مردی که هوش مصنوعی را پیش‌بینی کرد: اریک براینولفسون و آینده تحولات فناورانه

بیش از یک دهه پیش، اریک براینولفسون، اقتصاددان، پیش‌بینی کرد: هوش مصنوعی همه‌چیز را تغییر خواهد داد.

انسان‌ها میلیون‌ها سال پیش شروع به استفاده از ابزار کردند. آنها غلات را کشت کردند و حیوانات را اهلی نمودند، و سپس زبان‌های نوشتاری، ابزار‌های آهنی، ماشین چاپ و باروت را توسعه دادند. پیشرفت تا اواسط دهه ۱۷۰۰ کند و محلی بود، تا اینکه جامعه مدرن در کنار ماشین‌ها و موتور‌ها به وجود آمد. اختراع بر اختراع بنا شد. سپس، در دهه‌های اخیر، سرعت پیشرفت بشر دوباره کند شد. رشد بهره‌وری، معیار دانشگاهی برای اینکه مردم در تولید خروجی از ورودی‌ها چقدر بهتر عمل می‌کنند، فرو ریخت.

تیلر کوون، متفکر عمومی، در سال ۲۰۱۰ استدلال کرد که «ما در یک فلات تکنولوژیکی» و در میانه «رکود بزرگ» قرار داریم. «به جز اینترنت که به ظاهر جادویی است، زندگی از نظر مادی تفاوت چندانی با سال ۱۹۵۳ ندارد.» اندکی پس از آن، رابرت گوردون، اقتصاددان دانشگاه نورث‌وسترن، کتاب پرفروش خود را منتشر کرد و استدلال نمود که دوران رشد بی‌سابقه و نوآوری‌های تغییردهنده زندگی ما به پایان رسیده است.

کوون و گوردون اعداد و ارقام را در اختیار داشتند، اما براینولفسون فکر می‌کرد آنها اشتباه می‌کنند. او به همراه اندرو مک‌اِفی، اقتصاددان دیگر، دو کتاب منتشر کرد که در آنها استدلال می‌کردند انقلاب دیجیتال تازه در حال آغاز است. هوش مصنوعی در حال حاضر در وظایف شناختی از انسان‌ها پیشی گرفته بود. این دو در کتاب “عصر ماشین دوم” نوشتند که به زودی، خودرو‌های خودران و رایانه‌های فوق هوشمند در مقایسه با آن «تنها اجرا‌های گرم‌کردنی» به نظر خواهند رسید. براینولفسون معتقد بود که رشد بهره‌وری افزایش خواهد یافت. استاندارد‌های زندگی بهبود خواهد یافت. جامعه‌ای جدید دوباره به وجود خواهد آمد.

من تنها کسی نبودم که به دنبال پاسخ از این پیش‌گو بودم. براینولفسون کلاس‌های پر از دانشجویی درباره هوش مصنوعی و پیشرفت تکنولوژیکی برگزار می‌کند و همچنین آزمایشگاهی فعال را اداره می‌کند که تأثیر هوش مصنوعی بر کارگران، شرکت‌ها و رفاه انسانی را رصد می‌کند. دانشگاهیان به داده‌های او تکیه می‌کنند. چهره‌های برجسته سیلیکون ولی مانند داریو آمودی از Anthropic و دیمیس هاسابیس از Google DeepMind در کنار او هستند. سناتور‌ها و فرمانداران با او تماس می‌گیرند.

براینولفسون – که قد بلند و خوش‌مشرب است، شبیه به آن مردی که در تبلیغات دستمال کاغذی Brawny بود اگر به جای چوب‌بری به دانشگاه می‌رفت – از اینکه بالاخره بقیه دنیا «آنچه را من می‌دیدم، می‌بینند» خشنود است. او به من گفت: «هوش مصنوعی محرک پیشرفت در پزشکی، علم، رسانه، حمل‌ونقل و انرژی است. به مرور زمان، کاری را با مشاغل دفتری خواهد کرد که ماشین‌ها با مشاغل یدی کردند: مردم را مولدتر خواهد کرد و میلیون‌ها نفر از آنها را به سمت نقش‌های جدید سوق خواهد داد.» او شک دارد که انسان‌ها در یافتن کار‌های جدید ناکام بمانند. با این حال، او نگران است که الگوریتم‌ها بتوانند شکاف بین ۰.۰۰۱ درصد از بقیه جمعیت را بیشتر کنند و آن نخبگان بتوانند قدرت سیاسی و اجتماعی را همراه با سرمایه گران‌بها تثبیت کنند. او اضافه کرد – شوخی می‌کنم، امیدوارم – که یک هوش مصنوعی قدرتمند می‌تواند «هر کاری که می‌خواهد انجام دهد، منظورم این است که شامل حذف همه ما هم می‌شود.»

