مختبر الاقتصاد الرقمي بجامعة ستانفورد إريك برينجولفسون

إريك برينجولفسون يتحدى أي شخص قلق بشأن الذكاء الاصطناعي: توقفوا عن سؤال ما سيفعله الذكاء الاصطناعي بنا، وابدأوا بسؤال ما سنفعله نحن بالذكاء الاصطناعي. في هذه الحلقة من أنا ونفسي والذكاء الاصطناعي، يشرح خبير الاقتصاد بجامعة ستانفورد لماذا التكنولوجيا ليست أكبر عائق أمام التقدم — بل الناس والمنظمات والمؤسسات هم العائق. بالاستناد إلى أبحاث جديدة حول تأثير الذكاء الاصطناعي على الوظائف والإنتاجية والنمو الاقتصادي، يجادل بأن المستقبل ليس محددًا مسبقًا: بل سيتشكل بالخيارات التي نتخذها اليوم. هذه محادثة في وقتها المناسب حول الفاعلية البشرية والازدهار المشترك، ولماذا قد تكون أهم اختراقات الذكاء الاصطناعي أقل ارتباطًا بالتكنولوجيا مما هي بكيفية استخدامنا لها.

اشترك في أنا ونفسي والذكاء الاصطناعي على بودكاست آبل أو سبوتيفاي.

النص

أليسون رايدر: ضيف اليوم لديه استفزاز جريء: الذكاء الاصطناعي لا تعيقه التكنولوجيا. بل نحن نعيق تقدمه. هل أنت فضولي لمعرفة كيف؟ اكتشف الآن.

إريك برينجولفسون: أنا إريك برينجولفسون من ستانفورد، وأنت تستمع إلى أنا ونفسي والذكاء الاصطناعي.

سام رانسبوثام مرحباً بك في أنا ونفسي والذكاء الاصطناعيبودكاست من مراجعة سلون للإدارة بمعهد ماساتشوستس للتكنولوجيا والابتكار والإدارة استكشاف مستقبل الذكاء الاصطناعي. أنا سام رانسبوثام، أستاذ التحليلات في كلية بوسطن. لقد كنت أبحث في البيانات والتحليلات والذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا منذ عام 2014، مع مقالات بحثية، وتقارير صناعية سنوية، ودراسات حالة، والآن 13 موسمًا من حلقات البودكاست. في كل حلقة، ينضم إلينا قادة الشركات، والباحثون المتطورون، وصانعو سياسات الذكاء الاصطناعي لتحليل ما يفصل بين ضجة الذكاء الاصطناعي ونجاحه.

أتحدث اليوم مع إريك برينجولفسون، الذي يدير مختبر الاقتصاد الرقمي بجامعة ستانفورد ويدرس كيفية استخدام الناس للتكنولوجيا بشكل عام والآن الذكاء الاصطناعي بشكل خاص. يحاول التفكير في كيفية تأثير التكنولوجيا على الاقتصاد والعمل. كتابه عصر الآلة الثاني شكل الكثير من هذا النقاش. وفريقه نشر مؤخرًا "طيور الكناري في منجم الفحم؟"، ورقة بحثية حول ما يحدث للعمال المبتدئين. إريك وأنا نلتقي ببعضنا البعض عدة مرات في السنة في المكتب الوطني للبحوث الاقتصادية، وهو دائمًا يطرح شيئًا لم أفكر فيه. لا ضغط، إريك، لكني أتوقع نفس الشيء اليوم.

إريك برينجولفسون: من الجيد أن أكون هنا، سام.

سام رانسبوثام مرحبًا بك في البرنامج. لنبدأ بمختبر الاقتصاد الرقمي بجامعة ستانفورد. هل يمكنك أن تعطينا نظرة سريعة عما يفعله المختبر؟

إريك برينجولفسون: بالتأكيد. نحن ندرس الاقتصاد الرقمي. ... أحببت وقتي في معهد ماساتشوستس للتكنولوجيا. كنت هناك لأكثر من 25 عامًا، لكنني الآن هنا في وادي السيليكون، مركز ثورة الذكاء الاصطناعي. نحن نركز على كيفية تغيير الذكاء الاصطناعي والتقنيات الرقمية الأخرى للاقتصاد. نوعًا ما، فرضية المختبر وعملي وحياتي المهنية هي أن التكنولوجيا تتقدم بسرعة كبيرة. القدرات مذهلة. في الوقت نفسه، فهمنا الاقتصادي لا يتقدم بالسرعة الكافية. مؤسساتنا الاقتصادية ومهاراتنا ومنظماتنا لا تواكب ذلك. وظيفتي هي محاولة سد هذه الفجوة.

سام رانسبوثام إنهم هؤلاء البشر المزعجون. التكنولوجيا تتحرك بسرعة. المنظمات والناس يبطئوننا، أعتقد أن هذا هو الملخص.

إريك برينجولفسون: هذا صحيح. الكثير من عملك أبرز ذلك أيضًا، ونحن نفعل ما في وسعنا لمواكبة ذلك.

سام رانسبوثام كنت أفكر في كتاب السباق مع الآلة و... "طيور الكناري" اليوم. ما الذي يربط كل ذلك؟

إريك برينجولفسون: "السباق مع الآلة" ... كان العنوان الرئيسي. الاستنتاج كان أننا يجب أن نتسابق مع الآلات، وليس ضد الآلات. وهذا ما واصلت التأكيد عليه — هناك فرصة للبشر والآلات للعمل معًا. إنه ليس تلقائيًا. هناك الكثير من الخيارات التي نحتاج إلى اتخاذها، لكن التكنولوجيا تمكن كل أنواع الإمكانيات الجديدة. محاولة ابتكار واكتشاف تلك الإمكانيات هي جزء كبير مما نحتاج نحن البشر إلى فعله.

سام رانسبوثام أحب جزء الخيارات لأنني أعتقد أنه من السهل جدًا علينا الانزلاق إلى اللغة اليومية بقول "الذكاء الاصطناعي يفعل هذا، التكنولوجيا تفعل ذلك." أعلم أنك كنت ضد ذلك.

إريك برينجولفسون: هذا صحيح تمامًا. إنه على الأرجح أحد أكثر الأسئلة شيوعًا التي أتلقاها: "ماذا سيفعل الذكاء الاصطناعي بنا؟ ماذا سيجعل الذكاء الاصطناعي يحدث بعد ذلك؟" فأقول، "انتظر لحظة، فرضية سؤالك خاطئة. السؤال هو 'ماذا سنفعل نحن بالذكاء الاصطناعي؟'"

هذه أداة قوية بشكل لا يصدق، ويمكن القول إنها أقوى أداة امتلكناها نحن البشر على الإطلاق. تقريبًا بحكم التعريف، هذا يعني أن لدينا قدرة أكبر على تغيير العالم أكثر من أي وقت مضى. لذا دعونا نفكر في كيف نريد استخدام ذلك. اتضح أن قيمنا وخياراتنا تهم الآن أكثر مما كانت عليه في الماضي لأن لدينا هذه القدرة على إحداث تأثير كبير حقًا في الكون، للأفضل أو للأسوأ.

