MétaCan
Menu
Retour à la cohorte
Enregistrement W4393230858 · doi:10.1111/caje.12705

Pause artificial intelligence research? Understanding AI policy challenges

2024· article· en· W4393230858 sur OpenAlexafffundvenue
Avi Goldfarb

Notice bibliographique

RevueCanadian Journal of Economics/Revue canadienne d économique · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAmbiguityProductivityEconomicsHumanityComputer scienceArtificial intelligencePolitical scienceMacroeconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Artificial intelligence (AI) may be the next general purpose technology. General purpose technologies, such as the steam engine and computing, can have an outsized impact on productivity through a positive feedback loop between producing and application industries. Along with the discussion of AI's potential to improve productivity come a number of policy concerns related to AI's potential to automate jobs and to create existential risk for humanity. Because of these worries, in March 2023, a widely circulated petition called for a pause in AI research. That letter asked several questions about AI's potential impact on society. This paper examines those questions through an economic lens. It highlights reasons to be optimistic about the long‐run impact of AI, while underscoring short‐run risks. Economic models provide an understanding of where the ambiguity lies and where it does not. Our models suggest no ambiguity on whether there will be jobs and little ambiguity on long‐term productivity growth if AI diffuses widely. In contrast, there is substantial ambiguity on the implications of AI's diffusion for inequality.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,787
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,578
Tête enseignante GPT0,273
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Economics/Revue canadienne d économiqueMême sujetEconomic Growth and ProductivityTravaux en français237 207