Mit tesz az AI a foglalkoztatással?
Ez a kérdés, az „Megöl minket az AI?” után, a technológiával kapcsolatos legfontosabb kérdés, és rendkívül nehéz pontosan meghatározni – még akkor is, amikor a határ a sci-fi és a valóság között elmosódik.
A spektrum egyik végén az a kissé naiv állítás áll, hogy az új technológia egyszerűen új munkákat hoz létre; a másikon pedig az a félelem, hogy a vállalkozások teljes munkaerőiket AI eszközökkel váltják fel. Néha a vita nem is a végállapotról szól, hanem inkább az átmenet sebességéről: egy néhány év alatt lezajló felfordulás pusztító lehet azok számára, akik ennek közepette találják magukat, míg egy két évtizedig tartó folyamat túlélhetőbb lehet.
Még a múltbeli analógiák sem olyan egyértelműek, mint szeretnénk. A belső égésű motor véget vetett a munkalovak használatának – végül. De a gőzgép éppen az ellenkezőjét tette, jelentősen növelte a csomaghordó állatok számát az Egyesült Királyságban. Miért? Mert a vasutak fellendítették az országban szállított áruk mennyiségét, de nem tudták befejezni a kiszállítást a raktártól az ajtóig. A lovakra volt szükség ahhoz, hogy megtegyék azt, amit a gőzgép nem tudott. Egészen addig, amíg már nem volt szükség rájuk.
A gőzenergia és a belső égésű motor példák az általános célú technológiákra, amelyek áttörést jelentenek és átalakítják a társadalom teljes szerkezetét. Nem sok ilyen van, még ha az írástól kezdve számítjuk is – vagy, még korábbról, magától a tűztől. Teljesen véletlen egybeesésnek tartom, hogy a „generatív előre betanított transzformátor” kifejezésnek ugyanaz a rövidítése, mint a GPT-nek, és így a GPT-k úgy tűnik, hogy egy GPT.
Nem az állásokról van szó, buta
Emberek nem lovak [forrás szükséges]. Valószínűtlennek tűnik, hogy az AI technológia valaha is képes lesz mindent megtenni, amit egy ember képes, mert az emberi képességek egy része egyszerűen emberi lenni, ami egy körkörös érv, de fontos. A lovak még mindig versenyeznek lóversenyeken, mert ha egy autóval helyettesíted a lovat, az már nem lóverseny [forrás szükséges]; az emberek továbbra is nyújtanak olyan szolgáltatásokat, amelyeket valamilyen okból az emberek emberektől akarnak megkapni. Ahogy a kultúra az AI felemelkedése körül torzul, meglephet minket, hogy ezek közül a szolgáltatások közül melyek maradnak meg.
Sokan inkább nem a munkákról, hanem a „feladatokról” szeretnek gondolkodni. Vegyünk egy munkát, határozzuk meg azokat a feladatokat, amelyeket tartalmaz, és kérdezzük meg, hogy az AI képes-e elvégezni ezeket. Ily módon azonosíthatunk néhányat, amelyek teljes mértékben veszélyeztetettek, néhányat, amelyek teljesen biztonságosak, és egy nagy középső csoportot, amelyet az AI valamilyen módon érinteni fog, bárhogy is alakul ez.
Érdemes megemlíteni a nyilvánvalót: ez a megközelítés mechanikusan nagy számot eredményez az „érintett” munkákra és egy kis számot a „megsemmisített” munkákra. (Még a leginkább AI által érintett munka is tartalmaz néhány olyan feladatot, amelyet az AI nehezen végez el.) Talán ezért ez egy módszertan, amelyet az OpenAI vezetett be. Egy 2023-as tanulmányban a laborhoz kapcsolódó kutatók becsülték: „A munkavállalók 80 százaléka olyan foglalkozásba tartozik, ahol a feladataik legalább 10 százaléka ki van téve az LLM-eknek, míg a munkavállalók 19 százaléka olyan foglalkozásban van, ahol feladatainak több mint fele ki van téve az AI-nek.”
