آینده کار در عصر هوش مصنوعی: میزگرد متخصصان

ماه مه گذشته، گونه‌ای جدید از ویدیوهای ویروسی ظهور کرد: کلیپ‌هایی از چندین مراسم فارغ‌التحصیلی دانشگاهی که در آن‌ها فارغ‌التحصیلان جدید سخنرانانی را که در مورد هوش مصنوعی (A.I.) صحبت می‌کردند، با شور و حرارت هو می‌کردند. و با توجه به تیترهای اخیر در مورد چگونگی آماده بودن این فناوری برای ایجاد اختلال در بازار کار، به‌ویژه برای کارگران تازه‌کار مانند خودشان، سرزنش آن‌ها دشوار است. بسیاری از این جوانان با شنیدن اینکه "یادگیری کدنویسی" بلیطی برای درآمد شش رقمی است، بزرگ شدند، تنها برای اینکه در بازاری فارغ‌التحصیل شوند که در آن برنامه‌نویسان کامپیوتر انسانی به نظر می‌رسند گونه‌ای در خطر انقراض هستند. اگرچه هنوز کاملاً مشخص نیست که آیا هوش مصنوعی واقعاً کل نیروی کار را کاهش داده است یا خیر، اما شرکت‌های خاصی تعدیل نیروهای بزرگی را اعلام کرده‌اند که با برنامه‌های استفاده از هوش مصنوعی برای خودکارسازی مشاغل مرتبط است.

همه این‌ها یک پرسش آزاردهنده را مطرح می‌کند: اگر امروز دانشجو هستید – یا، به طور کلی، هر کارگری که با این چشم‌انداز نامشخص روبرو است – چگونه باید برای آینده کار در عصر هوش مصنوعی آماده شوید؟ پاسخ آسانی وجود ندارد، اما ما هیئتی از چهار متخصص را که تأثیر هوش مصنوعی بر کار را از نزدیک دنبال می‌کنند، گرد هم آوردیم تا به روشن شدن این پرسش کمک کنیم.

این بحث برای وضوح ویرایش و تلخیص شده است و برخی مطالب از مصاحبه‌های بعدی اضافه شده‌اند.

دارون عجم‌اوغلو، اقتصاددان در ام.آی.تی. (M.I.T.) و برنده جایزه نوبل

دین بال، مشاور سابق هوش مصنوعی و فناوری‌های نوظهور برای دولت ترامپ، اکنون پژوهشگر ارشد در بنیاد نوآوری آمریکا (Foundation for American Innovation)

ایتن مولیک، استاد در دانشکده وارتون دانشگاه پنسیلوانیا و نویسنده کتاب‌های «هم‌هوشمندی» (Co-Intelligence) و «هم‌زیستی» (Co-Existence) که به زودی منتشر می‌شود

کلارا شی، مدیر اجرایی ارشد سابق هوش مصنوعی در Salesforce و Meta، هم‌بنیانگذار بنیاد کار نوین (New Work Foundation)، یک سازمان غیرانتفاعی که هدفش کمک به کارگران تازه‌کار برای سازگاری با هوش مصنوعی است

بیل واسیک، گرداننده، سردبیر بخش علمی در نیویورک تایمز و مدیر تحریریه سابق مجله تایمز

بیل واسیک: گفتگو درباره هوش مصنوعی و آینده کار، گفتگوی ناامیدکننده‌ای است. نه فقط به این دلیل که پیش‌بینی‌های همه بسیار متفاوت است – ایلان ماسک می‌گوید "زمانی فرا می‌رسد که هیچ شغلی لازم نیست" زیرا "هوش مصنوعی قادر به انجام هر کاری خواهد بود"، یا کای-فو لی، مدیر اجرایی هوش مصنوعی چینی، در سال ۲۰۱۷ پیش‌بینی کرد که هوش مصنوعی ۵۰ درصد از نیروی کار را در ۱۰ سال آینده جابجا خواهد کرد – بلکه به این دلیل که به ندرت با بینشی در مورد *چگونگی* یا *چرا* هوش مصنوعی ممکن است مشاغل را از بین ببرد، همراه است. یک نیروی کار ترکیبی هوش مصنوعی-انسانی چگونه خواهد بود؟ مشاغل ما در نتیجه چگونه تغییر خواهند کرد؟ به نظر من، این‌ها سؤالات بسیار جذاب‌تری هستند.

ایتن مولیک: من یک تمرین سرگرم‌کننده انجام داده‌ام که در آن از خود هوش مصنوعی‌ها خواستم تا سناریویی از کار آینده در عصر هوش مصنوعی به من بدهند. معمولاً با چیزی شبیه این شروع می‌شود: "مارکوس چن" – این یکی از نام‌های مورد علاقه چت‌بات‌ها برای توسعه‌دهندگان نرم‌افزار است – "به دفتر می‌رود، جایی که گزارش‌هایی را از عوامل هوش مصنوعی خود درباره کارهای انجام‌شده می‌خواند و سپس از قضاوت خود برای اختصاص وظایف جدید به آن‌ها استفاده می‌کند."

