Tony Blair Institute for Global Change (TBI), zespół doradców non-profit, opublikował niedawno badanie wskazujące, że sztuczna inteligencja może usprawnić pracę siły roboczej w Wielkiej Brytanii, obniżyć koszty rządowe o miliardy i zautomatyzować ponad 40% zadań pracowników. 

Jednak według badania korzyści te wymagałyby od rządu „inwestycji w technologię sztucznej inteligencji, modernizacji systemów danych, przeszkolenia pracowników w zakresie korzystania z nowych narzędzi i pokrycia wszelkich kosztów zwolnień związanych z wcześniejszym odejściem z rynku pracy”.

Jak piszą naukowcy, będzie to kosztować około 4 miliardy dolarów rocznie przez następne pięć lat, a następnie 7 miliardów dolarów rocznie.

Jednak według zewnętrznych badaczy, którzy czytali artykuł, prawdziwy problem z badaniem polega na tym, że opiera się on na ChatGPT.

Mohammad Amir Anwar z Uniwersytetu Oksfordzkiego wyraził w X, że Instytut Tony'ego Blaira „zmyśla bzdury”, podczas gdy Emily Bender z Uniwersytetu Waszyngtońskiego powiedziała Emanuelowi Maibergowi z 404 Media, że ​​badacze „równie dobrze mogliby się trząść przy Magic 8 Ball i zapisywać odpowiedzi, które wyświetla.”

Problem

Badacze z TBI postanowili zapewnić ogólny przegląd całej siły roboczej, aby móc następnie przewidzieć, jaki potencjalny wpływ automatyzacja może mieć na rynek w przyszłości.

Ustalili, że sztuczna inteligencja może niemal natychmiast zaoszczędzić Wielkiej Brytanii miliardy dolarów. Jak wynika z artykułu badawczego, porównanie kosztów inwestycji do potencjalnych oszczędności „oznacza, że ​​oszczędności netto wynikające z pełnego wykorzystania sztucznej inteligencji w sektorze publicznym wyniosą prawie 1,3 procent PKB każdego roku, co odpowiada dzisiejszym 37 miliardom funtów rocznie”.

Badacze posunęli się nawet do twierdzenia, że ​​„odpowiada to łącznemu stosunkowi korzyści do kosztów wynoszącemu 9:1” na początku oraz „szacujemy, że po pięciu latach program mógłby łącznie zaoszczędzić 0,5 procent rocznego PKB (czyli funta funtów). 15 miliardów w dzisiejszym ujęciu), co oznacza, że ​​stosunek korzyści do kosztów na poziomie 1,8:1 będzie możliwy, jeśli technologia zostanie szybko wdrożona”.

Chociaż liczby te są z pewnością ekscytujące, nie jest jasne, czy mają jakiekolwiek rzeczywiste znaczenie.

Pytanie brzmi, w jaki sposób badacze doszli do swoich wniosków. Zamiast przeprowadzić wyczerpujące badanie z pracownikami i pracodawcami, aby określić, jak automatyzacja wpłynie na dane stanowisko, wykorzystano zbiór danych O*NET do zidentyfikowania 20 000 zadań wykonywanych przez pracowników, a następnie przekazano dane do ChatGPT. Następnie zespół poprosił sztuczną inteligencję o określenie, jakie zadania nadają się do automatyzacji i jakich narzędzi można użyć do ich automatyzacji.

Zdaniem naukowców wykorzystanie ludzkich ekspertów do sprawdzenia każdego zadania uczyniłoby ich pracę „niewykonalną”, co w nauce oznacza, że ​​jest zbyt trudna do wykonania.

Pozornie oznacza to również, że dla badaczy ocena każdego wyniku ChatGPT byłaby „trudna” — zespół twierdzi, że wykorzystał system sztucznej inteligencji do sklasyfikowania prawie 20 000 zadań.

Jeśli możemy założyć, że sztuczna inteligencja popełniła błędy (zarówno według badań TBI, jak i strony internetowej OpenAI twórcy ChatGPT, modele są podatne na błędy), możemy również założyć, że badanie zawiera błędne informacje i że recenzowanie również byłoby trudne .

Automatyzacja nie jest łatwa

Jaka jest więc prawdziwa liczba? Technicznie rzecz biorąc, ChatGPT nie byłoby w stanie zrozumieć niuansów automatyzacji w poszczególnych zadaniach, ponieważ jest prawie całkowicie mało prawdopodobne, aby niezbędne dane znajdowały się w jego zbiorze danych ze względu na trudność ręcznego utworzenia. 

Jeśli chodzi o rozwiązywanie nowych problemów, w zakresie których system sztucznej inteligencji nie został przeszkolony, systemy generatywne zwykle zawodzą. 

Na przykład automatyczne ekspresy do kawy istnieją od kilkudziesięciu lat, ale ogólną automatyzację – uczenie systemu AI przygotowywania kawy w dowolnym miejscu i pomieszczeniu – uważa się za wyjątkowy problem w dziedzinie sztucznej inteligencji i robotyki.

Mówiąc najprościej, automatyzacja jest trudna i wymaga zróżnicowanego podejścia do każdego indywidualnego zadania.

Na przykład w 2017 r., gdy szał generatywnej sztucznej inteligencji zaczął nabierać tempa, zakładano, że autonomiczna jazda zostanie rozwiązana w ciągu kilku lat. Elon Musk przepowiedział nawet, że do roku 2020 Tesla będzie obsługiwać milion robotów.

Jednak od lipca 2024 r. zdecydowana większość producentów samochodów, start-upów i dużych placówek technologicznych, którzy od 2021 r. pracowali nad samochodami autonomicznymi, zamknęła swoje programy. Okazuje się, że 99% jazdy można zautomatyzować, ale jak dotąd żaden zespół inżynierów nie wymyślił, jak bezpiecznie zautomatyzować przypadki Edge, które stanowią ten ostatni procent. 

Chociaż łatwo jest wyobrazić sobie automatyzację dowolnego prostego zadania, kontekst jest ważny. ChatGPT może wyświetlać tekst wskazujący, że każde zadanie można zautomatyzować, jeśli rzucisz odpowiednią ilość pieniędzy na problem, ale rzeczywistość okazała się jak dotąd sprzeczna z tymi twierdzeniami.

Powiązane: Intuit zwalnia 10% pracowników, aby skupić się na sztucznej inteligencji