سام رانسبوثام نعم، للأفضل أو للأسوأ. أعتقد أن هذا سيظهر عدة مرات بينما نتحدث هنا.

كنت أفكر في كم من الأمور أصبت فيها في الكتاب السباق مع الآلة المبكر. لكن هذا ليس مثيرًا للاهتمام كأكاديمي. ما الذي تعتقد أنك أخطأت فيه؟ ما الذي فاجأك؟ ما الذي تغير بشكل مختلف عما اعتقدته قبل 16 عامًا أو 15 عامًا؟

إريك برينجولفسون: حسنًا، أولاً، بما أننا نتحدث عن ما أخطأنا فيه، يجب أن أوضح أن هذا مكتوب بالاشتراك مع آندي ماكافي، إلى جانب عصر الآلة الثاني. لقد كان شريكًا في العديد من مشاريعي.

ما الذي أخطأنا فيه؟ كنا ننظر إلى بعض التقدم — وأود أن أسلط الضوء بشكل خاص على عصر الآلة الثانيبدأنا ذلك برحلة في سيارة جوجل ذاتية القيادة. في الواقع، كان ذلك في عام 2012، مباشرة بعد أن كتبنا السباق مع الآلة، ركبنا من ماونتن فيو إلى سان فرانسيسكو. يجب أن أقول إنني فكرت، "واو، السيارات ذاتية القيادة على وشك الظهور"، مجازيًا، واعتقدت أن ذلك سيحدث بسرعة كبيرة. من الواضح أن الأمر استغرق وقتًا أطول. أركب في السيارات ذاتية القيادة كثيرًا هنا في منطقة خليج سان فرانسيسكو، في أعلى المدينة. لقد كانت متوفرة منذ فترة، والآن نزلت إلى بالو ألتو أيضًا، ويمكنك ركوبها طوال الطريق على الطريق السريع. لكن ذلك كان بعد 15 عامًا.

استغرق الأمر بعض الوقت، وأعتقد أنني كنت متفائلاً أكثر من اللازم بشأن ذلك. ومع ذلك، أعتقد أنني قلّلت من تقدير مدى سرعة تقدم التكنولوجيا في جوانب أخرى. الطريقة التي يمكنني بها أنا وأنت التحدث مع [نماذج اللغة الكبيرة]، سواء كانت ChatGPT أو Gemini أو Claude، وجعلها تقوم بأعمال، أعتقد أنني لم أكن أتوقع أن يحدث ذلك بهذه السرعة. أعني، كنت سأعتبر هذا [ذكاءً عامًا اصطناعيًا] لو سألتني في عام 2012 أو 2015. لذا، من الرائع حقًا أن تتمكن من الحصول على نصائح جيدة جدًا منها. نحن جميعًا نعلم أنها لا تزال تعاني من الهلوسة وترتكب أخطاء، لكننا نحن البشر أيضًا نفعل ذلك. في المتوسط، هي جيدة جدًا حقًا. لذا، حدث ذلك بشكل أسرع. لقد أخطأنا قليلاً في تقدير ذلك.

ثم الجزء الأكثر خيبة أمل هو، كما تعلم، كنت أعرف أننا كنا نتحدث فقط عن كيفية تغير المؤسسات البشرية ببطء مقارنة بالتكنولوجيا. لكن يا إلهي، لم أتوقع أن يكون الأمر بهذا البطء. في بعض الأحيان، يبدو الأمر وكأنه يتحرك إلى الوراء. لذا كان ذلك مخيبًا للآمال حقًا، أن مؤسساتنا السياسية، وشركاتنا، ومنظماتنا لا تستطيع مواكبة ذلك. الإنتاجية لا تنمو بشكل أسرع مما كانت عليه في بداية ثورة الذكاء الاصطناعي هذه، ربما بزيادة طفيفة إذا حدقت جيدًا. لكننا لا نترجم هذه القدرات فعليًا إلى أداء تجاري أفضل أو إلى الفوائد التي نأملها جميعًا.

سام رانسبوثام لقد ركبت إحدى السيارات ذاتية القيادة في بالو ألتو خلال آخر اجتماع رأيتك فيه. سرعان ما أصبح الأمر مملًا. كنت مفتونًا لبضع ثوانٍ ثم سرعان ما شعرت بالملل. لقد أشرت إلى أن هذا كان سيُعتبر ذكاءً اصطناعيًا عامًا قبل بضع سنوات، أو أن نماذج اللغات الكبيرة كانت ستُعتبر ذكاءً اصطناعيًا عامًا قبل بضع سنوات، لكنها لم تعد كذلك. إلى أي مدى يشبه هذا "سلق الضفدع"، حيث نعتاد على هذه التقنيات، ويحتاج الأمر إلى المزيد لإبهارنا؟ هل هذا جزء من الأمر؟ أم أنه جزء من القياس؟ أم أنه منحنى J، الذي سنعود إليه بعد قليل؟ كل ما سبق؟ لا شيء مما سبق؟

إريك برينجولفسون: كل ما سبق. جزء منه، كما قلت، هو الشعور بالملل في السيارة ذاتية القيادة؛ الدقائق الأولى تكون مخيفة ومثيرة، ثم تصبح مثيرة للاهتمام. وبعد نصف ساعة تقول: "حسنًا، لقد فهمت الأمر نوعًا ما." هذه السيارات تقود مثل جدتي، بحذر شديد وببطء، وهو على ما أظن الشيء الصحيح الذي ينبغي فعله.

سام رانسبوثام ربما لهذا السبب غادرت بوسطن.

إريك برينجولفسون: بالضبط. معدل حوادثهم أقل بنسبة 90% من البشر. أتطلع إلى اليوم الذي تصبح فيه جميع السيارات هكذا. حاليًا، هي أبطأ قليلًا من نقطة إلى أخرى. أحيانًا عندما أكون مستعجلًا، أطلب أوبر لأنني أعلم أن السائق أكثر استعدادًا لاختصار الطريق، إذا جاز التعبير. لكن جزءًا من الأمر هو أننا نعتبر الأمور التي كانت مذهلة في البداية أمرًا مسلمًا به.

أعتقد أن أدمغتنا مصممة للتأقلم مع الأمور. لكن الأمرين الآخرين اللذين ذكرتهما، برأيي، أكثر أهمية وإثارة للاهتمام. الأول هو مشكلة القياس. فمقاييسنا الاقتصادية ليست مصممة لالتقاط الكثير من فوائد الذكاء الاصطناعي، خاصة فوائد السلع الرقمية المجانية. لذا لدينا منهجية كاملة لمعالجة ذلك. ربما يمكننا التحدث عن ذلك لاحقًا.

