حجة النمو الإنتاجي للذكاء الاصطناعي: كيف يمكن لنماذج اللغة أن تُحدث تحولاً في النمو الاقتصادي

المصدر: Blockworks العنوان الأصلي: الحالة الصاعدة للإنتاجية في كل شيء تقريبًا الرابط الأصلي: https://blockworks.co/news/productivity-bull-case

“الإنتاجية ليست كل شيء، لكنها على المدى الطويل تقريبًا كل شيء.”

— بول كروغمان

إنتاجية العوامل الكلية (TFP) هي الطريقة التي يقيس بها الاقتصاديون مساهمة الابتكار التكنولوجي في النمو الاقتصادي — وهي القدرة المستمرة للاقتصاد على إنتاج المزيد من المخرجات بنفس كمية المدخلات.

وبالتالي، فهي تعتبر أهم مقياس لدى الاقتصاديين، لأن العملية المستمرة لإنتاج المزيد بأقل هي كيف تتحسن الحياة.

“قدرة الدولة على تحسين مستوى المعيشة مع مرور الوقت تعتمد تقريبًا بشكل كامل على قدرتها على زيادة الإنتاج لكل عامل”، يشرح بول كروغمان. التكنولوجيا هي ما يجعل ذلك ممكنًا وTFP هي طريقة قياسه.

للحصول على إحساس ملموس بأهمية الإنتاجية الناتجة عن التكنولوجيا، فكر في التالي: تشير ورقة بحثية حديثة من المكتب الوطني للبحوث الاقتصادية (NBER) إلى أن زيادة بنسبة 0.5% في نمو إنتاجية العوامل الكلية السنوي ستعمل على استقرار مالية الحكومة الأمريكية عند مستوى الدين إلى الناتج المحلي الإجمالي الحالي.

0.5%!

قد لا يبدو ذلك كثيرًا، لكن إذا استمر على مدى السنوات العشر القادمة، فإن تقديرات NBER تشير إلى أنه سيقلل التوقع الأساسي لديون الحكومة الأمريكية بمقدار $2 تريليون. وعلى مدى 30 عامًا، سيجعل استمرار زيادة إنتاجية العوامل الكلية بنسبة 0.5% نسبة الدين إلى الناتج المحلي الإجمالي للحكومة الأمريكية أقل بـ42 نقطة مئوية من التوقع الأساسي لـNBER (وأقل بـ80 نقطة مئوية من التوقع المتشائم).

بالنظر إلى الحالة التي تبدو ميؤوسًا منها لمالية الحكومة، فإن الحفاظ على مستوى الدين الحالي هو سيناريو حُلم يبدو جيدًا لدرجة يصعب تصديقها.

لكن الباحثين في Anthropic يعتقدون أنه يمكننا تحقيق ما هو أفضل.

أجرت Anthropic دراسة لـ100,000 محادثة لـ"تقدير المدة التي تستغرقها المهام في هذه المحادثات مع وبدون مساعدة الذكاء الاصطناعي، ودراسة آثار الإنتاجية في الاقتصاد الأوسع."

استنتاجهم؟ يمكن لنماذج اللغة الكبيرة رفع إنتاجية العوامل الكلية بنسبة 1.1 نقطة مئوية.

1.1%!

إذا كانت نسبة 0.5% ستعمل على استقرار مالية الحكومة الأمريكية لعقود، فماذا ستفعل نسبة 1.1%؟ من المحتمل أن تصلح كل شيء تقريبًا.

هناك أسباب للتشكيك في هذا التوقع المتفائل، بالطبع. وجدت الدراسة، على سبيل المثال، أن الذكاء الاصطناعي يوفر للمعلمين أربع ساعات من العمل عن طريق إنشاء المناهج في 11 دقيقة فقط. لكن تقدير كيف يمكن أن تؤدي هذه الوفورات في الوقت إلى إنتاجية اقتصادية أعلى يتطلب نوعًا من النمذجة الاقتصادية المليئة بالافتراضات والتخمينات الدقيقة الخاطئة.

