Η γενετική τεχνητή νοημοσύνη είναι ένα ισχυρό εργαλείο για το μυαλό
Αποκλειστική δημοσκόπηση: Οι ειδικοί της τεχνητής νοημοσύνης δεν εμπιστεύονται ΚΑΝΕΝΑΝ
Αρχικά, ας μιλήσουμε για τη γενετική τεχνητή νοημοσύνη, την τεχνολογία που έχει ενθουσιάσει τους πάντες αυτή τη στιγμή. Γίνεται πολλή έρευνα σχετικά με τις επιπτώσεις στην παραγωγικότητα των εργαλείων γενετικής τεχνητής νοημοσύνης και όλοι φαίνεται να καταλήγουν στο ίδιο συμπέρασμα: Η γενετική τεχνητή νοημοσύνη δίνει πολύ μεγαλύτερη ώθηση σε άτομα με χαμηλές επιδόσεις παρά σε άτομα με υψηλές επιδόσεις.
Για παράδειγμα, οι Brynjolfsson, Li και Raymond (2023) έδωσαν εργαλεία AI στο προσωπικό υποστήριξης πελατών και εδώ βρήκαν ότι:
Η βοήθεια με τεχνητή νοημοσύνη αυξάνει δυσανάλογα την απόδοση των λιγότερο εξειδικευμένων και λιγότερο έμπειρων εργαζομένων σε όλα τα μέτρα παραγωγικότητας που εξετάζουμε…[Βρισκόμαστε] ότι το εργαλείο τεχνητής νοημοσύνης βοηθά τους νεότερους πράκτορες να κινούνται πιο γρήγορα προς τα κάτω στην καμπύλη εμπειρίας: οι αντιπρόσωποι με δύο μήνες θητείας έχουν εξίσου καλή απόδοση ως μη θεραπευόμενοι πράκτορες με θητεία άνω των έξι μηνών. Αυτά τα αποτελέσματα έρχονται σε αντίθεση, ως προς το πνεύμα, με μελέτες που βρίσκουν ενδείξεις τεχνικής αλλαγής μεροληπτικής ικανότητας για προηγούμενα κύματα τεχνολογίας υπολογιστών…
Ο αντίκτυπος στην παραγωγικότητα της βοήθειας τεχνητής νοημοσύνης είναι πιο έντονος για τους εργαζόμενους στο χαμηλότερο πεμπτημόριο δεξιοτήτων…που παρατηρούν αύξηση 35 τοις εκατό στις αναλύσεις ανά ώρα. Αντίθετα, η βοήθεια της τεχνητής νοημοσύνης δεν οδηγεί σε αύξηση της παραγωγικότητας για τους πιο ειδικευμένους εργαζόμενους… Οι πράκτορες με λιγότερη εξειδίκευση βλέπουν σταθερά τα μεγαλύτερα κέρδη σε σχέση με τα άλλα αποτελέσματα… Αυτά τα ευρήματα υποδηλώνουν ότι ενώ οι εργαζόμενοι με χαμηλότερη δεξιότητα βελτιώνονται από την πρόσβαση στην τεχνητή νοημοσύνη συστάσεις, μπορεί να αποσπάσουν την προσοχή των εργαζομένων με την υψηλότερη ειδίκευση, οι οποίοι ήδη κάνουν τη δουλειά τους αποτελεσματικά[.]
Και όταν οι Noy και Zhang (2023) έδωσαν παραγωγικά εργαλεία AI σε μορφωμένους επαγγελματίες για να τους βοηθήσουν με εργασίες γραφής, βρήκαν το ίδιο μοτίβο:
Η ομάδα ελέγχου [χωρίς τη βοήθεια του ChatGPT] παρουσιάζει επίμονη ανισότητα παραγωγικότητας… Στην ομάδα θεραπείας [με τη βοήθεια του ChatGPT], οι αρχικές ανισότητες διαγράφονται κατά το ήμισυ από τη θεραπεία… Αυτή η μείωση της ανισότητας οφείλεται στο γεγονός ότι οι συμμετέχοντες που σημείωσαν χαμηλότερη βαθμολογία στον πρώτο γύρο επωφελούνται περισσότερο από την πρόσβαση στο ChatGPT.
