مقالات

نفوذ شرکت به عنوان “پلیس فکری” مدرن تحقیقات هوش مصنوعی – فیل در آزمایشگاه


تحقیقات علمی از دیرباز در مرکز پیشرفت و نوآوری اجتماعی بوده است. با این حال، امروزه با فشارهای ظریف اما عمیقی مواجه است که سؤالاتی را که دانشمندان می توانند بپرسند و پروژه هایی که می توانند دنبال کنند، تغییر می دهند. به طور فزاینده‌ای، الگوهای تأمین مالی و وابستگی‌های نهادی قدرت را از نهادهای عمومی به بازیگرانی تغییر می‌دهند که ممکن است اولویت‌هایشان با تحقیقات روشنفکرانه همسو نباشد. عصر تحقیقات کنجکاوی محور، که زمانی توسط تصدی محافظت می شد، به طور فزاینده ای جای خود را به سیستمی می دهد که به دنبال فشارهای بازار بر تحقیقات فکری واقعی، به نفع نتایج سیاسی ایمن و تجاری قابل دوام است. تحقیقات اخیر توسط نگهبان این پویایی را به وضوح نشان می دهد، جایی که طبق گزارش ها، دانشگاه شفیلد هالام یک پروژه تحقیقاتی بزرگ حقوق بشر را به دنبال فشارهای شدید مقامات چینی متوقف کرد. این نگرانی ها را در مورد آسیب پذیری فزاینده موسسات دانشگاهی در برابر نفوذ سیاسی افزایش می دهد (هاوکینز، 2025). اخیرا، فایننشال تایمز همچنین گزارش داد که وابستگی دانشگاه‌های بریتانیا به هزینه‌های تحصیل برای دانشجویان چینی، خودسانسوری را در میان دانشگاهیان و مدیرانی که می‌ترسیدند موضوعات تحقیقاتی حساس می‌توانند جریان‌های درآمدی حیاتی را تهدید کنند، تشویق می‌کند (بورت و هیوز، 2025). این مثال‌ها با هم به روند گسترده‌تری اشاره می‌کنند: فرسایش تدریجی تحقیقات کنجکاوی محور به نفع کاری که از نظر سیاسی ایمن یا از نظر تجاری سودآور است. این تغییر دامنه سؤالاتی را که می توان آشکارا دنبال کرد محدود می کند و چالشی آرام اما مهم در برابر استقلال تحقیق علمی را نشان می دهد.

خوب یا بد، باید بدانیم که این پدیده جدیدی نیست. تغییر در اولویت‌های پژوهشی و پویایی قدرت در سه حوزه متمایز آشکار شده است: صنعت، مؤسسات تحقیقاتی عمومی و دانشگاه‌ها که هر کدام به‌طور متفاوتی تحت تأثیر قرار گرفته‌اند. در بسیاری از کشورهای OECD، تحقیقات دانشگاهی و نهادی با بودجه عمومی به طور پیوسته در حال از دست دادن جایگاه خود هستند، در حالی که تحقیقات صنعتی، به ویژه کاربردی و تجاری، به سرعت در حال رشد هستند. فقط در ایالات متحده بودجه فدرال برای تحقیق و توسعه (R&D) از 1.86٪ تولید ناخالص داخلی در سال 1964 به 0.63٪ در سال 2022 کاهش یافت، در حالی که سهم بخش خصوصی به بیش از 70٪ از کل بودجه ملی برای تحقیق و توسعه افزایش یافت (NCSES، 2025). در اروپا نیز همین روند ادامه دارد: کشورهای OECD گزارش می دهند که بودجه عمومی برای تحقیق و توسعه راکد شده است، در حالی که بودجه بخش خصوصی در بسیاری از صنایع به شدت افزایش یافته است (OECD, n.d.). این فشارها با افزایش تقاضا برای نشان دادن تأثیر دانشگاه ها بر جامعه، اغلب از طریق معیارها و معیارهای تأمین مالی که به نفع تحقیقات کاربردی و کاربرد فوری بر دانش بنیادی بلندمدت است، ترکیب می شود. در نتیجه، دانشگاه‌ها و مؤسسات تحقیقاتی عمومی، که زمانی مکان‌های اصلی برای تأسیس بودند، با کنجکاوی تحقیقاتی هدایت می‌شدند، اکنون در محیطی فعالیت می‌کنند که به طور فزاینده‌ای توسط انگیزه‌های تجاری و اولویت‌های استراتژیک صنعتی شکل می‌گیرد.

