به گزارش میمتالز، سرمایهگذاری در علم و فناوری (S&T) همواره به عنوان کلید اصلی نوآوری در نظر گرفته شده است. اندیشمندانی مانند آدرچ و فلدمن (۱۹۹۶) و پاویت (۱۹۸۲) بر این باور بوده اند 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 شکاف ها، غالبا به تمرکز بیشتر نوآوری در مناطقی که از قبل پیشرفته بوده اند، منجر شده است.
لومو و اگر (۲۰۱۹) 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 توسعه یافته و کمتر توسعه یافته منجر شده است. به عبارت دیگر، توزیع جغرافیایی نوآوری، نامتوازنتر از توزیع تقریبا همه شاخصهای اقتصادی دیگر مانند اشتغال، درآمد، سرمایهگذاری یا بهره وری است.
آغیون (Aghion) و همکاران (۲۰۱۹) 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.
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 ۲۰۲۵، به سمت استفاده گسترده از هوش مصنوعی و روباتیک حرکت کرده است. چیوکا و بیانکوتی (۲۰۱۸) در گزارش خود، این هدف گذاری را نشانهای از عزم جدی چین برای تغییر در پارادایم نوآوری میدانند.
یکی از اقدامات کلیدی چین، راه اندازی کمپین ملی جذب استعدادهای هوش مصنوعی بود. زنگ (۲۰۲۱) در مطالعه خود، تاثیر چشمگیر این کمپین را نشان میدهد. تا سال ۲۰۱۷، اروپا بیش از دو برابر چین متخصص هوش مصنوعی داشت. اما طی تنها پنجسال، از ۲۰۱۵ تا ۲۰۲۰، نفوذ مهارتهای هوش مصنوعی در چین به ۱.۴ برابر میانگین جهانی رسید و این کشور را پس از هند و آمریکا در رتبه سوم جهانی قرار داد.
لوندوال و ریکاپ (۲۰۲۲) 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.
همزمان با پیشرفت در هوش مصنوعی، چین سرمایهگذاری گستردهای در روباتیک صنعتی داشته است. لیو و همکاران (۲۰۲۰) روباتیک را استفاده از ماشینهای قابل برنامه ریزی برای انجام وظایف تعریف میکنند. از سال ۲۰۱۳، تعداد روباتهای صنعتی در چین به طور مداوم افزایش یافته است.
آسملو و رستریپو (۲۰۲۰) استدلال میکنند که روباتیک میتواند بهره وری، 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؟
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، ۲۰۰۹)، استراتژی جدید، تنوع جغرافیایی بیشتری را تشویق میکند.
زنگ (۲۰۲۱) 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 یانگ تسه همچنان پیشرو هستند، اما استانهای داخلی نیز رشد قابلتوجهی داشته اند. این الگو نشان میدهد که با سیاستهای مناسب، حتی مناطق کمتر توسعه یافته نیز میتوانند در فناوریهای پیشرفته پیشرفت کنند.
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 بوده اند. این گسترش جغرافیایی، نشان دهنده 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.
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 ساده تر، شهرهایی که بیشتر در هوش مصنوعی سرمایهگذاری کرده اند و روباتهای بیشتری دارند، تعداد بیشتری اختراع ثبت میکنند. این یافته با نظریات آسملو و رستریپو (۲۰۲۰) همخوانی دارد. آنها استدلال میکنند که روباتیک و هوش مصنوعی نهتنها فعالیتهای تکراری را خودکار میکنند، بلکه با آزاد کردن منابع انسانی برای فعالیتهای خلاقانه تر، به نوآوری کمک میکنند.
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 توسعه یافته، نسبت به همان سرمایهگذاری در یک شهر پیشرو، افزایش بیشتری در نوآوری ایجاد میکند. این پدیده را میتوان با مفهوم «مزیت عقب ماندگی» توضیح داد. آغیون و همکاران (۲۰۱۹) استدلال میکنند که مناطق عقب مانده 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 توسعه یافته اجازه میدهند تا بدون طی کردن تمام مراحل صنعتی شدن سنتی، مستقیما وارد عصر صنعت هوشمند شوند.
