سرمایهگذاری در علم و فناوری (S&T) همواره به عنوان کلید اصلی نوآوری در نظر گرفته شده است. اندیشمندانی مانند آدرچ و فلدمن (1996) و پاویت (1982) بر این باور بودهاند که افزایش هزینههای تحقیق و توسعه، به رشد نوآوری منجر میشود. اما واقعیت پیچیدهتر از این است. سیاستهای سنتی مبتنی بر سرمایهگذاری در علم و فناوری، به جای کاهش شکافها، غالبا به تمرکز بیشتر نوآوری در مناطقی که از قبل پیشرفته بودهاند، منجر شده است.
لومو و اگر (2019) در مطالعه خود نشان دادند که نوآوری به طور فزایندهای در تعداد محدودی از مراکز شهری با منابع انسانی و مالی قابلتوجه، متمرکز شده است. این تمرکز، به شکافی عمیق در توزیع نوآوری بین مناطق توسعهیافته و کمتر توسعهیافته منجر شده است. به عبارت دیگر، توزیع جغرافیایی نوآوری، نامتوازنتر از توزیع تقریبا همه شاخصهای اقتصادی دیگر مانند اشتغال، درآمد، سرمایهگذاری یا بهرهوری است.
آغیون (Aghion) و همکاران (2019) استدلال میکنند شهرها و مناطقی که در مرز یا زیر مرز فناوری قرار دارند، به دلیل کمبود سرمایه انسانی و منابع مالی، در تلاش برای رسیدن به سطح نوآوری همتایان پیشرفته خود هستند. این چالش، حتی با وجود سرمایهگذاریهای کلان در علم و فناوری، همچنان پابرجاست.
چین پیشگام در استفاده از هوش مصنوعی و روباتیک برای توسعه متوازن
در مواجهه با این چالش، چین استراتژی جسورانهای را در پیش گرفته است. این کشور، با هدف تبدیل شدن به رهبر جهانی هوش مصنوعی تا سال 2025، به سمت استفاده گسترده از هوش مصنوعی و روباتیک حرکت کرده است. چیوکا و بیانکوتی (2018) در گزارش خود، این هدفگذاری را نشانهای از عزم جدی چین برای تغییر در پارادایم نوآوری میدانند.
جذب استعدادها؛ کلید موفقیت چین
یکی از اقدامات کلیدی چین، راهاندازی کمپین ملی جذب استعدادهای هوش مصنوعی بود. زنگ (2021) در مطالعه خود، تاثیر چشمگیر این کمپین را نشان میدهد. تا سال 2017، اروپا بیش از دو برابر چین متخصص هوش مصنوعی داشت. اما طی تنها پنجسال، از 2015 تا 2020، نفوذ مهارتهای هوش مصنوعی در چین به 1.4برابر میانگین جهانی رسید و این کشور را پس از هند و آمریکا در رتبه سوم جهانی قرار داد.
لوندوال و ریکاپ (2022) این تغییر را نهتنها کمّی، بلکه کیفی نیز میدانند. آنها استدلال میکنند که چین نهتنها تعداد متخصصان را افزایش داده، بلکه با جذب استعدادهای برتر و ایجاد محیطی پویا برای نوآوری، کیفیت پژوهشها را نیز ارتقا داده است.
روباتیک صنعتی؛ موتور محرکه تحول صنعتی
همزمان با پیشرفت در هوش مصنوعی، چین سرمایهگذاری گستردهای در روباتیک صنعتی داشته است. لیو و همکاران (2020) روباتیک را استفاده از ماشینهای قابل برنامهریزی برای انجام وظایف تعریف میکنند. از سال 2013، تعداد روباتهای صنعتی در چین به طور مداوم افزایش یافته است.
آسملو و رستریپو (2020) استدلال میکنند که روباتیک میتواند بهرهوری، رشد اقتصادی و نوآوری را به طور قابلتوجهی افزایش دهد. اما سوال اصلی این است: آیا این فناوریها میتوانند به کاهش شکاف نوآوری نیز کمک کنند؟
جغرافیای متنوع هوش مصنوعی و روباتیک در چین
یکی از نوآوریهای کلیدی در استراتژی چین، رویکرد غیرمتمرکز به توسعه هوش مصنوعی و روباتیک است. برخلاف سیاستهای سنتی نوآوری که به تمرکز شدید در شرق چین، بهویژه در شهرهایی مانند شانگهای، گوانگژو و پکن منجر شده بود (لی، 2009)، استراتژی جدید، تنوع جغرافیایی بیشتری را تشویق میکند.
