هوش مصنوعی، چگونه افراد را بیکار می‌کند؟

علم مواد حوزه‌ای از تحقیقات است که در آن می‌توانیم کاربرد‌های مستقیم نوآوری علمی را مشاهده کنیم. “تونر راجرز” در این باره می‌نویسد:”دانشمندان مواد کسانی بودند که گرافن را توسعه دادند، بنابراین، محصولات متعددی از باتری‌ها تا فیلتر‌های نمک زدایی را دچار تحول کردند تحولی که باعث شد بازده پنل‌های خورشیدی افزایش و هزینه‌های انرژی‌های تجدیدپذیر کاهش یابد. هم چنین، گرافن کاربرد‌های بی شماری در عرصه‌هایی مانند پزشکی و تولید صنعتی داشته است. او می‌نویسد:” اکتشافات جدید در این زمینه از این ظرفیت بالقوه برخوردار است که زندگی انسان را متحول کند و ما را شادتر، سالم‌تر و ثروتمندتر سازد. زمانی که دانشمندان این شرکت ملزم به ادغام دستیار هوش مصنوعی در تولید ایده‌های جدید شدند، با کشف ۴۴ درصد مواد بیش‌تر باعث افزایش بهره وری شدند”. 

او به “آتلانتیک” می‌گوید:”من فکر می‌کنم یک نکته مهم از مدل‌های رشد اقتصادی آن است که در بلندمدت، واقعا بهره‌وری محرک کلیدی بهبود استاندارد‌های زندگی و سلامت است. بنابراین، من فکر می‌کنم تمام پیشرفت‌های بزرگ در استاندارد‌های زندگی که در طول ۲۵۰ سال گذشته شاهد بوده‌ایم، اساساً ناشی از بهبود بهره‌وری است و بهره وری واقعاً از پیشرفت‌های علم و نوآوری ناشی از فناوری‌های جدید نشئت می‌گیرد. وقتی اقتصاددانان به این فکر می‌کنند که مهم‌ترین محرک‌های استاندارد‌های زندگی چیست، در واقع به نوعی به بهره‌وری بازمی‌گردند. ایده این است: چگونه می‌توانیم کارآمدتر باشیم؟ یکی آمار‌هایی که من دوست دارم به آن اشاره کنم این است که افزایش بهره‌وری به بخش تجاری ایالات متحده این امکان را داده است که از سال ۱۹۴۷ با افزایش بسیار کمی در ساعات کار، ۹ برابر بیشتر کالا و خدمات تولید شود. بنابراین، ما چیز‌های بسیار بیشتری دریافت می‌کنیم بدون آن که مجبور باشیم تا سر حد مرگ کار کنیم تا آن چیز‌ها را به دست آوریم و این چیز‌ها از لباس گرفته تا بهره مندی از خدمات را شامل می‌شوند. برای مثال، اکنون، چون تولید یک تی شرت واقعا کار ساده‌ای است به افراد کمتری نیاز دارید که تی شرت تولید کنند و آنان می‌توانند یوگا آموزش داده یا کار‌های دیگری انجام دهند”.

آیا هوش مصنوعی تاثیر قابل توجهی بر بهره وری خواهد داشت؟

نشریه “آتلانتیک” اشاره می‌کند که “رابرت گوردون” اقتصاددان معتقد است که هوش مصنوعی تاثیر قابل توجهی بر بهره وری نخواهد داشت. او به نوعی به توانایی فناوری دیجیتال برای تطبیق با تأثیر چیز‌هایی مانند برق یا موتور احتراق داخلی بدبین است. او استدلال می‌کند که علیرغم افزایش دو برابری ربات‌ها در امریکا در یک دهه گذشته ما شاهد انقلاب عظیمی در تولید و رشد بهره وری نبوده‌ایم. او می‌گوید:”هوش مصنوعی واقعا چیز جدیدی نیست. می‌دانید، ما نمایندگان خدمات مشتری انسانی را با سیستم‌های دیجیتالی جایگزین کرده‌ایم که چیز زیادی برای نشان دادن آن وجود ندارد. چیز‌هایی مانند بسیاری از فعالیت‌های اقتصادی که با زندگی روزمره مردم مرتبط هستند از جمله ساخت و ساز مَسکن، واقعاً تحت تأثیر هوش مصنوعی قرار نمی‌گیرند”. 

در سوی دیگر، “اریک برینجولفسون” استاد موسسه فناوری ماساچوست قرار دارد و نسبت به تاثیرات هوش مصنوعی خوش بین است. او استدلال می‌کند که پیشرفت‌های اخیر در یادگیری ماشین باعث افزایش بهره وری در حوزه‌هایی مانند بیوتکنولوژی (فناوری زیستی)، پزشکی، انرژی و امور مالی خواهد شد، اما چند سال به طول خواهد انجامید تا در آمار رسمی اثرات خود را نشان دهد، زیرا سازمان‌ها برای تطبیق دادن خود با شرایط تازه به زمان نیاز دارند.

