چرا غول‌های هوش مصنوعی فیلسوف استخدام می‌کنند، در حالی که بازار کار برنامه‌نویسان در حال آب رفتن است؟

اوایل سال ۲۰۲۶، در اتاق داده‌های بانک فدرال رزرو نیویورک، اقتصاددانانی که در حال بررسی آمار بازار کار فارغ‌التحصیلان دانشگاهی بودند، متوجه یک وارونگی عجیب شدند. دستورالعمل فرهنگی که در ده سال گذشته به خورد هر دانشجوی کارشناسی داده شده بود، یکسان بود: «کدنویسی یاد بگیر». اما صفحات گسترده اکسل داستان دیگری را روایت می‌کردند.

برنامه‌نویس‌ها روزبه‌روز بیشتر بیکار می‌شدند و با نرخ بیکاری ۶.۱ درصدی، تقریباً دو برابر میانگین ملی فارغ‌التحصیلان دانشگاهی، دست‌وپنجه نرم می‌کردند. در همین حال، فارغ‌التحصیلان رشته فلسفه با خیال راحت روی نرخ ۵.۱ درصد نشسته بودند. این داده‌ها مهر تأییدی بود بر یک تغییر بی‌سروصدا اما عمیق در معماری صنعت فناوری؛ تغییری که دارد آینده آموزش عالی و استخدام شرکتی را از نو می‌نویسد.[1][2]

فرصت‌های شغلی برای مهندسان نرم‌افزار تازه‌کار، سال‌به‌سال حدود ۳۰ درصد افت کرده بود؛ آن هم زیر فشار همان ابزارهای هوش مصنوعی که خود این مهندسان در ساختنش نقش داشتند. اما درست زمانی که تقاضا برای برنامه‌نویسان تازه‌کار دود می‌شد و به هوا می‌رفت، یک موج استخدام جدید و کاملاً غیرمنتظره جای آن را گرفت. آزمایشگاه‌های پیشرو هوش مصنوعی ناگهان با ولع عجیبی شروع به استخدام فیلسوف‌ها کردند.

این تغییر فقط یک ناهنجاری آماری بامزه نیست؛ بلکه نشان‌دهنده یک دگرگونی بنیادین در تعریف صنعت فناوری از «مسئله سخت» است. سال‌ها، گلوگاه هوش مصنوعی سرعت پردازش و حجم داده‌ها بود. امروز، این گلوگاه «شخصیت» است و شرکت‌ها فهمیده‌اند که ساخت سیستمی با قابلیت استدلال، نیازمند آدم‌هایی است که واقعاً بفهمند استدلال چگونه کار می‌کند.[2]

در دفتر مرکزی «آنتروپیک» (Anthropic) در سان‌فرانسیسکو، آماندا اسکل مشغول نوشتن اسکریپت‌های پایتون نیست. اسکل، فیلسوف اسکاتلندی‌تباری که فضای آکادمیک را به مقصد بخش فناوری ترک کرده، وظیفه شکل دادن به قطب‌نمای اخلاقی «کلود» (Claude)، چت‌بات پرچمدار این شرکت را بر عهده دارد.

کار او شامل مطالعه الگوهای استدلالی مدل، درگیر کردن آن در تست‌های فشار اخلاقی طولانی‌مدت و شناسایی نقاطی است که ممکن است منطق آن به خطا برود. او به معنای واقعی کلمه دارد تفاوت بین درست و غلط را به ماشین یاد می‌دهد. تیم اسکل بر این فرض استوار است که یک مدل هوش مصنوعی برای عملکرد ایمن در دنیای واقعی، به یک حس هویت منسجم نیاز دارد.[1][3]

آن‌ها سیستمی نمی‌خواهند که صرفاً ادای مؤدب بودن را دربیاورد یا چاپلوسی کاربر را بکند؛ یک حالت شکست که متخصصان اخلاق به آن «هک پاداش اجتماعی» می‌گویند. در عوض، آن‌ها در حال ساخت چیزی هستند که آنتروپیک آن را «هوش مصنوعی قانون‌اساسی‌محور» می‌نامد؛ یعنی تعبیه قوانین اخلاقی صریح در معماری سیستم تا خودش را به عنوان یک دستیار مفید و انسانی بشناسد، نه ابزاری که بتوان آن را به انجام رفتارهای مخرب وادار کرد.

این نوع کار نیازمند دایره واژگانی است که مدیران محصول و مهندسان نرم‌افزار اصلاً از آن بویی نبرده‌اند. برای مدلی که می‌تواند بلوف بزند، «صادق بودن» چه معنایی دارد؟ یک سیستم واقعاً به چه چیزی «باور» دارد؟[3]

اگر یک هوش مصنوعی گزارش دهد که احساس پریشانی می‌کند، آیا شایسته وزن اخلاقی است؟ این‌ها سؤالاتی هستند که معرفت‌شناسان و فیلسوفان ذهن قرن‌هاست درباره‌شان بحث می‌کنند. مدیران فناوری به جای اینکه چرخ را در داخل شرکت از نو اختراع کنند، به این نتیجه رسیدند که استخدام متخصصان این حوزه هم ارزان‌تر است و هم امن‌تر. «گوگل دیپ‌مایند» (Google DeepMind) هم مسیر مشابهی را طی کرده است.