هوش مصنوعی؛ فراتر از مراکز سنتی
زنگ (2021) توضیح میدهد که دولت مرکزی چین به دولتهای محلی اجازه داده است تا استراتژیهای توسعه هوش مصنوعی را با شرایط و ظرفیتهای بومی تطبیق دهند. این رویکرد، موجب گسترش هوش مصنوعی فراتر از مراکز سنتی نوآوری شده است. نگاهی به نقشه هوش مصنوعی در چین در شکل نشان میدهد که گرچه مناطقی مانند دلتای رودخانه مروارید و دلتای رودخانه یانگتسه همچنان پیشرو هستند، اما استانهای داخلی نیز رشد قابلتوجهی داشتهاند. این الگو نشان میدهد که با سیاستهای مناسب، حتی مناطق کمتر توسعهیافته نیز میتوانند در فناوریهای پیشرفته پیشرفت کنند.
صنعتی شدن فراگیر
الگوی مشابهی در مورد روباتیک صنعتی نیز دیده میشود. نقشه تراکم روباتهای صنعتی نشان میدهد که علاوه بر مراکز صنعتی سنتی، استانهایی مانند هنان، شاندونگ، فوجیان، هبی و آنهویی نیز شاهد افزایش چشمگیر در استفاده از روباتها بودهاند. این گسترش جغرافیایی، نشاندهنده پتانسیل هوش مصنوعی و روباتیک در ایجاد یک مدل توسعه صنعتی فراگیرتر است. بهجای تمرکز صرف بر مناطقی که از قبل پیشرفته هستند، این فناوریها میتوانند به توزیع متوازنتر فرصتهای اقتصادی و نوآوری کمک کنند.
افزایش ثبت اختراعات
یکی از یافتههای کلیدی این است که سرمایهگذاری در هوش مصنوعی و تراکم بالای روباتهای صنعتی، به طور مستقیم با افزایش نوآوری فناورانه که با شدت ثبت اختراع سنجیده میشود، ارتباط دارد. به عبارت سادهتر، شهرهایی که بیشتر در هوش مصنوعی سرمایهگذاری کردهاند و روباتهای بیشتری دارند، تعداد بیشتری اختراع ثبت میکنند. این یافته با نظریات آسملو و رستریپو (2020) همخوانی دارد. آنها استدلال میکنند که روباتیک و هوش مصنوعی نهتنها فعالیتهای تکراری را خودکار میکنند، بلکه با آزاد کردن منابع انسانی برای فعالیتهای خلاقانهتر، به نوآوری کمک میکنند.
مزایای نسبی برای شهرهای عقبمانده
اما نکته جالبتر این است که تاثیر هوش مصنوعی و روباتیک در شهرهای کمتر توسعهیافته، بیشتر است. این یافته، شاید مهمترین دستاورد این پژوهش باشد؛ به این معنی که یک واحد سرمایهگذاری در هوش مصنوعی یا یک واحد افزایش در تراکم روباتها در یک شهر کمتر توسعهیافته، نسبت به همان سرمایهگذاری در یک شهر پیشرو، افزایش بیشتری در نوآوری ایجاد میکند. این پدیده را میتوان با مفهوم «مزیت عقبماندگی» توضیح داد. آغیون و همکاران (2019) استدلال میکنند که مناطق عقبمانده میتوانند با جهش فناورانه، مراحل توسعه را سریعتر طی کنند. هوش مصنوعی و روباتیک، دقیقا چنین جهشی را ممکن میسازند. این فناوریها به شهرهای کمتر توسعهیافته اجازه میدهند تا بدون طی کردن تمام مراحل صنعتی شدن سنتی، مستقیما وارد عصر صنعت هوشمند شوند.