“تونر راجرز” می‌گوید بیش‌تر با نظر “اریک برینجولفسون” همنظر است. او می‌افزاید:”من فکر می‌کنم چیزی که واقعاً در مورد آن در هوش مصنوعی هیجان‌زده هستم این است که تمام این پیشرفت‌ها در فناوری‌های دیجیتال، قدرت محاسباتی و الگوریتم‌ها ممکن است در نهایت، بر روی زیرساخت‌های فیزیکی و چیز‌های فیزیکی در جهان تاثیر داشته باشند؛ بنابراین من فکر می‌کنم در واقع، علم مواد یک مثال عالی از این موضوع است، جایی که ما این نوع الگوریتم‌های جدید هوش مصنوعی را داریم که احتمالاً می‌توانند مواد مهم جدیدی را ارائه کنند که سپس می‌توانند در چیز‌های فیزیکی استفاده شوند. زیرا من فکر می‌کنم بسیاری از پیشرفت‌ها در فناوری اطلاعات تاکنون پیشرفت‌های زیادی در بهره‌وری نداشته‌اند، زیرا به نوعی فقط به دنیای دیجیتال محدود شده‌اند، اما اکنون شاید بتوانیم از این پیشرفت‌ها برای ایجاد چیز‌های جدید در جهان استفاده کنیم. من در مورد مقوله‌هایی مانند بایو مدیسن (زیست پزشکی)، کشف دارو یا علم مواد بسیار هیجان‌زده هستم که در آن می‌توانیم چیز‌های واقعی جدیدی با هوش مصنوعی ایجاد کنیم. این می‌تواند شامل هر چیزی باشد، از شیشه در گوشی آیفون شما گرفته تا فلزات در نیمه هادی‌ها تا انواع مختلف روش‌های انتقال دارو”. 

او در ادامه به کار پژوهشگران در این باره می‌پردازد و می‌گوید:” بسیاری از کار‌هایی که آنان انجام می‌دهند اساساً ارائه ایده‌ها و طرح‌هایی برای مواد جدید است. از آنجایی که کشف مواد بسیار دشوار است، بسیاری از این مواد در نهایت خواصی را ندارند که دانشمندان امیدوارند داشته باشند و یا ترکیبی پایدار و بادوام تولید نمی‌کنند. بنابراین، بسیاری از کار‌هایی که آنان انجام می‌دهند انجام آزمایش‌هایی مانند انجام شبیه‌سازی یا در واقع نوعی ساختن این مواد و آزمایش خواص آن است برای آن که ببینند کدام یک واقعا مفید هستند و بعدا می‌توانند در محصولات گنجانده شوند. بنابراین، زمان دانشمندان تقسیم شده است. شاید ۴۰ درصد یا میزانی بیش‌تر از زمان آنان در این مرحله، تولید ایده اولیه باشد و سپس بقیه زمان را در حال آزمایش آن ایده‌ها هستند و می‌بینند که کدام مواد واقعاً قابل دوام می‌باشند. بنابراین، هوش مصنوعی در این شرکت معرفی می‌شود، زیرا شرکت‌ها می‌خواهند بفهمند که آیا هوش مصنوعی می‌تواند به دانشمندان شان در تولید مواد جدید کمک کند یا خیر”. 

هوش مصنوعی چگونه شغل دانشمندان را تغییر می‌دهد؟ 

“تونر راجرز” در ادامه با اشاره به نحوه نقش هوش مصنوعی در تغییر شغل دانشمندان می‌گوید:”نحوه کار این است که دانشمندان می‌خواهند مجموعه‌ای از ویژگی‌های دلخواه را که می‌خواهند یک ماده داشته باشد، به ابزار وارد کنند. آنان می‌خواهند چیزی را ارائه کنند که در یک محصول استفاده شود و سپس آنان این ویژگی‌های مورد نظر را به ابزار هوش مصنوعی وارد می‌کنند، که سپس مجموعه بزرگی از ترکیبات پیشنهادی را تولید می‌کند که توسط هوش مصنوعی پیش‌بینی می‌شود که این ویژگی‌ها را داشته باشند. پیش از این، دانشمندان خودشان این طرح‌های مواد را ارائه می‌کردند. اکنون این بخش توسط ابزار خودکار شده است. اولین نتیجه گیری من آن است که چگونه این ابزار هم بر کشف مواد جدید و هم بر نوآوری پایین دستی از نظر ثبت اختراع و نمونه‌های اولیه محصول تأثیر گذاشته است. بنابراین، من متوجه شدم محققانی که به ابزار هوش مصنوعی دسترسی دارند، ۴۴ درصد مواد بیش تری را کشف می‌کنند، و سپس این منجر به افزایش ۳۹ درصدی در ثبت اختراع و سپس افزایش ۱۷ درصدی در نوآوری محصولات پایین دستی می‌شود. این ابزار در ارائه ترکیبات جدید بسیار خوب است. بنابراین، توانایی آموزش یک مدل بر روی مجموعه عظیمی از ترکیبات موجود، می‌تواند پیشنهادات خوبی ارائه دهد. نکته دوم آن که عدم نیاز به انجام آن بخش طراحی ترکیبی از فرآیند، دانشمندان را آزاد می‌گذارد تا تصمیم بگیرند که کدام مواد را مورد آزمایش قرار داده و سپس خواص آن مواد را آزمایش کنند”. 