اما سپس از هوش مصنوعی می‌پرسم: "صبر کن – چرا او به دفتر می‌رود اگر هوش مصنوعی کار را انجام می‌دهد؟" بنابراین چت‌بات می‌گوید: "نه، حق با شماست"، و دوباره شروع می‌کند: "مارکوس چن در خانه ساحلی خود از خواب بیدار می‌شود و عوامل هوش مصنوعی خود را بررسی می‌کند." و سپس می‌پرسم: "چرا او اصلاً *چک می‌کند* اگر عوامل همه کار را انجام می‌دهند؟" در این مرحله چت‌بات دوباره عذرخواهی می‌کند و می‌گوید: "مارکوس چن کنار ساحل نشسته است. … "

بسیاری از این مسائل به این سوال برمی‌گردد که ما در چه نوع جهانی زندگی می‌کنیم. آیا جهانی است که در آن هوش مصنوعی یک فناوری نسبتاً عادی است و تغییرات کندتر اتفاق می‌افتد، یا جهانی است که در آن هوش مصنوعی واقعاً فوق‌العاده توانمند می‌شود؟

برنامه‌نویسی کامپیوتر اکنون دید بسیار خوبی از این نوع چیزها ارائه می‌دهد. قبلاً یک برنامه‌نویس کسی بود که به طور منظم کد خوبی می‌نوشت. حالا ناگهان در عرض چند ماه، این موضوع به مدیریت وظایف مهندسی تبدیل می‌شود. بنابراین فکر می‌کنم شاهد تغییرات دیگری در انتظارات از مشاغل افراد خواهیم بود.

کلارا شی: می‌خواهم بر اساس استعاره مارکوس چن صحبت کنم. بیایید فرض کنیم که به آخرین سناریو می‌رسیم: او در ساحل است، زندگی خوبی دارد. اما وضعیت سایر کارگران چطور؟ اکنون داشتن آشپزهای کمتر در آشپزخانه سریع‌تر و کارآمدتر است.

دارون عجم‌اوغلو: درست است. اقتصاد آمریکا چند مارکوس چن را می‌تواند استخدام کند؟ فکر کردن به اینکه ۱۰۰ میلیون نفر مانند مارکوس چن کار خواهند کرد، واقع‌بینانه نیست.

دین بال: من نسبت به هوش مصنوعی بسیار خوش‌بین هستم، اما دیدگاه نسبتاً معتدل‌تری نسبت به اثرات عملی آن دارم. و دلیل اصلی آن این است که حرفه‌هایی که در مورد آن‌ها صحبت می‌کنیم، حرفه‌هایی با اتوماسیون بالا هستند، درست است؟ ارسال یک ایمیل یک فرآیند فوق‌العاده خودکار است در مقایسه با آنچه قبلاً برای ارتباط متنی با یکدیگر انجام می‌دادیم. کدنویسی ذاتاً بسیار خودکار است. اگر می‌خواهید در مورد معدن یا کشاورزی صحبت کنید – این‌ها از قبل به شدت مکانیزه شده‌اند. بنابراین این واقعیت که می‌توانیم راننده را از کامیون معدن خارج کنیم، بخش بسیار کوچکی از اکثریت هزینه‌های استخراج معادن است.

تحولی که در حال وقوع است، در دنیایی رخ خواهد داد که امروز برای ما آشناست، و هر روز آشنا به نظر خواهد رسید. و تغییرات بسیار بسیار کوچکی در حاشیه وجود خواهد داشت. قطعات بسیار کوچکی از اتوماسیون در حاشیه وجود خواهد داشت. و ۱۰، ۱۵، ۲۰ سال بعد، به عقب نگاه می‌کنیم و می‌گوییم، *خدای من، همه چیز فرق کرده است*. اما هرگز متوجه وقوع آن نخواهید شد. همیشه همین‌طور است.

عجم‌اوغلو: چیزهای زیادی وجود دارد که مدل‌های هوش مصنوعی در حال حاضر و در آینده نزدیک قادر به انجام آن‌ها نخواهند بود. دیدگاه کنونی این است که به نحوی عوامل (ایجنت‌ها) بخش زیادی از کار را انجام خواهند داد و ما فقط باید بر آن‌ها نظارت کنیم. من این را بسیار غیرواقعی می‌دانم. اما اگر *واقع‌بینانه* بود، اتفاق وحشتناکی می‌شد.

شی: با شما هم موافقم و هم مخالفم. من امروز یک شرکت نوپا در حوزه فناوری راه‌اندازی می‌کنم. بنابراین این یک مسئله نظری نیست. حدود دو ماه پیش شروع کردم. به ۳۰ روز اولمان فکر می‌کنم که هیچ کارمندی نداشتیم. قبل از دنیای عامل‌های هوش مصنوعی (A.I.-agent)، هیچ راهی وجود نداشت که بتوانیم در عرض چند روز و با تعداد بسیار کمی از افراد، شرکت را ثبت کنیم، تمام اسناد مربوط به سازمان امور مالیاتی (I.R.S.) و ایالت کالیفرنیا را تکمیل کنیم و سیاست حفظ حریم خصوصی خود را تنظیم کنیم. در گذشته، ما برای این کار به استخدام ده‌ها نفر و همکاری با چندین شرکت حقوقی خارجی، آژانس‌های بازاریابی و طراحی و غیره، در طول چندین ماه نیاز داشتیم. بنابراین جابجایی شغلی توسط هوش مصنوعی *واقع‌بینانه و واقعی* است، و هم وحشتناک است و هم فوق‌العاده.

