[論文レビュー] The impact of generative artificial intelligence on socioeconomic inequalities and policy making

Valerio Capraro, Austin Lentsch+29 more|arXiv (Cornell University)|Dec 16, 2023

Technology Use by Older Adults被引用数 6

ひとこと要約

本多様的論文は、生成的AIが労働、教育、医療、情報システムの分野において、社会経済的格差を悪化させるか、あるいは是正するかの両面的役割を検討する。既存の研究を評価し、重要なギャップを特定し、生成的AIを公平な結果に向かわせる根拠に基づく政策を提言する。特に、予防的で横断的なガバナンス枠組みの必要性を強調する。

ABSTRACT

Generative artificial intelligence has the potential to both exacerbate and ameliorate existing socioeconomic inequalities. In this article, we provide a state-of-the-art interdisciplinary overview of the potential impacts of generative AI on (mis)information and three information-intensive domains: work, education, and healthcare. Our goal is to highlight how generative AI could worsen existing inequalities while illuminating how AI may help mitigate pervasive social problems. In the information domain, generative AI can democratize content creation and access, but may dramatically expand the production and proliferation of misinformation. In the workplace, it can boost productivity and create new jobs, but the benefits will likely be distributed unevenly. In education, it offers personalized learning, but may widen the digital divide. In healthcare, it might improve diagnostics and accessibility, but could deepen pre-existing inequalities. In each section we cover a specific topic, evaluate existing research, identify critical gaps, and recommend research directions, including explicit trade-offs that complicate the derivation of a priori hypotheses. We conclude with a section highlighting the role of policymaking to maximize generative AI's potential to reduce inequalities while mitigating its harmful effects. We discuss strengths and weaknesses of existing policy frameworks in the European Union, the United States, and the United Kingdom, observing that each fails to fully confront the socioeconomic challenges we have identified. We propose several concrete policies that could promote shared prosperity through the advancement of generative AI. This article emphasizes the need for interdisciplinary collaborations to understand and address the complex challenges of generative AI.

研究の動機と目的

• 生成的AIが、社会の主要分野における既存の社会経済的格差を悪化または是正する仕組みを分析すること。
• 情報拡散、労働市場、教育、医療分野における生成的AIの影響に関する、現在の研究状況を評価すること。
• 生成的AIシステムの設計および展開における、重要な研究ギャップとトレードオフを同定すること。
• EU、米国、英国の既存の政策枠組みが、AIに起因する格差をどの程度適切に扱っているかを評価すること。
• 責任ある生成的AIの開発および展開を通じて、共通の豊かさを促進する具体的で実行可能な政策を提言すること。

提案手法

• 情報、労働、教育、医療の4分野における生成的AIに関する査読付き論文および実証的研究の多様的レビューを実施すること。
• 生成的AIアプリケーションに伴うリスク（例：誤情報、労働の置換）と利点（例：パーソナライズドラーニング、診断支援）を体系的に評価すること。
• EU、米国、英国における既存の政策手段をマッピングし、社会経済的格差への対処の適切さを評価すること。
• 効率性と公平性、イノベーションと責任の間のトレードオフといった、事前に仮説を立てるのを複雑にする要因を同定すること。
• 社会学、コンピュータサイエンス、公共政策の分野における多様的知見に基づいた、的を射た政策提言を提示すること。
• 研究者、政策立案者、市民社会が参加する協働的ガバナンスの役割を強調し、公平なAIの結果を確保すること。

実験結果

リサーチクエスチョン

• RQ1 生成的AIは、労働、教育、医療、情報の分野において、どのようにして社会経済的格差を拡大させると同時に是正する可能性があるか？
• RQ2 EU、米国、英国の既存の政策枠組みは、生成的AIの社会経済的リスクをどの程度適切に扱っているか、あるいは扱っていないか？
• RQ3 生成的AIシステムの展開において、イノベーション、効率性、公平性の間にはどのような重要なトレードオフがあるか？
• RQ4 どの具体的な政策介入が、生成的AIの公平な利益を最大化するとともに、その有害な影響を最小限に抑えるか？
• RQ5 多様的連携は、公共の利益を実現するための生成的AIの設計およびガバナンスをどのように改善できるか？

主な発見

• 生成的AIは、情報システムにおけるコンテンツ作成とアクセスの民主化の可能性を有するが、同時に誤情報の規模と拡散を著しく拡大する可能性もある。
• 労働分野では、生成的AIが生産性を向上させ、新たな職業を創出するが、その利益は高スキルでリソースに恵まれた労働者に集中する可能性が高く、労働市場における格差を悪化させる。
• 教育分野では、生成的AIによるパーソナライズドラーニングが成果を向上させる可能性があるが、アクセスが均等でなければ、デジタル格差をさらに深めるリスクがある。
• 医療分野では、生成的AIが診断の正確性とサービスのアクセス性を向上させられるが、データバイアスやインfra構築のギャップに注意を払わなければ、既存の格差を強化する可能性がある。
• EU、米国、英国における現在の政策枠組みは、AIの影響が及ぼす社会経済的側面を十分にカバーしておらず、とりわけ公平なアクセスと利益の分配を確保する点で不足している。
• 本論文は、AIリテラシーの公共投資、公平性を重視したAI調達、規制的保護措置といった、具体的な政策提言を同定し、生成的AIを通じた共通の豊かさの促進に寄与する可能性を示している。