نظر | هوش مصنوعی ممکن است همه چیز را تغییر دهد، اما احتمالاً نه خیلی سریع

«هوش مصنوعی (AI) در حال حاضر تأثیر قابل توجهی بر اقتصاد دارد و انتظار می‌رود تأثیر آن در سال‌های آینده به طور قابل‌توجهی افزایش یابد. به طور کلی، تأثیرات هوش مصنوعی بر اقتصاد به عوامل مختلفی از جمله میزان پیشرفت فناوری، سیاست‌های دولت و توانایی کارگران برای انطباق با فناوری‌های جدید بستگی دارد.

باشه کی گفته؟ هیچ کس، مگر اینکه ما آماده باشیم که مدل های زبان بزرگ را مردم خطاب کنیم. کاری که من انجام دادم این بود که از ChatGPT خواستم اثرات اقتصادی هوش مصنوعی را شرح دهد. این یک گزیده بود.

من فکر می‌کنم بسیاری از ما که با مدل‌های زبانی بزرگ بازی کرده‌ایم – که به طور گسترده تحت عنوان هوش مصنوعی مورد بحث قرار می‌گیرند (اگرچه بحثی تقریبا متافیزیکی در مورد اینکه آیا باید آن را هوش بنامیم) وجود دارد – از این که چقدر آنها در حال حاضر هستند شوکه شده‌ایم. موفق می شود شبیه مردم به نظر برسد. و این شرط خوبی است که آنها یا فرزندانشان در نهایت تعداد قابل توجهی از وظایفی را که در حال حاضر توسط انسان انجام می شود به عهده بگیرند.

مانند جهش‌های قبلی در فناوری، این امر اقتصاد را مولدتر می‌کند، اما احتمالاً به برخی از کارگرانی که مهارت‌هایشان بی‌ارزش شده است آسیب می‌زند. اگرچه اصطلاح “Luddite” اغلب برای توصیف شخصی استفاده می شود که به سادگی نسبت به فناوری جدید تعصب دارد، لودیت های اصلی صنعتگران ماهری بودند که از معرفی دستگاه های بافندگی برقی و قاب های بافندگی متحمل آسیب واقعی اقتصادی شدند.

اما این بار، این تأثیرات چقدر خواهد بود؟ و چقدر سریع به وجود خواهند آمد؟ در مورد سوال اول، پاسخ این است که هیچ کس واقعا نمی داند. پیش‌بینی‌ها در مورد تأثیر اقتصادی فناوری به‌طور مشهور غیرقابل اعتماد هستند. در مورد دوم، تاریخ حاکی از آن است که تأثیرات اقتصادی بزرگ ناشی از هوش مصنوعی بیش از آنچه که بسیاری از مردم در حال حاضر انتظار دارند، طول خواهد کشید.

اثرات پیشرفت های قبلی در محاسبات را در نظر بگیرید. گوردون مور، بنیانگذار اینتل – که ریزپردازنده را در سال 1971 معرفی کرد – هفته گذشته درگذشت. او به دلیل پیش‌بینی‌اش مبنی بر اینکه تعداد ترانزیستورهای یک تراشه کامپیوتری هر دو سال یکبار دو برابر می‌شود، مشهور بود – پیش‌بینی‌ای که برای نیم قرن به طرز خیره‌کننده‌ای دقیق بود. عواقب قانون مور در اطراف ما وجود دارد، به وضوح در رایانه‌های قدرتمند، با نام مستعار گوشی‌های هوشمند، که این روزها تقریباً همه با خود حمل می‌کنند.

با این حال، برای مدت طولانی، بازده اقتصادی این افزایش فوق‌العاده در قدرت محاسباتی به‌طور شگفت‌آوری مبهم بود. در اینجا نموداری از افزایش بلندمدت بهره‌وری نیروی کار – تولید در ساعت در بخش غیرکشاورزی – که به عنوان نرخ رشد سالانه طی 10 سال گذشته اندازه‌گیری می‌شود (برای کاهش بخشی از سر و صدا) آورده شده است:

در عرض یک دقیقه برخی از آنچه در نمودار است را توضیح خواهم داد. اما اولین چیزی که باید به آن توجه کرد این است که برای حداقل دو دهه پس از شروع قانون مور، آمریکا، به دور از تجربه یک رونق بهره‌وری، از کاهش طولانی‌مدت بهره‌وری رنج می‌برد. رونق فقط در دهه 1990 شروع شد، و حتی در آن زمان کمی ناامید کننده بود، همانطور که در یک دقیقه نیز توضیح خواهم داد.

چرا یک موج عظیم و طولانی مدت در قدرت محاسباتی اینقدر طول کشید تا برای اقتصاد نتیجه دهد؟ در سال 1990، پاول دیوید، مورخ اقتصادی، یکی از مقالات اقتصادی مورد علاقه من در تمام دوران را منتشر کرد، “دینامو و کامپیوتر”. این یک موازی بین تأثیرات فناوری اطلاعات و تأثیرات یک انقلاب فناوری قبلی، یعنی برق‌رسانی صنعت، ترسیم کرد.

همانطور که دیوید اشاره کرد، موتورهای الکتریکی در دهه 1890 به طور گسترده در دسترس قرار گرفتند. اما داشتن یک فناوری کافی نیست. شما همچنین باید بفهمید که با آن چه کار کنید.