Και όταν οι Peng et al. (2023) μελέτησαν τις επιδράσεις του GitHub Copilot στην έξοδο των προγραμματιστών, βρήκαν και πάλι το ίδιο μοτίβο:
Οι ετερογενείς επιδράσεις που εντοπίστηκαν σε αυτή τη μελέτη χρήζουν ιδιαίτερης προσοχής. Τα αποτελέσματά μας δείχνουν ότι οι λιγότερο έμπειροι προγραμματιστές επωφελούνται περισσότερο από το Copilot. Εάν αυτό το αποτέλεσμα επιμείνει σε περαιτέρω μελέτες, τα οφέλη παραγωγικότητας για αρχάριους προγραμματιστές και προγραμματιστές μεγαλύτερης ηλικίας δείχνουν σημαντικές δυνατότητες για πρωτοβουλίες δεξιοτήτων που υποστηρίζουν τη μετάβαση εργασίας στην ανάπτυξη λογισμικού.
Και όταν οι Choi και Schwarcz (2023) χρησιμοποίησαν το GPT-4 για να βοηθήσουν τους μαθητές στις εξετάσεις νομικής, μαντέψτε τι βρήκαν:
Ο αντίκτυπος του GPT-4 εξαρτιόταν σε μεγάλο βαθμό από το αρχικό επίπεδο δεξιοτήτων του μαθητή. Οι μαθητές στο κάτω μέρος της τάξης είδαν τεράστια κέρδη απόδοσης με τη βοήθεια AI, ενώ οι μαθητές στην κορυφή της τάξης είδαν πτώση απόδοσης. Αυτό υποδηλώνει ότι η τεχνητή νοημοσύνη μπορεί να έχει εξισωτική επίδραση στο νομικό επάγγελμα, μετριάζοντας τις ανισότητες μεταξύ ελίτ και μη ελίτ δικηγόρων.
Και όταν οι Doshi και Hauser (2023) χρησιμοποίησαν το GPT-4 για να βοηθήσουν τους συγγραφείς να είναι πιο δημιουργικοί, διαπίστωσαν ότι ήταν ένας ισοσταθμιστής:
Μεταξύ των πιο εγγενώς δημιουργικών συγγραφέων… υπάρχει μικρή επίδραση της πρόσβασης σε ιδέες GenAI στη δημιουργικότητα των ιστοριών τους… Αντίθετα, η πρόσβαση σε ιδέες GenAI βελτιώνει σημαντικά τη δημιουργικότητα και τα επιλεγμένα συναισθηματικά χαρακτηριστικά των ιστοριών που γράφονται από εγγενώς λιγότερο δημιουργικούς συγγραφείς… Εν ολίγοις, [η χρήση του GPT-4] εξισώνει αποτελεσματικά τις βαθμολογίες δημιουργικότητας σε όλο και περισσότερους δημιουργικούς συγγραφείς.
Εξ όσων γνωρίζω, δεν υπάρχει καμία μελέτη μέχρι στιγμής που να δείχνει ότι οι πιο ταλαντούχοι άνθρωποι είναι σε θέση να χρησιμοποιούν τη γενετική τεχνητή νοημοσύνη πιο αποτελεσματικά από τους λιγότερο ταλαντούχους ανθρώπους. Όλα τα στοιχεία δείχνουν ότι η γενετική τεχνητή νοημοσύνη είναι ένας ισοσταθμιστής.
