چگونه چارچوب «وظیفه مراقبت» در حال تغییر مقررات هوش مصنوعی و الگوریتم‌هاست

با پایان یافتن هفته اول سپتامبر ۲۰۲۶، بحث‌های سیاست‌گذاری پیرامون هوش مصنوعی و رسانه‌های اجتماعی الگوریتمی سرانجام از حواس‌پرتی‌های وحشت‌آفرینی آخرالزمانی فاصله گرفت و به سمت تنها استاندارد حقوقی عمل‌گرایانه‌ای رفت که واقعاً کارساز است: وظیفه مراقبت دیجیتال. ماه‌هاست که قانون‌گذاران وقت خود را صرف تدوین قوانینی برای مقابله با خطرات فرضی آینده کرده‌اند. اجماع ضروری و نوظهور این است که دولت‌ها به جای تلاش برای ممنوعیت فناوری‌های خاص، باید چارچوب سنتی مسئولیت محصول را در فضاهای دیجیتال پیاده‌سازی کنند.[5]

این چرخش، نشان‌دهنده طرد دیرهنگام افراط‌گرایی‌هایی است که مقررات‌گذاری فناوری را فلج کرده‌اند. در ۶ سپتامبر، مفسران در واشینگتن پست (The Washington Post) به‌درستی اشاره کردند که نگاه صفر و صدی به هوش مصنوعی — این فرض که ربات‌ها یا تمام مشاغل را بی‌دردسر تصاحب می‌کنند یا جهان را به‌طور غیرقابل‌کنترلی نابود می‌سازند — یک خطای ادراکی اساسی ایجاد می‌کند. این روایت «وحشت‌آفرین»، با معطوف کردن توجه قانون‌گذاران به آخرالزمان‌های علمی‌تخیلی به جای آسیب‌های فوری و قابل‌سنجشِ نرم‌افزارهای فعلی شرکت‌هایی مانند OpenAI و Hugging Face، عملاً به نظارت کاربردی ضربه می‌زند.[2]

قوی‌ترین استدلال متقابل از سوی صنعت فناوری این است که مسئولیت‌پذیری گسترده، نوآوری را خفه می‌کند؛ اما حامیان قانون حق دارند که از راه‌حل‌های ساده‌لوحانه‌ای مثل «دکمه خاموش» عبور کنند و شرکت‌ها را در قبال انتخاب‌های بنیادین طراحی‌شان پاسخگو بدانند. زویی دانیل در گاردین (The Guardian) استدلال کرد که گزینه‌های ساده انصراف از فیدهای الگوریتمی، برای مدیریت نفوذ سه پلتفرم بزرگ یعنی متا، تیک‌تاک و ایکس (X) کاملاً ناکافی است. در شرایطی که هوش مصنوعی لحظه‌به‌لحظه پیشرفت می‌کند، پاسخگو کردن غول‌های فناوری نیازمند یک تغییر ساختاری در نحوه تخصیص مسئولیت است؛ گذار از تنظیمات سطح کاربر به الزامات سطح شرکت.[3]

محدودیت‌های ابزارهای قانونیِ کور، از همین حالا به‌وضوح نمایان شده است. دانیل به ممنوعیت اخیر رسانه‌های اجتماعی برای افراد زیر ۱۶ سال در استرالیا اشاره کرد و آن را یک سیاست پوپولیستی خواند که در دنیای واقعی «در بهترین حالت، دست‌وپاشکسته» عمل کرده است. محدودیت‌های سنی و ممنوعیت‌های مطلق شاید در بیانیه‌های مطبوعاتی جذاب به نظر برسند، اما در حل مشکل اصلی یعنی طراحی اعتیادآور کاملاً شکست می‌خورند و سازوکارهای زیربنایی پلتفرم‌ها را برای میلیون‌ها کاربر فعال روزانه‌ای که در آن‌ها باقی می‌مانند، دست‌نخورده رها می‌کنند.[3]

وظیفه مراقبت دیجیتال این مشکل را با الزام قانونی پلتفرم‌ها به پیش‌بینی و کاهش آسیب‌های ناشی از الگوریتم‌های درگیرکننده در همان فاز اولیه توسعه حل می‌کند؛ دقیقاً همان‌طور که یک تولیدکننده باید پیش از عرضه یک محصول فیزیکی به بازار، از ایمنی آن اطمینان حاصل کند. ضرورت این چارچوب از پیامدهای حاد جامعه‌شناختی نشأت می‌گیرد که دیگر نمی‌توان نادیده‌شان گرفت. در ۵ سپتامبر، نشریه هیل (The Hill) استدلال‌های جان مک‌گلیون، نویسنده، را برجسته کرد که نشان می‌داد زندگی مدرن آمریکایی به سمت انزوای شدید سوق پیدا کرده است و وابستگی دیجیتال، ارتباطات اصیل انسانی را به‌طور سیستماتیک قربانی راحتیِ تکنولوژیک می‌کند.[4]

برای اجرای مؤثر این وظیفه مراقبت، سیاست‌گذاران به داده‌های دقیق و مستمر درباره نحوه تغییر رفتار انسان‌ها در مقیاس کلان توسط این سیستم‌ها نیاز دارند. آسیب‌پذیری اصلی در فشار برای مقررات‌گذاری دقیقاً همین‌جا نهفته است: همان‌طور که نیویورک تایمز (The New York Times) هشدار داد، درست در زمانی که هوش مصنوعی آماده است تا جهان را از اساس دگرگون کند، نهادهایی که بهترین تجهیزات را برای مطالعه آن دارند، در حال از دست دادن دسترسی خود هستند. علوم اجتماعی که ابزارهای روش‌شناختی لازم برای سنجش انزوا و اعتیاد را در اختیار دارند، به نفع علوم کامپیوترِ محض به حاشیه رانده می‌شوند.[1]

درک آینده هوش مصنوعی ما نیازمند بودجه‌ای قوی و دسترسی اجباری به داده‌ها برای جامعه‌شناسان، روان‌شناسان و اقتصاددانان است. بدون پژوهش‌های مستقل در حوزه علوم اجتماعی، قانون‌گذاران مجبورند به معیارهای ایمنی داخلی که توسط خود شرکت‌های فناوری ارائه می‌شود تکیه کنند؛ پویاییِ معیوبی که پاسخگویی خارجی را غیرممکن می‌سازد.[1]

چارچوب پیشنهادی وظیفه مراقبت، این شکاف اطلاعاتی را با تغییر کامل بار اثبات پر می‌کند. این استاندارد به جای آنکه از پژوهشگران دانشگاهیِ کم‌بودجه یا کاربران عادی بخواهد تا پس از وقوع حادثه آسیب را ثابت کنند، شرکت‌های فناوری را موظف می‌کند پیش از استقرار سیستم، ایمنی و بی‌طرفی جامعه‌شناختی آن را نشان دهند. فاز بعدی این نبرد سیاست‌گذاری بر این موضوع متمرکز خواهد بود که دادگاه‌ها چگونه «پیش‌بینی معقول» را تعریف می‌کنند، اما اصل قضیه کاملاً منطقی است: بهینه‌سازی یک الگوریتم برای حداکثر درگیری کاربر به قیمت از بین رفتن ارتباطات انسانی، باید به یک مسئولیت قانونی تبدیل شود، نه صرفاً یک پیامد جانبیِ غم‌انگیز.[5]