是的,AI可以帮助我们解决生产力衰退,但它不能解决所有问题

煤油灯科技2024-07-18 09:04

据澳大利亚经济发展委员会称,我们的国家正在经历近60年来最低的生产率增长。而这种下滑趋势在全球大多数先进经济体中都有所体现。

因此,对于某些人来说,人工智能(AI)的崛起成为提高生产力的救星并不令人意外。媒体文章宣称,通过AI,特别是生成式AI工具,如ChatGPT和DALL-E,开启了高生产率的新时代。

同样地,世界顶尖的期刊都充斥着AI如何在研究中实现了转型式的飞跃的报道。例如,机器学习就被用来预测蛋白质形状的DNA信息,或者控制核聚变反应中超热等离子体的形状。CSIRO的一个团队设计了一种基于AI的自主系统,能够在24小时内制造和测试12,000个太阳能电池设计。

“那是不是意味着我们可以将开关设为自动模式,然后去海滩?还不完全是这样的。”

不是提高生产力的万灵药。

尽管上述例子带给我们希望,但它们也让人们忽略了许多尚未成功的AI应用。这些情况通常未被记录在期刊和媒体中,使用AI耗时耗力,最终却未能达到期望的效果。

2021年,AI社区因为发现62篇使用机器学习来诊断胸部扫描中COVID-19的研究被证明不可靠且无法在临床环境中使用而不得不暂停。这主要是由于输入数据存在问题。这是一次深刻的提醒,证明了AI是有缺陷的。

这并不意味着人工智能无法提高生产率-只是它不能成为我们提升生产力的通用良药。人工智能无法通过魔法般的手段解决与低效流程、糟糕的管理和恶劣的企业文化有关的问题。

如果你将先进的人工智能应用到一个愚蠢的组织中,它并不会使组织变得更聪明,而只会帮助组织更有效地完成愚蠢的事情(换句话说,更快地完成)。这很难带来生产力的提升。

人工智能应用的工作领域

最近由美国国家经济研究局进行的一项研究发现,在使用人工智能工具指导对话的客户服务代表中,生产力增加了14%。而在澳大利亚,Westpac称,AI为其软件工程师提供了46%的生产力提升,且没有损失工作质量。

许多方面来看,这些例子并不令人意外。显然,当人工智能得到有效应用时,它可以提高生产力。谷歌地图在将人从A点带到B点方面显然比老旧的道路地图要好得多。

那么,在人工智能表现良好的情况下,有什么共同点呢?

成功应用人工智能的案例通常具备明确的需求和功能。它们能够很好地融入企业或组织的更广泛进程中,并不会干扰员工的其他任务。

他们还倾向于拥有高质量、符合目的且经过筛选的数据集,用于训练算法,并且在符合伦理原则的基础上进行安全应用。

「AI应用失败的原因」

然而,实现人工智能带来的生产力利益对整个组织或经济来说都是一项艰巨的任务。很多组织仍在为更基本的数字化转型而苦苦挣扎。

咨询公司德勤估计,70%的组织数字化转型的努力最终失败。也许应对生产力困境的真正解决方案不在于使用人工智能,而在于管理采用新技术所带来的组织内部低效率。

现代办公室充斥着毫无意义的电子邮件、不必要的会议以及繁琐的流程,这些都会耗尽员工的精力和动力。研究已经证明,当员工面对这些繁琐的工作和干扰时,生产力会下降。

不太可能让人工智能解决这个问题。当今世界最重要的是关注度;一款旨在让我们免于繁琐事务的人工智能或许会变成一个唠叨的家伙。甚至可能出现这样一个未来:旨在帮助我们避免分心的人工智能工具正在与旨在分散我们注意力的人工智能工具竞争。

利兹大学经济学家斯图尔特·米尔斯指出,如果像ChatGPT这样的工具仅仅是自动化繁琐的行政事务,它们并不会提高生产力。

我们曾经问过一位朋友,他是一家全球工程公司的高级经理,他是否使用ChatGPT来进行工作。“哦,是的!”他兴高采烈地回答道。

我用它来生成管理层所要求的所有那些报告。我知道没有人会真正阅读它,所以它不需要高质量。

朝着长期的生产力增长努力。

从长远来看,人工智能很有可能在社会层面上提高生产力,并且其中一些改进可能是革命性的。

截至2022年9月,研究发现全球发表的经过同行评议的研究中,有5.7%的研究关注人工智能这一主题——这一比例比2017年的3.1%和2000年的1.2%都要高。

很明显,创新者们正在探索人工智能如何提升他们的生产力,或许还能帮助他们做出一些发现。我们可以期待那些真正能够解决问题的有效解决方案会自我筛选并自然而然地脱颖而出。

成功的人工智能实现需要理解应用技术的背景。它需要选择正确的工具来处理手头的任务,并以正确的方式使用它。甚至在这之前,它需要解决过程、治理、文化和伦理方面的问题。

科技互联网,科技,资讯,动态,洞察,量子,计算,AI,人工智能,机器人,区块链,Web3,分布式,操作系统,OS,芯片,视频,深度,论文