هوش مصنوعی؛ عامل بهره‏‏‌وری یا مخل آن؟

اقتصاددانان بسیاری همچون آتور و عجم‌‌‌اوغلو به بررسی تاثیر فناوری‌‌‌های پیشین بر بازار کار پرداخته‌‌‌اند و اگرچه کندوکاو گذشته و درک آن بستر مهمی را برای شناخت جریان‌‌‌ها و پیش‌بینی آینده فراهم می‌کند، اما همچنان ضامن تاثیر هوش مصنوعی نیست. پیش‌بینی تاثیر هوش مصنوعی بر اقتصاد کار دشواری است. آیا همچون موتور احتراق داخلی با سوخت بنزین خواهد بود که صنایع را متحول و رشد را تقویت کرد، دسته‌‌‌بندی‌‌‌های گسترده‌‌‌ای از مشاغل جدید را ایجاد کرد و میلیون‌‌‌ها آمریکایی را به مشاغل جدید و پربازده‌‌‌تر با درآمد بهتر رساند؟ یا مانند زپلین‌‌‌های دهه 1920 و 1930 خواهد بود (کشتی‌‌‌ هوایی که برای حمل‌ونقل مسافران، ارسال بار و مقاصد نظامی استفاده می‌‌‌شد) که زمانی تصور می‌‌‌شد قرار است جهان را دگرگون کنند، اما در نهایت به تاریخ پیوستند و تنها خاطره‌‌‌ای نوستالژیک از آنها باقی ماند؟ برای تعیین جایگاه احتمالی هوش‌مصنوعی، اقتصاددانان نیاز به مطالعات محتاط و دقیقی درخصوص نحوه استفاده آن در محیط کار امروزی دارند. مقاله راجرز دقیقا به همین موضوع پرداخته است. پژوهش او تاثیر استفاده تصادفی از یک ابزار هوش مصنوعی روی 1018 دانشمند در یک آزمایشگاه تحقیقات علوم مواد را بررسی می‌کند.

کشف و ایجاد مواد جدید – از اختراع باکالیت در اوایل قرن بیستم تا کولار در دهه 1960- همواره فرآیندی زمان‌بر و مبتنی بر آزمون و خطا بوده است. دانشمندان ابتدا مشخص می‌کنند که می‌‌‌خواهند ترکیب جدید چه ویژگی‌‌‌هایی داشته باشد، سپس درباره ساختار شیمیایی احتمالی این ترکیب حدس و گمانه‌‌‌زنی می‌کنند و در نهایت، ترکیبات گوناگون را آزمایش می‌کنند و امید دارند که یکی از آنها نتیجه‌‌‌بخش باشد.

ابزارهای هوش مصنوعی که بر اساس ساختار مواد موجود آموزش دیده‌‌‌اند، می‌توانند فرآیند کشف مواد را به‌‌‌طور قابل‌‌‌توجهی کوتاه‌‌‌تر و کم‌‌‌هزینه‌‌‌تر کنند. به این ترتیب که دانشمندان مشخص می‌کنند می‌‌‌خواهند ترکیب جدید چه ویژگی‌‌‌هایی داشته باشد و ابزار هوش مصنوعی ترکیبات احتمالی و دستورالعمل‌‌‌های ساخت ماده جدید را تولید می‌کند و دانشمندان می‌توانند آن‌‌‌ فرمول‌‌‌ها را ارزیابی کنند.

 راجرز می‌‌‌گوید: «شاید هیجان‌‌‌انگیزترین جنبه هوش‌مصنوعی این باشد که می‌تواند روند کشف و نوآوری علمی را تسریع کند. این یک مزیت عظیم خواهد بود.»

راجرز، فرزند دو معلم مدرسه در کالیفرنیاست. او در کودکی عاشق بسکتبال بود و در خط حمله تیم بسکتبال کالج مک‌‌‌آلیستر در مینه‌‌‌سوتا بازی می‌‌‌کرد. سال اول دانشگاه اولین کلاس اقتصاد خود را گذراند و شیفته اقتصاد شد و پس از مدتی کار در بانک فدرال رزرو نیویورک، در سال 2023 وارد دانشگاه MIT شد.

