نیویورکر؛ الیزابت کولبرت، روایت‌های متعددی از اختراع واتسون 1 وجود دارد. محبوب‌ترین این روایت‌ها، که البته لزوماً دقیق‌ترین روایت نیست و این هم در زمرۀ مسائلی است که اغلب سر راه واتسون قرار می‌گیرد، در سال 2004 آغاز می‌شود، در یک استیک‌فروشی نزدیک پوکیپسی. دم غروب، یکی از مدیرانِ آی. بی. ام به نام چارلز لیکل آنجا داشت شام می‌خورد که متوجه شد میز‌های دور و برش ناگهان خالی شده‌اند.
آن‌هایی که با او در سالن نشسته بودند، به‌جای تمام‌کردن گوشت‌های راسته‌شان، با عجله رفتند سمت بار تا مسابقۀ تلویزیونی «مخاطره!» 2 را تماشا کنند. چندین بُرد پیاپی نصیب کِن جنینگز شده بود که در نهایت رکورد 74 پیروزی متوالی را ثبت کرد، و جماعت دور تلویزیون مسحور برنامه بودند. مدت زیادی نگذشته بود که لیکل در یک جلسۀ طوفان فکری شرکت کرد که در آن از شرکت‌کنندگان خواسته شد «چالش بزرگ» بعدی آی. بی. ام را پیشنهاد بدهند. او گفت که شرکت باید به مصاف جنینگز برود.
آی. بی. ام هفت سال پیش هم یک «چالش بزرگ» مشابه را با رایانۀ «آبی عمیق» انجام داده بود. آن ماشین در یک مسابقۀ شش‌مرحله‌ای، از گری کاسپاروف پیشی گرفت که آن زمان قهرمان بلامنازع شطرنج جهان بود. شاید به نظر اکثر افراد، شکست‌دادن کاسپاروف در شطرنج به مراتب خارق‌العاده‌تر از یافتن پاسخ مثلاً «مشهورترین اسم‌های کوچک» یا «پرنده‌های نماد ایالت‌ها» باشد. اما بازی شطرنج، قواعد کاملاً تعریف‌شده‌ای دارد. پایان باز سؤال‌های «مخاطره!» (یا در حقیقت همان بلاهت این بازی)، برای ماشین مصافی بسیار مهیب‌تر است.
حرف ایدۀ لیکل این طرف و آن طرف پیچید، رد شد، و در نهایت دوباره جان گرفت. در سال 2006، وظیفۀ ساخت یک قهرمان خودکار «مخاطره!» به تیمی سپرده شد که روی فناوری پاسخ به سؤالات موسوم به کیو. اِی کار می‌کرد. بنا به روایت استفن بیکر در کتابش پیرامون این پروژه به نام مخاطرۀ نهایی 3، کار در ابتدا کُند پیش می‌رفت. به این سرنخ واقعی در «مخاطره!» توجه کنید: «در سال 1984، نوه‌اش بر دخترش پیشی گرفت و نخست‌وزیر شد». یک آدم به سرعت می‌فهمد که این سرنخ به پدرسالارِ خاندانی سیاسی اشاره دارد، و با قدری شانس، ممکن است بپرسد: «نِهرو کیست؟»، ولی برای یک رایانه، این جمله دقیقاً باتلاق است. آیا دنبال یک نام می‌گردد؟ اگر بله، آیا نام نوه است یا دختر یا نخست‌وزیر؟ یا سؤال دربارۀ جغرافیاست؟ یا تاریخ؟
در واتسون (که اساساً مجموعه‌ای از هسته‌های پردازشگر است) می‌توان تمام اطلاعات ویکی‌پدیا را بارگذاری کرد. ولی حتی برای شروع جستجو در این پایگاه‌دادۀ عظیم، واتسون می‌بایست یک دو جین الگوریتم پیچیده را اجرا می‌کرد که برنامه‌نویسانش آن‌ها را «مجموعۀ تجزیه و تحلیل معنایی» نامیده بودند. این فرآیند صد‌ها «فرضیۀ» قابل بررسی تولید می‌کرد.
