พิสูจน์ทฤษฎีบทสุดท้ายของแฟร์มาต์: นักคณิตศาสตร์

เมื่อวันที่ 23 มิถุนายน พ.ศ. 2536 นักคณิตศาสตร์Andrew Wilesได้บรรยายสามครั้งสุดท้ายโดยให้รายละเอียดเกี่ยวกับวิธีแก้ปัญหาทฤษฎีบทสุดท้ายของ Fermatซึ่งเป็นปัญหาที่ยังไม่มีการแก้ไขมาเป็นเวลาสามศตวรรษครึ่งแล้ว การประกาศของไวล์สทำให้เกิดความฮือฮาทั้งในแวดวงคณิตศาสตร์และในสื่อ

นอกเหนือจากการแก้ปัญหาที่มีมานานอย่างน่าพอใจแล้ว งานของไวล์สยังเป็นช่วงเวลาสำคัญในการสร้างสะพานเชื่อมระหว่างสองสาขาวิชาที่สำคัญแต่ดูเหมือนจะแตกต่างกันมาก

ประวัติศาสตร์แสดงให้เห็นว่าความก้าวหน้าทางคณิตศาสตร์ที่ยิ่งใหญ่ที่สุดหลายอย่างเกี่ยวข้องกับการเชื่อมโยงระหว่างสาขาวิชาที่ดูเหมือนจะแตกต่างกัน สะพานเหล่านี้ช่วยให้นักคณิตศาสตร์ เช่นเดียวกับเราสองคน สามารถถ่ายทอดปัญหาจากสาขาหนึ่งไปยังอีกสาขาหนึ่ง และเข้าถึงเครื่องมือ เทคนิค และข้อมูลเชิงลึกใหม่ๆ

ทฤษฎีบทสุดท้ายของแฟร์มาต์คืออะไร?
ทฤษฎีบทสุดท้ายของแฟร์มาต์คล้ายกับทฤษฎีบทพีทาโกรัสซึ่งระบุว่าด้านของสามเหลี่ยมมุมฉากใดๆ จะให้คำตอบของสมการ x 2 + y 2 = z 2

GIF แบบเคลื่อนไหว ข้อความของทฤษฎีบทพีทาโกรัสอยู่ที่ด้านซ้ายบน สามเหลี่ยมมุมฉากสีม่วงปรากฏขึ้นพร้อมด้านที่มีป้ายกำกับ a,b,c สี่เหลี่ยมเล็กๆ สีแดงและสีเขียวปรากฏตามด้านข้างของรูปสามเหลี่ยม เพื่อแสดงทฤษฎีบทพีทาโกรัส
ทฤษฎีบทพีทาโกรัส ซึ่งตั้งชื่อตามนักปรัชญาชาวกรีกโบราณ พีธากอรัส เป็นผลลัพธ์พื้นฐานในเรขาคณิตยุคลิดที่เกี่ยวข้องกับความยาวของด้านของสามเหลี่ยมมุมฉาก AmericanXplorer13 ผ่านวิกิมีเดียคอมมอนส์, CC BY-SA 3.0
สามเหลี่ยมที่มีขนาดแตกต่างกันทุกอันจะให้คำตอบที่แตกต่างกัน และอันที่จริงแล้ว มีวิธีแก้มากมายนับไม่ถ้วนโดยที่ทั้งสามของ x, y และ z เป็นจำนวนเต็ม ตัวอย่างที่เล็กที่สุดคือ x=3, y=4 และ z=5

ทฤษฎีบทสุดท้ายของแฟร์มาต์เป็นเรื่องเกี่ยวกับสิ่งที่เกิดขึ้นหากเลขชี้กำลังเปลี่ยนเป็นค่าที่มากกว่า 2 มีคำตอบเป็นจำนวนเต็ม x 3 + y 3 = z 3หรือไม่ จะเกิดอะไรขึ้นถ้าเลขชี้กำลังคือ 10 หรือ 50 หรือ 30 ล้าน? หรือโดยทั่วไปแล้ว จำนวนบวกใดๆ ที่มากกว่า 2 ล่ะ?

ภาพวาดของชายผมยาวสีเข้ม สวมเสื้อคลุมสีเข้ม
ปิแอร์ เดอ แฟร์มาต์ นักคณิตศาสตร์ชาวฝรั่งเศส Rolland Lefebvre ผ่านวิกิมีเดียคอมมอนส์
ประมาณปี 1637 ปิแอร์ เดอ แฟร์มาต์อ้างว่าคำตอบคือ ไม่ ไม่มีจำนวนเต็มบวกสามจำนวนที่เป็นคำตอบของ x n + y n = z nสำหรับค่า n ใดๆ ที่มากกว่า 2 นักคณิตศาสตร์ชาวฝรั่งเศสได้เขียนคำกล่าวอ้างนี้ลงใน ขอบของสำเนาหนังสือเรียนคณิตศาสตร์จากกรีกโบราณ ของเขา โดยประกาศว่าเขามีข้อพิสูจน์ที่น่าอัศจรรย์ว่าขอบนั้น “แคบเกินกว่าจะบรรจุได้”

ไม่เคยพบข้อพิสูจน์ที่อ้างของแฟร์มาต์ และ “ทฤษฎีบทสุดท้าย” ของเขาจากระยะขอบ ซึ่ง ลูกชายของเขา ตีพิมพ์หลังมรณกรรมได้สร้างโรคระบาดให้กับนักคณิตศาสตร์มานานหลายศตวรรษ

กำลังค้นหาวิธีแก้ปัญหา
ในอีก 356 ปีข้างหน้า ไม่มีใครสามารถค้นพบข้อพิสูจน์ที่ขาดหายไปของแฟร์มาต์ แต่ก็ไม่มีใครสามารถพิสูจน์ว่าเขาคิดผิดเช่นกัน แม้แต่โฮเมอร์ ซิมป์สัน ทฤษฎีบทนี้ได้รับชื่อเสียงอย่างรวดเร็วว่าเป็นเรื่องยากอย่างไม่น่าเชื่อหรือเป็นไปไม่ได้เลยที่จะพิสูจน์ โดยมีการพิสูจน์ที่ไม่ถูกต้องหลายพันรายการที่ถูกหยิบยกขึ้นมา ทฤษฎีบทนี้ยังได้รับการบันทึกลงในกินเนสส์เวิลด์เรคคอร์ดว่าเป็น “ ปัญหาทางคณิตศาสตร์ที่ยากที่สุด ”

ไม่ได้หมายความว่าไม่มีความก้าวหน้า แฟร์มาต์เองได้พิสูจน์เรื่องนี้แล้วสำหรับ n=3 และ n=4 นักคณิตศาสตร์คนอื่นๆ จำนวนมาก รวมถึงผู้บุกเบิกอย่างโซฟี เจอร์เมนได้ร่วมพิสูจน์ค่าแต่ละค่าของ n โดยได้แรงบันดาลใจจากวิธีของแฟร์มาต์

