هوش مصنوعی آماده یک انقلاب اقتصادی است؟

جهان صنعت نیوز – تقریباً دو سال از انتشار GPT-3.5 توسط OpenAI با استقبال گسترده می‌گذرد. بیل گیتس، یکی از بنیان‌گذاران مایکروسافت، این فناوری را با نخستین مواجهه‌اش با رابط کاربری گرافیکی در دهه ۱۹۸۰ مقایسه کرد؛ رویدادی که تحولی بنیادین در دنیای رایانه‌های شخصی ایجاد کرد. برخی پیش‌بینی کردند که هوش مصنوعی، به سرعت اقتصادهای جهان را متحول کرده و میلیون‌ها نفر را بیکار خواهد کرد. با این حال، علیرغم هیاهو و نگرانی‌ها، تأثیر هوش مصنوعی تاکنون محدود بوده است. بر اساس داده‌های مرکز آمار آمریکا، تنها ۶ درصد از کسب‌وکارها از هوش مصنوعی برای تولید کالا و خدمات استفاده می‌کنند. در همین حال، رشد بهره‌وری نیروی کار و تولید همچنان بسیار پایین‌تر از اوج‌های دوران انقلاب رایانه‌ای در دهه ۱۹۹۰ است.

چرا هوش مصنوعی تاکنون نتوانسته انتظارات را برآورده کند؟

 تجربیات دوران انقلاب رایانه‌ای می‌تواند پاسخی برای این پرسش ارائه دهد. همانند هوش مصنوعی امروز، سال‌های ابتدایی عصر رایانه نیز با پیش‌بینی‌های گسترده‌ای درباره تحولات اقتصادی همراه بود. در سال ۱۹۶۵، هربرت سایمون، یکی از بزرگان علم رایانه، اعلام کرد که «ماشین‌ها ظرف ۲۰ سال قادر خواهند بود هر کاری را که یک انسان انجام می‌دهد، انجام دهند.» اما دو دهه پس از این پیش‌بینی، انقلاب بهره‌وری وعده‌داده‌شده همچنان محقق نشد.

در سال ۱۹۸۷، رابرت سولو، برنده نوبل اقتصاد، با طعنه گفت: «عصر رایانه را همه‌جا می‌توان دید، به جز در آمار بهره‌وری.» تنها در اواخر دهه ۱۹۹۰ بود که تحول اقتصادی بالاخره رخ داد و سولو پذیرفت که سه دهه پس از این پیش‌بینی‌های اولیه، رایانه‌ها شروع به بازسازی اقتصاد کرده‌اند.

عوامل کلیدی شکوفایی عصر رایانه

سه عامل اصلی به ظهور شکوفایی بهره‌وری در دوران رایانه کمک کردند: سرمایه‌گذاری گسترده شرکت‌ها در فناوری اطلاعات، کاهش سریع قیمت سخت‌افزار و نرم‌افزار، و یافتن روش‌های جدید برای ادغام این فناوری در عملیات شرکت‌ها. آیا این عوامل امروز نیز در عصر هوش مصنوعی مشاهده می‌شوند؟

سرمایه‌گذاری در فناوری اطلاعات

از سال ۱۹۹۵، شرکت‌ها هزینه‌های خود را در زمینه سخت‌افزار رایانه، زیرساخت‌های شبکه و نرم‌افزار افزایش دادند. بین سال‌های ۱۹۹۵ تا ۲۰۰۰، سرمایه‌گذاری در تجهیزات پردازش اطلاعات و نرم‌افزار به طور متوسط سالانه ۲۰ درصد (به قیمت واقعی) رشد داشت. تحقیقات بانک فدرال نیویورک، نشان داد که تا سال ۱۹۹۹ شرکت‌ها نزدیک به ۴۰۰ میلیارد دلار در این فناوری‌ها سرمایه‌گذاری می‌کردند که بیش از ۳۰ درصد از کل سرمایه‌گذاری‌های ثابت غیرمسکونی را شامل می‌شد.

در مقابل، سرمایه‌گذاری‌های اخیر در این حوزه ناامیدکننده بوده است. طی دو سال گذشته، سرمایه‌گذاری کسب‌وکارها در تجهیزات پردازش اطلاعات و نرم‌افزار تنها حدود ۴ درصد در سال رشد داشته است. سرمایه‌گذاری در هوش مصنوعی ممکن است بیشتر بر دارایی‌های ناملموس مانند الگوریتم‌ها و داده‌ها متمرکز باشد که اندازه‌گیری آن‌ها دشوارتر از سرمایه فیزیکی است. برای مثال، پرداخت به استارتاپ‌ها برای ابزارهای سفارشی ممکن است در آمار به‌عنوان هزینه‌های عملیاتی ثبت شود. با این حال، انتظار می‌رود حداقل سرمایه‌گذاری در نرم‌افزار افزایش یابد. اما هزینه‌ها برای نرم‌افزارهای تجاری آماده (مانند Microsoft 365) و سیستم‌های سفارشی، از جمله ابزارهای هوش مصنوعی خاص، به طرز عجیبی پایین است. رشد سرمایه‌گذاری در نرم‌افزار در سال گذشته تقریباً سه برابر کمتر از اواخر دهه ۱۹۹۰ بوده و همچنان بسیار پایین‌تر از میانگین بلندمدت است.

