Bleiben Sie mit kostenlosen Updates informiert
Einfach anmelden Technologiesektor Myft Digest – direkt an Ihren Posteingang geliefert.
Der Autor ist Autor von «Wie Fortschritt endet: Technologie, Innovation und das Schicksal der Nationen» und Associate Professor an der Oxford University
Jedes Mal, wenn die Ängste vor KI-gesteuerten Arbeitsplatzverlusten aufflammen, versichern uns die Optimisten, dass künstliche Intelligenz ein Produktivitätstool ist, das sowohl Arbeitern als auch Wirtschaft hilft. Microsoft -Chef Satya Nadella glaubt, dass autonome AI -Agenten Benutzern es ermöglichen, ihr Ziel zu nennen, während die Softwarepläne in jedem System plant, ausführt und lernt. Ein Traumwerkzeug – wenn die Effizienz allein ausreichte, um das Produktivitätsproblem zu lösen.
Die Geschichte sagt, dass es nicht so ist. In den letzten halben Jahrhundert haben wir Büros und Taschen mit immer schnelleren Computern gefüllt, aber das Wachstum der Arbeitsproduktivität in fortgeschrittenen Volkswirtschaften hat sich in den 1990er Jahren in den letzten zehn Jahren von rund 2 Prozent pro Jahr auf etwa 0,8 Prozent verlangsamt. Sogar Chinas einst so angesagte Produktion pro Arbeiter ist ins Stocken geraten.
Die Schrotflinte -Ehe des Computers und des Internets versprach mehr als verbessertes Amtseffizienz – sie stellte sich ein goldenes Zeitalter der Entdeckung vor. Indem Sie das Wissen der Welt vor allen stellen und globale Talente verknüpfen, sollten sich Durchbrüche vervielfachen müssen. Die Forschungsproduktivität ist jedoch gefolgt. Der durchschnittliche Wissenschaftler produziert jetzt weniger Durchbruchsideen pro Dollar als das Gegenstück der 1960er Jahre.
Was ist schief gelaufen? Wie der Ökonom Gary Becker einmal feststellte, sind Eltern einem Kompromiss zwischen Qualität und Quantität ausgesetzt: Je mehr Kinder sie haben, desto weniger können sie in jedes Kind investieren. Das Gleiche gilt für Innovation.
Große Studien zur erfinderischen Leistung bestätigen das Ergebnis: Forscher, die mehr Projekte jonglieren, liefern weniger durchbrüste Innovationen. In den letzten Jahrzehnten sind wissenschaftliche Papiere und Patente zunehmend inkrementeller geworden. Die Größen der Geschichte verstanden warum. Isaac Newton hielt ein einziges Problem „ständig vor mir … bis die ersten Morgendämmerungen langsam, für wenig und wenig, in ein volles und klares Licht öffnen“. Steve Jobs stimmte zu: „Innovation sagt Nein zu tausend Dingen.“
Der menschliche Einfallsreichtum lebt, wo der Präzedenzfall dünn ist. Hätte sich das 19. Jahrhundert ausschließlich auf bessere Webstühle und Pflüge konzentriert, würden wir billiges Tuch und reichlich vorhandenes Getreide genießen – aber es würde keine Antibiotika, Düsenmotoren oder Raketen geben. Wirtschaftliche Wunder ergeben sich aus der Entdeckung und wiederholten die Aufgaben mit größerer Geschwindigkeit.
Große Sprachmodelle nutzen sich auf den statistischen Konsens zu. Ein Modell, das vor Galileo trainiert wurde, hätte ein geozentrisches Universum gepapt; FED-Texte des 19. Jahrhunderts, es hätte sich als unmöglich erwiesen, bevor die Brüder Wright erfolgreich waren. Eine kürzlich durchgeführte Naturübersicht ergab, dass LLMs zwar die routinemäßigen wissenschaftlichen Aufgaben erleichterte, die entscheidenden Einblicke jedoch immer noch dem Menschen gehörten. Sogar Demis Hassabis, dessen Team bei Google DeepMind Alphafold produzierte – ein Modell, das die Form eines Proteins vorhersagen kann und die bisher berühmteste wissenschaftliche Leistung von AI ist, gibt zu, dass echte künstliche allgemeine Intelligenzsysteme das Erfordernis mit echten künstlichen allgemeinen Intelligenzsystemen erfordern können, die Menschen über das gesamte Spektrum von kognitiven Aufgaben übereinstimmen oder über das gesamte Spektrum von kognitiven Aufgaben übereinstimmen können, um „mehrere Innovationen zu übertreffen“.
In der Zwischenzeit steigert KI in erster Linie die Effizienz als die Kreativität. Eine Umfrage unter über 7.000 Wissensarbeitern ergab, dass starke Benutzer von generativen KI wöchentlichen E -Mail -Aufgaben um 3,6 Stunden (31 Prozent) reduziert wurden, während die kollaborative Arbeit unverändert blieb. Sobald jedoch alle E -Mail -Antworten auf ChatGPT delegiert, kann das Posteingangsvolumen erweitert werden und die anfänglichen Effizienzgewinne annähern. Amerikas kurze Produktivitätsaufschwärzung der neunziger Jahre lehrt uns, dass Gewinne aus neuen Werkzeugen, sei es Tabellenkalkulationen oder KI -Agenten, verblassen, sofern sie nicht von bahnbrechenden Innovationen begleitet werden.
KI könnte immer noch eine Produktivitätsrenaissance entzünden – aber nur, wenn wir sie nutzen, um tiefer nach neuen und bisher unvorstellbaren Bemühungen zu gehen, anstatt nur mehr Löcher zu bohren. Das bedeutet, Originalität über das Volumen zu belohnen, riskantere Wetten zu unterstützen und die Autonomie wiederherzustellen. Die Algorithmen könnten bald bereit sein; Unsere Institutionen müssen sich jetzt anpassen.
