Les articles de journaux sur l'IA représentent un risque plus important pour le processus d'évaluation de carrière que pour le processus de recherche. L'IA peut produire des articles comparables à ceux de nombreux journaux décents, mais la plupart de ces articles ne sont pas si bons—ni ceux de l'IA ni ceux des journaux. Dans le post, @causalinf utilise Claude pour rédiger un article sur le shift-share. Malheureusement, le succès de publication des articles sur le shift-share dépasse de loin leur précision ou fiabilité dans le monde réel. Il existe toute une classe de méthodes comme celle-ci, qui sont bonnes pour les carrières car elles produisent de manière fiable de bonnes statistiques t et de belles histoires pour les éditeurs et les arbitres—par exemple, les IVs de distance, les modèles structurels mal identifiés, le diff-in-diff avec peu de périodes temporelles, etc. [hans_unpopular_opinion.gif] Ce n'est pas universellement vrai, mais pour la plupart, la classe d'articles que l'IA peut reproduire rapidement n'ajoutait pas tant de valeur sociale au départ. Feuilletez les éditions récentes des meilleurs journaux d'économie et trouvez les articles que vous pensez vraiment corrects et importants. Très très peu d'entre eux appartiennent à la catégorie "l'IA aurait pu écrire cela." Au lieu de cela, ce sont de bonnes idées originales, une collecte de données créative (et souvent difficile), des solutions originales à de vrais problèmes. Peut-être qu'un jour l'IA produira également cela, mais pour l'instant, ce n'est même pas proche. Les articles de l'IA exposent principalement le fait qu'une grande partie de la recherche économique est formulaïque et pas si informative sur le monde. Un travail original qui dit quelque chose de nouveau et d'important sur le monde continuera à se démarquer, du moins pour le moment. Peut-être que l'apocalypse des déchets d'IA forcera plus de chercheurs à faire un travail ayant une valeur durable.