چرا هوش مصنوعی آمار GDP رو خراب میکنه
هوش مصنوعیClaude Opus 5خلاصهٔ کاملتر
GDP مبنای تصمیمهای بزرگیه: فدرال رزرو باهاش نرخ بهره رو تنظیم میکنه و بازار اوراق و سهام هم بهش واکنش نشون میده. تو این مقاله که Amelia Michael و Karthik Tadepalli نوشتن اومده که هوش مصنوعی این عدد رو بدتر اندازهگیری میکنه، ولی نه به دلایلی که معمولاً گفته میشه. به گفته نویسندهها ریشه ماجرا یه چیزه: اندازهگیری کیفیت سخته، پس تورم اشتباه درمیآد و GDP واقعی محافظهکارانهتر از چیزی که هست ثبت میشه.
GDP اسمی فقط جمع خرجه و GDP واقعی یعنی همون عدد بعد از کم کردن اثر تورم. ولی تورم فقط بالا رفتن قیمت نیست: گوشی امروز خیلی گرونتر از گوشی سال ۲۰۰۰ ـه ولی دوربین و اینترنت و GPS هم داره. روش پیشفرض BLS اسمش matched model ـه، یعنی قیمت همون کالا رو ماه به ماه دنبال میکنن و اگه از بازار جمع شد نزدیکترین جایگزین رو میذارن؛ تو این روش کیفیت اصلاً وارد حساب نمیشه. روش دقیقتر hedonic ـه که برای هر ویژگی محصول یه ارزش پولی درمیآره، ولی فقط برای کالای دارای ویژگی قابلشمارش جواب میده.
به گفته نویسندهها AI سه جا این مشکل رو بدتر میکنه. اول اینکه بهبود کیفیت AI بیشتر تو خدماته و خدمات چیزی شبیه «مصرف سوخت» یا «سرعت پردازنده» ندارن که کیفیتشون رو باهاش بسنجی، درحالیکه حدود دوسوم مخارج مصرفی خدماته. دوم خطای انتساب بخشیه: وقتی کسی بهجای وکیل از اشتراک AI استفاده میکنه، خرج از خدمات حرفهای به نرمافزار جابهجا میشه و هیچ شاخصی این دو تا رو با هم مقایسه نمیکنه. سوم اینکه AI باعث میشه سهم بیشتری از خرج مردم بره سمت خدمات، یعنی همون بخشی که بدتر اندازهگیری میشه.
دو تا مثال ملموس هم میزنن. تو آموزش دولتی، تولید دولت از روی هزینه ورودیها یعنی عمدتاً ساعت کار معلم حساب میشه؛ پس اگه مدرسه با درسهای مبتنی بر AI همون آموزش رو با ساعت کمتر و کیفیت بهتر بده، تو آمار ملی بهشکل «کاهش تولید آموزش» ثبت میشه. تو تهیه اظهارنامه مالیاتی هم حسابدار چند صد دلار میگیره و AI چند دلار توکن، ولی شاخص فقط قیمت حسابدارها رو دنبال میکنه و افت واقعی قیمت هیچجا ثبت نمیشه.
نویسندهها نگرانیهای رایج دیگه مثل «ghost GDP» و «dark output» رو رد میکنن و میگن اونا یا اشتباه حسابداریان یا تهش به همین مشکل تورم برمیگردن. راهحلهاشون هم بیشتر اصلاح روشهای موجوده: اندازهگیری مستقیم خروجی دولت شبیه کاری که بریتانیا از ۲۰۰۵ میکنه، بهروزرسانی سریعتر سبد کالاها، استفاده از داده وباسکرپشده، یه دسته جدا برای خدمات AI با کیفیتسنجی از روی بنچمارکهایی مثل Epoch Capabilities Index، و شاخص قیمت بر اساس «کاری که انجام میشه» بهجای «محصولی که خریده میشه».
نکات کلیدی:
- به گفته مقاله، AI روی GDP اسمی اثر نمیذاره ولی GDP واقعی رو کمتر از واقعیت نشون میده
- روش پیشفرض matched model اصلاً کیفیت رو تعدیل نمیکنه
- موبایل ۱۵ سال بعد از عرضهش تو CPI دسته جدا گرفت، نمونهای از تأخیر ورود کالای جدید
- حدود دوسوم مخارج مصرفی خدماته، یعنی بدترین بخش از نظر اندازهگیری کیفیت
- پیشنهاد نویسندهها: دسته جدا برای خدمات AI و شاخص قیمت بر اساس تسک، اول بهشکل یه حساب جانبی و آزمایشی
