MIT の新しい研究: 労働者は AI によって排除されることを心配する必要はありません。コストは非常に高く、視覚的な作業の23%しか置き換えられない

MIT の新しい研究: 労働者は AI によって排除されることを心配する必要はありません。コストは非常に高く、視覚的な作業の23%しか置き換えられない

人工知能は私たちの仕事を奪うのでしょうか?シリコンバレーの幹部が今日の最先端の AI テクノロジーについて毎日話しているのを聞いていると、答えは「イエス」で、すぐに実現するだろうと思うかもしれません。

しかし、MIT のコンピューター科学および人工知能研究所 (CSAIL) による最近の研究により、私たちはいくらか安心することができました。少なくとも、視覚 AI は多くの人間に取って代わることはできないのです。

論文アドレス: https://futuretech-site.s3.us-east-2.amazonaws.com/2024-01-18+Beyond_AI_Exposure.pdf

研究によれば、労働の自動化のペースは私たちが考えているよりもはるかに遅い可能性がある。

なぜなら、それらは高すぎるからです!

視覚的なタスクの場合、AIは手作業よりもはるかにコストがかかります

MITの研究者たちは、AIがタスクを実行できるかどうかだけでなく、より広範な労働市場の文脈において、企業がそれらのタスクを実行する際に人間に取って代わることが経済的に合理的かどうかも調査した。

研究結果によると、コンピューター ビジョンは現在、米国経済における労働者報酬の 1.6% (農業を除く) を占めるタスクを自動化できるものの、自動化した方がコスト効率が良いのは有償タスクの 23% (経済全体の 0.4%) のみであることが判明しました。

さらに、視覚 AI の問題は、割合が少ないということだけではなく、より重要なのはコストが高すぎることです。

ほとんどの場合、人間の労働は自動化よりも安価です。

全体的に、調査結果は、AI による雇用喪失は大規模になるものの、その進行は緩やかであるため、雇用喪失の影響を軽減するために政府が政策を再構築し、再訓練を行う余地があることを示唆しています。 「

研究者たちは、病院の診断機器の画像を分析したり、トレイに正しい品物が入っているかどうかを確認したりするといった、AIが現在実現できる視覚的なタスクを研究した。

しかし著者らは、こうした作業は断片化されていることが多く、自動化しても経済的に意味がないと指摘している。

AIは労働市場に何らかの変化をもたらすでしょうが、それに適応する時間は常にあります。すべてが一気に混乱に陥るほど、そのような出来事は起こりませんし、起こることもないでしょう。

もちろん、この研究は、GPT-4 のような大規模なマルチモーダル言語モデルなどのより柔軟なシステムではなく、CV システム (画像やビデオ内のオブジェクトを認識して分類できるシステム) にのみ焦点を当てています。

OpenAIによる以前の調査では、アメリカ人労働者の19%が、仕事の50%においてGPT-4と同レベルのAIの影響を受けていると感じていることが示されました。

この数字は、MIT研究所のCVに関する研究よりもはるかに高いものです。

では、MIT の調査結果は、より一般的な AI ツールにも適用できるのでしょうか?それはまだ不明です。

MIT の研究者らは、CV システムを特定の専門タスクに適したものにするために「微調整」するには、企業にとって非常にコストがかかる可能性があることを発見しました。

このような投資は大企業にとっては意味があるかもしれませんが、中小企業にとっては、十分に訓練された労働者を雇うほど費用対効果が高くありません。

主な理由は、AI がタスクを完了できるからといって、それが経済的に実現可能であるとは限らないということです。

たとえば、特定の種類の薬瓶を 99.9% の精度で区別できるようにコンピューター ビジョン モデルを「微調整」するには、さまざまな薬のラベル付き画像を大量に収集する必要があります。この作業は、たとえ低賃金の労働者を雇って安価に実行できたとしても、コストがかかり面倒です。

なぜなら、そうすると、大量のデータストレージ上で AI モデルを微調整するための膨大な計算コストを支払わなければならないからです。

GPT-4 は人間に取って代わることができるでしょうか?おそらくもっと早くなるだろう

しかし、これが大規模言語モデルにも当てはまるかどうかは明らかではありません。

ただし、特定のタスクを実行するために最先端の LLM を微調整するには、詳細なルールのリストのみが必要になる可能性があり、CV モデルを微調整するよりもはるかに簡単です。

昨年8月に行われたOpenAIの調査では、GPT-4は詳細なポリシー文書といくつかのトークンの例を使用して微調整された後、コンテンツモデレーションタスクを効果的に実行できることが判明しました。

これらの調査結果は、大規模な言語モデルは、コンピューター ビジョン モデルよりも迅速かつ安価に、より広範囲の社会経済的タスクに適用できる可能性があることを示唆しています。

