«بردگی داده‌ای!» این عنوانی است که خانم جنیفر مارون، یک هنرمند امریکایی به شرایط کنونی می‌دهد. منظور خانم مارون چیست؟ بسیاری از شرکت‌های آنلاین برای استفاده‌ رایگان اندکی که شما از خدمات آنلاین آنها می‌کنید، تمام داده‌های شخصی شما را تخلیه می‌کنند. مارون می‌گوید که ارزش داده‌های شخصی بسیار بیشتر از آن خدمات آنلاین است و به همین خاطر خودش را به عنوان یک شرکت در امریکا ثبت کرد و شروع کرد به جمع‌آوری داده‌های شخصی‌اش مانند وضعیت سلامتی و شماره ملی و... در سال 2016 او این داده‌ها را در یک گالری در لندن برای فروش به نمایش گذاشت. قیمت پایه تمام این داده‌ها 7000 پوند بود.

تعداد کمی از افراد به خانم مارون پیشنهاد دادند و او از این عمل اندکی دلسرد شد، اما اگر وظیفه هنرمند یافتن روح زمانه است، پس او درست به هدف زده. در همین سال بود که کمبریج آنالیتیکا متهم به استفاده از داده‌های 87میلیون کاربر فیس‌بوک شد و بحث‌ها چنان بالا گرفت که حتی آنگلا مرکل، صدراعظم آلمان، هم ادعا کرد باید به مردم بابت این داده‌ها پول پرداخت شود. مرکل از بسیاری از محققان خواست که به دنبال راه‌حل بگردند برای نحوه ارزش‌گذاری این فرایند.

با در نظر گرفتن وضعیت کنونی امور، که در آن جمع‌آوری و بهره‌برداری از داده‌های شخصی در تملک شرکت‌های بسیار عظیم فناوری است، رویکرد خانم مارون که به صورت فردی این داده‌ها را در معرض فروش قرار داده بود، به احتمال زیاد با موفقیت روبه‌رو نشود. اما اگر مردم واقعا بتوانند داده‌هایشان را کنترل و غول‌های حیطه فناوری را مجبور به پرداخت پول کنند چه؟ این اقتصاد داده‌ای چه سر و شکلی خواهد داشت؟ البته اولین‌بار نخواهد بود که یک منبع مهم اقتصادی از یک استفاده ساده، کارش به مالکیت و تجارت هم بکشد. همین اتفاق قبل‌تر برای زمین و آب هم افتاده بود. اما احتمال اینکه اطلاعات دیجیتال هم دارای یک بازار شود بسیار پایین است. داده‌های شخصی، برخلاف منابع فیزیکی، مثالی بارز از آن‌ چیزی هستند که اقتصاددانان جنس «غیررقابتی» می‌نامند. جنس غیررقابتی یعنی چیزی که بتوان آن را بیش از یک بار استفاده کرد. در واقع هرچه از داده‌های شخصی بیشتر استفاده کنیم، فایده بیشتری نصیب جامعه می‌شود. لیک‌های مکرری هم که اخیرا مشاهده کرده‌ایم نشان می‌دهند که کنترل کردن این داده‌ها چقدر هم سخت است. تمام مسئله در اینجا نهفته است که شکل کنونی بهره‌برداری از داده‌ها بسیار شبیه به فئودالیسم بوده و بسیاری متخصصان به وضعیت کنونی «تکنوفئودالیسم» می‌گویند، و از آنجایی که امروزه دیگر فئودالیسم هم بر دنیا حاکم نیست، شاید بتوان همان اتفاق را در مورد «تکنوفئودالیسم» هم اجرا کرد.

*داده‌هایی برای ساخت هوش مصنوعی

داده‌هایی را که انسان‌ها در اختیار شرکت‌های بزرگ فناوری قرار می‌دهند می‌توان از جنس کار در نظر گرفت و همان‌طور که کار نباید بی‌مزد باشد، «کار داده‌ای» را هم می‌توان مشمول این امر دانست. کار داده‌ای دقیقا چه محصولی دارد؟ محصول اصلی کار داده‌ای «هوش مصنوعی» است. الگوریتم‌ها و روش‌های متعدد و پیچیده‌ای وجود دارند که می‌توانند از داده‌های شخصی انسان‌ها برای تولید هوش مصنوعی استفاده کنند. بنابراین می‌توان مردمی را که داده‌های شخصی‌شان را به شما می‌فروشند به عنوان کارگران کارخانه‌ای در نظر گرفت که در خطوط تولید بلندبالایی در حال تولید هوش مصنوعی هستند.

این رویکرد به داده، یعنی اینکه داده را به عنوان کار در نظر بگیریم، شاید سود شرکت‌های بزرگ فناوری را کاهش دهد، اما قطعا حجم کسب‌وکارشان را به شدت بیشتر می‌کند. کارگران چه می‌کنند؟ آنها می‌توانند هر روز لیستی از وظیفه‌ها را داشته باشند. مثلا در مقابل یک صفحه نمایشگر بنشینند و یک تبلیغ را تماشا کنند و پس از آن حس و نظرشان را در مورد آن تبلیغ بگویند.

البته هنوز هم راه درازی برای رسیدن به این هدف باقی مانده. دو مانع هنوز هم بر سر مسیر قرار دارند که باید مرتفع شوند. اولین مانع چارچوب قانونی این کارها است. کار به شکل عام آن از قوانین کار هر کشور تبعیت می‌کند اما تکلیف کار داده‌ای چیست؟ در وهله دوم هم باید پیشرفت فناوری بیشتری برای کنترل جریان داده‌ها صورت بگیرد و متوجه بشویم چه حجم از داده‌ای با چه کیفیتی در حال دریافت است. البته عامل سومی هم در این میان وجود دارد که اصلا نمی‌توان از آن گذشت. مردم باید حسی از «آگاهی طبقاتی» در خود ایجاد کنند. این شکل از طبقه و کار نوظهور چه آگاهی متعینی می‌تواند داشته باشد و الزامات و کاربست‌های این آگاهی برای جامعه چه خواهد بود؟

این اقتصاد مبتنی بر داده بسیار نابرابر نخواهد بود؟ داده‌های برخی از مردم قطعا ارزشمندتر از داده‌های برخی دیگر است. البته بسیاری از متخصصان معتقدند که مهارت استخراج داده‌های مفید بیش از آنچه شما فکر کنید بین انسان‌ها پخش شده و در دسترس همه هست. به هر حال جوامع باید راهی برای توزیع ثروت حاصل‌شده از هوش مصنوعی بیابند. اگر نتوانیم این گام‌های حیاتی را برداریم شاید به لحاظ نابرابری به قرون وسطا برسیم و اگر آن روز فرابرسد، باید منتظر باشیم که کارگران داده‌ای جهان هم متحد شوند.