اقتصاددانان سرخوشی که باید محتاط باشند!
کرونا و سرنوشت گردشگری ۱۴۰۰
سال ۱۴۰۰ کجا سرمایهگذاری کنیم؟
تحریم‌ها، دورکاری و وضعیت بازار کار
۱۴۰۰ سال مناسبی برای راهاندازی کسب‌وکار آنلاین است؟اوایل فوریه، شرکت OpenAI، مشهورترین شرکت هوش مصنوعی در جهان، ابزاری جدید به نام Deep Research عرضه کرد که برای انجام تحقیقات عمیق و چندمرحله‌ای طراحی شده است. این ابزار می‌تواند با چند دکمه روی صفحه‌کلید و فقط در چند دقیقه، درباره هر موضوعی مقاله بنویسد.
بسیاری از دانشگاهیان عاشق این ابزار شده‌اند.
اتان مولیک (Ethan Mollick) استاد کارآفرینی و نوآوری دانشگاه پنسیلوانیا می‌گوید: «پرسیدن از Deep Research درباره موضوعاتی که مشغول نوشتن مقاله درباره آن‌ها هستم، فوق‌العاده مفید بوده است.»
برخی اقتصاددانان پا را فراتر می‌گذارند.
کوین برایان (Kevin Bryan) استاد اقتصاد دانشگاه تورنتو می‌گوید: «من مطمئنم می‌توانید برای ژورنال‌های درجه B، مقالاتی بنویسید که در یک روز آماده شده‌اند.»
تایلر کوئن (Tyler Cowen) استاد اقتصاد دانشگاه جورج میسون، که در سیلیکون‌ولی طرفداران خاص خود را دارد، می‌گوید: «من کیفیت آن را قابل مقایسه با یک دستیار تحقیقاتی در سطح دکترا می‌دانم، انگار که به چنین شخصی یک کار برای یک یا دو هفته سپرده شده باشد.»
کوئن قبلاً هم از جریان‌هایی مانند Web3 و کلاب‌هاوس -که در دوره‌ای به یک شبکه اجتماعی محبوب تبدیل شد- حمایت کرده بود که در نهایت کم‌اثر شدند. از طرف دیگر، اگر Deep Research همان‌طور که بسیاری معتقدند، به شکلی از هوش مصنوعی فوق‌العاده نزدیک شود، پرداخت ۲۴۰۰ دلار در سال برای آن می‌تواند بهترین معامله تاریخ باشد.
برای کمک به تصمیم‌گیری، این مقاله ابزار جدید را به دقت بررسی کرده است تا به این سؤال پاسخ دهد: Deep Research چقدر می‌تواند برای اقتصاددانان و دیگران، به‌عنوان یک دستیار تحقیقاتی خوب عمل کند؟
نخست باید گفت که Deep Research نمی‌تواند تحقیقات اولیه انجام دهد؛ مثلاً نمی‌تواند نظرسنجی‌ها را سازمان‌دهی کند یا از زبان بدن مدیرعاملی که ممکن است شرکتش را در بازار سهام به فروش برسانید، آگاهی پیدا کند. همچنین، نمی‌تواند قهوه درست کند، بنابراین جایگزین کاملی برای یک دستیار انسانی نیست!
یکی دیگر از مشکلات این است که خروجی‌های Deep Research تقریباً همیشه و حتی وقتی که از آن خواسته می‌شود نثر پویاتری داشته باشد، خشک و غیرجذاب است. البته، بسیاری از مردم نویسندگان خوبی نیستند و احتمالاً برایشان مهم نیست که دستیار هوش مصنوعی‌شان کمی کسل‌کننده باشد.
با این حال، پس از مدتی استفاده، سه مسئله مهم‌تر آشکار می‌شوند: خلاقیت داده‌ها، استبداد اکثریت، و میانبرهای فکری.
مدل OpenAI می‌تواند به راحتی به سؤالات ساده‌ای مانند «نرخ بیکاری فرانسه در سال ۲۰۲۳ چقدر بود؟» پاسخ دهد. همچنین، پرسش‌های کمی پیچیده‌تر را مانند «میانگین وزنی نرخ بیکاری فرانسه، آلمان و ایتالیا در سال ۲۰۲۳ بر اساس جمعیت چقدر است؟» نیز بدون مشکل پردازش می‌کند.
اما وقتی سؤالاتی مطرح می‌شوند که به خلاقیت بیشتری در کار با داده‌ها نیاز دارند، مدل، عملکرد ضعیفی نشان می‌دهد. برای مثال، تخمین نادرستی از مقدار متوسط پولی که یک خانوار آمریکایی با سرپرست ۲۵ تا ۳۴ ساله در سال ۲۰۲۱ برای خرید ویسکی هزینه کرده است ارائه می‌دهد، درحالی‌که هر کسی که با داده‌های اداره آمار کار آمریکا آشنا باشد، می‌تواند پاسخ دقیق یعنی ۲۰ دلار را در چند ثانیه پیدا کند.
