Źródło: mises.org
Tłumaczenie: Jakub Juszczak
W niedawno opublikowanym artykule krótko podsumowaliśmy to, co dziś nazywamy sztuczną inteligencją (SI). Chociaż technologie te są z pewnością imponujące i mogą nawet przejść test Turinga, nie są one jednak istotami rozumnymi i nie mają świadomości. Nie jest to więc ani czas, ani miejsce na omawianie filozoficznych kwestii dotyczących tego, jak zdefiniować prawdziwą lub pełną sztuczną inteligencję — sztuczną inteligencję ogólną — i czy powinniśmy prawnie uznać oprogramowanie AI za osoby (w końcu korporacje uznawane są za osoby prawne).
Z ekonomicznego punktu widzenia sztuczna inteligencja jako technologia, niezależnie od tego, czy jest wykorzystywana do celów rozrywkowych, czy do celów realizacji produkcji przemysłowej, jest dobrem. Jak nauczał Carl Menger, aby coś było dobrem, istotne jest to, że (cokolwiek to jest) musi mieć zdolność do zaspokajania ludzkich potrzeb, to coś musi być uznane jako takie i dana osoba — konsument — ma lub może uzyskać nad nim kontrolę w celu zaspokojenia tych rzeczywistych potrzeb. Innymi słowy, musi być rzadkie (jest go mniej niż możemy wykorzystać do zaspokojenia wszystkich potrzeb) i rozumiane jako wartościowe (ponieważ wierzymy, że może zaspokoić potrzeby). Sztuczna inteligencja z pewnością spełnia te kryteria.
Sztuczna inteligencja jako dobro konsumpcyjne
Kiedy ludzie bawią się, „dyskutując” ze sztuczną inteligencją (Czytelnik może wypróbować na przykład Windows Copilot) lub generując dziwaczne obrazy za pomocą DALL-E (tu można go wypróbować), jest to dobro najniższego rzędu — dobro konsumpcyjne. Same w sobie, konsekwencje ekonomiczne są tu ograniczone do wpływu, jaki ma to na zachowania konsumentów. Ale to z kolei może mieć znaczący wpływ na produkcję.
Niektóre dobra konsumpcyjne rewolucjonizują gospodarkę i społeczeństwo. Przykładami takich dóbr są samochody (od wprowadzenia Modelu T Forda) i smartfony (począwszy od iPhone'a firmy Apple). Pierwszy z nich zrewolucjonizował transport i infrastrukturę oraz ułatwił logistykę produkcji czy rozrost miast, wspominając tylko o kilku skutkach. Ten drugi produkt zmienił wszystko, od sposobu, w jaki realizujemy transakcje, po sposób, w jaki podróżujemy.
Rzecz w tym, że wraz ze zmianą zachowań konsumentów zmienia się struktura produkcji. Przykładowo, wraz z upowszechnieniem się smartfonów, produkcja papierowych map niemal całkowicie zanikła, podczas gdy cyfrowe usługi lokalizacyjne i inteligentna logistyka odnotowały ogromny wzrost i rozwój. A ta zmiana prowadzi do kolejnych, ponieważ przedsiębiorcy opierają się na nowych odkryciach technicznych, rozwijając je i kwestionując stare.
Sztuczna inteligencja ma potencjał do zmiany zachowań konsumentów znacznie wykraczającą poza jej zaprojektowaną funkcjonalność. Nie wiadomo jeszcze dokładnie w jaki sposób. Można jednak śmiało powiedzieć, że ma potencjał. (z drugiej strony wiele towarów miało potencjał do zrewolucjonizowania rynku, ale tak na prawdę nie pozostawiło po sobie śladu). Na przykład możemy aktualnie zobaczyć, jak ludzie tworzą własne historie, piosenki, obrazy, a nawet filmy. Być może, zamiast polegać na telewizji lub Netflixie czy hollywoodzkich producentach sprawimy, że wieczór filmowy stanie się wieczorem filmowym, podczas którego zobaczymy pasujące do nas treści wygenerowane przez nas samych.