الجزء الآخر هو منحنى J. هذا ما بدأنا به الحديث — هناك بالفعل فجوة وصعوبة في تحويل القدرات إلى تغيير حقيقي في الأعمال. وذلك لأن هناك العديد من الأصول والاستثمارات التكميلية التي يجب القيام بها. الكثير منها يحتاج إلى اختراع، ولا نعرف ماهيتها، هذه الاختراعات التكميلية المشتركة لعمليات الأعمال الجديدة، والمهارات الجديدة، ونماذج الأعمال الجديدة بالكامل وطرق العمل. إنها صعبة، ونحن لدينا رواد الأعمال والمديرون وأساتذة كليات إدارة الأعمال والاستشاريون جميعهم يعملون على اكتشافها.

في عمل سابق قمت به مع لورين هيت من جامعة بنسلفانيا وبراسانا (سوني) تامبي وآخرين، وجدنا أن الاستثمارات في تلك الأصول غير الملموسة أكبر بنحو 10 مرات من الاستثمارات المباشرة في تكنولوجيا الحاسوب. ولكن نظرًا لأنها غير ملموسة إلى حد كبير وغير مرئية، فإننا نميل إلى عدم تقديرها بالقدر الكافي، ولا نقيسها، ولا يدرك الناس حتى وجودها. لكننا نحاول جعلها أكثر وضوحًا في أبحاثنا وخلق تقدير لحقيقة أنك بحاجة إلى القيام بتلك الاستثمارات أيضًا.

سام رانسبوثام في الواقع، موضوع القياس ضخم وصعب. أتذكر أنك و[أفيناش كوليس من جامعة كارنيجي ميلون] كنتما تتحدثان عن قياس القيمة من ويكيبيديا وفيسبوك وهذه التقنيات الأخرى. كل هذه الأمور صعبة جدًا في القياس. وعندما لا نقيس الأشياء، أعتقد أننا نقوم بعمل سيء.

دعنا ننتقل ربما إلى القياس، لأنني أعتقد أن إحدى القصص المثيرة في دراستك "طيور الكناري في منجم الفحم" ... أعتقد أن النتيجة الرئيسية كانت أن الأشخاص الذين تتراوح أعمارهم بين 22 و25 عامًا هم الأكثر تضررًا، حيث فقدوا حوالي 16% من وظائفهم. لكنك تستخدم بيانات رواتب ADP للوصول إلى ذلك. هذه إشارة معلوماتية مثيرة جدًا للاهتمام. أخبرنا عن تلك الدراسة.

إريك برينجولفسون: مثل أي شخص، كنا نرى كل هذه العناوين حول الذكاء الاصطناعي وهو يلغي الوظائف أو عناوين أخرى تقول إن الذكاء الاصطناعي يخلق وظائف. في أي شهر معين، هناك مئات الآلاف من الأشخاص الذين يكتسبون أو يفقدون وظائفهم. يمكن لأي صحفي نصف لائق أن يجد بسهولة أمثلة على أي من الحالتين ويبني سردية حولها، أو مجرد شخص عادي في الشارع يمكنه التحدث معه. بالنسبة لي على الأقل، لا أعرف حقًا كيف أجمع ذلك. ما هي القصة الحقيقية؟ لذا أردنا الحصول على بيانات واسعة النطاق.

عندما نظرنا إلى مسح السكان الحالي، لم نرَ الكثير في الواقع، وعندما نظرنا إلى الخط العلوي لبيانات ADP، وهي أكبر شركة معالجة رواتب في العالم، شاركونا البيانات هنا في مختبر الاقتصاد الرقمي. لم نرَ الكثير في الخط العلوي أيضًا. كنت أفكر تقريبًا: "حسنًا، سنكتب قصة عن كيف أن كل هذا مجرد ضجة لا أساس لها". ولكن بعد ذلك تعمقنا أكثر، ووجدنا أن بعض المجموعات الفرعية التي تعاني من تأثيرات كبيرة جدًا، مثلما ذكرت للتو، الأشخاص الذين تتراوح أعمارهم بين 22 و25 عامًا، العمال في بداية مسيرتهم المهنية، شهدوا انخفاضًا ملحوظًا في التوظيف، لكن الأمر أصبح مذهلًا حقًا عندما قسمنا ذلك حسب مدى تعرضهم للذكاء الاصطناعي.

قامت تينا إلوندو من [OpenAI] ودانيال روك من [جامعة بنسلفانيا] وآخرون بتطوير تصنيف يُصنف جميع المهام في الاقتصاد، البالغ عددها 18,000 مهمة متميزة، وفقًا لمدى تأثرها بنماذج اللغات الكبيرة. هل يمكن لنموذج لغوي كبير مساعدتك في كتابة مذكرة؟ بالتأكيد. هل يمكنه مساعدتك في رفع صندوق؟ ليس حقًا. إذا قمت بتصنيف كل مهمة بهذه الطريقة ثم جمعتها في مهن، فستحصل على درجة توضح ما إذا كانت هذه المهنة ستتأثر بنماذج اللغات الكبيرة أم لا.

نظرنا إلى حوالي 750 مهنة. قسّمناها إلى خمس فئات. الفئة الأكثر تأثرًا، والتي تضم أكثر بقليل من مائة مهنة ضمن هذه الفئة العمرية الأصغر، شهدت في البداية انخفاضًا بنسبة 12% إلى 13% تقريبًا. أما الآن، فتبلغ نسبة الانخفاض في التوظيف حوالي 16% إلى 17% مقارنة بالمهن الأخرى. لذا، فإن الأمر لافت حقًا. لم نلاحظ انخفاضًا في توظيف العمال الأكبر سنًا، حتى في المهن المتأثرة. يجب حقًا تحليل الأمر بهذه الطريقة.

حتى عندما تحكمنا في عوامل أخرى، مثل أسعار الفائدة، أو صناعة التكنولوجيا — يمكنك استبعاد قطاع التكنولوجيا بأكمله إذا أردت، أو التحكم في التوظيف المفرط في التكنولوجيا — أو التحكم في العمل عن بُعد، أو التحكم في التعليم، لم يؤثر أي من هذه العوامل على النتيجة الأساسية. استمررنا في ملاحظة هذا الانخفاض الواضح جدًا.

يمكنني أن أذكر شيئًا آخر، وهو أنه كما ذكرت، كان أداء العمال الأكبر سنًا جيدًا. هناك مجموعتان أخريان كان أداؤهما جيدًا أيضًا. إحداهما هم الأشخاص في المهن غير المعرضة للذكاء الاصطناعي. فعلى سبيل المثال، إذا نظرنا إلى الطرف الآخر من الطيف، مثل مساعدي الرعاية الصحية المنزلية، حيث لا يؤثر الذكاء الاصطناعي عليهم بشكل كبير، نجد أن فرص العمل لديهم كانت في ازدياد، حتى بين العمال الشباب.