براینولفسون همیشه نسبت به تغییرات تکنولوژیکی خوش‌بین بوده است. پدرش چوپان گوسفندان در سواحل شمالی ایسلند بود که به دانمارک نقل مکان کرد، نزد نیلز بور تحصیل کرد، به ایالات متحده مهاجرت کرد و روی مأموریت‌های آپولو کار کرد. براینولفسون گفت: «این یک زندگی بسیار شگفت‌انگیز است که از بدون برق به فرستادن انسان به ماه برسی.» او زمانی که بچه بود و به جای خوابیدن، ایزاک آسیموف می‌خواند، وسواس پیدا کرد و فکر می‌کرد: «این موضوع بزرگ خواهد بود.»

به عنوان یک دانشگاهی، او به درک چرایی آن رسید. پیشرفت‌های تکنولوژیکی با بسیاری از صنایع دیگر متفاوت است. آنها ترکیبی، دیجیتال و نمایی هستند. پیشرفت در یادگیری ماشین، اثرات پیشرفت در سرعت تراشه‌ها را تقویت می‌کند. (بنابراین، ترکیبی است.) پیشرفت در یادگیری ماشین به سرعت با هزینه کم یا حتی صفر گسترش می‌یابد. (زیرا دیجیتال است.) پیشرفت در یادگیری ماشین، پیشرفت‌های بیشتری را در یادگیری ماشین فراهم می‌کند، به جای اینکه استخراج پیشرفت‌های جزئی را سخت‌تر کند. (به عبارت دیگر، نمایی است.)

انسان‌ها از دهه ۱۹۵۰ شروع به ساخت ماشین‌های متفکر کردند. پیشرفت، اگرچه کند و نامحسوس، از آن نقطه به بعد ادامه یافت. براینولفسون هرگز مطمئن نبود که پیشرفت چه زمانی سریع و محسوس خواهد شد، او در دفترش در استنفورد، که تحت سلطه یک ربات انسان‌نما، اکنون از کار افتاده، به من گفت. اما او «کاملاً مطمئن» بود که این اتفاق خواهد افتاد. با پیشرفت‌های نمایی، «تقریباً هیچ چیز تغییر نمی‌کند، و سپس در نقطه‌ای تابع از این نقطه برجستگی عبور می‌کند. از نظر فنی، نرخ رشد درصدی در تمام مدت یکسان است. اما این از یک پایه کوچک شروع می‌شود، سپس وقتی پایه به اندازه کافی بزرگ شد…»

براینولفسون دکترای خود را در MIT گرفت و ۳۰ سال در آن موسسه گذراند و مطالعه کرد که چگونه انسان‌ها از فناوری‌هایی که اختراع می‌کنند استفاده می‌کنند و تأثیرات آن بر خروجی، اشتغال و کارایی. او دریافت که این فرآیند اغلب آشفته و کند است. او بلافاصله پس از اتمام تحصیلات تکمیلی، اصطلاح «پارادوکس بهره‌وری» را برای توصیف اینکه چرا انقلاب IT دهه‌ها طول کشید تا در آمار ملی ظاهر شود، ابداع کرد. (رایانه‌ها در دهه ۱۹۹۰ بهره‌وری را افزایش دادند، یک جهش بزرگ در روند متوسط.) یک کامپیوتر رومیزی ۵۰ پوندی در سال ۱۹۸۲ در اتاق دیو از حسابداری وارد شد. دیو محاسبات دستی را متوقف کرد و در سال ۱۹۸۷ تایپ با روش شکار و گرفتن را کنار گذاشت. او در سال ۱۹۸۹ به اجرای یک سیستم سفارش دیجیتال کمک کرد. سودآوری شرکت او تنها در سال ۱۹۹۴ شروع به افزایش کرد.

