شطرنج انسان و ماشین؛ کدام تخصص‌ها در عصر ایجنت‌های هوشمند باقی می‌مانند؟

  حامد وثوقی، دانشجوی دکتری تخصصی مدیریت بازرگانی دانشگاه تهران

 در افسانه‌ای قدیمی از آمریکا، «جان هنری» کارگری است که با یک دستگاه حفاری بخار به رقابت می‌پردازد. او ماشین را شکست می‌دهد، اما پس از پیروزی از شدت فشار جان می‌بازد. فارغ از اینکه این داستان تا چه اندازه با واقعیت تاریخی منطبق باشد، جان هنری به نمادی از رقابت انسان با ماشین تبدیل شده است؛ رقابتی که در عصر هوش مصنوعی، معنای تازه‌ای پیدا کرده است.

 امروز دیگر مسئله فقط این نیست که ماشین جای انسان را می‌گیرد یا نه. مسئله مهم‌تر این است که کدام بخش از تخصص انسان اساساً ارزش رقابت با ماشین را دارد؟ هوش مصنوعی مولد و ایجنت‌های هوشمند در حال تغییر این مرز هستند. ماشین‌ها می‌توانند اطلاعات را در مقیاس گسترده پردازش کنند، الگوها را تشخیص دهند، متن و کد تولید کنند، اسناد را بررسی کنند و بخشی از فرایندهای پیچیده را به‌صورت خودکار پیش ببرند. بنابراین فعالیت‌هایی که بخش عمده‌ای از ارزش آن‌ها از اجرای قواعد مشخص، پردازش اطلاعات و تکرار حاصل می‌شود، بیش از گذشته در معرض خودکارسازی قرار دارند.

 حسابداری، پردازش اسناد، برخی خدمات حقوقی، تحلیل‌های استاندارد و بخش‌هایی از برنامه‌نویسی را می‌توان در این دسته قرار داد. البته این به معنای حذف کامل این حرفه‌ها نیست؛ بلکه بیشتر به معنای تغییر ترکیب وظایف درون آن‌هاست. همان‌طور که ماشین‌آلات صنعتی بسیاری از مشاغل را به‌طور کامل از بین نبردند، اما ماهیت کار را تغییر دادند، هوش مصنوعی نیز احتمالاً ابتدا وظایف را تغییر خواهد داد و سپس ساختار بسیاری از حرفه‌ها را. اینجاست که می‌توان از استعاره «مغز چپ و مغز راست» استفاده کرد. نه به معنای اینکه مغز انسان واقعاً به دو بخش مستقل و جداگانه برای این وظایف تقسیم شده است، بلکه برای توضیح دو نوع توانایی.

 مغز چپ در اینجا نماد کارهایی است که می‌توان آن‌ها را به قواعد، داده، دستورالعمل و فرایند تبدیل کرد؛ و مغز راست نماد توانایی‌هایی مانند خلاقیت، درک زمینه، قضاوت، همدلی، تفسیر و خلق معناست.

 مزیت رقابتی ماشین دقیقاً در همان بخش اول در حال افزایش است.اما بخش دوم پیچیده‌تر است.

 تصمیم‌گیری مدیریتی را در نظر بگیریم. یک مدیر ممکن است هزاران صفحه گزارش، داده بازار و تحلیل مالی در اختیار داشته باشد. هوش مصنوعی می‌تواند در جمع‌آوری، خلاصه‌سازی و تحلیل این اطلاعات کمک کند؛ اما مسئله اصلی مدیر زمانی آغاز می‌شود که باید تصمیم بگیرد کدام مسئله اهمیت بیشتری دارد، کدام ریسک پذیرفتنی است، چه چیزی در داده‌ها دیده نمی‌شود و چگونه باید میان منافع متعارض ذی‌نفعان تعادل برقرار کرد.

 در پزشکی نیز ممکن است بخشی از تشخیص‌های مبتنی بر داده و الگو به‌شدت تحت تأثیر هوش مصنوعی قرار گیرد. اما رابطه پزشک با بیمار، فهم شرایط خاص او و تصمیم‌گیری در موقعیت‌های مبهم همچنان ابعاد انسانی مهمی دارند. در حقوق نیز تولید و بررسی اسناد استاندارد می‌تواند به شکل گسترده‌ای خودکار شود؛ اما مذاکره، استدلال در موقعیت‌های پیچیده و فهم منافع و رفتار طرفین، مسئله‌ای متفاوت است. بنابراین شاید اشتباه اصلی این باشد که آینده را با دوگانه ساده «انسان یا ماشین» ببینیم. مسئله واقعی، بازطراحی تقسیم کار میان انسان و ماشین است.