ثمّ، كانت النتيجة الأكثر إثارة للاهتمام والتي أتحمّس لها كثيرًا، هي أنه عند تقسيم طريقة استخدامهم للذكاء الاصطناعي إلى فئتين: الأولى تركز على أتمتة المهام وإلغاء الوظائف، والثانية تركز على تعزيز المهارات وخلق فرص جديدة وأعمال لم تكن موجودة من قبل، وجدنا أن المجموعة التي تستخدم الأتمتة شهدت انخفاضًا في التوظيف، بينما المجموعة التي تتبنى التعزيز وتعلم مهارات جديدة شهدت زيادة في التوظيف. لذا، فهي مكسب مزدوج: إنتاجية أعلى وتوظيف متزايد. لسبب ما، لا يحظى هذا الجانب باهتمام كافٍ في الصحافة عندما تكتب عن أبحاثنا، لكنني أعتقد أنه من المهم جدًا أن نكتشف أن الذكاء الاصطناعي قد يرتبط بزيادة التوظيف لفئات معينة من العمال.

سام رانسبوثام أعتقد أن هذا يعود إلى كيفية استخدامك له، واتخاذك للقرارات، والخيارات التي نتخذها جميعًا في هذا الشأن. لا يفاجئني ذلك، لأنني عندما أفكر في مهمة ما، وبالعودة إلى تجميع المهام الذي أشرت إليه، لا توجد وظيفة، على ما أعتقد، تؤدي مئة بالمئة من قائمة المهام ومئة بالمئة من قائمة المهام غير القابلة للأتمتة. إن تكوين تلك المهمة سيجعل أجزاءً من تلك الوظائف أكثر قيمة. وهذا سيجعل تلك الأجزاء أكثر قيمة.

إريك برينجولفسون: بالضبط. هذه نقطة مهمة جدًا أخرى: يمكنك أخذ أي مهنة؛ كل منها يحتوي على مجموعة من المهام. في قاعدة بيانات O*Net، المهنة النموذجية تتضمن 20 إلى 30 مهمة. أخصائي الأشعة لديه 26 مهمة محددة. قال عالم الكمبيوتر جيفري هينتون مقولته الشهيرة: "قراءة الصور الطبية، هذا ما يفعله أخصائيو الأشعة. سيتم استبدال ذلك بالذكاء الاصطناعي." لكنه لم يأخذ في الاعتبار أن هناك 25 مهمة أخرى يقوم بها أخصائيو الأشعة، ومعظمها لم يتأثر بالذكاء الاصطناعي.

النتيجة الصافية كانت أنه مع تحسن صور القراءة ورخص ثمنها بفضل الذكاء الاصطناعي، زادت قيمة أطباء الأشعة في أداء تلك المهام الأخرى، ونمت الوظائف الصافية لأطباء الأشعة. لا أقول إن هذا يحدث دائمًا، لكن هناك بالتأكيد حالات - يسميها البعض مفارقة جيفونز - حيث يؤدي جعل شيء أرخص إلى زيادة الطلب عليه، وينتهي بك الأمر بمزيد من الوظائف بدلاً من تقليلها، حتى مع زيادة الكفاءة.

سام رانسبوثام أعتقد أن هذا هو الأمر المحبط. أعتقد أن الجميع يودون الحصول على إجابة واضحة تقول "هذه هي الإجابة النظيفة"، لكن ما توصلت إليه هنا هو مجرد "يعتمد الأمر" بشكل كبير، ويعتمد على مجموعة متزايدة التعقيد من الأمور.

إريك برينجولفسون: حسنًا، دعني أحاول تبسيط الأمر قليلًا. إنه أكثر تعقيدًا من القصة البسيطة التي تقول إنك دائمًا تلغي الوظائف، أو من ناحية أخرى، إنها دائمًا تخلق وظائف. ولكن كخبير اقتصادي، هناك أداة مفيدة جدًا بالنسبة لي — وسأدخل في تفاصيل تقنية قليلًا لقرائك، لكنها ستكون مفيدة — وهي أن تفكر في منحنى الطلب. عندما ينخفض السعر، تزداد الكمية. منحنيات الطلب تنحدر نحو الأسفل. معظمنا يعرف بشكل بديهي أنه عندما تجعل شيئًا أرخص، سيشترى الناس منه أكثر.

لكن ما يهم حقًا هو مدى انحدار منحنى الطلب هذا. بالنسبة لبعض المنتجات، مثل التفاح، حتى لو جعلتها أرخص بعشر مرات، فلن تشتري عشرة أضعاف كمية التفاح. ربما تشتري القليل من التفاح الإضافي. لكن منحنى الطلب شديد الانحدار. لذا، مع انخفاض الأسعار، ينتهي بك الأمر إلى إنفاق أقل. هذا بديهي إلى حد كبير. يعتقد معظم الناس أن جميع السلع هكذا.

اتضح أن ليست كل السلع على هذا النحو. فهناك العديد من السلع التي كلما انخفض سعرها، ولو قليلاً، زادت الكمية المطلوبة بشكل كبير، مثل السفر بالطائرة. في الماضي، كان عدد قليل جدًا من الناس يسافرون بالطائرة عبر البلاد، أما الآن فقد أصبح أرخص، وكثير منا يسافر بالطائرة كثيرًا. إذن هناك سلع وخدمات من هذا القبيل. يُسمى هذا طلبًا مرنًا أو منحنى طلب مسطحًا.

عندما تواجه مواقف كهذه، يكون هناك في الواقع طلب متزايد على شيء ما، وينتهي الأمر بزيادة الإنفاق. نصف السلع والخدمات في الاقتصاد على الأقل تقع على هذا الجانب من المنحنى. هذه أخبار جيدة حقًا. فهذا يعني أنه كلما أصبحنا أكثر إنتاجية وكفاءة، تتقلص بعض الأشياء بينما تنمو أشياء أخرى. أعتقد أن هناك تحيزًا مفرطًا في النقاش العام تجاه الجانب المتقلص. أحد الأشياء التي أريد تحقيقها من خلال بودكاستك هو جعل المزيد من الناس يفكرون في ذلك الجانب المتنامي.

أدرّس دورة متقدمة نُبيّن فيها للناس كيفية تحديد واكتشاف هذه الفرص الجديدة لخلق الثروة، وكيف يمكن استخدام الذكاء الاصطناعي للقيام بأمور جديدة لإنشاء مشاريع ريادية. وكلما قمنا بذلك أكثر، أعتقد أن الناس سيكونون في حال أفضل. سيساعدون أنفسهم، وسيساعدون بقية الاقتصاد من خلال اختراع أشياء جديدة.

