Άφθονες, υψηλά αμειβόμενες θέσεις εργασίας στην εποχή της τεχνητής νοημοσύνης
Το συγκριτικό πλεονέκτημα είναι πολύ λεπτό, αλλά απίστευτα ισχυρό.
Κάνω παρέα με πολλούς ανθρώπους στον κόσμο της τεχνητής νοημοσύνης και αν υπάρχει ένα πράγμα για το οποίο είναι σίγουροι, είναι ότι η τεχνολογία που κατασκευάζουν θα αφήσει πολλούς ανθρώπους χωρίς δουλειά. Ίσως όχι όλους τους ανθρώπους – διαφωνούν πέρα δώθε για αυτό – αλλά σίγουρα πολλούς ανθρώπους.
Είναι κατανοητό ότι σκέφτονται με αυτόν τον τρόπο. Μετά από όλα, αυτός είναι λίγο πολύ ο τρόπος με τον οποίο εφευρίσκουν πράγματα.
Σκέφτονται «Εντάξει, τι είδους πράγματα θα πλήρωναν οι άνθρωποι για να έχουν κάνει για αυτούς;» και μετά προσπαθούν να βρουν πώς να κάνουν την τεχνητή νοημοσύνη να το κάνει αυτό. Και δεδομένου ότι αυτές οι εργασίες είναι σχεδόν πάντα πράγματα που κάνουν οι άνθρωποι αυτήν τη στιγμή, σημαίνει ότι οι μηχανικοί, οι ιδρυτές και τα VCs τεχνητής νοημοσύνης σχεδόν πάντα εργάζονται για την αυτοματοποίηση της ανθρώπινης εργασίας. Επομένως, δεν είναι πολύ δύσκολο να σκεφτούμε ότι αν συνεχίσουμε να το κάνουμε αυτό, ξανά και ξανά, τελικά πολλοί άνθρωποι απλά δεν θα έχουν τίποτα να κάνουν.
Είναι επίσης φυσικό να πιστεύουμε ότι αυτού του είδους η δραστηριότητα θα ωθούσε τους μισθούς προς τα κάτω. Διαισθητικά, εάν υπάρχει ένα σύνολο πραγμάτων για τα οποία οι άνθρωποι πληρώνονται για να κάνουν και ορισμένα από αυτά εξακολουθούν να αυτοματοποιούνται, η ανθρώπινη εργασία θα συμπιεστεί σε ένα συρρικνούμενο σύνολο εργασιών. Βασικά, η ιδέα είναι ότι μοιάζει με αυτό:
Και αυτό φαίνεται να ταιριάζει με την ιστορία του είδους των εργασιών που κάνουν οι άνθρωποι. Τα παλιά χρόνια όλοι ήταν αγρότες. Στις αρχές του 20ου αιώνα, πολλοί άνθρωποι δούλευαν σε εργοστάσια. Σήμερα, οι περισσότεροι άνθρωποι εργάζονται σε υπηρεσίες:
Και είναι εύκολο να σκεφτεί κανείς ότι σε έναν απλό κόσμο προσφοράς και ζήτησης, αυτή η συρρίκνωση του ανθρώπινου τομέα θα μειώσει τους μισθούς. Καθώς οι άνθρωποι συμπιέζονται σε ένα συνεχώς συρρικνούμενο σύνολο καθηκόντων, η προσφορά εργασίας σε αυτά τα εναπομείναντα ανθρώπινα καθήκοντα θα αυξηθεί. Η υπερπροσφορά μειώνει τους μισθούς. Έτσι, όσο περισσότερο αυτοματοποιούμε, τόσο λιγότερο πληρώνονται οι άνθρωποι για να κάνουν όλο και μικρότερα πράγματα που μπορούν ακόμα να κάνουν.
Φυσικά, αν σκέφτεστε έτσι, θα πρέπει επίσης να λάβετε υπόψη το γεγονός ότι οι μισθοί έχουν αυξηθεί πολύ κατά τη διάρκεια αυτής της περιόδου, αντί να πέφτουν και να μειώνονται. Ο διάμεσος Αμερικανός κέρδισε περίπου 50% περισσότερα το 2022 από ό,τι το 1974:
(Αυτός ο αριθμός προσαρμόζεται στον πληθωρισμό. Είναι επίσης διάμεσος, επομένως δεν επηρεάζεται πολύ από τον μικρό αριθμό των ατόμων στην κορυφή της διανομής που βγάζουν τα χρήματά τους από την κατοχή κεφαλαίων και γης.)