แต่การรู้ว่าทฤษฎีบทสุดท้ายของแฟร์มาต์เป็นจริงสำหรับจำนวนเฉพาะนั้นไม่เพียงพอสำหรับนักคณิตศาสตร์ เราต้องรู้ว่าเป็นจริงสำหรับจำนวนมากมายนับไม่ถ้วน นักคณิตศาสตร์ต้องการข้อพิสูจน์ที่จะใช้ได้กับจำนวนทั้งหมดที่มากกว่า 2 ในคราวเดียว แต่ดูเหมือนว่าเป็นเวลาหลายศตวรรษแล้วที่ไม่พบข้อพิสูจน์ดังกล่าว

อย่างไรก็ตาม ในช่วงปลายศตวรรษที่ 20 งานจำนวนมากขึ้นเรื่อยๆ เสนอว่าทฤษฎีบทสุดท้ายของแฟร์มาต์ควรจะเป็นจริง หัวใจของงานนี้คือสิ่งที่เรียกว่าการคาดเดาแบบโมดูลาร์ หรือที่เรียกว่าการคาดเดาทานิยามะ-ชิมูระ

สะพานเชื่อมระหว่างสองโลก
เส้นสีน้ำเงินโฉบลงมาจากมุมขวาบน โค้งออกไปด้านข้าง-U จากนั้นโฉบลงไปด้านซ้ายล่าง
กราฟของเส้นโค้งวงรี Googolplexian1221, CC BY-SA 4.0 ผ่านวิกิมีเดียคอมมอนส์
การคาดเดาแบบแยกส่วนเสนอการเชื่อมโยงระหว่างวัตถุทางคณิตศาสตร์สองชิ้นที่ดูเหมือนจะไม่เกี่ยวข้องกัน: เส้นโค้งรูปไข่และรูปแบบโมดูลาร์

เส้นโค้งวงรีไม่ใช่วงรีหรือเส้นโค้ง เป็นปริภูมิรูปโดนัทสำหรับแก้สมการลูกบาศก์ เช่น y 2 = x 3 – 3x + 1

รูปแบบโมดูลาร์เป็นฟังก์ชันชนิดหนึ่งที่รับจำนวนเชิงซ้อนจำนวนหนึ่ง ได้แก่ ตัวเลขที่มีสองส่วน ได้แก่ ส่วนจริงและส่วนจินตภาพ แล้วส่งออกจำนวนเชิงซ้อนอีกจำนวนหนึ่ง สิ่งที่ทำให้ฟังก์ชันเหล่านี้พิเศษคือมีความสมมาตรสูงซึ่งหมายความว่ามีเงื่อนไขมากมายเกี่ยวกับลักษณะที่ปรากฏ

วงกลมที่มีแถบสีดำโค้งตัดกับสีอื่นๆ ส่วนใหญ่เป็นสีเหลือง สีเขียว และสีน้ำเงิน
ความสมมาตรของรูปแบบโมดูลาร์สามารถเห็นได้จากการแปลงแผ่นดิสก์ Linas Vepstas, CC BY-SA 3.0 ผ่านวิกิมีเดียคอมมอนส์
ไม่มีเหตุผลที่จะคาดหวังว่าทั้งสองแนวคิดจะเกี่ยวข้องกัน แต่นั่นคือสิ่งที่การคาดเดาแบบแยกส่วนบอกเป็นนัย

ในที่สุดก็มีการพิสูจน์
การคาดเดาแบบแยกส่วนดูเหมือนจะไม่ได้พูดอะไรเกี่ยวกับสมการเช่นxn + yn = zn แต่งานของนักคณิตศาสตร์ในช่วงทศวรรษปี 1980 แสดงให้เห็นความเชื่อมโยงระหว่างแนวคิดใหม่เหล่านี้กับทฤษฎีบทเก่าของแฟร์มาต์

ประการแรก ในปี 1985 แกร์ฮาร์ด เฟรย์ตระหนักว่าหากแฟร์มาต์ผิดและอาจมีวิธีแก้ x n + y n = z nสำหรับค่า n บางค่าที่มากกว่า 2 ค่าแก้ดังกล่าวจะทำให้เกิดเส้นโค้งรูปวงรีที่แปลกประหลาด จากนั้นเคนเน็ธ ริเบต ได้แสดงให้เห็นในปี 1986 ว่าเส้นโค้งดังกล่าวไม่สามารถมีอยู่ในเอกภพที่การคาดเดาแบบโมดูลาร์เป็นจริงเช่นกัน

งานของพวกเขาบอกเป็นนัยว่าหากนักคณิตศาสตร์สามารถพิสูจน์การคาดเดาแบบโมดูลาร์ได้ ทฤษฎีบทสุดท้ายของแฟร์มาต์ก็ต้องเป็นจริง สำหรับนักคณิตศาสตร์หลายคน รวมทั้งแอนดรูว์ ไวล์ส การทำงานเรื่องการคาดเดาเชิงโมดูลกลายเป็นหนทางในการพิสูจน์ทฤษฎีบทสุดท้ายของแฟร์มาต์

ไวล์สทำงานมาเจ็ดปี โดยส่วนใหญ่ทำงานเป็นความลับโดยพยายามพิสูจน์การคาดเดาที่ยากลำบากนี้ ภายในปี 1993 เขาใกล้จะได้พิสูจน์กรณีพิเศษของการคาดเดาแบบแยกส่วน ซึ่งเป็นทั้งหมดที่เขาต้องการเพื่อพิสูจน์ทฤษฎีบทสุดท้ายของแฟร์มาต์

เขานำเสนอผลงานของเขาในการบรรยายเป็นชุด ที่สถาบันไอแซก นิวตัน ในเดือนมิถุนายน พ.ศ. 2536 แม้ว่าการทบทวนโดยผู้ทรงคุณวุฒิในเวลาต่อมาจะพบช่องว่างในการพิสูจน์ของไวล์ส ไวล์สและ ริชาร์ด เทย์เลอร์อดีตนักศึกษาของเขาก็ทำงานอีกปีหนึ่งเพื่อเติมเต็มช่องว่างนั้นและประสานงานชิ้นสุดท้ายของแฟร์มาต์ ทฤษฎีบทในฐานะความจริงทางคณิตศาสตร์

