از محاسبهٔ سودمحور تا هماهنگی آگاهانهٔ اجتماعی
حمید اخوی
نسخهٔ گسترشیافته با مطالعات موردی تاریخی و چشمانداز آینده | سپتامبر ۲۰۲۶
تز مرکزی هوش مصنوعی میتواند برنامهریزی اقتصادی دموکراتیک را آگاهانهتر، سازگارتر و عملیتر کند؛ اما تنها مالکیت اجتماعی، حقوق اساسی، شفافیت عمومی و مشارکت در قدرت تعیین میکنند که این فناوری در خدمت نیازهای انسانی باشد، نه سود خصوصی یا دیوانسالاری.
مقدمه
هوش مصنوعی پرسشی را که زمانی آرمانگرایانه تلقی میشد، بار دیگر به مسئلهای عملی تبدیل کرده است: آیا یک اقتصاد پیچیده میتواند تولید، توزیع، سرمایهگذاری و خدمات عمومی را بر پایهٔ نیازهای انسانی، و نه سود خصوصی، هماهنگ کند؟ پاسخ نه یک «آری» خودکار است و نه همان ادعای قدیمی که گویا رایانهای بهاندازهٔ کافی نیرومند میتواند جای بازار را بگیرد و از بالا بر جامعه فرمان براند. هوش مصنوعی میتواند توان جامعه را برای مشاهدهٔ شرایط اقتصادی، مقایسهٔ گزینهها، پیشبینی کمبودها و اصلاح برنامهها بهطرزی چشمگیر افزایش دهد؛ اما محاسبه نمیتواند تعیین کند که جامعه چه چیزی را باید ارزشمند بداند، منابع تولیدی در مالکیت چه کسی باشد، یا چه کسانی حق تصمیمگیری جمعی و اعتراض به آن تصمیمها را دارند.
استدلال محوری کتاب «نظم اجتماعی نوین در عصر آگاهی» از برنامهریزی متمرکزِ فناورانه بسیار فراتر میرود. تضاد میان تولیدِ هرچه اجتماعیتر و مالکیت خصوصیِ متمرکز وارد مرحلهای تازه شده است. پلتفرمهای دیجیتال، زیرساخت ابری، زنجیرههای تأمین جهانی، خودکارسازی و هوش مصنوعی بر دانش انباشته و فعالیت روزانهٔ میلیونها انسان تکیه دارند؛ بااینحال، جهتگیری و منافع آنها عمدتاً زیر کنترل شمار اندکی از شرکتها و مالکان باقی مانده است. هوش مصنوعی یکی از اجتماعیترین نیروهای مولدی است که بشر آفریده، اما در نظام سرمایهداری عمدتاً در خدمت انباشت سرمایه، نظارت، کاهش هزینه، قدرت انحصاری و سود سازمان مییابد.
نظم اجتماعی نوین باید تابع هدف اقتصاد را تغییر دهد. معیار اصلی آن نه بازده سرمایه، بلکه تأمین مطمئن نیازهای مادی و اجتماعی، پایداری زیستمحیطی، آزادی، برابری و گسترش تواناییهای انسانی است. هوش مصنوعی در چنین تحولی به ابزار عمومیِ شناخت و هماهنگی تبدیل میشود: به تصمیمها آگاهی میدهد، اما بر مردم حکومت نمیکند؛ مشارکت را گسترش میدهد، نه تمرکز قدرت را؛ و انتخابها و مصالحهها را آشکار میسازد، نه اینکه آنها را پشت یک جعبهٔ سیاه فنی پنهان کند.
تواناییها و محدودیتهای برنامهریزی با هوش مصنوعی
هوش مصنوعی چند توانایی واقعی و مهم برای برنامهریزی اجتماعی فراهم میکند: پیشبینی تقاضا، مدلسازی زنجیرههای تأمین، شبیهسازی گزینههای سیاستی، تشخیص ناهنجاریها و هماهنگکردن اطلاعات میان بخشها. بااینحال، این تواناییها بهخودیخود برنامهریزی را دموکراتیک نمیکنند. کیفیت داده، حریم خصوصی، امنیت، توضیحپذیری، نظارت انسانی و امکان اعتراض عمومی باید همزمان تضمین شوند. ادارهٔ یک بنگاه با هماهنگی دموکراتیک یک جامعه نیز یکسان نیست؛ زیرا جامعه دربارهٔ ارزشها، اولویتها و توزیع منابع تصمیم میگیرد، نه فقط دربارهٔ کارآمدی عملیاتی.
برنامهریزی متمرکز، نظم اجتماعی نوین و هماهنگی غیربازاری را نباید مترادف دانست. مالکیت اجتماعی مستلزم آن نیست که همهٔ تصمیمها از یک مرکز اداری صادر شوند. برنامهریزی میتواند در چند سطح انجام گیرد: افراد و خانوادهها نیازهای خود را بیان کنند؛ شوراهای محل کار و محله اولویتهای محلی را شکل دهند؛ نهادهای بخشی ظرفیتها و استانداردها را هماهنگ کنند؛ نهادهای منطقهای منابع را متعادل سازند؛ و کل جامعه دربارهٔ سرمایهگذاری بلندمدت، محدودیتهای زیستمحیطی و تضمینهای همگانی تصمیم بگیرد. تمایز اساسی نه میان «بازار» و «رایانه»، بلکه میان تمرکز خصوصی قدرت اقتصادی و پاسخگویی اجتماعی آن است؛ و نیز میان سامانهای که اطلاعات را فقط به سوی یک دیوانسالاری میفرستد و سامانهای شفاف که مشارکت و اصلاح مستمر را ممکن میکند.
نتایج شبیهسازیهای هوش مصنوعی نیز نباید بهعنوان اثبات کارآمدی یک اقتصاد برنامهریزیشده توسط هوش مصنوعی عرضه شوند. برای نمونه، پروژهٔ «اقتصاددان هوش مصنوعی» محیطی پژوهشی است که در آن عاملهای یادگیری تقویتی سیاستهای مالیاتی را بر پایهٔ فرضهای سادهشده آزمایش میکنند. بهبود گزارششده در موازنهٔ برابری و بهرهوریِ درون مدل نشان میدهد آزمایش محاسباتی میتواند به مقایسهٔ سیاستها کمک کند؛ اما دلیل تجربی برای کشف یک نظام مالیاتی بهینه در یک کشور واقعی نیست. مدلها پیامدها را در چارچوب فرضهای خود روشن میکنند، ولی قضاوت سیاسی، عدم قطعیت و تعارض میان ارزشهای مشروع را از میان نمیبرند.