پس از یک سؤال، چندین و چند مشکل واتسون حل می‌شد، اما مشکل اساسی باقی می‌ماند. چند ساعت طول می‌کشید تا واتسون پاسخ‌هایی را تولید کند که جنینگز در یک آن می‌یافت.
یک سال شد دو سال و بعد سه سال. سخت‌افزار واتسون به‌روز شد. این سامانه با بهره‌مندی از الگوریتم‌هایی که به آن امکان می‌داد از خطاهایش درس بگیرد، در تجزیۀ پرسش‌ها و قضاوت دربارۀ کیفیت پاسخ‌های نهایی خُبره‌تر شده بود. در سال 2009، آی. بی. ام آزمون ماشین در برابر شرکت‌کنندگان سابق «مخاطره!» را آغاز کرد که رتبه‌ای پایین‌تر از جنینگز داشتند.
واتسون برخی را شکست داد، به برخی باخت، و هرازگاهی مایۀ خجالت خالقانش شد. در یک دور بازی، در پاسخ به سؤالی دربارۀ ادبیات قرن نوزدهم بریتانیا، رایانه پت‌شاپ‌بویز (گروه پاپ دونفرۀ دهۀ 1980) را پیشنهاد داد در حالی که پاسخ الیور توئیست بود. در یک دور دیگر، در دستۀ «فقط بگو نه»، واتسون «کردن چیست؟» را پیشنهاد داد در حالی که پاسخ درست «نُچ چیست؟» بود.
آی. بی. ام برای واتسون آرزو‌هایی ورای برنامه‌های پرسش‌وپاسخ در سر داشت. رایانه‌ای که می‌توانست با آشفتگی و پیچیدگی انگلیسی کنار بیاید، می‌توانست دنیای فناوری را متحول کند؛ رایانه‌ای که می‌توانست در فرآیند کارش عملکرد خود را بهبود ببخشد، می‌توانست تقریباً از پس هر چیز دیگر برآید. شرکت‌هایی مانند گوگل، مایکروسافت و آمازون برای سلطه بر حوزۀ ماشین‌های هوشمند رقیب آی. بی. ام بودند، و همچنان هستند. برای شرکت‌های درگیر ماجرا، پای میلیارد‌ها دلار در میان بود، و همین دربارۀ مابقی ما هم صادق است. مگر شرکتی هست که بخواهد یک گونۀ زندۀ کربن‌پایۀ آشفته و پیچیده را استخدام کند در حالی که یک اصلاح ریز نرم‌افزاری می‌تواند به همان خوبی از پس کار برآید؟
کن جنینگز، یا به یک تعبیر اولین کسی که واتسون از کار بیکار کرد، هنگامی که آن دو از قضای روزگار رودررو شدند، نتوانست جلوی وسوسۀ طعنه‌زدن به واتسون را بگیرد. در ژانویۀ 2011، جنینگز و یک قهرمان سابق دیگر به نام برد راتر مسابقه‌ای دومرحله‌ای با رایانه دادند که در یک روز ضبط شد. کار که به مرحلۀ نهاییِ «مخاطرۀ نهایی» رسید، آدم‌ها آن‌قدر عقب مانده بودند که از همه جهت کارشان تمام بود. هر سه مسابقه‌دهنده به پاسخ درست آن سرنخ رسیدند: یک اثر جغرافیایی گمنام که الهام‌بخش رمان‌نویسی قرن‌نوزدهمی بود. جنینگز زیر پاسخش («برام استوکر کیست؟») یک پیغام اضافه کرد: «من به نوبۀ خودم به اربابان رایانه‌ای جدید خوشامد می‌گویم».
