Το παράδοξο της παραγωγικότητας της Τεχνητής Νοημοσύνης

Η παραγωγικότητα της εργασίας έχει μειωθεί σημαντικά την τελευταία δεκαετία, παρόλο που η τεχνητή νοημοσύνη έχει συμβάλει στην αντικατάσταση επαναλαμβανόμενων εργασιών στην καθημερινή εργασία.

Αυξάνει όντως η Τεχνητή Νοημοσύνη την παραγωγικότητα; Φωτογραφία: LinkedIn .

Εν μέσω αυξανόμενων φόβων για απώλειες θέσεων εργασίας λόγω της Τεχνητής Νοημοσύνης, οι αισιόδοξοι λένε ότι είναι απλώς ένα εργαλείο παραγωγικότητας που θα ωφελήσει τόσο τους εργαζόμενους όσο και την οικονομία . Ο Διευθύνων Σύμβουλος της Microsoft, Σάτια Ναντέλα, λέει ότι οι χρήστες απλώς θα δηλώνουν τους στόχους τους, ενώ οι αυτοματοποιημένοι πράκτορες Τεχνητής Νοημοσύνης θα σχεδιάζουν, θα εκτελούν και θα μαθαίνουν σε όλα τα συστήματα.

Ωστόσο, η Τεχνητή Νοημοσύνη δημιουργεί μια «παγίδα παραγωγικότητας», ζητώντας από όλο και περισσότερους ανθρώπους να τη χρησιμοποιούν, ακόμη και να εξαρτώνται από αυτήν. Αυτό θα οδηγήσει σε μείωση της ικανότητας αυτοκριτικής, επίλυσης προβλημάτων και, πιο σοβαρά, σε μείωση της δημιουργικότητας και των ανακαλύψεων στη ζωή.

Εστιάστε στην ποσότητα έναντι της ποιότητας

Το ιδανικό εργαλείο Τεχνητής Νοημοσύνης , υποστηρίζουν οι Financial Times, θα ήταν ένα εργαλείο όπου η αποτελεσματικότητα από μόνη της θα ήταν αρκετή για να λύσει το πρόβλημα της παραγωγικότητας. Η εφημερίδα επισημαίνει ότι κατά το τελευταίο μισό αιώνα, υπήρξαν περισσότεροι υπολογιστές που λέγεται ότι είναι ταχύτεροι από ποτέ, αλλά ο ρυθμός αύξησης της παραγωγικότητας της εργασίας στις ανεπτυγμένες οικονομίες έχει μειωθεί, από περίπου 2% ετησίως τη δεκαετία του 1990 σε περίπου 0,8% σήμερα.

Όταν οι υπολογιστές συμπληρώθηκαν από το Διαδίκτυο και το παγκόσμιο ταλέντο συνδέθηκε, οι ανακαλύψεις θα έπρεπε να είχαν εκτοξευθεί. Αντίθετα, η παραγωγικότητα της έρευνας έχει μειωθεί. Ένας επιστήμονας σήμερα παράγει λιγότερες ανακαλύψεις ανά δολάριο που επενδύεται από τον προκάτοχό του τη δεκαετία του 1960.

Ο οικονομολόγος Γκάρι Μπέκερ έχει επισημάνει ότι οι γονείς αντιμετωπίζουν μια επιλογή μεταξύ «ποιότητας και ποσότητας». Όσο περισσότερα παιδιά έχουν, για παράδειγμα, τόσο λιγότερα μπορούν να επενδύσουν σε κάθε παιδί. Το ίδιο μπορεί να συμβαίνει και με την καινοτομία.

Πάρα πολλά έργα ταυτόχρονα μπορούν να επηρεάσουν τη δημιουργικότητα. Φωτογραφία: Adobe Stock.

Μελέτες μεγάλης κλίμακας σχετικά με την παραγωγή διπλωμάτων ευρεσιτεχνίας επιβεβαιώνουν ότι ο αριθμός των έργων που αναλαμβάνονται είναι αντιστρόφως ανάλογος με την πιθανότητα μιας σημαντικής ανακάλυψης. Τις τελευταίες δεκαετίες, οι επιστημονικές εργασίες και τα διπλώματα ευρεσιτεχνίας έχουν γίνει περισσότερο μια υπόθεση που διαδίδεται σταδιακά παρά μια σημαντική ανακάλυψη.