چرا علیرغم کاربرد هوش مصنوعی به این زودی‌ها شاهد جهش عظیم در بهره وری نخواهیم بود؟

“تونر راجرز” در بیان علت این که نباید انتظار نتیجه کوتاه مدت و سریع از افزایش بهره وری در تحقیقات با استفاده از هوش مصنوعی را داشته باشیم می‌گوید:”شما قطعاً به برخی از اشکال سازگاری سازمانی یا افرادی نیاز دارید که واقعاً از این ابزار‌ها به خوبی استفاده کنند. بنابراین، بخشی از دلیل تاخیر در مشاهده نتایج بدان خاطر است که کشف مواد مدتی به طول می‌انجامد. بنابراین، سنتز این ترکیبات و سپس پیدا کردن خواص آن قدری زمان بر خواهد بود. با این وجود، چیز دیگری که می‌بینم آن است که در چند ماه نخست پس از معرفی ابزار مبتنی بر هوش مصنوعی، دانشمندان در تعیین این که کدام یک از پیشنهادات هوش مصنوعی خوب و کدام بد هستند، بسیار بد عمل می‌کنند. این بخشی از دلیلی است که ما فوراً تأثیرات ناشی از استفاده از ابزار‌های مبتنی بر هوش مصنوعی را نمی‌بینیم. شبیه آن است که شغل شما به طور قابل توجهی تغییر کرده و شما فقط به زمان نیاز دارید تا خود را با آن وفق دهید. برای مثال، اگر در پنج ماه نخست پس از معرفی ابزار به توزیع بهره‌وری نگاه کنیم دانشمندان در این عرصه عملکرد بسیار ضعیفی دارند. بنابراین، تمام آنان به نوعی کاری انجام می‌دهند که شبیه آزمایش تصادفی است. آنان واقعاً نمی‌توانند بهترین پیشنهادات هوش مصنوعی را انتخاب کنند. به طور کلی تر، من تا حدودی اطمینان دارم که سازمان‌ها قادر خواهند بود خود را با این ابزار‌ها وفق دهند و راه‌های جدیدی برای آموزش دانشمندان برای این چیز‌ها را بیابند. آن چه ما می‌گوییم این است که این فناوری‌های جدید مهارت‌های مورد نیاز برای اکتشافات علمی را تغییر می‌دهند، و من فکر می‌کنم که ما سابقه طولانی پیشرفت فناوری را دیده‌ایم که دقیقاً همین کار را انجام داده است، بازده مهارت‌های مختلف را تغییر داد و شرکت‌ها با آن سازگار شدند”.

آیا استفاده از هوش مصنوعی بر رضایت شغلی دانشمندان تاثیرگذار بوده است؟ 

“تونر راجرز” درباره میزان تاثیر استفاده از ابزار‌های مبتنی بر هوش مصنوعی بر رضایت دانشمندان نظرسنجی‌ای را انجام داده است. 

او در این باره می‌گوید:”من صرفا یک نظرسنجی از تمام دانشمندان آزمایشگاه انجام دادم. حدود نیمی از آنان به پرسش‌ها پاسخ دادند. در کل، دانشمندان نسبتا از تغییرات محتوای کارشان که توسط هوش مصنوعی ایجاد شده بود ناراضی بودند. بنابراین، چیزی که آنان می‌گویند این است که آنان زمانی که خود برای ترکیبات شان ایده پردازی می‌کردند از کارشان لذت زیادی می‌بردند و زمانی که این کار خودکار شد لذت بسیار کم تری برده بودند. بنابراین، آنان می‌گفتند که پس از خودکار شدن کار‌ها خلاقیت شان کاهش یافته بود و نمی‌توانستند از برخی از مهارت‌های کلیدی که در طول زمان کسب کرده بودند استفاده کنند. من فکر می‌کنم نکته قابل توجه آن است که این موضوع هم برای دانشمندانی که پیشرفت‌های بهره‌وری عظیمی را از هوش مصنوعی مشاهده کرده‌اند و هم برای افرادی که عملکرد پایین‌تری داشتند صدق می‌کند. به طور کلی، من متوجه شدم که ۸۲ درصد از دانشمندان نوعی کاهش خالص در رضایت شغلی را پس از استفاده از ابزار‌های مبتنی بر هوش مصنوعی تجربه کردند. علیرغم آن که پیش‌تر از ربات‌های صنعتی تا رایانه‌ها باعث خودکار شدن کار‌های روزمره انجام دادند اکنون برای اولین بار است که کار‌های خلاقانه را خودکار می‌کنیم. من فکر می‌کنم احساس افراد در مورد این موضوع و واکنش ما ممکن است بسیار متفاوت باشد از آنجایی که هوش مصنوعی نه تنها خلاقیت انسان را تقویت می‌کند، بلکه در حال جایگزین شدن به جای آن است. نتایج ارزیابی نشان داد که هوش مصنوعی اکنون ۵۷ درصد از وظایف “تولید ایده” را انجام می‌دهد که به طور سنتی از نظر فکری مفیدترین بخش کار علمی است”.