مقالهای در سال ۲۰۲۳ ادعا کرد که ۸۰ درصد کارگران آمریکا در معرض تأثیر مدلهای زبانی بزرگ هستند و این آمار توسط نهادهای بینالمللی و دولتها مورد استفاده قرار گرفته است.
با این حال، این امتیازها بر اساس مدل GPT-4، طبقهبندی شغلی آمریکایی و تجزیه کار به وظایف گسسته محاسبه شدهاند که محدودیتهای زیادی دارند.
این محدودیتها شامل کهنگی مدل، عدم قابلیت انتقال به بازارهای کار دیگر و نادیده گرفتن جنبههای کیفی کار مانند قضاوت و روابط هستند.
سیاستگذاران برای تصمیمگیری نیاز به ابزارهای دقیقتر و بهروزتری دارند، اما در حال حاضر از این امتیازها به عنوان مبنایی برای تدوین سیاستها استفاده میشود.
این شکاف میتواند منجر به تصمیمات نادرست در حوزه اشتغال و اقتصاد شود.
متن خبر
شرح خبر
مقالهای در سال ۲۰۲۳ با عنوان «GPTها، GPT هستند» تخمین زد که ۸۰ درصد از کارگران آمریکا حداقل ۱۰ درصد از وظایف شغلی خود را در معرض مدلهای زبانی بزرگ دارند و ۱۹ درصد نیز ۵۰ درصد یا بیشتر از وظایف خود را تحت تأثیر این فناوری قرار میدهند.
این آمار توسط نهادهایی چون صندوق بینالمللی پول، پارلمان اروپا و سنای آمریکا مورد استناد قرار گرفته است.
با این حال، سه سال پس از انتشار، فاصلهای میان یافتههای اصلی این پژوهش و کاربرد آن در سیاستگذاریها پدید آمده است.
امتیازهای محاسبهشده بر اساس مدل GPT-4 و طبقهبندی شغلی آمریکایی، نه تنها محدودیتهای خود را دارند، بلکه این محدودیتها با هم ترکیب شده و بر هم تأثیر میگذارند.
ابزارهای پویا و عملیتری برای سنجش شواهد وجود دارند، اما سرعت دسترسی سیاستگذاران به آنها با نیازهای بحثهای سیاستی همخوانی ندارد.
این شکاف میتواند پیامدهای جدی برای تصمیمات آتی در حوزه اشتغال و اقتصاد داشته باشد.
مقالهای در سال ۲۰۲۳ ادعا کرد که ۸۰ درصد کارگران آمریکا در معرض تأثیر مدلهای زبانی بزرگ هستند و این آمار توسط نهادهای بینالمللی و دولتها مورد استفاده قرار گرفته است.
با این حال، این امتیازها بر اساس مدل GPT-4، طبقهبندی شغلی آمریکایی و تجزیه کار به وظایف گسسته محاسبه شدهاند که محدودیتهای زیادی دارند.
این محدودیتها شامل کهنگی مدل، عدم قابلیت انتقال به بازارهای کار دیگر و نادیده گرفتن جنبههای کیفی کار مانند قضاوت و روابط هستند.
سیاستگذاران برای تصمیمگیری نیاز به ابزارهای دقیقتر و بهروزتری دارند، اما در حال حاضر از این امتیازها به عنوان مبنایی برای تدوین سیاستها استفاده میشود.
این شکاف میتواند منجر به تصمیمات نادرست در حوزه اشتغال و اقتصاد شود.
این مقاله اهمیت دارد زیرا نشان میدهد که بسیاری از تصمیمات سیاستی در حوزه هوش مصنوعی و اشتغال بر اساس شواهد ناکافی و ابزارهای محدود گرفته میشوند.
محدودیتهای امتیازهای «در معرض بودن» میتواند منجر به ارزیابی نادرست از تأثیر هوش مصنوعی بر مشاغل شود و در نتیجه، سیاستهای حمایتی یا تنظیمگری نادرستی تدوین شوند.
علاوه بر این، عدم توجه به ابعاد کیفی کار و تکیه صرف بر تجزیه وظایف گسسته، میتواند تصویر ناقصی از واقعیت بازار کار ارائه دهد و کارگران را به عنوان سوژههای تحلیل، نه شرکای فرآیند، در نظر بگیرد.
این شکاف شواهد میتواند منجر به سرمایهگذاریهای نادرست توسط کسبوکارها در حوزه اتوماسیون و هوش مصنوعی شود.
شرکتها ممکن است بر اساس ارقام پراستناد اما ناکافی، تصمیم به کاهش نیروی کار یا تغییر ساختارهای شغلی بگیرند، در حالی که واقعیت پیچیدهتر است.