کاهش قیمت‌ها

نیمه دوم دهه ۱۹۹۰ شاهد کاهش چشمگیر قیمت‌های تعدیل‌شده کیفیت در سخت‌افزار و نرم‌افزار رایانه بود. بین سال‌های ۱۹۹۵ تا ۲۰۰۰، قیمت تجهیزات پردازش اطلاعات و نرم‌افزار یک‌سوم کاهش یافت که منجر به تولید رایانه‌هایی ارزان‌تر و بهتر شد. اما در عصر هوش مصنوعی هنوز شاهد کاهش مشابهی در قیمت‌ها نبوده‌ایم. طی پنج سال گذشته، قیمت نرم‌افزار و تجهیزات پردازش اطلاعات تقریباً ثابت مانده است. حتی در سه‌ماهه اخیر، شاخص قیمت این کالاها با نرخ سالانه ۴ درصد افزایش یافته است. با وجود ارزان‌تر شدن فناوری پایه، واسطه‌هایی که ابزارهای هوش مصنوعی با افزودن حاشیه سود، قیمت‌ها را افزایش می‌دهند.

تغییرات بنیادین در عملیات شرکت‌ها

عامل نهایی در انقلاب اقتصادی دهه ۱۹۹۰ تغییرات بنیادین در عملیات و مدل‌های کسب‌وکار برای ادغام فناوری بود. برای مثال، فروشگاه زنجیره‌ای Walmart در دهه ۱۹۹۰ بهره‌وری خود را با ادغام سیستم نرم‌افزاری جدیدی به نام Retail Link افزایش داد که به تأمین‌کنندگان دسترسی لحظه‌ای به داده‌های فروش و موجودی کالا را می‌داد. در مقابل، پذیرش هوش مصنوعی امروز عمدتاً به کاربردهای محدود در عملیات موجود، مانند استفاده از برنامه‌های هوش مصنوعی برای شناسایی تقلب در خدمات مالی، محدود شده است. بیشتر شرکت‌ها زیرساخت داده‌ای لازم برای آموزش مدل‌های خاص خود را ندارند. برای آزاد کردن پتانسیل کامل هوش مصنوعی، تغییرات بنیادی بیشتری مورد نیاز است.

آینده بهره‌وری هوش مصنوعی

با توجه به این محدودیت‌ها، شاید بهتر باشد به سخنان رودی دورنبوش، اقتصاددانی که در دانشگاه MIT فعالیت می‌کرد، توجه کنیم: «در اقتصاد، اتفاقات کندتر از آن چیزی که تصور می‌کنید شروع می‌شوند و سپس سریع‌تر از آن چیزی که فکر می‌کردید به وقوع می‌پیوندند.» هوش مصنوعی ممکن است در نهایت رشد بهره‌وری خارق‌العاده‌ای ایجاد کند، اما در حال حاضر به نظر می‌رسد که هنوز فاصله زیادی با جهش‌های دهه ۱۹۹۰ دارد.

شاید مقایسه‌ای مناسب‌تر، دهه ۱۹۷۰ باشد؛ دورانی که وعده‌های فناوری با رشد ناامیدکننده بهره‌وری همراه بود. تراشه‌های حافظه و ریزپردازنده‌های سیلیکونی که رایانه‌های شخصی را قدرت می‌بخشیدند، حدود سال ۱۹۷۰ معرفی شدند. اما ۲۰ سال بعد، کمتر از ۱۰ درصد از کسب‌وکارهای جهان از رایانه‌ها استفاده می‌کردند. حتی با ورود به عصر اطلاعات و ظهور ایمیل، تلفن‌های همراه و اینترنت، رشد بهره‌وری همچنان پایین بود. بین سال‌های ۱۹۷۵ تا ۱۹۹۴، بهره‌وری نیروی کار در آمریکا به طور متوسط تنها ۱.۷ درصد رشد داشت. اما در نهایت تغییرات شروع شدند. به نظر می‌رسد که انقلاب هوش مصنوعی نیز مسیری مشابه را دنبال می‌کند.

اقتصاد کلانپیشنهاد ویژه