اقتصاد کلان هوش مصنوعی
اقتصاد کلان هوش مصنوعی -تصمیمات جمعی که ما امروز می گیریم تعیین می کند که چگونه هوش مصنوعی بر رشد بهره وری، نابرابری درآمد و تمرکز صنعتی تأثیر می گذارد.
اقتصاددانان سابقه ضعیفی در پیش بینی آینده دارند. و سیلیکون ولی بارها و بارها از طریق امید و ناامیدی نسبت به فناوری بزرگ بعدی دور می شود.
بنابراین شک و تردید سالم نسبت به هر گونه اظهارنظری در مورد چگونگی تغییر اقتصاد توسط هوش مصنوعی (AI) موجه است.
با این وجود، دلایل خوبی برای جدی گرفتن پتانسیل رو به رشد هوش مصنوعی (سیستم هایی که رفتار هوشمندانه ای مانند یادگیری، استدلال و حل مسئله از خود نشان می دهند) وجود دارد تا اقتصاد را متحول کند، به ویژه با توجه به پیشرفت های فنی خیره کننده سال گذشته.
هوش مصنوعی ممکن است در تعدادی از زمینه‌ها علاوه بر اقتصاد، از جمله امنیت ملی، سیاست و فرهنگ، جامعه را تحت تأثیر قرار دهد.
اما در این مقاله، ما بر روی مفاهیم هوش مصنوعی در سه حوزه کلان مورد علاقه اقتصاد کلان تمرکز می کنیم: رشد بهره وری، بازار کار و تمرکز صنعتی.
هوش مصنوعی آینده از پیش تعیین شده ای ندارد. می تواند در جهت های بسیار متفاوت توسعه یابد.
آینده خاصی که پدیدار می شود، پیامد بسیاری از چیزها، از جمله تصمیمات تکنولوژیک و سیاست گذاری امروز خواهد بود.
برای هر منطقه، یک انشعاب در جاده ارائه می کنیم: دو مسیر که به آینده های بسیار متفاوتی برای هوش مصنوعی و اقتصاد منتهی می شود.
در هر مورد، آینده بد مسیر کمترین مقاومت است. رسیدن به آینده بهتر به سیاست خوب نیاز دارد – از جمله
- آزمایشات خط مشی خلاق
- مجموعه ای از اهداف مثبت برای آنچه جامعه از هوش مصنوعی می خواهد، نه فقط از نتایج منفی که باید اجتناب شود
- درک این موضوع که امکانات تکنولوژیکی هوش مصنوعی عمیقا نامشخص و به سرعت در حال تحول هستند و جامعه باید در تکامل با آنها انعطاف پذیر باشد.
چنگال اول: رشد بهره وری
اولین راه مربوط به آینده رشد اقتصادی است – که عمدتاً آینده رشد بهره وری است.
اقتصاد ایالات متحده در بیشتر 50 سال گذشته با رشد بهره وری به طرز نگران کننده ای گیر کرده است، به جز یک تجدید حیات کوتاه در اواخر دهه 1990 و اوایل دهه 2000 (Brynjolfsson، Rock و Chad 2019).
اکثر اقتصادهای پیشرفته اکنون همان مشکل رشد بهره وری پایین را دارند. بیش از هر عامل دیگری، بهره وری – تولید در واحد ورودی – ثروت ملت ها و استانداردهای زندگی مردم آنها را تعیین می کند.
با بهره وری بالاتر، مشکلاتی مانند کسری بودجه، کاهش فقر، مراقبت های بهداشتی و محیط زیست بسیار قابل کنترل تر می شوند. تقویت رشد بهره وری ممکن است اساسی ترین چالش اقتصادی جهان باشد.
آینده کم بهره وری
در یکی از مسیرهای چنگال بهره‌وری، تأثیر هوش مصنوعی محدود است. علیرغم بهبود سریع قابلیت‌های فنی هوش مصنوعی، پذیرش آن توسط کسب‌وکارها ممکن است به کندی ادامه یابد و محدود به شرکت‌های بزرگ باشد (زولاس و دیگران، 2021). اقتصاد هوش مصنوعی ممکن است به گونه‌ای باشد که صرفه‌جویی در نیروی کار بسیار محدود کند (آنچه دارون آسم اوغلو و سایمون جانسون آن را «فناوری خیلی خوب» می‌نامند، مانند یک ایستگاه خودکار خرید خواربارفروشی)، به‌جای چیزی که کارگران را قادر می‌سازد انجام دهند.