گاهی اوقات، پیشرفت‌های تکنولوژیکی که زندگی را تغییر می‌دهند، اصلاً بر آمار‌های اقتصادی برجسته تأثیر نمی‌گذارند. تلفن‌های هوشمند، شبکه‌های اجتماعی، GPS، پرداخت با ضربه، برنامه‌های اشتراک‌گذاری خودرو و پلتفرم‌های کار اشتراکی، کنفرانس‌های ویدئویی جهانی بدون هزینه – هنوز نتوانسته‌اند بهره‌وری آمریکا را متحول کنند یا رشد GDP را افزایش دهند. براینولفسون فکر می‌کند که احتمالاً هرگز این کار را نخواهند کرد. خدمات دیجیتال معمولاً کم‌هزینه یا بدون هزینه هستند. گزارش‌های حقوق و دستمزد و داده‌های GDP هرگز ارزش واقعی این خدمات را ثبت نمی‌کنند یا حس درستی از میزان تغییر زندگی مدرن توسط آنها ارائه نمی‌دهند.

براینولفسون در طول دوران حرفه‌ای خود هوش مصنوعی را دنبال کرده است. اولین درسی که او در سال ۱۹۸۵ در دانشکده توسعه هاروارد تدریس کرد، درباره «سیستم‌های خبره» – پروتو-آی‌آی‌های با کد دستی، مبتنی بر تصمیم‌گیری اگر-آنگاه – بود. او شاهد بود که چگونه الگوریتم‌ها جست‌و‌جو را متحول کردند، چگونه خودرو‌های خودران فرمان را به دست گرفتند، چگونه نرم‌افزار قادر به تشخیص تصویر شد. در سال ۲۰۱۲، او تصمیم گرفت تا باور خود مبنی بر اینکه فناوری به نقطه عطف رسیده است را «تبلیغ» کند، در پاسخ به کوون و گوردون و بسیاری از دانشگاهیان برجسته دیگر.

او و مک‌اِفی کتاب “مسابقه با ماشین” را نوشتند و استدلال کردند که انقلاب دیجیتال در حال شتاب گرفتن است و بیکاری تکنولوژیکی می‌تواند به زودی کارگران دفتری و با مهارت متوسط را تحت تأثیر قرار دهد. در سال ۲۰۱۴، آنها استدلال خود را در “عصر ماشین دوم” تقویت کردند. آنها استدلال کردند که ماشین‌های متفکر، ثروت عظیمی تولید خواهند کرد. ذهن انسان باید اطمینان حاصل کند که این ثروت به روش‌های سودمند اجتماعی توزیع شود.

وقتی براینولفسون در سال ۲۰۲۰ به استنفورد آمد، ایده‌های او هنوز عجیب به نظر می‌رسید. بهره‌وری نزدیک به نقطه صفر باقی ماند. اقتصاد استارت‌آپ در رکود بود. متا، گوگل و اپل مدت زمان طولانی بود که نوآوری هیجان‌انگیزی ارائه نکرده بودند. محصولات اصلی آنها در حال افت کیفیت بودند، در حالی که تمرکز حواس را از بین می‌بردند و دموکراسی را خرد می‌کردند. براینولفسون گفت: «همه از رفتن به آستین یا میامی صحبت می‌کردند. من گفتم: بچه‌ها، با من صادق باشید. آیا من آن را از دست دادم؟»

با این حال، در همان سال، براینولفسون به GPT-۳، یکی از پیشگامان ChatGPT، دسترسی پیدا کرد. او یکی از مقالاتش را به آن داد، از آن نظرخواهی کرد و از پاسخ آن «شگفت‌زده» شد. او چت‌بات را وادار کرد که دوباره این کار را انجام دهد، اما این بار با لحن تیلور سویفت. «وقتی کارخانه دانش کف نداشته باشد، چه کار خواهی کرد؟» نوشت. «چگونه خواهی دوید وقتی کارخانه دانش در ابر است؟» او «خوشبختانه» سعی نکرد اشعار را بخواند، اما به آنها خیره ماند و فکر کرد: «وای خدای من.» کمی بعد، OpenAI و Anthropic محصولات خود را به مشاغل و مصرف‌کنندگان عرضه کردند. سرمایه‌گذاران شروع به تزریق صد‌ها میلیارد دلار در الگوریتم‌ها و مراکز داده کردند.