چقدر طول می‌کشد تا یک رایانه شما را هم از کار بیکار کند؟ این پرسش سوژۀ تعدادی کتاب جدید بوده است که عناوینشان انگار نسخه‌های متنوع یک مضمون واحدند: صنایع آینده 4، آیندۀ حرفه‌ها 5، ابداع آینده 6. مؤلفان این آثار در حوزه‌های متفاوتی مشغول کارند (حقوق، مالیه، نظریۀ سیاسی)، ولی همگی به نتیجه‌ای کمابیش مشابه رسیده‌اند. چقدر طول می‌کشد؟ خیلی طول نمی‌کشد.
«آیا فرد دیگری با مطالعۀ سوابق تفصیلی هرکاری که شما در گذشته انجام داده‌اید، می‌تواند یاد بگیرد که کار شما را بکند؟» این سؤال را مارتین فورد، طراح نرم‌افزار، در اوایل کتاب اوج‌گیری روبات‌ها: فناوری و تهدید یک آیندۀ بی‌شغل 7 می‌پرسد و ادامه می‌دهد: «یا آیا یک نفر می‌تواند با تکرار کار‌هایی که شما تا الآن به سرانجام رسانده‌اید خُبرۀ کار شود، شبیه دانشجویی که آزمون‌های آزمایشی می‌دهد تا برای امتحان آماده شود؟ اگر جواب مثبت است، پس به احتمال زیاد روزی هم می‌رسد که یک الگوریتم بتواند یاد بگیرد بخش عمده یا همۀ کار شما را انجام بدهد».
فورد کمی بعد می‌نویسد: «رایانه برای اینکه جای کار شما را بگیرد، لازم نیست کل طیف قابلیت‌های فکری‌تان را کُپی کند؛ فقط باید آن چیز‌های خاصی را انجام دهد که شما برای انجامشان پول می‌گیرید». او به یک مطالعۀ محققان آکسفورد در سال 2013 اشاره می‌کند که نتیجه گرفته بود تقریباً نیمی از کل شغل‌های ایالات متحده «بالقوه قابل خودکارسازی»، آن هم شاید ظرف «یکی دو دهه»، هستند. (آن مطالعه می‌گفت که «حتی کار مهندسان نرم‌افزار هم شاید به زودی تا حد زیادی قابل رایانه‌ای‌شدن شود»).
البته «تهدیدِ آینده‌ای بدونِ شغل» تهدیدی قدیمی است که قدمتش تقریباً به قدر پدیدۀ فناوری است. اولین ماشین بافندگی ابتدایی، موسوم به «شاسیِ جوراب‌بافی»، را در اواخر قرن هجدهم، یک روحانی به نام ویلیام لی ابداع کرد. او که می‌خواست امتیاز نوآوری‌اش را بگیرد، کارکرد ماشین را به ملکه الیزابت اول نشان داد. ملکه که نگران بود کارگران دستباف بیکار شوند، تقاضای او را نپذیرفت.
در اوایل قرن نوزدهم، یک نسخۀ استادانه‌تر از شاسیِ جوراب‌بافی، آماج خشم لودیت‌ها قرار گرفت؛ در شهر‌هایی مانند لیورسج و میدلتون در شمال انگلستان، کارخانه‌های نساجی غارت شدند. پارلمان در واکنش به این اتفاقات، حکم اعدام برای جرم «شاسی‌شکنی» وضع کرد و ورود ماشین‌ها به صنعت ادامه یافت. هر فناوری جدیدی، جای طبقۀ جدیدی از کارگران را گرفته است: اول بافندگان، بعد کشاورزان، سپس ماشین‌کارها. دنیایی که امروزه می‌شناسیم، محصول این موج‌های متوالی جانشینی است، و همچنین محصول جنبش‌های اجتماعی و هنری‌ای که از آن جانشینی‌ها الهام گرفته‌اند: رمانتیسم، ترقی‌خواهی، کمونیسم.
در این میانه، اقتصاد جهانی به رشد خود ادامه داد که علت اصلی‌اش همین ماشین‌های جدید بودند. یک شغل که محو می‌شد، شغل دیگری به وجود می‌آمد. اشتغال از مزارع و کارخانه‌ها به کارگاه‌ها و دفاتر، و بعد به اتاقک‌های شخصی در دفاتر و مراکز تماس تلفنی انتقال پیدا کرد.
