Парадокс производительности ИИ

За последнее десятилетие производительность труда значительно снизилась, несмотря на то, что искусственный интеллект помог заменить рутинные задачи в повседневной работе.

Действительно ли ИИ повышает производительность труда? Фото: LinkedIn .

На фоне растущей обеспокоенности по поводу потери рабочих мест из-за ИИ, оптимисты утверждают, что это всего лишь инструмент для повышения производительности, приносящий пользу как работникам, так и экономике . Генеральный директор Microsoft Сатья Надела предполагает, что пользователям достаточно лишь указать свои цели, в то время как автоматизированные агенты ИИ будут планировать, выполнять и обучаться самостоятельно во всех системах.

Однако ИИ создает «ловушку продуктивности», побуждая все больше и больше людей использовать его и даже становиться зависимыми от него. Это приведет к снижению самоанализа и способности решать проблемы, а что еще серьезнее, повлияет на креативность и жизненные прорывы.

Приоритет отдается количеству, а не качеству.

По данным Financial Times, инструменты искусственного интеллекта были бы идеальны, когда одной лишь производительности было бы достаточно для решения проблемы повышения производительности труда. Газета отмечает, что за последние полвека было разработано множество компьютеров, которые, как утверждается, работают быстрее, чем когда-либо прежде, но темпы роста производительности труда в развитых странах замедлились: с примерно 2% в год в 1990-х годах до всего лишь около 0,8% сейчас.

С появлением компьютеров, интернета и глобальной связи между специалистами должны были произойти прорывы. Однако производительность исследований снизилась. Сегодня учёный генерирует меньше новаторских идей на каждый вложенный доллар, чем его предшественник в 1960-х годах.

Экономист Гэри Беккер однажды отметил, что родители стоят перед выбором между «качеством и количеством». Например, чем больше у них детей, тем меньше вероятность того, что они будут вкладывать силы в каждого ребенка индивидуально. То же самое, возможно, происходит и с инновациями.

Слишком большое количество проектов одновременно может негативно сказаться на творческом процессе. Фото: Adobe Stock.

Масштабные исследования патентной активности подтверждают, что количество реализуемых проектов обратно пропорционально вероятности прорывов. В последние десятилетия научные статьи и патенты все чаще становятся скорее постепенным дополнением, чем крупными прорывами.

Между тем, великие умы на протяжении всей истории понимали это. Исаак Ньютон однажды сказал, что он всегда «держит перед собой проблему… пока постепенно не появятся первые искры света, которые, наконец, не вспыхнут ясным и полным светом». «Творчество — это умение говорить «нет» тысяче вещей», — согласился Стив Джобс.

«Ловушка средних возможностей ИИ»

Г-н Хо Куок Туан, директор магистерской программы по финансам и бухгалтерскому учету в Бристольском университете, упомянул концепцию «ловушки средних способностей ИИ». Работа, которая часто требует навыков среднестатистического человека, зачастую включает в себя множество повторяющихся задач и подчиняется четким и поддающимся количественной оценке процессам. Однако, по его мнению, именно в этом и заключается выдающаяся сила ИИ.

Крупномасштабные языковые модели (КГМ) склонны придерживаться того, что статистика считает общепринятым мнением. Если бы чат-бот прочитал текст XIX века, он бы «доказал», что люди не умеют летать, пока это не сделали братья Райт.

В обзоре, опубликованном в журнале Nature в марте 2025 года, было показано, что, хотя LLM может помочь сократить количество повторяющихся научных задач, настоящие прорывы в мышлении по-прежнему принадлежат людям. Г-н Туан также утверждал, что цепляние за уже известные знания, нежелание рисковать и отсутствие критического мышления являются фатальными недостатками в эпоху ИИ.

Демис Хассабис, руководитель группы Google DeepMind, разработавшей AlphaFold — модель, способную предсказывать форму белков, — считается одним из самых выдающихся научных достижений в области искусственного интеллекта на сегодняшний день. Но даже он признает, что для достижения по-настоящему универсального искусственного интеллекта потребуется «гораздо больше инноваций».

Научной работе AlphaFold, удостоенной Нобелевской премии, также необходимы «дополнительные инновации». Фото: Google Deepmind.

В ближайшем будущем ИИ будет в первую очередь способствовать повышению эффективности, а не стимулировать инновации. Опрос, опубликованный на Arxiv среди более чем 7000 работников интеллектуального труда, показал, что те, кто использует ИИ с высокой степенью производительности, сократили время обработки электронной почты в среднем на 3,6 часа в неделю (что эквивалентно 31%), в то время как время, затрачиваемое на совместную работу, практически не изменилось.

Однако, если все делегируют ответы на электронные письма ChatGPT, количество писем во входящих может увеличиться, что подорвет первоначальную эффективность. По данным Financial Times , опыт восстановления производительности в США в 1990-х годах показывает, что преимущества нового инструмента быстро исчезнут, если он не будет сопровождаться подлинными инновационными прорывами.

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