چرا آزمایشگاه‌های بزرگ هوش مصنوعی این‌همه فیلسوف استخدام می‌کنند؟

توضیح: این مطلب بر پایهٔ مقاله‌ای از اکونومیست و با بهره‌گیری از ترجمهٔ آیدین جواهریان تدوین شده است.

خلاصه‌ای از مقاله‌ی اکونومیست

اکونومیست در مقاله‌ای با عنوان «Why big AI labs are hiring so many philosophers» می‌نویسد که ده سال پیش به دانشجویان علوم انسانی می‌گفتند برای بازار کار «کدنویسی یاد بگیرند»، اما امروز این برنامه‌نویس‌ها هستند که نگران بیکاری‌اند. بانک فدرال رزرو نیویورک در سال ۲۰۲۴ نشان داده که نرخ بیکاری فارغ‌التحصیلان فلسفه (۵.۱٪) از فارغ‌التحصیلان علوم کامپیوتر (۷٪) کمتر است.

خودِ شرکت‌های هوش مصنوعی مانند گوگل دیپ‌مایند، آنتروپیک و اوپن‌ای‌آی دارند فیلسوف‌ها را جذب می‌کنند؛ حتی پیش از فارغ‌التحصیلی. آنها از فلسفه برای بهبود «زنجیره‌های تفکر»، کاهش توهمات، و طراحی «قانون‌های اساسیِ اخلاقی» استفاده می‌کنند. دو چارچوب اصلی در این قانون‌ها عبارتند از: وظیفه‌گرایی (با الهام از ایمانوئل کانت) که قوانین خشک و کلی وضع می‌کند، و پیامدگرایی که سود و زیانِ نتایج را می‌سنجد.

اما پرسشی که اکونومیست بی‌پاسخ می‌گذارد این است: آیا این دو چارچوب برای هدایتِ هوش مصنوعی کافی‌اند؟ و آیا فلسفه‌ای که در این شرکت‌ها به کار گرفته می‌شود، در خدمتِ رهاییِ انسان است یا بازتولیدِ نظمِ موجود؟

۱. مقدمه: فیلسوف‌ها دارند گران می‌شوند!

ده سال پیش، به دانشجویان علوم انسانی می‌گفتند «کدنویسی یاد بگیرید تا بیکار نمانید». اما حالا، خودِ برنامه‌نویس‌ها نگران جایگزینی توسط هوش مصنوعی هستند. بانک فدرال رزرو نیویورک اخیراً اعلام کرد که فارغ‌التحصیلان فلسفه در آمریکا، با نرخ بیکاری ۵.۱٪، وضعیت بهتری از همتایان علوم کامپیوتر (۷٪ بیکاری) دارند. خودِ شرکت‌های هوش مصنوعی هم دارند فیلسوف‌ها را شکار می‌کنند؛ به حدی که اساتید فلسفه از «خونریزی شدید» نیرو به سمت صنعت سخن می‌گویند.

اما سؤال اصلی اینجاست: این فیلسوف‌ها، چه نوع فلسفه‌ای را به هوش مصنوعی تزریق می‌کنند؟ و آیا همان فلسفه، می‌تواند هوش مصنوعی را به ابزاری برای عدالت و رهایی تبدیل کند، یا صرفاً به «تزئینات اخلاقی» برای شرکت‌های بزرگ بدل خواهد شد؟

۲. دو فلسفه‌ی رایج در هوش مصنوعی (از نگاه اکونومیست)

اکونومیست دو چارچوب اصلی را معرفی می‌کند:

الف) وظیفه‌گرایی (کانت):

قوانین خشک و کلی (مثلاً «دروغ مگو»، «انسان را ابزار مکن») که حتی اگر به ضرر جمع باشد، نباید نقض شوند. این رویکرد، به مدل‌هایی مثل کلود (Anthropic) ثبات می‌بخشد و آنها را راستگوتر می‌کند.

ب) پیامدگرایی (میل/بن تام):

تصمیم‌گیری بر اساسِ سنجشِ سود و زیانِ کلی. این رویکرد در ماشین‌های خودران (مثل وایمو) و سیستم‌های نظامی کاربرد دارد؛ مثلاً تصمیم بگیرد که در تصادفی ناگزیر، جانِ عابرِ جوان را به پیر ترجیح دهد.