چرا سرمایهداری نیز بر برنامهریزی متکی است
تقابل رایج میان سرمایهداری بهعنوان قلمرو بازارهای خودجوش و سوسیالیسم بهعنوان قلمرو برنامهریزی، واقعیت عملکرد سرمایهداری مدرن را پنهان میکند. شرکتهای بزرگ، تولید، موجودی، لجستیک، بهکارگیری نیروی کار، قیمتگذاری و سرمایهگذاری را در مقیاس جهانی برنامهریزی میکنند. پلتفرمها با الگوریتمها میزان دیدهشدن و فرصتها را تخصیص میدهند. بانکهای مرکزی و دولتها برای تثبیت نظام مالی، مدیریت بحرانها، تهیهٔ کالاهای ضروری و هدایت سرمایهگذاری راهبردی از سامانههای گستردهٔ داده استفاده میکنند. پرسش این نیست که آیا برنامهریزی وجود دارد؛ پرسش این است که چه کسی، برای چه هدفی، با چه اطلاعاتی و زیر کنترل چه کسانی برنامهریزی میکند.
درون شرکت، برنامهریزی پیشرفته با رقابت بیرونی همزیستی دارد؛ اما اطلاعاتی که کارگران، مصرفکنندگان، پژوهش عمومی و زیرساخت مشترک تولید میکنند، به مالکیت خصوصی درمیآید. هوش مصنوعی این تضاد را تشدید میکند: رفتار جمعی را به پیشبینی و درآمد خصوصی بدل میسازد و میتواند مقدار کار لازم از نظر اجتماعی را کاهش دهد، اما دستاوردهایش اغلب بهصورت اخراج، ناامنی شغلی و بازده بیشتر برای مالکان ظاهر میشود. جامعهای عقلانی باید افزایش بهرهوری را مبنایی مادی برای کاهش ساعات کار، بهبود خدمات، امنیت همگانی و رهایی بیشتر از کار اجباری قرار دهد.
این تغییر با جایگزینکردن مدیران شرکتها با مدیران دولتی و منفعل نگهداشتن شهروندان تحقق نمییابد. فرماندهی دیوانسالارانه میتواند تاریکخانهٔ تصمیمگیری، امتیاز و بیگانگی را در شکلی دیگر بازتولید کند. نظم اجتماعی نوین باید مالکیت اجتماعی را با مشارکت در قدرت پیوند دهد: کارگران، جوامع محلی، مصرفکنندگان، متخصصان و نهادهای انتخابی عمومی باید بتوانند برنامهها را پیشنهاد کنند، ببینند، اصلاح کنند، تصویب کنند و نتیجهٔ آنها را بسنجند.
هوش مصنوعی چه کمکی میتواند بکند
هوش مصنوعی میتواند برنامهریزی دموکراتیک را در پنج حوزهٔ عملی تقویت کند. نخست، میتواند نقشهای پیوسته و بهروز از نیازهای اجتماعی بسازد. اطلاعات تجمیعشده دربارهٔ مسکن، غذا، سلامت، آموزش، حملونقل، انرژی، کار مراقبتی و شرایط زیستمحیطی میتواند نیازهای برآوردهنشده را برحسب منطقه و گروه جمعیتی آشکار کند، بیآنکه زندگی خصوصی انسانها به کالا تبدیل شود. دوم، سامانههای پیشبینی میتوانند تقاضا، ظرفیت، گلوگاهها و آسیبپذیری در برابر شوکها را برآورد کنند. این پیشبینیها باید همراه با دامنهٔ اطمینان و فرضهای جایگزین منتشر شوند، نه اینکه صورت فرمان به خود بگیرند.
سوم، ابزارهای بهینهسازی میتوانند راههای عملی متفاوت برای تحقق هدفهای دموکراتیک را مقایسه کنند. جامعه میتواند بپرسد چگونه برق ضروری را تضمین و همزمان انتشار آلایندهها را کاهش دهد؛ چگونه بدون فرسایش منابع آب، مسکن را گسترش دهد؛ یا در یک وضعیت اضطراری منابع پزشکی را عادلانه توزیع کند. مدلهای چندهدفه میتوانند مصالحه میان زمان، مواد، انرژی، تابآوری، برابری و اثرات زیستمحیطی را نشان دهند؛ اما نمیتوانند وزن اخلاقی این هدفها را تعیین کنند. این انتخاب متعلق به جامعه است.
چهارم، شبیهسازی اجازه میدهد سیاستها پیش از اجرای گسترده آزموده شوند. راهبردهای مالیاتی، رفاهی، حملونقل، کاربری زمین و صنعتی را میتوان بر پایهٔ فرضهای رفتاری و سناریوهای فشار مختلف بررسی کرد. پروژهٔ «اقتصاددان هوش مصنوعی» در اینجا نمونهای از یک روش است، نه یک مرجع سیاسی معصوم از خطا. پژوهش دربارهٔ تخصیص منابع به کمک هوش مصنوعی نیز نشان میدهد مسائل برنامهریزی در مقیاسی قابلتوجه از نظر محاسباتی حلشدنیاند؛ اما امکان محاسباتی فقط یکی از اجزای امکان نهادی است.
پنجم، هوش مصنوعی میتواند به نظارت و پاسخگویی عمومی کمک کند. داشبوردهای باز میتوانند وعدهها، منابع تخصیصیافته، زمان تحویل، نابرابری منطقهای، انتشار آلایندهها، شرایط کار و نتایج واقعی را با یکدیگر مقایسه کنند. تشخیص ناهنجاری میتواند فساد، احتکار، الگوهای تبعیضآمیز یا افت خدمات را علامتگذاری کند. هر هشدار باید قابل بازبینی باشد و افراد متأثر باید مسیر مستقیم برای دریافت توضیح، اصلاح خطا و اعتراض داشته باشند.
از فرماندهی مرکزی تا هماهنگی مشارکتی
قابلدفاعترین معماری، چندمرکزی است: هماهنگ در سطوح مختلف، اما نه در انحصار یک مرکز. محلهای کار ظرفیت تولیدی، نیازهای ورودی، محدودیتهای ایمنی و نوآوریهای پیشنهادی را گزارش میکنند. شوراهای محله و شهر نیازها و اولویتها را ثبت میکنند. شوراهای بخشی وابستگیهای فنی میان انرژی، غذا، حملونقل، سلامت، مسکن، ارتباطات و صنعت را هماهنگ میسازند. نهادهای برنامهریزی ملی نیز به حقوق همگانی، زیرساختهای بزرگ، سقفهای زیستمحیطی، توازن میان مناطق و سرمایهگذاری بلندمدت میپردازند.