چیزی جدید یا قدرتمند (به «تعادل مجدد هوش مصنوعی» در این شماره از F&D مراجعه کنید). کارگران آواره ممکن است به طور نامتناسبی به مشاغل کمتر تولیدی و پویایی کمتری دست یابند که هر گونه سود کل را برای نرخ رشد بهره‌وری بلندمدت اقتصاد کاهش دهد.
مانند بسیاری از علاقه‌مندی‌های اخیر فناوری سیلیکون ولی (پرینترهای سه بعدی، ماشین‌های خودران، واقعیت مجازی)، هوش مصنوعی نیز ممکن است در نهایت کمتر امیدوارکننده باشد یا کمتر از آنچه در ابتدا انتظار می‌رفت، آماده عرضه به بازار باشد.
هر گونه سود واقعی اقتصادی، حتی آنهایی که اندک هستند، ممکن است چندین دهه پس از اولین لحظات نوید فناوری، در داده ها ظاهر شوند، همانطور که اغلب این الگو بوده است.
پارادوکس معروفی که توسط رابرت سولو، اقتصاددان در سال 1987 شناسایی شد – “شما می توانید عصر کامپیوتر را همه جا ببینید به جز آمار بهره وری” – ممکن است شدیدتر شود، زیرا به نظر می رسد همه یک ربات چت هوش مصنوعی دارند که دوستان خود را شگفت زده می کند، اما کسب و کارها مولدتر به نظر نمی رسند.
برای افزایش استفاده آنها از هوش مصنوعی. شرکت‌ها ممکن است با ناتوانی در کشف تغییرات سازمانی و مدیریتی که برای استفاده بهینه از هوش مصنوعی به آن نیاز دارند، مزیت‌های اقتصادی ناشی از هوش مصنوعی را کاهش دهند.
و همانطور که در مورد خودروهای خودران، چالش های تکنولوژیکی تبدیل شدن از یک اثبات مفهومی هیجان انگیز به یک محصول بسیار قابل اعتماد ممکن است با رژیم قانونی که برای سازگاری با این فناوری جدید طراحی نشده است، تشدید شود و ممکن است به طور جدی مانع از آن شود.
توسعه. در مورد هوش مصنوعی، ابهام زیادی در مورد اینکه قوانین فعلی در مورد مالکیت معنوی چه چیزی را در زمانی که مدل‌ها بر روی میلیون‌ها نقطه داده آموزش می‌دهند وجود دارد که ممکن است شامل مالکیت معنوی محافظت‌شده دیگران باشد.
قانون مالکیت فکری ممکن است در نهایت با ایجاد چیزی شبیه به “حجم ثبت اختراع” پاسخ دهد که به طور موثر از آموزش مدل ها بر روی داده هایی که توسعه دهندگان حقوق واضحی در مورد آنها ندارند جلوگیری می کند.
در عین حال، انتخاب‌های اشتباه می‌تواند انگیزه‌های متخصصان خلاق را برای تولید بیشتر محتوای جدید که سیستم‌های یادگیری ماشینی را تقویت می‌کند، تضعیف کند.
علاوه بر این، تنظیم‌کننده‌های ملی، با توجه به نگرانی‌ها، ممکن است مقررات سخت‌گیرانه‌ای وضع کنند که سرعت توسعه و انتشار هوش مصنوعی را کاهش دهد.
حتی ممکن است توسعه دهندگان اولیه هوش مصنوعی که مشتاق محافظت از پیشرو خود هستند، از آنها خواسته شود.
علاوه بر این، برخی کشورها، مشاغل و سایر سازمان‌ها ممکن است هوش مصنوعی را کاملاً ممنوع کنند.
