معیارهای سنجش هوش مصنوعی، عملکرد آن را در ۹۵ درصد وظایف انسانی ارزیابی نمی‌کنند
تحلیلی جدید نشان می‌دهد معیارهای سنجش هوش مصنوعی، که در واقع نوعی آزمون برای اندازه‌گیری عملکرد این فناوری هستند، نمی‌توانند عملکرد آن را در حدود ۹۵ درصد از وظایف جزئی تشکیل‌دهنده کارهای واقعی انسان به‌طور مؤثر ارزیابی کنند. با وجود پیشرفت مداوم هوش مصنوعی، کارشناسان هشدار می‌دهند که نبود ارزیابی دقیق از عملکرد این فناوری در وظایف واقعی انسانی ممکن است به تصمیم‌گیری‌های نادرست درباره سیاست‌گذاری‌های مرتبط با هوش مصنوعی و تحولات بازار کار منجر شود.
شرکت موکور (Mucore)، فعال در حوزه داده‌های آموزشی هوش مصنوعی، روز ۱۵ اکتبر به وقت محلی از یک «نقشه تعاملی» رونمایی کرد که دامنه کاربرد معیارهای سنجش هوش مصنوعی را در مشاغل مختلف آمریکا نشان می‌دهد. در این نقشه، ۲۹ معیار سنجش منتخب این شرکت بر ۹۲۳ گروه شغلی و ۱۸ هزار و ۷۹۷ وظیفه مرتبط با آن‌ها، بر اساس نظام طبقه‌بندی مشاغل وزارت کار آمریکا، تطبیق داده شده‌اند. این نقشه مشخص می‌کند که آیا توانایی هوش مصنوعی در انجام وظایف مشخص، با معیارهای موجود به‌درستی ارزیابی می‌شود یا خیر.
بر اساس این نقشه، از مجموع ۹۲۳ گروه شغلی، عملکرد هوش مصنوعی تنها در ۲۰۸ گروه، معادل ۲۲٫۵ درصد، به‌طور کافی ارزیابی شده است. از میان ۱۸ هزار و ۷۹۷ وظیفه جزئی نیز فقط ۹۲۴ مورد، یعنی حدود ۵ درصد، با معیارهایی سنجیده شده‌اند که دست‌کم پنج پرسش دارند.
شرکت موکور اعلام کرد: «۹۰ درصد ساعات کاری آمریکایی‌ها صرف وظایفی می‌شود که معیارهای سنجش فعلی به‌ندرت یا اصلاً آن‌ها را پوشش نمی‌دهند.» این شرکت افزود: «تشخیص اینکه مدل‌های هوش مصنوعی تا چه اندازه از عهده کارهایی برمی‌آیند که آمریکایی‌ها در عمل انجام می‌دهند، بسیار دشوار است.» به گفته این شرکت، معیارهای فعلی نمی‌توانند به‌طور قابل اتکا پیش‌بینی کنند که آیا هوش مصنوعی قادر است جای نیروی انسانی را بگیرد یا خیر.
میزان استفاده از معیارهای سنجش در گروه‌های شغلی مختلف تفاوت چشمگیری دارد. در حوزه رایانه و ریاضیات، ۲۹ مورد از ۳۶ گروه شغلی ارزیابی شده‌اند. در بخش کسب‌وکار و امور مالی، این رقم ۳۳ مورد از ۴۸ گروه شغلی بوده و در حوزه حقوقی نیز پنج مورد از هفت گروه شغلی بررسی شده‌اند. در مقابل، از میان ۸۹ گروه شغلی حوزه پزشکی، تنها ۱۲ مورد و از میان ۶۲ گروه شغلی مرتبط با آموزش و کتابداری، فقط ۹ مورد با این معیارها سنجیده شده‌اند.
معیارهای سنجش عمدتاً در بخش‌هایی به کار رفته‌اند که استفاده از هوش مصنوعی در آن‌ها آسان‌تر است و می‌تواند در کوتاه‌مدت سود اقتصادی ایجاد کند. برای مثال، وظایف وکلا ارزیابی شده‌اند، اما مشاغل مشابهی که در معرض تأثیر هوش مصنوعی قرار دارند، مانند منشی‌های حقوقی و کارکنان دفتری دادگاه‌ها، عمدتاً از این ارزیابی‌ها جا مانده‌اند. موکور در این باره گفت: «به نظر می‌رسد مشاغل دانش‌محور با درآمد متوسط که در مقیاس کوچک‌تری فعالیت می‌کنند، به‌اندازه کافی سنجیده نشده‌اند.» برای وظایف اداری ساختاریافته‌ای که هوش مصنوعی ممکن است بتواند به‌سرعت جایگزین نیروی انسانی در انجام آن‌ها شود نیز داده‌های ارزیابی کافی وجود ندارد.
علاوه بر این، بسیاری از فرایندهای کاری شامل فعالیت‌های فیزیکی هستند که معیارهای سنجش فعلی توانایی ارزیابی آن‌ها را ندارند. به گفته موکور، ۶۳ درصد مشاغل آمریکا شامل وظایف فیزیکی‌اند که در معیارهای موجود سنجش هوش مصنوعی منعکس نشده‌اند.
موکور هشدار داد: «اگر این شکاف در اندازه‌گیری برطرف نشود، نقاط کور مهمی در شناخت توانایی‌های هوش مصنوعی همچنان باقی خواهند ماند.» یکی از فعالان صنعت فناوری نیز گفت: «اگر نتوانیم به‌دقت ارزیابی کنیم که آیا هوش مصنوعی قادر به جایگزینی شمار زیادی از مشاغل است یا خیر، ممکن است اختلالات بزرگی در بازار کار و حوزه سیاست‌گذاری رخ دهد.»