قدرتمندترین افراد در ایالات متحده وسواس زیادی به خرج دادن پول بیشتر برای هوش مصنوعی (AI) دارند. رئیس جمهور دونالد ترامپ علاوه بر گرینلند و غزه، نشان داده است که خواستار سلطه کامل بر این فناوری است. ایلان ماسک OpenAI، یکی از بازیگران اصلی، را برای خود می‌خواهد. و سام آلتمن، مدیرعامل OpenAI، به دنبال هوش مصنوعی عمومی یا AGI است که تمام قابلیت‌های انسانی را تقلید می‌کند—و او تلاش می‌کند تا "سرمایه‌گذاری به طور تصاعدی افزایش یابد" تا به آن دست یابد.
حتی در حالی که یک آزمایشگاه مبهم چینی به نام DeepSeek، یک رویکرد مقرون به صرفه و کم مصرف برای توسعه هوش مصنوعی نشان داده است، صنعت فناوری ایالات متحده وضعیت کنونی را به عنوان لحظه اسپوتنیک خود در نظر گرفته است. آمریکایی‌ها تمام درس‌های اشتباه را گرفته‌اند: حتی بیشتر روی هوش مصنوعی سرمایه‌گذاری کنید؛ به فناوری چینی کمتر اعتماد کنید؛ و به قیاس‌هایی از صنعت زغال سنگ انگلیسی قرن نوزدهم بازگردید تا هزینه‌های غیرقابل توجیه به ظاهر قرن بیست و یکم در هوش مصنوعی را توجیه کنید.
بازیکنان اصلی، بدون توجه به این واقعیت که هوش مصنوعی بسیار خوب را می‌توان با کسری از هزینه‌های برنامه‌ریزی شده تولید کرد، با افزایش شرط‌بندی پاسخ داده‌اند. سال گذشته، CNBC تخمین زد که سرمایه‌گذاری‌های هوش مصنوعی به 230 میلیارد دلار رسید. امسال، فقط آمازون قصد دارد 100 میلیارد دلار برای زیرساخت‌های هوش مصنوعی هزینه کند، آلفابت 75 میلیارد دلار کمک خواهد کرد، قبض متا می‌تواند تا 65 میلیارد دلار افزایش یابد و مایکروسافت 80 میلیارد دلار برای مراکز داده هوش مصنوعی در سال مالی منتهی به ژوئن هزینه خواهد کرد و برای باقیمانده سال 2025 بیشتر خواهد شد. به اصطلاح شرکت‌های فناوری "هفت‌گانه باشکوه"اکنون بیشتر از کل بودجه دولت ایالات متحده برای تحقیق و توسعه در همه صنایع، سرمایه‌گذاری خواهند کرد.
این باران هزینه‌های صنعتی در هوش مصنوعی در زمینه بزرگ‌تر سلب منابع و افراد از بخش دولتی ایالات متحده به نام بهره‌وری در حال وقوع است. از قضا، بخشی از برنامه‌های به اصطلاح بهره‌وری دولت جدید شامل جایگزینی کارمندان دولت با هوش مصنوعی است.
چرا این میل منجی‌گرایانه برای یافتن پس‌انداز به بخش خصوصی نرسیده است، جایی که انتظار می‌رود فشارهای بازار رقابتی چنین انضباطی را طلب کند؟
سه نیرو در بازی هستند؛ در مجموع، آنها صنعت ایالات متحده را در یک تله قفل می‌کنند.
استدلال اصلی برای افزایش سرمایه‌گذاری، نوعی از پارادوکس Jevons است، نظریه‌ای که به دهه 1860 پس از انقلاب صنعتی برمی‌گردد اما در عصر پیش از هوش مصنوعی دوباره مد شده است.
ویلیام استنلی Jevons، اقتصاددان انگلیسی، استدلال کرده بود که فناوری‌هایی که استفاده کارآمدتری از زغال سنگ می‌کنند، تنها با افزایش تقاضا برای این سوخت، مشکل کمبود زغال سنگ انگلیس را بدتر می‌کنند. این استدلال بصری است—با افزایش کارایی، هزینه‌ها و در نتیجه قیمت‌ها کاهش می‌یابد، و تقاضای بیشتری را تحریک می‌کند و نیاز به زغال سنگ بیشتری را برای پاسخگویی به تقاضای رو به رشد ایجاد می‌کند.