اقتصاد کلان هوش مصنوعی
آینده با بهره وری بالا
اما یک سناریوی جایگزین وجود دارد که در آن هوش مصنوعی به آینده ای با بهره وری بالاتر منجر می شود. هوش مصنوعی ممکن است برای بخش قابل توجهی از وظایف انجام شده توسط اکثر کارگران اعمال شود (الوندو و دیگران 2023) و بهره وری را در این وظایف به طور گسترده افزایش دهد.
در این آینده، هوش مصنوعی به وعده خود مبنی بر تبدیل شدن به رادیکال ترین پیشرفت فناوری در چندین دهه عمل می کند.
علاوه بر این، در نهایت به تکمیل کارگران ختم می‌شود – و آنها را آزاد می‌کند تا زمان بیشتری را صرف کارهای غیرمعمول، خلاقانه و مبتکرانه کنند تا اینکه صرفاً جایگزین آنها شود.
هوش مصنوعی دانش ضمنی (که از طریق تجربه به دست می‌آید اما به سختی بیان می‌شود) افراد و سازمان‌ها را با استفاده از حجم وسیعی از داده‌های دیجیتالی شده جدید جذب و تجسم می‌کند.
در نتیجه، کارگران بیشتری می توانند زمان بیشتری را صرف کار بر روی مشکلات جدید کنند و سهم فزاینده ای از نیروی کار به طور فزاینده ای به جامعه ای متشکل از دانشمندان و مبتکران پژوهشگر شباهت پیدا می کند.
نتیجه این است که اقتصادی نه صرفاً در سطح بهره وری بالاتر، بلکه با نرخ رشد دائمی بالاتر.
در این آینده، ادغام موفقیت آمیز هوش مصنوعی با روبات ها همچنین به این معنی است که بخش بیشتری از اقتصاد در معرض پیشرفت های مرتبط با هوش مصنوعی است.
و هوش مصنوعی جامعه را قادر می‌سازد نه تنها کارهایی را که قبلاً انجام می‌داد بهتر انجام دهد، بلکه کارهایی را انجام دهد و چیزهایی را تصور کند که قبلاً غیرقابل تصور بود.
تحقیقات مبتنی بر هوش مصنوعی در پزشکی، پیشرفت های اساسی در دانش زیست شناسی انسان و طراحی دارو را ممکن می سازد.
هوش مصنوعی می‌تواند به خود موتور خلاقیت و اکتشاف علمی کمک کند – ریاضی، علم، توسعه بیشتر هوش مصنوعی – نوعی خودسازی بازگشتی که زمانی فقط یک آزمایش فکری علمی تخیلی بود.
مسیری که به آینده ای بدتر منتهی می شود، مسیری با کمترین مقاومت است و منجر به رشد بهره وری پایین، نابرابری درآمد بیشتر و تمرکز صنعتی بیشتر می شود.
چنگال دوم: نابرابری درآمد
افزایش نابرابری درآمد بین کارگران در 40 سال گذشته یک نگرانی عمده است.
حجم وسیعی از تحقیقات تجربی در اقتصاد کار نشان می‌دهد که رایانه‌ها و سایر اشکال فناوری اطلاعات ممکن است با خودکار کردن مشاغل معمولی با درآمد متوسط، به نابرابری درآمدی کمک کرده باشند، که نیروی کار را به دو قطبی کردن کارگران پردرآمد و کم درآمد تبدیل کرده است.
اگرچه مدیر عامل و سرایدار باقی مانده‌اند، کامپیوترها جایگزین برخی از رده‌های میانی کارکنان اداری شده‌اند (Autor, Levy, and Murnane 2003). ما دو سناریو برای تأثیر هوش مصنوعی بر نابرابری در نظر می گیریم.
آینده با نابرابری بالاتر
در سناریوی اول، هوش مصنوعی منجر به نابرابری درآمدی بالاتر می‌شود. فن‌آوران و مدیران هوش مصنوعی را طراحی و پیاده‌سازی می‌کنند تا به‌طور مستقیم جایگزین بسیاری از کار انسانی شوند و دستمزد بسیاری از کارگران را کاهش دهند.
