Чи автоматизує штучний інтелект роботу людей, і якщо так, то які роботи та коли?
На ці три запитання намагається відповісти нове дослідження Лабораторії комп’ютерних наук і штучного інтелекту Массачусетського технологічного інституту (CSAIL), опубліковане сьогодні вранці.
Було багато спроб екстраполювати та спрогнозувати, як сучасні технології штучного інтелекту, такі як великі мовні моделі, можуть вплинути на засоби існування людей — і економіку в цілому — у майбутньому.
За оцінками Goldman Sachs, ШІ зможе автоматизувати 25% усього ринку праці в найближчі кілька років. За словами McKinsey, до 2055 року майже половина всієї роботи здійснюватиметься за допомогою штучного інтелекту. Опитування Університету Пенсільванії, Нью-Йоркського університету та Прінстона показує, що лише ChatGPT може вплинути на близько 80% робочих місць. А звіт фірми Challenger, Gray & Christmas, що займається аутплейсментом, показує, що ШІ вже замінює тисячі працівників.
Але у своєму дослідженні дослідники Массачусетського технологічного інституту прагнули вийти за межі того, що вони характеризують як «орієнтовані на завдання» порівняння, і оцінити, наскільки можливо, що штучний інтелект виконуватиме певні ролі — і наскільки ймовірно, що підприємства фактично замінять працівників технікою ШІ.
Всупереч тому, що можна було б очікувати, дослідники Массачусетського технологічного інституту виявили, що більшість робіт, які раніше були визначені як такі, що піддаються ризику витіснення ШІ, насправді не є «економічно вигідними» для автоматизації — принаймні на даний момент.
Ключовий висновок, каже Ніл Томпсон, науковий співробітник Массачусетського технологічного інституту CSAIL і співавтор дослідження, полягає в тому, що прийдешній збій штучного інтелекту може відбуватися повільніше — і менш драматично — ніж припускають деякі коментатори.
«Як і більшість останніх досліджень, ми знаходимо значний потенціал штучного інтелекту для автоматизації завдань», — сказав Томпсон. «Але ми можемо показати, що багато з цих завдань ще не привабливі для автоматизації».
Важливим застереженням є те, що в дослідженні розглядалися лише роботи, які вимагають візуального аналізу, тобто роботи, які включають такі завдання, як перевірка якості продукції в кінці виробничої лінії. Дослідники не досліджували потенційний вплив моделей генерування тексту та зображень, таких як ChatGPT і Midjourney, на працівників та економіку; вони залишають це для подальших досліджень.
Проводячи це дослідження, дослідники опитали працівників, щоб зрозуміти, чого мала б виконати система штучного інтелекту, щоб повністю замінити їхні робочі місця. Потім вони змоделювали вартість створення системи штучного інтелекту, здатної робити все це, а також змоделювали, чи готові підприємства — зокрема «несільськогосподарські» компанії, що базуються в США — оплачувати як початкові, так і операційні витрати на таку систему.
На початку дослідження дослідники наводять приклад пекаря.
Згідно з даними Бюро статистики праці США, пекар витрачає близько 6% свого часу на перевірку якості харчових продуктів — це завдання може бути (і зараз) автоматизовано ШІ. Пекарня з п’ятьма пекарями, які заробляють 48 000 доларів на рік, могла б заощадити 14 000 доларів, якби автоматизувала перевірку якості їжі. Але за підрахунками дослідження, розгортання базової системи штучного інтелекту з нуля коштуватиме 165 000 доларів США та 122 840 доларів США на рік для підтримки і це на нижньому рівні.
«Ми виявили, що лише 23% зарплати, яку виплачують людям за виконання завдань зору, було б економічно привабливим для автоматизації за допомогою ШІ», — сказав Томпсон. «Люди все ще є кращим економічним вибором для виконання цих частин роботи».
Тепер у дослідженні враховуються автономні системи штучного інтелекту самообслуговування, які продаються через таких постачальників, як OpenAI, які потрібно лише точно налаштувати для виконання конкретних завдань, а не навчати з нуля. Але, як стверджують дослідники, навіть якщо система коштує лише 1000 доларів, є багато робочих місць — хоч і низькооплачуваних і залежних від багатозадачності — автоматизація яких не мала б економічного сенсу для бізнесу.
«Навіть якщо ми розглядаємо вплив комп’ютерного зору лише на завдання зору, ми виявимо, що рівень втрати роботи нижчий, ніж той, який вже спостерігається в економіці», – пишуть дослідники в дослідженні. «Навіть за умови швидкого зниження витрат на 20% на рік, все одно знадобляться десятиліття, щоб завдання комп’ютерного зору стали економічно ефективними для компаній».
Дослідження має низку обмежень, які дослідники — до їх честі — визнають. Наприклад, він не розглядає випадки, коли штучний інтелект може доповнювати, а не замінювати людську працю (наприклад, аналіз ударів спортсмена в гольф) або створювати нові завдання та роботи (наприклад, підтримка системи штучного інтелекту), яких раніше не було. Крім того, це не враховує всю можливу економію коштів, яку можна отримати від попередньо навчених моделей, таких як GPT-4.
Можна задатися питанням, чи могли дослідники відчувати тиск, щоб дійти певних висновків з боку спонсора дослідження, MIT-IBM Watson AI Lab. Лабораторію MIT-IBM Watson AI Lab було створено завдяки 10-річному подарунку від IBM, компанії, яка зацікавлена в тому, щоб штучний інтелект не сприймався як небезпечний.
Але дослідники стверджують, що це не так.
«Ми були мотивовані величезним успіхом глибокого навчання, провідною формою штучного інтелекту для багатьох завдань, і бажанням зрозуміти, що це означатиме для автоматизації робочих місць людей», — сказав Томпсон. «Для політиків наші результати мають підкреслити важливість підготовки до автоматизації роботи ШІ. Але наші результати також показують, що для розгортання цього процесу знадобляться роки або навіть десятиліття, а отже, є час для реалізації політичних ініціатив. Для дослідників і розробників штучного інтелекту ця робота вказує на важливість зниження вартості розгортання штучного інтелекту та збільшення обсягу способів їхнього розгортання. Це буде важливо для того, щоб зробити штучний інтелект економічно привабливим для використання компаніями для автоматизації».