این منطق در قلب استدلالی است که بازیگران اصلی هوش مصنوعی ارائه می‌دهند. ساندار پیچای، مدیرعامل آلفابت، در استدلال برای سرمایه‌گذاری بیشتر، به وال استریت ژورنال گفت که "ما می‌دانیم که می‌توانیم موارد استفاده فوق‌العاده‌ای را ایجاد کنیم زیرا هزینه استفاده واقعی از آن [هوش مصنوعی] به طور مداوم کاهش می‌یابد"، در حالی که ساتیا نادلا، مدیرعامل مایکروسافت، در ماه ژانویه در X پست کرد، "پارادوکس Jevons دوباره خودنمایی می‌کند!" و در ادامه قصد خود را برای صرف بیشتر اعلام کرد.
هیچ شکی نیست که ما هنوز در ابتدای یادگیری خود در مورد کاربردهای فراوان هوش مصنوعی هستیم. اما مشخص نیست که آیا تصویر پذیرش ناهموار فناوری صرفاً با در دسترس بودن ابزارهای ارزان‌تر بهبود خواهد یافت یا خیر. بر اساس مطالعه‌ای که توسط گروه مشاورین بوستون انجام شده است، تنها 26 درصد از شرکت‌های مورد بررسی، با وجود تمام پیشرفت‌های چشمگیر، ارزش ملموسی از پذیرش هوش مصنوعی به دست آورده‌اند.
بدتر از آن، اعتماد به هوش مصنوعی کاهش یافته است. این روند احتمالاً ادامه خواهد داشت; با وجود حفاظت‌ها و مقررات کمتر از سوی ایالات متحده، بزرگترین منبع ابزارهای هوش مصنوعی، این به عنوان ترمزی برای پذیرش عمل خواهد کرد. بیش از 56 درصد از شرکت‌های Fortune 500، هوش مصنوعی را به عنوان یکی از عوامل خطر در گزارش‌های سالانه خود به کمیسیون بورس و اوراق بهادار ایالات متحده ذکر کرده‌اند. به طور کلی، تصمیم‌گیرندگان تجاری تاکنون برای نشان دادن بازده کافی سرمایه‌گذاری در هوش مصنوعی تلاش کرده‌اند.
اما آیا هوش مصنوعی ارزان‌تر، تقاضای بیشتری را برای این فناوری ایجاد می‌کند—همراه با تقاضا برای مراکز داده و تراشه‌های پیشرفته در تناسب‌های پیش‌بینی‌شده توسط این سطوح بی‌سابقه سرمایه‌گذاری؟
فرمول‌های جدید هوش مصنوعی مقرون به صرفه در حال حاضر در بازار وجود دارند: DeepSeek به تنهایی راه‌هایی را برای صرفه‌جویی در قدرت محاسباتی مورد نیاز نشان داده است—از طریق، به عنوان مثال، مدل‌های متن‌باز به جای مدل‌های اختصاصی، یک تکنیک ترکیب متخصصان که شبکه‌های عصبی هوش مصنوعی را به دسته‌های مختلف تقسیم می‌کند، یا حتی متوسل شدن به حذف ارقام اعشاری از اعدادی که در محاسبات استفاده می‌شوند.
علیرغم این آشکارسازی‌های جدید، هیچ یک از بازیکنان اصلی هوش مصنوعی توضیح نداده‌اند که چرا استراتژی‌ها یا بودجه‌های تحقیق و توسعه خود را تغییر نداده‌اند. قیمت‌های پایین‌تر به تنهایی ممکن است تقاضا برای زیرساخت‌های هوش مصنوعی بیشتر را افزایش ندهد، همانطور که نظریه Jevons در مورد زغال سنگ ممکن است نشان دهد، و حتی اگر این کار را انجام دهند، راه‌های بسیار ارزان‌تری برای جمع‌آوری آن زیرساخت وجود دارد.