تاریخ اقتصادی حاکی از آن است که این روند اساسی ادامه خواهد یافت: واتسون و تبارش شغل‌هایی را حذف کرده‌اند که جایشان را شغل‌های خلق‌شده در بنگاه‌های کارآفرینی می‌گیرند که هنوز تصور درست و درمانی از آن‌ها نداریم؛ اما در این میانه، رنج فراوانی هم تحمل خواهد شد. اگر تقریباً نیمی از شغل‌های ایالات متحده «بالقوه قابل خودکارسازی» هستند، و اگر این اتفاق بتواند ظرف «یکی دو دهه» بیافتد، با یک انقطاع اقتصادی در مقیاسی بی‌سابقه مواجهیم. تصور کنید کل دورۀ انقلاب صنعتی فشرده شده تا در حد عمر یک سگ شکاری شود؛ و تازه همۀ این‌ها با فرض آن است که تاریخ تکرار شود. اگر نشود چطور؟ اگر شغل‌های آینده هم بالقوه قابل خودکارسازی باشند، چطور؟
فورد می‌گوید: «هر وقت بحث فناوری می‌شود، همیشه می‌گویند این بار فرق دارد. بالاخره نوآوری هم دنبال همین است».
جری کاپلن دانشمندی رایانه‌شناس و کارآفرین است که در استنفورد تدریس می‌کند. او در کتاب آدم‌ها تقاضای کار ندهند: راهنمای ثروت و کار در عصر هوش مصنوعی 8 می‌گوید که چیدمان اکثر محل‌های کار متناسب با شیوۀ فکر آدم‌هاست. در انباری که پرسنلش آدم‌ها هستند، اقلام مشابه نزدیک یکدیگر گذاشته می‌شوند (چوب گردگیر کنار جارو کنار خاک‌انداز)، لذا متصدیان انبار به راحتی می‌توانند محلشان را به یاد بیاورند. رایانه‌ها نیاز به این ابزار‌های کمکی حافظه ندارند؛ آن‌ها به گونه‌ای برنامه‌نویسی شده‌اند که بدانند هر چیز کجاست؛ لذا نظم انباری که برای روبات‌های کارگر سامان‌دهی می‌شود، منطبق با اصولی کاملاً متفاوت است، مثلاً چوب گردگیر کنار تفنگ چسب قرار می‌گیرد، چون اغلب این دو با هم سفارش داده می‌شوند.
کاپلن می‌نویسد: «اکثر افراد وقتی به خودکارسازی فکر می‌کنند، معمولاً فقط جایگزینی سادۀ نیروی‌کار یا بهبود سرعت یا بهره‌وری کارگران را در نظر دارند، نه آن انقطاع گسترده‌تری که مهندسیِ دوبارۀ فرآیند‌ها رقم می‌زند». مهندسی دوبارۀ فرآیند‌ها یعنی هرقدر هم کسب‌وکار انبار گسترش پیدا کند، قرار نیست آدم‌های بیشتری استخدام کند، چون فقط دست‌وپاگیر می‌شوند.
شایان ذکر است که در سال 2012، آمازون یک شرکت روباتیک به نام کیوا را به هفتصدوپنجاه میلیون دلار خرید. روبات‌های وزنه‌بردار نارنجی‌رنگ این شرکت شکل مایکروفر‌های بداخلاق‌اند. آن‌ها روی زمین به سرعت جابجا می‌شوند و در مسیر خود کل اقلام یک قفسه را می‌آورند و می‌برند. آمازون اکنون حداقل سی‌هزارتا از این روبات‌ها را در مراکز اجرایی خود به کار گرفته است. جف بزوس، رییس آمازون، اخیراً در صحبت‌هایش از موج بعدی خودکارسازی گفت: «احتمالاً هرقدر هم دربارۀ عظمت تأثیری بگوییم که ظرف بیست سال آینده بر جامعه‌مان خواهد گذاشت، اغراق نکرده‌ایم».
