Que s'est-il passé
Google a lancé une nouvelle expérience interactive et en libre accès pour son ensemble de données AI & Economy ATLAS, permettant aux utilisateurs d'explorer les taux mondiaux d'adoption de l'IA par profession et par pays. Simultanément, Google, Google DeepMind et MIT FutureTech ont publié de nouvelles recherches analysant la manière dont les scientifiques utilisent l'IA, sur la base de 2 600 modèles spécialisés et d'une enquête menée auprès de plus de 600 scientifiques aux États-Unis et au Royaume-Uni.
Google a annoncé le lancement d'une nouvelle expérience interactive en libre accès pour son projet AI & Economy ATLAS. Cette plateforme permet aux utilisateurs d'explorer des millions de points de données mondiaux concernant l'utilisation de l'IA, y compris les taux d'adoption dans des professions spécifiques comme les électriciens et les directeurs des achats, ainsi que les tendances d'adoption au niveau national et les modèles d'utilisation à domicile.
Parallèlement, Google, Google DeepMind et MIT FutureTech ont publié de nouvelles recherches dérivées des données ATLAS. L'étude a analysé 2 600 modèles d'IA spécialisés et interrogé plus de 600 scientifiques aux États-Unis et au Royaume-Uni. Elle a utilisé une nouvelle taxonomie du MIT FutureTech pour cartographier les tâches scientifiques et les modèles d'utilisation de l'IA.
La recherche a révélé que les scientifiques utilisent l’IA à des taux plus élevés que de nombreux autres métiers, près de la moitié utilisant quotidiennement une forme d’IA. L’étude fait la distinction entre l’utilisation de grands modèles linguistiques (LLM) comme Gemini, qui sont largement utilisés dans tous les domaines, et les modèles d’IA spécialisés, qui sont plus courants dans les domaines de la santé et des sciences de la vie pour les tâches de prédiction et de simulation spécifiques à un domaine.
L’étude a révélé que les scientifiques gagnent un peu moins de sept heures par semaine grâce à l’IA. Cependant, il a noté que ce gain de temps ne se traduit pas immédiatement par de nouvelles découvertes en raison du temps important passé à valider les résultats de l'IA, de l'arriéré croissant d'hypothèses non testées et des goulots d'étranglement dans l'expérimentation physique et la validation clinique.
Détails de la source: blog.google ↗
Pourquoi c'est important
Cette version fournit des données concrètes et granulaires sur la façon dont l'IA remodèle les marchés du travail et les flux de travail scientifiques, allant au-delà des mesures d'adoption génériques vers des informations spécifiques au niveau des métiers et des tâches. Il souligne que même si l’IA fait gagner aux scientifiques près de sept heures par semaine, elle crée de nouveaux goulots d’étranglement dans la validation et l’expérimentation, ce qui suggère que les gains de productivité nécessitent une refonte du flux de travail plutôt que la simple adoption d’outils. Cela offre un cadre pratique permettant aux organisations et aux décideurs politiques de comprendre les impacts économiques et opérationnels réels de l’intégration de l’IA.
Le communiqué fournit une vue détaillée, basée sur des données, de l'impact de l'IA sur l'économie mondiale, mettant spécifiquement en évidence la manière dont différentes professions et régions adoptent la technologie. Cette granularité est cruciale pour comprendre la répartition inégale des avantages et des défis de l’IA sur le marché du travail.
Les découvertes sur les flux de travail scientifiques offrent un aperçu critique du « paradoxe de la productivité » de l’IA. Si l’IA accélère certaines tâches, elle introduit de nouveaux points de friction en matière de validation et d’expérimentation. Cela suggère que les organisations doivent repenser leurs processus pour exploiter pleinement le potentiel de l'IA, plutôt que de simplement ajouter des outils aux flux de travail existants.
La collaboration entre Google, Google DeepMind et MIT FutureTech confère une crédibilité académique aux résultats, ce qui en fait une ressource précieuse pour les chercheurs, les décideurs politiques et les leaders de l'industrie cherchant à comprendre les implications pratiques de l'intégration de l'IA dans des domaines à enjeux élevés et à forte intensité de connaissances.
Mécanisme interactif : comment cela fonctionne réellement
Explorez de manière interactive la technologie sous-jacente à ce développement.
crm_get_transaction(id='4092').A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
Que regarder ensuite
Surveillez la manière dont d’autres secteurs adoptent des refontes similaires des flux de travail d’IA pour résoudre les goulots d’étranglement de validation. Surveillez les études de suivi du projet ATLAS qui s'étendent au-delà des domaines scientifiques à d'autres professions spécialisées. Observez si les données en libre accès conduisent à des analyses universitaires indépendantes ou à des recommandations politiques concernant les impacts de l’IA sur le marché du travail.
Expansions futures du projet ATLAS pour inclure davantage d’industries et de régions géographiques, fournissant ainsi une image plus complète de l’adoption mondiale de l’IA.
Des études universitaires indépendantes qui utilisent les données ATLAS en libre accès récemment publiées pour valider ou contester les conclusions de Google sur l'impact économique de l'IA.
Réponses de l'industrie aux goulots d'étranglement identifiés dans les flux de travail scientifiques, en particulier dans la manière dont les organisations restructurent leurs processus de recherche pour mieux intégrer la validation et l'expérimentation de l'IA.