論文の概要: Will Neural Scaling Laws Activate Jevons' Paradox in AI Labor Markets? A Time-Varying Elasticity of Substitution (VES) Analysis

• arxiv url: http://arxiv.org/abs/2503.05816v2
• Date: Mon, 09 Jun 2025 19:11:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-11 15:11:39.671538
• Title: Will Neural Scaling Laws Activate Jevons' Paradox in AI Labor Markets? A Time-Varying Elasticity of Substitution (VES) Analysis
• Title（参考訳）: AI労働市場におけるニューラルスケーリング法則はJevonsのパラドックスを活性化するか? : 置換の時変弾性(VES)解析
• Authors: Rajesh P. Narayanan, R. Kelley Pace,
• Abstract要約: 我々は、人工知能における神経スケーリング法則が労働市場におけるJevonsのパラドックスを活性化するかどうかを分析する。 我々は、AIシステムが補完から人間の労働の代替へと移行する分析条件を確立する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We develop a formal economic framework to analyze whether neural scaling laws in artificial intelligence will activate Jevons' Paradox in labor markets, potentially leading to increased AI adoption and human labor substitution. By using a time-varying elasticity of substitution (VES) approach, we establish analytical conditions under which AI systems transition from complementing to substituting for human labor. Our model formalizes four interconnected mechanisms: (1) exponential growth in computational capacity ($C(t) = C(0) \cdot e^{g \cdot t}$); (2) logarithmic scaling of AI capabilities with computation ($\sigma(t) = \delta \cdot \ln(C(t)/C(0))$); (3) declining AI prices ($p_A(t) = p_A(0) \cdot e^{-d \cdot t}$); and (4) a resulting compound effect parameter ($\phi = \delta \cdot g$) that governs market transformation dynamics. We identify five distinct phases of AI market penetration, demonstrating that complete market transformation requires the elasticity of substitution to exceed unity ($\sigma > 1$), with the timing determined primarily by the compound parameter $\phi$ rather than price competition alone. These findings provide an analytical framing for evaluating industry claims about AI substitution effects, especially on the role of quality versus price in the technological transition.
• Abstract（参考訳）: 我々は、AIにおける神経スケーリング法則が労働市場におけるJevons' Paradoxを活性化するかどうかを分析するための正式な経済枠組みを構築し、AIの採用と人的労働置換の増大につながる可能性がある。 置換の時間変動弾性(VES)アプローチを用いることで、AIシステムが補間から人間の労働の置換へと遷移する解析条件を確立する。 計算能力の指数的成長(C(t) = C(0) \cdot e^{g \cdot t}$); (2) 計算能力の対数スケーリング(\sigma(t) = \delta \cdot \ln(C(t)/C(0))$); (3) 減少するAI価格(p_A(t) = p_A(0) \cdot e^{-d \cdot t}$); (4) 結果として生じる複合効果パラメータ(\phi = \delta \cdot g$)。 我々は、AI市場浸透の5つの異なるフェーズを特定し、完全なマーケットトランスフォーメーションは、単体($\sigma > 1$)を超えるために置換の弾力性を必要とすることを示し、そのタイミングは価格競争のみではなく、複合パラメータ$\phi$によって決定される。 これらの発見は、AI置換効果に関する業界主張、特に技術移行における品質対価格の役割を評価するための分析的枠組みを提供する。

関連論文リスト

• Complement or substitute? How AI increases the demand for human skills [0.0]
  本稿では、人工知能(AI)が人間の労働を補うか、あるいは補うかを検討する。 2018年から2023年にかけて、米国から1200万件のオンライン求人情報を集めている。 結果として、AIに焦点を当てた役割は、レジリエンス、アジリティ、分析的思考といったスキルを必要とする可能性がほぼ2倍であることが示された。
  論文  参考訳（メタデータ） (2024-12-27T17:26:30Z)
• Societal Adaptation to AI Human-Labor Automation [0.0]
  本稿では、社会がAIによるヒューマンコラボレーションの自動化にどのように適応できるかを分析する。 脅威モデルは、大量失業とその社会経済的な結果に焦点を当てている。 この分析は、AIの発展方法を形成する「能力改善介入」(CMI)と、社会の調整を支援する「適応介入」(ADI)の両方を探求する。
  論文  参考訳（メタデータ） (2024-12-07T15:08:11Z)
• Boardwalk Empire: How Generative AI is Revolutionizing Economic Paradigms [0.0]
  深層生成モデル — 生成的および深層学習技術の統合 — は、既存のデータを分析することを越えて、新たなデータの作成に長けている。 設計、最適化、革新のサイクルを自動化することで、ジェネレーティブAIは、コア産業プロセスを変えようとしている。 金融セクターでは、リスクアセスメント、トレーディング戦略、予測を変革し、その大きな影響を示している。
  論文  参考訳（メタデータ） (2024-10-19T20:57:16Z)
• Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
  AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。 第一に、効率の改善にもかかわらず、その計算要求はモデルの性能よりも速く増加するため、持続可能ではない。 第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
  論文  参考訳（メタデータ） (2024-09-21T14:43:54Z)
• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• The Dual Imperative: Innovation and Regulation in the AI Era [0.0]
  本稿では,人工知能における規制の欠如に伴う社会的コストについて論じる。 50年以上にわたるAI研究は、AIを主流に、有望な経済的利益へと押し上げてきた。 この談話は、加速主義者と、未発の技術的進歩を提唱するドーマー、そしてディストピア的な結果を防ぐための減速を求めるドーマーの間で偏在している。
  論文  参考訳（メタデータ） (2024-05-23T08:26:25Z)
• Exploiting the Margin: How Capitalism Fuels AI at the Expense of Minoritized Groups [0.0]
  本稿では、資本主義、人種的不正、人工知能(AI)の関係について考察する。 それは、AIが時代遅れの搾取のための現代的な乗り物として機能する、と論じている。 本論文は、社会正義と株式を技術デザインと政策の核心に組み込むアプローチを推進している。
  論文  参考訳（メタデータ） (2024-03-10T22:40:07Z)
• Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
  AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。 偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。 問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2023-04-16T11:22:59Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)
• The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning [126.37520136341094]
  機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。 AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。 単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
  論文  参考訳（メタデータ） (2021-08-05T17:42:35Z)
• Learning from Learning Machines: Optimisation, Rules, and Social Norms [91.3755431537592]
  経済的な実体の行動に最も類似したAIの領域は道徳的に良い意思決定の領域であるようだ。 近年のAIにおけるディープラーニングの成功は、そのような問題を解決するための明示的な仕様よりも暗黙的な仕様の方が優れていることを示唆している。
  論文  参考訳（メタデータ） (2019-12-29T17:42:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。