سام رانسبوثام التفاح [هو] مثال رائع. كما تقول، نحن لا نستهلكها عندما نحصل على المزيد منها، لكنني لا أعرف أي شركة تقول: "تقريبًا جميع مشاريع تكنولوجيا المعلومات التي يمكننا التفكير فيها، نحن نقوم بها." هل تفهم قصدي؟

إريك برينجولفسون: نعم، بالضبط. يبدو أن هناك طلبًا لا نهائيًا تقريبًا لحل جميع أنواع مشاكل تكنولوجيا المعلومات. عندما أنظر حول العالم، لا أرى نقصًا في المشاكل. الفقر، البيئة، الرعاية الصحية خاصة، كل هذه أشياء يمكننا استخدام المزيد من الموارد فيها، ولا أرى أننا سننفد من الفرص لمعالجتها.

سام رانسبوثام الخيال بأننا سننفد من تلك الأنواع من المشاكل، هذا رائع، لكنني لا أعتقد أن ذلك سيحدث في السنوات القليلة القادمة، أو القرون القليلة القادمة. دعنا نعود إلى فكرة منحنى J. أولاً، اشرح قليلاً ما هو منحنى J، وكيف يجب أن يفكر الناس في ذلك؟

إريك برينجولفسون: هذا مفهوم آخر أعتقد أن الناس يجدونه مفيدًا جدًا، وهو أنه كلما كانت هناك تقنية قوية ومهمة، نسميها نحن الاقتصاديون تقنيات الأغراض العامة. كنا نقول فقط GPT، لكن أصدقائي في الذكاء الاصطناعي سرقوا هذا الاختصار. لكن الذكاء الاصطناعي هو كليهما. إنه محول توليدي مدرب مسبقًا، مثل GPT-5، لكنه أيضًا تقنية للأغراض العامة مثل المحرك البخاري، الكهرباء، محرك الاحتراق الداخلي، والسيارات. هذه هي الأشياء التي قادت بالفعل معظم النمو الاقتصادي، معظم الإنتاجية. إنها السبب في أن لدينا مستويات معيشة أعلى من أسلافنا، قبل بضع مئات من السنين أو حتى 50 سنة.

الذكاء الاصطناعي هو أهم تقنية للأغراض العامة في عصرنا، ربما في كل التاريخ. لكن الشيء في هذه التقنيات ذات الأغراض العامة هو أن القيمة تأتي حقًا من الأصول التكميلية. مع الكهرباء، مكنت المصابيح الكهربائية والمحركات الكهربائية وتكييف الهواء وفي النهاية أجهزة الكمبيوتر والعديد من الأشياء الأخرى. مع الذكاء الاصطناعي، إنه يمكن جميع أنواع العمليات التجارية الجديدة، وليس فقط التقنيات المادية. إنها أيضًا هذه الأصول غير الملموسة التي تحدثنا عنها سابقًا. هذا رائع. الشيء هو أن هذه الأصول غير الملموسة تستغرق وقتًا لإنشائها. إنها مكلفة. عليك الاستثمار فيها. سواء كنت توظف مستشارين أو تفعلها بنفسك، عليك إعادة اختراع كيفية إنجاز العمل.

خلال تلك الفترة المكلفة، أنت تنفق أكثر بينما تعيد اختراع عملياتك التجارية، لكن الإنتاج لا يرتفع فورًا. رياضيًا، هذا يعني مدخلات أكثر، لا زيادة في المخرجات، والإنتاجية، على الأقل كما تُقاس تقليديًا، تنخفض. إذن هذا هو الجزء الهابط من منحنى J. ثم لاحقًا تبدأ في جني الثمار. تبدأ في استخدام هذه العمليات التجارية الجديدة لإنشاء مخرجات أكثر. الآن المخرجات ترتفع. وهذا هو الجزء الصاعد من منحنى J.

ما نراه مع معظم تقنيات الأغراض العامة هو أن هناك فترة هدوء أولية حيث تكون الإنتاجية منخفضة أو حتى سلبية، ثم لاحقًا تنطلق. الآن من الصعب رؤية أين نحن بالضبط بالنسبة للذكاء الاصطناعي. نحن في منتصف ذلك. لكن إذا نظرت إلى التاريخ السابق، إذا نظرت إلى الكهرباء على سبيل المثال — كتبت عن بعضها في أطروحة الدكتوراه الخاصة بي — صدق أو لا تصدق، استغرق الأمر حوالي 20 إلى 30 سنة حيث كانت الشركات تحاول إعادة اختراع كيفية تنظيم المصانع.

كانوا يركبون المحركات الكهربائية. في البداية لم يحصلوا على إنتاجية كبيرة. [الاقتصادي] بول ديفيد وآخرون وثقوا هذا بدقة شديدة. حرفيًا لمدة تصل إلى 30 سنة لم يكن هناك أي مكسب في الإنتاجية في المصانع أثناء كهربتها، وهو أمر ملحوظ، لكن في النهاية، أعادوا تصميم كيفية تنظيم المصانع بالكامل. بدلاً من أن تكون مجمعة حول محرك مركزي مثل المحرك البخاري، كان لديهم محركات منفصلة لكل قطعة من المعدات، ووزعوا العمل، ورتبوا الترتيب بناءً على تدفق المواد.

عندما فعلوا ذلك، بدأت الإنتاجية في الارتفاع بشكل كبير، مثل مضاعفة وثلاثة أضعاف الإنتاجية. لكن كما قلت، استغرق الأمر 30 سنة. لا أعتقد أن الذكاء الاصطناعي سيستغرق 30 سنة. أنا متأكد تمامًا أنه بدأ بالفعل في الحدوث. لكن في نفس الوقت، يستغرق وقتًا أطول مما يتوقعه بعض أصدقائي في التكنولوجيا، بعض أصدقائي في الذكاء الاصطناعي. يعتقدون أنه بمجرد اختراع الذكاء الاصطناعي، انتهى الأمر.

الواقع، كما تعلم، سام، في عملك وفي عملي، هناك الكثير من إعادة تصميم العمليات التجارية التي يجب أن تحدث. نحن في منتصف ذلك، وأنا أفعل ما بوسعي لمحاولة تسريع ذلك. شركتي Workhelix منخرطة جدًا في إظهار الشركات كيفية تحديد فرص خلق القيمة. إذا تمكنا من تسريع ذلك، سيكون رائعًا، لكننا سنظل لدينا القليل من منحنى J.

سام رانسبوثام أفكر بالعودة إلى أوقات الكهرباء. أعتقد أنهم لم يكن لديهم ضغوط تقارير الأسهم الفصلية والحاجة إلى نتائج فورية التي ربما يتعامل معها الناس الآن.

إريك برينجولفسون: أكبر شيء، بصراحة، هو أنهم لم يكن لديهم حقًا جميع مؤسساتنا. ليس للتباهي، لكن كليات إدارة الأعمال لم تكن موجودة. كتب الاستشارات [و] علم الهندسة الصناعية والإدارة بأكمله، لم يكن موجودًا. عدت وقرأت بعض الكتب. ذهبت إلى مكتبة بيكر في كلية هارفارد للأعمال، وكان لديهم هذه الكتب القديمة، وكانت بدائية جدًا كيف كانوا يفكرون في الأشياء.