تغییر از بودجه دولتی به خصوصی به ویژه در زمینه هوش مصنوعی (AI) مشهود است. این منطق اغلب از طریق رقابت بین ایالات متحده و چین بیان می شود، جایی که رهبری هوش مصنوعی به عنوان یک نشانگر قدرت ملی ظاهر می شود و تمرکز ظرفیت تحقیقاتی در شرکت های خصوصی را مشروعیت می بخشد. این امر به‌ویژه در روش‌هایی مشهود است که رقابت برای هوش عمومی مصنوعی (AGI) به عنوان نماینده‌ای برای تسلط اقتصادی و ژئوپلیتیکی تبدیل شده است. شرکت‌های خصوصی قدرت خود را بر تحقیقات هوش مصنوعی تثبیت می‌کنند، مسائل اخلاقی، شفافیت و مسئولیت‌پذیری در حاشیه قرار می‌گیرند و دولت‌ها با استناد به روایت مسابقه تسلیحاتی مناسب هوش مصنوعی این امکان را فراهم می‌کنند (Brennan, Kak & West, 2025). “جستجوی بازار” (2011).

تحقیق هوش مصنوعی زیر لنز شرکتی

بودجه عمومی اغلب با منافع عمومی همسو می شود و شامل تأمین مالی برای تحقیقات پایه است که به جای ارزش تجاری فوری انجام می شود، بودجه شرکت ها توسط اهداف مالی هدایت می شود. این «پول نرم» به قدرت واقعی تبدیل می‌شود: تحقیق و توسعه هوش مصنوعی بر اساس منافع شرکت‌ها، تقلید از نسخه مدرن پلیس فکری اورول، که در آن علم توسط انگیزه‌ها به جای دستورات هدایت می‌شود، هدایت می‌شود. افکار مخالف ممکن است مستقیماً مجازات نشوند، اما افکار معاصر به شدت از طریق حقوق، پیشرفت شغلی و اعتبار نشریه پاداش می گیرند.

اگرچه سرمایه گذاری کلی در هوش مصنوعی به ارتفاعات باورنکردنی افزایش یافته است، اما توزیع آن به شدت کج است. هم در ایالات متحده و هم در اتحادیه اروپا، اکثر هزینه های تحقیق و توسعه جدید اکنون از سوی شرکت های بزرگ تامین می شود، که عمدتاً بودجه را به توسعه مدل های زبان بزرگ (LLM) اختصاص می دهند تا تحقیقات گسترده تر یا اجتماعی تر در زمینه هوش مصنوعی. در سال 2024، نزدیک به 34 میلیارد دلار به شرکت‌های LLM تعلق گرفت، در حالی که شرکت‌هایی که در زمینه‌های کاربردی هوش مصنوعی مانند مراقبت‌های بهداشتی، آموزش یا رباتیک کار می‌کنند، بسیار کمتر دریافت کرده‌اند (Axis Intelligence, 2025؛ Mukherjee, 2024). بودجه عمومی این را منعکس می‌کند: با رکود یا کاهش بودجه تحقیق و توسعه فدرال، آژانس‌ها به طور فزاینده‌ای کمک‌های مالی خود را با اولویت‌های بخش خصوصی همسو می‌کنند، به‌ویژه زمانی که بازده تجاری یا ژئوپلیتیکی وجود دارد، مانند در مورد هوش مصنوعی (OECD، n.d.). تحقیقات پایه، نظری یا بین رشته‌ای هوش مصنوعی به نفع تحقیقات کاربردی و سودآور تجاری کنار گذاشته شده است.

