نوشته: جان بلامی فاستر
منتشرشده در مانتلیریویو
ترجمه مجله جنوب جهانی
ایالات متحده امروز شاهد دوران جدیدی از تمرکز و سروری سرمایه مالیانحصاری است؛ دورانی که نماد بارز آن رونق بیسابقه هوش مصنوعی (AI) است. اقتصاددانان مؤسسه «اساندپی گلوبال» برآورد میکنند که در نیمه نخست سال ۲۰۲۵، «۸۰ درصد از افزایش تقاضای نهایی و داخلی بخش خصوصی» در ایالات متحده، به هزینههای مربوط به «مراکز داده و مخارج سرمایهای در حوزه فناوریهای پیشرفته» اختصاص داشته است. این سرمایهگذاری غولآسا در زیرساخت مادی مراکز داده، توسط معدود شرکتهای بزرگ و انگشتشماری در حوزه فناوری پیشرفته هدایت میشود که در ادبیات این صنعت به «هایپراسکیلرها» (توسعهدهندگان ابعاد کلان) معروفاند؛ اصطلاحی که انحصارگران حاکم بر فضای محاسبات ابری را توصیف میکند.
بر اساس وضعیت سرمایهگذاریها در اوایل سال ۲۰۲۶، چهار قطب اصلی این جریان که «خانههای بزرگ هوش مصنوعی» را تشکیل میدهند شامل مایکروسافت، خدمات وب آمازون (AWS)، گوگل (آلفابت) و متا هستند. این نهادهای انحصاری و عظیم، در میان شش شرکت برتر آمریکایی از نظر ارزش بازار قرار دارند. در این میان شرکت «انویدیا» که در آغاز سال ۲۰۲۶ بالاترین ارزش بازار را به خود اختصاص داد، اگرچه خود مستقیماً زیرساخت ابری اداره نمیکند، اما ۸۰ تا ۹۰ درصد بازار تراشههای ابررایانهای GPU را در انحصار مطلق دارد. بنا بر گزارش خبرگزاری بلومبرگ، مجموع مخارج سرمایهای چهار غول یادشده (مایکروسافت، آمازون، آلفابت و متا) در سال ۲۰۲۲ بالغ بر ۱۵۰ میلیارد دلار و در سال ۲۰۲۵ نزدیک به ۳۶۰ میلیارد دلار بوده است؛ این در حالی است که آنها برای سال ۲۰۲۶ برنامهای برای تزریق ۶۵۰ میلیارد دلار بودجه سرمایهای دارند. برای درک ابعاد این ارقام کافی است بدانیم که طبق پیشبینیها، مجموع هزینهکرد ۲۱ شرکت از بزرگترین خودروسازان آمریکایی، تولیدکنندگان ماشینآلات سنگین، خطوط راهآهن، پیمانکاران نظامی، اپراتورهای مخابراتی و شرکتهای پستی، در کنار غولهایی چون اکسونموبیل، اینتل، والمارت و بخش صنعتی جنرال الکتریک در سال ۲۰۲۶، تنها ۱۸۰ میلیارد دلار خواهد بود.
حجم سرمایهگذاری کنونی در حوزه هوش مصنوعی با تب توسعه خطوط راهآهن آمریکا در قرن نوزدهم قابل قیاس است. توسعه هوش مصنوعی امروز نیز درست مانند الگوی تاریخی راهآهن، به دست کانونهای مالی هدایت میشود که با اهرم و دستکاری حمایتهای دولتی، خود را از وابستگی به سودآوری واقعی و ملموس رها کردهاند؛ جریانی که بر پایه مفهوم مورد نظر جان مینارد کینز، یعنی «روح حیوانی» یا همان سودهای چشمگیرِ متصور از سرمایهگذاریهای نوین پیش میرود. اگر ابرسرمایهداران میخواستند انباشت سرمایه در مراکز داده را صرفاً بر مبنای سود واقعی پیش ببرند، رسیدن به سطح کنونی سالها زمان میبرد؛ اما سازوکار اعتباری و بدهی در نظام مالی انحصاری اجازه داد که این دگرگونی پادشاهی مدرن در «یک چشمبرهمزدن» رخ دهد. بدین ترتیب ثروت اجتماعی که حاصل رنج و کار کل جمعیت است، از طریق ابزارهای متنوع مالی و سیاستهای اقتصادی نئولیبرال به کام «خانههای بزرگ هوش مصنوعی» ریخته میشود تا مازاد اقتصادی جامعه در دستان شمار اندکی از میلیاردرهای بخش فناوری پیشرفته، انرژی و مالی متمرکز شود؛ تا جایی که در فهرست سال ۲۰۲۶ مجله فوربس، ۹ نفر از ۱۵ میلیاردر نخست جهان، از مالکان سرمایههای فناوری هستند.
رقابت جنونآمیز برای ساخت این مراکز داده عظیم ــ که مساحت بزرگترین آنها به میلیونها فوت مربع میرسد و حجم عظیمی از انرژی، آب و منابع معدنی سیاره را میبلعد ــ با هدف توسعه اشکال پیشرفته «هوش مصنوعی مولد» صورت میگیرد؛ یعنی نوعی از یادگیری ماشین که درصدد است با دستاندازی به حجم بیانتها و نامحدود دادهها، هوش انسانی را شبیهسازی کند. این فرآیند به مالکان، مدیران و ذینفان این سیستمهای محاسباتی غولآسا، چشمانداز یک نظام مراقبت و انضباط تام (به مفهوم فوکویی آن) را میبخشد که نه فقط در کارخانهها و زندانها، بلکه بر تمامی ساحتهای زندگی توده مردم سایه میاندازد تا سهم هرچه بیشتری از ارزش اقتصادی جامعه را ببلعد. در این مختصات است که گزاره مشهور منتسب به فرانسیس بیکن، یعنی «دانش قدرت است»، معنایی نوین و هولناک مییابد. همانطور که لری الیسون، مدیرعامل اوراکل، صراحتاً اذعان کرده، این فناوریها امکان ردیابی و هدفگیری هر فرد را در هر لحظه فراهم میسازند: «شهروندان ناچارند در بالاترین سطح انضباط رفتار کنند، چرا که ما همهچیز را به طور مداوم ضبط و گزارش میکنیم و این واقعیتی انکارناپذیر است… زیرا هوش مصنوعی چشم از ویدیوها برنمیدارد.»
