اشتراک
پریسیلا چان (مرکز) هم‌بنیان‌گذار ابتکار چان زاکربرگ است که رویکردی بین‌رشته‌ای برای مقابله با بیماری‌ها اتخاذ کرده است. اعتبار عکس: مایک ویندل/گتی برای ونیتی فیر
پریسیلا چان (مرکز) هم‌بنیان‌گذار ابتکار چان زاکربرگ است که رویکردی بین‌رشته‌ای برای مقابله با بیماری‌ها اتخاذ کرده است. اعتبار عکس: مایک ویندل/گتی برای ونیتی فیر
علوم سیاست‌گذاری سلامت

چگونه موج جدید خیرین علمی می‌توانند بیشترین تأثیر را داشته باشند

در یک نگاه چکیدهٔ خودکار موتور هوش مصنوعی افق آبی

در سال‌های اخیر، برخی از ثروتمندترین افراد جهان با کمک‌های خیریه به دنبال رویکردهای نوین تأمین مالی پژوهش‌های علمی هستند و با عرضه اولیه سهام شرکت‌های بزرگ هوش مصنوعی مانند OpenAI و Anthropic، شمار این خیرین احتمالاً افزایش خواهد یافت. بسیاری از این اهداکنندگان با ذهنیت مهندسی، کمک‌های خود را بر راه‌حل‌های فناورانه متمرکز کرده و از پژوهش‌های پرریسک، بلندمدت و بین‌رشته‌ای، اشتراک‌گذاری داده‌ها و تسریع تصویب گرنت‌ها حمایت می‌کنند. با این حال، برخلاف نهادهای دولتی، خیریه‌ها ملزم به گزارش‌دهی شفاف درباره نتایج پروژه‌ها نیستند؛ در حالی که شفافیت در تأمین مالی علم جزئی جدایی‌ناپذیر از شفافیت خود علم است، زیرا پژوهش غیرشفاف را نمی‌توان راستی‌آزمایی یا توسعه داد. نمونه‌های خیریه علمی در چین، برزیل و آمریکا در حال گسترش است و خیرین می‌کوشند شکاف‌های تأمین مالی عمومی را پر کنند؛ اما علم خیریه‌ای همچنان بر زیربنای تأمین مالی دولتی متکی است و خیرین باید با بخش عمومی هماهنگ شوند و چارچوب‌های اخلاقی و ایمنی را رعایت کنند. تجربه بنیاد گیتس نشان می‌دهد که مسیر علم به نتیجه، طولانی و غیرقابل پیش‌بینی است. با کاهش بودجه عمومی پژوهش در بسیاری از کشورها، خیریه به منبع مهم‌تری تبدیل می‌شود، اما بدون شفافیت بیشتر درباره نتایج گرنت‌ها، نمی‌توان دانست کدام رویکردها موفق بوده‌اند. انگیزه مهندسی برای کارایی همراه با آزادی خیرین، نوید دیدگاه‌های تازه‌ای را می‌دهد و علم باز بهترین شرط برای تحقق اهداف عالی این پژوهش‌هاست.

برخی از ثروتمندترین افراد تاریخ از کمک‌های خیریه برای کاوش در رویکردهای نوین تأمین مالی پژوهش‌های علمی استفاده می‌کنند. شمار این افراد ممکن است به زودی افزایش یابد: در سال آینده یا حدوداً در این مدت، عرضه اولیه سهام برخی از بزرگ‌ترین شرکت‌های هوش مصنوعی، یعنی OpenAI و Anthropic، هر دو مستقر در سان‌فرانسیسکو، کالیفرنیا، می‌تواند ارزش این شرکت‌ها را به بیش از یک تریلیون دلار آمریکا برای هر کدام برساند و صدها نفر از کارکنان آن‌ها را در این فرآیند میلیونر کند.

بسیاری از خیرین جدید ذهنیت مهندسی را اتخاذ کرده و کمک‌های خود را بر رویکردهای فناورانه برای حل مشکلات اجتماعی متمرکز می‌کنند. همان‌طور که Nature در یک گزارش خبری ذکر می‌کند، آن‌ها همچنین ایده‌های زیادی درباره نحوه اولویت‌بندی، تأمین مالی و اجرای این پژوهش‌ها ارائه می‌دهند.

این اهداکنندگان از پژوهش‌های پرریسک، بلندمدت و بین‌رشته‌ای صحبت می‌کنند. اهداف آن‌ها شامل یافتن راه‌هایی برای سریع‌تر و کارآمدتر کردن پژوهش از طریق تشویق اشتراک‌گذاری داده‌ها و تسریع تصویب گرنت‌ها است، با راه‌حل‌هایی که شامل ادغام هوش مصنوعی در فرآیندها نیز می‌شود.

