گوگل برنامه اقتصاد هوش مصنوعی را گسترش داد

ماجرا چیست؟

به گزارش Google AI Blog، گوگل اعلام کرده که برنامه پژوهشی «هوش مصنوعی و اقتصاد» (AI & Economy Research Program) خود را با جذب اقتصاددانان و مشاوران دانشگاهی سرشناس گسترش می‌دهد. هدف این برنامه، رصد دقیق‌تر تأثیر هوش مصنوعی بر مشاغل و بهره‌وری در سطح جهانی عنوان شده است.

بر اساس این گزارش، دو پژوهشگر نام‌آشنا به‌عنوان مدیران برنامه منصوب شده‌اند: Anu Madgavkar و Daniel Rock. تمرکز این دو مدیر بر پذیرش جهانی هوش مصنوعی، تغییرات بازار کار و رشد بنگاه‌ها خواهد بود. گوگل همچنین از راه‌اندازی تازه‌ترین داده‌ها و انتشارات پژوهشی خود در نشانی ai.google/economy خبر داده است؛ جایی که به گفته‌ی این شرکت، این یافته‌ها به شکل‌گیری سیاست‌گذاری‌های آینده و آموزش نیروی کار کمک می‌کند.

در بخش دیگری از این گزارش، گوگل به پیشینه‌ی برنامه اشاره می‌کند: این شرکت پیش‌تر «AI & Economy ATLAS v1.0» و سایت تعاملی و دسترسی‌آزاد آن را راه‌اندازی کرده بود تا الگوی استفاده‌ی مردم از ابزارهای هوش مصنوعی گوگل در محل کار و زندگی روزمره را بررسی کند. به نوشته‌ی گوگل، رصد الگوهای پذیرش تنها آغاز کار است و مدیریت این گذار نیازمند رویکردی چندرشته‌ای است که داده‌های ریزدانه را با پژوهش اقتصادی دقیق ترکیب کند.

گوگل می‌گوید برنامه‌ی یادشده تحولات فناورانه را در زمان واقعی اندازه‌گیری و تحلیل می‌کند و بر حوزه‌های اصلی‌ای مثل آینده‌ی کار، بهره‌وری و رشد، انتشار جهانی فناوری و تأثیر هوش مصنوعی بر اکتشاف علمی تمرکز دارد.

جزئیات فنی به زبان ساده

برای فهم این خبر، بهتر است دو مفهوم را جدا کنیم. «پذیرش فناوری» (Technology Adoption) یعنی اینکه چه تعداد از افراد و کسب‌وکارها واقعاً از یک ابزار استفاده می‌کنند؛ و «بهره‌وری» (Productivity) یعنی مقدار خروجی به‌ازای هر واحد کار یا سرمایه. گوگل می‌خواهد این دو را در کنار هم و به‌صورت پیوسته بسنجد.

به گزارش Google AI Blog، تیم پژوهشی قصد دارد «تلهمتری مدل‌های پیشرو» (Frontier Model Telemetry) را با «اقتصادسنجی» (Econometrics) ترکیب کند. تلهمتری در اینجا به داده‌های فنی و آماری‌ای اشاره دارد که از نحوه‌ی استفاده‌ی واقعی کاربران از مدل‌ها به دست می‌آید؛ و اقتصادسنجی روش‌های آماری‌ای است که اقتصاددانان برای سنجش رابطه‌ی میان متغیرها، مثل ارتباط میان استفاده از هوش مصنوعی و تغییر بهره‌وری، به کار می‌برند.

گوگل همچنین از جذب چهره‌های دانشگاهی خبر داده است. Philippe Aghion، برنده‌ی جایزه‌ی نوبل اقتصاد در سال ۲۰۲۵ و استاد کرسی Kurt Björklund در INSEAD و کلژ دو فرانس، به‌عنوان مشاور دانشگاهی به گروه مشاوران اضافه شده است. به گفته‌ی گوگل، او در کنار Michael Spence (برنده‌ی نوبل اقتصاد) و Dame Diane Coyle از دانشگاه کمبریج، کار پیشگامانه‌ی خود درباره‌ی رشد مبتنی بر نوآوری و «تخریب خلاقانه» (Creative Destruction) را برای مدل‌سازی مسیر کلان‌اقتصادی بلندمدت هوش مصنوعی به کار می‌گیرد.