A jelentés azt állította, hogy 15 és 86 foglalkozás között „teljesen ki van téve”, beleértve a matematikusokat, jogi titkárokat és… újságírókat.
Még itt vagyok. De egy év elteltével az ötlet újra a hírekben van, köszönhetően a Tony Blair Intézet (TBI) tanulmányának. Az óriás thinktank már a két héttel ezelőtti földcsuszamlásszerű Munkáspárti győzelem előtt is hatalmas és befolyásos volt; most pedig a Starmerite gondolkodás egyik építőköveként tekintenek rá. És úgy véli, hogy a közszféra érett az AI általi átalakításra. Az intézet tanulmányából, Az AI potenciális hatása a közszolgálati munkaerőre (pdf): A közszolgálati dolgozók által végzett feladatok több mint 40 százaléka részben automatizálható AI-alapú szoftverek, például gépi tanulási modellek és nagy nyelvi modellek, valamint AI-támogatott hardverek, az AI-alapú érzékelőktől a fejlett robotokig, kombinációjával. A kormánynak be kell fektetnie az AI technológiába, korszerűsítenie kell adatkezelő rendszereit, ki kell képeznie munkaerejét az új eszközök használatára, és fedeznie kell a munkaerőből való korai kilépésekkel járó leépítési költségeket. Egy ambiciózus bevezetési terv alapján ezeket a költségeket átlagosan évi 4 milliárd font értékben becsüljük erre a parlamenti ciklusra.
Az elmúlt néhány hétben a TechScape a kormány AI-hoz való hozzáállását vizsgálta. Holnap sokkal többet tudunk meg, mivel egy AI törvény várható a királyi beszédben. A TBI tanulmánya egy horgonyzó pontot ad nekünk: vajon a transzformációba való befektetés közel lesz-e az évi 4 milliárd fonthoz? Sok mindent lehet ingyen is megtenni, de sokkal többet lehet elérni jelentős pénzösszeggel. A befektetés több mint 9:1 arányban térül meg az intézet becslései szerint; de egy 20 milliárd fontos számlát nehéz kérdés nélkül átjuttatni a parlamenten.
AI szakértők
A hétvégén a jelentés második hulláma érkezett, miután a kritikusok megkérdőjelezték a módszertant. A 404 Media szerint: A probléma ezzel a jóslattal, amelyet a Politico, a TechRadar, a Forbes és mások is felkaptak, az, hogy a ChatGPT tette, miután a tanulmány szerzői bevallották, hogy a szakértői interjúkon alapuló előrejelzés túl nehéz lenne. Alapvetően az a megállapítás, hogy az AI helyettesítheti az embereket a munkájukban és radikálisan megváltoztathatja a kormány működését, nagyrészt magától az AI-tól származik. „Nincs érvényesítése annak, hogy egy nyelvi modell jó lenne annak megállapításában, hogy mi az, amit elvileg automatizálni lehet,” mondta Michael Veale, a University College London docense. „Az automatizáció egy összetett jelenség – a kormányban több szintű adminisztrációt, megosztott szabványokat, változó törvényeket és nagyon alacsony elfogadható hibaköltséget foglal magában. Ezek a feladatok nem léteznek elszigetelten, hanem egy sokkal szélesebb gyakorlati és rutinszerű tevékenységek részei.”
A munkák feladatokra bontása már megtörtént, egy hatalmas adatbázissal, amelyet az Egyesült Államok Munkaügyi Minisztériuma hozott létre. De 20,000 ilyen feladattal, az AI-nak kitett feladatok leírása nehéz munka. Az OpenAI hasonló tanulmányában „a szerzők személyesen címkéztek egy nagy mintát a feladatokból és a DWÁ-kból, és tapasztalt emberi annotátorokat vontak be, akik az OpenAI igazítási munkája részeként felülvizsgálták a GPT-3, GPT-3.5 és GPT-4 kimeneteit,” de ugyanakkor a nemrégiben megjelent GPT-4-et is bevonták ugyanezen feladat elvégzésébe, és 60-80 százalékos egyezést találtak a robot és az emberek között.