الآن هناك نظام بيئي أكبر بكثير لمساعدة الشركات على إعادة تصميم عملياتها التجارية. لا يزال يستغرق وقتًا وإعادة تصميم، [وإعادة مهارات] قوتها العاملة. لكن شعوري هو أن المديرين أكثر وعيًا بذلك الآن، وهم ينخرطون بقوة أكبر، ويشاركون أفضل الممارسات.

في Workhelix، لدينا أداة تمسح جميع الفرص وتشاركها مع العمال وتنظر إلى من هم المستخدمون الفائقون الذين يحققون نجاحًا كبيرًا، ثم تقارنهم بالعامل العادي. لذا فهي تسرع التعلم ربما بمقدار 10 أضعاف مقارنة بما كان سيفعله الناس قبل أن يكون لديهم هذه الأنواع من الأدوات.

سام رانسبوثام أنا حقًا أحب ذلك لأن ذلك يربط مرة أخرى بالقياس وبعض الأشياء الأخرى. مراجعة الأداء السنوية لم تعد مفيدة حقًا. فكرة أنك تستطيع الحصول على قياس أفضل حول ما تفعله وكيف تفعله تساعد.

دعني أكون عدائيًا قليلاً. كتبت شيئًا في مراجعة سلون للإدارة بمعهد ماساتشوستس للتكنولوجيا والابتكار والإدارة منذ فترة عن إعادة التفكير في أهداف الذكاء الاصطناعي. كتبت شيئًا عن فخ تورينج. أعتقد أن الميل الأول لدى الناس هو اجتياز اختبار تورينج، لجعل الآلة تفعل ما يستطيع الإنسان فعله. وهذا يقودنا إلى تحسينات تدريجية للعمليات الحالية. يبدو أن القياس يمكن أن يغذي ذلك عن غير قصد أيضًا إذا كنا لا نقيس الأشياء الصحيحة. ما رأيك في ذلك، على المدى القصير مقابل الطويل؟

إريك برينجولفسون: حسنًا، هناك بالتأكيد مدى قصير وطويل؛ [تلك هي] أهدافك. كنت أتحدث مع مدير مالي قبل بضعة أشهر، وقالت لي: "مرحبًا، نحن حقًا بحاجة لقياس فوائد الذكاء الاصطناعي، العائد على الاستثمار." وقلت: "هذا رائع. يجب أن تقيسوه. أخبريني عنه." وقالت: "لهذا أطالب كل قسم بإخباري كم عدد تخفيضات القوى العاملة التي يحصلون عليها من الذكاء الاصطناعي." كنت مثل: "انتظري دقيقة. أنا سعيد بأنك تقيسين، لكن أليس هذا مبسطًا بعض الشيء، لأنه، نعم، لا يوجد خطأ في خفض التكاليف، لكنه حقًا يغفل الفرصة الأكبر لفعل أشياء جديدة، والسماح لعمالك بخلق أنواع جديدة من القيمة."

هناك مدير مالي يحصل على ملايين الدولارات، والسبب في أنهم يكسبون أموالًا كبيرة هو أنهم يجب أن يفكروا بشكل أكثر إبداعًا حول خلق القيمة، وليس فقط جعل الآلات تفعل ما يفعله البشر بالفعل واستبدالهم. هذا هو اختبار تورينج الكلاسيكي: هل يمكنك جعل آلة تقلد إنسانًا بشكل مثالي؟

هذه طريقة ضيقة جدًا للتفكير في الأمر. أعتقد أن آلان تورينج كان رجلًا عبقريًا، لكنني أعتقد أن هذه العقلية تسببت في الكثير من الضرر لكيفية استخدامنا للذكاء الاصطناعي. أسميها فخ تورينج لأنني أعتقد أنه فخ للتركيز فقط على استخدام الذكاء الاصطناعي لاستبدال أو تقليد العمال. يجب أن نفكر أيضًا في كيف يمكن للذكاء الاصطناعي أن يعزز ويسمح لنا بفعل أشياء جديدة. لكن ذلك يتطلب مقاييس جديدة، مثل، كيف تنشئ منتجات وخدمات جديدة؟ كيف تحقق رضا عملاء أعلى؟ كيف تحسن الجودة، سواء جودة المنتجات أو حتى جودة حياة العمل للأشخاص العاملين؟

هذه كلها أشياء لن تظهر في عقليتك الضيقة للاستبدال، لذا هذا شيء يستغرق أيضًا وقتًا أطول، كما قلت. التركيز على المدى القصير يميل إلى التركيز فقط على خفض التكاليف وما تفعله بالفعل. لكن أولئك الذين لديهم الميزة التنافسية الأكبر، أولئك الذين لديهم الفوائد الأكثر ديمومة، هم أولئك الذين يفكرون في تجاوز ذلك وفعل أشياء جديدة، عمليات تجارية جديدة، منتجات وخدمات جديدة. لا يحدث ذلك في أسابيع، لكن عندما تحققه، يكون لديك شيء يدوم لسنوات.

سام رانسبوثام هناك الكثير من الأماكن حيث تتفوق الآلات علينا. أسهل طريقة لمعرفة ما إذا كان هذا آلة أم شخص واجتياز اختبار تورينج هي أنني لن أكون قادرًا على عمل الرياضيات بسرعة كبيرة. أهدافنا ليست بالضبط المعيار الصحيح، أعتقد. ذكرت أنه في [بداية] الكهربة لم يكن لدى الناس المؤسسات المحيطة بذلك. نيل طومسون [و] مبادرة معهد ماساتشوستس للتكنولوجيا للاقتصاد الرقمي، [التي] كنت منخرطًا فيها بوضوح قبل أن تنتقل إلى ستانفورد، لديهم مقال في مجلة ساينس قال شيئًا مثل 90% من أهم نماذج الذكاء الاصطناعي الجديدة تأتي من الصناعة. كان لدينا هذا التحول الهائل من الأوساط الأكاديمية والتمويل العام [المنتج] لفوائد التكنولوجيا إلى معظمها يأتي من شركات التكنولوجيا والشركات الناشئة. ذكرت بالو ألتو والمركز الذي هناك. حسنًا، أنا قلق. هل هذا هو المكان المناسب لتلك الأشياء؟

إريك برينجولفسون: جزء من السبب في أنها تأتي من الصناعة هو أنه أصبح مكلفًا بشكل لا يصدق لبناء هذه النماذج الكبيرة جدًا. هناك قوانين قياس لـ LLMs حيث كلما جعلت النموذج أكبر، إذا [كان لديه] المزيد من البيانات، المزيد من الحوسبة، المزيد من المعلمات، تحصل على تحسن متوقع في الأداء. لذا انتقلوا من إنفاق الملايين إلى عشرات الملايين، مئات الملايين، المليارات، الآن عشرات المليارات، حتى مئات المليارات من الدولارات على تدريب هذه النماذج. لا تستطيع أي جامعة تحمل ذلك. لا تستطيع أي منظمة غير ربحية تحمل ذلك. لذا الشركات تجمع مبالغ ضخمة من المال بينما نتحدث. أنثروبيك وأوبن إيه آي تقدمان طلبات للاكتتاب العام. جوجل لديها محرك نقدي جيد يمكنها ضخه في هذا وكذلك ميتا.