هوش مصنوعی مولد افزون بر بسط بیسابقه چتر نظارتی بر کنشهای انسانی، تهدیدی مستقیم و مرگبار برای بازار کار است؛ تا جایی که طبق برخی محاسبات، دهها میلیون موقعیت شغلی تنها در ایالات متحده در لبه پرتگاه نابودی قرار دارند. در فوریه ۲۰۲۶، مصطفی سلیمان، مدیرعامل بخش هوش مصنوعی مایکروسافت، در گفتگو با روزنامه فایننشال تایمز با شیفتگی ابراز داشت: «بخش عمده وظایف مربوط به مشاغل یقه سفید، یعنی هر کاربری که پشت سیستم مینشیند، از وکلا و حسابداران گرفته تا مدیران پروژه و کارشناسان بازاریابی، ظرف ۱۲ تا ۱۸ ماه آینده به طور کامل توسط هوش مصنوعی خودکارسازی خواهد شد.» پرواضح است آنچه این غارت ساختارمند را ممکن ساخته، سرقت تمامعیار دستاوردهای فکری و تاریخی بشر توسط هوش مصنوعی است.
همزمان، گسترش عنانگسیخته مراکز داده خطرات زیستمحیطی باورنکردنی را رقم زده است؛ چرا که مصرف تصاعدی انرژی، آب و منابع مادی عملاً روند گذار از سوختهای فسیلی را به تعویق انداخته و جهان را با تهدید شتابگرفتن انتشار کربن و تخریب بومشناختی روبهرو کرده است. آنچه در این شرایط بحرانی، پیشروی هوش مصنوعی را گزینهای ناگزیر و مهارناپذیر جلوه میدهد، نوعی «جبرگرایی تکنولوژیک» است که از بتوارگی (فتیشیسم) هوش مصنوعی آب میخورد؛ فرآیندی که در آن، هوش مصنوعی را تجسم منطق محض محاسباتی جلوه میدهند و با طبیعیسازی مناسبات بازار، چنین وانمود میکنند که این فناوری نوین منحصراً و ناگزیر باید در خدمت منافع انباشت سرمایه باشد. اما واقعیت این است که ظهور هوش مصنوعی، استقرار یک رژیم جدید از قدرت محاسباتی تحت کنترل سرمایه مالیانحصاری است که ماتریس اصلی مبارزه طبقاتی (و امپریالیستی) عصر ما را شکل میدهد.
در تحلیل نهایی، نیروهای مولده نوآورانه مانند یادگیری ماشین و هوش مصنوعی را هرگز نباید با تعابیر ساده تکنوکراتیک ــ همچون سیطره مطلق «شبکههای عصبی» ماشین ــ فهم کرد، بلکه باید آنها را در پیوند ناگسستنی با روابط اجتماعی تولید سنجید. از نظر کارل مارکس، تلاقی نیروهای تولید و روابط اجتماعی در هر مقطع تاریخی، بستر سازنده «فرد اجتماعی» بود، در حالی که ماشینآلات خودکار به «خرد عمومی» (General Intellect) اشاره داشتند؛ یعنی دانشی مادیشده در کالبد مصنوعات ماشینی که «کارگر جمعی» را پدید میآورد. از این رو، یک رویکرد سوسیالیستی به هوش مصنوعی باید پیش از هر چیز بر روابط تاریخی و اجتماعی مولد آن در بستر سرمایهداری تمرکز کند تا بتواند افسون و بتپرستی کنونی هوش مصنوعی را در هم بشکند. این نگرش روشن میکند که سرنوشت و مسیر پیش روی بشریت، در نهایت به اراده و پیکار خود ما بستگی دارد و این امر نیازمند مبارزهای در ابعاد و محتوای انقلابی است.
کیت کرافورد و نقشهبرداری از هوش مصنوعی
کیت کرافورد، پژوهشگر ارشد در مؤسسه تحقیقاتی مایکروسافت و استاد پژوهش در دانشگاه کالیفردیای جنوبی (آننبرگ)، شاخصترین چهره در حوزه نقشهبرداری اجتماعی از پدیده هوش مصنوعی است. کرافورد با اتخاذ رویکردی تاریخی، ماتریالیستی، بومشناختی و انتقادی، هوش مصنوعی را به عنوان یک رژیم قدرت تحلیل میکند که در هماهنگی کامل با سلطه شرکتی عمل کرده و مانیفست دورانی موسوم به «سرمایهداری محاسباتی» است. منظومه فکری او از طیف وسیعی از متفکران وام میگیرد؛ از چارلز ببیج، مارکس، ویلیام استنلی جوونز، ماکس وبر، لوئیس مامفورد، هری بریورمن، ای. پی. تامپسون و استفن جی گولد گرفته تا کریستین فوکس و واندانا شیوا، که همگی در تلفیق با تحلیلهای معاصر از سرمایه انحصاری، سرمایهداری جهانی و شکاف متابولیک به کار گرفته شدهاند.
آثار محوری کرافورد در این حوزه عبارتند از:
گرافیک تعاملی «آناتومی یک سیستم هوش مصنوعی: مطالعه موردی اکوی آمازون به عنوان یک سیستم ساخت بشر» (با همکاری ولادن جولر، ۲۰۱۸)
کتاب «اطلس هوش مصنوعی: قدرت، سیاست و هزینههای سیارهای هوش مصنوعی» (۲۰۲۱)
اثر دیواری ۲۴ متری «محاسبه امپراتوریها» (۲۰۲۳)
سخنرانی او در بنیاد لانگ ناو با عنوان «نقشهبرداری از امپراتوریها» (۲۰۲۵)
مقاله «خوردن آینده: منطق متابولیک شیب هوش مصنوعی» (۲۰۲۵)
بتوارگی هوش مصنوعی که امروز از سوی بنگاههای بزرگ و انحصارهای رسانهای ترویج میشود، بازتاب جریانی است که کرافورد آن را «جبرگرایی افسونشده» مینامد؛ دیدگاهی که هوش مصنوعی را پدیدهای «ابری»، اثیری و فرامادی جلوه میدهد که گویی پیوند ناچیزی با جهان مادی و قلمرو تولید دارد. او این روایت رازآلود و حاکم را واژگون ساخته و نگاهی ماتریالیستی و انتقادی را جایگزین آن میکند. او مینویسد: «هوش مصنوعی نه مصنوعی است و نه هوشمند»، بلکه دقیقاً «ثبتکننده قدرت» است. او با وجود استفاده از این اصطلاح، آن را «یک ساختار صنعتی عظیم شامل سیاست، کار، فرهنگ و سرمایه» میداند.
همانطور که تونگ-هوی هو در کتاب «پیشتاریخ ابر» مطرح میکند، «استعاره حاکم امروز برای فضای دیجیتال یعنی ابر، در واقع استعارهای است برای مالکیت خصوصی» و محرومسازی تودهها از دسترسی به مواهب مادی. به تعبیر کرافورد: «هوش مصنوعی… یک ایده، یک زیرساخت، یک صنعت، ابزاری برای اعمال قدرت و روشی برای نگریستن است؛ هوش مصنوعی تجلی سرمایه بسیار سازمانیافتهای است که شبکههای گسترده استخراج و لجستیک با زنجیرههای تأمین جهانی از آن پشتیبانی میکنند.» او میافزاید: «سیستمهای هوش مصنوعی بر اساس منطق سرمایه، سیاست و نظامیگری بنا شدهاند و این ترکیب، نابرابریهای ساختاری قدرت را بیش از پیش گسترش میدهد.»
