Paradoks produktiviti AI

Produktiviti buruh telah menurun dengan ketara sepanjang dekad yang lalu, walaupun kecerdasan buatan telah menyumbang kepada menggantikan tugas berulang dalam kerja harian.

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

Di tengah-tengah kebimbangan yang semakin meningkat tentang kehilangan pekerjaan akibat AI, optimis mengatakan ia hanyalah alat produktiviti yang akan memberi manfaat kepada pekerja dan ekonomi . Ketua Pegawai Eksekutif Microsoft Satya Nadella berkata pengguna hanya akan menyatakan matlamat mereka, manakala ejen AI automatik akan merancang, melaksanakan dan belajar merentas semua sistem.

Walau bagaimanapun, AI sedang mencipta "perangkap produktiviti", menyeru lebih ramai orang untuk menggunakannya, malah bergantung padanya. Ini akan membawa kepada penurunan keupayaan untuk menyoal diri sendiri, menyelesaikan masalah, dan lebih serius, menjejaskan kreativiti dan kejayaan dalam kehidupan.

Fokus pada kuantiti berbanding kualiti

Alat AI yang ideal , FT berpendapat, adalah satu di mana kecekapan sahaja sudah cukup untuk menyelesaikan masalah produktiviti. Akhbar itu menunjukkan bahawa dalam tempoh setengah abad yang lalu, terdapat lebih banyak komputer yang dikatakan lebih pantas berbanding sebelum ini, tetapi kadar pertumbuhan produktiviti buruh di negara maju telah jatuh, daripada kira-kira 2% setahun pada 1990-an kepada kira-kira 0.8% hari ini.

Apabila komputer ditambah dengan Internet dan bakat global disambungkan, kejayaan sepatutnya telah meletup. Sebaliknya, produktiviti penyelidikan telah merosot. Seorang saintis hari ini menghasilkan lebih sedikit penemuan bagi setiap dolar yang dilaburkan daripada pendahulu mereka pada tahun 1960-an.

Ahli ekonomi Gary Becker telah menegaskan bahawa ibu bapa menghadapi pilihan antara "kualiti dan kuantiti." Semakin ramai anak, contohnya, semakin kurang mereka mampu untuk melabur untuk setiap anak. Perkara yang sama mungkin berlaku dengan inovasi.

Terlalu banyak projek sekaligus boleh menjejaskan kreativiti. Foto: Adobe Stock.

Kajian berskala besar terhadap keluaran paten mengesahkan bahawa bilangan projek yang dijalankan adalah berkadar songsang dengan kemungkinan kejayaan. Dalam beberapa dekad kebelakangan ini, kertas saintifik dan paten telah menjadi lebih daripada satu kejayaan.

Sementara itu, pemikir besar sejarah memahami perkara ini dengan baik. Isaac Newton pernah berkata bahawa dia sentiasa "menyimpan masalah di hadapannya ... sehingga sinar cahaya pertama muncul, sedikit demi sedikit, dan kemudian akhirnya pecah menjadi cahaya yang jelas dan penuh." "Inovasi mengatakan tidak kepada seribu perkara," Steve Jobs bersetuju.

“Perangkap keupayaan pertengahan AI”

Encik Ho Quoc Tuan, Pengarah program Sarjana Kewangan & Perakaunan di Universiti Bristol, menyebut konsep "perangkap keupayaan purata AI". Kerja tetap yang memerlukan keupayaan orang yang mempunyai kebolehan sederhana selalunya merangkumi banyak tugasan yang berulang, mengikut proses yang jelas dan boleh diukur. Bagaimanapun, dia percaya itu adalah kekuatan AI yang luar biasa.

Model bahasa besar (LLM) cenderung berpegang pada apa yang dikatakan statistik sebagai konsensus bersama. Jika anda memberikan teks chatbot abad ke-19, ia akan "membuktikan" bahawa manusia tidak boleh terbang sehingga Wright bersaudara melakukannya.

Kajian yang diterbitkan pada Mac 2025 dalam jurnal Nature mendapati bahawa walaupun LLM boleh membantu mengurangkan kerja saintifik yang berulang, lompatan sebenar dalam pemikiran masih milik manusia. Tuan Tuan juga percaya bahawa berpegang kepada apa yang diketahui, tidak berani mengambil risiko dan mempunyai pemikiran kritis adalah kelemahan yang membawa maut dalam era AI.

Demis Hassabis, yang mengetuai pasukan di Google DeepMind yang membangunkan AlphaFold, model yang meramalkan bentuk protein, dianggap sebagai salah satu pencapaian saintifik yang paling penting dalam AI setakat ini. Tetapi walaupun dia mengakui bahawa mencapai kecerdasan buatan am sebenar masih memerlukan "banyak lagi inovasi."

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

Dalam jangka masa terdekat, AI akan lebih mengutamakan kecekapan daripada kreativiti. Tinjauan terhadap lebih 7,000 pekerja berpengetahuan yang diterbitkan di Arxiv mendapati bahawa mereka yang menggunakan AI generatif secara meluas mengurangkan masa e-mel mereka dengan purata 3.6 jam seminggu (31%), manakala tugas kolaboratif kekal sebahagian besarnya tidak berubah.

Walau bagaimanapun, jika semua orang menggunakan sumber luar untuk menjawab e-mel kepada ChatGPT, bilangan e-mel dalam peti masuk boleh meningkat, kehilangan produktiviti awal. Menurut FT , pengalaman pemulihan produktiviti AS pada 1990-an menunjukkan bahawa faedah alat baharu akan cepat pudar jika tidak disertai dengan penemuan kreatif yang sebenar.

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