یافته دیگر این پژوهش، تاثیر «تعدیل کننده» 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 (۱۹۹۶) 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 تقویت کننده در شهرهای کمتر نوآور، قویتر است. این امر به آن معناست که هوش مصنوعی و روباتیک، بهویژه در مناطقی که از نظر نوآوری عقب مانده اند، میتوانند بازده سرمایهگذاری در علم و فناوری را به طور چشمگیری افزایش دهند.
موفقیت چین در استفاده از هوش مصنوعی و روباتیک برای کاهش شکاف نوآوری، تصادفی نبوده است. چند عامل کلیدی در این موفقیت نقش داشته اند: سازگاری با شرایط محلی؛ رویکرد غیرمتمرکز: زنگ (۲۰۲۱) 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 منطقه ای، مانند آنچه کروگمن (۱۹۹۱) 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 (۲۰۱۹) 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 توسعه یافته چین توانسته اند 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 مهارت ها، به شهرهای کوچکتر کمک کرده اند تا در اقتصاد مبتنی بر هوش مصنوعی رقابت کنند.
تکمیل سرمایه انسانی محدود؛ روباتیک به عنوان راه حل: آسملو و رستریپو (۲۰۲۰) در مقاله خود «روباتیک و آینده کار و نوآوری»، استدلال میکنند که روباتیک میتواند کمبود سرمایه انسانی در مناطق کمتر توسعه یافته را جبران کند. روباتها نهتنها کارهای تکراری و خطرناک را انجام میدهند، بلکه با آزاد کردن نیروی انسانی برای وظایف خلاقانه تر، 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 توانسته اند در صنایعی مانند خودروسازی و الکترونیک پیشرفت کنند. روباتها در این مناطق نهتنها بهره وری را افزایش داده اند، بلکه با انجام کارهای دقیق و پیچیده، زمینه را برای نوآوریهای بیشتر فراهم کرده اند.
جذب سرمایهگذاری و استعداد؛ چرخه مثبت نوآوری: موفقیت در هوش مصنوعی و روباتیک، به نوبه خود، سرمایهگذاران و استعدادها را جذب میکند. فلوریدا (۲۰۰۲) 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 کرده اند، 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 (۲۰۰۰) در مدل «مارپیچ سه گانه نوآوری» توصیف کرده اند؛ تعامل پویا بین دانشگاه، صنعت و دولت که موجب نوآوری پایدار میشود.
تجربه چین نشان میدهد که هوش مصنوعی و روباتیک، فراتر از افزایش بهره وری، 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 یافته ها، درسهای مهمی برای سیاستگذاران در سراسر جهان دارند؛ این فناوریها نباید تنها به عنوان ابزارهای افزایش بهره وری، 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 توسعه یافته، 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 توسعه یافته 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 کم بهره 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 توسعه یافته نیز بپردازند. سیاستگذاران باید آماده باشند تا براساس این ارزیابی ها، استراتژیهای خود را اصلاح کنند.
آسملو و رستریپو (۲۰۲۰) هشدار میدهند که گرچه روباتیک در بلندمدت میتواند به افزایش بهره وری و ایجاد مشاغل جدید منجر شود، اما در کوتاه مدت ممکن است برخی مشاغل را جایگزین کند. این امر بهویژه در مناطق کمتر توسعه یافته 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 آسیب دیده کمک کند.
لیو و همکاران (۲۰۲۰) 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 یارانه دهی یا وامهای کم بهره به شرکتهای کوچک و متوسط در مناطق کمتر توسعه یافته 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.
تجربه چین نشان میدهد که هوش مصنوعی و روباتیک میتوانند به عنوان پلی برای کاهش شکاف نوآوری بین مناطق توسعه یافته و کمتر توسعه یافته عمل کنند. این فناوریها نهتنها نوآوری را در همه جا تقویت میکنند، بلکه به طور خاص به مناطقی که از نظر فناوری عقب مانده اند، کمک بیشتری میرسانند. آنها همچنین بازده سرمایهگذاری در علم و فناوری را افزایش میدهند، بهویژه در مناطقی که تاکنون از این سرمایهگذاریها بهره کمتری برده اند. 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 انسان محور، این فناوریها میتوانند به جای تعمیق شکاف ها، 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.
منبع: دنیای اقتصاد