علاوه بر این، عدم دقت در ارزیابی تأثیر هوش مصنوعی میتواند منجر به از دست رفتن فرصتهای رشد و نوآوری شود.
در ایران، که بازار کار و ساختارهای شغلی با کشورهای غربی تفاوتهای زیادی دارد، استفاده از این امتیازها بدون در نظر گرفتن بافت محلی میتواند منجر به سیاستگذاریهای نادرست شود.
علاوه بر این، عدم دسترسی به ابزارهای دقیقتر سنجش میتواند چالشهای بیشتری برای تصمیمگیران ایرانی در حوزه هوش مصنوعی و اشتغال ایجاد کند.
این مقاله بر اهمیت توسعه ابزارهای حقوقی و فنی دقیقتر برای سنجش تأثیر هوش مصنوعی بر بازار کار تأکید میکند.
سیاستگذاران و قانونگذاران نیاز دارند تا چارچوبهای حقوقی مناسبی برای تنظیم استفاده از هوش مصنوعی در محیط کار تدوین کنند.
علاوه بر این، توسعه فناوریهای سنجش پویا و دقیقتر میتواند به بهبود تصمیمگیریها در این حوزه کمک کند.
این بحث میتواند تأثیرات ژئوپلیتیکی داشته باشد، زیرا کشورهایی که توانایی توسعه ابزارهای سنجش دقیقتر را دارند، میتوانند سیاستهای بهتری در حوزه هوش مصنوعی و اشتغال تدوین کنند و در نتیجه، مزیت رقابتی در اقتصاد جهانی کسب نمایند.
علاوه بر این، استفاده نادرست از شواهد ناکافی میتواند منجر به تنشهای اقتصادی و اجتماعی در سطح بینالمللی شود.
Cohere Labs مقالهای در سال ۲۰۲۳ ادعا کرد که ۸۰٪ کارگران آمریکا در معرض هوش مصنوعی هستند، اما این ارقام چه محدودیتهایی دارند و چرا سیاستگذاران باید مراقب باشند؟
این صفحه خلاصه و تحلیل فارسی خبر را نمایش میدهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.
تحلیل تحریریه
ابعاد مهم خبر
چرا مهم است؟
این مقاله اهمیت دارد زیرا نشان میدهد که بسیاری از تصمیمات سیاستی در حوزه هوش مصنوعی و اشتغال بر اساس شواهد ناکافی و ابزارهای محدود گرفته میشوند.
محدودیتهای امتیازهای «در معرض بودن» میتواند منجر به ارزیابی نادرست از تأثیر هوش مصنوعی بر مشاغل شود و در نتیجه، سیاستهای حمایتی یا تنظیمگری نادرستی تدوین شوند.
علاوه بر این، عدم توجه به ابعاد کیفی کار و تکیه صرف بر تجزیه وظایف گسسته، میتواند تصویر ناقصی از واقعیت بازار کار ارائه دهد و کارگران را به عنوان سوژههای تحلیل، نه شرکای فرآیند، در نظر بگیرد.
اثر کسبوکاری
این شکاف شواهد میتواند منجر به سرمایهگذاریهای نادرست توسط کسبوکارها در حوزه اتوماسیون و هوش مصنوعی شود.
شرکتها ممکن است بر اساس ارقام پراستناد اما ناکافی، تصمیم به کاهش نیروی کار یا تغییر ساختارهای شغلی بگیرند، در حالی که واقعیت پیچیدهتر است.
علاوه بر این، عدم دقت در ارزیابی تأثیر هوش مصنوعی میتواند منجر به از دست رفتن فرصتهای رشد و نوآوری شود.
اثر احتمالی برای ایران
در ایران، که بازار کار و ساختارهای شغلی با کشورهای غربی تفاوتهای زیادی دارد، استفاده از این امتیازها بدون در نظر گرفتن بافت محلی میتواند منجر به سیاستگذاریهای نادرست شود.
علاوه بر این، عدم دسترسی به ابزارهای دقیقتر سنجش میتواند چالشهای بیشتری برای تصمیمگیران ایرانی در حوزه هوش مصنوعی و اشتغال ایجاد کند.
ارتباط با LegalTech
این مقاله بر اهمیت توسعه ابزارهای حقوقی و فنی دقیقتر برای سنجش تأثیر هوش مصنوعی بر بازار کار تأکید میکند.
سیاستگذاران و قانونگذاران نیاز دارند تا چارچوبهای حقوقی مناسبی برای تنظیم استفاده از هوش مصنوعی در محیط کار تدوین کنند.
علاوه بر این، توسعه فناوریهای سنجش پویا و دقیقتر میتواند به بهبود تصمیمگیریها در این حوزه کمک کند.
