Hitech logo

Идеи

Мнение: генеративный ИИ создает больше рабочих мест, чем уничтожает

TODO:
Екатерина Шемякинская29 мая, 09:13

Считается, что инструменты генеративного искусственного интеллекта помогают экономить время и повышать производительность. Однако эти преимущества нивелируются объемом скрытой работы, необходимой для создания и поддержки больших языковых моделей (БЯМ). Кроме того, многие задачи просто не требуют всей мощности ИИ, и может хватить обычной автоматизации. Так считает Питер Каппелли, профессор менеджмента в Пенсильванском университете. По его мнению, в совокупности генеративный ИИ и БЯМ создадут для людей больше работы, чем заберут. Например, появится много задач по управлению базами данных. К тому же, генеративный ИИ делает много вещей, которые, в сущности, не особо нужны.

00
Самые интересные технологические и научные новости выходят в нашем телеграм-канале Хайтек+. Подпишитесь, чтобы быть в курсе.

Хотя искусственный интеллект преподносится как революционная технология, Капелли отмечает, что «прогнозы со стороны технологических компаний часто оказываются совершенно неверными». Большинство предсказаний о будущем работы со временем не сбылись. В качестве примера нереалистичных ожиданий профессор приводит обещания о скором появлении автономных грузовиков и автомобилей, которые активно давались еще в 2018 году.

Цифровой прорыв: как искусственный интеллект меняет медийную рекламу

Великие планы технологических преобразований часто спотыкаются о суровую реальность. Сторонники автономных транспортных средств продвигали способности беспилотных грузовиков, забывая о решении юридических вопросов, страховании, проблемах с программным обеспечением и всего остального. Капелли добавил: «Если вы посмотрите на реальную работу водителей грузовиков, то увидите, что они делают много вещей, помимо простого вождения, даже на дальних рейсах». Можно провести аналогию с использованием генеративного ИИ для разработки программного обеспечения. Программисты тратят большую часть времени, занимаясь вещами, не имеющими ничего общего с компьютерным программированием. Они разговаривают с людьми, обсуждают бюджеты и так далее.

В случае с генеративным ИИ потенциальная экономия труда и повышение производительности нивелируются объемом скрытой работы, необходимой для создания и поддержки больших языковых моделей и алгоритмов.

Как генеративный, так и операционный ИИ создают новую работу. Людям придётся управлять базами данных, организовывать материалы, решать проблемы противоречащих отчётов, достоверности и тому подобного. Это приведёт к появлению новых задач, и кто-то должен будет их выполнять. Операционный ИИ, несмотря на его давнее существование, все еще несовершенен. Машинное обучение с числовыми данными недоиспользуется из-за сложностей с объединением данных, которые разрознены и хранятся в разных организациях. Объединение требует больших усилий из-за политических и технических барьеров.

Каппелли называет несколько проблем генеративного искусственного интеллекта и БЯМ, которые необходимо преодолеть:

  • Избыточность решений. Большие языковые модели могут быть слишком мощными для простых задач, таких как деловая переписка, которые можно автоматизировать с помощью бланков писем и механической автоматизации. Юридическая проверка контента, созданного ИИ, сводит на нет экономию времени.
  • Расходы. По мере роста использования БЯМ будут увеличиваться потребности в вычислительных ресурсах и энергопотреблении, что приведет к росту затрат.
  • Проблема с валидацией. Генеративный ИИ полезен для создания простых вещей, вроде электронных писем. Но для более сложных отчетов и проектов необходима проверка точности всей полученной информации. Поэтому выводы ИИ требуют проверки человеком. Это увеличивает время и затраты, особенно для узкоспециализированных тем. Можно проверять выводы одних больших языковых моделей другими, но надежность такого метода под вопросом.
  • Перегрузка информацией. Более простое создание отчетов приведет к наплыву противоречивой информации. Люди могут манипулировать сведениями, основанными на выводах БЯМ.
  • Человеческий фактор. Люди часто принимают решения, полагаясь на интуицию и личные предпочтения. Это ограничивает применение БЯМ в таких областях, как найм сотрудников.

    • Капелли считает, что самым полезным приложением генеративного ИИ в ближайшем будущем будет анализ огромных хранилищ данных для поддержки принятия решений. «У нас залежи неанализированных данных. ИИ справится с этим гораздо лучше нас», — говорит профессор.