مولیک: تقویت کارآفرینی بسیار مهم است. کارهای بسیار اولیه با GPT-4 نشان می‌دهد که این فناوری به کارآفرینان موفق کنیایی کمک کرد تا کارهای بهتری انجام دهند، زیرا توصیه‌های بهتری دریافت کردند.

عجم‌اوغلو: اگرچه یک یافته در اقتصاد این است که اگر افراد زیادی بتوانند وارد یک حرفه یا فعالیت اقتصادی شوند، با ورود بیش از حد مواجه می‌شویم که بسیار پرهزینه و تحریف‌کننده است. بنابراین من نگران دقیقاً همین اتفاق در کارآفرینی هستم.

مولیک: در همین حال، اگر شما مثلاً کوکاکولا یا والمارت هستید، ماهیت تغییر کمی متفاوت است. و هیچ برنامه مشخصی وجود ندارد برای اینکه: چگونه این را پیاده‌سازی کنم؟ چگونه شرکت خود را بر اساس عامل‌های هوش مصنوعی سازماندهی مجدد کنم؟ کار فیزیکی و ساختار سازمانی وجود دارد که ایجاد شده است. و همه چیز شامل جلسات و گفتگو است. شما نمی‌توانید والمارت را یک شبه جایگزین کنید. بنابراین فکر می‌کنم شاهد رونق شرکت‌های نوپا خواهیم بود. اما فکر می‌کنم بسیاری از چیزها با این (تغییرات) کند می‌شوند. و این به ما زمان می‌دهد تا واکنش نشان دهیم.

واسیک: من دوست دارم به "مارکوس چن‌ها"، به اصطلاح، از صنایعی غیر از صنعت فناوری فکر کنم – سوال این است که کدام انواع کار بیشتر در معرض تهدید هستند. کلارا، شما یک سازمان غیرانتفاعی را برای کمک به کارگران تازه‌کار در جهت‌یابی این انتقال راه‌اندازی می‌کنید. کنجکاو هستم بشنوم که وقتی به این موضوع به عنوان یک لحظه بحرانی بالقوه برای کارگران تازه‌کار در سراسر جهان فکر می‌کنید، چه صنایعی در ذهن شما قرار دارند.

شی: فکر می‌کنم اگر فقط به شرکت‌هایی مانند آمازون در ۱۰ سال گذشته نگاه کنید، نمونه‌ای عالی از چگونگی پیشرفت این موضوع است. بیش از یک میلیون کارگر در آمازون وجود دارند، و بخش کوچکی از آن‌ها جزو گروه نخبه هستند. آن‌ها برنامه‌نویس هستند، بر سیستم‌ها نظارت می‌کنند، در HQ (دفتر مرکزی) کار می‌کنند. و بقیه در انبار و به عنوان راننده تحویل کالا کار می‌کنند. و آن‌ها دقیقه به دقیقه مدیریت می‌شوند: وظایفشان چه باید باشد، چقدر باید برای رفتن از ایستگاه A به ایستگاه B صرف کنند. و به مرور زمان، انتظار دارم که وظایف بیشتری از آن‌ها، از جمله تحویل و رانندگی، توسط هوش مصنوعی برعهده گرفته شود. من این را در صنایع مختلف می‌بینم.

فراتر از آن، بیایید به مجموعه مشاغل "مارکوس چن" اضافه کنیم. بیایید در مورد "استیسی اسمیت"، یک کارشناس فرضی رسیدگی به مطالبات بیمه درمانی، صحبت کنیم. او و میلیون‌ها نفر دیگر مانند او در ایالات متحده در صنعت بیمه و بانکداری به دلیل مقرراتی که آن مشاغل را نمی‌توانست به خارج از کشور منتقل کرد، استخدام شده‌اند. اما اکنون بسیاری از آن تأییدیه‌ها، چه تضمین وام مسکن باشد و چه رسیدگی به مطالبات، به راحتی توسط عامل‌های هوش مصنوعی انجام می‌شوند – با ثبات‌تر، با قابلیت تشخیص تقلب بیشتر، بسیار ارزان‌تر. چه اتفاقی برای "استیسی اسمیت"‌ها که در مکان‌هایی مانند کنتاکی و میسیسیپی دستمزد مناسبی دریافت می‌کنند، خواهد افتاد؟

در مورد "باب جانسون" چطور؟ بیایید در مورد او صحبت کنیم. او یک راننده کامیون مسافت طولانی است. او یکی از سه و نیم میلیون راننده کامیون در ایالات متحده است که باز هم دستمزد مناسبی دارند. آن‌ها در جنوب، در تگزاس، لوئیزیانا، میسیسیپی زندگی می‌کنند. آن‌ها نان‌آور خانواده‌هایشان هستند. آن‌ها ستون‌های جامعه خود هستند. وقتی فناوری Waymo منتشر شود و از موانع نظارتی برای "باب جانسون"‌ها عبور کنیم، چه اتفاقی می‌افتد؟

پس شاید مارکوس نتیجه خوبی داشته باشد. اما استیسی چه؟ باب چه؟

بال: فکر می‌کنم اگر بخواهیم وارد صنایع یا نقش‌های خاص شویم، موارد واضح مشاوره، بازاریابی، خدمات مشتری، کارهای حقوقی سطح ورودی، کارهای اداری هستند. همه این‌ها قطعاً واقعی است.

