Paradoks produktiviti AI

Produktiviti buruh telah menyaksikan penurunan yang ketara sejak sedekad yang lalu, walaupun kecerdasan buatan telah membantu menggantikan tugasan berulang dalam kerja harian.

Adakah AI benar-benar meningkatkan produktiviti kerja? Foto: LinkedIn .

Di tengah-tengah kebimbangan yang semakin meningkat tentang kehilangan pekerjaan akibat AI, golongan optimis berpendapat bahawa ia hanyalah alat untuk meningkatkan produktiviti, yang memberi manfaat kepada pekerja dan ekonomi . Ketua Pegawai Eksekutif Microsoft, Satya Nadella, mencadangkan bahawa pengguna hanya perlu menyatakan matlamat mereka, manakala ejen AI automatik akan merancang, melaksanakan dan belajar sendiri merentasi semua sistem.

Walau bagaimanapun, AI sedang mewujudkan "perangkap produktiviti," yang menggalakkan lebih ramai orang menggunakannya, malah menjadi bergantung kepadanya. Ini akan membawa kepada penurunan dalam kebolehan refleksi kendiri dan penyelesaian masalah, dan lebih serius, akan menjejaskan kreativiti dan kejayaan dalam hidup.

Mengutamakan kuantiti berbanding kualiti.

Menurut FT, alat AI adalah ideal apabila prestasi sahaja sudah cukup untuk menyelesaikan masalah produktiviti. Akhbar itu menunjukkan bahawa dalam setengah abad yang lalu, banyak komputer telah dibangunkan yang kononnya lebih pantas berbanding sebelum ini, tetapi kadar pertumbuhan produktiviti buruh di negara maju telah menjadi perlahan, daripada kira-kira 2% setahun pada tahun 1990-an kepada hanya kira-kira 0.8% sekarang.

Dengan kemunculan komputer, internet dan ketersambungan bakat global, kejayaan sepatutnya telah melonjak. Namun, produktiviti penyelidikan telah menurun. Seorang saintis hari ini menghasilkan lebih sedikit idea inovatif bagi setiap dolar yang dilaburkan berbanding saintis sebelumnya pada tahun 1960-an.

Ahli ekonomi Gary Becker pernah menegaskan bahawa ibu bapa menghadapi pilihan antara "kualiti dan kuantiti." Contohnya, semakin ramai anak yang mereka miliki, semakin kurang kemungkinan mereka untuk melabur dalam setiap anak secara individu. Perkara yang sama mungkin berlaku dengan inovasi.

Terlalu banyak projek sekaligus boleh memberi kesan negatif kepada kreativiti. Foto: Adobe Stock.

Kajian berskala besar terhadap output paten mengesahkan bahawa bilangan projek yang dijalankan adalah berkadar songsang dengan kemungkinan penemuan baharu. Dalam beberapa dekad kebelakangan ini, kertas saintifik dan paten semakin menjadi tambahan tambahan dan bukannya penemuan baharu yang besar.

Sementara itu, minda-minda hebat sepanjang sejarah memahami perkara ini. Isaac Newton pernah berkata bahawa dia sentiasa “menyimpan masalah di hadapannya… sehingga percikan cahaya pertama muncul, sedikit demi sedikit, dan akhirnya meletus menjadi cahaya yang jelas dan lengkap.” “Kreativiti adalah mengatakan tidak kepada seribu perkara,” Steve Jobs bersetuju.

"Perangkap Keupayaan Sederhana AI"

Encik Ho Quoc Tuan, Pengarah Program Sarjana dalam Kewangan & Perakaunan di Universiti Bristol, menyebut tentang konsep "perangkap kebolehan purata AI." Pekerjaan yang kerap memerlukan kebolehan orang biasa selalunya melibatkan banyak tugasan berulang, mengikuti proses yang jelas dan boleh diukur. Walau bagaimanapun, beliau berpendapat bahawa inilah sebenarnya kekuatan AI yang luar biasa.

Model bahasa berskala besar (LLM) cenderung berpegang pada apa yang dianggap oleh statistik sebagai konsensus umum. Jika anda mempunyai chatbot yang membaca teks abad ke-19, ia akan "membuktikan" bahawa manusia tidak boleh terbang, sehinggalah adik-beradik Wright melakukannya.

Satu ulasan yang diterbitkan dalam Nature pada Mac 2025 menunjukkan bahawa, walaupun LLM dapat membantu mengurangkan tugasan saintifik yang berulang-ulang, lonjakan sebenar dalam pemikiran masih menjadi milik manusia. Encik Tuan juga berhujah bahawa berpegang teguh pada apa yang telah diketahui, enggan mengambil risiko, dan kekurangan pemikiran kritis adalah kelemahan yang membawa maut dalam era AI.

Demis Hassabis, ketua pasukan di Google DeepMind yang membangunkan AlphaFold, model yang mampu meramalkan bentuk protein, dianggap sebagai salah satu pencapaian saintifik paling cemerlang dalam AI setakat ini. Tetapi beliau juga mengakui bahawa mencapai kecerdasan buatan yang benar-benar umum masih memerlukan "lebih banyak inovasi."

AlphaFold, karya saintifik yang memenangi Hadiah Nobel, juga memerlukan "lebih banyak inovasi." Foto: Google Deepmind.

Dalam masa terdekat, AI terutamanya akan membantu meningkatkan kecekapan dan bukannya memupuk inovasi. Satu tinjauan yang diterbitkan di Arxiv terhadap lebih 7,000 pekerja berpengetahuan menunjukkan bahawa mereka yang menggunakan AI pada tahap produktiviti yang tinggi dapat mengurangkan masa pemprosesan e-mel mereka sebanyak purata 3.6 jam seminggu (bersamaan dengan 31%), manakala tugasan kolaboratif kekal hampir tidak berubah.

Walau bagaimanapun, jika semua orang mewakilkan balasan e-mel kepada ChatGPT, bilangan e-mel dalam peti masuk boleh meningkat, sekali gus menjejaskan kecekapan awal. Menurut FT , pengalaman daripada pemulihan produktiviti AS pada tahun 1990-an menunjukkan bahawa manfaat alat baharu akan cepat pudar jika tidak disertai dengan penemuan inovatif yang tulen.

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