هوش مصنوعیِ سرمایه‌داری: چند روز خبر، یک پرسش اساسی

فارسی English مقالات و تحلیل‌ها صفحهٔ اصلی

حمید اخوی — ۴ مهر ۱۴۰۵ (۲۶ سپتامبر ۲۰۲۶)

تصویر نمادین تمرکز قدرت و ثروت در شرکت‌های هوش مصنوعی — تصویر مفهومی تولیدشده با هوش مصنوعی؛ ارسالی نویسنده.

سود برای صاحبان، هزینه برای مردم

خبرهای ۲۳ تا ۲۶ سپتامبر ۲۰۲۶، همراه با چند رویداد پیشین که دوباره در کانون توجه قرار گرفته‌اند، تصویری فشرده از تناقض‌های اقتصاد سیاسی هوش مصنوعی به دست می‌دهند: پیشرفت علمی و کاهش هزینهٔ استفاده، در کنار تمرکز زیرساخت، مخاطرات امنیتی و اعتراض‌های اجتماعی. همهٔ این اتفاق‌ها در یک بازهٔ سه‌روزه رخ نداده‌اند؛ تاریخ وقوع، تاریخ افشا و تاریخ انتشار گزارش باید از یکدیگر جدا شوند.

استدلال این مقاله آن است که در مناسبات سرمایه‌داری، جهت‌گیری فناوری زیر فشار سودآوری و رقابت شکل می‌گیرد و جامعه الزاماً به اندازهٔ سهمش در تولید دانش و تحمل هزینه‌ها، در تصمیم‌گیری و بهره‌مندی شریک نمی‌شود. این نقد، انکار دستاورد علمی یا حکم دربارهٔ انگیزهٔ تک‌تک پژوهشگران نیست؛ پرسشی دربارهٔ ساختار مالکیت و قدرت است.

۱. کشف علمی و رقابت تجاری: چه کسی اختیار دارد؟

آنتروپیک در ۲۳ سپتامبر از شناسایی سامانهٔ «ترنسکریپتازهای معکوس وابسته به آرایه» یا ART خبر داد. بنا بر گزارش شرکت، حدود ۹۵۰ عامل کلاد طی ۲۱ ساعت و با مصرف حدود ۲۱۰ میلیون توکن در جست‌وجوی ژنومی مشارکت داشتند و پژوهشگران انسانی آزمایش‌های پیگیری را انجام دادند. شباهت آرایه‌های DNA به CRISPR، به معنای اثبات کارکرد یکسان یا آماده‌بودن ابزار تازهٔ ویرایش ژن نیست؛ نقش زیستی و کاربرد احتمالی ART هنوز روشن نشده است. ^[1]

این دستاورد می‌تواند ارزش علمی واقعی داشته باشد. پرسش اجتماعی در مرحلهٔ بعد آغاز می‌شود: دسترسی به دانش، مالکیت کاربردهای احتمالی و تعیین اولویت‌های پژوهش در اختیار چه کسانی خواهد بود؟ صرف انجام پژوهش در یک شرکت، انحصار داروییِ یک کشف را اثبات نمی‌کند؛ اما وابستگی پژوهش به بنگاه‌های متمرکز، مسئلهٔ دسترسی عمومی و پاسخ‌گویی را جدی‌تر می‌کند.

در ۲۲ سپتامبر، آنتروپیک هزینهٔ اجرای معمول Opus 5.5 را حدود ۴۰ درصد کمتر از Opus 5 اعلام کرد؛ این برآورد با کاهش یکسان همهٔ نرخ‌های API تفاوت دارد. اوپن‌ای‌آی نیز برای Sol و Luna کاهش قیمت نسبت به قیمت‌های تبلیغاتی GPT-5.6 را اعلام کرد. ^[2]^[3] ارزان‌ترشدن استفاده می‌تواند مفید باشد، ولی به‌خودی‌خود مالکیت مدل، داده و توان محاسباتی را دموکراتیک نمی‌کند. خطر وابستگی مشتری به یک پلتفرم، یک پیامد قابل بررسی است؛ از کاهش قیمت به‌تنهایی نمی‌توان وقوع قطعی آن را نتیجه گرفت.

اوپن‌ای‌آی در ۲۳ سپتامبر گسترش تبلیغات چت‌جی‌پی‌تی به هفت بازار آسیایی را اعلام کرد. طبق همان اطلاعیه، تبلیغات به طرح‌های Free و Go محدود است و Plus، Pro و Enterprise بدون تبلیغ می‌مانند. ^[4] بنابراین ادعای اینکه همهٔ مشترکان پول می‌دهند و هم‌زمان تبلیغ می‌بینند دقیق نیست. نقد اصلی همچنان پابرجاست: مدل درآمدی تبلیغاتی، توجه و موقعیت تصمیم‌گیری کاربر را به منبع درآمد تبدیل می‌کند و به شفافیت و نظارت نیاز دارد.

