Paradoks produktywności sztucznej inteligencji

Wydajność pracy znacząco spadła w ciągu ostatniej dekady, mimo że sztuczna inteligencja pomogła zastąpić powtarzalne zadania w codziennej pracy.

Czy sztuczna inteligencja rzeczywiście zwiększa produktywność w pracy? Zdjęcie: LinkedIn .

W obliczu rosnących obaw o utratę miejsc pracy z powodu sztucznej inteligencji, optymiści twierdzą, że jest to po prostu narzędzie do zwiększania produktywności, przynoszące korzyści zarówno pracownikom, jak i gospodarce . Dyrektor generalny Microsoftu, Satya Nadella, sugeruje, że użytkownicy muszą jedynie określić swoje cele, a zautomatyzowani agenci AI będą planować, wykonywać i uczyć się samodzielnie we wszystkich systemach.

Jednak sztuczna inteligencja tworzy „pułapkę produktywności”, zachęcając coraz więcej osób do korzystania z niej, a nawet do uzależnienia się od niej. Doprowadzi to do spadku samorefleksji i zdolności rozwiązywania problemów, a co gorsza, wpłynie na kreatywność i przełomy w życiu.

Priorytet ilości nad jakością.

Według FT, narzędzia AI byłyby idealne, gdyby sama wydajność wystarczyła do rozwiązania problemu produktywności. Gazeta zwraca uwagę, że w ciągu ostatniego półwiecza opracowano wiele komputerów, które rzekomo są szybsze niż kiedykolwiek wcześniej, ale tempo wzrostu wydajności pracy w gospodarkach rozwiniętych spadło, z około 2% rocznie w latach 90. XX wieku do zaledwie około 0,8% obecnie.

Wraz z pojawieniem się komputerów, internetu i globalnej łączności talentów, przełomy powinny były eksplodować. Jednak produktywność badań spadła. Dzisiejsi naukowcy generują mniej przełomowych pomysłów na zainwestowanego dolara niż ich poprzednicy w latach 60.

Ekonomista Gary Becker zauważył kiedyś, że rodzice stoją przed wyborem między „jakością a ilością”. Na przykład, im więcej dzieci mają, tym mniejsze jest prawdopodobieństwo, że będą inwestować w każde z nich z osobna. To samo może dotyczyć innowacji.

Zbyt wiele projektów naraz może negatywnie wpłynąć na kreatywność. Zdjęcie: Adobe Stock.

Zakrojone na szeroką skalę badania patentów potwierdzają, że liczba podejmowanych projektów jest odwrotnie proporcjonalna do prawdopodobieństwa przełomów. W ostatnich dekadach prace naukowe i patenty coraz częściej stają się jedynie drobnymi uzupełnieniami, a nie znaczącymi przełomami.

Tymczasem wielkie umysły na przestrzeni dziejów to rozumiały. Isaac Newton powiedział kiedyś, że zawsze „trzyma przed sobą problem… aż pojawią się pierwsze iskry światła, krok po kroku, i w końcu rozbłysną jasnym i pełnym światłem”. „Kreatywność to mówienie „nie” tysiącom rzeczy” – zgodził się Steve Jobs.

„Pułapka średnich możliwości sztucznej inteligencji”

Pan Ho Quoc Tuan, dyrektor studiów magisterskich z finansów i rachunkowości na Uniwersytecie w Bristolu, wspomniał o koncepcji „pułapki przeciętnych umiejętności AI”. Zawody, które często wymagają umiejętności przeciętnej osoby, często obejmują wiele powtarzalnych zadań i przebiegają zgodnie z jasnymi i mierzalnymi procesami. Twierdzi jednak, że to właśnie stanowi o wyjątkowej sile AI.

Modele języka na dużą skalę (LLM) zazwyczaj trzymają się tego, co statystyki uznają za powszechny konsensus. Gdyby chatbot przeczytał tekst z XIX wieku, „udowodniłby”, że ludzie nie potrafią latać, dopóki nie zrobili tego bracia Wright.

Przegląd opublikowany w czasopiśmie „Nature” w marcu 2025 roku wykazał, że choć studia magisterskie (LLM) mogą pomóc w redukcji powtarzalnych zadań naukowych, prawdziwy postęp w myśleniu nadal należy do ludzi. Pan Tuan argumentował również, że trzymanie się tego, co już znane, niechęć do podejmowania ryzyka i brak krytycznego myślenia to fatalne słabości w erze sztucznej inteligencji.

Demis Hassabis, szef zespołu Google DeepMind, który opracował AlphaFold, model zdolny do przewidywania kształtów białek, jest uważany za jedno z najwybitniejszych osiągnięć naukowych w dziedzinie sztucznej inteligencji. Jednak nawet on przyznaje, że osiągnięcie prawdziwie uniwersalnej sztucznej inteligencji będzie nadal wymagało „znacznie większej innowacyjności”.

AlphaFold, praca naukowa nagrodzona Nagrodą Nobla, również potrzebuje „więcej innowacji”. Zdjęcie: Google Deepmind.

W niedalekiej przyszłości sztuczna inteligencja będzie przede wszystkim przyczyniać się do wzrostu wydajności, a nie do wspierania innowacji. Badanie opublikowane na portalu Arxiv , przeprowadzone wśród ponad 7000 pracowników umysłowych, wykazało, że osoby, które wykorzystują sztuczną inteligencję w wysokim stopniu produktywności, skróciły czas przetwarzania wiadomości e-mail średnio o 3,6 godziny tygodniowo (co odpowiada 31%), podczas gdy zadania wymagające współpracy pozostały praktycznie niezmienione.

Jeśli jednak wszyscy delegują odpowiedzi e-mailowe do ChatGPT, liczba wiadomości w skrzynkach odbiorczych może wzrosnąć, co podważy początkową wydajność. Według FT , doświadczenia z ożywienia produktywności w USA w latach 90. pokazują, że korzyści płynące z nowego narzędzia szybko znikną, jeśli nie będą mu towarzyszyć prawdziwe przełomy innowacyjne.

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