اما هنگام مقایسه نحوه عملکرد این تأمین‌کنندگان مالی و نهادهای بخش عمومی، نابرابری وجود دارد. مانند بسیاری از پژوهش‌هایی که در شرکت‌ها انجام می‌شود، نتایج پروژه‌های تأمین مالی شده توسط خیریه لزوماً منتشر نخواهد شد. سازمان‌های خصوصی همیشه موظف نیستند داده‌هایی درباره میزان موفقیت پروژه‌های خود جمع‌آوری و گزارش کنند — مثلاً با انتشار در مجلات داوری‌شده — یا جزئیات دیگر گرنت‌های خود را علنی کنند. در Nature، ما معتقدیم آن‌ها باید شفاف‌تر باشند. شفافیت در تأمین مالی علم جزء شفافیت در خود علم است: یک اصل غیرقابل مذاکره. پژوهشی که شفاف نباشد نمی‌تواند توسط دیگران راستی‌آزمایی یا توسعه داده شود؛ کسانی که ممکن است سپس آن را بهبود بخشند یا کاربردهای جدیدی برای آن بیابند.

نمونه‌های رو به افزایشی از خیریه علمی در سراسر جهان یافت می‌شود. در چین، کارآفرینان فناوری جوایزی مانند جایزه Xplorer برای پژوهشگران جوان را راه‌اندازی کرده‌اند که عمدتاً توسط شرکت Tencent در شنژن تأمین مالی می‌شود. بنیادهای خیریه جدیدی در حال ظهور هستند، از جمله بنیاد Xiaomi مستقر در پکن که از دانشگاه‌ها حمایت می‌کند و گرنت‌هایی به معلمان و پژوهشگران اعطا می‌کند. و در برزیل، مؤسسه Serrapilheira در ریودوژانیرو در سال ۲۰۱۷ توسط اهداکنندگان خصوصی برای تأمین مالی پژوهش‌های بنیادی، که معمولاً توسط دولت‌ها حمایت می‌شوند، تأسیس شد.

اما این در ایالات متحده است که خیرین یکی از طولانی‌ترین تاریخچه‌ها را در شکل دادن به جهت و ساختار فعالیت علمی دارند، از صنعتگران اوایل قرن بیستم تا کارآفرینان فناوری امروز.

در سال ۲۰۱۵، مارک زاکربرگ، بنیان‌گذار فیسبوک، و همسرش، پریسیلا چان، پزشک کودکان، تعهد کردند که ۹۹ درصد از سهام فیسبوک را که در آن زمان ارزش آن ۴۵ میلیارد دلار آمریکا بود، به ابتکار چان زاکربرگ اهدا کنند. یکی از جاه‌طموحی‌های این ابتکار، ساخت زیرساخت پژوهشی بین‌رشته‌ای برای امکان مطالعه زیست‌شناسی پیچیده و بردن پژوهش فراتر از مطالعه بیماری‌های منفرد است. تا سال ۲۰۲۵، بیل گیتس و ملیندا فرنچ گیتس نزدیک به ۶۴ میلیارد دلار از ثروت خود را به بنیاد گیتس (که قبلاً بنیاد بیل و ملیندا گیتس نام داشت) در سیاتل، واشینگتن، اهدا کرده بودند که بر پروژه‌هایی برای بهبود سلامت عمومی و کاهش فقر در حدود ۱۴۰ کشور تمرکز دارد.

این اهداکنندگان و جدیدترها مشتاق پر کردن برخی از شکاف‌های ادراک‌شده در پژوهش‌های با تأمین مالی عمومی هستند. برخی، مانند آن‌هایی که مؤسسه Arc در پالو آلتو، کالیفرنیا را تأمین مالی می‌کنند، طرح‌های تأمین مالی ایجاد کرده‌اند که به محققان اجازه می‌دهد در پاسخ به نتایج پژوهش، به سرعت مسیر خود را تغییر دهند — کاری که با گرنت‌های سنتی دشوار، اگر نه غیرممکن، است. دیگران، از جمله اریک اشمیت، مدیرعامل سابق گوگل، در فناوری‌هایی برای تسریع پژوهش سرمایه‌گذاری می‌کنند. مؤسسه Astera، که توسط جِد مک‌کالب، کارآفرین ارز دیجیتال، هم‌بنیان‌گذاری شده و در منطقه خلیج سان‌فرانسیسکو مستقر است، بر استفاده از هوش مصنوعی و توسعه زیرساخت برای مقابله با آنچه «ایده‌های نادیده گرفته‌شده‌ای که به خوبی توسط نهادهای موجود حمایت نمی‌شوند» توصیف می‌کند، تمرکز دارد.