بدتر از آن، هوش مصنوعی مولد شروع به تولید کلمات، تصاویر و صداها می‌کند، کارهایی که قبلاً غیرمعمول و حتی خلاقانه تلقی می‌شدند و ماشین‌ها را قادر می‌سازد با مشتریان تعامل داشته باشند و محتوای یک کمپین بازاریابی را ایجاد کنند.
تعداد مشاغل در معرض خطر رقابت هوش مصنوعی در نهایت بسیار بیشتر می شود.
کل صنایع در حال بهبود هستند و به طور فزاینده‌ای جایگزین می‌شوند (یک تهدید برای کارگران احتمالاً با اعتصاب‌های اخیر فیلم‌نامه‌نویسان و بازیگران در ایالات متحده که از استودیوها خواستند استفاده از هوش مصنوعی را محدود کنند، پیش‌بینی شده است).
این آینده بیکاری گسترده نیست. اما در این آینده با نابرابری بالاتر، از آنجایی که هوش مصنوعی جایگزین مشاغل با درآمد بالا یا مناسب می شود، کارگران بیشتری به مشاغل خدماتی با دستمزد پایین – مانند پرستاران بیمارستان، پرستار بچه ها و دربان ها – منتقل می شوند، جایی که برخی از حضور انسان ها ذاتاً ارزشمند است و حقوق دریافت می شود.
آنقدر پایین است که کسب‌وکارها نمی‌توانند هزینه یک سرمایه‌گذاری بزرگ فناوری را برای جایگزینی آنها توجیه کنند. سنگر نهایی کار صرفاً انسانی ممکن است این نوع مشاغل با بعد فیزیکی باشد.
نابرابری درآمد در این سناریو افزایش می‌یابد زیرا بازار کار بیشتر به سمت نخبگان کوچک و با مهارت بالا و طبقه زیرین بزرگی از کارگران خدماتی با دستمزد ضعیف دوقطبی می‌شود.
اقتصاد کلان هوش مصنوعی
آینده با نابرابری کمتر
با این حال، در سناریوی دوم، هوش مصنوعی منجر به نابرابری درآمدی کمتری می‌شود، زیرا تأثیر اصلی هوش مصنوعی بر نیروی کار کمک به کارگران کم‌تجربه یا کم‌دانش برای بهتر شدن شغلشان است.
برای مثال، کدنویس‌های نرم‌افزار، اکنون از کمک مدل‌های هوش مصنوعی، مانند Copilot بهره می‌برند که به‌طور مؤثری از بهترین شیوه‌های کدنویسی بسیاری از کارکنان دیگر استفاده می‌کنند.
یک کدگذار بی تجربه یا زیرپارچه با استفاده از Copilot با یک کدنویس بسیار خوب قابل مقایسه است، حتی زمانی که هر دو به یک هوش مصنوعی دسترسی داشته باشند.
مطالعه ای بر روی 5000 کارگر که کارهای پیچیده کمک به مشتری را در یک مرکز تماس انجام می دهند، نشان داد که در میان کارگرانی که از حمایت یک دستیار هوش مصنوعی برخوردار بودند، کمترین مهارت یا جدیدترین کارگران بیشترین بهره وری را نشان دادند (Brynjolfsson, Li, and Raymond 2023). اگر کارفرمایان این دستاوردها را با کارگران تقسیم می کردند، توزیع درآمد برابرتر می شد.
علاوه بر ایجاد آینده‌ای با نابرابری درآمدی کمتر، هوش مصنوعی ممکن است به معنای ظریف‌تر، اما عمیق‌تر به کار کمک کند.
اگر هوش مصنوعی جایگزینی برای معمولی ترین و فرموله ترین انواع کارها باشد، پس با حذف کارهای روزمره خسته کننده از دست انسان، هوش مصنوعی ممکن است تکمیل کننده وظایف خلاقانه و جالب باشد و تجربه روانشناختی اولیه کار و همچنین کیفیت خروجی را بهبود بخشد.
در واقع، مطالعه مرکز تماس نه تنها دستاوردهای بهره‌وری را نشان داد، بلکه باعث کاهش گردش مالی کارگران و افزایش رضایت مشتری برای افرادی شد که از دستیار هوش مصنوعی استفاده می‌کنند.