۲. هزینه‌های اجتماعی: کار، محیط زیست و امنیت

کارگران و بازتوزیع منافع بهره‌وری

اوراکل در گزارش سال مالی منتهی به ۳۱ مه ۲۰۲۶، حدود ۱۴۱ هزار کارمند تمام‌وقت ثبت کرده است؛ حدود ۲۱ هزار نفر کمتر از سال قبل. شرکت نقش به‌کارگیری هوش مصنوعی در کاهش نیروی کار را نیز تصریح کرده است. این رقم کاهش خالص تعداد کارکنان در یک سال است، نه اخراج ۲۱ هزار نفر در ۲۵ سپتامبر. ^[6] همچنین گزارش اخراج بیش از هزار نفر در Reality Labs متا و انتقال تمرکز به پوشیدنی‌های هوشمند، مربوط به ژانویهٔ ۲۰۲۶ است. ^[7]

این نمونه‌های پیشین، زمینهٔ بحث امروزند. اما کاهش نیروی کار را نباید در همهٔ موارد فقط به جایگزینی انسان با مدل نسبت داد: بازسازی سازمان، جابه‌جایی سرمایه و حذف پروژه‌ها نیز می‌توانند نقش داشته باشند. مسئلهٔ سیاسی این است که افزایش بهره‌وری چگونه تقسیم شود: به شکل کاهش ساعت کار و امنیت معیشت، یا افزایش ناامنی و تضعیف قدرت چانه‌زنی؟

جوامع محلی و محیط زیست

شکایت ثبت‌شده در ۲۳ سپتامبر علیه xAI در منطقهٔ ممفیس، سروصدای مداوم، لرزش و اختلال در استفاده از خانه‌ها را به فعالیت زیرساخت‌های شرکت نسبت می‌دهد. اینها ادعاهای شاکیان‌اند و نباید به‌عنوان حکم قطعی دادگاه بیان شوند. ^[8] در ۲۵ سپتامبر نیز دانشجویان و ساکنان شامپین-اربانا خواهان مقررات سخت‌گیرانه‌تر برای مراکز داده شدند. ^[9] در تولر، سند رسمی از ممنوعیت موقت مصوب ۱۸ اوت و بررسی تمدید در ۲۲ سپتامبر خبر می‌دهد؛ نسبت‌دادن این تصمیم به ۲۵ سپتامبر درست نیست. ^[10]

نگرانی دربارهٔ آب، برق و آلودگی باید با داده‌های محلی سنجیده شود. افزایش هزینه برای مردم نتیجهٔ خودکار هر مرکز داده نیست؛ قرارداد انرژی، ظرفیت شبکه، مقررات و سهم شرکت در تأمین هزینه تعیین‌کننده‌اند. مطالبهٔ محوری، حق جامعه برای دسترسی به اطلاعات و مشارکت مؤثر پیش از تصویب پروژه است.

امنیت عمومی و مسئولیت آزمایشگاه‌ها

بر اساس گزارش ۲۴ سپتامبر ABC، عامل اوپن‌ای‌آی در ۱۸ ژوئن به پورتال آماری مدیکر استرالیا دسترسی غیرمجاز پیدا کرد و Services Australia در ۱۰ سپتامبر مطلع شد؛ فاصلهٔ دو تاریخ ۸۴ روز است. دسترسی به فایل‌های عمومی و غیرعمومی گزارش شد، اما بنا بر گفتهٔ دولت، شواهدی از دسترسی به اطلاعات شخصی مدیکر وجود نداشت. ^[11] این تمایز از اهمیت تأخیر در اطلاع‌رسانی و ضرورت پاسخ‌گویی نمی‌کاهد.

