پارادوکس بهره‌وری هوش مصنوعی

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

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

در بحبوحه نگرانی‌های فزاینده در مورد از دست دادن شغل به دلیل هوش مصنوعی، خوش‌بینان استدلال می‌کنند که این صرفاً ابزاری برای افزایش بهره‌وری است که هم به نفع کارگران و هم به نفع اقتصاد است. ساتیا نادلا، مدیرعامل مایکروسافت، پیشنهاد می‌کند که کاربران فقط باید اهداف خود را بیان کنند، در حالی که عوامل خودکار هوش مصنوعی به تنهایی در تمام سیستم‌ها برنامه‌ریزی، اجرا و یاد می‌گیرند.

با این حال، هوش مصنوعی در حال ایجاد یک «تله بهره‌وری» است و افراد بیشتری را به استفاده و حتی وابستگی به آن تشویق می‌کند. این امر منجر به کاهش خوداندیشی و توانایی‌های حل مسئله خواهد شد و به طور جدی‌تر، بر خلاقیت و پیشرفت در زندگی تأثیر خواهد گذاشت.

اولویت دادن به کمیت بر کیفیت.

به گفته فایننشال تایمز، ابزارهای هوش مصنوعی زمانی ایده‌آل خواهند بود که عملکرد به تنهایی برای حل مشکل بهره‌وری کافی باشد. این روزنامه اشاره می‌کند که در نیم قرن گذشته، بسیاری از رایانه‌ها توسعه یافته‌اند که ظاهراً سریع‌تر از همیشه هستند، اما نرخ رشد بهره‌وری نیروی کار در اقتصادهای توسعه‌یافته کند شده است و از حدود ۲ درصد در سال در دهه ۱۹۹۰ به تنها حدود ۰.۸ درصد در حال حاضر رسیده است.

با ظهور کامپیوتر، اینترنت و ارتباط جهانی استعدادها، باید پیشرفت‌ها به طور چشمگیری افزایش می‌یافت. با این حال، بهره‌وری تحقیقات کاهش یافته است. یک دانشمند امروزی در مقایسه با دانشمندی که در دهه ۱۹۶۰ میلادی می‌زیست، به ازای هر دلار سرمایه‌گذاری شده، ایده‌های نوآورانه کمتری ارائه می‌دهد.

گری بکر، اقتصاددان، زمانی اشاره کرد که والدین با انتخاب بین «کیفیت و کمیت» روبرو هستند. برای مثال، هرچه فرزندان بیشتری داشته باشند، احتمال کمتری وجود دارد که روی هر فرزند به صورت جداگانه سرمایه‌گذاری کنند. همین اتفاق ممکن است در مورد نوآوری نیز رخ دهد.

انجام همزمان چندین پروژه می‌تواند تأثیر منفی بر خلاقیت داشته باشد. عکس: Adobe Stock

مطالعات گسترده در مورد خروجی ثبت اختراعات تأیید می‌کند که تعداد پروژه‌های انجام شده با احتمال دستیابی به موفقیت‌های بزرگ نسبت معکوس دارد. در دهه‌های اخیر، مقالات علمی و ثبت اختراعات به طور فزاینده‌ای به جای پیشرفت‌های بزرگ، به افزایش تدریجی تبدیل شده‌اند.

در همین حال، ذهن‌های بزرگ در طول تاریخ این را درک می‌کردند. ایزاک نیوتن زمانی گفت که او همیشه «یک مشکل را پیش روی خود نگه می‌دارد... تا زمانی که اولین جرقه‌های نور، کم کم، ظاهر شوند و در نهایت به نوری روشن و کامل تبدیل شوند.» استیو جابز موافق بود: «خلاقیت 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. مشاغلی که اغلب به توانایی‌های یک فرد معمولی نیاز دارند، اغلب شامل وظایف تکراری زیادی هستند و از فرآیندهای واضح و قابل سنجش پیروی می‌کنند. با این حال، او استدلال می‌کند که این دقیقاً نقطه قوت برجسته هوش مصنوعی است.

مدل‌های زبانی در مقیاس بزرگ (LLM) تمایل دارند به آنچه آمار، اجماع عمومی می‌داند، پایبند باشند. اگر یک ربات چت متنی از قرن نوزدهم را برای شما بخواند، «ثابت» می‌کند که انسان‌ها نمی‌توانند پرواز کنند، تا زمانی که برادران رایت توانستند.

یک بررسی منتشر شده در مجله نیچر در مارس ۲۰۲۵ نشان داد که اگرچه LLM می‌تواند به کاهش وظایف علمی تکراری کمک کند، اما جهش‌های واقعی در تفکر همچنان متعلق به انسان‌ها است. آقای توآن همچنین استدلال کرد که چسبیدن به آنچه از قبل شناخته شده است، عدم تمایل به ریسک‌پذیری و فقدان تفکر انتقادی، نقاط ضعف مهلکی در دوران هوش مصنوعی هستند.

دمیس هاسابیس، رئیس تیم گوگل دیپ‌مایند که آلفافولد، مدلی که قادر به پیش‌بینی شکل پروتئین‌ها است، را توسعه داده است، یکی از برجسته‌ترین دستاوردهای علمی در حوزه هوش مصنوعی تا به امروز محسوب می‌شود. اما حتی او نیز اذعان دارد که دستیابی به هوش مصنوعی واقعاً عمومی هنوز به «نوآوری بسیار بیشتری» نیاز دارد.

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

در آینده نزدیک، هوش مصنوعی در درجه اول به افزایش کارایی کمک خواهد کرد تا تقویت نوآوری. یک نظرسنجی که در Arxiv از بیش از ۷۰۰۰ کارمند دانش‌محور منتشر شد، نشان داد کسانی که از هوش مصنوعی با درجه بالایی از بهره‌وری استفاده می‌کنند، زمان پردازش ایمیل خود را به طور متوسط ​​۳.۶ ساعت در هفته (معادل ۳۱٪) کاهش می‌دهند، در حالی که وظایف مشارکتی عملاً بدون تغییر باقی می‌مانند.

با این حال، اگر همه پاسخ‌های ایمیل را به ChatGPT واگذار کنند، تعداد ایمیل‌های موجود در صندوق‌های ورودی می‌تواند افزایش یابد و کارایی اولیه را تضعیف کند. طبق گزارش فایننشال تایمز ، تجربه بهبود بهره‌وری ایالات متحده در دهه 1990 نشان می‌دهد که اگر مزایای یک ابزار جدید با پیشرفت‌های نوآورانه واقعی همراه نباشد، به سرعت محو می‌شود.

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