چنگال سوم: تمرکز صنعتی
از اوایل دهه 1980، تمرکز صنعتی – که سهم بازار جمعی بزرگترین شرکت‌ها در یک بخش را اندازه‌گیری می‌کند – به طور چشمگیری در ایالات متحده و بسیاری از اقتصادهای پیشرفته دیگر افزایش یافته است.
این شرکت های فوق ستاره بزرگ اغلب نسبت به همتایان کوچکتر خود سرمایه بر و از نظر فناوری پیچیده تر هستند.
دوباره دو سناریو متفاوت برای تاثیر هوش مصنوعی وجود دارد.
اقتصاد کلان هوش مصنوعی
آینده با تمرکز بالاتر
در سناریوی اول، تمرکز صنعتی افزایش می‌یابد و تنها شرکت‌های بزرگ به شدت از هوش مصنوعی در تجارت اصلی خود استفاده می‌کنند. هوش مصنوعی این شرکت ها را قادر می سازد تا مولدتر، سودآورتر و بزرگتر از رقبای خود شوند.
توسعه مدل‌های هوش مصنوعی از نظر قدرت محاسباتی خام – هزینه‌ای هنگفت که تنها شرکت‌های بزرگ می‌توانند از عهده آن برآیند – علاوه بر نیاز به آموزش در مورد مجموعه داده‌های عظیم، که شرکت‌های بسیار بزرگ در حال حاضر از مشتریان متعدد خود دارند، گران‌تر می‌شوند.
شرکت های کوچک این کار را نمی کنند. علاوه بر این، پس از آموزش و ایجاد یک مدل هوش مصنوعی، کار با آن ممکن است گران تمام شود.
به عنوان مثال، مدل GPT-4 بیش از 100 میلیون دلار برای آموزش در طول توسعه اولیه آن هزینه داشت و برای اجرا به حدود 700000 دلار در روز نیاز دارد.
هزینه معمول توسعه یک مدل هوش مصنوعی بزرگ ممکن است به زودی به میلیاردها دلار برسد.
مدیران شرکت‌های پیشرو هوش مصنوعی پیش‌بینی می‌کنند که قوانین مقیاس‌بندی که رابطه قوی بین افزایش هزینه‌های آموزشی و بهبود عملکرد را نشان می‌دهند، در آینده قابل پیش‌بینی باقی خواهند ماند و به شرکت‌هایی که به بزرگترین بودجه‌ها و بزرگترین مجموعه داده‌ها دسترسی دارند، مزیت خواهد داد.
بنابراین، ممکن است تنها شرکت‌های بزرگ و شرکای تجاری آنها هوش مصنوعی اختصاصی را توسعه دهند – همانطور که شرکت‌هایی مانند آلفابت، مایکروسافت و OpenAI قبلاً انجام داده‌اند و شرکت‌های کوچکتر این کار را نکرده‌اند. سپس شرکت های بزرگ بزرگتر می شوند.
به طور ظریف تر، اما شاید مهم تر، حتی در جهانی که در آن هوش مصنوعی اختصاصی به هزینه ثابت زیادی نیاز ندارد که تنها بزرگترین شرکت ها بتوانند از عهده آن برآیند، ممکن است هوش مصنوعی همچنان به طور نامتناسبی به بزرگترین شرکت ها کمک کند، زیرا به آنها کمک می کند تا عملیات های پیچیده تجاری خود را بهتر هماهنگ کنند. – از نوعی که شرکت های کوچکتر و ساده تر آن را ندارند.
«دست قابل مشاهده» مدیریت ارشد مدیریت منابع در داخل بزرگترین شرکت‌ها، که اکنون توسط هوش مصنوعی پشتیبانی می‌شود، به شرکت اجازه می‌دهد حتی کارآمدتر شود و مزیت‌های هایک دانش محلی شرکت‌های کوچک را در بازار غیرمتمرکز به چالش بکشد.