ผลที่ตามมาที่ยั่งยืน
ผลกระทบของทฤษฎีบทสุดท้ายของแฟร์มาต์และการแก้โจทย์ของมันยังคงสะท้อนก้องไปทั่วโลกแห่งคณิตศาสตร์ ในปี พ.ศ. 2544 กลุ่มนักวิจัย รวมทั้งเทย์เลอร์ ได้ให้ข้อพิสูจน์ทั้งหมดเกี่ยวกับการคาดเดาแบบโมดูลาร์ในเอกสารชุดหนึ่งที่ได้รับแรงบันดาลใจจากงานของไวล์ส สะพานเชื่อมระหว่างเส้นโค้งวงรีและรูปแบบโมดูลาร์ที่เสร็จสมบูรณ์นี้ ถือเป็นและจะยังคงเป็นรากฐานของการทำความเข้าใจคณิตศาสตร์ แม้จะเกินกว่าทฤษฎีบทสุดท้ายของแฟร์มาต์ก็ตาม

งานของไวล์สถูกอ้างถึงว่าเป็นจุดเริ่มต้น ” ยุคใหม่ในทฤษฎีจำนวน ” และเป็นศูนย์กลางของชิ้นสำคัญของคณิตศาสตร์สมัยใหม่ รวมถึงเทคนิคการเข้ารหัส ที่ใช้กันอย่างแพร่หลาย และความพยายามวิจัยขนาดใหญ่ที่เรียกว่าโปรแกรมแลงแลนด์ซึ่งมีจุดมุ่งหมายเพื่อสร้างสะพานเชื่อมระหว่างสองปัจจัยพื้นฐาน สาขาวิชาคณิตศาสตร์: ทฤษฎีจำนวนพีชคณิตและการวิเคราะห์ฮาร์มอนิก

แม้ว่าไวล์สจะทำงานแยกเดี่ยวเป็นส่วนใหญ่ แต่ท้ายที่สุดแล้วเขาก็ต้องการความช่วยเหลือจากเพื่อนร่วมงานเพื่อระบุและเติมเต็มช่องว่างในหลักฐานต้นฉบับของเขา คณิตศาสตร์ทุกวันนี้เป็นความพยายามร่วมกัน เพิ่มมากขึ้นเรื่อยๆ ดังที่เห็นได้จากสิ่งที่ต้องทำเพื่อพิสูจน์การคาดเดาแบบแยกส่วนให้เสร็จสิ้น ปัญหามีขนาดใหญ่และซับซ้อนและมักต้องใช้ความเชี่ยวชาญที่หลากหลาย

Andrew Wiles ได้รับรางวัล Abel Prize ซึ่งเป็นเกียรติอย่างสูงในสาขาคณิตศาสตร์ในปี 2016 จากผลงานทฤษฎีบทสุดท้ายของ Fermat
ในที่สุด แฟร์มาต์ก็มีข้อพิสูจน์ทฤษฎีบทสุดท้ายของเขาจริง ๆ ตามที่เขาอ้างหรือไม่? เมื่อรู้สิ่งที่นักคณิตศาสตร์รู้ตอนนี้ พวกเราหลายคนในทุกวันนี้ไม่เชื่อว่าเขารู้ แม้ว่าแฟร์มาต์จะเก่งมาก แต่บางครั้งเขาก็คิดผิด นักคณิตศาสตร์สามารถยอมรับได้ว่าเขาเชื่อว่าเขามีหลักฐาน แต่ก็ไม่น่าเป็นไปได้ที่ข้อพิสูจน์ของเขาจะยืนหยัดต่อการตรวจสอบข้อเท็จจริงสมัยใหม่ได้ อุรังอุตังบอร์เนียวเป็นหนึ่งในสามสายพันธุ์อุรังอุตังทั้งหมดอยู่ในภาวะใกล้สูญพันธุ์อย่างยิ่ง พวกมันเจริญเติบโตได้ดีในป่าพรุที่อุดมไปด้วยคาร์บอนบนเกาะบอร์เนียวของอินโดนีเซีย แหล่งที่อยู่อาศัยเหล่านี้ยังเป็นแหล่งเกิดไฟป่าขนาดใหญ่อีกด้วย

ไฟป่าในอินโดนีเซียในปี 2558 ก่อให้เกิดมลพิษทางอากาศจากไฟไหม้ที่เลวร้ายที่สุดเท่าที่เคยมีมา ไฟดังกล่าวเกิดจากวัฏจักรภูมิอากาศเอลนีโญซึ่งทำให้เกิดสภาพอากาศแห้งเป็นพิเศษในภูมิภาค

เมื่อเปรียบเทียบกับไฟป่าอื่นๆ ไฟป่าพรุจะคุกรุ่นอยู่ใต้ดินและก่อให้เกิดก๊าซอันตรายและอนุภาคในระดับสูงเป็นพิเศษ ซึ่งเป็นสาเหตุสำคัญของการเสียชีวิตและความเจ็บป่วยที่เกี่ยวข้องกับมลพิษทั่วโลก

อุรังอุตังเป็นที่รู้จักกันดีว่าเป็น “ สายพันธุ์บ่งชี้ ” ซึ่งเป็นสายพันธุ์ที่ทำหน้าที่เป็นตัวแทนด้านสุขภาพของระบบนิเวศได้ การเปลี่ยนแปลงสภาพแวดล้อมมักทำให้เกิดการเปลี่ยนแปลงอย่างเห็นได้ชัดต่อสุขภาพและพฤติกรรมของลิง การได้รับควันพิษบ่อยครั้งและต่อเนื่องอาจส่งผลร้ายแรงต่ออุรังอุตังและสัตว์ป่าอื่นๆ

มลพิษทางอากาศที่เป็นพิษยังก่อให้เกิดความเสี่ยงด้านสุขภาพและความปลอดภัยอย่างร้ายแรงสำหรับนักวิจัยอีกด้วย อย่างไรก็ตามเทคนิคการสำรวจระยะไกลเช่น ภาพถ่ายจากดาวเทียม ข้อมูล GPS และการติดตามเสียง เป็นวิธีที่ได้รับความนิยมมากขึ้นเรื่อยๆ ในการติดตามประชากรสัตว์ป่า และดูว่าสิ่งมีชีวิตตอบสนองต่อการเปลี่ยนแปลงในสภาพแวดล้อมอย่างไร

ฉันได้ศึกษาพฤติกรรม นิเวศวิทยา และการสื่อสารด้วยเสียงของไพรเมตป่าในอินโดนีเซียมาตั้งแต่ปี 2548 ในการศึกษาใหม่ ผู้เขียนร่วมของฉันและฉันตรวจสอบว่าอุรังอุตังป่าในเกาะบอร์เนียวได้รับผลกระทบจากการปล่อยสารพิษจากไฟป่าพรุในอินโดนีเซียในปี 2558 อย่างไร โดยศึกษาเสียงของพวกมัน .