Πώς μπορεί να ισχύει αυτό; Λοιπόν, ίσως είναι επειδή εφευρίσκουμε νέα καθήκοντα για να κάνουν οι άνθρωποι με την πάροδο του χρόνου. Στην πραγματικότητα, μέχρι στιγμής, η οικονομική ιστορία έχει δει μια συνεχή διαφοροποίηση στον αριθμό των εργασιών που κάνουν οι άνθρωποι. Πίσω στη γεωργική εποχή, σχεδόν όλοι έκαναν το ίδιο μικρό σύνολο εργασιών: γεωργία και συντήρηση ενός αγροτικού νοικοκυριού. Τώρα, ακόμη και μετά από αιώνες αυτοματισμού, το είδος μας στο σύνολό του εκτελεί μια πολύ μεγαλύτερη ποικιλία διαφορετικών εργασιών. Το «Digital Media Marketing» δεν ήταν δουλειά το 1950, ούτε και ο «χοροθεραπευτής».
Έτσι, αυτό θέτει πραγματικά υπό αμφισβήτηση την ιδέα ότι η ανθρωπότητα πιέζεται συνεχώς σε ένα όλο και μικρότερο σύνολο χρήσιμων εργασιών. Το γεγονός ότι ονομάζουμε τις περισσότερες από τις νέες εργασίες «υπηρεσίες» δεν αλλάζει το γεγονός ότι το σύνολο των νέων ανθρώπινων εργασιών φαίνεται να έχει επεκταθεί ταχύτερα από ότι οι μηχανές έχουν αντικαταστήσει τις παλιές.
Αλλά πολλοί άνθρωποι πιστεύουν ότι αυτή τη φορά είναι πραγματικά διαφορετική. Πιστεύουν ότι η τεχνητή νοημοσύνη είναι μια τεχνολογία γενικής χρήσης που μπορεί – με λίγη βοήθεια από τη ρομποτική – να μάθει να κάνει ό,τι μπορεί να κάνει ένας άνθρωπος, συμπεριλαμβανομένου του προγραμματισμού καλύτερης τεχνητής νοημοσύνης.
Σε εκείνο το σημείο, φαίνεται ότι θα τελειώσει το παιχνίδι — η μπλε γραμμή στο παραπάνω γράφημα θα συρρικνωθεί σε τίποτα και οι άνθρωποι δεν θα έχουν τίποτα άλλο να κάνουν και θα γίνουμε ξεπερασμένοι σαν τα άλογα. Οι ανθρώπινοι μισθοί θα πέσουν κάτω από το επίπεδο διαβίωσης και ο μόνος τρόπος για να επιβιώσουν είναι η κοινωνική πρόνοια, που πληρώνεται από τους πλούσιους ανθρώπους που κατέχουν όλες τις AI που κάνουν όλη την πολύτιμη δουλειά. Αλλά ακόμη και πολύ πριν φτάσουμε σε αυτή την τελική δυστοπία, αυτή η γραμμή σκέψης προβλέπει ότι οι ανθρώπινοι μισθοί θα μειωθούν αρκετά, δεδομένου ότι η τεχνητή νοημοσύνη θα συμπιέσει τους εργαζόμενους σε ένα ταχέως συρρικνούμενο σύνολο χρήσιμων καθηκόντων.
Αυτό, με λίγα λόγια, είναι ο τρόπος με τον οποίο πιστεύω ότι οι μηχανικοί, οι επιχειρηματίες και οι VC με τους οποίους κάνω παρέα σκέφτονται τον αντίκτυπο της τεχνητής νοημοσύνης στην αγορά εργασίας.
Οι περισσότεροι από τους τεχνολόγους που γνωρίζω παίρνουν μια στάση απέναντι σε αυτό το μέλλον που ισοδυναμεί με μελαγχολία, μοιρολατρία και περηφάνια – κάτι σαν «Τώρα έγινα θάνατος, καταστροφέας θέσεων εργασίας» τύπου Oppenheimer. Όλοι πιστεύουν ότι η εξαθλίωση της εργασίας είναι αναπόφευκτη, αλλά πιστεύουν ότι το να είναι αυτοί που εφευρίσκουν και κατέχουν την τεχνητή νοημοσύνη είναι ο μόνος τρόπος για να αποφύγουν να γίνουν αποδέκτες αυτής της εξαθλίωσης. Και εν τω μεταξύ, είναι κάτι ωραίο να έχεις δουλέψει.
Έτσι, όταν τους λέω χαρούμενα ότι είναι πολύ πιθανό οι κανονικοί άνθρωποι να έχουν άφθονες, υψηλά αμειβόμενες θέσεις εργασίας στην εποχή της κυριαρχίας της τεχνητής νοημοσύνης – συχνά κάνοντας σχεδόν το ίδιο είδος εργασίας που κάνουν τώρα – οι τεχνολόγοι συνήθως μένουν εμβρόντητοι, αναστατωμένοι, ακόμη και απογοητευμένοι Πρέπει απλώς να μην καταλαβαίνω πόσα πράγματα θα είναι σε θέση να κάνει η τεχνητή νοημοσύνη ή πόσο καλό θα είναι να τα κάνει ή πόσο φθηνά θα είναι. Πρέπει να σκέφτομαι μέσα μου «Σίγουρα, υπάρχουν κάποια πράγματα στα οποία οι άνθρωποι θα είναι πάντα καλύτεροι στις μηχανές!», ή κάποιος άλλος τέτοιος θλιβερός μηχανισμός αντιμετώπισης.
