في دراسة مثيرة الحديث بالأوساط الأكاديمية، تم تناول موضوع قياس التأثيرات الخفية للذكاء الاصطناعي (Artificial Intelligence) من خلال نموذج انحدار (Regression) معقد حيث يعتمد على قياسات متعددة تمت ملاحظتها بطرق غير مباشرة. تركز الدراسة على تحديات القياس الدقيقة للأثر الناتج عن الذكاء الاصطناعي في مكان العمل، مما يشير إلى وجود اختلافات كبيرة قد تصل إلى عامل يقدر بحدود أحد عشر، مما يوضح ضرورة توخي الحذر عند تحليل هذه القياسات.

تشير النتائج إلى أن الانحدار القائم على قياس واحد فقط يفرز معادلة مرتبطه بمصدر معين، بدلاً من الحصول على معامل هيكلي شامل. ومن أجل معالجة هذه المشكلة، تم تقديم أسلوب يتطلب أن تكون دالة القياس المتوافق خطية، مع تحديد تقلبات متبقية عبر المصادر المختلفة.

إحدى المفاجآت التي توصلت إليها الدراسة تتعلق بمعامل الوظائف ما بعد عام 2022، حيث تنقلب الدلالة بين قياسات نماذج اللغة (Language Models) وقياسات أخرى، مثل مقياس براءات اختراع ويب (Webb Patent). إضافةً إلى ذلك، تم اكتشاف أن خمسة مصادر تم الإبقاء عليها قد حققت توافقًا غير متأثر بترتيب الحمل، مع تسجيل معامل تقديري ملحوظ.

هذه الدراسة، التي شملت نحو 8.88 مليون ملاحظة من استبيان المجتمع الأمريكي (American Community Survey)، لا تهدف فقط إلى تقديم تقديرات سببية لتحلل الوظائف بسبب الذكاء الاصطناعي، بل تبرز أيضًا أهمية تنسيق القياسات المتعددة لتقوم بدور فعال في فهم تأثيرات الذكاء الاصطناعي الفعلية.