Sztuczna inteligencja jako dobro wyższego rzędu
Jako narzędzie, a tym samym dobro wyższego rzędu, sztuczna inteligencja już wywarła wpływ na produkcję i zapowiada się, że zrewolucjonizuje kilka branż. Ponieważ jest bardzo skuteczna w tworzeniu i prezentowaniu treści, w tym tłumaczeniu i redagowaniu tekstów, zawody związane z edytowaniem treści są zagrożone przez sztuczną inteligencję. Obejmuje to dziennikarzy i redaktorów, ponieważ programy AI mogą pisać i edytować tekst szybciej niż ludzie. W końcu każdy może poprosić sztuczną inteligencję o stworzenie lub zredagowanie tekstu. Studenci już używają AI do urozmaicania lub ulepszania swoich prac — lub pozwalają SI napisać je za siebie.
Sztuczna inteligencja ma podobny wpływ na fotografów i ilustratorów. Wystarczy minuta, by DALL-E stworzył nowy obraz zgodnie z instrukcjami lub by algorytm AI usunął lub dodał coś do wykonanego zdjęcia. Natomiast stworzenie czegoś przez ilustratora zajmuje znacznie więcej czasu (nie wspominając o kosztach jego pracy).
Programiści i twórcy systemów również dostrzegają efekty działania sztucznej inteligencji, która nie ma problemu zarówno z generowaniem nowego kodu (bez błędów!), jak i sprawdzaniem już napisanego kodu. Starsze oprogramowanie napisane w przestarzałych i nieefektywnych językach programowania może zostać uruchomione przez sztuczną inteligencję po to, aby uczynić programowanie jeszcze bardziej wydajnym oraz umożliwić przekonwertowanie ich do nowocześniejszych języków programowania.
Sztuczna inteligencja wpływa również na środowisko akademickie. Dlaczego wykładowca miałby opowiadać studentom o jakimś przedmiocie, zamiast pozwolić zrobić to sztucznej inteligencji? W końcu sztuczna inteligencja może z łatwością prezentować treści w sposób preferowany przez studenta. Na przykład może ona wygenerować film wyjaśniający, np. zagadnienia dotyczące biologii lub chemii w zabawny sposób. Ponadto może odpowiadać na wszelkiego rodzaju pytania, nigdy się nie denerwując — i nie ma w tym być inaczej. W badaniach naukowych sztuczna inteligencja może skuteczniej analizować dane i przeprowadzać tysiące różnych jej analiz na bazie metod czy algorytmów po to, aby znaleźć coś, co jest znaczące i ważne (tak zwany HARKing [tworzenie hipotez po poznaniu wyników — przyp. tłum.] — który jest bardzo kiepską praktyką badawczą — ale kto będzie wiedział?). Może również napisać artykuł z cytatami i wszystkim innym niezbędnym do jego opracowania w ciągu zaledwie kilku sekund.
Sztuczna inteligencja jako kapitał produkcyjny
Wszystko to oznacza, że sztuczna inteligencja może i będzie wykorzystywana w produkcji. W rzeczywistości już tak jest i dopiero zaczynamy dostrzegać tego efekty.
Sztuczną inteligencję najlepiej sklasyfikować jako dobro kapitałowe, które jest wykorzystywane do zwiększania produktywności pracy (większa wartość produkcji na godzinę zainwestowanej pracy) poprzez umożliwianie realizacji bardziej okrężnych (bardziej efektywnych) struktur produkcyjnych. Ogólnie rzecz biorąc, dobra kapitałowe pełnią jedną (lub obie) z dwóch funkcji: sprawiają, że istniejące procesy produkcyjne są bardziej efektywne poprzez zwiększenie ich produktywności lub umożliwiają rozpoczęcie nowych rodzajów produkcji, które wcześniej nie były możliwe. Sztuczna inteligencja spełnia oba te kryteria.
Widzieliśmy już, w jaki sposób osoby pracujące w kilku rodzajach zawodów opartych na generowaniu treści mogą z łatwością zwiększyć swoją produktywność lub zostać całkowicie zastąpione przez sztuczną inteligencję. Może ona również robić rzeczy, których ludzie nie byli w stanie zrobić — lub nigdy nie pomyśleli o ich faktycznej realizacji. Może to oczywiście spowodować tak zwane bezrobocie technologiczne, ponieważ ludzie tracą pracę w momencie, gdy sztuczna inteligencja jest w stanie wykonywać pewne zadania lepiej i taniej. Jest to jednak katastroficzny sposób opisania czegoś całkiem normalnego i bardzo użytecznego: zwalniamy ludzi, z całymi ich zdolnościami, ze stosunkowo prostych zadań po to, aby mogli wpływać swoją pracą na tworzenie znacznie większej wartości gdzie indziej.