اطلاعات باید در هر دو جهت حرکت کند. دانش محلی که در یک پایگاه دادهٔ ملی نمیگنجد، باید از راه گفتوگو و بازنگری وارد تصمیمها شود. محدودیتهای ملی و معیارهای مشترک نیز باید در سطح محلی قابل مشاهده باشند. هوش مصنوعی میتواند میلیونها پیشنهاد را به گزینههای قابل فهم تبدیل کند، تعارضها را نشان دهد و پیامدها را محاسبه کند؛ اما هرگز نباید دیدگاه اقلیتها را حذف کند یا مشارکت را به نظرسنجیای تقلیل دهد که صاحبان قدرت بتوانند نتایجش را نادیده بگیرند.
پروژهٔ «سایبرسین» در شیلی از همین نظر آموزنده است که هدفش صرفاً متمرکزکردن همهٔ تصمیمها نبود. این پروژه در پی گردش سریع اطلاعات، بازخورد عملیاتی و میزان معینی از خودمختاری در بنگاهها بود. تاریخ کوتاه و ناتمام آن، امکانپذیری برنامهریزی دموکراتیک امروز را اثبات نمیکند، اما نشان میدهد دههها پیش از هوش مصنوعی مدرن نیز هماهنگی سایبرنتیک و مشارکت کارگران در کنار یکدیگر مطرح شده بودند. درس نهادی آن این است: فناوری باید فاصلهٔ میان شناخت و تصمیم را کوتاه کند، درحالیکه خودمختاری و بازخورد را حفظ میکند.
از تاریخ برنامهریزی محاسباتی تا مشارکت دیجیتال
بحث دربارهٔ هوش مصنوعی و برنامهریزی اجتماعی از خلأ تاریخی آغاز نمیشود. در هفتاد سال گذشته، دولتها، شهرها و جنبشهای اجتماعی بارها کوشیدهاند اطلاعات پراکنده را به تصمیم جمعی پیوند دهند. برخی تجربهها بر شبکهٔ رایانهای و مدلسازی تکیه داشتند؛ برخی دیگر بر مجمعهای شهروندی، شوراهای محلی و بودجهریزی مشارکتی؛ و نمونههای جدیدتر این دو مسیر را در سکوهای دیجیتال به هم رساندهاند. این تاریخ نه اثبات میکند که فناوری خودبهخود دموکراسی میآورد و نه حکم میدهد که برنامهریزی محکوم به شکست است. آنچه تعیینکننده بوده، رابطهٔ میان ظرفیت فنی، مالکیت، نهادهای مشارکت و امکان پاسخخواهی بوده است.
سایبرسین در شیلی: بازخورد سریع در دل یک گذار دموکراتیک
دولت سالوادور آلنده از ۱۹۷۱ تا کودتای سپتامبر ۱۹۷۳ پروژهٔ سایبرسین را برای هماهنگی بنگاههای ملیشده توسعه داد. زیرساخت موجودِ تلکس، نرمافزار آماری، یک شبیهساز اقتصادی و اتاق عملیات به هم متصل شدند تا مدیران و نهادهای عمومی بتوانند انحرافهای مهم را زودتر ببینند. نوآوری اصلی، گردآوری همهٔ دادهها در یک مرکز نبود؛ بلکه ساختن حلقههای بازخوردی بود که تنها اطلاعات استثنایی و تصمیمساز را به سطح بالاتر میفرستاد و برای واحدهای تولیدی درجهای از خودمختاری باقی میگذاشت.
آزمون مشهور این شبکه در اعتصاب کامیونداران اکتبر ۱۹۷۲ رخ داد. شبکهٔ تلکس روزانه نزدیک به دو هزار پیام دربارهٔ کامیونهای فعال، راههای باز، سوخت و مواد اولیه منتقل میکرد و به دولت کمک کرد عرضهٔ کالاهای ضروری را در شرایط بحران هماهنگ کند. این تجربه نشان داد که حتی با فناوری بسیار ابتداییتر از امروز، اطلاعات بهنگام میتواند زمان میان مشاهدهٔ مشکل و اقدام جمعی را کوتاه کند. بااینحال، سایبرسین نتوانست محاصرهٔ اقتصادی، تورم، قطبیشدن سیاسی و خشونت نظامی را حل کند و با کودتا پایان یافت. درس آن دوگانه است: معماری فنیِ خوب میتواند تابآوری را افزایش دهد، اما جای سازمانیابی اجتماعی، مشروعیت سیاسی و دفاع از نهادهای دموکراتیک را نمیگیرد.
OGAS در اتحاد شوروی: توان فنی بدون ائتلاف نهادی
ویکتور گلوشکوف در دههٔ ۱۹۶۰ طرح OGAS، یا «سامانهٔ خودکار سراسری مدیریت»، را برای شبکهکردن مراکز محاسباتی و بهبود مدیریت اقتصاد شوروی پیشنهاد کرد. از نظر فنی، ایدهٔ او چند دهه جلوتر از زمان خود بود: شبکهای چندسطحی برای انتقال داده، محاسبه و هماهنگی در مقیاس ملی. اما وزارتخانهها و دستگاههای اداری، داده و اختیار خود را منبع قدرت میدانستند و بر سر بودجه، مالکیت شبکه و کنترل اطلاعات رقابت میکردند. پروژه در بنبست نهادی فرسوده شد و هرگز به شکل سراسری تحقق نیافت.
این شکست را نمیتوان فقط به ضعف رایانههای آن دوره نسبت داد. OGAS نشان میدهد که حتی یک طراحی محاسباتی بلندپروازانه، اگر بر مشارکت واقعی تولیدکنندگان و استفادهکنندگان، قواعد روشن پاسخگویی و ائتلافی سیاسی برای بهاشتراکگذاری اطلاعات تکیه نکند، ممکن است به تهدیدی برای دیوانسالاریهای موجود تبدیل شود و از درون خنثی گردد. در نظم اجتماعی نوین، شبکهٔ اطلاعاتی باید قدرت را قابل مشاهده و قابل بازخواست کند؛ نه اینکه صرفاً ظرفیت مرکز را برای فرماندادن افزایش دهد.