現在、OpenAI は大きな安全上の課題に直面したくないため、GPT-4 の微調整は制限されたテスト モードのままです。

論文アドレス: https://llm-tuning-safety.github.io/

しかし、OpenAIとその競合他社が顧客にモデルの微調整を許可し始めると、自動化はMITの調査が予測するよりもはるかに速く進歩する可能性があります。

この点に関して、MITの研究者であるトンプソン氏は次のように述べた。

「もちろん、カスタム LLM はカスタム コンピューター ビジョン システムよりも構築が簡単なので、経済の実践ではより広く採用されるでしょう。

しかし、システムを会社のワークフローに統合するために実際に小規模なエンジニアリング チームが必要である限り、コストは無視できない要素であり続けます。 「

AIが人間に取って代わるにはまだまだ遠い

多くの企業にとって、ビジョンの自動化は経済的に魅力的ではなく、今後も長い間その状態が続くでしょう。

MITの調査では、特定のタスクに合わせてAIシステムを微調整するコストが高すぎるため、中小企業にとっては不経済であると指摘されている。

たとえば、パン屋では、食品の品質管理に AI システムを利用できますが (パン屋の労働時間の 6% を占めます)、機器への高額な投資とメンテナンス コストがコスト削減額を直接上回ります。

タイム誌のインタビューで、主執筆者のニール・トンプソン氏は、AIは雇用市場に大きな影響を与える可能性があるものの、それが実現するのはまだ遠い先のことだと強調した。

現時点では、AIによる自動化への移行は差し迫ったものではないため、パニックや混乱を引き起こす必要はありません。政策立案者には再訓練などの措置を講じる機会もある。

そこで、この記事では重要な問題を指摘します。多くの AI 技術は人々に危機感を与えていますが、AI の導入コストを大幅に削減し、AI の適用範囲を大幅に拡大することによってのみ、自動化は企業にとってより魅力的なものになることができます。

パリHEC経済学准教授のアントナン・ベルジョー氏は、多くの学者がAIが将来の労働市場に与える影響について論文を書いているが、それらは主に公開された指標を使用していると述べた。

しかし、これらの推定は、仕事が自動化できる場合は自動化されるという誤った仮定に基づいています。

ベルジョー氏は、MITの研究者らの研究は新たな視点を取り入れ、設置からメンテナンスまで、この技術の導入にかかるコストを慎重に見積もったと述べた。

人間とほとんど同等の能力を持つ AI システムであっても、現在の米国の人件費と比較すると、導入コストが法外に高くなる可能性が高い。

したがって、この研究の結論も驚くべきものです。自動化のリスクに直面している労働市場の割合は、私たちが想像していたよりもはるかに小さいのです。

もちろん、AI が多くの人に失業不安を引き起こすのには理由があります。

ディープマインドの共同創設者が警告:AIは数年後に労働市場に影響を与えるだろう

ディープマインドの共同創業者ムスタファ・スレイマン氏は以前、長期的には人工知能は「根本的に労働に取って代わる」ツールになると警告していた。

「こうしたツール(AI)をどのように統合するかについて真剣に考える必要がある。なぜなら、それを完全に市場に任せれば、こうしたツールが実質的に労働に取って代わってしまうからだ」とスレイマン氏は世界経済フォーラムの年次総会で語った。

現在の人工知能は主に次の 2 つのことを行います。

まず、既存のビジネスの効率性が向上し、企業は多くのコストを節約できますが、関連する作業を行う人間を置き換えるというコストがかかります。次に、まったく新しいビジネスとプロセスが生まれ、それが雇用を生み出す機会となります。

今後数年間、これら両方の力が労働市場に大きな影響を与え、予測不可能な結果を​​もたらすでしょう。

10年以上にわたり、専門家たちは人工知能が人間の労働者に取って代わるかどうかについて議論してきた。

カール・ベネディクト・フレイ氏とマイケル・オズボーン氏は2013年の研究で、AIブームにより2030年代半ばまでに米国の雇用の47%が自動化される可能性があると推定した。

マッキンゼーが7月に実施した調査によると、2030年までに人工知能が職務を置き換えるため、約1,200万人のアメリカ人が転職を余儀なくされるだろうという。

実際、この件について警告を発した業界リーダーはスレイマン氏だけではない。

1月10日に公開されたWiredの記事で、MITのダロン・アセモグル教授は、2024年には人工知能が皆を失望させ、労働者の仕事を奪うだけの「一般的な自動化」の一形態に過ぎず、期待されていた生産性の大幅な向上は達成できないと予測した。

「私たちの世界の価値あるものはすべて、私たちの知性、つまり情報を推論し予測する能力によって生み出されます。そして AI はまさにそれを実現します。」

AIは5年以内に独自の会社を設立するだろう

以前、世界経済フォーラムで行われた人工知能に関するパネルディスカッションで、スレイマン氏は、AIがチューリングテストに合格したり、人間のような能力(AGI)を発揮したりできるようになるのはいつなのかと質問された。

スレイマン氏は、チューリングテストの現代版は、AIが起業家、プロジェクトマネージャー、発明家のように製品を製造し、販売する能力があるかどうかを評価するものになるだろうと述べた。

「今後5年以内に、AIがこれらの機能を備えるだけでなく、広く利用可能になり、非常に安価になり、おそらくオープンソースになり、経済を完全に変えるだろうと私は確信しています。」

