Παραφράζοντας προ 30ετίας έκφραση του σπουδαίου οικονομολόγου Ρόμπερτ Σόλοου, μπορείτε να δείτε τα ρομπότ παντού εκτός από τα στατιστικά στοιχεία παραγωγικότητας.
Αυτό το γεγονός αποτελεί μυστήριο εδώ και μερικά χρόνια. Η αύξηση της παραγωγικότητας είναι απογοητευτική – ειδικά αλλά όχι μόνο στο Ηνωμένο Βασίλειο – και παραμένει έτσι εδώ και χρόνια. Η ανεργία βρίσκεται κοντά σε πρωτοφανή χαμηλά και η απασχόληση είναι υψηλή. Όλα αυτά είναι το αντίθετο από αυτό που θα περίμενε κανείς στην εποχή της επανάστασης εργασιών από ρομπότ.
Ωστόσο, δεν μπορούμε να αρνηθούμε την αξιοσημείωτη πρόοδο σε διάφορους κλάδους της τεχνητής νοημοσύνης. Το πιο συνηθισμένο παράδειγμα είναι το αυτοκίνητο χωρίς οδηγό. Αυτή η τεχνολογία έχει σημειώσει μακρύ δρόμο σε σύντομο χρονικό διάστημα, κάτι που είναι κάτι παραπάνω από αυτό που μπορούμε να πούμε για τους αρχικούς συμμετέχοντες στο Darpa Grand Challenge του 2004, έναν αγώνα που υποστηρίζεται από τον αμερικανικό στρατό. Με τα μεγάλα χρηματικά έπαθλα για το πρώτο αυτόνομο όχημα που θα συμπλήρωνε κούρσα 150 μιλίων στην έρημο Μοχάβι, η καλύτερη προσπάθεια απέτυχε μετά από μόλις επτά μίλια. Ο διαγωνισμός έγινε ανέκδοτο. Μόλις 13 χρόνια αργότερα, κανείς δεν γελάει με τα αυτόνομα οχήματα.
Στη συνέχεια, υπάρχουν τεχνολογίες βαθιάς εκμάθησης, όπως το AlphaGo Zero, το οποίο χρειάστηκε μόλις 72 ώρες για να διδάξει τον εαυτό του να γίνει φαινομενικά ανίκητο στο δύσκολο επιτραπέζιο παιχνίδι Go. Η Alexa, η Cortana, ο Βοηθός Google και η Siri έχουν κάνει την αναγνώριση φωνής ένα καθημερινό θαύμα. Πραγματοποιούνται βήματα στην αναγνώριση εικόνων, την ιατρική διάγνωση και τη μετάφραση. Υπάρχουν θρίαμβοι στα παρασκήνια: η βαθιά εκμάθηση βελτιστοποιεί την απαιτητική σε ενέργεια ψύξη σε διακομιστές.
Όλα αυτά κάνουν το μυστήριο υψηλής απασχόλησης και χαμηλής παραγωγικότητας ακόμη πιο αινιγματικό. Ωστόσο, υπάρχουν διάφοροι τρόποι επίλυσης.
Μια απλή εξήγηση είναι ότι η συζήτηση για τα ρομπότ είναι μια υπερβολή. Οι επιστήμονες υπολογιστών έχουν υπάρξει υπερβολικά αισιόδοξοι στο παρελθόν. Ο βραβευμένος με Νόμπελ Χέρμπερτ Σάιμον προέβλεψε το 1957 ότι ένας υπολογιστής θα νικούσε τον παγκόσμιο πρωταθλητή σκακιού μέσα σε 10 χρόνια. Χρειάστηκαν 40. Το 1970 ο Μάρβιν Μίνσκι προέβλεψε ότι οι υπολογιστές θα είχαν γενική νοημοσύνη παρόμοια με τον άνθρωπο «μέσα σε τρία έως οκτώ χρόνια», μια πρόβλεψη ακόμα πιο ανακριβής από του κ. Σάιμον.
Μια πιο ενθαρρυντική ιστορία είναι ότι υποτιμούμε την παραγωγικότητα, για παράδειγμα, υποτιμώντας την παραγωγή υπηρεσιών γενικότερα και ειδικότερα την ψηφιακή οικονομία, μεγάλο μέρος των οποίων είναι ελεύθερη και συνεπώς αόρατη στα κανονικά μέτρα οικονομικής παραγωγής.
Μια τρίτη πιθανότητα είναι ότι – δανειζόμενοι μια ιδέα από τον συγγραφέα Γουίλιαμ Γκίμπσον – το μέλλον έχει ήδη φτάσει, αλλά είναι άνισα κατανεμημένο. Ίσως ο αγώνας μηδενικού αθροίσματος την κυριαρχία επί των αγορών όπου ο νικητής παίρνει τα πάντα απλά σπαταλά τα περισσότερα από τα δυνητικά κέρδη.