برای استفاده کامل از برق رسانی، تولیدکنندگان مجبور بودند در طراحی کارخانه ها تجدید نظر کنند. کارخانه‌های پیش‌الکتریک ساختمان‌های چند طبقه با فضاهای کاری تنگ بودند، زیرا برای استفاده مؤثر از یک موتور بخار در زیرزمین، ماشین‌ها را از طریق سیستمی از شفت‌ها، چرخ دنده‌ها و قرقره‌ها هدایت می‌کرد.

فهمیدن اینکه هر ماشینی که توسط موتور خودش رانده می‌شد، کارخانجات گسترده یک طبقه با راهروهای وسیعی را که امکان جابه‌جایی آسان مواد را امکان‌پذیر می‌کرد، امکان‌پذیر می‌کرد، نه به ذکر خطوط مونتاژ. در نتیجه، افزایش بهره وری بزرگ حاصل از برق رسانی تا پس از جنگ جهانی اول محقق نشد.

مطمئناً همانطور که دیوید در واقع پیش‌بینی کرد، بازده اقتصادی فناوری اطلاعات سرانجام در دهه 1990 آغاز شد، زیرا کابینه‌های بایگانی و منشی‌هایی که دیکته می‌کردند سرانجام جای خود را به مزارع اتاقک دادند. (چی؟ فکر می کنید پیشرفت تکنولوژی همیشه پر زرق و برق است؟) تاخیر در این بازده اقتصادی حتی از نظر طولی شبیه به عقب افتادن بازده ناشی از برق رسانی بود.

اما این تاریخ هنوز چند معما را ارائه می دهد. یکی این است که چرا اولین رونق بهره‌وری از فناوری اطلاعات (اگر شور و شوق در مورد ربات‌های گفتگو موجه باشد، ممکن است یکی دیگر در راه باشد) بسیار کوتاه مدت بود. اساساً فقط حدود یک دهه دوام آورد.

و حتی تا زمانی که این دوره ادامه داشت، رشد بهره وری در طول رونق فناوری اطلاعات بیشتر از دوران رونق طولانی مدت پس از جنگ جهانی دوم نبود، که از این جهت قابل توجه بود که به نظر نمی رسید توسط هیچ فناوری کاملاً جدیدی هدایت شود. (به همین دلیل در نمودار بالا با علامت سوال مشخص شده است.)

در سال 1969، پیتر دراکر، مشاور مشهور مدیریت، «عصر ناپیوستگی» را منتشر کرد، کتابی که به درستی تغییرات عمده در ساختار اقتصاد را پیش‌بینی می‌کرد، اما عنوان کتاب به درستی، فکر می‌کنم، نشان می‌دهد که دوره قبلی رشد اقتصادی فوق‌العاده در واقع یک عصر تداوم، دورانی که در طی آن خطوط اساسی اقتصاد تغییر چندانی نکرد، حتی زمانی که آمریکا بسیار ثروتمندتر شد.

یا به بیانی دیگر، به نظر می رسد رونق بزرگ از دهه 1940 تا حدود 1970 عمدتاً مبتنی بر استفاده از فناوری هایی مانند موتور احتراق داخلی بوده است که برای دهه ها وجود داشته است – که باید ما را در مورد تلاش بیشتر شک و تردید کند. برای استفاده از پیشرفت های تکنولوژیکی اخیر برای پیش بینی رشد اقتصادی.

این بدان معنا نیست که هوش مصنوعی تأثیرات اقتصادی زیادی نخواهد داشت. اما تاریخ نشان می دهد که آنها به سرعت نمی آیند. ChaptGPT و هر آنچه در ادامه می آید احتمالاً یک داستان اقتصادی برای دهه 2030 است، نه برای چند سال آینده.

این بدان معنا نیست که ما باید پیامدهای یک رونق احتمالی مبتنی بر هوش مصنوعی را نادیده بگیریم. مدل‌های زبان بزرگ به شکل فعلی‌شان نباید بر پیش‌بینی‌های اقتصادی سال آینده تأثیر بگذارد و احتمالاً نباید تأثیر زیادی بر پیش‌بینی‌های اقتصادی برای دهه آینده داشته باشد. اما چشم انداز بلندمدت رشد اقتصادی در حال حاضر بهتر از قبل از اینکه کامپیوترها شروع به تقلید خوب از مردم کنند، بهتر به نظر می رسد.

و پیش‌بینی‌های بلندمدت اقتصادی مهم هستند، حتی اگر همیشه اشتباه باشند، زیرا آنها زیربنای چشم‌انداز بلندمدت بودجه هستند، که به نوبه خود به هدایت سیاست فعلی در تعدادی از زمینه‌ها کمک می‌کند. به این نکته خیلی دقیق نپردازیم، اما هر کسی که به لطف هوش مصنوعی شتاب شدید رشد اقتصادی را پیش‌بینی می‌کند – که منجر به افزایش شدید درآمدهای مالیاتی می‌شود – و به طور همزمان بحران مالی آینده را پیش‌بینی می‌کند، مگر اینکه کاهش شدیدی در Medicare و انجام دهیم. تامین اجتماعی چندان منطقی نیست.