Απαιτούνται ολοκληρωμένα δίκτυα κοινωνικής ασφάλειας για την καταπολέμηση της αναταραχής στην τεχνητή νοημοσύνη

Αξιοπρέπεια δεδομένων και καθολική βοήθεια προσαρμογής μεταξύ ελκυστικών λύσεων

 
Η αυτοματοποίηση, που τροφοδοτείται από την τεχνητή νοημοσύνη, μπορεί να αρχίσει να προκαλεί απώλειες θέσεων εργασίας.Η Wall Street Journal αναφέρει ότι το κορυφαίο και το κατώτερο άκρο της αγοράς εργασίας απειλούνται τώρα με τη γενετική τεχνητή νοημοσύνη που σύντομα θα ανατρέψει επίσης ένα πολύ μεγαλύτερο μερίδιο θέσεων εργασίας. Ήδη, οι εταιρείες έχουν αποδώσει «περισσότερες από 4.600 περικοπές θέσεων εργασίας στην τεχνητή νοημοσύνη» από τον Μάιο του 2023, ιδιαίτερα στον τομέα των μέσων ενημέρωσης και της τεχνολογίας. Αυτό ακολουθεί ανάλυση του Διεθνούς Νομισματικού Ταμείου , το οποίο ισχυρίζεται ότι η τεχνητή νοημοσύνη πρόκειται να επηρεάσει σχεδόν το 40% όλων των θέσεων εργασίας.

Η μετατόπιση θέσεων εργασίας μέσω της τεχνολογικής καινοτομίας αποτελεί ανησυχία εδώ και δεκαετίες. Μέσω των βιομηχανικών ρομπότ και της μηχανογράφησης , οι μελέτες έχουν δείξει πώς η αυτοματοποίηση μπορεί να επηρεάσει άμεσα τη δυναμική της αγοράς εργασίας. Καθώς αυτές οι δυναμικές εμφανίζονται με την τεχνητή νοημοσύνη, είναι προετοιμασμένοι οι υπεύθυνοι χάραξης πολιτικής να υποδεχτούν ένα σοβαρά ανανεωμένο μοντέλο προσαρμογής του εργατικού δυναμικού;

Η τεχνητή νοημοσύνη είναι βέβαιο ότι θα αλλάξει το τοπίο της απασχόλησης – τόσο προς όφελος όσο και εις βάρος των εργαζομένων. Ως εκ τούτου, είναι ζωτικής σημασίας για τις χώρες να δημιουργήσουν ολοκληρωμένα δίχτυα κοινωνικής ασφάλειας και να προσφέρουν προγράμματα επανεκπαίδευσης για τους ευάλωτους εργαζόμενους. Το πώς θα λειτουργήσουν αυτά τα δίχτυα κοινωνικής ασφάλειας μένει να φανεί, αλλά πιθανότατα θα επικυρώσουν τις μακροχρόνιες ανησυχίες για τις μισθολογικές ανισότητες.

Η τεχνολογία είναι επίσης βέβαιο ότι θα παράγει μεγάλη αξία. Η αναδιανομή μέρους της μπορεί να μετριάσει τον αντίκτυπό της στην εκτόπιση θέσεων εργασίας, αλλά οι υπεύθυνοι χάραξης πολιτικής και εκείνοι που βρίσκονται στην αιχμή της ανάπτυξης της τεχνητής νοημοσύνης πρέπει να συνεργαστούν για να βρουν μια δίκαιη λογική για αυτήν τη διαδικασία.

 
Αξιοπρέπεια και αποζημίωση δεδομένων

Η δημιουργία μοντέλων AI απαιτεί πρόσβαση σε τεράστια σύνολα δεδομένων στα οποία μπορούν να εκπαιδευτούν τα μοντέλα. Αυτά συλλέγονται συχνά με απόξεση ιστού – χρησιμοποιώντας λογισμικό για τη δημιουργία ενός συνόλου δεδομένων από δημόσια διαθέσιμες διαδικτυακές πηγές.

Αυτά τα σύνολα δεδομένων συχνά περιέχουν τόσο προσωπικά δεδομένα όσο και πνευματική ιδιοκτησία . Το μοντέλο αξιοπρέπειας δεδομένων, που θεωρητικοποιήθηκε για πρώτη φορά το 2018 από τους Jaron Lanier και E. Glen Weyl , θα έβλεπε τους ανθρώπους να αποζημιώνονται όταν τα δεδομένα τους χρησιμοποιούνται για την εκπαίδευση ενός μοντέλου AI.

Χρησιμοποιούμε πολλές διαδικτυακές υπηρεσίες δωρεάν. Το οικονομικό μοντέλο της μηχανής αναζήτησης της Google βασίζεται στην καταγραφή των δεδομένων των χρηστών της, στην ανάλυσή τους και στη χρήση τους για την πώληση στοχευμένων διαφημίσεων και πλεονεκτικών θέσεων στα αποτελέσματα αναζήτησης. Η αποζημίωση που λαμβάνουμε για την εκμετάλλευση των δεδομένων μας είναι μια δωρεάν μηχανή αναζήτησης.

Αντιπροσωπεύει όμως η δωρεάν πρόσβαση σε υπηρεσίες τεχνητής νοημοσύνης μια ουσιαστική αποζημίωση για τη χρήση δεδομένων προσωπικού χαρακτήρα ή εμπορικού σήματος; Τι γίνεται αν το έργο ενός καλλιτέχνη ή τα δεδομένα ενός ατόμου χρησιμοποιούνται στην εκπαίδευση και δεν έχουν ποτέ την ευκαιρία να κάνουν χρήση του μοντέλου AI;

Η χρηματική αποζημίωση για τη συμπερίληψη των δεδομένων κάποιου σε μοντέλα εκπαίδευσης τεχνητής νοημοσύνης είναι μια ελκυστική ιδέα. Ωστόσο, υπάρχουν ορισμένα σημεία τριβής. Ένα τέτοιο σύστημα μπορεί να καταστήσει την ανάπτυξη της τεχνητής νοημοσύνης οικονομικά ανέφικτη και να οδηγήσει σε πολιτικές κατά της καινοτομίας.