Αλλά όχι. Δεν είναι αυτό που σκέφτομαι. Αντίθετα, δέχομαι ότι η τεχνητή νοημοσύνη μπορεί κάποια μέρα να γίνει καλύτερη από τους ανθρώπους σε κάθε πιθανή εργασία. Αυτό είναι το μέλλον που φαντάζομαι. Και σε αυτό το μέλλον, νομίζω ότι είναι πιθανό η συντριπτική πλειοψηφία των ανθρώπων να έχει καλοπληρωμένες δουλειές και ότι πολλές από αυτές τις δουλειές θα μοιάζουν αρκετά με τις δουλειές του 2024.
Σε αυτο το σημείο μπορεί να ρωτάτε: “Τι στο καλό καπνίζει αυτός ο τύπος;”
Λοιπόν, θα σας πω.
Στο σημείο που προσπαθώ να εξηγήσω την εξαιρετικά λεπτή αλλά απίστευτα ισχυρή ιδέα του συγκριτικού πλεονεκτήματος
Όταν οι περισσότεροι άνθρωποι ακούν τον όρο «συγκριτικό πλεονέκτημα» για πρώτη φορά, σκέφτονται αμέσως το λάθος. Πιστεύουν ότι ο όρος σημαίνει κάτι παρόμοιο με το «ποιος μπορεί να κάνει κάτι καλύτερα». Σε τελική ανάλυση, αν μια τεχνητή νοημοσύνη είναι καλύτερη από εσάς στην αφήγηση ιστοριών ή στην ανάγνωση μιας μαγνητικής τομογραφίας, είναι καλύτερο σε σύγκριση με εσάς, σωστά; Μόνο που στην πραγματικότητα δεν σημαίνει αυτό το συγκριτικό πλεονέκτημα. Ο όρος «ποιος μπορεί να κάνει κάτι καλύτερα» είναι « ανταγωνιστικό πλεονέκτημα» ή «απόλυτο πλεονέκτημα».
Συγκριτικό πλεονέκτημα σημαίνει στην πραγματικότητα «ποιος μπορεί να κάνει κάτι καλύτερα σε σχέση με τα άλλα πράγματα που μπορεί να κάνει». Έτσι, για παράδειγμα, ας υποθέσουμε ότι είμαι χειρότερος από όλους σε όλα, αλλά είμαι λίγο λιγότερο κακός στο να σχεδιάζω πορτρέτα από οτιδήποτε άλλο. Δεν έχω κανένα απολύτως ανταγωνιστικό πλεονέκτημα, αλλά το να ζωγραφίζω πορτρέτα είναι το συγκριτικό μου πλεονέκτημα.
Η βασική διαφορά εδώ είναι ότι ο καθένας — κάθε άτομο, κάθε τεχνητή νοημοσύνη, ο καθένας — έχει πάντα ένα συγκριτικό πλεονέκτημα σε κάτι!
Για να διευκρινίσουμε αυτό το γεγονός, ας δούμε ένα απλό παράδειγμα. Πριν από μερικά χρόνια, καθώς η γενετική τεχνητή νοημοσύνη γινόταν μεγάλη, έγραψα από κοινού μια ανάρτηση ιστολογίου σχετικά με το μέλλον της εργασίας με έναν μηχανικό του OpenAI ονόματι Roon. Σε αυτήν την ανάρτηση, δώσαμε ένα παράδειγμα που δείχνει πώς κάποιος μπορεί να πληρωθεί —και να πληρωθεί καλά— για να κάνει μια δουλειά που το άτομο που τον προσλαμβάνει θα ήταν πραγματικά καλύτερο να κάνει:
Φανταστείτε έναν venture capitalist (ας τον ονομάσουμε «Marc») που είναι σχεδόν απάνθρωπα γρήγορος δακτυλογράφος. Ωστόσο, θα προσλάβει μια γραμματέα για να του συντάξει επιστολές, επειδή ακόμα κι αν αυτή η γραμματέας είναι πιο αργή δακτυλογράφος από αυτόν, ο Marc μπορεί να δημιουργήσει περισσότερη αξία χρησιμοποιώντας το χρόνο του για να κάνει κάτι διαφορετικό από τη σύνταξη επιστολών. Έτσι καταλήγει να πληρώνει κάποιον άλλον για να κάνει κάτι στο οποίο είναι πραγματικά καλύτερος .
(Στην πραγματικότητα, σηκώσαμε αυτό το παράδειγμα από ένα εγχειρίδιο οικονομίας του Γκρεγκ Μάνκιου, ο οποίος με τη σειρά του το πήρε από τον Πωλ Σάμιουελσον.)