آزمایشگاهی که راجرز برای پژوهش خود از آن استفاده کرد، از ماه مه سال 2022 به طور تصادفی تیم‌‌‌های تحقیقاتی را موظف می‌‌‌کرد که در سه مرحله از این ابزار استفاده کنند. پس از تماس راجرز با این آزمایشگاه، آنها پذیرفتند با او همکاری کنند، اما شرطشان این بود که نام آزمایشگاه فاش نشود.

یافته‌‌‌های راجرز بسیار چشمگیر بود: با استفاده از این ابزار، محققان 44‌درصد مواد بیشتری کشف کردند، ثبت اختراعاتشان 39‌درصد افزایش یافت و نمونه‌‌‌های اولیه محصولات جدید 17‌درصد رشد داشت. برخلاف نگرانی‌ها نسبت به اینکه استفاده از هوش‌مصنوعی در تحقیقات علمی به «اثر چراغ برق» منجر شود، ترکیبات تازه بیشتری نسبت به آنچه دانشمندان پیش از استفاده از هوش مصنوعی کشف کرده بودند، به دست آمد.

(اثر چراغ برق یکی از رایج‌‌‌ترین خطاهای ادراکی و رفتاری انسان و صد البته سازمان‌هاست که در آن به جای اینکه بر اساس واقعیت‌‌‌ها و شواهد به دنبال یافتن بهترین راه‌‌‌حل در مسیر درست باشند، راهی را که ساده‌‌‌تر و آسان‌‌‌تر است انتخاب می‌کنند). خود راجرز هم تا حدی شگفت‌‌‌زده شد. او انتظار داشت این ابزار در بهترین حالت بتواند در کشفیات نوآورانه هم‌‌‌پای دانشمندان پیش برود، نه اینکه از آنها پیش بیفتد. او گفت: «ممکن بود مجموعه‌‌‌ای، مواد بی‌‌‌ارزش و غیرکاربردی ارائه دهد که اصلا به درد کسی هم نمی‌‌‌خورد.»

این دستاوردها در نوآوری علمی می‌تواند به پیشرفت‌‌‌های دیگری منجر شود، زیرا اختراعات جدید اغلب به توسعه‌‌‌های غیرمنتظره‌‌‌ای ختم می‌‌‌شوند. به عنوان مثال موتور احتراق داخلی با سوخت بنزین، ابتدا برای تامین انرژی خودروها به وجود آمد، اما استفاده از آن در تراکتور، کشاورزی را متحول کرد. همان‌طور که دیوید دمینگ، اقتصاددان دانشگاه هاروارد هم اشاره می‌کند، سهم اشتغال در حوزه کشاورزی در ایالات‌متحده از 20‌درصد در سال 1930 به 6‌درصد در سال 1960 کاهش یافت، در صورتی که در همین دوره، تولیدات کشاورزی چهار برابر افزایش یافت.

عجم‌‌‌اوغلو می‌‌‌گوید او نیز «تا حدودی حیرت کرده» که آزمایشگاه چنین افزایش بهره‌‌‌وری چشمگیری داشته است و اگر این الگو در سراسر اقتصاد تکرار شود، ممکن است دیدگاه بدبینانه او را تغییر دهد. او اخیرا در مقاله‌‌‌ای برآورد کرده بود که هوش مصنوعی طی دهه آینده، تولید ناخالص داخلی ایالات متحده را در مجموع حدود یک‌درصد افزایش خواهد داد. البته این آزمایشگاه صرفا یک نمونه خاص است و عجم‌‌‌اوغلو اشاره می‌کند که برخلاف مدل‌‌‌های زبانی بزرگی مثل چت‌‌‌جی‌‌‌پی‌‌‌تی که قرار است به‌‌‌طور گسترده‌‌‌ای به کار گرفته شوند، ابزار هوش مصنوعی این آزمایشگاه به‌‌‌طور خاص برای کشف مواد طراحی شده بود.

دانشمندانی که در پژوهش راجرز حضور داشتند هم تحصیلات پیشرفته‌‌‌ای در رشته‌‌‌های شیمی، فیزیک و مهندسی داشتند و مهارت‌‌‌های حاصل از تحصیلاتشان احتمالا به آنها کمک کرده که راحت‌‌‌تر این ابزار را به‌کار بگیرند.