وقتی از همکاران و همکاران براینولفسون خواستم تا نقاط قوت او را توصیف کنند، انتظار داشتم درباره مهارت او در کدنویسی یا جمع‌آوری داده صحبت کنند. در عوض، آنها به طور مداوم از مهارت‌های ارتباطی او یاد کردند. یکی از دانشجویان سابق با شگفتی گفت که «هرگز – به معنای واقعی کلمه هرگز – اریک را ندیده‌اند که با کسی بدرفتاری کند.» دانیل راک از دانشگاه پنسیلوانیا به یاد آورد که او را دید که از میان جمعی از بزرگان در یک کنفرانس عبور کرد تا به سمت میزی برود که دانشجویان در مورد هوش مصنوعی صحبت می‌کردند. نلا ریچاردسون، اقتصاددان ارشد ADP، پردازشگر حقوق و دستمزد، به من گفت – بدون اینکه از من خواسته شود، به محض شروع تماس – «اریک فوق‌العاده گرم است.» او ملاقات با «اقتصادی را که با شما ارتباط چشمی برقرار می‌کند» یک چیز «ویژه» توصیف کرد.

همدلی او کار او را نیرو می‌بخشد. او در استنفورد آزمایشگاه خود را در ساختمان علوم کامپیوتر به جای ساختمان اقتصاد تأسیس کرد، که او را به پلی بین اعداد‌شمارانی که استدلال می‌کردند هوش مصنوعی یک «شوی تبلیغاتی» است و کدنویسانی که استدلال می‌کردند «دنیا به پایان خواهد رسید» تبدیل کرد. هودا نایت البارج، دانشجوی سابق که اکنون در OpenAI کار می‌کند، به من گفت. او به طور مداوم میزبان و گردآورنده است – میلیاردرها، برندگان جایزه نوبل، کارآفرینان نوپا که در گاراژ‌ها کار می‌کنند، محققان گمنام، دانشجویانی که آنقدر جوان هستند که نمی‌توانند ماشین اجاره کنند؛ و او کلاس‌های خود را مانند کلاس‌های دانشکده بازرگانی اداره می‌کند، با سخنرانی‌های مکرر از سوی چهره‌های صنعت. دایان کویل، اقتصاددان دانشگاه کمبریج، به من گفت: «اگرچه برخی اقتصاددانان دانشگاهی کمی متکبرانه به آن نگاه می‌کنند، این یک نقطه قوت واقعی است؛ این به او و دانشجویانش بینش می‌دهد که هوش مصنوعی واقعاً چه کاری می‌تواند انجام دهد، کسب‌وکار‌ها چگونه از آن استفاده می‌کنند و چگونه وظایف کارگران را تغییر می‌دهد.»

آزمایشگاه او به مطالعه تحلیلی این تغییرات اختصاص دارد: درک اینکه شرکت‌ها با چه سرعتی در حال پذیرش هوش مصنوعی هستند، و آیا این فناوری به عنوان مکمل کارگران انسانی عمل می‌کند (آن‌ها را در شغلشان بهتر می‌کند، بهره‌وری را افزایش می‌دهد) یا به عنوان جایگزین آنها (آن‌ها را منسوخ می‌کند، اشتغال را سرکوب می‌کند) یا همه موارد فوق، همانطور که به نظر می‌رسد در حال حاضر. یک مقاله اخیر که براینولفسون با همکاری دانیل لی و لیندسی ریموند آن را نوشته است، نشان می‌دهد که هوش مصنوعی مولد، خروجی کارکنان خدمات مشتری را تا ۳۰ درصد افزایش می‌دهد. مطالعه دیگری نشان داد که هم اشتغال برخی از کارگران را افزایش می‌دهد و هم اشتغال برخی دیگر را کاهش می‌دهد.