Σημειώστε ότι στο παράδειγμά μας, ο Marc είναι καλύτερος από την γραμματέα του σε κάθε εργασία που απαιτεί η εταιρεία. Είναι καλύτερος στο να κάνει συμφωνίες VC. Και είναι επίσης καλύτερος στην πληκτρολόγηση. Αλλά παρόλο που ο Marc είναι καλύτερος σε όλα, δεν καταλήγει να τα κάνει όλα μόνος του! Καταλήγει να κάνει αυτό που είναι το συγκριτικό του πλεονέκτημα — να κάνει συμφωνίες VC. Και ο γραμματέας καταλήγει να κάνει αυτό που είναι το συγκριτικό του πλεονέκτημα — να πληκτρολογεί. Κάθε εργαζόμενος καταλήγει να κάνει αυτό στο οποίο είναι καλύτερος σε σχέση με τα άλλα πράγματα που θα μπορούσε να κάνει, αντί για το πράγμα στο οποίο είναι καλύτερος σε σχέση με άλλους ανθρώπους.
Αυτό μπορεί να ακούγεται σαν επινοημένο παράδειγμα, αλλά στην πραγματικότητα υπάρχουν πιθανώς πολλές περιπτώσεις όπου είναι μια καλή προσέγγιση της πραγματικότητας. Κάπου στον ανεπτυγμένο κόσμο, υπάρχει πιθανώς κάποιος εργαζόμενος που είναι χειρότερος από εσάς σε κάθε δυνατή επαγγελματική δεξιότητα. Κι όμως αυτός ο εργαζόμενος έχει ακόμα δουλειά. Και δεδομένου ότι βρίσκονται στον ανεπτυγμένο κόσμο, αυτός ο εργαζόμενος πιθανότατα κερδίζει αξιοπρεπή διαβίωση κάνοντας αυτή τη δουλειά, παρόλο που θα μπορούσατε να κάνετε τη δουλειά του καλύτερα από ό, τι θα μπορούσε.
Μέχρι τώρα, βέβαια, μάλλον έχετε συνειδητοποιήσει γιατί αυτά τα παραδείγματα έχουν νόημα. Αυτό οφείλεται σε περιορισμούς που ισχύουν για τον παραγωγό . Στο πρώτο παράδειγμα, ο Marc μπορεί να κάνει οτιδήποτε καλύτερο από τη γραμματέα του, αλλά υπάρχει μόνο ένας από τον Marc – έχει περιορισμό στον συνολικό χρόνο του. Και στο δεύτερο παράδειγμα, μπορείτε να κάνετε οτιδήποτε καλύτερο από τον εργάτη χαμηλής ειδίκευσης, αλλά υπάρχει μόνο ένας από εσάς. Και στις δύο περιπτώσεις, ο περιορισμός χρόνου που αφορά το άτομο είναι αυτός που εμποδίζει τον εργαζόμενο υψηλής ειδίκευσης να αντικαταστήσει τον εργαζόμενο με χαμηλή ειδίκευση.
Τώρα ας σκεφτούμε την τεχνητή νοημοσύνη. Υπάρχει συγκεκριμένος περιορισμός για τον παραγωγό όσον αφορά την ποσότητα της τεχνητής νοημοσύνης που μπορούμε να παράγουμε; Φυσικά υπάρχει ο περιορισμός στην ενέργεια, αλλά αυτό δεν είναι συγκεκριμένο για την τεχνητή νοημοσύνη – οι άνθρωποι χρειάζονται επίσης ενέργεια για να λειτουργήσουν. Ένας πολύ πιο πιθανός περιορισμός περιλαμβάνει την υπολογιστική ισχύ (“compute”). Το AI απαιτεί κάποια ποσότητα υπολογισμού κάθε φορά που το χρησιμοποιείτε. Αν και η ποσότητα του υπολογισμού αυξάνεται καθημερινά, είναι απλά αλήθεια ότι σε οποιαδήποτε δεδομένη χρονική στιγμή, και σε οποιοδήποτε δεδομένο χρονικό διάστημα, υπάρχει ένα πεπερασμένο ποσό υπολογισμού διαθέσιμο στον κόσμο. Η δύναμη του ανθρώπινου εγκεφάλου και η μυϊκή δύναμη, αντίθετα, δεν χρησιμοποιούν κανέναν υπολογισμό.
Έτσι, ο υπολογισμός είναι ένας συγκεκριμένος περιορισμός του παραγωγού στην τεχνητή νοημοσύνη, παρόμοιος με τους περιορισμούς στον χρόνο του Marc στο παραπάνω παράδειγμα. Δεν έχει σημασία πόσος υπολογισμός παίρνουμε ή πόσο γρήγορα δημιουργούμε νέους υπολογισμούς. θα υπάρχει πάντα ένα περιορισμένο ποσό στον κόσμο, και αυτό θα θέτει πάντα κάποιο όριο στην ποσότητα της τεχνητής νοημοσύνης στον κόσμο.
