چرا هوش مصنوعی نمی‌تواند جایگزینی برای بازار باشد؟ | ادامه جدال دیرینه میان برنامه ریزی متمرکز و نظم خودجوش بازار

به گزارش اقتصادنیوز،‌ «چرا هوش مصنوعی نمی‌تواند جایگزینی برای بازار باشد؟» این سوالی است که هفته نامه تجارت فردا در شماره این هفته به آن پرداخته است.

در همین راستا، محمد طاهری، سردبیر هفته‌نامه تجارت فردا و نیما نامداری، تحلیلگر اقتصاد دیجیتال در سرمقاله ای مشترک نوشتند؛

همزمان با افزایش اقبال عمومی به هوش مصنوعی، یکی از جنجالی‌ترین و درعین‌حال بنیادی‌ترین مناقشات علم اقتصاد، بار دیگر در قالبی تازه احیا شده است. اینکه آیا می‌توان یک نظام متمرکز را جایگزین سازوکار بازار کرد؟ نظامی که این‌بار نه متکی بر برنامه‌ریزی انسانی، بلکه مبتنی بر الگوریتم‌ها و ماشین‌های هوشمند است.

این پرسش، در ظاهر جدید و نوآورانه، اما در باطن ادامه همان جدال قدیمی میان طرفداران برنامه‌ریزی متمرکز و نظم خودجوش بازار است که ریشه‌های آن به قرن بیستم و مناقشات معروف درباره امکان محاسبه اقتصادی و برنامه‌ریزی متمرکز بازمی‌گردد. 

ژیکی از معروف‌ترین نمونه‌های این جدال قدیمی، مناقشه مشهور محاسبه اقتصادی در نظام سوسیالیستی در دهه‌های ۱۹۲۰ و ۱۹۳۰ است. در این مناظره، فون میزس و فون هایک استدلال می‌کردند که بدون وجود مالکیت خصوصی و قیمت‌های بازار، امکان محاسبه عقلانی اقتصادی از میان می‌رود. از نگاه آنها، قیمت‌ها صرفاً اعداد حسابداری نیستند، بلکه حامل اطلاعاتی حیاتی درباره کمیابی منابع، ترجیحات مصرف‌کنندگان و هزینه فرصت‌اند.

اطلاعاتی که تنها از دل تعاملات غیرمتمرکز میلیون‌ها کنشگر اقتصادی پدید می‌آیند. در مقابل، مدافعان برنامه‌ریزی متمرکز، ازجمله اسکار لانگه، معتقد بودند که یک نهاد مرکزی می‌تواند با گردآوری داده‌ها و حل دستگاهی از معادلات، همان نتایجی را به‌دست آورد که بازار از طریق رقابت حاصل می‌کند.

لانگه حتی معتقد بود که برنامه‌ریزان می‌توانند با آزمون و خطا، قیمت‌هایی شبه‌بازاری تعیین کنند تا به تخصیص بهینه منابع برسند. این دیدگاه در زمان خود، این امید را میان منتقدان نظام بازار تقویت کرد که مسئله محاسبه اقتصادی، اساساً یک مسئله فنی و محاسباتی است و با پیشرفت دانش و ابزارهای ریاضی قابل‌حل خواهد بود.

اما تجربه شکست اقتصادهای متمرکز به‌ویژه در اتحاد جماهیر شوروی و کشورهای بلوک شرق، به‌تدریج نشان داد که مشکل اصلی نه کمبود معادلات و نه ضعف محاسبات، بلکه ناتوانی در دسترسی به دانشی است که پراکنده، محلی و ضمنی است و تنها در جریان کنش واقعی افراد آشکار می‌شود. 

مناقشه جدید معمولاً از یک پیش‌فرض مشترک آغاز می‌شود؛ اینکه هماهنگی اقتصادی اساساً یک مسئله محاسباتی است. بر اساس این فرض، اگر نهادی بتواند اطلاعات کافی درباره ترجیحات مصرف‌کنندگان، منابع موجود، فناوری‌ها، هزینه‌ها و ظرفیت‌های تولید را گردآوری کند و سپس این اطلاعات را با الگوریتم‌های پیشرفته پردازش کند، می‌تواند همان کاری را انجام دهد که بازار از طریق قیمت‌ها و تعاملات غیرمتمرکز انجام می‌دهد یا حتی بهتر از آن. 

پیشرفت‌های چشمگیر در حوزه یادگیری ماشین، تحلیل کلان‌داده‌ها و مدل‌سازی رفتاری، این تصور را تقویت کرده که شاید اکنون ابزارهای لازم برای تحقق چنین رویایی فراهم شده باشد. در این چهارچوب، هوش مصنوعی به‌عنوان ابزاری معرفی می‌شود که می‌تواند رفتار میلیون‌ها یا حتی میلیاردها فرد را به‌صورت بلادرنگ رصد کند، الگوهای مصرف و تولید را استخراج کند و بر اساس آنها تصمیم‌های بهینه درباره تولید، توزیع، سرمایه‌گذاری و قیمت‌گذاری اتخاذ کند. 

از نظر منتقدان، مشکل اصلی اقتصاد نه فقدان داده یا قدرت پردازش، بلکه ماهیت دانشی است که تصمیم‌های اقتصادی بر آن تکیه دارند. این دانش، برخلاف داده‌های فیزیکی یا اطلاعات فنی، پراکنده، محلی، ضمنی و همواره در حال تغییر است. بخش بزرگی از آن نه‌تنها پیشاپیش وجود ندارد، بلکه فقط در جریان کنش واقعی افراد، در بستر تعاملات بازار و از دل تجربه، اشتباه، نوآوری و رقابت پدیدار می‌شود.

بازار، در این معنا، یک ابزار محاسبه یا برنامه‌ریزی آگاهانه نیست. بازار نهادی نیست که بداند یا تصمیم بگیرد؛ بلکه فرآیندی اجتماعی است که امکان می‌دهد دانش اقتصادی اساساً شکل گیرد و آشکار شود. قیمت‌ها در بازار حاصل جمع‌بندی مکانیکی اطلاعات کامل نیستند، بلکه سیگنال‌هایی‌اند که از دل آزمون و خطا، سود و زیان و واکنش‌های واقعی افراد به شرایط متغیر پدید می‌آیند.

این سیگنال‌ها به کنشگران اقتصادی اجازه می‌دهند بدون آنکه تصویر کاملی از کل اقتصاد داشته باشند، تصمیم‌هایی بگیرند که به‌طور نسبی با شرایط کلی سازگار است. در مقابل، هوش مصنوعی یک سامانه محاسباتی است که عملکرد آن ناگزیر به داده‌های موجود وابسته است.

الگوریتم‌ها می‌توانند الگوهای گذشته را شناسایی کنند، همبستگی‌ها را بیابند و در چهارچوب مدل‌های تعریف‌شده بهینه‌سازی انجام دهند، اما همواره با دانشی کار می‌کنند که قبلاً تولید و صورت‌بندی شده است. به بیان دیگر، هوش مصنوعی مصرف‌کننده دانش است، نه تولیدکننده آن. 

متنن کامل این تحلیل در شماره 619 تجارت‌فردا منتشر شده است.