پارادوکس بهره‌وری هوش مصنوعی

بهره‌وری نیروی کار در طول دهه گذشته به طور قابل توجهی کاهش یافته است، حتی با وجود اینکه هوش مصنوعی در جایگزینی وظایف تکراری در کار روزانه نقش داشته است.

آیا هوش مصنوعی واقعاً بهره‌وری را افزایش می‌دهد؟ عکس: لینکدین .

در بحبوحه افزایش ترس از دست دادن شغل به دلیل هوش مصنوعی، خوش‌بینان می‌گویند که این صرفاً یک ابزار بهره‌وری است که هم به نفع کارگران و هم به نفع اقتصاد خواهد بود. ساتیا نادلا، مدیرعامل مایکروسافت، می‌گوید کاربران به سادگی اهداف خود را بیان می‌کنند، در حالی که عوامل خودکار هوش مصنوعی در تمام سیستم‌ها برنامه‌ریزی، اجرا و یادگیری می‌کنند.

با این حال، هوش مصنوعی در حال ایجاد یک «تله بهره‌وری» است و افراد بیشتری را به استفاده از آن و حتی وابستگی به آن فرا می‌خواند. این امر منجر به کاهش توانایی خود-پرسشی، حل مشکلات و از همه مهم‌تر، تأثیر بر خلاقیت و پیشرفت در زندگی خواهد شد.

تمرکز بر کمیت به جای کیفیت

فایننشال تایمز استدلال می‌کند که ابزار ایده‌آل هوش مصنوعی، ابزاری خواهد بود که در آن، کارایی به تنهایی برای حل مشکل بهره‌وری کافی باشد. این روزنامه اشاره می‌کند که در نیم قرن گذشته، کامپیوترهای بیشتری وجود داشته‌اند که گفته می‌شود سریع‌تر از همیشه هستند، اما نرخ رشد بهره‌وری نیروی کار در اقتصادهای توسعه‌یافته از حدود ۲ درصد در سال در دهه ۱۹۹۰ به حدود ۰.۸ درصد در حال حاضر کاهش یافته است.

وقتی اینترنت به کامپیوترها اضافه شد و استعدادهای جهانی به هم متصل شدند، باید پیشرفت‌ها به سرعت افزایش می‌یافتند. در عوض، بهره‌وری تحقیقات کاهش یافته است. یک دانشمند امروزی در مقایسه با دانشمندی که در دهه ۱۹۶۰ میلادی می‌زیست، به ازای هر دلار سرمایه‌گذاری شده، پیشرفت‌های کمتری تولید می‌کند.

گری بکر، اقتصاددان، اشاره کرده است که والدین با انتخاب بین «کیفیت و کمیت» روبرو هستند. برای مثال، هرچه فرزندان بیشتری داشته باشند، کمتر می‌توانند برای هر فرزند سرمایه‌گذاری کنند. همین اتفاق ممکن است در مورد نوآوری نیز رخ دهد.

انجام همزمان چندین پروژه می‌تواند بر خلاقیت تأثیر بگذارد. عکس: Adobe Stock

مطالعات گسترده در مورد خروجی ثبت اختراعات تأیید می‌کند که تعداد پروژه‌های انجام شده با احتمال دستیابی به یک موفقیت بزرگ نسبت معکوس دارد. در دهه‌های اخیر، مقالات علمی و ثبت اختراعات بیشتر به یک امر تدریجی تبدیل شده‌اند تا یک پیشرفت بزرگ.

در همین حال، ذهن‌های بزرگ تاریخ این را به خوبی درک کردند. ایزاک نیوتن زمانی گفت که او همیشه «یک مشکل را پیش روی خود نگه می‌داشت... تا زمانی که اولین پرتوهای نور، کم کم، ظاهر شوند و سپس در نهایت به نوری شفاف و کامل تبدیل شوند.» استیو جابز موافقت کرد: «نوآوری یعنی نه گفتن به هزاران چیز.»

«تله توانایی متوسط ​​هوش مصنوعی»

آقای هو کوک توآن، مدیر برنامه کارشناسی ارشد امور مالی و حسابداری در دانشگاه بریستول، به مفهوم «تله توانایی متوسط ​​هوش مصنوعی» اشاره کرد. کار منظمی که نیاز به توانایی افراد با توانایی متوسط ​​دارد، اغلب شامل بسیاری از وظایف تکراری است که از فرآیندهای واضح و قابل سنجش پیروی می‌کنند. با این حال، او معتقد است که این نقطه قوت برجسته هوش مصنوعی است.

مدل‌های زبان بزرگ (LLM) تمایل دارند به آنچه آمار می‌گوید، یعنی یک اجماع عمومی، پایبند باشند. اگر به یک چت‌بات متنی مربوط به قرن نوزدهم بدهید، «ثابت» می‌کند که انسان‌ها نمی‌توانند پرواز کنند تا زمانی که برادران رایت توانستند.

یک بررسی که در مارس ۲۰۲۵ در مجله Nature منتشر شد، نشان داد که اگرچه LLMها می‌توانند به کاهش کارهای علمی تکراری کمک کنند، اما جهش‌های واقعی در تفکر همچنان متعلق به انسان‌ها است. آقای توآن همچنین معتقد است که چسبیدن به آنچه شناخته شده است، نداشتن جرات ریسک‌پذیری و داشتن تفکر انتقادی، نقاط ضعف مهلکی در دوران هوش مصنوعی هستند.

دمیس هاسابیس، که رهبری تیم توسعه‌دهنده‌ی AlphaFold (مدلی که شکل پروتئین‌ها را پیش‌بینی می‌کند) در گوگل دیپ‌مایند را بر عهده دارد، یکی از مهم‌ترین دستاوردهای علمی در حوزه‌ی هوش مصنوعی تا به امروز محسوب می‌شود. اما حتی او نیز اذعان می‌کند که دستیابی به هوش مصنوعی عمومی واقعی هنوز به «نوآوری‌های بسیار بیشتری» نیاز دارد.

آلفافولد، پروژه علمی برنده جایزه نوبل، نیز به «نوآوری بیشتر» نیاز دارد. عکس: گوگل دیپ‌مایند

در کوتاه‌مدت، هوش مصنوعی بیشتر در مورد کارایی خواهد بود تا خلاقیت. یک نظرسنجی از بیش از ۷۰۰۰ کارمند دانش‌محور که در Arxiv منتشر شد، نشان داد که کسانی که به طور گسترده از هوش مصنوعی مولد استفاده کردند، زمان ایمیل خود را به طور متوسط ​​۳.۶ ساعت در هفته (۳۱٪) کاهش دادند، در حالی که وظایف مشارکتی تا حد زیادی بدون تغییر باقی ماند.

با این حال، اگر همه پاسخگویی به ایمیل را به ChatGPT برون‌سپاری کنند، تعداد ایمیل‌های موجود در صندوق‌های ورودی می‌تواند افزایش یابد و بهره‌وری اولیه را از دست بدهد. به گفته فایننشال تایمز ، تجربه بهبود بهره‌وری ایالات متحده در دهه 1990 نشان می‌دهد که اگر مزایای ابزارهای جدید با پیشرفت‌های خلاقانه واقعی همراه نباشد، به سرعت محو می‌شوند.

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