Czy „sztuczna inteligencja” to nowa „gorączka złota”?

„Sztuczna inteligencja” stała się tym, czym kilka lat temu był „blockchain” – nowym zjawiskiem, które ma zrewolucjonizować światową gospodarkę. Ile w tym prawdy, a ile w tym chęci zarobienia na mniej zorientowanej w temacie części społeczeństwa?

Zacznijmy od tego, że pojęcie „sztuczna inteligencja” w swoim właściwym znaczeniu oznacza inteligencję wykazywaną przez maszyny i komputery. Inteligencję, która w sposób zbliżony do ludzkiej pozwala wspomnianym urządzeniom planować, myśleć krytycznie, zauważać związki przyczynowo-skutkowe, uczyć się i rozwiązywać problemy. I o ile wiele modeli jest skuteczniejsze od ludzi w konkretnie zdefiniowanych zadaniach, o tyle nie da się tej zdolności uogólnić na inne problemy. Ze względu na powyższe, teoretycznie nie powinno się określać tych modeli mianem „sztucznej inteligencji”. Część specjalistów, zajmująca się tematem wskazuje na kwestię, że jako ludzkość nie rozumiemy jeszcze naszej ludzkiej inteligencji na tyle dobrze, żeby umieć dobrze zdefiniować, czym powinna się charakteryzować „sztuczna inteligencja”.

Nie zmienia to faktu, że duże modele językowe (ang. Large Language Model, LLM) dzisiaj radzą sobie z wieloma aspektami myślenia, takimi jak m.in.:

• podejmowanie decyzji,
• wyciąganie wniosków na bazie dostępnych danych,
• znajdowanie wzorców w danych,
• szybkie przetwarzanie danych.

Natomiast nie oznacza to, że jest to ta „sztuczna inteligencja”, o której mówili badacze kilkadziesiąt lat temu. Sztuczna inteligencja nie popełniałaby takich błędów, jakie charakteryzują modele LLM. Sam wskazywałem na to kilka miesięcy temu.

Więc dzisiaj „sztuczną inteligencją” nazywamy najczęściej modele z grupy LLM, które stoją za sukcesem chociażby ChatGPT (OpenAI), narzędzi Google’a takich jak Gemini, PaLM, Minerva czy należący do Microsoftu Copilot. Do „sztucznej inteligencji” zaliczamy także modele przetwarzające tekst na obrazy, takie jak DALL-E, Midjourney czy Stable Diffusion.

Być może dla większości osób te dwie kategorie stanowi wszystko, co nazywamy potocznie „sztuczną inteligencją”. Ale w podobnej „kategorii wagowej” znajdują się również między innymi:

• systemy rekomendacji materiałów video i muzyki,
• systemy rekomendacji produktów na platformach sprzedażowych,
• sugestie uzupełnienia tekstu,
• wirtualni asystenci,
• wyszukiwarki,
• najnowsze systemy tłumaczenia języków obcych,
• filtry antyspamowe,
• systemy rozpoznawania twarzy.

A to tylko niewielki wycinek tego, co już funkcjonuje w naszym życiu codziennym.

Do tej pory ukazało się wiele prognoz, poświęconych sztucznej inteligencji. Aghion, Antonin, Bunel (2020) pokazują, że wdrożenie rozwiązań z wykorzystaniem tego osiągnięcia bez odpowiedniej polityki może ograniczać wzrost gospodarczy. Nie tylko – na skutek wprowadzania tych rozwiązań to słabo wykształceni mają średnio częściej tracić pracę. Według Autor, Chin, Solomons, Seegmiller (2022) w ostatnich czterech dekadach postęp technologiczny wzmacniał erozję miejsc pracy. Ten proces był silniejszy, niż pojawianie się dodatkowego zatrudnienia na skutek powstawania nowych zawodów.

 Liu, Xu, Li, Tan (2023) pokazują, że samo wystartowanie ChatGPT doprowadziło do spadku zapotrzebowania na pracę dorywczą i freelancerów. Nie jest to jednak wynik jednolity względem wszystkich branż i sami autorzy ostrzegają, że rozwiązania oparte o modele LLM mogą w przyszłości przywrócić zainteresowania freelancingiem po obu stronach biznesu, a być może wręcz wznieść je na nieobserwowane do tej pory poziomy.

Ale czy to wszystko, co wiemy? Wysyp narzędzi opartych o nową generację uczenia maszynowego nastąpił tak szybko, że nie zdążyliśmy zbadać wszystkich efektów. Agrawal, Gans i Goldfarb (2019) piszą, że nie da się tak naprawdę nie da się zaprognozować całkowitego wpływu na rynek pracy. Efekty działania modeli uczenia maszynowego są tak skomplikowane, że nie udaje się ujęcie ich za pomocą prostego modelu. A wypieranie zawodów będzie prawdopodobnie prowadziło do pojawiania się większego zapotrzebowania na zawody o innym charakterze.  

Jakie ma to implikacje w rzeczywistości? To właśnie słabiej wykształceni, oraz osoby wykonujące bardziej powtarzalną i prognozowalną pracę mają teoretycznie być najbardziej narażeni na komputerową konkurencję. Ale czy na pewno tak będzie? I co otrzymamy w zamian? Potrzebujemy więcej czasu, żeby w pełni zrozumieć sytuację. Być może czeka nas „rewolucja AI”, a być może jeszcze długa droga przed nami.