Jest to oczywiście kłopotliwe dla każdej osoby tracącej źródło dochodu, ale „twórcza destrukcja” tych (i innych) zawodów jest bardzo korzystna dla konsumentów (a tym samym dla całego społeczeństwa). Ekonomicznym celem zatrudnienia nie jest zapewnienie ludziom dochodu po to, aby mogli płacić podatki (choć politycy wydają się tak myśleć), ale wytwarzanie dóbr, które mogą zaspokoić potrzeby konsumentów — uczynić nasze życie lepszym. Tak jak od czasu rewolucji motoryzacyjnej jest bardzo niewielu stajennych czy producentów bryczek, tak w przyszłości będzie mniej osób zajmujących się relacjonowaniem wiadomości, redagowaniem tekstów czy programowaniem. Należy również zauważyć, że rewolucja ta nie jest tak nagła i destrukcyjna, jak może się początkowo wydawać. Na przykład media informacyjne od wielu lat zmniejszają liczbę dziennikarzy zajmujących się raportowaniem (większość punktów sprzedaży obecnie jedynie ponownie publikuje standardowe artykuły z AP lub Reuters). Z innej strony, rozwój oprogramowania już teraz wykorzystuje coraz bardziej efektywne środowiska programistyczne, które korygują i przewidują polecenia, czy pozwalają na rozwój programów pozwalających na intuicyjne tworzenie oraz dodawanie treści poprzez prosty interfejs graficzny, mogą także debugować kod i sugerować potencjalne rozwiązania błędów obecnych w kodzie.
Sztuczna inteligencja to tylko kolejny krok w procesie rozwoju. Ale zagrożenie jest znacznie wyolbrzymione. Mamy tendencję do przeceniania wpływu technologii w krótkim okresie, ale nie doceniamy go w dłuższej perspektywie.
Problemy do przezwyciężenia
Istnieje jednak problem związany z tym, jak działają duże modele językowe i jakie odpowiedzi generują. W przypadku zastosowania w środowisku ściśle opartym na ścisłych oraz zamkniętych regułach, takim jak programowanie komputerowe, „zrozumienie” kodu przez sztuczną inteligencję może znacznie poprawić produktywność programistów (lub ich zastąpić). Sztuczna inteligencja nie wygeneruje błędów w oprogramowaniu, chyba że specyfikacje są niekompletne lub sprzeczne.
To samo dotyczy generowania języka przez sztuczną inteligencję: czerpie ona z dużych zbiorów danych tekstowych i dobrze „rozumie” w jaki sposób ludzie używają języka. Nie ma jednak żadnych opartych na regułach sposobów odróżniania faktów od fikcji. W zamian, sztuczna inteligencja czerpie z tego, co statystycznie jest bardziej prawdopodobne, że będzie odpowiedzią brzmiącą zdecydowanie bliżej tego, co powiedziałby prawdziwy człowiek. Z tego powodu tworzy treści, które mogą być całkowicie fałszywe.
Na przykład poprosiłem SI o podsumowanie treści mojego podręcznika ekonomii z 2022 roku, How to Think about the Economy. Ponieważ ma dostęp do tekstu wykonała całkiem dobrą robotę, podsumowując to, co faktycznie jest w książce. Ale dodała również komentarze na temat treści, które zwykle znajdują się w innych podręcznikach ekonomii, ale nie ma ich w mojej pracy (takich jak teoria równowagi, doskonała konkurencja czy obecność równań matematycznych). Sztuczna inteligencja ma rację w tym, że książki ekonomiczne zazwyczaj omawiają takie zagadnienia, a zatem jest statystycznie prawdopodobne, że mój podręcznik zawierałby to samo. Tak jednak nie jest.
Istnieje różnica między statystycznym prawdopodobieństwem a prawdą. Przyjrzymy się temu problemowi i potencjalnemu zagrożeniu, jakie SI stanowi dla ludzkiego społeczeństwa w kolejnym artykule.
Źródło ilustracji: Pixabay