Διαισθητικά, δεν είναι δύσκολο να σκεφτούμε γιατί μπορεί να συμβαίνει αυτό. Ενώ οι προηγούμενες μορφές τεχνολογίας πληροφοριών συμπλήρωναν την ανθρώπινη νόηση , η γενετική τεχνητή νοημοσύνη τείνει να υποκαθιστά την ανθρώπινη νόηση. Για να προγραμματίσεις τους υπολογιστές με τον παραδοσιακό τρόπο, ή ακόμα και να εφαρμόσεις πολλά είδη λογισμικού, έπρεπε να έχεις ένα μυαλό που θα μπορούσε να σκεφτεί όπως ένας υπολογιστής· αυτό φυσικά ευνοούσε το είδος των ανθρώπων που ήταν σε θέση να κάνουν το μυαλό τους να κάνει υπολογισμούς. (Ακόμη και το γράψιμο έχει κάποια από αυτά. Μεγάλο μέρος της ικανότητας της γραφής είναι απλώς επίπονη διανοητική προσοχή στη λεπτομέρεια.)
Αλλά η γενετική τεχνητή νοημοσύνη έχει ρυθμιστεί ειδικά για να διασυνδέεται με ανθρώπους που δεν σκέφτονται σαν μηχανές. Κάνει τα περισσότερα από τα πράγματα του μηχανήματος γι ‘αυτούς. Ναι, υπάρχουν κάποιες τεχνικές όπως η άμεση μηχανική που μπορεί να πάρει κάποια δύσκολη γνώση, αλλά αυτό απέχει πολύ από τη δύσκολη, συχνά επαναλαμβανόμενη διανοητική εργασία που απαιτούσαν οι παλαιότερες τεχνολογίες πληροφορικής.
Με άλλα λόγια, φαίνεται όλο και πιο πιθανό ότι η παραδοσιακή πληροφορική ενήργησε σαν φτυάρι – κάτι που συμπλήρωσε τις φυσικές ικανότητες των ανθρώπων – ενώ η γενετική τεχνητή νοημοσύνη λειτουργεί περισσότερο σαν φτυάρι ατμού. Ένα φτυάρι ατμού χειρίζεται τη μυϊκή δύναμη για εσάς. Το GPT-4 χειρίζεται τη σκέψη που είναι προσανατολισμένη στη λεπτομέρεια για εσάς. Οι τεχνολογίες που υποκαθιστούν τη φυσική ικανότητα τείνουν να κάνουν τη φυσική ικανότητα λιγότερο σπάνια και επομένως λιγότερο πολύτιμη.
Φυσικά, αυτό δεν σημαίνει ότι η γενετική τεχνητή νοημοσύνη θα μειώσει την ανισότητα συνολικά. Η υπολογιστική εντατική φύση αυτών των εργαλείων σημαίνει ότι το φυσικό κεφάλαιο – πρόσβαση σε μεγάλες ποσότητες φθηνών GPU ή άλλου βασικού υλικού – μπορεί να επιστρέψει ως πηγή πλούτου. Αλλά ενισχύοντας την απόδοση των λιγότερο ειδικευμένων σε γνωστικές εργασίες, η παραγωγική τεχνητή νοημοσύνη φαίνεται ότι θα μπορούσε να εξισορροπήσει τους όρους ανταγωνισμού του ανθρώπινου κεφαλαίου.
Η άφθονη ενέργεια συμπληρώνει τις δεξιότητες του μέσου ανθρώπου
Εάν η γενετική τεχνητή νοημοσύνη είναι ένα μεταφορικό εργαλείο ισχύος για το μυαλό σας, δεν πρέπει να ξεχνάμε τη σημασία των πραγματικών ηλεκτρικών εργαλείων για το σώμα σας. Οι φυσικές τεχνολογίες όπως τα αυτοκίνητα, τα μηχανήματα κατασκευής και πολλές εργαλειομηχανές ενισχύουν τη δύναμη του μέσου ανθρώπου. Μια μαθηματική ιδιοφυΐα δεν είναι πιθανό να είναι πολύ καλύτερος οδηγός ή χειριστής εκσκαφέα ή χειριστής πρέσας τρυπανιών από ένα τυχαίο άτομο εκτός δρόμου.