IMF議長:世界の雇用の40%がAIの影響を受けるが、それは大きなチャンスでもある

AIの影響を受けて、国際通貨基金も最新の報告書で、世界の雇用の約40%が影響を受けると述べています。

そのうち、先進国では雇用の60%が影響を受け、新興市場国ではその数字は約40%、低所得国では26%に低下します。

AIの影響を受ける職業のうち、半分はマイナスの影響を受け、完全に消滅してしまう職業もある。

残りの半分の仕事では、AI によってさらなる効率化がもたらされ、AI をできるだけ早く受け入れることができる労働者の収入レベルもそれに応じて上昇するでしょう。

具体的には、AI は経験の浅い労働者がより早く生産性を高めるのに役立つことが研究で示されています。若い従業員は機会を利用しやすいかもしれませんが、年配の従業員は適応に苦労する可能性があります。

同様の状況がさらに進むと、すぐに所得の二極化につながるでしょう。つまり、人工知能をフルに活用できる労働者の生産性と賃金は増加する一方で、人工知能を活用できない労働者の生産性と所得は大幅に低下するでしょう。

この状況が労働市場に反映されれば、差別化はさらに進むだろう。AI技術の影響を受ける仕事の多くは消滅する一方で、AI技術によって創出される新しい仕事の収入は人材不足のため比較的高くなるだろう。

このマクロな判断は、開発者と AI 業界における非常に明白な現実に対応しています。つまり、開発者は自分のキャリアの見通しについてますます不安を抱くようになっているのです。

特に業界に参入したばかりの開発者の場合、その仕事はAI技術によって比較的容易に自動化されるため、労働需要が減少し、収入にも影響が出るでしょう。

しかし、AI技術を開発するアルゴリズムエンジニアや、AI世代の波とともに出現する多くの職種では、収入と労働需要は今後も増加し続けるでしょう。

この報告書に対し、IMFのクリスタリナ・ゲオルギエバ専務理事は「AIは恐ろしいが、誰にとっても大きなチャンスでもある」と述べた。

IMF議長の発言はネットユーザーの間でも知乎上で話題になった。

実際、AIが雇用や労働市場に与える影響について短期的に合意に達するのは難しいだろう。

<<:  2023 ACM フェローがチューリング ビッグ スリーに授与されました。清華大学の馬衛英氏、マイクロソフトの高建鋒氏、上海交通大学の陳海波氏、その他14名の中国人が選出された。

>>:  AI4Science はまだ誤った提案なのでしょうか? 2年後、ワークショップ主催者はAI4Scienceを再検討する

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

AIと胚の融合?システム生物学者のパトリック・ミュラーは双子ネットワークを使ってゼブラフィッシュの胚を研究している

動物の発育過程において、胚は時間の経過とともに複雑な形態変化を遂げます。研究者は、発育の時間と速度を...

タオバオの顔面を平手打ちして電子商取引を破壊しよう!このファッション会社はアルゴリズムを使って新しい小売業をリードしている

[51CTO.com からのオリジナル記事] 私が共有したトピックは、データ駆動型の意思決定サポート...

大きなモデルには堀がない? OpenAI の「LLM City」に侵入し、防御する方法

著者: ベン・ディクソン翻訳者 | 李睿レビュー | Chonglou制作:51CTO テクノロジー...

...

AIファースト戦略への移行に向けた5つのポイント

多くの企業が人工知能(AI)ファーストの戦略を目指しており、ビジネスプロセスの最適化に加えて、ビジネ...

機械学習のテストセットをスケールアップする方法

[[385223]]テスト セットのヒル クライミングは、トレーニング セットに影響を与えたり、予測...

大規模モデルの推論速度が 3.6 倍に向上しました。「Medusa」の論文はこちらです。Jia Yangqing: 最もエレガントな加速推論ソリューションの 1 つ

ご存知のとおり、大規模言語モデル (LLM) の動作ロジックでは、サイズが大きくなるにつれて言語生成...

100 以上の自然言語処理データセットが無料で、データの検索に困ることはありません。

[[228774]]ビッグデータ概要編集者: Wanjun、VVN、Zhang Lijun、Yun...

...

SaaS アプリケーションで AI スノーボールはどのように大きくなるのでしょうか?

Shopify の不正防止機械学習から Salesforce の Einstein まで、過去数年...

AIによる決定をどのように説明するのでしょうか?この記事では、アルゴリズムの適用シナリオと解釈可能性を整理します。

英国の情報コミッショナー事務局(ICO)とアラン・チューリング研究所は共同で「AIによる説明決定」ガ...

AIと5Gが次のイノベーションの波をどう推進するか

[[427625]]今後10年間で、人工知能はあらゆる産業を変えると予想されており、その変化のきっか...

第四次産業革命:人工知能

人工知能 (AI): 私たちの日常生活、生き方、他者との関わり方に根本的な変化がもたらされるのは、第...

CVとNLPにおける対照学習の研究の進展

[[423166]]対照学習(CV)比較学習は何をするのでしょうか?教師ありトレーニングの典型的な問...

...