همچنین، نمی‌تواند به‌دقت بگوید چه سهمی از کسب‌وکارهای بریتانیایی در حال حاضر از هوش مصنوعی استفاده می‌کنند، درحالی‌که دفتر آمار ملی بریتانیا این آمار را به طور منظم منتشر می‌کند. برای سؤالات پیچیده‌تر، از جمله تحلیل داده‌های خام آماری، برتری همچنان با دستیارهای انسانی است.
Deep Research بر پایه حجم عظیمی از داده‌های عمومی آموزش دیده است. این ویژگی برای بسیاری از وظایف، یک مزیت به شمار می‌رود. این ابزار در تولید خلاصه‌های دقیق و مستند خارق‌العاده است.
تایلر کوئن از آن خواسته بود مقاله‌ای ده‌صفحه‌ای درباره نظریه دیوید ریکاردو در مورد رانت بنویسد. نتیجه حاصل می‌توانست یک پیوست مناسب برای هر کتاب درسی باشد.
اما حجم عظیم داده‌های آموزشی، یک مشکل فکری ایجاد می‌کند: Deep Researchبه ایده‌هایی می‌پردازد که بیشتر مطرح یا منتشر شده‌اند، نه لزوماً بهترین ایده‌ها.
این موضوع در مورد آمارها نیز صدق می‌کند: Deep Researchتمایل دارد منابعی را که به‌راحتی در دسترس هستند، مانند روزنامه‌ها، مورد استناد قرار دهد، درحالی‌که ممکن است داده‌های دقیق‌تر و معتبرتر در منابعی باشند که با پرداخت هزینه قابل دسترسند یا دشوارتر پیدا شوند.
چنین روندی در مورد ایده‌ها نیز دیده می‌شود. برای مثال، سؤال «آیا نابرابری درآمدی در آمریکا در حال افزایش است؟» میان اقتصاددانان محل بحث است. Deep Research معمولاً فرض می‌کند که نابرابری از دهه ۱۹۶۰ به شدت افزایش یافته است، در حالی‌که برخی کارشناسان معتقدند این افزایش ملایم بوده یا حتی ثابت مانده است.
به عنوان نمونه‌ای دیگر، مفهوم واقعی «دست نامرئی» آدام اسمیت را در نظر بگیرید. اما روتشیلد (Emma Rothschild) تاریخ‌دان اقتصادی دانشگاه هاروارد در مقاله‌ای که در سال ۱۹۹۴ منتشر کرد، نشان داد این باور که اسمیت از این اصطلاح برای اشاره به مزایای بازارهای آزاد استفاده کرده، نادرست است.
با این حال، Deep Research باوجود آگاهی از پژوهش روتشلید، همچنان این تصور غلط را تکرار می‌کند. بنابراین، کاربران این ابزار ممکن است بیشتر با دیدگاه رایج آشنا شوند تا تحلیل‌های عمیق‌تر و تخصصی‌تر. این مسئله، خطر بزرگی برای کسانی مانند روشنفکران و سرمایه‌گذاران محسوب می‌شود که درآمدشان وابسته به تفکر مستقل و خلاقیت فردی است.
مشکل سوم، که از همه جدی‌تر است و به خود مدل مربوط نمی‌شود، بلکه به نحوه استفاده از آن برمی‌گردد.
پل گراهام (Paul Graham)، سرمایه‌گذار مشهور سیلیکون‌ولی، هشدار داده است که مدل‌های هوش مصنوعی با انجام کارهای نوشتاری به جای انسان‌ها، خطر کاهش توانایی فکری را ایجاد می‌کنند.
گراهام می‌گوید: «نوشتن همان فکر کردن است. در واقع، نوعی از تفکر وجود دارد که فقط از طریق نوشتن انجام می‌شود.»
همین امر درباره تحقیق نیز صدق می‌کند. برای بسیاری از مشاغل، تحقیق همان تفکر است یعنی توجه به تناقض‌ها و خلأها در دیدگاه‌های رایج. اگر تمام تحقیق خود را به یک دستیار فوق هوشمند بسپارید، فرصت‌های خود را برای کشف بهترین ایده‌ها کاهش می‌دهید.
با گذشت زمان، ممکن است OpenAI مشکلات فنی مدل خود را برطرف کند. شاید در آینده، Deep Research بتواند به جای یک دستیار، نقش محقق اصلی را ایفا کند.
تا آن زمان، از این ابزار استفاده کنید، اما انتظار نداشته باشید که به‌زودی جایگزین محققان انسانی شود و حتماً مراقب باشید که شما را به فردی کم‌هوش‌تر تبدیل نکند.