مفهوم «جبرگرایی افسونشده» برای تبیین همان فتیشیسم کالایی و ویژگیهای ماورایی و خداگونهای به کار میرود که به هوش مصنوعی نسبت داده میشود. کرافورد توضیح میدهد: «سیستمهای هوش مصنوعی با هالهای از افسونگری، فراتر از جهان ملموس نگریسته میشوند، اما از آن جهت جبرگرا هستند که مدعیاند الگوهای کشفشده را با قطعیت پیشبینیکننده در زندگی روزمره جاری میکنند.» این جبرگرایی افسونشده دو بازوی اصلی دارد که رابطهای دیالکتیکی با یکدیگر دارند: اولی «آرمانشهرگرایی تکنولوژیک» و دومی «ویرانشهرگرایی تکنولوژیک». او مینویسد: «این گفتمانهای ویرانشهری و آرمانشهری، دوقلوهای متافیزیکی یکدیگرند؛ یکی هوش مصنوعی را کلید حل هر بحرانی میداند و دیگری آن را به عنوان بزرگترین خطر مطلق مینگرد.» پادزهر هر دو نگاه، نقدی تاریخی و ماتریالیستی است که ریشههای طبقاتی هوش مصنوعی را عریان ساخته و نشان میدهد که این پدیده قبل از فناوری، موضوعی گرهخورده با روابط اجتماعی است: «این توهم که سیستمهای هوش مصنوعی مغزهایی مجرد و بیجسم هستند که دانش را مستقل از سازندگان، زیرساختها و جهان مادی تولید و جذب میکنند… ما را از پرسشهای کلیدی منحرف میسازد: این سیستمها به چه کسی خدمت میکنند؟ اقتصاد سیاسی ساخت آنها چیست؟ و پیامدهای کلان سیارهای آنها چه خواهد بود؟»
کرافورد در کالبدشکافی ابعاد مادی هوش مصنوعی، کار خود را از بستر سخت مادی یعنی استخراج لیتیوم، کبالت و عناصر خاکی کمیاب آغاز میکند. او با بررسی معدن لیتیوم «سیلور پیک» در نوادا و کارخانههای باتریسازی تسلا در مجاورت آن، نشان میدهد که تسلا چگونه در حال بلعیدن بخش عمدهای از ذخایر لیتیوم سیاره است. تولید هر تن متریک لیتیوم نیازمند تبخیر حدود ۲ میلیون لیتر آب است که این امر سفرههای آب زیرزمینی و منابع حیاتی را به نابودی میکشاند. در لایه استخراج، نیروی کار محرک هوش مصنوعی در پیوند با تاریخ طولانی استعمار و امپریالیسم قرار دارد. بخش عمده این استخراج در کشورهای جنوب جهان جریان دارد؛ در معادن کبالت کنگو، کارگران در شرایطی غیرانسانی و در معرض کبالت سمی، روزانه معادل یک یا دو دلار دستمزد میگیرند تا با بیل و کلنگ در اعماق تونلها زمین را حفر کنند؛ کارگرانی که هیچ جایگزینی ندارند چرا که «معادن همهچیز را تصرف کردهاند.»
کرافورد و جولر با وفاداری به تحلیل مارکس در «آناتومی یک سیستم هوش مصنوعی»، فرآیند تولید را در تمام مراحل خود مبتنی بر تصاحب «ارزش اضافی» از نیروی کار میدانند که منشأ اصلی سود سرمایه است. هوش مصنوعی در نظام سرمایهداری با این هدف طراحی شده که نیروی کار با دستمزد بالا را حذف و آن را با ترکیبی از خودکارسازی ماشینی و نیروی کار ارزان برونسپاریشده در سطح جهان جایگزین کند. ماهیت جهانی این سیستم و زنجیرههای تأمین پیچیده آن، سنجش اثرات دقیق آن بر اشتغال فراملی را بینهایت دشوار میسازد. هرچند هدف این فناوری حذف نیروی کار در کانونهای اصلی تولید است، اما لایه پنهان هوش مصنوعی بر دوش ارتش عظیمی از مربیان ماشین، برچسبگذاران تصاویر و کارگران ارزانقیمت پلتفرمها استوار است که حضور عینی آنها، افسانه خوداتکایی هوش مصنوعی را باطل میکند.
بنابراین هوش مصنوعی امروز نیازمند توده بزرگی از «کارگران جمعی» در قالب «جمعسپاری» است؛ نیروهای آنلاینی که اغلب در دهه بیست زندگی خود در سراسر جهان پراکندهاند و نوعی «کار شبحوار» (Ghost Work) را پیش میبرند. برای نمونه، شرکت OpenAI در سال ۲۰۲۲ به کارگران برونسپاریشده در کنیا متکی بود که با دستمزدی کمتر از ۲ دلار در ساعت، دهها هزار تصویر و متن شنیع مربوط به سوءاستفاده جنسی، خشونت و آزار را بازبینی و برچسبگذاری میکردند تا محیط ChatGPT را «پاکسازی» کنند؛ کار مشابهی که توسط نیروهای کار در اوگاندا و هند نیز انجام میشد.
حجم عظیمی از نیروهای کار صرف نظارت و تنظیم محتوای چتباتها میشوند؛ جف بزوس با بدبینی تمام این واقعیت انسانیِ پشت پرده ماشینها را «هوش مصنوعیِ مصنوعی» نامیده است. کرافورد در سال ۲۰۲۱ تأکید کرد: «تا زمانی که الگوی دیگری برای خلق هوش مصنوعی در مقیاس کلان بدون اتکا به کار گسترده و پنهان انسانها یافت نشود، منطق بنیادین هوش مصنوعی بر همین روال خواهد بود.» باید به یاد داشت که بین سالهای ۲۰۰۵ تا ۲۰۱۵، نزدیک به ۹۴ درصد از مشاغل جدید ایجاد شده در ایالات متحده، از نوع «کارهای جایگزین و پیمانی» بودهاند و نه اشتغال سنتی و پایدار.
در حالی که «ماشینهای هوشمند» امروز به کار پنهان کارگران جمعی در جنوب جهان وابستهاند، کرافورد به نقش مخرب هوش مصنوعی و رباتها در بخش صنعت نیز میپردازد. در انبارهای آمازون، فرآیند و زمان کار به شدتی بیسابقه و به صورت سلسلهمراتبی کنترل میشود. در این فضا کارگر دیگر فقط آنگونه که مارکس میگفت «زائده ماشین» نیست، بلکه به زایدهای برای رباتهای «هوشمند» تبدیل شده که تحت نظارت و کنترل ثانیهای قرار دارد. در این چارچوب، کرافورد به نوآوریهای مهندس ساموئل بنتام در اواخر قرن هجدهم اشاره میکند؛ کسی که نخستین بار سیستم سراسربین (Panopticon) را برای کنترل و پایش حرکات کارگران ابداع کرد (و بعدها برادر بزرگش جرمی بنتام آن را در زندانها تئوریزه کرد).