พื้นที่ป่าพรุที่เสื่อมโทรมของอินโดนีเซียนั้นเป็นเชื้อไฟที่สามารถติดไฟได้ง่ายเมื่อสภาพอากาศแห้งเป็นเวลาหลายสัปดาห์
การได้รับควันทำให้เกิดความเสี่ยงในระยะยาว
ไฟป่ากำลังเพิ่มสูงขึ้นทั่วโลก พวกมันมักก่อให้เกิดหมอกควันหนาทึบซึ่งประกอบด้วยก๊าซอันตรายและอนุภาคต่างๆ หรือ PM ล่าสุด ควันจากไฟป่าของแคนาดาปกคลุมชายฝั่งตะวันออกและมิดเวสต์ของสหรัฐอเมริกาเมื่อต้นเดือนมิถุนายน 2023 ทำให้ท้องฟ้าเปลี่ยนเป็นสีส้มและกระตุ้นให้เกิดการแจ้งเตือนด้านสาธารณสุข

การศึกษาพบว่าความเสี่ยงด้านสุขภาพของมนุษย์จากควันไฟป่าได้แก่ โรคทางเดินหายใจและโรคหลอดเลือดหัวใจ การอักเสบทั่วร่างกาย และการเสียชีวิตก่อนวัยอันควร ยังไม่ค่อยมีใครทราบมากนักว่าควันส่งผลต่อสัตว์ป่าอย่างไร แต่ในการศึกษาสองชิ้นที่ตีพิมพ์ในปี 2021 และ 2022นักวิทยาศาสตร์จากศูนย์วิจัยไพรเมตแห่งชาติแคลิฟอร์เนียรายงานการค้นพบที่น่าตกใจ

หลังจากสัมผัสกับอนุภาคที่มีความเข้มข้นสูงในเวลาไม่ถึงสองสัปดาห์ โดยเฉพาะอย่างยิ่งอนุภาคขนาดเล็กพิเศษที่มีเส้นผ่านศูนย์กลางน้อยกว่า 2.5 ไมครอน ซึ่งรู้จักกันในชื่อ PM2.5 ลิงแสมจำพวกเชลยก็ประสบปัญหาการสูญเสียการตั้งครรภ์เพิ่มขึ้นอย่างรวดเร็ว ยิ่งไปกว่านั้น ทารกในครรภ์และทารกที่รอดชีวิตจะได้รับผลกระทบในระยะยาวต่อความจุของปอด การตอบสนองของระบบภูมิคุ้มกัน การอักเสบ ระดับคอร์ติซอล พฤติกรรม และความจำ

ในช่วงที่เกิดเพลิงไหม้ที่อินโดนีเซียในปี 2558 อากาศของเกาะบอร์เนียวมีความเข้มข้นของอนุภาคเกือบจะสูงกว่าระดับในการศึกษาเหล่านี้ สิ่งนี้ทำให้เกิดผลกระทบต่อผู้คนและสัตว์ป่าที่ต้องสูดควันไฟป่าในอินโดนีเซียเป็นเวลาเกือบสองเดือนอย่างน่ากังวลอย่างยิ่ง

ไฟและควันลอยขึ้นมาจากพื้นดินที่ไหม้เกรียมใกล้ต้นไม้ที่ไหม้เกรียม
ไฟป่าลุกลามในสวนยางพาราเล็กๆ ตามแนวชายแดนพื้นที่ศึกษาทัวนัน ในช่วงที่เกิดไฟป่าที่อินโดนีเซียเมื่อปี 2558 เวนดี้ เอิร์บ CC BY-ND
อุรังอุตังในหมอกควัน
ฉันกำลังศึกษาอุรังอุตังป่าในป่าบนเกาะบอร์เนียวของอินโดนีเซีย ตอนที่เกิดเพลิงไหม้ในปี 2015 ฉันและเพื่อนร่วมงานที่สถานีวิจัยอุรังอุตังทัวนันติดตามไฟในพื้นที่และลาดตระเวนจุดร้อนใกล้เคียงเพื่อประเมินความเสี่ยงที่ไฟจะลุกลามไปยังพื้นที่วิจัยของเรา

เราสวมหน้ากาก N-95 เพื่อติดตามอุรังอุตังต่อไปโดยหวังว่าจะได้เรียนรู้ว่าสัตว์เหล่านี้รับมือกับไฟที่ลุกลามและควันหนาทึบอย่างไร ไม่กี่สัปดาห์ก่อนฤดูไฟ ฉันสังเกตเห็นความ แตกต่างในเสียงของ ” การโทรยาว ” ของผู้ชาย ซึ่งเป็นจุดเน้นในการวิจัยของฉัน

ลิงอุรังอุตังบอร์เนียวตัวผู้โตเต็มวัยมีเสียงเรียกยาว
การโทรยาวเป็นการเปล่งเสียงที่ดังก้องซึ่งสามารถได้ยินได้ในระยะทางมากกว่าครึ่งไมล์ (1 กิโลเมตร) อุรังอุตังเป็นสัตว์กึ่งโดดเดี่ยวและอาศัยอยู่ในชุมชนกระจัดกระจาย ดังนั้นสายเหล่านี้จึงมีบทบาททางสังคมที่สำคัญ ผู้ชายที่เป็นผู้ใหญ่ทำให้พวกเขาโฆษณาความสามารถในการรับฟังผู้หญิงในพื้นที่ และเพื่อขู่ผู้ชายที่เป็นคู่แข่งที่กำลังดักฟังอยู่ สองสามสัปดาห์หลังจากควันปรากฏขึ้น ฉันคิดว่าผู้ชายเหล่านี้ฟังดูขาดๆ หายๆ เหมือนกับมนุษย์ที่สูบบุหรี่มากเล็กน้อย

เราสังเกตอุรังอุตังเป็นเวลา 44 วันในช่วงที่เกิดเพลิงไหม้ จนกระทั่งไฟขนาดใหญ่ลุกลามเข้ามาในพื้นที่ศึกษาของเรา เมื่อถึงจุดนั้น เราจึงหยุดการศึกษาเพื่อช่วยดับไฟร่วมกับทีมดับเพลิงในพื้นที่ รวมถึงกลุ่มรัฐบาลและองค์กรไม่แสวงหากำไรอื่นๆ ไฟไหม้ในพื้นที่ศึกษาของเราเป็นเวลาสามสัปดาห์

โดยใช้ข้อมูลที่เรารวบรวมก่อน ระหว่าง และหลัง เพลิง ไหม้ ฉันเป็นผู้นำการวิเคราะห์ พฤติกรรมและสุขภาพของประชากรอุรังอุตังบอร์เนียว ผู้เขียนร่วมของฉันและฉันพบว่าในช่วงหลายสัปดาห์หลังเพลิงไหม้ ลิงเหล่านี้ลดกิจกรรมลง โดยพักผ่อนมากขึ้นและเดินทางในระยะทางที่สั้นลง และบริโภคแคลอรี่มากกว่าปกติ