و سپس لایه مبهمی از چیزها در دنیای فیزیکی وجود دارد. من تا حدودی شک دارم که یک ربات انسان‌نما در یک بار برای شما کوکتل درست کند، حتی اگر بتواند، درست است؟ مردم این را نمی‌خواهند. و این یک نکته بسیار مهم برای فکر کردن در مورد آینده کار است. ترجیحات مردم چه خواهد بود؟ به همین ترتیب، بسیاری از کارهای فکری، در نهایت، به ویژه هرچه در رده‌ها بالاتر می‌روید، به متقاعد کردن مردم در مورد چیزها برمی‌گردد. من به این فرآیند سیاست‌بازی داخلی در یک شرکت یا سازمان دیگر شک دارم که صرفاً توسط هوش مصنوعی خودکار شود.

مولیک: به نظر من داستان داخل شرکت‌های بزرگ پیچیده خواهد بود. در شرکت پروکتر اند گمبل (Procter & Gamble)، ما آزمایشی با ۷۷۶ نفر از کارمندان آن‌ها انجام دادیم. آن‌ها یا افراد فنی بودند یا تجاری، و یا به صورت انفرادی یا در تیم‌های دو نفره کار می‌کردند. یافته در آن زمان این بود که افراد با استفاده از هوش مصنوعی به همان اندازه تیم‌هایی که از هوش مصنوعی استفاده نمی‌کردند، خوب عمل کردند. برای من، بخش *واقعاً* جالب این بود که این آزمایش مرزها را بین نقش‌ها نیز محو کرد. افراد تجاری قبلاً ایده‌های تجاری داشتند، افراد فنی ایده‌های فنی ارائه می‌دادند. اما با اضافه کردن هوش مصنوعی، همه بین یکدیگر ایده‌هایی را ارائه می‌دهند. و این اتفاق در همه جا در حال وقوع است. وقتی با افرادی در زمینه کدنویسی صحبت می‌کنم، به خصوص در صنایعی که دارای عنصری تقریباً خلاقانه هستند، مانند صنعت بازی، ناگهان طراحان می‌توانند کدنویسی کنند، ناگهان کدنویسان می‌توانند کار طراحی انجام دهند، هنرمندان می‌توانند شروع به نوشتن کنند.

عجم‌اوغلو: اجازه دهید سؤال را برگردانم و در مورد سه صنعت صحبت کنم که به نظر من برای بهره‌وری آینده کاملاً حیاتی هستند: تولید، مراقبت‌های بهداشتی و آموزش. همه آن‌ها پتانسیل هوش مصنوعی را نشان می‌دهند، اما همچنین گلوگاه‌های بزرگی نیز دارند. در تولید، ایالات متحده در به‌کارگیری هوش مصنوعی در تولید از چین عقب است، و هر گام کوچک از معرفی بیشتر اتوماسیون یا هوش مصنوعی در فرآیند تولید به حجم عظیمی از خدمات مهندسی نیاز دارد. این بسیار پرزحمت است. سپس آموزش وجود دارد، جایی که تأثیرات هوش مصنوعی تاکنون فاجعه‌بار بوده است: به عنوان مثال، یک مطالعه بزرگ در حال ظهور از چین، نتایج وحشتناک را از دانشجویانی که از هوش مصنوعی استفاده می‌کنند، نشان می‌دهد.

در مورد مراقبت‌های بهداشتی، وعده در دیجیتالی‌سازی بود، به عنوان مثال، با پرونده‌های سلامت الکترونیکی و افزودن نرم‌افزار بیشتر به فرآیند، اما این تا کنون به نظر می‌رسد منجر به بدتر شدن بهره‌وری شده است. بنابراین پتانسیل هوش مصنوعی برای صرفه‌جویی در هزینه‌ها وجود دارد، اما فکر نمی‌کنم کسی نقشه راه خوبی برای انجام آن داشته باشد. چت‌بات‌ها در مراقبت‌های بهداشتی به طور بالقوه مفید هستند، اما ترس من این است که دقیقاً همان کاری را که در آموزش انجام دادیم، تکرار خواهیم کرد، یعنی رها کردن چت‌بات‌ها به گونه‌ای که واقعاً منجر به نتایج وحشتناک شود.