Έτσι, καθώς η τεχνητή νοημοσύνη γίνεται όλο και καλύτερη και συνηθίζεται για όλο και περισσότερες διαφορετικές εργασίες, η περιορισμένη παγκόσμια προσφορά υπολογιστών θα μας αναγκάσει τελικά να κάνουμε δύσκολες επιλογές σχετικά με το πού θα διαθέσουμε την εκπληκτική ισχύ της τεχνητής νοημοσύνης. Θα πρέπει να αποφασίσουμε πού θα εφαρμόσουμε την περιορισμένη ποσότητα τεχνητής νοημοσύνης και όλες οι διάφορες εφαρμογές θα ανταγωνίζονται μεταξύ τους. Ορισμένες εφαρμογές θα κερδίσουν αυτόν τον διαγωνισμό και ορισμένες θα χάσουν.
Αυτή είναι η έννοια του κόστους ευκαιρίας — μία από τις βασικές έννοιες της οικονομίας, και ωστόσο μία από τις πιο δύσκολες. Όταν η τεχνητή νοημοσύνη γίνει τόσο ισχυρή που μπορεί να χρησιμοποιηθεί σχεδόν για οτιδήποτε, το κόστος χρήσης της τεχνητής νοημοσύνης για οποιαδήποτε εργασία θα καθοριστεί από την αξία των άλλων πραγμάτων για τα οποία θα μπορούσε να χρησιμοποιηθεί η τεχνητή νοημοσύνη .
Εδώ είναι ένα άλλο μικρό παράδειγμα παιχνιδιού. Ας υποθέσουμε ότι η χρήση 1 gigaflop υπολογισμού για την τεχνητή νοημοσύνη θα μπορούσε να αποφέρει αξία 1000 $ αν η τεχνητή νοημοσύνη είναι γιατρός για ένα ραντεβού μιας ώρας. Συγκρίνετε το με έναν άνθρωπο, ο οποίος μπορεί να παράγει μόνο αξία 200 $ κάνοντας ένα ραντεβού μιας ώρας. Προφανώς, αν συγκρίνατε μόνο αυτούς τους δύο αριθμούς, θα προσλάβατε το AI αντί για τον άνθρωπο. Αλλά τώρα ας υποθέσουμε ότι αυτό το ίδιο gigaflop υπολογιστών, θα μπορούσε να παράγει αξία 2000 δολαρίων αν το AI είναι ηλεκτρολόγος μηχανικός. Αυτά τα 2.000 $ είναι το κόστος ευκαιρίας για να ενεργήσει η τεχνητή νοημοσύνη ως γιατρός. Επομένως, η καθαρή αξία της χρήσης της τεχνητής νοημοσύνης ως ιατρού για αυτό το ραντεβού μιας ώρας είναι στην πραγματικότητα αρνητική . Εν τω μεταξύ, το κόστος ευκαιρίας του ανθρώπινου γιατρού είναι πολύ χαμηλότερο – οτιδήποτε άλλο έκανε με την ώρα του χρόνου της θα ήταν πολύ λιγότερο πολύτιμο.
Σε αυτό το παράδειγμα, είναι λογικό να έχετε τον ανθρώπινο γιατρό να κάνει το ραντεβού, παρόλο που το AI είναι πέντε φορές καλύτερο σε αυτό. Ο λόγος είναι επειδή το AI – ή, ακριβέστερα, το gigaflop του υπολογισμού που χρησιμοποιείται για την τροφοδοσία του AI – έχει κάτι καλύτερο να κάνει αντ ‘αυτού. Η τεχνητή νοημοσύνη έχει ανταγωνιστικό πλεονέκτημα έναντι των ανθρώπων τόσο στην ηλεκτρολογία όσο και στην ιατρική. Αλλά έχει μόνο ένα συγκριτικό πλεονέκτημα στην ηλεκτρολογία, ενώ ο άνθρωπος έχει ένα συγκριτικό πλεονέκτημα στην ιατρική.
Η έννοια του συγκριτικού πλεονεκτήματος είναι στην πραγματικότητα ακριβώς ίδια με την έννοια του κόστους ευκαιρίας. Εάν αναζητήσετε στο Google τον ορισμό του «συγκριτικού πλεονεκτήματος», μπορεί να τον ορίσετε ως «μια κατάσταση κατά την οποία ένα άτομο, μια επιχείρηση ή μια χώρα μπορεί να παράγει ένα αγαθό ή μια υπηρεσία με χαμηλότερο κόστος ευκαιρίας από έναν άλλο παραγωγό». Αυτός είναι ένας καλός ορισμός.