بهارات چاندار، یکی از پژوهشگران آزمایشگاه براینولفسون، به من گفت که سنجش تأثیر تغییر تکنولوژیکی همیشه «بسیار دشوار» است. «ما آزمایشی نداریم که بتوانیم یک دنیا را در مقابل دنیای دیگر مقایسه کنیم.» این باعث می‌شود دانشگاهیان به بررسی نظرسنجی‌هایی بپردازند که بیش از حد کند و گسترده هستند تا مفید باشند، یا به طراحی نظرسنجی‌های جدید. در سال ۲۰۲۱، براینولفسون و چند دانشگاهی دیگر با اداره سرشماری همکاری کردند تا داده‌هایی را از هزاران شرکت صنعتی جمع‌آوری کنند. آنها دریافتند که هوش مصنوعی با یک پارادوکس بهره‌وری رو‌به‌رو شده بود، اما آن پارادوکس با سرعت فوق‌العاده‌ای حل شد. شرکت‌هایی که از ربات‌های هوش مصنوعی استفاده می‌کردند در ابتدا ناکارآمدتر و کم‌سودتر بودند و خیلی زود کارآمدتر و سودآورتر شدند. استنفورد همچنین با ADP همکاری کرد تا معیار‌هایی از چگونگی تأثیر هوش مصنوعی بر اشتغال، دستمزدها، استخدام و وظایف شغلی تولید کند. «داشبورد قناری» حاصل از این همکاری نشان می‌دهد که کارگران اوایل دهه ۲۰ زندگی خود، در واقع، قناری‌های معدن زغال سنگ هستند. هوش مصنوعی آنها را در رکود استخدام قرار داده است.

برای بسیاری از مدیران هوش مصنوعی، و برای بسیاری از مردم عادی، پیش‌بینی‌های براینولفسون متوسط به نظر می‌رسند. بیش از نیمی از بزرگسالان نگرانند که هوش مصنوعی کسی را در خانواده‌شان بیکار کند. هنگامی که در منطقه خلیج بودم، از افراد باهوش شنیدم که استدلال می‌کردند رشد بهره‌وری پنج برابر خواهد شد و به ۱۰ درصد می‌رسد؛ ما به فئودالیسم نو نزول خواهیم کرد؛ ما سرطان را درمان خواهیم کرد؛ ما حتی بیشتر مجذوب گوشی‌های هوشمندمان خواهیم شد و کمتر خوشحال؛ گزارش GDP بی‌معنی خواهد شد. پیش‌بینی که من بیش از همه تکان‌دهنده یافتم، یک پیش‌بینی مقدماتی، از سوی یک دانشجوی کارشناسی استنفورد بود. آنها نگران بودند که مشاغل دانش ممکن است هنگام فارغ‌التحصیلی در دسترس نباشند. می‌خواستم آنها را در آغوش بگیرم.

اما بسیاری از دانشگاهیان معتقدند که براینولفسون همچنان تأثیر هوش مصنوعی را بیش از حد برآورد می‌کند. همانطور که کار او نشان می‌دهد، مردم برای یادگیری نحوه استفاده از ابزار‌های جدید زمان لازم دارند. شرکت‌ها زمان لازم دارند تا جریان‌های کاری خود را بازسازی کرده و سیستم‌های خود را به‌روز کنند. در حال حاضر، شرکت‌ها متوجه شده‌اند که هوش مصنوعی «واقعاً سرعت یا خروجی برخی از کارگران را افزایش می‌دهد»، کویل از کمبریج گفت – «اما این به دستاورد‌های سازمانی ترجمه نمی‌شود. ممکن است یک بخش بسیار جلو باشد، اما اگر بخش‌های دیگر به آن نرسند، کل فرآیند بهبود نخواهد یافت.»

گوردون، از نورث‌وسترن، در میان برجسته‌ترین اقتصاددانانی است که استدلال می‌کنند هوش مصنوعی تفاوت چندانی در اقتصاد زیربنایی ایجاد نخواهد کرد، هرچند دوست قدیمی‌اش در استنفورد می‌گوید. در سال ۲۰۲۰، این دو یک شرط‌بندی دوستانه عمومی انجام دادند. اگر میانگین نرخ بهره‌وری نیروی کار در دهه آینده کمتر از ۱.۸ درصد باشد، گوردون برنده خواهد شد. اگر بیشتر باشد، براینولفسون برنده خواهد شد. (این شرط‌بندی ۴۰۰ دلار ارزش دارد و بازنده پول را به خیریه خواهد داد.)