بال: اما دارون، شما به چت‌بات‌ها اشاره کردید – اگر تنها چیزی که داشتیم چت‌بات‌ها بودند، احتمالاً من هم بدبینی شما را داشتم. اما نکته قابل توجه در مورد عامل‌های کدنویسی جدید این است که آن‌ها اساساً برنامه‌های کامپیوتری هستند که می‌توانند از کامپیوترها استفاده کنند، درست است؟

مولیک: بله، فکر نمی‌کنم دیگر فقط در مورد چت‌بات‌ها صحبت می‌کنیم. دنیا در پنج سال گذشته تغییر کرده است. و ما قبلاً از داده‌ها می‌دانیم که هوش مصنوعی در بسیاری از شرایط در تشخیص پزشکی بهتر از پزشکان عمل می‌کند. و آزمایش‌های کنترل‌شده نشان می‌دهند بیماران ترجیح می‌دهند با هوش مصنوعی صحبت کنند تا پزشکان، زیرا هوش مصنوعی همدلی بیشتری – البته همدلی *درک‌شده* – دارد.

به همین ترتیب با هوش مصنوعی و آموزش – تحقیقات نشان داده‌اند که استفاده غیرساختاریافته از هوش مصنوعی به یادگیری آسیب می‌زند، اما معلم‌های هوش مصنوعی می‌توانند تأثیرات مثبت گسترده‌ای داشته باشند. بنابراین من واقعاً نسبت به هوش مصنوعی و آموزش بسیار خوش‌بین هستم، به محض اینکه بفهمیم چگونه می‌توانیم معلم‌های هوش مصنوعی را در کلاس‌ها ادغام کنیم.

واسیک: من کنجکاوم درباره فرصت‌های *جدیدی* که در این دنیای هوش مصنوعی وجود خواهد داشت. به یک جوان چه می‌گویید در مورد مهارت‌ها یا شغل‌های بالقوه جالبی که باید برای آینده به آن‌ها فکر کند؟

بال: از بسیاری جهات، فکر می‌کنم افراد کنجکاو و همه‌فن‌حریف در آینده عملکرد بسیار خوبی خواهند داشت. این بدان معنا نیست که نباید تخصص‌های خاص و محدودی را پرورش دهید، اما توانایی عقب‌نشینی و تفکر گسترده نیز مورد پاداش قرار خواهد گرفت.

من همچنین فکر می‌کنم مناطق با تقاضای بالا در دنیای فیزیکی آشکار هستند – به ویژه چیزهایی مانند لوله‌کشی، برق‌کاران و تکنسین‌های تهویه مطبوع (HVAC).

مولیک: اگرچه من هم فکر نمی‌کنم که بتوانیم به اندازه کافی خوب پیش‌بینی کنیم تا بگوییم، *بروید و لوله‌کش شوید*، زیرا ممکن است Plumbot10000 در عرض چند هفته عرضه شود. پیش‌بینی آینده بسیار دشوار است.

عجم‌اوغلو: شغل برق‌کارها، تکنسین‌های تهویه مطبوع، همه این‌ها پیچیده‌تر خواهند شد. ما در حال حاضر کمبود عظیمی در این حرفه‌ها داریم. باز هم، هوش مصنوعی می‌تواند فوق‌العاده مفید باشد. یک برق‌کار تازه‌کار با ابزار مناسب هوش مصنوعی می‌تواند ۱۰ برابر کارآمدتر از الان باشد. استفاده از هوش مصنوعی برای آموزش برق‌کارها با تجهیزات جدید می‌تواند بسیار مفید باشد. اما مرکز ثقل سرمایه‌گذاری‌ها در هوش مصنوعی در این حوزه نیست.

واسیک: چه توصیه‌ای به یک جوان باهوش می‌کنید در مورد اینکه چگونه به فرصت‌هایی فکر کند که هنوز از آن‌ها اطلاعی نداریم؟

شی: من الان هر روز را با جوانان ۲۵ ساله می‌گذرانم، و چیزی که متوجه شدم این است که بسیاری از توصیه‌های موجود و بسیاری از دوره‌های هوش مصنوعی بیش از حد عمومی هستند. ما به تازگی یک پلتفرم محتوا را راه‌اندازی کرده‌ایم که برای ۵۰ شغل یقه سفید رایج سطح ورودی، مانند بازاریابی، مهندسی نرم‌افزار، حسابداری، مالی و غیره، به صورت شغلی پیش می‌رود. و ما با مدیران استخدام مصاحبه می‌کنیم تا بفهمیم آن‌ها چگونه هوش مصنوعی را در سازمان‌های خود به کار می‌گیرند و چگونه این امر مهارت‌های خاصی را که به دنبال استخدام برای آن‌ها هستند، تغییر داده است.

موضوع اصلی این است که برای جویندگان کار، این داستان دو شهر است. کسانی که می‌دانند هوش مصنوعی چگونه کار می‌کند، به ویژه عامل‌های هوش مصنوعی (A.I. agents)، می‌توانند شغل رؤیایی خود را به دست آورند، چه در بازاریابی باشد یا مهندسی نرم‌افزار، حسابداری، مالی، هر چه که باشد. اما مشاغل ورودی آن‌هایی که این مهارت‌ها را ندارند، در حال ناپدید شدن هستند.

