فرصت ها و چالش های هوش مصنوعی در سیاست گذاری عادلانه توزیع درآمد (مطالعه موردی: بهینه سازی مالیات با شبیه سازی عامل محور)

در شرایطی که نابرابری درآمدی، ثبات اجتماعی و رشد پایدار را به چالش کشانده اند و نظام های سنتی توزیع درآمد ناکارآمد بوده اند، هوش مصنوعی به مثابه پدیده ای دوگانه، می تواند ابزارهای قدرتمندی برای سیاست گذاری عادلانه تر فراهم کند و همزمان با تشدید تغییرات فناورانه مهارت محور، نابرابری را افزایش دهد. مقاله ضمن تبیین چهارچوب فلسفی عدالت در طراحی الگوریتم های منصفانه به بررسی چالش هایی مانند سوگیری الگوریتمی، نقض حریم خصوصی و عدم شفافیت پرداخته است و بر ضرورت ادغام اصول عدالت توزیعی در طراحی الگوریتم ها، مشارکت ذی نفعان، رویکرد انسان در حلقه و حفاظت از حریم خصوصی تاکید دارد. با تمرکز بر نقش هوش مصنوعی در جایگاه ابزاری برای سیاست گذاری، کاربرد آن در بهینه سازی بده بستان میان بهره وری و برابری از طریق مدل شبیه سازی عامل محور نشان داده می شود. با استفاده از آزمایشگاه اقتصادی مجازی شامل چهار عامل هوشمند (خانوارها) و برنامه ریز 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 بهره وری، برابری را ۶.۱۸ درصد بهبود بخشید؛ همچنین در مقایسه با سیاست مالیات سنگین با فدا کردن ۱.۹ درصد از برابری، بهره وری را ۱۲.۲ درصد افزایش داد. این بده بستان، 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 به منزله آزمایشگاه سیاستی برای طراحی سیاست های هوشمند است.

کلیدواژه ها:

نابرابری درآمد ، هوش مصنوعی ، سیاست گذاری هوشمند ، بهینه سازی مالیات ، شبیه سازی عامل محور