کرافورد بر این باور است که سرمایهداری محاسباتی عمیقاً بر استثمار بدن انسان از طریق زمان و تحمیل انضباط آهنین کار استوار است. او با ارجاع به تحلیل تامپسون درباره دگرگونی مفهوم زمان در پی صنعتیشدن و سرمایهداری قرن نوزدهم، به نقد بریورمن از تیلوریسم و انحطاط فرآیند کار در سرمایهداری انحصاری میرسد. امروز این الگوریتمها هستند که زمان و فضاهای حرکتی کارگران را دیکته میکنند. جهان نوین الگوریتمهای هوش مصنوعی، مظهر تحقق همان «تابعیت واقعی کار» (Real Subsumption of Labor) زیر سلطه سرمایه است که مارکس مطرح میکرد؛ چیزی شبیه به حاکمیت بیرحمانه شاخص «نرخ» (Rate) که شتاب کار در انبارهای آمازون را تعیین میکند. کرافورد در اینجا از نقد مارکس بر زمان سرمایه در برابر زمان طبیعت در کتاب «سرمایه» نقل قول میکند: «زمان همهچیز است، انسان هیچ نیست؛ او در بهترین حالت، لاشه زمان است.»
کرافورد پس از واکاوی هوش مصنوعی از دریچه مادی استخراج و استثمار کارگران، به تبیین رژیم جدید دادهها میپردازد که در قلب این ثبت قدرت قرار دارد. رژیم هوش مصنوعی بر این اصل استوار است که همهچیز در این جهان «داده» است و باید بدون اعتنا به هزینههای اجتماعی و زیستمحیطی بلعیده شود. سرمایهداری محاسباتی نوظهور، انباشت بیوقفه دادهها را در قالب متن، تصویر، صدا و ویدیو ترویج میکند و کل زیستجهان انسانی را به عنوان مواد خام سیستمهای هوش مصنوعی مینگرد. پلتفرمهای رسانههای اجتماعی، مجاری اصلی تزریق این حجم انبوه دادهها هستند که به پنهانترین زوایای زندگی جمعی و خصوصی نفوذ میکنند:
مجموعهدادههای غولآسایی انباشته از سلفیهای افراد، خالکوبیها، تصویر والدینی که با فرزندانشان قدم میزنند، حرکات دست، رانندگی شهروندان، جرایم ثبتشده توسط دوربینهای مداربسته و صدها کنش روزمره انسانی مانند نشستن، دست تکان دادن، بالا بردن لیوان یا گریستن وجود دارد. هر نوع داده زیستی ــ شامل کلاندادههای پزشکی قانونی، بیومتریک، جامعهسنجی و روانسنجی ــ در پایگاههای داده تزریق میشود تا ماشینها الگوها را استخراج کنند… دادههای صوتی از دستگاههای مستقر در آشپزخانهها یا اتاقهای خواب جمعآوری میشوند؛ دادههای حرکتی از ساعتهای هوشمند و تلفنهای همراه استخراج میشوند؛ سوابق مطالعه کتابها و روزنامهها از تبلتها و لپتاپها به دست میآیند و حتی حالات چهره در محل کار و کلاسهای درس پایش و ارزیابی میشوند…
اساساً شیوههای جمعآوری داده در طول سالیان متمادی به یک منطق استخراجی قدرتمند بدل شده است؛ منطقی که اکنون ویژگی ساختاری حوزه هوش مصنوعی است. این سازوکار، شرکتهای فناوری را به بزرگترین شاهراههای داده مجهز کرده و فضاهای خالی از پایش را به شکلی چشمگیر نابود ساخته است.
این دادهها نیازمند طبقهبندی هستند. در این میان، پیشفرضهای ذهنی افرادی که کار برچسبگذاری را انجام میدهند، برای دستهبندی انسانها بر اساس نژاد، قومیت و جنسیت به کار گرفته میشود. شاخصهای نژادی که خود زاییده سیستمهای طبقهبندی نژادپرستانه تاریخی هستند، در این الگوریتمها بازتولید میشوند. جنسیت نیز همواره به شکلی محدود و دوقطبی تعریف میشود. همانطور که کرافورد اشاره میکند: «سیستمهای یادگیری ماشین به شکلی کاملاً عینی، نژاد و جنسیت را بر اساس تعاریف خود بازسازی میکنند؛ آنها جهان را با اصطلاحات دیکتهشده خود معنا میکنند.» این دستهبندیهای آموزشی در ماشینهای هوشمند، تعصبات ساختاری را تقویت کرده، شکافهای نفرتآمیز را تداوم میبخشند و ایدئولوژی سیاسی-اقتصادی حاکم را بازتولید میکنند.
اگرچه ادعای افزایش بهرهوری از طریق استثمار کارآمدتر کار، سنگبنای توجیه سودآوری آینده هوش مصنوعی است، اما این وعده بر چشمانداز استخراج سود از تمامی ابعاد کنش انسانی بنا شده است. هدف غایی، جهانیسازی سیستمهای استثماری و سلب مالکیت است که انباشت شتابان سرمایه و تمرکز هرچه بیشتر آن را در دستان چند شرکت مسلط ــ که خود عین بازار شدهاند ــ تضمین کند.
در رأس این هرم، دولت سرمایهداری قرار دارد که انحصار قوانین مالکیت و ابزارهای خشونت را در دست دارد. دولت خود بزرگترین جمعآوریکننده داده است که پا بهپای سرمایه محاسباتی، و نه در تضاد با آن، عمل میکند. دولت سرمایهداری انحصاری به شدت حول کارکردهای نظامی و پلیسی سازمان یافته است؛ کارکردهایی که همراستا با سرمایهداری نظارتی در بخش خصوصی رشد میکنند. از نظر پیتر تیل، بنیانگذار پالانتیر و از میلیاردرهای کلیدی حامی دونالد ترامپ، هوش مصنوعی در اساس خود یک فناوری نظامی برای نظارت و هدفگیری است که هم در بستر جنگ و هم در ابزارهای کنترل داخلی کاربرد دارد. او مینویسد: «این ابزارها برای هر ارتش جهت کسب برتری اطلاعاتی حیاتی هستند»، و میافزاید که این «ابزارهای یادگیری ماشین، کاربردهای غیرنظامی نیز دارند.» در طول دوره نخست ریاستجمهوری ترامپ، ارزش قراردادهای پالانتیر با نهادهای دولتی آمریکا از مرز یک میلیارد دلار گذشت. پالانتیر به بازوی نظارتی برونسپاریشده برای اداره مهاجرت و گمرک آمریکا (ICE) در کمپین اخراج مهاجران با انگیزههای نژادی تبدیل شده است. طبق گزارش سال ۲۰۱۸ بلومبرگ، پالانتیر «یک پلتفرم اطلاعاتی است که برای جنگ جهانی علیه تروریسم طراحی شده» اما عمدتاً «علیه شهروندان عادی آمریکا در داخل کشور» و در همکاری با نهادهای حکومتی به کار گرفته میشود.