Επίσης, δεν αποτελεί κατ’ ανάγκη μέσο μετριασμού των επιπτώσεων της μετατόπισης θέσεων εργασίας, δεδομένου ότι δεν υπάρχει προφανής λόγος για τον οποίο η συμπερίληψη των δεδομένων ενός ατόμου σε ένα σύνολο κατάρτισης θα πρέπει να συσχετίζεται με μια τέτοια μετατόπιση. Οι προτάσεις πολιτικής για την άμεση αντιμετώπιση αυτού του προβλήματος πρέπει να περιλαμβάνουν έναν μηχανισμό που παρέχει ένα ισχυρό δίχτυ κοινωνικής ασφάλειας για την προστασία των εργαζομένων, παρέχοντάς τους παράλληλα ευελιξία για επανακατάρτιση.

 
Κάνοντας προσαρμογές

Ορισμένες μορφές καθολικού βασικού εισοδήματος μπορούν να προσφέρουν ελκυστικές λύσεις για την καταπολέμηση των απωλειών θέσεων εργασίας που προκαλούνται από την τεχνητή νοημοσύνη. Ωστόσο, ο Luke Martinelli του Ινστιτούτου Πολιτικής Έρευνας συνόψισε τη δυσκολία εφαρμογής μιας τέτοιας λύσης όταν έγραψε ότι «ένα προσιτό UBI είναι ανεπαρκές και ένα επαρκές UBI δεν είναι προσιτό». Για να θεσπιστεί μια πολιτική AI UBI, άλλα προγράμματα μπορεί να χρειαστεί να καταργηθούν για να τη χρηματοδοτήσουν.

Η γενική προσέγγιση ορισμένων λύσεων UBI σημαίνει ότι δεν αντιμετωπίζουν κοινωνικοοικονομικές ανισορροπίες σε ατομικό επίπεδο, που προκαλούνται από διαφορετικά επίπεδα υλικής και θεσμικής πρόσβασης καθώς και κοινωνικής κινητικότητας. Αυτός ήταν ένας περιορισμός της πρότασης του προεδρικού υποψηφίου των ΗΠΑ το 2020 Andrew Yang για ένα «μέρισμα ελευθερίας», ένα UBI 1.000 δολαρίων το μήνα για κάθε Αμερικανό ενήλικα άνω των 18 ετών. Θεωρήθηκε από ορισμένους ότι παρέχει ένα επίδομα σε άτομα που μπορεί να μην το χρειάζονται. Αυτή η προσέγγιση ισοπέδωσης είναι επίσης απίθανο να βελτιώσει τη συνολική συμμετοχή. Τι θα γίνει λοιπόν;

Στις ΗΠΑ, εφαρμόζονται πολιτικές όπως η βοήθεια για την προσαρμογή του εμπορίου , αλλά δεν υπάρχει τίποτα για τις συγκεκριμένες προκλήσεις της τεχνολογικής αλλαγής. Αυτό συμβαίνει κυρίως διεθνώς, καθώς δεν δίνεται ιδιαίτερη προσοχή στην ανάπτυξη ενός προγράμματος για την υποστήριξη της ταχείας προσαρμογής των εργαζομένων έναντι του αυτοματισμού και της τεχνητής νοημοσύνης. Μια λύση θα μπορούσε να είναι η επέκταση της βοήθειας για την προσαρμογή του εμπορίου. Η καθολική βοήθεια προσαρμογής θα αντιπροσώπευε την τεχνολογική αλλαγή και θα περιλάμβανε προβληματισμούς για επανεκπαίδευση.

 
Δημοσιονομική φαντασίωση;

Είτε το UBI και η αξιοπρέπεια των δεδομένων είναι οι σωστοί μηχανισμοί για τη διατήρηση κάποιου βασικού επιπέδου διαβίωσης για τα εκτοπισμένα άτομα, ο στόχος είναι τελικά η παροχή ισχυρής κοινωνικής ασφάλειας και προστασίας. Η αντιμετώπιση του προβλήματος της προσαρμογής της τεχνητής νοημοσύνης θα απαιτήσει μια σειρά μηχανισμών πολιτικής. Τα μέτρα αντιστάθμισης μπορούν να δανειστούν στοιχεία από μοντέλα αξιοπρέπειας δεδομένων και να ενσωματώσουν καθολική βοήθεια προσαρμογής, δίνοντας ιδιαίτερη προσοχή στις επιπτώσεις της τεχνολογικής αναταραχής.

Ανεξάρτητα από αυτό, αυτές οι έννοιες δεν πρέπει να θεωρούνται ως λύσεις για την αναζήτηση ενός προβλήματος. Ενώ ο αντίκτυπος της τεχνητής νοημοσύνης ήταν ως επί το πλείστον κερδοσκοπικός, τα προγνωστικά ευρήματα από το WSJ και το ΔΝΤ δείχνουν την επείγουσα ανάγκη ανάπτυξης της υποστήριξης που απαιτείται για την προστασία των εργαζομένων που μπορεί να χάσουν τη δουλειά τους. Εξάλλου, η γενετική τεχνητή νοημοσύνη δεν είναι τίποτα χωρίς τα δεδομένα στα οποία έχει εκπαιδευτεί – δεδομένα που δημιουργούν οι άνθρωποι.

Ο Janan Jama είναι Subeditor στο OMFIF.

Πηγή: omfif.org