Έτσι ούτως ή άλλως, λόγω του συγκριτικού πλεονεκτήματος, είναι πιθανό πολλές από τις δουλειές που κάνουν οι άνθρωποι σήμερα να συνεχίσουν να γίνονται από ανθρώπους επ’ αόριστον, ανεξάρτητα από το πόσο καλύτερες είναι οι AI σε αυτές τις εργασίες. Και είναι πιθανό ότι οι άνθρωποι θα συνεχίσουν να αμείβονται καλά για τις ίδιες δουλειές.
Στην πραγματικότητα, εάν η τεχνητή νοημοσύνη αυξήσει μαζικά τον συνολικό πλούτο της ανθρωπότητας, είναι πιθανό οι άνθρωποι να αμείβονται όλο και περισσότερο για αυτές τις δουλειές όσο περνάει ο καιρός. Σε τελική ανάλυση, εάν η τεχνητή νοημοσύνη όντως αναπτύσσει την οικονομία κατά 10% ή 20% ετησίως , αυτό θα οδηγήσει σε μια εξαιρετικά πλούσια κοινωνία σε πολύ σύντομο χρονικό διάστημα. Εάν το πραγματικό κατά κεφαλήν ΑΕΠ φτάσει στα 10 εκατομμύρια δολάρια (σε δολάρια του 2024), οι πλούσιοι δεν πρόκειται να σκεφτούν δύο φορές να ξοδέψουν 300 δολάρια για κούρεμα ή 2.000 δολάρια για ραντεβού σε γιατρό. Έτσι, όπου συμβαίνει να βρίσκεται το συγκριτικό πλεονέκτημα των ανθρώπων, είναι πιθανό ότι σε μια κοινωνία που γίνεται εξαιρετικά πλούσια από την τεχνητή νοημοσύνη, θα είναι αρκετά καλά αμειβόμενη.
Με άλλα λόγια, το θετικό σενάριο για την ανθρώπινη εργασία μοιάζει πολύ με αυτό που περιγράφει ο Liron Shapira σε αυτό το tweet:
Φυσικά μπορεί να μην είναι γιατρός – μπορεί να είναι κομμωτής, κτίστης ή οτιδήποτε άλλο – αλλά αυτή είναι η βασική ιδέα.
(Προσπάθησα να εξηγήσω αυτήν την έννοια σε μια πρόσφατη συζήτηση podcast με τον Nathan Lebenz, αλλά νομίζω ότι μια ανάρτηση ιστολογίου παρέχει μια καλύτερη μορφή για τη διατύπωση αυτών των ιδεών.)
Το “πιθανό” δεν σημαίνει “εγγυημένο”
Μέχρι στιγμής χρησιμοποιούσα την αρχή του συγκριτικού πλεονεκτήματος για να υποστηρίξω ότι είναι πιθανό οι άνθρωποι να διατηρήσουν τις δουλειές τους, ακόμη και να δουν μεγάλες αυξήσεις στους μισθούς, ακόμη και σε έναν κόσμο όπου η τεχνητή νοημοσύνη είναι καλύτερη από τους ανθρώπους σε όλα. Αλλά αυτό δεν σημαίνει ότι είναι εγγυημένο .
Πρώτα απ ‘όλα, συμβαίνουν πολλά περισσότερα στην οικονομία από το συγκριτικό πλεονέκτημα. Εξάλλου, το συγκριτικό πλεονέκτημα επινοήθηκε για πρώτη φορά για να εξηγήσει το διεθνές εμπόριο και οι εμπορικοί θεωρητικοί έχουν συνειδητοποιήσει ότι υπάρχουν πολλοί άλλοι παράγοντες που παίζουν. Ένα παράδειγμα είναι η New Trade Theory του Paul Krugman , για την οποία έλαβε βραβείο Νόμπελ. Σε μια ανάρτηση ιστολογίου το 2013, ο Tyler Cowen απαρίθμησε μια σειρά από περιορισμούς της ιδέας του συγκριτικού πλεονεκτήματος.
Ο πιο σημαντικός και τρομακτικός από αυτούς τους περιορισμούς είναι το τρίτο στοιχείο στη λίστα του Tyler:
- Πράγματι στέλνουν άλογα στο εργοστάσιο κόλλας,να το πώ έτσι.
Το παράδειγμα των αλόγων τρομάζει πολλούς ανθρώπους που σκέφτονται την τεχνητή νοημοσύνη και τον αντίκτυπό της στην αγορά εργασίας. Ο πληθυσμός των αλόγων μειώθηκε κατακόρυφα μετά τη διάθεση των μηχανοκίνητων οχημάτων. Το συγκριτικό πλεονέκτημα των αλόγων ήταν στο τράβηγμα των πραγμάτων, και όμως αυτό δεν ήταν αρκετό για να τα σώσει από την απαρχαιωμένη.