به همین ترتیب، اپلیکیشن Neighbors (همسایگان) که به دوربینهای زنگ در Ring آمازون متکی است، ویدیوها را در دستههایی چون «جرم»، «مشکوک» یا «غریبه» طبقهبندی میکند و این تصاویر را از طریق قراردادهای رسمی با پلیس و اداره مهاجرت به اشتراک میگذارد. سیستم Ring همچنین برای پایش کارگرانی که بستهها را تحویل میدهند به کار میرود. به تعبیر تونگ-هوی هو، این اپلیکیشنها شهروندان را به «نیروهای پیمانی» دستگاههای نظامی و امنیتی دولت بدل ساختهاند.
استفاده نظامی از هوش مصنوعی اکنون در جنگ پهپادها، نبردهای سایبری و تمام ابعاد عملیاتی فراگیر شده است. در سال ۲۰۱۷، وزارت دفاع آمریکا «تیم چندمنظوره جنگ الگوریتمی» خود را با نام رمز «پروژه ماون» (Project Maven) راهاندازی کرد که هدف آن استفاده از هوش مصنوعی به عنوان موتور جستجوی خودکار برای نظارت و هدفگیری ویدیوهای پهپادی بود. واگذاری قرارداد اولیه این پروژه به گوگل، به اعتراض و امضای نامهای توسط بیش از سه هزار کارمند این شرکت انجامید که خواستار لغو آن شدند. گوگل با تغییر صورتمسئله، بحث را از مخالفت با کاربرد هوش مصنوعی در جنگ، به این سمت هدایت کرد که آیا این فناوری «برای کشتن نادرست انسانها» به کار میرود یا خیر؛ فرضیهای که شرکت مدعی شد از طریق خود فناوری هوش مصنوعی و با فراهمکردن بستر «کشتن درست و دقیق انسانها» قابل حل است.
ایالات متحده از مدل هوش مصنوعی «کلود» (Claude) متعلق به شرکت آنتروپیک و سامانههای دیگر، در نبرد خود علیه ایران ــ در اتحاد با اسرائیل که از ۲۸ فوریه ۲۰۲۶ آغاز شد ــ بهره گرفته است. در بیست و چهار ساعت نخست این تهاجم، سیستم آنتروپیک تا هزار هدف اولویتبندیشده را با تلفیق تصاویر ماهوارهای، دادههای نظارتی و اطلاعات سیگنالی شناسایی کرد و مختصات GPS لحظهای را برای اهداف انسانی و استراتژیک صادر نمود، در حالی که همزمان توجیهات حقوقی مربوط به هر حمله را به صورت خودکار تولید میکرد.
با این همه، نقش دولت در قبال هوش مصنوعی فراتر از برونسپاری نظارت داخلی، کنترل جمعیت و جنگافروزی است. دولت سرمایهداری به شبکه سرمایه محاسباتی انحصاری برای انباشت بیحدومرز دادهها به عنوان زیربنای انباشت سرمایه، چراغ سبز نشان داده است؛ آن هم با کمترین محدودیتهای قانونی ملموس. این وضعیت نشاندهنده حاکمیت مطلق شرکتها بر شرکتها و برای شرکتها است. فقدان مقررات دولتی سبب شده که جنون هوش مصنوعی بدون اندکی نگرانی از پیامدهای مخربی چون ترکیدن حباب مالی هوش مصنوعی یا انفجارهای سهمگین اجتماعی و بومشناختی به مسیر خود ادامه دهد.
هوش مصنوعی و شکاف متابولیک
کتاب «اطلس هوش مصنوعی» کرافورد در سال ۲۰۲۱ و یک سال پیش از عرضه ChatGPT منتشر شد؛ یعنی پیش از آنکه تب هوش مصنوعی شتاب گرفته و به گسترش جنونآمیز مراکز داده بینجامد. کرافورد با درک این تحولات، آثار متأخر خود را بر تناقضات ساختاری هوش مصنوعی به عنوان ابزار تثبیت قدرت متمرکز کرده است. او در اثر هنری تعاملی خود با عنوان «محاسبه امپراتوریها» (۲۰۲۳)، سرمایه انحصاری و جهانیشده را به عنوان بستر اصلی زایش فناوری دیجیتال معرفی میکند. اما نوآوری کلیدی او در سخنرانی «نقشهبرداری از امپراتوریها» در سال ۲۰۲۵، تمرکز بر تناقضات درونی و بیرونی هوش مصنوعی است.
او استدلال بنیادین خود را از مفهوم «شکاف متابولیک» (Metabolic Rift) وام میگیرد؛ مفهومی که در قرن نوزدهم توسط مارکس و با الهام از آثار یوستوس فون لیبیگ، شیمیدان آلمانی، تئوریزه شد. کرافورد در سخنرانی خود به کالبدشکافی بحران چرخه مواد مغذی خاک در انگلستان قرن نوزدهم میپردازد؛ بحرانی که به دلیل گسست در ارسال مواد غذایی و الیاف حاوی نیتروژن، فسفر و پتاسیم به شهرهای صنعتی پرجمعیت در فرسنگها دورتر رخ داد؛ جایی که این مواد مغذی به آلاینده تبدیل میشدند و تودهها «فضولات خود را به خیابانها و رودها سرازیر میکردند.» در نتیجه، این عناصر حیاتی برای احیای خاک هرگز به مزارع بازنگشتند. به تعبیر کرافورد، «اروپا به معنای واقعی کلمه در حال بلعیدن و تهیکردن خویش بود.» او در اینجا از مفهوم Raubbau یا همان «اقتصاد غارت» لیبیگ بهره میگیرد.
در آن مقطع به دلیل ناتوانی در تولید کودهای شیمیایی، به ویژه کودهای نیتروژنی، «جنون گوانو» شکل گرفت و قدرتهای غربی برای تصاحب گوانو (فضولات پرندگان غنی از نیتروژن) در جزایر چینچا در سواحل پرو به رقابت برخاستند. هرچند بعدها کودهای مصنوعی ساخته شدند، اما این امر صرفاً صورتمسئله تضاد را تغییر داد و به شکافهای امروز در چرخههای نیتروژن و فسفر انجامید؛ فرآیندی که شکاف متابولیک عمومی ناشی از گسست میان استخراج منابع و پایداری اکولوژیک را عمیقتر کرد. امروز ظهور دوران «آنتروپوسین» به عنوان مظهر این شکاف انسانی در چرخههای بیوژئوفیزیکی زمین شناخته میشود.