واسیک: اما این آموزش هوش مصنوعی در بلندمدت چقدر مفید خواهد بود؟ با بهتر شدن مدل‌ها، به نظر می‌رسد غرایز و مهارت‌های متفاوتی برای دستیابی به آنچه از آن‌ها می‌خواهید، مورد نیاز است، در حالی که ترفندهایی که با مدل‌های قبلی نیاز داشتید، کاملاً از بین می‌روند. تقریباً کل جادوی آن‌ها این است که با بهتر شدن، همه چیز را بسیار یکپارچه می‌کنند.

شی: کسب مهارت در هوش مصنوعی قطعاً یک هدف متحرک است: شما در قطار هستید، اما می‌دانید مقصدی وجود ندارد. می‌دانید که برای یادگیری و تکامل مداوم تکنیک خود با تغییر مدل، ثبت‌نام می‌کنید. این بدان معناست که برای آزمایش مداوم مدل‌های مختلف که منتشر می‌شوند، ثبت‌نام کنید و شروع به تشخیص این کنید که مثلاً برای این کار از Gemini استفاده می‌کنم، اما Claude برای آن کار بسیار بهتر است. این بخشی از مجموعه مهارت‌های در حال تکامل است که به نظر من ضروری خواهد شد.

مولیک: چیزی که واقعاً در مورد کارگران تازه‌کار نگران هستم این است که تجربه میدانی اغلب برای ارزیابی کاری که خودتان خلق نکرده‌اید، چه از انسان‌ها باشد چه از هوش مصنوعی، بسیار حیاتی است. بیل، شما احتمالاً می‌توانید با یک نگاه به یک مقاله برای نیویورک تایمز تشخیص دهید که خوب است یا بد. دارون یا من می‌توانیم فوراً به یک مقاله آکادمیک نگاه کنیم و بگوییم آیا ارزش یک ساعت وقت ما را برای خواندن دارد یا نه. دین می‌تواند یک قانون هوش مصنوعی را بررسی کند و نقص آن را تشخیص دهد. کلارا، مطمئنم، می‌تواند به هر قطعه کدی نگاه کند و قضاوت کند که توسط یک احمق نوشته شده یا یک متخصص. اگر تجربه‌ای نداشته باشید، نمی‌توانید این کارها را انجام دهید.

و همین برای مدیریت عامل‌های هوش مصنوعی (A.I. agents) نیز لازم است. این فقط یک مسئله با کارگران تازه‌کار نیست: مدتی پیش یک نظرسنجی نشان داد که تنها یک سوم افراد موقعیت‌های رهبری را می‌خواهند. بیشتر مردم از شغل خود بسیار راضی هستند و فقط می‌خواهند آن را انجام دهند. و فکر می‌کنم آن‌ها در سازگاری دچار مشکل خواهند شد.

شی: مدیریت به لطف هوش مصنوعی از قبل بهتر شده است.

عجم‌اوغلو: من در واقع فکر می‌کنم بیشتر مدیران احساس می‌کنند که بیش از حد تحت فشار هستند، عقب افتاده‌اند، نمی‌دانند چه انتظاری از آن‌ها می‌رود. به نظر من سطح استرس آن‌ها بسیار بالاتر است. شاید در ۱۰ سال آینده بهتر شود، اما ما باید آن ابزارها را استانداردسازی کنیم و انتظارات را یکسان کنیم، شاید مدیران را مجدداً آموزش دهیم. پس نه، من فکر نمی‌کنم در حال حاضر مدیر بودن شغل بهتری باشد، اصلاً.

شی: من معتقدم هر جوان باید در دوران دانشگاه، و حتی دبیرستان، یک پروژه جانبی داشته باشد که از ابتدا تا انتها مسئولیت آن را بر عهده بگیرد تا با این مدل‌ها (هوش مصنوعی) تکامل یابد. و اگر این کار را انجام دهند، معتقدم بخش زیادی از تجربه عملی لازم برای استخدام شدن را خواهند داشت.

مولیک: اما به عنوان کسی که کارآفرینی تدریس می‌کند، همه این کار را نمی‌کنند، درست است؟ من به مردم این پروژه‌های جانبی را داده‌ام – یعنی بیش از یک دهه است که کار من دادن پروژه‌های جانبی به جوانان بوده است. و این برای همه نیست. انواع تفاوت‌ها، از جمله در پیشینه یا وضعیت اقتصادی اجتماعی، در نحوه بهره‌مندی افراد از این فرصت‌ها وجود دارد. گفتن این جمله که *پروژه جانبی را انجام دهید و آن را به نتیجه برسانید* کار دشواری است.

شی: این کار بسیار دشوار است و نرخ موفقیت صددرصدی نخواهیم داشت، اما اگر از ابتدا تا انتها چیزی را یاد نگیرید، درک واقعی و کنترل هوش مصنوعی بسیار سخت خواهد بود. واقعاً انجام دادن آن تا انتها برای درک محدودیت‌های هوش مصنوعی و فهمیدن چگونگی تکامل مدل‌ها – این مجموعه مهارت اصلی است.