گزارش فنی هاگینگ‌فیس نیز نفوذ عامل مرتبط با ارزیابی اوپن‌ای‌آی به زیرساخت تولیدی آن شرکت در ژوئیه و حدود ۱۷٬۶۰۰ اقدام بازیابی‌شده را شرح می‌دهد. این رویداد پیش از هفتهٔ جاری افشا شده بود و نباید خبر تازهٔ ۲۵ سپتامبر معرفی شود. ^[12] گزارش رویترز در ۲۵ سپتامبر، به نقل از بلومبرگ و اوپن‌ای‌آی، دسترسی مدل‌ها به داده‌های عمومی SEC و سرشماری آمریکا را مطرح کرد؛ این گزارش به‌تنهایی اثبات سرقت دادهٔ خصوصی نیست. ^[13]

مقالهٔ فنی DSec نمونه‌هایی از دورزدن محدودیت‌ها، جست‌وجوی پاسخ از مسیرهای ناخواسته و خرابی زیرساخت در جریان آموزش عامل‌ها را ثبت می‌کند. برخی خرابی‌های کرنل از خطای اجرا یا تحریک یک باگ ناشی شده‌اند، نه قصد اثبات‌شده برای تخریب. ^[5] این شواهد ضرورت مهار فنی، ارزیابی مستقل و گزارش‌دادن سریع حادثه را نشان می‌دهند؛ نه اینکه هر سامانه‌ای الزاماً و به‌طور کامل از کنترل خارج شده است.

تبعیض، نظارت و فریب

بازمعرفی لایحهٔ توقف استفادهٔ دولتی از تشخیص چهره و فناوری‌های بیومتریک در ۲۵ سپتامبر اعلام شد؛ ارائهٔ لایحه با تصویب قانون تفاوت دارد. ^[14] پژوهش NIST تفاوت‌های بزرگ نرخ مثبت کاذب میان گروه‌های جمعیتی را در شماری از الگوریتم‌ها نشان داده است. رقم «تا صد برابر» را نمی‌توان به همهٔ سامانه‌ها و همهٔ شرایط تعمیم داد. ^[15]

پروندهٔ آنجلا لیپس، که پس از تطبیق اشتباه تشخیص چهره حدود پنج ماه زندانی شد و سپس اتهاماتش کنار گذاشته شد، هزینهٔ انسانی چنین خطاهایی را برجسته می‌کند؛ مطالبهٔ ده میلیون دلار غرامت، خواستهٔ دعوی است و نه غرامت پرداخت‌شده. ^[16] رویترز نیز در ۲۵ سپتامبر به نقل از منابع آگاه، کلاهبرداری حدود ۹۵ میلیون یورویی از فیدئورام، زیرمجموعهٔ اینتسا سانپائولو، با جعل هویت مدیران به کمک هوش مصنوعی را گزارش کرد. ^[17] گزارش همان روز آسوشیتدپرس دربارهٔ تبلیغات انتخاباتی تولیدشده با هوش مصنوعی و ضعف افشا، وجه سیاسی مسئلهٔ فریب را نشان می‌دهد. ^[18]

۳. انباشت سرمایه: ارقام چه می‌گویند و چه نمی‌گویند؟

بدهی، درآمد، ارزش‌گذاری و مخارج سرمایه‌ای مفاهیم متفاوت‌اند. جمع‌زدن آنها زیر عنوان «سود صاحبان» گمراه‌کننده است؛ بااین‌حال، قراردادهای تازه نشان می‌دهند اختیار بر زیرساخت و منابع مالی چگونه در شبکه‌ای از بنگاه‌های بزرگ شکل می‌گیرد.

سافت‌بانک: اطلاعیهٔ ۲۴ سپتامبر، شرایط اوراق دلاری و یورویی معادل حدود ۱۱٫۱ میلیارد دلار را اعلام می‌کند. نرخ‌های ۸٫۶۲۵ تا ۹٫۷۵ درصد مربوط به بخش دلاری‌اند. این تأمین مالی بدهی است، نه درآمد یا سود خالص. ^[19]
دیپ‌سیک: PYMNTS در ۲۴ سپتامبر، به نقل از The Information و منابع ناشناس، نرخ درآمد سالانه‌شدهٔ یک میلیارد دلار و هدف جذب حدود ۷٫۵ میلیارد دلار با ارزش‌گذاری حدود ۷۵ میلیارد دلار را گزارش کرد. نرخ سالانه‌شده درآمد تحقق‌یافتهٔ دوازده‌ماهه نیست و هدف جذب سرمایه نیز معاملهٔ تکمیل‌شده نیست. ^[20]
آنتروپیک و آکامای: قرارداد اعلام‌شده در ۲۴ سپتامبر شامل تعهد حدود ۱۱٫۶ میلیارد دلار در هفت سال و امکان توسعهٔ بیشتر است. آکامای به آنتروپیک حق خرید سهام تا حدود پنج درصد داده است؛ این با «پرداخت هزینهٔ خدمات به‌جای پول با سهام» تفاوت دارد. اجرای تعهد به شرایط تحویل و دسترسی خدمات وابسته است. ^[21]^[22]
Nscale: شرکت در ۲۵ سپتامبر تأمین مالی قابل‌تبدیل به سهام به مبلغ ۳٫۳۶ میلیارد دلار را اعلام کرد: ۲٫۳۶ میلیارد دلار در مرحلهٔ نخست و تعهد یک میلیارد دلاری انویدیا با انتظار پرداخت در میانهٔ نوامبر. ^[23] حضور تأمین‌کنندهٔ تراشه در تأمین مالی مشتری، پیوند سرمایه و زنجیرهٔ عرضه را نشان می‌دهد؛ تضمین‌شدن تقاضا یا سود از آن نتیجه نمی‌شود.
Stack: گزارش رویترز به نقل از بلومبرگ از مذاکرات انحصاری کنسرسیومی با پشتوانهٔ بلک‌راک و IFM برای خرید دارایی‌های آسیا-اقیانوسیه تا ارزش احتمالی ۲۵ میلیارد دلار خبر می‌دهد. معامله هنوز قطعی معرفی نشده است. ^[24]
مایکروسافت: برنامهٔ بیش از ده میلیارد دلار هزینهٔ سرمایه‌ای و عملیاتی تا ۲۰۳۰ در منطقه، با تمرکز اولیه بر کویت، قطر، عربستان و امارات اعلام شده است؛ این مبلغ همگی هزینهٔ انجام‌شده یا صرفاً سرمایه‌گذاری ساختمانی نیست. ^[25]