با صدها میلیارد دلار در خطر، نادیده گرفتن درس‌های اختلالات فناوری قبلی متعدد که در آن سرمایه‌گذاری‌های سنگین مداوم توسط شرکت‌های موجود منجر به تخریب گسترده ارزش شد، غیرعاقلانه است. آنچه که اغلب در این موارد اتفاق افتاده است این است که شرکت‌های موجود، واژگونی خرد متعارف صنعت توسط تازه‌واردانی که با حداقل سرمایه‌گذاری اما محصولات "به اندازه کافی خوب"—و اغلب، در نهایت بهتر—مسلح شده‌اند را نادیده گرفته‌اند.
به عنوان مثال، کداک و ظهور تصویربرداری دیجیتال، BlackBerry و ظهور آیفون اپل و اکوسیستم برنامه‌ها، Blockbuster که توسط نتفلیکس به حاشیه رانده شد و بسیاری موارد دیگر را در نظر بگیرید.
عامل دومی نیز وجود دارد که نادیده گرفتن آن دشوار است: بازیکنان اصلی هوش مصنوعی در یک آغوش متقابل تقویت‌کننده و جمعی مقید قفل شده‌اند. هر یک از بازیکنان اصلی از افزایش سرمایه‌گذاری در توسعه مزایای کوتاه‌مدت را تجربه کرده‌اند. برای گوگل، هوش مصنوعی مولد یک تهدید وجودی برای پرسودترین تجارت آن، موتور جستجوی آن است، بنابراین این شرکت چاره‌ای جز سرمایه‌گذاری برای دفاع از با ارزش‌ترین دارایی خود نداشت. علاوه بر این، این شرکت گزارش می‌دهد که 2 میلیون توسعه‌دهنده از ابزارهای هوش مصنوعی آن استفاده می‌کنند و درآمد خدمات ابری آن از هوش مصنوعی میلیاردها افزایش یافته است.
Azure AI مایکروسافت شاهد درآمدهای جدیدی بوده است که تخمین زده می‌شود حدود 5 میلیارد دلار در سال گذشته باشد، 900 درصد افزایش سالانه، و این شرکت شاهد بوده است که تعداد کاربران روزانه برای Copilot مجهز به هوش مصنوعی آن هر سه ماه دو برابر می‌شود. آمازون نیز میلیاردها دلار از خدمات ابری مرتبط با هوش مصنوعی خود و در ایجاد کارایی عملیاتی در تجارت خرده‌فروشی آنلاین خود به دست آورده است. مارک زاکربرگ، مدیرعامل متا، امیدوار است که "دستیار پیشرو" برای یک میلیارد نفر باشد (معنی آن هر چه که باشد) و "نوآوری تاریخی را باز کند" و "رهبری فناوری آمریکا را گسترش دهد." از نظر عملی‌تر، متا شاهد رشد تقاضا برای مراکز داده است و می‌خواهد در خط مقدم پاسخگویی به این تقاضا باشد.
برای آمازون، گوگل و مایکروسافت در کوتاه‌مدت، افزایش هزینه‌های هوش مصنوعی تقاضا برای خدمات ابری آنها را افزایش می‌دهد. در واقع، این شرکت‌ها به یکدیگر تجارت داده‌اند و درآمدهای یکدیگر را افزایش داده‌اند، که توجیه متقابل تقویت‌کننده سرمایه‌گذاری را برای مدتی حفظ می‌کند. تا زمانی که هر بازیکن معتقد باشد که همه بازیکنان دیگر به سرمایه‌گذاری سنگین ادامه خواهند داد، حتی اگر نگرانی‌هایی را به طور خصوصی داشته باشند، به نفع هیچ بازیکنی نیست که عقب‌نشینی کند.
در زبان نظریه بازی، این به یک تعادل نش بهینه نشده تبدیل می‌شود—وضعیتی که در آن هر طرف قفل شده است و سازگار با انگیزه‌های آنها برای شکستن یک‌جانبه از هنجار صنعت نیست.
