علم اقتصاد در آستانه یک دگرگونی بزرگ
دنیای اقتصاد: جان مینارد کینز در سال ۱۹۳۰ پیشبینی کرده بود که انباشت سرمایه و پیشرفت فناوری، به نسلهای آینده امکان میدهد زندگی مرفهی همراه با فراغت و آسایش داشته باشند.
به گزارش گروه آنلاین روزنامه دنیای اقتصاد-کسری غفوری؛ جان مینارد کینز در سال ۱۹۳۰ پیشبینی کرده بود که انباشت سرمایه و پیشرفت فناوری، به نسلهای آینده امکان میدهد زندگی مرفهی همراه با فراغت و آسایش داشته باشند. با این حال، او شاید تصور نمیکرد که همین انباشت سرمایه و جهش فناوری، روزی چه بر سر میراثداران فکری خودش خواهد آورد. نشریه اکونومیست در مطلبی با بررسی ورود موج تازه فناوری به علم اقتصاد نوشته است که پس از موفقیت مدلهای هوش مصنوعی در حل صدها مسئله حلنشده ریاضی، اکنون «علم ملالآور» اقتصاد خود را برای تلاطمی آماده میکند که هیچ شباهتی به دوران پیشین ندارد. بن گولوب، نظریهپرداز اقتصادی در دانشگاه نورثوسترن، معتقد است هرچند اضطراب اقتصاددانان شاید مانند ریاضیدانان هویتی و وجودی نباشد، اما هوش مصنوعی با کاهش چشمگیر هزینه پژوهش، در حال دگرگون کردن بنیانهای این دانش است. حال پرسش اینجاست که آیا این فناوری، برتری انسان در ایدهپردازی را هم به چالش خواهد کشید؟
استفاده از مدلهای زبانی بزرگ همین حالا هم در میان اقتصاددانان فراگیر شده است. استفانی استانچوا، استاد دانشگاه هاروارد و یکی از سردبیران نشریه معتبر «فصلنامه اقتصاد» (QJE)، از تغییرات ملموسی در مقالههای ارسالی به این نشریه خبر میدهد؛ دگرگونیهایی که از بازتنظیم نمودارها و برخی تحلیلها تا متون شستهرفتهتر و صیقلخوردهتر را در بر میگیرد. بر اساس بررسیهای پل گلداسمیت پینکهام از دانشکده مدیریت دانشگاه ییل، در ماه جولای حدود یکچهارم مقالههای پژوهشی ثبتشده در «دفتر ملی پژوهشهای اقتصادی آمریکا» با کمک هوش مصنوعی تهیه شدهاند. آسانتر شدن نگارش مقاله، برخی نشریات علمی را نگران کرده است که زیر آوار مقالههای ارسالی دفن شوند. به همین دلیل «ژورنال اقتصاد سیاسی» (JPE)، یکی دیگر از نشریات تراز اول این حوزه، قصد دارد برای جلوگیری از هجوم مقالههای بیکیفیت و سرهمبندیشده، هزینه ارسال مقاله را در سال ۲۰۲۷ تا سقف ۵۰۰ دلار افزایش دهد.
اما ماجرا به ویرایش متن محدود نمیشود؛ عاملهای هوش مصنوعی بهتدریج توانایی انجام بخشهای تحلیلی و محوری مقالههای اقتصادی را هم به دست آوردهاند. دیوید یاناگیزاوا دروت، استاد دانشگاه زوریخ، برنامه پژوهشی جدیدی را با نام «ارزیابی خودکار سیاستها» (APE) آغاز کرده است. سیستم او درست مانند اقتصاددانان، از دادههای عمومی برای سنجش اثرگذاری سیاستها بهره میگیرد و در بررسیهای خود به یافتههای قابل توجهی رسیده است. برای نمونه مشخص کرده که ممنوعیت خانههای دوم در سوئیس، سرمایهگذاری در ساختوسازهای مسکونی و تجاری را بهشدت کاهش داده است. در موردی دیگر نشان داده که سقوط شدید ارزش پوند مصر در سال ۲۰۱۶، بیش از آنکه بر تولیدکنندگان کالاهای سرمایهای اثر بگذارد، تولیدکنندگان کالاهای مصرفی را تحت تاثیر قرار داده است.
اما آیا پژوهشهای تولیدشده به دست عاملهای هوش مصنوعی از کیفیت لازم برخوردارند؟ یاناگیزاوا دروت و همکارش اولاف ویلنر، با استفاده از یک هوش مصنوعی راستیآزما، هزار مقاله حاصل از پروژه APE را بررسی کردند. هیچکدام از این مقالهها بینقص نبودند و ۸۴۲ مقاله دستکم یک خطای فاحش داشتند؛ تا جایی که برخی از این خطاها نتایج اصلی پژوهش را بهکلی از اعتبار ساقط میکرد. اکونومیست برای ارزیابی عملکرد این سیستم در مقایسه با پژوهشگران انسانی، با شرکت راستیآزمایی پژوهشی «ریفایْن» به بنیانگذاری دکتر گولوب، آزمایشی مشترک انجام داد. این شرکت صد مقاله را بهطور تصادفی از میان مقالههای پذیرفتهشده در پنج نشریه برتر اقتصادی، از جمله QJE و JPE، در ۹ ماه نخست سال ۲۰۲۶ برگزید. سپس این مقالهها با چند مدل پیشرفته هوش مصنوعی بررسی شدند و یک داور انسانی نیز خطاهای جدی آنها را بازبینی کرد. در این ارزیابی ۴ هزار و ۱۵۸ اشکال در صد مقاله شناسایی شد. از هر ده مقاله، یکی دستکم یک خطای اساسی داشت و سایر ایرادها به نحوه تفسیر دادهها یا ناهمخوانی میان جدولها و متن مربوط میشد.