همین اواخر، تیمی از محققان در دانشگاه برکلی شروع به طراحی روباتی کردند که می‌توانست حوله‌ها را تا کند. روباتی که ساختند بسیار شبیه رُزی بود، همان روبات خدمتکار سریال جتسونز، البته منهای کلاه سفید آهارکشیده‌اش. دو دوربین روی «سر» آن و دو دوربین دیگر بین بازوهایش نصب شده بود. هر بازو می‌توانست به بالا و پایین و به دو طرف بچرخد، و به یک «گیره» شبیه گازانبر هم مجهز بود که آن هم مثل بازو‌ها می‌چرخید.
این روبات قرار بود حوله‌های رها شده را به یک دسته حولۀ تاشده تبدیل کند. روبات زود یاد گرفت که چگونه حوله را بگیرد، اما یافتن گوشه‌های حوله برایش خیلی دشوارتر بود. وقتی محققان این روبات را با یک دسته حوله‌های مناسب آزمودند، نتیجۀ کار از منظر کاربردی فاجعه بود. به طور متوسط 24.5 دقیقه طول می‌کشید تا روبات یک حوله را تا کند، یا به عبارتی منظم کردن یک دستۀ 25 تایی از حوله‌ها 10 ساعت طول می‌کشید.
علی‌رغم باهوش‌تر شدن روبات‌ها، برخی وظایف همچنان آن‌ها را سردرگم می‌کند. اریک برینجولفسن و اندرو مک‌افی، محققان دانشگاه ام. آی. تی، در کتاب عصر دوم ماشین: کار، پیشرفت و رونق در زمانۀ فناوری‌های مستعد 9، چنین تعبیری دارند: «در حال حاضر، ماشین‌ها در بالا رفتن از پله‌ها، برداشتن یک تکه‌کاغذ از کف زمین، یا فهم اشاره‌های عاطفی یک مشتری سرخورده چندان خوب عمل نمی‌کنند».
چون ما دنیا را با چشمان انسانی می‌بینیم و با دست‌های انسانی حس می‌کنیم، درک ناکامی‌های روبات‌ها برایمان دشوار است. اما بنا به ادعای برینجولفسن و مک‌افی، این تلاش ارزشش را دارد، چون ماشین‌ها و نقاط ضعفشان نکات زیادی را دربارۀ وضعیت اقتصادی فعلی‌مان تبیین می‌کنند.
یک ماتریس با دو محور را در نظر بگیرید: یک محور با دو سر کار‌های دستی یا شناختی، و یک محور با دو سر کار‌های روتین یا غیرروتین. شغل‌ها را می‌توان در چهار ناحیه قرار داد: دستی روتین، دستی غیرروتین، و... (دو نفر از همکاران برینجولفسن و مک‌افی در ام. آی. تی، دارن عاصم‌اوغلو و دیوید اوتور، نسخۀ صوری این تحلیل را در سال 2010 انجام دادند). شغل‌های خط مونتاژ در ناحیۀ دستی-روتین قرار می‌گیرند، و شغل‌های حوزۀ مراقبت‌های بهداشت و سلامت خانگی در حوزۀ دستی-غیرروتین. پیگیری موجودی کالا‌ها در ناحیۀ شناختی-روتین قرار می‌گیرد، و خیال‌پردازی دربارۀ یک کارزار تبلیغاتی در ناحیۀ شناختی-غیرروتین.
بالاترین دستمزد‌ها به شغل‌های ناحیۀ آخر پرداخت می‌شوند: مدیریت صندوق پوشش ریسک، پیگیری قانونی ورشکستگی و تولید یک برنامۀ تلویزیونی، همگی شناختی و غیرروتین هستند. در همین حال، شغل‌های دستی-غیرروتین معمولاً کمترین دستمزد را دارند: خالی‌کردن لگن بیمار، نظافت میزها، تمیزکردن اتاق‌های هتل (و تا کردن حوله‌ها). شغل‌های روتین در کارگاه کارخانه یا اداره‌های حقوق یا حساب‌داری معمولاً مابین این دو هستند؛ و همین‌ها شغل‌هایی‌اند که ساده‌تر از همه به چنگ روبات‌ها می‌افتند.