این تمرکز منابع در حوزه‌های تحقیقات هوش مصنوعی که شرکت‌ها آن را سودآور می‌دانند، منجر به یک چرخه خود تداوم می‌شود: آزمایشگاه‌های شرکتی زیرساخت محاسباتی و داده‌ای لازم برای تحقیقات پیشرفته را دارند. محققین دانشگاهی با بودجه های بالای مالی جذب می شوند تا تحقیقات نظری را به کاربردهای عملی تبدیل کنند. نکته مهم این است که این محققان اغلب بر روی پروژه هایی کار می کنند که منافع شرکت ها را تامین می کند، نه پروژه های بحرانی، پرخطر و احتمالاً بی سود. تحقیق کنید. در همین حال، دانشگاه ها برای تامین مالی ظرفیت محاسباتی با مشکل مواجه می شوند و سازمان های دولتی به طور فزاینده ای کمک های مالی را بر اساس شاخص های تاثیر یا نتایج کوتاه مدت توجیه می کنند و معیارهای ارزیابی خود را با منطق بازار همسو می کنند.

از ماموریت عمومی تا همسویی شرکتی

همان سرمایه‌های عمومی که زمانی برای دستیابی به دانش انتقادی اجتماعی، اغلب بدون سود تجاری، استفاده می‌شد، اکنون از مشارکت‌های صنعتی یا اولویت‌های سیاستی که در گفت‌وگو با کارشناسان شکل می‌گیرند، منحرف می‌شوند که اغلب از سوی شرکت‌های بزرگ می‌آیند. اکنون دولت ها همسویی با بخش خصوصی را از طریق روایت “مسابقه تسلیحاتی” AGI توجیه می کنند. این ایده این است که دموکراسی‌های غربی باید در خط مقدم نوآوری هوش مصنوعی باقی بمانند و آن را با سرعتی بی‌سابقه شتاب دهند تا از رقبای ژئوپلیتیکی مانند چین پیشی بگیرند و مزیت استراتژیک خود را حفظ کنند (مثلاً طرفداران مسابقه تسلیحاتی هوش مصنوعی آن را با پروژه منهتن برای هوش مصنوعی مقایسه کرده‌اند و هشدار می‌دهند که اگر یک طرف در رقابت با هوش مصنوعی عقب بماند). [Big]شرکت‌های فناوری اغلب از این چارچوب استفاده می‌کنند تا سرمایه‌های عمومی را به ابتکاراتی که با منافع شرکت همسو می‌شوند هدایت کنند و هم سرمایه‌گذاری عمومی و هم مشروعیت سیاسی را برای تحقیق و توسعه هوش مصنوعی تجاری گرا فراهم کنند (رومرو، 2025؛ اشمید، و غیره، 2025).

این همگرایی منافع تحقیقاتی منجر به استراتژی‌های هوش مصنوعی ملی و منطقه‌ای می‌شود که به طور فزاینده‌ای توسط مشارکت‌های دولتی و خصوصی تعریف می‌شوند و وابستگی‌های جدیدی بین مقررات و شرکت‌هایی ایجاد می‌کنند که قرار است آنها را تنظیم کنند. این تأثیر قابل توجه است: اهداف شرکتی اولویت های تحقیقاتی و معیارهایی را که موفقیت را تعریف می کنند، شکل می دهند.

این همسویی با منافع شرکت به دلیل عدم کسب درآمد یا اندازه‌گیری، کل حوزه‌های تحقیقات علمی را به خطر می‌اندازد. تحقیقات در مورد کاربردهای هوش مصنوعی برای پایداری محیطی به حاشیه می‌رود، حتی اگر شواهدی مبنی بر هزینه‌های زیست‌محیطی آموزش LLM چشمگیرتر شود (دی وریس، 2023). LLM ها نه تنها به این دلیل که از نظر تجاری قابل دوام هستند، بر سرمایه گذاری تسلط دارند، بلکه به این دلیل که شرکت ها این روایت را ترویج کرده اند که آنها مسیر اصلی به سمت AGI هستند، در حالی که رویکردهای جایگزین به عنوان ناکارآمد یا بی امید رد می شوند (هائو، 2025).