رقابت ایده انسانی با پردازش ماشینی
هرچند این دو آزمایش را نمیتوان مستقیماً با یکدیگر مقایسه کرد، اما نرخ خطای پایینتر اقتصاددانان انسانی، روزنه امیدی برای آنهاست. انسانها در زمینه ایدهپردازی نیز همچنان دست بالا را دارند. آزمایش الکسیس آکیرا تودا از دانشگاه اموری نشان میدهد در مقالههای حوزه نظریه اقتصادی، هوش مصنوعی هزینه بررسی یک نقص احتمالی را کم میکند، اما هنوز نمیتواند بهطور قابلاعتماد جایگزین قضاوت انسانی شود که از همان ابتدا متوجه وجود آن نقص میشود. پژوهش دیگری هم که خروجیهای پروژه APE را با مقالههای چاپشده سنجیده، به این نتیجه رسیده است که تفاوت اصلی انسان و ماشین نه در نحوه اجرا، بلکه در اصالت ایدههاست.
در پژوهشی دیگر، میکله زامپا از موسسه تحصیلات تکمیلی ژنو با استفاده از یک داور هوش مصنوعی، ۹۸۱ مقاله نوشتهشده با هوش مصنوعی و ۴۱ مقاله انسانی را بر اساس معیارهایی مانند نوآوری در پرسش پژوهش و توجه به محدودیتهای روششناختی ارزیابی کرد. هوش مصنوعی در حوزههای پرترددی که پیشینه پژوهشی گستردهای برای پردازش داشتند، عملکرد بهتری نشان داد. در مقابل، کیفیت کار پژوهشگران انسانی مستقل از حجم ادبیات پژوهشی موجود، در سطحی یکدست و پایدار باقی ماند.
دغدغه دیگر این است که هوش مصنوعی با تکیه بر توان پردازش خام، دادهها را به صدها روش مختلف زیرورو میکند تا سرانجام به رابطهای برسد که از نظر آماری معنادار و در ظاهر منطقی باشد. برای مهار چنین دستکاریهایی در تحلیلهای آماری، معمولاً حساسیت نتایج را در برابر تغییر دادهها یا روشها میسنجند. نیک فیشمن از دانشگاه هاروارد و گابریل سکرس از دانشگاه کرنل محاسبه کردهاند که شمار آزمونهای استحکام لازم برای تایید یک پژوهش، از ۵۰ مورد برای نویسنده انسانی به رقمی عملاً دستنیافتنی، یعنی ۷ هزار مورد برای هوش مصنوعی میرسد. به همین دلیل است که روی خروجیهای پروژه APE برچسب هشداری زده شده که تاکید میکند این مقالهها به هیچ وجه مبنای مناسبی برای سیاستگذاریهای مبتنی بر شواهد نیستند.
از ابزار تا همکار پژوهشی
با همه این کاستیها، پیشروی ماشینها ادامه دارد. بنجامین کوهلر و همکارانش در دانشگاه صنعتی زوریخ (ETH)، به هوش مصنوعی ماموریت دادند ۴۸ مقاله علوم اجتماعی را صرفاً با اتکا به دادههای خام و توضیحات روش پژوهش بازتولید کند. اختلافهای دیدهشده میان مقالههای اصلی و نسخههای هوش مصنوعی، تقریباً به یک اندازه ناشی از خطاهای هوش مصنوعی و لغزشهای پژوهشگران انسانی بود. اما نکته تعیینکننده اینجاست که با ارتقای مدلهای هوش مصنوعی، کفه ترازو بیش از پیش به زیان انسانها سنگین میشد.
هوش مصنوعی هرچه دقیقتر و خلاقتر شود، بار فرساینده کاوش در دادههای تاریخی را از دوش محققان برمیدارد، مدلسازیهای پیچیده را ساده و شهودی میکند، دادههای تورشدار و دستچینشده را تشخیص میدهد و مسیرهای تازهای پیش روی این علم میگذارد. این فناوری امروز از نقشی صرفاً ابزاری فراتر رفته است. دنی رودریک، اقتصاددان نامدار دانشگاه هاروارد، معتقد است باید به هوش مصنوعی همچون یک همکار پژوهشی نگریست، هرچند تا روزی که علم اقتصاد بتواند بهکلی از محققان انسانی بینیاز شود، راه درازی در پیش است. به گفته او، هنوز ابهامهای زیادی درباره انتخاب مدلهای تحلیلی درست، نحوه تعمیم شواهد تجربی و تعیین چارچوب مناسب برای مسائل وجود دارد.
کینز نیز اگر امروز زنده بود، احتمالاً با این نگاه همراهی میکرد. او در گذشته نوشته بود یک اقتصاددان برجسته باید آمیزهای از ریاضیدان، مورخ، دولتمرد و فیلسوف باشد؛ فردی که زبان نمادها را بفهمد و با کلمات سخن بگوید، امور جزئی را در پرتو قواعد کلی تحلیل کند و در افق فکری خود، همزمان مفاهیم انتزاعی و واقعیتهای ملموس را در نظر بگیرد. بعید نیست سالها طول بکشد تا هوش مصنوعی به معیارهای مورد نظر کینز نزدیک شود؛ هرچند همانطور که خود کینز یادآوری کرده بود، حتی در میان انسانها نیز چنین افرادی بهندرت یافت میشوند.