بنیادهای خیریه همان الزامات گزارش‌دهی را که نهادهای تأمین مالی دولتی دارند، ندارند؛ نهادهایی که باید سرمایه‌گذاری‌ها و پیامدهای انتخاب‌های هزینه‌ای خود را به صورت عمومی مستند کنند. می‌توان استدلال کرد که آزادی از چنین الزاماتی رهایی‌بخش است. بدون ترس از احضار شدن پیش قانون‌گذاران برای توضیح ارزش پروژه‌های پژوهشی خاص، خیرین آزادند که با پول خود ماجراجوتر عمل کنند. آن‌ها می‌توانند در پروژه‌های بلندمدت و پرریسک سرمایه‌گذاری کنند. و با تعهدات بوروکراتیک کمتر، خیریه‌ها می‌توانند موقعیت بهتری برای چرخش سریع هنگام ظهور فناوری‌های جدید و پل زدن بر شکاف‌های رشته‌ای برای تشکیل تیم‌هایی با تخصص‌های متنوع داشته باشند.

با این حال، علم حمایت‌شده توسط خیریه همچنان بر پایه‌ای از تأمین مالی عمومی متکی است. علم و فناوری با تأمین مالی خصوصی بر یافته‌های منتشرشده استوار است که بسیاری از آن‌ها از طریق پژوهش‌های با تأمین مالی خزانه عمومی به دست آمده‌اند (M. Mazzucato و G. Semieniuk Oxford Rev. Econ. Policy 33, 24–48; 2017). اگر علم با تأمین مالی خصوصی بخواهد به جاه‌طموحی خود برای سود رساندن به جهان دست یابد، خیرین باید با بخش عمومی هماهنگ شوند و از آن حمایت کنند. دلایل عملی برای این کار وجود دارد. هر فناوری جدیدی که خیرین فناوری می‌خواهند به عموم مردم ارائه دهند، باید با چارچوب‌های اخلاقی و ایمنی موجود سازگار باشد.

خیرین همچنین باید در نظر داشته باشند که در علم، خط بین یک ایده و یک نتیجه به ندرت مستقیم یا قابل پیش‌بینی است. آن‌هایی که هنوز نسبتاً تازه وارد عرصه خیریه شده‌اند، خوب است که تجربیات بنیاد گیتس را مطالعه کنند. در سال ۲۰۰۳، این سازمان، در همکاری با پژوهشگران دانشگاهی، اعلام کرد که تا ۱۴ چالش بزرگ در سلامت جهانی را تأمین مالی خواهد کرد (H. Varmus et al. Science 302, 398–399; 2003). این مجموعه‌ای از اهداف جاه‌طلبانه برای بهره‌گیری از علم جهت بهبود سلامت عمومی بود، از توسعه واکسن‌هایی که نیاز به یخچال ندارند تا ایجاد درمان‌های جدید برای بیماری‌های عفونی. برخی از این کارها، مانند استفاده از ویرایش ژن در پشه‌ها برای کنترل مالاریا، در حال نتیجه دادن است. اما این زمان‌بر بوده است. ده سال پس از راه‌اندازی چالش‌ها، گیتس اذعان کرد که در مورد سرعت دستیابی به اهداف «تا حد زیادی ساده‌لوح» بوده است — درسی مفید برای جانشینان او.

در کشورهای سراسر جهان، تأمین مالی عمومی برای پژوهش‌های علمی در حال کاهش است یا در معرض خطر کاهش قرار دارد. این امر خیریه را به منبع مهم‌تری از تأمین مالی تبدیل می‌کند. اما بدون شفافیت بیشتر درباره نتایج اعطای گرنت‌های خیریه، هیچ راهی برای دانستن اینکه کدام رویکردها موفق بوده‌اند یا کدام‌یک ممکن است برای راهنمایی تأمین مالی آینده علم آموزنده باشد، وجود ندارد.

انگیزه مهندس برای کارایی و بهبود مداوم، همراه با آزادی خیر از قید و بند، وعده می‌دهد که دیدگاه‌های تازه‌ای به علم و نوآوری بیاورد. علم باز بهترین شرط برای اطمینان از این است که پژوهش‌های حاصل، به اهداف عالی خود دست یابند.

اشتراک:
این گزارش ترجمه و بازنویسی خبری با موتور هوش مصنوعی افق آبی است و برای خوانندهٔ فارسی‌زبان بازتنظیم شده. منبع اصلی: nature.com