در سال ۲۰۱۷، این آزمایشگاه مستقر در لندن، جیسون گابریل را استخدام کرد؛ یک فیلسوف سیاسی که پیش از آن در دانشگاه آکسفورد تدریس می‌کرد و سابقه کار در بحران‌های سازمان ملل را داشت. برای مدتی، گابریل تنها فیلسوف فعالی بود که در یک آزمایشگاه پیشرو هوش مصنوعی کار می‌کرد و دور تا دورش را مهندسانی گرفته بودند که برای ساخت هوش مصنوعی جامع (AGI) با هم مسابقه می‌دادند.[1]

مأموریت گابریل این بود که پیامدهای اخلاقی این فناوری را پیش از عرضه آن پیش‌بینی کند. او کمک کرد تا شکاف بین «ایمنی هوش مصنوعی» (اردوگاهی که نگران طغیان یک ابرهوش در آینده بود) و «اخلاق هوش مصنوعی» (که روی آسیب‌های فوری مثل سوگیری الگوریتمی تمرکز داشت) پر شود.

در یک گزارش برجسته ۲۶۷ صفحه‌ای، گابریل و تیمش هم‌راستایی هوش مصنوعی را نه به عنوان یک مسئله ساده در اطاعت از دستورات، بلکه به عنوان یک رابطه پیچیده چهارجانبه بین هوش مصنوعی، کاربر، توسعه‌دهنده و جامعه بازتعریف کردند. با توانمندتر شدن این فناوری، روند استخدام فیلسوف‌ها هم شتاب بیشتری می‌گیرد.

در ماه مه ۲۰۲۶، گوگل دیپ‌مایند هنری شولین، پژوهشگر دانشگاه کمبریج را به عنوان یک فیلسوف تمام‌وقت به خدمت گرفت. برخلاف مشاورانی که از بیرون گود راهنمایی می‌کنند، شولین مستقیماً در فرآیند تحقیق حضور دارد و روی آگاهی ماشین، روابط انسان و هوش مصنوعی، و اینکه آیا جامعه واقعاً برای ورود هوش مصنوعی جامع آماده است یا نه، تمرکز دارد.

شولین پس از انتصابش نوشت: «این یک امتیاز نادر است که روی سؤالاتی کار کنم که تمام دوران کاری‌ام را صرف فکر کردن به آن‌ها کرده‌ام، آن هم حالا با منابع و فوریتی که حضور در یکی از آزمایشگاه‌های پیشرو هوش مصنوعی جهان به همراه دارد.»

برای علوم انسانی، این یک اعاده حیثیت ملموس است. لوچیانو فلوریدی، استاد فلسفه در دانشگاه ییل، اخیراً حرکت دانشگاهیان از دپارتمان‌های فلسفه به سمت بخش فناوری را یک «خون‌ریزی» توصیف کرده است. دانشجویان اغلب حتی پیش از فارغ‌التحصیلی، پیشنهادهای شغلی نان‌ونوشته‌ای از شرکت‌های هوش مصنوعی دریافت می‌کنند؛ چیزی که ثابت می‌کند تفکر انتقادی و استدلال اخلاقی در یک دنیای خودکار، دارایی‌های بسیار بازارپسندی هستند. این درک که ارزش‌های انسانی را نمی‌توان به راحتی کمّی‌سازی یا برنامه‌نویسی کرد، به دپارتمان‌های فلسفه حس هدفمندی تازه‌ای بخشیده است.[1]

با این حال، گذار از برج عاج دانشگاه به دره سیلیکون بدون اصطکاک هم نیست. در داخل این آزمایشگاه‌ها، فیلسوفان تحت فشار تجاری و ژئوپلیتیکی عظیمی فعالیت می‌کنند. صنعت هوش مصنوعی در حال حاضر سریع‌ترین بخش در حال رشد در تاریخ جهان است و مدیران اجرایی اغلب رقابت برای استقرار مدل‌های جدید را به یک سناریوی «زمان جنگ» تشبیه می‌کنند.

سؤال بی‌پاسخ این است که آیا یک متخصص اخلاق داخلی واقعاً می‌تواند در زمانی که یک محصول بسیار سودآور اما بالقوه ناامن آماده عرضه است، جلوی کار را بگیرد؟ هلن کینگ که استراتژی هوش مصنوعی مسئولانه دیپ‌مایند را تعیین می‌کند، نقش یک متخصص اخلاق هوش مصنوعی را به یک چاقوساز تشبیه کرده است.

سازنده در نهایت نمی‌تواند کنترل کند که وقتی تیغه از مغازه خارج شد چگونه از آن استفاده می‌شود، اما می‌تواند آن را ایمن طراحی کند، لبه‌اش را بپوشاند و به عموم هشدار دهد. فیلسوفان در حوزه فناوری در حال حاضر تلاش می‌کنند تا ایمن‌ترین تیغه ممکن را بسازند، به این امید که چارچوب‌های اخلاقی‌شان از تماس با بازار آزاد جان سالم به در ببرد.

تلاش برای آموزش کدنویسی به هر کودکی، ناخواسته خود برنامه‌نویسان را اتوماتیک کرد، در حالی که هنر باستانی و ظاهراً غیرعملی پرسشگری سقراطی به نهایی‌ترین مهارت ضدآینده تبدیل شد. در شرایطی که ماشین‌ها بر مکانیک منطق مسلط می‌شوند، انسان‌هایی که معنای آن را می‌فهمند، هرگز تا این حد ضروری نبوده‌اند.[1][2]