تا کنون، براینولفسون با چند دهم درصد پیش است. اما گوردون به من گفت که او واقعاً برنده نیست، زیرا هوش مصنوعی واقعاً بهره‌وری را افزایش نمی‌دهد. برای توضیح اینکه چرا، او کارگران آمریکایی را به سه گروه تقسیم کرد: کارگران صنعتی (باربران، سقف‌سازان)؛ افرادی که می‌توانند از خانه کار کنند، فارغ از اینکه چنین کاری بکنند یا نه (حسابداران، نویسندگان)؛ و افرادی که مجبورند شخصاً سر کار بروند (باریستاها، پرستاران). او گفت: «بزرگ‌ترین پذیرش هوش مصنوعی تا به امروز در دسته کار از خانه بوده است»، با این حال تمام «بهبود بهره‌وری در هشت سال گذشته خارج از این دسته بوده است.» باریستا‌ها و سقف‌سازان کارآمدتر شده‌اند، و حسابداران کمتر کارآمد شده‌اند—که البته باید از چت‌جی‌پی‌تی تشکر کرد.»

او گفت اگر هوش مصنوعی باعث شود کارگران یقه سفید کارآمدتر شوند، نرخ بهره‌وری کشور همچنان بالا نخواهد رفت. یک مهندس گوگل چیزی حدود ۲۱۵ دلار ارزش نیروی کار در ساعت تولید می‌کند، در حالی که یک پیشخدمت چیزی حدود ۲۷ دلار در ساعت. او گفت اگر شرکت‌های با بهره‌وری بالا کارگران را اخراج کنند و شرکت‌های با بهره‌وری پایین آنها را جذب کنند، این موضوع «مزیت حاصله را کاملاً خنثی خواهد کرد.» ایالات متحده همچنین با باد‌های مخالف شدید بهره‌وری، مانند پیری جمعیت و افزایش بی‌وقفه هزینه‌های مراقبت‌های بهداشتی، آموزش و مسکن مواجه است. هوش مصنوعی قرار است در این مورد چه کار کند؟

گوردون تحت تأثیر چت‌جی‌پی‌تی قرار گرفته است، که از آن برای جستجوی اطلاعات درباره قحطی بزرگ، تانک‌های پنزر و چیز‌هایی از این دست استفاده می‌کند. (این ابزار قرار نیست چیزی درباره اقتصاد به او بگوید.) با این حال، او نگران پتانسیل هوش مصنوعی برای کاهش دستمزدها، افزایش بیکاری و به فلاکت کشاندن جوانان است، به‌ویژه کسانی که ثروتی را بابت یک مدرک دانشگاهی بی‌فایده پرداخت می‌کنند؛ و او حداقل تا حدی لذت می‌برد از اینکه خوش‌بین‌های فناوری متوجه می‌شوند خوش‌بینی‌شان چقدر نامحبوب است.

اوایل این ماه که صحبت می‌کردیم، دانشجویان کالج، سخنرانان جشن فارغ‌التحصیلی را که از هوش مصنوعی تعریف می‌کردند، هو می‌کردند. «همکار محبوب» او – جوئل موکیر، که به‌تازگی جایزه نوبل را برای کارهایش در زمینه «رشد پایدار از طریق پیشرفت تکنولوژیک» دریافت کرده – قرار بود اندکی بعد در نورث‌وسترن سخنرانی کند. گوردون گفت که برای سخنرانی دعوت نشده بود، اما یک دستیار پژوهشی را مأمور کرده بود تا به او پیامک بزند و خبر دهد که آیا موکیر هو شده است یا خیر. او با خنده گفت که در مقابل، خودش هم به من خبر خواهد داد، گویی در لاتاری برنده شده نه یک شرط‌بندی ۴۰۰ دلاری ناچیز.

موکیر وقتی با او تماس گرفتم تا درباره سخنرانی بپرسم، ناله‌ای سر داد، به شوخی از شیطنت همکارش ابراز ناراحتی کرد و از احتمال هو شدن نگران نبود. وقتی از او درباره آینده هوش مصنوعی پرسیدم، به تلمود استناد کرد: «از زمانی که معبد دوم ما ویران شد، هنر پیشگویی به احمق‌ها داده شده است.»