Ajay Agrawal نیز به‌عنوان پژوهشگر مهمان (Visiting Fellow) به این برنامه پیوسته است. او که دارنده‌ی کرسی Geoffrey Taber در کارآفرینی و نوآوری و استاد مدیریت راهبردی در دانشکده‌ی مدیریت Rotman دانشگاه تورنتو است، با David Autor، پژوهشگر فعلی و رئیس بخش اقتصاد MIT، همکاری نزدیک خواهد داشت. حوزه‌های پژوهشی او شامل اقتصاد هوش مصنوعی و اکتشاف علمی، هوش مصنوعی و رباتیک، و راه‌های گسترش مرزهای رفاه انسانی است.

در سطح مدیریت اجرایی، Anu Madgavkar پیش‌تر شریک مؤسسه‌ی جهانی McKinsey (MGI) بوده و دو دهه پژوهش جهانی درباره‌ی بازارهای کار، پذیرش فناوری و گذارهای ساختاری اقتصادی را رهبری کرده است. به گزارش منبع، او بارها به دولت‌ها، نهادهای چندجانبه و رهبران کسب‌وکار مشاوره داده و در مجمع جهانی اقتصاد و سازمان ملل مشارکت داشته است. در گوگل، او پژوهش‌های تجربی درباره‌ی انتشار جهانی هوش مصنوعی، زیست‌بوم کسب‌وکارهای کوچک و اثر هوش مصنوعی مولد بر نیروی کار را هدایت می‌کند.

Daniel Rock نیز از دانشکده‌ی وارتون دانشگاه پنسیلوانیا به گوگل آمده است. او اقتصاددانی شناخته‌شده در حوزه‌ی هوش مصنوعی و کار است و در نوشتن مقالات بنیادین درباره‌ی گذارهای فناورانه همکاری داشته است. او که عضو برنامه‌ی AI2050 Early Career و همکار دیجیتال MIT است، پژوهش‌های تجربی گوگل را با تمرکز بر بهره‌وری بنگاه‌ها، بازساختاردهی نیروی کار و اکتشاف علمی رهبری خواهد کرد.

بر پایه‌ی این گزارش، Madgavkar و Rock برنامه‌ی پژوهشی هوش مصنوعی و اقتصاد گوگل را در کنار Alex Imas، مدیر اقتصاد AGI در Google DeepMind، و Zanna Iscenko، مسئول هوش مصنوعی و اقتصاد در دفتر اقتصاددان ارشد گوگل، پیش می‌برند.

چرا این اتفاق مهم است؟

هوش مصنوعی مولد در چند سال گذشته از یک موضوع پژوهشی به ابزاری روزمره در بسیاری از حرفه‌ها تبدیل شده است. با این حال، یکی از شکاف‌های اصلی، نبود داده‌ی دقیق درباره‌ی این است که این ابزارها واقعاً چه اثری بر بهره‌وری، ترکیب مشاغل و رشد اقتصادی می‌گذارند. بسیاری از بحث‌های عمومی در این زمینه بر پایه‌ی گمانه‌زنی یا نمونه‌های کوچک شکل می‌گیرد.

ورود اقتصاددانانی مثل Aghion و Agrawal به یک برنامه‌ی شرکتی، از این جهت مهم است که می‌تواند پلی میان دو دنیای جدا بیندازد: دنیای مدل‌های زبانی بزرگ و داده‌های فنی آن‌ها، و دنیای اقتصادسنجی که سال‌ها روش‌های سنجش اثر فناوری بر کار را توسعه داده است. اگر این ترکیب درست انجام شود، ممکن است تصویر واقع‌بینانه‌تری از سرعت و جهت تغییرات به دست دهد.

نکته‌ی دیگر، بُعد سیاست‌گذاری است. گوگل به‌صراحت از کمک به «سیاست‌گذاری آینده» و «آموزش نیروی کار» سخن می‌گوید. این یعنی خروجی این پژوهش‌ها می‌تواند به تصمیم‌های دولتی درباره‌ی مهارت‌آموزی، حمایت از کسب‌وکارهای کوچک و چارچوب‌های نظارتی راه پیدا کند. برای کاربران و کارکنان، این به معنای آن است که روایت رسمی درباره‌ی «آیا هوش مصنوعی شغل‌ها را حذف می‌کند یا بازتعریف می‌کند» ممکن است بیش از پیش بر داده استوار شود، نه بر حدس.