لذا، حتى لو كانت الأبحاث صحيحة بشأن توفير الوقت، فقد تكون مخطئة بشأن الإنتاجية: قد نستخدم كل الوقت الذي يوفره لنا الذكاء الاصطناعي في القيام بشيء غير منتج اقتصاديًا، مثل مشاهدة المزيد من الفيديوهات أو قراءة المزيد من المحتوى.

في هذه الحالة، سيرفع الذكاء الاصطناعي رفاهيتنا (المزيد من وقت الفراغ) لكنه لن يرفع ثروتنا (المزيد من الناتج الاقتصادي) — وهذا لا يزال خبرًا رائعًا للناس، لكنه لا يساعد الحكومات التي تأمل في حل سحري لمشكلة ديونها.

وعلى العكس، هناك أسباب للاعتقاد بأن النموذج متشائم جدًا: “نحن لا نأخذ في الحسبان معدل التبني”، كما أوضحوا، “ولا التأثيرات الإنتاجية الأكبر التي قد تأتي من أنظمة ذكاء اصطناعي أكثر قدرة بكثير.”

بعبارة أخرى، تفترض دراستهم أننا سنواصل استخدام الذكاء الاصطناعي كما نفعل الآن، وأننا سنظل نستخدم نماذج اللغة الحالية، دون تحسين، لمدة 10 سنوات أخرى.

نماذج اللغة تتحسن بشكل ملحوظ كل بضعة أشهر وقد بدأنا فقط في تعلم كيفية استخدامها — لذا الباحثون محقون في قولهم إن تقديرهم قد يمثل “الحد الأدنى التقريبي لتأثيرات الإنتاجية للذكاء الاصطناعي”.

إذا كان الأمر كذلك — إذا كانت نسبة 1.1% هي الحد الأدنى للإنتاجية الناتجة عن الذكاء الاصطناعي — فقد نسدد ديون الحكومة ويكون لدينا وقت أكبر بكثير للترفيه.

وهذا فقط إذا أخذنا في الاعتبار تأثير الذكاء الاصطناعي على الأعمال غير المادية — فقط انتظر حتى نحصل على الروبوتات!

رفض مثل هذا التفاؤل تمامًا يعني الاعتقاد بأن تريليونات الدولارات التي تخطط الشركات لإنفاقها على الإنفاق الرأسمالي للذكاء الاصطناعي والبحث والتطوير ستُهدر جميعها. وربما يكون الأمر كذلك — فالثورات التكنولوجية لا تحدث دومًا في الوقت المحدد.

لكن أكبر سبب للتفاؤل هو أن التقدير يعتمد فقط على أن الذكاء الاصطناعي “يجعل المهام الحالية أسرع في الإنجاز” — النموذج لا يأخذ في الحسبان إمكانيات الذكاء الاصطناعي لتغيير الطريقة التي ننجز بها تلك المهام تمامًا.

“تاريخيًا”، يلاحظ الباحثون، “التحسينات الإنتاجية التحولية — من الكهرباء، أو الحوسبة، أو الإنترنت — لم تأتِ من تسريع المهام القديمة، بل من إعادة تنظيم الإنتاج بشكل جذري.”

لا توجد طريقة لنمذجة هذه الطرق الجديدة للقيام بالأشياء، لكن من المرجح أن يكون تأثيرها أكبر من الذي تم قياسه.

كان الباحثون حذرين في توضيح نتائجهم المتفائلة من خلال تعداد القيود المنهجية وتوثيق العديد من الافتراضات التي يتبنونها. وحتى لو تحقق كل تلك الافتراضات وحلت إنتاجية الذكاء الاصطناعي مشكلة ديون الحكومة، ربما سيعود المشرعون لإنفاق الأموال ويقعون في المشكلة مجددًا.

لكن في ظل التحديات المالية التي تبدو حتمية، فإن مجرد احتمال ضئيل لصحة تقديرات إنتاجية الذكاء الاصطناعي هو سبب لتحديث تفكيرنا: مالية الحكومات ليست مستعصية كما نظن، وآفاق الاقتصاد على المدى الطويل قد تكون أفضل مما نفترض عادة.

على المدى الطويل، الإنتاجية هي تقريبًا كل شيء — وقد يكون الذكاء الاصطناعي على أعتاب جعلنا أكثر إنتاجية بكثير.