پورتو آلگره: بودجهریزی مشارکتی و پیوند اولویت با تخصیص
بودجهریزی مشارکتی پورتو آلگره در برزیل از ۱۹۸۹ به شهروندان امکان داد در مجمعهای محلهای و موضوعی دربارهٔ بخشی از سرمایهگذاری شهری تصمیم بگیرند. شرکتکنندگان نیازهای فوری—از فاضلاب و راه تا مدرسه و درمانگاه—را رتبهبندی میکردند، نمایندگان انتخاب میشدند و تصمیمها وارد فرایند رسمی بودجه میشد. این سازوکار، بهویژه در سالهای نخست، حضور گروههای کمدرآمد را افزایش داد، تخصیص زیرساخت را به سمت محلههای محرومتر برد و از وابستگی توزیع خدمات به روابط حامیپرورانه کاست. گسترش الگو به هزاران حکومت محلی در جهان نشان داد که شهروندان میتوانند دربارهٔ مصالحههای واقعی و منابع محدود تصمیم بگیرند، به شرط آنکه مشارکت به نتیجهٔ مالی متصل باشد.
اما تضعیف و سرانجام تعلیق این فرایند در خود پورتو آلگره در ۲۰۱۷ نیز هشدار مهمی است. مشارکت بدون سهم معنادار از بودجه، اطلاعات قابل فهم، اجرای قابل پیگیری و تعهد سیاسی پایدار به آیینی نمادین تبدیل میشود. هوش مصنوعی آینده میتواند هزینه و اثر توزیعی پیشنهادها را محاسبه و سناریوها را برای شهروندان قابل فهم کند؛ ولی نمیتواند تضمین نهادی اجرای تصمیم مردم را جایگزین سازد.
برنامهریزی مردمی کرالا: ظرفیتسازی از پایین
ایالت کرالای هند در ۱۹۹۶ «کارزار برنامهریزی مردمی» را آغاز کرد و حدود ۳۵ تا ۴۰ درصد منابع برنامهای ایالت را به حکومتهای محلی واگذار کرد. نیازها در مجمعهای روستا و محله طرح میشد، گروههای کاری متشکل از نمایندگان منتخب، کارشناسان، کارکنان و فعالان اجتماعی پروژهها را تدوین میکردند و شوراهای محلی دربارهٔ برنامه تصمیم میگرفتند. سامانههای دیجیتال مانند نرمافزار Sulekha بعدها ثبت، ارزیابی و پیگیری طرحها را منظمتر کردند.
نکتهٔ تعیینکننده در کرالا این است که فناوری بر بستری از عدم تمرکز مالی، آموزش عمومی، گروههای فنی داوطلب و چرخههای تکرارشوندهٔ مشورت قرار گرفت. دادهٔ بیشتر بدون توان مردم برای تفسیر و مناقشه بر سر آن، مشارکت ایجاد نمیکند. این تجربه برای آینده پیشنهاد میکند که سواد داده، دسترسی برابر، تسهیلگری و منابع کارشناسی عمومی باید بخشی از زیرساخت برنامهریزی باشند؛ درست به اندازهٔ مدلهای هوش مصنوعی و مراکز پردازش.
Decidim بارسلونا: نرمافزار بهمثابه زیرساخت عمومی
سکوی متنباز Decidim در بارسلونا برای ترکیب مشارکت حضوری و آنلاین شکل گرفت. در فرایند تدوین برنامهٔ اقدام شهری، بیش از ده هزار پیشنهاد و بیش از ۱۶۰ هزار رأی حمایتی ثبت شد و بنا بر گزارش رسمی پروژه، ۷۱ درصد پیشنهادهای شهروندی در قالب بیش از ۱۶۰۰ اقدام وارد برنامه شد. اهمیت این تجربه فقط در شمار کاربران نیست؛ هر پیشنهاد، حمایت، اصلاح و نتیجه باید قابل ردیابی باشد تا شهروند بداند ورودی او در کدام نقطه پذیرفته، ادغام یا رد شده است.
Decidim الگویی از فناوری بهعنوان «دارایی مشترک دیجیتال» ارائه میدهد: کد متنباز، قواعد قابل مشاهده و امکان اقتباس در شهرهای دیگر. این الگو برای نظم اجتماعی نوین اهمیت دارد، زیرا ابزار مشارکت نباید خود به انحصار شرکتی و جعبهٔ سیاه دیگری بدل شود. بااینحال، سکوی خوب فقط هزینهٔ مشارکت را کاهش میدهد؛ کیفیت تصمیم همچنان به نمایندگی اجتماعی، دسترسی همگانی و پیوند رسمی میان گفتوگو و اختیار عمومی وابسته است.
vTaiwan: یافتن زمینهٔ مشترک در مقیاس بزرگ
فرایند vTaiwan از ۲۰۱۴ برای مشورت عمومی دربارهٔ مسائل سیاستگذاری دیجیتال، گفتوگوی حضوری را با ابزارهایی مانند Pol.is ترکیب کرده است. این ابزار به جای تقویت محبوبترین یا خشمآلودترین نظر، گروههای دیدگاهی و گزارههایی را آشکار میکند که میان چند گروه حمایت مشترک دارند. در پروندهٔ تنظیم UberX، بیش از چهار هزار نفر در یک دورهٔ چهار هفتهای مشارکت کردند و موارد توافق به پیشنهادهای مقرراتی تبدیل شد. وبسایت رسمی vTaiwan میگوید بیش از ۲۸ موضوع در این فرایند بررسی شده و حدود ۸۰ درصد آنها به اقدام تعیینکنندهٔ دولت انجامیده است.
این تجربه نشان میدهد که ابزار محاسباتی میتواند گفتوگویی بزرگ را خلاصه کند، شکافها را نمایان سازد و زمینهٔ مشترک را پیدا کند؛ اما مشروعیت از الگوریتم نمیآید. قواعد نمونهگیری، امکان دسترسی گروههای کمصدا، شفافیت در تبدیل نظر به سیاست و مسئولیت مقام منتخب همچنان ضروریاند. استفادهٔ آزمایشی از مدلهای زبانی در مشورتهای جدید نیز باید زیر همین قاعده باشد: هوش مصنوعی میتواند صورتبندی و تلخیص کند، اما نباید نظر اقلیت را محو یا اجماع مصنوعی تولید کند.