در کارزار انتخابات ریاست‌جمهوری اخیر، حرف‌های زیادی (عموماً انتقادی) دربارۀ توافقات تجاری مانند نفتا (قرارداد تجارت آزاد آمریکای شمالی) و تی. پی. پی (پیمان تجاری اقیانوس آرام) زده شد. استدلالی که هر دوی برنی سندرز و دونالد ترامپ می‌آوردند آن بود که این توافقات به ضرر کارگران طبقه‌متوسط است، چون شرکت‌ها را تشویق می‌کند که شغل‌هایشان را به کشور‌هایی مانند چین و مکزیک منتقل کنند که دستمزد‌ها در آنجا پایین‌تر است.
ترامپ عهد بسته است که دربارۀ مفاد نفتا دوباره مذاکره کند و از تی. پی. پی بیرون بیاید، و تهدید کرده است که برای کالا‌های ساخته‌شده توسط شرکت‌های آمریکایی در خارج هم تعرفه وضع کند. او اعلام کرده است: «در ریاست‌جمهوری ترامپ، کارگر آمریکایی بالاخره رییس‌جمهوری خواهد داشت که از او حفاظت خواهد کرد و برای او خواهد جنگید».
به روایت برینجولفسن و مک‌افی، این حرف‌ها از نکتۀ اصلی غافل‌اند: پاره‌کردن توافقات تجاری برای حفظ شغل‌ها مثل آن است که به زخمِ سرْ زالو بیاندازید. خودکارسازی صنایع چین هم اگر سریع‌تر از صنایع ایالات متحده پیش نرود، حداقل همان سرعت را دارد. فاکس‌کان، بزرگ‌ترین شرکت تولید سفارشی قطعات الکترونیک دنیا که با کارخانه‌هایی اندازۀ یک شهر و شرایط نامساعد کاری‌اش مشهور شده است، قصد دارد با خودکارسازی تا سال 2020 یک‌سوم موقعیت‌های شغلی خود را حذف کند. روزنامۀ ساوث‌چاینا مورنینگ‌پست اخیراً گزارش داد که به لطف سرمایه‌گذاری سنگین روی روبات‌ها، این شرکت هم‌اکنون موفق شده است نیروی‌کار خود در کارخانه‌اش در کونشان (نزدیک شانگهای) را از 110 هزار نفر به 50 هزار نفر کاهش بدهد. یکی از مسئولان کونشان به این روزنامه گفت: «احتمالاً شرکت‌های بیشتری نیز همین مسیر را پیش می‌گیرند».
برینجولفسن و مک‌افی می‌نویسند: «اگر به نوع کار‌هایی نگاه کنید که در بیست سال اخیر به کشور‌های دیگر برون‌سپاری شده‌اند، می‌بینید که معمولاً روتین هستند. این‌ها دقیقاً همان شغل‌هایی‌اند که خودکارسازی‌شان ساده‌تر از بقیه است». آن‌ها استدلال می‌کنند که برون‌سپاری فرامرزی غالباً نوعی «ایستگاه بین‌راهی» در مسیر حذف کامل آن شغل‌هاست.