۳. نقدِ ماتریالیستیِ این دو چارچوب

هر دو رویکرد، ناقص و حتی خطرناک هستند، چون:

· وظیفه‌گرایی، قوانین را جاودانه و فراتاریخی می‌پندارد. غافل از اینکه خودِ «راست‌گویی» یا «احترام به مالکیت» در جامعه‌ای با توزیع نابرابر ثروت، معانی طبقاتی متفاوتی پیدا می‌کند. (همان جان لاک که اکونومیست به او اشاره می‌کند، مدافعِ مالکیتِ خصوصیِ بورژوایی بود، نه عدالت برای همه.)

· پیامدگرایی، «سود و زیان» را به‌صورتِ انتزاعی می‌سنجد، بدون اینکه بپرسد: سود چه کسی؟ در جامعه‌ای که سرمایه، قدرت را تعیین می‌کند، پیامدگرایی به‌راحتی تبدیل به «بهینه‌سازیِ به نفعِ صاحبانِ سرمایه» می‌شود.

· هیچ‌کدام، تضادهای طبقاتی، تغییرات تاریخی، و نقشِ عملِ انقلابی را در نظر نمی‌گیرند. آنها فلسفه را به «اخلاقِ کاربردی» تقلیل می‌دهند، در حالی که فلسفه‌ی واقعی، شناختِ قوانینِ حرکتِ جامعه و طبیعت است.

۴. ماتریالیسم دیالکتیک: فلسفه‌ای که هوش مصنوعی به آن نیاز دارد

در نظام آموزشیِ اتحاد شوروی، فلسفه نه به‌عنوان یک درسِ حاشیه‌ای، بلکه به‌عنوان مبنایِ تمامِ علوم تدریس می‌شد. دانشجویان می‌آموختند که:

· جهان، مادی است و مستقل از آگاهیِ ما وجود دارد. (ماتریالیسم)

· تضاد، موتورِ تغییر است. هر پدیده‌ای، شاملِ تضادهای درونی است که به تکامل یا زوال آن می‌انجامد. (دیالکتیک)

· جامعه، تاریخی است. مناسباتِ تولیدی، تعیین‌کننده‌یِ آگاهی، اخلاق، و حتی علم هستند. (ماتریالیسم تاریخی)

حالا این فلسفه، چه چیزی به هوش مصنوعی می‌دهد که وظیفه‌گرایی و پیامدگرایی نمی‌دهند؟

الف) شناختِ تضادِ اصلی، نه قوانینِ انتزاعی

هوش مصنوعی نباید فقط «راست‌گو» یا «سودمند» باشد؛ باید بتواند تضادِ اصلیِ یک موقعیت را تشخیص دهد.

مثلاً در اقتصادِ پلتفرمی، تضادِ اصلی، تضادِ میانِ سرمایه‌گذارانِ پلتفرم و کارگرانِ پلاتفرمی است. هوش مصنوعی‌ای که این تضاد را نشناسد، هر راه‌حلی که ارائه دهد، در خدمتِ سرمایه خواهد بود.

«در اقتصاد پلتفرمی، تضادِ اصلی میانِ سرمایهیِ الگوریتمی (مالکانِ اپلیکیشنها) و کارگرانِ پلتفرمی (رانندگان، پیکها، فریلنسرها) شکل میگیرد. این گروه را نباید با کارگرانِ پیمانیِ پروژه هایِ سنتی (که در کارگاهها و ساختمانسازی کار میکنند) اشتباه گرفت؛ چراکه کارگرانِ پلتفرمی، مستقیماً زیرِ سلطه یِ الگوریتم هستند، نه یک کارفرمایِ انسانیِ مشخص.»

ب) دوران تاریخی، نه جاودانگی

قوانینِ اخلاقی، زاییده‌یِ مناسباتِ تولیدیِ دوران خود هستند. آنچه در قرن ۱۸ (کانت) یا ۱۹ (میل) درست بود، لزوماً برای جامعه‌ای که با بحرانِ اقلیم، هوش مصنوعی، و شکافِ عظیمِ طبقاتی روبرو است، کارآمد نیست.

هوش مصنوعی باید بتواند تکاملِ تاریخیِ مفاهیم (مثل عدالت، آزادی، مالکیت) را درک کند و در هر مرحله، متناسب با شرایطِ عینی، تصمیم بگیرد.

ج) وحدتِ نظر و عمل

فلسفه‌ی مادی، فقط به «توصیفِ جهان» نمی‌پردازد، بلکه به «تغییرِ آن» فرا می‌خواند. هوش مصنوعی نباید صرفاً یک «ماشینِ پیش‌بینی» باشد؛ باید در خدمتِ دگرگونیِ عملیِ مناسباتِ ناعادلانه قرار گیرد.