جمعبندی مقایسهای: شش تجربه، چهار درس
این مطالعات موردی از نظامهای سیاسی و مقیاسهای بسیار متفاوت میآیند، اما چهار الگوی مشترک دارند. نخست، اطلاعات هنگامی ارزش سیاسی پیدا میکند که به اختیار واقعی برای تخصیص منابع یا اصلاح سیاست متصل شود؛ پورتو آلگره و vTaiwan این پیوند را نشان میدهند. دوم، عدم تمرکز باید با هماهنگی چندسطحی همراه باشد؛ سایبرسین و کرالا نشان میدهند که دانش محلی و دید سراسری میتوانند مکمل یکدیگر باشند. سوم، ظرفیت فنی جای ظرفیت نهادی را نمیگیرد؛ شکست OGAS و افول بودجهریزی مشارکتی پورتو آلگره اهمیت ائتلاف سیاسی، بودجهٔ پایدار و پاسخگویی را آشکار میکنند. چهارم، زیرساخت دیجیتال باید خود موضوع حکمرانی دموکراتیک باشد؛ Decidim یادآور میشود که کد، داده و قواعد مشارکت را نیز باید بتوان دید، نقد کرد و تغییر داد.
در هیچیک از این نمونهها «ماشین» جای سیاست را نگرفت. تجربههای موفقتر، هزینهٔ دستیابی به اطلاعات را کم کردند، دیدگاههای بیشتری را وارد تصمیم ساختند و مسیر روشنتری میان مشارکت و نتیجه ایجاد کردند. تجربههای ناموفقتر یا ناتمام نشان دادند که تمرکز اطلاعات، مقاومت سازمانی، حذف گروههای اجتماعی و گسست میان مشورت و اختیار میتواند حتی طرحی از نظر فنی چشمگیر را بیاثر کند. بنابراین معیار ارزیابی هوش مصنوعی در برنامهریزی دموکراتیک باید نه فقط دقت پیشبینی، بلکه میزان افزایش مشارکت در قدرت، قابلیت اعتراض و بهبود مادی زندگی باشد.
نقش هوش مصنوعی در آیندهٔ برنامهریزی دموکراتیک
نقش آیندهٔ هوش مصنوعی را میتوان در سه لایه دید. در لایهٔ شناخت، سامانهها دادههای پراکنده را با حفظ حریم خصوصی تجمیع میکنند، کمبودها و نابرابریها را تقریباً در زمان واقعی نشان میدهند و عدم قطعیت را به زبان قابل فهم توضیح میدهند. در لایهٔ گفتوگو، ابزارها هزاران پیشنهاد را دستهبندی میکنند، استدلالهای مشابه و متعارض را کنار هم میگذارند، پیامدهای هر گزینه را برای مناطق و گروههای مختلف نشان میدهند و دیدگاههای اقلیت را بهصورت مستقل حفظ میکنند. در لایهٔ اجرا، مدلها ظرفیت تولید، انرژی، نیروی کار و محدودیتهای زیستمحیطی را هماهنگ میکنند و فاصلهٔ میان وعده و نتیجه را در داشبوردهای عمومی آشکار میسازند.
این سه لایه تنها با مرزهای روشن مشروعاند. تصمیم نهایی دربارهٔ اهداف، حقوق و توزیع فداکاریها باید انسانی و دموکراتیک بماند. هر پیشنهاد الگوریتمی باید منبع داده، فرضها، دامنهٔ خطا، اثر بر گروههای مختلف و گزینههای کنارگذاشتهشده را نشان دهد. شهروندان باید حق توضیح، اصلاح داده، اعتراض و درخواست تصمیم انسانی داشته باشند. شوراها و نهادهای ناظر نیز باید اختیار تعلیق سامانهای را داشته باشند که تبعیض ایجاد میکند، از مأموریت خود فراتر میرود یا قابل حسابرسی نیست.
مسیر عملی آینده از پروژههای محدود و قابل سنجش میگذرد، نه از واگذاری یکبارهٔ اقتصاد به یک مدل مرکزی. شهرها میتوانند با برنامهریزی مسکن، حملونقل، انرژی محلی و سلامت پیشگیرانه آغاز کنند؛ محلهای کار میتوانند برنامههای تولید و اثر خودکارسازی را با شوراهای کارکنان بسنجند؛ و نهادهای ملی میتوانند استانداردهای داده، تضمینهای همگانی و توازن منطقهای را فراهم کنند. هر مرحله باید با گزارش عمومی، ارزیابی مستقل و امکان بازگشت همراه باشد. اگر این مسیر با مالکیت اجتماعی زیرساخت، آزادی سیاسی و مشارکت پایدار در قدرت ترکیب شود، هوش مصنوعی میتواند از ابزار پیشبینی سود خصوصی به بخشی از عقلانیت جمعی و «اقتصاد هوشیار» تبدیل شود.
تابع هدف دموکراتیک
هر نظام برنامهریزی چیزی را بهینه میکند، حتی اگر ارزشهایش پنهان مانده باشند. در سرمایهداری، سودآوری بر بیشتر تصمیمها انضباط تحمیل میکند. آسیبهای اجتماعی مانند آلودگی، کار فرساینده، جابهجایی اجباری جوامع یا از دسترفتن حریم خصوصی «هزینههای بیرونی» تلقی میشوند، مگر آنکه قانون یا مقاومت اجتماعی آنها را وارد محاسبه کند. در نظم اجتماعی نوین، هدفها باید آشکار و قابل مناقشه باشند.
قانون اساسی برنامهریزی دموکراتیک باید سطحی تضمینشده از تأمین همگانی را مقرر کند: غذای سالم، مسکن امن، بهداشت و درمان، آموزش، انرژی، رفتوآمد، ارتباطات، مراقبت و مشارکت فرهنگی. همزمان باید سقفهای زیستمحیطی، حقوق کار، حمایت از برابری و الزامات تابآوری را تعیین کند. فراتر از این کف تضمینشده، شهروندان باید دربارهٔ اولویتهای رقیب گفتوگو و تصمیمگیری کنند. هیچ امتیاز واحدی نمیتواند کرامت، آزادی، سلامت، تنوع زیستی، فراغت و برابری را به یک عدد ظاهراً بیطرف فروبکاهد.
ازاینرو هوش مصنوعی باید گزینههای متعدد تولید کند، نه یک «راهحل بهینه» یگانه. مردم باید برای هر برنامهٔ مهم ببینند چه هدفهایی انتخاب شده، چه وزنی گرفتهاند، چه دادههایی به کار رفته، چه کسانی سود میبرند، هزینه بر دوش چه کسانی میافتد، چه عدم قطعیتی باقی است و کدام گزینهها کنار گذاشته شدهاند. برنامهای که از نظر فنی کارآمد باشد اما حقوق را نقض یا سلطه را تثبیت کند، از نظر اجتماعی عقلانی نیست.