اقتصاد کلان هوش مصنوعی
آینده با تمرکز پایین تر
با این حال، در آینده با تمرکز صنعتی پایین، مدل‌های AI منبع باز (مانند LLaMA متا یا کوآلای برکلی) به طور گسترده در دسترس هستند.
ترکیبی از شرکت‌های انتفاعی، سازمان‌های غیرانتفاعی، دانشگاهیان و کدنویس‌های فردی یک اکوسیستم هوش مصنوعی منبع باز پر جنب و جوش ایجاد می‌کند که امکان دسترسی گسترده به مدل‌های هوش مصنوعی توسعه‌یافته را فراهم می‌کند.
این به کسب و کارهای کوچک امکان دسترسی به فناوری های تولید پیشرو در صنعت را می دهد که قبلاً هرگز نمی توانستند داشته باشند.
بسیاری از این موارد در یادداشتی داخلی که در می 2023 از گوگل به بیرون درز کرد، پیش‌بینی شد، که در آن محققی گفت که «مدل‌های متن‌باز سریع‌تر، قابل سفارشی‌سازی‌تر، خصوصی‌تر، و پوند در ازای پوند توانایی بیشتری نسبت به مدل‌های اختصاصی دارند».
این محقق گفت که فرآیندها در مدل‌های منبع باز کوچک می‌توانند به سرعت توسط بسیاری از افراد تکرار شوند و در نهایت بهتر از مدل‌های خصوصی بزرگ که به آرامی توسط یک تیم واحد تکرار می‌شوند و مدل‌های منبع باز می‌توانند ارزان‌تر آموزش داده شوند، به پایان می‌رسند.
از نظر محقق گوگل، هوش مصنوعی منبع باز ممکن است در نهایت بر مدل های اختصاصی گران قیمت تسلط پیدا کند.
همچنین ممکن است هوش مصنوعی نوعی نوآوری گسترده و غیرمتمرکز را تشویق کند که در بسیاری از شرکت‌های کوچک بهتر از یک شرکت بزرگ شکوفا شود.
مرزهای شرکت نتیجه یک سری مبادلات است. دنیایی که در آن تعداد بیشتری از نوآوران مبتنی بر هوش مصنوعی به حقوق کنترل باقی مانده برای کار خود نیاز دارند، ممکن است دنیایی باشد که در آن نوآوران بیشتری تصمیم بگیرند که ترجیح می دهند مالک شرکت های کوچک باشند تا کارمندان شرکت های بزرگ.
نتیجه این است که افزایش طولانی مدت تمرکز صنعتی شروع می‌شود، زیرا برخی از کسب‌وکارهای کوچکتر چابک شکاف فناوری را با همتایان بزرگتر خود بسته یا حتی معکوس می‌کنند و سهم بیشتری از بازار را به دست می‌آورند.
جامعه به نوآوری هایی در درک اقتصادی و سیاستی نیاز دارد که با مقیاس و دامنه پیشرفت های خود در هوش مصنوعی مطابقت داشته باشد.
اقتصاد کلان هوش مصنوعی
به سوی یک دستور کار سیاسی
برای هر یک از دوشاخه های جاده، مسیری که به آینده ای بدتر منتهی می شود، مسیری با کمترین مقاومت است و منجر به رشد بهره وری پایین، نابرابری درآمد بیشتر و تمرکز صنعتی بالاتر می شود.
رسیدن به مسیر خوب مسیر مستلزم کار سخت است—مداخلات سیاستی هوشمندانه که به شکل‌دهی آینده فناوری و اقتصاد کمک می‌کند.
همچنین مهم است که از یک نکته گسترده تر در مورد سیاست قدردانی کنیم.
بسیاری از گفتمان‌ها در مورد مقررات هوش مصنوعی اکنون در امتداد نوعی مدل هیدرولیک صورت می‌گیرد: آیا هوش مصنوعی بیشتری داشته باشیم یا هوش مصنوعی کمتری داشته باشیم یا حتی هوش مصنوعی را ممنوع کنیم.
این بحث زمانی اتفاق می افتد که هوش مصنوعی تا حدودی یک چیز ثابت و با آینده ای از پیش تعیین شده تلقی شود. هوش مصنوعی می تواند سریع یا کند باشد. ممکن است کم و بیش از آن وجود داشته باشد، اما اساساً همان چیزی است که هست.
