دولت‌ها و سازمان‌ها · نگاهی از منظر 6GDT

فناوری با سرعت حرکت می‌کند؛ آیا دولت می‌تواند سریع‌تر یاد بگیرد؟

چالش عمیق‌تر فقط توان دولت برای تنظیم‌گری هوش مصنوعی نیست؛ مسئله این است که آیا نهاد عمومی می‌تواند هم‌زمان با تحول فناوری، بفهمد، بیازماید و یاد بگیرد.

تحلیل مستقل · ۳۰ شهریور ۱۴۰۵
پوستر مفهومی مستقل درباره شکاف سرعت هوش مصنوعی و ظرفیت یادگیری دولت

مسئله دیگر این نیست که هوش مصنوعی وارد سیاست خواهد شد یا نه؛ مسئله این است که سیاست با چه سرعتی می‌تواند آن را بفهمد.

ایده تصویری اکونومیست

اکونومیست در مطلبی با عنوان «بحث هوش مصنوعی، واشنگتن را فراگرفته است»، از استعاره‌ای تصویری استفاده می‌کند: ساختمان کنگره با حرکتی آهسته، درحالی‌که جریان هوش مصنوعی با سرعت پیرامون آن پیش می‌رود.

تصویر اکونومیست در این صفحه بازنشر نشده است. اثر تصویری سایت طراحی مستقلی است و ارجاع به منبع اصلی در ادامه آمده است.

تفسیر

این تصویر فقط درباره واشنگتن نیست؛ نشانه‌ای از شکاف فزاینده میان سرعت فناوری و ظرفیت تصمیم‌گیری دولت‌هاست. قابلیت‌های هوش مصنوعی ممکن است در چند ماه تغییر کنند، اما قانون‌گذاری، خرید دولتی، سیاست‌گذاری و اصلاحات نهادی معمولاً در چرخه‌هایی بسیار طولانی‌تر حرکت می‌کنند.

بااین‌حال، افزایش سرعت مقررات‌گذاری به‌تنهایی کافی نیست. تصمیم سریع بدون شناخت می‌تواند به‌اندازه تصمیم دیرهنگام خطرناک باشد. مسئله مدیریتی، افزایش ظرفیت یادگیری نهاد است؛ نه صرفاً افزایش تعداد یا سرعت مقررات.

رقابت تعیین‌کننده آینده شاید میان دولت و هوش مصنوعی نباشد؛ بلکه میان سرعت تحول فناوری و سرعت یادگیری نهادهای عمومی باشد.

دیدگاه پیشنهادی 6GDT

در چارچوب پیشنهادی من برای نسل ششم تحول دیجیتال (6GDT)، دولت زمانی از مصرف‌کننده فناوری فراتر می‌رود که هوش استنتاجی را توسعه دهد: ظرفیت مشترک انسان و هوش مصنوعی برای طرح فرضیه، بررسی روابط، آزمون شواهد مخالف و اعتبارسنجی نتیجه پیش از تبدیل‌شدن آن به تصمیم عمومی.

این مسیر به حافظه نهادی، قابلیت ردیابی شواهد، مسئولیت انسانی و یادگیری مستمر نیاز دارد و به معنای واگذاری مستقل تصمیم سیاسی به هوش مصنوعی نیست.

پیام مدیریتی

توان دولت را نباید فقط با تعداد سامانه‌های هوش مصنوعی یا مقررات تصویب‌شده سنجید. سرعت تشخیص تغییر، اصلاح فرضیات، آزمون پیامد سیاست و انتقال آموخته معتبر به تصمیم بعدی نیز باید به شاخص‌های حکمرانی و هوش تجاری تبدیل شوند.

فرضیه آینده

اگر نهادهای عمومی نتوانند چرخه یادگیری خود را کوتاه‌تر کنند، حتی قوانین سنجیده نیز ممکن است هنگام اجرا با مسئله‌ای روبه‌رو شوند که دیگر تغییر کرده است. این گزاره یک فرضیه آینده‌نگر و آزمون‌پذیر است، نه نتیجه‌ای تجربی و تثبیت‌شده.

علم نوین استنتاج (Neo-Inference Science یا NIS) به‌عنوان پایه نظری پیشنهادی این نگاه در 6GDT مطرح می‌شود و همچنان به اعتبارسنجی مفهومی و تجربی مستقل نیاز دارد.

منبع و نحوه انتساب

The Economist — “The debate over AI has taken over Washington”

عنوان و ایده تصویری آغازین به اکونومیست تعلق دارند. تحلیل، تفسیر 6GDT و اثر تصویری این صفحه مستقل‌اند.

دکتر سعید خرمیپژوهشگر هوش تجاری و تحول دیجیتالwww.drsaeidkhorami.com