แม้ว่าพวกมันจะกินมากขึ้นและเคลื่อนไหวน้อยลง แต่เราพบว่าจากการรวบรวมและทดสอบปัสสาวะของลิงว่ามันยังคงเผาผลาญไขมันที่สะสมอยู่ซึ่งเป็นสัญญาณบ่งบอกว่าพวกมันใช้พลังงานมากขึ้น เราตั้งสมมติฐานว่าสาเหตุอาจเป็นการอักเสบเช่น อาการบวม เป็นไข้ ความเจ็บปวด และความเมื่อยล้าที่ร่างกายมนุษย์และสัตว์ประสบจากการตอบสนองต่อการติดเชื้อหรือการบาดเจ็บ

อุรังอุตังเอนกายอยู่บนต้นไม้ที่รายล้อมไปด้วยหมอกควัน
ออตโต หนึ่งในสี่อุรังอุตังตัวผู้ที่โตเต็มวัยสังเกตและบันทึกสำหรับการวิจัยนี้ งีบหลับตอนกลางวันในช่วงเกิดไฟป่าที่อินโดนีเซียเมื่อปี 2558 เวนดี้ เอิร์บ CC BY-ND
เสียงเซนติเนล
การศึกษาพบว่าเมื่อมนุษย์สัมผัสกับฝุ่นละออง พวกเขาจะมีอาการอักเสบ ทั้งในทางเดินหายใจและทั่วร่างกาย เราต้องการทราบว่าการสูดควันไฟป่าจะทำให้เสียงร้องของลิงอุรังอุตังเปลี่ยนไป เช่นเดียวกับการสูดควันบุหรี่ในมนุษย์หรือไม่

ในการศึกษานี้ ผู้เขียนร่วมของฉันและฉันวิเคราะห์ไฟล์บันทึกเสียงของอุรังอุตังตัวผู้สี่ตัวอย่างระมัดระวังมากกว่า 100 รายการ ที่เราติดตามก่อนและระหว่างเกิดเพลิงไหม้ เพื่อวัดการตอบสนองของเสียงต่อควันไฟป่า การวิจัยพบว่าชุดลักษณะเสียงร้อง รวมถึงระดับเสียงสูงต่ำ เสียงแหลมหรือเสียงแหบ และเสียงสั่นสะท้อนถึงสุขภาพและสภาพพื้นฐานของทั้งมนุษย์และสัตว์ที่ไม่ใช่มนุษย์ เรากำลังมองหาเบาะแสเกี่ยวกับเสียงว่าอากาศที่เป็นพิษนี้อาจส่งผลต่ออุรังอุตังอย่างไร

ระหว่างที่เกิดเพลิงไหม้และเป็นเวลาหลายสัปดาห์หลังจากควันจางลง ผู้ชายเหล่านี้โทรมาน้อยกว่าปกติ โดยปกติอุรังอุตังจะโทรมาประมาณหกครั้งต่อวัน แต่ในช่วงเกิดเพลิงไหม้ อัตราการโทรของพวกเขาลดลงครึ่งหนึ่ง เสียงของพวกเขาลดลงในระดับเสียง แสดงให้เห็นถึงความรุนแรงของเสียงและความผิดปกติมากขึ้น

โดยรวมแล้ว คุณลักษณะด้านคุณภาพเสียงร้องเหล่านี้เชื่อมโยงกับอาการอักเสบ ความเครียด และโรคต่างๆ รวมถึงโรคโควิด-19 ในมนุษย์และสัตว์ที่ไม่ใช่มนุษย์

การฟังประเภทเสียงร้อง
การได้รับควันพิษบ่อยครั้งและต่อเนื่องเป็นเวลานานอาจส่งผลร้ายแรงต่ออุรังอุตังและสัตว์อื่นๆ การวิจัยของเราเน้นย้ำถึงความจำเป็น เร่งด่วนในการทำความเข้าใจผลกระทบระยะยาวและระยะยาวของไฟป่าพรุในอินโดนีเซีย ซึ่งเป็นหนึ่งในประเทศที่มีความหลากหลายทางชีวภาพมากที่สุดในโลก

การศึกษาของเราเน้นย้ำถึงวิธีที่นักวิทยาศาสตร์และผู้จัดการสัตว์ป่าสามารถติดตามสุขภาพของอุรังอุตังและสัตว์อื่นๆ ได้อย่างปลอดภัยด้วยการเปิดเผยความเชื่อมโยงระหว่างการเปลี่ยนแปลงทางเสียง พฤติกรรม และพลังในอุรังอุตัง การใช้การตรวจติดตามด้วยเสียงแบบพาสซีฟเพื่อศึกษาสายพันธุ์ที่มีเสียงร้อง เช่น อุรังอุตัง สามารถปลดล็อกข้อมูลเชิงลึกที่สำคัญเกี่ยวกับผลกระทบของควันไฟป่าต่อประชากรสัตว์ป่าทั่วโลก ความสนใจด้านปัญญาประดิษฐ์ที่เพิ่มมากขึ้นได้ดึงดูดความสนใจไม่เพียงแต่ความสามารถอันน่าอัศจรรย์ของอัลกอริทึมในการเลียนแบบมนุษย์เท่านั้น แต่ยังรวมถึงความจริงที่ว่าอัลกอริทึมเหล่านี้สามารถเข้ามาแทนที่มนุษย์จำนวนมากในงานของพวกเขาได้ ผลที่ตามมาทางเศรษฐกิจและสังคมอาจไม่ใช่เรื่องที่น่าทึ่ง

เส้นทางสู่การเปลี่ยนแปลงทางเศรษฐกิจครั้งนี้คือผ่านทางสถานที่ทำงาน การศึกษาของ Goldman Sachs ที่เผยแพร่อย่างกว้างขวางคาดการณ์ว่าประมาณสองในสามของอาชีพปัจจุบันในทศวรรษหน้าอาจได้รับผลกระทบ และหนึ่งในสี่ถึงครึ่งหนึ่งของงานที่ผู้คนทำอยู่ในปัจจุบันอาจถูกครอบงำโดยอัลกอริทึม ตำแหน่งงานมากถึง 300 ล้านตำแหน่งทั่วโลกอาจได้รับผลกระทบ บริษัทที่ปรึกษา McKinsey เปิดเผยผลการศึกษาของตนเองที่คาดการณ์ว่า AI จะช่วยกระตุ้นเศรษฐกิจโลกเป็นมูลค่า 4.4 ล้านล้านเหรียญสหรัฐทุกปี

ผลกระทบของตัวเลขขนาดมหึมานั้นน่ากังวล แต่คำทำนายเหล่านี้เชื่อถือได้แค่ไหน?