نیروی سومی که صنعت را در سیل سرمایه‌گذاری خود قفل می‌کند، دولت ایالات متحده و منافع ژئوپلیتیکی آن است. کاخ سفید چندین سیگنال از قصد خود برای تضمین سلطه ایالات متحده در صنعت هوش مصنوعی و دور نگه داشتن فناوری‌های چینی از غصب آن موقعیت ارسال کرده است. نکته قابل توجه این است که پروژه بلندپروازانه 500 میلیارد دلاری Stargate، یک سرمایه‌گذاری مشترک جدید برای ساخت زیرساخت‌های هوش مصنوعی به رهبری SoftBank و OpenAI با چندین شریک دیگر، نه در سیلیکون ولی بلکه در اتاق روزولت کاخ سفید، تنها یک روز پس از تحلیف ترامپ اعلام شد.
حتی اگر DeepSeek تنها چند روز بعد ظاهر شد و به نظر می‌رسد آماده است تا چنین تعهدات عظیمی را به عنوان زیاده‌روی جلوه دهد، ساخت اولین سایت Stargate در حال حاضر در تگزاس آغاز شده است. معاون رئیس جمهور جی. دی. ونس در اجلاس اقدام هوش مصنوعی اخیر در پاریس به تریبون رفت تا یک دستور کار تهاجمی "فرصت هوش مصنوعی" را پیش ببرد و—با اشاره‌ای آشکار به چین—نسبت به "فناوری ارزان در بازار که به شدت توسط رژیم‌های استبدادی یارانه داده شده و صادر می‌شود" هشدار دهد.
رویکرد دولت ترامپ برای حمایت از صنعت هوش مصنوعی ایالات متحده یکی از معدود زمینه‌هایی است که در آن از دولت قبلی الگو گرفته است، که به طور سیستماتیک تلاش کرده بود تا با محدود کردن دسترسی به تراشه‌های با کارایی بالا، چین را فلج کند. اما در حالی که دولت جدید از طریق دستور اجرایی قصد دارد به بازیکنان ایالات متحده آزادی عمل بدهد تا هوش مصنوعی سریع‌تر و بزرگ‌تری بسازند، این حق را برای خود محفوظ می‌دارد که به طور انتخابی ایجاد مشکل برای شرکت‌هایی که با دستور کار سیاسی آن همسو نیستند را دشوار کند. این کار را با تهدید به مقررات، دادخواست‌ها یا تعرفه‌ها بر روی اجزای کلیدی زنجیره تامین انجام می‌دهد.
قوانین در حال ظهور بازی واضح هستند: شرکت‌هایی که همسو هستند و پیوندهای قوی با دولت دارند، در موقعیت بهتری برای برنامه‌ریزی بدون دخالت واشنگتن، دریافت قراردادهای دولتی، بهره‌مندی از هزینه‌های فدرال در هوش مصنوعی و مذاکره قوی‌تر با تنظیم‌کننده‌های بین‌المللی و سایر بازیکنان صنعت خواهند بود.
قبل از اینکه حباب بترکد، عاقلانه خواهد بود که حداقل یک بازیکن اصلی سیگنالی برای توقف تشدید ارسال کند. اولین قدم برای خروج از یک تله این است که تشخیص دهید در آن هستید. دومین قدم این است که تصدیق کنید که قوانین مزیت رقابتی در صنعت شما ممکن است تغییر کرده باشد. سومین قدم این است که شجاعت تشخیص فناوری‌ای را داشته باشید که "به اندازه کافی خوب" است و نه با سخت‌ترین مسئله شماره‌زنی که می‌تواند حل کند، بلکه با گستردگی مسائلی که می‌تواند برای بیشترین تعداد افراد حل کند، تعریف می‌شود.
آیا حتی یک بازیکن اصلی می‌تواند جرات کند از گروه جدا شود و نه به دنبال پر زرق و برق‌ترین اعلامیه در مورد صرف هزینه در هوش مصنوعی، بلکه به دنبال هدف جدیدی برای این فناوری باشد؟ چطور است هدف این باشد که تفاوت معناداری در بهره‌وری کارگران ایجاد شود—آرزویی که برای سلف هوش مصنوعی، اینترنت، بسیار دست نیافتنی به نظر رسید؟
این می‌تواند به دیگران شجاعت دهد تا از آن پیروی کنند و یک تعادل نش متفاوت—بهتر—از بهترین پاسخ‌های متقابل پیدا کنند. حالا، این یک پیشرفت واقعی خواهد بود.