ΑΥΤΟ τεχνητή νοημοσύνη (AI) δεν υπάρχει προκαθορισμένο μέλλον. Ο πρώτος δρόμος που μπορεί να ακολουθηθεί αφορά την αύξηση της παραγωγικότητας και τη μελλοντική ανάπτυξη. Οι περισσότερες προηγμένες οικονομίες έχουν το ίδιο πρόβλημα χαμηλής αύξησης της παραγωγικότητας. Η υψηλότερη παραγωγικότητα διευκολύνει τη διαχείριση των δημοσιονομικών ελλειμμάτων, τη μείωση της φτώχειας, την υγειονομική περίθαλψη και το περιβάλλον. Σε αυτό το μονοπάτι, το TN μπορεί να οδηγήσει σε χαμηλή ή υψηλή παραγωγικότητα.
Ωστόσο, παρά τις ραγδαία βελτιωμένες τεχνικές δυνατότητες της τεχνητής νοημοσύνης, η υιοθέτησή της από τις επιχειρήσεις μπορεί να είναι ακόμα αργή και περιορισμένη. Όπως συμβαίνει με πρόσφατα παραδείγματα (3D εκτυπωτές, αυτόνομα αυτοκίνητα, εικονική πραγματικότητα), η τεχνητή νοημοσύνη μπορεί να αποδειχθεί λιγότερο ελπιδοφόρα ή λιγότερο έτοιμη για την αγορά από ό,τι αρχικά αναμενόταν. Σε ένα εναλλακτικό σενάριο, η τεχνητή νοημοσύνη οδηγεί σε ένα υψηλότερο μέλλον παραγωγικότητα/ανάπτυξη, επειδή μπορεί να εφαρμοστεί σε σημαντικό μέρος των εργασιών που εκτελούνται από τους περισσότερους υπαλλήλους. Συμπληρώνει τους εργαζόμενους απελευθερώνοντάς τους από επαναλαμβανόμενες, μη δημιουργικές εργασίες και ελευθερώνοντας τον χρόνο τους. Ως αποτέλεσμα, περισσότεροι εργαζόμενοι μπορούν να αφιερώνουν περισσότερο χρόνο σε νέα προβλήματα και ένα αυξανόμενο τμήμα του εργατικού δυναμικού γίνεται όλο και περισσότερο μια κοινωνία επιστημόνων και καινοτόμων.
Ένας άλλος δρόμος για την TN αφορά την εισοδηματική ανισότητα, η οποία διευρύνθηκε μεταξύ των μεμονωμένων εργαζομένων τα τελευταία 40 χρόνια και, όπως δείχνουν διάφορες μελέτες, μπορεί να έχει συμβάλει σε αυτό από τους υπολογιστές και άλλες μορφές τεχνολογίας πληροφοριών. Στο πρώτο σενάριο, η τεχνητή νοημοσύνη επιδεινώνει την εισοδηματική ανισότητα. Στελέχη τεχνολογίας και διευθυντές χρησιμοποιούν τεχνητή νοημοσύνη για να αντικαταστήσουν άμεσα πολλούς τύπους ανθρώπινης εργασίας, μειώνοντας τους μισθούς. Ακόμη χειρότερα, η γενετική τεχνητή νοημοσύνη αρχίζει να δημιουργεί λέξεις, εικόνες και ήχους – εργασίες που κάποτε θεωρούνταν δημιουργικές. Ο αριθμός των θέσεων εργασίας που κινδυνεύουν αυξάνεται σημαντικά. Τέλος, στο δεύτερο σενάριο, η τεχνητή νοημοσύνη οδηγεί σε μείωση της εισοδηματικής ανισότητας, επειδή ο κύριος αντίκτυπός της είναι να βοηθήσει λιγότερο έμπειρους ή λιγότερο ειδικευμένους εργαζόμενους να κάνουν καλύτερα τη δουλειά τους.
* Ο κ. Erik Brynjolfsson είναι καθηγητής ανθρωποκεντρικής τεχνητής νοημοσύνης και ο κ. Gabriel Junger είναι μεταδιδακτορικός ερευνητής στο Stanford Institute.