ฉันเป็นผู้นำโครงการวิจัยชื่อDigital Planetซึ่งศึกษาผลกระทบของเทคโนโลยีดิจิทัลต่อชีวิตและการดำรงชีวิตทั่วโลก และผลกระทบที่เปลี่ยนแปลงไปตามกาลเวลาอย่างไร ดูว่าคลื่นของเทคโนโลยีดิจิทัลก่อนหน้านี้ เช่น คอมพิวเตอร์ส่วนบุคคลและอินเทอร์เน็ตส่งผลกระทบต่อพนักงานอย่างไร ให้ข้อมูลเชิงลึกเกี่ยวกับผลกระทบที่อาจเกิดขึ้นของ AI ในปีต่อ ๆ ไป แต่หากประวัติความเป็นมาของการทำงานในอนาคตเป็นแนวทางเราก็ควรเตรียมรับเรื่องเซอร์ไพรส์ไว้บ้าง

การปฏิวัติด้านไอทีและความขัดแย้งด้านประสิทธิภาพการผลิต
ตัวชี้วัดหลักในการติดตามผลกระทบของเทคโนโลยีที่มีต่อเศรษฐกิจคือการเติบโตของผลิตภาพของพนักงานซึ่งหมายถึงปริมาณงานที่พนักงานสามารถสร้างได้ต่อชั่วโมง สถิติที่ดูเหมือนจะแห้งแล้งนี้มีความสำคัญต่อคนทำงานทุกคน เพราะมันเชื่อมโยงโดยตรงกับจำนวนเงินที่คนงานสามารถคาดหวังที่จะได้รับในแต่ละชั่วโมงของการทำงาน กล่าวอีกนัยหนึ่ง ผลผลิตที่ สูงขึ้นคาดว่าจะนำไปสู่ค่าจ้างที่สูงขึ้น

ผลิตภัณฑ์ Generative AI มีความสามารถในการผลิตเนื้อหาหรือโปรแกรมซอฟต์แวร์ที่เป็นลายลักษณ์อักษร กราฟิกและเสียง โดยที่มนุษย์มีส่วนร่วมน้อยที่สุด อาชีพต่างๆ เช่น การโฆษณา ความบันเทิง งานสร้างสรรค์และงานวิเคราะห์ อาจเป็นหนึ่งในกลุ่มแรกๆ ที่รู้สึกถึงผลกระทบ บุคคลในสาขาเหล่านั้นอาจกังวลว่าบริษัทต่างๆ จะใช้AI เจนเนอเรชั่นเพื่อทำงานที่เคยทำแต่นักเศรษฐศาสตร์มองเห็นศักยภาพที่ดีในการเพิ่มผลผลิตของพนักงานโดยรวม

การศึกษาของ Goldman Sachs คาดการณ์ว่าประสิทธิภาพการทำงานจะเพิ่มขึ้น 1.5% ต่อปี เนื่องจากการใช้ generative AI เพียงอย่างเดียว ซึ่งจะเพิ่มเกือบสองเท่าของอัตราในปี 2010 และ 2018 McKinsey มีความก้าวร้าวมากขึ้น โดยกล่าวว่าเทคโนโลยีนี้และระบบอัตโนมัติในรูปแบบอื่น ๆ จะนำพาไปสู่ ​​“ ขอบเขตการผลิตขั้นต่อไป ” โดยจะผลักดันให้สูงถึง 3.3% ต่อปีภายในปี 2583

การเพิ่มผลิตภาพแบบนั้นซึ่งจะเข้าใกล้อัตราของปีก่อนๆ จะได้รับการตอบรับจากทั้งนักเศรษฐศาสตร์และในทางทฤษฎีแล้ว คนงานก็เช่นกัน

หากเราย้อนรอยประวัติศาสตร์การเติบโตของผลิตภาพในศตวรรษที่ 20 ในสหรัฐอเมริกา อัตราการเติบโตดังกล่าวจะเพิ่มขึ้นประมาณ3%ต่อปีตั้งแต่ปี 1920 ถึง 1970 ซึ่งส่งผลให้ค่าจ้างที่แท้จริงและมาตรฐานการครองชีพสูงขึ้น สิ่งที่น่าสนใจคือการเติบโตของผลิตภาพชะลอตัวในช่วงทศวรรษ 1970 และ 1980 ซึ่งสอดคล้องกับการเปิดตัวคอมพิวเตอร์และเทคโนโลยีดิจิทัลในยุคแรกๆ “ ความขัดแย้งด้านประสิทธิภาพการทำงาน ” นี้ได้รับการกล่าว ถึงอย่างโด่งดังในความคิดเห็นของนักเศรษฐศาสตร์ของ MIT Bob Solow : คุณสามารถดูอายุของคอมพิวเตอร์ได้ทุกที่ยกเว้นในสถิติด้านประสิทธิภาพการทำงาน

ผู้คลางแคลงใจเกี่ยวกับเทคโนโลยีดิจิทัลกล่าวโทษ เวลาที่ “ไม่เกิดผล” ที่ใช้ไปกับโซเชียลมีเดียหรือการช็อปปิ้ง และแย้งว่าการเปลี่ยนแปลงก่อนหน้านี้ เช่น การนำไฟฟ้าหรือเครื่องยนต์สันดาปภายใน มีบทบาทสำคัญในการเปลี่ยนแปลงธรรมชาติของงานโดยพื้นฐาน ผู้มองโลกในแง่ดีด้านเทคโนไม่เห็นด้วย พวกเขาแย้งว่าเทคโนโลยีดิจิทัลใหม่ๆต้องใช้เวลาในการแปลงไปสู่การเติบโตของผลิตภาพ เนื่องจากการเปลี่ยนแปลงเสริมอื่นๆ จะต้องมีการพัฒนาไปพร้อมๆ กัน ยังมีคนอื่นๆกังวลว่ามาตรการด้านประสิทธิภาพการทำงานไม่เพียงพอในการจับมูลค่าของคอมพิวเตอร์

ดูเหมือนว่าผู้มองโลกในแง่ดีจะได้รับการพิสูจน์ให้ถูกต้องอยู่พักหนึ่ง ในช่วงครึ่งหลังของทศวรรษ 1990 ซึ่งเป็นช่วงเวลาที่เวิลด์ไวด์เว็บถือกำเนิดขึ้น การเติบโตของผลิตภาพในสหรัฐอเมริกาเพิ่มขึ้นสองเท่าจาก 1.5% ต่อปีในครึ่งแรกของทศวรรษนั้นเป็น 3% ในทศวรรษที่สอง มีความขัดแย้งกันอีกครั้งเกี่ยวกับสิ่งที่เกิดขึ้นจริง ทำให้น้ำขุ่นมากขึ้นว่าความขัดแย้งได้รับการแก้ไขแล้วหรือไม่ บางคนแย้งว่าแท้จริงแล้ว การลงทุนในเทคโนโลยีดิจิทัลได้รับผลตอบแทนในที่สุด ในขณะที่มุมมองทางเลือกคือนวัตกรรมด้านการจัดการและเทคโนโลยีในอุตสาหกรรมหลักสองสามอุตสาหกรรมเป็นตัวขับเคลื่อนหลัก