إذن هذا ما يدفع ذلك. في نفس الوقت، ما أقوله لزملائي الأكاديميين هو أن ميزتك النسبية ليست [في] إنفاق المزيد من المال على أجهزة الكمبيوتر. إنها في التفكير الإبداعي. هناك [بعض] الأفكار الرائعة التي تحدث فقط من الجلوس في مكتبك والتفكير بعمق. لا تزال استراتيجية جيدة.

كانت لدي محادثة مع جيفري هينتون منذ فترة، وسألته عن أنواع الأجهزة التي يستخدمها لتحقيق رؤاه واكتشافاته. أشار إلى حاسوبه المحمول ونقر عليه وقال: "هذا هو الجهاز الذي أستخدمه." ولهذا النوع من الاختراقات الأساسية، ليس دائمًا مسألة امتلاك آلاف وحدات معالجة الرسوميات.

أعتقد أن الأكاديميين بحاجة إلى الاعتماد على ميزتهم النسبية. ومع ذلك، من الإنصاف القول إن المزيد والمزيد من الأبحاث الحدودية تحدث من خلال نهج مكلف حقًا. بطريقة ما، إنها شهادة على مدى قيمة الذكاء الاصطناعي. أحد الأسباب التي جعلت الصناعة لا تفعل ذلك من قبل لم يكن فقط لأنه مكلف، لكنه ببساطة لم يكن له عائد كبير.

سأشارككم قصة. أول شركة ذكاء اصطناعي أسستها، صدقوا أو لا تصدقوا، كانت في أواخر الثمانينيات. هذا يوضح كم عمري. أسست شركة أنظمة خبيرة مع تود لوفبورو. الأنظمة الخبيرة هي أنظمة قائمة على القواعد. خلقنا بعض القيمة لبعض البنوك ومنظمات الموارد البشرية، لكن في النهاية، لم يكن ذلك شيئًا يُذكر مقارنة بالقيمة التي تخلقها الشركات اليوم. ذلك النوع من الذكاء الاصطناعي لم يكن ذا قيمة كبيرة، يجب أن أكون صادقًا. فقط الآن، مع وجود هذه الشبكات العصبية القوية جدًا، لدينا حوافز تجارية لا تشبه أي شيء كان لدينا من قبل. لذا، بطريقة ما، إنها شهادة على نجاح المجال أن الصناعة تستثمر بقدر ما تفعل.

سام رانسبوثام أعجبني هذا الرأي. أعتقد أن الحكومة الأمريكية وضعت حوالي مليار ونصف المليار دولار في الإنفاق على الأبحاث غير الدفاعية العام الماضي، وهذا تقريبًا ما تضخه جوجل. كما تعلم، ميزانيات المعاهد الوطنية للصحة والمؤسسة الوطنية للعلوم صغيرة. كما تشير، لن نتمكن من التفوق عليهم في الإنفاق.

إريك برينجولفسون: لكن فيما يتعلق بهذا، أعتقد أنه من العدل أن يكون لديك كليهما. أعني، إنها وظيفة الأوساط الأكاديمية، إنها وظيفة الحكومة الفيدرالية أن تستثمر قبل أن يصبح الأمر مجديًا تجاريًا. الكثير من الفوائد طويلة الأجل للبحث والتطوير ليست واضحة، ولا يوجد حافز تجاري للاستثمار. الإنترنت، والسفر إلى الفضاء المبكر، والعديد من الاختراقات الأساسية في علم الأحياء التي أطالت أعمارنا، حدثت في الجامعات والمختبرات الحكومية لأنها لم تكن مجدية تجاريًا، لكن الناس بنوا عليها لاحقًا. لا يمكنك دائمًا معرفة مسبقًا أي منها سيثمر. لكن إذا قمت بالبحث الأساسي، يُظهر السجل أن نسبة منه ستحدث فرقًا حقيقيًا في مستويات معيشتنا في النهاية.

سام رانسبوثام هذا هو التقسيم الأساسي التطبيقي. لسنا مضطرين لتمويل الأمور التطبيقية لأن السوق سيهتم بها. وبالنسبة للأمور الأساسية، فإن اليد الخفية لا تعمل بشكل جيد فيها، أو تعمل بشكل أبطأ مما يرغب الجميع.

أعتقد أنك ستجعل مجموعة من الأكاديميين يستمعون إلى هذا لأنهم فضوليون لمعرفة ما تقوله. ما الذي يجب أن ينظر إليه الناس؟ ما هي أنواع الأشياء التي تندرج ضمن هذه الفئة؟ ربما يكون النقد أن الكثير من الدراسات التي أراها في الأوساط الأكاديمية هي، دعنا نقول، مشاريع استشارية للشركات. ما هي هذه الأنواع الأساسية من الأفكار التي يجب على الناس متابعتها؟

إريك برينجولفسون: حسنًا، هناك الكثير منها في العديد من المجالات المختلفة، وأعتقد أنني لا أريد أن أصفها لأنني أعتقد أن جزءًا من السحر هو السماح للناس بمتابعة أفكارهم الخاصة حتى لو لم ير أحد من الخارج قيمتها.

مع ذلك، سأعطيك قائمتي الخاصة. أنا أركز على الجانب الاقتصادي. أعتقد أن أكبر فجوة الآن هي أننا ليس لدينا فهم جيد لكيفية تحويل الذكاء الاصطناعي للاقتصاد. نحن نصنع كيانات معالجة معلومات قوية بشكل لا يصدق. كخبير اقتصادي، يمكنك التفكير في السوق ككيان معالجة معلومات. يمكنك التفكير في الشركات والمؤسسات ككيانات معالجة معلومات. إذا كان لدينا تحسن بمقدار ألف ضعف أو مليون ضعف في الذكاء الاصطناعي، فستكون معجزة إذا لم تتحول الشركات والأسواق أيضًا ونطور أنواعًا جديدة من المؤسسات لإدارة العمل. لكننا لم نكتشف ذلك بعد. لذا، جزء كبير من عملي هو محاولة فهم: كيف يبدو الاقتصاد؟ ما هي الشركات والأسواق وربما بعض الكيانات الجديدة مع ازدياد قوة الذكاء الاصطناعي، بينما يجمع المعلومات ويعالجها؟ ثم كيف سنتعامل مع تركيز الثروة والسلطة الذي قد ينتج عن ذلك؟

أنا متفائل جدًا بشأن إمكانات التكنولوجيا لتعزيز الإنتاجية. لدي رهان طويل الأمد على ذلك مع روبرت جوردون من جامعة نورث وسترن، وقد كتبت عن توقعي لنمو الإنتاجية. في الوقت نفسه، أنا قلق جدًا من أنه إذا لم ندير الأمر بشكل صحيح، فقد يؤدي إلى تركيز أكبر للثروة، وهذا يميل إلى أن يؤدي إلى تركيز السلطة. وقد يضر بحرياتنا إذا لم نكتشف نظامًا اقتصاديًا يوازن ليس فقط خلق الثروة ولكن أيضًا الازدهار المشترك.

