[論文レビュー] Economic impacts of AI-augmented R&D

Tamay Besiroglu, Nicholas Emery-Xu+1 more|arXiv (Cornell University)|Dec 15, 2022

Innovation Policy and R&D被引用数 4

ひとこと要約

本論文は、深層学習に基づくコンピュータビジョンを含むAI補完型R&Dが、伝統的なR&Dよりも著しく資本集約的であることを示しており、これがイノベーションの生産を加速させることを示している。実証データと準内生的成長モデルを用いて、著者らはAIをR&Dに広く導入すれば、計算資本の活用を高めることで、米国の生産性成長率がほぼ2倍にまで上昇する可能性があると示している。

ABSTRACT

Since its emergence around 2010, deep learning has rapidly become the most important technique in Artificial Intelligence (AI), producing an array of scientific firsts in areas as diverse as protein folding, drug discovery, integrated chip design, and weather prediction. As more scientists and engineers adopt deep learning, it is important to consider what effect widespread deployment would have on scientific progress and, ultimately, economic growth. We assess this impact by estimating the idea production function for AI in two computer vision tasks that are considered key test-beds for deep learning and show that AI idea production is notably more capital-intensive than traditional R&D. Because increasing the capital-intensity of R&D accelerates the investments that make scientists and engineers more productive, our work suggests that AI-augmented R&D has the potential to speed up technological change and economic growth.

研究の動機と目的

• AI補完型R&Dの経済的影響がイノベーションの生産および長期的成長に与える影響を評価すること。
• 深層学習の導入がR&Dの資本集約性を高め、イノベーションを加速させるかどうかを調査すること。
• AI駆動型R&Dにおける計算資本に対するイノベーション生産の弾力性を推定すること。
• AI駆動型R&Dがイノベーションプロセスを変革するという点で、一般用途技術（GPT）としての資格を有するかどうかを評価すること。
• AIのR&D分野への導入と測定可能な生産性成長の上昇の間の実証的証拠を提供すること。

提案手法

• 著者らは、コンピュータビジョン分野における深層学習研究のマイクロデータを用いて、イノベーション生産関数を推定している。
• 測定誤差を低減するために、ハードウェア仕様やトレーニング実行メトリクスを用いた複数の近似手法により、計算投入を測定している。
• 増加するR&Dの資本集約性が長期的生産性成長に与える影響を分析するために、準内生的成長モデルが用いられている。
• 米国経済全体における深層学習R&Dの資本集約性と、伝統的R&D部門との比較がなされている。
• 報告慣行に起因する選択バイアスは、標準化された国際会議のチェックリストと複数の推定手法を用いることで軽減されている。
• ハイパーパramータチューニングの実行は、合計計算量に寄与する可能性があるが、最終的なトレーニング推定値には完全に反映されないため、分析がそれらを考慮している。

実験結果

リサーチクエスチョン

• RQ1 AI補完型R&Dの資本集約性は、米国の伝統的R&Dと比べてどの程度高いのか？
• RQ2 深層学習R&Dにおける計算資本の増加が、イノベーション生産にどの程度寄与するのか？
• RQ3 深層学習のR&D分野への広範な導入は、生産性成長率の恒久的加速をもたらすのか？
• RQ4 AI駆動型R&Dは、イノベーションプロセスへの影響を踏まえると、一般用途技術（GPT）としての資格を有するのか？
• RQ5 深層学習ベースのR&Dにおけるイノベーション生産の計算資本に対する弾力性は何か？

主な発見

• 深層学習ベースのコンピュータビジョン研究は、米国におけるほぼすべての他のR&D分野よりも著しく資本集約的である。
• AI補完型R&Dの資本集約性は、広範な導入が行われれば、米国の生産性成長率をほぼ2倍にまで引き上げる可能性を示唆している。
• 本研究では、AI駆動型R&Dが計算資本に対するイノベーション生産の弾力性を高めることを発見しており、強い成長効果があると考えられる。
• 合計計算量を近似する際の測定誤差は、推定値を押し下げている可能性があるため、実際の影響は推定値よりもさらに大きい可能性がある。
• 上位レベルの機械学習会議での標準化された報告慣行のため、選択バイアスはおそらく小さい。
• 結果は、AI補完型R&Dが持続的かつ資本駆動型のイノベーション加速を可能にするため、一般用途技術（GPT）として機能しうるとの仮説を支持している。