فرصتها و چالشهای هوش مصنوعی در سیاستگذاری عادلانه توزیع درآمد (مطالعه موردی: بهینهسازی مالیات با شبیهسازی عاملمحور)
نویسندگان
1 پژوهشگر، پژوهشگاه علوم و فرهنگ اسلامی، قم، ایران.
doi
10.22096/esp.2025.2064462.1827چکیده
در شرایطی که نابرابری درآمدی، ثبات اجتماعی و رشد پایدار را به چالش کشاندهاند و نظامهای سنتی توزیع درآمد ناکارآمد بودهاند، هوش مصنوعی بهمثابه پدیدهای دوگانه، میتواند ابزارهای قدرتمندی برای سیاستگذاری عادلانهتر فراهم کند و همزمان با تشدید تغییرات فناورانه مهارتمحور، نابرابری را افزایش دهد. مقاله ضمن تبیین چهارچوب فلسفی عدالت در طراحی الگوریتمهای منصفانه به بررسی چالشهایی مانند سوگیری الگوریتمی، نقض حریم خصوصی و عدم شفافیت پرداخته است و بر ضرورت ادغام اصول عدالت توزیعی در طراحی الگوریتمها، مشارکت ذینفعان، رویکرد انسان در حلقه و حفاظت از حریم خصوصی تأکید دارد. با تمرکز بر نقش هوش مصنوعی در جایگاه ابزاری برای سیاستگذاری، کاربرد آن در بهینهسازی بدهبستان میان بهرهوری و برابری از طریق مدل شبیهسازی عاملمحور نشان داده میشود. با استفاده از آزمایشگاه اقتصادی مجازی شامل چهار عامل هوشمند (خانوارها) و برنامهریز اجتماعی (دولت)، سناریوهای مالیاتی صفر، سنگین و متعادل آزمون شد. نتایج نشان داد سیاست متعادل در مقایسه با مالیات صفر با کاهش ۴.۸۳ درصدی بهرهوری، برابری را ۶.۱۸ درصد بهبود بخشید؛ همچنین در مقایسه با سیاست مالیات سنگین با فدا کردن ۱.۹ درصد از برابری، بهرهوری را ۱۲.۲ درصد افزایش داد. این بدهبستان، رفاه اجتماعی را ۰.۷۹ درصد نسبت به مالیات صفر و ۱۰.۲۷ درصد نسبت به مالیات سنگین افزایش داد. این یافته بیانگر اهمیت هوش مصنوعی بهمنزله آزمایشگاه سیاستی برای طراحی سیاستهای هوشمند است.