[논문 리뷰] Economic impacts of AI-augmented R&D

Tamay Besiroglu, Nicholas Emery-Xu외 1명|arXiv (Cornell University)|2022. 12. 15.

Innovation Policy and R&D인용 수 4

한 줄 요약

이 논문은 딥 러닝 기반 컴퓨터 비전을 포함한 인공지능 보강형 R&D가 기존 R&D보다 훨씬 자본 집약적인 경향이 있으며, 이로 인해 아이디어 생산 속도가 빨라진다는 것을 입증한다. 실증 데이터와 반내생적 성장 모델을 활용해 저자들은 AI가 R&D에 광범위하게 도입될 경우, 계산 자본 활용도를 높여 미국의 생산성 성장률을 거의 두 배로 끌올릴 수 있음을 보여준다.

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.

연구 동기 및 목표

• AI 보강형 R&D가 아이디어 생산과 장기적 성장에 끼치는 경제적 영향을 평가하는 것.
• 딥 러닝 도입이 R&D의 자본 집약도를 높여 혁신 속도를 가속화하는지 조사하는 것.
• AI 기반 R&D에서 계산 자본에 대한 아이디어 생산의 가중치를 추정하는 것.
• AI 기반 R&D가 혁신 과정을 변형시켜 일반 목적 기술(GPT)으로서의 자격을 갖는지 평가하는 것.
• R&D 분야에서 AI 도입과 측정 가능한 생산성 성장 증가 간의 실증적 증거를 제공하는 것.

제안 방법

• 저자들은 컴퓨터 비전 분야의 딥 러닝 연구에서의 마이크로데이터를 활용해 아이디어 생산 함수를 추정한다.
• 측정 오차를 줄이기 위해 하드웨어 사양과 학습 실행 메트릭을 포함한 여러 방법으로 계산 입력을 근사한다.
• 반내생적 성장 모델을 사용해 R&D의 자본 집약도 증가가 장기적 생산성 성장에 미치는 영향을 분석한다.
• 미국 경제 전반에서 딥 러닝 R&D의 자본 집약도를 기존 R&D 부문과 비교한다.
• 표준화된 컨퍼런스 체크리스트와 다중 추정 기법을 활용해 보고 방식으로 인한 선택 편향을 완화한다.
• 초기 설정 조정 런이 총 계산량에 기여할 수 있으나 최종 학습 추정치에 완전히 반영되지 않을 수 있으므로 분석에서 이를 고려한다.

실험 결과

연구 질문

• RQ1 미국에서 AI 보강형 R&D의 자본 집약도는 기존 R&D와 비교해 어떻게 다를까?
• RQ2 딥 러닝 R&D에서 증가한 계산 자본이 아이디어 생산에 얼마나 기여하는가?
• RQ3 딥 러닝의 광범위한 도입이 생산성 성장률의 영구적 가속을 이끌 수 있는가?
• RQ4 AI 기반 R&D는 혁신 과정에 미치는 영향을 바탕으로 일반 목적 기술(GPT)으로서의 자격을 갖는가?
• RQ5 딥 러닝 기반 R&D에서 아이디어 생산에 대한 계산 자본의 가중치는 얼마인가?

주요 결과

• 딥 러닝 기반 컴퓨터 비전 연구는 미국 내 거의 모든 다른 R&D 부문보다 훨씬 자본 집약적인 경향이 있다.
• AI 보강형 R&D의 자본 집약도는 광범위하게 도입될 경우 미국의 생산성 성장률을 거의 두 배로 끌올릴 수 있음을 시사한다.
• 연구는 AI 기반 R&D가 계산 자본에 대한 아이디어 생산의 가중치를 증가시켜 강력한 성장 효과를 유도한다는 것을 발견했다.
• 총 계산량을 근사함에 따른 측정 오차는 추정치를 약화시킬 수 있으므로, 실제 영향은 추정치보다 더 클 수 있음을 시사한다.
• 최상위 수준의 머신 러닝 컨퍼런스에서 표준화된 보고 규범이 도입되어 있어 선택적 보고로 인한 편향은 거의 없을 것으로 보인다.
• 결과는 AI 보강형 R&D가 자본 기반의 지속적 혁신 가속화를 가능하게 하므로 일반 목적 기술(GPT)으로서의 기능을 수행할 수 있다는 가설을 지지한다.