فورد در اوج‌گیری روبات‌ها این استدلال را یک گام پیش‌تر می‌برد. او اشاره می‌کند که یک «روند معنادار بازگردانی» در جریان است. بازگردانی، هزینه‌های حمل‌ونقل و زمان لازم برای رساندن طرح‌های جدید به بازار را کاهش می‌دهد. اما فایده‌ای به حال اشتغال ندارد، چون عملیات‌هایی که به ایالات متحده بازگردانده می‌شوند عمدتاً خودکار شده‌اند. همین نیز دلیل اصلی شکل‌گیری روند بازگردانی است: وقتی از دست مزدبگیر‌ها خلاص شوید، دیگر دغدغۀ دستمزد ندارید. فورد یک کارخانه در گفنی (کارولینای جنوبی) را مثال می‌زند که با کمتر از 150 کارگر هر هفته 1.13 میلیون کیلوگرم نخ بافندگی تولید می‌کند. یک گزارش در نیویورک‌تایمز دربارۀ این کارخانۀ گفنی، چنین عنوانی داشت: «کارخانه‌های نساجی آمریکایی برمی‌گردند، اما بخش تولید آن‌ها تقریباً خالی از آدم است».
تا همین بیست سال پیش گوگل وجود نداشت، و تا همین سی سال پیش نمی‌توانست به وجود بیاید، چون وب وجود نداشت. در خاتمۀ فصل سوم سال 2016، گوگل حدوداً 550 میلیارد دلار می‌ارزید و مابین شرکت‌های سهامی عام، رتبۀ دوم را از لحاظ ارزش بازار داشت. (رتبۀ اول متعلق به اپل بود).
گوگل یک مثال واضح از این است که فناوری‌های جدید چگونه فرصت‌های جدید خلق می‌کنند. دو دانشجوی علوم رایانه در استنفورد به دنبال یک پروژۀ پژوهشی می‌روند، و نتیجۀ کارشان ظرف دو دهه بیشتر از تولید ناخالص داخلی کشوری مثل نروژ یا اتریش می‌ارزد. اما در عین حال گوگل نشان می‌دهد که در عصر خودکارسازی، چگونه می‌توان ثروت خلق کرد بدون آنکه شغل‌های جدید ساخت. گوگل حدود 60 هزار کارمند دارد. جنرال‌موتورز که ارزش بازار آن یک‌دهم گوگل است، 250 هزار کارمند دارد. تازه این هم جنرال‌موتورزِ پس از ساخت واتسون‌هاست. در اواخر دهۀ 1970، تعداد کارگران این خودروساز بیش از 800 هزار نفر بود.
اینکه فناوری چقدر در گسترش شکاف درآمد در ایالات متحده نقش داشته است، محل بحث است. برخی از اقتصاددانان آن را یک عامل در میان سایر عوامل می‌دانند، ولی برخی دیگر آن را عاملی تعیین‌کننده می‌شمارند. به‌هرحال، این مسیر نامیمون است. فیس‌بوک 270 میلیارد دلار می‌ارزد و فقط 13 هزار کارمند دارد. در سال 2014، فیس‌بوک واتس‌اپ را به قیمت 22 میلیارد دلار خرید. در آن بُرهه، کل تعداد کارکنانِ این شرکت پیامرسان 55 نفر بود. در زمانه‌ای که یک شرکت 22 میلیارد دلاری می‌تواند کل کارکنانش را سوار یک اتوبوس دوطبقه کند، مفهوم نیروی‌کار مازاد به آخر خط رسیده است.
فورد نگران است که ما به سوی دورۀ «فئودالیسم فناورانه» می‌رویم. از نظر او، نسخه‌ای از حکومت اشراف ساخته می‌شود که «در اجتماع‌های دربسته یا شهر‌های سرآمد، شاید با روبات‌ها و پهپاد‌های نظامی خودمختار» از بقیه مجزا شده است. در فئودالیسم سابق، رعایا استثمار می‌شدند؛ در این ترتیبات جدید، آن‌ها زائد شده‌اند. به نظر او، بهترین گزینۀ امیدبخش، شکلی از شبه‌بازنشستگی دسته‌جمعی است. او توصیه می‌کند نوعی درآمد پایۀ تضمینی برای همه تعیین شود و هزینۀ آن از مالیات‌هایی تأمین شود که حداقل بخشی از آن از فوق‌ثروتمندان گرفته می‌شود.