داده بهمثابه دارایی مشترک اجتماعی
برنامهریزی دموکراتیک به اطلاعات گسترده نیاز دارد، اما به نظارت تمامعیار نیازمند نیست. این تصور که دادهٔ بیشتر لزوماً برنامهریزی بهتر میآفریند، نادرست است. گردآوری افراطی داده خطر سوءاستفاده، خودسانسوری، حملهٔ سایبری و سلطهٔ دیوانسالارانه را افزایش میدهد. اصل درست، کفایت داده است: کمترین میزان اطلاعات مداخلهگرانه که برای هدف عمومی مشخص ضرورت دارد، گردآوری شود.
دادههای شخصی نباید نه به مالکیت شرکتها و نه به مالکیت نامحدود دولت تبدیل شوند. باید آنها را دارایی مشترک اجتماعیِ حفاظتشدهای دانست که حقوق اجرایی افراد بر آن تضمین شده است. برنامهریزی باید تا حد امکان از آمارهای تجمیعی، محاسبات حافظ حریم خصوصی، نمونهگیری نماینده و دادههای نگهداریشده در سطح محلی استفاده کند. اطلاعات حساس باید از سامانههای تصمیمگیری جدا باشد، دسترسیها ثبت شود، زمان نگهداری محدود گردد و نهادهای مستقل اختیار حسابرسیِ سوءاستفاده را داشته باشند.
مالکیت عمومی زیرساختهای کلیدی دیجیتال نیز ضروری است. اگر جامعه به مدلهای انحصاری، ابرهای بسته و خطوط دادهٔ شرکتی وابسته باشد، حاکمیت برنامهریزی آن شکننده میماند. استانداردهای باز، سامانههای سازگار با یکدیگر، توان پردازشی عمومی، مدلهای قابل بازرسی هرجا که ممکن است، و نهادهای امانیِ داده با ادارهٔ دموکراتیک میتوانند از شکلگیری یک نخبگان فنیِ تازه و سلطهٔ آنان بر اقتصاد اجتماعی جلوگیری کنند.
حقوق پاسخگویی و حق اعتراض
هوش مصنوعی میتواند مشورت دهد، پیشبینی کند و الگوها را تشخیص دهد؛ اما هیچکس نباید صرفاً به حکم یک الگوریتم شغل، مسکن، خدمات درمانی، آزادی، مزایا یا حقوق سیاسی خود را از دست بدهد. تصمیمهای پرپیامد به یک مسئول انسانی و نهادیِ مشخص، توضیح قابل فهم، دسترسی به شواهد مرتبط و امکان اعتراض بهموقع نیاز دارند. دادگاههای مستقل، مطبوعات آزاد، اتحادیههای کارگری، سازمانهای جامعهٔ مدنی، احزاب مخالف و شوراهای انتخابی مانع برنامهریزی نیستند؛ آنها ضمانت جلوگیری از انحطاط آناند.
اصول سودمند حکمرانی از هماکنون وجود دارند. چارچوب مدیریت ریسک هوش مصنوعیِ مؤسسهٔ ملی استاندارد و فناوری آمریکا بر اعتبار، قابلیت اعتماد، ایمنی، امنیت، پاسخگویی، شفافیت، توضیحپذیری، تقویت حریم خصوصی و انصاف تأکید دارد. اصول سازمان همکاری و توسعهٔ اقتصادی نیز هوش مصنوعی قابل اعتماد را به حقوق بشر و ارزشهای دموکراتیک پیوند میدهد. نظم اجتماعی نوین باید از توصیههای داوطلبانه فراتر رود، این حمایتها را در حقوق اساسی تثبیت کند و سامانههای قدرتمند برنامهریزی را زیر حسابرسی عمومی قرار دهد.
کد، مدلها و مستندات دادهای که در تصمیمهای مهم عمومی به کار میروند باید تا بیشترین حد سازگار با حریم خصوصی و امنیت قابل بازرسی باشند. تغییرات مدل باید نسخهبندی شوند، پیشبینیها با نتایج سنجیده شوند، خطاها و حوادث افشا گردند، و هر سامانهای که از آستانهٔ خطر مصوب دموکراتیک عبور کند متوقف شود. برای کاهش تعارض منافع، گروههای خرید و توسعه باید از نهادهای ارزیابی مستقل جدا باشند.
کار و مالکیت اجتماعیِ دستاوردهای بهرهوری
فوریترین آزمون سیاسی هوش مصنوعی این است که چه کسانی از افزایش بهرهوری آن بهرهمند میشوند. سازمان بینالمللی کار نتیجه میگیرد که هوش مصنوعی مولد احتمالاً بسیاری از مشاغل را دگرگون میکند، نه اینکه همهٔ حرفههای در معرض آن را بهطور کامل حذف کند؛ درعینحال مشاغل دفتری همچنان بیشترین میزان مواجهه را دارند و آثار فناوری برحسب کشور و جنسیت بسیار متفاوت است. این عدم قطعیت، ضرورت تضمینهای اجتماعی را کاهش نمیدهد؛ بلکه آن را بیشتر میکند.
در نظام سودمحور، خودکارسازی اساساً هنگامی به کار گرفته میشود که بازده سرمایه یا کنترل مدیریتی را افزایش دهد. کارگران همان فناوری را در قالب تشدید کار، نظارت، کاهش مهارت، حذف شغل و تضعیف قدرت چانهزنی تجربه میکنند. در اقتصاد برنامهریزیشدهٔ دموکراتیک، کارگران و شوراهایشان باید پیش از استقرار فناوری مشارکت کنند، به ارزیابی پیامدها دسترسی داشته باشند، دربارهٔ طراحی و کاربرد آن حق چانهزنی داشته باشند، و بتوانند سامانههایی را که ایمنی یا کرامت را تهدید میکنند رد کنند.
دستاوردهای خودکارسازی باید ساعات کار را بدون کاهش معیشت کم کند، بازآموزیِ همراه با دستمزد را تأمین مالی کند، کارهای ضروری اجتماعی را گسترش دهد و کف همگانیِ امنیت اجتماعی را بالا ببرد. مراقبت، آموزش، بازسازی محیط زیست، فرهنگ و زندگی اجتماعی نباید فقط به این دلیل کمارزش شمرده شوند که بازار آنها را بهاندازهٔ کافی سودآور نمیبیند. هوش مصنوعی باید زمان و خلاقیت انسان را آزاد کند، نه اینکه جمعیتی مازاد و زیر انضباط ناامنی بسازد.
