مطالعه جدید نشان می‌دهد که هوش مصنوعی برخی از کارگران را بهره‌ورتر کرده است

دارون آچم اوغلو، استاد مؤسسه فناوری ماساچوست که اخیراً برنده جایزه نوبل اقتصاد شده است، نگران است که هوش مصنوعی نابرابری را بدتر کند و کار زیادی برای بهبود بهره وری انجام ندهد. دوست و همکار او دیوید اتور خوشبین تر است و معتقد است که هوش مصنوعی می تواند درست برعکس عمل کند. تحقیقات جدید توسط آیدان تونر راجرز، دانشجوی دکترای MIT، بدبینی Acemoglu و خوش‌بینی اتور را به چالش می‌کشد. هر دو استاد در مورد آن هیجان زده هستند. Acemoglu گفت: "این فوق العاده است." اتورر گفت: "من کف کرده بودم." نه Autor و نه Acemoglu نظر خود را در مورد هوش مصنوعی تغییر نمی دهند. اما تحقیق تونر راجرز، 26 ساله، گامی به سوی درک این است که هوش مصنوعی با بررسی تأثیر هوش مصنوعی در موقعیت‌های واقعی چه کاری می‌تواند با نیروی کار انجام دهد. بسیاری از اقتصاددانان، از جمله اتور و آچم اوغلو، بررسی کرده اند که چگونه فناوری های قبلی بازار کار را تغییر داده است. اما در حالی که این درک از گذشته زمینه مهمی را فراهم می‌کند، نمی‌توان گفت که هوش مصنوعی چگونه بر اقتصاد تأثیر می‌گذارد: آیا مانند موتور احتراق داخلی بنزینی خواهد بود که کل صنایع را متحول کرد، به رشد و ایجاد مشاغل جدید و گسترده و میلیون‌ها آمریکایی رانده شد. مشاغل جدید و مولدتر با دستمزد سه برابر؟ یا زیپ لاین‌های دهه‌های 1920 و 1930 که مردم فکر می‌کردند می‌توانند دنیا را تغییر دهند و اکنون یک فکر نوستالژیک هستند؟ برای درک اینکه هوش مصنوعی در کجا قرار می گیرد، اقتصاددانان به مطالعات دقیق در مورد استفاده از آن در محیط های کاری روزمره نیاز دارند. مقاله تونر راجرز دقیقاً این کار را انجام می دهد. کار او معرفی گسترده یک ابزار هوش مصنوعی به 1018 دانشمند در یک آزمایشگاه تحقیقاتی علم مواد را بررسی می کند. کشف و ایجاد مواد جدید - از اختراع باکلیت در دهه 1900 تا کولار در دهه 1960 - از لحاظ تاریخی یک فرآیند زمان‌بر آزمون و خطا بوده است. دانشمندان پس از شناسایی خواصی که دوست دارند یک ترکیب داشته باشد، ایده هایی در مورد اینکه ساختار شیمیایی یک ترکیب جدید ممکن است چگونه باشد، ارائه می کنند. آنها سپس شروع به آزمایش ترکیبات می کنند، به این امید که به ترکیبی که کار می کند ضربه بزنند. ابزارهای هوش مصنوعی که بر روی ساختار مواد موجود آموزش دیده اند می توانند فرآیند کشف را به طور قابل توجهی کوتاه تر و کم هزینه تر کنند. دانشمندان خواصی را که دوست دارند یک ترکیب داشته باشد مشخص می کنند و ابزار هوش مصنوعی دستور العمل هایی را تولید می کند که دانشمندان می توانند سپس ارزیابی کنند. Toner-Rogers می گوید: «شاید هیجان انگیزترین چیز در مورد هوش مصنوعی این باشد که می تواند اکتشافات علمی و نوآوری را تسریع بخشد. "این یک منفعت بزرگ خواهد بود." تونر-راجرز، پسر دو معلم مدرسه کالیفرنیا، اولین کلاس اقتصاد خود را به عنوان دانشجوی سال اول گذراند و به او علاقه مند شد. پس از مدتی کار در بانک فدرال رزرو نیویورک، در سال 2023 وارد MIT شد. آزمایشگاهی که تونر-راجرز مطالعه کرد، به طور تصادفی تیم هایی از محققان را برای استفاده از این ابزار در سه موج از می 2022 اختصاص داد. پس از اینکه تونر-راجرز به آزمایشگاه، موافقت کرد که با او کار کند اما نمی‌خواست هویتش فاش شود. آنچه Toner-Rogers به ​​دست آورد قابل توجه بود: پس از اجرای این ابزار، محققان 44 درصد مواد بیشتری را پوشش دادند، پرونده های ثبت اختراع آنها 39 درصد افزایش یافت و در نمونه های اولیه محصول جدید 17 درصد افزایش یافت. تونر راجرز کمی متعجب شد. او فکر می کرد که در بهترین حالت می تواند با دانشمندان در مورد اکتشافات جدید همگام باشد. او گفت: "شما می توانید یک دسته از مواد لنگ تهیه کنید که واقعاً مفید نیستند." این پیشرفت‌های علمی در نوآوری می‌تواند به پیشرفت‌هایی در جاهای دیگر منجر شود، زیرا اختراعات جدید می‌تواند منجر به پیشرفت‌های غیرمنتظره شود. عجم اوغلو گفت که از این که آزمایشگاه شاهد چنین افزایش قابل توجهی در بهره وری بوده است، "تا حدودی متعجب" است، که اگر در کل اقتصاد تکرار شود، بر دیدگاه بدبینانه او برتری خواهد داشت. آزمایشگاه فقط یک مثال خاص است. Acemoglu خاطرنشان می کند که برخلاف مدل های زبان بزرگ مانند ChatGPT که مردم سعی در استفاده گسترده از آن دارند، ابزار هوش مصنوعی آزمایشگاه به طور خاص برای کشف مواد ساخته شده است. Acemoglu هنوز نگران است که هوش مصنوعی می تواند نابرابری درآمد را افزایش دهد. مقاله تونر راجرز یک راه را پیشنهاد می کند که ممکن است اتفاق بیفتد. او متوجه شد که محققانی که قبلاً در کشف ترکیبات موفق‌تر بودند، با ابزار هوش مصنوعی حتی موفق‌تر بودند، در حالی که سایر دانشمندان آنقدر سود نبردند. Autor هنوز فکر می کند هوش مصنوعی می تواند نابرابری درآمد را کاهش دهد تا زمانی که کارگران به درستی آموزش ببینند. آخرین چیزی که Toner-Rodgers در مورد ابزار هوش مصنوعی آزمایشگاه یافت: دانشمندان آنقدرها آن را دوست نداشتند، به طوری که 82٪ گزارش دادند که این ابزار باعث کاهش رضایت شغلی آنها می شود. دانشمندان احساس کردند که بخشی از کار آنها - رویاپردازی ترکیبات جدید - که بیشتر از همه از آن لذت می بردند را از بین برد. یکی از دانشمندان گفت: «نمی‌توانستم احساس کنم که بسیاری از تحصیلات من اکنون بی ارزش است.

منبع: وال استریت ژورنال