โดยไม่คำนึงถึงคำอธิบาย เช่นเดียวกับที่ลึกลับพอ ๆ กับที่มันเริ่มต้นขึ้น การเพิ่มขึ้นอย่างรวดเร็วในช่วงปลายทศวรรษ 1990 นั้นเกิดขึ้นได้เพียงช่วงสั้น ๆ ดังนั้น แม้ว่าองค์กรจะลงทุนมหาศาลในด้านคอมพิวเตอร์และอินเทอร์เน็ต การเปลี่ยนแปลงที่เปลี่ยนแปลงสถานที่ทำงาน แต่เศรษฐกิจและค่าจ้างแรงงานที่ได้รับประโยชน์จากเทคโนโลยียังคงไม่แน่นอน

ต้นปี 2000: การตกต่ำครั้งใหม่ กระแสใหม่ ความหวังใหม่
ในขณะที่จุดเริ่มต้นของศตวรรษที่ 21 เกิดขึ้นพร้อมกับการระเบิดของฟองสบู่ดอทคอม แต่ในปี 2550 ก็มีการปฏิวัติเทคโนโลยีอีกรูปแบบหนึ่งเกิดขึ้น นั่นคือApple iPhoneซึ่งผู้บริโภคซื้อไปเป็นล้านๆ และบริษัทใดบ้างที่นำไปใช้งานนับไม่ถ้วน วิธี แต่การเติบโตของผลิตภาพแรงงานเริ่มหยุดชะงักอีกครั้งในช่วงกลางทศวรรษ 2000 โดยเพิ่มขึ้นในช่วงสั้นๆ ในปี 2552ในช่วงภาวะเศรษฐกิจถดถอยครั้งใหญ่ และกลับไปสู่ภาวะตกต่ำในช่วงปี 2553 ถึง 2562

คนกำลังดูวิดีโอสุนัขที่โต๊ะในออฟฟิศ
สมาร์ทโฟนได้นำไปสู่แอพและบริการผู้บริโภคหลายล้านรายการ แต่ยังทำให้พนักงานจำนวนมากเชื่อมโยงกับสถานที่ทำงานอย่างใกล้ชิดมากขึ้น หนังสือพิมพ์ San Francisco Chronicle/Hearst ผ่าน Getty Images
ตลอดช่วงตกต่ำครั้งใหม่นี้ นักเทคโนที่มองโลกในแง่ดีต่างคาดการณ์ถึงกระแสลมแห่งการเปลี่ยนแปลงครั้งใหม่ AI และระบบอัตโนมัติกำลังกลายเป็นกระแส และได้รับการคาดหวังให้เปลี่ยนงานและผลิตภาพของผู้ปฏิบัติงาน นอกเหนือจากระบบอัตโนมัติทางอุตสาหกรรมแบบดั้งเดิม โดรน และหุ่นยนต์ขั้นสูงแล้ว ทุนและความสามารถได้หลั่งไหลเข้าสู่เทคโนโลยีที่จะเปลี่ยนแปลงเกม มากมาย รวมถึงยานพาหนะที่ขับเคลื่อนอัตโนมัติ การชำระเงินอัตโนมัติในร้านขายของชำ และแม้แต่ หุ่น ยนต์ทำพิซซ่า AI และระบบอัตโนมัติถูกคาดการณ์ว่าจะผลักดันการเติบโตของผลิตภาพให้สูงกว่า 2%ต่อปีในหนึ่งทศวรรษ เพิ่มขึ้นจากระดับต่ำสุดในปี 2010-2014 ที่0.4 %

แต่ก่อนที่เราจะไปถึงจุดนั้นและประเมินว่าเทคโนโลยีใหม่เหล่านี้จะแพร่กระจายไปทั่วสถานที่ทำงานอย่างไร สิ่งที่น่าประหลาดใจครั้งใหม่ก็ได้เกิดขึ้น: การแพร่ระบาดของโควิด-19

ผลผลิตจากโรคระบาดกดดัน – จากนั้นก็พังทลาย
ผลผลิตของพนักงานเพิ่มขึ้นหลังจากที่เริ่มในปี 2020 ซึ่งสร้าง ความเสียหายร้ายแรงในขณะที่เกิดการแพร่ระบาด ผลผลิตต่อชั่วโมงทำงานทั่วโลกอยู่ที่ 4.9% ซึ่งสูงที่สุดนับตั้งแต่มีข้อมูล

การเพิ่มขึ้นอย่างมากนี้ส่วนใหญ่ได้รับการอำนวยความสะดวกโดยเทคโนโลยี: บริษัทที่เน้นความรู้ขนาดใหญ่ – โดยเนื้อแท้แล้วเป็นบริษัทที่มีประสิทธิผลมากกว่า – เปลี่ยนไปทำงานจากระยะไกลรักษาความต่อเนื่องผ่านเทคโนโลยีดิจิทัล เช่น การประชุมผ่านวิดีโอและเทคโนโลยีการสื่อสาร เช่น Slack และการประหยัดเวลาในการเดินทางและมุ่งเน้นไปที่ความเป็นอยู่ที่ดี

แม้ว่าเทคโนโลยีดิจิทัลจะเห็นได้ชัดว่าช่วยเพิ่มประสิทธิภาพการทำงานของพนักงานที่มีความรู้ แต่ภาคส่วนอื่นๆ จำนวนมากก็มีการเปลี่ยนแปลงอย่างรวดเร็วไปสู่ระบบอัตโนมัติมากขึ้นเนื่องจากพนักงานต้องอยู่บ้านเพื่อความปลอดภัยของตนเองและปฏิบัติตามมาตรการล็อคดาวน์ บริษัทต่างๆ ในอุตสาหกรรมตั้งแต่การแปรรูปเนื้อสัตว์ไปจนถึงการดำเนินงานในร้านอาหาร การค้าปลีก และการบริการที่ลงทุนในระบบอัตโนมัติเช่น หุ่นยนต์และการประมวลผลคำสั่งซื้อแบบอัตโนมัติและการบริการลูกค้า ซึ่งช่วยเพิ่มผลผลิตของพวกเขา