پاسخ به نقدهای شناخت و محاسبه
نیرومندترین بینش هایک این است که دانش سودمند اجتماعی پراکنده، وابسته به موقعیت و اغلب ضمنی است. هیچ پایگاه دادهای همهٔ دانستههای کارگران، استفادهکنندگان و جوامع محلی را در خود ندارد. هوش مصنوعی این بینش را رد نمیکند. یک مرکز اداری که خروجی مدل را دانش کامل بداند، شکست قدیمی را با سرعتی بیشتر تکرار خواهد کرد.
نظم اجتماعی نوین به مسئلهٔ شناخت، پاسخی نهادی میدهد: مشارکت توزیعشده، خودمختاری محلی، بازخورد سریع، آزمایش باز و بازنگری را در ساختار تصمیمگیری جای میدهد. در مراحل گذار، بهویژه جایی که کمیابی، تنوع ترجیحات مصرفکنندگان یا مبادلهٔ بینالمللی آنها را مفید میکند، قیمتها میتوانند یکی از چندین علامت اطلاعاتی باقی بمانند؛ اما قیمتها خلاصهٔ مقدس ارزش اجتماعی نیستند. آنها اغلب نابرابری قدرت خرید، انحصار، کار مراقبتیِ بیمزد، تخریب محیط زیست و نیازهای فاقد تقاضای سودآور را پنهان میکنند.
برنامهریزی باید علامتهای کمی را با حقوق و گفتوگوی عمومی ترکیب کند. کالاها و خدمات ضروری را میتوان مستقل از درآمد تضمین کرد. برای کالاهای اختیاریِ کمیاب، بسته به نوع کالا و مرحلهٔ گذار، میتوان از صف، قرعهکشی، قواعد مشارکت، قیمت یا سازوکارهای دیگر بهره گرفت. معیار، عقلانیت عملیِ اجتماعی است، نه وفاداری به یک ابزار تخصیص همگانی.
نقد محاسبه همچنین فرض میکند بازارها از راه آزمایش غیرمتمرکز امکانهای تازه را کشف میکنند. اقتصاد برنامهریزیشدهٔ مشارکتی باید این ظرفیت را حفظ کند. محلهای کار، آزمایشگاهها، شهرداریها، تعاونیها و جوامع محلی باید بتوانند نوآوری پیشنهاد دهند و آزمایشهای محدود انجام دهند. هوش مصنوعی میتواند نتایج را مقایسه و منتشر کند و نهادهای دموکراتیک تصمیم بگیرند کدام نوآوریها شایستهٔ منابع گستردهترند.
گذار مرحلهبندیشده
نظم اجتماعی نوین یک دوران گذار است، نه نظامی کامل که در یک لحظه پدید آید. در مرحلهٔ نخست، جامعه باید آزادیهای دموکراتیک را تضمین کند، از فروپاشی اقتصادی جلوگیری کند، خدمات ضروری را حفظ کند، حسابهای عمومی را بگشاید، با فرار سرمایه و فساد مقابله کند و مشارکت کارگران و جوامع را برقرار سازد. نقش آغازین هوش مصنوعی باید محدود و حسابرسیپذیر باشد: تهیهٔ نقشهٔ موجودیها، شناسایی کمبودهای فوری، هماهنگی لجستیک، کشف تقلب و انتشار شاخصهای شفاف.
در مرحلهٔ بعد، نهادهای مشارکتی میتوانند برنامههای بخشی، استانداردهای عمومی داده، تضمینهای اجتماعی و سازوکارهای بدیل تخصیص را توسعه دهند. برنامههای آزمایشی باید از حوزههایی آغاز شوند که هدف در آنها روشن و پیامد قابل سنجش است؛ مانند سلامت پیشگیرانه، توازن انرژیهای تجدیدپذیر، زمانبندی حملونقل عمومی، ساخت مسکن مقرونبهصرفه و توزیع غذا. هر برنامهٔ آزمایشی به ارزیابی عمومی و قواعد ازپیشتعیینشده برای توقف نیاز دارد.
گسترش هماهنگی پیچیدهتر تنها هنگامی موجه است که نهادها اعتماد عمومی را به دست آورده و شایستگی خود را نشان داده باشند. پول، اعتبار، بهره و سازوکارهای بازار را نمیتوان با فرمان و بیتوجه به ظرفیت تولید، شرایط بینالمللی، واکنش رفتاری و بلوغ نهادی دگرگون کرد. توان نظام برنامهریزی باید همراه با ژرفترشدن مشارکت دموکراتیک افزایش یابد. مقیاس فنی بدون بلوغ سیاسی راه را برای اقتدارگرایی باز میکند؛ و آرمان سیاسی بدون ظرفیت اجرایی به کمیابی و سرخوردگی میانجامد.
طرح نهادی عملی
یک نظام معتبر میتواند شامل شورای برنامهریزی اجتماعی با مأموریت دموکراتیک؛ شوراهای انتخابی محل کار، محله و بخش؛ سازمان آمار حرفهای و مستقل؛ نهاد عمومی هوش مصنوعی و توان پردازشی؛ مرجع حسابرسی الگوریتمی؛ نهادهای حفاظت از حریم خصوصی و داده؛ و نظارت مستقل قضایی باشد. قدرت این نهادها باید از یکدیگر تفکیک شود. نهادی که مدل را میسازد نباید ایمنی آن را نیز خود تأیید کند، و نهادی که منابع را تخصیص میدهد نباید شواهد ارزیابی عملکرد خویش را کنترل کند.
هر چرخهٔ مهم برنامهریزی با اولویتهای عمومی و حقوق تضمینشده آغاز میشود. نهادهای فنی سناریوهای عملی و محدودیت منابع را منتشر میکنند. شوراها گفتوگو میکنند، اصلاحیه پیشنهاد میدهند و از میان گزینهها انتخاب میکنند. دادههای اجرای برنامه وارد داشبوردهای عمومی میشود. در دورههای معین، نتیجهٔ واقعی با پیشبینی مقایسه میگردد و شهروندان میتوانند هنگام عبور از آستانهها یا نقض حقوق، بازبینی برنامه را به جریان اندازند.
این ساختار، نمایندگی را به مشارکت پیوسته در قدرت تبدیل میکند. انتخابات ضروری است، اما کافی نیست. شهروندان به نهادهایی پایدار نیاز دارند که از طریق آنها بتوانند در فاصلهٔ انتخابات نیز بر تصمیمهای اقتصادی اثر بگذارند. شفافیت تنها دسترسی به اسناد نیست؛ باید توان فهم، پرسش و تغییر برنامه را نیز دربرگیرد.