از منظر رقابت صنعتی هم، این حرکت گوگل را در کنار تلاش‌های مشابه سایر بازیگران بزرگ هوش مصنوعی قرار می‌دهد که هرکدام می‌کوشند داده و روایت خود را درباره‌ی اثر اقتصادی این فناوری بسازند. برای پیگیری این دست تحولات، می‌توانید آخرین اخبار هوش مصنوعی گوگل را دنبال کنید.

این خبر برای کاربران چه کاربردی دارد؟

در کوتاه‌مدت، این خبر یک تغییر محصول یا قابلیت جدید برای کاربران نیست؛ بلکه یک برنامه‌ی پژوهشی است. با این حال، دو کاربرد عملی دارد. نخست اینکه گوگل داده‌ها و انتشارات پژوهشی خود را در نشانی ai.google/economy در دسترس قرار می‌دهد؛ بنابراین پژوهشگران، دانشجویان و فعالان حوزه‌ی کار می‌توانند این منابع را بررسی کنند.

دوم اینکه اگر خروجی این پژوهش‌ها به طراحی برنامه‌های مهارت‌آموزی یا سیاست‌های حمایتی منجر شود، ممکن است در میان‌مدت بر نوع آموزش‌ها و فرصت‌های شغلی مرتبط با هوش مصنوعی اثر بگذارد. در گزارش منبع به جزئیات دسترسی، قیمت یا شرایط استفاده در کشورهای مختلف اشاره نشده است؛ پس درباره‌ی دسترسی کاربران ایرانی نمی‌توان اظهارنظر قطعی کرد و باید منتظر اطلاعات رسمی ماند.

برای کسانی که به‌طور حرفه‌ای با هوش مصنوعی کار می‌کنند، ارزش این برنامه در شفاف‌سازی الگوهای استفاده است. اگر داده‌های ATLAS به‌روزرسانی شود، می‌توان فهمید که مثلاً کدام صنایع سریع‌تر پذیرفته‌اند و کدام‌ها عقب مانده‌اند. این نوع داده برای برنامه‌ریزی شغلی و آموزشی مفید است. علاقه‌مندان به حوزه‌ی رسانه و فناوری هم می‌توانند مباحث مرتبط با آینده‌ی خبرنگاری با هوش مصنوعی را در همین زمینه دنبال کنند.

تحلیل: بعد از این چه می‌شود؟

این بخش تحلیل شخصی است، نه گزارش منبع. به‌نظر می‌رسد گوگل در حال ساختن نوعی «زیرساخت روایی» برای اقتصاد هوش مصنوعی است. وقتی شرکتی هم داده‌ی فنی مدل‌ها را در اختیار دارد و هم اقتصاددانان برجسته را به کار می‌گیرد، می‌تواند هم بر کیفیت پژوهش اثر بگذارد و هم بر چگونگی تفسیر آن در فضای عمومی. این لزوماً بد نیست؛ اما پرسش مهم این است که استقلال علمی این پژوهش‌ها چگونه تضمین می‌شود.

ممکن است در ماه‌های آینده شاهد انتشار گزارش‌هایی از ATLAS باشیم که ادعاهای رایج درباره‌ی اثر هوش مصنوعی بر مشاغل را دقیق‌تر کند. احتمال دارد تمرکز اولیه بر کسب‌وکارهای کوچک و بهره‌وری بنگاه‌ها باشد، چون این حوزه‌ها هم داده‌ی قابل‌اندازه‌گیری‌تری دارند و هم از نظر سیاست‌گذاری جذاب‌ترند. با این حال، سنجش اثر بلندمدت هوش مصنوعی بر کل اقتصاد کار ساده‌ای نیست و نتایج ممکن است سال‌ها طول بکشد.

نکته‌ی دیگری که باید با احتیاط دید، تعمیم نتایج جهانی به بازارهای محلی است. داده‌های پذیرش فناوری در کشورهای مختلف بسیار ناهمگون است و یافته‌های یک برنامه‌ی جهانی همیشه با شرایط هر بازار منطقه‌ای هم‌خوان نیست. بنابراین بهتر است این پژوهش‌ها را به‌عنوان یک منبع مهم اما نه‌تنها منبع در نظر گرفت. برای آشنایی بیشتر با فضای رسانه‌ای و تحلیلی این حوزه، خبرنگار هوش مصنوعی هوشینا نیز مباحث مرتبط را پوشش می‌دهد.