Ο λόγος είναι ότι τα άλογα ανταγωνίζονταν με άλλες μορφές ανθρώπινου κεφαλαίου για σπάνιους πόρους. Το φαγητό ήταν ένα από αυτά, αλλά δεν ήταν το σημαντικό. Οι θερμίδες έγιναν φθηνότερες με την πάροδο του χρόνου. Οι βασικοί πόροι που έγιναν σπάνιοι ήταν η αστική γη (για στάβλους), καθώς και ο ανθρώπινος χρόνος και η προσπάθεια που απαιτείται για την εκτροφή και τη φροντίδα των αλόγων σε αιχμαλωσία. Όταν εμφανίστηκαν τα μηχανοκίνητα οχήματα, αυτοί οι σπάνιοι πόροι δαπανήθηκαν πιο κερδοφόρα αλλού, έτσι οι άνθρωποι έστειλαν τα άλογά τους στο εργοστάσιο κόλλας.
Όταν πρόκειται για την τεχνητή νοημοσύνη και την ανθρωπότητα, ο σπάνιος πόρος για τον οποίο ανταγωνίζονται είναι η ενέργεια. Οι άνθρωποι δεν χρειάζονται υπολογισμούς, αλλά απαιτούν ενέργεια και η ενέργεια είναι σπάνια. Είναι πιθανό ότι η τεχνητή νοημοσύνη θα γίνει τόσο πολύτιμη ώστε οι ιδιοκτήτες της να αυξήσουν την τιμή της ενέργειας αστρονομικά – τόσο υψηλή που οι άνθρωποι δεν μπορούν να αντέξουν οικονομικά τα καύσιμα, την ηλεκτρική ενέργεια, τα βιομηχανικά αγαθά ή ακόμα και τα τρόφιμα. Σε εκείνο το σημείο, οι άνθρωποι θα εξαθλιώνονταν πράγματι μαζικά.
Υπενθυμίζουμε ότι το συγκριτικό πλεονέκτημα υπερισχύει όταν υπάρχουν περιορισμοί που αφορούν ειδικά τον παραγωγό. Ο υπολογισμός είναι ένας περιορισμός που αφορά ειδικά την τεχνητή νοημοσύνη. Η ενέργεια δεν είναι. Εάν μπορείτε να δημιουργήσετε περισσότερους υπολογιστές απλά βάζοντας περισσότερη ενέργεια στη διαδικασία, θα μπορούσε να έχει οικονομικό νόημα να λιμοκτονούν τα ανθρώπινα όντα προκειμένου να παράγουν όλο και περισσότερη τεχνητή νοημοσύνη.
Στην πραγματικότητα, τέτοια πράγματα έχουν ξανασυμβεί. Οι αγροτικές επιχειρήσεις χρησιμοποιούν το μεγαλύτερο μέρος του νερού του ποταμού Κολοράντο , δημιουργώντας μερικές φορές έλλειψη νερού για τα νοικοκυριά της περιοχής. Η καλλιέργεια σοδειών σε μετρητά πιστεύεται ότι επιδείνωσε τον λιμό που σκότωσε εκατομμύρια στην Ινδία στα τέλη του 1800. Και στις δύο περιπτώσεις, οι δυνάμεις της αγοράς διέθεσαν τοπικούς πόρους σε πλούσιους ανθρώπους μακριά, αφήνοντας λιγότερους για τους ντόπιους.
Φυσικά, εάν διακυβεύονται ανθρώπινες ζωές και όχι ιπποειδείς, οι περισσότερες κυβερνήσεις φαίνεται πιθανό να περιορίσουν την ικανότητα της τεχνητής νοημοσύνης να καταναλώνει ενέργεια. Αυτό θα μπορούσε να γίνει με τον περιορισμό της χρήσης πόρων της τεχνητής νοημοσύνης ή απλώς με τη φορολόγηση των κατόχων τεχνητής νοημοσύνης. Το δυστοπικό αποτέλεσμα, όπου λίγοι άνθρωποι κατέχουν τα πάντα και όλοι οι άλλοι πεθαίνουν, είναι πάντα διασκεδαστικό να κυκλοφορεί στις τάξεις του Econ 101, αλλά στην πραγματικότητα, οι κοινωνίες φαίνεται να μην το επιτρέπουν. Υποθέτω ότι μπορώ να φανταστώ έναν σκοτεινό κόσμο επιστημονικής φαντασίας όπου μερικοί ιδιοκτήτες τεχνητής νοημοσύνης και οι στρατιές των ρομπότ τους καταφέρνουν να ανατρέψουν κυβερνήσεις και να εγκατασταθούν ως κυβερνήτες σε έναν κόσμο όπου οι περισσότεροι άνθρωποι λιμοκτονούν, αλλά στην πράξη, αυτό φαίνεται απίθανο.
Αλλά αν αυτό το είδος κυβερνητικής παρέμβασης θα είναι ακόμη απαραίτητο είναι ένα ανοιχτό ερώτημα. Εάν η συνολική ποσότητα υπολογισμού περιορίζεται από περισσότερους παράγοντες εκτός από την ενέργεια , θα μπορούσε απλώς να επικρατήσει το συγκριτικό πλεονέκτημα ακόμη και χωρίς χέρι βοήθειας.