تقویت بازده سرمایهگذاری در علم و فناوری
یافته دیگر این پژوهش، تاثیر «تعدیلکننده» هوش مصنوعی و روباتیک بر رابطه بین سرمایهگذاری در علم و فناوری (S&T) و نوآوری است. به عبارت ساده، در شهرهایی که سطح بالاتری از هوش مصنوعی و روباتیک دارند، هر یوآن سرمایهگذاریشده در S&T، نوآوری بیشتری ایجاد میکند. این یافته، چالشهای مطرحشده توسط آدرچ و فلدمن (1996) را به نوعی پاسخ میدهد. آنها نشان داده بودند که سرمایهگذاری در S&T لزوما به نوآوری در همه مناطق منجر نمیشود. اما با حضور هوش مصنوعی و روباتیک، این معادله تغییر میکند. این فناوریها میتوانند به عنوان کاتالیزور عمل کرده و تبدیل دانش علمی به نوآوریهای کاربردی را تسریع کنند. جالبتر اینکه این اثر تقویتکننده در شهرهای کمتر نوآور، قویتر است. این امر به آن معناست که هوش مصنوعی و روباتیک، بهویژه در مناطقی که از نظر نوآوری عقبماندهاند، میتوانند بازده سرمایهگذاری در علم و فناوری را به طور چشمگیری افزایش دهند.
چرا هوش مصنوعی و روباتیک در چین جواب داده است؟
موفقیت چین در استفاده از هوش مصنوعی و روباتیک برای کاهش شکاف نوآوری، تصادفی نبوده است. چند عامل کلیدی در این موفقیت نقش داشتهاند: سازگاری با شرایط محلی؛ رویکرد غیرمتمرکز: زنگ (2021) نشان میدهد که رویکرد غیرمتمرکز چین به توسعه هوش مصنوعی، نقشی حیاتی داشته است. به جای یک برنامه یکسان برای همه، دولتهای محلی تشویق شدند تا استراتژیهای خود را با توجه به نیازها، ظرفیتها و مزیتهای نسبی منطقه خود تدوین کنند. این رویکرد با نظریههای توسعه اقتصادی منطقهای، مانند آنچه کروگمن (1991) مطرح کرده، همخوانی دارد. او استدلال میکند که موفقیت در توسعه، بهشدت به شناخت و تقویت مزیتهای نسبی محلی بستگی دارد. در مورد چین، این به معنای تطبیق استراتژیهای هوش مصنوعی با صنایع موجود، منابع انسانی و حتی فرهنگ کارآفرینی محلی بوده است. ارتقای مهارتهای جدید؛ قلبهای بزرگ در عصر هوش مصنوعی: ریچارد بالدوین (2019) در کتاب خود «مغز بزرگ، قلب بزرگ: هوش مصنوعی و آینده کار انسانی»، استدلالی جذاب مطرح میکند. او میگوید: «هوش مصنوعی به افراد با «قلبهای بزرگ» بیشتر از افراد با «سرهای بزرگ» فرصت میدهد.» منظور او این است که در عصر هوش مصنوعی، مهارتهای نرم مانند خلاقیت، همدلی، تفکر انتقادی و هوش هیجانی، ارزشمندتر از دانش تخصصی صرف میشوند. این دیدگاه، توضیح میدهد که چرا شهرهای کمتر توسعهیافته چین توانستهاند در عصر هوش مصنوعی موفق شوند. برخلاف دانش تخصصی که در مراکز دانشگاهی و تحقیقاتی متمرکز است، این مهارتهای نرم در همه جا یافت میشوند. برنامههای آموزشی در چین، با تاکید بر این مهارتها، به شهرهای کوچکتر کمک کردهاند تا در اقتصاد مبتنی بر هوش مصنوعی رقابت کنند.