A TBI tanulmány kihagyta a szakértőket és egyszerűen az AI-ra bízta a kérdések megválaszolását. Egy figyelemfelkeltő hullám után a tanulmány csendesen frissült egy nyolcoldalas függelékkel, amely megvédi a választást: „Nyilvánvalóan vannak kompromisszumok a különböző módszerek között. Egyik sem tökéletes. Az emberi ítéletre való nagyobb támaszkodás korlátozhatja az elemzést a feladatok szélesebb kategorizálására, kevesebb időmegtakarítási specifikussággal. Másrészt, egy részletesebb kategorizálás folytatása általában több AI-ra való támaszkodást igényel az értékelés támogatásához.”
De az emberi címkézők kihagyása nem volt az egyetlen különbség az OpenAI tanulmánya és a TBI folytatása között. Az elemzők egy sokkal részletesebb promptot is használtak, amely arra ösztönözte az AI rendszert, hogy részletesen megfontolja az adott feladathoz kapcsolódó kognitív és fizikai munkát, mielőtt megkérdezné, hogy az AI tud-e egy feladatot elvégezni, majd további kérdéseket tett fel annak biztosítására, hogy csak a gyakorlatilag automatizálható feladatokat vegyék figyelembe.
Ez a „prompt engineering” működés közben, ahol az AI rendszert arra ösztönzik, hogy lépésről lépésre haladva javítsa válaszait. Ez is egy példa arra, amit „overhang”-nak neveznek: a kutatók ugyanazt a GPT-4 modellt használták mindkét esetben, de azzal, hogy jobban megtanultak vele dolgozni, a TBI csapata jobb munkát tudott vele végezni.
Ahogy a por leülepszik, az új melléklet talán a tanulmány legfontosabb része. A legfelső szintű megállapítások valószínűleg, nagyjából, igazak, mert a GPT-4 nagyon jó abban, hogy olyan szöveget bocsásson ki, amely valószínűleg, nagyjából, igaz. Kétségtelen, hogy ha valakinek lenne ideje átnézni a sok ezer oldalnyi szöveget, amit a tízezres feladatok címkézése során előállított, találna pontatlanságokat, közhelyeket és egyenesen hallucinációkat. De a tanulmány méreténél ezek nem számítanak.
És a megállapítások sem. „Néhány, de nem minden közszolgálati feladat automatizálható AI által” egy meglehetősen egyszerű állítás. Számot adni róla segít az invesztícióra való érvelésben, de bolond lenne azt hinni, hogy a „40 százalék” bármilyen pontosabb lenne, mint 50 vagy 30 százalék.
Inkább a tanulmány tanítva teszi. Tudni akarod, hogyan fogja az AI befolyásolni a kormányt és a politikát? Nos, itt van működés közben. Egy tanulmányt állítottak elő töredékéért annak, amennyibe valaha került volna, de egy olyan közönségnek mutatták be, ahol a létrehozásának módszere kérdéseket vet fel az eredményekkel kapcsolatban.
Ismételje meg ezt további 8,000 feladatra, és sokkal közelebb kerülsz annak megértéséhez, hogy az AI milyen hatással lesz a munkákra – és látni fogod, hogy ez semmiképpen sem lesz tiszta átmenet.
Érdekesség: Az OpenAI GPT-4 modellje több mint 175 milliárd paraméterrel rendelkezik, ami lényegesen nagyobb, mint elődje, a GPT-3, amely körülbelül 117 milliárd paraméterrel bírt. Források: OpenAI, Tony Blair Intézet, 404 Media, Politico, TechRadar, Forbes