Γιατί πρέπει να ανησυχούν οι τεχνολόγοι (και όλοι οι άλλοι).
Σε αυτήν την ανάρτηση, έχω υποστηρίξει ότι οι τεχνολόγοι πρέπει να ανησυχούν λιγότερο για την ανθρώπινη απαξίωση. Αλλά αυτό δεν σημαίνει ότι δεν υπάρχει τίποτα που να αξίζει να ανησυχούμε όταν πρόκειται για την επίδραση της τεχνητής νοημοσύνης στην οικονομία μας.
Πρώτον, υπάρχει ανισότητα. Ας υποθέσουμε ότι το συγκριτικό πλεονέκτημα σημαίνει ότι οι περισσότεροι άνθρωποι μπορούν να διατηρήσουν τη δουλειά τους με μια μικρή αύξηση μισθού, αλλά ότι μερικοί άνθρωποι που κατέχουν την υποδομή AI γίνονται υπέροχα πλούσιοι πέρα από τα πιο τρελά όνειρα οποιουδήποτε άλλου. Δεν περιμένω από τους γιατρούς ή τους κομμωτές να είναι απόλυτα ευχαριστημένοι με μια αύξηση 10% εάν ο Sam Altman και ο Jensen Huang και μερικοί άλλοι άνθρωποι καταλήξουν ως τετράκις δισεκατομμυριούχοι. Ακόμα κι αν η τεχνητή νοημοσύνη μειώσει το ασφάλιστρο στο ανθρώπινο κεφάλαιο, θα μπορούσε να αυξήσει μαζικά το ασφάλιστρο για το φυσικό και άυλο κεφάλαιο – τις αξίνες και τα φτυάρια και τα θεμελιώδη μοντέλα. Οι ιδιοκτήτες αυτού του είδους του πιο παραδοσιακού κεφαλαίου θα μπορούσαν εύκολα να γίνουν ακόμα πιο πλούσιοι από τους βαρόνους ληστές της Χρυσής Εποχής.
Μια δεύτερη ανησυχία είναι η προσαρμογή. Αν έχουμε μάθει κάτι από τη Ζώνη της Σκουριάς και το Σοκ της Κίνας, είναι ότι οι άνθρωποι και οι εταιρείες δεν είναι τόσο ευπροσάρμοστοι όσο θα μας έκαναν συνήθως να πιστέψουμε τα οικονομικά μοντέλα.
Το συγκριτικό πλεονέκτημα θα μπορούσε να αλλάξει γρήγορα καθώς εξελίσσεται η τεχνητή νοημοσύνη, αλλάζοντας γρήγορα το σύνολο των πραγμάτων για τα οποία μπορούν να πληρωθούν οι άνθρωποι. Και οι άνθρωποι πάντα δυσκολεύονταν να επανεκπαιδευτούν. Φανταστείτε αν ο «γιατρός» πήγαινε από μια δουλειά που οι άνθρωποι κάνουν καλύτερα σε μια δουλειά που κάνει καλύτερα η AI και στη συνέχεια γύρισε πίσω μια δεκαετία αργότερα, όταν οι συνολικοί περιορισμοί αύξησαν το κόστος ευκαιρίας. Σε αυτή τη 10ετή μεσοβασιλεία, οι ιατρικές σχολές και τα προϊατρικά προγράμματα θα συρρικνώνονταν και θα πέθαιναν.
Μια τρίτη ανησυχία είναι ότι η τεχνητή νοημοσύνη θα απαιτήσει με επιτυχία την ιδιοκτησία των δικών της μέσων παραγωγής. Αυτή η θέση λειτούργησε υπό την υπόθεση ότι οι άνθρωποι κατέχουν AI και ότι επομένως όλα τα κέρδη από την AI ρέουν στους ανθρώπους. Στο μέλλον, αυτό μπορεί να πάψει να ισχύει.
Πιστεύω λοιπόν ότι υπάρχουν πολλές πιθανές αρνητικές οικονομικές επιπτώσεις της τεχνητής νοημοσύνης για τις οποίες σίγουρα αξίζει να ανησυχούμε. Δεν έχω απαραίτητα απαντήσεις σε κανένα από αυτά, και όλα αξίζουν περισσότερη σκέψη. Αλλά οι άνθρωποι που πιστεύουν ότι καθώς η τεχνητή νοημοσύνη βελτιώνεται, η ανθρωπότητα αναπόφευκτα θα δει στάσιμους μισθούς και ένα στενό φάσμα καθηκόντων εργασίας θα πρέπει να το ξανασκεφτούν και να αναλογιστούν την αρχή του συγκριτικού πλεονεκτήματος.
Noah Smith
Πηγή: noahpinion.blog