تکمیل سرمایه انسانی محدود؛ روباتیک به عنوان راهحل: آسملو و رستریپو (2020) در مقاله خود «روباتیک و آینده کار و نوآوری»، استدلال میکنند که روباتیک میتواند کمبود سرمایه انسانی در مناطق کمتر توسعهیافته را جبران کند. روباتها نهتنها کارهای تکراری و خطرناک را انجام میدهند، بلکه با آزاد کردن نیروی انسانی برای وظایف خلاقانهتر، به نوآوری کمک میکنند. در چین، این امر بهویژه در استانهایی مانند هنان و شاندونگ مشهود است. این مناطق، بهرغم کمبود نیروی کار ماهر، با سرمایهگذاری در روباتیک توانستهاند در صنایعی مانند خودروسازی و الکترونیک پیشرفت کنند. روباتها در این مناطق نهتنها بهرهوری را افزایش دادهاند، بلکه با انجام کارهای دقیق و پیچیده، زمینه را برای نوآوریهای بیشتر فراهم کردهاند.
جذب سرمایهگذاری و استعداد؛ چرخه مثبت نوآوری: موفقیت در هوش مصنوعی و روباتیک، به نوبه خود، سرمایهگذاران و استعدادها را جذب میکند. فلوریدا (2002) در کتاب «ظهور طبقه خلاق» استدلال میکند که استعدادها به مکانهایی جذب میشوند که نوآوری در آنجا رونق دارد. در چین، شهرهایی که در هوش مصنوعی و روباتیک پیشرفت کردهاند، اکنون شاهد جذب سرمایهگذاریهای بیشتر و مهاجرت استعدادها هستند. این چرخه مثبت، بهتدریج زیرساختهای نوآوری را در این شهرها تقویت میکند. دانشگاهها برنامههای مرتبط با هوش مصنوعی را گسترش میدهند، استارتآپهای جدید شکل میگیرند و شرکتهای بزرگتر دفاتر تحقیق و توسعه خود را در این مناطق مستقر میکنند. این روند، همان چیزی است که اتزکوویتز و لیدسدورف (2000) در مدل «مارپیچ سهگانه نوآوری» توصیف کردهاند؛ تعامل پویا بین دانشگاه، صنعت و دولت که موجب نوآوری پایدار میشود.
تجربه چین نشان میدهد که هوش مصنوعی و روباتیک، فراتر از افزایش بهرهوری، میتوانند به عنوان ابزاری برای توسعه متوازن و فراگیر عمل کنند. این فناوریها نهتنها نوآوری را در همه شهرها ارتقا میدهند، بلکه به طور خاص به مناطق کمتر نوآور کمک میکنند تا شکاف را با پیشروها کاهش دهند. این یافتهها، درسهای مهمی برای سیاستگذاران در سراسر جهان دارند؛ این فناوریها نباید تنها به عنوان ابزارهای افزایش بهرهوری، بلکه باید به عنوان بخشی اساسی از سیاستهای کاهش نابرابریهای منطقهای دیده شوند. سیاستگذاران باید برنامههایی برای توسعه و اشاعه این فناوریها در سراسر کشور، با تمرکز ویژه بر مناطق کمتر توسعهیافته، تدوین کنند. تجربه چین نشان میدهد که اجازه دادن به دولتهای محلی برای تطبیق استراتژیهای فناوری با شرایط بومی، میتواند بسیار موثر باشد. این رویکرد به ایجاد چارچوبهای قانونی و مالی نیاز دارد که از خلاقیت و نوآوری محلی حمایت کند. در عصر هوش مصنوعی، مهارتهایی مانند خلاقیت، حل مساله و تفکر انتقادی اهمیت بیشتری مییابند. سیاستگذاران باید برنامههای آموزشی را بازنگری کنند تا این مهارتها از دبستان تا دانشگاه پرورش یابند. این امر بهویژه برای مناطق کمتر توسعهیافته مهم است؛ زیرا میتواند به آنها در رقابت در اقتصاد جدید کمک کند. از دیگر سو، سیاستگذاران باید مشوقهایی را برای سرمایهگذاری در روباتیک، بهویژه در مناطقی که با کمبود نیروی کار ماهر مواجه هستند، ایجاد کنند. این امر میتواند شامل معافیتهای مالیاتی، وامهای کمبهره یا برنامههای آموزشی برای کارگران باشد تا با روباتها کار کنند. دولتها باید در ایجاد محیطهایی که دانشگاه، صنعت و بخش عمومی را گرد هم میآورند، سرمایهگذاری کنند که میتواند شامل ایجاد پارکهای علم و فناوری، برگزاری رویدادهای نوآوری و تسهیل همکاریهای تحقیقاتی باشد. همچنین سیاستها باید به طور منظم ارزیابی شوند تا اثربخشی آنها در کاهش شکاف نوآوری مشخص شود. این ارزیابیها باید فراتر از شاخصهای کلان مانند تعداد اختراعات ثبتشده باشند و به تاثیر بر اشتغال، درآمد و کیفیت زندگی در مناطق کمتر توسعهیافته نیز بپردازند. سیاستگذاران باید آماده باشند تا براساس این ارزیابیها، استراتژیهای خود را اصلاح کنند.