Εν τω μεταξύ, τα μεγάλα μυαλά της ιστορίας το καταλάβαιναν αυτό καλά. Ο Ισαάκ Νεύτωνας είπε κάποτε ότι πάντα «είχε μπροστά του ένα πρόβλημα... μέχρι που εμφανίστηκαν οι πρώτες ακτίνες φωτός, σιγά σιγά, και τελικά ξεχύθηκαν σε καθαρό και πλήρες φως». «Καινοτομία είναι να λες όχι σε χίλια πράγματα», συμφώνησε ο Στιβ Τζομπς.

«Η παγίδα της μεσαίας ικανότητας της Τεχνητής Νοημοσύνης»

Ο κ. Ho Quoc Tuan, Διευθυντής του μεταπτυχιακού προγράμματος στα Χρηματοοικονομικά και τη Λογιστική στο Πανεπιστήμιο του Μπρίστολ, ανέφερε την έννοια της «παγίδας των μέσων ικανοτήτων της Τεχνητής Νοημοσύνης». Η τακτική εργασία που απαιτεί την ικανότητα ατόμων με μέτριες ικανότητες συχνά περιλαμβάνει πολλές επαναλαμβανόμενες εργασίες, ακολουθώντας σαφείς και ποσοτικοποιήσιμες διαδικασίες. Ωστόσο, πιστεύει ότι αυτή είναι η εξαιρετική δύναμη της Τεχνητής Νοημοσύνης.

Τα μεγάλα γλωσσικά μοντέλα (LLM) τείνουν να εμμένουν σε αυτό που οι στατιστικές θεωρούν κοινή συναίνεση. Αν δώσετε σε ένα chatbot κείμενο του 19ου αιώνα, θα «αποδείξει» ότι οι άνθρωποι δεν μπορούν να πετάξουν μέχρι που το έκαναν οι αδελφοί Ράιτ.

Μια ανασκόπηση που δημοσιεύτηκε τον Μάρτιο του 2025 στο περιοδικό Nature διαπίστωσε ότι ενώ τα μεταπτυχιακά νομικής (LLM) μπορούν να βοηθήσουν στη μείωση της επαναλαμβανόμενης επιστημονικής εργασίας, τα πραγματικά άλματα στη σκέψη εξακολουθούν να ανήκουν στους ανθρώπους. Ο κ. Tuan πιστεύει επίσης ότι η προσκόλληση σε ό,τι είναι γνωστό, η μη τόλμη να αναλάβει κανείς ρίσκα και η κριτική σκέψη είναι μοιραίες αδυναμίες στην εποχή της Τεχνητής Νοημοσύνης.

Ο Ντέμις Χασάμπης, επικεφαλής της ομάδας της Google DeepMind που ανέπτυξε το AlphaFold, ένα μοντέλο που προβλέπει σχήματα πρωτεϊνών, θεωρείται ένα από τα σημαντικότερα επιστημονικά επιτεύγματα στην Τεχνητή Νοημοσύνη μέχρι σήμερα. Αλλά ακόμη και ο ίδιος παραδέχεται ότι η επίτευξη πραγματικής γενικής τεχνητής νοημοσύνης θα απαιτήσει «πολλές περισσότερες καινοτομίες».

Το AlphaFold, το βραβευμένο με Νόμπελ επιστημονικό έργο, χρειάζεται επίσης «περισσότερη καινοτομία». Φωτογραφία: Google Deepmind.

Βραχυπρόθεσμα, η Τεχνητή Νοημοσύνη θα αφορά περισσότερο την αποτελεσματικότητα παρά τη δημιουργικότητα. Μια έρευνα σε περισσότερους από 7.000 εργαζόμενους γνώσης που δημοσιεύτηκε στο Arxiv διαπίστωσε ότι όσοι χρησιμοποίησαν την παραγωγική Τεχνητή Νοημοσύνη μείωσαν σημαντικά τον χρόνο που αφιερώνουν στο email τους κατά μέσο όρο 3,6 ώρες την εβδομάδα (31%), ενώ οι συνεργατικές εργασίες παρέμειναν σε μεγάλο βαθμό αμετάβλητες.

Ωστόσο, εάν όλοι αναθέσουν την απάντηση email στο ChatGPT, ο αριθμός των email στα εισερχόμενα θα μπορούσε να αυξηθεί, χάνοντας την αρχική παραγωγικότητα. Σύμφωνα με τους FT , η εμπειρία της ανάκαμψης της παραγωγικότητας στις ΗΠΑ τη δεκαετία του 1990 δείχνει ότι τα οφέλη των νέων εργαλείων θα εξασθενίσουν γρήγορα εάν δεν συνοδευτούν από πραγματικές δημιουργικές ανακαλύψεις.

Πηγή: https://znews.vn/nghich-ly-nang-suat-cua-ai-post1561451.html