مثال مشابهی در علوم زیستی وجود دارد، جایی که بودجه برای چگونگی تلاقی هوش مصنوعی و علوم زیستی به سمت کشف و توسعه دارو منحرف می‌شود و منافع دارویی را تامین می‌کند. شرکت‌هایی مانند Isomorphic Labs و Insilico Medicine از هوش مصنوعی برای کشف دارو استفاده می‌کنند، در حالی که مشارکت‌های عمده‌ای مانند همکاری ۵۵۵ میلیون دلاری AstraZeneca با Algen Biotechnologies بر تحقیقات درمانی مبتنی بر هوش مصنوعی متمرکز هستند (Mukherjee 2024؛ Axis Intelligence, 2025). در مقابل، کاربردهای به همان اندازه مهم مانند استفاده از هوش مصنوعی برای پیش‌بینی فعل و انفعالات پروتئین-محیط یا مدل‌سازی رفتار پروتئین‌ها در یک زمینه اکولوژیکی توجه یا بودجه کمتری را به خود جلب می‌کنند (NSF، 2025). این الگوها نشان می‌دهند که چگونه مشوق‌های شرکتی به طور ماهرانه برنامه‌های تحقیقاتی در علوم طبیعی را تغییر می‌دهند، و پروژه‌های تجاری قابل دوام را نسبت به تحقیقات اساسی یا انتقادی اجتماعی ترجیح می‌دهند.

نفوذ شرکت به عنوان پلیس فکر

نفوذ شرکت به نحوه اشتراک دانش گسترش می یابد. برخلاف روش سنتی دانشگاهی برای به اشتراک گذاری اطلاعات برای اطلاع رسانی به تحقیق و نوآوری، شرکت ها به شفافیت انتخابی به اشکال مختلف علاقه مند هستند: محدود کردن دسترسی به مجموعه داده ها، انتشار نتایج فقط در بیانیه های مطبوعاتی یا درخواست های ثبت اختراع و نه در مجلات دسترسی آزاد، یا الزام به توافق نامه های عدم افشا برای همکاری با محققان دانشگاه. علاوه بر این، شرکت‌ها به‌طور فزاینده‌ای بر خود سیستم انتشارات علمی تأثیر می‌گذارند، مجلات، کنفرانس‌ها یا موضوعات ویژه را به روش‌هایی که به روش‌های خاص، موضوعات تحقیقاتی یا وابستگی‌های سازمانی امتیاز می‌دهند، حمایت می‌کنند. نتیجه یک فرهنگ علمی است که در آن بازیگران شرکتی در حالی که به عنوان دروازه بان عمل می کنند، برنامه های تحقیقاتی خاصی را هدایت می کنند. آنها خطوط تحقیقاتی را تعیین می کنند که امکان پذیر است، چه کسی می تواند شرکت کند و دانش چگونه گردش می کند.

این همان پلیس فکری اورول است که در عصر دیجیتال بازسازی شده است: کنترل نه از طریق ممنوعیت، بلکه با طراحی. محققان هدایت می شوند تا در معماری قابلیت سازمانی فکر کنند. اگر قرار است علم در خدمت منافع عمومی باشد، ساختارهای مالی و حاکمیتی باید تحقیقات مستقل و تنوع افکار را در اولویت قرار دهند. این به معنای افزایش سرمایه گذاری در تحقیقات عمومی و اصلاح سیستم های ارزیابی است تا تنها شاخص های مبتنی بر منطق بازار را امتیاز ندهند. شفافیت در مشارکت های دولتی و خصوصی نیز لازم است.

شرکت‌ها نقش مهمی در شکل‌دهی به تحقیقات هوش مصنوعی دارند، اما شکل‌دهی آن‌ها به دستور کار تحقیقاتی جهانی هوش مصنوعی نشان‌دهنده نیاز به تغییرات فرهنگی برای مقابله با عادی‌سازی بی‌صدا تحقیقات است که بر اساس منافع شرکت شکل می‌گیرد. بدون این، چشم انداز تحقیق به طور فزاینده ای همگن می شود. انگیزه‌هایی که زمانی به استقلال علمی دامن می‌زدند، اکنون به جای ارزش معرفتی، بر حسب تأثیرگذاری تنظیم می‌شوند.


Source link

نوشته های مشابه

دکمه بازگشت به بالا