عجم‌اوغلو: فکر می‌کنم آنچه کلارا توصیف کرد، واقعیت است. در حال حاضر، شما باید زمان زیادی را صرف یادگیری مدل‌های مختلف، قابلیت‌ها و کاستی‌هایشان کنید، و سه ماه بعد باید دوباره با مدل‌های مختلف بسیاری آزمایش کنید تا فقط در جایگاه فعلی خود باقی بمانید. این اصلاً سازنده نیست، بسیار دیستوپیایی (پادآرمان‌شهری) است. کلارا، شاید شما این را به عنوان آینده‌ای قابل قبول توصیف می‌کردید. برای من، این آینده‌ای وحشتناک است.

شی: قبلاً گفتم که هم فوق‌العاده است و هم وحشتناک. چگونه می‌توانیم آن را کمتر وحشتناک و بیشتر فوق‌العاده کنیم؟

واسیک: پس این ما را به آخرین سؤال می‌رساند: با همه این‌ها چه کنیم؟ دین، می‌دانم که شما در تهیه برنامه اقدام هوش مصنوعی کاخ سفید مشارکت داشتید. فقط کنجکاوم بدانم به نظر شما واکنش دولتی و اجتماعی چه باید باشد.

بال: برنامه اقدام به طرز خوشایندی باورهای من را به خوبی بیان می‌کند، که اولین کاری که باید انجام دهیم این است که این مشکل را بسیار بهتر از آنچه در حال حاضر انجام می‌دهیم، بسنجیم. ما به داده‌های اقتصادی تجربی بهتری نیاز داریم. شما نمی‌توانید برای مشکلی که نمی‌فهمید، راه‌حل‌های سیاسی ایجاد کنید.

اما من واقعاً نمی‌خواهم انعطاف‌ناپذیری در بازار کار ایجاد کنم. خط مورد علاقه من در برنامه اقدام کاخ سفید، هوش مصنوعی را ترکیبی از انقلاب صنعتی، انقلاب اطلاعات و رنسانس توصیف می‌کند. این پتانسیل را دارد که شیوه ساخت و تولید ما را متحول کند؛ جریان اطلاعات را در سازمان‌ها و جهان تغییر خواهد داد؛ و پیشرفت‌های هنری، ریاضی و علمی را ممکن خواهد ساخت.

اکنون به نظر می‌رسد پاپ می‌خواهد ما یک کمیته از همه ذینفعان هوش مصنوعی، همه جوامع تحت تأثیر، داشته باشیم. اما ما کمیته ذینفعان برای انقلاب صنعتی ایجاد نکردیم. این به صورت رأی‌گیری آشکار نشد. برای من باورنکردنی است که بسیاری از افراد در جامعه متمدن فکر می‌کنند این همان چیزی است که باید برای هوش مصنوعی به کار ببریم.

عجم‌اوغلو: خب، حدس می‌زنم این خلاصه‌ای از دیدگاه برخی افراد در سیلیکون ولی است. بله، کمیته‌ای برای جهت‌گیری انقلاب صنعتی وجود نداشت. و چه چیزی به دست آوردیم؟ در مراحل اولیه، شاهد کار کردن کودکان تا حد مرگ در معادن زغال‌سنگ بودیم. شرایط در کارخانه‌ها وحشتناک شد. دستمزد بسیاری از کارگران کاهش یافت. اکنون هوش مصنوعی چیزها را بسیار سریع‌تر تغییر می‌دهد و همزمان بر بسیاری از بخش‌ها تأثیر می‌گذارد.

شی: درست است، درس این نیست که هماهنگی غیرضروری است؛ بلکه این است که نادیده گرفتن آن ده‌ها سال رنج انسانی را به ما تحمیل می‌کند. همچنین، سیاست‌های هوش مصنوعی که بدون مشارکت گسترده ظهور کنند، مورد اعتماد نخواهند بود، زیرا تصور می‌شود که نماینده اهداف شرکت‌های بزرگ فناوری، سرمایه یا یک جناح سیاسی هستند.

بال: من نمی‌دانم نرخ بیکاری در سال ۲۰۲۸ چقدر خواهد بود، اما تضمین می‌کنم که ۱۰۰ درصد آن توسط مردم آمریکا و بسیاری از سیاستمداران فرصت‌طلب به هوش مصنوعی نسبت داده خواهد شد. و متاسفانه، من نگرانم که راه‌حل‌های سیاسی که به دنبال آن‌ها هستند، چیزهایی باشند که انواع بسیار گسترده‌ای از حمایت‌های کارگری را تثبیت کنند. چیزهایی که مشکلاتی شبیه به آنچه اروپا دارد ایجاد می‌کنند، یعنی شرکت‌هایشان نمی‌توانند ریسک کنند، زیرا ریسک کردن مستلزم انجام کارهایی است که ممکن است در صورت عدم موفقیت در پنج سال آینده، نیاز به اخراج افراد داشته باشد.