 در این الگو، متخصص آینده الزاماً کسی نیست که همه جزئیات را بهتر از ماشین بداند. ممکن است ارزش او بیشتر در توانایی تعریف مسئله، طراحی سؤال درست، ارزیابی خروجی هوش مصنوعی و تبدیل اطلاعات به تصمیم باشد.

 این تغییر، برای نظام آموزش نیز پیام مهمی دارد. اگر آموزش حرفه‌ای همچنان عمدتاً بر حفظ اطلاعات و اجرای دستورالعمل‌ها متمرکز بماند، بخش قابل‌توجهی از چیزی که آموزش می‌دهیم ممکن است در آینده توسط ماشین با سرعت بیشتری انجام شود. در مقابل، مهارت‌هایی مانند تفکر انتقادی، حل مسئله، خلاقیت، ارتباط، مذاکره، قضاوت و درک سیستمی اهمیت بیشتری پیدا خواهند کرد.

 البته نباید در اینجا به یک نتیجه ساده و خوش‌بینانه رسید که «ماشین فقط کارهای مغز چپ را انجام می‌دهد و مغز راست همیشه امن است». مدل‌های هوش مصنوعی نیز به‌سرعت در حال ورود به حوزه‌هایی هستند که زمانی خلاقیت و تحلیل انسانی محسوب می‌شدند. تولید تصویر، موسیقی، متن، ایده و حتی برخی تحلیل‌های پیچیده نشان می‌دهد که مرز میان توانایی‌های انسانی و ماشینی ثابت نیست.

 پس راهبرد درست، پناه گرفتن در یک دسته مشخ ص از مهارت‌ها نیست. راهبرد، یادگیری همکاری با ماشین و حرکت به سمت مهارت‌هایی است که با افزایش توانایی ماشین، ارزش آن‌ها نیز افزایش پیدا می‌کند. این همان تفاوت میان «اتوماسیون» و «تقویت» است. در نگاه اتوماسیونی، سؤال این است که کدام فعالیت را می‌توان از انسان گرفت و به ماشین سپرد. اما در نگاه تقویتی، سؤال این است که چگونه ماشین می‌تواند ظرفیت انسان را افزایش دهد.

 اگر این نگاه را بپذیریم، مسئله آینده دیگر این نیست که کدام شغل از هوش مصنوعی جان سالم به در می‌برد. مسئله این است که چه نوع تخصصی در کنار هوش مصنوعی ارزشمندتر می‌شود. احتمالاً متخصص آینده کسی نیست که صرفاً بیشترین اطلاعات را در ذهن خود دارد؛ بلکه کسی است که می‌تواند مسئله درست را تشخیص دهد، سؤال درست بپرسد، خروجی ماشین را به چالش بکشد، میان گزینه‌های متعارض قضاوت کند و در نهایت مسئولیت تصمیم را بر عهده بگیرد.

از این منظر، رقابت انسان و ماشین شاید اساساً صورت‌بندی درستی نباشد. آینده متعلق به کسی نیست که بتواند ماشین را در زمین خودش شکست دهد؛ زیرا در بسیاری از این زمین‌ها، ماشین هر روز قدرتمندتر می‌شود. مزیت انسان در این است که زمین بازی را دوباره تعریف کند: از اجرای دستورالعمل به تعریف مسئله، از پردازش اطلاعات به تفسیر آن، و از تولید پاسخ به انتخاب پرسش درست.

جان هنری در افسانه آمریکایی تلاش کرد ماشین را شکست دهد و بهای سنگینی پرداخت. شاید درس عصر ایجنت‌های هوشمند این باشد که برای ماندن در بازی، نباید الزاماً از ماشین بهتر کار کرد؛ باید کاری کرد که همکاری انسان و ماشین، از عملکرد هرکدام به‌تنهایی ارزشمندتر شود.