲۰۲۳) استدلال کردند که AI یک فناوری «عادی» است و نهادها زمان کافی برای مداخله خواهند داشت. آن‌ها جبر تکنولوژیک و ایده AI به عنوان یک عامل خودمختار را رد کرده و پیشنهاد می‌کنند که AI دچار «FOOM» (انفجار ناگهانی و انفجاری هوش) نخواهد شد.

با این حال، این نگاه ماهیت رقابت جهانی را نادیده می‌گیرد. شرکت‌ها و دولت‌ها «بهینه‌سازانی» (Optimizers) با انگیزه‌های خاص خود هستند:

• خیانت شرکتی: هر هیئت مدیره‌ای، مدیرعاملی را که به دلایل اخلاقی از AI استفاده نکند، در حالی که رقیبان در حال کسب برتری هستند، برکنار خواهد کرد.
• فشار ژئوپلیتیک: هر بدنه حاکمیتی، پیشنهاداتی را که منجر به تضعیف صنایع AI داخلی‌شان شود، رد خواهد کرد اگر کشورهای دیگر به پیشروی خود ادامه دهند.

به جز یک توافق جهانی برای جلوگیری از توسعه بیشتر، هیچ مکانیسم کنترلی واضحی برای کند کردن استقرار AI وجود ندارد. نویسندگان مقاله «هوش مصنوعی به عنوان فناوری عادی» تلویحاً اشاره می‌کنند که کنترل‌های سیاستی می‌توانند مانع از تصاحب تمام شغل‌ها توسط AI شوند، اما این موضوع واقعیت «تئوری بهینه‌سازی همه چیز» را نادیده می‌گیرد. AI تنها از این جهت «عادی» است که یک ابزار است، اما «غیرعادی» است چون در نهایت می‌تواند در تقریباً هر تکلیفی از نیروی کار انسانی پیشی بگیرد. در همین راستا، برخی اکوسیستم‌ها مانند پلتفرم Cork به دلیل همین نگرانی‌های فنی و اخلاقی تصمیم به حذف ابزارهای AI گرفته‌اند.

تاریخچه گرامافون درس بزرگی است. پیش از موسیقی ضبط شده، هر بار، رستوران، تئاتر یا سالن رقص به نوازندگان زنده نیاز داشت. اکنون، توانایی تولید موسیقی در دسترس‌ترین حالت ممکن است، اما توانایی کسب درآمد از آن به شدت سقوط کرده است. موانع ورود کاهش یافت و «سلیقه» به تمایز اصلی تبدیل شد. تنها چند «راک‌استار» مثل التون جان هستند که صرفاً بر اساس سلیقه، درآمدی در سطح طبقه متوسط دارند.

هوش مصنوعی احتمالاً همین الگو را در تمام بخش‌ها تکرار می‌کند، اما به جای یک قرن، در عرض دو سال. این موضوع توزیع خاصی از تأثیرات را ایجاد می‌کند:

• سطح جونیور/ورودی: این جایگاه‌ها به شدت آسیب‌پذیرند زیرا مهارت‌های بنیادی که آن‌ها فراهم می‌کنند ارزان شده است. AI به طور نامتناسبی به جونیورها، فریلنسرها و موقعیت‌های سطح ورودی ضربه می‌زند.
• متخصصان ارشد: کسانی که به دلیل «سلیقه» و سابقه شناخته می‌شوند، محافظت‌شده‌تر هستند و حتی ممکن است از این ابزارها سود ببرند. برای مثال، هنرمندان ارشد در طراحی گرافیک در حال پیشرفت هستند چون اساساً به خاطر سلیقه‌شان ارزشمند بودند.

اگر مهارت بنیادی یک حرفه ارزان و در دسترس شود، اقتصاد به سمت چند «راک‌استار» و دریایی از افرادی می‌رود که نمی‌توانند از هنر یا تخصص خود امرار معاش کنند. در حالی که این موضوع دسترسی را افزایش می‌دهد — و به افراد بیشتری اجازه می‌دهد ریاضی یا موسیقی را به عنوان سرگرمی دنبال کنند — اما اگر «شغل اصلی» (مانند مهندسی نرم‌افزار) نیز توسط AI انجام شود، این دسترسی بی‌معنی است. نسل‌های آینده ممکن است در کلاس تاریخ — به فرض اینکه کلاس‌های تاریخ هنوز وجود داشته باشند — شانه بالا بیندازند و از مدل‌ها بخواهند که «یک پیشرفت بزرگ انجام دهند»، همان‌طور که دانشجویان امروز در حالی که کتاب‌های مربوط به تخریب کارخانه‌های نساجی را نادیده می‌گیرند، در سایت Shein اسکرول می‌کنند.

در نهایت، به پرسش اصلی بازمی‌گردیم: چه چیزهایی به طور منحصر به فرد انسانی هستند که هیچ AI نمی‌تواند انجام دهد، نه اکنون و نه تا بیست سال آینده؟ بهترین پاسخ به سادگی این است: «انسان بودن».

اما به عنوان یک قلعه حرفه‌ای یا اقتصادی، این پاسخ تسلای چندانی نمی‌کند. وقتی ارزش هر کاری که انسان می‌تواند انجام دهد به صفر برسد چون دیگر کمیاب نیست، ماهیت کار به شکلی بنیادین و غیرقابل‌پیش‌بینی متفاوت خواهد بود. یک نوازنده در یک قرن پیش نمی‌توانست اسپاتیفای یا نرم‌افزارهای DAW را پیش‌بینی کند؛ به همین ترتیب، پیش‌بینی آنچه پس از اتوماسیون کامل نیروی کار انسانی می‌آید، تقریباً غیرممکن است.

گام بعدی شما

• روی توسعه «سلیقه» و «قضاوت استراتژیک» تمرکز کنید، زیرا مهارت‌های اجرایی در حال ارزان شدن هستند.
• ابزارهای AI را نه به عنوان دستیار، بلکه به عنوان جایگزین مهارت‌های پایه در گردش‌کار خود تست کنید تا نقاط ضعف را زودتر بیابید.
• مدل‌های کسب‌وکار مبتنی بر «تولید محتوا» را به مدل‌های «مدیریت ارزش و کیوریتوری» تغییر دهید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell مراجعه کنید.