Manténgase informado con actualizaciones gratuitas
Simplemente regístrese en el Sector tecnológico Myft Digest: entregado directamente a su bandeja de entrada.
El escritor es autor de «How Progress Termina: Tecnología, Innovación y el Destino de las Naciones» y un Profesor Asociado en la Universidad de Oxford.
Cada vez que se temen que la pérdida de empleo impulsada por la IA establezca, los optimistas nos aseguran que la inteligencia artificial es una herramienta de productividad que ayudará tanto a los trabajadores como a la economía. El jefe de Microsoft, Satya Nadella, cree que los agentes de IA autónomos permitirán a los usuarios nombrar su objetivo mientras el software planea, ejecuta y aprende en todos los sistemas. Una herramienta de ensueño: si la eficiencia sola era suficiente para resolver el problema de productividad.
La historia dice que no lo es. En el último medio siglo, hemos llenado oficinas y bolsillos con computadoras cada vez más rápidas, sin embargo, el crecimiento de la productividad de laboratorio en las economías avanzadas ha ralentizado desde aproximadamente el 2 por ciento anual en la década de 1990 a aproximadamente 0.8 por ciento en la última década. Incluso la producción que alguna vez fue de China por trabajador se ha estancado.
El matrimonio de escopeta de la computadora e Internet prometieron más que una eficiencia mejorada de la oficina: imaginó una edad de oro de descubrimiento. Al colocar el conocimiento del mundo frente a todos y vincular el talento global, los avances deberían haberse multiplicado. Sin embargo, la productividad de la investigación se ha hundido. El científico promedio ahora produce menos ideas de avance por dólar que su contraparte de la década de 1960.
¿Qué salió mal? Como señaló una vez el economista Gary Becker, los padres enfrentan una compensación de calidad contra la cuantidad: cuanto más niños tengan, menos podrán invertir en cada niño. Lo mismo podría decirse de la innovación.
Los estudios a gran escala de la producción inventiva confirman el resultado: los investigadores hacen malabarismos más Los proyectos tienen menos probabilidades de ofrecer innovaciones innovadoras. Durante las últimas décadas, los documentos científicos y las patentes se han convertido cada vez más incremental. Los grandes de la historia entendieron por qué. Isaac Newton mantuvo un solo problema «constantemente delante de mí. Steve Jobs coincidió: «La innovación está diciendo que no a mil cosas».
El ingenio humano prospera donde el precedente es delgado. Si el siglo XIX se hubiera centrado únicamente en mejores telares y arados, disfrutaríamos de tela barata y granos abundantes, pero no habría antibióticos, motores a reacción o cohetes. Los milagros económicos provienen del descubrimiento, no repitiendo tareas a mayor velocidad.
Los modelos de lenguaje grande gravitan hacia el estadístico consenso. Un modelo entrenado antes de Galileo habría repitido un universo geocéntrico; Fed de mensajes de texto del siglo XIX habría demostrado ser imposible de vuelo humano antes de que los hermanos Wright tuvieran éxito. Un reciente Revisión de la naturaleza Descubrió que mientras LLMS aligeraba las tareas científicas de rutina, los saltos decisivos de la visión todavía pertenecían a los humanos. Incluso Demis Hassabis, cuyo equipo de Google Deepmind produjo Alfafold, un modelo que puede predecir la forma de una proteína y podría decirse que la hazaña científica más famosa de la IA hasta ahora, admite que lograr los sistemas de inteligencia generales artificiales genuinos que pueden igualar o superar a los humanos en todo el espectro de las tareas cognitivas pueden requerir «varias más innovaciones».
Mientras tanto, la IA aumenta principalmente la eficiencia en lugar de la creatividad. A encuesta De más de 7,000 trabajadores de conocimiento, los trabajadores de la IA generativa de IA generativa redujeron las tareas semanales de correo electrónico en 3.6 horas (31 por ciento), mientras que el trabajo de colaboración permaneció sin cambios. Pero una vez que todos delegan las respuestas de correo electrónico a ChatGPT, el volumen de la bandeja de entrada puede expandirse, anulando las ganancias de eficiencia inicial. El breve resurgimiento de la productividad de Estados Unidos de la década de 1990 nos enseña que ganancias de nuevas herramientas, ya sean hojas de cálculo o agentes de IA, se desvanecen a menos que se acompañen de innovaciones innovadoras.
La IA aún podría encender un renacimiento de productividad, pero solo si lo usamos para profundizar en los esfuerzos nuevos y previamente inconcebibles en lugar de simplemente perforar más agujeros. Eso significa la originalidad gratificante sobre el volumen, respaldar apuestas más riesgosas y restaurar la autonomía. Los algoritmos pronto pueden estar listos; Nuestras instituciones ahora deben adaptarse.
