岐路に立つ生成AI：電球か、発電機か、それとも顕微鏡か？

引き続きAEAのAIと生産性に関する予稿集から表題の論文を紹介してみる（9/12時点のWP）。原題は「Generative AI at the Crossroads: Lightbulb, Dynamo, or Microscope?」で、著者はMartin Neil Baily（ブルッキングス研究所）、David M. Byrne（FRB）、Aidan T. Kane（ブルッキングス研究所）、Paul E. Soto（FRB）。
以下はその要旨。

With the advent of generative AI (genAI), the potential scope of artificial intelligence has increased dramatically, but the future effect of genAI on productivity remains uncertain. GenAI-induced productivity gains will depend on the range of tasks enhanced by the technology, the extent of adoption for those tasks, and the success of firms in integrating the adopted technology; it is too early to draw confident conclusions on those questions. Moreover, the effects of the technology on the innovation process will play a crucial role. Some labor-saving innovations, such as the light bulb, temporarily raise productivity growth as adoption spreads, but the effect fades when the market is saturated; that is, the level of output per hour is permanently higher but the growth rate is not. In contrast, two types of technologies stand out as having longer-lived effects on productivity growth. First, there are technologies known as general-purpose technologies (GPTs). GPTs are (1) widely adopted, (2) spur abundant knock-on innovations (new goods and services, process efficiencies, and business reorganization), and (3) improve continuously, refreshing this innovation cycle; the electric dynamo is an example. Second, there are inventions of methods of invention (IMIs). IMIs increase the efficiency of the research and development process, generating new ideas more quickly and cheaply; the compound microscope is an example. We show that GenAI has the characteristics of both a GPT and an IMI---an encouraging sign. Even so, for genAI to boost productivity growth, its contribution will have to outpace past IT innovations which are baked into the trend, including machine learning.
（拙訳）
生成AIの出現により、人工知能の対象となり得る範囲は劇的に拡大したが、生成AIが今後生産性に及ぼす影響は未だ不確実である。生成AIによってもたらされる生産性利得は、技術によって拡大する業務範囲、そうした業務の適用範囲、および企業が導入した技術を上手く統合することに依存する。そうした問題に確信ある結論を導き出すのは時期尚早である。また、イノベーション過程への技術の影響も極めて重要な役割を果たす。電球のような労働節約的なイノベーションは、導入が広がるにつれ一時的に生産性成長を高めるが、市場が飽和すると効果は消えていく。即ち、時間当たり生産の水準は恒久的に高くなるが、成長率はそうでない。対照的に、2種類の技術が生産性成長により長期の効果をもたらすことに優れている。第一に、汎用技術（GPT）として知られる技術がある。GPTは、(1)幅広く適用され、(2)数多くのイノベーションをドミノ倒し的に促進し（新たな財とサービス、プロセス効率、およびビジネスの再編）、(3)継続的に改善し、こうしたイノベーション循環をリフレッシュする。発電機がその例である*1。第二に、発明手法の発明（IMI）がある。IMIは研究開発過程の効率性を向上させ、新たなアイディアをより早く安価に生み出す。複式顕微鏡がその例である。我々は生成AIがGPTとIMI両方の特性を持っていることを示す。これは有望な兆候である。さはさりながら、生成AIが生産性成長を押し上げるためには、機械学習を含め既にトレンドに織り込まれた過去のITイノベーションをその寄与が上回る必要がある。

以下はIMIの例を示した論文の表4。