Słowo „dziwny” nie zawsze oznaczało dziwne. W staroangielskim, wywodzącym się z mieszanki pojęć germańskich i nordyckich, oznaczało to coś bliższego „losowi”, „stawaniu się”, a nawet „przeznaczeniu”. Dawno, dawno temu ludzie w tej kulturze myśleli, że sposób, w jaki potoczy się czyjeś życie, jest nierozerwalnie związany z fundamentalną dziwnością bycia żywym.
Makbet Williama Szekspira znany jest ze swoich trzech czarownic, które spopularyzowały wyrażenie „podwójne, podwójne, praca i kłopoty”, często błędnie cytowane z jego pojawienia się w kreskówce Disneya jako „bańka, bańka”. Często jednak zapomina się, że Szekspir nazwał te postacie „Dziwnymi Siostrami”, łącząc je z inną mitologiczną grupą trzech starych wiedźm: Nornami z mitologii nordyckiej, które razem splatały sieć losów zwaną (co jeszcze?) „wyrdem”, zawierającą historię życia każdego człowieka. (JK Rowling nazwała później popularny zespół ze swojego uniwersum Harry’ego Pottera „The Weird Sisters”, ale był to wyłącznie męski skład.)
Według Benjamina Shillera, profesora ekonomii na Uniwersytecie Brandeis, najdziwniejszą rzeczą w ekonomii jest to, że w epoce sztucznej inteligencji (AI) obcość jest ściśle powiązana z przeznaczeniem. Im dziwniejszy jesteś, mówi Fortune, tym lepiej.
W swojej nowej książce „AI Economics: How Technology is Transforming Jobs, Markets, Life, and Our Future” Shiller argumentuje, że im dziwniejsza jest Twoja praca, tym mniejsze jest prawdopodobieństwo, że sztuczna inteligencja ją zaakceptuje. Specjalista w dziedzinie ekonomii zmian technologicznych i syn słynnego ekonomisty, Roberta Shillera z Yale, współtwórca wciąż używanego krajowego wskaźnika cen domów, Shiller mówi Fortune, że przyszłość zatrudnienia jest dziwna.
„Modele sztucznej inteligencji mogą się bardzo dobrze uczyć, ale tylko przy użyciu ogromnej ilości danych szkoleniowych, ponieważ ludzie uczą się znacznie wydajniej” – mówi Shiller. „Jeśli zajmujesz się wyspecjalizowaną dziedziną, w której nie ma zbyt wielu danych do wytrenowania modelu sztucznej inteligencji, sztuczna inteligencja prawdopodobnie nie zastąpi Twojej pracy”.
Goldman Sachs przewiduje, że 300 milionów miejsc pracy w Stanach Zjednoczonych i Europie może podlegać pewnym zmianom ze względu na sztuczną inteligencję, przewidując, że ludzie mogą stać się siłą napędową współczesnej gospodarki. Jednak „premia za rzadkość” Shillera sugeruje kod do przejęcia kontroli nad sztuczną inteligencją w grach: znajdź pracę tak złożoną, że nie zastąpią jej nawet miliardy tokenów danych.
Sztuczna inteligencja nie uczy się tak skutecznie jak ludzie… jeszcze
Shiller opisuje, co niedawno zasugerował dyrektor generalny Tesli, Elon Musk, na temat ogromnej ilości informacji potrzebnych do zastąpienia ludzkich umiejętności. Biznesmen napisał w odpowiedzi na X (dawniej Twitterze): „Aby osiągnąć bezpieczną jazdę autonomiczną bez nadzoru, potrzeba około 16 miliardów mil danych treningowych”.
„Jeśli typowy Amerykanin pokonuje około 23 500 mil rocznie, oznacza to, że potrzeba około 750 000 lat prowadzenia pojazdu, aby uzyskać dane szkoleniowe” – stwierdził Shiller. Dla kontrastu, przeciętnemu człowiekowi wystarczy przejechanie kilkuset mil i sześć miesięcy praktyki, aby zdobyć prawo jazdy.
Oczywiście istnieją już samochody autonomiczne, które mogą z łatwością i bez szkody przewieźć ludzi z punktu A do punktu B. Jeśli jednak taka ilość danych jest potrzebna sztucznej inteligencji, aby nauczyć się tak prostego zadania jak prowadzenie pojazdu, wówczas do zautomatyzowania specjalistycznych zawodów, takich jak analityk wypadków lotniczych lub inżynier ds. podróży przemysłowych, może być potrzebna ogromna ilość danych. Innymi słowy, w dziedzinach, w których brakuje danych, ludzie zachowują przewagę komparatywną.
Ludzie są lepiej przygotowani do radzenia sobie z kangurami
Shiller ilustruje ograniczenia sztucznej inteligencji na „przykładzie kangura” – przestrodze z czasów, gdy Waymo testowało swoje pojazdy autonomiczne w Australii. Pojazdom nie udało się pokonać dziwnej i dziwnej przeszkody: skakających torbaczy. „Zasadniczo zderzali się z kangurami, ponieważ nie uwzględniono ich w danych treningowych, a ich ruchy różniły się od ruchów innych zwierząt”.
Sztuczna inteligencja nie potrafi przewidzieć nieznanego i właśnie ta porażka odróżnia ludzi od nawet najbardziej zaawansowanych maszyn. „Jak na człowieka, potrafimy przystosować się do tych ekstremalnych przypadków i poradzić sobie z nimi bez specjalnego przeszkolenia, jak sobie z nimi radzić” – powiedziała Shiller. Naturalnie jesteśmy przystosowani do radzenia sobie z konkretnymi scenariuszami, od nieprzewidywalności drogi po chaos szpitala czy banku inwestycyjnego.
Shiller twierdzi, że współcześni pracownicy (i młodzi ludzie rozważający zdobycie dyplomu) powinni unikać wpadania w pułapkę zawodu, w którym pracują wszyscy inni. „Samo uczęszczanie na standardowe zajęcia i zapoznawanie się z tym, czego naucza się bezpośrednio w ramach tych ważnych specjalności, jest ryzykowną strategią” – stwierdził Shiller.
Innymi słowy, twój los będzie dziwny.
Ta historia pierwotnie pojawiła się na Fortune.com.