تقریباً هرکسی که در این باره می‌نویسد، کمابیش همین دیدگاه را دارد. جری کاپلن پیشنهاد می‌دهد که حکومت فدرال یک حساب شبه‌بازنشستگی برای همۀ ده‌ساله‌های آمریکایی بسازد. آن‌هایی که بالاخره شغلی پیدا کنند می‌توانند بخشی از درآمدشان را به این حساب واریز کنند؛ آن‌هایی هم که شغلی پیدا نکنند، می‌توانند در عوض اعانۀ حکومت، کار داوطلبانه بکنند. (اینکه داوطلبان چگونه زندگی‌شان را بگذرانند قدری نامشخص است. کاپلن تلویحاً می‌گوید که شاید آن‌ها بتوانند با سود سهامشان زندگی کنند.) برینجولفسن و مک‌افی ایدۀ مالیات بر درآمد منفی را ترجیح می‌دهند: این روش، یک معاش حداقلی در اختیار بیکاران می‌گذارد و آن‌هایی که کمتر از حد نیازشان کار پیدا می‌کنند هم پول نقدینگی اضافه می‌گیرند.
اما اگر تصور ممانعت از پیشروی ماشین‌های هوشمند غیرواقع‌بینانه است، احتمالاً تصور سیاست‌گذاری‌های هوشمندانه نیز همان‌قدر غیرواقع‌بینانه است؛ که دوباره بحث به ترامپ کشیده می‌شود. در میانۀ «دور پیروزی» در ایالت‌های منطقۀ میدوِست، رییس‌جمهور منتخب یک‌بار قول داد طلایه‌دار «یک انقلاب صنعتی جدید» شود، بی‌خبر از آنکه این انقلاب هم‌اکنون در جریان است و از قضا دقیقاً اصل مشکل است. آن درد جایگزینی شغل‌ها که او در کارزارش گفت، درست بود؛ ولی راه‌حل‌هایی که پیشنهاد می‌دهد درست نیستند. این را که این ماجرا‌ها به کجا ختم خواهند شد، هیچ‌کس با اطمینان نمی‌داند؛ هیچ‌کس، البته شاید به‌جز واتسون.
منبع: ترجمان
مترجم: محمد معماریان
پی‌نوشت‌ها:
• این مطلب را الیزابت کولبرت نوشته است و ابتدا در شمارۀ 16 تا 23 دسامبر 2016 مجلۀ نیویورکر به چاپ رسیده و سپس با عنوان «Our Automated Future» در وب‌سایت این مجله نیز بارگزاری شده است. وب‌سایت ترجمان در تاریخ 30 تیر 1397 آن را با عنوان «باید به اربابان رایانه‌ای جدید خوشامد بگوییم» و با ترجمۀ محمد معماریان منتشر کرده است.
•• الیزابت کولبرت (Elizabeth Kolbert) جستارنویس و روزنامه‌نگار مشهور آمریکایی است. کتاب انقراض ششم (The Sixth Extinction) او برندۀ جایزۀ پولیتزر در سال 2015 شد. ترجمان پیش از این نیز مطالبی را از کولبرت ترجمه کرده است، از جمله: «چرا فکت‌ها نظر ما را عوض نمی‌کنند؟»، «دانشمندی که نمی‌خواهد زمین به دوزخ تبدیل شود» و «روان‌شناسی نابرابری».
[1]یک سامانهٔ رایانه‌ای هوش مصنوعی قابل پاسخ به پرسش‌های مطرح شده در زبان طبیعی است که در پروژه DeepQA در شرکت آی. بی. ام توسعه یافته است [ویکی‌پدیا].
[2]Jeopardy
[3]Final Jeopardy
[4]The Industries of the Future
[5]The Future of the Professions
[6]Inventing the Future
[7]Rise of the Robots: Technology and the Threat of a. Jobless Future
[8]Humans Need Not Apply: A. Guide to Wealth and Work in the Age of Artificial Intelligence
[9]The Second Machine Age: Work, Progress, and Prosperity in a. Time of Brilliant Technologies