همانطور که مارکس گفت: «فیلسوفان فقط جهان را به شیوه‌های مختلف تفسیر کرده‌اند؛ اما مسئله، تغییرِ آن است.»

۵. کاربستِ ماتریالیسم دیالکتیک در طراحیِ هوش مصنوعی

اگر شرکت‌هایی مثل دیپ‌مایند، گوگل، یا آنتروپیک به‌جای کانت و میل، به مارکس و انگلس روی بیاورند، چه تغییراتی در محصولاتشان رخ می‌دهد؟

در حوزه‌ی قانون‌گذاریِ اخلاقی، به‌جای حقوقِ مالکیتِ خصوصیِ لاکی، قانون‌های اساسی بر پایه‌ی نیازهایِ اساسیِ انسان (مسکن، غذا، سلامت، آموزش) طراحی می‌شوند. در حمل‌ونقلِ هوشمند، به‌جای بهینه‌سازیِ صرفِ سوخت، هدف، کاهشِ آلودگی و دسترسیِ عادلانه به حمل‌ونقل عمومی قرار می‌گیرد. در تشخیصِ چهره، به‌جای کاربردِ امنیتیِ طبقاتی، نظارتِ مردمی و ممنوعیتِ استفاده‌یِ تبعیض‌آمیز جایگزین می‌شود. و در پاسخ‌گویی، به‌جای اولویت دادن به مشتریِ پولدار، پاسخ‌گویی به جامعه‌یِ انسانی و اکوسیستم در اولویت قرار می‌گیرد.

۶. خطرِ بزرگ: فلسفه، به‌مثابه‌ی «تزئیناتِ اخلاقی»

اکونومیست به‌درستی اشاره می‌کند که شرکت‌هایی مثل IBM به مشتریان تجاری اجازه می‌دهند «فلسفه‌ی شرکت خود» را به هوش مصنوعی تزریق کنند. این یعنی فلسفه، به ابزاری برای توجیهِ منافعِ طبقاتیِ خاص بدل می‌شود، نه به ابزاری برای شناخت و رهایی.

ماتریالیسم دیالکتیک، در برابر این خطر می‌ایستد، چون:

· ادعایِ «بی‌طرفی» یا «فراتاریخی بودن» را نمی‌پذیرد.

· صراحتاً اعلام می‌کند که هر فلسفه‌ای، در خدمتِ منافعِ طبقه‌یِ خاصی است.

· وظیفه‌یِ روشنفکران و مهندسان را، انتقاد از نظامِ سرمایه و طراحیِ فناوریِ در خدمتِ توده‌ها می‌داند.

۷. نتیجه‌گیری: از «اخلاقِ کاربردی» تا «فلسفه‌یِ انقلابی»

مقالۀ اکونومیست، درستیِ یک ادعا را ثابت می‌کند: هوش مصنوعی، به فلسفه نیاز دارد. اما پرسشِ این است: به کدام فلسفه؟

· اگر فلسفه، فقط به «قوانینِ کانتی» یا «حسابداریِ منفعتِ میلی» خلاصه شود، هوش مصنوعی به ابزاری برای بازتولیدِ نظمِ موجود تبدیل خواهد شد.

· اما اگر فلسفه، به ماتریالیسمِ دیالکتیک و تاریخی مجهز شود، می‌تواند به شناساییِ تضادها، پیش‌بینیِ بحران‌ها و هدایتِ جامعه به‌سویِ عدالتِ واقعی کمک کند.

خبرِ خوب: شرکت‌های بزرگ، دارند به ارزشِ فلسفه پی می‌برند.

خبرِ بد: آنها دارند فلسفه را به «آموزشِ کارکنان» و «بیانیه‌هایِ اخلاقی» تقلیل می‌دهند.

وظیفۀ ما: ایجادِ نسلِ جدیدی از متخصصانِ هوش مصنوعی که ماتریالیسمِ دیالکتیک را به‌مثابه‌یِ ابزاری برای تغییرِ جهان به‌کار گیرند، نه صرفاً تفسیرِ آن.

—

این، همان فلسفه‌ای است که من در دانشگاه اتحاد شوروی آموختم؛ فلسفه‌ای که دانشجو را واقع‌گرا، نقاد، و متعهد به رهاییِ انسان تربیت می‌کند.

حالا نوبت آن است که این فلسفه را به دل الگوریتم‌ها برد! 

منبع: Why big AI labs are hiring so many philosophers | The Economist | 24 June 2026