แต่แล้วการเดินทางไปตามภูมิทัศน์เทคโนโลยีก็มีการเปลี่ยนแปลงอีกครั้ง

การลงทุนในภาคเทคโนโลยีที่เพิ่มขึ้นในช่วงปี 2020-2021 ได้พังทลายลงเช่นเดียวกับกระแสนิยมเกี่ยวกับยานยนต์ไร้คนขับและหุ่นยนต์ทำพิซซ่า คำสัญญาอื่น ๆ ที่เป็นฟอง เช่นการปฏิวัติการทำงานระยะไกลหรือการฝึกฝนของ metaverseดูเหมือนจะจางหายไปในเบื้องหลัง

ควบคู่ไปกับการเตือนเพียงเล็กน้อย “AI เจนเนอเรชั่น” ก็ปรากฏตัวขึ้นในที่เกิดเหตุด้วยศักยภาพโดยตรงที่มากยิ่งขึ้นในการเพิ่มผลผลิตในขณะที่ส่งผลกระทบต่องานในวงกว้าง วงจรการโฆษณาเทคโนโลยีใหม่เริ่มต้นขึ้นอีกครั้ง

มองไปข้างหน้า: ปัจจัยทางสังคมต่อส่วนโค้งของเทคโนโลยี
เมื่อพิจารณาถึงจำนวนการพลิกผันของพล็อตเรื่อง เราอาจคาดหวังอะไรจากนี้ไป? ต่อไปนี้เป็นประเด็นที่ต้องพิจารณาสี่ประเด็น

ประการแรก อนาคตของการทำงานเป็นมากกว่าแค่จำนวนคนงาน เครื่องมือทางเทคนิคที่พวกเขาใช้หรืองานที่พวกเขาทำ เราควรพิจารณาว่า AI ส่งผลกระทบต่อปัจจัยต่างๆ เช่น ความหลากหลายของสถานที่ทำงานและความไม่เสมอภาคทางสังคมอย่างไร ซึ่งส่งผลกระทบอย่างลึกซึ้งต่อโอกาสทางเศรษฐกิจและวัฒนธรรมในที่ทำงาน

ตัวอย่างเช่น แม้ว่าการเปลี่ยนแปลงในวงกว้างไปสู่การทำงานจากระยะไกลสามารถช่วยส่งเสริมความหลากหลายด้วยการจ้างงานที่ยืดหยุ่นมากขึ้น แต่ฉันเห็นว่าการใช้ AI ที่เพิ่มขึ้นมีแนวโน้มที่จะให้ผลตรงกันข้าม คนงานผิวดำและฮิสแปนิกมีตัวแทนมากเกินไปใน 30 อาชีพที่มีความเสี่ยงต่อระบบอัตโนมัติสูงสุด และมีจำนวนน้อยเกินไปใน 30 อาชีพที่มีความเสี่ยงน้อยที่สุด แม้ว่า AI อาจช่วยให้พนักงานทำงานได้สำเร็จมากขึ้นโดยใช้เวลาน้อยลง และประสิทธิภาพการทำงานที่เพิ่มขึ้นนี้อาจทำให้ค่าจ้างเพิ่มขึ้นของผู้ที่ถูกจ้าง แต่ก็อาจนำไปสู่การสูญเสียค่าจ้างอย่างรุนแรงสำหรับผู้ที่ถูกย้ายงาน รายงานปี 2021 พบว่าความไม่เท่าเทียมกันของค่าจ้างมีแนวโน้มเพิ่มขึ้นมากที่สุดในประเทศที่บริษัทต่างๆ พึ่งพาหุ่นยนต์เป็นจำนวนมากอยู่แล้ว และได้นำเทคโนโลยีหุ่นยนต์ใหม่ล่าสุดมาใช้อย่างรวดเร็ว

ประการที่สอง เนื่องจากสถานที่ทำงานหลังสถานการณ์โควิด-19 แสวงหาความสมดุลระหว่างการทำงานด้วยตนเองและการทำงานทางไกล ผลกระทบต่อประสิทธิภาพการทำงานและความคิดเห็นเกี่ยวกับเรื่องดังกล่าวจะยังคงไม่แน่นอนและลื่นไหล การศึกษา ในปี 2022แสดงให้เห็นประสิทธิภาพที่ดีขึ้นสำหรับการทำงานจากระยะไกล เนื่องจากบริษัทและพนักงานรู้สึกสบายใจมากขึ้นกับการเตรียมการทำงานจากที่บ้าน แต่จากการศึกษาในปี 2023 ที่แยกออกมา พบว่าผู้จัดการและพนักงานไม่เห็นด้วยกับผลกระทบ โดยงานวิจัยแรกเชื่อว่าการทำงานจากระยะไกลลดประสิทธิภาพการทำงาน ในขณะที่ พนักงานกลับเชื่อตรงกันข้าม

ประการที่สาม ปฏิกิริยาของสังคมต่อการแพร่กระจายของ Generative AI อาจส่งผลกระทบอย่างมากต่อแนวทางและผลกระทบขั้นสุดท้าย การวิเคราะห์ชี้ให้เห็นว่า generative AI สามารถเพิ่มประสิทธิภาพการทำงานของพนักงานในงานเฉพาะได้ ตัวอย่างเช่น การศึกษาชิ้นหนึ่งในปี 2023 พบว่าการแนะนำผู้ช่วยสนทนาที่ใช้ generative AI แบบไม่ต่อเนื่องช่วยเพิ่มผลผลิตของเจ้าหน้าที่บริการลูกค้าได้ถึง 14% ยังมีกระแสเรียกร้องให้พิจารณาความเสี่ยงที่รุนแรงที่สุดของ generative AI และดำเนินการอย่างจริงจัง ยิ่งไปกว่านั้น การรับรู้ถึง ต้นทุน การประมวลผล ทางดาราศาสตร์ และสิ่งแวดล้อมของ generative AI อาจจำกัดการพัฒนาและการใช้งาน

ท้ายที่สุด เมื่อพิจารณาถึงความผิดพลาดของนักเศรษฐศาสตร์และผู้เชี่ยวชาญคนอื่นๆ ในอดีต ก็ปลอดภัยที่จะกล่าวว่าการคาดการณ์มากมายในปัจจุบันเกี่ยวกับผลกระทบของเทคโนโลยี AI ในการทำงานและผลิตภาพของผู้ปฏิบัติงานก็จะพิสูจน์ได้ว่าผิดเช่นกัน ตัวเลขเช่นตำแหน่งงาน 300 ล้านตำแหน่งที่ได้รับผลกระทบหรือการกระตุ้นเศรษฐกิจโลกมูลค่า 4.4 ล้านล้านดอลลาร์ต่อปีเป็นที่น่าจับตามอง แต่ฉันคิดว่าผู้คนมักจะให้ความน่าเชื่อถือแก่พวกเขามากกว่าที่รับประกัน