کرافورد با تکیه بر این واقعیت که هوش مصنوعی سیستمی مادی و زاییده کنشهای اجتماعی-انسانی است، استدلال میکند که باید آن را به عنوان یک سیستم متابولیک نگریست که از چرخهها و الگوهای متابولیک تبعیت میکند. تضادها در قالب شکافهای متابولیک ناگزیر میان شرایط پایداری زیستمحیطی و الزامات ذاتی سرمایه هوش مصنوعی سر برمیآورند. بنابراین استخراج مواد معدنی، «بلعیدن نامحدود دادهها» و خروجیهای نهایی در قالب «شیب هوش مصنوعی» (AI Slop) همگی مراحلی از یک چرخه متابولیک هستند که از سوی سرمایهداری محاسباتی هدایت میشوند و در نهایت به دلیل ناپایداری ساختاری به «فروپاشی مدل» (Model Collapse) ختم خواهند شد.
در تحلیل کرافورد، مصرف مخرب دادهها توسط هوش مصنوعی، مظهر همان Raubbau یا اقتصاد غارت است. استخراج مواد معدنی و مصرف تصاعدی انرژی و آب، فشار بر محیط زیست را افزایش داده و رابطه انسان با طبیعت را ویران میسازد. افزون بر این، اکنون مشخص شده که یک شکاف خود-ویرانگر در درون هوش مصنوعی جریان دارد که در ادبیات علمی به «اتوفاژی هوش مصنوعی» (برگرفته از خودخوری سلولی ناکارآمد) معروف است. در این فرآیند، هوش مصنوعی به دلیل اتکای فزاینده به دادههای تولیدی خود یا همان پسماندهای هوش مصنوعی (AI slop)، عملاً شروع به بلعیدن خود میکند که این امر به فروپاشی مدل منجر شده و پیامدهای فاجعهباری برای کل جهان بیگانهشده با این فناوری به همراه دارد.
امروز حجم دادههای هوش مصنوعی به حدی فراتر از تصور رسیده که با کل محتوای موجود در وب برابری میکند. این حجم شامل ترابایتهای بیشمار داده است که درصدد محاطکردن کل دانش جهان در تمام اشکال آن است. تمامی خلاقیتهای بشری در طول هزارهها و کل رفتارها و عبارات انسانی، سوخت این آسیاب هستند که باید در سیستم یادگیری ماشین تحت کنترل یک ساختار قدرت سیاسی-اقتصادی بلعیده شوند. با این حال، تمام این فرآیندها کالبدی مادی دارند که محدودیتهای سختی را بر سیستم تحمیل میکند.
کرافورد یادآور میشود: «نیاز هوش مصنوعی به مواد معدنی، شکاف متابولیک دیگری را رقم میزند؛ موادی که شکلگیری آنها در پوسته زمین میلیاردها سال زمان برده، برای ساخت تراشههایی استخراج میشوند که عمر مفید آنها تنها یک تا دو سال است.» با این حال، سنگینترین هزینه زیستمحیطی این موج جدید، مصرف آب و انرژی است که اکنون با سطح مصرف ثروتمندترین کشورهای جهان برابری میکند. برآوردهای آژانس بینالمللی انرژی و بلومبرگ نشان میدهد که برق مورد نیاز برای هوش مصنوعی تا سال ۲۰۳۰ معادل کل برق مصرفی کشورهایی چون ژاپن و هند، یا نزدیک به ۲۵ درصد کل برق ایالات متحده خواهد بود. مراکز داده در مقیاس کلان نیازمند سیستمهای خنککنندهای هستند که روزانه میلیونها گالن آب مصرف میکنند و این تقاضا مدام در حال افزایش است. هیچیک از این روندها پایدار نیستند.
اگرچه برخی مدعیاند که افزایش بهرهوری میتواند این بحران را حل کند، کرافورد در اینجا به «پارادوکس جوونز» ارجاع میدهد که از کتاب ویلیام استنلی جوونز با عنوان «مسئله زغالسنگ» (۱۸۶۵) وام گرفته شده است؛ نظریهای که اثبات میکند افزایش بهرهوری در مصرف زغالسنگ هرگز کل میزان مصرف آن را کاهش نمیدهد، چرا که بهبود بهرهوری همواره به گسترش ابعاد تولید میانجامد؛ پدیدهای که در ذات سیستم انباشت سرمایه نهفته است.
آنچه کرافورد به عنوان شکاف متابولیک نوظهور ناشی از مناسبات سرمایهداری مطرح میکند، به اشتهای سیریناپذیر هوش مصنوعی در بلعیدن، هضم و دفع دادهها مربوط است که به خودخوری آن ختم میشود؛ درست مانند اسطوره یونانی پادشاه «اریسیختون» در کتاب «مسخ» اووید ــ که در آن اریسیختون به سبب طمع سیریناپذیر به ثروت و مصرف، ابتدا دخترش را فروخت و سپس اعضای بدن خود را بلعید. سیستمهای هوش مصنوعی امروز نیز که تحت فرمان انباشت سرمایه و منطق تکنولوژیک درونی خود هستند، در نهایت خویشتن را مصرف خواهند کرد. بلعیدن فزاینده خروجیهای مصنوعی خود ماشین که سرشار از توهم و خطاهای محاسباتی است، در کنار سطحیشدن کل دانش بشر، به یک ویرانی ساختاری منجر خواهد شد. کرافورد مینویسد: «آخرین شکاف متابولیک میان هوش مصنوعی و انسانها، تهدیدی از سنخ شکستهای آبشاری است: فروپاشی اخلاقی، فروپاشی مالی، فروپاشی زیستمحیطی و بسته به نگاه شما، فروپاشی شناختی.»
شکافهای موجود در رابطه انسان و طبیعت در جامعه مدرن، تجلی منطق بیگانه و مخرب انباشت سرمایه و بحرانهای آن است. شرکتهای متا، آمازون، مایکروسافت، آلفابت (گوگل) و تسلا در فاصله سالهای ۲۰۲۳ تا ۲۰۲۵ رویهمرفته ۵۶۱ میلیارد دلار در پروژههای هوش مصنوعی هزینه کردند، در حالی که از این حجم سرمایهگذاری تنها ۳۵ میلیارد دلار درآمد (و نه سود) حاصل شد. حباب هوش مصنوعی صرفاً به لطف نظام بدهی و تزریق بیوقفه داراییهای این شرکتها سرپا مانده است، چرا که سرمایهگذاران مشتاقاند سهمی از این تب طلای مدرن داشته باشند؛ هرچند اخیراً ارزش بازار کلیه این شرکتها رو به کاهش بوده است.
