פרדוקס הפרודוקטיביות של בינה מלאכותית

פריון העבודה ירד משמעותית בעשור האחרון, למרות שבינה מלאכותית סייעה להחליף משימות חוזרות ונשנות בעבודה היומיומית.

האם בינה מלאכותית באמת מגבירה את הפרודוקטיביות בעבודה? צילום: לינקדאין .

על רקע חששות גוברים לגבי אובדן מקומות עבודה עקב בינה מלאכותית, אופטימיסטים טוענים שמדובר בסך הכל בכלי להגברת הפרודוקטיביות, לטובת העובדים והכלכלה כאחד. מנכ"ל מיקרוסופט, סאטיה נדלה, מציע שמשתמשים צריכים רק לציין את מטרותיהם, בעוד שסוכני בינה מלאכותית אוטומטיים יתכננו, יבצעו וילמדו בעצמם בכל המערכות.

עם זאת, בינה מלאכותית יוצרת "מלכודת פרודוקטיביות", ומעודדת יותר ויותר אנשים להשתמש בה, ואף להפוך לתלויים בה. זה יוביל לירידה ביכולות ההתבוננות העצמית ופתרון הבעיות, ובאופן חמור יותר, ישפיע על היצירתיות ופריצות הדרך בחיים.

מתן עדיפות לכמות על פני איכות.

על פי ה-FT, כלי בינה מלאכותית יהיו אידיאליים כאשר ביצועים לבדם מספיקים כדי לפתור את בעיית הפרודוקטיביות. העיתון מציין כי בחצי המאה האחרונה פותחו מחשבים רבים שכביכול מהירים מאי פעם, אך קצב צמיחת פריון העבודה בכלכלות מפותחות הואט, מכ-2% בשנה בשנות ה-90 לכ-0.8% בלבד כיום.

עם הופעת המחשבים, האינטרנט וקישוריות כישרונות גלובלית, פריצות דרך היו אמורות להתפוצץ. עם זאת, פריון המחקר ירד. מדען כיום מייצר פחות רעיונות פורצי דרך לכל דולר מושקע בהשוואה לקודמו בשנות ה-60.

הכלכלן גארי בקר ציין פעם כי הורים ניצבים בפני בחירה בין "איכות לכמות". לדוגמה, ככל שיש להם יותר ילדים, כך פחות סביר שהם ישקיעו בכל ילד בנפרד. ייתכן שאותו הדבר קורה גם עם חדשנות.

יותר מדי פרויקטים בו זמנית עלולים להשפיע לרעה על היצירתיות. צילום: Adobe Stock.

מחקרים רחבי היקף של תפוקת פטנטים מאשרים כי מספר הפרויקטים המבוצעים עומד ביחס הפוך לסבירות לפריצות דרך. בעשורים האחרונים, מאמרים מדעיים ופטנטים הפכו יותר ויותר לתוספות מצטברות ולא לפריצות דרך גדולות.

בינתיים, מוחות גדולים לאורך ההיסטוריה הבינו זאת. אייזק ניוטון אמר פעם שהוא תמיד "שומר בעיה לנגד עיניו... עד שניצוצות האור הראשונים מופיעים, לאט לאט, ולבסוף פורצים לאור צלול ושלם". "יצירתיות היא להגיד לא לאלף דברים", הסכים סטיב ג'ובס.

"מלכודת היכולות הבינוניות של הבינה המלאכותית"

מר הו קוק טואן, מנהל תוכנית התואר השני במימון וחשבונאות באוניברסיטת בריסטול, הזכיר את המושג "מלכודת היכולות הממוצעת של הבינה המלאכותית". עבודות הדורשות לעתים קרובות את היכולות של אדם ממוצע כרוכות לעתים קרובות במשימות חוזרות ונשנות רבות, ועוקבות אחר תהליכים ברורים וכמותיים. עם זאת, הוא טוען שזהו דווקא כוחה הבולט של הבינה המלאכותית.

מודלים של שפה בקנה מידה גדול (LLMs) נוטים להיאחז במה שהסטטיסטיקה מחשיבה כקונצנזוס כללי. אם היה לך צ'אטבוט שקורא טקסט מהמאה ה-19, הוא היה "מוכיח" שבני אדם לא יכולים לעוף, עד שהאחים רייט עשו זאת.

סקירה שפורסמה בכתב העת Nature במרץ 2025 הראתה כי בעוד שתואר שני במשפטים (LLM) יכול לסייע בהפחתת משימות מדעיות חוזרות ונשנות, הקפיצות האמיתיות בחשיבה עדיין שייכות לבני האדם. מר טואן טען גם כי היצמדות למה שכבר ידוע, היסוס לקחת סיכונים וחוסר חשיבה ביקורתית הן חולשות קטלניות בעידן הבינה המלאכותית.

דמיס חסאביס, ראש הצוות בגוגל דיפמיינד שפיתח את אלפאפולד, מודל המסוגל לחזות צורות חלבונים, נחשב לאחד ההישגים המדעיים הבולטים ביותר בתחום הבינה המלאכותית עד כה. אבל אפילו הוא מכיר בכך שהשגת בינה מלאכותית כללית באמת עדיין תדרוש "הרבה יותר חדשנות".

גם AlphaFold, העבודה המדעית זוכת פרס נובל, זקוקה ל"חדשנות רבה יותר". צילום: גוגל דיפמיינד.

בעתיד הקרוב, בינה מלאכותית תסייע בעיקר בהגברת היעילות ולא בטיפוח חדשנות. סקר שפורסם ב- Arxiv בקרב למעלה מ-7,000 עובדי ידע הראה כי אלו המשתמשים בבינה מלאכותית ברמת פרודוקטיביות גבוהה הפחיתו את זמן עיבוד הדוא"ל שלהם בממוצע של 3.6 שעות בשבוע (שווה ערך ל-31%), בעוד שמשימות שיתופיות נותרו כמעט ללא שינוי.

עם זאת, אם כולם יאצילו תשובות לדוא"ל ל-ChatGPT, מספר האימיילים בתיבות הדואר הנכנס עלול לגדול, ולערער את היעילות הראשונית. על פי ה-FT , הניסיון מהתאוששות הפריון בארה"ב בשנות ה-90 מראה כי היתרונות של כלי חדש ידהו במהירות אם לא ילוו בפריצות דרך חדשניות אמיתיות.

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