جابهجایی شغلی و نابرابری درآمد
آسملو و رستریپو (2020) هشدار میدهند که گرچه روباتیک در بلندمدت میتواند به افزایش بهرهوری و ایجاد مشاغل جدید منجر شود، اما در کوتاهمدت ممکن است برخی مشاغل را جایگزین کند. این امر بهویژه در مناطق کمتر توسعهیافته که سرمایه انسانی محدودتری دارند، میتواند به افزایش نابرابری درآمدی منجر شود. برای مقابله با این چالش، سیاستگذاران باید برنامههای بازآموزی و ارتقای مهارت را در کنار سرمایهگذاری در روباتیک اجرا کنند. همچنین، سیاستهای حمایت اجتماعی مانند بیمه بیکاری و یارانههای آموزشی میتواند در دوره گذار، به کارگران آسیبدیده کمک کند.
دسترسی نابرابر به فناوری
لیو و همکاران (2020) اشاره میکنند که دسترسی به هوش مصنوعی و روباتیک میتواند نابرابر باشد. شرکتهای بزرگ و مناطق ثروتمندتر، توانایی بیشتری برای سرمایهگذاری در این فناوریها دارند. این میتواند به تداوم یا حتی تشدید نابرابریهای موجود منجر شود. برای حل این مشکل، دولتها باید برنامههایی برای یارانهدهی یا وامهای کمبهره به شرکتهای کوچک و متوسط در مناطق کمتر توسعهیافته برای دسترسی به هوش مصنوعی و روباتیک ایجاد کنند. همچنین، ایجاد مراکز اشتراک فناوری که شرکتها بتوانند به صورت مشترک از این فناوریها استفاده کنند، میتواند مفید باشد.
هوش مصنوعی و روباتیک؛ ابزارهایی برای توسعه
تجربه چین نشان میدهد که هوش مصنوعی و روباتیک میتوانند به عنوان پلی برای کاهش شکاف نوآوری بین مناطق توسعهیافته و کمتر توسعهیافته عمل کنند. این فناوریها نهتنها نوآوری را در همه جا تقویت میکنند، بلکه به طور خاص به مناطقی که از نظر فناوری عقبماندهاند، کمک بیشتری میرسانند. آنها همچنین بازده سرمایهگذاری در علم و فناوری را افزایش میدهند، بهویژه در مناطقی که تاکنون از این سرمایهگذاریها بهره کمتری بردهاند. اما این مسیر بدون چالش نیست. جابهجایی شغلی، نابرابری در دسترسی به فناوری، مسائل امنیتی و حریم خصوصی و خطر تعمیق شکاف دیجیتال، از جمله مواردی هستند که باید با دقت مدیریت شوند. سیاستگذاران باید رویکردی جامع اتخاذ کنند که نهتنها بر توسعه فناوری، بلکه بر توسعه انسانی، برابری و حقوق شهروندی نیز تمرکز دارد. در پایان میتوان گفت، تجربه چین درسی مهم برای جهان دارد؛ در عصر هوش مصنوعی و روباتیک، نوآوری این توان را دارد و باید فراگیر باشد. با سیاستهای هوشمندانه و انسانمحور، این فناوریها میتوانند به جای تعمیق شکافها، پلی برای توسعه متوازن و عادلانه باشند. آنها میتوانند به ما کمک کنند تا آیندهای بسازیم که در آن، نوآوری نه امتیازی برای تعداد معدودی از مناطق و افراد، بلکه موتور محرکه پیشرفت برای همه باشد.