من نگرانم که ما در اینجا کارهای مشابهی انجام خواهیم داد. و بسیاری از این اتفاقات در سطح ایالتی رخ خواهد داد. ما در واشنگتن در مورد آن وراجی خواهیم کرد، اما اقدام واقعی در ۵۰ مجلس ایالتی مختلف خواهد بود. و همه ما وانمود خواهیم کرد که می‌دانیم چه خبر است، اما هیچ کس واقعاً نمی‌داند. و ما به نوعی در یک اقتصاد سیاسی بسیار بد به خواب خواهیم رفت.

شی: با این موافقم. منظورم این است که به واکنش به سخنرانی آغازین اریک اشمیت در دانشگاه آریزونا، نظرسنجی اخیر گالوپ که نشان می‌دهد یک سوم از جوانان آمریکایی نسل Z احساسات خود را نسبت به هوش مصنوعی خشم توصیف می‌کنند، نگاه کنید. و این‌ها افرادی هستند که ما می‌خواهیم هوش مصنوعی را در آغوش بگیرند تا بتوانند به ساخت این اقتصاد کمک کنند و کار پیدا کنند. اما آن‌ها به دلایل اخلاقی آن را رد می‌کنند. به همین دلیل من معتقدم که اکنون نیاز به مداخله داریم. به همین دلیل ما عامل‌های هوش مصنوعی را می‌سازیم تا جویندگان کار را با فرصت‌ها مرتبط کنیم و به آن‌ها کمک کنیم مهارت‌های هوش مصنوعی را بیاموزند تا مجبور نباشند از آن بترسند و بتوانند آن را شکل دهند. اما ما باید کاری انجام دهیم.

عجم‌اوغلو: من متقاعد شده‌ام که هوش مصنوعی کاملاً متفاوت از هوش انسانی است. انسان‌ها در جذب حجم عظیمی از اطلاعات یا غربال کردن داده‌های بدون ساختار برای یافتن الگوهای مرتبط، چندان خوب نیستند. مدل‌های هوش مصنوعی هنوز خلاقیت واقعی ندارند و ظرفیت یادگیری از طریق آزمون و خطا بر اساس تعامل با دنیای فیزیکی را ندارند. وقتی دو چیز متفاوت هستند، آخرین چیزی که می‌خواهید این است که سعی کنید یکی را با دیگری تقلید کنید. تلاش برای وادار کردن یکی به انجام هر کاری که دیگری انجام می‌دهد، تلاشی بیهوده است. آن‌ها باید با هم کار کنند. و این‌ها آن مدل‌هایی نیستند که ما در حال توسعه آن‌ها هستیم.

مولیک: واضح است که باید در مورد نحوه آموزش کارگران جدید فکر کنیم. اما چگونه می‌توانیم کارگران جوان را هنگام ورود به کار ارزیابی کنیم؟ زیرا ما قبلاً آن‌ها را ارزیابی می‌کردیم. ما یک تکنیک عالی داشتیم که کارآموزی بود. این روش ۴۰۰۰ سال است که کار می‌کند. من یک کارمند یقه سفید استخدام می‌کنم، و او برای من کارهای خسته‌کننده انجام می‌دهد و خیلی سخت کار می‌کند، و من می‌توانم ارزیابی کنم که او چقدر در کارهای خسته‌کننده خوب است.

و به عنوان یک مدیر میانی، این مزیت را دارم که کسی کاری را که نمی‌خواهم انجام دهد، و او یاد می‌گیرد، و من او را ارزیابی می‌کنم، و همه حقوق می‌گیرند. و همه این‌ها فرو ریخت، درست است؟ شما نمی‌توانید فقط بگویید، *آه، باید کارگران تازه‌کار استخدام کنیم*، اگر در مورد نحوه آموزش کارگران تازه‌کار فکر نکرده‌ایم. اما حدس بزنید چیست؟ دانشگاه‌ها در آموزش و ارزیابی بسیار خوب هستند. بنابراین کالج‌ها می‌توانند شروع به فکر کردن در مورد گسترش یا تغییر آموزش حرفه‌ای کنند تا شکاف‌هایی را که هوش مصنوعی ایجاد می‌کند، پر کنند.

شی: فکر می‌کنم بزرگترین درس برای من این است که از کجا شروع کردیم، یعنی: آینده خودکار نیست. من نه بدبینم و نه خوش‌بین. من یک خوش‌بین مشروط هستم، و مداخلاتی وجود دارد که هنوز می‌توانیم امتحان کنیم، که باید امتحان کنیم، زیرا قبل از اینکه بدانیم چه چیزی کار خواهد کرد، باید چیزهای زیادی را آزمایش کنیم. و هنوز وقت هست، اما پنجره در حال بسته شدن است.

من فکر می‌کنم نکته کلیدی در مورد عامل‌های هوش مصنوعی این است که همه آن‌ها یک هدف دارند. و این بستگی به این دارد که چه کسی آن را به کار می‌گیرد، زیرا هر کس که آن را به کار می‌گیرد، هدف را تعیین می‌کند. شاید اهداف هوش مصنوعی تاکنون با اهداف مردم عادی، با کارگران روزمره، همسو نبوده است. اما این انتخابی است که ما می‌توانیم انجام دهیم.