بلومبرگ با اشاره به بدهیهای سنگینی که این شرکتهای غولپیکر در مسیر ساخت مراکز داده متحمل شدهاند، اعلام کرده که این تعهدات در قالب «اوراق قرضه ممتاز، بدهیهای پرریسک، اعتبارات خصوصی و پکیجهای پیچیده وامهای با پشتوانه دارایی» به رقم ۲۰۰ میلیارد دلار یا بیشتر رسیده است. شتاب هوش مصنوعی پاره تن همان سرمایه مالیانحصاری است که انتظار دارد در صورت بروز بحران، واشنگتن خانههای بزرگ فناوری را در ابعادی نجات دهد که تمام کمکهای مالی پیشین در تاریخ را رو سفید کند. برای حل معضل فقدان بازار کافی، سرمایه محاسباتی درصدد است با تزریق اجباری هوش مصنوعی مولد در تمام برنامهها، پذیرش آن را تحمیل کند؛ مدل انباشتی که سرشار از ریسکهای ساختاری است.
ظهور جنبش نئوفاشیستی گرهخورده با سیاستهای «ماگا» (MAGA) ترامپ که به شدت از سوی میلیاردرهای فناوری سیلیکون ولی مانند ماسک، تیل و الیسون تغذیه میشود، تهدیدی جدی برای ساختار سیاسی است. اعلام طرح «استارگیت» دولت ترامپ در نخستین روز کاری دوره دوم ریاستجمهوریاش با هدف تزریق ۵۰۰ میلیارد دلار به مراکز داده، دقیقاً برای تقویت اوراکل و OpenAI (توسعهدهنده ChatGPT) به رهبری الیسون و سم آلتمن طراحی شده است؛ دو چهرهای که از حامیان اصلی جریان سیاسی ماگا هستند. برخی تحلیلگران این تحولات را نشانهای از شکلگیری یک کارتل نوین با پشتوانه حکومتی میدانند که از رسانه تا هوش مصنوعی و فناوری ابری را در بر میگیرد تا ضمن تسلط بر ارتباطات و اقتصاد، یک رژیم سیاسی دیکتاتوری را ترویج کند.
«خرد عمومی» مارکس و سوسیالیسم
اگر هوش مصنوعی فراتر از یک فناوری دورانساز، آنگونه که کرافورد میگوید یک «ثبت قدرت» باشد، تنها پاسخ شایسته به آن، اعمال «قدرت اجتماعی» واقعی بر روند توسعه آن است؛ قدرتی که ریشه در دموکراسی حقیقی داشته باشد. پیامدهای بالقوه هوش مصنوعی یادآور گزارهای است که ایستوان مزاروش آن را «ضرورت کنترل اجتماعی» مینامید؛ کنترلی که اگر اعمال نشود، سقوط به ورطه نابودی اکولوژیک، نظامی و اجتماعی ناگزیر خواهد بود. در این مسیر نه تنها نیروهای تولید، بلکه باید «روابط اجتماعی تولید» را نیز به چالش کشید.
مارکس در گروندریسه و در «بخشی درباره ماشینها» تبیین کرد که چگونه انتقال دانش و فعالیتهای انسانی ــ یعنی جوهر کار بشر ــ به ماشینها از طریق خودکارسازی، به تجسم «خرد عمومی» جامعه در کالبد ماشین انجامید؛ خردی که اصولاً به «فرد اجتماعی» تعلق داشت و در کتاب سرمایه به عنوان «کارگر جمعی» تدوام یافت. غصب انحصاری این خرد عمومی به عنوان مالکیت خصوصی سرمایهدار، بدان معنا بود که این دستاورد تنها و تنها در خدمت یک هدف قرار گیرد: انباشت سرمایه برای سودآوری معدودی از مالکان. از نظر مارکس، ادغام خرد عمومی در سرمایه، تناقضی مرگبار برای خود این سیستم بود؛ چرا که هرگونه تلاش سرمایهداران برای به خدمت گرفتن خرد عمومی در مسیر اهداف محدود انباشت، بحران پشت بحران میآفرید.
مارکس با ارجاع ظریف به صحنه «انبار آئورباخ» در فاوست گوته، به ترانه تلخ موش انباری اشاره میکند که با خوردن سم، چنان بیقرار میشود که «انگار بدنش تسخیر عشق شده است» و در نهایت رو به مرگ میرود؛ تمثیلی از تبدیل کار زنده به کار مرده یعنی شکلگیری یک «کالبد متحرک» که خود ناتوان از خلق مستقیم ارزش کار است. این تصویر را در عصر حاضر میتوان نمادی از بلعیدن تمام دانش حاصل از کار خلاق بشر و کل زیستبوم دیجیتال توسط سرمایه هوش مصنوعی دانست؛ فرآیندی که یک پیکر رباتیک میسازد که پایان آن اتوفاژی هوش مصنوعی و فروپاشی مدل است.
مارکس در زمان خود توضیح داد که پتانسیل حاصل از خودکارسازی برای افزایش زمان فراغت، در تضاد مستقیم با نیاز بیوقفه سرمایه برای افزایش زمان کار اضافی است. از این رو، سیستم میکوشد از طریق خودکارسازی ــ و به پشتوانه ارتش ذخیره کارگران ــ انحطاط و وابستگی مادی کار را افزایش دهد و «کارگر را ناچار سازد تا حتی طولانیتر از یک انسان بدوی، یا طولانیتر از زمانی که خود با سادهترین ابزارها کار میکرد، تن به کار دهد»؛ این بار در نقش زائده محض یک ماشین.
با این حال، واقعیت خرد عمومی مادیشده در خودکارسازی، همزمان بستر سازنده ظهور «کارگر جمعی به عنوان سوژه حاکم» بر تولید و گامی تعیینکننده به سوی جامعهای متشکل از تولیدکنندگان همبسته است. ضرورت کنترل و برنامهریزی اجتماعی به معنای به دست گرفتن زمام مناسبات اجتماعی و پایان دادن به سیطره سرمایه مالیانحصاری است.
نشانههایی از این پتانسیلهای نوین از هماکنون در چین امروز قابل رؤیت است. چین در عرصه توسعه هوش مصنوعی پا بهپای ایالات متحده پیش میرود. مدل متنباز «دیپسیک» (DeepSeek) چین از نظر مصرف انرژی بسیار کارآمدتر و مقرونبهصرفهتر از چتباتهای آمریکایی است. در حالی که خانههای بزرگ هوش مصنوعی در ایالات متحده برای رسیدن به نوعی «ابرهوش» خداگونه از طریق مدلهای زبانی بزرگ رقابت میکنند، رویکرد پکن تحت عنوان «سوسیالیسم با ویژگیهای چینی»، فناوری یادگیری ماشین خود را ــ که البته خالی از تناقضات خاص خود نیست ــ مستقیماً بر بخشهای تولید، لجستیک، انرژی، مالیه عمومی و خدمات همگانی متمرکز کرده است. خودروسازان چینی از رباتها با کمترین نیاز به مداخله انسانی بهره میگیرند. ابزارهای هوش مصنوعی به وفور در بیمارستانها به کار گرفته میشوند؛ جایی که یک «هوش مصنوعی سادهتر و کاربردی» برای وظایف تخصصی استخدام شده است. هوش مصنوعی در چین پیش از آنکه مانند ایالات متحده در خدمت یک اقتصاد خدماتی تورمیافته باشد، در بخش تولید ادغام شده است.