Και οι φυσικές τεχνολογίες έχουν μια κύρια εισροή: την ενέργεια. Από το 1800 έως το 1960, οι Αμερικανοί χρησιμοποιούσαν σταθερά περισσότερη ενέργεια κατά κεφαλήν. Στη συνέχεια, στη δεκαετία του 1970, οι πετρελαϊκές κρίσεις έβαλαν τέλος σε αυτό το μακρύ πάρτι και η χρήση ενέργειας ξαφνικά σταθεροποιήθηκε:
Αυτός είναι πιθανώς ένας μεγάλος λόγος για τον οποίο η καινοτομία μετατράπηκε από τα “άτομα” στα “bits” στα τέλη του 20ου αιώνα – γιατί η κατασκευή ταχύτερων οχημάτων και νέων συσκευών που απαιτούν ενέργεια έγινε λιγότερο σημαντική από τη δημιουργία ταχύτερων τσιπ υπολογιστών και καλύτερου λογισμικού. Αυτή η μετατόπιση φαίνεται πιθανό να έχει επιταχύνει την άνοδο του ασφάλιστρου αποδοχών κολεγίου και την ανισότητα που βασίζεται στις δεξιότητες γενικότερα.
Λοιπόν, έχω μερικά καλά νέα: η ενέργεια πρόκειται να γίνει και πάλι φθηνή. Υπάρχουν δύο λόγοι για αυτό, και οι δύο τεχνολογικοί. Πρώτον, η παραγωγή πρωτογενούς ενέργειας φέρνει επανάσταση από μια νέα φθηνότερη τεχνολογία: την ηλιακή ενέργεια.
Η δεύτερη βασική τεχνολογία είναι οι προηγμένες μπαταρίες, οι οποίες καθιστούν την ενέργεια φορητή με τρόπο που ακόμη και το πετρέλαιο συχνά δεν μπορούσε να διαχειριστεί.
Περισσότερα εδώ
Plus
Αποκλειστική δημοσκόπηση: Οι ειδικοί της τεχνητής νοημοσύνης δεν εμπιστεύονται ΚΑΝΕΝΑΝ
Οι ειδικοί της τεχνητής νοημοσύνης σε κορυφαία πανεπιστήμια προτιμούν τη δημιουργία ενός ομοσπονδιακού «Τμήματος τεχνητής νοημοσύνης» ή μιας παγκόσμιας ρυθμιστικής αρχής που θα κυβερνά την τεχνητή νοημοσύνη, αντί να το αφήσει στο Κογκρέσο, τον Λευκό Οίκο ή τον ιδιωτικό τομέα, γράφει ο Ryan Heath του Axios.
Αυτό είναι το μεγάλο εύρημα από τη νέα Έρευνα AI Experts του Πανεπιστημίου Axios-Generation Lab-Syracuse με 213 καθηγητές επιστήμης υπολογιστών από 65 κορυφαία ερευνητικά πανεπιστήμια των ΗΠΑ.
Η ίντριγκα: Κανένα άτομο δεν έχει μεγάλη εμπιστοσύνη για να ασχοληθεί με θέματα τεχνητής νοημοσύνης.
Ο Πρόεδρος Μπάιντεν κατέλαβε την πρώτη θέση, με το 9% των ερωτηθέντων – ελαφρώς υψηλότερο από τον Σούνταρ Πιτσάι, τον Έλον Μασκ ή τον Σαμ Άλτμαν.
Η μεγάλη εικόνα: Τα ευρήματα έρχονται πριν από μια σειρά από φόρουμ AI, που ξεκινούν στις 13 Σεπτεμβρίου, με οικοδεσπότη τον ηγέτη της πλειοψηφίας της Γερουσίας Chuck Schumer.
Ο Cyrus Beschloss , Διευθύνων Σύμβουλος της Generation Lab, είπε ότι ενώ η καταστροφή διαπερνά πολλές συζητήσεις για την τεχνητή νοημοσύνη, «η απειλή μιας τεχνητής νοημοσύνης που συνθλίβει τον άνθρωπο δεν ανησυχεί τις περισσότερες από τις πιο έξυπνες φωνές στη συζήτηση της τεχνητής νοημοσύνης».
Πηγή: axios.com