نتیجهگیری
هوش مصنوعی سیاست را از میان نمیبرد؛ بلکه ماهیت سیاسی هماهنگی اقتصادی را آشکارتر میکند. الگوریتم فقط هدفها، محدودیتها و دادههایی را بهینه میکند که نهادهای انسانی در اختیارش میگذارند. در چارچوب مالکیت متمرکز، هوش مصنوعی به تعمیق قدرت متمرکز گرایش خواهد داشت؛ در چارچوب فرماندهی دیوانسالارانه، میتواند سلطهٔ اداری را تشدید کند؛ و در چارچوب مالکیت اجتماعی دموکراتیک، حقوق اساسی، کثرتگرایی و مشارکت، میتواند به جامعه یاری دهد نیروهای مولد خود را آگاهانه هماهنگ سازد.
قویترین استدلال به سود نظم اجتماعی نوین این نیست که هوش مصنوعی سرانجام یک برنامهریز مرکزیِ خطاناپذیر آفریده است. استدلال اصلی این است که بشر اکنون ابزارهایی بیسابقه برای دیدن وابستگی متقابل اجتماعی و ادارهٔ آگاهانهٔ آن در اختیار دارد. میتوان نیازها را تقریباً در زمان واقعی برآورد کرد، پیش از تخصیص منابع راههای مختلف را سنجید، نابرابری و آسیب زیستمحیطی را آشکار ساخت و برنامهها را سریعتر اصلاح کرد. همزمان، خطرهای نظارت، خودکارسازی بدون امنیت معیشتی، کنترل خصوصی دانش مشترک و اقتدار الگوریتمی، ادامهٔ نظم موجود را تحملناپذیرتر میکنند.
بنابراین انتخاب میان بازار و ماشین نیست؛ انتخاب میان شکلهای رقیب قدرت اجتماعی است. نظم اجتماعی نوین در عصر آگاهی میکوشد دانش، فناوری و ثروت مولدی را که جامعه آفریده، زیر کنترل آگاهانه و دموکراتیک همان جامعه قرار دهد. هوش مصنوعی نباید ارباب یا جانشین خرد جمعی باشد؛ باید به یکی از نیرومندترین ابزارهای آن تبدیل شود.
منابع بررسیشده
ژنگ، استفان و همکاران. «اقتصاددان هوش مصنوعی: بهبود برابری و بهرهوری با سیاستهای مالیاتی مبتنی بر هوش مصنوعی»، ۲۰۲۰. https://arxiv.org/abs/2004.13332
ساموتراکیس، اسپیریدون و همکاران. «روشهای الهامگرفته از هوش مصنوعی برای تخصیص منابع در اقتصاد»، نشریهٔ PLOS ONE، سال ۲۰۲۱. https://pmc.ncbi.nlm.nih.gov/articles/PMC8480834/
مدینا، ایدن. «طراحی آزادی و تنظیم یک ملت: سایبرنتیک سوسیالیستی در شیلی آلنده»، مجلهٔ مطالعات آمریکای لاتین، ۲۰۰۶. https://www.cabinetmagazine.org/issues/46/medina.php
اسپخو، رائول. «سایبرسین، کلانداده، مهندسی تنوع و حکمرانی»، AI and Society، سال ۲۰۲۲. https://pmc.ncbi.nlm.nih.gov/articles/PMC8726523/
دو، جینگ و همکاران. «برنامهریزی مشارکتی به کمک هوش مصنوعی: یک مرور پژوهشی»، ۲۰۲۴. https://par.nsf.gov/servlets/purl/10562656
بانک تسویههای بینالمللی. «هوش مصنوعی و اقتصاد: پیامدها برای بانکهای مرکزی»، گزارش اقتصادی سالانهٔ ۲۰۲۴، فصل سوم. https://www.bis.org/publications/aer-2024/artificial-intelligence-economy-implications-central-banks
مؤسسهٔ ملی استاندارد و فناوری آمریکا. «چارچوب مدیریت ریسک هوش مصنوعی»، نسخهٔ ۱، سال ۲۰۲۳. https://www.nist.gov/itl/ai-risk-management-framework
سازمان همکاری و توسعهٔ اقتصادی. «اصول هوش مصنوعی OECD»، مصوب ۲۰۱۹ و بهروزشده در ۲۰۲۴. https://www.oecd.org/en/topics/sub-issues/ai-principles.html
سازمان بینالمللی کار. «هوش مصنوعی مولد و مشاغل: شاخص اصلاحشدهٔ جهانیِ مواجههٔ شغلی»، ۲۰۲۵. https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure
مدینا، ایدن. «پروژهٔ سایبرسین: آزمایش رادیکال شیلی در سوسیالیسم سایبرنتیک»، MIT Press Reader. https://thereader.mitpress.mit.edu/project-cybersyn-chiles-radical-experiment-in-cybernetic-socialism/
پیترز، بنجامین. چگونه نتوان یک ملت را شبکهای کرد: تاریخ دشوار اینترنت شوروی، MIT Press، ۲۰۱۶. https://mitpress.mit.edu/9780262534666/how-not-to-network-a-nation/
بانک جهانی. «بودجهریزی مشارکتی در پورتو آلگره»، گزارش موردی. https://documents.worldbank.org/en/publication/documents-reports/documentdetail/778301468019774995
مؤسسهٔ منابع جهان. «بودجهریزی مشارکتی پورتو آلگره و چالش تداوم تغییر تحولآفرین». https://www.wri.org/research/porto-alegre-participatory-budgeting-and-challenge-sustaining-transformative-change
دولت کرالا، ادارهٔ خودگردانی محلی. «قدرت به مردم» و «برنامهریزی غیرمتمرکز». https://lsgd.kerala.gov.in/en/evolution/power-to-the-people/
Decidim. «دربارهٔ Decidim و مشارکت دموکراتیک دیجیتال»، مستندات رسمی. https://docs.decidim.org/en/develop/understand/about.html
vTaiwan. «فرایند مشورت عمومیِ باز و دیجیتال»، وبسایت رسمی. https://info.vtaiwan.tw/
اخوی، حمید. «نظم اجتماعی نوین در عصر آگاهی»، نخستین ویرایش انگلیسی، ۲۰۲۶. چارچوب مفهومی مورد استفاده در این مقاله شامل تولید اجتماعی، مشارکت در قدرت، حکمرانی شفاف، اقتصاد برنامهریزیشدهٔ هوشیار و گذار دموکراتیک مرحلهبندیشده است.