سام رانسبوثام كنت أبحث في بعض خلفيتك قبل الحديث، للتحديث، ورأيت العبارة متفائل واعٍ، وقد أثرت في نوعًا ما. إذن، ما الذي يتطلبه الأمر للوصول بنا إلى هذه النسخة الإيجابية من المستقبل مقابل النسخة السلبية؟

إريك برينجولفسون: دعني آخذ دقيقة لأعرف متفائل واعٍ، لأن لدي معنى محدد جدًا لذلك. هناك الكثير من الناس هنا في وادي السيليكون متفائلون، لكنني أعتقد أن الكثير منهم نوعًا ما متفائلون أعمى. هم مثل: "مرحبًا، إريك، لا تقلق. لقد نجح الأمر في الماضي. سينجح في المستقبل. فقط استرخِ." هناك أيضًا الكثير من الناس الذين أسميهم متشائمين أعمى. هم مثل: "يا إلهي، نحن محكوم علينا بالفشل. لا يوجد شيء يمكننا فعله." أعتقد أن كلا المجموعتين ترتكبان نفس الخطأ.

إنه الشيء الذي تحدثنا عنه في بداية البرنامج، وهو أنهم يعتقدون أن الذكاء الاصطناعي هو شيء سيفعل أشياء بنا بدلاً من أن يكون لدينا القدرة على التحكم في المستقبل. المتفائل الواعي هو شخص يرى مستقبلًا ثم يعمل على تحقيقه، ويدرك ضرورة خلقه، ولا يفترض فقط أنه سيحدث تلقائيًا.

إنهم ليسوا مثل الأطفال في عيد الميلاد الذين يتوقعون ظهور الهدايا بسحر في الصباح التالي، بل هم أشبه بالأطفال الذين يرون شجرة، ويرون بعض الألواح، ويفكرون: "مرحبًا، يمكننا بناء بيت شجرة هناك." ثم يقولون: "حسنًا، لن يحدث ذلك من تلقاء نفسه. دعنا نكتشف كيف نصنعه." ثم يحققون تلك الحقيقة المتفائلة من خلال عملهم الجاد وخيالهم. هذا هو نوع التفاؤل الذي أود رؤيته. لا أرى ما يكفي منه. أرى الكثير من السلبية.

ألقيت المحاضرة الختامية لصففي هنا في ستانفورد يوم الجمعة الماضي، وكان أحد الأشياء التي أخبرتهم بها هو أنه في كل مرة يسمعون فيها ... "الذكاء الاصطناعي" يجب أن يفكروا في نية مضخمة، وأن الذكاء الاصطناعي هو أعظم مضخم للنية على الإطلاق. مهما كان ما يريدون تحقيقه، يمكن للذكاء الاصطناعي تضخيمه، لكنه لن يحدث بدون تلك القدرة، بدون تلك النية.

إذن هذه رسالة أريد إيصالها إلى العالم الأوسع: "دعنا نفكر في قيمنا، ونوع الاقتصاد الذي نريد تشكيله، ونوع الازدهار المشترك الذي نريد خلقه." وأعني ذلك للجميع، ليس فقط التقنيين وإرسال تلك الرسالة إليهم، ولكن أيضًا لصانعي السياسات، والمواطنين، والعمال، والمديرين. دعنا نفكر حقًا في استخدام هذا بنشاط.

على مدى السنوات العشر القادمة، أتوقع أن العالم سيتغير جذريًا. لكن لا يوجد مستقبل حتمي واحد. عندما تعبر الحدود بين، على سبيل المثال، الولايات المتحدة والمكسيك أو دول أخرى، يمكنك أن ترى أن المؤسسات المختلفة تؤدي إلى نتائج مختلفة جدًا، ومستويات مختلفة من الثروة والديمقراطية، وهذا هو نفسه بالنسبة للمستقبل. يمكننا العيش في العديد من المستقبلات المحتملة المختلفة. أحد الأشياء التي أفعلها هنا في مختبر الاقتصاد الرقمي هو الكثير من الأبحاث لفهم أي المسارات أكثر عرضة لتحقيق تلك النتائج المفيدة.

سام رانسبوثام أعتقد أن هذه طريقة رائعة للإنهاء هنا. ليس لدينا إجابات سهلة في أي من الاتجاهين. المكاسب حقيقية، والضرر حقيقي، وأيهما ينتصر هو خيار نصنعه الآن وشيء لدينا السيطرة عليه.

إريك برينجولفسون: أكثر من أي وقت مضى. أحد الأشياء المثيرة للاهتمام هو أن هذا هو وقت الفلاسفة والإنسانيات والاقتصاديين والأشخاص الذين يفكرون في أنواع القيم التي نريد تجسيدها في العالم. مع هذه القوة الأكبر تأتي مسؤولية أكبر وإمكانات أكبر لتغيير العالم. لذا نحن حقًا بحاجة إلى التفكير بوعي في نوع العالم الذي نريد تشكيله في المستقبل. لا أعتقد أنه كان هناك اهتمام كافٍ بذلك، لكن مختبر الاقتصاد الرقمي يركز جزئيًا على ذلك.

سام رانسبوثام شكرًا لجلب الأرقام والفروق الدقيقة. سنراك في بوسطن هذا الصيف.

إريك برينجولفسون: بالتأكيد. أتطلع إلى ذلك، سام. كان من الرائع التحدث معك.

أليسون رايدر شكرًا للجميع على الاستماع اليوم. نحن في عطلة الصيف، وسنعود في الخريف مع مجموعة مثيرة من المتحدثين من Instacart وGoFundMe وDropbox وHoneywell. يرجى الانضمام إلينا حينها.

في هذه الأثناء، يساعد برنامجنا كثيرًا إذا تركت لنا مراجعة على Apple Podcasts أو تقييمًا على Spotify. إذا كان لبرنامجنا تأثير حقيقي على حياتك وعملك، فيرجى مراسلتنا. يمكنك الوصول إلينا على smr-podcast@mit.edu. سنكون سعداء بسماع رأيك.

أنا ونفسي والذكاء الاصطناعي^® هي علامة تجارية مسجلة فيدراليًا لمعهد ماساتشوستس للتكنولوجيا.