در زمان ویرانی معبد دوم، بهره‌وری کارگران انسانی شاید یک هزاره طول کشید تا دو برابر شود. در اوج انقلاب صنعتی، این کار یک دهه طول کشید. تا پنج سال پیش، یک قرن طول می‌کشید. اگر حق با براینولفسون درباره هوش مصنوعی باشد، شاید تنها یک نسل طول بکشد.

او به هوش مصنوعی ایمان دارد، زیرا به تاریخ اعتماد دارد (عجیب می‌بود اگر این نوع فناوری منجر به رشد نمایی نمی‌شد) و، زیرا خود شاهد این انقلاب است. او گفت: «بسیاری از اقتصاددانان به مجموعه‌داده‌ها و اعداد نگاه می‌کنند و سعی می‌کنند بفهمند چه خبر است.» تعداد کمی به شرکت‌ها سر می‌زنند، با مدیران صحبت می‌کنند و با انسان‌های واقعی حرف می‌زنند.

او درک می‌کند که چرا دانشجویان سخنرانان جشن فارغ‌التحصیلی را هو می‌کنند. (به هر حال، موکیر در نهایت یکی از آنها نبود. او یک سخنرانی کوبنده و پرشور در حمایت از مهاجرت ایراد کرد و تشویق ایستاده دریافت کرد.) او با افرادی که احساس می‌کنند در یک ترن هوایی دیجیتال هستند و نمی‌توانند پیاده شوند، همدردی می‌کند. چندی پیش، دانشجویی به ساعات مشاوره او آمد. او در حال فارغ‌التحصیلی بود. شغلی در انتظارش نبود. بسیاری از دوستانش هم همین‌طور. براینولفسون به من گفت: «او نگران بود که نسلش نابود شده است. این سنگین است.» با این حال، او گفت که برای انسان‌ها نگرانی درباره آنچه ممکن است از دست برود، آسان‌تر از تصور آنچه می‌تواند خلق شود است. ما نمی‌خواهیم هوش مصنوعی هر کاری که انسان‌ها می‌توانند انجام دهند را انجام دهد. ما می‌خواهیم هوش مصنوعی آنچه را انسان‌ها می‌توانند انجام دهند تغییر دهد. او گفت فراتر از مجموعه دستاورد‌های فعلی بشر، «این فضای بسیار بزرگ‌تر وجود دارد، بزرگ‌تر از آنچه می‌دانید، به اندازه آنچه می‌توانید تصور کنید، از کار‌هایی که هرگز انجام نشده است.»

براینولفسون می‌خواهد مردم این را ببینند، در حالی که خطرات اجتماعی ناشی از هوش مصنوعی را نیز درک کنند. او گفت در حال حاضر، «مهارت‌های انسانی ذاتاً غیرمتمرکز هستند. مهم نیست بیل گیتس چقدر باهوش است، او نمی‌تواند تمام تصمیمات مایکروسافت را بگیرد.»، اما اگر هوش مصنوعی وظایف فکری را انجام دهد و آنها را اجرا کند، این محدودیت از بین می‌رود. اگر انسان‌ها به اندازه کافی سریع سازگار نشوند، هوش مصنوعی می‌تواند بیکاری قابل‌توجهی ایجاد کند؛ همچنین می‌تواند اشکال جدید و مخربی از نابرابری ایجاد کند. جامعه باید همین حالا اقدام کند، در غیر این صورت، «بسیاری از مردم ممکن است در وضعیت بدتری قرار گیرند.»

او گفت سیاستی که می‌تواند ما را به آنجا برساند خارج از حوزه اختیارات اوست؛ سیاستگذاری حوزه تخصص او نیست؛ بنابراین او کاری را انجام می‌دهد که همیشه انجام می‌دهد. او در حال ساختن بدنه دانش بشری است؛ و او مانند یک شبکه اجتماعی عمل می‌کند. او گرد هم می‌آورد. او صحبت می‌کند. او افراد را دور هم جمع می‌کند تا راهش را پیدا کنند.