با این حال، اگر سیاستگذاران درک کنند که هوش مصنوعی می‌تواند در جهت‌های مختلف توسعه یابد، گفتمان به شکلی متفاوت شکل می‌گیرد.
چگونه سیاست ها می توانند انواع هوش مصنوعی را تشویق کنند که به جای تقلید و جایگزینی نیروی انسانی، مکمل کار انسانی هستند؟
چه انتخاب‌هایی توسعه هوش مصنوعی را تشویق می‌کند که شرکت‌ها در هر اندازه می‌توانند به جای بزرگ‌ترین‌ها به آن دسترسی داشته باشند؟
چه نوع اکوسیستم منبع باز ممکن است نیاز داشته باشد و سیاستگذاران چگونه از آن حمایت می کنند؟
آزمایشگاه‌های هوش مصنوعی چگونه باید به توسعه مدل نگاه کنند و شرکت‌ها چگونه باید به اجرای هوش مصنوعی برخورد کنند؟
چگونه جامعه یک هوش مصنوعی به دست می آورد که به جای تغییرات حاشیه ای در کالاها، خدمات و سیستم های موجود، نوآوری های بنیادی را رها می کند؟
اقتصاد کلان هوش مصنوعی
بسیاری از بازیگران مختلف قدرت تأثیرگذاری بر مسیر آینده هوش مصنوعی را دارند. شرکت های بزرگ باید تصمیمات مهمی در مورد نحوه ادغام هوش مصنوعی در نیروی کار خود بگیرند.
بزرگترین این شرکت ها نیز هوش مصنوعی داخلی را توسعه خواهند داد. آزمایشگاه‌های هوش مصنوعی/علوم رایانه در دانشگاه‌ها نیز مدل‌های هوش مصنوعی را توسعه خواهند داد که برخی از آنها را منبع باز خواهند ساخت.
قانونگذاران فدرال و تنظیم‌کننده‌ها، مانند قانونگذاران محلی بیشتر، تأثیر زیادی خواهند داشت.
رای دهندگان صدایی دارند. اتحادیه های کارگری باید بفهمند که چه نوع رابطه ای با هوش مصنوعی می خواهند و چه خواسته هایی دارند.
اگرچه ما تعدادی از آینده‌های احتمالی را برای هوش مصنوعی ترسیم کرده‌ایم، می‌خواهیم نه تنها تاکید کنیم که آینده این فناوری تا چه حد عمیقاً غیرقابل پیش‌بینی است، بلکه جامعه آژانس در تعیین فعالانه و جمعی آینده هوش مصنوعی نیز بر آن تاکید دارد.
ما بیشتر از آنچه پاسخ داده‌ایم سؤالاتی را مطرح کرده‌ایم که تا حدی نشان‌دهنده مرحله نوپای پذیرش و تأثیر هوش مصنوعی است.
اما همچنین نشان دهنده عدم تعادل عمیق‌تر بین تلاش‌های تحقیقاتی برای پیشبرد مرز فناوری و تحقیقات محدودتر با هدف درک پیامدهای اقتصادی و اجتماعی آن است.
این عدم تعادل زمانی که این فناوری پیامدهای اقتصادی کلان محدودی داشت از اهمیت کمتری برخوردار بود.
اما امروزه، زمانی که احتمالاً اثرات هوش مصنوعی بر جامعه با تریلیون‌ها دلار اندازه‌گیری می‌شود، سرمایه‌گذاری بسیار بیشتری باید در تحقیقات اقتصادی هوش مصنوعی انجام شود.
جامعه به نوآوری هایی در درک اقتصادی و سیاستی نیاز دارد که با مقیاس و دامنه پیشرفت های خود در هوش مصنوعی مطابقت داشته باشد.
جهت دهی مجدد اولویت های پژوهشی و توسعه یک برنامه سیاست هوشمند می تواند به جامعه کمک کند تا به سمت آینده ای با رشد اقتصادی پایدار و فراگیر حرکت کند.