با تمام این‌‌‌ها، عجم‌‌‌اوغلو همچنان نگران است که هوش مصنوعی نابرابری درآمد را تشدید کند. مقاله راجرز هم یک راه احتمالی را برای وقوع این اتفاق نشان می‌دهد. راجرز در تحقیقات خود دریافت محققانی که پیش از ظهور هوش مصنوعی در کشف ترکیبات جدید از همه موفق‌‌‌تر بودند، با استفاده از ابزار هوش مصنوعی میزان موفقیتشان حتی از پیش هم بیشتر شد، در حالی که سایر دانشمندان به همان نسبت از هوش مصنوعی بهره نبردند. از آنجا که معمولا حقوق و پاداش افراد با سطح بهره‌‌‌وری‌‌‌شان رابطه مستقیمی دارد، این موضوع می‌تواند به افزایش نابرابری درآمدی منجر شود.

با بررسی دستورالعمل‌‌‌های پیشنهادی این ابزار مشخص شد که دانشمندان برتر معمولا دستورالعمل‌‌‌هایی را که بیشترین شانس موفقیت را داشتند، به درستی تشخیص می‌‌‌دادند و ابتدا روی آنها کار می‌‌‌کردند. به این ترتیب خروجی علمی دانشمندانی که در گذشته از نظر میزان موفقیت جزو 10‌درصد برتر بودند، 81‌درصد افزایش یافت، اما سایر محققان در انتخاب ترکیب موفق عملکرد ضعیف‌‌‌تری داشتند و زمان زیادی را صرف ارزیابی ترکیباتی کردند که نتیجه‌‌‌بخش نبود. بدتر از همه اینکه افرادی که از نظر عملکرد در یک‌‌‌سوم پایینی قرار داشتند، تقریبا هیچ بهبودی نشان ندادند.

آتور همچنان بر این باور است که هوش مصنوعی می‌تواند نابرابری درآمد را کاهش دهد، به شرطی که کارکنان آموزش کافی ببینند. برای مثال، یک کارشناس حقوقی با استفاده از هوش مصنوعی و آموزش مناسب ممکن است بتواند بسیاری از وظایفی را که در حال حاضر به وکلای باتجربه واگذار می‌شود انجام دهد و در نتیجه درآمد بیشتری کسب کند. در غیر این صورت، مثل این است که افراد را بدون آموزش با شبیه‌‌‌ساز پرواز، داخل کابین خلبان قرار دهید و بعد از آنکه سقوط کردند بگویید «متاسفم، به نظر می‌‌‌رسد تو خلبان بدی هستی.»

آخرین نکته‌‌‌ای که راجرز به واسطه این پژوهش در رابطه با ابزار هوش مصنوعی آزمایشگاه کشف کرد این بود که دانشمندان چندان از آن راضی نبودند. 82‌درصد از آنها گزارش کردند که رضایت‌‌‌شان از کار کاهش یافته است. در حالی که بسیاری از افرادی که نسبت به ظهور هوش مصنوعی بسیار خوش‌بین هستند، معتقدند این فناوری تعداد وظایف خسته‌‌‌کننده‌‌‌ای را که کارکنان باید انجام دهند کاهش می‌دهد. دانشمندان احساس می‌‌‌کردند این ابزار بخشی از کارشان را – خلق ایده‌‌‌های جدید برای ترکیبات – که بیشترین لذت را برایشان داشت، از آنها گرفته است. یکی از دانشمندان گفت: «دست خودم نیست. احساس می‌‌‌کنم بخش زیادی از عمری که برای درس و دانشگاه گذشته‌‌‌ام بیهوده بوده و دانشم بی‌‌‌ارزش شده است.»

شاید با شیوع بیشتر هوش‌مصنوعی و آشنایی عمیق‌‌‌تر با آن، دانشمندان استفاده از آن را بیشتر بپذیرند، اما در حال حاضر هیچ تضمینی برای این موضوع وجود ندارد. راجرز می‌‌‌گوید: «با استفاده از ابزارهای هوش مصنوعی در آزمایشگاه‌‌‌ها، یک بخش کلیدی و خلاقانه از این فرآیند خودکار می‌شود. ممکن است افراد برای همیشه از این موضوع ناراضی باشند.»

منبع: Wall Street Journal