Για να διαψεύσει αυτές τις υποθέσεις, έρχεται μια ερευνητική εργασία από μια ομάδα που περιλαμβάνει και τις δύο πλευρές: τον Έρικ Μπρίνγιολφσον, οικονομολόγο γνωστό για τα κείμενα του σχετικά με τη «νέα εποχή της μηχανής», και τον Τσαντ Σίβερσον, έναν από τους κορυφαίους ειδικούς στην οικονομική παραγωγικότητα.
Οι ερευνητές υποστηρίζουν ότι η επιβράδυνση της παραγωγικότητας είναι πραγματική. Μπορεί να είναι φαίνεται εύλογο να υποθέσουμε ότι τα δεδομένα μας απλά δεν είναι αρκετά καλά ώστε να αναγνωρίσουμε ότι η παραγωγικότητα αυξάνεται έντονα, αλλά η ιστορία φαίνεται να είναι αρκετά διαφορετική – η έλλειψη παραγωγικότητας είναι απλά πάρα πολύ μεγάλη για να είναι μια στατιστική ψευδαίσθηση. Κάτι παρόμοιο μπορεί να ειπωθεί για τον αγώνα μηδενικού αθροίσματος για την εταιρική κυριαρχία: μπορεί να συμβεί, αλλά είναι πραγματικά τόσο σπάταλος που τα τεράστια κέρδη παραγωγικότητας απλά εξατμίζονται;
Πώς, λοιπόν, λύνεται το αίνιγμα; Με τον απλούστερο δυνατό τρόπο: λέγοντας «απλά περιμένετε». Δεν υπάρχει αντίφαση μεταξύ της απογοητευτικής αύξησης της παραγωγικότητας και της θεαματικής αύξησης της παραγωγικότητας στο εγγύς μέλλον.
Αυτό ισχύει με τη στενή στατιστική έννοια ότι η αύξηση της παραγωγικότητας τείνει να αναπηδά: μια κακή δεκαετία μπορεί να ακολουθηθεί από μια άλλη κακή δεκαετία ή από μια καλή και η σημερινή αύξηση της παραγωγικότητας μας λέει λίγα για το αύριο.
Αλλά είναι επίσης αλήθεια ότι υπάρχει μια καθυστέρηση μεταξύ μιας τεχνικής εξέλιξης και μιας αύξησης της παραγωγικότητας. Η πιο γνωστή περίπτωση είναι ο ηλεκτρικός κινητήρας, ο οποίος φαινόταν έτοιμος να μεταμορφώσει την αμερικανική παραγωγή στη δεκαετία του 1890, αλλά δεν υλοποίησε το δυναμικό του μέχρι τη δεκαετία του 1920. Για να επωφεληθούν από τη νέα τεχνολογία, οι ιδιοκτήτες εργοστασίων έπρεπε να φέρουν τα πάνω κάτω στις εγκαταστάσεις τους, με νέα αρχιτεκτονική, διαδικασίες και εκπαίδευση. Οι πρώτες έρευνες του καθηγητή Μπρίνγιολφσον στη δεκαετία του 1990 κατέδειξαν ότι οι εταιρείες δεν μπορούσαν να επωφεληθούν από την επένδυση σε ηλεκτρονικούς υπολογιστές παρά μόνο αν αναδιοργανώνονταν.
Αν τα οφέλη των σημερινών νέων ιδεών είναι πραγματικά αλλά σε καθυστέρηση, αυτό μπορεί να εξηγήσει και την ίδια την επιβράδυνση της παραγωγικότητας. Αναλογιστείτε το αυτοκίνητο χωρίς οδηγό: αυτή τη στιγμή είναι δαπάνη έρευνας, μόνο κόστος και κανένα όφελος. Αργότερα, θα αρχίσει να εκτοπίζει τα παραδοσιακά αυτοκίνητα, την παραδοσιακή αυτοκινητοβιομηχανία και πολλές συναφείς επιχειρήσεις από χώρους στάθμευσης έως επισκευές αυτοκινήτων. Τέλος, ίσως δεκαετίες αφού γίνει εφικτό το αυτοκινούμενο όχημα, τα πλήρη οφέλη είναι πιθανό να είναι εμφανή. Κάποιος δεν επινοεί απλά ένα νέο μηχάνημα: η οικονομική πρόοδος απαιτεί πολύ περισσότερα από αυτό.
Ίσως, λοιπόν, αυτό είναι μια σύντομη ανάπαυλα πριν από μια έκρηξη της νέας τεχνολογίας που θα αλλάξει ριζικά τον κόσμο γύρω μας. Ή ίσως έχουμε μπροστά μας άλλη μια δεκαετία ή δύο απογοήτευσης. Και τα δύο σενάρια φαίνονται πιθανά – και τα δύο υπόσχονται μια δυσάρεστη διαδρομή.