طبیعتاً استفاده گسترده از رباتها در خطوط تولید چین نیز به جابهجایی نیروی کار میانجامد. بانکهای داده در چین نیز همانند آمریکا از منابع عظیمی تغذیه میکنند و به استخراج لیتیوم، کبالت و عناصر خاکی کمیاب وابستهاند. نوسازی نظامی چین نیز بر پایه هوش مصنوعی استوار است. با این حال، اعمال کنترلهای نظارتی بر هوش مصنوعی در ساختار چین، نویدبخش رویکردی نظاممندتر و اجتماعی به این پدیده است.
در واقع وجه تمایز اصلی چین با ایالات متحده و غرب در قبال هوش مصنوعی، مدل حکمرانی و مدیریت آن است؛ مدلی که تأکید میکند یادگیری ماشین باید تابع الگوی توسعه «مردممحور» و رفاه عمومی باشد. پکن قوانین سختگیرانهای را برای فناوریهای سنتز عمیق (دیپفیک) و هوش مصنوعی مولد وضع کرده است. کلیه محتواهای دیپفیک برای تضمین شفافیت و اعتبار، ملزم به درج واترمارک آشکار هستند. هر شرکتی که مایل به عرضه هوش مصنوعی مولد است، باید الگوریتمهای خود را در «اداره فضای مجازی چین» (CAC) ثبت کند. هر مجموعهداده اولیه که توسعهدهندگان قصد استفاده از آن را دارند، باید برای سنجش عدم وجود محتوای تبعیضآمیز و ضداجتماعی نمونهبرداری شود. این مقررات صراحتاً برای صیانت از حقوق شهروندان در زمینههایی چون «حق تصویر، حریم خصوصی، آبرو و اطلاعات شخصی» تدوین شدهاند. بخش عمده این قوانین بر مدلهای زبانی بزرگی اعمال میشود که به عموم عرضه میشوند، در حالی که نظارت بر یادگیری ماشین در بخش صنعت برای حمایت از نوآوری با انعطاف بیشتری همراه است. با این همه، ماهیت اجتماعی رویکرد چین، اگرچه هنوز کافی نیست و پرسشهای جدی برمیانگیزد، اما در تضاد آشکار با توسعه غارتگرانه و خصوصی این فناوری در ایالات متحده است؛ جایی که قوانین فدرال کارآمد به طرز چشمگیری غایب هستند.
شگفتآور نیست که چین با ارائه «ابتکار عمل جهانی مدیریت هوش مصنوعی» در اکتبر ۲۰۲۳ و صادر کردن «اعلامیه شانگهای درباره مدیریت جهانی هوش مصنوعی» در سال ۲۰۲۴، پیشتاز این عرصه است. پکن در این طرحها بر «رویکرد مردممحور» به عنوان یک «وظیفه مشترک» برای مقابله با چالشهای پیچیده این فناوری تأکید دارد؛ فناوریهایی که اغلب «برای دستکاری افکار عمومی، اشاعه اطلاعات نادرست، مداخله در امور داخلی و نظامات اجتماعی سایر کشورها و آسیب به حاکمیت ملی آنها» سوءاستفاده میشوند. از جمله خطرات شناساییشده در این اسناد میتوان به «انحصارهای تکنولوژیک و اقدامات قهری یکجانبه»، تعصبات تبعیضآمیز قومی و جنسیتی، شتابگرفتن تخریب محیط زیست و محرومسازی کشورهای جنوب جهان از ابزارهای یادگیری ماشین اشاره کرد که همگی مانع توسعه پایدار جهانی هستند.
چین پافشاری میکند که هدف غایی باید توسعه انسانی و کاربرد این فناوریها در بخشهای «بهداشت، آموزش، حملونقل، کشاورزی، صنعت، فرهنگ و محیط زیست» باشد. اثرات منفی بر اشتغال باید پایش و مهار شود. پکن از تمام کشورها دعوت میکند تا بر اساس مقتضیات ملی خود، در خلق یک «سیستم ارزیابی مبتنی بر سطوح ریسک هوش مصنوعی و بررسی اخلاق علمی-فناوری» مشارکت کنند. به گفته شی جین پینگ، لازم است «تضمین شود که هوش مصنوعی در خدمت منافع عمومی است و به همگان سود میرساند، نه اینکه به بازیچهای در دستان کشورهای ثروتمند و صاحبان ثروت بدل شود.»
امروز جنبشهای متعددی در قبال هوش مصنوعی در سراسر جهان در حال شکلگیری است. یکی از خواستههای محوری این جریانها، «توقف» توسعه هوش مصنوعی تا زمان روشنشدن خطرات آن است تا مقررات منطقی بتوانند بر روند توسعه آن حاکم شوند. با این حال، دولت فدرال ایالات متحده تحت مدیریت ترامپ نه تنها تمایلی به وضع مقررات ندارد، بلکه فعالانه با ایالتهایی که درصدد تنظیم قوانین برای هوش مصنوعی هستند مبارزه میکند. کارتل هوش مصنوعی ــ که اکنون هایپراسکیلرهای فناوری پیشرفته، بخش انرژی، نظام مالی انحصاری و دولت را در بر میگیرد ــ کاملاً مستقر شده است. بنابراین تلاشها برای کنترل اجتماعی هوش مصنوعی در چارچوب سرمایهداری انحصاری، ناگزیر نشاندهنده نیاز به یک جنبش انقلابی فراتر از سرمایهداری و به سوی سوسیالیسم است.
خانههای بزرگ هوش مصنوعی گرفتار تفرقه درونی هستند و این ساختار دوام نخواهد آورد. آنها برای بقای خود به یک دستگاه دولتی و فرهنگی طبقاتی محتاجاند که روزبهروز سرکوبگرتر و فاسدتر میشود؛ منطقی که ادامه آن فرجامی جز فاجعه نخواهد داشت. اگر بشریت خواهان شکوفایی است، نیروها و روابط تولید باید در همگامی با توسعه ظرفیتهای انسانی دگرگون شوند تا جهانی بر پایه توسعه پایدار خلق شود. این امر مستلزم استقرار یک «دموکراسی کامل» در بستر سوسیالیسم است که توسط خرد عمومی هدایت شود؛ جایی که «تولیدکنندگان همبسته، متابولیسم انسان با طبیعت را به شیوهای عقلانی اداره کنند… و آن را با کمترین هزینه انرژی و در شرایطی شایسته و متناسب با طبیعت انسانی خود پیش ببرند.»