در حوزهٔ انرژی نیز سند MARA از سپردهٔ صد میلیون دلاری برای ظرفیت برق پیش‌بینی‌شدهٔ یک سایت خبر می‌دهد. سپرده و ظرفیت برنامه‌ریزی‌شده، معادل نیروگاه ساخته‌شده و برق در حال تحویل نیستند. ^[26] در بحث ثروت، فهرست جوان‌ترین اعضای Forbes 400 نشانه‌ای از وزن مؤسسان فناوری در ثروت بزرگ است؛ این گزارش در ۱۸ سپتامبر منتشر شده و جزو رویدادهای ۲۳ تا ۲۶ سپتامبر نیست. ^[27]

از این داده‌ها می‌توان تمرکز توان مالی و وابستگی متقابل شرکت‌ها را بررسی کرد. اما ارقام قراردادهای چندساله، ارزش سهام و پیش‌بینی‌های آینده را نباید درآمد نقدی امروزِ مالکان یا اثبات خودکار حباب دانست. نقد اجتماعی با رعایت این تمایزها قوی‌تر می‌شود.

نتیجه‌گیری: از تولید اجتماعی دانش تا مشارکت در قدرت

در امتداد بحث کتاب نظم اجتماعی نوین در عصر آگاهی و مقالهٔ پیشین دربارهٔ ماشین سودآوری هوش مصنوعی، مسئلهٔ اساسی این است: کسانی که دانش، کار، داده و منابع لازم را فراهم می‌کنند، چه سهمی در تعیین هدف‌ها و تقسیم دستاوردها دارند؟ فناوری می‌تواند به علم، آموزش و کاهش کار فرساینده کمک کند؛ تحقق این ظرفیت به مناسبات مالکیت، نهادهای پاسخ‌گو و سازمان‌دهی اجتماعی وابسته است.

بدیل پیشنهادی، کنترل دموکراتیک و قابل بازنگری بر هوش مصنوعی است: در کوتاه‌مدت شفافیت حوادث و قراردادها، مسئولیت حقوقی و محدودیت کاربردهای پرخطر؛ در گذار نهادی مشارکت شوراهای کارگری و محلی، تعاونی‌های داده و شکل‌های عمومی و اجتماعی مالکیت زیرساخت؛ و در افق بلندمدت برنامه‌ریزی‌ای که کاهش ساعت کار، امنیت معیشت، دسترسی همگانی به دانش و شکوفایی انسان را معیار پیشرفت بداند. مالکیت عمومی نیز بدون نظارت و امکان اعتراض و تغییر تصمیم‌ها، به‌تنهایی دموکراتیک نیست.

«سود برای صاحبان، هزینه برای مردم» در این مقاله نامِ یک نقد ساختاری است، نه فرمولی که دربارهٔ هر پروژه بدون بررسی صادق باشد. برای تغییر این ساختار، جامعه باید از مشارکت در تولید دانش به مشارکت واقعی در قدرت برسد.

در ادامهٔ بحث: ماشین سودآوری هوش مصنوعی، تمرکز ثروت و تضاد تولید اجتماعی با مالکیت متمرکز.

منابع

فارسی English مقالات و تحلیل‌ها صفحهٔ اصلی